CONTROLE ESTATSTICO DO PROCESSO

Estatstica a arte e a cincia de coletar, analisar, apresentar, e interpretar dados, para que se tomem decises sob incerteza. Introduo: Diariamente, tentamos prever acontecimentos que podem interferir, de alguma forma, em nossas vida. Algumas destas previses podem ser meramente intuitivas, outras, entretanto, so feitas sobre uma base numrica.
Estatstica a cincia a cincia que faz uso dos nmeros para

descrever fatos. Na estatsticas, chamamos dados estatsticos , os dados numricos que nos permitem descrever e avaliar os fatos para fazermos previses, estimativas ou tomadas de decises. Os dados estatsticos podem ser representados atravs de tabelas ou grficos.

Fases da Estatstica
Fase 1 (Coletar Dados): o pesquisador selecionar os dados, que participaro do estudo e mensurar. Fase 2 (Explorar os Dados): o pesquisador far uma anlise exploratria dos dados coletados para comparar os valores. Fase 3 (Apresentar os Dados): o pesquisador apresentar seus resultados de maneira adequada para que possas ser veiculados em conferncias, mdias ou peridicos cientficos. Fase 4 (Interpretar os Dados): o pesquisador far interpretaes claras e compreensveis at para no-estatsticos, quantificando o nvel de incerteza de suas armaes e propondo medidas gerenciais, quando necessrias, luz de suas concluses obtidas no estudo.

CONTROLE ESTATSTICO DO PROCESSO

Estatstica a cincia que lida com a coleta, o processamento e a disposio de dados (informao), atuando como ferramenta fundamental nos processos de soluo de problemas.

CONTROLE ESTATSTICO DO PROCESSO Populao e Amostra Se quisermos saber, por exemplo qual a matria favorita entre os alunos de uma classe, podemos consultar todos os alunos da classe. No entanto, isso no possvel quando queremos pesquisar a inteno de voto dos eleitores do estado de So Paulo, pois no podemos consultar todos os eleitores que constituem a populao ou o Universo estatstico. Recorremos, ento, ao que se chama de amostra, ou seja, um grupo de eleitores que, consultados, permitem que se chegue ao resultado mais prximo possvel da realidade. comum aparecer na publicao das pesquisas quantos eleitores foram consultados, pois a escolha da amostra (quantos e quais eleitores) fundamental para o resultado. Chamando de U o universo estatstico e de A uma amostra, temos:

A U

CONTROLE ESTATSTICO DO PROCESSO Indivduo ou Objeto Cada elemento que compe a amostra um indivduo ou objeto, No exemplo da inteno de voto, os indivduos da pesquisa so pessoas. Quando se consideram algumas marcas de lmpadas para testar a durabilidade, cada marca um objeto da pesquisa. Varivel Uma indstria automobilstica que pretende lanar um novo modelo de carro faz uma pesquisa para sondar a preferncia dos consumidores sobre tipo de combustvel, nmero de portas, potncia do motor, preo, cor, tamanho, etc. Cada uma dessas caractersticas uma varivel da pesquisa. Na varivel tipo de combustvel, a escolha pode ser, por exemplo, entre lcool e gasolina. Dizemos que esse so valores ou realizaes da varivel tipo de combustvel.

CONTROLE ESTATSTICO DO PROCESSO Varivel qualitativa Em uma pesquisa que envolve pessoas , por exemplo, as variveis consideradas podem ser sexo, cor de cabelo, esporte favorito e grau de instruo. Nesse caso dizemos que as variveis so qualitativas, pois apresentam como possveis valores uma qualidade (ou atributo) dos indivduos pesquisados. Alm disso, dizemos que as variveis qualitativas podem ser ordinais, quando existe uma ordem nos seus valores, ou nominais, quando isso no ocorre. Grau de instruo uma varivel qualitativa ordinal, j que seus valores podem ser ordenados (fundamental, mdio, superior, etc).

CONTROLE ESTATSTICO DO PROCESSO Varivel quantitativa Quando as variveis de uma pesquisa so, por exemplo, altura, peso, idade em anos e nmero de irmos, dizemos que elas so quantitativas, pois seus possveis valores so nmeros. As variveis quantitativas podem ser discretas, quando se trata de contagem (nmeros inteiros), ou contnuas, quando se trata de medidas (nmero reais). Por exemplo: 1) Nmero de irmos uma varivel quantitativa discreta, pois podemos contar (0, 1, 2, etc.). 2) Altura uma varivel quantitativa contnua, uma vez que pode ser medida (1,55m ; 1,80m ; 1,73m etc.).

CONTROLE ESTATSTICO DO PROCESSO

Quadro-resumo dos tipos de variveis de uma pesquisa:

Qualitativa : Nominal ou Ordinal Varivel Quantitativa: Discreta ou Contnua

Tabelas: As tabelas dispes de dados estatsticos de modo comparativo. Exemplo

Jornais A B C Total

N de pessoas 1400 240 360 2000

% das pessoas 70% 12% 18% 100%

Grficos: As representaes grficas dos dados estatsticos facilitam a leitura dos resultados, que tornam-se bem mais visveis do que as tabelas. Os grficos mais usados so: Segmento de reta, Barra e Setorial (Pizza).

Grfico de barras Para construir um grfico de barras, representamos os valores da varivel no eixo das abscissas e suas as freqncias ou porcentagens no eixo das ordenadas.
5 4,7 4,5
DIAS DE ATRASO

MELHOR

META (4,25) 4

(3,8)

BENCHMARK EMPRESA Y S.A.

96

97

J F M A M J J A S O N D 98

Diagrama Circular Para construir um diagrama circular ou grfico de pizza, repartimos um disco em setores circulares correspondentes s porcentagens de cada valor (calculadas multiplicando-se a freqncia relativa por 100). Ex.: ACERVO DE COMPUTADORES
127 (36%) 153 (44%)

10 (3%)

61 (17%)
Classe 1 (at 1 Ghz) Classe 2 (de 1.1 a 2.0 Ghz) Classe 3 (de 2.1 a 3.0 Ghz) Classe 4 (Servidores)

78

67

208

TTEC AADM DDIR

32 (26%)

48 (40%)

42 (34%)
Impressora Laser Impressora Matricial Impressora Jato de Tinta

Grfico de linha ou seqncia Adequados para apresentar observaes medidas ao longo do tempo, enfatizando sua tendncia ou periodicidade. Ex.:
DISPONIBILIDADE (%) 80,0 70,0 60,0 50,0 40,0 30,0 2006
ANO 2006 2007 2008 2009 2010 2011 FROTA 33 33 27 24 24 20

61,0 50,2 35,5 40,1 53,3

60,6

2007

2008
DISP 61.0 50.2 35.5 40.1 53.3 60.5

2009

2010

2011
% 86.2% 74.7% 79.9% 97.0% 59.9% 20.9%

DISTRIB 19 19 17 15 16 13

ESF. PREV (h) VOADO (h) 7,800 6,725 7,284 5,439 4,330 3,461 3,086 2,993 4,040 2,421 3,152 659

MODELOS DE GRFICOS

UTILIZAO MO-DE-OBRA DIRETA

100 90 85 80

95 80 75 80

85

60

%
40
ACUM 99 ACUM 00 ACUM 01 REAL 01 META 01

25 20

X99 X00 X01 JA FE MA AB MAI JUN JUL AG SET OU NO DE

RETRABALHO
100

80

60

%
40

20

12

16 5 5
FE MA AB MAI JUN JUL AG SET OU NO DE

ACUM 99 ACUM 00 ACUM 01 REAL 01 META 01

JA

X99 X00 X01

CUMPRIMENTO DA PROGRAMAO

20 18 16 14 18

Quantidade

12 10 8 6 4 2 0
X02 X03
0 0 00 2 1 1 0 0 1

ACUM 2002
4 3 2 2 2 3 1 1 1

ACUM 2003 PREV 2003

1 0 SET
OUT NOV DEZ

1
JUL

0
AGO

REAL 2003 META

JAN

FEV

MAR

ABR

MAI

JUN

DISPONIBLIDADE

100

80 66 60 67 69 69 65

70 65
ACUM 99

40

ACUM 00 ACUM 01

20

REAL 01 META 01

X99 X00 X01 J AN FEV MA R AB R MA I J UN J UL AGO SE T OUT NOV DEZ

REAL 00

COMPARATIVO ENTRE HOMEM-HORA TRABALHADA E CONSUMO DE EPI

160 140 120 100 80 60 40 20 0 JAN FEV MAR ABR MAI JUN JUL AGO SET

HOMEM - HORA CONSUMO DE EPI

COMPARATIVO ENTRE HOMEM-HORA TRABALHADA E ACIDENTES COM AFASTAMENTO

16 14 12 10 8 6 4 2 0 JAN FEV MAR ABR MAI JUN JUL AGO SET

HOMEM - HORA ACID. C/ AFAST.

COMPARATIVO ENTRE HOMEM-HORA TRABALHADA E ACIDENTES SEM AFASTAMENTO

16 14 12 10 8 6 4 2 0 JAN FEV MAR ABR MAI JUN JUL AGO SET

HOMEM - HORA ACID. S/ AFAST.

HOMEM-HORA X CONSUMO DE EPI

2500 2000 1500 1000 500 0 JAN FEV MAR ABR MAI JUN JUL AGO SET HOMEM -HORA CONSUMO DE EPI

10 9 8 7 6 5 4 3 2 1 0
EI R O R O R IL IO O TO

JA N FE VE R EI R O

M A

AB

M A JU N H JU LH O AG O S M BR O O U TU B RO SE TE

S / AFASTAMENTO

C / AFASTAMENTO

40000 30000 20000 10000 0 Srie1 Srie2 Srie1 Srie2

ANO 2004 2005

VALOR (R$) 35.867,52 23.025,47

SETORES QUE SOFRERAM ACIDENTES DE TRABALHO

AISU TOMP AATS AAIE DINF

TIPOS DE ACIDENTE DE TRABALHO

QUEIMADURA LESO OCULAR DISTENSO MUSCULAR CORTOCONTUSA CONTUSO 0 1 2 3 4 5 6 7 8 9 10

ACIDENTES COM AFASTAMENTO

5 4 3 2 1 0
JANEIRO FEVEREIROMARO ABRIL MAIO JUNHO JULHO AGOSTO SETEMBRO OUTUBRO

2005 2006

ACIDENTES SEM AFASTAMENTO

5 4 3 2 1 0 JANEIRO ABRIL JULHO OUTUBRO 2005 2006

QUANTIDADE DE EPIS FORNECIDA

700 600 500 400 300 200 100 0
JA N FE V M AR AB R M AI JU N JU L AG O SE T O U T N O V

ITEM

Srie1

MS

VALOR GASTO
5000 4000 VALOR 3000 2000 1000 0 OUT JUN MAI JUL SET MAR AGO NOV JAN ABR FEV Srie1

MS

MEDIDAS DE DISPERSO
Varincia (V) :

V=

( x MA)
i= 1 i

Desvio Padro (DP): a medida da disperso as sadas do processo ou da amostra estatstica desse processo (isto , da mdia dos subgrupos): representado pela letra grega o (sigma).

DP =

V
32

Diagrama de disperso: Quando voc necessitar visualizar o que acontece com uma varivel quando outra varivel se altera, para saber se as duas esto relacionadas. Verificao da relao de causa e efeito.
Dados esquemticos. Indivduos A B C D Varivel X 2 4 4 8 Varivel Y 3 3 5 7

DIAGRAMA DE DISPERSO
Abaixo esto as vrias formas e significados que o diagrama de disperso pode ter:

1. Correo positiva

1. Um aumento em Y depende de um aumento em X. Se X controlado, Y estar naturalmente controlado. Exemplo: altura x peso treinamento x desempenho

4. Possvel correo negativa

4. Um aumento em Y causar uma tendncia de decrscimo em Y. Exemplo: qualidade x reclamaes de clientes treinamento e rejeies

2. Possvel 2. Se X aumentado, Y correlao aumentar um pouco, mas positiva existem outras causas alm de X.

5. Correlao 5. Um aumento em X mostra negativa um decrscimo em Y. Assim como no item 1 acima, X pode ser controlado atravs de Y.

X Y
3. Nenhuma 3. No h correlao. correlao

34

Histograma: Quando uma varivel tem seus valores indicados por classes (intervalos), comum o uso de um tipo de grfico conhecido por histograma. Por exemplo: 1 Consideramos a altura em centmetros dos alunos de uma sala, agrupada em intervalos, e a seguir os histogramas correspondentes s frequencias absolutas e relativas:

Frequencia Absoluta FA

Frequencia Relativa - FR

35

HISTOGRAMA

FREQUNCIA

CARACTERSTICA MENSURVEL

36

CARTAS DE CONTROLE
(Capacidade do Processo)

A carta de controle simplesmente um grfico um grfico de acompanhamento com uma linha superior (linha superior de controle LSC) e um (linha inferior de controle LIF) em cada lado da linha mdia do processo, todos estaticamente determinados .
Antes

Item de Controle Inspeo

Depois
LSC

Tempo executado

LC

LIC

Medida de tempo
37

GRFICOS DE CONTROLE
10 8 6 4 2

LCS

MD LCI

10

11 12 13 14 15

38

MEDIDAS DE TENDNCIA CENTRAL

Uma maneira til de descrever um grupo como um todo consiste em encontrar um nico nmero que represente o que mdio ou caracterstico naquele particular conjunto de dados. Quando se trata de pesquisa, esse valor conhecido por medida de tendncia central, pois ela geralmente se localiza em torno do meio ou centro de uma distribuio. As trs medidas de tendncia central mais conhecidas so: mdia aritmtica, moda e mediana.

MEDIDAS DE TENDNCIA CENTRAL

Mdia Aritmtica (Ma): a medida de tendncia central mais usada. A mdia aritmtica o quociente entre a soma de n valores e o nmero n de valores desse conjunto. Ex: Masa teve as seguintes notas nas provas de Matemtica do ano: 6,5; 7,0; 9,5; 4,0; 8,0 Ma =
6,5 + 7,0 + 9,5 + 4,0 + 8,0 = 35,0 = 7,0 5 5

MEDIDAS DE TENDNCIA CENTRAL

Moda (Mo): a moda de um conjunto de n nmeros o valor que ocorre com maior frequncia, isto , o valor mais comum. Exemplo: Na sequncia numrica: 2, 2 , 5, 7, 9, 9, 9, 10, 10, 11, 12, 18 a moda 9. Obs: H casos em que pode haver mais de uma moda e em outros, pode no existir a moda.

MEDIDAS DE TENDNCIA CENTRAL

Mediana (Md): Mediana de um conjunto de n valores o valor que ocupa a posio central quando esses dados so colocados em ordem crescente ou decrescente. Exemplo: Nos dados: 126, 198, 164, 460 e 188, temos cinco elementos que, colocados em ordem crescente, nos fornecero a mediana: 126, 164, 188, 198 ,460. Como a mediana o termo central temos: Md = 188. No caso do nmero de elementos ser par, a mediana ser a mdia aritmtica entre os dois termos centrais. Exemplo 68, 72, 78, 84, 87, 91. A mediana mdia aritmtica entre 78 e 84, portanto temos: Md = 78 + 84 = 162 = 81 2 2

MEDIDAS DE TENDNCIA CENTRAL

Mdia Aritmtica Ponderada: (P): a somatria do produto de cada elemento pelo seu respectivo peso, dividida pela soma dos pesos totais:

a1. p1 + a2 . p2 + ... + an . pn P= p1 + p2 + ... pn

Exemplo: Para calcular a mdia ponderada de 3, 5,8,1 com seus respectivos pesos: 2,3, 1, 4, temos:

3.2 + 5.3 + 8.1 + 1.4 33 P= = = 3,3 2 + 3 + 1+ 4 10

MEDIDAS DE TENDNCIA CENTRAL

Mdia Geomtrica: (G): dada por

G=

a1 a2 .... an

Calculamos a mdia geomtrica de 5, 2, 4 e 10, da seguinte maneira:

n= 4 G =

5 2 4 10 G =

400 G =

2 4 52 G = 2 4 25

MEDIDAS DE TENDNCIA CENTRAL

Mdia Harmnica: (G): dada pela frmula
H= 1 1 1 1 + + ... + a1 a2 a3 n

Calculamos a mdia harmnica de 3,4, 8, 2, 5 e 7. Como n=6, temos:

H= 1 1 1 1 1 1 1 + + + + + 3 4 8 2 5 7 6 = 1 = 280 + 210 + 105 + 420 + 168 + 120 840 6

1 5040 = 1303 1303 840 6

GLOSSRIO DOS TERMOS USADOS EM CONTROLE ESTATSTICO DO PROCESSO 1. AMPLITUDE uma medida da variabilidade num grupo de dados. calculada subtraindo o menor valor do grupo do maior valor do mesmo grupo. 2. CAPACIDADE DO PROCESO a medida da repetibilidade (constncia) de um produto produzido por um processo. Esta avaliao feita segundo mtodos estatsticos e no por sentimento. 3. CONTROLE ESTATSTICO a condio do processo na qual as causas especiais foram removidas, aps evidenciada, pelas cartas de controle, a no ocorrncia de pontos fora do limite de controle. 4. CONFIABILIDADE aps a ao das contramedida, possvel verificar se houve ganhos considerveis com relao durabilidade do produto, por meio da realizao de testes de vida acelerados.

GLOSSRIO DOS TERMOS USADOS EM CONTROLE ESTATSTICO DO PROCESSO 5. ESTRATIFICAO o processo de classificar os dados em subgrupos baseados em caractersticas ou limites de controle. Devemos estratificar as informaes sob vrios pontos de vista, tais como: Tempo: Os resultados relacionados ao problema so diferentes de manh, tarde, noite? Local: Os resultados so diferentes nas diferentes linhas de produo da indstria ou nas diferentes regies do Pas onde o produto comercializado? Tipo: So obtidos diferentes resultados dependendo do fornecedor da matria-prima utilizada? Sintoma: Os resultados diferem em funo dos diferentes defeitos que podem ocorrer? Indivduos: Diferentes operadores esto associados a resultados distintos?

GLOSSRIO DOS TERMOS USADOS EM CONTROLE ESTATSTICO DO PROCESSO 5. LIMITES DE CLASSES

Na classe 160 170, os nmeros extremos 160 e 170 so denominados limites de classes; o nmero menor 160 o limite inferior (li), e o maior 179 o limite superior (Li) da 3 Classe. Os limites sero sempre por li e Li. O intervalo de classe tambm denominado Amplitude ou oscilao de classe. O intervalo de Classe (h) obtido em uma Tabela, pela diferena entre dois limites inferiores ou superiores, consecutivos.

GLOSSRIO DOS TERMOS USADOS EM CONTROLE ESTATSTICO DO PROCESSO 6. AMPLITUDE TOTAL

a diferena entre o limite superior (Li) da ltima Classe e o limite inferior (li), da primeira classe.

Amplitude Total = 190 140 = 50

Nota: Conforme voc j deve ter observado, muito comum o uso do ndice i junto a determinados smbolos. O ndice usado em Matemtica para indicar a ordem de um elemento em determinada srie.

DIMENSES DA QUALIDADE TOTAL

PRODUTO/SERVIO QUALIDADE ROTINA
CUSTOS

PESSOAS ATINGIDAS

CLIENTE, VIZINHO

CLIENTE, ACIONISTA EMPREGADO E VIZINHO

CUSTOS QUALIDADE TOTAL MORAL

PREO PRAZO CERTO

ENTREGA

LOCAL CERTO QUANTIDADE CERTA

CLIENTE

EMPREGADOS

EMPREGADO CLIENTE, EMPREGADO E VIZINHO

SEGURANA

EMPREGADOS USURIOS

FOLHA DE VERIFICAO

til na constatao de quantas vezes um evento em particular ocorre.

EVENTO
A B C D E F G H

OBSERVAES

TOTAL
5 2 8 7 15 3 0 1

51

MAPEAMENTO DO PROCESSO FLUXOGRAMA

uma representao grfica mostrando todos os passos de um processo.

RECRUTAMENTO

NO TEM EXTPERINCIA TREINAMENTO BSICO APROVADO

SIM ATRIBUI FUNO

NO SIM DESPEDIDO

ENTRADA FORNECEDORES

PROCESSAMENTO PROCESSOS INTERNOS

SADA CLIENTES

PARCERIA
QUEM SO NOSSOS CLIENTES ? O QUE ELES ESPERAM DE NS ? QUAIS SO SEUS REQUERIMENTOS E EXPECTATIVAS ? O QUANTO ESTO SATISFEITOS ?

PARCERIA (FATOS)
QUEM SO NOSSOS FORNECEDORES ? QUAL A QUALIDADE DELES ? ELES NOS ATENDEM NO PRAZO, QUANTIDADE, QUALIDADE E CUSTOS DESEJADOS ?

FEEDBACK

Processo

Resultado

Produto

rea de Autoridade

rea de Responsabilidade

PODER NO PONTO DE CONTATO

Momento da Verdade Processos

Cliente

Hora em que o cliente forma a imagem da empresa Um dos pontos ideais de obteno dos

indicadores de qualidade

MTODOS AJUSTES INICIAIS TEMPO DE SECAGEM MAU MANUSEIO DE PAPEL

MATERIAIS PAPEL DE CPIA CLAREZA MAU ARMAZENAMENTO QUALIDADE DO PAPEL

BAIXA QUALIDADE DAS CPIAS

UMIDADE MAUS ORIGINAIS M MANUTENO HORAS DE OPERAO MAU AJUSTE MOS SUJAS CONTAMINAO AMBIENTE PESSOAS MQUINA ALINHAMENTO DO PAPEL DESNIVELADO CONDIO DO ROLO VELOCIDADE LMPADA SUJA

DIAGRAMA DE CAUSA-EFEITO COMO FAZER:

1 - DEFINA O EFEITO/SINTOMA: - DESENHE A ESPINHA DE PEIXE, ESCREVA O EFEITO A SER ESTUDADO 2- IDENTIFIQUE AS POSSVEIS CAUSAS: a - DIRETAMENTE NO DIAGRAMA: - Man MO DE OBRA / PESSOAS - Methods MTODOS - Materials MATERIAIS - Machine MQUINAS / EQUIPAMENTOS - Measurements MEDIDAS - Market MERCADO b - A PARTIR DE UM BRAINSTORMING 3 - COMPLETE AS ESPINHAS 4 - REVISE TODO O DIAGRAMA 5 - ENCONTRE A CAUSA PRINCIPAL

57

PROCESSO
MTODO MATERIAL MO DE OBRA

RESULTADOS
Tempo executado

Item de Controle Insp 6C

LSC LC LIC

MQUINA

PROCESSO

MEIO AMBIENTE

Medida de tempo

CUMPRIMENTO DOS POPs (operadores)

RELATO DE ANOMALIAS (OPERADOR) CONTRA MEDIDAS SOBRE CAUSAS IMEDIATAS

mantm
ESPECIAL

sim OK ?
NO

CAUSA?

REMOO DO SINTOMA (OPERADOR/SUPERV) ANLISE DA ANOMALIA (SUPERVISOR)

Comum (crnica)

REVISO DIRIA (GERENTE)

RELATRIO DE ANO MALIAS ( SUPERVISOR)

58

INDICADOR DE DESEMPENHO PROCESSO EXISTENTE INOVAO NOVO PRODUTO OU SERVIO E NOVO PROCESSO

A C A C P D

P D

A C

S D

MELHOR
TEMPO

PROCESSO EXISTENTE

UTILIZAO DO GRFICO DE PARETO ATRAVS DA NA FASE DE VERIFICAO DO CICLO PDCA DE MELHORIAS

UTILIZAO DO GRFICO DE PARETO ATRAVS DA ESTRATIFICAO

Qtde AIFP nos ltim os 6 m e s e s 90 80 70 60 50 40 30 20 10 0

78

Quantidade

26 8 5 4 3

C-95

UH-1H UH-50 VC-97 CH-34 CH-55 Ae ronave

UTILIZAO DO GRFICO DE PARETO ATRAVS DA ESTRATIFICAO

AIFP - C95 por Categoria nos ltim os 6 meses

80 60 40 20 0

72

17
Consumo Reparvel

5
Trabalhvel

6
Outros

Categoria

UTILIZAO DO GRFICO DE PARETO ATRAVS DA ESTRATIFICAO

AIFP - C95 por CAB nos ltim os 6 m eses

80 60 40 20 0

76

15

9
CAB E

CAB W

CAB S
CAB

UTILIZAO DO GRFICO DE PARETO ATRAVS DA ESTRATIFICAO

AIFP - C95 por PN nos ltim os 6 m eses

40 30
Percentual

38

20 10 0
16835

11

36140778101

23081-012-1 110p2-410-20 2CM306D3

CAB

PARA REFLETIR Nenhum sistema melhor do que as pessoas que vo operacion-lo.

LIVRO: Sistemas, Organizao e Mtodos. Uma Abordagem Gerencial AUTOR: Djalma de Pinto Rebouas de Oliveira

Alguns homens vem as coisas como so e perguntam: Por qu? Editora: Atlas Eu sonho com as coisas que nunca existiram e pergunto: Por que no?
Bernard Shaw

Hierarquia das Necessidades de Maslow

Realizao Estima Social Segurana Fisiolgicas

PDCA
um mtodo de gerncia organizacional que leva todo o sistema ao aprimoramento contnuo, estando dividido em quatro fases seqencialmente interligadas. Essas fases so conceituadas como: ACTION
ATUAR CORRETAMENTE DEFINIR AS METAS DEFINIR MTODOS

PLAN
SENTIDO HORRIO

VERIFICAR OS RESULTADOS DA TAREFA REALIZADA

EDUCAR E TREINAR EXECUTAR A TAREFA COLETAR DADOS

CHECK

DO