Aplicação do Controle Estatístico de Processos na Indústria de Máquinas Agrícolas:

Estudo de Caso e Perspectivas para Melhoria Contínua

  • Daniel Bertoli Gonçalves Universidade de Sorocaba - UNISO
Palavras-chave: Controle estatístico de processos, Máquinas agrícolas, Gestão da qualidade

Resumo

Este estudo avaliou a eficácia do Controle Estatístico de Processos (CEP) na melhoria da qualidade da construção estrutural de máquinas agrícolas em uma empresa localizada no interior de São Paulo, durante o período de 2021 a 2022. A aplicação do CEP focou especialmente nos subconjuntos Upper Frame e Lower Frame, identificando e corrigindo desvios críticos no processo produtivo. A metodologia permitiu um monitoramento mais preciso da estabilidade dimensional desses subconjuntos, resultando em uma redução significativa da variabilidade e um aumento na conformidade com as especificações de qualidade. A análise dos dados coletados forneceu uma visão aprofundada das variáveis críticas envolvidas na fabricação, possibilitando a formulação de recomendações específicas para a melhoria contínua do processo. Entre as principais recomendações destacadas, a integração mais robusta da área de manutenção foi identificada como crucial para assegurar a estabilidade dos dispositivos de soldagem e dos equipamentos ao longo do tempo. O estudo também sugere a futura adoção de tecnologias avançadas, como sensores IoT e algoritmos de machine learning, para o monitoramento em tempo real e a previsão de falhas, com o objetivo de aprimorar ainda mais a eficiência e a confiabilidade do processo produtivo. Os resultados demonstram que o CEP é uma ferramenta eficaz para elevar a qualidade e a eficiência da produção de máquinas agrícolas, contribuindo para a competitividade e a sustentabilidade da indústria. As recomendações práticas fornecidas, como o desenvolvimento de protocolos detalhados e a análise dos custos e benefícios, visam facilitar a continuidade e expansão do uso do CEP, promovendo avanços nas práticas de controle de qualidade no setor.

Referências

AL-QUDAH, Sura K. A study of the AIAG measurement system analysis (MSA) method for quality control. Journal of Management & Engineering Integration, v. 10, n. 2, p. 68-80, 2017. Disponível em: https://www.proquest.com/openview/e917a8a77f590c472e82b90115529865/1?pq-origsite=gscholar&cbl=716332 . Acesso em: 08 maio 2024.
BIEGEL, Tobias et al. Deep learning for multivariate statistical in-process control in discrete manufacturing: a case study in a sheet metal forming process. Procedia Cirp, [S.L.], v. 107, p. 422-427, 2022. Elsevier BV. DOI: 10.1016/j.procir.2022.05.002. Disponível em: https://www.sciencedirect.com/science/article/pii/S2212827122002852?via%3Dihub . Acesso em: 08 maio 2024.
BOTTANI, Eleonora et al. Statistical process control of assembly lines in manufacturing. Journal Of Industrial Information Integration, [S.L.], v. 32, p. 100435, abr. 2023. Elsevier BV. DOI: 10.1016/j.jii.2023.100435. Disponível em: https://www.sciencedirect.com/science/article/abs/pii/S2452414X23000080?via%3Dihub . Acesso em: 08 maio 2024.
BULE, Lucílio Alexandre. Análise dos fatores que condicionam a adoção de variedades melhoradas de sementes pelos produtores de arroz no distrito de Chongoene em Moçambique. 2023. Disponível em: https://lume.ufrgs.br/handle/10183/266156. Acesso em: 15 junho 2024.
COBB, Barry R.. Intermittent sampling for statistical process control with the number of defectives. Computers & Operations Research, [S.L.], v. 161, p. 106423, jan. 2024. Elsevier BV. DOI: 10.1016/j.cor.2023.106423. Disponível em: https://www.sciencedirect.com/science/article/abs/pii/S0305054823002873?via%3Dihub . Acesso em: 08 maio 2024.
COSTA, Federica et al. Industry 4.0 digital technologies enhancing sustainability: applications and barriers from the agricultural industry in an emerging economy. Journal Of Cleaner Production, [S.L.], v. 408, p. 137208, jul. 2023. Elsevier BV. http://dx.doi.org/10.1016/j.jclepro.2023.137208. Disponível em: https://www.sciencedirect.com/science/article/pii/S0959652623013665. Acesso em: 08 maio 2024.
GIBBS, G. Análise de dados qualitativos. Porto Alegre: Bookman, 2009.
GUPTA, Munish et al. Challenging Cases in Statistical Process Control for Quality Improvement in Neonatal Intensive Care. Clinics In Perinatology, [S.L.], v. 50, n. 2, p. 321-341, jun. 2023. Elsevier BV. http://dx.doi.org/10.1016/j.clp.2023.02.004. Disponível em: https://www.sciencedirect.com/science/article/abs/pii/S0095510823000271. Acesso em: 08 maio 2024.
HANSEN, Henrik Hviid et al. Statistical process control versus deep learning for power plant condition monitoring. Computers & Chemical Engineering, [S.L.], v. 178, p. 108391, out. 2023. Elsevier BV. DOI: 10.1016/j.compchemeng.2023.108391. Disponível em: https://www.sciencedirect.com/science/article/abs/pii/S0098135423002612?via%3Dihub . Acesso em: 08 maio 2024.
KLEIN, H.S.; LUNA, F.V. Alimentando o mundo: o surgimento da moderna economia agrícola no Brasil. Rio de Janeiro: FGV; São Paulo: Imprensa Oficial do Estado de São Paulo, 2019.
LACERDA, Wagner Diogenes Vieira. A lógica paraconsistente anotada na análise dimensional de carrocerias automotivas. 2015. Dissertação (Mestrado em Engenharia Mecânica) – Universidade Santa Cecília, Santos, 2015.
MONTGOMERY, Douglas C. Introduction to statistical quality control. John wiley & sons, 2019.
NOVASKI, Olívio. Introdução à engenharia de fabricação mecânica. Editora Blucher, 2021.
PAIXÃO, Carla S.S. et al. Statistical process control applied to monitor losses in the mechanized sugarcane harvesting. Engenharia Agricola, v. 40, p. 473-480, 2020. Disponível em: https://www.scielo.br/j/eagri/a/rYgkxNMJVMfDkGgqKsnZP4K/?format=html Acesso em: 08 maio 2024.
PUTHENVEETTIL, Nithin Raj; SAPPATI, Praveen Kumar. A review of smart contract adoption in agriculture and food industry. Computers And Electronics In Agriculture, [S.L.], v. 223, p. 109061, ago. 2024. Elsevier BV. http://dx.doi.org/10.1016/j.compag.2024.109061. Disponível em: https://www.sciencedirect.com/science/article/abs/pii/S0168169924004526. https://www.sciencedirect.com/science/article/abs/pii/S0160791X18301581?via%3Dihub Acesso em: 08 maio 2024.
REIS, Marco S. Estatística para a melhoria de processos: a perspectiva seis sigma. Coimbra: Imprensa da Universidade de Coimbra, 2016.
SINGH, Khushboo et al. Applications of multi-parameter sensing in pharmaceutical, agriculture and mineral industries using THz spectroscopy and Low-Wavenumber Raman spectroscopy. Optics & Laser Technology, [S.L.], v. 177, p. 111020, out. 2024. Elsevier BV. http://dx.doi.org/10.1016/j.optlastec.2024.111020. Disponível em: https://www.sciencedirect.com/science/article/abs/pii/S003039922400478X. Acesso em: 08 maio 2024.
VIAN, Carlos Eduardo de Freitas et al. Origens, evolução e tendências da indústria de máquinas agrícolas. Revista de Economia e Sociologia Rural, [S.L.], v. 51, n. 4, p. 719-744, dez. 2013. FapUNIFESP (SciELO). http://dx.doi.org/10.1590/s0103-20032013000400006. Disponível em: https://www.scielo.br/j/resr/a/Yg34vGfdryDNVrRj9K3Vwhx/?lang=pt. Acesso em: 15 jun. 2024.
YAN, Ying et al. A two-stage fault diagnosis strategy for air handling units via a backpropagation multidimensional Taylor network fitter and a novel statistical process control. Applied Thermal Engineering, [S.L.], v. 248, p. 123245, jul. 2024. Elsevier BV. http://dx.doi.org/10.1016/j.applthermaleng.2024.123245. Disponível em: https://www.sciencedirect.com/science/article/abs/pii/S135943112400913X. Acesso em: 08 maio 2024.
YIN, Robert K. Estudo de caso: planejamento e métodos. 5. ed. Porto Alegre: Bookman, 2015.
ZERBATO, Cristiano et al. Statistical process control applied to mechanized peanut sowing as a function of soil texture. Plos One, [S.L.], v. 12, n. 7, p. 0180399, 24 jul. 2017. Public Library of Science (PLoS). DOI: 10.1371/journal.pone.0180399. Disponível em: https://journals.plos.org/plosone/article?id=10.1371/journal.pone.0180399 . Acesso em: 08 maio 2024.
Publicado
2025-02-28
Seção
ARTIGOS