Ferramentas da qualidade

Introdução

A preocupação com a qualidade dos produtos e serviços não é algo recente. Desde os primórdios das relações de troca de mercadoria,  os consumidores inspecionam os produtos que recebiam. Como as exigências de qualidade não se limitaram aos produtos, mas a processos, a gestão da qualidade é vista hoje em dia como fator estratégico de melhoria nas organizações (CARPINETTI, 2010, pg. 2).

Assim, com a evolução e abrangência que a qualidade desempenhou em todas as áreas de uma organização, foi necessário o surgimento de técnicas para gerenciar a qualidade dos bens/ serviços e processos nas operações da cadeia de valor. Segundo Carpinetti (2010, pg. 91), as “ferramentas da qualidade” auxiliam no processo de identificação de problemas, análise das causas raízes, observação e coleta de dados, eliminação de desperdícios, minimização de custos, ou seja no processos de melhoria contínua.

O presente trabalho tem como propósito o entendimento e análise do Diagrama de dispersão e a ferramenta gerencial, Diagrama de Afinidades. Além disso, serão discutidos casos de aplicação das ferramentas em exemplos do dia a dia.

---

1. Diagrama de Dispersão

O diagrama de dispersão (ou correlação) é um gráfico utilizado para visualizar a relação/associação que existe entre duas variáveis. Isto não é garantia de que uma variável afeta a outra, entretanto, demonstra a existência dessa relação e sua intensidade.  Na construção do gráfico, pontos são plotados no espaço cartesiano (XY) para representar, simultaneamente, os valores de duas variáveis quantitativas no conjunto de dados analisados (CARPINETTI, 2010, p. 91).

Além de auxiliar na identificação da associação de variáveis, este instrumento é aplicável em situações como: relacionar causa e efeito, por exemplo, a intensidade da iluminação e os erros em inspeção visual; verificação do resultado, antes e depois, de um tratamento.

Não só na análise de relacionamento entre duas variáveis, gráficos de dispersão facilitam o entendimento dos tipos de relação existentes entre variáveis associadas a processos.

1. Análise de Correlação

De acordo com Carpinetti (2010, p. 93), este é um método para julgar a existência da relação entre duas variáveis, chamado de coeficiente de correlação. Existem padrões de relacionamento entre variáveis, como podem ser na figura 1. São eles:

• Correlação positiva: um aumento de uma variável Y, depende de um aumento de X;
• Correlação negativa: um aumento em X provoca um decréscimo
• de Y. Assim, X pode estar controlando Y;
• Relação inexistente: a variação de uma variável não afeta, sistematicamente, a da outra variável.

Por outro lado, há necessidade de verificação de pontos atípicos, os outliers. Esse é uma observação extrema, que não condiz com o conjunto de dados. No entanto, esses pontos podem conter informações relevantes ao processo analisado, por exemplo, uma variável que não havia sido considerada. Por isso, seria melhor excluir os outliers do conjunto de dados, apenas, quando esses forem fruto de um registro equivocado. (CARPINETTI, 2010, pg 93).

[pic 1]

Figura 1: Gráficos de Dispersão que mostram as diferentes correlações existentes.

Fonte:  IUGLI, 2015.

1. Análise de Regressão

De acordo com Carpinetti (2010, p. 93), o método estabelece, quantitativamente, a intensidade da relação linear entre variáveis. O coeficiente de correlação usado é denominado de r. Os valores de r variam entre -1<= r <=1. Se |r| = 1, os pontos formam uma reta. Se o valor for próximo de 0, significa fraca correlação, enquanto que, r próximo de 1, tem-se uma forte correlação linear positiva. A seguir, tem-se as equações  para determinar o coeficiente de correlação.

,         (1) ,       onde:[pic 2]

                    [pic 3]

                     [pic 4]

   [pic 5]

1. Estudo de caso

O caso de estudo, para a análise do diagrama de dispersão, foi a relação entre peso e altura de uma amostra de 41 alunos de engenharia de produção.  Os dados e o gráfico encontra-se na tabela 1 e gráfico 1, respectivamente.

Tabela 1: Dados de altura e peso dos alunos de engenharia de produção.

Altura (m)	Peso (Kg)
1.70	78.00
1.72	59.00
1.64	57.00
1.76	80.00
1.80	74.00
1.83	76.00
1.80	71.00
1.80	85.00
1.75	76.00
1.75	80.00
1.90	84.00
1.78	90.00
1.91	96.00
1.80	85.00
1.86	87.00
1.62	56.00
1.73	73.00
1.83	74.00
1.84	75.00
1.87	85.00
1.88	77.00
1.79	87.00
1.82	96.00
1.80	70.00
1.87	85.00
1.82	72.00
1.67	52.00
1.73	70.00
1.59	45.50
1.59	50.00
1.70	60.00
1.71	85.00
1.80	70.00
1.77	113.00
1.83	82.00