Neste primeiro artigo resolvi escrever sobre as ferramentas da
qualidade que frequentemente utilizamos na resolução de problemas, sejam eles
do segmento industrial ou de serviços. Muitas vezes grandes problemas podem ser
resolvidos através da aplicação de ferramentas simples, mas eficientes. Acredito que o conhecimento dessas ferramentas é o primeiro passo para quem quer se iniciar no fascinante mundo das Engenharias de Processo, Produção e Qualidade.
As ferramentas de qualidade são técnicas utilizadas com a
finalidade de definir, mensurar, analisar e propor soluções para os problemas
que interferem no bom desempenho dos processos de trabalho (MALIK;
SCHIESARI, 1998).
Na implantação e consolidação do processo de gestão de qualidade
e produtividade de uma instituição, podem ser empregadas inúmeras ferramentas,
tais como: Metodologia do Programa 5S, Método PDCA, Diagrama de Pareto,
Fluxograma, Gráficos de dispersão, Diagrama de controle, Folha de verificação, Diagrama
de causa e efeito, Histograma e Brainstorming (PERTENCE; MELLEIRO, 2010).
Algumas das ferramentas citadas acima fazem parte do controle
estatístico de processo (CEP) que é uma poderosa coleção de ferramentas de
resolução de problemas útil na obtenção da estabilidade do processo e na
melhoria da capacidade através da redução da variabilidade (MONTGOMERY, 2013).
O CEP pode ser aplicado a qualquer processo. Suas sete
principais ferramentas são:
1. Histogramas
2. Folha de controle
3. Gráfico de Pareto
4. Diagrama de causa-e-efeito (Ishikawa)
5. Diagrama de concentração de defeito
6. Diagrama de dispersão
7. Gráfico de controle
Para Lucinda (2010) o histograma é um gráfico de colunas que
mostra a distribuição de um conjunto de dados dentro de uma determinada faixa
de valores. Nesse gráfico mostra-se a distribuição dos dados, a tendência
central desses valores e a dispersão dos mesmos, conforme ilustrado na figura
1.
 |
| Figura 1 - Exemplo de histograma da altura de homens brasileiros Fonte: O autor (2013) |
No estudo da distribuição de um item de controle de interesse associado
a um processo, geralmente são utilizados histogramas. No entanto, coletar e
registrar um grande volume de dados para, posteriormente, construir um gráfico
que represente a distribuição dos dados obtidos é uma duplicação de esforços
bastante trabalhosa. Esse problema pode ser eliminado com uma folha de controle
para coleta dos dados, que permite a classificação dos mesmos no instante em
que são coletados, de forma que no encerramento das medições o histograma já
esteja construído (WERKEMA, 2014). A figura 2 apresenta um modelo de folha de
controle.
 |
| Figura 2 - Modelo de folha de controle
Fonte: O autor (2015)
|
Na maioria das vezes não se
pode atuar em todos os defeitos ou problemas de um determinado processo ou serviço,
sendo necessário utilizar ferramentas de priorização.
De acordo com Slack,
Chambers e Johnston (2009) o gráfico de Pareto é uma técnica relativamente
direta, que envolve classificar os itens de informação nos tipos de problemas
ou causas de problemas por ordem de importância. A análise de Pareto é baseada
no fato que frequentemente poucas causas explicam a maioria dos defeitos. O
gráfico de Pareto foi originariamente criado para estudar as perdas na
indústria, organizando-as por ordem de frequência, da mais frequente para a
menos frequente. Dessa forma, esse gráfico estabelece prioridades em que as
causas das perdas devem ser resolvidas, podendo também ser utilizado em serviços
e na implantação de melhorias (VIEIRA, 2015). Um exemplo do gráfico de Pareto para
identificação das principais causas de devolução de produtos em uma indústria é
ilustrado na figura 3.
 |
| Figura 3 - Exemplo do gráfico de Pareto
Fonte: O autor (2015)
|
A partir da identificação
das principais causas de um problema, essas causas precisam ser analisadas para
identificar o que as ocasionaram. Uma das ferramentas utilizadas para esse fim,
é o diagrama de causa e efeito ou diagrama de Ishikawa.
O diagrama de causa e efeito
organiza as ideias em categorias para pesquisar as raízes de um problema e se
tornou excessivamente usado em programas de melhoria (SLACK; CHAMBERS;
JOHNSTON, 2009). Esse diagrama é construído com uma linha horizontal primária
que lista o efeito ou o sintoma à direita. As categorias principais de causas
possíveis são organizadas como ramos, acima e abaixo dessa linha, à esquerda.
Os ramos característicos são mão de obra, material, máquina e método. No
entanto, políticas, procedimentos, planta, tempo e outras categorias podem ser
utilizadas. Causas possíveis específicas tornam-se sub-ramos detalhados, como
na figura 4 (BLOCH; GEITNER, 2014).
 |
Figura 4 - Exemplo de diagrama de causa e efeito
Fonte: O autor (2015)
|
Em alguns casos a
localização do problema ou defeito é importante e um diagrama de concentração
de defeito pode ser utilizado. Esse diagrama é uma figura da unidade, mostrando
todas as vistas relevantes, onde os vários tipos de defeitos são desenhados. O
diagrama é analisado para determinar se a localização dos defeitos na unidade
fornece alguma informação útil sobre as causas potenciais dos defeitos. Quando
um número suficiente de unidades é utilizado na elaboração de um diagrama de
dispersão, frequentemente surgem padrões, e a localização desses padrões
contém, geralmente, muita informação sobre as causas dos defeitos (MONTGOMERY,
2013). A figura 5 retrata um modelo de diagrama de concentração de defeitos
de uma caixa de embalagem.
 |
Figura 5 - Modelo de diagrama de concentração de defeitos
Fonte: O autor (2015)
|
Em alguns problemas deseja-se conhecer as
relações potenciais entre duas variáveis. O diagrama de dispersão é um gráfico
útil para a identificação dessas relações. Os dados são coletados aos pares
sobre as duas variáveis (yi, xi) para i = 1, 2, ..., n.
Assim, yi é plotado versus xi. A forma de um
diagrama de dispersão em geral indica que tipo de relação pode existir entre
duas variâncias (MONTGOMERY, 2013). Um diagrama de dispersão somente
identifica a existência de um relacionamento, não necessariamente a existência
de uma relação de causa e efeito. Uma relação muito forte entre um conjunto de
dados é uma importante evidência de relação de causa e efeito, mas não uma
prova positiva (SLACK; CHAMBERS; JOHNSTON, 2009). O diagrama da figura 6
ilustra um exemplo da relação entre a altura e o peso de um grupo de pessoas do
sexo masculino.
 |
Figura 6 - Diagrama de dispersão para a altura contra o peso
Fonte: O autor (2015)
|
O objetivo maior do controle
estatístico de processo é detectar rapidamente a ocorrência de causas
atribuíveis das mudanças de processo, de modo que a investigação do processo e
a ação corretiva possam ser realizadas antes que muitas unidades não conformes
sejam fabricadas (MONTGOMERY, 2013).
O controle estatístico de
processo monitora os resultados de muitas amostras ao longo do tempo, através
dos gráficos de controle para verificar se o processo está desempenhando como deveria,
ou, alternativamente, se está saindo de controle (SLACK; CHAMBERS; JOHNSTON,
2009).
Em qualquer processo de
fabricação independentemente de quão bem mantido ele seja, a certa quantidade
de variabilidade inerente, ou natural sempre existirá (MONTGOMERY, 2013).
Quando somente causas inerentes ou comuns estão atuando sobre o processo, é
dito que o mesmo está sob controle estatístico (WERKEMA,
2014). Além
das causas inerentes do processo, algumas vezes fatores especiais que estão
presentes produzem variabilidade adicional. O mau funcionamento de máquinas,
erro de operador, flutuações das condições ambientais e variações nas
propriedades das matérias primas estão entre os mais comuns desses fatores
(NAVIDI, 2010). Tal variabilidade é, geralmente, muito grande quando comparada
as causas comuns, e representa, usualmente, um nível inaceitável do desempenho
de processo. Essas fontes de variabilidade que não fazem parte do padrão de
causas aleatórias são chamadas de causas atribuíveis ou especiais (NAVIDI, 2010;
MONTGOMERY, 2013). A figura 7 ilustra um exemplo de um gráfico de controle
com seus elementos.
 |
Figura 7 - Carta de controle para valores individuais
Fonte: O autor (2015)
|
As
ferramentas da qualidade formam a base de qualquer programa de melhoria e
deveria ser de conhecimento de todos que atuam nessa área. É de extrema
importância saber para que serve cada ferramenta e como aplicá-la, pois somente
assim será possível obter bons resultados.
Se utilizadas corretamente, as sete
ferramentas poderão trazer os seguintes resultados as organizações:
§ Elevar os níveis de qualidade por meio da solução eficaz
de problemas;
§ Diminuir os custos, com produtos e processos mais
uniformes;
§ Executar projetos melhores;
§ Melhorar a cooperação em todos os níveis da organização;
§ Identificar problemas existentes nos processos,
fornecedores e produtos;
§ Identificar causas raízes dos problemas e solucioná-los
de forma eficiente, etc.
REFERÊNCIAS
BLOCH,
H. P.; GEITNER. F. K. Análise e Solução
de Falhas em Sistemas Mecânicos. 4ed. Rio de Janeiro:
Elsevier, 2014.
LUCINDA,
M. A. Qualidade: Fundamentos e práticas
para cursos de graduação. Rio de Janeiro: Brasport, 2010.
MALIK,
A. M.; SCHIESARI, L. M. C. Qualidade na
gestão local de serviços e ações de saúde. São Paulo: Faculdade de Saúde
Pública da USP; 1998.
MONTGOMERY, D. C. Introduction
to Statistical Quality Control. 7th ed. New York, USA: John Wiley &
Sons, 2013.
NAVIDI, W. Statistics
for Engineers and Scientists. 3rd ed.
New York, USA: McGraw-Hill, 2010.
PERTENCE,
P. P; MELLEIRO, M.M. Implantação de
Ferramenta de Gestão de Qualidade em Hospital Universitário. Revista da
Escola de Enfermagem da USP, v.44, n.4,
p. 1024-1031, Mar 2010.
VIEIRA,
S. Estatística para a Qualidade. 3ed. Rio de Janeiro: Elsevier, 2014.
WERKEMA,
C. Ferramentas Estatísticas Básicas do
Lean Seis Sigma Integradas ao PDCA e DMAIC. Rio de Janeiro: Elsevier, 2014.
