Se o processo for considerado estável e capaz, o mesmo está apto a ser controlado estatisticamente. Para tanto, deve-se selecionar o tipo de carta de controle a ser utilizada para que o controle seja efetivamente aplicado. Eventualmente os modelos de cartas de controle utilizados para avaliação da estabilidade podem ser os mesmos a serem utilizados para o gerenciamento de processos. No entanto, dependendo das características de cada processo, outros modelos podem ser selecionados.

Além de depender das características intrínsecas de cada processo, a seleção da carta mais apropriada também depende do tamanho e freqüência de amostragem. De forma geral, como será apresentado no item 5.2.7, não existe uma única solução para o tamanho e freqüência de amostragem. Logo, em outras palavras, deve-se definir o recurso estatístico que melhor se ajuste a realidade do processo levando-se em consideração principalmente os aspectos práticos e econômicos envolvidos (viabilidade técnica de retirada de amostras, custos das amostras, etc.). Em alguns casos a experiência proveniente da avaliação da estabilidade pode ser bastante útil. Logo, o procedimento para seleção de recursos estatísticos que se segue é constituído apenas de recomendações gerais que podem ser levadas em consideração durante a seleção das cartas de controle. A figura a seguir procura fornecer uma visão geral do fluxo de seleção de cartas de controle:
 
 

A figura anterior engloba, além dos modelos de Shewhart, outras cartas de controle. Na seqüência desse texto serão tecidos alguns comentários acerca dos principais modelos destacados no fluxo.

Os métodos de cálculo dos limites de controle para as cartas a serem descritas a seguir podem ser encontrados em diversos livros que abordam o tema "controle estatístico de processos". Uma referência adequada é o livro "Ferramentas Estatísticas Básicas para o Gerenciamento de Processos". (WERKEMA, 1995b, p. 197-274)
 
 
 
 

5.2.6.a - Cartas por variáveis
 
 

Carta X-Am
 
 

Essa carta é utilizada quando o tamanho da amostra é igual a uma unidade. Alguns exemplos de aplicação são:

• processos homogêneos em que não faz sentido amostras com tamanho maior que uma unidade. Um exemplo é o controle de temperatura de um banho químico;
• quando se tem inspeção automatizada 100%;
• para processos cuja taxa de produção é baixa, não fazendo sentido acumular resultados ao longo do tempo para a avaliação da estabilidade do processo;
• quando o tamanho de amostra maior que uma unidade for economicamente inviável.

Carta -R

Essa carta é principalmente escolhida quando o tamanho da amostra se situar entre 2 e 9 unidades. Das cartas de controle por variáveis essa é a mais freqüentemente aplicada na indústria. Invariavelmente o tamanho da amostra se situa em torno de 4 ou 5 unidades. Na prática o tamanho da amostra deve ser determinado com base na capacidade de detecção de mudanças. (ver item 5.2.7 – Tamanho e freqüência de amostragem para cartas de Shewhart)

No entanto, a medida que "n" aumenta diminui a sensibilidade da amplitude R como estimador do desvio padrão do processo s . Montgomery demostra que para valores de "n" próximos de 10, a amplitude já perde significativamente sua sensibilidade como estimador (MONTGOMERY, 1991, p. 204). A tabela abaixo apresenta a "eficiência relativa" do estimador R em função do tamanho da amostra "n":
 
 

 
 
 
 
 
 
 
 
 

	n	Eficiência relativa
	2	1,000
	3	0,992
	4	0,975
	5	0,955
	6	0,930
	10	0,850

 

Carta -S
 
 

Esta é uma opção para a carta -R quando tamanho de amostra é maior ou igual a 10. Na prática esse modelo de carta de controle não é freqüentemente utilizado, pois muitas vezes as amostras desse tamanho são inviavelmente econômicas. No entanto, assim como para a carta -R o tamanho da amostra deve ser calculado com base na capacidade de detecção de mudanças no processo, como será visto no item 5.2.7.
 
 

5.2.6.b - Cartas por atributos
 
 

Carta p
 
 

A carta de controle "p" é utilizada quando o característico de qualidade de interesse é representado pela proporção de itens defeituosos produzidos. Alguns exemplos são:
 
 

• Percentual de componentes elétricos defeituosos produzidos em uma hora de produção;
• Percentual de pistões com diâmetro fora do especificado produzidos em um turno de trabalho.

A carta "c" é utilizada quando se deseja controlar o número total de defeitos em uma unidade do produto. Alguns exemplos são (WERKEMA, 1995, p. 258-259):

• Número de quebras de uma ferramenta durante um mês de trabalho de uma indústria;
• Número de riscos em uma chapa metálica;
• Número de soldas defeituosas em um aparelho de rádio;
• Número de defeitos em 100m de uma tubulação.

A carta "u" tem a mesma aplicação da carta "c". A única diferença é que o tamanho de amostra para a carta "u" é maior do que uma unidade. Assim um exemplo seria o controle do número de riscos em duas chapas metálicas. Logo, para esse caso o tamanho de amostra é de 2 unidades.
 
 
 

5.2.6.c - Diferenças básicas entre as cartas por variáveis e por atributos
 
 

Muitas vezes a seleção de uma carta por atributos ou por variáveis é uma tarefa extremamente rápida. A própria definição do característico de qualidade pode ser suficientemente clara. Outras vezes a definição pode não ser tão óbvia. Nesses casos é melhor levar em consideração alguns fatores na seleção da melhor carta (MONTGOMERY, 1991, p. 246-247).

As por atributos oferecem a vantagem de se poder em uma única carta se controlar mais de um característico da qualidade, pois a medição consiste em verificar se o mesmo está ou não dentro da tolerância especificada. Por outro lado uma carta por variável exige geralmente uma medição mais complexa e mais cálculos. Basicamente para cada característico selecionado é necessário um conjunto de cartas de controle (na realidade são duas cartas: uma para controle da média e outra para controle da dispersão). Logo, sob o ponto de vista prático, as cartas por atributos são mais fáceis de serem manuseadas e apresentam, em geral, um menor custo de medição. Entretanto deve-se considerar, ainda sob o ponto de vista do custo de amostragem, que as por variáveis exigem um menor tamanho de amostra, fato esse que dependendo das características do processo pode ser vantajoso (um exemplo são os processos que exigem medições destrutivas).

Em contrapartida, as cartas por variáveis apresentam muito mais informações dos que as por atributos. Informações específicas sob a média e a variabilidade do processo são obtidas diretamente. Logo, quando é detectada a presença de uma causa especial, muito mais informações se têm para determinação da causa. Além disso, sob o ponto de vista da avaliação da capacidade do processo, as cartas por variáveis também apresentam muito mais informações do que as cartas por atributos.

Entretanto, a principal vantagem das cartas por variáveis sobre as cartas por atributos é relativa ao controle do processo em si. As por variáveis permitem que ações preventivas sejam executadas antes que muitas peças defeituosas sejam produzidas. Já as por atributos permitem que ações corretivas sejam executadas após ter sido produzidas uma relativa quantidade de itens defeituosos. Isto é, as cartas por atributos supõem uma quantidade de itens defeituosos, enquanto as por variáveis não necessariamente.
 
 
 
 

5.2.6.d - Efeito da normalidade para as cartas de controle de Shewhart
 
 

As cartas de controle de Shewart são estruturadas segundo os princípios que governam a distribuição normal. Se a distribuição dos dados de um processo não for normal todas as hipóteses e considerações sobre as cartas de controle não serão válidas. Logo, para as cartas de controle por variáveis de Shewhart os efeitos de violação da suposição da normalidade dos dados deve ser considerado. Dentre os modelos existentes, as cartas -R e -S são mais robustas quanto a normalidade. Isto se explica pelo Teorema Central do Limite:
 
 

"... a distribuição da média amostral , de uma amostra de tamanho n extraída de uma população NÃO-NORMAL, com média m e desvio padrão s , é aproximadamente normal com média m e desvio padrão s / . " (WERKEMA, 1995, p. 165).
 
 

Na prática, subgrupos racionais de tamanhos da ordem de 4 ou 5 elementos já são suficientes para garantir que a distribuição amostral de  possa ser aproximada de uma distribuição normal, para efeito de cálculo dos limites de controle. Isto é, os limites de controle para as cartas -R e -S são poucos afetados pela violação de suposição de normalidade a não ser que a população seja significativamente diferente da normal. (WERKEMA, 1995, p. 228).

No entanto, a carta X-Am é extremamente sensível a violação da suposição de normalidade. Nesse caso a regra do Teorema Central do Limite não se aplica. Logo, se a distribuição dos dados não forem normalmente distribuídos a carta X-Am não deve ser aplicada. Quando isto ocorrer duas alternativas são propostas (WERKEMA, 1995, p. 248):
 
 

• ou se determinam os limites de controle das cartas X-Am com base na verdadeira distribuição dos dados;
• ou as variáveis originais são transformadas em uma nova variável que seja aproximadamente normal.

Eventualmente se os dados de um processo não forem autocorrelacionados, outros modelos de cartas de controle, que não as convencionais de Shewhart, podem ser utilizados. A difusão desses outros modelos na indústria é bem menor que os modelos tradicionais. O principal motivo é a dificuldade de se realizar alguns cálculos adicionais necessários para a correta utilização dessas cartas. A seguir serão traçados breves comentários acerca dos principais modelos. Algumas referências bibliográficas para um maior aprofundamento do tema também serão indicadas.
 
 

Cartas de controle para detecção de pequenas mudanças no processo
 
 

As cartas de controle de Shewhart por variáveis são adequadas para detectar variações na média da ordem de 2,0s ou mais. No entanto, se se interessa detectar mudanças menores (1,5s ou menos), outras cartas de controle podem ser utilizadas desde que o processo esteja em estado de controle estatístico. Os principais modelos são:
 
 

• cumulative-sum (or cusum) control chart, e
• EWMA control chart.

Carta multivariável – Hotelling T² Chart
 
 

Esse modelo de carta se aplica quando se interessa controlar vários característicos por variáveis ao mesmo tempo. Uma situação prática seria o exemplo de uma máquina de usinagem multi-fuso. Basicamente, por vários lados da máquina são produzidas peças semelhantes. Se se fosse utilizar as cartas convencionais de Shewhart seria necesário um conjunto de cartas para cada saída da máquina. Com a aplicação da Hotelling T² chart uma única carta de controle é necessária para controlar mais de um característico de qualidade.

Esse modelo de carta de controle é adequado, sob o ponto de vista prático, para um número de até 3 característicos de qualidade. Montgomery também apresenta um roteiro para aplicação dessas cartas (MONTGOMERY, 1991, p. 322-332).
 
 

Cartas de controle para produções curtas
 
 

Algumas vezes o volume de peças produzidas é relativamente pequeno, não permitindo a adoção de uma método de controle pelas cartas convencionais. Para esses casos, as cartas X-R e cartas por atributos foram adaptadas para controle desses tipos de manufatura. Mais uma vez Montgomery apresenta um breve roteiro para aplicação dessas cartas (MONTGOMERY, 1991, p. 313 – 317)
 
 
 
 

Cartas de controle para eventos raros
 
 

Essas cartas são especialmente utilizadas quando a taxa de ocorrências de defeitos é muito baixa (WERKEMA, 1998, p. 1.70). O procedimento consiste em se controlar o tempo entre ocorrência sucessivas de defeitos em lugar de se controlar o número de defeitos. Eventualmente pode-se controlar também o número de peças boas entre unidades defeituosas.

Para o controle é utilizado uma carta para individuais X-Am. Como a variável de interesse "tempo entre ocorrências sucessivas de defeitos" é, freqüentemente, regida por uma distribuição exponencial, é necessário transformá-la em uma variável normal. A transformação mais usual é:
 
 

Realizada a transformação o roteiro utilizado para a construção da carta X-Am deve ser seguido.
 
 

Demais modelos
 
 

Recentemente muitos estudiosos têm desenvolvido outros modelos de cartas de controle. Tais como os modelos apresentados anteriormente, esses surgem das restrições provenientes da aplicação das cartas de controle convencionais. Dentre as variações existentes destacam-se ainda as cartas controle de aceitação e as cartas controle com limites modificados. Vários livros de CEP trazem esses outros modelos específicos. (MONTGOMERY, 1991, p. 13-364).
 
 
 

5.2.7 – Tamanho e freqüência de amostragem para cartas de Shewhart
 
 

Na prática, o tamanho e freqüência de amostragem devem ser determinados simultaneamente, pois estes parâmetros estão diretamente relacionados com a capacidade de se detectar mudanças no processo.
 
 

5.2.7.a - Tamanho e freqüência para características por variáveis
 
 

Para características por variáveis, sempre que possível, deve-se procurar adotar um tamanho de amostra constante, pois amostras de tamanhos variáveis geralmente são mais difíceis de serem controladas, devido a necessidade de cálculo dos limites de controle para cada amostra coletada.

Contudo, para determinação do tamanho de amostra, podem ser considerados 4 aspectos práticos:
 
 

1. Tempo de resposta e capacidade de inspeção

Um primeiro aspecto importante é a limitação quanto a capacidade dos meios de inspeção e testes. Quando necessário deve ser realizada uma análise técnica da capacidade dos meios de inspeção e testes, considerando:
 
 

3. Custos de inspeção
 
 

Um tamanho de amostra adequado é aquele que determina um amostragem econômica. Quando possível e necessário deve ser estimados os seguintes custos, para que seja possível determinar as opções possíveis de tamanho de amostra:
 
 

Por último devem ser levados em consideração os erros estatísticos associados ao tamanho de amostra. Esses erros estão associados a capacidade de detecção de variações no processo pela carta de controle. Esses erros podem ser obtidos das curvas características de operação (CCO). Em geral quanto menor o tamanho da amostra e menor o tamanho da mudança que se deseja detectar, maior é o erro estatístico associado. Montgomery apresenta a CCO para uma carta com limites de controle 3 sigmas (Mongomery, 1991, p.227).
 
 

Nesta CCO, o fator "k" representa o número de desvios padrões em que a média pode variar num processo, enquanto o erro é o risco ou probabilidade de não se detectar a mudança igual a ks unidades na média do processo na primeira amostra retirada após a ocorrência desta alteração. Como pode ser observado no gráfico, quanto menor o tamanho de amostra, menor é a sensibilidade de se detectar pequenas mudanças no processo.
 
 

A CCO para a carta R seria:
 
 

Onde s _o é o desvio atual do processo e s ₁ é o desvio após a ocorrência da causa especial.

Enquanto estatisticamente a CCO é adequada para se determinar o tamanho da amostra, a freqüência de amostragem são melhor determinadas pelo uso das curvas ARL – Average Run Lenght (comprimento médio da seqüência).

O ARL (Average run length) reresenta o número médio de amostras necessário para que seja detectada uma mudança após a mesma ter ocorrido no processo. O ARL depende do tamanho de amostra "n" e da dimensão da mudança "k" que se deseja detectar (número de desvios padrões que a média pode variar). A figura abaixo apresenta valores aproximados de ARL para detecção de mudanças "k" na média do processo para uma carta X com limites 3s :
 
 

Assim com base no tamanho de amostra e na ordem de grandeza da mudança que se deseja detectar, é possível estabelecer a freqüência de amostragem, que dependerá então das perdas associadas a se operar com o processo fora de controle estatístico.

As cartas ARL também permitem identificar a eficácia do tamanho de amostra selecionado. Como pode ser visto para se detectar mudanças moderadas ou grandes na média do processo (da ordem de 2s ), na carta , tamanhos de amostras 4 ou 5 já são suficientes, desde que se deseje detectar a mudança já na amostra seguinte a mesma ter ocorrido. Na prática, a maioria das cartas  utilizadas nas industrias utilizam estes tamanhos de amostras, sem que se tenha noção da ordem de grandeza da mudança no processo que é possível ser detectada. No entanto, se o objetivo é detectar mudanças de menor magnitude será necessário utilizar tamanhos de amostras maiores (n³ 15). A dificuldade maior reside no fato que, sob o ponto de vista prático, nem sempre tamanhos de amostras dessa grandeza são possíveis de ser obtidos. Logo, a relação entre tamanho e freqüência de amostragem é de extrema importância para determinação da capacidade do recurso estatístico em indicar a ocorrência de mudanças no processo. Em geral, quanto maior o tamanho e freqüência de amostragem maior é esta capacidade de detecção de mudanças. Na prática, sob o ponto de vista econômico, adota-se preferencialmente tamanhos de amostra menores com freqüências maiores, pois amostras coletadas de forma mais freqüentes permitem detecção de mudanças mais rapidamente.
 
 

5.2.7.b - Tamanho e freqüência para características por atributos
 
 

As cartas por atributos são mais flexíveis que as por variáveis quanto a utilização de tamanho de amostras constantes ou não. As cartas p e u são alternativas que permitem que sejam utilizados tamanhos de amostras variáveis sem que seja necessário o cálculo dos limites para cada amostra coletada. Em algumas situações, isto pode facilitar a retirada de amostras.
 
 

Carta p
 
 

A carta "p" é regida pela distribuição binomial. Essa distribuição é adequada para caracterizar uma população cujos elementos podem ser classificados como atributos, tais como sucesso ou falha, conformes ou não conformes. Logo, a distribuição binomial é adequada para caracterizar processos cujos característicos de qualidade são expressos pelo percentual de itens não conformes.

As cartas por variáveis são regidas pela distribuição normal. Portanto, os limites de controle 3s são calculados com base nas propriedades dessa distribuição. As regras para identificação de comportamento não aleatórios são também estabelecidas com base nas características dessa distribuição. Logo, para que essas regras sejam também válidas para a carta "p’’ é importante respeitar o critério de aproximação normal para a distribuição binomial (WERKEMA, 1995, p. 248-254). Isto é, as propriedades da distribuição normal podem ser estendidas para a binomial desde que:
 
 

onde "p" é o percentual médio de itens não conformes para o característico de qualidade em questão.
 
 

Assim, o fator que condiciona o estabelecimento do tamanho de amostra para a carta p é a condição de aproximação da normal para a binomial.

Alguns autores têm proposto outros métodos para determinação do tamanho de amostra. Esses podem ser seguidos desde que as condições n.p >5 e n.(1-p) > 5 sejam respeitadas. Uma primeira abordagem é proposta por Montgomery (MONTGOMERY, 1991, p.160-161). Nessa proposta o tamanho da amostra deve ser tal que se tenha uma chance de 50% de se detectar uma variação igual a d . Logo:
 
 

Assim, se p for igual a 0,01 e d for igual a 0,04, tem-se um tamanho de amostra "n" igual a 56 unidades. No entanto, como n.p é menor que 5, esse critério não é válido para esse exemplo. Como n é igual a 0,01 o tamanho mínimo da amostra deve ser 500 unidades.

Outro critério semelhante para determinação do tamanho de amostra é também proposto por Montgomery (MONTGOMERY, 1991, p.161).

Quando as cartas de controle são baseadas em inspeção 100% tanto o tamanho quanto a freqüência de amostragem são definidos pela taxa de produção.

A melhor situação é quando o tamanho da amostra "n "é fixo. Na prática isto nem sempre é possível. Logo, a carta "p" para "n" variável pode ser aplicada quando a variação do tamanho da amostra for menor ou igual a 25%. (JURAN, 1986, p.24.20)

O tamanho da amostra também tem um limite superior. Dependendo do percentual médio de itens não conformes "p", tamanhos de amostras relativamente grandes podem estreitar significativamente os limites de controle de forma que o número de falsos alarmes aumente significativamente. Isto é, podem ocorrer muitos pontos fora dos limites de controle e se concluir que o processo está fora do controle estatístico, quando na realidade o processo está sob estado de controle. Esse fato ocorre devido a fórmula utilizada para os cálculos dos limites de controle:
 
 

Assim, se "n" for suficientemente grande os limites de controle poderão ser apertados. Logo, é importante verificar empiricamente essa condição para cada característico de qualidade. Para esses casos Heimann propõe uma forma alternativa de se controlar o processo. O procedimento resume-se em utilizar como alternativa uma carta para individuais. Informações mais detalhadas sobre esse procedimento podem ser encontradas no artigo "Attributes control charts with large sample sizes" (HEIMANN, 1996, p. 451-459)

Para freqüência de amostragem a regra básica é que as amostras não devem ser muito espaçadas, pois caso contrário variações no processo ocorrer sem que sejam detectadas. Esse critério é empírico e deve ser ajustado para a realidade de cada processo.
 
 

Carta c e carta u
 
 

A distribuição que rege a carta "c" e a carta "u" é a de Poisson. Essa distribuição é apropriada para caracterizar um processo cujo característico da qualidade de interesse seja a ocorrência de eventos em um intervalo de tempo ou em uma unidade de espaço (comprimento, área ou volume) (WERKEMA, 1995b, p. 259).

Estatisticamente a determinação do tamanho da amostra decorre da utilização do conceito de limites 3s . Esse conceito baseia-se na hipótese da aproximação pela normal. Neste contexto a aproximação seria caracterizada pela simetria da distribuição de Poisson. (MYERS & WALPOLE, 1989, p. 677). Assim, o tamanho da amostra é governado pela simetria da distribuição. Entretanto, para que o limite da simetria seja respeitado é importante que o parâmetro l da distribuição de Poisson seja relativamente grande. Werkema demonstra que quanto maior o tamanho de l mais simétrica é a distribuição (WERKEMA, 1995b, p. 258 - 260). No caso específico da carta "c" o parâmetro l é o número de defeitos encontrados "c". Para valores de l maior ou igual a 5 a distribuição já pode ser considerada simétrica.

Tal como para a carta "p" para a freqüência de amostragem a regra básica é que as amostras não devem ser muito espaçadas. Esse critério deve ser ajustado para a realidade de cada processo.

Tanto para a carta "p", quanto para a "c" ou "u", alguns softwares estatísticos disponíveis no mercado já levam em consideração algumas aproximações estatísticas. Contudo, é importante estar atento para as considerações realizadas em cada software, com o objetivo de evitar erros estatísticos grosseiros.
 
 

O objetivo principal desse item 5.2 do presente capítulo foi demonstrar o método de avaliação da viabilidade estatística de se aplicar cartas de controle. O método proposto é composto de diversas ferramentas: mapa de processo, formação de subgrupos racionais, avaliação de sistemas de medição, cartas de controle, índices de capacidade, entre outras. Logicamente a metodologia não é rígida e deve ser adaptada à realidade de cada processo. O item mais importante é o método, as ferramentas podem ser adicionadas ou não utilizadas, em acordo com a situação que se estiver analisando. Resumidamente, sob o ponto de vista estatístico, para que uma carta de controle possa ser utilizada como ferramenta de controle é necessário que os seguintes requisitos sejam atendidos:
 
 

• o sistema de medição deve ser capaz
• o processo deve ser estável (estar sob estado de controle estatístico)
• o processo deve ser capaz de atender às especificações de projeto.

5.3 – Gerenciamento de processos: estabelecimento da rotina
 
 
 
 

Após realização das etapas anteriores é necessário realizar o gerenciamento da variabilidade do processo com o auxílio das ferramentas estatísticas. O conjunto de atividades de gerenciamento é a prática do controle estatístico de processo propriamente dito. Essas atividades podem ser sistematizadas e definidas como o gerenciamento da rotina através de técnicas estatísticas. Por rotina entende-se o conjunto de atividades padronizadas para garantir o atingimento de uma meta.

Definir as atividades que são necessárias tanto para manutenção quanto para melhoria da variabilidade de um processo é uma etapa essencial. A delegação definitiva do CEP para a fabricação somente deve ocorrer depois que todas as pessoas estejam treinadas nos sistemas de ações corretivas destinados a eliminação e/ou redução das fontes de variação que atuam sobre o processo. A inexistência de um sistema estruturado de investigação, planejamento, execução e acompanhamento de ações corretivas estruturado pode levar um programa de CEP a "bancarrota".

O estabelecimento dessa rotina é baseado nos tipos de causas que afetam o estado de controle estatístico de um processo. Conforme já apresentado são estas:
 
 

• causas especiais
• causas comuns

Para o estabelecimento do gerenciamento da rotina é necessário entender das etapas que o compõem, ou seja, o gerenciamento para manter e para melhorar.

Um modelo apropriado para o estabelecimento da rotina do CEP é o "Método de Gerenciamento de Processos" (CAMPOS, 1994b, p.195). Esse método é também denominado ciclo PDCA, isto é, PLAN-DO-CHECK-ACTION ou PLANEJAR-EXECUTAR-VERIFICAR-AGIR. O ciclo PDCA pode ser observado na figura a seguir:
 
 

Este ciclo é didaticamente dividido em 2 métodos de gestão, o SDCA e o PDCA, que na trilogia Juran corresponderia as etapas de controle e de melhoria da qualidade respectivamente. Enquanto o SDCA é o gerenciamento para manter o desempenho de um processo, o PDCA é o gerenciamento para melhorar este desempenho:
 
 

O controle para manter - SDCA (STANDARD-DO-CHECK-ACTION) é composto pelas atividades necessárias para atingir as metas padrão:
 
 

" Você pode desejar entregar um certo relatório sempre no dia 5 do mês seguinte; ou fabricar um produto sempre com as mesmas dimensões, etc. Estes tipos de metas são metas para manter...Estas metas para manter podem ser também chamadas de metas padrão. Teríamos então qualidade padrão, custo padrão, prazo padrão, etc. ...As metas padrão são atingidas através de operações padronizadas. Portanto o plano para se atingir a meta é o Procedimento Operacional Padrão (standard) " (CAMPOS; 1994b; p.194)
 
 

Na linguagem do CEP o controle para manter é constituído pelas atividades necessárias para manter o processo dentro dos limites de controle estabelecidos. É o controle dito operacional que constitui-se da detecção, investigação e eliminação das causas especiais do processo.

Já o controle para melhorar – PDCA é constituído pelas atividades necessárias para atingir as metas para melhorar.
 
 

"Por exemplo: reduzir os custos em 5% até agosto de 1995; aumentar a produção em 8% até dezembro de 1994, etc. estes tipos de metas são metas para melhorar. ... Para se atingir novas metas, ou novos resultados, devemos modificar a maneira de trabalhar, ou seja, modificar os Procedimentos Operacionais Padrão." (CAMPOS;1994b;p.196).
 
 

O controle para melhorar na linguagem do CEP são as atividades necessárias para reduzir variabilidade do processo, que constitui-se da redução das causas comuns que atuam sobre o processo.
 
 
 
 

Portanto, para o estabelecimento da rotina 3 etapas são importantes:
 
 

A – desenho das etapas, isto é, da seqüência de atividades do controle para manter e do controle para melhorar;
 
 

B - determinação das responsabilidades e autoridades por cada etapa;
 
 

C - treinamento e capacitação dos envolvidos na rotina;.
 
 

Preliminarmente é importante observar que cada organização deve adaptar as etapas do controle para manter e para melhorar, bem como definir as responsabilidades e autoridades sobre estas etapas em função de sua arquitetura organizacional (cargos e funções), e da maturidade de suas pessoas (conhecimento e motivação)
 
 
 
 

5.3.1 - Determinação das etapas do controle para manter (SDCA)
 
 

A figura abaixo demonstra conceitualmente a seqüência de atividades do controle para manter:
 
 

• Etapa S (STANDARD): o Procedimento Operacional Padrão (POP) estabelece o método de trabalho que deve ser executado para atingir as metas padrão estabelecidas.

• Etapa D (DO): nesta etapa os operadores devem executar suas tarefas conforme o Procedimento Operacional Padrão.

• Etapa C (CHECK): nesta os operadores de frente de linha devem coletar amostras, anotar os dados, analisá-los e concluir a condição de estabilidade do processo, isto é, verificar se existem causas especiais atuando sobre o processo. Para realizar esta análise é utilizado o recurso da carta de controle.

• Etapa A (ACTION): nesta fase são tomadas as ações corretivas para manter o processo dentro dos limites de controle desejáveis. O sistema de ações corretivas no CEP é uma das etapas mais importantes no gerenciamento de processos. As ações corretivas no gerenciamento para manter (SDCA) são ações operacionais, isto é, são ações que devem ser tomadas por aqueles que estão controlando diretamente o processo com a carta de controle. Através da análise destas ferramentas podem ser identificadas duas situações:

No entanto, nem sempre os meios estão disponíveis e a empresa deve providenciá-los. Alguns destes são:
 
 

• Ferramentas da qualidade: para investigação das causas especiais podem ser disponibilizadas algumas ferramentas da qualidade para os operadores, tais como o "Diagrama causa-efeito" e o "Método dos 5 porquês". Se conveniente a empresa pode disponibilizar formulários padronizados que facilitem o manuseio destas ferramentas. Estes formulários padronizados, conhecidos como Relatórios de Anomalias, além de favorecer que a investigação siga uma seqüência lógica, permitem que análise das causas especiais sejam registradas. O sucesso deste relatório está extremamente associado ao acompanhamento gerencial da sua implantação. Muitas vezes as ações descritas nestes relatórios não são implantadas por falta de gerenciamento. Exemplos destes relatórios são apresentados por Campos (1994b; p.201-215).

• Lista de causas especiais: um outro recurso importante é a inclusão de uma lista de causas especiais no Procedimento Operacional Padrão. Esta lista geralmente facilita a investigação das causas. No entanto, mecanismos devem ser criados para que estes procedimentos sejam freqüentemente atualizados.

• Lista de ações: além de causas especiais podem ser incluídas nos Procedimentos Operacionais Padrão uma lista de ações de correção, descrevendo o que deve ser feito para justar o processo. Um aspecto importante é que estas listas adquirem um aspecto dinâmico devendo ser atualizadas constantemente.

• Apoio Técnico: Muitas vezes também foge do conhecimento do operador a investigação das causas especiais. Nestes momentos é importante que a equipe de apoio, geralmente composta por supervisores, técnicos e engenheiros auxiliem os operadores na investigação destas causas. A não observância deste item pode levar o recurso estatístico ao descrédito. As atitudes não recomendadas mais comuns relacionadas ao apoio aos operadores são:

• as pessoas não conseguem detectar as causas especiais ou suspeitas (tendências);
• as pessoas detectam as causas especiais, mas não têm conhecimento ou experiência suficiente para investigar ou tomar ações
• as pessoas solicitam auxílio imediato mas não são atendidas.

• Fornecimento de formulários das cartas de controle;
• Treinamento contínuo dos operadores na utilização do recurso estatístico e tomada de ações no posto de trabalho, até que os mesmos adquiram habilidade de controlar o processo;
• Monitorar a diferença de critérios de tomada de ações entre turnos;
• Verificar a coleta de dados e a pratica de subgrupos racionais.

• Ainda é necessário controlar os característicos de controle?
• Os recursos estatísticos utilizados continuam sendo os adequados?
• Os processos continuam estáveis?
• Os limites de controle das cartas são ainda adequados?
• Os operadores estão utilizando corretamente os recursos estatísticos, isto é, estão efetivamente exercendo o controle SDCA?

• Ativadores: definem as condições que indicam que o OCAP deve ser seguido, isto é, é o ponto de partida que indica a possível existência de causas especiais atuando sobre o processo.
• Pontos de verificação: são as condições que devem ser investigadas para descoberta das causas especiais que estão atuando sobre o processo.
• Finalizadores: são as ações que devem ser executadas para eliminação das causas especiais identificadas.

Se existir um sistema de registro das informações relativas a investigação das causas especiais e ações executadas, esse será de extrema valia para execução do controle para melhorar.
 
 

5.3.2 - Determinação das etapas do controle para melhorar (PDCA)
 
 

Observou-se nas empresas visitadas que freqüentemente o controle se restringia ao SDCA. No entanto, o controle para melhorar é fundamental para a continuidade do CEP. A prática deste controle é a garantia de atingimento do maior objetivo do CEP, isto é, da redução da variabilidade do processo. Enquanto as atividades do SDCA são ditas operacionais, estas são denominadas gerenciais, porque geralmente fogem do conhecimento, da autoridade e da responsabilidade daqueles que utilizam as cartas de controle no dia-a-dia. A redução da variabilidade só é possível com a redução das causas comuns, e para que seja possível a eliminação destas algumas vezes é necessário a aplicação de técnicas estatísticas mais complexas, tais como o Planejamento de Experimentos (DOE – Design of Experiments).

O ponto de partida para a investigação das causas comuns que atuam sobre o processo são as informações obtidas durante o gerenciamento para manter. Se algumas causas especiais atuam repetitivamente pode ser que essas sejam comuns ao processo e, obviamente, necessitam de um método mais elaborado para investigação das mesmas.

Paralelamente a isto, a avaliação da capacidade de processos constitui-se uma importante ferramenta para a determinação de prioridades de melhorias. A avaliação fornece informações acerca do nível de variabilidade do processo. A lógica é simples: se a capacidade de um processo está melhorando, então sua variabilidade está sendo reduzida através da eliminação de causas comuns. Esta atividade deve também estar na rotina do CEP, e deve ser executada por pessoal habilitado em técnicas estatísticas de análise. Em outras palavras, a verificação da eficácia da prática do CEP é a "Avaliação Periódica da Capacidade do Processo", e esta deve ser realizada de tempos em tempos.

No entanto para a investigação das causas comuns é necesário a adoção de métodos mais elaborados de análise de problemas, pois essas causas, em geral, não são tão fáceis de serem identificadas. Uma opção é o QC Story (KUME; 1993;p. 201-217). Este método de 8 etapas constitui-se de uma seqüência lógica para solução de problemas crônicos, isto é, problemas em que atuam causas comuns. A utilização deste método em uma das empresas visitadas tem proporcionado a solução de muitos problemas considerados crônicos.

Neste método uma etapa muito importante é a análise, que se constitui na descoberta das causas comuns. Nesta etapa várias técnicas estatísticas de análise podem ser utilizadas, tais como:

• Planejamento de experimentos;
• Análise de correlação;
• Análise de regressão;
• Testes de hipóteses.

Esse capítulo 5 apresentou as diretrizes gerais para implantação e gerenciamento do CEP. Conforme proposto, a metodologia constitui-se de um conjunto de diretrizes gerais, que devem ser analisadas e adaptadas caso-a caso. As fontes utilizadas para composição do capítulo 5 basicamente foram as práticas observadas em algumas empresas visitadas e alguns textos encontrados na literatura especializada. Dessa forma, o texto estruturado ao longo do presente capítulo encerra o tema proposto dessa dissertação.