📋 Aula 05: Gestão da Qualidade (ISO 9001, Seis Sigma, Ciclo PDCA, 5W2H e Matriz GUT)

Navegação Rápida

📍 Disciplina: 02 Princípios de Gestão | 🗺️ Área: 07 Gestão, Projetos e Sustentabilidade | 🏠 Hub Principal

Contexto e Objetivos de Aprendizagem

Esta aula aborda de forma analítica, estatística e aplicada a engenharia os fundamentos da Gestão da Qualidade e Excelência Operacional, fundamentados na norma ABNT NBR ISO 9001:2015, na metodologia de melhoria contínua PDCA/MASP, nas Sete Ferramentas da Qualidade, na filosofia Seis Sigma (DMAIC) e nos índices matemáticos de capacidade de processo ($C_p,C_{pk}$ e DPMO), fornecendo ao engenheiro eletricista instrumentos quantitativos para garantia da conformidade em processos produtivos e sistemas de potência.

---

📌 Sumário da Aula

1. 📐 Síntese Visual: Sistema de Gestão da Qualidade, PDCA e Seis Sigma
2. 🧠 1. Evolução da Qualidade e a Norma ABNT NBR ISO 9001:2015
3. 🔄 2. O Ciclo PDCA de Deming e o Método MASP
4. 🛠️ 3. As Sete Ferramentas da Qualidade e Métodos Gerenciais (GUT e 5W2H)
5. 📊 4. Metodologia Seis Sigma e Índices Estatísticos de Capacidade (Cp e Cpk)
6. ⚡ 5. Estudos de Caso Numéricos Resolvidos Passo a Passo
7. 📝 6. Questões de Concursos e Exames Oficiais Resolvidas
8. 🔗 7. Conexões e Referências Cruzadas

---

📐 Síntese Visual: Sistema de Gestão da Qualidade, PDCA e Seis Sigma

O diagrama técnico a seguir sintetiza a espiral de melhoria contínua do Ciclo PDCA, as 7 ferramentas de análise e a distribuição estatística de capacidade Seis Sigma com limites de especificação e descentramento ($C_p$ vs $C_{pk}$):

---

🧠 1. Evolução da Qualidade e a Norma ABNT NBR ISO 9001:2015

Historicamente, o conceito de qualidade evoluiu de uma abordagem reativa e punitiva para uma estratégia proativa integrada ao modelo de negócios corporativo:

O Método MASP (Método de Análise e Solução de Problemas)

No Brasil e no Japão (onde é chamado de QC-Story pela JUSE), o PDCA é operacionalizado em 8 passos metodológicos rígidos:

1. Identificação do Problema: Definição clara do gap de desempenho e perdas financeiras associadas;
2. Observação: Coleta de dados no local de trabalho (Genba), estratificando por turno, equipamento e operador;
3. Análise do Processo: Levantamento das causas fundamentais utilizando Diagrama de Ishikawa e os “5 Porquês”;
4. Plano de Ação: Estruturação das contramedidas através da ferramenta 5W2H;
5. Ação / Execução: Execução do plano e verificação contínua das atividades;
6. Verificação dos Resultados: Análise antes vs depois com gráficos de controle e diagramas de Pareto;
7. Padronização: Alteração formal de normas internas, desenhos técnicos e procedimentos para evitar a reincidência;
8. Conclusão: Balanço do aprendizado, lições aprendidas e identificação do próximo problema prioritário.

---

🛠️ 3. As Sete Ferramentas da Qualidade e Métodos Gerenciais (GUT e 5W2H)

3.1 As Sete Ferramentas Estatísticas Clássicas (Kaoru Ishikawa)

1. Folha de Verificação: Formulário estruturado para coleta uniforme e padronizada de dados operacionais em campo;
2. Estratificação: Divisão dos dados em grupos homogêneos (por lote de cabo elétrico, fabricante, turno de montagem);
3. Histograma: Visualização da distribuição de frequências de variáveis contínuas (tensão, corrente, espessura da camada de isolação);
4. Diagrama de Dispersão: Análise visual e matemática da correlação entre duas variáveis através do coeficiente de Pearson ($r$): $r=\frac{\sum (X_i-\bar{X})(Y_i-\bar{Y})}{\sqrt{\sum (X_i-\bar{X}{)}^2\sum (Y_i-\bar{Y}{)}^2}}$
5. Diagrama de Causa e Efeito (Ishikawa / 6M): Decomposição das causas prováveis de um problema em seis categorias canônicas: Método, Mão de Obra, Máquina, Matéria-Prima, Medição e Meio Ambiente;
6. Gráfico de Pareto: Ordenação decrescente de frequências combinada a uma ogiva percentual acumulada, fundamentada no Princípio 80/20 de Vilfredo Pareto ($80\%$ das perdas e defeitos industriais decorrem de apenas $20\%$ das causas vitais);
7. Cartas de Controle Estatístico de Processo (CEP / SPC): Gráficos temporais propostos por Shewhart com Limite Inferior de Controle ($LIC=\mu -3\sigma$), Linha Central ($LC=\mu$) e Limite Superior de Controle ($LSC=\mu +3\sigma$), utilizados para distinguir variações por causas comuns (aleatórias e inerentes) de variações por causas especiais (anomalias assinaláveis que exigem intervenção imediata).

3.2 Ferramentas Gerenciais de Priorização e Ação

A Matriz GUT (Gravidade, Urgência e Tendência)

Utilizada para classificar e priorizar problemas complexos concorrentes através de notas de 1 a 5 atribuídas a três critérios:

• Gravidade ($G$): Intensidade do dano físico, financeiro, regulatório ou de segurança humana caso o problema não seja resolvido;
• Urgência ($U$): Prazo disponível para agir e pressão temporal frente a prazos legais ou de clientes;
• Tendência ($T$): Potencial de crescimento, agravamento ou propagação do problema no tempo caso nenhuma intervenção seja realizada.

O índice de prioridade é calculado pelo produto multiplicativo das três dimensões: $\boxed{\text{Prioridade}=G\times U\times T}$ A escala varia de $1\times 1\times 1=1$ (prioridade mínima) até $5\times 5\times 5=125$ (prioridade máxima absoluta).

A Metodologia 5W2H

Matriz operacional para elaboração de planos de ação inequívocos:

Campo	Pergunta-Chave	Finalidade Operacional
What	O que será feito?	Descrição clara e concisa da ação corretiva ou preventiva.
Why	Por que será feito?	Justificativa técnica, benefício esperado e causa-raiz atacada.
Where	Onde será feito?	Local físico da instalação, equipamento ou setor envolvido.
When	Quando será feito?	Cronograma de início e data fatal de conclusão (deadline).
Who	Quem fará?	Responsável único nominal pela condução e prestação de contas.
How	Como será feito?	Procedimento, método de engenharia ou protocolo técnico adotado.
How Much	Quanto custará?	Orçamento financeiro alocado para viabilizar a execução.

---

📊 4. Metodologia Seis Sigma e Índices Estatísticos de Capacidade (Cp e Cpk)

Desenvolvida originalmente pela Motorola na década de 1980 e ampliada globalmente pela General Electric (GE), a metodologia Seis Sigma ($6\sigma$) é uma abordagem quantitativa orientada à redução drástica da variabilidade de processos críticos de negócios.

4.1 O Ciclo DMAIC

Para processos já existentes que necessitam de melhoria de desempenho, aplica-se o ciclo estruturado em 5 fases:

1. Define (Definir): Delimitar a Carta do Projeto (Project Charter), os requisitos críticos para a qualidade (CTQ - Critical to Quality) e o mapa de processos SIPOC;
2. Measure (Medir): Validar o sistema de medição (estudo de R&R - Repetibilidade e Reprodutibilidade) e calcular a taxa basal de defeitos DPMO;
3. Analyze (Analisar): Identificar as causas-raiz estatisticamente significativas da variabilidade através de testes de hipótese (ANOVA, regressão, testes $t$);
4. Improve (Melhorar): Desenvolver, testar e implementar soluções otimizadas (Delineamento de Experimentos - DOE) e mecanismos à prova de erro (Poka-Yoke);
5. Control (Controlar): Estabelecer cartas de controle estatístico (CEP) e procedimentos operacionais padronizados (POPs) para sustentar os ganhos no longo prazo.

4.2 O Conceito Estatístico e a Taxa de Defeitos DPMO

Seja uma característica de qualidade com distribuição Normal $\mathcal{N}(\mu ,{\sigma }^2)$ delimitada pelos Limites de Especificação de Engenharia: Limite Inferior de Especificação ($LIE$) e Limite Superior de Especificação ($LSE$).

• Processo Seis Sigma a Curto Prazo (Centrado): A distância entre a média $\mu$ e o limite de especificação mais próximo é de $6\sigma$. A probabilidade de produzir uma peça defeituosa fora dos limites $(\pm 6\sigma )$ é de apenas $0,002\text{ ppm}$ ($2$ partes por bilhão).
• Deslocamento de Longo Prazo (1.5 Sigma Shift): Estudos empíricos da Motorola comprovaram que processos industriais reais sofrem derivas térmicas, desgaste de ferramentas e folgas mecânicas ao longo do tempo, gerando um deslocamento típico da média de até $1,5\sigma$. Com a média deslocada para $\mu \pm 1,5\sigma$, a área sob a cauda normal além do limite de especificação resulta rigorosamente na taxa canônica do Seis Sigma: $\boxed{\text{Nıˊvel Seis Sigma com Deslocamento de }1,5\sigma =3,4\text{ DPMO}}$

O cálculo do DPMO (Defects Per Million Opportunities) é dado por: $\boxed{DPMO=\frac{D}{U\times O}\times 10^6}$ Onde:

• $D$: Número total de defeitos observados na amostra;
• $U$: Número de unidades inspecionadas;
• $O$: Número de oportunidades de defeito por unidade.

4.3 Índices de Capacidade do Processo ($C_p$ e $C_{pk}$)

Os índices de capacidade quantificam a aptidão estatística de um processo industrial estável atender às tolerâncias de projeto especificadas pela engenharia.

Índice de Capacidade Potencial ($C_p$)

Mede a largura da faixa de tolerância de engenharia em relação à dispersão natural inerente do processo ($6\sigma$), desconsiderando a centralização da média: $\boxed{C_p=\frac{LSE-LIE}{6\sigma }}$

• $C_p<1,0$: Processo Incapaz. A dispersão natural do processo ($6\sigma$) é maior que a tolerância permitida pelo projeto; a produção gerará peças defeituosas mesmo que perfeitamente centrada.
• $1,0\le C_p<1,33$: Processo Marginalmente Capaz. Exige monitoramento rigoroso.
• $C_p\ge 1,33$: Processo Capaz. Margem de segurança adequada para operações industriais convencionais.
• $C_p\ge 2,0$: Processo Classe Seis Sigma.

Índice de Capacidade Efetiva / Real ($C_{pk}$)

Avalia a capacidade real levando em conta o descentramento da média ($\mu$) do processo em relação ao ponto médio das especificações: $C_{ps}=\frac{LSE-\mu }{3\sigma }(\text{Capacidade em relac¸a˜o ao Limite Superior})$ $C_{pi}=\frac{\mu -LIE}{3\sigma }(\text{Capacidade em relac¸a˜o ao Limite Inferior})$ $\boxed{C_{pk}=\min (C_{ps},C_{pi})=\min \left(\frac{LSE-\mu }{3\sigma },\frac{\mu -LIE}{3\sigma }\right)}$

Relações Fundamentais entre $C_p$ e $C_{pk}$:

1. $C_{pk}\le C_p$ sempre.
2. $C_{pk}=C_p$ se, e somente se, a média do processo estiver perfeitamente centrada entre as especificações: $\mu =\frac{LSE+LIE}{2}$
3. Se $C_{pk}<1,0$, o processo está ativamente gerando produtos defeituosos na cauda mais próxima do limite de especificação.
4. Um processo Seis Sigma com deslocamento de $1,5\sigma$ possui $C_p=2,0$ e $C_{pk}=1,5$.

---

⚡ 5. Estudos de Caso Numéricos Resolvidos Passo a Passo

Caso 1: Controle Estatístico e Capacidade na Fabricação de Resistores de Alta Precisão

Uma linha de fabricação automatizada produz resistores de filme metálico de precisão destinados a módulos de aquisição de sinal de relés digitais de proteção de subestações. A especificação de engenharia do resistor define valor nominal de $100,0\Omega$ com tolerância estrita de $\pm 2,0\%$:

• Limite Inferior de Especificação ($LIE$): $100\times 0,98=98,0\Omega$;
• Limite Superior de Especificação ($LSE$): $100\times 1,02=102,0\Omega$.

Uma amostragem estatística de $N=2500\text{ pec¸as}$ retiradas ao longo de uma semana de operação contínua revelou que a resistência ôhmica segue distribuição normal com:

• Média amostral: $\mu =100,5\Omega$;
• Desvio-padrão do processo: $\sigma =0,4\Omega$.

Pede-se:

1. Calcular os índices de capacidade do processo $C_p$ e $C_{pk}$;
2. Avaliar a capacidade do processo e diagnosticar o efeito do descentramento;
3. Calcular a fração teórica de resistores reprovados por estarem fora das especificações (em porcentagem e em partes por milhão - PPM).

Resolução Detalhada:

Passo 1: Cálculo dos Índices $C_p$ e $C_{pk}$

• Faixa de especificação de engenharia: $\Delta =LSE-LIE=102,0-98,0=4,0\Omega$

• Dispersão natural do processo: $6\sigma =6\times 0,4=2,4\Omega$

• Índice de Capacidade Potencial ($C_p$): $C_p=\frac{LSE-LIE}{6\sigma }=\frac{4,0}{2,4}=\frac{5}{3}\approx 1,667$ Interpretação: Como $C_p=1,67>1,33$, o processo possui uma variabilidade intrínseca suficientemente estreita para ser classificado como altamente capaz.

• Índice de Capacidade Efetiva ($C_{pk}$):

  • Em relação ao Limite Superior: $C_{ps}=\frac{LSE-\mu }{3\sigma }=\frac{102,0-100,5}{3\times 0,4}=\frac{1,5}{1,2}=1,250$
  • Em relação ao Limite Inferior: $C_{pi}=\frac{\mu -LIE}{3\sigma }=\frac{100,5-98,0}{3\times 0,4}=\frac{2,5}{1,2}\approx 2,083$
  • O índice $C_{pk}$ é o menor valor: $C_{pk}=\min (1,250;2,083)=1,250$

Passo 2: Diagnóstico de Engenharia Como $C_{pk}=1,25<1,33\le C_p(1,67)$, o processo, embora possua excelente precisão (baixo $\sigma$), é penalizado pelo descentramento da média ($\mu =100,5\Omega$ em vez do valor nominal ideal de $100,0\Omega$). O processo corre risco de gerar defeitos prioritariamente na cauda superior ($LSE$). Ação Corretiva Recomendada: Ajustar o setpoint da máquina de corte/deposição a laser para reduzir a média em $-0,5\Omega$, restaurando a centralização em $100,0\Omega$, o que elevará automaticamente o $C_{pk}$ para $1,67$ sem necessidade de novos investimentos.

Passo 3: Fração de Não Conformidades (PPM) Padronizando as variáveis normais para os limites:

• Limite Superior ($Z_{LSE}$): $Z_{LSE}=\frac{LSE-\mu }{\sigma }=\frac{102,0-100,5}{0,4}=\frac{1,5}{0,4}=+3,75$ Pela tabela da distribuição Normal Padrão: $P(X>102,0)=1-\Phi (3,75)\approx 8,84\times 10^{-5}⟹88,4\text{ PPM}$
• Limite Inferior ($Z_{LIE}$): $Z_{LIE}=\frac{LIE-\mu }{\sigma }=\frac{98,0-100,5}{0,4}=\frac{-2,5}{0,4}=-6,25$ $P(X<98,0)=\Phi (-6,25)\approx 2\times 10^{-10}\approx 0\text{ PPM}$
• Fração Total de Defeitos: $\text{Defeitos Totais}\approx 88,4\text{ PPM}(0,00884\%)$

---

Caso 2: Priorização de Não Conformidades em Subestação via Matriz GUT e Plano 5W2H

Durante uma auditoria da qualidade e inspeção termográfica em uma subestação de distribuição de $69/13,8\text{ kV}$, a equipe de manutenção deparou-se com três não conformidades graves concomitantes:

1. Problema A (Aquecimento em Chave Seccionadora): Ponto quente termográfico com $\Delta T=45^{\circ }\text{C}$ acima da temperatura ambiente nos contatos principais de uma chave seccionadora de média tensão;
2. Problema B (Vazamento em Bucha de Transformador): Pequeno gotejamento de óleo isolante na base da bucha de alta tensão do transformador de força de 15 MVA;
3. Problema C (Software SCADA Desatualizado): Estação de trabalho do sistema supervisório local executando sistema operacional antigo sem patches de segurança recentes da rede de automação.

A equipe multidisciplinar de engenharia reuniu-se e atribuiu as seguintes notas consensuais (escala de 1 a 5) na Matriz GUT:

Não Conformidade Identificada	Gravidade ($G$)	Urgência ($U$)	Tendência ($T$)
Problema A: Ponto Quente em Chave Seccionadora	4	5	5
Problema B: Vazamento de Óleo em Bucha de Alta Tensão	5	4	4
Problema C: Sistema SCADA Desatualizado	3	2	3

Pede-se:

1. Calcular a pontuação GUT de cada problema e estabelecer a ordem rigorosa de prioridade para intervenção imediata;
2. Estruturar um Plano de Ação 5W2H completo para o problema classificado como prioritário número 1.

Resolução Detalhada:

Passo 1: Cálculo da Pontuação GUT

• Problema A (Ponto Quente na Chave): ${\text{Score}}_A=G\times U\times T=4\times 5\times 5=100$ Justificativa das notas: Gravidade alta (risco de fusão dos contatos), Urgência máxima (risco iminente de abertura sob carga ou colapso nas próximas horas de pico) e Tendência máxima (efeito Joule acelerado: aumento de temperatura aumenta a resistência de contato, amplificando o aquecimento em realimentação positiva).
• Problema B (Vazamento na Bucha): ${\text{Score}}_B=G\times U\times T=5\times 4\times 4=80$ Justificativa das notas: Gravidade crítica 5 (se o nível de óleo baixar a ponto de expor o enrolamento, pode haver explosão do transformador), porém Urgência 4 e Tendência 4 pois o vazamento é por gotejamento lento mensurado em frasco coletor.
• Problema C (SCADA Desatualizado): ${\text{Score}}_C=G\times U\times T=3\times 2\times 3=18$

Ordem de Prioridade: $\boxed{1^{\circ }\text{ Lugar: Problema A (GUT = 100)}>2^{\circ }\text{ Lugar: Problema B (GUT = 80)}>3^{\circ }\text{ Lugar: Problema C (GUT = 18)}}$

Passo 2: Plano de Ação 5W2H para o Problema A (Prioridade 1)

Elemento 5W2H	Definição Operacional
What (O quê)	Desconexão, limpeza química, retificação de contatos e reaperto com torquímetro calibrado da chave seccionadora 13,8 kV.
Why (Por quê)	Eliminar resistência espúria de contato e extinguir o risco iminente de arco voltaico e desarme geral da subestação.
Where (Onde)	Módulo de Entrada de Linha 01 da Subestação Central 69/13,8 kV.
When (Quando)	Na janela de manobra de carga programada de hoje, das 23:00 às 03:00 da madrugada.
Who (Quem)	Engenheiro Carlos Eduardo (Coordenação Técnica) e Equipe de Manutenção Eletromecânica Alfa.
How (Como)	Bloqueio e etiquetagem (LOTO / NR-10), aterramento temporário, desmontagem dos contatos, aplicação de pasta condutora de prata e aperto a $45\text{ N}\cdot \text{m}$.
How Much (Quanto)	R$ 1.800,00 (mão de obra extraordinária e materiais de consumo dielétrico).

---

📝 6. Questões de Concursos e Exames Oficiais Resolvidas

Questão 1 (CESPE / CEBRASPE - Petrobras - Engenharia da Qualidade)

A respeito dos métodos estatísticos de controle da qualidade e da metodologia Seis Sigma, julgue o item subsequente:

“Se um processo industrial de conformação de placas condutoras de cobre opera perfeitamente centrado em relação aos limites de especificação de engenharia e apresenta um índice de capacidade de processo $C_p=2,0$, é correto afirmar que, na ausência de deslocamento de longo prazo da média, o número teórico de defeitos esperados é de apenas duas partes por bilhão ($0,002\text{ DPMO}$).”

Gabarito Comentado: ITEM CERTO. Justificativa Analítica: Por definição matemática da distribuição Normal: $C_p=\frac{LSE-LIE}{6\sigma }=2,0⟹LSE-LIE=12\sigma$ Como o processo está perfeitamente centrado ($\mu$ no ponto médio), a distância de $\mu$ até cada um dos limites de especificação é exatamente de $\pm 6\sigma$. Na curva normal padronizada $\mathcal{N}(0,1)$, a probabilidade bicaudal acumulada além de $\pm 6\sigma$ é dada por: $2\times [1-\Phi (6)]\approx 2\times 9,866\times 10^{-10}\approx 1,97\times 10^{-9}\approx 0,002\text{ PPM (partes por bilha˜o)}$ Portanto, a afirmativa é conceitualmente exata.

---

Questão 2 (FGV - Eletrobras - Engenharia de Produção)

Uma fabricante de transformadores de potência implementou uma rotina de Melhoria Contínua baseada no método MASP e nas sete ferramentas da qualidade. Para identificar em qual linha de falhas de montagem a equipe de engenharia deve concentrar esforços para eliminar a maior parte das perdas de retrabalho na fábrica, a ferramenta mais adequada a ser utilizada é o: A) Diagrama de Dispersão, para avaliar se há correlação entre as horas extras e as falhas. B) Gráfico de Pareto, para ordenar os tipos de falhas e destacar os “poucos vitais” responsáveis pela maior parcela dos defeitos. C) Diagrama de Ishikawa, para executar a priorização matemática das causas pelo produto GUT. D) Histograma, para determinar a taxa instantânea de falhas da curva da banheira. E) Gráfico de Gantt, para calcular as folgas livres das tarefas de retrabalho.

Gabarito Comentado: Alternativa B. Justificativa Analítica: O Gráfico de Pareto baseia-se no princípio empírico de que a maioria dos efeitos ($80\%$) é decorrente de um número reduzido de causas ($20\%$). É a ferramenta consagrada internacionalmente pela engenharia da qualidade para orientar a alocação eficiente de recursos, separando os “poucos vitais” dos “muitos triviais”.

---

Questão 3 (VUNESP - Engenharia Elétrica / Manutenção)

Em relação aos índices estatísticos de capacidade de processos industriais ($C_p$ e $C_{pk}$), considere as seguintes asserções:

I. O índice $C_p$ avalia exclusivamente a dispersão do processo em relação aos limites de especificação, independentemente da localização da média do processo. II. O índice $C_{pk}$ pode ser superior ao índice $C_p$ caso a média do processo esteja ligeiramente deslocada em direção ao Limite Superior de Especificação ($LSE$). III. Um processo fabril com $C_p=1,50$ e $C_{pk}=0,80$ é um processo que possui baixa variabilidade intrínseca, mas que se encontra acentuadamente descentrado, estando ativamente produzindo peças fora da especificação.

É correto o que se afirma em: A) I, apenas. B) II, apenas. C) I e III, apenas. D) II e III, apenas. E) I, II e III.

Gabarito Comentado: Alternativa C. Justificativa Analítica:

• Item I: Correto. $C_p=(LSE-LIE)/(6\sigma )$, não depende da média $\mu$.
• Item II: Incorreto. Por definição analítica, $C_{pk}=\min (C_{ps},C_{pi})$. O valor de $C_{pk}$ é estritamente menor ou igual a $C_p$ ($C_{pk}\le C_p$). Quando há qualquer descentramento, $C_{pk}$ diminui; ele nunca pode superar $C_p$.
• Item III: Correto. Como $C_p=1,50>1,33$, o processo tem baixa variabilidade intrínseca (dispersão natural de $6\sigma$ cabe com folga dentro da faixa). No entanto, como $C_{pk}=0,80<1,0$, o forte descentramento faz com que uma das caudas da distribuição ultrapasse os limites de especificação, gerando produtos não conformes.

---

🔗 7. Conexões e Referências Cruzadas

• Hub Principal da Disciplina - 02 Princípios de Gestão
• MOC da Grande Área 07 - Gestão, Projetos e Sustentabilidade
• Aula Anterior: Aula 04 - Engenharia Econômica e Investimentos
• Aula 01: Teoria Geral da Administração e Funções (PODC)
• Interface com Gestão Ambiental e ISO 14001
• Controle Metrológico e Instrumentação