sales@datalyzer.com

Um dos nomes mais importantes na história do controlo do processo estatístico é Deming, tal como explicado na lição anterior. Deming utilizou uma famosa simulação para explicar os princípios de variação chamados: The Red Bead Experiment. Ao explicar os princípios da variação, gostamos de honrar o Deming usando a sua caixa de contas vermelha. Nesta lição, vamos explicar os princípios da variação e como analisaremos a variação utilizando cartas de controlo.

Imagine que está interessado num processo e quer obter melhores resultados com esse processo. Pode ser um processo de fabrico ou de serviço, pode ser no sector público ou pode trabalhar para uma empresa privada. Vamos contar um determinado tipo de coisas que preferiria que não acontecesse. Vamos recolher esferas de uma caixa para simular o processo e quaisquer esferas vermelhas recolhidas vão representar o que preferiria evitar.

Podemos tirar um número de colheres da caixa e podemos contar o número de esferas vermelhas tiradas com cada colher.

O ponto a entender aqui é que é a variação aleatória que está a produzir o número diferente de esferas vermelhas em cada colher. Cada processo contém alguma variação aleatória e as pessoas que operam o processo não têm qualquer controlo sobre ele.
Vejamos agora uma tabela com os resultados:

Agora, suponhamos que não sabíamos que estes resultados eram devidos a variações aleatórias. Digamos, por exemplo, que os números provêm de uma escola e representam o número de alunos expulsos por mau comportamento em cada ano.

Traduza os números que encontrar nas manchetes do seu jornal local:
“Grande salto nas expulsões da escola – os funcionários querem saber porquê”
“O número de alunos expulsos diminuiu desde que o novo director tomou posse”.
“O número de alunos expulsos aumentou durante 3 anos consecutivos. Os especialistas culpam os videojogos”.

É muito fácil cair na armadilha de assumir que há sempre uma razão para os números subirem ou descerem. Não há razão – para além da variação aleatória – para explicar por que razão o número de esferas vermelhas tiradas pela colher muda a cada colheita. Todos os anos, a variação aleatória por si só causará um número diferente de alunos a entrar no sistema escolar com problemas de comportamento.

Vejamos como seria esta informação num gráfico:

Esta é a aparência da variação aleatória. Colocar resultados passados em sequência temporal num gráfico como este deveria fazer-nos menos susceptíveis de saltar para conclusões sobre um resultado individual. Podemos ter menos probabilidades de assumir que uma tendência ascendente ou descendente de apenas 3 ou 4 resultados significa que uma mudança a longo prazo está a ter lugar.
No entanto, precisamos de saber se uma nova política, ou uma mudança nos procedimentos, ou uma mudança num processo realmente afeta os resultados. Portanto, precisamos de algo que aponte as mudanças significativas e nos encoraje a ignorar a variação aleatória. É aqui que entram os limites de controlo.

Se utilizarmos a simulação para adicionar novos pontos no gráfico, todos os pontos devem estar entre as linhas limite de controlo (embora possa ter azar e receber um sinal falso).

Embora haja muitos altos e baixos no gráfico, deverá poder ter uma impressão geral de que este processo é estável. Não há nenhuma mudança óbvia a longo prazo.
Neste processo, qualquer que seja a causa, as contagens baixas também causam as contagens altas. As coisas que causam a variação são comuns a todos os resultados. É por isso que este tipo de variação é chamado de variação de causa comum.

Dizemos também que os resultados estão “em controlo estatístico”. Dizemos isto porque, enquanto nada mudar, podemos prever que este processo continuará com aproximadamente a mesma média, e os limites de controlo continuarão a mostrar os resultados máximos e mínimos que podemos esperar.

Agora vamos olhar para um conjunto de resultados de um tipo de processo muito diferente

Notará que este processo tem aproximadamente o mesmo número médio de defeitos que o gráfico anterior, mas o gráfico parece muito diferente.
Este gráfico mostra que o processo é instável. Há duas coisas no gráfico que indicam instabilidade:

  • alguns pontos estão fora das linhas limite de controlo
  • alguns pontos têm um “R” por cima deles que indica uma “corrida”. Os 6 pontos anteriores estão do mesmo lado da média – é invulgar que a variação aleatória produza 7 pontos consecutivos acima da média ou 7 pontos consecutivos abaixo da média.

Com este processo, há algo mais que o afecta, a par das causas comuns de variação. Olha para os resultados entre 25 e 37 na escala horizontal e compara-os com os resultados entre 37 e 50. Alguma coisa deve estar a causar-lhes uma diferença. Chamamos a isto uma causa “especial” de variação.

Quando causas especiais de variação estão presentes num processo, dizemos que o processo é “instável”. Com um processo instável não se pode prever resultados futuros porque não sabemos quando ocorrerão as causas especiais de variação. Se tivermos um processo instável, devemos, sempre que possível:

  • investigar o que está a causar a variação especial
  • aprender tudo o que pudermos com a investigação
  • melhorar o processo, tornando as melhores condições permanentes
  • pôr em prática controlos que impeçam que a variação especial se repita

Na simulação, providenciámos que não ocorrerá mais variação especial, para que possamos recolher mais esferas. Mas primeiro vamos escrever uma nota na carta de controlo:

Conseguimos mais 30 subgrupos e parece haver agora consistentemente menos esferas vermelhas e as esferas vermelhas representam algo que não queremos. Portanto, há razões para acreditar que melhorámos este processo.
Devemos agora recalcular os limites de controlo utilizando resultados que vêm após a melhoria.

Temos agora novos limites de controlo que indicam os limites de variação de causa comum para o novo processo melhorado.
Estes novos limites mostrarão se surgirem novas causas especiais de variação. Se aparecer, devemos investigá-la e removê-la.

Se quisermos melhorar um processo que contém apenas variação de causa comum, teremos de investigar os fatores que estão constantemente a afetar o processo e a influenciar cada resultado

Sumário Lição 1:

  1. Todos os processos contêm variações.
  2. Devemos distinguir entre a variação de causa especial e a variação de causa comum. Precisamos de conhecer esta diferença porque as coisas que teremos de fazer para remover ou reduzir os dois tipos de variação são muito diferentes. Precisamos de reduzir a variação para melhorar os processos.
  3. A forma de distinguir entre variação de causa comum e variação de causa especial é utilizar um gráfico de controlo.
  4. Antes de se poder considerar um processo “sob controlo”, devem ser feitos esforços para remover as causas especiais de variação. Devemos também aprender com cada incidente de variação especial e tomar medidas para garantir que estes tipos de alterações não voltem a acontecer.
  5. Se queremos melhorar um processo que contém apenas variações de causa comum, precisamos de investigar os factores que afectam cada resultado.