Shewhart conhecido como o “pai do controle estatístico de qualidade”, desenvolveu uma modelagem estatística (atreladas a “linhas de ações”) para responder perguntas do tipo:
- Como fazer um controle estatístico de qualidade?
- Como parametrizar processos, determinar “estados de controle” segundo uma distribuição de probabilidades particular?
- Como determinar quando o processo se afasta deste estado e quais ações corretivas devem ser tomadas?
- Como desvios pode ser medido e sinalizado?
- Como definir um procedimento de monitoramento e controle para sinalizar, por exemplo quando o processo se alterou da média alvo “m”?
O controle estatístico de qualidade pode ser representado pelá fórmula …
P = f( m ± k.s).
Onde:
- P … é um procedimento.
- f … é uma função.
- m … média alvo.
- k … é uma constante a ser determinada estatisticamente.
- s ... é o desvio padrão.
O conceito aqui sintetizado pela fórmula … P = f( m ± k.s) … representa que podemos controlar a qualidade de um sistema pelo monitoramento e analise estatística dos dados baseado na média e desvio padrão, como referência primária, de tal forma que os desvios da média fixada, podem ser categorizados e servirem de referência para “sinalizações automáticas” associados a procedimentos de ação e reação.
Isso é modelagem estatística.
Esse exemplo de formulação e procedimento pode ser apurado e gerar mecanismos de garantis de excelentes níveis de confiabilidade, suficiente para ter uma probabilidade de somente 1/500, por exemplo, de se cometer erro de um determinado tipo de decisão e com isso estabelecer um controle estatístico ( … essa foi ideia geral do estudo apresentado em 16 de maio de 1924, por Shewhart ).
O problema é que essa equação simplificada, embora fundamental para a quantificação da qualidade, e aplicação estatística, baseada apenas na média e variância, não determina a magnitude da alteração no processo, sendo incapaz de rapidamente encontrar e atuar frente a grandes mudanças, em pequenas amostras estatístcas.
No entanto, estatisticamente falando, se soubermos a magnitude da alteração é possível ajustar o procedimento pela magnitude encontrada … ou seja, através da interpretação, via a comparação de indicadores de tempo real e acumulativos.
Esse tipo de problema, foi trabalhada por estatísticos no idos dos anos 1940 a 1950.
O “resumo da ópera” é que para o controle estatístico da qualidade é necessário seguir uma série de critérios ou métodos científicos para garantir a efetividade prática da modelagem estatística.
O monitoramento e frequência de amostragem (sistema de coleta de dados e normatização) é um fator essencial do modelo, para análisar dados de qualidade, obter parametrizações acuradas e precisas, ajustes no modelo estatístico e reunir evidências ao longo do tempo.
Isso quer dizer que parâmetros estatísticos devem ser somente utilizados se conduzirem a resultados consistentes comprovadamente validados ao longo do tempo, via monitoramento em tempo real.
A razão dessa afirmação está no fato que leis físicas somente têm sentido perfeito em contextos estatísticos e que no processo de parametrização são usadas constantes na equação no lugar de variáveis para a simplificação do modelo, quando na realidade, tudo é variável … tudo muda.
Conclusão.
Os dados não tem significado se apresentados separados de seu contexto.
Conjuntos de dados possuem sinais e ruídos.
Para ser capaz de extrair informação, deve-se distinguir o sinal dos ruídos dentro dos dados.
O uso da estatística e gestão PDCA – Planeamento Desempenho, Controle e Ajustes, reduz a necessidade de manutenção e supervisão, provê controle de qualidades da produção de produtos em larga escala.
O controle estatístico da qualidade gera eficiência, eficácia, produtividade, competitividade, produtos e serviços de alta qualidade.
Permite como melhorias contínuas ao longo do tempo, em ciclos planejados, executados, controlados e ajustados, alta qualidade de seus serviços, métodos estatísticos.
Diante disso, somente através da estatística e a sua modelagem ao longo do tempo, alguém pode obter resultados acurados das muitas leis físicas.
As contribuições de Shewhart tanto para a indústria quanto para a estatística foram significativas.
Sua influência sobre estatísticos como Deming resultou na melhoria dos processos e na alta qualidade na indústria e o grande desenvolvimento japonês do século XX.
O método PDCA tornou-se popular por Deming, que é considerado por muitos como o pai do controle de qualidade moderno. No entanto, ele sempre se refere a ele como o “ciclo de Shewhart”.
