Controle Estatístico de Processo (CEP/SPC) – Definição e Interesse

Controle Estatístico de Processo (CEP/SPC) é um método que utiliza técnicas estatísticas para monitorar e controlar um processo de fabricação.

Eu costumava supor que, se você configurasse uma máquina perfeitamente, ela deveria produzir peças perfeitas indefinidamente. Se uma dimensão oscilasse, eu ajustaria imediatamente as configurações para corrigir. Mas descobri que isso não ajuda absolutamente ninguém.

Ao ajustar constantemente uma máquina com base em cada medição individual, muitas vezes você está apenas amplificando o problema.

Percebi que todo processo, não importa quão preciso, tem um batimento cardíaco (um ritmo natural de variação). Para gerenciar isso sem enlouquecer, precisamos do Controle Estatístico de Processo (SPC).

Seu objetivo é dizer quando você está realmente fora do rumo, versus quando você está apenas passando por um pequeno obstáculo na estrada.

O objetivo é simples: Eficiência.

Usando o SPC, você pode garantir que seu processo opere em seu potencial máximo, produzindo mais produtos em conformidade com a especificação e gerando significativamente menos desperdício.

Você para de depender de inspeções dispendiosas no final da linha e começa a prevenir erros antes que eles aconteçam.

Você pode ouvir este termo usado de forma intercambiável com Controle Estatístico da Qualidade (SQC), ou vê-lo referenciado em guias mais amplos sobre Controle de Qualidade.

Embora compartilhem o DNA, o SPC foca fortemente nas entradas e no processo ativo, em vez de apenas na saída final.

Neste post, gostaria de ajudar você a construir um modelo mental sólido para o SPC. Vamos cobrir:

• A história de como essas ferramentas passaram das fábricas de munições para os laboratórios modernos.
• A diferença crítica entre variação de “Causa Comum” e “Causa Especial”.
• Como usar Cartas de Controle (sem precisar de um PhD em matemática).
• Como implementar essas estratégias em seu próprio fluxo de trabalho.

Eu prometo, é mais fácil do que parece.

O que é Controle Estatístico de Processo?

A maioria das pessoas pensa na garantia de qualidade como uma prova final. Você fabrica o produto, depois o inspeciona bem no final da linha.

Se falhar, você o descarta.

Mas, francamente, essa é uma maneira incrivelmente cara de fazer negócios. No momento em que você encontra o defeito, o tempo e os materiais já foram desperdiçados.

O Controle Estatístico de Processo (SPC) inverte esse modelo.

Em vez de esperar pelo produto acabado, usamos métodos estatísticos para monitorar o processo de produção em tempo real. O objetivo é passar da detecção (encontrar peças ruins) para a prevenção (impedir que elas sejam feitas, em primeiro lugar).

É muito parecido com assar biscoitos.

A inspeção tradicional é provar um biscoito depois que ele sai do forno para ver se está queimado. O SPC é observar a temperatura do forno e o cronômetro enquanto eles assam. Se a temperatura disparar, você corrige antes que o lote seja arruinado.

Há uma distinção delicada entre SPC e Controle Estatístico da Qualidade (SQC). Enquanto o SQC monitora as saídas do processo (variáveis dependentes) e inclui amostragem de aceitação, o SPC foca no controle das entradas do processo (variáveis independentes). O SPC não usa amostragem de aceitação diretamente.

Para fazer isso funcionar, dependemos de dados de qualidade rigorosos.

Reunimos isso a partir de medições diretas do produto e leituras de instrumentação. Ao analisar esses dados estatisticamente, garantimos que o processo se comporte de forma consistente, nos poupando da dor de cabeça da correção pós-produção.

História do SPC

Ajuda saber de onde essas coisas realmente vêm para entender o “porquê” por trás disso.

A história começa no início da década de 1920 com um físico chamado Walter A. Shewhart nos Laboratórios Bell.

Ele estava tentando resolver um problema complicado: distinguir entre ruído aleatório e problemas reais na fabricação de equipamentos telefônicos.

Em 1924, Shewhart escreveu um memorando que incluía o primeiro esboço de uma carta de controle. Este foi o nascimento do conceito de controle estatístico.

Ele percebeu que você não pode simplesmente reagir a cada pequena variação.

Você precisa de uma maneira de ver o sinal através do ruído.

Durante a Segunda Guerra Mundial, as apostas ficaram muito mais altas. Os militares dos EUA precisavam garantir a qualidade das munições e armas sem verificar cada bala individualmente.

Eles adotaram as cartas de controle de Shewhart massivamente para manter a produção segura e confiável.

Após a guerra, profissionais formaram a American Society for Quality Control em 1945 para manter o ritmo. Mas, curiosamente, a indústria americana se afastou em grande parte desses métodos.

É aí que W. Edwards Deming entra.

Ele levou esses conceitos para o Japão, onde foram abraçados com entusiasmo. Na década de 1970, os produtos japoneses dominavam os mercados globais com qualidade superior.

Essa pressão competitiva forçou os fabricantes americanos a redescobrir o SPC, trazendo-o de volta como um padrão para a garantia de qualidade moderna.

O que é Variação de Causa Comum?

A parte complicada sobre a análise de dados de processo é: consistência perfeita é um mito.

Você pode esperar que sua linha de produção atinja exatamente o mesmo número todas as vezes, mas, na realidade, todo processo tem um fundo natural de flutuação.

Chamamos isso de Variação de Causa Comum.

Pense nisso como a leve vibração de um motor de carro enquanto está em marcha lenta. É intrínseco ao sistema e cria um padrão previsível de ruído.

Muitas vezes nos referimos a elas como fontes de variação não atribuíveis ou normais, porque você não consegue apontar um único erro externo causando-as.

Elas fazem parte de como o processo atual funciona.

Quando seus dados mostram apenas causas comuns, dizemos que o processo está em controle estatístico.

Ele produz uma distribuição estável e repetível ao longo do tempo. Cria um batimento cardíaco confiável que você pode prever, mesmo que não seja perfeitamente plano.

Exemplos de Causas Comuns

Ajuda visualizar como essas vibrações normais se parecem. Estas representam as condições operacionais padrão de sua instalação:

• Propriedades do Material: Pequenas variações na resistência à tração dentro da especificação do fornecedor.
• Ambiente: A mudança previsível na umidade ou temperatura do chão de fábrica da manhã para a tarde.
• Desgaste da Ferramenta: A degradação lenta e normal de uma broca ou ferramenta de corte ao longo de sua vida útil.
• Variância do Operador: Pequenas diferenças na forma como os operadores ajustam manualmente as configurações.
• Sistema de Medição: A incerteza inerente ou “ruído” em seus paquímetros ou sondas CMM.

É apenas um conjunto de muitos outros exemplos possíveis.

O que é Variação de Causa Especial?

Se a variação de causa comum é o “zumbido” suave e de fundo da sua máquina, a variação de causa especial é um “estalo” alto.

Ela representa a variação de fontes externas que não fazem parte do ciclo padrão do processo. No mundo da estatística, muitas vezes chamamos isso de fontes atribuíveis porque, ao contrário do ruído geral, você geralmente pode apontar o dedo para exatamente o que deu errado.

O problema é,

Enquanto as causas comuns afetam cada item que você produz, as causas especiais são sorrateiras. Elas geralmente afetam apenas parte da saída do processo e tendem a ser intermitentes e imprevisíveis.

Você pode ver uma sequência de peças perfeitas e, de repente, tudo enlouquece.

Quando você detecta esse padrão em suas cartas de controle (normalmente quando um ponto de dados salta para fora do limite de controle superior ou limite de controle inferior), isso indica que o processo está fora de controle estatístico.

A boa notícia?

Causas especiais são realmente mais fáceis de corrigir do que causas comuns. Uma vez que você identifica e elimina aquele problema específico, seu processo retorna a um estado “estável”.

Você só precisa identificá-lo rápido, porque quando acontece, geralmente gera muitos problemas.

Exemplos

Esses estalos são eventos distintos e atribuíveis que interrompem o fluxo. Alguns exemplos clássicos:

• Uma falha inesperada de um controlador de máquina específico.
• Um operador fazendo ajustes inadequados no equipamento continuamente.
• Uma mudança repentina no sistema de medição (como usar um medidor que caiu).
• Um lote ruim de matéria-prima que tem propriedades fora das especificações do projeto.
• Uma quebra física, como uma broca quebrada ou um punção lascado.
• Um operador novo e inexperiente assumindo um turno sem o treinamento adequado.

Como você vê, tem uma gama muito (muito) ampla de causas.

O que são Cartas de Controle?

Se você deseja visualizar seu processo de fabricação, precisa de uma carta de controle.

Seguindo a história do SPC, esta ferramenta continua sendo o “arroz com feijão” absoluto da metodologia. Ela nos permite monitorar a variação do processo ao longo do tempo e nos ajuda a distinguir entre o ruído de fundo aleatório (variação de causa comum) e problemas reais e corrigíveis (variação de causa especial).

Pense em uma carta de controle como o assistente de permanência em faixa de um carro moderno. Ele sabe a diferença entre você se desviar suavemente dentro da sua faixa e você realmente sair da estrada.

Cada carta de controle é construída sobre três componentes principais:

• Linha Central (LC): Representa a média, ou a média sob controle dos dados do seu processo.
• Limite Superior de Controle (LSC): O valor máximo esperado do processo.
• Limite Inferior de Controle (LIC): O valor mínimo esperado do processo.

Geralmente definimos esses limites usando a Regra dos Três Sigma.

Pegamos a média (μ) e adicionamos ou subtraímos três desvios padrão (σ).

Aqui está a matemática:

Como 99,73% dos pontos de dados em uma distribuição normal caem dentro desse intervalo, qualquer observação que caia fora desses limites de controle é uma enorme bandeira vermelha. Isso sinaliza uma condição potencial de falta de controle que requer investigação imediata.

Nota descrevendo a diferença entre limites de controle e limites de especificação. Os limites de controle são calculados a partir dos dados reais do seu processo. Os limites de especificação são o que seu cliente (ou o engenheiro) define como aceitável no desenho. Eles não são a mesma coisa!

Se você quiser ver mais exemplos de como estes são plotados, você pode conferir o recurso oficial de Carta de Controle da ASQ.

As 7 Ferramentas de Controle de Qualidade

Quando você está atolado em conjuntos massivos de dados de produção, é fácil perder o sinal.

Precisamos de uma maneira de estruturar esse caos.

Em 1974, o Dr. Kaoru Ishikawa formalizou uma solução em seu texto clássico, Guide to Quality Control (Guia para Controle de Qualidade). Ele selecionou um conjunto específico de técnicas visuais projetadas para ajudar qualquer pessoa (não apenas estatísticos) a resolver problemas de qualidade.

Aqui está o kit de ferramentas padrão:

• Diagrama de causa e efeito (Espinha de peixe): Uma forma de mapear entradas potenciais (Homem, Máquina, Material) para encontrar a causa raiz de um defeito.
• Folha de verificação: Um formulário simples e estruturado usado para coletar dados de forma consistente em tempo real.
• Carta de controle: Provavelmente a mais importante. Rastreia como um processo muda ao longo do tempo para detectar a variação de causa especial.
• Histograma: Um gráfico de barras que mostra a distribuição (forma) dos seus valores de dados.
• Gráfico de Pareto: Ajuda a priorizar correções separando os poucos vitais dos muitos triviais (a regra 80/20).
• Diagrama de dispersão: Visualiza a relação entre duas variáveis para ver se elas estão correlacionadas.
• Estratificação: Separa dados de diferentes fontes (como diferentes turnos ou máquinas) para revelar padrões ocultos.

Essas ferramentas atuam como a base de qualquer análise robusta de SPC. Antes de tentar aplicar algoritmos complexos, você usa esses sete auxílios para visualizar a variação e estabilizar o processo.

As 7 Ferramentas Suplementares

As 7 ferramentas de CQ clássicas são fantásticas, mas são generalistas.

Às vezes você atinge uma parede específica onde os dados estão confusos ou a causa raiz está escondida na própria lógica do processo. É aí que as 7 Ferramentas Suplementares (7-SUPP) ajudam.

É uma espécie de “kit de detetive” especializado que você puxa quando as ferramentas básicas mostram que há um problema, mas você precisa de uma lente mais nítida para entender o contexto.

• Estratificação de dados: Fatiar dados em grupos significativos (como Turno Diurno vs Turno Noturno) para expor padrões ocultos.
• Mapas de defeitos: Visualizar a localização física das falhas diretamente em um desenho da peça.
• Logs de eventos: Registrar contexto estritamente baseado no tempo para anomalias de processo.
• Fluxogramas de processo: Mapear a lógica e a sequência das etapas do fluxo de trabalho.
• Centros de progresso: Monitorar pontos de decisão específicos ou marcos em um projeto.
• Randomização: Técnicas para garantir que sua amostragem não seja acidentalmente enviesada por tempo ou padrões do operador.
• Determinação do tamanho da amostra: Calcular exatamente quantos dados você precisa para significância estatística.

Você deve recorrer a elas para complementar as 7 ferramentas básicas de CQ sempre que precisar cavar mais fundo no como e onde de uma falha de processo.

Como implementar o SPC

Implementar o SPC não é uma tarefa fácil.

Um erro comum é tentar medir tudo de uma vez. Mas aqui está o segredo: um bom SPC é sobre foco.

Você não deve medir cada variável individual. Em vez disso, você começa identificando as Características Chave (KCs) ou recursos críticos.

Geralmente encontramos isso durante uma Análise de Modos de Falha e Efeitos de Projeto (DFMEA) ou uma revisão de projeto.

Uma vez que você saiba o que medir, a implementação geralmente segue um modelo mental de três fases:

1. Fase 1: Entendimento. Você mapeia o processo e define os limites de especificação. Você precisa saber como é o “bom” antes de poder rastreá-lo.
2. Fase 2: Estabilização. Esta é a parte enganosamente complexa. Você deve identificar e eliminar fontes atribuíveis de variação (causas especiais). Se sua máquina tiver um parafuso solto causando oscilações selvagens, nenhuma carta consertará isso. Você tem que estabilizar o processo primeiro para que apenas a variação de causa comum permaneça.
3. Fase 3: Monitoramento. Agora que o processo está estável, você usa cartas de controle para observar a produção contínua. É aqui que você calcula seu limite superior de controle e limite inferior de controle para detectar quando as coisas começam a derivar.

É útil pensar no SPC em dois estágios distintos: Estabelecimento do Processo (Fases 1 e 2), onde você está consertando o sistema, e Produção Regular (Fase 3), onde você está apenas mantendo-o nos trilhos.

O que é Índice de Capacidade do Processo?

Então você tem uma carta de controle e ela parece estável. Isso significa que seu processo é consistente. Mas um processo pode ser perfeitamente estável e ainda produzir peças que estão erradas. Significa apenas que você está consistentemente fazendo peças ruins.

É aqui que o índice de capacidade do processo entra.

Ele prevê se seu processo estável produz produto conforme que realmente atenda aos requisitos do projeto.

Gosto de pensar nisso usando um modelo mental de “Carro em uma Garagem” para entender a diferença entre Cp e Cpk:

• Cp (Capacidade do Processo): Isso pergunta: “O carro é pequeno o suficiente para caber na garagem?” Compara a dispersão natural do seu processo com a largura dos limites de especificação.
• Cpk (Índice de Capacidade do Processo): Isso pergunta: “Você estacionou o carro no meio ou está raspando os retrovisores?” Leva em conta a centralização. Se seu Cpk for baixo, seu processo pode ser preciso o suficiente, mas está deslocado do alvo.

Há uma grande “pegadinha” aqui: Você só pode realizar uma análise de capacidade de processo em um processo estável. Se sua carta de controle mostrar que o processo está fora de controle, a matemática da capacidade se torna ruído sem sentido.

Quando você plota seus pontos de dados contra esses índices, você cria uma assinatura de processo. Isso visualiza exatamente como o comportamento dos seus dados se ajusta ao índice de capacidade.

Lembre-se sempre da regra de ouro dos limites: Limites de controle vêm dos dados (a voz do processo), enquanto limites de especificação vêm do engenheiro ou cliente (a voz do cliente).

Para ter um processo capaz, seus limites de controle devem sempre cair confortavelmente dentro desses limites de especificação.

Analisar dados do SPC

Uma vez que você tenha sua carta de controle plotada, o trabalho real começa. Acontece que interpretar esses dados é menos sobre matemática complexa e mais sobre reconhecimento de padrões.

Pense na carta como um monitor de batimentos cardíacos para sua linha de fabricação.

Se apenas variação de causa comum estiver presente, seus pontos de dados oscilarão aleatoriamente entre os limites de controle superior e inferior. Este é o estado saudável onde você deve deixar o processo em paz.

No entanto,

Quando causas especiais se infiltram, os dados deixam um rastro muitas vezes antes de você fazer uma única peça ruim.

Usamos regras de detecção específicas para identificar essas condições fora de controle. Fique atento a esses padrões:

• Corridas (Runs): 7 ou mais pontos de dados presos em um lado da linha central.
• Tendências: 7 ou mais pontos subindo ou descendo consistentemente.
• Mudanças de Dispersão: Pontos repentinamente se agrupando ou se espalhando muito.
• Deslocamentos (Shifts): A dispersão de dados se move acima ou abaixo da média normal.

Se você identificar esses padrões, tem que bancar o detetive.

Ferramentas como diagramas de Ishikawa, gráficos de Pareto ou experimentos projetados podem ajudá-lo a isolar a causa raiz.

Além disso, verifique se seu método de medição é sólido. Se você confiar em teste não destrutivo ou END para dados, certifique-se de que o equipamento em si não esteja introduzindo a variação.

Benefícios do SPC

A maioria das equipes de qualidade opera como um goleiro. Eles ficam no final da linha de produção, tentando desesperadamente bloquear peças ruins de chegarem ao cliente.

Este é o controle de qualidade baseado em detecção.

O problema é que, mesmo que você pegue o defeito, o tempo e o dinheiro usados para criá-lo já se foram.

Não significa que você não deva fazer isso, mas significa que não deve depender apenas disso.

O SPC muda seu papel de goleiro para treinador. Em vez de apenas julgar a saída final, você está constantemente ajustando o próprio processo.

Essa mudança da detecção para a prevenção é o verdadeiro superpoder aqui. Ao capturar uma deriva em direção a um limite superior de controle antes que se torne um defeito, você impede que o problema exista.

Aqui está o que essa abordagem desbloqueia para sua fábrica:

• Redução de Desperdício: Você detecta problemas cedo, cortando significativamente as pilhas de sucata.
• Economia de Tempo: Você minimiza a necessidade de ciclos de retrabalho demorados.
• Otimização: Você pode executar seu processo com segurança em seu potencial máximo porque entende seu comportamento.
• Economia de Custos: Acontece que o SPC totalmente implementado é uma das maneiras mais eficazes de proteger seus resultados.

Quando você para de apagar incêndios, finalmente tem tempo (e orçamento) para construir um processo melhor.

Além da Manufatura

Você pode supor que o Controle Estatístico de Processo é estritamente para chãos de fábrica e linhas de montagem. Mas aqui está a coisa fascinante: a matemática não se importa se você está medindo o diâmetro de um parafuso de aço ou o tempo de processamento de um pedido de empréstimo.

Acontece que o SPC é um superpoder para qualquer processo repetitivo.

É por isso que funciona lindamente dentro dos sistemas de gestão da qualidade ISO 9000. Vemos isso usado comumente em auditoria financeira, operações de TI e processos de saúde. Até mesmo tarefas administrativas como faturamento de clientes e administração de empréstimos podem ser rastreadas em uma carta de controle.

A indústria de software realmente percebeu isso décadas atrás. Em 1988, o Modelo de Maturidade de Capacidade (CMM) sugeriu a aplicação do SPC à engenharia de software. Hoje, organizações que operam no nível 4 e nível 5 do CMMI usam essas ferramentas estatísticas para prever o desempenho do projeto.

Há uma pegadinha aqui. O SPC depende da repetição para estabelecer uma linha de base. Muitas vezes é ineficaz para trabalhos intensivos em conhecimento e não repetitivos, como P&D ou design criativo, onde o “processo” parece diferente a cada dia.

Indústria 4.0 e Inteligência Artificial

Tradicionalmente, pensamos no SPC como uma ferramenta para medir coisas físicas, como o diâmetro de um parafuso ou o peso de uma caixa de cereal.

Mas com a chegada da Indústria 4.0, o jogo mudou completamente.

Não estamos mais apenas olhando para widgets físicos, estamos lidando com sistemas ciber-físicos e fluxos massivos de dados de alta dimensão.

Acontece que você pode aplicar esses mesmos superpoderes estatísticos para monitorar a saúde dos modelos de Inteligência Artificial. Assim como uma broca física se desgasta, os modelos de IA podem sofrer de deriva de conceito, onde suas previsões lentamente se tornam menos precisas ao longo do tempo.

É aqui que fica muito legal.

Engenheiros agora estão usando cartas de controle multivariadas não paramétricas para rastrear mudanças em embeddings de redes neurais. A mágica é que você nem precisa de dados rotulados para fazer isso.

Isso permite o monitoramento de estabilidade em tempo real para sistemas complexos de IA.

Conclusão

O Controle Estatístico de Processo é realmente apenas uma maneira de ouvir o batimento cardíaco da sua linha de fabricação. Acontece que a matemática é realmente o melhor ouvinte que temos. Ao usar cartas de controle, você para de adivinhar por que uma peça falhou e começa a entender a personalidade do seu processo.

A melhor parte vem quando você finalmente distingue entre o ruído de fundo (variação de causa comum) e os problemas reais (variação de causa especial).

Essa distinção é muito importante de se ter consciência.

Isso evita que você ajuste uma máquina que estava realmente boa e força você a agir quando algo está genuinamente saindo do rumo.

É loucura pensar que isso começou com munições na Segunda Guerra Mundial e agora impulsiona fábricas inteligentes orientadas por IA, mas a lógica central não mudou.

Quer você esteja usando um lápis ou uma rede neural, o objetivo é a melhoria contínua. Você obtém menos desperdício, economias de custos significativas e um chão de produção muito mais calmo.

Se você está pronto para implementar isso, recomendo fortemente que pegue o manual de referência de SPC da AIAG. É o padrão da indústria por um motivo. Não tenha medo de chamar um profissional de qualidade para ajudar a configurar essas primeiras cartas.

Implementar isso pode parecer enganosamente complexo no início, mas não deixe a matemática te assustar. Comece com uma característica crítica, minimize essa variação e veja o que acontece.

Vá medir algo legal e mantenha esse processo estável!

Perguntas Frequentes

Qual é o principal objetivo do Controle Estatístico de Processo?
Você usa o SPC para monitorar e controlar um processo localmente. Ao rastrear dados ao longo do tempo, você pode detectar problemas precocemente e evitar defeitos antes que eles aconteçam. Isso muda o controle de qualidade da detecção para a prevenção, economizando custos de inspeção e reduzindo a sucata.

Como a variação de causa comum difere da variação de causa especial?
A variação de causa comum é o ruído natural inerente ao processo, como uma leve vibração. Está sempre presente. A variação de causa especial vem de fatores externos específicos, como uma ferramenta quebrada ou lote de material ruim. Você deve identificar e eliminar causas especiais para estabilizar o processo.

Por que o SPC é melhor do que inspecionar produtos acabados?
Inspecionar produtos acabados apenas encontra erros depois que você os comete. O SPC monitora o processo em tempo real para detectar mudanças antes que elas criem peças ruins. Isso reduz o desperdício e o retrabalho porque você para a linha imediatamente quando algo dá errado.

Quais ferramentas você precisa estritamente para começar a usar o SPC?
A carta de controle é a principal ferramenta para o SPC. Você a usa para plotar dados contra os limites de controle ao longo do tempo. Embora possa usar histogramas ou gráficos de Pareto para análise, a carta de controle informa especificamente se o seu processo permanece estável ou requer ajuste imediato.

Você pode aplicar métodos de SPC fora de ambientes de manufatura?
Sim, você pode usar o SPC em qualquer processo com saídas mensuráveis. As indústrias de serviços o usam para rastrear taxas de erro no faturamento, e as equipes de software o usam para monitorar o desempenho do sistema. Se o processo gera dados ao longo do tempo, você pode aplicar esses controles estatísticos.

O que significa quando um processo está em controle estatístico?
Um processo está sob controle quando existe apenas variação de causa comum. A saída permanece previsível e cai dentro dos limites estatísticos. Isso não significa necessariamente que as peças atendem às tolerâncias de engenharia, mas significa que o processo é consistente, estável e repetível.

Como os limites de controle diferem dos limites de especificação?
Os limites de especificação vêm do cliente ou do projeto de engenharia. Os limites de controle vêm dos dados reais do processo. Você calcula os limites de controle com base no desempenho passado para definir a estabilidade do processo, enquanto deve cumprir os limites de especificação para vender o produto ao seu cliente.

Qual é a diferença entre os índices de capacidade Cp e Cpk?
Cp mede a capacidade potencial do seu processo se ele estivesse perfeitamente centralizado. Ele olha apenas para a dispersão dos dados. Cpk mede a capacidade real considerando quão centralizados os dados estão em relação aos limites. Você precisa do Cpk para entender o desempenho no mundo real.

Quando você deve usar uma carta X-barra e R?
Você usa cartas X-barra e R ao coletar dados variáveis em pequenos subgrupos, geralmente entre duas e oito amostras. A X-barra rastreia o valor médio para ver as mudanças de tendência central, enquanto a carta R monitora a faixa ou a variação dentro desse subgrupo específico.

Por que o tamanho do subgrupo é importante no projeto da carta de controle?
O tamanho do subgrupo impacta a rapidez com que você detecta mudanças no processo. Subgrupos menores são mais fáceis de gerenciar no chão de fábrica. Subgrupos maiores oferecem mais poder estatístico para detectar mudanças minúsculas na média do processo, mas aumentam o tempo necessário para inspeção e entrada de dados.