UC00573

Aplicar métodos estatísticos no controlo dos processos

Cartas de controlo, capacidade do processo e sistemas de medição para decidir com dados, não com palpites

Curso profissional · 25h · Técnico/a de Fundição

Plano

  1. O controlo estatístico de processos (CEP)
  2. Variabilidade: causas comuns e especiais
  3. Distribuição Normal
  4. Distribuição de Poisson
  5. Amostragem de processos
  6. Cartas de controlo: fundamentos
  7. Cartas de variáveis: X̄ e R
  8. Cartas de atributos: p, np, c e u
  9. Interpretar cartas: tendências e padrões
  10. Capacidade do processo: Cp
  11. Capacidade do processo: Cpk
  12. Sistemas de medição (MSA)
  13. Estudo GRR
  14. Tendências e sazonalidade
  15. Testes de hipóteses e intervalos de confiança
  16. Regressão linear
  17. ANOVA
  18. Melhoria contínua e normas da qualidade
  19. Fecho

Bloco 1 · O controlo estatístico de processos

Porque controlar um processo com estatística

Numa fundição, nenhum vazamento produz duas peças exactamente iguais: a cota de um casquilho varia um décimo de milímetro, a dureza de um bloco varia uns HB, o número de poros varia peça a peça. O controlo estatístico de processos (CEP) usa dados reais, recolhidos ao longo do processo, para distinguir a variação normal de um desvio a sério, antes de a peça sair fora de especificação.

  • Monitorizar e controlar os processos através de cartas de controlo.
  • Identificar tendências e padrões antes de gerarem defeito.
  • Avaliar a capacidade do processo para cumprir a tolerância.
  • Implementar ações corretivas e preventivas com base no que os dados mostram.

O CEP dentro do sistema de gestão da qualidade

O CEP não é uma técnica isolada: é uma ferramenta do sistema de gestão da qualidade (SGQ) da organização, alinhada com a norma NP EN ISO 9001.

Etapa do SGQ Papel do CEP
Planear objetivos da qualidade Define que características críticas se monitorizam
Executar o processo Recolhe dados em tempo real (cartas de controlo)
Verificar resultados Avalia a capacidade (Cp, Cpk) face aos requisitos
Agir Dispara ações corretivas e preventivas

A ligação entre as ações de controlo e os objetivos estratégicos e os requisitos da qualidade da organização é, em si, um critério de desempenho desta UC: não se controla por controlar, controla-se para cumprir um objetivo.

Bloco 2 · Variabilidade: causas comuns e especiais

Duas fontes de variação

Todo o processo varia. A pergunta que o CEP responde é: esta variação é normal ou é um sinal de problema?

  • Causas comuns: aleatórias, numerosas, pequenas, inerentes ao processo estável (vibração da máquina, ligeira variação da areia, do metal, da temperatura ambiente). Não se eliminam, geríem-se pela melhoria do próprio processo.
  • Causas especiais: atribuíveis a um evento concreto e identificável (molde partido, liga errada carregada, operador novo, ferramenta gasta). Aparecem e desaparecem, exigem ação imediata.

Um processo só com causas comuns diz-se sob controlo estatístico: previsível dentro de limites.

Porque a distinção importa na prática

Reagir ao tipo errado de causa custa dinheiro:

Situação Erro Consequência
Causa comum tratada como especial Ajustar a máquina a cada leitura Aumenta a variação (sobre-ajuste)
Causa especial tratada como comum Ignorar um ponto fora de limites Produção de peças defeituosas continua

A experiência do funil de Deming mostra isto: ajustar um processo estável a cada desvio aleatório piora o resultado. A carta de controlo existe exatamente para dizer quando ajustar e quando não tocar.

Bloco 3 · Distribuição Normal

A distribuição Normal

Muitas características de fundição (peso, cota, dureza) seguem, quando o processo está estável, a distribuição Normal: a curva em sino, simétrica em torno da média μ, com dispersão medida pelo desvio-padrão σ.

Regra prática (68-95-99,7%):

Intervalo Proporção esperada
μ ± 1σ 68,3%
μ ± 2σ 95,4%
μ ± 3σ 99,7%

É esta regra que justifica os limites a ±3σ das cartas de controlo: fora deles, só 0,3% das vezes é por acaso.

Exemplo resolvido · Probabilidade fora de especificação

O peso de um componente fundido segue Normal com μ = 2,500 kg e σ = 0,015 kg. A especificação do cliente é 2,470 a 2,530 kg.

  1. z superior = (2,530 − 2,500) / 0,015 = 2,00
  2. z inferior = (2,470 − 2,500) / 0,015 = −2,00
  3. P(Z > 2,00) ≈ 2,28% (tabela Normal padrão)
  4. Por simetria, P(Z < −2,00) ≈ 2,28%
  5. Proporção total fora de especificação ≈ 4,56%

Mesmo um processo "sob controlo" pode gerar quase 5 peças em 100 fora do pedido do cliente: é a capacidade do processo (Bloco 10) que mede isto de forma normalizada.

Bloco 4 · Distribuição de Poisson

A distribuição de Poisson

Nem tudo é contínuo. O número de poros numa peça, o número de inclusões por metro quadrado de chapa, são contagens de eventos raros e independentes por unidade (peça, área, tempo). Modelam-se pela distribuição de Poisson, com um único parâmetro: λ, a média de ocorrências por unidade.

Fórmula: P(X = k) = e^(−λ) · λᵏ / k!

  • λ pequeno: a maioria das unidades tem zero ou um defeito.
  • É a base estatística das cartas c e u (Bloco 8).

Exemplo resolvido · Poros por peça fundida

O histórico de um molde mostra uma média de λ = 1,5 poros por peça. Qual a probabilidade de uma peça saír sem nenhum poro?

P(X = 0) = e^(−1,5) · 1,5⁰ / 0! = e^(−1,5) ≈ 0,223

Ou seja, cerca de 22,3% das peças saem sem qualquer poro visível; as restantes 77,7% têm pelo menos um. Este valor de λ é precisamente a linha central de uma futura carta c (Bloco 8).

Bloco 5 · Amostragem de processos

Subgrupos racionais

Não se mede 100% das peças em contínuo. Recolhem-se subgrupos racionais: pequenas amostras (ex.: 5 peças) retiradas em condições o mais homogéneas possível (mesma vazagem, mesmo turno), com intervalo regular (ex.: de hora a hora).

  • Dentro do subgrupo: só deve existir variação comum.
  • Entre subgrupos: é aí que aparecem as causas especiais.

Esta escolha, de Walter Shewhart, é o que torna a carta de controlo sensível a desvios reais sem disparar por acaso.

Frequência, dimensão e estratificação

Decisão Compromisso
Amostra maior (n) Mais sensível a pequenos desvios, mais custo
Amostragem mais frequente Deteta mais rápido, mais trabalho de registo
Amostragem estratificada Garante que todas as cavidades do molde entram na amostra ao longo do tempo

Amostrar sempre da mesma cavidade de um molde multi-cavidade esconde diferenças entre cavidades: a amostragem tem de rodar pelas fontes de variação conhecidas, não só pelo tempo.

Bloco 6 · Cartas de controlo: fundamentos

O que é uma carta de controlo

Um gráfico de um valor medido (ou calculado) ao longo do tempo, com três linhas:

  • Linha central (CL): a média do processo.
  • Limite superior de controlo (UCL): CL + 3σ.
  • Limite inferior de controlo (LCL): CL − 3σ.

Enquanto os pontos oscilam dentro dos limites, sem padrão, o processo está sob controlo (só causas comuns). Um ponto fora, ou um padrão suspeito, é sinal de causa especial.

Tipos de carta: variáveis vs atributos

Carta de variáveis Carta de atributos
O que mede Uma grandeza contínua (mm, kg, HB) Uma contagem ou proporção
Exemplos X̄-R, X̄-s, indivíduos-amplitude móvel p, np, c, u
Uso na fundição Diâmetro de um casquilho, dureza de um bloco Peças rejeitadas por lote, poros por peça
Informação Mais rica (quanto varia) Mais simples de recolher

Escolhe-se a carta pelo tipo de dado disponível: se se pode medir com precisão, usa-se variáveis; se só se pode contar "conforme/não conforme" ou "quantos defeitos", usa-se atributos.

Bloco 7 · Cartas de variáveis: X̄ e R

Construir a carta X̄-R

Para cada subgrupo de n peças: calcula-se a média X̄ e a amplitude R (máximo menos mínimo). Depois, com k subgrupos:

  • X̄̄ (média das médias) e R̄ (média das amplitudes) definem as linhas centrais.
  • Os limites usam constantes tabeladas (dependem de n): A2, D3, D4.
Linha central Limite superior Limite inferior
Carta X̄ X̄̄ X̄̄ + A2·R̄ X̄̄ − A2·R̄
Carta R R̄ D4·R̄ D3·R̄

Para n = 5: A2 = 0,577; D3 = 0; D4 = 2,114.

Exemplo resolvido · Carta X̄-R do diâmetro do casquilho

Casquilho de bronze, cota nominal 25,00 mm, tolerância ±0,10 mm. Recolhidos 20 subgrupos de n = 5, cada hora: X̄̄ = 25,03 mm, R̄ = 0,12 mm.

  1. UCL da carta X̄: 25,03 + 0,577 × 0,12 = 25,099 mm
  2. LCL da carta X̄: 25,03 − 0,577 × 0,12 = 24,961 mm
  3. UCL da carta R: 2,114 × 0,12 = 0,254 mm
  4. LCL da carta R: 0 × 0,12 = 0 mm

Qualquer subgrupo com X̄ fora de [24,961; 25,099] mm, ou R acima de 0,254 mm, acende um sinal de causa especial. Nota: o processo está centrado em 25,03 mm, não em 25,00 mm; o Bloco 11 mostra o custo disto.

Bloco 8 · Cartas de atributos: p, np, c e u

Cartas p e np: proporção de não conformes

Quando o resultado é "conforme" ou "não conforme" (peça aceite ou rejeitada no controlo visual), usa-se a carta p (proporção) ou np (número) de não conformes.

p̄ = total de rejeitadas / total inspecionado. Limites: p̄ ± 3·√(p̄(1−p̄)/n)

Exemplo: 200 peças/dia inspecionadas, p̄ = 4% rejeitadas.

  • UCL = 0,04 + 3 × √(0,04 × 0,96 / 200) = 0,04 + 0,0416 = 8,16%
  • LCL = 0,04 − 0,0416 < 0 → 0% (não há limite inferior útil)

Cartas c e u: contagem de defeitos

Quando se contam defeitos, não peças (uma mesma peça pode ter vários poros), usa-se a carta c (contagem, amostra de dimensão constante) ou u (defeitos por unidade, amostra variável).

c̄ ± 3·√c̄

Exemplo: c̄ = 3,2 poros por peça fundida.

  • UCL = 3,2 + 3 × √3,2 = 3,2 + 5,37 = 8,57
  • LCL = 3,2 − 5,37 < 0 → 0

A carta u generaliza isto quando o tamanho da amostra varia de dia para dia, dividindo sempre pela dimensão da amostra.

Bloco 9 · Interpretar cartas: tendências e padrões

Regras de alerta (sinais de causa especial)

Um ponto fora dos limites não é o único sinal. Regras habituais (Western Electric):

Regra Sinal
1 Um ponto fora de ±3σ
2 9 pontos consecutivos do mesmo lado da linha central
3 6 pontos consecutivos a subir ou a descer (tendência)
4 14 pontos a alternar acima e abaixo (oscilação)

Qualquer destas regras, mesmo sem nenhum ponto fora dos limites, é evidência estatística de causa especial.

Exemplo resolvido · Diagnosticar um padrão

Numa carta X̄ do diâmetro do casquilho, os últimos 7 subgrupos mostram valores a subir de forma constante, ainda dentro dos limites de controlo. O supervisor diz "está tudo bem, nenhum ponto está fora".

Resolução: o supervisor está errado. Uma tendência de 6 ou mais pontos consecutivos a subir é a Regra 3, um sinal de causa especial, mesmo sem ultrapassar os limites. Causa provável numa fundição: desgaste progressivo do molde ou da ferramenta de macheamento. Ação: investigar o molde antes de produzir peças fora de especificação, não esperar que a tendência cruze o UCL.

Bloco 10 · Capacidade do processo: Cp

O índice Cp

Cp compara a largura da especificação com a largura natural do processo (6σ), sem olhar para onde o processo está centrado.

Cp = (USL − LSL) / (6σ)

Cp Interpretação
< 1,00 Processo incapaz: a variação natural já não cabe na tolerância
1,00 a 1,33 Capacidade marginal
1,33 a 1,67 Capacidade boa
≥ 1,67 Capacidade excelente

O σ usa-se habitualmente estimado a partir da carta de controlo: σ = R̄ / d2 (d2 tabelado, d2 = 2,326 para n = 5).

Exemplo resolvido · Cp do diâmetro do casquilho

Continuando o Bloco 7: cota 25,00 ± 0,10 mm (USL = 25,10; LSL = 24,90), R̄ = 0,12 mm, n = 5.

  1. σ = R̄ / d2 = 0,12 / 2,326 = 0,0516 mm
  2. Cp = (25,10 − 24,90) / (6 × 0,0516) = 0,20 / 0,3096 = 0,646

Cp = 0,646 é inferior a 1,00: a variação natural do processo (6σ ≈ 0,31 mm) já é maior do que a tolerância do cliente (0,20 mm). Mesmo perfeitamente centrado, este processo produziria peças fora de especificação. É preciso reduzir a variação, não só centrar.

Bloco 11 · Capacidade do processo: Cpk

O índice Cpk e a centragem do processo

Cpk acrescenta a informação que falta ao Cp: onde o processo está centrado em relação à especificação.

Cpk = mín [ (USL − μ) / 3σ ; (μ − LSL) / 3σ ]

  • Se o processo estiver perfeitamente centrado, Cpk = Cp.
  • Se Cpk < Cp, o processo está descentrado: a diferença entre os dois é uma medida direta do desvio de centragem.
  • Cpk negativo significa que a média já está fora da especificação.

Exemplo resolvido · Cpk e decisão

Mesmo caso: USL = 25,10 mm, LSL = 24,90 mm, σ = 0,0516 mm, mas agora com a média real do processo, μ = 25,03 mm (não os 25,00 mm desejados).

  1. (USL − μ) / 3σ = (25,10 − 25,03) / 0,1548 = 0,07 / 0,1548 = 0,452
  2. (μ − LSL) / 3σ = (25,03 − 24,90) / 0,1548 = 0,13 / 0,1548 = 0,840
  3. Cpk = mín(0,452; 0,840) = 0,452

Cpk = 0,452, bem abaixo do Cp = 0,646 calculado no Bloco 10. O processo está descentrado para cima (mais perto do limite superior) e é demasiado variável. Plano de ação: (1) recentrar a máquina para 25,00 mm, (2) investigar e reduzir a dispersão (desgaste do molde, variação da liga).

Bloco 12 · Sistemas de medição (MSA)

Porque validar o sistema de medição

Toda a análise anterior assume que o que se mede é fiável. A variação total observada tem duas origens:

Variação observada = Variação do processo + Variação da medição

Se o paquímetro, a dureza ou o operador introduzem muito "ruído", os dados mentem: uma carta pode acender falsos alarmes, ou esconder um problema real. A análise de sistemas de medição (MSA) avalia se o instrumento e o método são adequados antes de confiar nos dados do CEP.

Componentes da variação de medição

Componente Nome técnico O que avalia
Repetibilidade EV (equipment variation) O mesmo operador, com o mesmo instrumento, mede a mesma peça várias vezes: quanto varia?
Reprodutibilidade AV (appraiser variation) Operadores diferentes medem a mesma peça: quanto variam entre si?

Causas típicas de EV: desgaste do instrumento, resolução insuficiente. Causas típicas de AV: formação diferente dos operadores, ângulo ou força de aperto do paquímetro.

Bloco 13 · Estudo GRR

O estudo GRR

GRR (Gauge Repeatability and Reproducibility) junta repetibilidade e reprodutibilidade num único indicador, %GRR, calculado a partir de um desenho experimental típico: 3 operadores × 10 peças × 2 repetições cada.

%GRR = √(EV² + AV²), expresso como percentagem da variação total (ou da tolerância).

%GRR Classificação (AIAG)
< 10% Sistema de medição aceitável
10% a 30% Aceitável com reservas, segundo a aplicação
> 30% Sistema de medição inaceitável

Exemplo resolvido · %GRR do paquímetro

Estudo GRR a um paquímetro usado na cota do casquilho, com 3 operadores, 10 peças, 2 repetições:

Componente Valor
EV (repetibilidade) 12,1%
AV (reprodutibilidade) 8,3%
%GRR √(12,1² + 8,3²) ≈ 14,7%

%GRR ≈ 14,7% cai na faixa 10% a 30%: aceitável com reservas. Decisão: manter o paquímetro em uso, mas reforçar a formação dos operadores (AV ainda significativo) e verificar a calibração do instrumento (EV é o componente maior).

Bloco 14 · Tendências e sazonalidade

Tendências no processo

Uma tendência é uma deriva gradual e persistente numa direção, distinta de um salto súbito. Causas típicas em fundição:

  • Desgaste progressivo de um molde ou de uma ferramenta ao longo de um turno.
  • Acumulação de resíduos num canal de vazamento.
  • Deriva lenta de um sensor de temperatura do forno.

Uma tendência deteta-se pela Regra 3 do Bloco 9 (6 pontos consecutivos a subir ou a descer), muito antes de qualquer ponto sair dos limites de controlo.

Sazonalidade

Sazonalidade é um padrão que se repete com um período fixo, ao longo de dias, turnos ou estações do ano. Exemplo numa fundição: a humidade da areia de moldação varia com a estação do ano (mais húmida no inverno), alterando a taxa de defeitos de forma repetida ano após ano.

Para detetar sazonalidade: recolher e representar dados num período longo (meses, não só um turno), e procurar o mesmo padrão a repetir-se em intervalos regulares.

Padrão Período típico Como distinguir de tendência
Sazonal Semanal, mensal, anual Repete-se, volta ao ponto de partida
Tendência Sem período fixo Acumula-se numa só direção, não volta atrás por si

Bloco 15 · Testes de hipóteses e intervalos de confiança

Testes de hipóteses

Um teste de hipóteses decide, com base numa amostra, se uma diferença observada é estatisticamente real ou apenas acaso. Define-se:

  • H0 (hipótese nula): não há diferença (o valor é igual ao de referência).
  • H1 (hipótese alternativa): há diferença real.

Exemplo: depois de ajustar a máquina para a cota nominal de 25,00 mm, uma amostra de n = 25 peças dá X̄ = 25,045 mm, s = 0,05 mm. O ajuste resultou?

t = (X̄ − μ0) / (s / √n) = (25,045 − 25,00) / (0,05 / 5) = 0,045 / 0,01 = 4,5

t crítico (24 graus de liberdade, α = 0,05) ≈ 2,064. Como 4,5 > 2,064, rejeita-se H0: a cota ainda está, de forma estatisticamente significativa, acima do pretendido.

Intervalos de confiança

Um intervalo de confiança (IC) dá uma gama de valores plausíveis para o verdadeiro valor médio do processo, com um grau de confiança escolhido (habitualmente 95%).

IC = X̄ ± t · (s / √n)

Continuando o exemplo: IC 95% = 25,045 ± 2,064 × (0,05 / 5) = 25,045 ± 0,0206

IC 95% = [25,024 mm ; 25,066 mm]

Como este intervalo não contém o valor 25,00 mm, confirma-se, de outra forma, a mesma conclusão do teste de hipóteses: a cota está realmente desviada do alvo.

Bloco 16 · Regressão linear

Regressão linear: relacionar duas variáveis

A regressão linear procura a melhor reta que relaciona uma variável de entrada (X) com uma variável de saída (Y), pelo método dos mínimos quadrados.

Y = a + b·X

  • b (declive): quanto Y muda por cada unidade de X.
  • a (ordenada na origem): valor de Y quando X = 0.
  • R²: proporção da variação de Y explicada pelo modelo (0 a 1, ou 0% a 100%).

Em fundição: relacionar a temperatura de vazamento com o número de defeitos de porosidade.

Exemplo resolvido · Temperatura de vazamento e porosidade

Registos de 15 vazamentos relacionam a temperatura de vazamento (°C) com o número de poros detetados por peça. O ajuste por mínimos quadrados deu:

Defeitos = 213 − 0,15 × Temperatura, com R² = 0,78

Temperatura Defeitos previstos
1 380 °C 213 − 207 = 6
1 400 °C 213 − 210 = 3
1 420 °C 213 − 213 = 0

A relação é negativa e forte (R² = 0,78): temperaturas mais altas de vazamento reduzem a porosidade nesta liga. Decisão: subir o patamar de temperatura de trabalho, respeitando os limites metalúrgicos da liga.

Bloco 17 · ANOVA

Análise de variância (ANOVA)

Quando se quer comparar as médias de três ou mais grupos (não só dois, como no teste t), usa-se a ANOVA (Analysis of Variance). Compara a variação entre grupos com a variação dentro de cada grupo, através da estatística F.

  • H0: todas as médias dos grupos são iguais.
  • H1: pelo menos uma média difere das outras.

Em fundição: comparar a dureza média das peças produzidas por três fornos diferentes (A, B, C).

Exemplo resolvido · Dureza entre três fornos

Amostras de n = 8 peças de cada forno (A, B, C), medida a dureza em HB. O teste ANOVA deu:

F = 5,32, com F crítico (2, 21 graus de liberdade, α = 0,05) = 3,47

Como 5,32 > 3,47, rejeita-se H0: existe pelo menos um forno com dureza média estatisticamente diferente dos outros. A análise dos valores médios mostra o forno C com dureza mais baixa que A e B.

Ação: investigar o forno C (temperatura real, tempo de manutenção da liga em fusão, composição) antes de misturar a sua produção com os outros na expedição.

Bloco 18 · Melhoria contínua e normas da qualidade

Do sinal estatístico à ação corretiva e preventiva

Um sinal estatístico (ponto fora de limites, Cpk baixo, %GRR alto) é só o início. A melhoria contínua liga o sinal a uma causa raiz e a uma ação:

Ferramenta Para quê
Diagrama de causa-efeito (Ishikawa) Organizar hipóteses de causa raiz
5 porquês Chegar da causa aparente à causa raiz
Diagrama de Pareto Priorizar as causas com maior impacto
PDCA Estruturar o ciclo planear, executar, verificar, agir
  • Ação corretiva: elimina a causa de um defeito já ocorrido.
  • Ação preventiva: elimina a causa de um defeito que ainda não ocorreu, mas que os dados (tendência, capacidade baixa) tornam provável.

Normas da qualidade que enquadram o CEP

Norma / referência Âmbito
NP EN ISO 9001 Sistema de gestão da qualidade, em Portugal
IATF 16949 Específica da indústria automóvel, muito usada em fundições fornecedoras do sector
Manual MSA (AIAG) Metodologia e limiares de aceitação dos sistemas de medição
Manual SPC (AIAG) Metodologia de referência para cartas de controlo e capacidade
NP ISO 2859 Planos de amostragem para inspeção por atributos

O CEP não substitui estas normas: é a ferramenta estatística que as normas exigem para demonstrar, com dados, que o processo é capaz e está sob controlo.

Bloco 19 · Fecho

Do sinal estatístico à decisão: a visão integrada

O fluxo completo desta UC, de ponta a ponta:

Amostragem (subgrupos racionais)
   → Carta de controlo (X̄-R ou p/np/c/u)
      → Processo sob controlo? Se não: causa especial, agir já
      → Processo sob controlo? Se sim: avaliar capacidade (Cp, Cpk)
         → Capaz? Se não: reduzir variação e/ou recentrar
         → Capaz? Se sim: manter e vigiar tendências/sazonalidade
   → Validar sempre o sistema de medição (MSA, GRR) antes de confiar nos dados
   → Usar testes de hipóteses, regressão e ANOVA para decisões mais finas

Este fluxo aplica-se à cota de um casquilho, à dureza de um bloco ou ao número de poros de uma peça fundida: a ferramenta estatística muda, a lógica de decisão é sempre esta.

Recapitulando

  • CEP distingue causa comum de causa especial, com dados, dentro do sistema de gestão da qualidade.
  • Normal e Poisson modelam, respetivamente, medidas contínuas e contagens de defeitos.
  • Cartas de controlo (X̄-R para variáveis; p, np, c, u para atributos) monitorizam o processo em tempo real.
  • Cp e Cpk avaliam se o processo é capaz de cumprir a tolerância, e se está bem centrado.
  • MSA e GRR garantem que os dados são de confiar; testes de hipóteses, regressão e ANOVA apoiam decisões mais finas.

Próximo: fichas e mini-projecto, aplicar tudo isto a um processo de fundição real.

NOTAS DO PROFESSOR - enfatizar: o CEP decide ANTES de a peça estar fora de especificação, não depois. É prevenção, não triagem. - erro comum/pergunta: perguntar à turma porque não basta medir 100% das peças à saída (custo, tempo, e nem sempre é possível em processos destrutivos). - exemplo/analogia: um termómetro corporal normal varia ao longo do dia; só se preocupamos quando sai da gama esperada. O processo é o corpo, a carta de controlo é o termómetro.

NOTAS DO PROFESSOR - enfatizar: o CEP entra no ciclo PDCA (Planear-Executar-Verificar-Agir), já conhecido de outras UCs da qualidade. - erro comum/pergunta: alunos tratam o CEP como "só matemática"; reforçar que o objetivo é sempre de negócio (reduzir custo, cumprir cliente, reduzir desperdício). - exemplo/analogia: comparar com um painel de instrumentos de um carro: cada indicador liga-se a um objetivo (velocidade segura, motor sem sobreaquecer), não existe por existir.

NOTAS DO PROFESSOR - enfatizar: "sob controlo" não significa "sem defeitos", significa "previsível". Um processo previsível pode ainda produzir peças fora de especificação, se a variação natural for grande demais (ver capacidade, bloco 10). - erro comum/pergunta: confundir "controlado" com "dentro da tolerância do cliente". São conceitos diferentes. - exemplo/analogia: lançar sempre o mesmo dado: o resultado varia (1 a 6) por causa comum (o próprio jogo); se o dado aparecer sempre com o número 6, há uma causa especial (dado viciado).

NOTAS DO PROFESSOR - enfatizar: a regra de ouro é "não tocar num processo estável". Tocar sem sinal estatístico é uma das maiores fontes de variação adicional. - erro comum/pergunta: perguntar: "se a última peça saiu um pouco maior, deve ajustar-se já a máquina?" Resposta: só se a carta de controlo sinalizar causa especial. - exemplo/analogia: conduzir um carro corrigindo o volante a cada pequeníssima oscilação da estrada: acaba-se a ziguezaguear mais do que sem corrigir nada.

NOTAS DO PROFESSOR - enfatizar: a Normal é o modelo por omissão para variáveis contínuas (cotas, pesos, durezas); os defeitos contáveis seguem outra lei (Poisson, bloco seguinte). - erro comum/pergunta: perguntar porque os limites de controlo são a 3σ e não a 2σ (equilíbrio entre detetar desvios reais e não disparar falsos alarmes). - exemplo/analogia: a distribuição das alturas de uma turma: a maioria perto da média, poucos muito altos ou muito baixos.

NOTAS DO PROFESSOR - enfatizar: a conta usa a tabela da Normal padrão (z); não é preciso saber a fórmula integral. - erro comum/pergunta: esquecer de somar as duas caudas (superior e inferior) quando a especificação tem os dois limites. - exemplo/analogia: pedir à turma para estimar visualmente, numa curva desenhada no quadro, quanta área fica fora de ±2σ.

NOTAS DO PROFESSOR - enfatizar: a Poisson aplica-se a contagens de defeitos, não a medidas contínuas. Distinguir das cartas de variáveis. - erro comum/pergunta: perguntar porque um número de poros não é Normal (não pode ser negativo, é sempre inteiro). - exemplo/analogia: o número de chamadas recebidas numa central por hora, ou o número de estrelas cadentes vistas numa hora de céu limpo: eventos raros, independentes, contados.

NOTAS DO PROFESSOR - enfatizar: e^(−1,5) pode ser lido numa calculadora científica; não é preciso memorizar o valor. - erro comum/pergunta: perguntar o que aconteceria a P(X=0) se λ subisse para 3,0 (desceria, mais defeitos esperados por peça). - exemplo/analogia: ligar este valor de λ ao Bloco 8, onde ele se torna a linha central c̄ de uma carta de atributos.

NOTAS DO PROFESSOR - enfatizar: a lógica do subgrupo racional é a base de TODA a secção das cartas de controlo; sem ela, as fórmulas não fazem sentido. - erro comum/pergunta: perguntar o que corre mal se misturarmos peças de dois moldes diferentes no mesmo subgrupo (contamina a variação dentro do grupo, a carta perde sensibilidade). - exemplo/analogia: avaliar o cansaço de uma turma a meio da manhã: faz sentido perguntar a 5 alunos ao mesmo tempo, não perguntar a 1 aluno de hora a hora ao longo do dia inteiro.

NOTAS DO PROFESSOR - enfatizar: amostragem mal planeada invalida tudo o que vem depois, mesmo com as fórmulas certas. - erro comum/pergunta: perguntar o que aconteceria se um molde de 4 cavidades fosse sempre amostrado pela mesma cavidade (viés sistemático, não deteta as outras três). - exemplo/analogia: um inquérito de opinião que só pergunta numa só rua da cidade não representa a cidade toda.

NOTAS DO PROFESSOR - enfatizar: os limites de controlo vêm dos DADOS do próprio processo, não da especificação do cliente. É o erro conceptual mais comum da UC. - erro comum/pergunta: perguntar a diferença entre "limite de controlo" e "limite de especificação" (resposta no Bloco 10, capacidade). - exemplo/analogia: o limite de controlo é como a "zona normal de batimento cardíaco" de uma pessoa; o limite de especificação é o que o médico considera aceitável para a saúde. Coisas diferentes.

NOTAS DO PROFESSOR - enfatizar: esta tabela é o mapa mental para todo o resto do deck; os blocos 7 e 8 desenvolvem cada lado. - erro comum/pergunta: perguntar que carta usariam para "diâmetro do casquilho" (variáveis) e para "peça aceite ou rejeitada no controlo final" (atributos, p ou np). - exemplo/analogia: medir a temperatura com termómetro (variável) vs contar quantos dias por mês fez "muito calor" (atributo).

NOTAS DO PROFESSOR - enfatizar: a carta R acompanha sempre a carta X̄, porque se a dispersão (R) disparar, os limites da carta X̄ deixam de ser de confiança. - erro comum/pergunta: perguntar porque D3 = 0 para n pequeno (não há limite inferior útil, a amplitude não pode ser negativa). - exemplo/analogia: X̄ vigia "para onde o processo está a ir"; R vigia "quão instável está a ir".

NOTAS DO PROFESSOR - enfatizar: refazer a conta no quadro com a turma; as constantes A2, D3, D4 estão sempre numa tabela, não se memorizam. - erro comum/pergunta: perguntar o que aconteceria aos limites se n subisse de 5 para 10 (A2 desce, limites de X̄ ficam mais estreitos, mais sensível). - exemplo/analogia: comparar com um carro de corrida em pista: a carta X̄ mostra a trajetória média, a carta R mostra se o carro vai "aos solavancos".

NOTAS DO PROFESSOR - enfatizar: quando o LCL calculado é negativo, usa-se 0: não existe "menos de 0% de defeitos". - erro comum/pergunta: perguntar porque o n tem de ser razoavelmente constante nesta carta (se variar muito, usar a carta u em vez da p). - exemplo/analogia: a carta p é como a taxa de reprovação de uma turma por teste, com o mesmo número de alunos em cada teste.

NOTAS DO PROFESSOR - enfatizar: a base matemática destas cartas é a distribuição de Poisson do Bloco 4; o c̄ é exatamente o λ visto antes. - erro comum/pergunta: perguntar a diferença entre "número de peças rejeitadas" (carta p/np) e "número de poros" (carta c/u): a mesma peça pode contribuir com vários defeitos numa carta c. - exemplo/analogia: a carta p conta "quantos alunos chumbaram"; a carta c conta "quantos erros tem cada teste", mesmo que o aluno não chumbe.

NOTAS DO PROFESSOR - enfatizar: estas regras detetam desvios mais pequenos e persistentes, que um só ponto fora dos limites não apanharia. - erro comum/pergunta: perguntar porque 9 pontos do mesmo lado é suspeito, mesmo dentro dos limites (se o processo estivesse realmente centrado e só com causa comum, a probabilidade disso por acaso é muito baixa). - exemplo/analogia: um termómetro que nunca sobe nem desce de repente, mas sobe meio grau todos os dias: não há "febre súbita", mas há uma tendência a vigiar.

NOTAS DO PROFESSOR - enfatizar: este exemplo junta Bloco 7 (a carta) com Bloco 9 (a regra); é um bom ponto de verificação de aprendizagem. - erro comum/pergunta: perguntar que causa especial explicaria uma tendência, em vez de um salto súbito (desgaste, não um evento isolado). - exemplo/analogia: o travão de um carro que gasta pouco a pouco: não falha de um dia para o outro, mostra uma tendência antes de falhar.

NOTAS DO PROFESSOR - enfatizar: Cp olha só para a LARGURA; não diz nada sobre centragem. O Bloco 11 completa a história. - erro comum/pergunta: perguntar porque se usa 6σ e não 3σ (a tolerância tem de caber na variação dos dois lados da média). - exemplo/analogia: Cp é como perguntar "a garagem é larga o suficiente para o carro", sem perguntar ainda se o carro está bem estacionado ao centro.

NOTAS DO PROFESSOR - enfatizar: Cp < 1 é uma afirmação sobre a LARGURA do processo, independentemente de onde estiver centrado. - erro comum/pergunta: perguntar o que a empresa deveria fazer primeiro: centrar o processo ou reduzir a variabilidade (reduzir a variabilidade, porque mesmo centrado o Cp já falha). - exemplo/analogia: um carro largo demais para uma garagem estreita: não interessa estacioná-lo bem ao centro, não cabe de qualquer forma.

NOTAS DO PROFESSOR - enfatizar: Cpk nunca é maior do que Cp; a diferença entre os dois mede quanto se perde por estar descentrado. - erro comum/pergunta: perguntar: se Cp = Cpk, o que isso diz sobre o processo (está centrado exatamente a meio da especificação). - exemplo/analogia: Cp é a largura da garagem; Cpk é a distância do carro à parede mais próxima, depois de estacionado.

NOTAS DO PROFESSOR - enfatizar: comparar Cp (0,646) e Cpk (0,452) mostra as duas ações distintas necessárias: centrar e reduzir variação. - erro comum/pergunta: perguntar porque se usa o mínimo dos dois lados, e não a média (o lado mais próximo do limite é o que decide quantas peças saem fora). - exemplo/analogia: Cpk é como a distância ao obstáculo mais próximo numa manobra de estacionamento: conta a mais curta, não a média das duas.

NOTAS DO PROFESSOR - enfatizar: "medir mal" invalida tudo o resto do deck; é por isso que o MSA vem antes de confiar em qualquer carta ou índice de capacidade. - erro comum/pergunta: perguntar: se um processo parece "fora de controlo" mas o problema é o paquímetro descalibrado, o que se deve corrigir primeiro (o sistema de medição, não o processo). - exemplo/analogia: pesar-se numa balança avariada: o peso que lê pode não ter nada a ver com o peso real.

NOTAS DO PROFESSOR - enfatizar: EV é "instrumento + método"; AV é "pessoas". A distinção orienta a ação corretiva (calibrar o instrumento vs formar os operadores). - erro comum/pergunta: perguntar qual componente seria maior se o instrumento fosse bom mas os operadores não estivessem formados no mesmo procedimento (AV). - exemplo/analogia: EV é a mesma pessoa a repetir o mesmo tiro ao alvo; AV é pessoas diferentes a disparar para o mesmo alvo.

NOTAS DO PROFESSOR - enfatizar: estes limiares vêm do manual MSA da AIAG, referência habitual na indústria automóvel e nos seus fornecedores de fundição. - erro comum/pergunta: perguntar o que fazer se %GRR > 30% (não confiar nos dados até corrigir o instrumento ou o método, nem avançar para Cp/Cpk). - exemplo/analogia: um %GRR alto é como testemunhas que não se entendem sobre o que viram: não se pode confiar no relato até se entender porquê.

NOTAS DO PROFESSOR - enfatizar: refazer a conta da raiz quadrada com a turma; é aritmética simples, não é preciso software. - erro comum/pergunta: perguntar qual dos dois componentes (EV ou AV) pediria formação dos operadores em vez de manutenção do instrumento (AV). - exemplo/analogia: 14,7% é como um "erro de leitura" que ainda deixa confiar no essencial, mas que vale a pena reduzir antes de apertar mais a tolerância do cliente.

NOTAS DO PROFESSOR - enfatizar: tendência é "deriva lenta"; causa especial súbita é "salto"; ambas exigem ação, mas com urgências diferentes. - erro comum/pergunta: perguntar que manutenção preventiva evitaria uma tendência por desgaste de molde (substituição programada antes do fim da vida útil). - exemplo/analogia: o desgaste dos pneus de um carro: não acontece de um dia para o outro, vê-se vir com o tempo.

NOTAS DO PROFESSOR - enfatizar: sazonalidade exige dados de longo prazo para ser vista; uma só semana de cartas de controlo não a revela. - erro comum/pergunta: perguntar que ação preventiva se tomaria perante uma sazonalidade conhecida (ajustar previamente a mistura da areia antes do inverno, não esperar que o defeito apareça). - exemplo/analogia: as vendas de gelados sobem todos os verões: não é uma "causa especial" nova, é um padrão sazonal conhecido.

NOTAS DO PROFESSOR - enfatizar: "estatisticamente significativo" não é o mesmo que "grande": 0,045 mm pode parecer pouco, mas a amostra é suficiente para o confirmar como real. - erro comum/pergunta: perguntar o que significaria t ficar abaixo de 2,064 (não haveria evidência suficiente para dizer que a cota difere de 25,00 mm). - exemplo/analogia: um teste de hipóteses é como um julgamento: H0 é "inocente até prova em contrário"; só se rejeita com prova suficiente.

NOTAS DO PROFESSOR - enfatizar: teste de hipóteses e intervalo de confiança são duas formas de ver a mesma pergunta; é bom os alunos verem que chegam à mesma conclusão. - erro comum/pergunta: perguntar o que significa "95% de confiança" (não é "95% de probabilidade de o valor estar ali", é sobre a fiabilidade do método de estimação ao longo de muitas amostras). - exemplo/analogia: um IC é como a margem de erro apresentada numa sondagem eleitoral.

NOTAS DO PROFESSOR - enfatizar: a regressão serve para prever e para decidir parâmetros do processo, não só para descrever o passado. - erro comum/pergunta: perguntar o que significa R² = 0,78 (78% da variação dos defeitos é explicada pela temperatura; o resto vem de outros fatores). - exemplo/analogia: a relação entre o tempo de estudo e a nota de um teste: mais tempo tende a dar melhor nota, mas não explica tudo.

NOTAS DO PROFESSOR - enfatizar: refazer a conta da tabela com a turma, substituindo a temperatura na equação. - erro comum/pergunta: perguntar se se pode usar a equação para prever defeitos a 1 200 °C (não: extrapolar fora da gama de dados observada é um erro clássico de regressão). - exemplo/analogia: um modelo de regressão é fiável dentro do intervalo onde foi medido, tal como uma receita só foi testada dentro de certas quantidades.

NOTAS DO PROFESSOR - enfatizar: a ANOVA evita o erro de fazer vários testes t par a par, que aumentaria o risco de falso alarme. - erro comum/pergunta: perguntar porque não comparar os três fornos aos pares com testes t (acumula o risco de erro estatístico; a ANOVA controla isso). - exemplo/analogia: a ANOVA é como comparar as médias de três turmas num mesmo teste, para saber se um professor obtém resultados diferentes dos outros.

NOTAS DO PROFESSOR - enfatizar: a ANOVA diz "há diferença", não diz automaticamente qual grupo é diferente; isso vê-se comparando as médias depois do teste. - erro comum/pergunta: perguntar o que fazer se F ficasse abaixo do valor crítico (não haveria evidência de diferença entre os três fornos). - exemplo/analogia: a ANOVA é como um juiz a decidir que "há uma diferença entre os três grupos"; o detetive (o técnico) ainda tem de descobrir qual grupo e porquê.

NOTAS DO PROFESSOR - enfatizar: a estatística aponta ONDE está o problema; as ferramentas de melhoria contínua respondem PORQUÊ, para se agir na causa e não no sintoma. - erro comum/pergunta: perguntar a diferença entre corrigir (reagir a um lote já rejeitado) e prevenir (agir sobre uma tendência antes de produzir defeito). - exemplo/analogia: corrigir é trocar um pneu furado; prevenir é substituir um pneu gasto antes de furar.

NOTAS DO PROFESSOR - enfatizar: estas normas são a ponte entre a estatística desta UC e os requisitos contratuais que muitas fundições portuguesas têm de cumprir junto de clientes da indústria automóvel. - erro comum/pergunta: perguntar porque um cliente automóvel pode exigir Cpk mínimo de 1,33 como cláusula contratual (garante, com um número, que a variação do fornecedor não vai gerar defeito na linha do cliente). - exemplo/analogia: estas normas são como as regras de um campeonato: definem o que conta como "jogar bem", a estatística é o marcador que o comprova.

NOTAS DO PROFESSOR - enfatizar: pedir à turma para percorrer o diagrama com um exemplo concreto do próprio curso (ex.: dureza de um veio fundido). - erro comum/pergunta: perguntar por que ordem se faz isto na prática (primeiro validar a medição, depois controlar, só depois avaliar capacidade; nunca ao contrário). - exemplo/analogia: é o mesmo raciocínio de um médico: primeiro confirma que o equipamento mede bem, depois monitoriza, só depois diagnostica a gravidade.

NOTAS DO PROFESSOR - enfatizar: pedir a cada aluno que diga, numa frase, a diferença entre Cp e Cpk, e entre carta de variáveis e carta de atributos. - erro comum/pergunta: relembrar que nenhuma destas ferramentas substitui a validação do sistema de medição. - exemplo/analogia: encaminhar para o mini-projecto, onde a turma vai construir as suas próprias cartas e índices a partir de dados simulados de uma fundição.