UNIVERSIDADE FEDERAL DO RIO GRANDE DO NORTE CENTRO … · P&D – Pesquisa e Desenvolvimento PIB...
Transcript of UNIVERSIDADE FEDERAL DO RIO GRANDE DO NORTE CENTRO … · P&D – Pesquisa e Desenvolvimento PIB...
UNIVERSIDADE FEDERAL DO RIO GRANDE DO NORTE
CENTRO DE TECNOLOGIA
PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA DE
PRODUÇÃO
MELHORIA DE PROCESSOS VIA DELINEAMENTO DE
EXPERIMENTOS E GRÁFICOS DE CONTROLE: PROPOSTA
PARA APLICAÇÃO EM MICRO E PEQUENAS EMPRESAS
LYCIA NASCIMENTO RABELO MOREIRA
NATAL/RN
2016
LYCIA NASCIMENTO RABELO MOREIRA
MELHORIA DE PROCESSOS VIA DELINEAMENTO DE
EXPERIMENTOS E GRÁFICOS DE CONTROLE: PROPOSTA
PARA APLICAÇÃO EM MICRO E PEQUENAS EMPRESAS
Dissertação de Mestrado submetida ao Programa de
Pós-Graduação em Engenharia de Produção da
Universidade Federal do Rio Grande do Norte, como
requisito para obtenção do Título de Mestre em
Engenharia de Produção.
Orientadora: Carla Almeida Vivacqua, Drª.
Natal/RN
2016
DEDICATÓRIA
Aos meus queridos e amados pais, Walter e
Dalvanira, e ao meu amado esposo André...
AGRADECIMENTOS
A Deus, por seu infinito amor ao me proporcionar saúde e guiar a minha vida em todos os
momentos, trazendo-me força e esperança diante das dificuldades.
Aos meus pais, Walter e Dalvanira, por um amor imensurável e inigualável a mim estimado,
por terem sido os meus primeiros mestres, cujos ensinamentos são os princípios base que
ministram minha vida. Obrigada por acreditarem em mim e no meu potencial mais do que eu
mesma acredito.
Ao meu esposo André, que preencheu os espaços que ainda estavam abertos na minha vida e
me ajudou a enfrentar todos os obstáculos encontrados ao longo do curso, sempre com
palavras de amor e de autoestima.
A todos os meus familiares, em especial a minha irmã, meus tios e primos, sempre tão
presentes desde o início de minha trajetória, evidenciando incessantemente a solidariedade e o
carinho a mim dedicados.
A minha orientadora, Carla Vivacqua, exemplo de competência e de dedicação ao trabalho
acadêmico. Obrigada por ajudar a ampliar os meus conhecimentos e a minha visão acerca do
assunto e por sempre me atender com bastante presteza.
A todos os funcionários da empresa que atuou como ambiente da pesquisa, me
disponibilizando todas as informações necessárias e atuando sempre com bastante
solidariedade.
A todo o corpo docente e colaboradores do curso de Pós Graduação da UFRN, por terem
corroborado de forma direta com essa conquista. Obrigada por terem feito parte de minha
formação ampliando os meus conhecimentos e a minha visão de mundo. E obrigada, em
especial, aos professores Marcus, Linda e Mariana que aceitaram gentilmente participar de
minha banca de defesa.
Obrigada a minha querida e amada turma da “sofrência” (Júlia, Tuíra, Vanessa, Izabelle,
Rafael, Luciano, Adriana, Iran e Mariana). A minha amiga de hoje e sempre Tâmara e a todos
os que não foram citados, mas que de alguma forma contribuíram para esta conquista.
“Tenho a impressão de ter sido uma criança
brincando à beira-mar, divertindo-me em
descobrir uma pedrinha mais lisa ou uma concha
mais bonita que as outras, enquanto o imenso
oceano da verdade continua misterioso diante de
meus olhos.”
(Isaac Newton)
RESUMO
Considerando as exigências cada vez mais estritas que o mercado impõe às empresas e o
poder de adaptação em tempos cada vez menores requeridos para que estas se mantenham
competitivas, faz-se necessário considerar abordagens que simultaneamente acompanhem os
processos-chave e procedimentos que busquem sua otimização. Face ao exposto, o objetivo
deste trabalho é propor um modelo de integração entre as ferramentas de experimentação e
controle estatístico de processo para fins de implementação em pequenas empresas. Para
tanto, realiza-se uma pesquisa bibliográfica para identificar os casos de aplicação integrada
destas ferramentas, de modo a servir de base na construção do modelo. Na sequência, o
modelo é aplicado para fins de verificação e validação, por meio de um estudo de caso em
uma pequena empresa responsável pela fabricação de embalagens manufaturadas em tecido
de polipropileno. Dentro deste contexto, realiza-se um experimento fatorial 2³ x 2²
aleatorizado em parcelas subdivididas com réplica e repetição. Para a análise do experimento
e interpretação dos resultados, fazem-se uso do software Minitab 17, o qual gera os gráficos
dos efeitos principais e das interações que são significativas ao nível 5% de significância.
Posteriormente, uma proposta conceitual de monitoramento via gráficos de controle é
sugerida a fim de manter as variáveis de saída sob estado de controle estatístico. Por fim, os
resultados mostraram que o uso conjunto destas duas ferramentas de qualidade, bem como as
parcerias estabelecidas com universidades, podem otimizar o processo de melhoria da
qualidade em pequenas empresas.
Palavras-Chave: Controle Estatístico de Processo; Experimentação; Pequenas empresas;
Qualidade;
ABSTRACT
Considering the increasingly stringent requirements that the market imposes on businesses
and the ability to adapt in short times required for companies to remain competitive, it is
necessary to consider approaches that simultaneously monitor key processes and seek
optimization. Under this scenario, the objective of this study is to propose a model integrating
statistical process control and experimentation for small enterprises. Therefore, we carry out a
literature review to identify cases of applications of these tools in an integrated manner to
provide the basis for constructing a framework. Sequentially, the proposed framework is
applied for verification and validation, through a case study in a small company responsible
for manufacturing of packaging in polypropylene fabric. In this context, we employ a factorial
split-plot 2³ x 2² design with repetition and replication. For the analysis of the experiment, we
use Minitab 17, which generates main effects and interaction plots. A proposal for monitoring
via control charts is suggested to maintain the output variables in statistical control. Finally,
the results show that the combined use of design of experiments and statistical process
control, aligned with university-industry partnership, can optimize the quality improvement
process in small businesses.
Keywords: Statistical Process Control; Experimentation; Small business; Quality;
LISTA DE FIGURAS
Figura 1 - Fases do processo de inovação.................................................................................20
Figura 2 - Modelo de gráfico de controle de Shewart...............................................................29
Figura 3 - Formas de variação na distribuição de probabilidade devido a uma causa especial30
Figura 4 - Comportamento cíclico do uso combinado das ferramentas CEP e DOE...............37
Figura 5 - Evolução das taxas de empreendedorismo no brasil segundo o estágio do
empreendimento........................................................................................................................42
Figura 6 - Distribuição do número médio de empresas existentes em cada categoria dos anos
de 2009 a 2011..........................................................................................................................43
Figura 7 - Relação de troca entre instituição de ensino superior e empresa.............................47
Figura 8 - Caracterização da pesquisa.......................................................................................49
Figura 9 - Etapas adotadas para a execução da pesquisa..........................................................49
Figura 10 - Mapeamento das etapas para a implementação do modelo proposto.....................58
Figura 11 - Metas e ferramentas para o alcance da melhoria contínua de qualidade................59
Figura 12 - Principais modelos de big bags conforme os critérios: tipo de alça, de tampa e de
fundo.........................................................................................................................................69
Figura 13 - Esboço dos modelos básicos de big bags manufaturados pela empresa................69
Figura 14 - Fotos de alças de big bags com defeitos................................................................71
Figura 15 - Etapas do processo produtivo do big bag padrão...................................................73
Figura 16 - Diagrama de causa e efeito.....................................................................................75
Figura 17 - Dinamômetro tensolab 3000 mesdlan....................................................................77
Figura 18 - Modelos das amostras desenvolvidas.....................................................................78
Figura 19 - Diagrama do experimento fatorial Split Plot 2³ x 2² com 2 repetições e 2
réplicas......................................................................................................................................80
Figura 20 - Matriz de dispersão para as variáveis, força máxima média, alongamento máximo
médio e tempo médio................................................................................................................81
Figura 21 - Gráfico dos valores individuais da força máxima gerados no experimento...........82
Figura 22 - Gráfico de Pareto dos efeitos padronizados (de difícil mudança)..........................85
Figura 23 - Gráfico half normal dos efeitos padronizados (de difícil mudança)......................85
Figura 24 - Gráfico de Pareto dos efeitos padronizados...........................................................86
Figura 25 - Gráfico half normal dos efeitos padronizados........................................................86
Figura 26 - Gráfico de efeitos principais..................................................................................87
Figura 27 - Gráfico de interação para a força máxima média...................................................87
Figura 28 - Histograma e Boxplot.............................................................................................90
Figura 29 - Gráfico normal Q-Q...............................................................................................91
Figura 30 - Gráfico da função de autocorrelação......................................................................92
Figura 31 - Gráfico EWMA......................................................................................................93
LISTA DE TABELAS
Tabela 1 - Descrição das principais técnicas de planejamento e análise de experimentos.......22
Tabela 2 - Ferramentas/técnicas de melhoria de qualidade e seus respectivos estudos............40
Tabela 3 - Características dos estudos utilizados para a elaboração do modelo conceitual.....54
Tabela 4 - Especificações técnicas dos tecidos usados para cada componente do big bag......68
Tabela 5 - Fatores e níveis usados na fase de experimentação.................................................75
Tabela 6 - Valores médios para a força máxima e as demais variáveis referentes a cada
resposta......................................................................................................................................83
LISTA DE ABREVIATURAS E SIGLAS
ABNT – Associação Brasileira de Normas Técnicas
AFIPOL – Associação Brasileira de Fibras Poliolefínicas
ANOVA – Análise de Variância
ANPROTEC – Associação Nacional de Entidades Promotoras de Empreendimentos de
Tecnologias Avançadas
BRICS – Brasil, Rússia, Índia, China e África do Sul
CAPES – Coordenação de Aperfeiçoamento de Pessoal de Nível Superior
CEQ – Controle Estatístico de Qualidade
CEP – Controle Estatístico de Processo
CIF – Cost, Insurance and Freight
CUSUM – Cumulative Sums
DMAIC – Define, Measure, Analyze, Improve and Control
DOE – Design of Experiments
EBT – Empresas de Base Tecnológica
FMEA – Failure Mode and Effect Analysis
FOB – Free On Board
EWMA – Exponentially Weighted Moving Average
GEM – Global Entrepreneurship Monitor
ISO – International Organization for Standardization
LABCTEX – Laboratório de Caracterização de Materiais Têxteis
MEI – Microempreendedor Individual
MPE – Micro e Pequenas Empresas
P&D – Pesquisa e Desenvolvimento
PIB – Produto Interno Bruto
QFD – Desdobramento da Função Qualidade
SEBRAE – Serviço Brasileiro de Apoio às Micro e Pequenas Empresas
SPC – Statistical Process Control
TTE – Taxa Total de Empreendedorismo
UFRN – Universidade Federal do Rio Grande do Norte
VOC – Voz do Cliente
SUMÁRIO
RESUMO...................................................................................................................................7
ABSTRACT...............................................................................................................................8
LISTA DE FIGURAS...............................................................................................................9
LISTA DE ABREVIATURAS E SIGLAS............................................................................11
CAPÍTULO 1 – INTRODUÇÃO...........................................................................................15
1.1 CONTEXTUALIZAÇÃO........................................................................................15
1.2 OBJETIVOS..............................................................................................................17
1.2.1 Objetivo Geral....................................................................................................17
1.2.2 Objetivos Específicos.........................................................................................17
1.3 ESTRUTURA DO TRABALHO.............................................................................17
CAPÍTULO 2 – REFERENCIAL TEÓRICO......................................................................19
2.1 EXPERIMENTAÇÃO..............................................................................................19
2.1.1 Processo de inovação e experimentação...........................................................19
2.1.2 Planejamento de Experimentos (DOE)............................................................21
2.2 CONTROLE ESTATÍSTICO DE PROCESSOS..................................................23
2.2.1 Evolução histórica do CEP...............................................................................24
2.2.2 Caracterização do CEP.....................................................................................26
2.2.3 Gráficos de controle...........................................................................................27
2.2.3.1 Carta de controle de Shewhart....................................................................28
2.2.3.2 Abordagens mais recentes............................................................................32
2.3 CAPACIDADE DO PROCESSO............................................................................33
2.4 USO INTEGRADO DE DOE E CEP......................................................................35
2.4.1 Evolução dos conceitos acerta deste tema........................................................35
2.5 MICRO E PEQUENAS EMPRESAS.....................................................................41
2.5.1 Características das MPE industriais referentes à gestão da qualidade........43
2.5.2 Parceria entre Micro e Pequenas empresas e universidades.........................45
CAPÍTULO 3 – MÉTODO DE PESQUISA.........................................................................48
3.1 CLASSIFICAÇÃO DA PESQUISA........................................................................48
3.2 TRAJETÓRIA METODOLÓGICA.......................................................................49
3.2.1 Procedimentos para a definição do modelo conceitual................................50
3.2.2 Procedimentos para a execução do estudo de caso.......................................52
CAPÍTULO 4 – MODELO CONCEITUAL........................................................................56
4.1 FASE PRELIMINAR...............................................................................................59
4.2 ESTUDO EXPERIMENTAL..................................................................................61
4.3 ANÁLISE DA CAPACIDADE DO PROCESSO..................................................64
4.4 MONITORAMENTO DO PROCESSO.................................................................64
CAPÍTULO 5 – ESTUDO DE CASO...................................................................................67
5.1 PANORAMA GERAL DA EMPRESA................................................................67
5.2 APLICAÇÃO DO MODELO PROPOSTO NO PROCESSO DE
FABRICAÇÃO DOS BIG BAGS.....................................................................................72
5.2.1 Fase Preliminar................................................................................................72
5.2.2 Estudo experimental........................................................................................76
5.2.2.1 Descrição das características do experimento............................................76
5.2.2.2 Condução do experimento............................................................................76
5.2.2.3 Análise do experimento................................................................................80
CAPÍTULO 6 – CONSIDERAÇÕES FINAIS.....................................................................94
REFERÊNCIAS BIBLIOGRÁFICAS..................................................................................96
ANEXO A - Gráfico referente à taxa de sobrevivência de empresas (criadas em 2007)
com até 2 anos para 15 países..............................................................................................102
ANEXO B - Setor Indústria - Variáveis –– 2009 a 2011....................................................103
ANEXO C - Resumo das recomendações para uso e manuseio ideal de contentores
flexíveis...................................................................................................................................104
ANEXO D - Tabela com os resultados gerados neste experimento pelo dinamômetro
TENSOLAB 3000 MESDLAN.............................................................................................105
15
CAPÍTULO 1 – INTRODUÇÃO
Este primeiro capítulo apresenta a exposição do tema e a problemática do trabalho; o
delineamento dos objetivos (geral e específico); a relevância da pesquisa e a estrutura da
dissertação.
1.1 CONTEXTUALIZAÇÃO
Nos últimos tempos, as organizações se encontram inseridas em um panorama de
intensa competitividade. O rápido avanço tecnológico tem culminado em ciclos de vida dos
produtos cada vez mais curtos. Logo, a fim de se adequar às características deste novo
mercado e se manter competitivas, faz-se necessária a utilização, por parte das empresas, de
abordagens que simultaneamente acompanhem os seus processos-chave e busquem sua
otimização.
Face ao cenário atual, as empresas estão focando cada vez mais nos setores de
pesquisa e desenvolvimento (P&D) como forma de impulsionar o processo de inovação, o
qual, conforme Torkomian (1996), vem deixando de ser um fator diferencial para ser um fator
essencial à sobrevivência das organizações. Nesse contexto, Thomke (2003) afirma que as
incertezas inerentes ao desenvolvimento de novos produtos e serviços podem ser reduzidas
mediante a associação entre a tecnologia e o processo de experimentação. Ainda segundo o
autor, este processo atua como fator determinante da capacidade de inovar de cada
organização.
A experimentação trata-se de um método científico que pode ser utilizado pelos
integrantes da área de P&D das empresas, a fim de aperfeiçoar tanto os processos de inovação
radical, quanto os de inovação incremental. Para Thomke (1998), esse método atua como uma
forma de resolução de problemas e está associado a uma parte significativa do tempo e do
custo total despendido no processo de inovação.
Com vistas à otimização do processo de experimentação, deve-se associar ao
planejamento e análise de experimentos, o uso de ferramentas estatísticas, as quais buscam
minimizar o custo necessário para obter os resultados almejados, culminando com a redução
de tempo e recursos gastos durante a execução. Em suma, os experimentos devem ser
planejados a fim de maximizar o potencial de interpretação dos resultados e minimizar os
16
recursos utilizados - técnica conhecida como “Planejamento de Experimentos” (ou do inglês,
“Design of Experiments - DOE”).
O Controle Estatístico do Processo (CEP), por sua vez, trata-se de uma ferramenta da
qualidade comumente utilizada no monitoramento dos processos de manufatura dos produtos.
O objeto de interesse do CEP é o processo e sua principal finalidade é manter os processos-
chave dentro dos seus limites de variações naturais (HARIDY et al., 2011), ou seja, isento de
causas especiais - anormalidades no processo, as quais podem ser corrigidas e eliminadas.
As cartas ou gráficos de controle (principais ferramentas do CEP) monitoram o
processo por meio do estabelecimento de parâmetros representativos - média do processo e a
dispersão ou desvio padrão do processo – os quais caracterizam o processo do ponto de vista
estatístico, em situações em que o processo esteja estatisticamente estável, fato que diminui os
riscos de alarmes falsos (ALENCAR et al., 2004). Sua utilização permite analisar o
comportamento do processo, detectar desvios de variabilidade em relação aos parâmetros
estabelecidos e a presença de causas especiais (ALENCAR et al., 2004).
Os métodos apresentados - controle estatístico de processos e planejamento de
experimentos - têm sido considerados separadamente na melhoria de produtos e processos ao
longo da história. Entretanto, seu uso integrado, como forma de maximizar seu resultado, é
defendido por alguns autores (MONTGOMERY, 1992; ABRAHAM, BRAJAC, 1997;
BISGAARD, 2008). Esta integração não tem uma etapa inicial padrão, podendo ter seu início
tanto no monitoramento quanto na experimentação (BISGAARD, 2008), de modo que cada
situação específica naturalmente estabelecerá seu ponto de partida, visando atender um ciclo
lógico.
Outro ponto discutido nesta pesquisa trata-se do crescente papel econômico
desempenhado por micro e pequenas empresas em vários países, em especial, no Brasil, onde
se tem observado uma gama de resultados econômicos satisfatórios em virtude da atuação
destas empresas.
As mudanças que vêm ocorrendo nas últimas décadas no contexto das políticas em
favor dos pequenos negócios têm atuado como um dos fatores responsáveis por esse
desempenho favorável crescente na conjuntura econômica brasileira. Entretanto, vários
fatores tem atuado com a mortalidade precoce destas empresas, dentre os quais, destaca-se
uma gestão deficiente de melhoria de qualidade, potencializada pela falta de recursos e know-
how.
17
Tomando-se por base as considerações desenvolvidas para facilitar a compreensão do
tema e do problema, surge a seguinte problemática: Como otimizar o processo de melhoria
contínua de produtos e processos em empresas de pequeno porte, de modo a maximizar
seu resultado, com menor gasto de recursos?
1.2 OBJETIVOS
1.2.1 Objetivo geral
Este trabalho tem como objetivo geral propor uma abordagem de integração entre
ferramentas de monitoramento e melhoria de processos. Mais especificamente, o
monitoramento dos processos seria realizado via a utilização de gráficos de controle, já a
melhoria dos processos seria trabalhada via planejamento experimental.
1.2.2 Objetivos específicos
Sistematizar o conhecimento com base nos temas abordados nesta pesquisa;
Desenvolver uma abordagem de integração entre as ferramentas de Planejamento de
experimentos e Controle Estatístico de Processos, de modo que seja de fácil aplicação
para micro e pequenas empresas;
Aplicar o modelo conceitual proposto em uma pequena empresa, de modo a testar o
modelo desenvolvido na prática, e avaliar os benefícios advindos da parceria
“universidade-empresa”;
Realizar um diagnóstico acerca dos resultados gerados pelo estudo de caso;
1.3 ESTRUTURA DO TRABALHO
Este trabalho está estruturado em seis capítulos e as referências, distribuídos da
seguinte forma:
O presente capítulo apresenta a exposição do tema; a definição do problema; os
objetivos; a justificativa e a estruturação da dissertação.
18
O segundo capítulo aborda o referencial teórico sobre os temas relevantes que servirão
de base para o direcionamento desta pesquisa.
O terceiro capítulo expõe a classificação da pesquisa, bem como a trajetória
metodológica aplicada no decurso deste trabalho.
O quarto capítulo apresenta a descrição detalhada do modelo conceitual proposto nesta
pesquisa.
O quinto capítulo elucida como se procedeu a aplicação deste modelo em uma
empresa de pequeno porte, bem como os resultados gerados desta aplicação.
O sexto capítulo traz as considerações finais, bem como as limitações encontradas no
decorrer deste estudo e sugestões para pesquisas futuras.
19
CAPÍTULO 2 – REFERENCIAL TEÓRICO
Neste capítulo são apresentados os fundamentos teóricos necessários acerca das
abordagens de experimentação e controle estatístico de processos, a fim de servirem de base
para o desenvolvimento de um modelo integrado destas ferramentas para impulsionar a
melhoria da qualidade de produtos e processos em micro e pequenas empresas, destacando a
importância da interação “universidade-empresa” durante esta implementação. Em face deste
contexto, procura-se buscar na literatura os aspectos principais de cada uma das ferramentas
citadas; relatos do uso integrado destas ferramentas e os aspectos relevantes da parceria entre
universidades e empresas.
2.1 EXPERIMENTAÇÃO
O processo de experimentação é trazido por alguns autores (THOMKE, 1998;
CARLOMAGNO, SCHERER, 2009) como sendo uma das etapas fundamentais do processo
de inovação tecnológica. Em meio a isso, será dada uma breve explanação acerca do processo
de inovação antes de adentrar no estudo da experimentação, propriamente dita.
2.1.1 Processo de inovação e experimentação
Atualmente, a crescente busca pela inovação vem impulsionando as atividades de
pesquisa e desenvolvimento dentro das organizações. As empresas investem no processo de
inovação visando o lançamento de novos produtos e serviços, desenvolvimento de novos
processos ou novas configurações organizacionais e atuação em novos mercados (BUENO,
BALESTRIN, 2012). Com isso, incrementando valor ao seu modelo de negócio. Entretanto,
existem riscos que são inerentes a este processo, os quais variam de acordo com a tecnologia
desenvolvida e com o contexto do mercado (consumidores e concorrentes) em que será
inserida. Logo, torna-se essencial o emprego de um modelo estruturado para gerir o processo
de inovação como forma de minimizar esse grau de incerteza. Para Carlomagno e Scherer
(2009), uma inovaçãode sucesso está associada a um processo contínuo de gestão e
planejamento de resultados.
20
Carlomagno e Scherer (2009) propõem um modelo que separa o processo de inovação
em quatro fases: Idealização, Conceituação, Experimentação e Implementação. Ainda
conforme os autores, a experimentação antecede a fase de implementação como uma
ferramenta estratégica, reduzindo o percentual de incertezas e aumentando as chances de
sucesso da ideia durante a fase de implementação. A Figura 1 expressa as funções de cada
uma dessas fases dentro do processo de inovação.
Figura 1 - Fases do processo de inovação
Fonte: Carlomagno e Sherer (2009)
A experimentação trata-se de um processo de investigação científica, balizado pelo
uso de técnicas estatísticas, o qual pode ser desenvolvido pelos funcionários do setor de
pesquisa e desenvolvimento das organizações para dar suporte ao processo de inovação. Estas
inovações podem ser tanto do tipo radical, que estão geralmente associadas a mudanças
significativas em produtos, processos ou serviços (como o lançamento de um novo produto no
mercado), quanto incremental (foco desta pesquisa), a qual está associada ao conceito de
melhoria contínua de qualidade e também pode ser aplicada em produtos, processos ou
serviços. Thomke (1998) afirma que à fase de experimentação são demandadas as maiores
parcela de tempo e de recursos do total utilizado no processo de inovação.
A engenharia da qualidade tem se refugiado na experimentação, como forma de
incrementar melhorias ao produto e ao seu processo produtivo, de modo a minimizar os
desvios das características que determinam a qualidade do produto, em torno de seu valor-
alvo. Como a variabilidade nessa situação é ocasionada por causas comuns ao processo, sua
redução ou eliminação transcende as funções do controle estatístico de processos e deve ser
realizada pelo uso da experimentação.
• Aceleração das
iniciativas;
• Escala de
projetos;
• Avaliação pós
implementação.
• Prototipagem;
• Redução de
incertezas;
• Refinamento
final;
• Alocação de
recursos;
• Planejamento
mais profundo.
• Geração de
novas ideias;
• Oportunidades e
negócios;
• Insight de
clientes;
• Análise de
tendências;
• Reutilização de
novas ideias.
• Avaliação de
potencial;
• Aprimoramento
dos conceitos;
• Acompanhamento
e definição;
• Polinização
cruzada.
Idealização Conceituação Experimentação Implementação
21
Parafraseando Werkema e Aguiar (1996), um experimento trata-se de um
procedimento que atua manipulando as variáveis de entrada de um sistema, com vistas a
avaliar as mudanças ocasionadas por estas alterações nas variáveis de respostas (saída), bem
como as causas destas mudanças. Pierozan (2001) acrescenta que os experimentos, quando
planejados, podem ser ferramentas importantes na identificação dos fatores que influenciam
os itens de controle de um processo ou projeto.
Face ao exposto, Lye (2005) categoriza o planejamento de experimentos (Design of
Experiments – DOE) como sendo um dos métodos mais eficazes para aplicação sistematizada
de técnicas estatísticas para o processo de experimentação. Galdamez e Carpinetti (2004)
reafirmam a importância do uso de experimentos planejados e técnicas estatísticas durante a
fase de experimentação, como forma de minimizar o uso de recursos ao longo do processo.
2.1.2 Planejamento de experimentos (DOE)
O DOE, de acordo com Montgomery (1991), trata-se de uma técnica sistemática de
planejamento de experimentos, responsável por determinar os tipos de dados, a quantidade e
em que condições estes dados devem ser coletados. Aranda et al. (2007) complementam esse
conceito, acrescentando que o DOE busca basicamente satisfazer dois objetivos principais:
maior precisão estatística possível nas variáveis de resposta e menor custo associado ao
método de investigação.
O DOE surgiu inicialmente em um contexto agrícola, cujo pioneiro foi o geneticista e
matemático inglês Sir Ronald Fisher. O maior interesse de Fisher estava voltado ao estudo de
sistemas complexos, cujo desempenho pode ser influenciado por um certo número de
parâmetros (fatores), podendo cada um operar a um número de níveis (STUART, 1996;
PIEROZAN, 2001). A principal contribuição de Fisher para a análise de experimentos foi
atestar que é mais eficiente variar os níveis de vários fatores simultaneamente durante o
desenvolvimento de um experimento, do que de apenas um fator por vez, indo de encontro à
abordagem tradicional da experimentação (STUART, 1996).
O planejamento de experimentos veio ampliar sua área de atuação após a segunda
guerra mundial, sendo introduzido em indústrias químicas americanas e no oeste da Europa
(PIEROZAN, 2001). Contudo, o uso de modelos estatísticos nas indústrias só ganhou força
após empresas de eletrônicos norte-americanas implementarem os métodos de engenharia da
22
qualidade defendidos pelo engenheiro japonês Taguchi (STUART, 1996). A filosofia de
Taguchi alegava que um produto deve ser robusto em relação a todos os fatores perturbadores.
Para tal, este deve ser projetado de modo a apresentar um desempenho funcional satisfatório
com o mínimo de variabilidade.
Na literatura encontra-se uma série de ferramentas que são utilizadas durante o
desenvolvimento de experimentos planejados. A Tabela 1 resume as principais técnicas
utilizadas.
Tabela 1 - Descrição das principais técnicas de planejamento e análise de experimentos
Ferramenta Características Bibliografia
Planejamento
fatorial
Utilizada quando todas as combinações dos níveis dos fatores de
controle são realizadas.
Montgomery (1991),
Devor et al. (1992),
Chew (1957)
Planejamento
fatorial 2 k Técnica com dois níveis e 2 k número de combinações de k fatores.
Planejamento
fatorial
fracionado 2 k-p
Utilizado quando há vários fatores de controle e não é viável
economicamente para as empresas realizar todas as combinações
dos experimentos.
Metodologia de
superfície de
resposta
Response surface methodology (MSR) é um conjunto de técnicas
de planejamento e análise de experimentos usada na modelagem
matemática de respostas. Ou seja, procura-se identificar o
relacionamento que existe entre os parâmetros, representados por
variáveis quantitativas, como tempo, velocidade, pressão,
temperatura, etc., e as respostas do sistema analisado.
Hill & Hunter (1996),
Myers & Montgomery
(1995)
Planejamento
fatorial 2k com
pontos centrais
Esse método consiste em adicionar um ponto de experimentação
no nível intermediário aos níveis investigados para os k fatores de
controle.
Análise de
variância
Analysis of variance (ANOVA), é uma ferramenta que permite
estudar se há diferenças significativas entre as respostas
experimentais.
Montgomery (1991),
Devor et al. (1992)
Gráficos
Os gráficos de efeitos principais ilustram a variação média das
respostas em função da mudança no nível de um fator, mantendo
os outros fatores constantes.
Os gráficos de efeitos de interação descrevem a variação média de
um fator em função dos níveis de outros fatores.
O gráfico de probabilidade normal é utilizado nas situações em
que não é possível repetir um experimento e é importante obter
uma estimativa independente do erro experimental para julgar a
importância dos efeitos principais de interação.
Fonte: Galdamez e Carpinetti (2004)
23
Para garantir o uso eficiente dos métodos estatísticos na análise de experimentos, a
equipe envolvida deve ter um conhecimento detalhado acerca do estudo. Para tal,
Montgomery (1991) lista uma sequência de procedimentos que devem ser seguidos a partir da
coleta dos dados:
Reconhecimento e afirmação do problema proposto;
Seleção da(s) variável(s) de resposta;
Escolha do projeto experimental;
Realização do Experimento;
Análise dos dados;
Conclusões e recomendações.
2.2 CONTROLE ESTATÍSTICO DE PROCESSOS
Montgomery (2001) associa o CEP como sendo uma das áreas abordadas pelo
Controle Estatístico e Melhoria de Qualidade (CEQ), sendo este último trazido pelo autor
como uma parte da estatística industrial que inclui, além do CEP, as áreas de inspeção por
amostragem, planejamento de experimentos e análise de capacidade.
O termo “qualidade” apresenta diversos conceitos associados a diferentes abordagens.
Em geral, a qualidade deve estar associada a requisitos mínimos exigidos para a aceitação do
item analisado. Entretanto, para o uso correto do termo em diferentes situações, é importante
distinguir qualidade de projeto de qualidade de conformação. A primeira está associada às
características ofertadas pelo produto ou serviço e é determinada na fase do projeto. Já a
segunda baseia-se na capacidade deste produto ou serviço atender as especificações
estabelecidas em seu projeto.
O CEP foca no controle e manutenção da qualidade de conformação. Para tal, segue a
linha de pensamento que associa esse conceito à análise da variabilidade de processos. Em
meio a esse contexto, qualidade e variabilidade são tratadas como inversamente
proporcionais. Confirmando essa afirmação, Montgomery (2001) define a melhoria da
qualidade como sendo produto da redução da variabilidade em produtos e processos.
Rungtusanatham et al. (1997) definem o CEP como sendo um conjunto de técnicas,
estatísticas e cognitivas, para a resolução de problemas, cuja implementação eficaz traduz-se
24
em efeitos positivos na melhoria da qualidade dos processos de fabricação ou prestação de
serviços. Montgomery (2009) complementa o conceito dos autores, afirmando que o CEP se
trata de um conjunto de ferramentas responsáveis por garantir a estabilidade dos processos,
por meio da redução da variabilidade, culminando com a melhoria de sua capacidade. Neste
contexto, os autores Woodall e Montgomery (2014) ressaltam a importância do processo de
monitoramento para avaliar o estado atual de um processo e entender sua variação.
Detalhando os conceitos expostos pelos autores citados, pode-se afirmar que o CEP
parte da premissa que a qualidade de todo e qualquer bem produzido ou serviço prestado está
intimamente relacionada à estabilidade de seus processos. Partindo dessa alegação, atividades
voltadas para a melhoria da qualidade de produtos/serviços e processos devem estar
associadas à redução da variabilidade existente nos processos, oriundas de causa especiais –
fatores que alteram significativamente os parâmetros (média e dispersão) associados às
distribuições de probabilidade das características críticas, as quais definem a qualidade do
bem e/ou serviço produzido e/ou prestado. Em síntese, o objeto de interesse do CEP é o
processo e sua principal finalidade é manter os processos-chave dentro dos seus limites de
variações naturais (HARIDY et al., 2011).
2.2.1 Evolução histórica do CEP
Os primeiros pensamentos acerca do CEP iniciaram-se por volta de 1920, dentro dos
laboratórios da companhia Bell Telephone, nos Estados Unidos, por meio dos estudos do
estatístico Walter A. Shewhart, o qual foi responsável pelo desenvolvimento de um sistema de
controle estatístico de qualidade em processos industriais, permitindo, de forma simplista, que
os trabalhadores monitorassem os efeitos da variabilidade inerentes aos processos (STUART
et al., 1996; ALMAS, 2003; GOMES, 2004). Em 1924, Shewhart projetou o primeiro gráfico
de controle (STUART et al., 1996).
Ainda em meados da década de 20 do século passado, Harold Dodge desenvolveu os
planos de aceitação por amostragem, técnica empregada para a avaliação dos produtos
acabados em detrimento ao uso da inspeção a 100%, ocasionando uma economia de tempo e
recursos para os avaliadores. O foco nos produtos já manufaturados traziam a essas ideias um
comportamento reativo. Transcendendo às ideias de Dodge, Shewhart, transferiu o cerne
destas análises ao processo, proporcionando ao gráfico de controle um comportamento
25
proativo, visto que permite a detecção de falhas durante o processo produtivo, antes da
elaboração do produto final (STUART et al., 1996).
A aplicação do CEP em processos industriais ganhou destaque significativo na
segunda guerra mundial, devido ao resultado satisfatório do uso de seus princípios nos
processos de fabricação dos materiais de guerra (GOMES, 2004). Após este período, as ideias
sobre o controle da qualidade de processos, inicialmente desenvolvidas por Shewhart, foram
difundidas pelo estatístico William Edwards Deming - especialmente a respeito da
importância do pensamento estatístico na resolução dos problemas de fabricação (STUART et
al., 1996).
Por meio de seus trabalhos, Deming teve grande influência no pensamento japonês
sobre sistemas de qualidade. Contudo, seu conceito a respeito da qualidade ainda era bastante
limitado, pois era associado apenas à conformidade com as especificações técnicas (GOMES,
2004). Este conceito recebeu as contribuições do engenheiro e consultor de negócios Joseph
Moses Juran, que complementou a sua definição com uma perspectiva voltada para o cliente
(GOMES, 2004).
A implementação de novas ideias como o controle de qualidade total; just-in-time de
fabricação; controle de qualidade off-line; entre outras, fez com que o Japão se tornasse uma
importante força econômica por volta dos anos 70 do século passado, fato que impulsionou a
indústria ocidental, alguns anos depois, a reimportar do Japão as ideias do pensamento
estatístico e da gestão da qualidade (STUART et al., 1996). Outra abordagem que vem
trazendo grandes influências, desde essa década até os dias atuais, sobre a prática do CEP, é a
experimentação industrial, difundida pelo estatístico Genichi Taguchi (STUART et al., 1996).
Este último acrescentou que o controle de qualidade deve iniciar na criação do produto – fase
de projeto.
Ao longo do século XX, até meados da década de 70, observam-se poucas publicações
científicas nesta área. Embora este período tenha sido marcado por grandes avanços nesse
tema, foram desenvolvidos por poucos pesquisadores e em locais demasiadamente restritos.
As pesquisas científicas cresceram extraordinariamente dos anos 80 em diante1. Pierozan
(2001) atribuiu a esse “boom” literário, a revolução da qualidade ocasionada pelo comércio
internacional.
1 Dados extraídos de consultas à base de pesquisa Google Acadêmico, acessada em 17 de Junho de 2015.
26
Apesar de sua origem nos Estados Unidos e crescimento nas indústrias japonesas,
Rungtusanathan (2001) alegou em seu trabalho que o CEP já havia sido implementado em
diversas empresas ao redor do mundo. Hodienarmente, os Estados Unidos se destacam como
o responsável pelo maior número de pesquisas existentes nesta área, estando o Brasil entre os
dez países que mais publicam este tema desde a década de 80 do século anterior.2.
O CEP vem atuando em diversas áreas: engenharia, ciência da saúde, ciências sociais,
ciências agrárias, economia, astronomia, entre outras. Contudo, o campo da engenharia ainda
é a área mais utilizada para pesquisas científicas voltadas para a implementação do CEP².
2.2.2 Caracterização do CEP
Para Woodall e Montgomery (2014), o controle estatístico de processos pode ser
representado por três características principais:
Recolhimento dos dados em uma escala temporal;
Rápida detecção de mudanças ocasionadas no processo por causas especiais, em geral
representadas por mudanças nos parâmetros das distribuições de probabilidade das
características de interesse do processo;
Medição de desempenho do controle representado pela taxa de alarmes falsos ou
outras métricas.
A taxa de alarmes falsos mencionada pelos autores representa o percentual de vezes,
durante o monitoramento do processo, em que são detectados sinais equivocados de que o
processo está fora de controle estatístico. A reincidência de alarmes falsos diminui a
credibilidade do sistema de monitoramento, fazendo com que os usuários passem a ignorar os
próximos sinais. Logo, o processo de monitoramento deve ser desenvolvido por métodos de
controle que gerem o mínimo possível de alarmes falsos (ALENCAR et al., 2004;
WOODALL; MONTGOMERY, 2014).
De acordo com Woodall e Montgomery (2014), o processo de implementação do CEP
ocorre em duas fases distintas. Em um primeiro momento, deve ser realizado um estudo
detalhado do processo a fim de determinar as características de interesse e a ferramenta
2Dados extraídos de consultas à base de pesquisa Scopus Database, por meio do portal <capes.ufrn.br>, acessada
em 17 de Junho de 2015.
27
apropriada para o monitoramento. A seguir, deve-se analisar a estabilidade do processo, de
modo a garantir que este esteja isento de causas especiais para, por fim, determinar os
parâmetros de controle. Na segunda fase é realizado o monitoramento, propriamente dito, por
meio de uma coleta sistemática dos dados para a análise das características críticas e posterior
comparação com os parâmetros pré-estabelecidos.
Alguns relatos foram encontrados na literatura a respeito de falhas nas aplicações do
CEP. Lightburn e Dale (1992) chegaram a afirmar que os casos existentes não atribuíam as
causas à metodologia do CEP, e sim a ineficácia no processo de implementação. Alguns anos
antes, Bushe (1988) solicitou que este processo de implementação fosse tratado, por parte dos
gestores, como uma questão não só tecnológica, mas de cunho social. Neste contexto, vale
ressaltar o trabalho de Rungtusanatham (2001) que, com base nos casos que foram analisados
em suas pesquisas, atesta que o CEP ao ser implementado e praticado de forma adequada
dentro dos ambientes de produção, atua como fator motivacional para os operadores de
processo, tornando-os mais satisfeitos com seu trabalho.
Antony e Taner (2003) elucidam alguns dos problemas associados a um processo de
implementação ineficaz. São estes: falha na interpretação dos padrões dos gráficos de
controle; falta de conhecimento a respeito de produtos e processos, podendo levar a ações
corretivas ineficazes, e ausência de foco nos recursos gastos na coleta dos dados e na análise
das cartas de controle.
Costa et al. (2004), seguindo a mesma linha de raciocínio dos autores citados
anteriormente, atrelaram as falhas no uso do CEP como ferramenta de monitoramento, ao seu
uso indiscriminado por operadores do “chão de fábrica” que, na maioria das vezes, não
possuem um conhecimento estatístico adequado, ideal para entender o funcionamento do
gráfico. Além disso, o autor também aponta para a necessidade de um conhecimento
detalhado acerca do processo, para que seja realizada uma intervenção adequada, quando
necessária.
2.2.3 Gráficos de controle
As cartas ou gráficos de controle são as principais ferramentas do CEP, os quais atuam
de modo a monitorar a variabilidade e a média dos processos, contribuindo para que
permaneçam sob controle estatístico (PIEROZAN, 2001). A carta de controle categoriza o
28
processo em análise sob a ótica da estatística por meio dos parâmetros de média e dispersão,
partindo da premissa que o processo deve estar isento de causas especiais para traduzi-lo de
forma fidedigna com a realidade (ALENCAR, 2004).
Quanto maior o grau de precisão dos gráficos de controle, maior a velocidade de
detecção de falhas e de intervenção no processo. Os sinais de desvios emitidos pelos gráficos
podem levar a diferentes ações, dependendo do campo de aplicação (WOODALL;
MONTGOMERY, 2014). Inclusive, muitas empresas desenvolvem planos de ação, os quais
direcionam os operadores às ações que devem ser tomadas (WOODALL; MONTGOMERY,
2014).
Maccarthy e Wasusri (2002) citam uma série de aplicações associadas aos gráficos de
controle que transcendem o propósito convencional de monitoramento e controle de
processos, são estes: planejamento - planos e/ou cronogramas podem ser gerados como
produto da aplicação de gráficos de controle e ser utilizados para o agendamento de atividades
de manutenção; avaliação do grau de satisfação do cliente e otimização de modelos de
previsão, que ocorrem, em geral, por meio de aplicativos e vários tipos de software
estatísticos.
2.2.3.1 Carta de controle de Shewhart
O gráfico de controle desenvolvido por Shewhart foi uma importante contribuição
para o controle e a melhoria da qualidade de processos industriais e tem sido amplamente
utilizado, desde a época de sua criação até os dias atuais. Shewhart partiu de uma ideia
surpreendentemente simples, que alegava que se um processo de fabricação for acompanhado
regularmente pode-se prever como este processo deve se comportar e perceber quando isto
não ocorrer (STUART et al., 1996). Como forma de pôr em prática sua ideação, Shewhart
desenvolveu o gráfico de controle.
A operacionalização dos gráficos de controle envolve a medição de um parâmetro-
chave de qualidade, o qual é observado em vários itens de cada vez compondo subgrupos que
são avaliados em intervalos regulares de tempo. O valor médio de cada subgrupo é plotado
em um gráfico de linhas limitado por dois limites de controle (limite superior e inferior), os
quais foram determinados pela avaliação detalhada do processo sob condições estáveis. Cada
29
um dos limites é calculado por meio de equações matemáticas, desenvolvidas com
fundamento na teoria estatística (BORGES, 2009).
Shewhart definiu estes limites como sendo espaçados a um nível de três desvios-
padrão a partir de uma linha central. Logo, a sinalização de desvios a partir da análise das
características de um único subgrupo equivale a um teste de significância estatística, com um
nível de significância de 0,0027 (STUART et al., 1996).
Em testes de significância estatística é comum a utilização de um nível de
significância de 5%. Stuart et al. (1996) atestam que caso esse nível de 5% fosse utilizado
para estimar os parâmetros do gráfico de controle, gerariam limites espaçados a
aproximadamente 2 desvios-padrão do valor-alvo, fato que culminaria com um número
demasiadamente alto de alarmes falsos. Face ao que foi exposto, alguns autores classificam
esses últimos como limites de advertência e os de Shewhart como limites de ação (STUART,
1996). A Figura 2 representa um exemplo de gráfico de controle de Shewhart, gerado com
base em dados fictícios pelo software estatístico R.
Figura 2 - Modelo de gráfico de controle de Shewhart
Fonte: Figura gerada pelo software R (2015)
Os limites de controle tomam por base distribuições de probabilidade pertinentes
(STUART et al., 1996). Em situações de estabilidade, normalmente as distribuições de
30
probabilidade das características de interesse tomam a forma da distribuição normal
(STAPENHURST, 2005). Os valores médios de cada subgrupo tendem a oscilar em torno de
uma medida central, estabelecida como sendo a média do processo (valor-alvo). As causas
dessas oscilações - variações ínfimas no processo - foram classificadas por Shewhart como
causas comuns – devido a fenômenos aleatórios, os quais não podem ser evitados. Com base
nesse contexto, é importante ressaltar que os parâmetros – média (μ) e desvio padrão (σ) - que
categorizam o processo do ponto de vista estatístico, são estimados na realidade pela média
amostral do processo e pelo desvio padrão amostral (COSTA, 2004).
Shewhart também observou que em algumas situações a média dos valores coletados
em cada subgrupo ultrapassavam os limites de controle do gráfico, representando um estado
em que o processo está “fora de controle”, provavelmente devido à exposição de causas
especiais, que de acordo com o autor poderiam ter sido evitadas por um sistema eficaz de
gestão de qualidade.
Ao analisar o gráfico da Figura 1 nota-se a presença de alguns pontos que transcendem
os limites de controle, os quais, como dito anteriormente, sinalizam momentos de
instabilidade no processo devido à provável presença de causas não aleatórias (especiais).
Essa situação de instabilidade é caracterizada por alterações nos parâmetros das distribuições
de probabilidade das características de interesse. Stapenhurst (2005) alega que essas
distribuições podem variar de três maneiras distintas: na média, na forma e na dispersão. A
Figura 3 ilustra as três possibilidades listadas pelo autor.
Figura 3 - Formas de variação na distribuição de probabilidade devido a uma causa especial
Fonte: Adaptado Stapenhurst (2005)
Stuart et al. (1996) alegaram que um dos principais benefícios advindos das
informações emitas pelos gráficos de controle de Shewhart estavam na economia de tempo e
recursos com investigação de causas de desvios no processo, quando este se encontrar sob
controle estatístico, visto que estes não passam de desvios fortuitos inevitáveis. Por outro
lado, estes autores afirmam que deve ser utilizado um método racional eficaz para uma rápida
31
detecção e posterior correção dos desvios que geram instabilidade ao processo. Estas causas
especiais (ou assinaláveis) são sinalizadas por um comportamento irregular da variabilidade
(BORGES, 2009). Tal comportamento deve ser eliminado por meio de medidas corretivas a
curto prazo, e ao processo devem ser instituídas medidas preventivas visando a não
reincidência desta irregularidade. Borges (2009) ainda acrescenta que as cartas de controle de
Shewhart são uma importante e poderosa ferramenta para a gestão e o monitoramento do
processo produtivo.
Segundo Borges (2009), o fenômeno da variabilidade pode ser traduzido, sob o ponto
de vista estatístico, em algumas assertivas, as quais resumem o que foi explanado até o
momento. A primeira afirmação trazida pelo autor assegura que a variabilidade está presente a
todo momento. Em meio a isso, é preferível que tal variação tenha caráter aleatório, originada
de várias fontes de pequena intensidade, a qual traz como característica a estabilidade e,
consequentemente, a previsibilidade do processo. Dentro desse contexto, o autor afirma que a
redução deste tipo de variabilidade estaria atrelada a mudanças em todo o processo produtivo.
A segunda assertiva trazida por Borges (2009) expressa que a variabilidade que não possui
caráter aleatório surge de pequenas fontes de grande intensidade, sendo responsável pela
instabilidade e, consequentemente, a imprevisibilidade do processo.
As cartas de controle podem ser classificadas em dois grupos, os quais diferem de
acordo com a forma de avaliação das características de interesse do processo. Caso a
caraterística seja avaliada numa escala pontual, geralmente caracterizada pela presença ou não
de itens defeituosos, fala-se em gráficos de controle por atributos. Já em situações em que as
características sejam mensuradas em uma escala contínua – medidas de altura, comprimento,
volume, entre outros, tem-se um grupo que engloba os gráficos de controle para variáveis.
Cada grupo mencionado apresenta uma gama de modelos de gráficos, que são utilizados em
situações específicas. Detalhes acerca das especificidades de cada gráfico e o modo de
operacionalização podem ser observados em Costa et al. (2004).
A seleção dos parâmetros que serão monitorados costuma ser uma das etapas mais
difíceis na implementação dos gráficos de controle. É importante que a determinação destes
parâmetros estejam associadas à análise dos custos envolvidos, tanto durante o método de
escolha, como nas falhas associadas às características selecionadas. Com base nisso, Tan-
Intara-Art e Rojanarowan (2013) propõem um método para priorizar e selecionar os
parâmetros do produto final para o controle. A priorização é baseada no custo de qualidade e
criticidade técnica desses parâmetros.
32
2.2.3.2 Abordagens mais recentes
As críticas existentes na literatura acerca dos gráficos de controle de Shewhart estão
relacionadas à insensibilidade destes gráficos na detecção de pequenos desvios no processo
(STUART, 1996), na ordem de 1,5 desvios-padrão. Complementando o que foi dito pelos
autores, em trabalhos mais recentes, Walter et al. (2013) alegam que o grande fator
impulsionador do uso abrangente dos gráficos de controle foi a simplicidade do seu método
de operacionalização, cuja tomada de decisão se baseia apenas no último ponto observado,
entretanto, em algumas situações, seu método se torna também sua principal desvantagem,
visto que ignora qualquer informação disponibilizada pela sequência anterior dos pontos
(WALTER et al., 2013).
Traduzindo para a linguagem atual do CEP, Irianto e Juliani (2010) afirmam que o
projeto do gráfico de controle de Shewhart é determinado de modo a evitar o risco do
produtor (probabilidade de um lote bom ser rejeitado, devido à ocorrência de alarmes falsos).
Ainda conforme os autores, a incapacidade de detecção de pequenos desvios – usualmente
encontrados nos processos de fabricação atuais mais precisos - podem impulsionar o risco do
consumidor (probabilidade de lotes de produtos não conformes serem considerados de boa
qualidade), gerando um aumento no grau de insatisfação dos clientes.
Como forma de reverter essa situação foram desenvolvidos os gráficos de controle de
somas acumuladas (CUSUM) e média móvel ponderada (EWMA), cuja metodologia de
análise leva em consideração as informações acumuladas das amostras anteriores,
aumentando o grau de precisão da detecção de desvios no processo, bem como do momento
exato em que ocorreram as mudanças (WALTER et al., 2013). Contudo, existe uma razoável
resistência ao uso destes gráficos por serem mais difíceis de operacionalizar e interpretar,
quando comparados às tradicionais cartas de controle de Shewhart.
Conquanto, nenhum dos gráficos mencionados apresentarão um desempenho ideal
para toda e qualquer situação. Uma solução possível, trazida pelos autores Walter et al.
(2013), consistem na combinação de múltiplos gráficos para ampliar a abrangência das
mudanças que são detectadas. Partindo dessa ideação, esse autores aplicaram um modelo que
combinava os gráficos de Shewhart e CUSUM em um setor metal mecânico e analisaram as
vantagens dessa combinação.
33
A fim de ampliar a capacidade dos gráficos de controle, outras alternativas foram
propostas na literatura. Com essa finalidade, os autores Irianto e Juliani (2010) aprofundaram
os estudos acerca de gráficos de amostragem dupla. Estes gráficos tomam por base as ideias
de tamanhos de amostra e intervalos de amostragem variáveis, de modo autilizá-las de
maneira combinada no monitoramento e na avaliação dos processos.
2.3 CAPACIDADE DO PROCESSO
Avaliar a capacidade ou capabilidade dos processos consiste em estudar a eficiência de
um dado processo produzir itens com base nas especificações do projeto. Tais requisitos
podem ser estabelecidos com base nas exigências dos clientes, nos riscos de multas e/ou nas
condições ideais para garantir a qualidade do produto durante o manuseio e transporte
(PIEROZAN, 2001; COSTA, EPPRECHT, CARPINETTI, 2009).
A medida de capacidade depende das próprias especificações determinadas no projeto
e da variabilidade natural inerente ao processo, por sua vez, para o seu cálculo é essencial o
conhecimento da distribuição da variável de interesse, bem como a média e a dispersão dos
valores individuais (PIEROZAN, 2001; COSTA, EPPRECHT, CARPINETTI, 2009). Neste
contexto, vale salientar que a comparação entre limites de especificação com limites de
controle, comumente observado na prática, trata-se de uma atitude bastante equivocada
(COSTA, EPPRECHT, CARPINETTI, 2009).
Pierozan (2001) afirma que para realizar esta análise o processo deve estar em estado
de controle estatístico. Para tal, o processo deve estar isento de perturbações oriundas de
causas especiais e a distribuição da característica de interesse deve se aproximar da
distribuição normal. Autores mais recentes como Woodall e Motgomery (2014) e Soni e
Somkunwar (2016) ratificam esta afirmação ao mencionarem que a garantia da estabilidade
deve preceder qualquer estudo de capacidade do processo. Ainda nessa perspectiva, Costa,
Epprecht e Carpinetti (2009) acrescentam que, caso o processo esteja sob controle, o ideal
seria que toda a distribuição da variável investigada estivesse entre os limites de
especificação.
Como forma de quantificar a capacidade do processo, a literatura traz algumas
medidas adimensionais intituladas por índices de capacidade, sendo os mais usuais: Cp, Cpk e
Cpm. De modo geral, quanto maior o valor do índice, maior será a capacidade de um dado
34
processo de gerar valores da característica analisada, dentro das especificações. Costa,
Epprecht e Carpinetti (2009) elucidam que os Cp e Cpm só podem ser utilizados em
processos de especificação bilateral3. Quanto ao Cp, este ainda necessita estar centrado no
valor médio. Outra desvantagem do uso do Cpm trazida pelos autores trata-se do fato deste
índice ser mais sensível à ausência de centralidade do que ao número gerado de não
conformidades. Na sequencia, estão descritas as fórmulas utilizadas para estimar esses
índices.
Sendo LES e LIE os limites de especificação, superior e inferior; μ e σ, a média e o desvio
padrão do processo; e d, o valor alvo.
Como já foi abordado, não existe uma relação direta entre estabilidade e capacidade.
Contudo, a presença de uma causa especial implica na redução da capacidade do processo.
Desse modo, uma maior capacidade, se comporta como uma margem de segurança para o
surgimento de causas especiais, reduzindo a necessidade de intervenções no processo e,
consequente, o custo associado a estas intervenções (COSTA, EPPRECHT, CARPINETTI,
2009).
A análise de capacidade é uma técnica bastante utilizada em vários tipos de processos,
em especial, em operações industriais. Sua aplicação geralmente está associada ao emprego
do controle estatístico de processos, podendo ser observada em vários estudos de caso (DÍAZ
et al., 2009; ZENG et al., 2013; SONI e SOMKUNWAR, 2016) encontrados em publicações
científicas.
3 Quando uma característica de qualidade apresenta os dois limites de especificação (inferior e superior), diz-se
que esta apresenta especificação bilateral; caso a característica citada apresente apenas um dos dois limites, a
especificação será unilateral (COSTA, EPPRECHT, CARPINETTI, 2009).
35
2.4 USO INTEGRADO DE DOE E CEP
No tocante à melhoria da qualidade em processos industriais, tem sido reconhecido a
importância do uso de métodos estatísticos, em especial, ferramentas como experimentos
planejados (DOE) e controle estatístico de processos (CEP) (LEITNAKER, 2005). Neste
contexto, embora enquadradas em um objetivo maior comum relacionado com o
aprimoramento da qualidade de produtos e/ou processos, estas ferramentas tem sido, na
maioria das vezes, aplicadas em operações industriais de forma separada.
Não obstante, essa temática vem ganhando mais força recentemente, posto que,
mesmo ainda prevalecendo na prática a aplicação separada destas abordagens, já constam na
literatura vários registros do seu uso integrado em estudos de casos diversos; salientando que
em algumas situações, essa combinação se deu também com outras ferramentas de melhoria
de qualidade. Como exemplos4, tem-se os estudos de Pierozan (2001); Cherfi, Béchard e
Boudaoud (2002); Nembhard e Valverde-Ventura (2003); Leitnaker e Cooper (2005); Thomas
e Barton (2006); Díaz et al. (2009); Thomas, Barton e Chuke-Okafor (2009); Behmanesh e
Rahimi, 2012; Zeng et at. (2013); Godoy (2014); Soni e Somkunwar (2016).
Devido ao enfoque dado a esta pesquisa, a maioria dos casos citados foram aplicados
em engenharia industrial. Entretanto, essa abordagem pode ser utilizada em várias áreas do
conhecimento científico. Um exemplo disso pode ser observado no estudo de Mandal (2015),
o qual fez uso combinado de gráficos de controle, projetos de experimentos, algoritmos de
aprendizagem de máquina e processo de avaliação “multimethod” com vistas a aumentar a
confiabilidade de um software usado para diagnóstico de transtornos na coluna - usando o
sistema de diagnóstico médico - e reforçar a viabilidade do tratamento preciso.
2.4.1 Evolução dos conceitos acerca deste tema
Montgomery (1992) já havia elucidado em sua publicação, a importância do uso
combinado de ferramentas on-line e off-line de melhoria da qualidade. O autor ainda propõe
um modelo conceitual que engloba as abordagens de controle estatístico de processos e
controle de processos de engenharia visto que, de acordo com o autor, apesar de ambas
objetivarem a redução da variabilidade, eram tratadas na realidade de forma isolada.
4Para mais detalhes acerca destes estudos, consultar a Tabela 3 na seção 3.2.1.
36
Corroborando com os pensamentos de Montgomery (1992), Goh (2000) afirma que a
eficácia destas ferramentas aumenta quando utilizadas de forma integrada. Expandindo os
estudos acerca deste tema, o autor propõe três quadros os quais considera como norteadores
para o alcance da excelência da qualidade. Dentre estes quadros é apresentada uma
abordagem para uso combinado de várias ferramentas da engenharia estatística, contudo, não
foi apresentada uma metodologia com as etapas para esta integração.
He, Qi, Liu (2002) foram mais além em seus estudos nessa temática ao proporem um
modelo conceitual que roteirizava o uso das ferramentas QFD, FMEA, DOE e CEP, desde a
elaboração do projeto até a manufatura do produto, como forma de planejar, projetar e
controlar todo o processo de criação de qualidade, reduzir sistematicamente os gargalos de
qualidade e, por fim, alcançar a melhoria contínua da qualidade de produto/processo.
Neste estudo, as atividades de melhoria contínua são separadas em projeto e
fabricação, avaliados que os tipos de variáveis e a forma como deveriam ser monitoradas no
controle on-line de qualidade, podem ser identificadas por meio de um planejamento de
qualidade off-line. Os autores ainda destacam a importância para a eficácia desta integração,
do uso de bancos de dados compartilhados para todas as ferramentas de qualidade envolvidas,
os quais também seriam alimentados pelos requisitos dos clientes (VOC – Voz do Cliente) e
dados de concorrentes (benchmarking).
Ainda conforme o trabalho de He, Qi, Liu (2002), do ponto de vista estatístico, a
função do CEP seria controlar a variação dos processos, enquanto o DOE busca reduzir esta
variação, de modo a otimizar o produto/processo. Logo, o CEP detecta os gargalos e o DOE
ajuda a eliminá-los, todavia, o DOE também pode ser utilizado para identificar as
características de qualidade que devem ser controladas pelo CEP. Segundo estas afirmativas,
nota-se uma ideia, trazida pelos autores, de comportamento cíclico do uso combinado destas
duas ferramentas, sendo as variáveis de saída de uma, entradas no processo da outra (Figura
4).
37
Figura 4 - Comportamento cíclico do uso combinado das ferramentas CEP e DOE
Fonte: Autora (2016)
De acordo com esse pensamento, o uso conjunto destas ferramentas não adotaria uma
etapa inicial padrão. Na própria literatura já existem registros em que a integração tanto se
inicia pela aplicação do CEP, como pelo DOE:
CEP DOE: Leitnaker e Cooper (2005); Díaz et al. (2009); Behmanesh e Rahimi
(2012); Zeng et at. (2013);
DOE CEP: Pierozan (2001); Cherfi, Béchard e Boudaoud (2002); Nembhard e
Valverde-Ventura (2003); Leitnaker e Cooper (2005); Thomas e Barton (2006);
Thomas, Barton e Chuke-Okafor (2009); Godoy (2014); Mandal (2015); Soni e
Somkunwar (2016);
Um problema acerca dessa ideação parte do pressuposto defendido por alguns autores,
o qual afirma que experimentos planejados só podem ser praticados se o processo estiver em
estado de controle estatístico. Bisgard (2008) se contrapõe a essa ideia e reafirma o
pensamento de He, Qi, Liu (2002), ao demonstrar em seu estudo que essa afirmação é
contraproducente ao argumento original de Ronald Fisher, o qual assegurou que o uso
adequado dos conceitos de aleatorização, blocagem e replicação durante a execução do
experimento, torna possível sua aplicação em processos que não estejam sob estado de
controle.
Leitnaker e Cooper (2005), em um trabalho apresentado a respeito da aplicação
integrada de CEP e DOE em quatro estudos de casos, trouxeram algumas contribuições
conceituais a este tema. Segundo os autores, o controle estatístico de processos deve ser
DOE
CEP
Variáveis de
Entrada
X1
X2
...
Xn
Variáveis de
Saída
Y1
Y2
...
Yn
Variáveis de
Entrada
Y1
Y2
...
Yn
Variáveis de
Saída
X1
X2
...
Xn
38
empregado de forma proativa, atuando como um meio para entender as causas das variações
nos processos, ao invés do uso limitado de gráficos de controle para monitorar e manter o
processo atual. Para Leitnaker e Cooper, os engenheiros possuem consciência das principais
fontes de variação de seus processos. Partindo dessa ideia, os autores sugerem o uso de
diagramas de causa e efeito5 ou mapeamento de processos para a coleta destas informações.
Para os autores, quando isso não ocorre, ganhos adicionais ao processo são
impossibilitados, no entanto, no momento em que o CEP é usado de forma proativa, poderá
obter insights acerca do comportamento do processo, investigar os fatores essenciais e
conduzi-los à experimentação. Outra contribuição importante destacada nesse estudo foi que a
eficácia dos experimentos projetados está intimamente relacionada com um prévio estudo do
comportamento atual do processo, de modo que quanto mais completa for essa informação,
mais eficiente será o experimento.
Díaz et al. (2009) aplicaram esta abordagem combinando gráficos de controle, análise
capacidade, brainstorming6, diagrama de causa e efeito e projetos fatoriais em um estudo de
caso. Neste trabalho, os autores destacam a necessidade de uma fase preliminar que antecede
a experimentação, segundo a qual se fariam uso das técnicas diagrama de causa e efeito e
brainstorming, no processo de investigação dos principais fatores que afetam a variabilidade
do processo, de modo a servirem como variáveis de entrada para o DOE. Estes autores ainda
enumeraram uma sequência de etapas que devem roteirizar esta fase preliminar, são elas:
Apresentação do projeto e definição do problema;
Eleição de um coordenador geral para o projeto;
Atribuição de tarefas para cada membro da equipe;
Elaboração de um relatório individual;
Sessão de brainstorming para enumerar as causas responsáveis para o problema;
Desenvolvimento de um digrama de causa e efeito e posterior revisão do diagrama
desenvolvido;
Seleção das causas prioritárias;
No decorrer do tempo, outros autores sugeriram metodologias para integrar
ferramentas de melhoria de qualidade (PIEROZAN, 2001; NEMBHARD e VALVERDE-
VENTURA, 2003; THOMAS e BARTON, 2006; THOMAS, BARTON e CHUKE-
5 A literatura também faz uso de outras nomenclaturas para esta ferramenta como diagrama de ishikawa e
espinha de peixe. 6Técnica de dinâmica em grupo.
39
OKAFOR, 2009; HARIDY, GOUDA e WU, 2011; GODOY, 2014). Entretanto, ainda são
limitados os números de publicações que contribuem com um roteiro de etapas estruturado e
sistematizado para esta integração.
Dentre os estudos citados, vale destacar o modelo proposto por Thomas e Barton
(2006), revisado e ampliado por Thomas, Barton e Chuke-Okafor (2009), devido ao enfoque
dado pelos autores a três tendências atuais: metodologia seis sigma (também abordada por
Godoy, 2014), abordagem lean e micro e pequenas empresas. Em seu estudo, os autores
propuseram uma metodologia para a integração de ferramentas de qualidade dentro do ciclo
DMAIC, no qual ferramentas como gráfico de pareto, brainstorming, diagrama de causa e
efeito, DOE e CEP, estão inclusas. De acordo com os autores, o modelo seria de baixo custo e
poderia atender as questões específicas de todos os tipos de MPEs. Contudo, esta metodologia
apresenta algumas falhas ao longo de sua trajetória, principalmente no que diz respeito à
aplicação do CEP, cujas etapas não foram postas de forma sequenciada.
Outra metodologia que merece destaque trata-se do estudo de Haridy, Gouda e Wu
(2011), uma vez que engloba técnicas e conceitos necessários a uma implementação mais
complexa de CEP e DOE, os quais tem sido uma tendência em estudos atuais mais
aprofundados dessas abordagens, como metodologia de superfície de resposta, gráficos de
controle multivariados, otimização multi-objetiva e correlação.
Balizado por alguns autores, pode-se ainda enumerar alguns conceitos chaves para que
a implementação CEP, quando utilizado tanto de forma isolada, como integrado com outras
ferramentas de qualidade, traga benefícios adicionais ao processo. São estes:
A aplicação do CEP para fins de controle do processo deve ser realizada em duas fases
distintas: a primeira é responsável pelo cálculo dos limites de controle, de modo que
deve ser executada em condições ideais que garantam ao processo um estado de
controle estatístico; e a segunda pelo efetivo monitoramento do processo7 (GODOY,
2014; SONI e SOMKUNWAR, 2016).
Esta aplicação deve estar atrelada a um estudo de capacidade do processo
(PIEROZAN, 2001; DÍAZ et al., 2009; ZENG et al., 2013; SONI e SOMKUNWAR,
2016).
7 Para a realização desta segunda fase, algumas informações são previamente exigidas, como: período entre
coletas, tamanho da amostra, colaboradores responsáveis pelo processo, forma de registro dos dados coletados,
entre outros.
40
Ao longo deste estudo pode-se perceber que várias são as vantagens associadas ao uso
combinado de diversas ferramentas de qualidade, em especial CEP e DOE. Nesse contexto,
Haridy, Gouda e Wu (2011) tratam este processo de integração como um meio para melhorar
a estabilidade, o desempenho, a sensibilidade e a produtividade dos processos; aprimorar a
qualidade dos produtos; otimizar o tempo gasto nas atividades de projeto e fabricação, e
reduzir os custos. Dentre os benefícios citados, um fator relevante enfatizado por alguns
autores (THOMAS e BARTON, 2006; THOMAS, BARTON e CHUKE-OKAFOR, 2009;
DÍAZ et al., 2009; MANDAL, 2015) como produto de seus estudos de casos, trata-se da
redução dos custos, alvo de todas as organizações com fins lucrativos.
Em virtude da gama de ferramentas/técnicas de melhoria de qualidade elucidadas
pelos autores consultados durante esta pesquisa como forma de maximizar os resultados do
uso integrado de experimentos planejados e gráficos de controle, elaborou-se a Tabela 28 com
as mais citadas e seus os respectivos estudos.
Tabela 2 - Ferramentas/técnicas de melhoria de qualidade mais citadas e seus respectivos estudos
Bibliografia
Ferramentas e Técnicas
Diagrama
de causa e
efeito
Desdobramento
da função
qualidade -
QFD
Gráfico
de
Pareto
Análise do
Tipo e Efeito
de Falha -
FEMEA
Brainstorming Análise de
capacidade
Seis
sigma
Díaz et al., 2009 X X X
Godoy, 2014 X X X X
Goh, 2000 X X
He, Qi, e Liu, 2002 X X
Leitnaker e
Cooper, 2005 X
Pierozan, 2001 X X X X
Thomas e Barton,
2006 X X X X
Thomas, Barton e
Chuke-Okafor,
2009 X X X X
Soni e Somkunwar,
2016 X X X
Zeng et at., 2013 X X X
Fonte: Autora (2016)
8Este quadro foi elaborado com base nos estudos selecionados para a montagem do modelo conceitual desta
pesquisa, os quais podem ser encontrados na Tabela 3, seção 3.2.1 deste trabalho.
41
2.5 MICRO E PEQUENAS EMPRESAS
As Microempresas e Empresas de Pequeno Porte, intituladas por Micro e Pequenas
Empresas (MPE), representam um papel significativo na economia de muitos países, sendo
responsáveis por uma parcela considerável da mão de obra empregada nos setores industrial,
comercial e de serviços, além de uma porção relevante do produto interno bruto (PIB) destes
países.
No Brasil, as MPE representam um papel socioeconômico de notória importância, o
qual só tem aumentado ao longo dos últimos 30 anos. Recentemente, compõem um universo
de cerca de nove milhões9 de empresas, cuja categorização baseia-se normalmente em dois
critérios: número de pessoas ocupadas10 e valor da receita/faturamento11, sendo este último
utilizado para fins fiscais (SEBRAE12, 2014b).
Em 2014, o SEBRAE publicou um estudo realizado no período de 2001 a 2011, cujos
resultados neste último ano apontaram para uma participação dos pequenos negócios de 27%
no PIB (Produto Interno Bruto Brasileiro); 44% dos empregos formais em serviços, e
aproximadamente 70% dos empregos gerados no comércio (SEBRAE, 2014b).
Com relação à atividade empreendedora (fator impulsionador para o surgimento de
boa parte das MPE), o Brasil apresentou uma Taxa Total de Empreendedorismo (TTE) de
39,3% em 2015, ainda maior que a TTE de 2014 de 34,4% (GEM13, 2015) que, de acordo
com Luiz Barreto (presidente do SEBRAE), havia colocado o país em primeiro lugar no
ranking dos países que compõem o BRICS14, em termos de maior taxa de empreendedorismo
(SEBRAE, 2015). A Figura 5 retrata a evolução das taxas de empreendedorismo no Brasil, de
2002 a 2015, segundo o estágio do empreendimento.
9Dados referentes ao ano de 2014. 10Neste quesito, classificam-se como microempresas aquelas nas atividades de serviços e comércio com até 9
pessoas ocupadas, e como pequena empresa as que tinham entre 10 e 49 pessoas ocupadas; na atividade
industrial, são microempresas aquelas com até 19 pessoas ocupadas, e pequenas empresas entre 20 e 99 pessoas
ocupadas (SEBRAE, 2014b). 11“Os valores-limite de faturamento anual para efeito de enquadramento das empresas como micro ou pequenas,
originalmente estabelecidos pela Lei Geral das MPE, foram elevados a partir de 1º de janeiro de 2012, passando
a ser de R$ 360 mil para microempresas e de R$ 3,6 milhões para as pequenas” (SEBRAE, 2014a). 12Serviço Brasileiro de apoio às Micro e Pequenas Empresas. 13Global Entrepreneurship Monitor. 14 O grupo BRICS é composto pelos seguintes países: Brasil, Rússia, Índia, China e África do sul.
42
Figura 5- Evolução das taxas de empreendedorismo no Brasil segundo o estágio do empreendimento
Fonte: GEM Brasil (2015)
As mudanças que vem ocorrendo nas últimas décadas no contexto das políticas em
favor dos pequenos negócios tem atuado como um dos fatores responsáveis por esse
desempenho favorável crescente na conjuntura econômica brasileira. Em meio a este contexto
é importante ressaltar a criação da Lei Geral das Micro e Pequenas Empresas15 em 2006, a
implantação do Microempreendedor Individual (MEI) em 2009, e a ampliação dos limites de
faturamento do Simples Nacional em 2012 (SEBRAE, 2013).
Os dados expostos apontam a importância que as MPE, inclusive os
microempreendedores individuais, representam para a economia. Contudo, a taxa de
mortalidade destas empresas ainda é alta. De acordo com uma pesquisa publicada pelo
SEBRAE (2013), em média 25% das MPE brasileiras constituídas nos anos de 2005, 2006 e
2007 com até dois anos de atividade, não conseguiram sobreviver. Ainda conforme a mesma
publicação pôde-se notar que esta mesma conjuntura afeta o cenário internacional, cujas taxas
de mortalidade calculadas para 15 países variaram de 22 a 50% (ANEXO A).
Face à situação abordada, Ferreira et al. (2012) enumeram alguns fatores de natureza
estratégica e organizacional, considerados pelos autores como principais condicionantes na
mortalidade precoce das MPE. São estes: ausência de planejamento ou plano de negócios;
falta de inovação, design ou desempenho dos produtos e serviços; dificuldade em conquistar e
manter clientes; nível elevado de concorrência; baixo nível de escolaridade do empreendedor;
e competência gerencial diminuta.
Dentre os fatores abordados, a deficiência na capacidade de inovação, tanto radical
quanto incremental, acentua a desvantagem destas empresas, sobretudo de cunho industrial,
em meio ao mercado atual caracterizado pela intensa competitividade e alta velocidade de
15Lei complementar nº 123de 14 de dezembro de 2006.
43
mudança tecnológica, fazendo com que as MPE manufatureiras sejam constantemente
pressionadas por produtos de qualidade superior a um preço mais baixo, como forma de se
manter vivas e competitivas. Diante desse cenário, Pereira et al. (2009) ratificam que as
causas do sucesso desse tipo de organização, estão intimamente relacionadas com a habilidade
destas empresas inovarem em seu processo de gestão e no uso de novas tecnologias.
2.5.1 Características das MPE industriais referentes à gestão da qualidade
Mesmo apresentando uma capacidade produtiva limitada quando comparadas às
empresas de maior porte, o elevado número das MPE de base industrial as confere uma
atuação significativa na produção nacional de muitos países. No Brasil, segundo uma pesquisa
divulgada pelo SEBRAE (2014b), em torno de 95% do total de empresas enquadradas no
conjunto de atividades industriais nos anos de 2009 a 2011, são classificadas como micro e
pequenas empresas (Figura 6; ANEXO B).
Figura 6 - Distribuição do número médio de empresas existentes em cada categoria dos anos de 2009 a
2011
Fonte: Autor (2016)
A engenharia da qualidade, com o uso de suas ferramentas estatísticas, é determinante
no processo de melhoria de qualidade, bem como na garantia da competitividade deste tipo de
empresa. Thomas, Barton e Chuke-Okafor (2009) afirmam que técnicas de resolução de
problemas, benchmarking e melhoria contínua, entre outras, essenciais ao desenvolvimento de
uma empresa, devem ser aplicadas dentro de uma abordagem sistemática e apoiada segundo
dados estatísticos.
44
Os autores, Thomas, Barton e Chuke-Okafor (2009), ainda acrescentam que conceitos
estatísticos como projetos experimentais, teoria de controle de processos e confiabilidade de
produtos, tem papel fundamental não apenas em indústrias de maior porte, mas também em
MPE, sendo que benefícios oriundos destes conceitos estão atrelados à formação e o
treinamento contínuo de sua força de trabalho. Neste contexto, Raghath e Jayathirtha (2013)
defendem, com base no pensamento estatístico, que todos os processos operam de forma
interligada e apresentam variações, de modo que a chave para o sucesso baseia-se na
compreensão e redução destas variações.
Nos últimos tempos, encontram-se na literatura diversas pesquisas voltadas para a
criação/implementação de um modelo eficiente de melhoria de produtos e processos em MPE
industriais (THOMAS e WEBB, 2003; COELHO, 2006; THOMAS, BARTON e CHUKE-
OKAFOR, 2009; THOMAS e BARTON, 2006; RAGHATH e JAYATHIRTHA; 2013). Não
obstante, a gestão da qualidade ainda encontra diversas limitações para o sucesso desta
implementação. Nesta situação, Thomas e Webb (2003) atrelaram à deficiência intelectual e a
limitação de recursos financeiros como sendo os principais obstáculos para este sucesso.
Complementando os autores, Thomas, Barton e Chuke-Okafor (2009) relatam sobre a
escassez do uso de ferramentas estatísticas no contexto industrial de MPE - fato que também
havia sido lamentado por Coelho (2006). Para os autores, além dos fatores abordados
anteriormente, estão a falta de recursos em termos de tempo e pessoal disponível, além de
limitações internas para fornecer treinamentos à equipe de trabalho. Coelho (2006) ainda
atenta para questões importantes como o estilo de gestão centralizada e não participativa
muitas vezes comandada pelo próprio proprietário do empreendimento; falta de recursos para
investir em metrologia e em pacotes de software já disponíveis no mercado para auxiliar nesse
processo de gestão.
Face aos fatos relatados, este trabalho apresentou como uma solução para reverter esse
quadro, o desenvolvimento de um modelo operacionalmente viável de gestão de qualidade
que utilizasse as ferramentas estatísticas DOE e CEP, de modo integrado com vistas a
melhorar a qualidade e reduzir a variabilidade de produtos e processos, de forma que possa
ser adaptável à realidade específica de cada MPE.
Devido às condições restritas inerentes às MPE, o modelo deve fazer uso dos métodos
de experimentação em sua forma menos complexa, conforme defendido por Thomas, Barton
(2006) e reafirmado por Thomas, Barton e Chuke-Okafor (2009). Outro fator fundamental
para o sucesso desta implementação seria o estabelecimento de parcerias destas empresas com
45
universidades, os quais detém de recursos e knowhow necessários para a implementação
inicial deste modelo, evitando a necessidade de altos volumes de financiamento para a compra
de recursos e pagamento de empresas de consultoria.
2.5.2 Parceria entre Micro e Pequenas empresas e universidades
Hodiernamente, pode-se observar um projeto crescente de incubadoras de micro e
pequenas empresas em universidades, estimulando a transferência de
conhecimento/tecnologia, bem como o desenvolvimento socioeconômico da região. Essas
parcerias têm sido um fator impulsionador do processo de inovação, seguindo a lógica do
paradigma atual proposto por Chesbrough (2003), intitulado por “Open Innovation ou
Inovação aberta”.
O modelo de Chesbrough trata-se de uma nova forma de gestão estratégica da
inovação partindo de um modo de cooperação em rede, em que todos os integrantes da rede
de valor, formada por clientes, fornecedores, funcionários, instituições de ensino superior,
institutos de pesquisa, órgãos governamentais e outras organizações privadas, colaboram
mutuamente (CHESBROUGH, 2007). Entre os benefícios advindos desse modelo, destaca-se
a aquisição de um maior retorno financeiro decorrente tanto da diminuição dos custos de
desenvolvimento interno, quanto do aumento de receitas, oriundas do licenciamento da
propriedade intelectual (patentes) e do lançamento de novas empresas spin-off’s no mercado
(CHESBROUGH, 2006).
Nessa perspectiva, alguns autores na literatura sustentam a aplicação do modelo de
inovação aberta em MPEs como forma de aumentar o potencial competitivo dessas
organizações (PARIDA et al., 2012; SILVA e DACORSO, 2013). Em seu trabalho, Silva e
Dacorso (2013) destacam uma série de vantagens para as MPEs advindas dessa cooperação,
como uma maior facilidade de acesso a tecnologias, conhecimento e capital; possibilidade de
dispor de pessoal qualificado (consultorias, empresas júnior de universidades, órgãos de
incentivo do governo, entre outros) sem a necessidade de contratação; além de uma maior
liberdade de investimento em pesquisa e desenvolvimento, devido ao compartilhamento do
risco entre os integrantes da cooperação.
Dentre desse novo cenário, a inovação aberta pode ser vista como uma maneira de
inovar, embasada na busca pelo conhecimento extrínseco à organização (PARIDA et al.,
2012), sem que haja necessariamente a formação de redes de cooperação (SILVA e
46
DACORSO, 2013). Balizado por essa nova perspectiva de inovação e considerando o
universo limitado das MPEs, este trabalho defende inicialmente o estabelecimento de
parcerias destas empresas com universidades, cuja missão, segundo Berni et al. (2015), vai
além da disponibilização de mão de obra qualificada para o mercado de trabalho, uma vez que
assumem diante da sociedade, o comprometimento com a pesquisa, o ensino e a extensão.
De acordo com um levantamento realizado nas publicações de alguns autores (SILVA
et al., 2011; CLOSS e FERREIRA, 2012; PUFFAL et al., 2012, apud BERNI et al., 2015),
alguns fatores dificultam essa interação, são estes:
Desconfiança com relação ao tempo necessário para a universidade finalizar a
pesquisa, quanto à segurança e confidencialidade das informações;
Demora na publicação dos resultados da pesquisa;
Possibilidade de negligência tanto dos setores de ensino e pesquisa, quanto das
empresas no tocante aos resultados do estudo;
Diferenças de cultura entre a academia e o meio empresarial;
Ausência de freqüentes reuniões formais;
Objetivos da cooperação não bem definidos ou desalinhados;
Incertezas inerentes ao resultado da parceria;
Resistência de alguns pesquisadores em atender a demanda identificada pelas
empresas;
Falta de recursos humanos destinados a gerenciar esse processo de cooperação;
Excessiva burocracia universitária;
Divergências quanto à propriedade intelectual;
Falta de uma política governamental de apoio à parceria universidade-empresa.
Diante das dificuldades listadas, percebe-se que a maioria parte de uma visão ainda
arcaica, balizada pela incerteza e desconfiança. De modo que o sucesso dessa cooperação está
atrelado às entidades envolvidas a virem como uma relação de troca mútua de benefícios
(Figura 7), balizada pela confiança e clareza dos objetivos da pesquisa; bem como pelo
comprometimento de ambas as partes envolvidas com o projeto.
47
Os benefícios advindos dessa parceria na ótica da MPE já foram citados anteriormente
ao falar das vantagens oriundas da cooperação com atores externos à organização (modelo de
inovação aberta); já na visão das universidades, Berni et al. (2015) citam o auxilio à formação
de profissionais; as possibilidades de direcionamento dos estudos para aplicações práticas e o
aumento da interação com a comunidade. Com relação ao meio acadêmico, pode-se ainda
acrescentar as vantagens para a comunidade científica, por fazer da empresa uma espécie de
“laboratório real” para suas pesquisas e conseqüentes publicações.
Figura 7 - Relação de troca entre Instituição de Ensino Superior e Empresa
Fonte: Adaptado de Alessio (2004) apud Silva et al. (2011)
48
CAPÍTULO 3 – MÉTODO DE PESQUISA
Neste capítulo são apresentados os procedimentos metodológicos e técnicas usadas no
transcorrer deste estudo; bem como a caracterização da pesquisa segundo critérios pré-
estabelecidos na literatura de metodologia científica.
A escolha mais adequada dos métodos e técnicas no tocante ao planejamento e
condução de um trabalho de pesquisa tende a torná-lo mais bem estruturado, ampliando as
chances de uma contribuição efetiva ao conhecimento, possibilitando sua replicação,
aperfeiçoamento e constante evolução por parte dos pesquisadores (MIGUEL, 2012).
3.1 CLASSIFICAÇÃO DA PESQUISA
Tomando por base a classificação proposta por diversos autores já consagrados no
tema: metodologia científica; esta pesquisa foi categorizada de acordo com os seguintes
critérios: natureza, objetivo, abordagem e procedimento técnico utilizado. Esta classificação
pode ser visualizada de forma resumida na Figura 8.
Este estudo caracteriza-se quanto à natureza como básico e aplicado, devido ao
desenvolvimento de um modelo conceitual, balizado por estudos na literatura acerca do tema,
para uso generalizado em processos industriais, com foco em MPEs, e posterior aplicação
desse modelo em uma empresa de pequeno porte a fim de testar o modelo de forma prática,
bem como propor soluções ao problema relatado pela empresa em questão.
No que tange aos objetivos, a pesquisa é classificada como exploratória, visto que
primordialmente buscou proporcionar uma maior familiaridade com a temática do estudo, de
modo a direcionar o estabelecimento dos objetivos e hipóteses, e a formulação de um modelo
para solucionar o problema proposto. Quanto à abordagem, esta se enquadra como
quantitativa em virtude do uso de métodos e técnicas estatísticas para analisar os resultados
obtidos na aplicação do modelo.
Por fim, quantos aos procedimentos técnicos utilizados, a pesquisa apresenta tanto
aspectos de estudos de caso, devido à aplicação do modelo ter sido desempenhada em um
caso real, o qual foi estudado de forma detalhada com base na fundamentação teórica; quanto
de pesquisa experimental, dada a aplicação do DOE, cujos testes foram realizados em
laboratório, para determinar os fatores que influenciavam significativamente, do ponto de
vista estatístico, na resistência das alças dos big bags.
49
Figura 8 - Caracterização da pesquisa
Fonte: Autora (2016)
3.2 TRAJETÓRIA METODOLÓGICA
Para a concretização desta pesquisa, adota-se uma série de etapas marcadas por duas
fases distintas: elaboração de um modelo conceitual para integração de ferramentas de
melhoria de qualidade, com foco em MPEs; e a aplicação deste modelo em uma empresa de
pequeno porte por meio de um estudo de caso. A Figura 9 permite a visualização destas etapas
de forma sucinta, com uma posterior descrição mais detalhada ao longo do texto.
Figura 9 - Etapas adotadas para a execução da pesquisa
Fonte: Autora (2016)
CARACTERIZAÇÃO DA PESQUISA
NATUREZA ABORDAGEM OBJETIVOSPROCEDIMENTOS
TÉCNICOS
APLICADA QUALITATIVA EXPLORATÓRIAESTUDO DE
CASO
EXPERIMENTALQUANTITATIVA
ETAPA 1
Formulação do
Problema
ETAPA 2
Embasamento Teórico
DOE CEPPEQUENAS
EMPRESAS
ETAPA 3
Delineamento dos
objetivos
ETAPA 4
Elaboração do
Modelo
Conceitual
ETAPA 5
Etapa Preliminar
ETAPA 6
Projeto de
Experimentos
Aplicação Metodológica1- Cálculo da capacidade do
processo;
2- Cálculo dos limites de
controle;
3- Monitoramento do
processo;
ETAPA 9
Considerações Finais
ETAPA 7
Controle
Estatístico de
Processos
1- Descrição das características
do experimento;
2- Condução do experimento;
3-Análise dos resultados;
4- Definição da configuração
ideal;
5- Verificação dos resultados com
o real;
6- Implementar essa nova
configuração no processo;
ETAPA 8
Análise dos Resultados
50
3.2.1 Procedimentos para a definição do modelo conceitual
Primeiramente, elaborou-se a problemática do estudo com base na relevância do tema
abordado para a economia brasileira, tendo em vista a lacuna ainda encontrada nos registros
acadêmicos. Posteriormente, foi realizada uma intensa busca nas diversas fontes de pesquisa
para montar o alicerce teórico necessário acerca das ferramentas estatísticas principais
utilizadas no modelo - DOE e CEP; do panorama geral das micro e pequenas empresas
brasileiras e das características advindas da cooperação “universidade-empresa”.
A montagem do modelo conceitual foi definida a partir das principais contribuições de
diversos autores sobre o tema. Para a realização desta etapa da pesquisa, utilizaram-se
inicialmente os descritores “controle estatístico de processos”, “projeto de experimentos” e
“integração”, bem como os seus sinônimos nos idiomas: português e inglês, os quais foram
colocados em várias combinações nas bases de dados Portal de periódicos Capes16 e Scopus
Database17; como também foi realizada pesquisa no Google Acadêmico.
Desta forma, foram selecionados 14 trabalhos científicos, os quais foram lidos na
íntegra, sendo 12 artigos publicados em revistas internacionais e 2 dissertações de mestrado
nacionais, sobre temas relacionados à melhoria de produtos e/ou processos por meio da
integração de ferramentas estatísticas, com foco em DOE e CEP. Vale salientar que os
trabalhos selecionados merecem destaque por terem tido participação direta da elaboração do
modelo conceitual, o qual foi estruturado a partir das principais contribuições de cada autor;
entretanto para montar o aporte teórico deste estudo foram consultadas diversas outras fontes
de autores.
No tocante a pesquisa, percebeu-se um aspecto recente do interesse da comunidade
científica a respeito deste tema, visto que as primeiras publicações ocorreram no final da
década de 80 e apesar de haver vários registros da aplicação combinada destas ferramentas,
poucos autores abordaram essa integração segundo um modelo estruturado e sistematizado.
16O Portal de Periódicos da Capes consolidou-se como uma das maiores bibliotecas virtuais do mundo,
disponibilizando mais de 37 mil publicações periódicas, internacionais e nacionais. Uma das suas maiores
vantagens é permitir o acesso a mais de 100 outras bases de dados que reúnem desde referências e resumos de
trabalhos acadêmicos e científicos até normas técnicas, patentes, teses e dissertações dentre outros tipos de
materiais, cobrindo diversas áreas do conhecimento (CAPES, 2016). 17 Conforme o seu site de acesso, a base de dados do Scopus, em termos de resumos e citações, é a maior da
literatura revista: revistas científicas, livros e anais de conferência. Apresentando uma série de ferramentas
inteligentes, além de várias possibilidades para filtrar e direcionar a pesquisa de forma simplificada. Esta base
permite o acesso a mais de 21.500 revistas e journals, dos quais 4.200 são de livre acesso; mais de 100.000
livros; 7,2 milhões de artigos de conferência em inúmeros eventos distribuídos em todo o mundo, além de mais
de 27 milhões de patentes (SCOPUS, 2016).
51
Devido a esse aspecto não houve limitação no tempo durante a triagem dos trabalhos, com
vistas a avaliar a evolução desse tema até os dias atuais.
Para compreender melhor os trabalhos que despertaram interesse em meio ao escopo
desta pesquisa, foram coletadas as principais características, as quais estão dispostas na
Tabela 3: título do trabalho, tipo de documento, autores, ano, periódico (para o caso dos
artigos), objetivo da pesquisa, área onde o estudo foi aplicado, tipo de pesquisa realizada e
metodologia utilizada (dando enfoque as ferramentas de qualidade que foram aplicadas).
Com base na Tabela 3 pode-se observar que as pesquisas foram direcionadas para
publicações na área de engenharia, gestão e/ou negócios, de modo que retratassem estudos
baseados na melhoria de produtos e/ou otimização de processos, de preferência de base
industrial. Os artigos selecionados foram publicados em revistas variadas, sendo que apenas
as revistas “Quality Engineering” e “Journal of Manufacturing Technology Management”
tiveram mais de uma de suas publicações selecionadas. O mesmo se aplica aos autores das
publicações, mostrando que não há uma tendência desse tema para um único tipo de pesquisa
e/ou autor.
Com relação ao tipo de estudo, a grade maioria se concentra em pesquisas
bibliográficas e estudos de caso para a aplicação das ferramentas de qualidade. Dentre essas,
apesar do direcionamento dado às buscas nas técnicas de CEP e DOE, outras ferramentas de
melhoria de qualidade foram sugeridas pelos autores como forma de uso integrado, sendo as
mais citadas: diagrama de causa e efeito, QFD, FEMEA, brainstorming, gráfico de pareto,
análise de capacidade e seis sigma, as quais foram destacadas anteriormente no quadro 1,
seção 2.4.2.
Com base nos trabalhos dispostos na Tabela 3, percebe-se que os estudos que mais se
assemelham ao escopo desta pesquisa são dos autores Thomas e Barton (2006) e Thomas,
Barton e Chuke-Okafor (2009), sendo este último uma evolução do trabalho anterior realizado
em 2006. Vale destacar que apesar da última versão apresentada pelos autores ter sido
publicada a mais de seis anos, a metodologia proposta vem sendo aplicada com sucesso em
várias MPEs e seus estudos são bastante citados por autores contemporâneos. Em uma
consulta realizada no Google acadêmico constatou-se que os trabalhos de 2006 e 2009 foram
citados por 73 e 105 trabalhos científicos, respectivamente. Sendo que entre o período de
2015 e 2016, a versão mais recente (2009) foi citada em 28 estudos diferentes, dentre os quais
22 são artigos publicados em journals.
52
3.2.2 Procedimentos para a execução do estudo de caso
Com o desenvolvimento do modelo, a etapa posterior consistiu na sua aplicação em
uma empresa de pequeno porte de razão social “Big Bag do Nordeste", situada no município
de São José do Mipibu, estado do Rio Grande do Norte, região metropolitana de Natal. A
escolha desta empresa ocorreu de forma intencional, não probabilística.
O estudo de caso foi realizado almejando, além da verificação do modelo de forma
aplicada, mostrar os benefícios advindos da parceria universidade-empresa. O relacionamento
que foi estabelecido entre estas entidades pode ser enquadrado como “relações pessoais
informais”, conforme a classificação de Bonaccorsi e Piccaluga (1994), visto que não foi
estabelecido um acordo formalizado entre as partes envolvidas, sendo este definido com base
numa relação de respeito e confiança mútua. Diante desse cenário, o compartilhamento das
informações sucedeu em várias situações mediante meios informais.
Na etapa preliminar da aplicação do modelo foram desenvolvidas técnicas como
brainstorming, mapeamento de processo e gráfico de causa e efeito como forma de conhecer
detalhadamente o processo estudado, a fim de identificar o problema caracterizado como
prioritário para o processo e suas possíveis causas, as quais serviram de base para a
determinação da variável resposta, os parâmetros de controle e seus níveis.
Na sequencia, realizou-se um experimento fatorial Split-Plot com restrição na
aleatorização, 2³ x 2² com repetição e réplica, totalizando 128 amostras, as quais foram
elaboradas, desde o corte à costura das peças, no período entre 2 e 10 de março de 201618.
Sobre estas amostras, desenvolveram-se testes de cunho destrutivo, realizados no dia 16 de
março de 2016, sendo estes desenvolvidos no laboratório de engenharia têxtil da UFRN, os
quais serão descritos mais detalhadamente no capítulo 5.
Para a análise de variância dos resultados do experimento (ANOVA) e determinação
dos parâmetros de entrada para a aplicação do CEP, utilizou-se o software Minitab 17, o qual
gerou os gráficos dos efeitos principais e das interações que foram significativas ao nível 5%
de significância. Por fim, uma proposta de monitoramento via gráficos de controle foi
sugerida a fim de garantir que as variáveis de saída sejam mantidas sob controle estatístico.
Em virtude de dificuldades enfrentadas para monitorar o processo na prática –
problemas com as coletas iniciais, prazo para a finalização da pesquisa e o contexto atual em
18Vale destacar, que essa mesma coleta já havia sido executada 2 vezes nos meses de setembro e dezembro de
2015, todavia, apresentaram problemas durante o seu desenvolvimento, os quais comprometeriam os resultados
da análise, necessitando dessa forma de uma nova coleta.
53
que se encontra a empresa, caracterizado por uma queda brusca no volume de produção – a
proposta para a aplicação do CEP foi elucidada neste trabalho de forma conceitual.
54
Tabela 3 – Características dos estudos utilizados para a elaboração do modelo conceitual
Título Tipo de
documento
Autores e
Ano Periódico Objetivo
Área(s)
de
aplicação
Tipo de
Pesquisa Metodologia
1
The use of statistical process control and design of
experiments in product and
process improvement
Artigo de
revista
Montgomery,
1992
IIE
Transactions
Este artigo revisa alguns desenvolvimentos
recentes em técnicas para melhoria de qualidade, de cunho estatístico, com base na
observação passiva (CEP), ou análise de
experimentação direta (DOE) em produtos e processos.
Engenharia/
Negócios, gestão
Pesquisa
Bibliográfica
Revisão de CEP e DOE e
proposta de integração
2 Operating frameworks for
statistical quality engineering Artigo de
revista Goh, T. N.,
2000
International Journal of
Quality &
Reliability Management
Fornecer uma visão sucinta de ideias
estatísticas, ferramentas e atividades em um contexto industrial, por meio da apresentação
de três quadros para a excelência da qualidade.
Engenharia/
Negócios,
gestão
Pesquisa Bibliográfica
Proposta de três quadros
para o uso integrado de ferramentas estatísticas da
engenharia da qualidade
3
Estabilização de processos: um
estudo de caso no setor de
pintura automotiva
Dissertação de mestrado
Pierozan, L., 2001
Não se aplica
Estabelecer um modelo conceitual para a
estabilização de processos através do uso integrado de ferramentas de engenharia de
qualidade.
Engenharia/
Negócios,
gestão
Pesquisa
Bibliográfica/ Estudo de
caso
Proposta de integração:
Desdobramento da qualidade (QFD), CEP,
DOE e Padronização
4
Continuous Improvement
Through Integration of Quality
Tools
Artigo de
revista
Zhen He, Ershi
Qi, Zixian Liu,
2002
Chinese Journal of Mechanical
Engineering
(English Edition)
Este artigo busca abordar a necessidade,
viabilidade e vantagens para integração de
ferramentas de qualidade para alcançar a
melhoria contínua de qualidade, bem como
apresentar um modelo para essa integração.
Engenharia/
Negócios,
gestão
Pesquisa
Bibliográfica
Proposta de integração:
QFD, FMEA, DOE e CEP
5
Integrating Experimental Design
and Statistical Control for Quality Improvement
Artigo de
revista
Nembhard, H. B., Valverde-
Ventura, R.,
2003
Journal of
Quality Technology
Este artigo propôs uma metodologia para o uso
combinado de DOE e gráfico de controle
Cuscore para controlar e monitorar um processo industrial sujeito a um esquema de
controle feedback.
Engenharia/ Matemática/
Negócios,
gestão
Pesquisa Bibliográfica/
Estudo de
caso
Proposta de integração:
DOE e gráfico de controle Cuscore
6 Using Statistical Thinking and
Designed Experiments to
Understand Process Operation
Artigo de
revista
Leitnaker, M., Cooper, A.,
2005
Quality
Engineering
Este artigo utiliza uma série de quatro estudos
de casos a fim de ilustrar o uso integrado de
controle estatístico de processos e experimentos planejados.
Engenharia/ Negócios,
gestão
Estudo de
multicasos
Uso integrado de CEP e
DOE em 4 estudos de casos
7 Developing an SME based six
sigma strategy Artigo de
revista
Thomas, A.,
Barton, R.,
2006
Journal of
Manufacturing Technology
Management
Este artigo busca desenvolver um modelo
integrado entre as ferramentas lean e seis sigma para aplicação em processos industriais, com
foco em MPE.
Engenharia/
Negócios,
gestão
Pesquisa
Bibliográfica/ Estudo de
caso
Proposta de integração: Seis
Sigma (DMAIC, Gráfico de pareto, Brainstorming,
Causa e efeito, DOE)
55
8 Must a Process Be in Statistical
Control before conducting
Designed Experiments?
Artigo de
revista
Bisgaard, S.,
2008
Quality
Engineering
Este artigo busca rever e ampliar o argumento
original de Fisher, demonstrando que a necessidade de controle estatístico para a
realização de experimentos industriais é uma afirmação equivocada.
Engenharia/ Negócios,
gestão
Pesquisa
Bibliográfica
Revisão literária acerca dos
conceitos de DOE
9
Estudio de La Variabilidad de
Procesoenel Área de Envasado de unProductoen Polvo
Artigo de
revista
Díaz, E. et al.,
2009
Información
Tecnológica
Este artigo busca, por meio do uso de ferramentas estatísticas, otimizar a quantidade
de pó depositada em sacos na área de
embalagem de uma indústria de processamento de grãos e produtos em pó, de modo a atender
as especificações das normas de qualidade
mexicanas.
Engenharia/ Agricultura/
Negócios,
gestão
Estudo de
caso
Gráficos de controle,
análise capacidade,
brainstorming, diagrama de causa e efeito e projetos
fatoriais 25
10 Applying lean six sigma in a
small engineering company – a
model
Artigo de
revista
Thomas, A.,
Barton, R.,
Chuke-Okafor, C., 2009
Journal of
Manufacturing
Technology Management
Este artigo buscou desenvolver um quadro estratégico para o uso generalizado de seis
sigma nas PME.
Engenharia/ Negócios,
gestão
Pesquisa
Bibliográfica/
Estudo de caso
Proposta de integração:
Seis Sigma (DMAIC, Gráfico de pareto,
Brainstorming, Causa e
efeito, DOE, CEP) e Lean
11
An integrated framework of
statistical process control and
design of experiments for optimizing wire electrochemical
turning process
Artigo de
revista
Haridy, S.,
Gouda, S.A., Wu, Z., 2011
The International
Journal of
Advanced Manufacturing
Technology
Este trabalho propõe um quadro integrado de
SPC e DOE para executar os procedimentos
experimentais e para investigar um modelo matemático confiável para otimizar o processo
WECT.
Engenharia Pesquisa
Experimental
Proposta de integração:
Metodologia de superfície
de resposta; gráficos EWMA uni e multivariados;
Otimização multi-objetiva
12
Application of statistical process
control technology and quality tools in the process of series
motor production
Artigo de revista
Zeng, Q.Y. et at., 2013
Advanced Science Letters
Este trabalho buscou melhorar a capacidade de um processo de produção de motor em série,
usando ferramentas de controle estatístico de
processo e ferramentas de melhoria da qualidade.
Engenharia/
Negócios,
gestão
Estudo de caso
CEP (Estudo de capacidade), Brainstorming
(Método tempestade);
Diagrama espinha de peixe (causa e efeito) e DOE
13
Uma aplicação do planejamento
de experimentos e carta de controle em uma indústria de
cosméticos: ciclo DMAIC
Dissertação de mestrado
Godoy, C., 2014
Não se aplica
Oobjetivo deste trabalho foi propor uma abordagem detalhada de implementação do
Ciclo DMAIC para a Melhoria da Qualidade
num dos processos de uma indústria de cosméticos.
Engenharia/
Negócios,
gestão
Pesquisa
Bibliográfica/ Estudo de
caso
DMAIC (gráfico de pareto, carta de projeto, diagrama
de causa e feito, análise dos
5 porquês, matriz de esforço x impacto); CEP e DOE
14
Advancement of Experimental
Procedure for SPC
Implementation: A Step Ahead to Optimization as applied in
Process Industries
Artigo de
revista
Soni, P.,
Somkunwar, V., 2016
Global Journal of
Engineering,
Science & Social
Science Studies
Este trabalho buscou implementar técnicas de
CEP, por meio do auxílio do DOE, a fim de
melhorar o desempenho de um processo de moagem tornando-o mais capaz (aumento na
capacidade do processo).
Engenharia/
Negócios, gestão
Estudo de
caso
CEP (estudo de capacidade,
gráficos de controle), DOE
Fonte: Autora (2016)
56
CAPÍTULO 4 – MODELO CONCEITUAL
Este capítulo elucida a proposição de um modelo para a aplicação combinada de
ferramentas estatísticas com o propósito de resolver problemas de qualidade em atividades de
manufatura, com foco em experimentos planejados e monitoramento via gráficos de controle.
Para poder atender as micro e pequenas empresas (público-alvo desta pesquisa), buscou-se
elaborar um modelo de fácil entendimento, que utiliza uma abordagem simples de DOE19,
além de outras ferramentas de melhoria de qualidade de fácil entendimento e aplicação, de
modo a fornecer o suporte necessário a uma aplicação eficiente de DOE e CEP.
O desenvolvimento desta metodologia baseou-se na análise detalhada de 14 trabalhos
científicos, conforme descrito na seção 3.2.1. Mediante este estudo, foram coletadas as
principais contribuições de cada autor para posteriormente concatenar essas ideias em uma
metodologia que permitisse a sua implementação em qualquer tipo de operação industrial, em
especial em MPEs. Suas etapas serão descritas segundo um guia “passo a passo”, de modo a
garantir que a deficiência intelectual encontrada em grande parte destas empresas,
principalmente quanto ao uso de ferramentas estatísticas, não seja um fator limitante para a
execução do modelo.
A ideia central desta metodologia partiu dos estudos de Thomas e Barton (2006) e da
sua versão mais atualizada, Thomas, Barton e Chuke-Okafor (2009). Tais autores propuseram
um modelo de uso integrado de ferramentas da qualidade para aplicação em processos
industriais, com foco em MPEs. Mesmo os autores focalizando em abordagens diferentes do
cerne deste trabalho, como a implementação das metodologias seis sigma e lean, sua proposta
principal se assemelha bastante com os objetivos desta pesquisa.
Em linhas gerais, a análise dos trabalhos selecionados trouxe várias contribuições
conceituais ao modelo de integração de DOE e CEP, as quais merecem destaque:
A ideia de um comportamento cíclico, em que não existe uma etapa inicial padrão,
podendo iniciar tanto pelo monitoramento, como pela experimentação (LEITNAKER
e COOPER, 2005; BISGAARD, 2008);
A importância da aplicação de CEP e DOE integrada com outras ferramentas da
qualidade como apoio nos processos de definição do problema a ser estudado e de
19Thomas, Barton (2006), reafirmado por Thomas, Barton e Chuke-Okafor (2009), alegaram que a complexidade
de aplicação das técnicas de DOE foi um dos motivos mais citados pelas MPEs pela sua resistência à aplicação
de técnicas de melhoria de qualidade, como o seis sigma.
57
investigação das principais causas (fatores/níveis) deste problema (GOH, 2000;
PIEROZAN, 2001; HE, QI e LIU, 2002; THOMAS e BARTON, 2006; DÍAZ et al.,
2009; THOMAS, BARTON e CHUKE-OKAFOR, 2009; ZENG et al., 2013;
GODOY, 2014);
Um estudo detalhado acerca do comportamento do processo atual, o qual pode ser
realizado via mapeamento de processo e brainstorming, aumenta a eficiência da
aplicação das ferramentas DOE e CEP (LEITNAKER e COOPER, 2005; THOMAS e
BARTON, 2006; THOMAS, BARTON e CHUKE-OKAFOR, 2009; GODOY, 2014;
SONI e SOMKUNWAR, 2016)
O entendimento acerca do controle estatístico de processos como uma ferramenta
proativa, que pode ser empregada não só para controlar e manter o processo atual,
como também para investigar as causas das variações (LEITNAKER e COOPER,
2005; DÍAZ et al., 2009; ZENG et al., 2013);
A importância de uma análise de capacidade do processo antecedente à aplicação do
CEP, como forma de garantir que ganhos adicionais ao processo sejam obtidos
(PIEROZAN, 2001; DÍAZ et al., 2009; ZENG et al., 2013; SONI e SOMKUNWAR,
2016);
A aplicação CEP deve ser realizada em duas fases distintas: na primeira são calculados
os limites de controle com processo em estado de controle estatístico; e na segunda
ocorre o monitoramento efetivo do processo (GODOY, 2014; SONI e
SOMKUNWAR, 2016);
A importância da natureza de feedback das informações como forma de aumentar a
eficiência do processo de melhoria contínua de qualidade (NEMBHARD e HE, QI e
LIU, 2002; VALVERDE-VENTURA, 2003; THOMAS e BARTON, 2006;
THOMAS, BARTON e CHUKE-OKAFOR, 2009);
Para a concepção do modelo de integração enumerou-se uma série de etapas, as quais
podem ser enquadradas em quatro fases distintas: fase preliminar, estudo experimental,
análise da capacidade do processo e monitoramento do processo. Estas etapas estão ilustradas
de forma resumida na Figura 10, sendo descritas ao longo deste capítulo. Neste trabalho,
devido a algumas limitações impostas durante a pesquisa, a aplicação do estudo de caso será
realizada efetivamente apenas até a segunda fase, sendo as demais retratadas de forma
conceitual.
58
Figura 10 - Mapeamento das etapas para a implementação do modelo proposto
Fonte: Autora (2016)
Como este processo de integração não apresenta uma etapa fixa como ponto de parte
de partida, conforme abordado na seção 2.3.1, sua implementação pode ocorrer em duas
circunstâncias distintas:
Durante a fase de projeto de produto/processo (DOE CEP): Nesta fase deve-se
fazer uso do projeto de experimentos para determinar a configuração ideal de um dado
produto e/ou processo e assim, elucidar as características de qualidade mais
significativas para o posterior monitoramento do processo.
SIM
Identificação das causas dos problemas
Priorização dos fatores mais
importantes (Brainstorming)
Descrição das características do
experimento
Condução do experimento
Análise dos resultados
Definição da configuração ideal
Implementação das mudanças
sugeridas no processo
Cálculo dos limites de controle
(Etapa I)
Processo capaz?
Delineamento do
Problema
- Feedback do cliente/serviço
- Brainstorming
Monitoramento do processo
(Etapa II)
Processo estável?
SIM
Verificação dos resultados com o real
Cálculo da capacidade do
processo
As causas podem
ser facilmente
identificadas e
eliminadas?
Eliminar as causas especiais
SIM
NÃO
NÃO
NÃO
Pla
nej
am
ento
de
Ex
per
imen
tos
-D
OE
Co
ntro
le Esta
tístico d
e Pro
cessos -
CE
P
1- Objetivos do
experimento;
2- Variável resposta;
4- Fatores de controle e
seus níveis;
5- Fatores de ruído;
6- Tratamentos;
7- Princípios da
experimentação;
8- Matriz experimental;
9- Sistema de medição;
1- Mapeamento do
processo-chave;
2- Brainstorming;
3- Diagrama de causa e
efeito;
59
Durante a fase de fabricação (CEP DOE): Nesta fase o produto já está sendo
manufaturado e monitorado por meio de gráficos de controle. Em um determinado
instante, o processo pode sair do estado de controle estatístico em virtude do
surgimento de causas especiais. Nesta situação, deve-se aplicar o projeto de
experimentos a fim de investigar quais fontes de variação afetam significativamente o
processo, eliminá-las e novamente monitorar o processo.
A Figura 11 apresenta as metas e ferramentas utilizadas para o alcance da melhoria da
qualidade, utilizando o modelo proposto, desde a fase de planejamento e desenvolvimento de
produto/processo até a fase de fabricação.
Figura 11 - Metas e ferramentas para o alcance da melhoria contínua de qualidade
Fonte: Autora (2016), inspirado em Goh (2000)
4.1 FASE PRELIMINAR
O objetivo desta fase consiste em fornecer as informações necessárias, desde a
definição do(s) problema(s) até a identificação dos fatores principais, os quais servirão de
base para a aplicação das ferramentas de DOE e CEP. Esta fase engloba três etapas principais:
ProcessoProduto
METAS
Ferramentas
utilizadas
FASE I :
PROJETO
FASE II :
FABRICAÇÃO
Qualidade
Confiabilidade
Robustez
Feedback do serviço/
cliente*
Brainstorming
DOE
* Outras ferramentas podem ser empregadas nessa fase como FEMEA e QFD, porém, não entraram na
proposta deste modelo conceitual.
Capacidade
Estabilidade
Conformidade
com os requisitos
Mapeamento do processo
Brainstorming
Causa e efeito
DOE
Análise de capacidade
Gráficos de controle
60
definição do problema, identificação das causas dos problemas e priorização dos fatores mais
importantes.
a) Delineamento do problema:
Neste modelo, os gargalos/problemas de qualidade no produto e/ou processo
apontados pelo serviço de campo e pelo feedback do cliente20 devem ser analisados por meio
de um levantamento de ideias (brainstorming) realizado por intermédio de uma equipe
multidisciplinar, envolvendo profissionais desde o setor de operação até a alta administração a
fim de elucidarem os problemas prioritários que merecem o tratamento devido.
Nesse contexto, Thomas, Barton e Chuke-Okafor (2009) afirmam que o uso do
brainstorming permite que sejam considerados os objetivos individuais de cada funcionário,
da empresa e os efeitos da melhoria esperada, de modo a otimizar a melhoria contínua de todo
o sistema. Quando essa etapa ocorre durante a fase de projeto e desenvolvimento de produto,
Díaz et al. (2009) destacam que esta técnica pode ser uma poderosa ferramenta para estimular
o pensamento criativo e consequentemente desenvolver ideias inovadoras para a resolução
do(s) problema(s) propostos. Alguns autores ainda defendem o uso de gráfico de pareto nessa
fase. Apesar desta ferramenta não ter entrado no escopo deste modelo em virtude de
simplificar sua implementação inicial, pode ser considerada para análises futuras da empresa.
Ainda nesta mesma etapa, os efeitos do problema devem ser mensurados, bem como
os benefícios advindos de sua solução, a fim de determinar o grau de necessidade da aplicação
deste modelo.
b) Identificação das causas do problema:
Após definido o problema, recomenda-se a realização de um processo de investigação
para determinar as causas de sua ocorrência. Para a concretezição desta etapa devem ser
aplicadas as seguintes ferramentas:
Mapeamento do processo-chave;
Brainstorming;
Diagrama de causa e efeito;
20Segundo os estudos de He, Qi, Liu (2006), quando o cliente não é ouvido pela empresa surgem problemas
como longo tempo de desenvolvimento de má qualidade, alto custo, perda de oportunidades de negócios e
divergências entre os departamentos.
61
A ferramenta de mapeamento21 consiste em fazer um levantamento de todas as etapas
que compõe o processo e sequenciá-las em ordem de ocorrência. Na sequência, deve-se
elaborar um diagrama de causa-e-efeito por meio de brainstorming entre toda a equipe
envolvida. Este diagrama se apresenta no formato de uma espinha de peixe, o qual é
comumente divido em seis categorias gerais (materiais, métodos, mão de obra, medição,
máquinas e meio ambiente), sobre as quais são identificados os possíveis fatores (causas) que
influenciam na variável resposta (problema), e seus níveis.
c) Priorização dos fatores mais importantes22:
Para facilitar esta análise, a própria equipe que elaborou o diagrama deve chegar a um
consenso sobre quais são os fatores que mais influenciam na característica de interesse
(resposta) e posteriormente, conduzí-los a fase da experimentação.
4.2 ESTUDO EXPERIMENTAL
Esta fase consiste na aplicação do DOE23 com o intuito de determinar os fatores
(parâmetros) significativos e suas possíveis interações, os quais se comportarão como
variáveis de entrada para o processo de monitoramento24. Na sequência serão apresentadas as
etapas desta fase.
a) Descrição das características do experimento:
No início do projeto, ainda por intermédio da técnica brainstorming, deve-se fazer um
levantamento de todas as informações necessárias à posterior condução do experimento. Para
Godoy (2014), esta conduta evita a necessidade de repetições ou cancelamento do
experimento em virtude de possíveis alterações no decorrer da experimentação. Com base em
Pierozan (2001); Thomas e Barton (2006); Thomas, Barton e Choke-Okafor (2009); Godoy
(2014); as informações que devem ser pré-definidas são:
21Leitnaker e Cooper (2005) defendem o uso desta ferramenta como forma de auxiliar os engenheiros de
processos a entenderem o funcionamento do processo, bem como a relação entre suas variáveis e as
características dos resultados. 22 Para análises mais aprofundadas, a literatura destaca o uso do método Shainin como forma de identificar os
fatores prioritários ao processo (ver THOMAS e BARTON, 2006; THOMAS, BARTON e CHUKE-OKAFOR,
2009). 23Neste modelo foi sugerida a aplicação do DOE para priorizar os fatores que devem ser monitorados durante a
aplicação do CEP, entretanto, Godoy (2014) elucida a existência de outras técnicas para o mesmo fim, como
FEMEA e análise de regressão. 24 Sem a realização dos experimentos, existe a probabilidade do controle estatístico de processos ser
implementado baseado em suposições não verdadeiras (PIEROZAN, 2001).
62
Objetivo(s) do experimento;
Variável(s) resposta25;
Fatores de controle e seus níveis;
Fatores de ruído26;
Tratamentos;
Princípios da experimentação – aleatorização, blocagem, replicação e repetição;
Tipo do experimento (Matriz experimental)27;
Sistema de medição28;
Antes da realização de qualquer estudo experimental, devem ser definidos todos os
objetivos almejados, de modo a planejar as etapas posteriores em consonância com estes
objetivos. Em geral, determinam-se os objetivos com base no(s) problema(s) proposto(s).29
Outro ponto que merece destaque trata-se da importância em se averiguar a eficiência
do equipamento utilizado durante a medição desta variável, a fim de reduzir as possíveis
falhas geradas nesta etapa, as quais contribuem para o erro experimental. Além do
equipamento de medição utilizado, também deve ser definida a escala de medida.
b) Condução do experimento:
Durante o desencadear do experimento, desde a coleta dos dados até a execução dos
testes, é importante que o experimentador garanta que sejam seguidas todas as instruções pré-
determinadas na fase de planejamento do experimento, de modo a minimizar os possíveis
erros. Ainda seguindo este objetivo de minoria de erros, faz-se necessário que sejam
registradas todas as informações pertinentes observadas no decurso deste experimento para
servir de consulta caso haja resultados incomuns; além disto, toda esta etapa deve ser
acompanhada e monitorada pelo responsável da pesquisa ou uma pessoa capacitada e
devidamente treinada para este fim.
25Montgomery (2008) relata acerca da importância de o experimentador estar certo que a variável resposta
fornece informações úteis para o estudo. 26A fim de facilitar a análise, Thomas e Barton (2006) aconselham que a equipe envolvida concentre-se em
reduzir o número de fatores de ruído a zero. 27Consultar Tabela 1. 28 Para uma análise mais aprofundada, consultar Costa, Epprecht e Carpinetti (2009, p.139-158). 29 Nesta etapa, Antony, J. (2014) atenta para a necessidade de traduzir um problema de engenharia/manufatura
para um problema estatístico, de modo a delimitar os objetivos do experimento do ponto de vista estatístico.
63
Outra consideração importante foi trazida por Godoy (2014), que menciona a
importância de controlar todos os fatores externos de modo a evitar que interfiram nos
resultados da experimentação. Nesta etapa, vale destacar a frase mencionada por Bisgard
(2008) que diz: “[...] apenas um experimento cuidadosamente concebido e devidamente
aleatorizado pode evitar o risco de confundir causas especiais com correlação sem sentido.”
c) Análise dos resultados:
O objetivo principal desta etapa é utilizar ferramentas estatísticas para avaliar o grau
de influência dos fatores investigados na(s) variável(s) resposta, de modo a determinar quais
destes fatores são significantes do ponto de vista estatístico. Pierozan (2001) destaca a
importância da análise está detalhada em termos gráficos e numéricos, de modo a facilitar a
compreensão dos resultados.
Uma questão abordada no trabalho de Thomas e Barton (2006) que merece relevância
trata-se da possibilidade dos resultados apontados pela análise do experimento não indicarem
nenhum dos fatores/interações como estatisticamente significantes quanto ao efeito gerado na
variável resposta. Nesta situação, algumas condutas são indicadas por estes autores:
Selecionar um novo fator ou conjunto de fatores para um novo experimento;
Averiguar se a matriz experimental escolhida era adequada para o problema;
Verificar a eficiência dos equipamentos de medição;
Redefinir os objetivos do experimento.
d) Definição da configuração ideal:
De acordo com os resultados gerados durante a análise dos experimentos, pode-se
reconhecer os fatores de controle que são significativos, bem como a configuração ideal
destes fatores e seus níveis de modo a otimizar a variável resposta - maximizar ou minimizar,
dependendo da característica de interesse..
e) Verificação dos resultados com o real:
É importante que os resultados da experimentação estejam fidedignos com a realidade
abordada. Esta etapa pode ser desempenhada apresentando os resultados aos responsáveis do
processo e demais colaboradores envolvidos, de modo a atestarem sua conformidade com a
situação real. Nesse contexto, Pierozan (2001) elucida que a validação das conclusões geradas
64
no experimento, deve ser desempenhada por meio de testes de acompanhamento e
verificação.
f) Implementação das mudanças sugeridas no processo
Após determinada a configuração ideal que otimiza a característica de interesse, deve-
se implementá-la no processo a fim de maximizar os resultados da empresa. Para uma
implementação eficiente, Pierozan (2001) atenta para a importância da padronização das
tarefas, como garantia que todos os colaboradores envolvidos irão trabalhar da forma pré-
estabelecida e na busca pelos mesmos objetivos.
4.3 ANÁLISE DA CAPACIDADE DO PROCESSO
Posteriormente à implementação das mudanças sugeridas, deve ser avaliada a
capacidade do processo atual em fornecer produtos conformes (dentro dos limites de
especificação). Esta avaliação se embasa na análise de índices de capacidade (Cp, Cpk e
Cpm), os quais foram abordados de forma mais detalhada na seção 2.3 deste trabalho.
Para a condução desta fase, as amostras devem ser coletadas sob condições ideais, de
modo a garantir que o processo esteja em estado de controle estatístico, ou seja, isento de
causas especiais, de modo que o resultado quanto à capacidade reflita apenas as características
específicas do próprio processo analisado. Nestas circunstâncias, caso o processo não seja
considerado capaz, deve ser reconduzido à fase inicial do fluxo para a investigação da(s)
possível(s) causa(s) e, logo após, seguir para a otimização experimental; caso contrário, segue
direto para a fase de monitoramento.
4.4 MONITORAMENTO DO PROCESSO
Nesta fase, a nova configuração (ideal) sugerida na fase de experimentação e
posteriormente implementada no processo se comportará como variável(s) de entrada para a
aplicação do CEP. Conforme elucidado por vários autores (MONTGOMERY, 2005;
GODOY, 2014; WOODALL e MONTGOMERY, 2014; SONO e SOMKUNWAR, 2016), a
eficiência desta fase está atrelada a sua concretização por meio de duas etapas principais
distintas, as quais serão descritas na sequencia, com base nos autores citados anteriormente.
65
a) Etapa I:
Nesta etapa, o investigador deve inicialmente verificar a estabilidade do processo, de
modo a garantir que as amostras sejam coletadas sob condições de controle estatístico, ou
seja, submetidas apenas a variações naturais do processo. Após garantir a estabilidade,
devem-se determinar as características da coleta (número e tamanho das amostras), e o tipo de
gráfico de controle que será utilizado. Para esta situação, Montgomery (2005) recomenda que
sejam recolhidas entre 20 e 30 amostras, de modo a garantir que estas amostras representem
fidedignamente o processo real. Sequencialmente, deve-se calcular os limites de controle com
base nas amostras coletadas, os quais servirão de parâmetros para a fase de monitoramento.
Vale salientar que estes limites deverão ser avaliados e recalculados continuamente, de modo
a garantir a eficiência dos gráficos de controle.
A aplicação do DOE em uma das fases deste modelo, implica na escolha do gráfico de
controle, em virtude da existência de fatores que influenciam na característica de qualidade
em estudo, devendo ser levando em consideração no controle estatístico de processos, como
forma de evitar qualquer falsa interpretação (GODOY, 2014). Para esta situação, Godoy
(2014) defende o uso de cartas como EWMA, EWMAREG e gráfico de controle de regressão.
b) Etapa II:
Esta etapa é responsável pelo monitoramento efetivo do processo. Sua
operacionalização consiste na coleta de novas amostras, as quais terão os valores da
característica(s) de interesse plotadas no gráfico de controle cujos parâmetros foram
estabelecidos na etapa anterior. Nesta etapa, vale ressaltar que a melhor forma de determinar
as condições de elaboração da amostragem (número e tamanho das amostras, e intervalo entre
amostras) deve ser determinada pelos responsáveis do processo, uma vez que paradas no
processo para a coleta dos dados pode ser muito custoso para a organização. Outro fator
agravante é quando se necessita fazer uso de testes destrutivos para a avaliação da
característica de interesse. Entretanto, em algumas situações é mais custoso e/ou arriscado a
elaboração itens não conformes, como por exemplo, a fabricação de algum tipo de
medicamento. Face às questões relatadas, recomenda-se que exista um consenso para a
elaboração de uma amostragem de forma ciente e objetiva.
Dando continuidade ao fluxo, no momento em que for sinalizada a presença de causas
especiais no processo, devem ser identificadas e eliminadas e os limites do gráfico de controle
recalculados. Para situações em que a causa da variação não for facilmente identificada, o
66
investigador deve retornar à fase inicial do modelo para a investigação da(s) possível(s)
causa(s), estudo experimental, implementação da configuração ideal, análise de capacidade e,
por fim, voltar a monitorar o processo, sendo que agora isento destas causas.
67
CAPÍTULO 5 – ESTUDO DE CASO
Este capítulo traz a princípio o panorama geral da pequena empresa “Big Bag do
Nordeste”, ressaltando o produto analisado nesta pesquisa, bem como seu processo de
fabricação. Adiante, é exposto de forma detalhada como se desenvolveu a aplicação do
modelo conceitual proposto de integração de ferramentas de qualidade, com foco em DOE e
CEP no processo de fabricação do “big bag padrão”; bem como os resultados gerados. Vale
ressaltar que esta pesquisa se desenvolveu por meio da parceria estabelecida entre a pequena
empresa e a Universidade Federal do Rio Grande do Norte – UFRN.
5.1 PANORAMA GERAL DA EMPRESA
A Big Bag do Nordeste iniciou suas atividades comerciais em 4 de setembro de 2013,
com foco na produção e comercialização de embalagens manufaturadas em tecido de
polipropileno, tais como: sacarias (sacos de ráfia), comumente fornecidas para o setor
alimentício; e contentores flexíveis intitulados por “big bags” (principal produto da empresa),
cujos principais clientes são salineiras, indústrias de mineração e agricultura. Atualmente, ela
atende as regiões do Rio Grande do Norte, Paraíba e Ceará.
Portadora de uma área de 800 m², a empresa em estudo possui uma capacidade
instalada apta para atender um volume de produção de até l.000 big bags por dia útil (cerca de
22 mil por mês). Entretanto, sua demanda média mensal girou em torno de 12 a 13 mil big
bags no ano de 2015, apresentando uma queda de cerca de 50% em 201630. Seu faturamento
atual é de aproximadamente R$ 100.000,00 por mês, chegando a atingir R$ 350.000,00 em
períodos de ascensão econômica. Em situações normais, o quadro de funcionários é composto
por até 24 colaboradores. Face às condições apresentadas e com base na lei complementar n°
123, de 14 de dezembro de 2006, a Big Bag do Nordeste se enquadra como empresa de
pequeno porte, tributada pelo regime do lucro presumido.
Os big bags são recipientes de volume médio utilizados para o transporte ou
armazenamento temporário de materiais fluidos, sólidos e granéis. Trata-se de um sistema de
embalagem que além de resistente e versátil, também é econômico, pois conforme o manual
de segurança (2013) não requer nenhuma embalagem secundária ou paletização. Em sua
30 Este período de recessão econômica é conseqüência de fatores como a crise econômica nacional e a entrada de
novos fornecedores desse tipo de produto na região em que a Big Bag do Nordeste atua.
68
manufatura utiliza-se tecido reciclável de polipropileno, costurados com revestimento interno
de polietileno, sempre de acordo com os padrões da Norma NBR1602931. Este material é
conhecido como tecido de ráfia e é utilizado para a confecção de todos os componentes do big
bag: corpo, fundo, saia, válvula de carga e descarga, alça e cadarço, os quais diferem entre si
em termos de gramatura do tecido, conforme disposto na Tabela 4.
Tabela 4 - Especificações técnicas dos tecidos usados para cada componente do big bag
Componentes do big bag Especificações técnicas do tecido
Corpo 160 g/m²
Fundo 160 g/m²
Saia 64 g/m²
Válvulas de carga e descarga 64 g/m²
Alça 25 g/metro linear
Cadarço 6 g/metro linear
Fonte: Autora (2016)
Podendo ser fabricado sob encomenda, estes recipientes estão disponíveis em
diferentes dimensões e especificações, de acordo com as necessidades de operações de cada
cliente. Os principais modelos ofertados pela empresa variam de acordo com o tipo de alça, de
tampa e de fundo. As alças podem ser espalmadas ou vincadas (também conhecidas como
abraçadas); a tampa pode ser totalmente aberta ou com saia superior (com ou sem válvula de
carga); e o fundo pode ser totalmente fechado ou com válvula de descarga inferior. Estes
modelos podem ser visualizados na Figura 12.
31Embalagens - Contentores intermediários flexíveis (FIBC) para produtos não perigosos (ISO
21898:2004, MOD).
69
Figura 12 - Principais modelos de big bags conforme os critérios: tipo de alça, de tampa e de fundo
Fonte: Adaptado de AFIPOL, 2013.
Com base na classificação apresentada, a Big Bag do Nordeste disponibiliza seis tipos
básicos de big bags, os quais estão dispostos na Figura 13. O modelo analisado nesta pesquisa
é o C4, com saia de enchimento superior e válvula de descarga, o qual é tido como “padrão”
por ser o mais comercializado. Este modelo costuma ser manufaturado nas dimensões de 90
cm x 90 cm x 120 cm (comprimento x largura x altura); com capacidade de aproximadamente
1.000 kg e está custando atualmente em torno de R$ 26,50 por unidade.
Figura 13 - Esboço dos modelos básicos de big bags manufaturados pela empresa
Fonte: Material disponibilizado pela empresa Big Bag do Nordeste, 2016.
70
O PCP (Planejamento e Controle da Produção) da empresa fundamenta-se no modo de
produção puxada, uma vez que as ordens de produção são geradas e ordenadas conforme as
ordens de pedidos emitidas pelos clientes, não havendo fabricação de mais de um tipo de big
bag simultaneamente. Juntamente com o cliente são negociadas questões como prazo de
entrega, forma de pagamento e logística de entrega. O transporte do produto final ao cliente
pode ou não gerar custos à organização (modalidade CIF ou FOB)32, dependendo das pré-
negociações durante o lançamento do pedido.
A escolha de seus parceiros comerciais, em geral seus fornecedores, se dá pela
priorização dos critérios qualidade, preço e prazo de entrega dos produtos. Quanto à política
de pós-venda, a empresa procura sempre manter uma boa relação, visitando desde os seus
clientes diretos até os seus clientes indiretos33 para verificar se o seu produto apresenta
alguma não conformidade e se está sendo utilizado dentro das condições ideais de uso e
manuseio pré-estabelecidas pelo fabricante (ver ANEXO C).
Quanto à política de qualidade, a empresa faz uso do modo de inspeção visual, por
meio do qual se analisam todas as unidades dos produtos manufaturados ao final do processo
de fabricação, a fim de detectar a presença de alguma anomalia, seja no tecido, na costura ou
na pintura. No entanto, ao fazer esta análise apenas com os produtos finalizados, aumenta os
custos com refugo e retrabalho, além do tempo desperdiçado durante a produção. Logo,
percebeu-se que esta empresa não possui uma sistemática de melhoria contínua, nem desfruta
dos benefícios oriundos de ferramentas estatísticas de melhoria de qualidade, como DOE e
CEP.
Com base nas informações relatadas, pode-se observar a necessidade de implantação
de um modelo de melhoria de qualidade que acompanhe o processo na medida em que ele é
executado, a fim de evitar que problemas de qualidade cheguem ao produto final e,
principalmente, aos seus consumidores.
O interesse por parte da empresa nesta pesquisa surgiu, devido a reclamações recentes
de seus clientes quanto ao rompimento nas alças dos big bags durante a sua utilização.
Segundo informações do proprietário da empresa, esta situação é potencializada muitas vezes
32As siglas CIF e FOB vem do inglês “Cost, Insurance and Freight” e “Free On Board”, respectivamente. Caso
o cliente compre a mercadoria da empresa no modo CIF, o transporte desta mercadoria é de responsabilidade da
empresa, bem como os gastos com frete e seguro, caso necessário. Já a compra pela modalidade FOB, transfere
essa obrigação ao comprador da mercadoria. 33Clientes indiretos de uma empresa são aqueles que fazem uso de seu(s) produto(s) por comprá-lo(s) de clientes
diretos da empresa, como exemplo, tem-se a seguinte situação: quando a Petrobrás compra os fardos de sal de seu fornecedor, os quais são
71
pelo cumprimento deficiente das recomendações exigidas por parte dos clientes, como o uso
de carga acima da máxima admitida; exposição dos contentores a condições ambientais
inadequadas para sua conservação; entre outros. A Figura 14 traz registros de alças rompidas,
realizados em visitas aos clientes.
Figura 24 - Fotos de alças de big bags com defeitos
Fonte: Fotos registradas pela Big Bag do Nordeste em um período de 2014-2015.
Acidentes ocasionais podem ser gerados em virtude do rompimento destas alças
durante operações de içamento e mobilização/transporte do big bag, quando este se encontra
72
carregado. Perdas financeiras, acidentes de trabalho e até danos ambientais34 (em menor
risco), são algumas de suas possíveis consequências. A fim de minimizar esta situação, este
trabalho buscou aplicar o modelo conceitual proposto no processo de fabricação dos big bags,
a fim de determinar uma configuração ideal dos fatores e seus respectivos níveis, que afetam a
resistência das alças, para posteriormente aplicar as mudanças no processo e por fim, poder
implementar técnicas de controle estatístico para monitorar a produção. Como não foi
possível realizar na prática o monitoramento, este trabalho apresenta uma descrição, de forma
conceitual, a respeito da forma como esta fase deverá proceder.
5.2 APLICAÇÃO DO MODELO PROPOSTO NO PROCESSO DE FABRICAÇÃO
DOS BIG BAGS
Inicialmente, vale destacar a importância da parceria “universidade-empresa” no
tocante a esta pesquisa, possibilitando benefícios mútuos para ambas as partes envolvidas. A
universidade disponibilizou recursos como o laboratório para a realização dos testes durante o
estudo experimental, além de know-how necessário para que a aplicação se desempenhasse da
forma mais eficiente possível. Já a empresa forneceu possibilidades de avanços na pesquisa
científica para o curso de pós-graduação em engenharia de produção da UFRN, ao conceder
seu espaço e todos os recursos que foram precisos para que o modelo desenvolvido pudesse
ser testado na prática. Na sequencia, serão descritas todas as atividades que foram
desempenhadas em cada fase do modelo proposto, de modo que a fundamentação teórica para
a operacionalização desta parte da pesquisa foi retratada no Capítulo 4.
5.2.1 Fase Preliminar
Nesta fase foram coletadas todas as informações necessárias para o delineamento do
problema, investigação das suas possíveis causas (fatores envolvidos e seus níveis) e
determinação dos fatores mais importantes. Conforme relatado anteriormente, o problema de
qualidade que impulsionou este estudo trata-se do rompimento das alças dos big bags. Esta
questão foi priorizada pela empresa devido ao histórico de reclamações dos clientes acerca
deste caso, além da gravidade dos impactos gerados em possíveis acidentes.
34Quando o material que está sendo carregado pelo big bag é despejado no meio ambiente podendo contaminá-
lo.
73
Para a identificação das causas potenciais ao problema, inicialmente levantaram-se
todas as informações necessárias ao entendimento do processo de manufatura do big bag
padrão – etapas desenvolvidas e suas principais características, como: equipamentos
utilizados, tipos de matéria prima, operadores envolvidos, métodos aplicados, entre outros.
Para a coleta destes dados, realizou-se entrevistas com profissionais de todos os níveis da
empresa (dono/diretor da organização, técnico de qualidade, supervisora de produção, as
próprias costureiras, etc.), além de pesquisa de campo. Com base nestas informações,
elaborou-se um mapa para este processo35 (Figura 15), cujas etapas estão descritas na
sequência.
Figura 15 - Etapas do processo produtivo do big bag padrão
Figura 15 - Etapas do processo produtivo do big bag padrão
Fonte: Autora (2016)
35O big bag padrão apresenta um lead time (tempo de processamento) que varia de 9 a 10 minutos por unidade.
74
Etapa 1 – Corte: nesta etapa é realizado o corte de todo o material necessário à
fabricação do big bag. Para tal, utilizam-se duas máquinas paralelamente, sendo a
primeira responsável pelo corte do corpo do produto, do fundo, da válvula inferior e
da saia superior; e a segunda destina-se ao corte das alças e dos cadarços.
Etapa 2 – Impressão: o corpo do big bag segue para a máquina de impressão, sobre o
qual é impressa a logomarca do cliente.
Etapa 3 – Produção: esta etapa é subdividida em quatro estágios - preparação, costura
das alças no corpo do big bag, fixação do fundo ao corpo e, por último, fixação da saia
ao corpo. O estágio de preparação consiste na montagem da saia e da válvula inferior
por meio da costura dos cadarços e da fixação da válvula ao fundo.
Etapa 4 – Vistoria: os produtos finalizados passam por uma inspeção visual para evitar
que possíveis defeitos cheguem aos clientes. Dependendo do tipo de avaria, o big bag
pode retornar à produção para ser recuperado ou será transformado em refugo.
Etapa 5 – Prensa: os produtos aptos para serem vendidos são encaminhados para a
máquina de prensa para a formação dos lotes de big bags, os quais podem variar de 10
a 25 unidades por lote.
Etapa 6 – Expedição: após a formação dos lotes, estes ficam aguardando o transporte,
o qual pode ser de responsabilidade da empresa ou do cliente, conforme dito
anteriormente.
Analisando as etapas do processo e tomando por base o problema relatado, definiu-se
que o estudo seria direcionado à etapa de produção, mais especificamente, à atividade de
costura das alças dos big bags. Sendo assim, elaborou-se uma matriz de causa e efeito (Figura
16) com base na atividade destacada, levando-se em consideração as seis categorias gerais
propostas pela literatura: materiais, métodos, mão de obra, medição, máquinas e meio
ambiente, as quais possivelmente influenciam na característica de interesse – resistência das
alças.
75
Figura 16 - Diagrama de causa e efeito
Fonte: Autora (2016)
Com base no diagrama proposto, realizou-se um brainstorming com uma equipe
multidisciplinar, contendo colaboradores da empresa, dois estudantes e uma professora de
pós-graduação da UFRN, a fim de determinarem quais os fatores e seus níveis, que
possivelmente mais influenciam na característica de interesse, e posteriormente conduzi-los a
fase de experimentação. Os fatores escolhidos, a partir de agora denominados fatores
controláveis, e seus respectivos níveis, estão dispostos na Tabela 5. Vale salientar que, a fim
de facilitar a análise estatística, optou-se por subdividir o fator experiência das costureiras em
dois fatores: experiência em alça espalmada e experiência em alça vincada. Isso se deve ao
fato de que uma mesma costureira pode ter experiência em ambos os tipos de alça, em apenas
um ou em nenhum dos dois.
Tabela 5 - Fatores e níveis usados na fase de experimentação
Fator Abreviatura Nível baixo (-1) Nível alto (1)
Velocidade da máquina de costura A Máquina lenta Máquina rápida
Experiência em vincada B Sem experiência Com experiência
Experiência em espalmada C Sem experiência Com experiência
Tipo de alça D Alça espalmada Alça vincada
Comprimento da costura E Comprimento menor Comprimento maior
Fonte: Autora (2016)
Medição Materiais Mão de obra
Método Meio ambiente Máquina
Máquinas de
costura com
velocidades
diferentes
Costureiras com
diferentes níveis de
experiência
Tecido de ráfia
Linha
Condições
ambientais
normais
Dinamômetro
(UFRN)
Resistência das
alças do big bag
padrão
Tamanho da
costura
Tipo de
costura
76
5.2.2 Estudo experimental
Nesta fase aplica-se o DOE com o intuito de determinar quais fatores e suas possíveis
interações afetam significativamente a característica de interesse (resistência das alças) deste
estudo. A hipótese que surge a partir disto é de que ao se determinar os parâmetros
significativos poderá então estabelecer uma configuração ideal, de modo a otimizar a
atividade de costura destas alças.
5.2.2.1 Descrição das características do experimento
Inicialmente, foi realizado um levantamento de todas as informações necessárias à
condução do experimento. Neste contexto, observa-se um planejamento fatorial com 5 fatores
e 2 níveis cada, cuja coleta das amostras deve ser realizada com restrição na aleatorização
devido à presença de três fatores de difícil mudança: máquina, experiência em espalmada e
experiência em vincada. Diante disto, o experimentador optou pela realização de um
experimento fatorial Split Plot 2³ x 2² com 2 repetições e 2 réplicas, configurando 32
tratamentos distintos e 128 unidades observacionais. Não foram utilizados blocos neste
experimento. Sendo assim, os fatores citados como de difícil mudança estarão associados à
parcela, enquanto os outros dois (tamanho e tipo de alça) à sub-parcela. É importante ressaltar
que os fatores experiência em espalmada e experiência em vincada são observados em uma
mesma costureira. Neste processo não se observaram fatores de ruído que tivessem potencial
para afetá-lo de forma significativa, sendo assim, não foram considerados na análise do
experimento.
5.2.2.2 Condução do experimento
Em virtude da limitação encontrada quanto à inexistência de um equipamento
especializado para testes de resistência de alças de big bag nas localidades próximas, optou-se
para esta análise, utilizar um dinamômetro - TENSOLAB 3000 MESDLAN (Figura 17),
disponível no laboratório de caracterização de materiais têxteis da UFRN - LABCTEX. Por
meio deste equipamento, aplicou-se nas amostras um teste destrutivo de determinação de
resistência ao esgaçamento de costura, regido pela norma ISO 13935/2.
77
Figura 17 - Dinamômetro TENSOLAB 3000 MESDLAN
Fonte: Foto registrada pela autora deste trabalho (2016)
Para garantir a eficiência dos resultados, a norma citada para este tipo de teste exige
que as amostras apresentem dimensões de 5cm x 20cm (largura x comprimento). Neste
contexto, como forma de adaptar o objeto real de estudo aos requisitos exigidos, as amostras
que foram desenvolvidas representam um recorte, em tamanho reduzido, da alça fixada ao
corpo do big bag por meio de um tipo de costura que pode ser espalmada ou vincada,
conforme mencionado anteriormente.
Para a confecção destas amostras foram selecionadas quatro costureiras, de modo a
reproduzir quatro situações distintas quanto ao nível de experiência. A primeira apresentava
experiência na confecção dos dois tipos de alças, a segunda apenas em alça vincada, a terceira
apenas em alça espalmada e a quarta não apresentava experiência em nenhuma das alças. As
costureiras foram antepostas de forma intencional, cuja indicação foi realizada pela
supervisora de produção da empresa. Quanto ao fator tamanho da costura, foram considerados
dois tamanhos distintos, 10 cm para o de maior comprimento e 6 cm para o de menor
comprimento. A Figura 18 ilustra os quatro diferentes modelos de amostra, quanto aos
fatores, tamanho e tipo de costura. As duas primeiras representam modelos de alça espalmada
e as outras duas, alças vincadas.
78
Figura 18 - Modelos das amostras desenvolvidas
Fonte: Foto registrada pela autora deste trabalho (2016)
O processo de elaboração destas amostras foi conduzido e monitorado pela autora
deste trabalho, de modo a minimizar os possíveis erros oriundos deste procedimento. Foram
também registradas, em uma planilha física, todas as observações consideradas pertinentes,
durante o processo de coleta e após este (por meio da inspeção visual das amostras, já que os
testes são destrutivos), para servirem de consulta, caso apareça nos resultados gerados algum
dado incomum. As principais informações registradas foram: tempo de costura da unidade
amostral; necessidades de paradas no processo devido a problemas como quebras de máquina,
falta de material, entre outros; presença de defeitos nas amostras como costura diferentes do
padrão e/ou fora da marcação e avarias no tecido provocada pelo processo.
Durante a execução do estudo experimental, buscou-se assegurar que todos os fatores
externos que pudessem intervir no resultado do experimento fossem controlados. Um destes
fatores trata-se do fato de que o dinamômetro utilizado só pode ser manuseado por pessoas
qualificadas e autorizadas36; sendo assim, os testes foram conduzidos com o auxílio do
bolsista técnico do LABCTEX. Outro fator considerado externo trata-se da matéria prima
utilizada para a confecção das amostras, a qual foi previamente inspecionada para evitar que
36 Vale destacar, que esta mesma análise foi conduzida anteriormente sem o auxílio de uma pessoa treinada para
a condução destes testes, gerando problemas no decorrer do experimento que culminaram com a perda de um
lote de amostras.
79
possíveis avarias no tecido pudessem comprometer os resultados, dado que foram utilizados
os retalhos dos tecidos do corpo e das alças do big bag para esta confecção. Por fim,
procurou-se garantir que o dinamômetro não estivesse apresentando falhas de funcionamento.
Ao final do teste, o equipamento utilizado gera os resultados em termos de força
máxima (N) necessária para o esgaçamento completo da costura, tempo necessário(s) e
máximo alongamento do tecido (%). Tais resultados, bem como as condições estabelecidas
para a realização do experimento como: condições de temperatura e umidade relativa do ar,
velocidade da garra, pré-tensão aplicada, entre outros; podem ser visualizados no ANEXO D.
A Figura 19 retrata o diagrama do experimento fatorial Split Plot realizado neste experimento,
na ordem em que foram coletadas as amostras e executados os testes, destacando a restrição
encontrada na aleatorização. Vale destacar que os resultados numéricos do diagrama
correspondem à força máxima média gerada em cada uma das repetições de cada teste.
Réplica 1
1 A+ B+ C+ D-E- D-E+ D+E- D+E+
2114 N 1787 N 2492 N 2763 N 2104 N 2089 N 2132 N 1814 N
2 A+ B+ C - D+E+ D-E+ D-E- D+E-
1918 N 1888 N 2035 N 2867 N 1595 N 2302 N 1746 N 2186 N
3 A+ B - C - D+E- D+E+ D-E+ D-E-
1408 N 1499 N 1864 N 2126 N 3034 N 2815 N 2251 N 1721 N
4 A+ B - C+ D-E- D+E+ D+E- D-E+
2439 N 2377 N 1856 N 1636 N 1750 N 1740 N 2759 N 2791 N
5 A- B+ C - D-E- D+E- D+E+ D-E+
1840 N 1889 N 1505 N 1184 N 1703 N 1756 N 2039 N 2168 N
6 A- B - C - D-E+ D-E- D+E- D+E+
2643 N 2116 N 233 N 1905 N 1142 N 1162 N 1743 N 2321 N
7 A- B+ C+ D-E+ D-E- D+E- D+E+
2844 N 2403 N 1784 N 1998 N 1379 N 1605 N 1971 N 1606 N
8 A- B - C+ D-E- D-E+ D+E+ D+E-
1490 N 2017 N 2363 N 2424 N 1852 N 1790 N 1370 N 1379 N
Réplica 2
1 A+ B+ C+ D+E- D-E+ D+E+ D-E-
1799 N 1717 N 3125 N 2829 N 1750 N 1744 N 1717 N 1707 N
80
2 A+ B+ C - D-E+ D+E- D+E+ D-E-
2870 N 2737 N 1936 N 1888 N 2059 N 1899 N 1867 N 2533 N
3 A+ B - C - D-E- D-E+ D+E- D+E+
2221 N 1179 N 2452 N 2460 N 1545 N 1597 N 1758 N 1996 N
4 A+ B - C+ D-E- D-E+ D+E+ D+E-
2442 N 2624 N 2836 N 2799 N 2014 N 2105 N 1345 N 1613 N
5 A- B+ C - D+E- D+E+ D-E+ D-E-
1852 N 1465 N 2250 N 2154 N 2319 N 2302 N 1939 N 1948 N
6 A- B - C - D+E+ D-E- D+E- D-E+
1966 N 2071 N 1330 N 1900 N 1496 N 1245 N 2653 N 2269 N
7 A- B+ C+ D+E+ D-E+ D+E- D-E-
2189 N 2203 N 2340 N 2714 N 1368 N 1489 N 2074 N 1785 N
8 A- B - C+ D+E- D-E+ D+E+ D-E-
1554 N 1626 N 2977 N 2987 N 1774 N 2062 N 2021 N 1996 N
Figura 19 – Diagrama do experimento fatorial Split Plot 2³ x 2² com 2 repetições e 2 réplicas
Fonte: Autora (2016)
5.2.2.3 Análise do experimento
Para a análise dos resultados do experimento fez-se uso do software estatístico Minitab
17. Inicialmente, elaborou-se uma matriz de dispersão (Figura 20) para avaliar a relação
existente entre as variáveis, força máxima, tempo e máximo alongamento. Com base na
análise da matriz, percebe-se uma relação positiva forte entre o tempo e o alongamento
máximo, entretanto, ambas as variáveis não apresentam sinais de relação com a força
máxima.
81
Figura 20 - Matriz de dispersão para as variáveis, força máxima média, alongamento máximo médio e
tempo médio
Fonte: A matriz foi gerada no software Minitab 17
Tal comportamento se dá pelo fato das estruturas têxteis serem flexíveis, de modo que
quando submetidas a uma dada força tendem a se acomodar entre as arestas até a sua ruptura.
Com base no que foi relatado e considerando que a velocidade aplicada na garra durante o
teste é constante (50 mm/min), pode-se inferir que quanto maior for o alongamento sofrido
pela amostra, maior será o tempo preciso para ela se romper, e vice-versa. Entretanto, a força
máxima necessária depende apenas da resistência associada às características da própria
estrutura do material, podendo estabelecer assim, uma relação direta desta variável com a
característica de interesse deste estudo. Logo, a variável resposta considerada para a análise
do experimento foi a força máxima, as demais foram desconsideradas.
Na sequencia, elaborou-se um gráfico com os valores individuais (Figura 21) gerados
para a força máxima, com o propósito de avaliar de forma visual a variabilidade existente
entre os dados de mesma repetição, a fim de determinar se é viável considerar a média entre
estas repetições na análise dos resultados.
3000
2000
1000
604020
604020
60
40
20
300020001000
60
40
20
Força Max Média
Alongamento Max. Médio
Tempo Médio
Matriz de Dispersão de Força Max Média; Alongamento Max.; Tempo Médio
82
Figura 21 - Gráfico dos valores individuais de força máxima gerados no experimento
Fonte: O gráfico foi gerado no software Minitab 17
Pela análise do gráfico, pode-se perceber que os valores se comportam de forma
semelhante, com exceção da amostra 43 cujo valor gerado pela força máxima (233N) se
destoa bastante dos demais. Em virtude disso, foram consultadas as anotações realizadas
durante a coleta e identificou-se que nessa amostra ocorreu um problema na máquina durante
a costura, ocasionando a formações de um ponto solto37, o que provavelmente comprometeu
sua resistência. Sendo assim, essa amostra foi descartada e considerou-se apenas o resultado
gerado pela repetição. Para os demais valores, foram considerados os resultados das médias
das repetições, as quais foram organizadas e digitalizadas, juntamente com as demais
variáveis que foram também codificadas: fatores de controle e seus níveis, número da
repetição (agora se considera apenas a média) e o número da replicação, a fim de atender os
requisitos operacionais do software Minitab 17, e dar continuidade a esta análise. A Tabela 6
apresenta os valores médios para a força máxima, além das demais variáveis referentes a cada
resposta, de forma codificada.
37 Ocorre quando parte da linha fica fora do tecido.
Máquina (C)
Costureira
Tipo (D) + Tamanho (E)
1-1
43214321
D+E+
D+E-
D-E
+D-E
-
D+E+
D+E-
D-E
+D-E
-
D+E+
D+E-
D-E
+D-E
-
D+E+
D+E-
D-E
+D-E
-
D+E+
D+E-
D-E
+D-E
-
D+E+
D+E-
D-E
+D-E
-
D+E+
D+E-
D-E
+D-E
-
D+E+
D+E-
D-E
+D-E
-
3500
3000
2500
2000
1500
1000
500
0
Fo
rça M
ax [
N]
Gráfico de Valores Individuais de Força Max [N]
B+C+ B+C- B-C- B+C+B-C+ B+C- B-C+ B-C-
-1 1
83
Tabela 6 - Valores médios para a força máxima e as demais variáveis referentes a cada variável
resposta.
N° da
Amostra
Força
Max
Média
Máquina
(A)
Exp.
Vincada
(B)
Exp.
Espalmada
(C)
Tipo de
Alça
(D)
Comprime
nto da
costura (E)
Repetição Replica-
ção
1 1950,50 1 1 1 -1 -1 1 1
2 2627,50 1 1 1 -1 1 1 1
3 2096,50 1 1 1 1 -1 1 1
4 1973,00 1 1 1 1 1 1 1
5 1903,00 1 1 -1 1 1 1 1
6 2451,00 1 1 -1 -1 1 1 1
7 1948,50 1 1 -1 -1 -1 1 1
8 1966,00 1 1 -1 1 -1 1 1
9 1453,50 1 -1 -1 1 -1 1 1
10 1995,00 1 -1 -1 1 1 1 1
11 2924,50 1 -1 -1 -1 1 1 1
12 1986,00 1 -1 -1 -1 -1 1 1
13 2408,00 1 -1 1 -1 -1 1 1
14 1746,00 1 -1 1 1 1 1 1
15 1745,00 1 -1 1 1 -1 1 1
16 2775,00 1 -1 1 -1 1 1 1
17 1864,50 -1 1 -1 -1 -1 1 1
18 1344,50 -1 1 -1 1 -1 1 1
19 1729,50 -1 1 -1 1 1 1 1
20 2103,50 -1 1 -1 -1 1 1 1
21 2379,50 -1 -1 -1 -1 1 1 1
22 1905,00 -1 -1 -1 -1 -1 2 1
23 1152,00 -1 -1 -1 1 -1 1 1
24 2032,00 -1 -1 -1 1 1 1 1
25 2623,50 -1 1 1 -1 1 1 1
26 1891,00 -1 1 1 -1 -1 1 1
27 1492,00 -1 1 1 1 -1 1 1
28 1788,50 -1 1 1 1 1 1 1
29 1753,50 -1 -1 1 -1 -1 1 1
30 2393,50 -1 -1 1 -1 1 1 1
31 1821,00 -1 -1 1 1 1 1 1
32 1374,50 -1 -1 1 1 -1 1 1
33 1758,00 1 1 1 1 -1 1 2
34 2977,00 1 1 1 -1 1 1 2
35 1747,00 1 1 1 1 1 1 2
36 1712,00 1 1 1 -1 -1 1 2
37 2803,50 1 1 -1 -1 1 1 2
38 1912,00 1 1 -1 1 -1 1 2
39 1979,00 1 1 -1 1 1 1 2
40 2200,00 1 1 -1 -1 -1 1 2
41 1700,00 1 -1 -1 -1 -1 1 2
84
42 2456,00 1 -1 -1 -1 1 1 2
43 1571,00 1 -1 -1 1 -1 1 2
44 1877,00 1 -1 -1 1 1 1 2
45 2533,00 1 -1 1 -1 -1 1 2
46 2817,50 1 -1 1 -1 1 1 2
47 2059,50 1 -1 1 1 1 1 2
48 1479,00 1 -1 1 1 -1 1 2
49 1658,50 -1 1 -1 1 -1 1 2
50 2202,00 -1 1 -1 1 1 1 2
51 2310,50 -1 1 -1 -1 1 1 2
52 1943,50 -1 1 -1 -1 -1 1 2
53 2018,50 -1 -1 -1 1 1 1 2
54 1615,00 -1 -1 -1 -1 -1 1 2
55 1370,50 -1 -1 -1 1 -1 1 2
56 2461,00 -1 -1 -1 -1 1 1 2
57 2196,00 -1 1 1 1 1 1 2
58 2527,00 -1 1 1 -1 1 1 2
59 1428,50 -1 1 1 1 -1 1 2
60 1929,50 -1 1 1 -1 -1 1 2
61 1590,00 -1 -1 1 1 -1 1 2
62 2982,00 -1 -1 1 -1 1 1 2
63 1918,00 -1 -1 1 1 1 1 2
64 2008,50 -1 -1 1 -1 -1 1 2
Fonte: Autora (2016)
Posteriormente, foram gerados no Minitab 17, os gráficos de pareto dos efeitos
padronizados e semi-normal, para servirem de base na análise de quais efeitos influenciam na
variável resposta – força máxima. O primeiro gráfico ilustra uma linha de referência que serve
de base para esta análise, de modo que se um dado efeito ultrapassa essa linha, é
potencialmente importante. Já no segundo gráfico, a linha representada indica que quanto
mais próximos os pontos estiverem dessa linha, menor será o efeito sobre a variável resposta.
Tais gráficos foram gerados inicialmente para avaliar apenas os efeitos dos fatores de
difícil mudança: velocidade da máquina, experiência em espalmada e experiência em vincada
(Figura 22 e 23, respectivamente).
85
Figura 22 - Gráfico de Pareto dos efeitos padronizados (de difícil mudança)
Fonte: O gráfico foi gerado no software Minitab 17
Figura 23 - Gráfico half normal dos efeitos padronizados (de difícil mudança)
Fonte: O gráfico foi gerado no software Minitab 17
Com base na análise dos gráficos ilustrados e nos critérios pré estabelecidos por estes
gráficos para este tipo de análise, abordados anteriormente, presume-se que o fator rapidez da
máquina gera um efeito significativo na variável resposta - força máxima. Na sequência, os
mesmos gráficos foram gerados analisando-se os efeitos de todos os fatores, os quais estão
ilustrados na Figura 24 e 25.
86
Figura 24 – Gráfico de Pareto dos efeitos padronizados Fonte: O gráfico foi gerado no software Minitab 17
Figura 25 - Gráfico half normal dos efeitos padronizados Fonte: O gráfico foi gerado no software Minitab 17
A partir da análise do gráfico de pareto e semi-normal para os efeitos das interações
entre todos os fatores, pode-se notar que os fatores que mais afetam a variável resposta são o
tipo de costura (D) e o tamanho da alça (E). Os gráficos das figuras 22, 23, 24 e 25, são
complementes, de modo que os efeitos ativos são os que se destacam em cada gráfico – A, D
87
e E. A partir desta afirmativa, geraram-se os gráficos para análise dos efeitos principais de
cada fator (Figura 26) e dos efeitos das interações dos fatores A, D e E (Figura 27), para por
fim, estabelecer qual a configuração ideal destes fatores, de modo a maximizar a variável
resposta.
Figura 26 - Gráfico de efeitos principais
Fonte: O gráfico foi gerado no software Minitab 17
O gráfico dos efeitos principais possibilita analisar o efeito individual que cada fator
exerce sobre a variável de resposta. Com base neste gráfico, a configuração ideal para cada
um dos fatores seria: máquina rápida (A+), tipo de costura espalmada (D-) e costura de maior
tamanho (E+); de modo que todos os resultados condizem com o esperado. Pode-se visualizar
no gráfico que os fatores experiência em vincada e espalmada não apresentam uma variação
significativa, reafirmando a hipótese de que não são estatisticamente significantes.
Figura 27 – Gráfico de interação para a força máxima média
Fonte: O gráfico foi gerado no software Minitab 17
88
O gráfico de interação foi gerado com o intuito de analisar se o efeito de um dado fator
depende do nível de outro(s) fator(s). Esta análise foi direcionada para os fatores elucidados
como principais, com relação ao efeito sobre a variável resposta: rapidez da máquina, tipo de
costura e tamanho da costura. Desta forma, pode-se perceber que quando o tipo de alça
vincada é substituído pela alça espalmada, tanto a costura de menor tamanho, como de maior
tamanho, aumentam a força máxima aplicada, sendo que a de maior tamanho apresenta
melhor desempenho. Com base na mesma análise, ao partir do tipo de alça vincada para a alça
espalmada, e do menor tamanho para o maior tamanho da costura, tanto a máquina rápida
quanto a lenta apresentam melhor resultado, sendo que a máquina rápida se destaca em
relação à lenta.
Sintetizando os resultados deste experimento, conclui-se que os fatores prioritários são
a rapidez da máquina, o tipo e o tamanho da costura, e seus níveis ideais, que maximizam o
efeito da força máxima necessária para o rompimento das alças, são maior rapidez, espalmada
e de maior tamanho, respectivamente. Neste contexto, percebeu-se que os resultados quanto
aos níveis dos fatores D e E retratam o que já era esperado, uma vez que a alça espalmada já
foi uma evolução do modo de produção anterior com a finalidade de maximizar esses
resultados; e quanto ao tamanho da costura, espera-se que uma maior área de fixação entre a
alça e o corpo do big bag culmine com uma maior resistência. Outra consideração importante
a ser feita, é que esta análise foi desenvolvida para amostras de recortes de alças, de tamanho
reduzido, de modo que se espera que retratem o comportamento das alças dos big bags reais,
conforme citado por Montgomery (1992), “[...] o experimento deve ser projetado para obter a
inferência estatística mais precisa possível.”
5.2.3 Estudo da capacidade do processo
Para este processo, não foi possível realizar uma análise de capacidade, pois esta
análise exige o valor dos limites de especificação da característica de interesse, os quais não
foram possíveis de estimar em virtude de alguns fatores:
Conforme abordado, a característica de interesse deste estudo trata-se da resistência
das alças, que por sua vez, foi tratada como uma característica qualitativa, cuja análise
baseou-se no valor na força máxima necessária para o esgaçamento da costura das
amostras. Entretanto, o que ainda existe na prática é o limite mínimo exigido para a
carga suportada pelo big bag - 1.000 kg, e não foi encontrada uma equação para
89
relacionar esse valor com a força máxima suportada, sendo necessário um estudo mais
aprofundado acerca do tema.
Outro fator que impediu esta análise está relacionado com as características das
amostras utilizadas no experimento, as quais se tratam de recortes do produto original
em tamanho reduzido. Dessa forma, ainda que tivesse sido possível estimar os valores
dos limites de especificação para a força máxima, necessitaria de estudos mais
aprofundados para ver a possibilidade de relacioná-los com os valores obtidos para as
amostras.
5.2.4 Monitoramento do processo – CEP
Para a implementação desta fase do modelo foram encontradas algumas restrições
como a impossibilidade de avaliar a resistência das alças do produto real, em virtude da
inexistência de um equipamento especializado nas localidades próximas. Desta forma, o
monitoramento só poderia ser realizado por meio da coleta de amostras, podendo tornar a
análise tendenciosa. Outra questão, é que mesmo que fosse possível realizar os testes nos
produtos reais, esta análise seria bastante custosa para a organização, em virtude de estes
testes serem destrutivos. E por fim, não foi possível realizar novas coletas na empresa devido
às limitações encontradas quanto ao prazo de execução desta pesquisa e da condição atual em
que a empresa se encontra, devido a uma queda significativa na demanda de seus produtos e,
consequentemente, no volume de produção.
Mesmo não sendo possível realizar esta análise da forma indicada, este trabalho
propôs um modelo de gráfico de controle como produto da primeira etapa da aplicação do
CEP, com base nos dados oriundos dos resultados das amostras coletadas na fase de
experimentação.
Explicitando de forma mais detalhada, foram coletadas 128 amostras, das quais 16
apresentam a configuração ótima proposta pela experimentação (confeccionadas na máquina
rápida, costura da alça espalmada e de maior tamanho). Como as amostras foram coletadas
sob condições ideais, acompanhadas e devidamente monitoradas, inferiu-se que o processo de
elaboração destas amostras estava sob controle estatístico, ou seja, isento de causas especiais.
Dessa forma, foram utilizados os resultados encontrados para a variável resposta (força
máxima) destas amostras, como entrada para o cálculo dos limites de controle e posterior
90
construção do gráfico que seria utilizado na segunda etapa, que seria o monitoramento de
forma efetiva.
Conforme citado por Godoy (2014) e mencionado na seção 4.3 deste trabalho, um dos
gráficos de controle sugeridos para monitorar processos, quando a característica de qualidade
observada sofre influência de fatores de controle, é o EWMA, o qual foi utilizado neste
trabalho. Outra contribuição importante acerca deste gráfico se dá pelo seu poder de detecção
de pequenas variações no processo. Entretanto, anterior a fase de elaboração do gráfico,
necessita-se avaliar se as observações coletadas satisfazem as condições exigidas para o seu
uso: serem oriundas de sequência de variáveis aleatórias normal, independentes e
identicamente distribuídas. Na sequencia serão apresentados os testes que foram aplicados
para verificar estas suposições. Todos os resultados apresentados foram gerados e
reproduzidos do Software R (2015).
5.2.4.1 Estatísticas e testes
Para auxiliar na análise quanto à normalidade, elaboraram-se inicialmente os gráficos
de histograma e boxplot (Figura 28), os quais demonstraram certa simetria na distribuição dos
dados, indicando que estes dados provavelmente seguem uma distribuição normal.
Figura 28 – Histograma e Boxplot
Fonte: Gráficos gerados pelo software estatístico R (2015)
Além dos gráficos apresentados, gerou-se o gráfico Q-Q Plot38 (Figura 29) para
também auxiliar nesta avaliação de suposição de normalidade. Em virtude da distribuição de
pontos neste gráfico se aproximarem de uma reta, é sustentada a suposição de normalidade.
38 Para mais detalhes acerca deste gráfico, consultar Bussab e Morettin (2013).
91
Figura 29 – Gráfico normal Q-Q
Fonte: Gráfico gerado pelo software estatístico R (2015)
Como forma de atestar os resultados apresentados pelos gráficos aplicou-se o teste de
Shapiro-Wilk39, sobre o qual obtivemos o seguinte valor para a estatística de teste: W= 0,9503
com o conseguinte P – value = 0,1469. Como a hipótese nula considera que os dados se
comportam segundo uma distribuição normal, então não rejeitamos esta hipótese ao nível de
5% de significância.
Já para testar se os dados são independentes, utilizou-se o gráfico da função de auto
correlação (ACF) (Figura 30). Este teste considera desprezível a suposição de autocorrelação
de ordem k, se o lag k estiver dentro dos limites do gráfico. Para este caso, observou-se que
todos os pontos permaneceram dentro dos limites. Logo, o teste sinaliza a ausência de
autocorrelação de todas as ordens e, portanto, consideram-se os dados independentes.
39 Mais detalhes sobre este teste podem ser observados em Siegel e Castellan (2006).
92
Figura 30 – Gráfico da função de autocorrelação
Fonte: Gráfico gerado pelo software estatístico R (2015)
5.2.4.2 Elaboração do gráfico EWMA
Após verificar que são razoáveis as suposições de normalidade e independência das
observações, gerou-se o gráfico EWMA para m=32 (número de amostras) e n=1 (tamanho de
cada amostra), o qual se encontra ilustrado na Figura 31. Ao observar o gráfico, pode-se notar
que todos os 32 pontos estão dentro dos limites de controle e de forma aleatória. Logo, um
futuro monitoramento do processo poderá adotar estes limites. Vale ressaltar que o desvio
padrão utilizado na montagem deste gráfico difere do desvio padrão das amostras, visto que
neste caso específico utiliza-se o desvio padrão das médias móveis (MONTGOMERY, 2005).
A estatística do EWMA é dada por:
Zi = λXi + (1 – λ)Zi-1 , sendo comum adotar-se λ=2
93
Figura 31 – EWMA
Fonte: Gráfico gerado pelo software estatístico R (2015)
Para um futuro monitoramento, a empresa pode adotar esta mesma política de coleta
de observações individuais, entretanto, seria preferível que não fossem coletadas todas em um
mesmo dia, sugerindo-se um espaçamento de tempo maior entre as coletas. Entretanto, os
mais indicados para elaborar as condições para a coleta são os próprios responsáveis pelo
processo, conforme abordado na seção 4.3 deste trabalho.
Para finalizar, vale ressaltar que o objetivo maior desta proposta seria detalhar os
conceitos de CEP, representando como essa análise deveria se proceder na prática, caso o
monitoramento pudesse ser desenvolvido da forma apropriada.
94
CAPÍTULO 6 – CONSIDERAÇÕES FINAIS
Esta pesquisa teve como propósito principal desenvolver uma metodologia estruturada
e sistematizada para a integração de ferramentas de melhoria da qualidade, com foco em
experimentos planejados e controle estatístico de processos, de forma que fosse de fácil
aplicação, podendo assim, ser implantada em micro empresas e empresas de pequeno porte.
Outro direcionamento complementar, não menos importante, dado a este estudo, foi analisar
as características, em especial, os benefícios advindos da parceria estabelecida entre empresas
e universidades para fundamentar a hipótese deste trabalho de que a implementação do
modelo conceitual proposto em pequenas empresas por meio do auxílio desta parceria
aumenta as chances de resultados satisfatórios.
Com base nisso, foi realizada uma intensa busca na literatura sobre os temas
relatados, como forma de balizar esta pesquisa por meio de conceitos, métodos/técnicas e
estudos de casos, trazidos por autores conceituados e publicações em periódicos. No tocante
ao tema “uso integrado de ferramentas de qualidade, com foco em CEP e DOE”, percebeu-se
uma forte tendência atual para esta ideação. Entretanto, ainda são limitados os números de
autores que trazem uma metodologia estruturada para este fim, impulsionando ainda mais este
estudo.
Outro fator impulsionador trata-se da tendência atual em investir em pequenos
negócios e o papel que estes empreendimentos tem gerado na conjuntura econômica
brasileira, aliado ao alto índice de mortalidade destas empresas. Na consulta à literatura
percebe-se que tal fato se dá em diversas situações pela deficiência na gestão da qualidade,
bem como em atividades de pesquisa e desenvolvimento de modo a seguir a linha atual
voltada para a inovação. Este cenário baliza os preceitos desta pesquisa em desenvolver um
modelo de fácil aplicação, com o mínimo de recursos, e por meio do estabelecimento de
parcerias.
Em se tratando da elaboração do modelo, foram utilizados um grupo de artigos
criteriosamente selecionados para a seleção dos principais conceitos acerca do tema, melhores
métodos, técnicas e comportamentos de casos de sucesso; para por fim, elaborar a proposta
principal desta pesquisa. Na sequencia deste trabalho, foi estabelecida uma parceria com uma
empresa de pequeno porte, onde foi possível tanto testar a aplicação do modelo, como os
benefícios desta parceria; mostrando na prática o papel de fundamental importância desta
pesquisa.
95
Vale destacar que ao longo deste estudo foram encontradas diversas limitações,
podendo-se destacar as dificuldades apresentadas na consecução de experimentos sem o
devido planejamento prévio, uma vez que as amostras utilizadas nesta análise foram
elaboradas mais de uma vez, para enfim atender as especificações exigidas, de modo que os
resultados fossem o mais representativo possível. Outro fator que merece destaque trata-se do
prazo para a execução desta pesquisa, o que impediu estudos mais aprofundados em detalhes
técnicos específicos da área de engenharia têxtil; bem como o envio de unidades de big bags
para laboratórios mais distantes para uma análise mais apropriada em equipamentos
especializados para este fim.
Como sugestão para novas pesquisas, indica-se que este modelo seja aplicado em
outras empresas e/ou outros tipos de processos como forma de testar sua aplicabilidade em
situações diversas. Propõe-se ainda ampliar os estudos desta pesquisa usando como base
temas que são tendências atuais como metodologia seis sigma, para aumentar a eficiência
desta aplicação, e modelo de inovação aberta aplicado em MPEs, como forma de ampliar os
horizontes destas empresas, e garantir o seu desenvolvimento.
96
REFERÊNCIAS BIBLIOGRÁFICAS
ABNT - Associação Brasileira de Normas Técnicas. NBR 16029:2012 - Embalagens -
Contentores intermediários flexíveis (FIBC) para produtos não perigosos (ISO
21898:2004, MOD). ABNT/CB-023 Embalagem e Acondicionamento. Brasil. 2012.
ABRAHAM, B., BRAJAC, M. Real Experiments, Real Mistakes, Real Learning! Statistics of
Quality. New York, NY: Marcel Dekker, p. 121–135, 1997.
AFIPOL – Associação Brasileira de Fibras Poliolefínicas. Manual de Segurança na
utilização de Contentores Flexíveis (FIBCs): Para produtos não perigosos. Março de
2013, p. 24-25.
ALENCAR, J. R.; SOUZA JÚNIOR, M. B.; ROLIM NETO, P. J.; LOPES, C. E. Uso de
Controle Estatístico de Processo (CEP) para validação de processo de glibenclamida
comprimidos. Revista Brasileira Farmacêutica. V. 85, n.3, p. 115-119, 2004.
ALMAS, F. Implementação de Controle Estatístico de processos em uma empresa têxtil.
Dissertação de Mestrado. Itajubá (MG): UNIFEI, 2003.
ANPROTEC (Associação Nacional de Entidades Promotoras de Empreendimentos de
Tecnologias Avançadas) – Incubadores e Parques - Disponível em <http://anprotec.org.br>.
Acesso em junho 2015.
ANTONY, J.; TANER, T. A conceptual framework for the effective implementation of
statistical process control. Business Process Management Journal, v. 9, p. 473-489, 2003.
ANTONY, J. Design of experiments for enginners and scientists. 2ed. Elsevier, 2014.
220p.
ARANDA, M.; JUNG, C.; CATEN, C. Determinação dos parâmetros operacionais de uma
inovação tecnológica através da utilização do Design of Experiments–DOE. Revista liberato:
educação, ciência e tecnologia, v. 8, n. 10, p. 09-16, 2007.
BEHMANESH, R. E RAHIMI, I. Control chart forecasting: A hybrid model using Recurrent
Neural Network, Design of Experiments and regression. IEEE Business, Engineering &
Industrial Applications Colloquium (BEIAC), 2012.
BERNI, J. C. A.; GOMES, C. M.; PERLIN, A. P.; KNEIPP, J. M.; FRIZZO, K. Interação
universidade-empresa para a inovação e a transferência de tecnologia. Revista (Gestão
Universitária da América Latina) - GUAL, Florianópolis, v. 8, n. 2, p. 258-277, maio 2015.
BISGAARD, S. Must a Process Be in Statistical Control before Conducting Designed
Experiments? (with discussion). Quality Engineering, 20: 143-176, 2008.
BONACCORSI, A.; PICCALUGA, A. A Theoretical Framework for the Evolution of
University - Industry Relationships. R&D Management, v.24, n.3, 1994.
97
BORGES, R. Estudo de testes de estabilidade de processo em gráficos de controle de
Shewhart. Dissertação de Mestrado. Lavras: UFLA, 2009.
BRASIL. Decreto nº 8.538, de 2015. Lei Complementar Nº 123, de 14 de dezembro de 2006.
Estatuto Nacional da Microempresa e da Empresa de Pequeno Porte. Subchefia para
Assuntos Jurídicos. Diário Oficial, Brasília, DF, 2006.
BUENO, B.; BALESTRIN, A. Inovação Colaborativa: Uma abordagem aberta no
desenvolvimento de novos produtos. Revista de Administração de empresas, v. 52, n. 5, p.
517-530. São Paulo: set/out, 2012.
BUSSAB, W., MORETTIN, P. Estatística básica. 8 ed. São Paulo: Saraiva, 2013.
BUSHE, G. Cultural contradictions of statistical process control in American manufacturing
organizations. Journal of Management, v. 14 (1), p. 19–31, 1988.
CAPES – Coordenação de Aperfeiçoamento de Pessoal de Nível Superior. Portal de
Periódicos CAPES/MEC. Disponível em <http://www.periodicos.capes.gov.br>. Acessado
em 05 de julho de 2016.
CARLOMAGNO, M.; SCHERER, F. Práticas dos Inovadores: Tudo o que Você Precisa
Saber Para Começar a Inovar; ed. Atlas, São Paulo, 2009.
CHERFI, Z., BECHARD, B., BOUDAOUD, N. Case Study: Color Control in the Automotive
Industry. Quality Engineering 15(1):161–170, 2002.
CHESBROUGH, H. W. The Era of Open Innovation. MIT Sloan Management Reviews,
Spring, v. 44, n. 3, p. 35-41, 2003.
CHESBROUGH, H.W. Open Business Models: How to Thrive in the New Innovation
Landscape. Harvard Business Press, 2006.
CHESBROUGH, H. W. As novas regras de P&D. In: Implementando a inovação. Harvard
Business School, Série Inovação Orientada para Resultados. Rio de Janeiro: Campus, 2007.
CLOSS, L. Q.; FERREIRA, G. C. A transferência de tecnologia universidade-empresa no
contexto brasileiro: uma revisão de estudos científicos publicados entre os anos 2005 e 2009.
Gestão e Produção., São Carlos, v. 19, n. 2, p. 419-432, 2012.
COELHO, M. Desenvolvimento de um sistema informatizado para suporte à garantia da
qualidade com foco na pequena empresa. Dissertação (mestrado) - Universidade Federal de
Santa Catarina, Centro Tecnológico. Programa de Pós-Graduação em Metrologia Científica e
Industrial. 2006.
COSTA, A.; EPPRECHT, E.; CARPINETTI, L. Controle estatístico de qualidade. São
Paulo: Atlas, 2004.
COSTA, A.; EPPRECHT, E.; CARPINETTI, L. Controle estatístico de qualidade. São
Paulo: Atlas, 2 ed., 3. Reimpr., 2009, 334 p.
98
DÍAZ, E; DÍAZ, C.; FLORES, L. C.; HEYSER, S. Estudio de la Variabilidad de Proceso
en el Área de Envasado de un Producto en Polvo. Instituto Tecnológico de Orizaba,
Departamento de Estudios de Postgrado e Investigación. 2009.
FERREIRA, L.; OLIVA, F.; SANTOS, S.; GRISI, C.; LIMA, A. Análise quantitativa sobre a
mortalidade precoce de micro e pequenas empresas da cidade de São Paulo. Gestão e
Produção, São Carlos, v. 19, n. 4, p. 811-823, 2012.
GALDAMEZ, E.; CARPINETTI, L. Aplicação das técnicas de planejamento e análise de
experimentos no processo de injeção plástica. Gestão e Produção, v. 11, n. 1, p. 121-134,
2004.
GEM – Global Entrepreneurship Monitor. Empreendedorismo no Brasil – Relatório
Executivo. Brasil, 2015.
GODOY, C. Uma aplicação do planejamento de experimentos e carta de controle em
uma indústria de cosméticos: Ciclo DMAIC. Dissertação (Mestrado) – Universidade
Estadual Paulista. Faculdade de Engenharia, Bauru-SP, 2014.
GOMES, P. J. P. A evolução do conceito de qualidade: dos bens manufaturados aos serviços
de informação. Revista Cadernos Bad, v. 2, p. 6-18, 2004.
GOH, T. N. Operating frameworks for statistical quality engineering. International Journal
of Quality & Reliability Management, v. 17, n. 2, p. 180 – 188, 2000.
HARIDY, S.; GOUDA, S. A.; WU, Z. An integrated framework of statistical process control
and design of experiments for optimizing wire electrochemical turning process. International
Journal of Advanced Manufacturing Technology, v. 53, p. 191-207, 2011.
HE, Z.; QI, E.; LIU, Z. Continuous Improvement Through Integration of Quality Tools. Asian
Journal on Quality, v. 3, n. 2, p. 38 – 45, 2002.
IRIANTO, D.; JULIANI, A. A two control limits double sampling control chart by
optimizing producer and customer risks. Journal of Engineering and Technological
Sciences, v. 42, n. 2, p. 165-178, 2010.
ISO – International Organization for Standardization. 13935-2:2014 - Textiles - Seam tensile
properties of fabrics and made-up textile articles - Part 2: Determination of maximum
force to seam rupture using the grab method. 2014
LEITNAKER, M. G., COOPER, A. Using Statistical Thinking and Designed Experiments to
Understand Process Operation. Quality Engineering, v. 17, n. 2, p. 279–289, 2005.
LIGHTBURN, K.; DALE, B. A critique of statistical process control in a first-line motor
industry supplier. Quality Engineering, v. 4, n. 3, p. 371-381, 1992.
MACCARTHY, B.; WASUSRI, T. A review of non-standard applications of statistical
process control (SPC) charts. International Journal of Quality & Reliability Management,
v. 19, n. 3, p. 295-320, 2002.
99
MANDAL, I. Developing new machine learning ensembles for quality spine diagnosis.
Knowledge-Based Systems, v. 73, p. 298–310, 2015.
MIGUEL, P. Metodologia de pesquisa em engenharia de produção e gestão de operações.
2 ed. Rio de Janeiro: Elsevier: ABEPRO, 2012.
MONTGOMERY, D. Design and analysis of experiments. Arizona: Courier Companies,
1991.
MONTGOMERY, D. The Use of Statistical Process Control and Design of Experiments in
Product and Process Improvement. IIE Transactions, v. 24, n. 5, p. 4-17, 1992.
MONTGOMERY, D. Introduction to statistical quality control. New York: 4th ed, Wiley,
2001.
MONTGOMERY, D. C. Introduction to Statistical Quality Control. 5th ed., Nova York:
John Wiley and Sons, 2005, 768 p.
MONTGOMERY, D. C. Design and analysis of experiments. John Wiley & Sons, 2008.
680 p.
MONTGOMERY, D. Introdução ao controle estatístico da qualidade. 4. ed. Rio de
Janeiro: LTC, 2009.
NEMBHARD, H.B., VALVERD-VENTURA, R. Integrating experimental design and
statistical control for quality improvement. Journal of Quality Technology, v. 35, n. 4, p.
406-423, 2003.
PARIDA, V.; WESTERBERG, M.; & FRISHAMMAR, J. Inbound open innovation activities
in high-tech SMEs: the impact on innovation performance. Journal of Small Business
Management, v. 50, n. 2, p. 283-309, 2012.
PEREIRA, M.; GRAPEGGIA, M.; EMMENDOERFER, M.; TRÊS, D. Fatores de inovação
para a sobrevivência das micro e pequenas empresas no Brasil. Revista de Administração
e Inovação, São Paulo, v. 6, n. 1, p. 50-65, 2009.
PIEROZAN, L. Estabilização de processos: um estudo de caso no setor de pintura
automotiva. Trabalho de Conclusão do Curso - Mestrado Profissionalizante em Engenharia,
Escola de Engenharia. Universidade Federal do Rio Grande do Sul. Porto Alegre, 2001.
RAGHATH A.; JAYATHIRTHA R. Critical Success Factors for Six Sigma implementation
by SMEs. International Journal of Scientific & Engineering Research, v. 4, n. 2, February
2013.
RUNGTUSANATHAM, M.; ANDERSON, J.; DOOLEY, K. Conceptualizing organizational
implementation and practice of statistical process control. Journal of Quality Management,
v. 2, n. 1, p. 113-137, 1997.
RUNGTUSANATHAM, M. Beyond improved quality: the motivational effects of statistical
process control. Journal of Operations Management, v. 19, n. 6, p. 653-673, 2001.
100
SCOPUS. Elsevier. Disponível em <https://www-scopus-
com.ez18.periodicos.capes.gov.br/home.uri>. Acessado em 05 de julho de 2016.
SEBRAE – Serviço Brasileiro de Apoio às Micro e Pequenas Empresas. Sobrevivência das
empresas no Brasil coleção estudos e pesquisas. Coleção estudos e pesquisas. GEOR –
Gestão Estratégica Orientada para Resultados. Brasília-DF, Brasil: 2013.
SEBRAE – Serviço Brasileiro de Apoio às Micro e Pequenas Empresas. As micro e
pequenas empresas na exportação brasileira - 1998-2013: Brasília-DF, Brasil: 2014a.
SEBRAE – Serviço Brasileiro de Apoio às Micro e Pequenas Empresas. Participação das
Micro e Pequenas Empresas na Economia Brasileira. Brasil: 2014b.
SEBRAE – Serviço Brasileiro de Apoio às Micro e Pequenas Empresas. Pesquisa GEM:
empreendedorismo atrai três em cada dez brasileiros. Disponível em
<http://www.agenciasebrae.com.br/sites/asn/uf/NA/pesquisa-gem-empreendedorismo-atrai-
tres-em-cada-dez-rasileiros,bd3848b50ca6c410VgnVCM2000003c74010aRCRD> Acesso
em 06 de junho de 2015.
SIEGEL, S., CASTELLAN, J. Estatística não paramétrica para ciências do
comportamento. 2 ed. Porto Alegre: Bookman, p. 448, 2006.
SILVA, G.; DACORSO, A. L. R. Inovação aberta como uma vantagem competitiva para a
micro e pequena empresa. RAI – Revista de Administração e Inovação. São Paulo, v. 10,
n.3, p.251-268, jul/set. 2013.
SILVA, N. C. D.; GIULIANIB, A. C.; FIGUEIREDO, P. J. M.; PIZZINATTOD, N. K.;
SPERSE, V. R. E. Contribuição ao Estudo Sobre a Cooperação Universidade-Empresa:
Instituição de Ensino Superior de Tecnologia e Micro e Pequenas Empresas. UNOPAR
Cient., Ciênc. Juríd. Empres., Londrina, v. 12, n. 1, p. 45-53, Mar. 2011.
SONI, P. K.; SOMKUNWAR, V. Advancement of Experimental Procedure for SPC
Implementation: A Step Ahead to Optimization as applied in Process Industries. Global
Journal of Engineering, Science & Social Science Studies, v. 2, n. 3, 2016.
STAPENHURST, T. Mastering Statistical Process Control. Jordan Hill, Oxford UK:
Butterworth-Heinemann, p. 3-20, 2005.
STUART, M.; MULLINS, E.; DREW, E. Statistical quality control and improvement.
European Journal of Operational Research, v. 88, p. 203-14, 1996.
TAN-INTARA-ART, S.; ROJANAROWAN, N. Prioritization and selection of parameters for
control chart implementation based on technical criticality and cost criticality. Decision
Science Letters, v. 2, n. 3, p. 203-210, 2013.
THOMAS, A.; BARTON, R. Developing an SME based six sigma strategy. Journal of
Manufacturing Technology Management. v. 17, n. 4, p. 417-434, 2006.
101
THOMAS, A.; BARTON, R; CHUKE-OKAFOR, C. Applying lean six sigma in a small
engineering company – a model for change. Journal of Manufacturing Technology
Management. v. 20, n.1, p. 113-129, 2009.
THOMAS, A. J; WEBB, D. “Quality systems implementation in Welsh small - to medium-
sized enterprises: a global comparison and a model for change”, Proceedings of the I MECH
E. Journal of Engineering Manufacture, v. 217, n. 4, p. 573-9, 2003.
THOMKE, S.H. Managing experimentation in the design of new products. Management
Science, v. 44, n. 6, p. 743-762, 1998.
THOMKE, S.H. Experimentation Matters: uniockingthe potencial of new Technologies for
innovation. XBS Press: EUA, 2003.
TORKOMIAN, A.L. Estrutura de pólos tecnológicos. São Carlos: EDUFSCar, 1996.
WALTER, O.; HENNING, E.; CARDOSO, M.; SAMOHYL, R. Aplicação individual e
combinada dos gráficos de controle Shewhart e CUSUM: uma aplicação no setor metal
mecânico. Gestão e Produção, São Carlos, v. 20, n. 2, p. 271-286, 2013.
WERKEMA, M.; AGUIAR, S. Planejamento e análise de experimentos: como identificar
as principais variáveis influentes em um processo. Belo Horizonte: Fundação Cristiano
Ottoni; Escola de engenharia da UFMG, 1996.
WOODALL, W.; MONTGOMERY, D. Some current directions in the theory and application
of statistical process monitoring. Journal of Quality Technology, v. 46, n. 1, p. 78-94, 2014.
ZENG, Q., WANG, B., QIAN, X., YAN, R., XU, X. Application of statistical process control
technology and quality tools in the process of series motor production. Advanced Science
Letters. v.19. n.4, p. 1067-1070, 2013.
102
ANEXO A – Gráfico referente à taxa de sobrevivência de empresas (criadas em 2007) com
até 2 anos para 15 países
Fonte: OECD (2013) apud SEBRAE (2013)
103
ANEXO B - Setor Indústria - Variáveis –– 2009 a 2011
Fonte: Sebrae e FGV, a partir de dados do IBGE apud SEBRAE (2014b)
104
ANEXO C - Resumo das recomendações para uso e manuseio ideal de contentores flexíveis
Fonte: AFIPOL, 2013.
105
ANEXO D – Tabela com os resultados gerados neste experimento pelo dinamômetro
TENSOLAB 3000 MESDLAN
Teste de Tração Tecido com MesdanLab Dinamômetro
De acordo com o padrão ISO 13934/2-EN ISO 13934/2 Fabrictraction Grab Meth. – First Edition 1999-02-15/ Ref.Num. ISO
13934-2:1999
Tipo de teste: Determinação de Resistência ao Esgaçamento de Costura
Descrição da amostra Número de Amostras:128
Material:
Comprimento da amostra: 200 [mm] Célula de Carga ID/FS [kg]:5/500 X 1
Velocidade da garra: 50 [mm/min] Pré-tensão: 0[N]
Máquina de teste: TENSOLAB 3000 MESDLAN
Condições do teste:21°C, 65% UR
Observações: Método:Amostra seca /
Resultado de Amostras Únicas
Amostra # Força Max [N] Alongamento Max[%] Tempo [s]
1Urdume 2114 27,30 32,80
2Urdume 1787 34,50 41,40
3Urdume 2492 27,60 33,10
4Urdume 2763 37,50 45,00
5Urdume 2104 42,00 50,40
6Urdume 2089 38,70 46,40
7Urdume 2132 40,50 48,60
8Urdume 1814 43,80 52,60
9Urdume 1918 33,00 39,60
10 Urdume 1888 39,90 47,90
11 Urdume 2035 25,50 30,60
12 Urdume 2867 19,80 23,80
13 Urdume 1595 31,50 37,80
14 Urdume 2302 30,00 36,00
15 Urdume 1746 38,40 46,10
16 Urdume 2186 39,30 47,20
17 Urdume 1408 36,00 43,20
18 Urdume 1499 38,70 46,40
19 Urdume 1864 40,80 49,00
20 Urdume 2126 39,30 47,2
21 Urdume 3034 18,00 21,60
22 Urdume 2815 23,10 27,70
23 Urdume 2251 29,40 35,3
24 Urdume 1721 21,90 26,3
25 Urdume 2439 16,20 19,4
26 Urdume 2377 22,50 27
27 Urdume 1856 49,50 59,4
106
28 Urdume 1636 36,30 43,6
29 Urdume 1750 38,10 45,70
30 Urdume 1740 45,60 54,70
31 Urdume 2759 23,10 27,70
32 Urdume 2791 21,30 25,60
33 Urdume 1840 12,90 15,5
34 Urdume 1889 12,90 15,5
35 Urdume 1505 32,70 39,20
36 Urdume 1184 30,30 36,40
37 Urdume 1703 29,70 35,6
38 Urdume 1756 38,70 46,4
39 Urdume 2039 17,40 20,90
40 Urdume 2168 24,00 28,80
41 Urdume 2643 21,00 25,20
42 Urdume 2116 18,00 21,60
43 Urdume 233 13,45 16,1
44 Urdume 1905 26,10 31,3
45 Urdume 1142 27,00 32,40
46 Urdume 1162 27,00 32,40
47 Urdume 1743 36,60 43,9
48 Urdume 2321 45,30 54,4
49 Urdume 2844 23,40 28,10
50 Urdume 2403 20,40 24,50
51 Urdume 1784 13,80 16,6
52 Urdume 1998 22,18 26,6
53 Urdume 1379 33,60 40,3
54 Urdume 1605 32,70 39,2
55 Urdume 1971 48,00 57,6
56 Urdume 1606 36,30 43,6
57 Urdume 1490 11,70 14
58 Urdume 2017 12,90 15,5
59 Urdume 2363 13,50 16,20
60 Urdume 2424 20,70 24,80
61 Urdume 1852 36,60 43,9
62 Urdume 1790 32,40 38,9
63 Urdume 1370 32,40 38,90
64 Urdume 1379 30,60 36,70
65 Urdume 1799 34,80 41,80
66 Urdume 1717 42,60 51,10
67 Urdume 3125 23,70 28,40
68 Urdume 2829 22,50 27,00
69 Urdume 1750 45,30 54,4
70 Urdume 1744 41,98 50,4
71 Urdume 1717 26,10 31,3
72 Urdume 1707 22,20 26,6
73 Urdume 2870 18,60 22,30
107
74 Urdume 2737 24,00 28,80
75 Urdume 1936 36,60 43,90
76 Urdume 1888 34,80 41,80
77 Urdume 2059 47,70 57,2
78 Urdume 1899 46,20 55,4
79 Urdume 1867 28,20 33,8
80 Urdume 2533 22,20 26,6
81 Urdume 2221 22,80 27,4
82 Urdume 1179 24,00 28,8
83 Urdume 2452 28,50 34,20
84 Urdume 2460 21,60 25,90
85 Urdume 1545 38,10 45,70
86 Urdume 1597 33,90 40,70
87 Urdume 1758 42,90 51,5
88 Urdume 1996 39,90 47,9
89 Urdume 2442 17,40 20,9
90 Urdume 2624 20,40 24,5
91 Urdume 2836 19,50 23,40
92 Urdume 2799 20,40 24,50
93 Urdume 2014 42,90 51,5
94 Urdume 2105 46,80 56,2
95 Urdume 1345 27,60 33,10
96 Urdume 1613 32,40 38,90
97 Urdume 1852 35,40 42,50
98 Urdume 1465 29,70 35,60
99 Urdume 2250 57,90 69,5
100 Urdume 2154 54,00 64,8
101 Urdume 2319 26,40 31,70
102 Urdume 2302 15,90 19,10
103 Urdume 1939 14,10 16,9
104 Urdume 1948 34,80 41,8
105 Urdume 1966 45,90 55,1
106 Urdume 2071 41,70 50
107 Urdume 1330 16,74 20,1
108 Urdume 1900 21,60 25,9
109 Urdume 1496 30,60 36,70
110 Urdume 1245 22,50 27,00
111 Urdume 2653 23,10 27,70
112 Urdume 2269 16,20 19,40
113 Urdume 2189 44,70 53,6
114 Urdume 2203 51,60 61,9
115 Urdume 2340 21,00 25,20
116 Urdume 2714 24,60 29,50
117 Urdume 1368 28,20 33,80
118 Urdume 1489 32,70 39,20
119 Urdume 2074 23,10 27,7
108
120 Urdume 1785 22,20 26,6
121 Urdume 1554 30,30 36,40
122 Urdume 1626 34,20 41,00
123 Urdume 2977 21,00 25,20
124 Urdume 2987 20,10 24,10
125 Urdume 1774 54,00 64,8
126 Urdume 2062 57,30 68,8
127 Urdume 2021 19,20 23
128 Urdume 1996 21,60 25,9
Fonte: Planilha gerada pelo dinamômetro TENSOLAB 3000 MESDLAN