TCC Jan2007 Lilianamachado

APLICAO DA METODOLOGIA PDCA: ETAPA P (PLAN) COM SUPORTE DAS
FERRAMENTAS DA QUALIDADE
Liliana Gonalves Machado
MONOGRAFIA SUBMETIDA COORDENAO DE CURSO DE ENGENHARIA
DE PRODUO DA UNIVERSIDADE FEDERAL DE JUIZ DE FORA
COMO PARTE DOS REQUISITOS NECESSRIOS PARA A
GRADUAO EM ENGENHARIA PRODUO.
Aprovada por:
________________________________________________
Profa. Jane Azevedo da Silva (Orientadora)
________________________________________________
Prof. Rodrigo Martins Brum (Co - Orientador)
________________________________________________
Dr. Eduardo Breviglieri Pereira de Castro
JUIZ DE FORA, MG BRASIL

JANEIRO DE 2007
ii
JANEIRO DE 2007
MACHADO, LILIANA GONALVES

Aplicao da Metodologia PDCA:
Etapa P (Plan) com Suporte das Ferramentas da Qualidade [ Minas Gerais] 2007
IX, 48 p. 29,7 cm (Faculdade de
Engenharia/UFJF, Graduao, Engenharia de Produo, 2007
Monografia, Universidade Federal de
Juiz de Fora, Faculdade de Engenharia
1. Aplicao da Metodologia PDCA
I. UFJF
II.Ttulo (srie)
iii
Agradecimentos
professora Jane, minha orientadora, pela instruo, ateno e pacincia durante o
desenvolvimento do trabalho.
Ao professor Rodrigo, meu co-orientador, pela dedicao, estmulo e valorizao do
meu trabalho.
Ao professor Eduardo, por aceitar o convite de compor a banca de avaliao da
minha monografia.
Aos meus pais, que sempre incentivaram os meus estudos.
Ao meu namorado pelo amor e dedicao.
Deus por me dar fora e coragem nos momentos difceis.
iv
Resumo da monografia apresentada Coordenao de Curso de Engenharia de Produo
como parte dos requisitos necessrios para a graduao em Engenharia Produo.
APLICAO DA METODOLOGIA PDCA: ETAPA P (PLAN) COM SUPORTE DAS
FERRAMENTAS DA QUALIDADE
Janeiro/2007
Orientadores: Jane Azevedo da Silva
Rodrigo Martins Brum
Curso: Engenharia de Produo
Oferecer produtos ou servios de qualidade deixou de ser um diferencial ou um ponto de

destaque para uma empresa. Atender as necessidades e anseios dos clientes tornou-se um
ponto chave de manuteno das organizaes no mercado; de modo que a qualidade de um
produto no um algo a mais, e sim, um requisito indispensvel. O trabalho em questo ir
desenvolver a etapa P (PLAN) da metodologia gerencial PDCA com suporte de ferramentas
da qualidade a fim de possibilitar que o controle dos produtos fornecidos pela empresa em
estudo seja aperfeioado. A empresa selecionada para o estudo, Malharia Viva Simo
LTDA, pertence ao ramo txtil e destina a sua produo confeco de meias de grife e da
marca prpria. Os processos de produo da empresa sero descritos e analisados com
intuito de se propor modificaes que iro resultar em constantes melhorias e em contnua
procura da conquista do defeito zero - estado em que as especificaes existentes para os
produtos so perfeitamente alcanadas. A proposta de delineamento de um plano de ao
que resultar do desenvolvimento da etapa P poder possibilitar uma maior credibilidade e
confiana perante os clientes; reduo de custos atravs da reduo de retrabalhos e de
refugos advindos da produo de itens no conformes, assim como a instalao de um
procedimento gerencial, a metodologia PDCA, controlador dos processos e, por
conseguinte, dos produtos oriundos da organizao.
v
Abstract of Thesis presented to Production Engineering Coordination as a partial fulfillment
of the requirements for the degree of Graduation of production Engineering
APLICATION OF THE METHODOLOGY PDCA: STAGE P (PLAN) WITH SUPPORT OF
THE TOOLS OF QUALITY
January/2007
Advisors: Jane Azevedo da Silva
Rodrigo Martins Brum
Course: Production Engineering
Quality servicing and quality product offers are no longer a differential or a proiminence point
for a company. Catering to the needs and expectations of clients has become a key point in
maintening of companies in the market; so that a productsquality is not something else but
an indispensable requirement. The following work will develops stage P (PLAN) as of the
managerial methodology PDCA with the support of quality tools so as to allow for an
improvement of the control of the products supplied by the study company. The select
company for the study, Malharia Viva Simo LTDA, is in the textiles, whose production
focuses on exclusive socks, stockings, mens socks wear, childrens socks wear and
womens. The production processes will be described and analysed in order to proporse
modification that may result in the ever going quest for constant improvement and zerodefect accomplishment state in which the existing specifications for products are perfectly
reached. The proposal of outlining of a plan that will result from the development of stage P
could deliver a better reliability and confidence before the clients; cost reduction through
reduction in remanufacturing and waste from production items out of specification; as well as
the installation of a managerial procedure, PDCA methodology, process control and, then, of
products from the company.
vi
SUMRIO
1. CAPTULO I INTRODUO..............................................................................01
1.1. Consideraes iniciais.....................................................................................01
1.2. Objetivos............................................................................................................01
1.3. Justificativas......................................................................................................01
1.4. Escopo do trabalho...........................................................................................02
1.5. Metodologia.......................................................................................................02
2. CAPTULO II REVISO BIBLIOGRFICA........................................................04
2.1. Conceito de qualidade......................................................................................04
2.2. Histria da qualidade........................................................................................04
2.3. A importncia da estatstica no controle de qualidade.................................05
2.4. Algumas definies importantes.....................................................................06
2.5. O ciclo PDCA.....................................................................................................07
2.6. Ferramentas da qualidade................................................................................08
2.6.1. Grfico seqencial............................................................................................08
2.6.2. Estratificao....................................................................................................08
2.6.3. Grfico de pareto..............................................................................................08
2.6.4. Diagrama de causa e efeito..............................................................................10
2.6.5. Histograma.......................................................................................................10
2.6.6. Diagrama de disperso....................................................................................11
2.6.7. Grfico de controle...........................................................................................11
3. CAPTULO III DESCRIO................................................................................14
3.1. Descrio da empresa......................................................................................14
3.2. O processo de tecelagem.................................................................................14
3.3. Obteno de dados...........................................................................................17
3.4. Utilizao dos dados no controle de qualidade dos produtos.....................19
4. CAPTULO IV ANLISE DOS DADOS.......................................................... ....21
4.1. Utilizao das Ferramentas da Qualidade.................................................. ...21
4.2. Anlise dos Dados............................................................................................21
vii
4.3. Anlise Financeira.............................................................................................42

5. CAPTULOV ESTABELECIMENTO DE METAS E AES (ETAPA P DO
CICLO PDCA)............................................................................................................44
5.1. Metas e Aes............................................................................................... ...44
5.2. Oportunidades de Melhoria..............................................................................44
6. CAPTULO VI CONSIDERAES FINAIS.................................................... ...46
REFERNCIAS BIBLIOGRFICAS.........................................................................47
viii
NDICE DE FIGURAS
1. Figura 1 - O Ciclo PDCA.........................................................................................08
2. Figura 2 - Estrutura do Grfico de Pareto..............................................................09
3. Figura 3 - Estrutura do Diagrama de Causa e Efeito..................................................10
4. Figura 4 - Estrutura do Histograma...........................................................................11
5. Figura 5 - Estrutura do Grfico de Controle...............................................................13
6. Figura 6 - Cadastro da Ficha Tcnica........................................................................17
7. Figura 7 - Ordem de produo (OP).........................................................................18
8. Figura 8 - Tela de lanamento de dados...................................................................19
9. Figura 9 - Produo Mensal............................................................................................22
10. Figura 10 - Refugo Mensal............................................................................................22
11. Figura 11 - Produo por dia da semana......................................................................23
12. Figura 12-. Refugo por dia da semana....................................................................23
13. Figura 13 - Figura 13 Produo por turno.....................................................................24
14. Figura 14 - Refugo por turno..................................................................................24

15. Figura 15 - Refugo por funcionrio do turno A.........................................................24
16. Figura 16 - Refugo por funcionrio do turno B.........................................................25
17. Figura 17 - Refugo por funcionrio do turno C.........................................................25
18. Figura 18 - Refugo por funcionrio do turno D..............................................................26
19. Figura 19 - Refugo por mquina.............................................................................27
20. Figura 20 - Refugo por tipo de meia.......................................................................28
21. Figura 21 - Refugo por tipo de causa......................................................................29
22. Figura 22 - Grfico de Controle por dia...................................................................32
23. Figura 23 - Grfico de Controle por dia sem a presena do outlier..............................33
24. Figura 24 - Grfico de Controle por dia da semana........................................................34
25. Figura 25 - Grfico de Controle do funcionrio Edinaldo...........................................37
26. Figura 26 - Grfico de Controle do funcionrio Marcelo............................................38
27. Figura 27 - Grfico de Controle da Mquina 01........................................................38
28. Figura 28 - Grfico de Controle da meia tipo SAPSU...............................................39
29. Figura 29 - Grfico de Controle do turno A..............................................................40
30. Figura 30 - Grfico de Controle do turno B..............................................................41
31. Figura 31 - Grfico de Controle do turno C..............................................................41
32. Figura 32 - Grfico de Controle do turno D..............................................................42
ix
NDICE DE TABELAS
1. Tabela 1 - Diagrama de Gantt Metodologia do Trabalho...........................................03
2. Tabela 2 - Funcionrios x Mquinas..........................................................................26
3. Tabela 3 - Causas de Refugo...................................................................................30
4. Tabela 4 - Resultado dos grficos de Controle (Funcionrios e Mquinas)...................35
5. Tabela 5 - Resultado dos grficos de Controle (Tipo de Meias e Tipos de Causas).......36
6. Tabela 6 - Resultado Financeiro......................................................................................42
Captulo I
INTRODUO
1. CONSIDERAES INICIAIS OU APRESENTAO
O ambiente competitivo em que as empresas esto inseridas tem mostrado que
cada vez mais necessrio e urgente a preocupao com a melhoria contnua da qualidade
dos produtos e processos oferecidos por uma organizao. A implantao de um programa
de melhoria da qualidade possibilita a eliminao de desperdcios, a reduo da
necessidade de inspeo, o aumento da satisfao dos clientes, a reduo do ndice de
produtos defeituosos e outras inmeras conquistas que acarretam o aumento da
produtividade e competitividade da empresa.
Dessa forma, fundamental que as empresas priorizem a adoo de modelos de
gerenciamento que otimizem seus processos objetivando o fornecimento de produtos
confiveis que satisfaam as necessidades de seus clientes (TOLEDO, 2005).
Controlar e melhorar a qualidade dos produtos oferecidos por uma organizao
deixou de ser um diferencial para o mercado consumidor e passou a ser uma exigncia para
a permanncia no mercado.
A funo qualidade no responsvel pela qualidade. Afinal, a organizao da
qualidade no projeta, fabrica, distribui ou d manuteno ao produto. Assim a
responsabilidade pela qualidade distribuda por toda organizao (MONTGOMERY,
2001).
Logo, o Controle de Qualidade uma prtica que desenvolve a competitividade da
empresa j que satisfaz as necessidades dos consumidores com um menor desperdcio,
facilita a conquista de novos mercados, garante maior eficincia dos processos internos e
evita a ocorrncia de indenizaes pagas judicialmente devido a produtos e servios no
conformes.
2. OBJETIVOS
O objetivo do presente trabalho estabelecer metas e aes (etapa P do ciclo
PDCA) para melhoria da qualidade do setor produtivo Tecelagem de meias de algodo da
empresa Malharia Viva Simo LTDA, fundamentando-se nos resultados obtidos por meio
das ferramentas da qualidade.
3. JUSTIFICATIVAS
Na viso de MONTGOMERY a qualidade representa um dos fatores de deciso mais
importantes e analisados pelos consumidores na seleo de produtos ou servios
concorrentes.
2
de percepo geral que se a qualidade for entendida e bem trabalhada em uma
organizao, o sucesso, o crescimento e a posio de destaque perante os competidores do
ramo so conseqncias certamente esperadas.
A melhoria efetiva da qualidade pode contribuir para o aumento da produtividade e
reduo dos custos (MONTGOMERY, 2001).
A tolerncia dos consumidores s pequenas falhas vem diminuindo e defeitos que
antes eram desconsiderados como, manchas, rudos e acabamento ruim, agora so
analisados e em muitos casos submetidos a reclamaes.
Logo, este tema foi escolhido porque alm de ser extremamente relacionado com
atividades desenvolvidas na vida de trabalho e de muita afinidade em relao ao autor, um
tema extremamente necessrio em qualquer organizao que se destine a oferecer um
produto ou servio que atenda aos anseios de seus clientes.
4. ESCOPO DO TRABALHO OU CONDIES DE CONTORNO
Este trabalho foi desenvolvido em torno de uma empresa do ramo txtil, fbrica de
meias, focando a etapa de produo: tecelagem de meias de algodo. Esse enfoque foi
dado porque nesta etapa que os esforos de melhoria da qualidade dos produtos tm que
ser mais efetivos, justamente pelo fato de o processo de produo ter seu incio neste setor,
e tambm porque depois de passado por ele o produto j est quase pronto e uma falha
pode ser irreversvel. Vale ressaltar que a empresa em estudo no se encontra mais
inserida no mercado, tendo suas atividades encerradas no ms de Junho do ano de 2006.
5. METODOLOGIA
Este trabalho foi desenvolvido por meio de atividades e aes que sero seqenciais
e/ou concomitantes.
Estas atividades podem ser resumidas em:
Reviso e estudo bibliogrfico a partir dos temas desenvolvidos no trabalho;
Levantamento de dados histricos da empresa;
Utilizao das ferramentas da qualidade, entre elas, diagrama de causa e efeito,

estratificao, histogramas, grfico de controle e grfico de Pareto;
Elaborao de estudos comparativos das variveis selecionadas como item de

controle com as variveis selecionadas como item de verificao, utilizando-se das
ferramentas estatsticas;
Proposio de metas e delineamento de aes para melhoria da qualidade baseada

na anlise dos dados histricos e na metodologia gerencial PDCA com suporte das
ferramentas da qualidade;
Concluses e recomendaes.
3
Os dados foram exportados do software interno da empresa para o excel e
posteriormente exportados e analisados no SPSS (Statistical Package for Social Sciences
N.11.0) registrado no Departamento de Estatstica da Universidade Federal de Juiz de Fora.
A tabela abaixo expe de maneira cronolgica a metodologia.
Tabela 1 - Diagrama de Gantt Metodologia do Trabalho
Meses Abril
Itens
Reviso e estudo
bibliogrfico
Levantamento de dados
histricos
Utilizao das ferramentas
da qualidade
Elaborao de estudos
comparativos
Proposio de metas e
aes
Concluses e
recomendaes
Divulgao em eventos
Maio
Junho
Julho
Agosto
Setembro Outubro Novembro Dezembro Janeiro
x
x
x
x
x
x
x
x
x
Captulo II
REVISO BIBLIOGRFICA (ESTADO DA ARTE)
1. CONCEITO DE QUALIDADE
O conceito de Qualidade definido de vrios modos pelos gurus da qualidade:
adequao para o uso, reduo da variabilidade, atendimento s especificaes, entre
outros. Atravs do controle e melhoria da qualidade reduz-se a variabilidade dos processos
e produtos e evitam-se desperdcios de tempo, como por exemplo, as horas destinadas a
retrabalho; desperdcios de materiais, como, a produo de produtos no conformes e
outros. Alm disso, controlar e melhorar a qualidade possibilita que os esforos da
organizao estejam coordenados a atender os anseios dos clientes.
No entanto, qualidade no pode ser definida apenas como ausncia de defeito, pois
um produto isento de defeitos, mas com um preo elevado, no atender as expectativas
dos clientes, j que ningum estar disposto a compr-lo.
Um outro fator a ser observado que Qualidade um conceito subjetivo que est
relacionado diretamente s percepes de cada indivduo. Diversos fatores como cultura,
modelos mentais, tipo de produto ou servio prestado, necessidades e expectativas
influenciam diretamente nesta definio.
2. HISTRIA DO CONTROLE DA QUALIDADE
A importncia atribuda qualidade de produtos e servios e aos mtodos formais de
controle e melhoria da qualidade vm crescendo e evoluindo ao longo dos anos.
No sculo XIX Frederick W. Taylor no contexto do desenvolvendo das indstrias de
produo em massa introduziu princpios de gerenciamento cientfico.
Na primeira metade do sculo XX, Henry Ford desenvolveu os conceitos de erroprova da montagem, a auto inspeo e a inspeo durante o processo.
O controle da qualidade teve seu incio na dcada de 30 nos EUA durante a 2
Guerra Mundial. Este fato histrico foi o grande catalizador para as aplicaes do controle
de qualidade; os equipamentos, a artilharia, as ferramentas e demais suprimentos militares
tinham de possuir uma alta confiana em termos de funcionamento e desempenho.
A experincia de guerra tornou claro que as tcnicas estatsticas eram necessrias
para controlar e melhorar a qualidade do produto (MONTGOMERY, 2001).
A aplicao industrial dos grficos de controle marcou o incio do chamado controle
de qualidade moderno e aconteceu em uma empresa de telefonia a Bell Telephone
Laboratories. Nessa poca o estudioso Dr. Walter A. Shewhart queria criar a cultura de
5
anlise e preveno de problemas em substituio simples tarefa de inspeo que no
previne a fabricao de produtos defeituosos, apenas os identifica.
Em 1946 foi criada a JUSE (Union of Japanese Scientists and Engineers) formada
por engenheiros e pesquisadores que pesquisavam e divulgavam os conhecimentos sobre
controle da qualidade. A finalidade deste grupo era que as indstrias japonesas
melhorassem o nvel de qualidade oferecido e crescer nas exportaes.
Em 1989 ocorreu o incio da aplicao do Six Sigma na Motorola.
Da dcada de noventa aos dias atuais percebe-se o aumento, por parte das
empresas, da busca pelas certificaes em normas como a ISO 9001. As tcnicas formais
de estatstica passam a compor o portflio dos cursos de graduao em engenharia com
nfase nos mtodos de caracterizao e melhoria dos processos. A abordagem Six Sigma
iniciada na Motorola se difunde para outras organizaes.
3. A IMPORTNCIA DA ESTASTSTICA NO CONTROLE DE QUALIDADE
Atravs da estatstica possvel coletar, processar e dispor os dados provenientes
de um processo de forma a facilitar o entendimento de problemas e o delineamento das
aes de conteno deste problema.
A estatstica muito importante em um programa para melhoria da qualidade
porque as tcnicas estatsticas podem ser utilizadas para descrever e interpretar a
variabilidade, a qual a causa da fabricao de produtos defeituosos (WERKEMA, 1995).
importante notar que a variabilidade est presente em todos os processos de
fabricao de bens e prestao de servios. Estas variabilidades so oriundas de diferenas
existentes entre as matrias-primas, das condies dos equipamentos, dos mtodos de
trabalho, das condies ambientais e dos operadores envolvidos no processo. Alm disso, a
variabilidade pode ser originada do sistema de medio empregado. Logo os produtos de
uma organizao so distintos entre si, apesar de terem que estar dentro de um limite de
variao especificado.
Segundo Costa a variabilidade do processo est ligada s diferenas existentes
entre os itens produzidos. Portanto, se existe uma variabilidade grande, as variaes entre
os produtos sero fceis de serem percebidas; porm se a variabilidade do processo for
pequena as variaes sero difceis de serem notadas.
Quando as variaes de um processo so reduzidas, a chance de uma caracterstica
de um produto se encaixar dentro dos limites de especificao aumenta, o nvel de
qualidade se eleva e o nmero de produtos com defeitos diminuem.
De acordo com Werkema, um produto considerado defeituoso se as suas
caractersticas da qualidade no atendem s especificaes existentes. E mesmo os
produtos no defeituosos apresentam variaes dentro dos limites de sua especificao.
6
Dois tipos de causas so responsveis pela variao da qualidade dos produtos:
causas comuns ou aleatrias e causas especiais ou assinalveis. A primeira delas consiste
da variabilidade natural do processo e difcil de ser eliminada a menos que se eleve o nvel
de qualidade que o processo pode oferecer. Quando somente as causas comuns esto
presentes o processo est sob controle estatstico sendo, portanto, previsvel. As causas
especiais ou assinalveis aparecem mediante o surgimento de uma anormalidade no
processo por diversos motivos: novo funcionrio, troca de matria prima, mquina com
defeito, etc. Neste caso o processo est fora de controle estatstico e as causas devem ser
identificadas rapidamente e eliminadas.
extremamente necessrio que os processos sejam constantemente monitorados a
fim de ser identificada a presena de causas especiais que provocam o descontrole do
processo e possivelmente a produo de itens no conformes. Em continuidade a
identificao dessas causas indesejveis deve ser feita uma investigao com o intuito de
elimin-las.
4. ALGUMAS DEFINIES IMPORTANTES
Cada processo produtivo constitudo de subprocessos que devem ser conhecidos e
estudados a fim de facilitar o controle e a localizao dos problemas.
Para controlar os processos de uma indstria existem os facilitadores: itens de
controle e itens de verificao.
Segundo Werkema, os itens de controle medem a qualidade intrnseca, o custo, a
entrega e a segurana do produto que ser fornecido ao cliente e o moral das pessoas que
trabalham no processo que o fabrica. Logo um processo gerenciado por meio de seus
itens de controle.
Os itens de controle de um processo podem ser perturbados por inmeras causas
que podem ser medidas e controladas, estas so chamadas de itens de verificao.
O controle permanente dos processos condio bsica para a manuteno da
qualidade de bens e servios (COSTA, 2003).
Para melhoria de processos produtivos podem ser utilizados dados histricos, que
so os dados j disponveis na empresa e que podem ser aplicados na soluo de um
problema. Existem os dados discretos (dados em que o nmero de ocorrncias de uma
caracterstica de interesse contado, originam geralmente nmeros inteiros) e os dados
contnuos (dados medidos em uma escala contnua).
interessante atentar para o fato de que existe a possibilidade de um processo
produzir itens defeituosos mesmo estando com a variabilidade controlada. Portanto no
suficiente somente garantir o controle de um processo, necessrio que ele seja capaz de
atender s especificaes determinadas mediante os anseios dos clientes.
5. O CICLO PDCA
O Ciclo PDCA um mtodo gerencial de tomada de decises para garantir o
alcance das metas necessrias sobrevivncia de uma organizao (WERKEMA, 1995).
Foi desenvolvido na dcada de 30 pelo americano Shewhart, porm o seu maior
divulgador foi Deming. tambm denominado mtodo de soluo de problemas, pois cada
meta de melhoria origina um problema que empresa deve solucionar.
As etapas que compe este ciclo so: Planejamento (P - Plan), Execuo (D - Do),
Verificao (C - Check) e Atuao Corretiva (A - Action).
Na etapa de planejamento so estabelecidas as metas e as formas de alcan-las,
porm, anterior a isto, necessrio observar o problema a ser resolvido, analisar o
fenmeno e descobrir as causas do problema. Esta etapa caracterizada como a de maior
complexidade porque erros cometidos na identificao do problema e no delineamento de
aes dificultaro o alcance dos resultados.
Na etapa de execuo as tarefas planejadas na etapa anterior so colocadas em
prtica e dados so coletados para as anlises da prxima etapa (verificao). Nesta etapa
necessrio iniciativa, educao e treinamento.
Na etapa de verificao os dados coletados na etapa de execuo so utilizados na
comparao entre o resultado conquistado e a meta delineada. Caso a meta no tenha sido
atingida deve-se retornar a fase de observao da etapa de planejamento, analisar
novamente o problema e elaborar um novo plano de ao.
Na etapa de atuao corretiva acontecem as aes de acordo com o resultado
obtido. Se a meta foi conquistada, a atuao ser de manuteno (adotar como padro o
plano proposto). Se a meta no foi conquistada, a atuao ser de agir sobre as causas que
impediram o sucesso do plano.
A fim de facilitar o emprego do mtodo de gesto Ciclo PDCA, ilustrado pela figura 1
abaixo, necessrio a utilizao de ferramentas da qualidade, j que estas propiciam a
coleta, o processamento, a anlise e a disposio das informaes teis na tomada de
decises. As ferramentas da qualidade sero detalhadas mais adiante.
Uma caracterstica interessante da aplicao deste mtodo gerencial que quanto
mais informaes (dados, fatos e conhecimento) forem obtidos e utilizados, mais provvel
ser o alcance das metas estabelecidas inicialmente e maior a necessidade do emprego de
ferramentas da qualidade.
Em relao s metas existem duas variaes:
Metas para manter: metas que vm do mercado e que representam os anseios dos
consumidores;
Metas para melhorar: metas que visam a produzir produtos e servios cada vez
melhores para os clientes que se tornam mais exigentes ao longo do tempo.
Figura 1 O Ciclo PDCA

6. FERRAMENTAS DA QUALIDADE
Existem na literatura diversas ferramentas que auxiliam no controle da qualidade dos
produtos. Porm sero descritas neste texto as ferramentas que sero teis na anlise dos
dados coletados.
6.1 GRFICO SEQUENCIAL
Ferramenta usada para avaliar a situao de controle estatstico do processo em que
os dados gerados por um processo so plotados em seqncia e posteriormente ligados. A
presena de tendncias e pontos isolados pode indicar a existncia de causas especiais.
6.2 ESTRATIFICAO
Constitui uma das sete ferramentas da qualidade e possibilita a diviso de um grupo
em diversos subgrupos de interesse. Os fatores de estratificao geralmente so formados
das principais causas de variao que atuam nos processos de produo. Exemplos de
fatores de estratificao so: mquinas, matria-prima, pessoas, mtodos, medidas e
condies ambientais.
6.3 GRFICO DE PARETO
9
Ferramenta que dispe as informaes em formato grfico vertical a fim de facilitar a
visualizao e a priorizao de problemas. Baseia-se no princpio de que os problemas
relacionados qualidade podem ser classificados em poucos vitais ou muitos triviais. Os
primeiros representam um pequeno nmero de problemas que resultam em grandes perdas
para a organizao. J o segundo somam muitos problemas em nmero, mas que no
acarretam perdas significativas empresa.
Esta anlise pode ser estendida identificao de causas dos problemas, em que
um problema possui inmeras causas, mas somente poucas delas so responsveis pelas
grandes perdas identificadas. A figura 2 abaixo, ilustra a estrutura do grfico de Pareto. O
eixo vertical esquerdo representa os salrios em reais, o eixo horizontal representa o
nmero da escola (codificao) e o eixo vertical direito representa a porcentagem
acumulada dos salrios das escolas. Abaixo do eixo horizontal existem informaes sobre o
salrio individual de cada escola (repetio da informao contida no eixo vertical
esquerdo), porcentagem de representao individual (percentagem simples) de cada escola
e porcentagem acumulada (repetio da informao contida no eixo vertical direito).
Figura 2 Estrutura do grfico de Pareto

Uma possibilidade existente na aplicao de grficos de Pareto o chamado
desdobramento de grficos de Pareto onde categorias prioritrias selecionadas em um
primeiro grfico so tomadas como novos problemas a serem analisados tambm atravs
de grficos de pareto. Assim um grande problema de incio pode ser separado em
problemas menores e mais focados.
10
6.4 DIAGRAMA DE CAUSA E EFEITO
Diagrama com aspecto semelhante a uma espinha de peixe utilizado para apresentar
a relao existente entre o resultado de um processo (efeito) e os fatores (causas) do
processo que possam afetar algum resultado desejado. Para aplicao desta ferramenta
so muito utilizadas as tcnicas de BRAINSTORM e TCNICA DOS PORQUS que
possibilitam estruturar o raciocnio das pessoas para descobrir as causas de um
determinado problema. Para facilitar a estruturao do diagrama geralmente so usadas
como principais causas as seis categorias dos 6 M: mtodo, mo-de-obra, material, meio
ambiente, medida e mquina. A estrutura do diagrama de causa e efeito est ilustrada
abaixo na figura 3.
Um fator interessante a ser observado que este diagrama no identifica entre as
possveis causas qual a causa principal do problema, ele apenas organiza as possveis
causas a fim de facilitar a anlise e a soluo do problema.
Pode-se utilizar o desdobramento das causas em diagramas secundrios para
problemas mais complexos, neste caso as causas principais se tornariam efeitos. Com esta
tcnica possvel evitar diagramas excessivamente carregados.
Figura 3 Estrutura do Diagrama de Causa e Efeito

6.5 HISTOGRAMA
O histograma um grfico de barras no qual o eixo horizontal, subdividido em vrios
pequenos intervalos, apresenta os valores assumidos por uma varivel de interesse. Para
cada um destes intervalos construda uma barra vertical, cuja rea deve ser proporcional
ao nmero de observaes na amostra cujos valores pertencem ao intervalo correspondente
(WERKEMA, 1995).
11
O histograma uma ferramenta estatstica que permite resumir informaes de uma
massa crtica de dados, visualizando a forma da distribuio, a localizao do valor central e
a disperso dos dados em torno deste valor central (SILVA, 2004).
A figura 4 mostrada abaixo ilustra a estrutura de um histograma.
Figura 4 - Estrutura do Histograma

6.6 DIAGRAMA DE DISPERSO
Esta ferramenta possibilita o entendimento do tipo de relacionamento existente entre
duas variveis, facilitando a deteco de problemas e o planejamento de aes de melhoria.
As relaes entre as variveis consistem em alteraes esperadas em uma das variveis
mediante alteraes sofridas pela outra. Elas podem ser: forte correlao positiva,
moderada correlao positiva, forte correlao negativa, moderada correlao negativa ou
ausncia de correlao.
Um fator importante a ser observado que mesmo que duas variveis sejam
correlacionadas, no necessariamente existe entre elas um relacionamento de causa e
efeito. Para o estabelecimento de causa e efeito entre duas variveis, necessrio utilizar o
conhecimento tcnico disponvel sobre o processo ao qual as variveis esto associadas
(WERKEMA, 1995).
6.7 GRFICO DE CONTROLE
Outra ferramenta que avalia o estado de controle estatstico do processo, porm com
um nvel de informao mais detalhado que o grfico seqencial, consiste de uma linha
mdia (LM) e de um limite superior (LSC) e outro inferior de controle (LIC). So grficos para
12
o monitoramento da variabilidade e para a avaliao da estabilidade do processo, fornece a
informao em relao ao processo estar ou no sobre controle estatstico.
Um fator a ser observado que o grfico de controle no mostra quais so as
causas que esto afetando a estabilidade do processo (causas especiais), mas possibilita o
processamento e a origem de informaes teis na identificao destas causas.
Na interpretao de um grfico de controle deve-se estar atento em relao :
Pontos fora dos limites de controle: indicativo forte da falta de estabilidade do

processo. Porm estes pontos fora dos limites de controle podem muitas vezes ser
oriundos de erros no registro de dados, de clculo ou at de medio;
Periodicidade: repetio de tendncia para cima e para baixo em intervalos de tempo

de aproximadamente mesma amplitude. Pode ser provocada por variaes nas
condies ambientais, fadiga do funcionrio, rotatividade regular de operadores e
mquinas, alteraes sazonais na qualidade da matria-prima, entre outras;
Seqncia: pontos consecutivos do grfico aparecem em apenas um dos lados da

linha mdia. Indica uma mudana no nvel do processo. Exemplos: utilizao de
novos operadores, matrias primas, mquinas, mtodos, motivao dos funcionrios,
entre outros.
Tendncia: movimento dos pontos em direo ascendente ou descendente. Pode ser

ocasionada por desgaste ou deteriorao de maneira gradual de ferramentas e
equipamentos, fadiga de operrios, presena de supervisores, etc.
Aproximao dos limites de controle: ocorrncia de dois ou trs pontos consecutivos

fora dos limites 2 sigma, mesmo estando dentro dos limites 3 sigma. As expresses
2 sigma e 3 sigma usadas anteriormente vm de um programa de melhoria da
qualidade conhecido como Six Sigma. A primeira expresso: 2 sigma, significa que
a probabilidade de se produzir um item conforme de 0,9545 ou que podem ocorrer
45500 partes por milho de defeitos. J a segunda expresso: 3 sigma, significa que
a probabilidade de se produzir um item dentro das especificaes de 0,9973 ou
que podem ocorrer 2700 partes por milho de defeito.
Aproximao da linha mdia: a maioria dos pontos fica distribuda prximo linha
mdia. Pode ser uma indicao de erro nos clculos dos limites de controle ou de
que as amostras foram escolhidas de maneira inadequada.
Existem vrios tipos de grficos de controle, para variveis e para atributos. Para
variveis existem o grfico da mdia X (monitora a localizao por meio da mdia), o grfico
da amplitude R (monitora a variabilidade por meio da amplitude), o grfico do desvio padro
(monitora a variabilidade por meio do desvio padro) e o grfico de medidas individuais XAM (monitora a mdia e a variabilidade). Para atributos existem o grfico da proporo de
defeituosos p (monitora a frao de produtos no conformes), o grfico np (monitora o
13
nmero de produtos no conformes), o grfico c (monitora o nmero de no conformidades
em uma unidade do produto) e o grfico u (monitora o nmero mdio de no conformidades
por unidade do produto).
De acordo com Montgomery existem no mnimo cinco razes para utilizar os grficos
de controle:
Representam uma tcnica comprovada para a melhoria da produtividade: reduo de

sucata e retrabalho com conseqente aumento da produtividade e diminuio de
custos;
Eficincia na preveno de defeitos: contribuio na manuteno do processo sob

controle;
Evitam ajustes desnecessrios do processo;
Fornecem informaes de diagnsticos e
Fornecem informaes sobre a capacidade do processo.

Um segundo fator a ser observado que no existe relacionamento matemtico ou
estatstico entre os limites dos grficos de controle e os limites de especificao. Os

primeiros resultam da variabilidade do processo. J os segundos so originados
externamente mediante as exigncias e necessidades dos clientes. Na figura 5 abaixo se
encontra um exemplo de grfico de controle do tipo grfico p: proporo de defeituosos.
Figura 5 - Estrutura do Grfico de Controle
14
Captulo III
DESCRIO
1. DESCRIO DA EMPRESA
O trabalho em questo desenvolveu um estudo sobre a aplicao da metodologia
gerencial PDCA, etapa P (Plan), utilizando como suporte as ferramentas da qualidade em
uma empresa do ramo txtil, Malharia Viva Simo LTDA.
Esta organizao pertence ao setor secundrio e se destina confeco de meias
de inmeras variedades desde 1944. Sua sede est localizada na cidade de Juiz de Fora,
MG. A fbrica possui cerca de 100 funcionrios e uma produo mensal em torno de 40.000
dzias de meias. A estratgia de produo dominante a chamada Push ou puxada, em
que a fabricao dos itens ditada pela demanda.
Os produtos so vendidos em pacotes de meias, chamados de kits, devidamente
encaixotados para o transporte at o cliente, realizado sempre por uma nica e confivel
empresa de transportes. Os processos de fabricao destes produtos variam com as
caractersticas de cada um, porm podem ser resumidos em: tecelagem, acabamento e
expedio.
Praticamente todos os processos de fabricao dos produtos fornecidos pela
empresa, desde a tecelagem at a expedio, so realizados dentro da prpria empresa;
com exceo da produo de meias sociais que terceirizada.
Visando a acompanhar a evoluo do setor de tecelagem de meias e as exigncias
do mercado consumidor, a Malharia Viva Simo LTDA passou por algumas modificaes
ao longo dos anos, optando pelo algodo no incio dos anos 40, pelo rayon na dcada de 50
e pelo nylon nos anos 60.
Mais recentemente, com a demanda crescente por meias de algodo produzidas
com mquinas eletrnicas de comando numrico a empresa precisou adequar-se a esta
nova exigncia de mercado, colocando em prtica uma nova forma de produzir utilizando as
inovaes de engenharia de processos e de produo. A empresa passou a oferecer um
produto de qualidade superior aos anteriores com costuras mais finas e resistentes e de
maior conforto e adaptabilidade ao consumidor.
2. O PROCESSO DE TECELAGEM
A fim de facilitar o entendimento das caractersticas de produo do setor em estudo
(tecelagem de meias de algodo), sero descritos o processo de trabalho deste setor e
tambm as etapas de produo posteriores a ele.
O setor de produo tecelagem trabalha todos os dias vinte e quatro horas dirias e
possui quatro turnos de trabalho (A, B, C e D) que se revezam de doze em doze horas. Os
15
turnos diurnos so compostos por trs funcionrios teceles B, um funcionrio tecelo A,
uma funcionria viradeira, um funcionrio mecnico e um funcionrio gerente geral. J
os turnos noturnos so compostos por quatro funcionrios teceles B e um funcionrio
tecelo A.
A hierarquia de trabalho existente em ordem crescente de responsabilidade:
viradeira, tecelo B, tecelo A, mecnico e gerente geral. As viradeiras possuem a funo
simples, porm de muita importncia no controle da qualidade, de virar o p de meia do
lado avesso para que ele possa ser fechado. Durante esse processo o p de meia
inspecionado e se for encontrado alguma anormalidade no produto a mquina parada pela
prpria viradeira. Os teceles B possuem funes operacionais simples (realizaes das
trocas de produtos nas mquinas de sua responsabilidade setups, registros de dados no
computador da produo individual, ajuste e regulagem das mquinas para cada produto,
ateno nas paradas das mquinas a fim de descobrir o motivo e procurar a soluo, alm
de auxiliar no processo de virao dos ps de meia). Os teceles A possuem funes
operacionais (acompanhamento visual de todo o maquinrio da seo e resoluo de
problemas mecnicos simples) e tambm funes gerenciais (exerce o papel de chefe dos
teceles B, acompanhando e auxiliando suas atividades). O mecnico exerce funes
operacionais mais detalhadas em todo o maquinrio (32 mquinas de tecer) incluindo
manutenes corretivas (mais freqentes) e preventivas (pouco realizadas). J o gerente
geral responsvel pelo andamento de todos os turnos, alm de auxiliar em alguns
problemas mecnicos e eletrnicos das mquinas.
O processo de tecelagem utiliza teares mecnicos circulares cuja tecnologia varia de
acordo com o tipo da meia. Para meias sociais de poliamida, cujo processo externo, so
usadas mquinas de tecer antigas que produzem meias ligadas umas s outras em um
longo cano que depois desfiado para que as meias sejam devidamente separadas. J a
produo de meias de algodo, objeto de estudo deste trabalho, realizada com mquinas
eletrnicas mais modernas que possibilitam a confeco do produto de forma variada de
acordo com programas de cdigo numrico.
A seo tecelagem de meias de algodo possui processos de produo flexveis
principalmente porque nem todos os produtos oferecidos pela empresa so fabricados no
mesmo momento. Ocorre um rodzio de tipo, cores e tamanhos nas mquinas de acordo
com a exigncia da demanda. As Ordens de Produo (OPs) so geradas exatamente de
acordo com o pedido dos clientes.
O controle de qualidade na malharia feito por inspeo total: todos os produtos
fabricados, ou seja, cada p de meia inspecionado. As funcionrias responsveis por esta
inspeo, denominadas viradeiras, separam os produtos conformes dos no conformes e
informam aos operadores das mquinas, os teceles, qual problema est ocorrendo para
16
que possa ser feito o reparo na mquina. Como existe apenas uma viradeira por turno e
trinta e duas mquinas de tecer para serem inspecionadas, os prprios teceles auxiliam as
viradeiras na tarefa de inspeo.
A fbrica destina-se produo de meias da marca prpria e tambm de meias de
grife. Para o caso de grife, antes da autorizao do start up de produo, confeccionado
uma amostra do produto para posterior aprovao do cliente.
As etapas produtivas posteriores tecelagem e que constituem a parte de
acabamento do produto so: fechao, virao, passao, dobrao e embalagem. Na
etapa de fechao a meia chega do lado avesso, virada ao contrrio e aberta no bico para
que possa ser costurada (fechada) a fim de conferir um acabamento adequado evitando que
a costura aparea. Na etapa de virao a meia que est do lado avesso virada
manualmente ou com o auxlio de um rob para o lado certo ou lado de vestir. Esta etapa
de extrema importncia para o controle de qualidade dos produtos, pois um dos pontos em
que o produto observado um a um durante a realizao da tarefa. Se o lote ou OP (Ordem
de Produo) tem alguma suspeita de anormalidade realizada a virao manual, caso
contrrio realizada a virao no rob, que mais rpida e confere ritmo de produo. Na
etapa de passao, os ps de meias so passados em mquinas que contm formas em
formato de p e j saem prontas para dobrar. Na etapa de dobrao a meia casada em
pares (so observados aspectos como cores e tamanho). Nesta etapa tambm observado
alguma anormalidade do produto que por ventura passou despercebida na etapa de virao.
E por fim a embalagem a etapa em que agregado ao produto a respectiva embalagem
(cartela, cabide e plstico), assim as atividades da embalagem variam de acordo com o tipo
de meia.
A ltima seo pela qual o produto transita a expedio, onde os kits de meias
devidamente embalados so agrupados por pedidos e expedidos para o cliente atravs do
transporte (servio terceirizado).
Como observado pela descrio das etapas de produo posteriores tecelagem,
de fundamental importncia que o produto saia perfeito desta seo, pois a partir deste
ponto o produto est praticamente pronto e a maioria das anormalidades encontradas nas
sees posteriores so irreversveis. Alm disso, retrabalhos posteriores acarretam custos,
entre eles o de ocupao da mo de obra, atraso na entrega do pedido e at uma possvel
devoluo ou desistncia do mesmo. Logo os esforos para a melhoria da qualidade do
produto fabricado pela empresa devem ser mais intensos, rigorosos e eficazes nesta seo
em estudo (tecelagem de meias de algodo).
Com o objetivo de facilitar o controle da produo e da qualidade foi desenvolvido
por um programador contratado pela empresa um programa computacional (software) de
controle da produo e da qualidade. Neste programa foram cadastradas as informaes
17
referentes produo de cada produto em um link denominado ficha tcnica. Assim na
impresso da ordem de produo (OP) aparecem as seguintes informaes para os
funcionrios seguirem: nome do produto (indicando o programa a ser selecionado na
mquina para produzir), tamanho da forma que deve ser utilizada para conferncia do
tamanho da meia, cor e tipo dos fios a serem utilizados na confeco do produto e as
respectivas localizaes nos guias fios das mquinas, tamanho do punho em centmetros,
quantidade a ser produzida (em ps) e as sees pelas quais o produto ir passar. Alm
disso, existem cadastrados as sees com seus respectivos tempos de processamento para
posteriormente ser analisada a eficincia de cada seo e funcionrio. Abaixo se encontra a
imagem do cadastro da ficha tcnica extrada do programa.
Figura 6 Cadastro da Ficha Tcnica

3. OBTENO DE DADOS
Os dados so obtidos via registro eletrnico no respectivo programa computacional
citado anteriormente, efetuado pelos prprios funcionrios que receberam treinamento para
tal.
Todas as ordens de produo possuem um cdigo de barras identificador atravs do
qual possvel registrar os dados de cada lote. Quando a produo de uma OP iniciada, o
funcionrio clica no seu cdigo de barras indicando esta operao. No fim da produo da
18
respectiva OP, o funcionrio clica no seu cdigo de barras novamente e escolhe a opo de
fim de operao indicando que este lote foi concludo. No fim da operao existe a opo de
registro de refugos ocorridos no processo de produo da OP e suas respectivas causas.
Caso uma OP tenha que ser paralisada por algum motivo (falta de matria-prima, mudana
de prioridade ou defeito do maquinrio) existe a opo de pausa no programa, onde a
contagem do tempo de produo interrompida para no influenciar na eficincia da seo
e do funcionrio. Existe tambm no programa a opo de troca de turnos que utilizada
quando a OP no concluda inteira em um nico turno tendo que ser terminada no
prximo. Nesta opo so separados a produo e os refugos produzidos em cada turno a
fim de que os dados estejam estratificados para a posterior anlise. Abaixo se encontra a
imagem da ordem de produo extrada do programa.
Figura 7 Ordem de produo (OP)
A tela que possibilita a insero dos dados est ilustrada abaixo na figura 8.
19
Figura 8 Tela de lanamento de dados

4. UTILIZAO DOS DADOS NO CONTROLE DE QUALIDADE DOS PRODUTOS
A existncia de um software gerenciador da qualidade e da produo facilita e
direciona o controle de qualidade. Os dados so obtidos de forma mais fcil, dinmica e os
erros de coleta diminuem, j que no necessrio que sejam feitas anotaes e a captura
eletrnica.
Baseado nos dados inseridos o software permite a retirada de relatrios fazendo-se a
estratificao dos dados de acordo com o interesse da anlise. Por exemplo: estratificao
por turno, por tipo de refugo, por mquina, por funcionrio, por dia, por tipo de produto e
vrias outras. Posteriormente estes dados podem ser exportados para o excel e tambm
exportados e analisados no SPSS (Statistical Package for Social Sciences N.11.0).
Neste trabalho foram utilizados dados de trs meses; janeiro, fevereiro e maro do
ano de 2006. No arquivo em SPSS que foi construdo cada registro denominado CASE,
constitudo de todas as informaes relativas aos turnos em relao s variveis
disponveis, durante os trs meses estabelecidos para a coleta de dados.
As variveis sero: dia da semana, ms, total produzido, funcionrio (como so 14
funcionrios tecelo B, esta varivel se subdivide em 14 variveis), mquina (como so 32
mquinas, esta varivel se subdivide em 32 variveis), produto (como durante o perodo de
coleta de dados foram produzidos 29 tipos de produtos diferentes, esta varivel se subdivide
em 29 variveis) e causa de refugo (como existem 34 possveis causas de refugo
catalogadas, esta varivel se subdivide em 34 variveis).
20
Depois de construdo o arquivo, espera-se que a anlise dos dados possibilite
identificar os problemas que esto causando as anormalidades nos processos e nos
produtos. Alm disso, espera-se tambm descobrir as suas reais causas para
posteriormente propor solues. As ferramentas da qualidade juntamente com o contexto da
metodologia PCDA podero conduzir as solues a serem propostas aos problemas
encontrados.
21
Captulo IV
ANLISE DOS DADOS
1. UTILIZAO DAS FERRAMENTAS DA QUALIDADE
Dentre as ferramentas da qualidade descritas na reviso bibliogrfica deste trabalho,
as que se mostraram mais adequadas para utilizao nas anlises dos dados foram: grfico
de pareto, estratificao e grfico de controle. Por esse motivo, so estas as ferramentas
que estaro em pauta nesta parte do estudo de caso: anlise dos dados. Vale ressaltar que
as demais ferramentas bsicas como diagrama de causa e efeito, histograma, grfico
seqencial e diagrama de disperso tambm so ferramentas estatsticas muito teis na
identificao e soluo dos problemas relacionados qualidade dos produtos e servios de
uma organizao. Porm, devido a caracterstica dos dados coletados as ferramentas que
mais se adequaram s anlises foram as relacionadas anteriormente.
2. ANLISE DOS DADOS
Estratificar dados consiste em dividir um grupo em diversos subgrupos de acordo
com fatores apropriados (fatores de estratificao). Esta ferramenta possibilita agrupar
dados de formas variadas e sob diversos ngulos para obter as informaes necessrias
localizao da melhor atitude a ser tomada. O objetivo da estratificao encontrar a causa
raiz dos problemas, pois atacar as causas superficiais de um problema no garante que ele
no mais ocorrer.
Os dados foram estratificados por: turno, funcionrio, mquina, ms, dia, causa de
no conformidade e tipo de produto.
A estratificao de grficos de Pareto nos permite identificar se a causa do problema
considerado comum a todo o processo ou se existem causas especficas associadas a
diferentes fatores que compe o processo (WERKEMA, 1995).
Neste estudo de caso, porm, no foi possvel fazer desdobramentos dos grficos de
Pareto por causa da forma como os dados foram coletados. Esses foram obtidos de forma
agregada no dia e no separada (estratificada) nos turnos. Exemplos: os dados da maneira
como foram extrados do cho-de-fbrica fornecem a quantidade de refugo por mquina em
determinado dia (no estratificando por funcionrio, tipo de meia e tipo de causa); os dados
tambm fornecem a quantidade de refugo por tipo de meia neste mesmo dia (no
estratificando por mquina, funcionrio e tipo de causa). Portanto, os dados para a obteno
da informao cruzada necessria para a realizao do desdobramento dos grficos de
Pareto no existem no banco de dados construdo.
Aps a construo de variados grficos de pareto pode-se observar:
22
O ms de Maro produziu um pouco mais que os meses de Janeiro e Fevereiro,
mesmo considerando este ltimo com 28 dias, e que apesar disso foi o ms em que menos
refugos foram produzidos. As figuras 9 e 10 ilustram esta percepo. Esta primeira anlise
sugere uma relao inversa entre produo e refugos, relao essa que no pode ser
analisada em termos de significncia estatstica devido a quantidade de dados (somente 3
meses). Anlises posteriores poderiam indicar que quando o ritmo de produo mais
intenso e menos interrompido (maior quantidade produzida), as mquinas esto mais
aquecidas e controladas dentro deste ritmo e a estabilidade do processo tende a ser maior.
Se em determinado perodo, no caso ms, a produo foi menor, as mquinas podem ter
ficado paradas para manuteno, por falta de matria prima, por muitas trocas de artigos
sucessivas, e isto acarreta a interrupo do ritmo de produo. Porm isto uma suposio
que precisaria ser comprovada por fatos e dados.
60000
50
40000
R e fu g o s ( D z i a s )
P ro d u o (D z ia s )
80000
P e rc e n t
100
3000
P e rc e n t
100000
2000
100
1000
50
20000
MARO JANEIRO FEVEREIRO
JANEIRO FEVEREIRO MARO
Ms
Ms
Figura 9 Produo Mensal
Figura 10 - Refugo Mensal
Segunda-feira apresentou uma produo um pouco maior que os outros dias da
semana e este mesmo dia foi o que produziu menor quantidade de refugos. As figuras 11 e
12 ilustram esta percepo. Isso de uma certa forma corrobora as observaes visuais
anteriores da relao inversa produo x refugo, mas ressaltando que existe a necessidade
de se ter mais dados para anlises quantitativas efetivas. Ou seja, essa tendncia mostrada
23
com as supostas causas, serve como uma gerao de hipteses a serem confirmadas em
trabalhos futuros com uma massa crtica de dados adequada.
60000
50
40000
R e fu g o s ( D z i a s )
P ro d u o (D z ia s )
80000
P e rc e n t
100
3000
P e rc e n t
100000
2000
100
1000
50
20000
0
SEGUNDA QUINTA
QUARTA SBADO
SEXTA
DOMINGO
TERA
Dia da Semana
Figura 11 Produo por dia da semana
0
SBADO
QUINTA
SEXTA
QUARTA SEGUNDA
DOMINGO TERA
Dia da Semana
Figura 12 Refugo por dia da semana
Durante os trs meses pode-se considerar que no houve variao de quantidade de
produo por turno. No entanto os turnos A, B e C apresentaram totais de refugos um pouco

superiores ao do turno D. As figuras 13 e 14 ilustram esta percepo.
24
60000
50
40000
R e fu g o s (D z ia s )
P ro d u o ( d z ia s )
80000
P e rc e n t
100
3000
P e rc e n t
100000
2000
100
1000
50
20000
0
0
D
0
B
Turnos de Trabalho
Turnos de Trabalho
Figura 13 Produo por turno
Figura 14 Refugo por turno
Analisando os turnos em relao aos funcionrios notar que dentro do turno A o
funcionrio problema o Cludio, responsvel pela produo de mais de 50% dos refugos
de seu turno. Em seguida vem o funcionrio Ronaldo que juntos totalizam em torno de 90%
do refugo ocorrido no turno A. A figura 15 ilustra esta percepo.
100
Refugos (Dzias)
500
400
300
50
200
100
0
Turno A - Cludio
Turno A - Edinaldo
Turno A - Ronaldo
Funcionrios
Figura 15 Refugo por funcionrio do turno A
Percent
600
25
Dentro do turno B os funcionrios a serem observados so o Joaquim e o Silmar que
juntos totalizam aproximadamente 70% do refugo ocorrido no turno B. A figura 16 ilustra

esta percepo.
Refugos (Dzias)
600
100
Percent
700
500
400
300
50
200
100
0
0
Turno B - Joaquim
Turno B - Marcelo
Turno B - Silmar
Turno B - Marcos
Funcionrios
Figura 16 Refugo por funcionrio do turno B
No do turno C os funcionrios que merecem maior ateno so o Leonardo e o Joel
que juntos totalizam cerca de 90% do refugo ocorrido no turno C. A figura 17 ilustra esta
percepo.
100
Refugos (Dzias)
500
400
300
50
200
100
0
Turno C - Leonardo
Turno C - Joel
Turno C - Rodrigo
Funcionrios
Figura 17 Refugo por funcionrio do turno C
Percent
600
26
No do turno D os funcionrios que merecem maior ateno so o Romrio e o Jorge
que juntos totalizam cerca de 70% do refugo ocorrido no turno D. A figura 18 ilustra esta
percepo.
100
Percent
500
Refugos (Dzias)
400
300
50
200
100
0
Turno D - Romrio
Turno D - Edson
Turno D - Jorge
Turno D - Juci
Funcionrios
Figura 18 Refugo por funcionrio do turno D

Uma informao bastante til para as anlises dos grficos de Pareto 8, 9, 10 e 11
que os funcionrios sempre trabalhavam nas mesmas mquinas de acordo com a estrutura
mostrada na tabela 2.
Tabela 2 Funcionrios x Mquinas
Funcionrios x Mquinas
Famlia de Mquinas para os turnos A e C
Famlia de Mquinas para os turnos B e D
4 at 15
16 at 25
26 at 3
2 at 9
10 at 17
18 at 25
26 at 1
Edinaldo
Cludio
Ronaldo
Marcelo
Marcos
Silmar
Joaquim
Rodrigo
Leonardo
Joel
Edson
Juci
Jorge
Romrio
As figuras 15, 16, 17 e 18 mostram que os funcionrios que mais produzem refugos
nos turnos so: Turno A (Cludio e Ronaldo), Turno B (Joaquim e Silmar), Turno C
(Leonardo e Joel) e Turno D (Romrio e Jorge). E os funcionrios que menos produzem
refugos so: Turno A (Edinaldo), Turno B (Marcelo Marcos), Turno C (Rodrigo) e Turno D
(Edson e Juci). Pela tabela 2 podemos perceber que os funcionrios piores em termos de
27
produo de refugo (produzem maior quantidade de refugos) trabalham nas mquinas das
famlias 16 a 25 e 26 a 3 para os turnos A e C e 18 a 25 e 26 a 1 para os turnos B e D. J os
funcionrios melhores em termos de produo de refugo (produzem menor quantidade de
refugos) trabalham nas mquinas das famlias 4 a 15 para os turnos A e C e 2 a 9 e 10 a 17
para os turnos B e D. Nesta primeira anlise temos um indicador de que algumas mquinas
esto com pior desempenho do que outras. Este indicador vai ser comprovado mais adiante
atravs da estratificao dos dados por mquina.
A figura 19 abaixo mostra que as mquinas que mais produziram refugos no perodo
de coleta de dados foram 22, 32, 29 18, 30, 25, 20, 31, 28 e 21. Estas 10 mquinas foram
responsveis pela produo de 50% do total de refugos.
Refugos (Dzias)
Percent
3000
2000
100
1000
50
0
M qu in a
M qu in a
M qu in a
M qu in a
M qu in a
M qu in a
M qu in a
M qu in a
M qu in a
M qu in a
M qu in a
M qu in a
M qu in a
M qu in a
M qu in a
M qu in a
M qu in a
M qu in a
M qu in a
M qu in a
M qu in a
M qu in a
M qu in a
M qu in a
M qu in a
M qu in a
M qu in a
M qu in a
M qu in a
M qu in a
M qu in a
M qu in a
22
32
29
18
30
25
20
31
28
21
27
26
19
24
23
02
01
16
17
06
05
03
07
10
04
09
12
08
11
13
14
15
Mquinas
Figura 19 Refugo por mquina
Com o Pareto de refugo por mquina percebe-se que as mquinas piores (que
produziram mais refugos) coincidem com as famlias de mquinas dos funcionrios com pior
28
desempenho. Porm para concluir que o problema da alta produo de refugos est nas
mquinas e no nos funcionrios seria necessrio utilizar o desdobramento de grficos de
Pareto. Assim um grande problema pode ser dividido em problemas menores e especficos
facilitando os projetos de melhoria.
O desdobramento pegaria as mquinas de pior desempenho e explodiria para os
respectivos funcionrios que trabalharam nela. Se houvesse uma discrepncia de
quantidade de refugo de um funcionrio para o outro, o problema poderia ser o funcionrio.
Mas se o grfico mostrasse os funcionrios aproximadamente com as mesmas propores
de refugo o problema poderia estar na mquina.
No entanto a forma como os dados foram coletados e a caracterstica do banco de
dados no permite fazer este tipo de anlise para se chegar a uma relao causal.
A figura 20 abaixo mostra que os tipos de meias que mais produziram refugos no
perodo de coleta de dados foram SAPSU, 833, 830, 140, 819, 144, ESC, 840 E 143. Estes
9 artigos foram responsveis pela produo de cerca de 80% do total de refugos.
2000
100
1000
50
0
Meia SAPSU
Meia 833
Meia 830
Meia 140
Meia 819
Meia 144
Meia ESC
Meia 840
Meia 143
Meia BAB
Meia AL
Meia 841
Meia 834
Meia SAPFIF
Meia 815
Meia SAPFO C
Meia SAPCRO
Meia BD
Meia 814
Meia LISA
Meia TUBO
Meia 816
Meia PALIS
Meia BR
Meia 919
Meia 933
Meia IPERN
Meia 836
Meia 813
Refugos (Dzias)
Percent
3000
Tipo de Meia
Figura 20 Refugo por tipo de meia
29
Neste caso a utilizao do desdobramento de grficos de Pareto, como foi dito
anteriormente, tambm facilitaria descobrir se a causa da elevada ocorrncia de refugos
nestes tipos de meia est ligada ao funcionrio ou mquina ou a algum outro tipo de causa.
O desdobramento agora pegaria os artigos de pior desempenho e explodiria pelos
funcionrios que os produziram e tambm pelas mquinas que os produziram. Se houvesse
uma discrepncia de quantidade de refugo de um funcionrio para o outro, o problema
poderia ser o funcionrio. Da mesma maneira, se houvesse discrepncia de quantidade de
refugo de uma mquina para outra, o problema poderia ser a mquina. Mas se o grfico
mostrasse os funcionrios e as mquinas aproximadamente com as mesmas propores de
refugo o problema poderia estar no programa do artigo. Para fabricar determinado artigo
necessrio que um programa na linguagem de mquina de tecer seja construdo. Portanto,
depois de feitas anlises desdobradas se fosse concludo que o problema est no programa
da meia este deveria ser revisado a fim de encontrar sua falha. Exemplo: se o programa de
determinado tipo de meia estiver com velocidade de produo de cada p superior ao
necessrio, a mquina pode soltar um p de meia imperfeito a cada intervalo de tempo.
A figura 21 abaixo mostra que os tipos de causas que mais produziram refugos no
perodo de coleta de dados foram: 02, 01, 04, 27, 07, 14 e 09. Estes 7 tipos de causa foram
responsveis pela produo de cerca de 90% do total de refugos.
2000
100
1000
50
0
Causa 02
Causa 01
Causa 04
Causa 27
Causa 07
Causa 14
Causa 09
Causa 13
Causa 03
Causa 08
Causa 12
Causa 28
Causa 06
Causa 26
Causa 11
Causa 05
Causa 22
Causa 23
Causa 15
Causa 10
Causa 16
Causa 20
Causa 18
Causa 17
Causa 21
Causa 19
Causa 24
Causa 25
Causa 29
Causa 30
Causa 31
Causa 32
Causa 33
Causa 34
Refugos (Dzias)
Percent
3000
Tipo de Causa
Figura 21 Refugo por tipo de causa
30
A tabela 3 mostra a descrio de cada tipo de causa.
Tabela 3 Causas de Refugo
01
02
03
04
05
06
07
08
09
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
Causas de Refugo
Falta de fio no desenho
Falta de fio no corpo
Falta de fio no bico
Furo no calcanhar
Furo no punho
Furo no bico
Buraco no corpo
Zebra leve ou barramento
Malha corrida
Meia Larga
Punho com elstico apertado
Punho com elstico folgado
Punho sem virar
Meia agarrando no transfer
Mquina arrebentando elstico
Sujeira na meia
Cor da meia
Erro na amostra da meia
Erro no tamanho da meia
Meia com problema no macarro
Tingimento com manchas
Algodo manchando
Defeito no equipamento ou instrumento de trabalho
Defeito no compressor
Causa pessoal
Erro de Tamborino
Refugo de Manuteno
Mquina Embolando
Punho com costura falhando
Falta de fio no punho
Desenho com erro
Falha de Helanca
Qualidade da matria - prima
Meia com p de galinha
Para descobrirmos porque falta de fio no desenho, falta de fio no corpo, falta de fio
no bico, furo no calcanhar, furo no punho, furo no bico e buraco no corpo so as maiores
causas dos refugos seria necessrio desdobrar o grfico de Pareto representado na figura
21. Assim cada causa poderia ser conjugada com os funcionrios, as mquinas e os tipos
de meia que as causaram. Desta maneira a investigao seria facilitada, os grficos de
Pareto desdobrados mostrariam se o problema est mquina, nos funcionrios, no tipo de
meia ou indicar que em nenhum dos trs. Se o problema da alta taxa de refugo fosse outro,
este teria de ser investigado e descoberto. Um ferramenta muito til neste caso o
31
diagrama de espinha de peixe. Porm esta ferramenta para ser eficaz precisa de ser
aplicada quando o sistema produtivo est em funcionamento utilizando outras tcnicas como
o brainstorm (tempestade de idias). A participao de todos os envolvidos no processo
essencial, o que j no mais possvel devido ao fato de a empresa j no estar mais em
funcionamento.
Outra ferramenta da qualidade utilizada neste trabalho foi o grfico de controle para
avaliar o estado de controle estatstico do processo. Uma caracterstica interessante do uso
rotineiro do grfico de controle consiste de o mesmo transmitir o alerta caso determinada
causa especial volte a aparecer ou surja uma nova causa responsvel pelo descontrole do
processo.
O grfico de controle da frao defeituosa ou grfico da proporo no conforme
(grfico de p) possibilita monitorar processos que originam itens que so classificados
somente de duas maneiras: defeituosos ou perfeitos. Cabe ressaltar que este tipo de grfico
classificado como grfico de controle por atributos, justamente porque a caracterstica (ser
defeituoso ou no) um atributo deste produto. As no conformidades encontradas nos
produtos tambm podem ser consideradas atributos. Neste grfico so plotadas as
propores de defeituosos de cada amostra de tamanho n e a sua linha mdia indica o nvel
de qualidade de um determinado processo (quanto menor o valor da linha melhor o nvel de
qualidade).
A construo dos grficos de controle p baseada em princpios da distribuio
binomial: o item controlado pode ser classificado somente de duas maneiras distintas e as
peas classificadas originadas do processo so independentes umas das outras. Ou seja, o
fato de uma pea ter sido fabricada com defeito no interfere na fabricao da prxima
pea.
No estudo de caso em questo o tamanho das amostras no constante, j que esta
varia dependendo da anlise feita: produo diria, produo dos turnos, produo dos
funcionrios, produo das mquinas, produo dos tipos de meias ou produo dos tipos
de causas de refugos. Neste caso os grficos apresentaro vrios limites superiores e
inferiores de controle, um para cada tamanho de amostra.
O ideal para um grfico de controle que os dados apresentem um comportamento
aleatrio em torno da mdia indicando o estado de controle estatstico.
Na primeira anlise feita por grfico de controle o processo de produo tecelagem
de meias de algodo se mostrou fora de controle. A figura 22 abaixo mostra cada dia de
coleta de dados plotado como um ponto amostral.
32
Proporo de No Conformidades
,14
,12
,10
,08
,06
REFDUZ_1
,04
UCL
,02
Center = ,0226
0,00
LCL
1
11
6
21
16
31
26
41
36
51
46
61
56
71
66
81
76
86
Dias
Sigma level: 3
Figura 22 Grfico de Controle por dia

O grfico de controle da figura 22 apresenta um ponto discrepante dos demais. Este
ponto indicativo de ser um outlier (observao extrema no condizente com as demais
observaes). O outlier s deve ser retirado do sistema de anlise quando for comprovado
ser este um ponto de exceo e que pode ser desprezado. Este ponto destoante dos
demais pode ser causado por registro errado de dados ou outros fatores peculiares a cada
processo.
Retirando o outlier mencionado anteriormente obtemos o grfico de controle
representado na figura 23 abaixo. Vale ressaltar que o outlier foi retirado com o objetivo de
explorao dos dados, mas sem comprovao de que este ponto amostral realmente
desprezvel. possvel observar que o processo est fora de controle estatstico apesar de
a probabilidade mdia de refugos estar com um valor razovel (2,14%) comparado a meta
superior de refugo que a empresa possua (3%).
33
Proporo de No Conformidade
,06
,05
,04
,03
REFDUZ_1
,02
UCL
,01
Center = ,0214
LCL
0,00
1
11
6
21
16
31
26
41
36
51
46
61
56
71
66
81
76
86
Dias
Sigma level: 3
Figura 23 Grfico de Controle por dia sem a presena do outlier
O processo fora de controle percebido devido presena de muitos pontos fora
dos limites de controle e presena de padres no aleatrios.
A figura 24 mostra o grfico de controle destes mesmos dados por dia da semana.
Mais uma vez comprovado o processo de produo fora de controle, os pontos que
representam os dias da semana, segunda e sbado, esto fora dos limites de controle.
34
,04
,03
,02
REFDUZ_1
UCL
,01
Center = ,0226
0,00
LCL
1
Dia da Semana
Sigma level: 3
Figura 24 Grfico de Controle por dia da semana

Os grficos de controle da proporo de refugos por dia e por dia da semana foram
construdos considerando-se total de refugos ocorridos no dia / total de produo deste dia.
Neste caso, portanto, a proporo feita com relao produo.
Tambm foram originados no SPSS, grficos de controle para cada funcionrio, cada
mquina, cada tipo de meia e cada causa. No entanto como so muitos grficos, os
resultados das anlises esto expostos de maneira sucinta nas tabela 4 e 5. As clulas
grafadas em negrito indicam que a proporo mdia de refugo ultrapassou o ponto de
referncia adotado pela empresa (mximo de 3% de refugo). Os grficos de controle de
proporo de refugos para funcionrios, mquinas, tipo de meia e tipo de causa foram
construdos levando em considerao refugos ocorridos na varivel analisada / total de
refugos dirios. Por exemplo, o grfico de controle da mquina 1 considera cada ponto
amostral sendo a proporo de refugos diria desta mquina (quantidade de refugos
fabricados naquela mquina em determinado dia / quantidade total de refugos ocorridos
neste dia). Neste caso, portanto, a proporo feita com relao ao total de refugos dirios.
35
Tabela 4 - Resultado dos grficos de Controle (Funcionrios e Mquinas)
Resultado dos Grficos de Controle
Funcionrios
Probabilidade
Mdia de
Processo
refugos
Edinaldo
0,0015
Fora de
Controle
Cludio
0,2850
Fora de
Controle
Ronaldo
0,2102
Fora de
Controle
Marcelo
0,0470
Fora de
Controle
Marcos
0,0331
Fora de
Controle
Silmar
0,0854
Fora de
Controle
Joaquim
0,1136
Fora de
Controle
Rodrigo
0,0678
Fora de
Controle
Leonardo
0,2395
Fora de
Controle
Joel
0,1640
Fora de
Controle
Romrio
0,0802
Fora de
Controle
Juci
0,0247
Fora de
Controle
Jorge
0,0723
Fora de
Controle
0,0297
Fora de
Controle o
Edson
Mquinas
Probabilidade
Mdia de
Processo
refugos
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
0,0269
0,0286
0,0181
0,0145
0,0183
0,0198
0,0177
0,0129
0,0144
0,0158
0,0114
0,0142
0,0110
0,0108
0,0087
0,0238
0,0217
0,0472
0,0415
0,0460
0,0442
0,0873
0,0378
0,0399
0,0462
0,0424
0,0432
0,0457
0,0480
0,0469
0,0458
32
0,0493
Fora de Controle
Fora de Controle
Fora de Controle
Fora de Controle
Fora de Controle
Fora de Controle
Fora de Controle
Fora de Controle
Fora de Controle
Fora de Controle
Fora de Controle
Fora de Controle
Fora de Controle
Fora de Controle
Fora de Controle
Fora de Controle
Fora de Controle
Fora de Controle
Fora de Controle
Fora de Controle
Fora de Controle
Fora de Controle
Fora de Controle
Fora de Controle
Fora de Controle
Fora de Controle
Fora de Controle
Fora de Controle
Fora de Controle
Fora de Controle
Fora de Controle
Fora de Controle
36
Tabela 5 - Resultado dos grficos de Controle (Tipo de Meias e Tipos de Causas)
Resultado dos Grficos de Controle Tipos de Meias e tipos de Causas
Tipos de
Meias
140
143
144
814
815
816
819
830
833
834
840
841
819
933
TUBO
BAB
SAPSU
SAPFIF
LISA
PALIS
SAPFOC
BD
BR
ESC
AL
SAPCRO
Probabilidade
Mdia de
Processo
refugos
0,1162
0,0566
0,0773
0,0359
0,0670
0,0138
0,1204
0,1060
0,1451
0,0485
0,0762
0,0471
0,0536
0,0385
0,1284
0,0859
0,4497
0,1755
0,1941
0,0502
0,0504
0,0565
0,0330
0,1795
0,0976
0,0873
Fora de Controle
Fora de Controle
Fora de Controle
Fora de Controle
Fora de Controle
Fora de Controle
Fora de Controle
Fora de Controle
Fora de Controle
Fora de Controle
Fora de Controle
Fora de Controle
Fora de Controle
Fora de Controle
Fora de Controle
Fora de Controle
Fora de Controle
Fora de Controle
Fora de Controle
Fora de Controle
Fora de Controle
Fora de Controle
Fora de Controle
Fora de Controle
Fora de Controle
Fora de Controle
Tipos de
Causas
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
Probabilidade
Mdia de
Processo
refugos
0,1359
0,3877
0,0166
0,1106
0,0040
0,0062
0,0675
0,0145
0,0422
0,0012
0,0052
0,0098
0,0266
0,0592
0,0022
0,0012
XXXXX
0,0004
XXXXX
0,0004
XXXXX
0,0032
0,0025
XXXXX
XXXXX
0,0053
0,0883
0,0089
XXXXX
XXXXX
XXXXX
XXXXX
XXXXX
XXXXX
Fora de Controle
Fora de Controle
Fora de Controle
Fora de Controle
Fora de Controle
Fora de Controle
Fora de Controle
Fora de Controle
Fora de Controle
Fora de Controle
Fora de Controle
Fora de Controle
Fora de Controle
Fora de Controle
Fora de Controle
Fora de Controle
XXXXX
Fora de Controle
XXXXX
Fora de Controle
XXXXX
Fora de Controle
Fora de Controle
XXXXX
XXXXX
Fora de Controle
Fora de Controle
Fora de Controle
XXXXX
XXXXX
XXXXX
XXXXX
XXXXX
XXXXX
Alguns dos grficos so interessantes de serem mostrados. O grfico da figura 25,

por exemplo, mostra que apesar da probabilidade mdia de refugos do funcionrio Edinaldo
estar razoavelmente baixa (0,15%), o seu ritmo de produo est fora de controle. Verifica-
37
se a presena de muitos pontos fora dos limites de controle e tambm a presena de
tendncias.
Proporo de No Conformidades
,005
,004
,003
,002
EDINAL_1
UCL
,001
Center = ,0015
0,000
LCL
1
3
2
5
4
7
6
9
8
11
10
13
12
15
14
17
16
19
18
21
20
22
23
25
24
26
27
29
28
31
30
33
32
35
34
37
36
39
38
41
40
43
42
44
Dias
Sigma level: 3
Figura 25 Grfico de Controle do funcionrio Edinaldo

J o grfico da figura 26, mostra que alm da probabilidade mdia de refugos do
funcionrio Marcelo estar acima da meta de 3% da empresa (4,7%), o seu ritmo de
produo est fora de controle. Fato este comprovado pela alta ocorrncia de pontos fora
dos limites de controle.
38
,14
,12
,10
,08
,06
MARCEL_2
,04
UCL
,02
Center = ,0470
0,00
LCL
1
3
2
5
4
7
6
9
8
11
10
13
12
15
14
17
16
19
18
21
20
23
22
25
24
27
26
29
28
31
30
33
32
35
34
37
36
39
38
41
40
43
42
44
Dias
Sigma level: 3
Figura 26 Grfico de Controle do funcionrio Marcelo

Entre as mquinas, o grfico de controle da mquina 01 representado pela figura 27
mostra que apesar da probabilidade mdia de refugos estar razoavelmente baixa (2,69%), o
processo de produo desta mquina est fora de controle.
ProporodeNoConformidade
,12
,10
,08
,06
MAQ1_1
,04
UCL
,02
Center = ,0269
0,00
LCL
1
5
3
9
7
13
11
17
15
21
19
25
23
29
27
33
31
37
35
41
39
45
43
49
47
53
51
57
55
61
59
65
63
69
67
73
71
77
75
81
79
85
83
87
Dias
Sigma level: 3
Figura 27 Grfico de Controle da mquina 01
39
Considerando os tipos de meia, o grfico da figura 28 ilustra de forma bem clara o
processo de produo fora de controle.
1,0
,8
,6
,4
MSAPSU_1
UCL
,2
Center = ,4497
0,0
LCL
1
3
2
5
4
7
6
9
8
11
10
13
12
15
14
17
16
19
18
21
20
22
23
25
24
27
26
29
28
31
30
33
32
35
34
36
37
38
Dias
Sigma level: 3
Figura 28 Grfico de Controle da meia tipo SAPSU
Neste caso a probabilidade mdia de refugos est altssima (44,97%) e os pontos
amostrais aparecem mais fora dos limites de controle que dentro. Porm, como esta anlise
foi feita em relao ao total produzido de refugos, no existe um referencial de proporo de
refugos para comparar. Quando a anlise feita com relao ao total produzido existe o
referencial interno da empresa de a proporo de refugo atingir no mximo 0,03.
ttulo ilustrativo foi feito o grfico de controle deste tipo de meia em que a relao
utilizada para o clculo da proporo de refugos foi: total de refugos ocorrido deste tipo de
meia em determinado dia/total produzido neste dia. A proporo de refugos obtida foi bem
menor (0,0132). No entanto, este nmero no pode ser comparado meta da empresa de
0,03 porque o total produzido neste caso se refere a todos os tipos de meia e no somente
ao tipo SAPSU, o que tende a fornecer uma proporo de refugos menor do realmente
ocorreu.
40
O motivo de os grficos de proporo de refugos dos funcionrios, das mquinas,
dos tipos de meia e dos tipos de causa terem sido construdos em relao ao total de
refugos ocorridos e no em relao ao total de produo foi a caracterstica do banco de
dados. Este fornece os dados agregados como explicado anteriormente. A informao que
se consegue retirar o total produzido em determinado dia, ou turno, ou ms. O banco de
dados no fornece a informao do total produzido por funcionrio, por mquina, por tipo de
meia e por tipo de causa.
Os grficos de controle dos turnos esto representados abaixo nos grficos das
figuras 29, 30, 31 e 32. Eles mostram que todos os turnos de trabalho esto com o processo
de produo fora de controle verificados pela presena de tendncias e pontos fora dos
limites de controle. A proporo de no conformidades verificada nestes grficos se refere
ao total produzido pelo turno de trabalho. Portanto a probabilidade calculada embasada na
seguinte relao: total de refugos ocorridos durante as doze horas de trabalho/total
produzido durante as doze horas de trabalho. Cada ponto amostral representa o ocorrido em
doze horas.
Proporo de No conformidade
,3
,2
Somatrio de refugos
(Dzias)
,1
UCL
Center = ,02
0,0
LCL
1
3
2
5
4
7
6
9
8
11
10
13
12
14
15
17
16
19
18
21
20
22
23
25
24
27
26
29
28
31
30
33
32
35
34
37
36
38
39
41
40
43
42
44
Dias
Sigma level: 3
Figura 29 Grfico de Controle do turno A
41
,07
,06
,05
,04
,03
REFDUZ_1
,02
UCL
,01
Center = ,0247
0,00
LCL
1
3
2
5
4
7
6
9
8
11
10
13
12
15
14
17
16
19
18
21
23
20
22
25
24
27
26
29
28
31
30
33
32
35
34
37
36
39
38
41
40
43
42
44
Dias
Sigma level: 3
Figura 30 Grfico de Controle do turno B
,07
,06
,05
,04
Somatrio de refugos
,03
(Dzias)
,02
UCL
,01
Center = ,02
0,00
LCL
1
3
2
5
4
7
6
9
8
11
10 12
13
14
15
17
16
19
18
21
20
23
22
25
24
27
26
29
28
31
30
33
32
35
34
36
37
38
39
41
40
43
42
44
Dias
Sigma level: 3
Figura 31 Grfico de Controle do turno C
42
,07
,06
,05
,04
,03
REFDUZ_1
,02
UCL
,01
Center = ,0173
0,00
LCL
1
3
2
5
4
7
6
9
8
11
10
13
12
15
14
17
16
19
18
21
20
23
22
25
24
27
26
29
28
31
30
33
32
35
34
37
36
39
38
41
40
43
42
45
44
46
Dias
Sigma level: 3
Figura 32 Grfico de Controle do turno D

3. ANLISE FINANCEIRA
As anlises dos dados mostraram que a proporo mdia de perda da empresa
Malharia Viva Simo LTDA 0,0226 ou em termos de porcentagem 2,26%.
Temos que a produo em dzias de meias neste perodo de coleta de dados foi de
90.952.
O preo da dzia de cada tipo de meia varia, porm para simplificar o clculo da
perda em termos financeiros devido ao fato do processo de produo do setor tecelagem
estar fora de controle, podemos considerar o preo mdio da dzia de meia igual a R$
20,00.
A tabela 6 ilustra os clculos.
Tabela 6 - Resultado Financeiro
Preo Mdio da Dzia (R$) Produo do Perodo (dzias) Proporo Mdia de Refugo
20
90.952
0,0226
Perda Financeira do Perodo
R$ 41.110,30
43
Se a perda financeira no perodo (3 meses) de R$ 41.110,30, em um ano seria de R$
164,441,20, partindo do princpio que a porcentagem de refugos permanecer estvel.
Como o processo est totalmente fora de controle, no se pode assegurar a previsibilidade
do mesmo, ou seja, a perda financeira poder alcanar nveis bem maiores.
44
Captulo V
ESTABELECIMENTO DE METAS E AES (ETAPA P DO CICLO PDCA)
1. METAS E AES
Eliminar as causas especiais de um processo uma tarefa difcil que requer
pacincia, investigao, comprometimento e tempo. Porm quando essas causas so
encontradas e sanadas proporcionam grandes melhorias no processo.
Durante as anlises foi possvel enxergar que o processo de produo tecelagem
est fora de controle. Todos os grficos de controle construdos estavam fora de controle
estatstico. As causas especiais esto presentes e devem ser descobertas.
Portanto a meta dentro do contexto gerencial PDCA colocar o processo de
produo tecelagem dentro do controle estatstico. A mdia de proporo de refugos
estabelecida pela empresa era de no mximo 0,03 ou 3%. De incio esta meta pode ser
mantida e depois ir declinando para garantir a evoluo do processo de fabricao. A mdia
de proporo de refugos de acordo com os dados coletados j acontece abaixo dos 3%
(est em 2,26%), porm o que no est de acordo o controle do processo.
de extrema importncia manter o processo de produo controlado, pois se ele
est fora de controle a mdia da proporo de refugos pode estar adequada hoje e amanh
estar to alta que a fabricao no compensa.
A primeira ao que deveria ser colocada em prtica a melhoria na forma de filtrar
os dados no software interno da empresa. Na poca em que os dados foram coletados, o
software fornecia os dados de maneira agregada. Exemplo: O programa permitia fazer o
filtro de quanto de refugo determinada mquina produziu em determinado dia. Porm, para
fazer anlises estatsticas desdobradas e atacar a causa raiz do problema e no as causas
superficiais ou aparentes, seria necessrio saber quanto aquela mquina produziu de refugo
de cada tipo de meia, de cada tipo de causa e por funcionrio.
As aes posteriores a esta seriam a nova coleta de dados e a posterior anlise
estatstica.
Logo depois, a ao seria estabelecer um plano de ao eficaz e embasado em
dados ricos em informaes.
2. OPORTUNIDADES DE MELHORIA
Apesar de os dados coletados para o desenvolvimento deste trabalho no possurem
todas as informaes necessrias a elaborao de um bom plano de ao, algumas
oportunidades de melhoria iniciais foram observadas e poderiam ser postas em prtica junto
a ao de melhoria no sistema informatizado.
45
Alguns funcionrios apresentam desempenho muito inferior quando comparados a
outros funcionrios. Pela tabela 4 possvel verificar que os funcionrios Cludio, Ronaldo,
Joaquim e Leonardo esto com mdias de proporo de refugos altssimas e merecem um
acompanhamento de perto por um profissional entendido dos processos da tecelagem para
observar se estes funcionrios esto executando sua tarefas de maneira correta e trein-los.
Tambm com o auxlio da tabela 4 possvel verificar que as mquinas de 18 a 32
so as que apresentam mdia da proporo de refugos superior a 0,03. Logo, os mecnicos
da seo deveriam ficar mais atentos e analticos com relao a estas mquinas.
Em relao aos tipos de meias a tabela 5 informa que os tipos 140, 819, 830, 833,
TUBO, SAPSU, SAPFIF, LISA e ESC so os que apresentam proporo mdia de refugos
superior a 0,10 ou 10%. Por isso os programas destas meias deveriam ser analisados a fim
de verificar a ocorrncia de alguma falha.
Em relao as causas de refugo a tabela 5 informa que as causas falta de fio no
desenho, falta de fio no corpo e buraco no corpo so as que apresentam mdia de
proporo de refugos superior a 0,10 ou 10%. Portanto seria necessrio utilizar de mtodos,
como por exemplo, diagrama de causa e efeito para descobrir as possveis causas
coletando-se dados para anlises quantitativas e/ou qualitativas referentes s mesmas. As
possibilidades podem ser muitas desde a matria prima de m qualidade ou inadequada
procedimento de fabricao aplicado de maneira incorreta.
46
Captulo VI
CONSIDERAES FINAIS
Organizaes que se destinam a inspecionar ou testar a qualidade de seus produtos
esto nadando contra a mar, ou seja, no esto utilizando mtodos pr-ativos de soluo
de problemas e defeitos. Ser pr-ativo agir antecipadamente e no depois de o problema
ou o defeito j ocorrido. Empresas que adotam comportamentos e atitudes reativos esto
fadadas ao declnio.
A Malharia Viva Simo LTDA, se ainda estivesse em atividade no mercado, teria
que repensar e mudar muitas de suas aes para se adaptar a esta realidade.
Atualmente as empresas tm que manter seus processos de fabricao estveis e
todos os envolvidos neste processo desde operadores administrao devem estar
comprometidos com a melhoria contnua do seu desempenho.
Este trabalho conjugou a metodologia PDCA com algumas ferramentas para mostrar
como possvel trabalhar de forma preventiva nas solues dos problemas organizacionais.
Porm, esse casamento do PDCA com as ferramentas da qualidade s surte efeito quando
existe o desejo de todos (de gerncia a cho-de-fbrica) pela melhoria contnua.
Caso a empresa em estudo estivesse em funcionamento poderia ser demonstrado o
quanto uma organizao pode evoluir em termos de qualidade e produtividade ao tomar
como parte de sua rotina procedimentos e ferramentas de controle de seus processos.
47
REFERNCIAS BIBLIOGRFICAS:
BRBARA,
Leila
(Ed.)
et
al.
Michaelis:
pequeno
dicionrio,
ingls/portugus,
portugus/ingls. So Paulo: Melhoramentos, 1989.

CAMPOS, V. F. Controle da qualidade total: no estilo japons. Belo Horizonte: Fundao
Christiano Ottoni, 1992.
COSTA, A. F. B.; EPPRECHT, E.K.; CARPINETTI, L.C.R. Controle estatstico de
qualidade. So Paulo: Atlas, 2003.
ISHIKAWA, K. Controle de qualidade total maneira japonesa. Rio de Janeiro: Campus,
1993.
KUME, H. Mtodos estatsticos para a melhoria da qualidade. Rio de Janeiro:
Gente/AOTS, 1993.
MONTGOMERY, D. C. Introduo ao controle estatstico da qualidade. 4. ed. Rio de
Janeiro: LTC, 2004.
MONTGOMERY, D. C.; RUNGER, George C. Estatstica aplicada e probabilidade para
engenheiros. 2.ed. Rio de Janeiro: LTC, 2003
SILVA, J. A. Apostila de controle da qualidade. Juiz de Fora: Universidade Federal de
Juiz de Fora, 2004.
SILVA, Jos Maria da; SILVEIRA, Emerson Sena da. Apresentao de trabalhos
acadmicos: normas e tcnicas. 3.ed. Juiz de Fora: Templo, 2004.
TOLEDO, A. T. Utilizao do mtodo PDCA no gerenciamento da rotina: um estudo de
caso no setor de pintura automotiva. Monografia de graduao em engenharia de produo
apresentada em junho de 2005, Curso de Engenharia de Produo, Faculdade de
Engenharia, Universidade Federal de Juiz de Fora, Juiz de Fora, 2005.
WERKEMA, M. C. C. Criando a cultura seis sigma. v. 1. Rio de Janeiro: Qualimark, 2002.
48
WERKEMA, M. C. C. Ferramentas estatsticas bsicas para o gerenciamento de
processos. v. 2. Belo Horizonte: Fundao Christiano Ottoni, 1995.
Ferramentas
da
Qualidade
Fluxogramas.
Disponvel
em:
<http://www.lgti.ufsc.br/O&m/quatro1.htm>. Acesso em: 11 de julho de 2006.

Sistemas para Anlises Estatsticas. Disponvel em: <http://www.ufv.br/saeg83.htm>.
Acesso em: 05 de julho de 2006.

TCC Jan2007 Lilianamachado

Hochgeladen von

Dokumentinformationen

Originaltitel

Copyright

Verfügbare Formate

Dieses Dokument teilen

Dokument teilen oder einbetten

Freigabeoptionen

Stufen Sie dieses Dokument als nützlich ein?

Sind diese Inhalte unangemessen?

Copyright:

Verfügbare Formate

TCC Jan2007 Lilianamachado

Hochgeladen von

Copyright:

Verfügbare Formate

APLICAO DA METODOLOGIA PDCA: ETAPA P (PLAN) COM SUPORTE DAS

JUIZ DE FORA, MG BRASIL

MACHADO, LILIANA GONALVES

Oferecer produtos ou servios de qualidade deixou de ser um diferencial ou um ponto de

4.3. Anlise Financeira.............................................................................................42

14. Figura 14 - Refugo por turno..................................................................................24

Reviso e estudo bibliogrfico a partir dos temas desenvolvidos no trabalho;

Levantamento de dados histricos da empresa;

Utilizao das ferramentas da qualidade, entre elas, diagrama de causa e efeito,

Elaborao de estudos comparativos das variveis selecionadas como item de

Proposio de metas e delineamento de aes para melhoria da qualidade baseada

Setembro Outubro Novembro Dezembro Janeiro

Figura 1 O Ciclo PDCA

Figura 2 Estrutura do grfico de Pareto

Figura 3 Estrutura do Diagrama de Causa e Efeito

Figura 4 - Estrutura do Histograma

Pontos fora dos limites de controle: indicativo forte da falta de estabilidade do

Periodicidade: repetio de tendncia para cima e para baixo em intervalos de tempo

Seqncia: pontos consecutivos do grfico aparecem em apenas um dos lados da

Tendncia: movimento dos pontos em direo ascendente ou descendente. Pode ser

Aproximao dos limites de controle: ocorrncia de dois ou trs pontos consecutivos

Representam uma tcnica comprovada para a melhoria da produtividade: reduo de

Eficincia na preveno de defeitos: contribuio na manuteno do processo sob

Evitam ajustes desnecessrios do processo;

Fornecem informaes de diagnsticos e

Fornecem informaes sobre a capacidade do processo.

estatstico entre os limites dos grficos de controle e os limites de especificao. Os

Figura 5 - Estrutura do Grfico de Controle

Figura 6 Cadastro da Ficha Tcnica

Figura 7 Ordem de produo (OP)

Figura 8 Tela de lanamento de dados

O ms de Maro produziu um pouco mais que os meses de Janeiro e Fevereiro,

MARO JANEIRO FEVEREIRO

JANEIRO FEVEREIRO MARO

Figura 9 Produo Mensal

Figura 10 - Refugo Mensal

Segunda-feira apresentou uma produo um pouco maior que os outros dias da

Durante os trs meses pode-se considerar que no houve variao de quantidade de

produo por turno. No entanto os turnos A, B e C apresentaram totais de refugos um pouco

Figura 13 Produo por turno

Figura 14 Refugo por turno

Analisando os turnos em relao aos funcionrios notar que dentro do turno A o

Figura 15 Refugo por funcionrio do turno A

Dentro do turno B os funcionrios a serem observados so o Joaquim e o Silmar que

juntos totalizam aproximadamente 70% do refugo ocorrido no turno B. A figura 16 ilustra

Figura 16 Refugo por funcionrio do turno B

No do turno C os funcionrios que merecem maior ateno so o Leonardo e o Joel

Figura 17 Refugo por funcionrio do turno C

No do turno D os funcionrios que merecem maior ateno so o Romrio e o Jorge

Figura 18 Refugo por funcionrio do turno D

Famlia de Mquinas para os turnos B e D

Figura 22 Grfico de Controle por dia

Figura 24 Grfico de Controle por dia da semana

Alguns dos grficos so interessantes de serem mostrados. O grfico da figura 25,

Figura 25 Grfico de Controle do funcionrio Edinaldo

Figura 26 Grfico de Controle do funcionrio Marcelo

Figura 27 Grfico de Controle da mquina 01

Figura 29 Grfico de Controle do turno A

Figura 30 Grfico de Controle do turno B

Figura 31 Grfico de Controle do turno C

Figura 32 Grfico de Controle do turno D

portugus/ingls. So Paulo: Melhoramentos, 1989.

<http://www.lgti.ufsc.br/O&m/quatro1.htm>. Acesso em: 11 de julho de 2006.