Se vamos falar sobre análise de dados em CEP, temos que começar definindo o que é CEP:

CEP é simplesmente utilizar dados para fazer com que um conjunto de condições comporte-se da maneira desejada, a fim de obter um determinado resultado.

Utilizar dados é diferente de apenas ter dados. Já vimos no post Dados de qualidade no chão de fábrica – não os desperdice! que essas informações que coletamos no chão de fábrica tem muito a nos dizer sobre como está o andamento da produção.

Neste post queremos te explicar como funciona a análise de dados em CEP.

Para isso, vamos utilizar 2 exemplos simples

Vamos lá??

 

Análise de dados em CEP

O E da sigla CEP é estatístico, isso quer dizer que analisamos uma amostra representativa da nossa produção e assim conseguimos garantir a qualidade.

Quando se trata de análise de variável, acredita-se que é mais fácil, pois estamos trabalhando com números e números não mentem.

Errado!!

Como Wheeler fala no artigo Two Plus Two is Only Equal to Four on the Average, fomos criados para acreditar em números. Números são regulares, nos dão convicção.

Agora questionamos:

 Dois mais dois é sempre igual a quatro?

Concorda que sempre é um termo muito forte? Podemos afirmar que dois mais dois é igual a quatro na média.

Vamos aos exemplos…

 

Ranking de cidades mais violentas

O Ipea e o Fórum Brasileiro de Segurança Pública fizeram uma análise, com dados de 2015, pra listar as cidades mais violentas do Brasil.

A EXAME divulgou esta lista:

Tabela 1: Ranking das cidades mais violentas de 2015

Essa lista considera apenas a quantidade de homicídios e MVCI (Morte Violenta por causa indeterminada) para cada 100 mil habitantes. Você acredita que esta comparação é adequada e podemos confiar totalmente nestes dados?

A Tabela 2 compara a taxa de mortalidade, apresentada na Tabela 1, com alguns outros fatores que podem influenciar.

Tabela 2: Comparação da taxa de mortalidade com outros parâmetros (¹ Fonte: https://cidades.ibge.gov.br/brasil)

Comparando os valores de mínimo e máximo de cada parâmetro, vemos que existe diferença de:

• 124% a mais de habitantes na cidade mais populosa em comparação com a menos populosa;
• 301% a mais para o maior PIB per capita em comparação com o menor PIB per capita;
• 14%  de aumento no maior IDH quando comparado com o pior IDH;
• 332% a mais da maior população que vive em Zona Urbana em relação a menor população que vive em Zona Urbana.

 

Com essa análise mais profunda, você acredita que a comparação apenas pela quantidade de homicídios e MVCI é adequada?

O artigo O homicídio nos municípios brasileiros confirma a relação direta entre violência e falta de escolas, hospitais públicos, concentração de renda, porte dos municípios.

Agora sabemos que apenas dividir o número de crimes registrados pela população da cidade irá inflar artificialmente a taxa de mortalidade.

O problema não é de aritmética. Não é problema de não saber manipular números, mas sim de não saber como os interpretar. Todo cálculo que já tivemos foi ensinado no mundo dos números puros. Este mundo é aquele onde as linhas não têm largura, os planos não têm espessura, e os pontos não têm dimensões!

Enquanto as coisas funcionam muito bem neste mundo de números puros, nós não vivemos lá.

Os números não são exatos no mundo em que vivemos. Eles sempre apresentam variação. Existe variação na forma como são coletados, como são analisados. Assim, sem alguma compreensão de toda essa variação, é impossível interpretar os números “desse mundo”.

 

Exemplo na indústria

Se um fabricante aplica dois revestimentos de filme, cada um com 2µm de espessura, podemos dizer que a espessura total será exatamente 4?

Se medirmos com cuidado e precisão suficiente (trocarmos 2 por 2,00), a espessura combinada é igual a 4 na média.

O que vemos aqui não é uma quebra nas regras da aritmética, mas uma mudança no que estamos fazendo com os números.

Ao invés de trabalhar com números puros, agora estamos usando números para caracterizar algo neste mundo. Quando fazemos isso, existe variação.

 

Como podemos usar números?

Quando trabalhamos com números devemos primeiro permitir a variação inerente a esses números. Isso é exatamente o que os gráficos de controle fazem – eles filtram a variação aleatória para que possamos detectar quaisquer valores excepcionais que possam estar presentes. Esta separação entre “ruído provável” e “sinais potenciais” é o objetivo de dar sentido aos dados.

Embora não seja bom perder um sinal, é igualmente ruim interpretar o ruído como se fosse um sinal. (Dica: Identifique o momento certo de ajustar o processo)

O verdadeiro truque é encontrar um equilíbrio econômico entre esses dois erros, e isso é o que Shewhart fez quando criou as cartas de controle. Esses gráficos filtram todo o ruído provável, de modo que qualquer coisa sobrando pode ser considerada como um sinal potencial.

Agora temos que escolher entre:

• Entender a variação do processo, o que facilitará o entendimento dos sinais (saber diferenciar causa aleatória de causa atribuível para prevenir problemas de desvios de qualidade)
• Ignorar a variação do processo, o que fará com que o ruído continue nos enganando.

Se nossa escolha for a primeira, podemos, enfim, concluir que “Dois mais dois é igual a quatro em média.”

Como é em média, consideramos que existe variação, por isso a importância da utilização dos Gráficos de Controle para nos auxiliar na interpretação dos dados e evitar interferência no processo sem necessidade.

 

* Baseado no artigo Two Plus Two is Only Equal to Four on the Average de Donald J. Wheeler.