UC00573

Aplicar métodos estatísticos no controlo dos processos

Cartas de controlo, capacidade do processo, sistemas de medição e testes de hipóteses aplicados à fundição

Curso profissional · 25h · Técnico de Fundição

Plano

  1. Controlo estatístico de processos e o SGQ
  2. Estatística descritiva aplicada ao processo
  3. Distribuição Normal
  4. Distribuição de Poisson
  5. Variabilidade e causas de variação
  6. Cartas de controlo de variáveis
  7. Cartas de controlo de atributos
  8. Interpretar uma carta de controlo
  9. Índices de capacidade Cp e Cpk
  10. Cp e Cpk face às especificações
  11. Sistemas de medição e o estudo GRR
  12. Amostragem de processos
  13. Tendências e sazonalidade
  14. Testes de hipóteses e intervalos de confiança
  15. Regressão, ANOVA e normas da qualidade

Bloco 1 · CEP e o sistema de gestão da qualidade

Porque controlar estatisticamente um processo

Numa fundição, um processo (fusão, vazamento, arrefecimento, acabamento) nunca produz duas peças rigorosamente iguais. O controlo estatístico de processos (CEP) usa dados numéricos, e não a opinião de quem observa, para decidir se o processo está estável e dentro das especificações.

  • Faz parte do sistema de gestão da qualidade (SGQ) da organização: é a metodologia que dá números ao controlo da qualidade.
  • Objetivo: monitorizar e controlar os processos através de métodos estatísticos, uma das realizações centrais desta UC.
  • Substitui o "parece bem" por evidência mensurável, alinhada com os objetivos estratégicos e os requisitos da qualidade.

Sem CEP, um defeito só se descobre depois de fabricadas centenas de peças.

O ciclo do controlo estatístico

O CEP segue um ciclo repetido ao longo da produção:

  1. Recolher dados do processo (medições, contagens de defeitos).
  2. Registar numa carta de controlo.
  3. Comparar com os limites estatísticos do processo.
  4. Decidir: o processo está estável ou tem uma causa a investigar?
  5. Agir: ação corretiva se houve desvio, ação preventiva se se antevê um risco.

Este ciclo garante o alinhamento das ações de controlo com os objetivos da qualidade e reduz custos ao evitar peças fora de especificação.

Bloco 2 · Estatística descritiva aplicada ao processo

Medidas de tendência central

Para descrever um conjunto de medições do processo (por exemplo, a dureza de 20 peças fundidas), usam-se três medidas:

Medida O que mostra Fórmula
Média (x̄) valor central típico soma dos valores / n
Mediana valor do meio, ordenado insensível a valores extremos
Moda valor mais frequente contagem simples

A média é a base de quase todas as cartas de controlo de variáveis, por ser sensível a qualquer desvio do processo.

Medidas de dispersão

A dispersão diz quanto os valores variam à volta da média, o que interessa tanto ou mais do que a própria média num processo de fundição.

  • Amplitude (R): maior valor menos menor valor. Simples, usada nas cartas X-R.
  • Desvio-padrão (σ ou s): quanto os valores se afastam, em média, do centro.
  • Variância: o desvio-padrão ao quadrado.

Um processo com média dentro do alvo mas dispersão elevada produz peças fora de tolerância nos dois extremos.

Bloco 3 · Distribuição Normal

A distribuição Normal

Muitos processos de fabrico (dimensões, dureza, peso de uma peça fundida) seguem, quando estáveis, a distribuição Normal: a clássica curva em sino, simétrica à volta da média.

  • Definida por dois parâmetros: média (μ) e desvio-padrão (σ).
  • É a distribuição de referência para dados contínuos (medições) no controlo estatístico.
  • Cerca de 68% dos valores caem entre μ ± 1σ, 95% entre μ ± 2σ e 99,7% entre μ ± 3σ (regra empírica).

Esta regra dos "3 sigma" é a base dos limites de controlo das cartas de variáveis.

Ler um histograma de processo

O histograma é a forma prática de ver se os dados se aproximam da Normal:

  • Forma simétrica e centrada no alvo: processo bem ajustado.
  • Forma deslocada do alvo: processo com a média desviada.
  • Forma achatada e larga: dispersão elevada, processo pouco preciso.
  • Forma assimétrica ou com dois picos: pode indicar duas causas distintas de variação (dois turnos, duas máquinas).

O histograma é sempre o primeiro gráfico a olhar antes de construir uma carta de controlo.

Bloco 4 · Distribuição de Poisson

A distribuição de Poisson

Quando o que se conta são eventos discretos raros num intervalo fixo (peça, área, tempo), como o número de porosidades numa peça fundida, usa-se a distribuição de Poisson.

  • Descreve a probabilidade de ocorrerem 0, 1, 2, 3... defeitos num dado espaço ou período.
  • Parâmetro único: λ (lambda), o número médio de ocorrências.
  • Aplicação típica em fundição: número de bolhas, poros ou inclusões por peça ou por lote.

É a base estatística das cartas de controlo de atributos do tipo c e u.

Bloco 5 · Variabilidade e causas de variação

Nenhum processo é perfeitamente constante

Toda a variação de um processo tem origem em duas famílias de causas, uma distinção central do CEP:

  • Causas comuns (aleatórias): sempre presentes, pequenas, muitas e inerentes ao próprio processo (vibração da máquina, variação do material, temperatura ambiente). O processo está estável, mesmo com esta variação natural.
  • Causas especiais (assinaláveis): eventos identificáveis e evitáveis (ferramenta gasta, erro do operador, lote de matéria-prima defeituoso). Provocam desvios que a carta de controlo tem de detetar.

A meta do CEP não é eliminar toda a variação, é eliminar as causas especiais e reduzir progressivamente as causas comuns.

Influência da variabilidade nos resultados

Analisar a variabilidade e a distribuição dos dados permite prever o comportamento do processo:

  • Muita variação, mesmo com a média certa, aumenta a percentagem de peças fora de especificação.
  • A técnica de análise começa sempre por: recolher dados, calcular média e dispersão, comparar com a distribuição esperada.
  • Reduzir a variabilidade é, a par de acertar a média, um dos dois grandes alavancas de melhoria contínua do processo.

Um processo previsível é um processo que se consegue melhorar; um processo imprevisível só se consegue remediar.

Bloco 6 · Cartas de controlo de variáveis

O que é uma carta de controlo

A carta de controlo (Shewhart) é o principal instrumento do CEP: um gráfico que representa os valores do processo ao longo do tempo, com três linhas de referência.

Linha Significado
LC (linha central) a média do processo
LSC (limite superior de controlo) LC + 3σ
LIC (limite inferior de controlo) LC − 3σ

Um ponto fora dos limites, ou um padrão anormal dentro deles, sinaliza uma causa especial a investigar.

Carta X̄-R (média e amplitude)

A carta mais usada para dados contínuos (dimensões, peso, dureza) combina duas cartas complementares, com amostras (subgrupos) pequenas e regulares:

  • Carta X̄: acompanha a média de cada subgrupo, deteta desvios do centro do processo.
  • Carta R: acompanha a amplitude de cada subgrupo, deteta alterações na dispersão.

Exemplo resolvido · carta X̄-R numa fundição

  1. Recolher 5 peças de hora a hora (subgrupo n=5); medir o diâmetro de um furo maquinado.
  2. Calcular a média e a amplitude de cada subgrupo.
  3. Calcular a média das médias (LC da X̄) e a média das amplitudes (LC da R).
  4. Os limites de controlo obtêm-se a partir de tabelas de constantes estatísticas (A2, D3, D4) aplicadas a estas médias.
  5. Traçar os pontos ao longo dos turnos e verificar se ficam dentro dos limites.

Bloco 7 · Cartas de controlo de atributos

Dados de atributos: conforme ou não conforme

Quando o que se avalia é uma característica qualitativa (a peça tem ou não uma porosidade visível; passa ou não no ensaio) usam-se cartas de atributos, baseadas em contagens e proporções.

Carta Mede Amostra Distribuição base
p proporção de defeituosas variável Binomial
np número de defeituosas fixa Binomial
c número de defeitos por unidade fixa Poisson
u defeitos por unidade, área variável variável Poisson

Numa fundição, a carta c aplica-se, por exemplo, ao número de poros por peça; a carta p, à proporção de peças rejeitadas por lote.

Escolher a carta certa

Antes de desenhar qualquer carta, responder a duas perguntas:

  1. O dado é uma medição contínua ou uma contagem? Medição → variáveis (X̄-R). Contagem → atributos (p, np, c, u).
  2. Conta-se peças defeituosas ou defeitos? Peças → p/np. Defeitos → c/u.

Escolher a carta errada invalida toda a análise seguinte, porque os limites de controlo assentam em fórmulas diferentes para cada distribuição.

Bloco 8 · Interpretar uma carta de controlo

Sinais de um processo fora de controlo

Um processo diz-se fora de controlo estatístico quando a carta mostra qualquer um destes padrões, mesmo sem nenhum ponto ultrapassar os limites:

  • 1 ponto fora de LSC ou LIC.
  • 7 ou mais pontos consecutivos do mesmo lado da linha central (tendência de deslocamento).
  • Sequência crescente ou decrescente de vários pontos seguidos (deriva do processo).
  • Padrão cíclico repetido (turnos, mudanças de operador ou de lote).

Identificar tendências e padrões nos processos é uma das realizações centrais desta UC, e é o que distingue um leitor de cartas competente de quem só verifica se o ponto está dentro da linha.

Da deteção à ação

Detetar um padrão anormal é só metade do trabalho. Segue-se sempre:

  1. Investigar a causa no momento (registo de turno, lote, ferramenta, operador).
  2. Ação corretiva: eliminar a causa especial já identificada e voltar o processo à normalidade.
  3. Ação preventiva: agir antes de o desvio acontecer, quando a análise de dados aponta um risco (ex.: desgaste previsível de uma ferramenta).
  4. Registar a ocorrência e a ação tomada, para alimentar a melhoria contínua.

Implementar ações corretivas e preventivas fecha o ciclo do controlo estatístico de processos.

Bloco 9 · Índices de capacidade Cp e Cpk

O que mede a capacidade do processo

Um processo pode estar sob controlo estatístico (estável, sem causas especiais) e, ainda assim, não conseguir cumprir as especificações do cliente. Avaliar a capacidade do processo responde exatamente a essa pergunta.

  • Compara a variação natural do processo com os limites de especificação (LSE e LIE) definidos no desenho da peça.
  • Um processo capaz produz, de forma consistente, dentro do que o cliente pede.
  • É o passo seguinte, e só faz sentido, depois de o processo estar estatisticamente estável (Bloco 8).

Calcular Cp e Cpk

Índice Fórmula O que avalia
Cp (LSE − LIE) / 6σ a dispersão cabe na tolerância? (ignora a centragem)
Cpk mín [ (LSE−μ)/3σ ; (μ−LIE)/3σ ] dispersão e centragem em relação ao alvo

Exemplo resolvido · Cp e Cpk

Um furo tem especificação 20 ± 0,3 mm (LSE=20,3; LIE=19,7). O processo mede μ=20,05 mm e σ=0,05 mm.

  • Cp = (20,3 − 19,7) / (6 × 0,05) = 0,6 / 0,3 = 2,0
  • Cpk = mín [ (20,3−20,05)/(3×0,05) ; (20,05−19,7)/(3×0,05) ] = mín [1,67 ; 2,33] = 1,67

Cp alto mas Cpk mais baixo: o processo tem dispersão pequena, mas está ligeiramente desviado do centro da tolerância.

Bloco 10 · Cp e Cpk face às especificações

Interpretar o valor do índice

Valor de Cpk Leitura
< 1,00 processo incapaz: produz peças fora de especificação
1,00 a 1,33 capacidade marginal, requer vigilância apertada
1,33 a 1,67 capacidade adequada, padrão comum na indústria
> 1,67 capacidade excelente

Estes valores relacionam sempre o índice com as especificações e tolerâncias do desenho da peça, nunca com um número isolado sem contexto.

Cp igual, Cpk diferente: o papel da centragem

Dois processos podem ter o mesmo Cp (mesma dispersão relativa à tolerância) e Cpk muito diferentes, consoante a centragem:

  • Processo centrado no alvo: Cp = Cpk.
  • Processo desviado, mesmo com pouca dispersão: Cpk cai abaixo de Cp.

A ação corretiva mais eficaz depende do diagnóstico: se Cp é baixo, o problema é a dispersão (reduzir causas comuns); se Cp é alto mas Cpk baixo, o problema é a centragem (ajustar o processo ao alvo).

Bloco 11 · Sistemas de medição e o estudo GRR

Porque avaliar o sistema de medição

Antes de confiar em qualquer dado de processo, é preciso confiar no instrumento e no método que o gerou. A análise de sistemas de medição (MSA) avalia isso mesmo.

  • Um sistema de medição impreciso pode fazer parecer que o processo varia, quando na verdade é o instrumento que varia.
  • Avalia-se a adequação e a precisão dos equipamentos de medição usados no controlo (paquímetros, durómetros, calibres).
  • É pré-requisito de qualquer estudo de capacidade sério: se não confio na medida, não confio no Cp/Cpk que dela deriva.

O estudo GRR (repetibilidade e reprodutibilidade)

O GRR (Gauge Repeatability and Reproducibility) separa a variação total observada em três fontes:

Fonte Pergunta a que responde
Repetibilidade o mesmo operador, medindo a mesma peça várias vezes, obtém o mesmo valor?
Reprodutibilidade operadores diferentes, medindo a mesma peça, concordam entre si?
Variação do processo quanto da variação total é mesmo do processo, e não do sistema de medição?

Método típico: 2 a 3 operadores, 10 peças, 2 a 3 medições por peça e por operador, com os resultados analisados estatisticamente.

Bloco 12 · Amostragem de processos

Porque amostrar em vez de medir tudo

Medir 100% da produção é, na maioria dos processos de fundição, impraticável ou destrutivo (ensaios de tração, corte metalográfico). A amostragem resolve isto com rigor estatístico.

  • Recolhe-se um subconjunto representativo do lote ou do período de produção.
  • O tamanho e a frequência da amostra determinam a capacidade de deteção de um desvio.
  • Amostras pequenas e frequentes deteta desvios mais depressa do que amostras grandes e raras, com o mesmo esforço total.

A amostragem bem planeada é o que torna o CEP viável no dia a dia da produção.

Boas práticas de amostragem

  • Aleatoriedade: cada peça do lote deve ter a mesma hipótese de ser escolhida.
  • Racionalidade dos subgrupos: agrupar peças produzidas em condições semelhantes (mesmo molde, mesmo turno) para não misturar causas de variação diferentes.
  • Frequência ajustada ao risco: processos críticos ou instáveis, amostragem mais frequente.
  • Documentar sempre quando, onde e como cada amostra foi recolhida, para se poder investigar mais tarde.

Bloco 13 · Tendências e sazonalidade

Ler a evolução do processo no tempo

Além dos padrões pontuais de uma carta de controlo, vale a pena olhar para o processo numa escala mais larga, ao longo de semanas ou meses.

  • Tendência: subida ou descida gradual e sustentada (ex.: desgaste progressivo de um molde ao longo de centenas de ciclos).
  • Sazonalidade: variação que se repete em ciclos regulares (turno, dia da semana, estação do ano, temperatura ambiente na nave fabril).
  • Distinguir os dois é essencial: uma tendência pede substituição ou manutenção; um padrão sazonal pede ajuste ao contexto, não uma peça nova.

Aplicação prática na fundição

  • Registar a data e o turno de cada medição permite depois separar tendência de sazonalidade em análise.
  • Uma tendência detetada cedo permite planear a manutenção preventiva de um molde ou ferramenta antes de gerar peças fora de especificação.
  • Um padrão sazonal (ex.: mais rechupes no verão, por maior temperatura ambiente) pode levar a ajustar parâmetros do processo por época.

Ler o processo no tempo, e não só ponto a ponto, é o que liga o CEP à manutenção e ao planeamento da produção.

Bloco 14 · Testes de hipóteses e intervalos de confiança

Testar uma hipótese sobre o processo

Quando se muda um parâmetro do processo (novo fornecedor de areia, nova liga, novo operador), é preciso decidir, com dados e não por impressão, se a mudança teve efeito real.

  • Hipótese nula (H0): não há diferença; a mudança não teve efeito.
  • Hipótese alternativa (H1): há diferença real entre as condições.
  • O teste calcula a probabilidade de observar os dados obtidos se H0 fosse verdadeira; se essa probabilidade for muito baixa, rejeita-se H0.

Um teste de hipóteses evita concluir "melhorou" ou "piorou" a partir de uma simples diferença entre duas médias que pode ser só variação natural.

Intervalos de confiança

O intervalo de confiança dá, além da média estimada, uma faixa de valores plausíveis para o verdadeiro parâmetro do processo.

  • Um intervalo de confiança de 95% significa que, repetindo o processo de amostragem muitas vezes, 95% dos intervalos calculados conteriam o valor real.
  • Intervalos mais estreitos vêm de amostras maiores ou de processos com menos variação.
  • Complementa o teste de hipóteses: mostra não só se há diferença, mas a grandeza provável dessa diferença.

Reportar um intervalo de confiança, e não só um número único, é boa prática de rigor estatístico.

Bloco 15 · Regressão, ANOVA e normas da qualidade

Regressão linear e ANOVA

Duas ferramentas estatísticas avançadas completam a caixa de ferramentas do CEP quando há várias variáveis a considerar:

  • Regressão linear: modela a relação entre uma variável do processo (ex.: temperatura de vazamento) e um resultado (ex.: dureza final), permitindo prever o efeito de ajustar essa variável.
  • ANOVA (análise de variância): compara mais de dois grupos ao mesmo tempo (ex.: três turnos, quatro moldes), dizendo se pelo menos um difere significativamente dos outros.

Ambas transformam dados dispersos em decisões concretas sobre onde agir para melhorar o processo.

Normas da qualidade e fecho

O controlo estatístico de processos não vive isolado: enquadra-se sempre nas normas da qualidade da organização e do setor (ex.: sistemas de gestão da qualidade certificados, requisitos específicos da indústria de fundição).

  • As normas definem o que medir, com que frequência e que registos manter.
  • Cumprir as normas e usar corretamente as ferramentas estatísticas reduz custos, desperdício e repetições de trabalho.
  • Todo o percurso desta UC serve um único fim: monitorizar, avaliar e melhorar o processo com rigor, ética e sentido crítico.

Recapitulando

  • O CEP usa a estatística (Normal, Poisson, média, dispersão) para distinguir causas comuns de causas especiais.
  • Cartas de controlo de variáveis (X̄-R) e de atributos (p, np, c, u) monitorizam o processo em tempo real.
  • Cp e Cpk avaliam se um processo estável cumpre as especificações; o GRR garante que se confia na medida.
  • Amostragem, tendências e sazonalidade, testes de hipóteses e intervalos de confiança dão rigor à decisão.
  • Regressão, ANOVA e as normas da qualidade fecham o percurso: menos custos, menos desperdício, mais qualidade.

Próximo: fichas e mini-projeto, aplicar o controlo estatístico a dados reais de fundição.

NOTAS DO PROFESSOR - Enfatizar: o CEP previne defeitos, não se limita a detetá-los no fim da linha. - Erro comum: confundir controlo estatístico de processos com controlo de qualidade final (inspeção 100%). O CEP atua durante o processo. - Exemplo: numa fundição de alumínio, medir a temperatura de vazamento a cada meia hora e registar num gráfico, em vez de só inspecionar as peças frias.

NOTAS DO PROFESSOR - Ligar este ciclo ao PDCA que os alunos já conhecem de outras UCs da qualidade. - Pergunta à turma: quem deve poder parar a linha quando a carta sinaliza um desvio? Discutir autonomia e responsabilidade. - Exemplo/analogia: é como um médico que mede a tensão arterial regularmente, em vez de esperar por um sintoma grave.

NOTAS DO PROFESSOR - Enfatizar: a média sozinha esconde a dispersão. Duas amostras podem ter a mesma média e qualidades muito diferentes. - Erro comum: calcular a média sem verificar se há um valor absurdo (erro de leitura) a distorcê-la. - Exemplo: dureza de 5 peças (HB): 180, 182, 179, 181, 350 (erro de leitura). A média sobe muito por causa de um único valor.

NOTAS DO PROFESSOR - Enfatizar a frase-chave: controlar o processo é controlar a média E a dispersão, não só uma delas. - Erro comum: achar que "a média está certa" chega para o processo estar bem. - Analogia: um atirador com boa mira mas mão trémula, a média dos tiros pode estar no centro do alvo, mas os tiros espalham-se.

NOTAS DO PROFESSOR - Enfatizar a regra 68/95/99,7% com um desenho da curva no quadro. - Erro comum: assumir que todo o processo é Normal sem verificar. Nem todos são. - Exemplo: a dureza Brinell de um lote de peças fundidas, medida em 30 peças, tende a formar um histograma em sino.

NOTAS DO PROFESSOR - Mostrar exemplos de histogramas simétrico, deslocado e bimodal lado a lado. - Erro comum: ignorar um histograma com dois picos e tratar os dados como uma só população. - Pergunta: se o histograma tem dois picos, o que se deve investigar primeiro? (se há duas máquinas ou dois turnos a misturar dados).

NOTAS DO PROFESSOR - Enfatizar: Poisson conta ocorrências de defeito, a Normal mede uma característica contínua. São ferramentas diferentes. - Erro comum: usar uma carta de variáveis para contar defeitos por peça. Não faz sentido, é dado de contagem. - Exemplo/analogia: contar o número de chamadas recebidas por hora num call center é o mesmo tipo de problema que contar poros por peça fundida.

NOTAS DO PROFESSOR - Esta é a distinção mais importante do módulo. Repetir com exemplos concretos até fixar. - Erro comum: reagir a cada oscilação como se fosse uma causa especial (sobreajuste do processo, que aumenta a variação). - Exemplo: um molde que aquece de forma ligeiramente diferente em cada ciclo é causa comum; um molde rachado é causa especial.

NOTAS DO PROFESSOR - Ligar à atitude "sentido analítico" do referencial: ler os dados antes de agir. - Erro comum: tentar "melhorar" um processo instável. Primeiro estabiliza-se (elimina-se causas especiais), só depois se melhora. - Pergunta: um processo instável mas com boa média está pronto para um estudo de capacidade? (não, tem de estar estável primeiro).

NOTAS DO PROFESSOR - Enfatizar: os limites de controlo vêm dos DADOS do próprio processo, não são as tolerâncias do desenho da peça. É a confusão mais comum de toda a UC. - Erro comum: chamar "limite de controlo" às especificações do cliente. São coisas diferentes (ver Bloco 9/10). - Exemplo: numa fundição, a carta de controlo de temperatura de vazamento tem limites calculados do histórico, não do manual do fornecedor.

NOTAS DO PROFESSOR - Trazer uma tabela de constantes (A2, D3, D4) para n=5 e fazer o cálculo passo a passo com dados fictícios. - Erro comum: verificar só a carta X̄ e ignorar a carta R. Se a dispersão descontrola, a X̄ perde significado. - Exercício rápido: com 4 subgrupos de 5 peças, calcular à mão as médias e amplitudes.

NOTAS DO PROFESSOR - Ligar diretamente ao Bloco 4 (Poisson): as cartas c e u vêm de lá. - Erro comum: usar a carta p quando a amostra é sempre do mesmo tamanho (nesse caso, np é mais direta). - Exemplo/analogia: contar "quantas peças falharam" é p/np; contar "quantos defeitos tem cada peça" é c/u.

NOTAS DO PROFESSOR - Fazer a turma classificar 6 situações reais de fundição (dureza, número de rechupes, diâmetro, peso, % de rejeição, número de inclusões). - Erro comum: misturar cartas de variáveis e de atributos para o mesmo dado, "por garantia". Só uma é correta. - Pergunta: se hoje medimos o peso e amanhã só contamos "aprovado/rejeitado", a carta muda? (sim, de X̄-R para p).

NOTAS DO PROFESSOR - Mostrar os quatro padrões desenhados lado a lado numa carta fictícia. - Erro comum: só olhar para pontos fora dos limites e ignorar as tendências dentro deles, que avisam mais cedo. - Exemplo: 7 pontos seguidos acima da linha central podem indicar que um novo lote de areia de moldação está a alterar o processo, antes de qualquer ponto sair fora dos limites.

NOTAS DO PROFESSOR - Distinguir claramente corretiva (já aconteceu) de preventiva (ainda não aconteceu, mas o risco é visível nos dados). - Erro comum: "resolver" o sintoma (rejeitar a peça) sem tratar a causa raiz, o problema repete-se. - Exercício: dado um caso de 7 pontos acima da linha central, a turma propõe uma ação corretiva e uma preventiva.

NOTAS DO PROFESSOR - Enfatizar a ordem: primeiro estabilizar (cartas de controlo), só depois estudar a capacidade. Estudar a capacidade de um processo instável não tem significado. - Erro comum: correr direto para o Cp/Cpk sem confirmar a estabilidade do processo. - Exemplo: um processo de maquinação de um furo com LSE e LIE definidos pelo cliente é o candidato natural a este estudo.

NOTAS DO PROFESSOR - Refazer o cálculo com a turma no quadro, insistindo na diferença entre Cp e Cpk. - Erro comum: usar Cp e Cpk como sinónimos. Cp ignora a centragem, Cpk não. - Pergunta: se o processo estivesse perfeitamente centrado em 20,00 mm, Cp e Cpk seriam iguais? (sim).

NOTAS DO PROFESSOR - Enfatizar que estes limiares são referências práticas de indústria, não uma lei universal; cada cliente pode exigir o seu mínimo. - Erro comum: aceitar um Cpk baixo "porque a média está no alvo". A dispersão continua a gerar peças fora. - Exemplo: muitos cadernos de encargos da indústria automóvel exigem Cpk ≥ 1,33 como condição de fornecimento.

NOTAS DO PROFESSOR - Este é o raciocínio de diagnóstico mais valioso do bloco: separar "problema de dispersão" de "problema de centragem". - Erro comum: tentar reduzir a variabilidade quando o que falta é recentrar o processo (ou vice-versa). - Exercício: dado Cp=1,8 e Cpk=0,9, a turma diagnostica o problema (centragem) antes de propor a solução.

NOTAS DO PROFESSOR - Enfatizar: um Cpk excelente calculado com um instrumento mau não vale nada. - Erro comum: assumir que o instrumento está sempre certo porque "é calibrado". Calibração e precisão de utilização são coisas diferentes. - Exemplo: um durómetro bem calibrado mas usado por dois operadores com pressões de aplicação diferentes gera variação que não é do processo.

NOTAS DO PROFESSOR - Explicar a diferença com um exemplo físico: repetibilidade é o mesmo operador repetindo, reprodutibilidade é operadores diferentes. - Erro comum: fazer o GRR com peças todas muito parecidas entre si, o que esconde a variação real do processo. - Pergunta: se o %GRR sair muito alto, o problema está no processo ou no sistema de medição? (no sistema de medição).

NOTAS DO PROFESSOR - Enfatizar: amostragem não é "medir menos por preguiça", é uma escolha estatística deliberada. - Erro comum: amostrar sempre as mesmas peças mais acessíveis (topo da palete), introduzindo enviesamento. - Exemplo: em vez de inspecionar 1 peça por hora sempre à mesma hora, alternar o momento de recolha ao longo do turno.

NOTAS DO PROFESSOR - Ligar ao conceito de "subgrupo racional" já usado nas cartas X̄-R do Bloco 6. - Erro comum: juntar peças de dois moldes diferentes no mesmo subgrupo, mascarando uma diferença real entre eles. - Exercício: a turma desenha um plano de amostragem para um processo de vazamento com 3 turnos.

NOTAS DO PROFESSOR - Enfatizar a diferença prática: tendência aponta para desgaste ou deriva; sazonalidade aponta para um fator externo cíclico. - Erro comum: tratar uma variação sazonal (mais defeitos no inverno, por temperatura da nave) como se fosse aleatória. - Exemplo: um molde de fundição sob pressão que perde precisão de forma gradual ao longo de 5000 ciclos, até à manutenção programada.

NOTAS DO PROFESSOR - Ligar este bloco a outras UCs de manutenção que a turma já tenha visto. - Erro comum: substituir uma ferramenta só quando falha, ignorando a tendência que já a anunciava. - Pergunta: que dado seria preciso registar para provar que o efeito é sazonal e não uma tendência? (comparar o mesmo período em anos ou turnos diferentes).

NOTAS DO PROFESSOR - Enfatizar: a pergunta do teste é sempre "a diferença observada é real ou pode ser só ruído do processo?". - Erro comum: comparar duas médias e concluir logo que uma é melhor, sem testar se a diferença é estatisticamente significativa. - Exemplo: comparar a dureza média de peças com areia do fornecedor A e do fornecedor B, com 20 peças de cada.

NOTAS DO PROFESSOR - Explicar com uma analogia: o intervalo é a "margem de erro" que os inquéritos de opinião costumam publicar. - Erro comum: interpretar "95% de confiança" como "95% de probabilidade de o valor estar ali", a leitura correta é sobre o método de amostragem repetido. - Exercício: dado um intervalo de confiança estreito e outro largo para a mesma média, discutir qual dá mais segurança à decisão.

NOTAS DO PROFESSOR - Situar estas ferramentas como avançadas, para quando o teste de duas médias (Bloco 14) não chega (mais de dois grupos ou mais de uma variável). - Erro comum: usar vários testes de duas médias em vez de uma ANOVA quando há três ou mais grupos, o que aumenta o erro estatístico global. - Exemplo: usar ANOVA para comparar a dureza média de peças fundidas em 4 moldes diferentes, de uma só vez.

NOTAS DO PROFESSOR - Recapitular o fio condutor: estabilidade (cartas) → capacidade (Cp/Cpk) → confiança na medida (GRR) → decisão informada (testes/regressão/ANOVA). - Ligar às atitudes do referencial: rigor, autonomia, conduta ética, sentido crítico e respeito pelas normas. - Anunciar as fichas e o mini-projeto: aplicar todo este percurso a dados reais de uma fundição.