Controle de Qualidade em Processos Agrícolas Mecanizados by Alexandre Ignacio Florio

Controle de Qualidade em Processos Agrícolas Mecanizados

1ª Edição Jaboticabal - SP Associação Brasileira de Engenharia Agrícola - SBEA 2021 ©Direitos Reservados Associação Brasileira de Engenharia Agrícola - SBEA 1ª Edição 2021 Capa Alexandre Ignácio Florio Projeto Gráfico e Diagramação Alexandre Ignácio Florio

Associação Brasileira de Engenharia Agrícola - SBEA Via de Acesso Prof. Paulo Donato Castellane, s/n UNESP - Câmpus de Jaboticabal Departamento de Engenharia Rural 14884-900 - Jaboticabal - SP Tel: +55 (16) 3203-3341 sbea@sbea.org.br / www.sbea.org.br É proibida a reprodução total ou parcial, por qualquer meio ou forma, sem a expressa autorização (Lei nº 9610). O conteúdo dos capítulos é de inteira responsabilidade dos seus respectivos autores.

V935c

Voltarelli, Murilo Aparecido Controle de qualidade em processos agrícolas mecanizados / Murilo Aparecido Voltarelli, Carla Segatto Strini Paixão, Rouverson Pereira da Silva. – 2. ed. – Jaboticabal : SBEA, 2022 Recurso digital Formato: ePDF Requisitos do sistema: Adobe Acrobat Reader Modo de acesso: World Wide Web ISBN 978-65-87729-04-6 1. Controle estatístico de processo. 2. Análise de dados. 3. Monitoramento agrícola. 4. Gestão agrícola. 5. Mecanização agrícola. I. Paixão, Carla Segatto Strini. II. Silva, Rouverson Pereira da. III. Título. CDU 631.3 Ficha Catalográfica elaborada pela STATI - Biblioteca da UNESP Campus de Jaboticabal/SP - Karina Gimenes Fernandes - CRB 8/7418

ASSOCIAÇÃO BRASILEIRA DE ENGENHARIA AGRÍCOLA

Biênio 2021/2023 Zigomar Menezes de Souza Presidente Gizele Ingrid Gadotti Vice-Presidente Teresa Cristina Tarlé Pissarra Diretora Executiva Glauco Eduardo Pereira Cortez Secretário Geral Alan Rodrigo Panosso Secretário Adjunto Alexandre Barcellos Dalri Tesoureiro Geral Luiz Fabiano Palaretti Tesoureiro Adjunto Murilo Aparecido Voltarelli Diretor Técnico-Científico

Agradecimentos Agradecemos às empresas parceiras que fizeram deste livro uma realidade, concedendo possibilidades para que todos os trabalhos de campo pudessem ser realizados, fazendo com isso que a informação e o conhecimento atinjam aos produtores, profissionais do campo, pesquisadores, estudantes e dentre outas pessoas que trabalham ou que desejam trabalhar com Máquinas e Mecanização Agrícola. Agradecemos ao apoio oferecidos pela Unesp/Jaboticabal, por meio do suporte oferecido pelos Programas de Pós-Graduação em Agronomia (Produção Vegetal e Ciência do Solo) e também pela Universidade Federal de São Carlos, em menção ao Programa de Pós-Graduação em Engenharia de Produção (PPGEP-Sorocaba). Ao Conselho Nacional de Desenvolvimento Científico e Tecnológico – CNPq e à Coordenação de Aperfeiçoamento de Pessoal de Nível Superior – CAPES, pela concessão de bolsas de estudos e financiamento de projetos de pesquisa, ao longo dos anos, que possibilitaram o desenvolvimento dos trabalhos científicos que constituíram o alicerce deste livro. À Associação Brasileira de Engenharia Agrícola (SBEA) pelo apoio na organização e viabilização dessa publicação. Aos institutos de pesquisas e empresas privadas, pela liberação de seus profissionais para a elaboração de parte desta obra, sendo eles: Universidade Federal de São Carlos, Campus Lagoa do Sino e Sorocaba), Universidade Estadual Paulista – Unesp/Jaboticabal, Centro Universitário FACENS (Sorocaba-SP), Universidade Federal de Santa Maria (UFSM – Santa Maria e Cachoeira do Sul), Instituto Agronômico do Paraná – IAPAR, Universidade de São Paulo – USP/ESALQ, Universidade Federal de Lavras – UFLA (Lavras-MG), Universidade Estadual de Minas Gerais (UEMG – Passos), Universidade Estadual de Campinas, UNILAB (Pentecostes-CE), Instituto Federal de Educação, Ciência e Tecnologia Farroupilha - IFFar (Campus Jaguari, RS), Instituto Federal de Educação, Ciência e Tecnologia de Rondônia - IFRO (Colorado do Oeste, RO), Instituto Federal Goiano – (Campus Morrinhos, Morrinhos-GO) e Universidade Federal Rural do Rio de Janeiro – UFRRJ (Seropédica-RJ). Ao Grupo de Pesquisa “Smart Harvest Research Group” formado por estudantes de graduação e pós-graduação das diversas Universidades envolvidas, por meio dos seus coordenadores e colaboradores que tem o objetivo e a missão de transformar a sociedade por meio da formação de melhores profissionais para o setor agrícola brasileiro. Agradecemos também a todas as empresas parceiras e aos estudantes envolvidos com os grupos de Pesquisa: LAMMA – Laboratório de Máquinas e Mecanização Agrícola, NEMAAP – Núcleo de Estudos em Mecanização Agrícola e Agricultura de Precisão e GEPA-Facens - Grupo de Estudos de Pesquisa Agrícola da Facens, pelo apoio oferecido para a realização de parte dos trabalhos aqui apresentados. Nosso muito obrigado! Os Editores

Apresentação Este livro é o resultado de trabalhos de pesquisas e parcerias com empresas do setor privado desenvolvidos ao longo dos anos pelo Grupo de Pesquisa “Smart Harvest Research Group”, em parcerias com a Universidade Estadual Paulista - FCAV/UNESP, Universidade Federal de São Carlos, Campus Lagoa do Sino e Centro Universitário FACENS. Para a sua execução, contamos com o apoio de um grupo de pesquisadores, destas e de outras renomadas instituições. A excentricidade desta obra é uma evolução e consequência natural da 1º Edição do livro “ Controle de Qualidade em Operações Agrícolas Mecanizadas”, lançado em 2015, na qual traz cenários mais próximos as necessidades e realidades dos produtores rurais, técnicos, empresas e consultores para melhoria da qualidade das operações agrícolas, focado na mecanização de várias culturas e, mais recentemente, utilização desta ferramenta de gestão aplicada aos conceitos e dados provenientes da Agricultura de Precisão e Digital. O uso do controle de qualidade aplicado na agricultura tem origem no início dos anos 2000, sendo aplicado sobre os processos relacionadas a mecanização agrícola em diversas culturas. E, enxergando oportunidade de melhorar a qualidade das operações agrícolas, focada na gestão atual das fazendas, a mesma pergunta lançada anos atrás permanece viva “Como poderíamos contribuir para a melhoria da qualidade dos processos agrícolas mecanizados?” A resposta desta pergunta não é fácil e nem objetiva para solucionar as eventualidades de uma propriedade agrícola, pois desta se ramificam outras questões importantes que instigam nossa mente e entusiasmo, sendo: - Qual(is) a(s) ferramenta(s) mais adequada(s) para avaliar a qualidade dos processos agrícolas mecanizados? - Como interpretar os resultados advindos desta(s) ferramenta(s) para aplicações práticas e dinâmicas no campo? - Os padrões podem ser considerados aceitáveis/adequado nos processos em análise? - O padrão de qualidade adequado/aceitável é condizente com a realidade da propriedade agrícola ou retrata de maneira verdadeira o foco da melhoria? - Ao determinar uma meta de qualidade, os valores propostos são factíveis? - Qual o momento em que a busca pelo aumento da qualidade das operações agrícolas mecanizadas, não se torne um custo extra de amostragens e levantamento de campo e escritório? Talvez essas respostas não sejam totalmente encontradas nesta obra, porém, esperamos contribuir para a difusão do conhecimento e do uso do Controle de Qualidade em Operações Agrícolas e colaborar com os esclarecimentos de algumas dúvidas sobre o assunto. Nesse sentido, temos certeza que na busca pelas respostas outras perguntas surgirão, pois este é o caminho natural da ciência na busca sistemática da melhoria da qualidade nos processos mecanizados. Por fim, esperamos que novos questionamentos apareçam e instiguem novos pesquisadores, técnicos de campo, consultores e empresas a utilizarem o caminho que vem sendo trilhado ao longo dos anos para o estabelecimento do Controle de Qualidade em Operações Agrícolas Mecanizadas ser aplicado em diversas culturas e também dentro de análises de dados provenientes da Agricultura Digital.

Os Editores

Prefácio A qualidade dos processos mecanizados agrícolas é, inevitavelmente, sujeita a variação, pois qualquer operação, independentemente de esta ter sido cuidadosamente planejada e mantida dentro dos padrões estabelecidos, existe sempre uma parcela pré disposta a sofrer interferência. Para que a redução da variabilidade de um processo possa ser alcançada, é possível por meio de ferramentas estatísticas que conseguem distinguir de forma objetiva e econômica as causas de variação. O Controle Estatístico de Qualidade (CEQ) é um desses caminhos utilizados atualmente na agricultura, mas não é apenas para fins estatísticos, mas sim, uma maneira racional, lógica e organizada de determinar onde os problemas existem, sua extensão e a forma de solucioná-los. Essa metodologia pode ajudar na obtenção de sistemas que assegurem uma melhoria contínua da qualidade e da produtividade ao mesmo tempo. Este método pode ser descrito como um conjunto de ferramentas de monitoramento em tempo real, que promovem uma descrição detalhada do comportamento do processo, identificando sua variabilidade e possibilitando seu controle ao longo do tempo, por meio da coleta continuada de dados e da análise e bloqueio de possíveis causas, responsáveis pelas instabilidades do processo em estudo. A área do controle e melhoria da qualidade está mudando rapidamente, e o maior obstáculo que percebemos para a total inserção do controle de qualidade como um método de análise de monitoramento eficaz nas atividades agrícolas é a falta de informação consistente para escolha da ferramenta correta, sua aplicação e interpretação de forma assertiva. O livro “O Controle de Qualidade em Operações Agrícolas Mecanizadas”, prepara o leitor para a prática profissional, com uma compreensão sólida dos princípios e a base para aplica-los. Convidamos você a explorar essa promissora perspectiva abordada em todos os capítulos dessa obra , que alia a utilização de estratégias do CEQ para tomada de decisões que vem se mostrando cada vez mais determinante para o aumento da produtividade e a redução de custos.

Carla Segatto Strini Paixão

Introdução A agricultura passa atualmente por uma nova revolução, que tem sido denominada Agricultura 4.0, o que nos coloca em diante de novos desafios. A todo momento surgem novas tecnologias fazendo com que a agricultura experimente grandes mudanças e avanços. Neste cenário, a gestão da qualidade aplicada à agricultura deve ser continuamente observada, visando proporcionar benefícios, tais como aumento da produtividade e da qualidade dos produtos, bem como a redução de custos, considerando também o desenvolvimento sustentável e melhoria da qualidade de vida dos trabalhadores. É neste contexto que este livro se insere, procurando abordar temas relacionados à gestão da qualidade dos processos agrícolas. Nos primeiros capítulos deste livro os autores apresentam as principais ferramentas, conceitos e aplicações relacionadas à gestão da qualidade (capítulos 1, 2 e 3) e a qualidade das operações logísticas aplicadas aos sistemas agrícolas mecanizados, explorando a interface das operações logísticas com a qualidade e a mecanização agrícola (capítulo 4). O Prof. Dr. Marcos Milan, um dos precursores da aplicação dos conceitos de qualidade na agricultura no Brasil, nos brinda no 5º capítulo com um primoroso texto abordando o histórico da produção enxuta, nos ensinando que “Para a agricultura 4.0, o desafio na área de gestão é desenvolver a cultura da eliminação dos desperdícios, da melhoria contínua e do aprendizado”. Nos capítulos seguintes os autores desenvolvem abordagens sobre a melhoria da confiabilidade e da qualidade em máquinas e implementos agrícolas utilizando as técnicas da FMEA – Análise de modos de falhas e efeitos (capítulo 6) do QFD - Desdobramento da Função Qualidade (Capítulo 7). Nos capítulos seguintes a qualidade das operações agrícolas é relatada com abordagens no preparo convencional e conservacionista de amendoim (cap. 8), na semeadura (cap. 9), plantio mecanizado de cana-de-açúcar (cap. 10), tecnologia de aplicação (cap. 11), agricultura de precisão (cap. 12), colheita de café (cap. 13), colheita do tomate para processamento industrial (cap. 14) e colheita mecanizada de amendoim (cap. 15). As condições ergonômicas de operadores de máquinas agrícolas sob a óptica da qualidade são abordadas no capítulo 16, enquanto os capítulos finais do livro trazem textos que apresentam um diagnóstico de qualidade com o uso de ferramentas do método MASP – Método de Análise e Solução de Problemas – no processo produtivo agrícola (cap. 17) e a metodologia de Gerenciamento de Projetos por meio de uma análise do valor agregado na agricultura (cap. 18). Graças à competência e dedicação dos autores, este livro vem contribuir para despertar o interesse de produtores, técnicos e estudantes, para as questões da qualidade na mecanização agrícola, contribuindo para a melhor gestão e possibilitando aos produtores melhor retorno econômico. Boa leitura a todos!

Rouverson Pereira da Silva

Sumário 01 GESTÃO DA QUALIDADE TOTAL: AS PRINCIPAIS FERRAMENTAS PARA MELHORIA CONTÍNUA DA QUALIDADE EM PROCESSOS ............................................................................ 21 02 MONITORAMENTO DE PROCESSOS AGRÍCOLAS MECANIZADOS: EXTRAÇÕES DE INFORMAÇÕES PARA SUPORTE A DECISÃO ............................................................................. 56 03 INTRODUÇÃO AOS INDÍCES DE CAPACIDADE DO PROCESSO APLICADOS NA AGRICULTURA ................................................................................................................................. 90 04 QUALIDADE EM OPERAÇÕES LOGÍSTICAS DOS SISTEMAS AGRÍCOLAS MECANIZADOS ............................................................................................................................... 100 05 AS RAÍZES PROFUNDAS DA PRODUÇÃO ENXUTA - LEAN PRODUCTION: DOS PRIMÓRDIOS DA REVOLUÇÃO INDUSTRIAL AOS DIAS DE HOJE. UMA HISTÓRIA DE PIONEIRISMO, EXPERIMENTAÇÃO, FRACASSOS E SUCESSOS ........................................... 112 06 FMEA DE PROJETO PARA O DIAGNÓSTICO DE FALHAS DE MÁQUINAS E IMPLEMENTOS AGRÍCOLAS ........................................................................................................ 134 07 QFD APLICADO AO DESENVOLVIMENTO E ANÁLISE DE PRODUTOS AGRÍCOLAS . 158 08 QUALIDADE DAS OPERAÇÕES MECANIZADAS NA PRODUÇÃO DE AMENDOIM EM PREPARO CONVENCIONAL E CONSERVACIONISTA ............................................................. 171 09 CONTROLE ESTATÍSTICO DE PROCESSOS APLICADOS A SEMEADORAS ................... 181 10 QUALIDADE EM OPERAÇÕES DE PLANTIO MECANIZADO DE CANA-DE-AÇÚCAR . 198 11 PARÂMETROS DE QUALIDADE APLICADOS À TECNOLOGIA DE APLICAÇÃO PARA FERTILIZANTES E PRODUTOS FITOSSANITÁRIOS ................................................................. 218 12 FERRAMENTAS DO CEQ APLICADAS À AGRICULTURA DE PRECISÃO ....................... 241 13 QUALIDADE EM OPERAÇÕES MECANIZADAS DA CAFEICULTURA ............................ 252 14 CONTROLE ESTATÍSTICO DE PROCESSOS APLICADO À COLHEITA DO TOMATE PARA PROCESSAMENTO INDUSTRIAL ................................................................................................. 281 15 CEQ QUALIDADE EM OPERAÇÕES DA COLHEITA DE AMENDOIM .............................. 292 16 CEQ APLICADO ÀS CONDIÇÕES ERGONÔMICAS DE OPERADORES DE MÁQUINAS AGRÍCOLAS ..................................................................................................................................... 300 17 DIAGNÓSTICO DE QUALIDADE COM O USO DE FERRAMENTAS DO MÉTODO MASP NO PROCESSO PRODUTIVO AGRÍCOLA .......................................................................................... 308 18 ANÁLISE DO VALOR AGREGADO NA AGRICULTURA: UM ESTUDO SOBRE PERFORMANCE DAS OPERAÇÕES AGRÍCOLAS (CRONOGRAMA X CUSTO X QUALIDADE) ............................................................................................................................................................ 327

GESTÃO DA QUALIDADE TOTAL: AS PRINCIPAIS FERRAMENTAS PARA MELHORIA CONTÍNUA DA QUALIDADE EM PROCESSOS Edenis Cesar de Oliveira

1 Introdução No atual mercado global e altamente competitivo, as demandas dos clientes (tanto mercado consumidor quanto o mercado corporativo) estão continuamente se ampliando, com exigências irreversíveis por melhor qualidade nos produtos e serviços. Não obstante, em alguns mercados há o agravante da oferta crescente de bens (produtos/serviços) a preços competitivos oriundos de países com baixo custo de mão de obra, especialmente China, Vietnã, Índia. A melhoria contínua em toda cadeia comercial, com foco prioritário no cliente, enfatizando a flexibilidade e qualidade, tem sido um dos meios pelos quais as corporações têm enfrentado essas ameaças competitivas (DALE et al., 2007). As organizações passam, portanto, por um período de drásticas mudanças em seus mercados e operações (OAKLAND, 2014), cientes de que jamais retornarão aos tempos em que as mudanças aconteciam de uma forma lenta e gradual. É inexorável o crescente interesse das organizações (privadas, públicas, terceiro setor, entre outras) pela temática da Qualidade, considerando sua necessidade de sobrevivência neste mercado acirradamente competitivo (ISHIKAWA, 1985; CHAN et al., 2005; MCLOUGHLIN & TOWERS, 2005; HOLMLUND, 2007; KIRAN et al., 2013; ANDERSON et al., 2015). As leituras mais gerais sobre o assunto apontam que a Qualidade passou por três grandes fases, o que se convencionou chamar de evolução da qualidade: fase da inspeção, fase do controle estatístico e a fase da qualidade total. Na fase da inspeção o produto era verificado (inspecionado) pelo produtor e pelo cliente diretamente. Dessa forma, os principais responsáveis pela execução completa dessa fase era o próprio artesão, responsável único e direto pelo processo produtivo, e o cliente para o qual o produto estava previamente direcionado. É característico dessa fase o fato de não haver metodologia preestabelecida para a realização desse “controle de qualidade” por assim dizer. Nesse contexto, não se produzia qualidade, apenas se empreendiam esforços para localizar produtos defeituosos de forma proporcional à intensidade da inspeção. Com o advento da Revolução Industrial e, consequentemente, o aumento exponencial da produção, avançando da produção artesanal para produção em massa, o controle da inspeção passou a ser feito com a aplicação de técnicas estatísticas, uma vez que a inspeção produto a produto não era mais viável. Essa fase que ficou conhecida como fase do controle estatístico, rapidamente migrou de um enfoque no produto (como a fase anterior) para um enfoque no processo de produção, constituindo-se nas bases para a próxima etapa. Na fase da qualidade total, o enfoque passa a ter um caráter sistêmico. Em outras palavras, o enfoque deixa de ser somente no produto (1ª fase), no processo de produção (2ª fase) e passa a integrar sistemicamente todos os departamentos da organização. Nessa perspectiva a preocupação com a qualidade total inicia-se desde a escolha dos fornecedores de matérias-primas, passando pela qualidade nas intersecções entre os mais diferentes setores internos à organização, mantendo o foco, prioritariamente, no mercado, no cliente final. Historicamente, as empresas japonesas desenvolveram o Total Quality Control utilizando-se dos ensinamentos de Ishikawa, Deming e Juran (CHIARINI, 2011). Feigenbuam foi o primeiro a usar o termo TQC, mas começou a introduzir diferenças entre o TQC americano e japonês (MARTINEZLORENTE et al., 1998); essas diferenças foram encampadas pelo Total Quality Management. Ishikawa mudou a atenção do termo "controle" para "gerenciamento". Segundo Martinez-Lorente et al. (1998), na literatura começou a ideia de que a qualidade não precisa apenas ser controlada, mas gerenciada. Provavelmente, este foi o começo real do movimento e dos princípios da TQM. Segundo vários autores (GRANT et al., 1994; HAMMONS & MADDUX, 1990; EHIGIE & AKPAN, 2004), DEMING (1986) foi um dos fundadores do TQM, lançando-o no mundo através do livro Out of the Crisis. O campo de estudo tem apresentado avanços significativos nas pesquisas de controle da qualidade, passando a considerar essa fase mais avançada como um esforço de gestão da qualidade total. Por conseguinte, entende-se que a Gestão da Qualidade Total (Total Quality Management) está 21

diretamente comprometida com a supressão, correção ou simplificação dos processos que não contribuem para o adicionamento de valor ao produto/serviço. Na gestão da qualidade, o questionamento conduziu a constatações simples que, até hoje permeiam, em maior ou menor grau, praticamente todos os programas de qualidade independentemente das nomenclaturas adotadas ou dos modismos que estejam na “crista da onda”. CORRÊA & CORRÊA (2009) apontam dois aspectos importantes referentes à qualidade: 1. A qualidade é formada durante o processo de produção, ou seja, a qualidade não é um kit que possa ser instalado no produto/serviço, como resultado de um processo, mesmo sendo capaz de ser estocado (no caso dos produtos tangíveis) após sua produção. As ações de qualidade, portanto, devem visar os processos, e não os produtos deles resultantes; 2. Se a qualidade é formada durante o processo de obtenção do produto, as ações de qualidade deveriam ser simultâneas aos processos. Notoriamente, as ações eficazes de qualidade somente seriam possíveis com a participação cada vez maior da força de trabalho, encarregada da produção, tendo a responsabilidade de controlar e até mesmo planejar grandes parcelas de seu trabalho (CORRÊA & CORRÊA, 2009). Definir qualidade é bastante complexo, haja vista o seu caráter dicotômico composto de partes objetivas e subjetivas. Assim, o que pode representar qualidade para alguns, não necessariamente o será para outros, uma vez que há uma ligação direta com a percepção própria, em função de suas necessidades, experiências e expectativas. Um engenheiro romeno, estudioso do assunto qualidade, migrou para os Estados Unidos e, no início dos anos de 1950 publicou seu primeiro livro Quality Control Handbook (Manual do controle da qualidade). Nele apresentou o que se tornou conhecido como trilogia da qualidade, ao propor três fases (JURAN & GRYNA, 1988):  Planejamento da qualidade: consiste no processo de estabelecer os objetivos para a qualidade, além de desenvolver os planos para atingir esses objetivos;  Controle da qualidade: processo contínuo usado pelo campo operacional como meio para atingir os objetivos planejados. Essa fase se subdivide em três outras fases: i) avaliar o desempenho operacional atual, ii) compará-lo com os objetivos, iii) atuar nas diferenças;  Melhoramento da qualidade: tem como objetivo precípuo atuar diretamente na melhoria dos níveis atuais de desempenho da qualidade. LONGO (1996) aponta que o termo qualidade total carrega em seu bojo seis atributos ou dimensões básicas que, de acordo com o autor, lhe conferem características de totalidade. São elas: qualidade intrínseca, custo, atendimento, moral, segurança e ética. O atributo qualidade intrínseca diz respeito à capacidade de o produto/serviço cumprir com o objetivo a que se propõe. O atributo custo possui duas perspectivas convergentes: custo para a organização do serviço prestado e o seu preço para o cliente. Dito de outra forma, seria o custo para a organização produzir determinado bem ou serviço e o preço (custo para o cliente final) que o cliente pagará por aquele bem ou serviço. Nesse caso, há outros elementos de elevada subjetividade, pois, não basta entregar o produto/serviço mais barato, mas sim, que tenha o maior valor pelo preço mais justo. A “carga subjetiva” fica para valor e preço justo. Esse pode ser visto como um dos fatores que fazem a organização produtora de bens/serviços “olhar para fora”, centrar-se no seu cliente em potencial, nas suas necessidades e expectativas. Atendimento, segundo o autor, é um atributo que possui três parâmetros: local, prazo e quantidade que, em maior ou menor grau, por si só demonstram a sua importância na produção de bens e na entrega de serviços de excelência. Os atributos moral, segurança e ética estão umbilicalmente conectados sob duas ópticas. A primeira diz respeito aos clientes internos (funcionários). Sua moral, nível de motivação, percepção da empresa para a qual trabalham. A segurança real e percebida nos seus aspectos físicos e mentais; por fim, a ética corporativa que forma o arcabouço político-institucional-cultural da corporação da qual fazem parte. A segunda óptica está nos clientes externos que, da mesma forma são afetados positiva ou negativamente pelos aspectos morais, de segurança e éticos das empresas às quais estão ligados pela aquisição de bens e serviços.

Na literatura há uma vasta gama de definições de qualidade. Para efeito desse capítulo, qualidade será definida como “conformidade consistente com as expectativas do cliente” (SLACK et al., 2018, p. 644). A questão da qualidade tem alcançado os níveis corporativos mais altos das organizações, passando a ser considerada sob uma perspectiva estratégica. A qualidade nesse escopo passa a ser definida em relação a um importante vetor do ambiente intermediário ou mesoambiente (os concorrentes) perpassando os padrões fixos e internos. Nesse entendimento, a preocupação com as especificações técnicas passa a ser secundária (não menos importante), ocupando posição prioritária a necessidade dos usuários dos produtos/serviços. Por conseguinte, toda organização que pretenda se manter competitiva, sobretudo no atendimento das complexas demandas externas, mantendo a qualidade incorporada às suas estratégias, precisa estar calcada sobre alguns pilares:       

Missão organizacional Visão organizacional Valores organizacionais Estabelecimento de um conjunto de políticas corporativas Designação operacional das políticas corporativas Identificação dos objetivos organizacionais Estabelecimento de rigoroso sistema de avaliação e controle dos resultados.

Cada um desses pilares compreende uma ação sistemática, devendo ser vista e manejada a partir da visão sistêmica, de modo que cada parte, como um subsistema, se comporte de maneira interdependente e interatuante no âmbito do sistema da qualidade. Com efeito, o mundo corporativo altera seu foco do produto para o cliente, sendo este a fonte de potencial rentabilidade da empresa. Em outras palavras, os produtos e serviços existem a partir das demandas (necessidades, percepção de qualidade, aproveitamento, geração de valor etc.) dos clientes e não o contrário. Não obstante, como afirmam ANDRONIKIDIS et al. (2009), os consumidores estão cada vez mais informados, exigentes e propensos a mudar de marca e de empresa, caso os requisitos não sejam atendidos a tempo e por um preço que estejam dispostos a pagar. Nesse sentido, a qualidade é considerada como a capacidade de atender aos requisitos declarados e implícitos dos clientes e não um simples recurso inerente (SHAHIN & NIKNESHAN, 2008; KRISTIANTO et al., 2012). Vista por esse prisma, a qualidade não está restrita a um determinado departamento, setor, processo ou etapa da produção. Os aspectos da qualidade permeiam toda a organização, desde a escolha dos fornecedores, passando pelo processo produtivo, as pessoas envolvidas direta e indiretamente, assim como os clientes finais. Em outras palavras, há um envolvimento majoritário de todos os stakeholders1 com a gestão da qualidade. Esse pequeno panorama traz uma ideia da complexidade que envolve a terminologia qualidade total. Qualidade representa mais do que estabelecer e cumprir regras e padrões elevados. As empresas estão intrinsicamente conectadas a uma sociedade dinâmica e culturalmente complexa, que exige cada vez mais das organizações atitudes coerentes com seus valores e princípios. Peremptoriamente, as empresas são desafiadas a alcançar e manter elevado nível de competitividade, sem renúncia de seus princípios éticos e de equidade; crescer e se desenvolver sem comprometer a capacidade do meio biofísico de fornecer matéria-prima e insumos, além de absorver os resíduos/efluentes oriundos do processo produtivo. Falar de qualidade total, portanto, é transitar num cenário de grandes desafios. Dito isso, o presente capítulo pretende contribuir apresentando, não exaustivamente, as principais ferramentas, conceitos e aplicações relacionadas à gestão da qualidade.

“Constituem os diferentes segmentos que possuem interesse ou afetam a existência e operação de uma empresa ou são afetados por ela.” Frey AI, Frey MR, Wittmann ML, Dallarrida VR. Stakeholders. In: Siedenberg DR (2006) Dicionário do Desenvolvimento Regional. Santa Cruz do Sul: EDUNISC. p. 155 1

1.1 A Importância das Ferramentas de Gestão da Qualidade no Controle de Processos A Associação Brasileira de Normas Técnicas (ABNT) por meio do seu Comitê Brasileiro de Qualidade (ABNT/CB-25) elaborou a ABNT NBR ISO 9001:2008, sendo essa norma, uma adoção exata, tanto em conteúdo quanto em estrutura e redação, à ISO 9001:2008 elaborada pelo Comitê Técnico Quality Management And Quality Assurance (ISO/TC 176), da International Standartization Organization (ISO). Essa Norma favorece a aplicação de uma abordagem de processo que visa o desenvolvimento, implantação e um upgrade na eficácia de um sistema de gestão da qualidade com o fito de acrescer a satisfação do cliente mediante o atendimento aos seus requisitos. Para que uma organização seja operativa e atue à guisa da eficácia, ela deve estabelecer e gerenciar uma diversidade de atividades interconectadas. Uma atividade ou um conjunto de atividades que utiliza recursos e que é gerida de forma a possibilitar a transformação de entradas (inputs) em saídas (outputs) pode ser reputada como um processo. Amiúde, a saída de um processo constitui-se na entrada do processo seguinte. A aplicabilidade de um sistema de processos em uma organização, somada à identificação, conexões e interações desses processos, bem como sua efetiva gestão com o objetivo de alcançar o resultado estabelecido alude a uma “abordagem de processo” (ABNT, 2008). Indubitavelmente, uma significativa vantagem desse tipo de abordagem refere-se à possibilidade de um controle continuado, notadamente no liame entre os processos individualizados circunscritos ao sistema de processos, além de suas mais variadas conjunções e interações. A NBR 9001 salienta que quando corretamente aplicada a um sistema de gestão da qualidade, essa abordagem evidencia a importância:    

da clara compreensão, acolhimento e atendimento dos requisitos; da necessidade de reputar os processos em termos de valor agregado; da obtenção de resultados de desempenho e eficácia de processo; da melhoria contínua de processos baseada em aferições contínuas.

De um ponto de vista pragmático, um problema ou inconsistência é um resultado desfavorável de um processo. Dito de outra forma, constitui-se num “item de controle que não atinge o nível desejado” (WERKEMA, 1995, p. 13). O gerenciamento da qualidade é realizado utilizando-se os mesmos três processos gerenciais de planejamento, controle e melhoramento. Conhecida como “Trilogia Juran®” (JURAN, 2004, p. 15), as três ações gerenciais que a constituem são: i) planejamento da qualidade, ii) controle da qualidade, iii) melhoramento da qualidade. A análise de processo, segundo CAMPOS (1992) tem como principais objetivos:  determinar a causa fundamental de um problema com vistas a eliminá-lo mediante solução definitiva e não paliativa, evitando sua reincidência;  conhecer as causas mais substanciais de um item de controle que se deseja controlar; Depreende-se que a análise de processo, entendido como o conhecimento do processo através de fatos, dados e informações fidedignas, deve ser praticada por todos os atores corporativamente envolvidos. Essa é uma atividade crucial na eficácia dos processos de controle de qualidade. A seleção e correta execução das ferramentas e técnicas formam um componente vital de qualquer plano de implementação de gestão da qualidade que pretenda ser bem-sucedido (SILOMBELA et al., 2018). A utilização das ferramentas e técnicas de gestão da qualidade contribui para uma ampla investigação de problemas, identificação de soluções e implementação das práticas de trabalho. No entendimento de GOETSCH & DAVIS (1994) essas ferramentas e técnicas são geralmente usadas para facilitar mudanças e melhorias positivas.

2 Principais Ferramentas/Métodos/Modelos Aplicados ao Controle de Qualidade 2.1

Diagrama de Causa e Efeito

Problemas e interrupções são preocupações comuns em todos os sistemas. Esforços devem ser envidados para promover correções nesses problemas, evitando com isso consequentes inconformidades. Todavia, para a efetiva correção de um problema, é preciso conhecer suas causas, evitando correr o risco de dispender recursos com soluções paliativas e ineficazes. O Diagrama de Causa e Efeito (CE) desenvolvido pelo engenheiro e teórico da administração Kaoru Ishikawa no início dos anos 1940, também conhecido como “espinha de peixe” ou simplesmente diagrama de causa e efeito, é uma ferramenta simples, porém eficaz, usada na identificação das mais diversas e possíveis causas de um problema ou inconformidade. Um diagrama de CE consiste, basicamente, em um eixo principal ao qual a causa primária do problema está conectada. Cada causa primária pode ter várias causas secundárias que, por sua vez, podem ter causas de terceiro e de quarto níveis, sempre convergindo para a causa primária que, por conseguinte, converge para o eixo principal, remetendo ao problema. Essa estrutura, apresentada em um diagrama CE, visa fornecer aos analistas e gerentes, informações com maior índice de precisão sobre as raízes do problema, bem como os caminhos por onde iniciar o processo de correção. Considerada uma ferramenta básica no controle da qualidade, sua aplicação bem-sucedida pode reduzir perdas indesejadas de tempo de parada (setup), ampliando a disponibilidade dos maquinários com consequente impacto positivo na produtividade. A Figura 1 ilustra um modelo genérico de diagrama de causa e efeito. Causa secundária

Eixo principal/Causas

Problema/Efeito Inconformidade

Causa de quarto nível Causa de terceiro nível

Causa primária

Figura 1. Modelo genérico do Diagrama de Causa e Efeito. Em geral, a elaboração do diagrama CE é realizada a partir de uma sessão de brainstorming (“tempestade de ideias”), uma vez que a ferramenta é capaz de guiar o raciocínio da equipe envolvida, além de facilitar o registro das informações geradas no método, classificando-as, desde o problema propriamente dito, até as causas primárias, secundárias, de terceiro e quarto níveis e assim sucessivamente. O princípio basilar do brainstorming consiste em estimular um grupo de pessoas a apresentar ideias variadas, isentas de avaliação ou críticas durante o processo. Assim, o objetivo é gerar o maior volume possível de ideias para, posteriormente, serem “depuradas” e escolhidas as mais adequadas, podendo, inclusive, algumas, serem resultado da combinação de várias outras (MEINEL & VOIGT, 2017). É recomendável que os indivíduos envolvidos no brainstorming, dentro do possível, sejam de áreas diversas do conhecimento, garantindo maior heterogeneidade nos pontos de vista, tanto do problema/efeito quanto das possíveis causas. Deve-se considerar o fato de que esse método não é

recomendado na solução de problemas com elevado grau de especialização, limitando-se àqueles de caráter mais generalizado, como princípios novos de solução (BROWN & WYATT, 2010). A maneira como uma organização vai investir seus recursos na busca pela solução de um problema, uma inconformidade, pode depender de um simples diagrama de CE (BILSEL & LIN, 2012).

2.2 Diagrama de Pareto (Regra 80/20) O nome Diagrama ou Gráfico de Pareto foi dado por Joseph Juran em homenagem ao economista italiano Vilfredo Pareto, que realizou estudo sobre distribuição da riqueza, descobrindo que uma minoria da população detinha a maior parte da riqueza enquanto a maioria possuía a menor parte da riqueza. A partir disso se estabeleceu a chamada “Lei de Pareto”, segundo o qual a desigualdade econômica é inevitável em qualquer sociedade (SALES, 2013). OLIVEIRA (2020) postula que, de acordo com o Princípio de Pareto, para a maior parte dos casos estudados, 80% dos problemas (ou algo muito próximo disso) são atribuídos a apenas 20% das causas. Esse princípio se tornou conhecido como “Regra dos 80/20”. Na prática, caso um gerente pretenda reduzir o volume de estoque da empresa, ele pode conduzir uma “Análise de Pareto” que irá demonstrar que poucos itens são responsáveis pela maior parte do capital estocado (investido em estoque). Nas palavras do autor, “há poucos itens vitais e muitos itens triviais”. Assim, o Princípio de Pareto é uma técnica universal que serve para dividir os problemas em duas categorias: os pouco vitais e os muito triviais. De maneira exemplificada: de 100 inconformidades (problemas) de qualidade listados é altamente possível que a solução de 15 a 20 representem entre 80 a 90% da economia potencial total (CAMPOS, 1992). O Diagrama de Pareto consiste em um gráfico de colunas ordenadas (da maior para menor), conjuntamente a um gráfico de linhas (abscissas) que representa as porcentagens acumuladas. Usado prioritariamente para permitir uma visualização mais rápida e facilitada das causas mais frequentes de um problema, possibilitando a sua priorização. Pelo princípio de Pareto, as causas de maior participação no problema devem ser eliminadas em primeiro lugar. Pode ser considerada uma das ferramentas mais eficientes para encontrar problemas (OLIVEIRA, 2020). As principais recomendações de uso dessa ferramenta de qualidade (SALES, 2013) podem se dar:  na identificação de um produto/serviço cuja análise contribuirá com a melhoria da qualidade;  diante da necessidade de priorizar a atenção ao problema/efeito e suas causas de forma sistemática;  mediante a identificação de oportunidades de melhorias;  ao proceder a análise de diferentes agrupamentos de dados. Ex. produto, segmento, mercado, área geográfica etc.;  na busca pelas principais causas dos problemas, bem como no estabelecimento de prioridades nas soluções;  na avaliação dos resultados das mudanças efetuadas em um processo: “antes e depois”;  quando os dados podem ser categorizados, ou seja, classificados em categorias;  quando a classificação de cada categoria é importante. De acordo com CAMPOS (1992), o método de “análise de Pareto”:  possibilita fracionar um problema grande em um número de problemas menores, portanto, aumentando o índice de resolutividade, uma vez que envolve mais pessoas da empresa no processo;  permite a priorização dos projetos, considerando que o método é substancialmente baseado em fatos e dados e, consequentemente;  assegura o estabelecimento de metas factuais e alcançáveis. Trata-se de uma ferramenta de análise de dados amplamente utilizada na busca pela raiz do problema, permitindo o estabelecimento de prioridades de intervenção e consequente concentração de esforços nos fatores que estão mais diretamente contribuindo para a ocorrência do problema em questão. Como bem afirma SALES (2013), ao se focar a atenção nos pontos vitais pode-se potencializar o ganho com os esforços para melhoria da qualidade.

2.2.1 MÉTODO DE ANÁLISE DE PARETO Como visto anteriormente, a análise de Pareto irá possibilitar o desmembramento de um problema ou inconformidade em vários problemas/inconformidades menores e, a fim de garantir que as metas para efetiva resolução do problema sejam alcançadas, os fatos e dados já devem ter sido evidenciados para que haja uma operacionalização objetiva no processo. Assim, a análise se mostrará de fundamental importância no processo de resolução do problema identificado. Algumas etapas devem ser observadas para um melhor desempenho na correção dos problemas. A Figura 2 ilustra as etapas da “Análise de Pareto” com o apontamento do momento ideal para o uso do gráfico ou diagrama.

1 Identificação do Problema

2 Estratificação

3 Coleta de Dados

Priorização do Problema

(Desdobramento)

NÃO Os problemas estão em tamanhos menores?

SIM Uso do Diagrama de Pareto

5 Atribuição de Responsabilidades

Figura 2. Etapas para “Análise de Pareto”. Fonte: Elaborado pelo autor a partir de CAMPOS (1992)

2.2.2 A identificação do problema/inconformidade Considerada uma fase de extrema relevância para todo o processo. A correta identificação do problema/inconformidade aumentará significativamente a probabilidade de êxito na correção de um resultado não satisfatório que, conforme aponta CAMPOS (1992), pode ser observado em um produto ou serviço; um aumento de reclamações de clientes; na elevação do custo (seja de matéria-prima, insumos, produção, estocagem, logística etc.) que inviabiliza a prática de preços competitivos; no nível de insatisfação dos funcionários; na elevação no número de acidentes; na redução do market-share etc.

2.2.3 Estratificação A estratificação consiste na divisão de um grupo em diversos subgrupos a partir de fatores apropriados, conhecidos como fatores de estratificação. Equipamentos, insumos, pessoas, métodos, medidas e condições ambientais são considerados fatores naturais para a estratificação dos dados (WERKEMA, 2006). Estratificar é secionar um problema em estratos ou camadas de problemas de origens diferentes. Para CAMPOS (1992) a estratificação consiste numa análise do processo uma vez que se trata de um método para ir em busca da origem do problema. Em suma, estratificação é o agrupamento da informação (dados) sob várias perspectivas ou pontos de vista, cuja ação se mantenha como foco central. Todas as pessoas com possibilidades de contribuir na análise devem ser convidadas a participar dessa etapa. A pergunta-chave que deve ser feita pelo gerente é: “Como ocorre o problema?”. Essa pergunta norteará e conduzirá as mais diversas modalidades de respostas que deverão convergir para o objetivo precípuo. 27

Suponha-se que o problema/inconformidade central seja a “impontualidade na entrega dos produtos”. No processo de estratificação a pergunta será feita: “Como ocorre a impontualidade na entrega dos produtos?” As respostas deverão ser organizadas em um sistema de mapeamento utilizandose um quadro de anotações ou até mesmo a fixação de pequenos papéis na parede contendo as propostas de respostas ao questionamento. Considera-se que foi obtido um conjunto contendo uma quantidade de respostas que deverão passar por um processo de “depuração”, ou seja, serão eleitas aquelas consideradas mais importantes obedecendo ao Princípio de Pareto, segundo o qual poucos fatores são responsáveis pela maior parte dos resultados. Recomenda-se considerar um mínimo de 2 e um máximo de 6 – 7 fatores essenciais, sendo o restante arrolado na categoria “Outros” (CAMPOS, 1992). A Tabela 1 apresenta os possíveis estratos para o exemplo utilizado (simulação).

ESTRATOS (Defeito/Problema)

Baixo estoque de matéria-prima

Insumos insuficientes para finalizar processo de produção

Compra em quantidade inadequada

Problemas com a logística do fornecedor

Elevado setup do maquinário

Outros

Tabela 1. Resultado da estratificação do problema “impontualidade na entrega dos produtos” (simulação).

2.2.4 Coleta de dados Concluída a estratificação, o próximo passo será a elaboração de uma planilha (checklist) que aglutinará os dados advindos dos estratos da etapa anterior. Sequencialmente, realizar-se-á o levantamento dos dados com a finalidade de verificar a importância de cada item, sempre com base em fatos e dados, não considerando a simples opinião de cada um. CAMPOS (1992) aponta que essa tarefa pode ser realizada por qualquer pessoa, desde que devidamente instruída e preparada para isso. Nessa etapa será muito bem-vinda a utilização das Folhas de Verificação que nada mais são do que formulários relativamente simples que auxiliam na coleta de dados. Recomenda-se que a folha de verificação contenha o nome do projeto (produto/serviço/processo) para o qual os dados estão sendo coletados, os nomes das pessoas envolvidas com a coleta, as datas das coletas, entre outras informações relevantes. Mantendo o exemplo, pode-se tomar como base um determinado período de tempo em que ocorreu o problema ou uma quantidade determinada de problema que seja representativa. Analogamente ao proposto por CAMPOS (1992), considere-se as últimas 100 (cem) entregas de pedidos. Desse total, 70 (setenta) foram entregues com atraso devidamente estratificados na etapa anterior (Tabela 1). O resultado é mostrado na Tabela 2.

Tabela 2. Estratificação relativa a 100 casos de entrega de produtos que geraram 70 casos de impontualidade na entrega com as respectivas frequências de ocorrência (simulação). As folhas de verificação não são obrigatórias na elaboração do Gráfico de Pareto. No entanto, uma vez que elas exigem a padronização nas listas, além das definições das não-conformidades, acabam por oferecer vários benefícios, máxime se se considerar que, via de regra, desenvolver uma lista de nãoconformidades em comum, envolvendo várias pessoas, com vários pontos de vista diferentes, não é uma tarefa das mais fáceis. Com base nos resultados inseridos na folha de verificação e, com o objetivo de auxiliar na elaboração do Gráfico de Pareto – que será demonstrado no subtópico seguinte – deve-se estruturar a distribuição de frequência “f” ordenada de maneira decrescente, isto é, da maior para a menor, inserindo as porcentagens total geral e acumulada. A Tabela 3 ilustra essa explanação, utilizando-se do mesmo exemplo anterior.

Tabela 3. Distribuição dos estratos com frequência “f” ordenada em forma decrescente, porcentagem total geral e acumulada (simulação). Importante frisar que, caso o estrato “outros” apresente um número significativamente superior aos demais, pode ser um importante indicativo de que a etapa anterior (estratificação) foi mal-conduzida, devendo, portanto, ser reavaliada. Caso isso ocorra, no processo de reavaliação, dois ou três estratos deverão ser selecionados como prioritários a fim de serem considerados como problemas/inconformidades e passarem por novo desdobramento (CAMPOS, 1992). 29

2.2.5 Priorização A etapa da estratificação sucedida pela coleta de dados e o consequente arranjo ordenado em frequência “f” de maneira decrescente, permite, mediante visualização gráfica apresentada no Diagrama de Pareto, a priorização quantitativa dos estratos mais importante. Destaca-se aqui a importância do “Princípio de Pareto” comentado anteriormente. A Figura 3 ilustra o Diagrama de Pareto mantendo os dados do exemplo utilizado para efeitos didáticos. “Problema”

Impontualidade na entrega dos produtos

70 65

58 50

50 40

Valores acumulados dos estratos

30 20

15 8

0 Problemas no logística do fornecedor

Compra em quantidade inadequada

Elevado setup de maquinário

Insumos insuficientes para finalizar processo de produção

Baixo estoque de matéria prima

Outros

Figura 3. Diagrama de Pareto (simulação). Importante ressaltar que, embora o Diagrama de Pareto seja uma figura considerada simples, ele tem como objetivo principal proporcionar uma representação gráfica da estratificação. Dessa forma, essa sequência de operações pode ser repetida várias vezes, sempre tomando os itens prioritários como novos problemas, até serem localizados e quantificados os vários projetos de solução de problemas (CAMPOS, 1992). 2.2.6 Desdobramento A pergunta norteadora desse estágio é “Os problemas estão em tamanhos menores?”. Aconselhase que, nesse estágio a empresa promova o que CAMPOS (2004) vai chamar de “Seminários de Disseminação” ou Seminários de Propagação, envolvendo a alta e média gerência da empresa, momento em que cada um apresentará os resultados obtidos com a Análise de Pareto de seus respectivos problemas. Na visão do autor, nessa etapa, pode-se observar alguns aspectos práticos:    

aumento da conscientização de que os problemas corporativos são interdepartamentais; promoção da compreensão mútua entre os departamentos; disseminação da técnica de Análise de Pareto; promoção de mudança comportamental drástica ao longo do tempo.

Além disso, pode-se observar que, com o decorrer do tempo, concomitante à intensificação do uso da ferramenta com foco nos processos de solução dos problemas, sobretudo no aumento da especialidade em “desdobrar” os problemas, isto é, fragmentá-los em problemas menores, haverá, necessariamente, uma mudança de mindset. Depreende-se que o domínio do método de Análise de Pareto é da mais alta importância para as pessoas na empresa em geral e a alta administração em particular.

2.2.7 Atribuição de responsabilidades O cumprimento dos estágios anteriores é de suma importância; contudo, se não houver a devida e efetiva atribuição de responsabilidades corre-se o risco de o projeto não sair do papel ou, ainda, o índice de resolutividade ser simplesmente insignificante. Cabe lembrar que o nível de responsabilidade deve estar proporcionalmente nivelado com o nível de autoridade e vice-e-versa. Se assim não for, as discrepâncias no nivelamento (autoridade – responsabilidade) poderão potencializar os problemas em vez de resolvê-los.

2.3 Ciclo PDCA A evolução cíclica dos projetos e a premência de se estruturar dimensões (planejamento e monitoramento) antes da avaliação dos resultados (performance) fundamenta a premissa básica do processo de melhoria contínua, representado axiomaticamente pelo conceito do PDCA – sigla oriunda do acrônimo inglês, Plan, Do, Check and Act (Planejar, Executar, Verificar ou Monitorar e Agir). O PDCA tem como precursor o engenheiro americano W. Edwards Deming (1900 – 1993), referência mundial em controle de qualidade em todo o mundo. O Ciclo PDCA, definido por Deming como “Ciclo de Shewart” (Shewart foi um físico que na segunda década dos anos 1990 introduziu gráficos de controle na Bell Labs) baseia-se nos conceitos elementares do método científico, que envolve formular uma hipótese, experimentá-la e proceder uma avaliação ao final do processo (CALÔBA & KLAES, 2016). A NBR 9001:2008 aponta que o modelo PDCA pode ser descrito da seguinte forma: Plan (Planejar): estabelecimento de objetivos e processos essenciais na geração de resultados em conformidade com os requisitos do cliente e com as políticas da organização. Do (Fazer): implementação dos processos propriamente ditos. Check (Checar): monitoramento e aferição dos processos e produtos em relação às políticas, aos objetivos e aos requisitos pré-estabelecidos, formalizando relatórios de avaliação de resultados. Act (Agir): executar ações objetivando promover de forma contínua a melhoria do processo. A Figura 4 apresenta sistematicamente o Ciclo PDCA com ilustração dos fluxos, das etapas e respectivos objetivos. A ilustração foi adaptada de CAMPOS (1992); embora não seja exaustiva, ela compreende as etapas basilares da ferramenta em questão. CICLO

D C

FLUXO

ETAPAS

OBJETIVOS

Identificação do Problema

Definição clara do problema e reconhecimento de sua importância

Diagnóstico

Investigação das características específicas do problema com visão ampla sob várias perspectivas

Análise

Análise minuciosa a fim de descobrir as causas fundamentais do problema

Plano de Ação

Concepção do plano para bloquear as causas fundamentais

Execução do Plano (Ação)

Bloqueio das causas fundamentais

Verificação

Verificação da efetividade do bloqueio

Houve Efetividade no Bloqueio?

Sim = Fluxo n. 7 (Padronização) Não = Fluxo n. 1 (Identificação do Problema)

Padronização

Prevenção contra o ressurgimento do problema

Conclusão

Rememoração de todo o processo aplicado à solução de problemas futuros

Figura 4. Etapas do Ciclo PDCA. Fonte: Adaptado de CAMPOS (1992). 31

Algo que as ferramentas de controle de qualidade nos processos devem ter em comum se pretendem ser bem-sucedidas nas suas aplicações, é o comprometimento e a efetiva participação de toda comunidade corporativa, notadamente a alta administração (ABNT NR 9001:2008), considerando que os recursos financeiros, humanos, de infraestrutura geral, devem estar disponíveis na medida certa e nos momentos certos (HEUVEL, 2005). De forma mais sucinta, a Figura 5 apresenta os quatro estágios do ciclo PDCA.

A (Action)

P (Plan)

Definição das Metas Atuação corretiva

Verificação dos resultados da tarefa executada (monitoramento) C (Check)

Metodologia que permitirá alcançar as metas propostas

Educação, treinamento/ capacitação Execução da tarefa (coleta de dados) D (Do)

Figura 5. Ilustração do giro do Ciclo PDCA. O estágio P (Plan) subdivide-se em “definição das metas” e “metodologia que permitirá alcançar as metas propostas”. Da mesma forma, o estágio seguinte, D (Do), está subdividido em “educação e treinamento/capacitação” e “execução da tarefa (coleta de dados). Para cada um desses estágios há ferramentas e técnicas que auxiliam na execução de cada etapa.

2.4 Fluxograma (ou Workflow) Fluxogramas (workflows) constituem-se em representações gráficas das etapas pelas quais passa um projeto de forma sequencial. Embora seja uma ferramenta simples, o fluxograma possibilita maior celeridade na compreensão do modo como ocorre a operação do processo. SUMMERS (2000) conceitua fluxograma como uma representação gráfica de todas as etapas envolvidas em um processo completo ou de uma parte deste. Ressalta o autor que a elaboração dessa ferramenta é mais indicada nos primeiros estágios de um procedimento de solução de problemas, uma vez que a definição do fluxo do processo será um valioso auxílio no entendimento daquilo que está efetivamente envolvido em todas as etapas (da inicial à final). Esse tipo de representação gráfica pode ser utilizado tanto para uma rotina específica como para o processo mais geral de uma organização empresarial. Deve-se proceder, como etapa preliminar um levantamento da rotina do processo, qualificando as entradas (inputs) e seus fornecedores, padrões de entrada, operações, setores, departamentos e pessoas envolvidas, saídas (outputs) e seus clientes, padrões de saída (LOBO & SILVA, 2018). Há vários tipos de fluxogramas composto de metodologias e símbolos diferentes. Cada elemento constituinte de um mapa de processos é representado por um símbolo específico. Os símbolos de processos são encontrados na literatura com variantes de nomes como “símbolos de fluxograma”, “formas de fluxograma”, “símbolos de fluxogramas de processos” ou, ainda, “símbolos de diagrama de fluxos”. Estes símbolos estão preconizados no Unified Modeling Language - UML (Linguagem de Modelagem Unificada), uma linguagem de modelagem visual utilizada para modelar requisitos de 32

sistemas, descrever projetos e detalhes de implementação, amparada em uma norma internacional para o desenho de mapas de processos (SIAU & CAO, 2001). A Figura 6 apresenta os diversos símbolos utilizados na modelagem e construção de fluxogramas divididos em cinco categorias conforme preconiza a UML. 1. 2. 3. 4. 5.

símbolos de processo e operação; símbolos de ramificação e controle de fluxo; símbolos de entrada e saída; símbolos de armazenamento de arquivos e informações; símbolos de processamento de dados. Símbolo

Nomenclatura

Descrição

Nomenclatura

Descrição

Processo

Ação, tarefa ou ação a ser executada

Flecha

Direção na qual o fluxograma deve ser lido

Processo Predefinido Processo alternativo

Ações relacionadas a uma tarefa, parte de um processo maior

Terminação

Pontos de entrada e saída

Alternativa à etapa normal do processo. As linhas “conectoras” são tracejadas

Decisão

Ponto em que uma decisão precisa ser tomada

Atraso

Período de espera/atraso no processo

Conector

Conecta uma página ou seção diferente do gráfico

Preparação

Etapa preparatória representando mais uma etapa no processo

Conector fora de página

Processo que continua fora da página

Loop manual

Sequência de comandos que se repete continuamente até uma interrupção manual

Mesclar

Limite de loop

Ponto em que ocorre a interrupção do loop

Extrair

Símbolo

Nomenclatura

Agrupar Classificar

Descrição

Processo que organiza dados ou materiais transformando-os em um formato padrão Classificação de dados, informações e materiais em uma ordem predeterminada

Símbolos Símbolo

Símbolo

Mescla de vários processos em um processo único

Nomenclatura

Descrição

Dados armazenados Banco de dados

Etapa no processo onde os dados são armazenados Lista de informações com estrutura padrão que permite pesquisar e classificar

Armazenamento de acesso direto

Representa um disco rígido

Armazenamento interno

Informações armazenadas na memória, em vez de em um arquivo

Nomenclatura

Descrição

Dados

Informações que entram ou saem do processo

Documento Vários documentos Exibir (display) Entrada manual

Etapa do processo que origina um relatório ou um documento Etapa do processo que produz vários documentos ou relatórios Exibe informações

Determinado usuário deve inserir informações manualmente

Entrada e Saída

Armazenamento de Arquivos e Informações

Processamento de Dados

Ou Junção (somador)

Fusão de dois ou mais subprocessos Divisão de um processo em sentidos diferentes, porém, paralelos Separação de um processo em duas ou mais subdivisões

Ramificação e Controle de Fluxo

Processo e Operação

Símbolo

Figura 6. Conjunto de símbolos do fluxograma divididos em categorias. Cabe ressaltar que a UML não se constitui apenas no padrão de linguagem de modelagem de fato para especificar, visualizar, construir e documentar os componentes de sistemas de software, mas também foi aceito pelo OMG (Object Management Group) como uma linguagem padrão para análise e design orientado a objetos. Cabe lembrar que na operação de qualquer processo, notadamente ao fazer uso das ferramentas de apoio, que tenha como foco a melhoria da qualidade, um conjunto de princípios gerais deve ser seguido ordinariamente: i) não deve haver “análise” de processo sem que haja rigorosa e prévia coleta de dados (mensuração); ii) a coleta de dados obrigatoriamente deve ser sucedida de criteriosa análise; iii) nenhuma análise deve ficar desprovida e sucedida por tomada de decisões; iv) nenhuma decisão deve ocorrer sem que esteja plenamente instituída de ações de melhoria.

2.5 Histograma (Diagrama de Distribuição de Frequência) Um histograma, também conhecido como “diagrama de distribuição de frequência”, ou simplesmente como “diagrama de barras”, consiste numa representação gráfica dos valores individuais mensurados a partir de um conjunto de dados de acordo com a frequência ou frequência relativa de ocorrência. Essa ferramenta toma os dados aferidos a partir da folha de registro e demonstra sua distribuição usando os intervalos como base. Para MARSHALL JR. et al. (2012) o histograma consiste na distribuição por classes em um gráfico de barras (refletindo a frequência de ocorrência dos dados no intervalo definido) composto de

dados quantitativos. De forma análoga a uma “fotografia” do processo, mostra como está se comportando determinado parâmetro de especificação do produto face ao processo produtivo. O histograma auxilia na visualização da distribuição dos dados e, dessa maneira, revela a quantidade de variação dentro de um processo e/ou outros fatores. Pode ser utilizado para avaliar o desempenho de um determinado padrão, especificação ou tolerância (DALE, 2003). Não diferente de outras ferramentas de análise de qualidade em processos, a primeira e fundamental etapa é a coleta de dados que se constituirá a base de informações depuradas que serão objeto de rigorosa análise. Os dados de um indicador de interesse direto para a aferição da qualidade são divididos em:  contínuos: resultados compostos por números que estejam dentro de um intervalo, como por exemplo, peso, comprimento, altura, largura, espessura, gastos mensais etc.;  contagem: resultados formados por números inteiros; por exemplo, número de número de chapas/perfilados com rebarba, número de amassados em uma peça, e assim por diante;  qualitativos: resultados cujos vieses serão dicotômicos. Os resultados possíveis serão apenas afirmações ou negações, por exemplo: produto com defeito ou produto sem defeito; cliente satisfeito ou insatisfeito; entrega dentro do prazo ou fora do prazo, e assim por diante. Concluída com êxito a etapa da coleta de dados, considerando a complexidade em lidar com grande quantidade desse conjunto de dados, organizá-lo a partir do histograma permitirá a obtenção de informações basilares sobre o processo, como:  centralidade: indica onde está localizado o centro da distribuição, bem como onde se concentra a maior parte das observações;  simetria: indica se haverá equivalência na frequência de pontos com valor alto e pontos com valor baixo; indica uma regularidade (similitude) ou não do processo;  amplitude: a partir da determinação do ponto de máximo e do ponto de mínimo, pode-se indicar entre quais valores a distribuição das observações está mais concentrada. Esses valores ou grupo de valores que se referem a dados coletados ao longo de qualquer processo que esteja sob análise, criará possibilidades de avaliação da eficiência desse processo. A Figura 7 mostra um exemplo de histograma. 90

Média = 400

Frequência

70 60

50 40 30

20 10 0 280

320

360 400 440 Atrasos na entrega

480

520

Figura 7. Histograma do número de atrasos na entrega (simulação). Os dados são separados em intervalos de classes com a respectiva frequência, permitindo a visualização de aspectos que seriam difíceis de serem notados em uma tabela contendo apenas números (SUMMERS, 2000). A ilustração da Figura 7 evidencia o fato de que o histograma dispõe as informações coletadas e sistematizadas de modo que se torna possível a visualização da forma da distribuição de um conjunto de dados, além da percepção da localização do valor central. Os eixos do diagrama representam:  eixo horizontal: subdividido em intervalores, apresenta os valores assumidos por uma variável de interesse; 34

 eixo vertical: deve ser proporcional ao número de observações na amostra cujos valores pertencem ao correspondente intervalo (frequência). Entre as várias vantagens do uso do diagrama de distribuição de frequência (histograma) destacase o fato de que ele permite reconhecer se a média da distribuição das medidas da característica da qualidade está próxima do centro da faixa de especificação (valor nominal), bem como se é necessário adotar alguma medida para reduzir a variabilidade desse processo.

2.6 Diagrama de Dispersão (Scatterplot) Um diagrama de dispersão (Scatterplot) consiste numa representação gráfica da combinação entre pares de dados. Essa junção de dados é o resultado da conexão de diferentes medições de uma certa causa (por exemplo, “atraso na entrega de encomendas”) com a correspondente mensuração da característica representativa da qualidade (por exemplo, “nível de satisfação do cliente”). Por vezes é desejável verificar se existe uma possível conexão entre duas variáveis. Considere-se que em determinado momento fez-se uso de um diagrama de causa e efeito (Diagrama de Ishikawa ou Espinha de Peixe) com a finalidade de identificar causas potenciais de impacto em uma determinada característica de qualidade de um processo. A relação entre as causas e as características de qualidade desse processo devem, necessariamente, ser estudadas. Os efeitos resultantes dessa pertinácia devem auxiliar na indicação a respeito de qual ação poderia ser tomada no processo. A ferramenta recomendada para estudar essas relações é o Gráfico de Dispersão, que também pode ser utilizado no estudo do nexo (ou correlação) entre diferentes características de qualidade. Mais uma vez, a etapa da coleta de dados é crucial para a correta e melhor aproveitamento dessa ferramenta. Malgrado essa etapa preliminar, os dados são coletados de forma a vincular no mínimo duas variáveis a uma observação. A título de exemplificação, utilizar-se-á simulação semelhante àquela adotada nos exemplos anteriores. Para este caso, pretende-se analisar se existe correlação (ou nexo causal) entre a percepção da satisfação pelos clientes de um determinado projeto e o atraso na sua entrega. Dessa forma, serão coletados os dias de atraso e o nível de satisfação dos clientes para determinado número de projetos. Assim, para o Projeto A, serão coletados os dias de atraso e o nível de satisfação; para o Projeto B, os dias de atraso e o nível de satisfação, e assim sucessivamente para a quantidade de projetos que existirem ou que se pretende investigar. No caso específico da simulação, os números positivos referem-se aos atrasos na entrega e os negativos aos dias em que houve entrega antecipada. De forma genérica, o nível de satisfação refere-se à variável resposta (variável Y), os dias de atraso à variável de entrada (variável X) e o número de projetos à observação propriamente dita. O número de projetos é também chamado de “indexador”, uma vez que vincula os valores da variável X aos da variável Y. A Tabela 4 apresenta simulação dos dados referentes a dias de atraso/adiantamento e nível de satisfação para quinze projetos diferentes. Projeto

Dias de atraso

Nível de satisfação

A B C D E F G H I J K L M N O

-9 -7 -5 -3 -1 0 2 3 4 7 8 10 11 17 25

1,77 1,88

2,13 2,33 2,97 3,07 2,28 1,99 2,05 1,67 1,55 1,48 1,39 1,09 0,87

Tabela 4. Dados compilados sobre dias de atraso/adiantamento e nível de satisfação dos clientes para vários projetos (simulação). 35

Os dados da Tabela 4 já estão ajustados em ordem crescente para facilitar a elaboração do Diagrama de Dispersão. A Figura 8 apresenta o Gráfico ou Diagrama de Dispersão para os dados simulados dos atrasos/adiantamentos nas entregas e sua relação com o nível de satisfação dos clientes referentes aos respectivos projetos.

Nível de satisfação

-10

-5

10 15 20 25 30 Dias de atraso Figura 8. Gráfico ou Diagrama de Dispersão do nível de satisfação dos clientes em relação aos dias de atraso/adiantamento na entrega (simulação). Cada um dos pontos do diagrama ou gráfico de dispersão (Figura 8) refere-se a um par de pontos elencados na Tabela 4. No caso da simulação, observa-se uma forte relação entre o nível de satisfação dos clientes e os dias de atraso. Dessa forma, à medida que o atraso aumenta, a satisfação diminui. Malgrado esse entendimento, deve-se atentar para o fato de que entregas realizadas antes do prazo estipulado também provocam queda no índice de satisfação. A correlação não implica necessariamente em causalidade. Nesse sentido, a partir da informação obtida com essa ferramenta, o gestor responsável pela entrega deve estar atento para o fato de que o cliente considera mais satisfatório a entrega realizada dentro do prazo estipulado (nem mais nem menos), uma vez que isso implica diretamente no seu planejamento (ex. entrada do insumo no processo produtivo, acúmulo de estoque, gargalo na produção por falta de insumos, não estar em casa para receber o produto, entre outros). Como visto, o Diagrama de Dispersão é utilizado para verificar a correlação entre variáveis, bem como a mensuração do nível de intensidade em que a alteração de um dado impacta outro dado. Dito isso, o diagrama pode ser aplicado:  na tentativa de identificar possíveis causas-raiz dos problemas – proceder uma validação com o uso de um diagrama de dispersão, listando hipóteses a partir de causas-raiz fundamentadas em fatos e dados tende a ser mais apropriado do que simplesmente elencar hipóteses desconexas;  após a aplicação da técnica do brainstorming, seguida da elaboração do diagrama de Ishikawa para determinar as possíveis causas de um determinado efeito. Suponha-se que a discussão seja em torno das causas possíveis de atraso na entrega de produtos, e a principal causa apurada seja “problemas na logística do fornecedor”. Dessa forma, será possível construir um diagrama de dispersão da relação entre “problemas na logística do fornecedor” e “atrasos na entrega dos produtos”;  na etapa de validação, caso dois efeitos ocorram a partir de uma mesma causa – de grande utilidade quando se tem grande quantidade de inconformidades com uma mesma causa-raiz, sendo necessário, portanto, verificar com acuidade se a correlação entre elas é verdadeira ou não;  por fim, no momento de proceder o teste da autocorrelação que precede a construção do gráfico de controle. 36

Estudiosos têm enfatizado que a existência de um vínculo entre uma característica de qualidade e uma variável causal, não significa que exista, necessariamente, uma relação de causa e efeito. A relação pode advir de uma outra configuração que esteja associada a cada uma das configurações estudadas. Da mesma forma, o fato de não haver associação em um diagrama de dispersão não significa que necessariamente os parâmetros não estejam relacionados. Assim, mesmo tendo o diagrama de dispersão apresentado certa relação entre as variáveis, não se pode afirmar que uma determinada variável causou outra determinada variável. Ambas, podem ter sido influenciadas por uma terceira variável que até então, não estava sendo considerada. Em razão disso, ao optar pelo uso dessa ferramenta, urge a necessidade de fazer a contínua verificação das possíveis hipóteses.

2.7 Gráficos de Controle Muito provavelmente os Gráficos de Controle, também conhecido como gráfico de controle de Shewhart (em função do seu propositor Dr. Walter S. Shewhart) tem sido a ferramenta mais utilizada por empresas dos mais variados segmentos, sobretudo aqueles ligados a manufatura, com destaque para os setores de produção mais especificamente no acompanhamento de processos com vistas à melhoria da qualidade. De maneira geral, esse gráfico determina estatisticamente uma área designada como limites de controle que está delimitada por uma linha acima (limite superior de controle) e uma linha abaixo (limite inferior de controle) e, no meio, uma outra linha denominada linha média. O uso correto dessa ferramenta permite verificar se o processo objeto de análise está sob controle, ou seja, destituído de causas sui generis. Na maioria dos casos de aplicações de Controle Estatístico de Processo (CEP), supõe-se que a qualidade de um processo ou produto/serviço possa ser adequadamente representada pela distribuição de uma característica de qualidade univariada ou pela distribuição multivariada geral de um vetor que consiste em várias características de qualidade correlacionadas. No entanto, em muitas situações práticas, a qualidade de um processo ou produto/serviço é melhor caracterizada e resumida por uma relação entre uma variável de resposta e uma ou mais variáveis explicativas (WOODALL et al., 2004). Embora existam muitos tipos e modelos de gráficos de controle, bem como maneiras diferentes de construí-los, as etapas comuns na configuração de um gráfico de controle na prática podem ser resumidas da seguinte forma: 1. quantificar uma série de características do processo através da observação ou uso de planilhas já elaboradas; 2. calcular a média do processo e usá-la como a linha central (LC); 3. calcular o desvio padrão; 4. calcular o limite superior de controle (LSC) e o limite inferior de controle (LIC) com base na média mais e menos três desvios padrão; 5. plotar as características do processo no gráfico e conectar os pontos subsequentes; 6. se houver pontos fora dos limites, verificar o motivo e decidir sobre a sua disposição, modificando o LC, LSC e LIC, se necessário; 7. continuar plotando sempre que uma nova medição for obtida. Os gráficos de controle são divididos em dois tipos principais: gráficos de controle para variáveis e gráficos de controle para atributos. Para gráficos variáveis, as características de processo ou qualidade assumem valores contínuos, enquanto para gráficos de atributos, os dados se apresentam na forma de contagens discretas. As informações sobre conformidade do produto e as características necessárias geralmente são fornecidas como números de contagem ou porcentagens (XIE et al., 2002). Dito de outra forma, as características de qualidade podem ser distinguidas nas categorias variáveis e de atributos. As variáveis correspondem às características numéricas (podem ser expressas em termos numéricos, em uma escala contínua de medida) comumente ligadas a medidas, como exemplos: número de pedidos entregues fora do prazo; quantidade de embalagens descartadas por estar fora dos padrões;

diâmetro (em polegadas) de uma determinada peça de reposição do maquinário; resistência de uma estrutura de concreto armado (podendo ser indicado em quilograma-força [kgf] ou em newton [N]) etc. Os atributos – características da qualidade que não podem ser mensuradas em escala quantitativa –, por sua vez, compreendem as propriedades resultantes de contagens ou classificações dos itens produzidos. Exemplos: a parcela de clientes insatisfeitos com o atraso na entrega de um determinado produto/serviço; número de inconformidades por lotes de peças produzidas; desperdício na colheita de algodão (toneladas/ha), normalmente causado por imprecisão na regulagem do maquinário ou pelo nível de declividade do terreno, entre outros. Da categoria de gráficos de controle para variáveis, os mais utilizados, segundo WERKEMA (1995) e MONTGOMERY (2013) são:  Gráfico da Média (𝑋̅): neste diagrama são plotadas as médias das amostras, visando controlar os valores médios das características em estudo. Assim, é possível monitorar o nível médio do processo a partir da variabilidade das amostras. Estas devem ser selecionadas de modo a aumentar a probabilidade de deslocamento da média entre as amostras em comparação com a média do processo, de maneira que estes pontos sejam caracterizados fora de controle;  Gráfico de Amplitude (R): esta ferramenta evidencia a variabilidade no âmbito de uma mesma amostra. Dessa forma, as amostras devem ser escolhidas criteriosamente a fim de que a variabilidade dentro da amostra afira somente causas aleatórias.  Gráfico do Desvio Padrão (s): nesta categoria de diagrama plota-se os valores de desvio padrão (s) que representam a variabilidade das medidas das amostras. É altamente recomendável que este gráfico seja utilizado sincronicamente com o gráfico da média;  Gráfico de Medidas Individuais: este gráfico é usado nos casos onde a amostra restringe-se a uma única unidade ou quando várias medidas são tomadas em uma mesma unidade do produto. Muito empregado em casos onde existe processos de inspeção e medição automatizados; nos casos em que a taxa de produção apresenta lentidão não sendo viável esperar o acúmulo de amostras para realizar a análise ou, ainda, quando o desvio padrão (s) é excepcionalmente pequeno. Quanto à categoria de gráficos de controle para atributos, os mais utilizados são (WERKEMA, 1995; MONTGOMERY, 2013):  Gráfico da Proporção de Itens Defeituosos (gráfico p): utilizado quando a característica da qualidade que está sob análise é representada pela proporção dos itens defeituosos liberados na saída (output) do processo sob análise. Refere-se à fração entre a quantidade de itens que apresentam inconformidades em relação ao total produzido;  Gráfico do Número Total de Defeitos (gráfico c): tipologia utilizada quando se faz indispensável a realização do controle total de defeitos em uma unidade do produto. Via de regra, na decisão pelo uso desses diagramas está contida a pressuposição de que a ocorrência de não-conformidades em amostras, cujos tamanhos sejam constantes é bem modelada pela distribuição de Poisson. É bastante amplo o uso dos gráficos de controle na análise de processos de qualidade. Entre as muitas razões que justificam sua utilização, pode-se destacar: i) promoção da melhoria da produtividade, uma vez que são reduzidas perdas e retrabalhos; ii) contribuição direta com a manutenção do controle do processo, minimizando a ocorrência de itens defeituosos; iii) elevada capacidade de distinção entre a origem e as causas de variações, evitando ajustes desnecessários e dispendiosos; iv) diagnóstico contínuo do status do processo produtivo, gerando possibilidades para implementação de mudanças no sistema com impacto na eficiência produtiva e consequente melhoria nos resultados. A Figura 9 ilustra conceitualmente dois gráficos nas condições de “processo sob controle” e “processo fora do controle”.

Limite Superior de Controle Linha Média Limite Inferior de Controle

Processo fora do controle Limite Superior de Controle Linha Média Limite Inferior de Controle

Figura 9. Gráficos de Controle em formato conceitual. Salienta-se que a consecução de gráficos de controle considera primordialmente o número de amostras analisadas. Por outro lado, a definição do tamanho, bem como do número de subgrupos necessários à sua elaboração não está atrelada a regras pré-estabelecidas. Todavia, custo de inspeção, volume de produção, custo do retrabalho, custo de máquina parada, entre outros aspectos relevantes, geram informações que devem ser consideradas. 2.8 Plano de Ação 5W2H O método foi originalmente desenvolvido por Sakichi Toyoda, tendo sido aplicado pela Toyota Motor Corporation no desenvolvimento de metodologias em processos de fabricação. Considerado um item essencial do treinamento em resolução de problemas, este método faz parte do treinamento inicial do TPS (Toyota Production System ou Sistema Toyota de Produção – STP). O criador do TPS, Taichii Ohno, o descreveu como a base da abordagem científica da Toyota Company. As cinco questões (W e H) proporcionam mais visibilidade e transparência à causa do problema, promovendo a busca de ações corretivas e preventivas. Em pouco tempo, o método passou a ser adotado e aplicado por outras empresas do setor automotivo. Atualmente é adotado por empresas dos mais variados setores. A ferramenta comumente denominada de Plano de Ação 5W2H, caracterizada por sua simplicidade – porém, com foco na objetividade e orientação à ação –, é utilizada majoritariamente no mapeamento e padronização de processos, na elaboração de planos de ação propriamente dito, bem como no estabelecimento de procedimentos associados e indicadores. Fundamentalmente de cunho gerencial, objetiva tornar mais compreensível o entendimento por meio de designação de responsabilidade, métodos, prazos, objetivos e recursos relacionados. Trata-se de uma metodologia introdutória aplicada no esclarecimento do problema (erro/ nãoconformidade/defeito), tendo como objetivo precípuo determinar a causa raiz da falha do sistema ou do problema. Não obstante, além de promover a identificação da causa de um determinado problema, contribui substancialmente na implementação de ações corretivas e preventivas notadamente eficazes. Nesse sentido, é correto afirmar que, se a organização remover a causa de ocorrência do problema, obstará a recorrência desse mesmo problema. O Método 5W2H corresponde às iniciais das palavras em inglês, Why (Por quê), What (O que), Where (Onde), When (Quando), Who (Quem), How (Como) e How Much (Quanto Custa), conforme apresentado na Tabela 5.

Método 5W2H What

O que?

Definição e descrição do que será feito

Who

Quem?

Definição de quem ou qual será a área responsável pela execução

When

Quando?

Tempo de execução/Estabelecimento de cronograma

Where

Onde?

Definição do local de realização (físico ou virtual)

Why

Por que?

Justificativa para a implementação/execução da proposta

How

Como?

Definição dos métodos/estratégias para conduzir o que foi estabelecido

How Much

Quanto Custa?

Definição do custo/investimento necessário para a execução da proposta

Tabela 5. Componentes e especificações do Método 5W2H. A ferramenta, assim como seu uso, não apresenta complexidades. Sem embargo, quanto maior for o nível de precisão ao se fazer o correto questionamento a respeito da situação dada, maior tenderá a ser a possibilidade de solução do problema. Em síntese, fazer perguntas com precisão permitirá determinar com precisão o problema. Sua correta identificação assim como sua descrição detalhada constituem-se em importantes etapas para esclarecer as causas do problema e, a partir desse ponto, propor soluções exequíveis. Essa é uma metodologia que pode ser utilizada para problemas dos mais variados níveis de complexidade, além de estimular o desenvolvimento do processo criativo da equipe envolvida. 2.9 FMEA (Análise de Modos de Falhas e Efeitos) A Análise de Modos de Falhas e Efeitos, em tradução literal para o inglês Analysis of Failure Modes and Effects, conhecido no campo industrial como FMEA – Failure Modes And Effects Analysis, consiste num método de análise de projetos de produtos ou de processos, de projetos industriais e/ou administrativos. O método é utilizado na antecipação de falhas que possam ocorrer em um produto, processo, sistema ou até mesmo numa determinada peça, permitindo, dessa forma, uma intervenção antecipada e preventiva na causa, evitando que a falha ou defeito venha a se concretizar. A FMEA tem sido considerada uma ferramenta proativa, uma vez que investiga problemas potenciais de maneira preventiva, isto é, antes mesmo que eles ocorram sem a necessidade de se conceber protótipos ou aguardar a ocorrência do problema durante a operação. Dado esse caráter subjetivo, o método demanda um trabalho de prognose em relação às contingências, bem como à sua antecipação e consequente prevenção, empregando experiências práticas acumuladas pelos especialistas nos projetos, processos ou serviços. Tornou-se uma técnica capaz de reunir numa única plataforma três funções distintas, porém, complementares: i) proposição de um prognóstico de um determinado problema; ii) expediente de desenvolvimento, implementação e execução processos/serviços); iii) registro sistemático do projeto (produto/processo/serviço).

projetos

(produtos/

A Associação Brasileira de Normas Técnicas (ABNT) por meio da norma NBR 5462 conceitua a FMEA como um método qualitativo de análise de confiabilidade que envolve o estudo dos modos de panes que porventura possam existir para cada item, bem como a determinação dos efeitos de cada modo de falha sobre os demais itens e sobre a função específica do conjunto de itens (ABNT, 1994). De acordo com a quarta edição do Manual de Referência (Chrysler LLL, Ford Motor Company, General Motor Corporation, 2008), FMEA consiste numa metodologia analítica utilizada para assegurar que os potenciais problemas tenham sido devidamente considerados e resolvidos no decorrer do desenvolvimento de produtos e processos, tendo como resultado mais factível, o registro do conhecimento assimilado e difundido pelas equipes multifuncionais. Historicamente, o FMEA foi proposto pela indústria aeroespacial pela primeira vez na década de 1960, com requisitos de confiabilidade e segurança. Desde então, tem sido gradualmente usada como uma técnica poderosa para análise de segurança e confiabilidade de sistemas e produtos. Enquanto isso, as forças armadas dos Estados Unidos da América (EUA) também começaram a aplicar a técnica FMEA e publicaram o procedimento operacional padrão POP MIL-STD-1629 de modos de falha e análise de 40

criticidade de efeitos (FMECA) em 1974, tendo sido revisado em 1980 como MIL-STD-1629A. Em 1977, a Ford Motor Company estabeleceu o procedimento operacional padrão da FMEA e popularizou a técnica. Posteriormente, a indústria automotiva nos EUA adotou gradualmente o FMEA como ferramenta e o dividiu em dois tipos: o design FMEA (DFMEA) e o processo FMEA (PFMEA). Em 1985, a Comissão Eletrotécnica Internacional (IEC) publicou um procedimento operacional padrão internacional da FMEA chamado IEC 812, parcialmente baseado no MIL-STD-1629A. Em 1993, sob os auspícios da Sociedade Americana de Controle de Qualidade (ASQC) e do Grupo de Ação da Indústria Automotiva (AIAG), Ford, Chrysler e General Motors integraram os regulamentos das empresas automotivas para estabelecer o manual de referência da FMEA para atender aos requisitos QS9000. A AIAG revisou o manual de referência da FMEA várias vezes desde então. Além disso, o FMEA tem sido considerado um item importante para examinar um método analítico pelo sistema internacional de certificação de qualidade, como ISO-9000, ISO / TS 16949, CE e QS-9000 nos últimos anos. Hoje, é amplamente utilizado na avaliação de riscos e na melhoria da qualidade em muitos setores, como aeroespacial, nuclear, militar, medicina, automobilístico, mecânico e semicondutor. No futuro, o FMEA pode não apenas ser as técnicas e mecanismos de competitividade de produtos nas empresas, mas também se tornar os procedimentos básicos para o desenvolvimento de produtos (CHANG et al., 2014). A Tabela 6 sistematiza as fases evolutivas da FMEA. Ano

Etapas Descritivas

1963

O FMEA é proposto pela indústria aeroespacial

1965

As forças armadas americanas iniciam o uso da técnica FMEA

1974

As forças armadas americanas publicam o POP da FMEA: MIL-STD-1629

1977

A Ford Motor Company começa a usar a FMEA

1980

Os militares americanos revisam o POP para a FMEA: MIL-STD-1629A

1985

A Comissão Eletrotécnica Internacional (IEC) publica o POP FMEA: IEC 812

1993

Ford, Chrysler e General Motor estabelecem o manual de referência da 1ª edição da FMEA

1995

A 2ª edição do manual de referência da FMEA é revisada pela AIAG

2001

A 3ª edição do manual de referência da FMEA é revisada pela AIAG

2008

A 4ª edição do manual de referência da FMEA é revisada pela AIAG

2008-atual

O FMEA é considerado como método analítico pelas normas ISO-9000, ISO / TS 16949, CE e QS-9000, utilizado na avaliação de riscos e melhoria da qualidade em vários setores

Tabela 6. Principais fases históricas do desenvolvimento da FMEA – linha do tempo. No geral, as principais etapas para execução da FMEA podem ser definidas como:  designação do processo/produto/sistema a ser analisado;  estabelecimento da(s) função(oes) do processo/produto;  reconhecimento dos possíveis modos de falha;  identificação das possíveis causas de cada modo de falha;  identificação das possíveis consequências das falhas para cada modo de falha;  mensuração/especificação da severidade dessas falhas;  mensuração/especificação da probabilidade de ocorrência da falha;  determinação do meio de detecção do modo de falha;  cálculo do NPR;  determinação e caracterização das prioridades;  delineamento, implementação e execução dos planos de ação para minimização e/ou contenção dos riscos;  revisão e monitoramento. 41

Para cada etapa se obtém dados/informações que devem ser inseridos num formulário padrão a fim de facilitar a sistematização dos mais variados elementos. Para sistematização dos dados e informações coletados um formulário específico deve ser preenchido contendo os elementos básicos e necessários ao prosseguimento do processo, incluindo o estabelecimento do plano de ação. A Figura 10 sistematiza as etapas procedimentais para preenchimento do formulário. 1

Definição do produto/processo a ser analisado

Estabelecimento das funções do produto/processo

Reconhecimento dos possíveis modos de falha

Identificação das possíveis causas de cada modo de falha

Identificação das consequências das falhas para cada modo de falha

Mensuração/especificação da severidade das falhas

Mensuração/especificação da probabilidade de ocorrência das falhas

Determinação do meio de detecção do modo de falha

Pontuação da ocorrência

Pontuação da detecção

Pontuação da severidade

12 NPR

Plano de ação

Revisão e Monitoramento

Figura 10. Etapas/procedimentos para preenchimento do formulário FMEA. Adaptado de TAY & LIM (2006); SHARMA et al. (2005). O formulário devidamente preenchido e constantemente atualizado será um valioso instrumento de monitoramento de todo o processo, como garantia de amenização ou neutralização da falha. O método FMEA manifesta, em uma sequência lógica e sistemática, a verificação das possíveis formas pelas quais um sistema ou processo está mais suscetível a falhas. A Figura 11 apresenta um modelo de formulário contendo os elementos mínimos necessários como entradas para alimentar o processo.

Cabeçalho

ANÁLISE DO MODO E EFEITO DAS FALHAS FMEA de Projeto [ ] de Processo [ ] Projeto/Processo:

Preparado por:

FMEA nº _________________________ Página: __________ de ____________

Nome/Código do Produto:

Data Início:

Data Limite:

Máquina/Operação:

Revisão/Data:

Resp. Projeto/Processo:

Aprovação da Gerência:

Ação Tomada

Detecção

Responsável/ Prazo

Figura 11. Exemplo de formulário com os elementos mínimos de entrada do processo. O FMEA reputa majoritariamente as variáveis, severidade (S) das falhas, a frequência como as mesmas ocorrerem (O) e, como eventualmente poderiam ser detectadas (D), antes de chegarem às reclamações dos clientes. Dessa forma, fundamentado nestas três variáveis, severidade, ocorrência e detecção, o método propõe uma priorização sobre quais modos de falha do produto possuem maior potencial de risco aos clientes e à própria organização. As variáveis acima citadas podem ser classificadas em tabelas conforme cada indústria ou projeto onde serão aplicadas. A título de exemplo (simulação), serão apresentados os padrões utilizados pelo Manual de Referência em FMEA – 4th Edição (Chrysler LLL, Ford Motor Company, General Motor Corporation, 2008). A primeira a ser apresentada será a variável severidade (s) que se refere ao nível de gravidade do efeito da falha com impacto direto no cliente. Em outras palavras, indica o quão ruim será caso a falha, de fato, ocorra. A classificação proposta deve levar em consideração a existência de fatores cruciais para a empresa e seus clientes, como normativas e/ou padrões de segurança, privação de negócios, danos na reputação e à imagem corporativa, entre outros. A Tabela 7 apresenta a classificação (níveis ou gradações) em ordem descendente com seus respectivos critérios e categoria de efeito a que pertence. Observa-se que a classificação 10 indica mais alto impacto ao passo que a classificação 1 indica um baixo impacto.

Risco (RPN)

Ações Recomendadas

Ocorrência

Resultado

Severidade

Detecção

Controles Atuais

Risco (RPN)

Modo de Falha

Ocorrência

Função

Causa da Falha

Desenvolvimento

Item/ Etapa

Efeito na Falha

Severidade

Equipe:

Classificação

Critérios

Efeito

Afeta segurança na operação do ativo. Envolve não conformidade com a regulamentação governamental. Sem prévio aviso

Afeta segurança na operação do ativo. Envolve não conformidade com a regulamentação governamental. Com prévio aviso

Não atende os Requisitos e/ou Normas Regulatórias de Segurança

Perda da função primária (produto operável, sem afetar operação do processo

Degradação da função primária (produto operável, com nível reduzido de desempenho)

Perda da função secundária (produto operável com funções de conveniência inoperantes)

Degradação da função secundária (produto operável, mas funções de conveniência com nível reduzido de desempenho)

Aparência ou ruído não conforme e percebido por mais de 75% dos clientes (>75%)

Aparência ou ruído não conforme e percebido por mais de 50% dos clientes (>50%)

Aparência ou ruído não conforme e percebido por menos de 25% dos clientes (<25%)

Nenhum efeito reconhecido

Perda ou Interrupção Total do Produto/Processo Perda ou Interrupção Moderada

Incômodo Desconforto

Nenhum efeito

Tabela 7. Critérios de avaliação de severidade (s). O ranqueamento apresentado na Tabela 7 mostra que os níveis 7 e 8 são classificados como falhas graves, ao passo que os níveis 9 e 10 são falhas gravíssimas. A ocorrência (o) consiste numa variável que se refere à frequência com que uma modalidade (tipo) de falha ocorre, em função de uma ou mais causas. Em síntese, é a frequência com que a causa de uma falha pode ocorrer. Essa classificação designa a probabilidade de a falha ocorrer durante a vida útil que se espera de determinado produto. A Tabela 8 apresenta os índices de ocorrências, probabilidades de ocorrência, respectivos critérios e porcentagens. Da mesma forma que a classificação anterior (severidade [s]), a classificação 10 indica alta probabilidade de ocorrência (inevitável) e a classificação 1 indica baixíssima probabilidade ou nada provável. Índice de Ocorrência

Probabilidade de Ocorrência

Critérios: Ocorrência de Causa

Altíssima

≥ 1 em 10

Muito Alta

1 em 20

Alta

1 em 50

Alta

1 em 100

Moderada

1 em 500

0,2

Moderada

1 em 2.000

0,05

Moderada

1 em 10.000

0,01

Baixa

1 em 100.000

0,001

Baixa

1 em 1.000.000

0,0001

Baixíssima

A falha é eliminada mediante controle preventivo

Tabela 8. Critérios de avaliação de ocorrência (o). 44

Os índices de ocorrência 7 e 8 (1 e 2% respectivamente) indicam que a probabilidade de ocorrer a falha é alta e os índices 9 e 10 evidenciam uma probabilidade ainda mais elevada (5 a 10% respectivamente). A última variável – detecção (d) – diz respeito à capacidade de detectar a falha, considerando determinados mecanismos de controle, antes que ela chegue ao cliente final ou ao usuário, por assim dizer. Em outras palavras, essa variável apresentará uma estimativa do quanto essa falha pode ser detectável antes de sua ocorrência, isto é, a probabilidade de o problema ser detectado antes mesmo de sua ocorrência ou, ainda, uma avaliação do quão bem os controles do produto ou processo detectam a causa da falha ou o modo de falha. A Tabela 9 destaca os índices de ocorrência, a probabilidade de detecção e os respectivos critérios de detecção por controle. Atenção deve ser dada ao fato de que, diferentemente da escala apresentada para severidade (s) e ocorrência (o), na detecção (d), a classificação 10 indica probabilidade menor (quase impossível) de detecção, ao passo que a classificação 1 indica probabilidade maior (altíssima) de detecção. Classificação

Probabilidade de Detecção

Oportunidade para Detecção

Critérios de Detecção por Controle

Quase Impossível

Nenhuma oportunidade de detecção

Nenhum controle de projeto; não é possível detectar ou não é analisado

Muito Remota

Não é provável detectar em qualquer estágio

Controles e análise de projeto possuem baixa capacidade de detecção. A análise virtual não está correlacionada às condições operacionais reais esperadas

Remota

Detecção da falha no estágio pósprocessamento

Verificação/validação do produto após interrupção do projeto e antes do lançamento com teste de aprovação/reprovação

Muito Baixa

Detecção da falha na origem

Verificação/validação do produto após interrupção do projeto e antes do lançamento com teste de falha

Baixa

Detecção da falha no estágio pósprocessamento

Verificação/validação do produto após interrupção do projeto e antes do lançamento com o teste de degradação

Moderada

Detecção da falha na origem

Validação do produto antes da interrupção do projeto usando testes de aprovação/reprovação

Moderadamente Alta

Detecção da falha no estágio pósprocessamento

Validação do produto antes da interrupção do projeto usando teste para falha

Alta

Detecção da falha na origem

Os controles de análise do projeto (testes de confiabilidade, testes de desenvolvimento e validação) ocorrem antes da interrupção do projeto

Muito Alta

Análise virtual correlacionada

Os controles de análise do projeto possuem forte capacidade de detecção. Análise virtual está correlacionada às condições operacionais reais esperadas

Altíssima

Detecção não aplicável; prevenção da falha

Impossibilidade de ocorrer a causa ou o modo de falha face ao sistema de prevenção aplicado ao projeto

Tabela 9. Critérios de avaliação de detecção (d). Após ter realizado a apuração dos valores para cada uma dessas variáveis (severidade, ocorrência e detecção), deve-se obter o RPN (Risk Priority Number) ou Número de Prioridade de Risco (NPR). O RPN é o produto dos índices de Severidade (s), Ocorrência (o) e Detecção (d). A fórmula do cálculo do Risk Priority Number (RPN) está ilustrada na Figura 12. 45

Medida de Risco do FMEA

RPN = Severity (S) x Ocorrency (O) x Detection (D) Figura 12. Cálculo do RPN (Risk Priority Number). Esse valor dará a priorização crítica dos modos de falha, devendo, portanto, ser ordenado do maior para o menor. Ou seja, quanto maior o valor do RPN, maior nível de criticidade da falha, portanto, maior prioridade será atribuída a ela. Dito de outra forma, a partir desse resultado (produto da multiplicação dos índices obtidos das variáveis), serão priorizadas as deficiências do processo, possibilitando a tomada de ações corretivas e preventivas. Um importante alerta deve ser evidenciado aqui. Considerando que o valor máximo que pode ser alcançado pelo RPN é de 1.000 (10 X 10 X 10), alguns autores atribuem um “valor de corte”, partindo da aplicação do percentual de 95% sobre o valor total. Assim, desse total máximo de falhas possíveis (1.000), 950 seriam objeto de verificação, considerando-se o limite de corte de 50. Ou seja, RPN <50 não demandaria análise sistemática. Não obstante, a aplicação de um limite para o RPN não é uma prática recomendada como parâmetro para determinar a necessidade de elaboração de um plano de ação. Por conseguinte, a aplicação de limites pressupõe que o RPN se constitui numa medida relativa de risco (o que muitas vezes não é verdade) e, ainda, que a melhoria contínua não é necessária (nada mais enganoso). Seguidamente ao ranqueamento de prioridades das deficiências e concomitante implementação e execução do plano de ação de correção, deve-se promover uma reavaliação das variáveis severidade, ocorrência e detecção de cada um dos modos de falha. Dessa forma, um novo RPN será calculado e, consequentemente, elaborado novo ordenamento de classificação de prioridades a partir da nova conjuntura. A Figura 13 apresenta resumidamente o esboço metodológico da FMEA.

FMEA Designação do Processo/Produto/Sistema para Análise

Severidade (S) X

Ocorrência (O) X

monitoramento

Detecção (D)

RPN reavaliação

Plano de Ação

Ranking das Prioridades

interpretação

Mensuração/Especificação

reavaliação

feedback

Figura 13. Esboço metodológico da FMEA. Deve-se atentar para o fato de que o uso da ferramenta Análise dos Modos de Falha e Efeitos não deve ocorrer de maneira esporádica, antes, deve ser executada continuamente considerando o processo de retroalimentação de todo o sistema e, sobretudo, o foco na melhoria contínua, como dito anteriormente. 46

2.10 Seis Sigma (Six Sigma) Não diferente das demais ferramentas anteriormente apresentadas, a mola propulsora para que as empresas adotem essa metodologia, indiscutivelmente, tem sido a busca constante pelo incremento da qualidade face ao acirrado aumento da competitividade, a disputa por mais espaço no mercado (market share), além, evidentemente, do aprimoramento da eficiência em suas operações. Nesse contexto, esse tópico apresenta ao leitor uma importante ferramenta que tem se tornado imprescindível para as empresas que querem ganhar e manter mercado com seus produtos e/ou serviços de elevada qualidade. Inicialmente reconhecido como um método de alta tecnicidade, utilizado somente para promover o “ajuste fino” nos produtos/serviços e processos por meios estatísticos, avança para além dessa proposta, uma vez que, a coleta e análise de dados estatísticos constituem-se em apenas um dos componentes chave dessa importante metodologia para a melhoria contínua. O Seis Sigma (Six Sigma – em inglês) surgiu no final da década de 1980 (1987) a partir de um esforço conjunto de profissionais da empresa Motorola que se propuseram a realizar vários estudos propostos por Deming, com o objetivo de aprimorar a performance do processo de produção por meio da análise de variabilidade, notadamente como resposta à pressão competitiva da indústria japonesa. HENDERSON & EVANS (2000) complementam que essas iniciativas foram reconhecidas e devidamente apoiadas pela direção da empresa, que investiu na difusão da nova abordagem proposta, sobretudo motivada pelo fato de que a ferramenta aprimorada e implantada em todas suas demais atividades enfatizava e consolidava o conceito de melhoria contínua. Com efeito, a Motorola idealizou um programa interno que foi denominado Seis Sigma – do ponto de vista estatístico, o sigma representa uma medida de variabilidade inerente a um processo, definido pelo desvio padrão, representado pela letra α do alfabeto grego –, cujo objetivo precípuo era conter a variabilidade dos processos de manufatura de maneira a reduzir a ocorrência de defeitos para o nível de 3,4 partes por milhão de oportunidades (3,4 ppm ou 0,00034%). Os reconhecidos e importantes prêmios de qualidade recebidos pela Motorola a partir da implementação e uso sistemático dessa ferramenta, colocaram-na na vitrine, estimulando empresas dos mais diversos segmentos a adotarem o uso da metodologia como meio para o alcance da qualidade em seus produtos e serviços e consequente aumento no lucro operacional como foi o caso emblemático da General Eletric (GE) em meados da década de 1990. Historicamente, o método se utiliza de uma gama de ferramentas de análise de processos e de dados com robusta orientação estatística, a fim de alcançar seus objetivos. Em que pese o fato de alguns estudiosos questionarem pontos específicos da ferramenta, mormente ao enfatizarem o pouco avanço em relação ao método PDCA, é fato que o Seis Sigma possibilita a introdução do conhecimento sobre planejamento, modelagem e simulação de processos, controle e otimização integrados com requisitos estatísticos. Encontra-se na literatura uma vasta gama de definições do Seis Sigma. Para esse trabalho, em especial, propõe-se a seguinte definição: Seis Sigma consiste numa prática de gestão apoiada em uma cadeia de ferramentas com vistas a detectar, analisar e sanar problemas, majoritariamente cimentada na coleta e tratamento de dados com suporte estatístico, priorizando a eficiência, a eficácia e consequente aumento da rentabilidade, sobretudo no incremento da qualidade em produtos ou serviços de organizações de qualquer porte e setor do mercado.

Seis Sigma consiste numa prática de gestão apoiada num conjunto de ferramentas com vistas a detectar, analisar e sanar problemas, majoritariamente cimentada na coleta e tratamento de dados com suporte estatístico, priorizando a eficiência, a eficácia e consequente aumento da rentabilidade, sobretudo no incremento da qualidade em produtos ou serviços de organizações de qualquer porte e setor do mercado. Nesse sentido, HARRY & SCHROEDER (2000) postulam que a definição de qualidade passa por uma ampliação ao incluir valor econômico e utilidade prática tanto para a empresa quanto para o 47

consumidor. Na concepção dos autores, a qualidade consiste num estado em que o direito ao valor é garantido do cliente ao fornecedor em todos os aspectos da relação comercial. Estatisticamente pode-se entender o sigma como uma medida de variabilidade característica de um determinado processo (desvio-padrão). Caso o valor do desvio-padrão de um processo seja alto, significa que há baixo nível de uniformidade no processo, com alta variação nos resultados gerados. Da mesma forma, se o valor do desvio-padrão se apresenta baixo, significa alta uniformidade do processo e, consequentemente, baixo nível de variabilidade nos resultados. Em suma, quanto menor for o desviopadrão, melhor qualidade terá o processo. A Tabela 10 sumariamente ilustra os valores fundamentais praticados na abordagem Seis Sigma adaptada de HARRY & SCHROEDER (2000).

Tabela 10. Conceito da escala Sigma. Evidentemente, quanto maior o nível sigma e, portanto, menor percentual de erro, mais interessante será para a empresa. Todavia, o nível sigma adequado para determinado processo dependerá, de maneira preponderante, dos requisitos do cliente. Dessa forma, caso a empresa empreenda esforços para alcançar um alto nível sigma sem a correspondente contrapartida de valor reconhecido pelo cliente, significará desperdício de recursos. A implementação propriamente dita do Seis Sigma compreende uma série de etapas com foco na melhoria contínua. A escolha do método (modelo ou roteiro) de solução do problema que pode ser aplicado no programa consiste numa etapa preliminar com significativa importância. Entre eles constam: M/PCpS (machine/process characterization study), que consiste num estudo para a caracterização e otimização de processos, com vistas a eliminar o desperdício de recursos; DMAIC, que são as iniciais para as etapas define (definir), measure (medir), analyse (analisar), improve (melhorar) e control (controlar); o método DFSS (Design for Six Sigma); o método DMADV, que contempla as fases: definir, medir, analisar, desenhar e verificar, ou ainda, a metodologia DMEDI (definir, medir, explorar, desenvolver e implementar). O mais comumente adotado é o DMAIC (Define, Measure, Analyse, Improve e Control), idealizado e aprimorado para aplicabilidade em processos atuais no âmbito da manufatura, processos e serviços. O método DMAIC pode ser caracterizado como uma meta-rotina, isto é, um tipo de rotina que permite alterar processos ou rotinas já existentes. Essa caracterização não tem deixado de receber críticas pelo fato de, segundo especialistas, não ser possível aplicá-lo em todos os casos; entretanto, no âmbito do Seis Sigma, o DMAIC é a meta-rotina utilizada na maioria dos projetos. Dito isso, explanar-se-á brevemente cada uma das fases do método DMAIC (Figura 14). De início, deve-se definir (Define) o que se espera do projeto. Ao proceder a avaliação do histórico do problema, seus processos devem ser estabelecidos com perspicuidade. Questões como “Qual o problema a ser solucionado?” “Quem são os cliente e fornecedores alvos desse processo?” “Qual o objetivo se pretende atingir?” “Qual a viabilidade financeira?” “Qual(is) processo(s) está(ao) relacionado(s) ao problema em questão?” constituem parte fundamental nessa primeira etapa. Definir a escopo do projeto é fundamental nessa etapa preliminar, uma vez que é nessa fase que se dimensionará o projeto, selecionando quais os atores e recursos estarão envolvidos. Algumas

ferramentas bastante úteis nessa primeira fase são: Mapa de Raciocínio, Voz do Cliente, Escopo do Projeto, Contrato de Projeto (Project Charter), entre outras. Na medição (Measure) far-se-á o levantamento das potenciais causas do problema, considerando os aspectos quantitativos e qualitativos. Será realizado um diagnóstico minucioso do status do processo, sobretudo seus resultados, buscando identificar as causas dos problemas mais importantes e criteriosamente selecionados pelo projeto. Nessa etapa serão considerados basicamente:  avaliação do desempenho do processo e verificação dos números;  catalogação dos dados e informações sobre os processos;  sondagem das possíveis causas dos problemas. As principais ferramentas passíveis de serem empregadas nessa fase são: Mapa de Processo, Brainstorming, Diagrama de Ishikawa, Matriz de Causa e Efeito, Matriz Esforço X Impacto, Estatística Descritiva, Histograma, BoxPlot, Pareto etc.

DMAIC 4

Figura 14. Fases do modelo/roteiro DMAIC. Nessa fase, perguntas como “Qual a situação atual do processo?”, “Quais as fontes de variabilidade do processo?”, “Qual o nível de confiabilidade dos dados/informações?”, “Qual o comportamento dos dados/informações levantados numa linha do tempo?” serão de grande valia para a robustez do diagnóstico. A terceira fase consiste na análise (Analyse) onde, basicamente, será realizado um exame acurado dos dados e informações levantados na etapa anterior. Nessa etapa serão empreendidas as seguintes ações:    

ponderar e aprofundar sobre as causas base dos problemas a serem resolvidos; autenticar as causas base com análises estatísticas ou análise de risco; averiguar as melhores formas de combater estes problemas; gerar oportunidades de melhoria.

Ferramentas como Diagrama de Dispersão, Análise de Modos de Falha e Efeitos (FMEA), Testes de Hipóteses, Regressão Linear, são algumas das mais empregadas nessa fase. Na quarta fase (Improve) a equipe envolvida deverá priorizar as causas e, então, implementar e executar o plano de ação. Considera-se que essa fase seja a que demanda mais tempo e recursos de todo o processo. A literatura especializada, em geral, aponta três ações prioritárias nessa fase:  aferição das possíveis ações a serem tomadas, ponderando as vantagens e desvantagens de cada uma delas;  empreendimento do plano de ação em conformidade com as conveniências de cada processo;  implementação e execução das mudanças. Recomenda-se para essa fase o uso de ferramentas como Matriz de Priorização, Diagrama de Árvore, 5W2H, entre outras. Por fim, a última fase do DMAIC, controle (Control) tende a ser crucial no processo uma vez que a melhoria conquistada deve ter perpetuidade e efetividade prática. Essa etapa se caracteriza pelo monitoramento e controle dos resultados dos processos implementados, bem como no estabelecimento de práticas efetivas de gestão com o fito de manter os resultados alcançados. Os questionamentos que devem permear essa fase podem ser descritos da seguinte forma: “Quais ações de melhoria são possíveis de serem implementadas?” “O conjunto de melhorias proposto pode ser transformado em soluções passíveis de serem implementas?” “Como experenciar as soluções definidas com o fito de garantir o atingimento do objetivo isento de danos colaterais?” “Como mensurar os resultados financeiros quando o plano de ação for implementado?” Via de regra, nessa fase serão realizadas as seguintes ações:      

monitoramento contínuo da execução do plano de ação; aferição do alcance do objetivo financeiro; confirmação de que o objetivo financeiro alcançado será sustentado; estabelecimento de critérios de controle (checklists); avaliação do desempenho global a partir dos feedbacks do processo; consolidação da melhoria contínua dos procedimentos.

O uso de ferramentas como Cartas de Controle, Procedimento Operacional Padrão (POP), OCAP2, Diagrama de Árvore, Matriz de Priorização, Plano de Ação 5W2H, 5S3, SMED4, entre outras, podem ter significativa importância no controle/monitoramento dos resultados dessa última fase do DMAIC. A ferramenta Seis Sigma não apresenta particularmente nenhuma novidade face às demais ferramentas de qualidade existentes, máxime pelo fato de o uso de modelos estatísticos já serem prática comum na busca pela qualidade com foco na mitigação ou completa eliminação de defeitos. Não obstante, a especificidade que garante o êxito da ferramenta está em sua forma de abordagem, bem como no formato exclusivo de sua implementação. Dito isso, torna-se conveniente estimular a compreensão do modelo como componente da estratégia corporativa. Assim, parte-se da consideração da influência das variáveis contidas no macroambiente (ambiente geral ou ambiente externo), e que, portanto, se encontram fora do controle da empresa. No nível seguinte, observa-se os elementos constituintes do mesoambiente (ou ambiente de tarefas), parcialmente sob controle da empresa. Segue-se o delineamento da estrutura organizacional a partir da proposta de estratégia competitiva nos três níveis organizacionais. Os programas também ocorrem nos três níveis corporativos e, mediante o uso do modelo DMAIC (ou outro que seja mais conveniente) obtêm-se o programa contendo o plano de ação que será implementado e executado pela equipe definida para esse fim. A saída (output) esperada são as 2

OCAP (Out of Control Action Plan): ferramenta utilizada na identificação das não conformidades (anomalias) mais severas que devem ser combatidas com vistas à melhoria do processo. 3 5S: ferramenta de qualidade que objetiva melhorar o ambiente de trabalho com repercussão direta no nível de produtividade. De origem japonesa, tem como base os cinco sensos (Seiri – senso de utilização; Seiton – senso de organização; Seiso – senso de limpeza; Seiktsu – senso de padronização; Shitsuke – senso de disciplina). 4 SMED (Single Minute Exchange of Die): ferramenta que permite atuar na redução de custos e melhoria da produtividade, atuando diretamente no tempo de setup de máquinas. 50

melhorias nos produtos/processos/serviços, sobretudo no que diz respeito a ações preventivas de minimização de falhas. Os resultados devem ser constantemente monitorados a fim de garantir a manutenção da melhoria efetivamente alcançada. O feedback funciona como a retroalimentação do sistema, cujas informações/resultados provocarão ajustes concomitantes na estratégia e estrutura organizacional numa relação simbióptica. A Figura 15 esboça o delineamento metodológico do Seis Sigma a partir da estratégia competitiva da organização, levando em conta os mais diversos elementos internos e externos envolvidos. MACROAMBIENTE Ecológica

Econômica

Social

Cultural

MESOAMBIENTE

Fornecedores Estrutura Organizacional

Legal

Concorrentes

Retroalimentação

Orientação Estratégica Missão/Visão/Valores

Estratégia Competitiva

Táticos

Operacionais

Estratégico Programas

Objetivos/Metas

Estratégicos

DFSS M/PCpS

Tático

DMAIC DMADV

Operacional

Programa Seis Sigma

DMEDI

Plano de Ação

Clientes/Consumidores Tecnológica

Qualidade em Processos/Produtos e Serviços

Agências Reguladoras Demográfica

Política

Governamental

Figura 15. Delineamento metodológico do Seis Sigma no âmbito da estratégia competitiva da empresa. Via de regra, o sucesso na implementação e execução de qualquer ferramenta de qualidade está atrelado a fatores considerados estratégicos. Em especial, a metodologia Seis Sigma apresenta alguns fatores críticos de sucesso, cuja inobservância pode comprometer, em maior ou menor grau, os resultados positivos esperados. A Tabela 11 alista os fatores considerados mais importantes.

Tabela 11. Fatores críticos de sucesso do Seis Sigma 51

Com efeito, a gestão correta desses fatores garantirá o alcance dos resultados de melhorias esperados não só nos aspectos pontuais, mas, sobretudo, na incorporação desses processos de melhoria na prática do gerenciamento para a qualidade dos processos, produtos e serviços. A partir dos fatores críticos elencados, pode-se perceber a importância do recurso humano no empreendimento, desde o nível diretivo que detém a responsabilidade pelo método, até o ator operacional diretamente focado nas operações de apoio. Dessa forma, é válido afirmar que há níveis de atribuições e responsabilidades distintos, porém, complementares. Os três primeiros (Equipe de Liderança, Campeão e Patrocinador) estão diretamente ligados a posições ocupadas no âmbito do projeto. Os demais (os belts ou faixas) referem-se a níveis de certificação que definem a posição dos integrantes no escopo do projeto a partir das habilidades/competências adquiridas. Uma síntese de cada um dos papéis:  Equipe de Liderança (Leadership Team): também conhecida como “Time Seis Sigma”, é o conselho responsável pela definição dos objetivos e metas do programa Six Sigma;  Campeão (Champion): dentro da equipe de liderança, esse papel é atribuído a um indivíduo com alto nível de especialidade e dedicação full-time ao projeto, podendo ser um vice-presidente executivo;  Patrocinador (Sponsor): indivíduo ou grupo de indivíduos com alto nível de domínio da metodologia Seis Sigma. Atuam como “proprietários” de processos e sistemas, coordenando as atividades em suas respectivas áreas de responsabilidade;  Master Black Belt (MBB): consiste no patamar de certificação mais avançado. O profissional com essa certificação encontra-se apto a direcionar as estratégias do programa Seis Sigma, considerando todas as atividades relativas a esse nível;  Black Belt (BB): grau de certificação para profissionais com cargo efetivo na hierarquia da empresa. Possuem suficiente conhecimento técnico, especialmente nos métodos estatísticos. Respondem direta ou indiretamente ao Master Black Belt (MBB);  Green Belt (GB): nível de certificação geralmente recomendado para profissionais a nível de supervisão, com dedicação de tempo parcial aos projetos Seis Sigma;  Yellow Belt (YB): gradação destinada a profissionais de nível tático (gerencial) da empresa. Treinados, capacitados e habilitados a darem suporte aos Black Belts e Green Belts na implementação dos projetos Seis Sigma;  White Belt (WB): certificação destinada a profissionais de nível operacional. Treinados nos rudimentos da metodologia com o objetivo de atuar diretamente no empreendimento de ações de rotina. Por conseguinte, desempenha importante função de auxiliar os Yellow, Green e Black Belts no desenvolvimento dos projetos no âmbito da empresa. É altamente recomendável para todos os membros de equipes envolvidas com qualidade no ambiente corporativo, que se mantenham atualizados e em constante atualização, num processo de educação continuada. Mais do que o domínio no uso das ferramentas, nas aplicações dos métodos/modelos, está a capacidade de percepção das mudanças e suas influências diretas e indiretas nas estratégias empresariais e isso só pode ser realizado por meio de pessoas. O texto não pretende ser exaustivo no que diz respeito às ferramentas, métodos e/ou modelos adotados em qualidade de processos/produtos/serviços. Foram consideradas as mais utilizadas pelas empresas na atualidade. Com efeito, esse texto terá alcançado seu objetivo se minimamente tiver contribuído para despertar no leitor o senso de urgência para a necessidade de envidar esforços e ações síncronas na melhoria contínua dos produtos, bens e serviços em geral ofertados, condição sine qua non para entrada e permanência no mercado.

3 Considerações Finais O capítulo buscou apresentar um breve panorama voltado à qualidade total, com expectativas genuínas de despertar no leitor um interesse maior por aprofundar-se no estudo dessas importantes ferramentas crescentemente utilizadas no mundo corporativo, constituído por empresas demandadas a entregar bens (produtos/serviços) com altos requisitos de qualidade. Qualidade quer dizer mais do que estabelecer e cumprir regras na admissão de padrões elevados de especificações técnicas. Os atores corporativos estão intrinsicamente conectados a uma sociedade 52

dinâmica e culturalmente complexa. Os stakeholders demandam soluções criativas desses players que devem corresponder inexoravelmente sob pena de ficarem fora do jogo. Atualmente, os requisitos de qualidade estão congregados em processos cada vez mais complexos, num ambiente de negócios caracterizado por mudanças abruptas que exigem ações proativas das empresas, via inovação, inserção de tecnologias, criação de mercados inexistentes, controle rigoroso de custos, aprimoramento da logística, entre outros aspectos. Falar de qualidade total, portanto, é transitar num cenário de grandes desafios.

Referências ANDERSSON R, MANFREDSSON P, & LANTZ B (2015) Total productive maintenance in support processes: An enabler for operation excellence. Total Quality Management and Business Excellence 26: 1042-1055. DOI: https://doi.org/10.1080/14783363.2015.1068598. ANDRONIKIDIS A, GEORGIOU AC, GOTZAMANI K, & KAMVYSI K (2009) The application of quality function deployment in service quality management. The TQM Journal 21(4): 319-33. DOI: https://doi.org/10.1108/17542730910965047. ASSOCIAÇÃO BRASILEIRA DE NORMAS TÉCNICAS – ABNT (2008) ABNT NBR 9001. Sistemas de gestão da qualidade – Requisitos. Rio de Janeiro: ABNT. 28 p. ASSOCIAÇÃO BRASILEIRA DE NORMAS TÉCNICAS – ABNT (1994) ABNT NBR 5462. Confiabilidade e mantenabilidade. Rio de Janeiro: ABNT. 37 p. BROWN T, & WYATT J (2010) Design thinking for social innovation: IDEO. Development Outreach 12(1): p.29-43. DOI: https://doi.org/10.1596/1020-797X_12_1_29. CALÔBA G, & KLAES M (2016) Gerenciamento de projetos com PDCA: conceitos e técnicas para planejamento, monitoramento e avaliação do desempenho de projetos e portfólios. Rio de Janeiro: Alta Books. CAMPOS VF (1992) TQC: Controle da Qualidade Total (no estilo japonês). Belo Horizonte, MG: Fundação Christiano Ottoni, Escola de Engenharia da UFMG, Rio de Janeiro: Editora Bloch. CAMPOS VF (2004) TQC: Controle da Qualidade Total (no estilo japonês). INDG Tecnologia e Serviços Ltda., Minas Gerais. CHAN FTS, LAU HCW, IP RWL, CHAN HK, & KONG S (2005) Implementation of total productive maintenance: A case study. International Journal of Production Economics 95:71-94. DOI: https://doi.org/10.1016/j.ijpe.2003.10.021. CHANG KU, CHANG YC, & LAI PT (2014) Applying the concept of exponential approach to enhance the assessment capability of FMEA. Journal of Intelligent Manufacturing 25:1413–1427. DOI: https://doi.org/10.1007/s10845-013-0747-9. CHIARINI A (2011) Japanese total quality control, TQM, Deming’s system of profound knowledge, BPR, Lean and Six Sigma Comparison and discussion. International Journal of Lean Six Sigma 2 (4): 332-355. DOI: https://doi.org/10.1108/20401461111189425. CHRYSLER LLC, FORD MOTOR COMPANY, GENERAL MOTORS CORPORATION (2008) Potential Failure Mode and Effects Analysis (FMEA). Reference Manual Fourth Edition. Automotive Industry Action Group (AIAG). Southfield, USA. CORRÊA HL, & CORRÊA CA (2009) Administração de produção e operações: manufatura e serviços – uma abordagem estratégica. São Paulo: Atlas. DALE BG (2003) Tools and techniques: an overview. In: Dale BG. Managing quality. 4 th ed. United Kingdom. Blackwell Publishers Ltd. p308-347. DALE BG, VAN DER WIELE T, & VAN IWAARDEN J (2007) Managing quality. 5th ed. Oxford: Wiley Blackwell. DEMING WE (1986) Out of the Crisis. MIT, Center for Advanced Engineering Study, Cambridge, MA.

EHIGIE BO, & AKPAN RC (2004) Roles of perceived leadership styles and rewards in the practice of total quality management. Leadership & Organization Development Journal 25(1): 24-40. DOI: https://doi.org/10.1108/01437730410512750. GILCHRIST W (1993) Modeling failure modes and effects analysis. International Journal of Quality Reliability Management 10(5): 16-23. DOI: https://doi.org/10.1108/02656719310040105. GOETSCH D, & DAVIS S (1994) Introduction to Total Quality: Quality, Productivity, Competitiveness. 2nd ed., Macmillan, London. GRANT R, SHANI R, & KRISHNAN, R (1994) TQM’s challenge to management theory and practice. Sloan Management Review 35(2): 25-36. HAMMONS C, & MADDUX GA (1990) Total Quality Management in the Public Sector. Management Decision 28(4): 15-19. DOI: https://doi.org/10.1108/00251749010002928. HARRY M, & SCHROEDER R (2000) Six Sigma: the breakthrough management strategy revolutionizing the world’s top corporations. New York: Doubleday. HENDERSON MH, & EVANS JR (2000) Successful implementation of Six Sigma: benchmarking General Electric Company. Benchmarking An International Journal 7(4): 260-281. DOI: https://doi.org/10.1108/14635770010378909. HEUVEL, JVD, KONIG L, BOGERS AJJC, BERG M, & DIJEN MEMV (2005) An ISO 9001 quality management system in a hospital: bureaucracy or just benefits? International Journal of Health Care Quality Assurance 18(5): 361-36. DOI: https://doi.org/10.1108/09526860510612216. HOLMLUND M (2007) Suggesting and comparing different scopes on quality management: Production, service, relationship, and network. Total Quality Management & Business Excellence 18: 847–859. DOI: https://doi.org/10.1080/14783360701350466. ISHIKAWA K (1985) What is total quality control – The Japanese Way. Englewood Cliffs, NJ: Prentice Hall. JURAN JM, & GRYNA FM (1988) Quality control handbook. New York: McGraw-Hill. JURAN JM (2004) A qualidade desde o projeto: novos passos para o planejamento da qualidade em produtos e serviços. São Paulo: Pioneira Thomson Learning, 2004. KIRAN M, MATHEW C, & KURIAKOSE J (2013) Root cause analysis for reducing breakdowns in a manufacturing industry. International Journal of Emerging Technology and Advanced Engineering 3: 211–216. KRISTIANTO Y, AJMAL MM, & SANDHU M (2012) Adopting TQM approach to achieve customer satisfaction – A flour milling company case study. The TQM Journal 24(1): 29-46. DOI: https://doi.org/10.1108/17542731211191203. LOBO RN, & SILVA DL (2018) Gestão da qualidade: diretrizes, ferramentas, métodos e normatização. São Paulo: Saraiva, 2018. LONGO RMJ (1996) Gestão da qualidade: evolução histórica, conceitos básicos e aplicação na educação. Texto para Discussão nº 397. Brasília-DF: Instituto de Pesquisa Econômica e Aplicada – IPEA. MARSHALL JR. I, ROCHA AV, & MOTA EB, & QUINTELLA OM (2012) Gestão da qualidade e processos. Rio de Janeiro. Editora FGV. MARTINEZ-LORENTE AR, DEWHURST F, & DALE BG (1998) Total quality management: origins and evolution of the term. The TQM Magazine 10(5): 378-86. DOI: https://doi.org/10.1108/09544789810231261. MCLOUGHLIN J, & TOWERS N (2005) Effective total quality management in the textile fashion retail supply chain: A pilot survey of the UK textile manufacturers. The Journal of The Textile Institute 96: 87–92. DOI: https://doi.org/10.1533/joti.2004.0058. MEINEL M, & VOIGT KI (2017) What do we really know about creativity techniques? A review of the empirical literature. In: Brem A, Puente-Diaz R, Agogué M. The role of creativity in the management 54

of innovation: state of the art and future research outlook. World Scientific Publishing Company, p181. DOI: http://doi.org/10.1142/9781786342010_0010. MONTGOMERY DC (2013) Introduction to statistical quality control. 7th ed. Hoboken, New Jersey: John Wiley & Sons, Inc., p. 234-276. OLIVEIRA UR (2020) Gráfico de Pareto (para leigos): aprenda fácil e rápido. São Paulo: Edição do Autor. OAKLAND JS (2014) Total quality management and operational excellence: text with cases. 4th ed. Milton: Routledge. SALES M (2013) Diagrama de Pareto: Planificación y control de proyectos. Madrid. EALDE Business School. SHAHIN A, & NIKNESHAN P (2008) Integration of CRM and QFD: a novel model for enhancing customer participation in design and delivery. The TQM Journal 20(1): 68-86. DOI: https://doi.org/10.1108/09544780810842910. SHARMA RK, KUMAR D, & KUMAR P (2005) Systematic failure mode effect analysis (FMEA) using fuzzy linguistic modelling. International Journal of Quality & Reliability Management 22(9): 9861004. DOI: https://doi.org/10.1108/02656710510625248. SIAU K, & CAO Q (2001) Unified Modeling Language (UML) – A Complexity Analysis. Journal of Database Management 12(1): 26-34. DOI: https://doi.org/10.4018/jdm.2001010103. SILOMBELA T, MUTINGI M, & CHAKRABORTY A (2018) Impact of quality management tools and techniques Case of Namibian municipal water distributors. Journal of Quality in Maintenance Engineering 24(1): 2-21. DOI: https://doi.org/10.1108/JQME-05-2016-0020. SLACK N, BRANDON-JONES A, & JOHNSTON R (2018) Administração da produção. 8 ed. São Paulo: Atlas. SUMMERS DCS (2000) Quality. 2nd Edition, Prentice-Hall PTR, 653p. TAY KM, & LIM CP (2006) FUZZY FMEA with a guided rules reduction system for prioritization of failures. International Journal of Quality & Reliability Management 23(8): 1047 – 1066. DOI: https://doi.org/10.1108/02656710610688202. XIE M, GOH TN, & KURALMANI V (2002) Statistical models and control charts for hight-quality processes. New York, Kluwer Academic Pulishers. DOI: http://doi.org/10.1007/978-1-4615-1015-4. WERKEMA MCC (1995) As Ferramentas da Qualidade no Gerenciamento de Processos. Belo Horizonte: Fundação Christiano Ottoni. WERKEMA MCC (2006) Ferramentas estatísticas básicas para o gerenciamento de processos. Belo Horizonte: Werkema Editora. WOODALL WH, SPITZNER DJ, MONTGOMERY DC, & GUPTA S (2004) Using Control Charts to Monitor Process and Product Quality Profiles. Journal of Quality Technology 36(3): 309-320. DOI: https://doi.org/10.1080/00224065.2004.11980276.

MONITORAMENTO DE PROCESSOS AGRÍCOLAS MECANIZADOS: EXTRAÇÕES DE INFORMAÇÕES PARA SUPORTE A DECISÃO Murilo Aparecido Voltarelli Carla Segatto Strini Paixão Armando Lopes de Brito Filho

1. Introdução O Controle Estatístico de Qualidade (CEQ) obteve reconhecimento na década de 20, quando WALTER SHEWHART (1939), começou a colocar em prática conceitos básicos de controle estatístico nos processos industriais. A necessidade surgiu da preocupação de detectar a presença de erros durante o processo de produção de peças. Assim, por meio do monitoramento de cada etapa do processo de serviço, buscouse observar os fatores que poderiam levar os possíveis erros na produção, e desta maneira elaborar ações preventivas e/ou corretiva que garantisse a qualidade do processo e do produto fabricado. Nesse sentido, o Controle Estatístico de Processo (CEP), surgiu como uma ferramenta de auxílio para o CEQ, uma vez que, busca à estabilidade e melhoria da capacidade do processo por meio da redução da variabilidade. Assumindo-se um grau de satisfação de mercadoria ou processo realizado, esses, só se encontrarão estáveis se os resultados obtidos estiverem em conformidade com os limites de controle estatístico, podendo assegurar a qualidade do objetivo desejado. Aumentando-se o nível de complexidade da extração de informação das cartas de controle, pode-se ainda comparar os limites estatísticos, como os limites estabelecidos pelos gestores e assim, ter uma real interpretação se a qualidade almejada está sendo atingida. Por ser uma ferramenta de qualidade utilizada para monitorar todo o ciclo de desenvolvimento de um sistema, o CEP pode ter seu uso expandido e ser aplicado em qualquer área cabível das ciências agrárias. De modo análogo ao seu uso na área industrial, o benefício do CEP, aplicado na área agrícola, está em fornecer informações para um diagnóstico mais eficaz na prevenção e detecção de falhas nos processos agrícolas e, consequentemente, permitindo que estas falhas sejam corrigidas e o processo volte as suas condições normais, mantendo-se os padrões de qualidade.

2. A importância do monitoramento de processos agrícolas Todo processo possui uma variabilidade, que é decorrente de causas: especiais, influenciadas por algum fator externo, que pode levar o produto ou processo a níveis inaceitáveis, e causas aleatórias, que são inevitáveis e intrínsecas a qualquer operação agrícola. A presença de causas especiais exprime que o processo está fora do seu padrão natural de formação, apresentando erros na sua condução, reduzindo significativamente o desempenho do processo, os quais devem ser identificados e neutralizados. Essas causas podem ser explicadas pela ocorrência de um ou mais dos fatores ligados à matéria-prima, mão de obra, método, máquina, medição e meio ambiente, também conhecidos como 6M’s. O controle estatístico é uma ferramenta intrínseca em um âmbito de planejamento de projeto, processo ou de suas execuções, pois favorece o acompanhamento temporal em ambiente instável, previsível, com identidade e capacidade definidas. Assim, com o auxílio do CEP é possível realizar uma análise do comportamento de determinada operação agrícola, por meio de coleta de dados continua ao longo do tempo, observando sua variabilidade, para extrair informações, posterior a análise, e por meio dela, realizar o controle do sistema. Tendo em mente o monitoramento das características de interesse, é possível estabelecer limites preestabelecidos, tomando-se como referência para ações mitigadoras e de melhorias, explanado desse modo à importância do CEP (RIBEIRO & CATEN, 2012). A averiguação de um sistema possibilita detectar e corrigir erros, em menor intervalo de tempo, conservando a utilização de insumos e produção de matéria-prima.

Atrelar o CEP à sustentabilidade das operações agrícolas mecanizadas ou ainda, às aplicações de ferramentas de gestão que resultam em medidas mitigadoras para alcançar sistemas mais sustentáveis, torna-se fundamental para adequar um sistema mecanizado de forma que ele atenda a determinados padrões de qualidade, compatíveis com os insumos e máquinas agrícolas utilizadas. Por fim, a maior parte dos processos agrícolas mecanizados, tais como, preparo do solo, semeadura, aplicação de corretivos e fertilizantes, aplicação de produtos fitossanitários e colheita, bem como dados provenientes da Agricultura de Precisão e da eletrônica embarcada de máquinas agrícolas, são passíveis de serem monitorados e, se necessário, terem verificadas as opções para redução da variabilidade. Nesse contexto, surgem algumas perguntas: qual o limite ou o momento em que a busca de melhoria não retorna efeito benéfico na melhoria do processo? Até quando a busca da redução da variabilidade, para aumentar a qualidade de uma operação, reflete em um caráter sustentável e econômico? Essas perguntas são essenciais para os gestores de operações e nem sempre são fáceis de serem respondidas, porém, a análise e reflexão dos dados são fundamentais para uma tomar a decisão mais adequada, para buscar a melhoria contínua do processo.

3. Ferramentas aplicadas no monitoramento agrícola Dentro do controle estatístico de processo, algumas ferramentas são utilizadas para analisar, identificar e implementar melhorias em processos agrícolas mecanizados. Algumas delas foram usadas e os resultados foram satisfatórios na melhoria da qualidade das operações agrícolas. O adequado uso das ferramentas da qualidade para análise de dados depende de alguns fatores ou dúvidas recorrentes para o uso em operações agrícolas mecanizadas, sendo eles: - Qual o tamanho amostral ou tempo de coleta? - Qual o número mínimo de amostras para gerar um gráfico de controle com boa resposta? - A suposição de normalidade dos dados, é um item sempre requerido? - Os padrões de não aleatoriedade, servem para que em uma análise de CEP? - Qual o fator múltiplo do desvio padrão adequado, para elaboração dos limites das cartas de controle? - Qual a quantidade de pontos que excedem os limites de controle e que geram prejuízos efetivo na qualidade da operação? - Todo processo estável, reflete o maior potencial de exploração de uma operação? - A instabilidade do processo, é realmente algo ruim? - Qual a importância de usar os limites estabelecidos junto às cartas de controle? - Existe alguma relação entre os limites estatísticos e estabelecidos, para aumentar o potencial de otimização? - Quais os critérios devo utilizar para o uso dos índices de capacidade do processo? - Como potencializar o uso dos índices de capacidade de processo para processos mecanizados? As situações são variadas em uma análise de dados, algumas dessas perguntas recorrentes possuem respostas, que às vezes pode ser questionáveis, porém, uma análise técnica bem detalhada, o conhecimento do processo monitorado e o uso de aspectos científicos como base, são os melhores caminhos para que as tomadas de decisões sejam assertivas e de grande valor para as propriedades agrícolas. Cabem ao gestor agrícola, de operações e às equipes de trabalho, procurar e encontrar a solução adequada para sua realidade. Abaixo listaremos algumas ferramentas da qualidade que podem ser utilizadas em processos agrícolas mecanizados:

3.1 Gráficos sequenciais (Run chart) Os gráficos sequenciais (run charts) representam o comportamento dos dados de um processo na ordem em que foram coletados, tendo como finalidade fornecer informações de padrões não aleatórios (tendências, oscilações, misturas e agrupamento), que podem ser ocasionadas devido a causas especiais (MINITAB, 2018) e que podem prever ou predizer o desempenho de um processo. 57

A seguir são descritos os padrões de origem não aleatória que podem ocorrer no decorrer de um processo agrícola: - Mistura: caracterizam-se pela passagem frequente dos pontos na linha central (Figura 1A), indicando que seus dados são provenientes de diferentes origens ou que são provenientes de um comportamento binomial, em relação à curva de distribuição dos dados; - Agrupamento: presença de um grupo de pontos em uma área do gráfico (Figura 1B), podendo indicar a presença de causas especiais proveniente de erros de medição, variabilidade do lote ou erros de fabricação; - Oscilação: ocorre quando os dados flutuam para cima e para baixo, em relação à média geral do processo (Figura 1C), indicando que os dados do processo não são constantes; - Tendência: é um desvio sustentado dos dados podendo ser para cima ou para baixo (Figura 1D), exprimindo que o processo ‘tende’ a possuir um comportamento de erros de forma crescente ou decrescente. A

Figura 1. Padrões não-aleatórios que um gráfico de ensaios pode identificar: a) mistura, b) agrupamento, c) oscilação e d) tendência. Fonte: MINITAB (2018). O gráfico sequencial/ensaios nos permite aprender bastantes sobre o desempenho do nosso processo com complexidade matemática mínima, tendo como vantagem a preservação da ordem dos dados. Também nos permite, por meio da visualização, entender e avaliar o impacto de diferentes intervenções durante o tempo de execução do processo (PERLA ET AL., 2011). Entretanto, só haverá padrões de não-aleatoriedade se o valor de p do teste, semelhante à equação da distribuição normal de dados, for menor que 0,05 (MINITAB, 2018). Na Figura 2 tem-se uma representação do uso dos gráficos sequenciais para o monitoramento da semeadura mecanizada de soja, utilizando-se o indicador de qualidade “espaçamentos normais”. A interpretação básica está fundamentada nos padrões de não aleatoriedade, sendo que neste exemplo verificam-se padrões não aleatórios de mistura e tendência (p<0,05) e a linha pontilhada verificada no valor de 100%, refere-se à mediana (medida de tendência central) dos dados.

Figura 2. Modelo de run chart para monitoramento para o indicador de qualidade (%) de espaçamentos normais na semeadura mecanizada de soja. O valor da média da porcentagem de espaçamentos normais representa 92,91%. Nesse contexto, o padrão de mistura se caracteriza pelo cruzamento frequente das amostras em relação à linha central. Se usarmos a imaginação e pensarmos que existe uma linha no gráfico no valor de 92,91% conseguiremos observar um comportamento de dados, que define o padrão de mistura. Por outro lado, o valor de tendência pela definição torna-se difícil de evidenciar no gráfico sequencial, o que dificulta o correto entendimento e interpretação da análise, porém, apesar desse detalhe, vamos partir do princípio que este padrão acusado pelo software existe. Outra situação interessante há se destacar, trata-se de que as run charts, por meio da detecção de padrões comportamentais, na análise de um conjunto de dados, retrata uma indicação ou uma forma de chamar a atenção para o monitoramento de tal variável ou atributo em questão para que assim, seja realizado um acompanhamento mais assíduo. Esta ferramenta em si, não consegue afirmar se um processo encontra-se instável ou estável, ela apenas indica a ocorrências de padrões que os dados analisados possuem. Este fato se complementa, pois, independentemente de haver ou não padrões, o processo também pode ser ou não instável, resultado que a presença de padrões não necessariamente se traduz em instabilidade de um processo. Porém, o fato de ser detectada a presença de padrões não aleatórios é um forte sinal que o processo pode necessitar de uma atenção especial durante o monitoramento dos espaçamentos normais, pois é um indicador altamente requerido para mensurar qualidade de plantio, que possui reflexos no estande de plantas. No entanto, a análise dos gráficos sequenciais não é sensível como as cartas de valores individuais, que para melhor compreensão dos gráficos sequenciais, podem ser utilizadas as cartas de controle, conjuntamente, para que assim o entendimento seja feito da melhor maneira possível. Por fim, restam ainda algumas perguntas interessantes a se pensarmos na resposta: uma análise de dados que apresente padrões de comportamento não aleatório no decorrer de uma operação agrícola, é realmente prejudicial para este processo? Caso esses padrões não sejam prejudiciais, como extrair informações que podem manter ou melhorar a qualidade que a operação vem sendo realizada? O padrão de tendência encontrado poderá descarrilar o indicador de qualidade espaçamentos normais (%) a diminuir e, consequentemente, aumentar os espaçamentos duplos ou falhos? A chave para a resposta destas perguntas está na gestão das operações agrícolas, no monitoramento contínuo e nos padrões de qualidade (metas) que as propriedades rurais possuem no dia a dia de sua rotina de trabalho, para alcançar sucesso em cada etapa deste processo agrícola mecanizado.

3.2 Carta de controle de valores individuais Com o auxílio das cartas de controle é possível identificar quando o processo está fora de controle, devido ao efeito de alguma causa especial. A maioria das cartas de controle, utilizadas no monitoramento 59

de processos agrícolas mecanizados, são formadas por uma linha central que representa a média do processo e os limites de controle (superior e inferior) que são estabelecidos pela média ± 3 (três) vezes o desvio padrão (MINITAB, 2018), conforme as Equações 1 e 2:

LSC= 𝑋̅ - 3.σ (1) LIC= 𝑋̅ + 3.σ (2) Em que: LSC - Limite Superior de Controle; 𝑋̅– Média geral das amostras; 3 – Múltiplo valor, indicando nível de rigorosidade da análise (L); σ – Desvio padrão; LIC - Limite Inferior de Controle. Quando todos os pontos amostrais estão entre os limites de controle, o processo é considerado como estável ou apenas apresentando variações comuns. Por outro lado, quando apresenta, no mínimo, um ponto acima ou abaixo dos limites de controle, o processo é dito como instável e certamente está sendo influenciado por causas especiais ou ações não aleatórias. Para MONTGOMERY (2009), as cartas de controle são um tipo de análise estatística baseada na variabilidade do processo, sendo a variabilidade considerada o inverso de qualidade. Dependendo dessa distribuição dos dados, maior ou menor será a qualidade do processo, no qual para serem consideradas estáveis suas observações devem se manter-se dentro dos limites estatísticos na carta de controle (Figura 3). 10

Número de sementes/metro

9 8

LSC=7.851

7 6

_ X=5.42

5 4 3

LIC=2.982

2 1 0 1

Amostras

Figura 3. Carta de controle de valores individuais para o monitoramento do indicador de qualidade número de sementes/metro na semeadura mecanizada de milho. Desta maneira a finalidade desses gráficos é identificar rapidamente a ocorrência de causas não comuns ou especiais por meio da investigação nas mudanças do processo e com isso realizar ações mitigadoras que possam melhorar a qualidade que determinada operação agrícola vem sendo realizada. Na Figura 3, o processo está estável e, portanto, o presume que não aja ação de causas especiais. Porém, vale ressaltar que existe uma variação, que pode ser considerada elevada, no comportamento da distribuição de sementes no solo. Mas agora você deve estar se perguntando: só existe um valor que pode ser múltiplo do desvio padrão para o cálculo dos limites de controle? A resposta é: Não! A variação do valor numérico múltiplo do desvio padrão pode variar de 1 até 6. A lógica estatística está baseada na seguinte premissa: quanto menor o valor múltiplo do desvio padrão, mais rigorosa será a análise dos dados e quanto maior, menos rigorosa será a análise.

A grande temática que permeia o assunto são os erros tipo I e II que, podem ocorrer nas cartas de controle em função da escolha dos valores múltiplos do desvio padrão, sendo eles apresentados de forma generalizada: - Erro tipo I: indica a probabilidade de que um processo sob controle estatístico (L=3), tenha um ponto fora dos limites de controle (LSC e LIC), nos levando a decisão que alguma causa especial está afetando a qualidade deste processo. Em outras palavras, quanto menor o valor múltiplo do desvio padrão (L<3), maior a probabilidade de ocorrer o erro tipo I. - Erro tipo II: indica a probabilidade de um processo instável, devido a alguma causa especial, quando os valores dos pontos, na verdade, estão dentro dos limites de controle (LSC e LIC), podendo nos guiar ao pensamento que o processo está dentro das premissas básicas do controle estatístico de processo. Portanto, quanto maior o valor múltiplo do desvio padrão (L>3), menor a probabilidade de ocorrer o erro tipo II. A correta elaboração dos limites de controle torna-se essencial para uma análise de qualidade no decorrer de uma operação agrícola mecanizada, uma vez que os atributos provenientes do desempenho de máquinas agrícolas (rotação do motor, pressão de óleo do motor, velocidade do ventilador, etc.), geralmente, apresentam pouca variação e os atributos de campo oriundos, a exemplo, de perdas na colheita, podem apresentar elevada variabilidade dos dados e a forma de como analisar, interpretar e visualizar o comportamento dos valores possui importância para tomadas de decisões assertivas e eficazes. Por outro lado, quando se deseja aumentar o nível de rigorosidade das análises, existe a possibilidade de escolher mais de um teste a ser realizado nas cartas de controle de valores individuais, podendo o gestor escolher e alternar da maneira como utilizar (MINITAB, 2018): Teste 1 - um ponto acima ou abaixo do que 3σ da linha central (geralmente utilizado); Teste 2 - nove pontos, ‘sequenciais’ acima ou abaixo da linha central; Teste 3 - seis pontos, todos crescentes ou todos decrescentes; Teste 4 - quatorze pontos, alternando para cima e para baixo, em relação linha central; Teste 5 - dois ou três pontos acima ou abaixo do valor de 2σ, em relação linha central, estando estes do mesmo lado; Teste 6 - quarto ou cinco pontos acima ou abaixo do valor de 1σ, em relação linha central, estando estes do mesmo lado; Teste 7 - quinze pontos entre os limites de controle no valor de 1σ e a linha central, em qualquer dos lados; Teste 8 - oito pontos acima ou abaixo do valor de 1σ, em relação a linha central (em qualquer lado). Assim, conforme o planejamento de uma operação mecanizada, independente de qual for, é de suma importância que você já tenha em mente como irá tratar seus dados e qual nível de rigorosidade você irá submetê-lo. Essa decisão, poderá ser baseada no que já existe na literatura, ou mesmo tentando propor algo novo. Tudo isso deve ser alinhada ao objetivo da ideia a ser desenvolvida.

3.3 Carta de amplitude móvel (R̅) A busca pela qualidade do processo, às vezes pode nos dar a falsa impressão que muitos pontos amostrais podem não operar dentro do controle estatístico, no qual contribui para a presença de falhas operacionais. A utilização rotineira dos gráficos de controle para amplitude móvel, também ajuda a controlar a presença de causas não aleatórias, com a identificação e, posteriormente, a correção do erro, tendo como consequência redução da variabilidade e melhoria da produtividade e qualidade de determinada operação agrícola. A utilização das cartas de amplitude tem por finalidade monitorar da variabilidade, da qualidade, de uma variável dentro da amostra (simploriamente, podemos dizer que representa a diferença de valor

entre as amostras) em que a linha central e os limites de controle são construídos utilizando-se sua amplitude (Figura 4). 0.7 11

0.6

Amplitude móvel

0.5 0.4 0.3 LSC=0.2192

0.2

__ MR=0.0671

0.1 0.0 1

LIC=0 80

Amostras

Figura 4. Carta de controle de amplitude móvel (M̅R̅) para o indicador de qualidade: velocidade de trabalho de um conjunto mecanizado. Diferencia-se do gráfico de valores individuais que monitora a variabilidade entre as amostras. Ou seja, ela consegue averiguar a diferença existe entre a velocidade de deslocamento do conjunto mecanizado (ponto a ponto) e podendo nos dar a interpretação de que a velocidade está variando pouco (0,21 km/h) no decorrer da operação agrícola. Essa consideração torna-se adequada para incrementar a qualidade aos processos agrícolas mecanizados, uma vez que as máquinas tradicionais, em sua maioria, presumem-se que necessitam trabalhar com velocidade ‘fixa’, ou em outras palavras, para atender aos critérios de regulagens impostos pelo seu funcionamento básico, bem como atender aos padrões de qualidade dos produtores. A carta de controle para amplitude móvel, para valores individuais, pode ser calculada utilizando as seguintes equações: (3) LSC = D4 A̅̅͞ M̅

M̅ =

|Xi − Xi−1 | N

LIC = D3 A̅̅͞ M̅

(4) (5)

Em que, LSC - Limite Superior de Controle; LIC - Limite Inferior de Controle; A̅M̅ - Média da amplitude móvel geral; N - Número total das amostras; Xi – Valor individual; i - Número referente ao valor individual; D3 e D4 - Constante tabelada podendo ser encontrada na literatura de MONTGOMERY (2009). No entanto, a utilização conjunta das cartas de amplitude móvel com as de valores individuais, é extremamente essencial para o monitoramento e compreensão das possíveis causas especiais que afetam o processo, para tentar minimizar sua variação o que incorre em aumento da qualidade. Para este exemplo da Figura 4, foi utilizado o valor zero para a constante D3, pois foi definido que potências valores negativos não teriam sentido físico para as análises.

Quando a carta de amplitude móvel se encontra fora dos limites de controle, ou seja, com pontos fora dos limites calculados, o processo estará instável, em que tal instabilidade resultará em limites não confiáveis nas cartas de valores individuais, se estiverem sendo utilizadas em conjunto, pois estes exigem uma estimativa da variabilidade do processo (MONTGOMERY, 2016). Independente do comportamento da carta de valores individuais usada em conjunto, se a carta de amplitude móvel for instável, o processo é considerado com fora da premissa básica do controle de qualidade. Existe ainda a possibilidade de monitorar o processo de forma mais assídua e nesse caso o gestor pode optar e gerenciar, mais de um teste para analisar o seu indicador de qualidade (MINITAB, 2018), sendo eles: Teste 1 - um ponto acima ou abaixo do que 3σ da linha central (usado no exemplo); Teste 2 - nove pontos, ‘sequenciais’ acima ou abaixo da linha central; Teste 3 - seis pontos, todos crescentes ou todos decrescentes; Teste 4 - quatorze pontos, alternando para cima e para baixo, em relação linha central. Em outras palavras, o monitoramento da variabilidade que ocorre dentro de um conjunto de amostras, na qual o CEP monitora a coleta ao longo do tempo, tem sido estudada de maneira espacial, com uso de interpoladores matemáticos, dentro do contexto para Agricultura de Precisão. A variabilidade em si (pode ser considerada a mesma, partindo do princípio que espaço e tempo possuem uma relação), o que difere entre uma e outra, são as formas de análise e uso a campo para otimização de processos e máquina, bem como para tomadas de decisões mais assertivas.

3.4 Cartas de controle por sub-grupos Existe dois modelos de cartas de controle por subgrupos, sendo elas: X-bar-R e X-bar-S. O modelo X-bar-R calcula os valores plotados nos gráficos de controle por meio de subgrupos ou média de uma sequência de um número de pontos ≤ 8 e utiliza a também uma carta de amplitude das amostras (R), ou seja, existe uma carta de controle para os subgrupos e outra para a variação dos subgrupos. Por outro lado, o modelo de X-bar-S determinar os valores plotados nos gráficos por meio de subgrupos ou a média de uma sequência de um número de pontos > 8 e usa uma carta dos desviospadrão de cada subgrupo calculado (MONTGOMERY, 2001). A carta X-bar pode ser utilizada de modo independente, se necessário, porém quando associada às cartas R ou S trazem mais robustez a análise e segurança. A natureza da essência do cálculo da média dos subgrupos, está baseada na equação x:

∑𝑚 𝑖=1 𝑥𝑖 𝑥̿ = 𝑚

(6)

Em que, 𝑥̿ – Média dos subgrupos; 𝑥 - Média amostral do i-ésimo subgrupo; m – Valor do subgrupo. Para a elaboração da carta X-bar e X-bar-R, foi utilizado um indicador de qualidade do plantio mecanizado de cana-de-açúcar, o consumo de mudas (t/ha). Para tanto, foram utilizadas 160 amostras no total, sendo utilizado um subgrupo de n=5; e para a carta de controle e X-bar-S o valor de n=10, respectivamente. Quando os valores do subgrupo possuem arredondamento ou um número inteiro, em relação ao número total de amostras, os limites de controles são contínuos e quando a média dos subgrupos não é número inteiro, existe um degrau ao final dos limites de controle. Para o presente capítulo, foram utilizados valores inteiros.

X-bar A carta de controle X-bar apresenta comportamento estável no decorrer do processo, com todos os pontos entre os limites superior e inferior de controle (Figura 5), no entanto há de se observar que 63

ocorre uma variação dos valore, que pode ser considera distante da média amostral. Cada ponto (azul) plotado no gráfico representa a média de cinco valores amostrais. 35

LSC=34.34

Consumo de mudas (t/ha)

__ X=23.62

15 LIC=12.89 10 1

Amostras

Figura 5. Carta de controle X-bar.

X-bar-R Analisando as cartas de controle X-bar-R, verifica-se a presença de causas naturais ou assinaláveis no decorrer do processo (Figura 6), não havendo pontos que extrapolassem os limites de controle. Para está intepretação foi utilizado apenas o teste de valores acima dos limites de controle, em uma aproximação referente ao valor de ±3σ. Cosumo de mudas (t/ha)

LSC=34.05

30 __ X=23.62

25 20 15

LIC=13.19 10 1

Amostras 40

LIC=38.24

Amplitude

30 _ R=18.09

20 10 0 1

LIC=0 32

Amostras

Figura 6. Carta de controle X-bar-R. Os limites de controle para a média dos subgrupos 𝑥̿ , da carta X-bar, são calculados por meio das seguintes equações 7, 8 e 9. R̅ =

∑𝑚 𝑖=1 𝑅𝑖 𝑚

(7)

LSC = 𝑥̿ + A2 R̅

(8)

LIC = 𝑥̿ - A2 R̅

(9)

Em que, R̅ - Médias das amplitudes dos subgrupos; R – Amplitude média amostral do i-ésimo subgrupo A2 – Constante tabelada podendo ser encontrada na literatura de MONTGOMERY (2001 e 2009). Os limites de controle para a média das amplitudes dos subgrupos R̅ (carta de amplitude) são calculados por meio das seguintes equações 8 e 9. Existe a possibilidade de quando houver valores negativos para amplitude, definirmos com o valor mínimo igual a zero e esta determinação depende da característica do indicador de qualidade que está sendo monitorado, sendo que esta aplicação pode ser levada em consideração para todos os modelos de carta de controle.

LSC = D4 R̅

(10)

LIC = D3 R̅

(11)

Em que, R̅ - Médias das amplitudes dos subgrupos; D3 e D4 – Constantes tabeladas, em função do tamanho do subgrupo, podendo ser encontrada na literatura de MONTGOMERY (2001 e 2009). Caso o analista tenha a intenção de aumentar a complexidade da análise, pensando em uma complementação, ou observar o comportamento dos dados de outra maneira, temos as seguintes opções de testes que podem ser recomendados para estes tipos de carta de controle para subgrupos e também poder ser alterado em função da análise (MINITAB, 2017): Teste 1 - um ponto acima ou abaixo do que 3σ da linha central (usado no exemplo); Teste 2 - nove pontos, ‘sequenciais’ acima ou abaixo da linha central; Teste 3 - seis pontos, todos crescentes ou todos decrescentes; Teste 4 - quatorze pontos, alternando para cima e para baixo, em relação linha central.

X-bar-S

Consumo de mudas (t/ha)

Para as cartas de controle X-bar-S pode-se evidenciar a presença de causas não assinaláveis no decorrer do processo ou a existência de apenas variações aleatórias decorrentes do conjunto de dados (Figura 7). Convém ressaltar que, quanto maior o número do subgrupo, maior torna-se a probabilidade dos limites de controles apresentarem valores mais próximos à linha central, aumentando assim a rigidez da análise em virtude do aumento do número de repetições para compor o valor médio da carta de controle. 35 LSC=31.11

__ X=23.62

25 20

LIC=16.12

15 10 1

Amostras 15

Desvio padrão

LSC=13.19 12 9

_ S=7.69

6 3

LIC=2.18

0 1

Amostras

Figura 7. Carta de controle X-bar-S.

Os limites de controle para a carta da média dos desvios padrões dos subgrupos 𝑥̿ , da carta (Xbar-S) são calculados por meio das seguintes equações 12, 13 e 14. 𝑚

S̅ =

1 ∑ 𝑠1 𝑚

(12)

𝑖=1

LSC = 𝑥̿ + (A3 S̅)

(13)

LIC = 𝑥̿ – (A3 S̅)

(14)

Em que, S̅ - Médias dos desvios-padrão dos subgrupos; S – Desvio padrão médio amostral do i-ésimo subgrupo; A3 – Constante Tabelada podendo ser encontrada na literatura de MONTGOMERY (2001 e 2009). Os limites de controle para a média dos desvios padrão dos subgrupos S ̅ (carta de desvio padrão) são calculados por meio das seguintes equações 15 e 16. LSC = B4 S̅

(15)

LIC = B3 S̅

(16)

Em que, S̅ - Médias das amplitudes dos subgrupos; B3 e B4 – Constantes tabeladas podendo ser encontrada na literatura de MONTGOMERY (2001 e 2009). De maneira semelhante a X-bar-R, porém, com uma maior quantidade de opções para o gestor escolher quais testes utilizar, caso seja desejável aumentar a complexidade da análise, pensando em uma complementação, ou observar o comportamento dos dados de outra maneira, temos as seguintes exemplificações (MINITAB, 2017): Teste 1 - um ponto acima ou abaixo do que 3σ da linha central; Teste 2 - nove pontos, ‘sequenciais’ acima ou abaixo da linha central; Teste 3 - seis pontos, todos crescentes ou todos decrescentes; Teste 4 - quatorze pontos, alternando para cima e para baixo, em relação linha central; Teste 5 - dois ou três pontos acima ou abaixo do valor de 2σ, em relação linha central, estando estes do mesmo lado; Teste 6 - quarto ou cinco pontos acima ou abaixo do valor de 1σ, em relação linha central, estando estes do mesmo lado; Teste 7 - quinze pontos entre os limites de controle no valor de 1σ e a linha central, em qualquer dos lados; Teste 8 - oito pontos acima ou abaixo do valor de 1σ, em relação a linha central (em qualquer lado)

3.5 Carta da média móvel exponencialmente ponderada Os modelos que utilizam o gráfico de controle da média móvel exponencialmente ponderada (MMEP) é uma alternativa ao gráfico de Shewhart, proposto inicialmente por Roberts em 1959, tendo por objetivo detectar pequenas variações no comportamento dos indicadores de qualidade, incorporando informações do passado do processo (MONTGOMERY, 2016). Em virtude de sua maior rigorosidade de análise em relação às cartas de valores individuais e da média móvel, apresenta maior sensibilidade para identificação de erros na ordem de 1,5σ ou menos, sendo também capaz de determinar se um processo é ou não estável (Figura 8).

30 LSC=29.50 Consumo de combustível (L/h)

29 28 27

__ X=26.159

26 25 24 23

LIC=22.81

22 1

Amostras

Figura 8. Modelo de carta MMEP para o consumo de combustível (L/h). Por outro lado, para variações de grande escala esta carta de controle não apresenta uma rapidez na detecção de pontos fora dos limites de controle, podendo também ser utilizada em situações na qual o conjunto de dados não apresenta distribuição normal de probabilidade. Para este modelo de carta de controle, de acordo com MINITAB (2017) é recomendado apenas o Teste 1, na qual os limites de controle são similares a ±3σ. Para a estimativa da média móvel ponderada (𝑧i), pode-se utilizar a equação abaixo: 𝑖−1

𝑧𝑖 = 𝛾 . ∑(1 − 𝛾)𝑗 . 𝑥𝑖−𝑗 + (1 − 𝛾)𝑖 . 𝑧0

(17)

𝑗=0

𝑧𝑖 - Valor da média móvel ponderada, valor dos pontos na linha central da carta de controle; 𝑥𝑖 - Valor da característica medida; 𝑧0 - Média alvo do processo; γ - Fator de rigidez da análise; j - 1, 2, 3, (amostras) ....

Os limites superior e inferior de controle das cartas que constituem a média móvel exponencialmente ponderada (MMEP) podem ser calculados em função das equações 18 e 19, respectivamente: LSC = μ + L. σ. √

1 . [1 − (1 − γ)2𝑖 ] (2 − 𝛾)

(18)

LSC = μ − L. σ. √

1 . [1 − (1 − γ)2𝑖 ] (2 − 𝛾)

(19)

Em que, μ - Média geral; L - Largura da faixa entre a média e o limite; σ - Desvio padrão; γ - Fator de rigidez da análise; i - 1, 2, 3, (amostras).... O procedimento de planejamento de um gráfico MMEP, consiste na seleção dos parâmetros λ (fator de rigidez de análise) e L (múltiplo do desvio-padrão), no qual a combinação (λ, L) adequada proporcionará o desempenho desejado, quando L = 3 (os limites 3 usuais, das cartas de Shewart) 67

funciona razoavelmente bem, particularmente com valores maiores de λ, no entanto, quando λ pequeno, por exemplo, λ = 0,1, existe uma vantagem de reduzir a amplitude do limite de controle pela utilização de um L entre 2,6 e 2,8 (MONTGOMERY, 2016). O analista de processos deve ter em mente qual o menor valor de λ a se escolher para detectar pequenas variações ao longo do processo. Com isso se um valor λ (λ = 0,01) pequeno for utilizado, então o parâmetro L poderá ser reduzido (L = 2), demonstrando outro detalhe importante, o comportamento dos limites de controle [1-(1-λ)2i], pois como |1-λ| < 1 a sequência (1-λ)2i tende para zero e i tende para o infinito, e o termo aproxima-se da unidade i tornando-se de elevado valor, isto significa que, após o gráfico de controle MMEP ter percorrido diversos períodos de tempo, os limites de controle têm a forma assintótica e aproximam-se dos valores de posição fixa, tendendo a sua estabilização (MONTGOMERY, 2016). Contudo, esses limites estabelecidos são oriundos da área de engenharia, sendo inexistente na bibliografia trabalhos que abordem a utilização desses valores para indicadores de qualidades na área agrícola (operações mecanizadas) (VOLTARELLI et al., 2015). Por outro lado, existem algumas poucas aplicações das cartas de controle MMEP aplicadas ao monitoramento de variáveis provenientes de processos agrícolas mecanizados, a exemplo: PAIXÃO (2015) utilizou o valor de λ=0,4 para a elaboração das cartas de controle da média móvel ponderada para avaliar as variáveis de desempenho de uma colhedora de soja, em função dos formatos de talhões, partindo do princípio que este valor seria o mais próximo para equiparar, com o cálculo de limites de controle utilizando 3σ (Figura 9). Irregular

Retangular

Trapezoidal

1120

LSC

Rotação do cilindro (rpm)

1100

_ _ X

1080

LIC 1060

1040

1020

1000

Amostras

Figura 9. Carta de controle da média móvel exponencialmente ponderada para o indicador de variável rotação do cilindro de trilha (rpm) em função dos formatos dos talhões. De acordo com PAIXÃO (2015), o indicador de qualidade rotação do cilindro apresentou comportamento estável no decorrer do processo para os três talhões avaliados. A autora descreve ainda, que em virtude dos valores do coeficiente de variação e desvio padrão das variáveis serem baixos, as cartas de controle da média móvel ponderada podem auxiliar a detectar pequenas variações dos indicadores de qualidade decorrentes do processo de colheita mecanizada de soja, principalmente, quando são provenientes de sensores instalados em máquinas agrícolas. A grande performance deste modelo de carta de controle aplicada na agricultura está no contexto de que deseja-se minimizar simultaneamente a ocorrência de pontos fora dos limites de controle (alarmes falsos) e alarmes não visíveis, em virtude de sua maior rigorosidade de análise, diluindo-se (em partes) os problemas gerados pelos erros do tipo I e II. Na literatura, alguns autores citam que a carta da média móvel exponencialmente ponderada pode ser recomendada para conjuntos de dados que não possuem distribuição normal de probabilidade, em virtude da matemática dos limites de controle calcular variações sensíveis de serem detectadas por algum outro tipo de cartas de controle, nessa mesma situação. 68

Um fato interessante que convém destacar, é que quando as cartas de controle, de modo geral, possuem estágios que as ‘dividem’ como o caso dos talhões irregular, retangular e trapezoidal, os limites de controle e da média calculados pelo software são apenas do último estágio (no caso, talhão trapezoidal). Em função deste detalhe, optou-se aqui em retirar o valor dos limites de controle e da média, por ele não representar os demais estágios dentro da carta de controle, porém, é possível representar os valores dos demais estágios, se necessário.

3.6 Média móvel A carta de controle da média móvel, não ponderada, (Figura 10) pode ser utilizada também para monitorar a qualidade do processo ao longo do tempo, podendo identificar pequenos deslocamentos da média ao longo do processo (MINITAB, 2018). As observações iniciam-se com valores individuais e depois de definido, verifica-se a média do subgrupo, no qual a média móvel é recalculada a cada adição de uma nova amostra, contudo sugere-se a suposição de normalidade dos dados para este modelo de carta (MONTGOMERY, 2016).

Figura 10. Modelo da carta de controle da média móvel. Assim, os limites de controle para este tipo de carta são estabelecidos por μ ± 3σ/(√w), em que w é representado pelo número de amostras, destacando-se instabilidade no processo a partir do momento em que os valores excederem os limites estatísticos calculados (MONTGOMERY, 2016). No entanto, este modelo de gráfico não é tão eficaz quanto ao gráfico MMEP, que possibilitam maiores suavizações dos dados, reduzindo as flutuações aleatórias em uma série temporal, porém em relação aos gráficos de Shewhart desempenham melhores resultados na identificação de pequenas variações (MONTGOMERY, 2016). VOLTARELLI (2015) aplicando ferramentas da qualidade para monitorar as perdas na colheita mecanizada de cana-de-açúcar, utilizou a carta de controle da média móvel em comparação com outros modelos de cartas de controle e notou-se que este modelo de carta de controle, consegue detectar variações não detectadas pelas cartas de controle de valores individuais. O resultado dessa comparação pode ser feito em virtude dos aumentos do número de pontos fora dos limites de controle na carta da média móvel quando comparada a de valores individuais. Ressalta-se ainda que o uso deste modelo de carta de controle no monitoramento de processos mecanizados pode ser ainda amplamente utilizado e difundido para diversas operações uma vez que sua base de cálculo (média móvel) para a obtenção das informações torna-se interessante para atributos/variáveis que apresentem grandes quantidades de dados (a exemplo, análise de dados provenientes de nuvens de armazenamento) ou que possuam vários valores amostrais.

Na Figura 11A é representado o uso da carta de controle da média móvel no monitoramento da profundidade de deposição das sementes na cultura do milho. O valor utilizado para o cálculo da média móvel foi de n’=5 amostras e com subgrupo de n=1 de um total de 321 amostras coletadas a campo. 9 8

Profundidade (cm)

7 6

LSC=5.853 _ _ X=4.748

5 4

LIC=3.644

3 2 1 0 1

129

161

193

225

257

289

321

Amostras

Figura 11A. Carta de controle para a média móvel (de valores individuais) profundidade de deposição das sementes na semeadura mecanizada de milho. Uma característica desse modelo de carta de controle pode ser verificada no início dos limites de controle, que após as cinco primeiras amostras, inicia-se o cálculo da média ponderada. Uma das indicações de uso da carta da média móvel serve para monitorar processos, nos quais se deseja detectar variações sutis no decorrer do tempo, no caso em questão o processo apresenta instável por haver vários pontos acima e abaixo dos limites de controle, o que pode retratar que vários locais estão apresentando valores (individuais ou ponto a ponto) levou o valor médio a extrapolar os limites de controle. Após esse exemplo de interpretação e pensando que os valores plotados é o valor médio de cinco outros, os pontos vermelhos podem caracterizar uma proximidade entre os valores que compõem a média, o que de certa forma pode ser um problema a qualidade da operação (vários pontos com valores acima e abaixo, de algum padrão de meta a ser imposto). Outra maneira de fazer uso das cartas de controle da média móvel (Figura 11B) seria utilizar para o cálculo da média móvel os valores de n’=5 amostras e com subgrupo de n=5 de um total de 321 amostras coletadas a campo, logo a representação dos pontos no gráfico de controle seria a média de cinco valores médios ou do subgrupo definido. 6.5

Profundidade (cm)

6.0 5.5

LSC=5.517

5.0

__ X=4.748

4.5 4.0

LIC=3.980

3.5 3.0 1

Amostras

FIGURA 11B. Carta de controle para a média móvel (de subgrupos) profundidade de deposição das sementes na semeadura mecanizada de milho. 70

Ressalta-se que quando a quantidade de amostras, não apresenta um valor médio arredondado do total, os limites de controle apresentam aquele ‘desvio ou quebra’ no final dos subgrupos (lado direito), sendo visualizado no eixo x da carta de controle. Exemplificando: 321 amostras totais, sendo dividido por um subgrupo de n=5 representa um total de 64,2 pontos. Para instigar o leitor a pensar sobre qual a melhor tomada de decisão, de aspecto agronômico, a ser realizada nessa situação, coloca-se em questão a seguinte situação: a profundidade medida atende as especificações recomendadas para a variedade semeada? Devo aferir novamente regulagem da profundidade para as próximas operações? Mantenho o monitoramento a campo, após a nova regulagem? Acredito que o leitor pode pensar em n situações, para obter respostas.

3.7 Cartas de controle CUSUM O gráfico de controle de soma cumulativa (CUSUM) é alternativo quando se busca pequenas variações no processo. Estas cartas representam graficamente as somas acumuladas dos desvios de cada amostra a partir de um valor alvo, e por ser cumulativa, mesmo a menor ou maior variação de deslocamento da média acusará a presença de uma causa especial (MINITAB, 2018). Esse método matemático é interessante, pois esse modelo de carta de controle possui como ênfase em tentar focar o processo no valor da meta estabelecida para elaborar a CUSUM e também possuem melhor uso com amostras de tamanho de subgrupo n=1. A soma cumulativa pode ser aplicada na construção do gráfico CUSUM para observações individuais como para amostras em subgrupos. No caso de observações individuais, a estatística utilizada é a soma acumulada dos desvios de cada valor individual com relação à medida dada pela hipótese estudada. Por outro lado, para subgrupos (n >1) o cálculo baseia-se na soma acumulada dos desvios da média amostral com relação ao valor nominal (MONTGOMERY, 2009). Geralmente, este modelo de carta de controle aplicasse em variáveis contínuas, porém pode também ser empregada em dados discretos (notas, gênero musical, cores, etc.). Por fim, MONTGOMERY (1996) descreve que as cartas de controle de soma acumulada, aplicadas à média e à variabilidade do processo, também poderá ser utilizada para outras variáveis da estatística descritiva, podendo ser utilizado os valores de amplitude e desvio padrão de subgrupos, variáveis binomial e de Poisson em modelos de não-conformes e processos contínuos. Abaixo apresentaremos os modelos de carta tipo CUSUM, sendo elas:

3.7.1 Máscara V A carta CUSUM incorpora diretamente toda sequência de informações demarcando as somas acumuladas dos desvios dos valores da amostra de um valor “meta”. Supondo que amostras de tamanho n≥1 são coletadas, x j é a média da j-ésima amostra e é o valor desejado para a média do processo, podendo ser calculado pela equação 20: 𝑖

𝐶𝑖 = ∑(𝜇𝑗 − 𝜎0 )

(20)

𝑗=𝑖

Em que, Ci é a soma acumulada incluindo a i-ésima amostra, pois combinam as informações de diversas amostras, μ a média amostral e σ valor nominal ou meta/alvo do processo. Caso o processo esteja sob controle para o valor desejado 𝜎0 , as somas acumuladas definida na equação acima representa um comportamento aleatório com média zero. Por outro lado, se a média muda para algum valor acima 𝜇1 > 𝜇0 poderá existir um comportamento ascendente na soma acumulada dos valores e, por fim, se a média muda para algum valor abaixo, a 𝜇1 < 𝜇0 será verificado um comportamento descente dos valores. Em virtude deste modelo de carta apresentar comportamento ascende ou descente podemos considerar que a média do processo possui alterações e a busca das causas assinaláveis ou especiais deve ser implementada, porém, para que isso efetivamente ocorra precisamos estabelecer os limites de controle. 71

Para o completo entendimento da associação dos gráficos CUSUM junto ao estabelecimento dos limites de controle, faz-se necessário a visualização da Figura 12.

Figura 12. Carta de controle para a média móvel para o indicador de qualidade profundidade de deposição das sementes na semeadura mecanizada de milho. Fonte: SAS Help Center. O uso da Máscara V (V-Mask) para estabelecer limites de controle, para esta carta, permite monitorar os dados coletados e decidir se ocorreu ou não algum desvio no valor médio desejado/estipulado. De acordo com BARNARD (1959) esse método aplica-se a sucessivos valores padronizados da estatística CUSUM, sendo: 𝑖

𝐶𝑖 = ∑ 𝑦𝑖 = 𝑦𝑖 + 𝐶𝑖=1

(21)

𝑗=𝑖

Sendo, 𝑦𝑖 =

𝑥𝑖 − 𝜇0 𝜎

(22)

Em que, 𝑦𝑖 – Observações padronizadas 𝜇0 – Média amostral 𝑥𝑖 – Valor amostral σ – Valor alvo/desejável A Máscara V determina um papel semelhante aos limites de controle apresentados nos gráficos de controle de Shewhart, na qual a cada novo ponto na carta, esta base se movimenta de modo que o ponto O (‘Origin’) da máscara V coincida com o ponto plotado (Lucas, 1973) e a linha 0P paralela ao eixo horizontal. Se todas as somas cumulativas anteriores, 𝐶2 , ..., 𝐶𝑖 se localizam dentro dos dois braços da máscara, o processo está sob controle. No entanto, se alguma das somas cumulativas se localiza fora dos braços da máscara, o processo é considerado fora de controle. No uso real, a máscara V deveria ser aplicada a cada novo ponto no gráfico CUSUM, assim que fosse plotado, e se supõe que os braços da máscara se estendam para trás na direção de origem. O desempenho da máscara V é determinado pela distância guia d e o ângulo θ, pelo intervalo de decisão h e a declividade (inclinação) k dos braços da máscara de acordo com equação 23 e 24: k = A × tan θ

(23)

h = A × d × tan(θ)

(24)

Nessas duas equações, A é a distância horizontal no traçado da máscara V entre pontos sucessivos, em termos de distância unitária na escala vertical. A aplicação deste modelo de carta em processos agrícolas mecanizados, ainda é incipiente uma vez que a matemática da conta se torna mais complexa e também por ser mais difícil de interpretar em relação às cartas de controle de valores individuais, o que dessa forma exige um nível de conhecimento aprofundado do processo, bem como das devidas interpretações a serem realizadas pelo analista de dados. Nesse contexto, visando facilitar e disseminar o uso desse modelo de carta de controle, PAIXÃO et al. (2016) utilizaram para o monitoramento do desempenho da colheita mecanizada de soja, aplicandoas nas perdas decorrentes da colheita mecanizada. Para esta análise proposto um limite estabelecido (LE) de perdas, definido pela unidade produtora como o valor máximo de perdas de 60 kg ha-1 e o valor desejável/alvo/meta do processo com o valor zero (0), buscando com isso uma condição ideal de colheita de soja (Figura 13). 250 200 Perdas totais (kg ha-¹)

150 100 LE=60

50 0

Meta=0

-50

LE=-60

-100 -150 -200 -250 1

Amostras

Figura 13. Carta de controle CUSUM (V-Mask) no monitoramento das perdas totais na colheita de soja. O valor de LE foi usado como um indicador de qualidade do processo, sendo mais um item a ser analisado em associação aos limites de controle. A soma acumulada dos valores, apresentam de modo geral, um comportamento descendente dos valores, implicando que existe alguma variação da média do processo. Feito isso, os limites de controle gerados pela V-Mask retratam que todos os pontos (amostras) das somas acumuladas estão entre os ‘braços’ da máscara V, denominando o processo como estável. Uma análise aprofundada do processo pode retratar que entre as amostras (2 e 5), possa existir alguma situação que pode estar elevando o nível de perdas, acima do limite estabelecido (LE). Vale relembrar que os limites estabelecidos (LE) não são os limites de controle da máscara V. E agora, como resolver a situação? Ou melhor, o que extrair de informações para tomada de decisão? Nesse contexto, conta-se muito com a experiência do analista de dados, com o seu conhecimento do processo que está sendo monitorado e também com censo crítico de extrair soluções de situações complexas. Nesse exemplo, independentemente de o processo ser estável, existe pontos que excedem os limites estabelecidos ou que excede aos padrões de qualidade do produtor e quanto maior os valores de perdas, mais prejudicial torna-se a operação. Eis, que temos surgem as dúvidas: o que fazer nesse caso? Porque não investigar o que houve nesses determinados locais de amostragem? Devo confiar na estabilidade do processo? O produtor, independentemente de o parâmetro estatístico ser estável, ele recebera bem a informação que em determinados locais perde-se a mais em relação a outros?

3.7.2 Tabular A carta de controle CUSUM Tabular faz uso de um algoritmo de soma acumulada para calcular as somas acumuladas unilaterais que são comparadas com o intervalo de decisão H (ou limites de 73

controle). Em relação ao valor H, tem-se que saber o seguinte fato: a soma acumulada destes desvios é comparada com este intervalo de decisão, na qual se 𝐶𝑖+ > H ou se 𝐶𝑖− < H, retratando que se um valor da soma for maior do que este intervalo o processo é considerado instável (ALVES, 2003). O CUSUM Tabular possui um critério de decisão intervalar bilateral simétrico que utiliza duas estatísticas unilaterais 𝐶𝑖+ (intervalo superior) para detectar mudanças ascendentes e 𝐶𝑖− (intervalo inferior) para detectar mudanças descendentes, sendo que para cada amostra são obtidos valores dos desvios e são acumulados sucessivamente. A estatística 𝐶𝑖+ retrata a soma acumulada dos desvios positivos, isto é, desvios acumulados da média (µo) que estão acima do objetivo, enquanto 𝐶𝑖− é a soma acumulada dos desvios negativos, isto é, desvio acumulado de µo que estão abaixo do valor alvo de acordo com a metodologia proposta por MONTGOMERY (2000), sendo: + ] 𝐶𝑖+ = 𝑚á𝑥 [0, 𝑋𝑖 − (𝜇0 + 𝐾) + 𝐶𝑖−1

(25)

+ ] 𝐶𝑖− = 𝑚á𝑥 [0, (𝜇0 + 𝐾) − 𝑋𝑖 + 𝐶𝑖−1

(26)

Os valores iniciais 𝐶𝑖+ e 𝐶𝑖− são arbitrariamente iguais à zero. No decorrer dos cálculos, caso seja detectado um valor de ordem negativa para 𝐶𝑖+ e de ordem positiva para 𝐶𝑖− , os mesmos assume um valor igual à zero. Xi é a observação controlada no tempo i, µo é a média da amostra e K é um valor de referência (valor de compensação ou folga), sendo próximo a metade do valor que se tem interesse em detectar |µ1− µ0 | rapidamente (K=| 2), determinando o valor o pretendido µo e o valor da média (µ1) fora dos 2

limites de controle. O fator K possui relação com o nível de variabilidade que se pretende detectar e isso retrata quanto menor este valor, menor será a faixa de variação que o gráfico será capaz de detectar e maior será sua rigorosidade. Para uma aplicação deste modelo de carta de controle em processos agrícolas mecanizados, fezse a suposição com os valores de K=0,5 e H=4σ. O valor de H=4σ, é uma indicação das áreas de engenharia e não se sabe ao certo se esse valor é o mais adequado a ser utilizado em monitoramento de processos agrícolas, nos quais alguns deles apresentam elevada variação do volume de dados. Os limites estabelecidos foram definidos pela unidade produtora entre 10 a 15 rebolos/metro (linha verde) no plantio mecanizado de cana-de-açúcar, representando o acompanhamento do intervalo inferior (𝐶𝑖− ) e superior 𝐶𝑖+ ), respectivamente (Figura 14) e o valor alvo do processo é o valor de 15 rebolos/metro.

Figura 14. Carta de controle CUSUM Tabular para o monitoramento do número de rebolos no plantio mecanizado de cana-de-açúcar. 74

Pela carta de controle do CUSUM Tabular, evidencia-se que o processo está instável, com a presença de três pontos fora do limite superior de controle, representando aproximadamente 1,87%, em relação ao total de amostras. Ainda seguindo essa mesma linha de raciocínio, 3,75 e 5,62% estão abaixo e acima dos limites de estabelecidos pela unidade produtora, respectivamente, totalizando 11,24% do total das amostras fora das especificações. Apesar de fazermos uma análise simples, de modo geral, nota-se que 88,76% dos valores amostrais atendem aos limites de estabelecidos e que poucas amostras estão muito próximas do valor alvo estipulado. Quando analisamos o comportamento da soma acumulado dos desvios, nota-se que existe um comportamento, em maior parte, ascendente (intervalo superior - 𝐶𝑖+ ), o que nos levar a entender, que os rebolos distribuídos a campo estão em direção ao limite superior de especificação, o que de certa maneira poderia levar o processo a proximidade do valor alvo. E com isso, surge a perguntada: interfiro ou não na operação de plantio mecanizado? Se olharmos apenas pela ótica do controle estatístico de processo, a resposta poderia ser positiva. Por outro lado, se olharmos o processo com um todo, podemos nos dar o benefício da dúvida, antes de tomarmos qualquer decisão, e interpretar a situação em conjunto com os gestores, para realmente avaliar se vale a pena ou não investigar causas especiais, uma vez que a porcentagem que atende aos padrões de qualidade agrícola pode ser considerada elevada.

3.8 Cartas de controle multivariadas Para iniciarmos, é necessário fazer algumas rápidas considerações sobre a análise multivariada de dados. Dentre as várias definições sobre a análise multivariada, pode-se citar que é uma análise que contém múltiplas variáveis dentro de um conjunto de informações, ou seja, consiste numa análise simultânea de várias medidas sobre os indivíduos, sendo chamada de multivariada quando há mais que duas variáveis, sendo estas inter-relacionadas e aleatórias (HAIR JÚNIOR et al., 2009). O intuito principal de uma análise multivariada é prever, medir e explicar o grau de relação entre as variáveis por meio das combinações ponderadas de variáveis, esta análise não está somente relacionada com o número de observações, mas também pelas combinações múltiplas de variáveis (HAIR JÚNIOR et al., 2009). Neste cenário, os mesmos autores explicam ainda que várias técnicas desta estatística são extensões das análises bivariada (correlação, regressão simples, classificação cruzada e análise de variância) e univariada (análises de distribuições, com apenas uma variável). Desta maneira as cartas multivariadas apresentam-se como uma alternativa diferenciada para análise de dados, quando há um grande volume de dados, não considerando apenas uma variável e, sim, as interações entre elas, facilitando o entendimento entre os indicadores de qualidade, quais deles possuem características semelhantes ou se estes são diferentes. Esse raciocínio torna-se importante, pois dessa forma interpretamos que cada variável não possui um comportamento único e, que na maioria das vezes, torna-se sujeito a um elevado nível de variabilidade no decorrer de uma operação mecanizada. A utilização dessa carta de controle pode apontar se as variáveis estão dependentes ou correlacionadas e o quanto que vão influenciar conjuntamente o processo (MINITAB, 2019a). Estes gráficos são usados quando, no mínimo, há dois ou mais indicadores de qualidade (variáveis) analisados simultaneamente e após a análise, apontar se processo apresentar somente variações naturais, podemos então constatar a estabilidade do processo (SOARES, 2006). Para a utilização das cartas de controle multivariadas, um dos procedimentos que estão associados é a realização da correlação, em que vai ser possível observar incialmente o quanto elas estão relacionadas ou não entre si, permitindo ou não a confecção das cartas de controle multivariadas. A presença de correlação dos dados é um fator importante para este tipo de análise. Quando os indicadores estão correlacionados, é recomendado o uso de carta multivariada e não o uso de cartas univariadas. Como exemplo, empregando-se cartas de controle de valores individuais para situações em que são recomendadas cartas multivariadas, existe uma elevada probabilidade de ser encontrado erro do tipo I e à medida que haja o aumento do número de amostras poderá haver distorções desses valores (MINITAB, 2019a). Em 1947, Hotelling criou o teste T2 de Hotelling, que é o procedimento estatístico mais comum e usual para o teste de hipótese do vetor de médias de uma população, levando em consideração a 75

correlação das variáveis (COSTA, 2015). Dentre as cartas de controle multivariadas, são: T2 de Hotelling (Figura 15A), de variância generalizada (Figura 15B), Multivariate Exponencial Weight Moving Average (MEWMA) ou (Média Móvel Multivariada Exponencialmente Ponderada) (Figura 15C) as mesmas são usadas para o monitoramento simultâneo de duas ou mais características correlacionadas (MINITAB, 2019a). 35 30

(NR x NGT )

T² Hotteling

25 20 LSC=17.11 15 10 5 Mediana=2.11 0 1

113

129

145

160

Amostras

1.8 1.6

1.2 (NR x NGT )

Variância Generalizada

1.4

1.0 0.8

LSC=0.798

0.6 0.4 |S|=0.244

0.2 0.0 1

113

129

145

LIC=0 160

Amostras 10 9 8 7 (NR x NGT )

MEWMA

LSC=6.45 6 5 4 3 2 1 0 1

113

129

145

160

Amostras

Figura 15. Cartas de controle multivariadas de T2 Hotelling (A), de variância generalizada (B) e média móvel exponencial multivariada EWMA (C) para os indicadores de qualidade número de rebolos (NR) e número de gemas totais (NGT) plantio mecanizado de cana-de-açúcar. 76

Para utilização destes modelos de carta de controle, foi realizada previamente uma análise de correlação (r=0,893) para detectar se o comportamento de uma variável poderia alterar a outra, e como o valor foi maior que r=0,5, as cartas multivariadas foram elaboradas e foi considerado que as variáveis havia alto nível de correlação. Essas cartas de controle atestam que independentemente do tipo utilizado, o processo está instável para a associação entre a variável número de rebolos/metro (NR) e número de gemas totais/metro (NGT) de sulco no plantio mecanizado de cana-de-açúcar, retratando que em determinados locais existe uma grande quantidade de partes vegetativas colocadas possivelmente em excesso no sulco de plantio. Por fim, a carta MEWMA e T2 Hotelling não apresentam LIC definido, o que podemos definir que os menores valores foram construindo tendo como referência o número zero. A carta de controle T2 de Hotelling (FIGURA 15A) pode ser utilizada para o monitoramento do processo e estas cartas possuem duas linhas horizontais que são os limites de controle da estatística T2 (LOWRY & MONTGOMERY, 1995). Normalmente em ambientes produtivos o tamanho do subgrupo é igual a um (MONTGOMERY, 2009), mas pode ser utilizado subgrupos com valores maiores do que um. Por outro lado, pode ser utilizada ainda a carta de variância generalizada, isolada ou em associação a carta T2 de Hotelling, sendo este tipo de carta relacionada com a dispersão dos dados, quanto mais abertos forem os ângulos entre os vetores e maior o tamanho dos mesmos haverá por consequência a maior dispersão dos dados como também a variância generalizada (COLACIOPPO, 2001). Em função dos cálculos de álgebra matricial em alguns casos pode apresentar um nível elevado de complexidade para o equacionamento destes modelos de cartas de controle, iremos apresentar aqui apenas as cartas de controle T2 de Hotelling e da Variância Generalizada de modo sintetizado. Para o cálculo da estatística de T2 de Hotelling para as cartas de controle multivariadas para amostras individuais, temos a seguinte equação 27 de acordo com MONTGOMERY (2009): 𝑇 2 = (𝑋𝑖 − 𝑥 )′ 𝑆 −1 (𝑋𝑖 − 𝑥 )

(27)

Em que, S-1 - Matriz inversa de covariância amostral 𝑋𝑖 – pontos amostrais 𝑥 – média amostral. O cálculo da linha central (LC) é determinado utilizando-se a mediana (quantil 50%) da distribuição β, que é uma distribuição de probabilidade contínua definida no intervalo [0,1], de acordo com equação 28: 𝐿𝐶 = 𝛽

(0,50;

𝑝 (𝑚−𝑝−1) ; ) 2 2

(28)

Em que: p - Número de variáveis; m - Número de amostras. Nesse contexto, os limites superior e inferior de controle (LSC e LIC) podem ser calculados de acordo com as equações 29 e 30, podendo ser muito próximos ao valor de 3σ = 99,73%: 𝑚−1 2 𝐿𝑆𝐶 = ( ) 𝛽 𝛼 (1− ; 𝑚 2 𝑚−1 2 𝐿𝐼𝐶 = ( ) 𝛽𝛼 ( ; 𝑚 2

𝑝 (𝑚−𝑝−1) ; ) 2 2

(29)

(30)

Vale ressaltar que, até o momento, apenas a carta de controle T2 de Hotelling foi utilizada para monitoramento de processos agrícolas mecanizados, sendo aplicada em dados provenientes da colheita mecanizada de soja (PAIXÃO, 2017), na foi estudado a interação entre a velocidade de trabalho da colhedora em associação com o teor de água dos grãos, sendo determinada a instabilidade do processo (Figura 15D). 77

T² Hotelling (Velocidade x Teor de água dos grãos)

LSC=15.18

5 Median=2.20 0 1

Amostras

Figura 15D. Carta de controle T2 de Hotelling para o monitoramento da colheita mecanizada de soja. Para a construção da carta de controle de variância generalizada, torna-se essencial possuir os valores da média e da variância de cada variável ou indicador de qualidade de interesse. Após isso, é necessário padronizar os dados utilizando o vetor de médias e a matriz de covariâncias amostrais (MONTGOMERY, 2001), na qual a padronização dos valores é realizada de acordo com a equação 31: 𝑍𝑖𝑗 =

𝑋𝑖𝑗 − 𝑥𝑖 𝑆𝑖

(31)

Em que, 𝑍𝑖𝑗 – Valor Amostral Padronizado; 𝑋𝑖𝑗 – Valor da Amostra; 𝑥𝑖 – Média Amostral; 𝑆𝑖 – Variância Amostral. Na sequência, se faz necessário calcular o desvio padrão dos valores padronizados de cada variável em estudo, de acordo com a equação 32: ∑𝑝1 𝑥 2 − 𝑝 ∗ 𝑥 2 𝑆=√ 𝑝−1

(32)

Para finalizarmos o procedimento, entende-se que o ‫׀‬S̅‫( ׀‬desvio padrão médio) dos valores padronizados, é determinado pela soma dos valores do desvio padrão (S) de cada variável, sendo dividido pelo número total de amostras. Com isso, temos que a linha central (LC) da carta de controle da variância generalizada seja igual ao valor médio do ‫׀‬S̅‫ ׀‬e os limites superior e inferior de controle (LSC e LIC) podem ser determinados pelas equações abaixo: (33) LSC = B4 * ‫׀‬S̅‫׀‬ LC = ‫׀‬S̅‫׀‬

(34)

LSC = B3 * ‫׀‬S̅‫׀‬

(35)

Em que, S̅ - Valor médio do desvio padrão amostral (padronizado); B3 e B4 – Valores tabelados em função do número de amostras (MONTGOMERY, 2001). Ao analisar a carta de controle da variância generalizada para a velocidade e o teor de água dos grãos na colheita mecanizada de soja, é constatada também a instabilidade do processo (Figura 15E). 78

Velocidade x Teor de água no solo

3.5 LSC=3.075

3.0 2.5 2.0 1.5 1.0

|S|=0.941

0.5 0.0 1

LIC=0 40

Amostras

Figura 15E. Carta de variância generalizada para a colheita mecanizada de soja, para interação em velocidade e teor de água dos grãos. Vale lembrar também, que a carta de controle T² Hotelling e de variância generalizada, podem ser utilizadas em conjunto para monitor a interação destes indicadores de qualidade.

3.9 Cartas de controle para variáveis discretas ou atributos Embora a característica da qualidade em certos momentos, seja em escala contínua, pode também ser supervisionada por meio da contagem ou da classificação (BEZERRA, 2017). Dentro do CEQ há variáveis mensuráveis e discretas (SAMOHYL, 2009). De modo que, os dados podem ser: de atributos (valores qualitativos) ou contínuos (por serem valores quantitativos, são mensuráveis) (MINITAB, 2017). As cartas de controle podem ser confeccionadas por atributos ou variáveis, sendo que entre os gráficos por variáveis são os mais usuais em processos agrícolas mecanizados, de forma que nem sempre a qualidade é avaliada por dados mensuráveis, pois eles podem ser advindos por atributos, e que podem ser classificados em não defeituoso ou defeituoso (ANDRADE, 2019). Os atributos são características, e normalmente são comparados por algumas especificações ou padrão, podendo ser valores discretos, tais como, contagem de defeitos; não conforme, conforme (RIBEIRO & CATEN, 2012), atribuição de notas, escala de frequência, dentre outros. As cartas de controle por atributos ou para variáveis discretas são usadas para o monitoramento de dados oriundos da classificação de itens cuja conformidade é questionável, porém, o custo pode ser caro para a mensuração destes indicadores de qualidade (BEZERRA, 2017). Estes gráficos ou cartas são empregados quando os valores não são mensuráveis, e normalmente são classificados em inaceitáveis ou aceitáveis, ou ainda, para a obtenção da quantidade de defeitos presentes numa amostra, que nessa situação é realizada por meio da contagem (ROSA, 2015).

3.9.1 Carta de controle – p O valor amostral p representa uma fração ou proporção dos defeitos sobre o tamanho da amostra, em relação ao grupo ou subgrupos. O gráfico de controle p retrata a fração de itens não conformes (ou defeituosos) na amostra, dividido pelo número total de itens da amostra (MONTGOMERY, 2009). A determinação de que um item é defeituoso ou não poderá depender de várias características da qualidade, portanto os tipos de defeitos podem ser inúmeros dependendo da abordagem que será feita em um determinado produto ou processo. Existem vários modelos de cálculo do valor p, sendo eles: tamanho amostral constante, tamanho amostral variável, com a média amostral (n̅) e com a média dos itens defeituosos (p̅). A carta p, Figura 16, é utilizada quando o produto possui a característica de algum defeito, apresentando a fração de itens defeituosos das amostras (MINITAB, 2017). 79

0.6 LSC=0.5123

0.5

Proporção

0.4 0.3 _ P=0.23 0.2 0.1 0.0

LIC=0 1

Amostras

Figura 16. Carta de controle de atributo do tipo p. Como ilustração, apresentaremos aqui o cálculo dos limites de controle da carta, modelo (p̅), representando a média de itens defeituosos, podendo ser observado nas Equações 36, 37 e 38 de acordo com MONTGOMERY (2009) sendo: √p + (1- p) (36) LSCp = p + 3 √n LICp = p - 3

√p + (1- p)

(37)

√n

LCp = p

(38)

Em que: p = (número total de unidades defeituosas) / (número total de itens inspecionados) n = Tamanho médio das amostras

3.9.2 Carta de controle – np A carta np, Figura 17, é uma alternativa ao gráfico p, sendo a contagem direta da quantidade de itens não conformes ou do número de itens defeituosos presentes na amostra. Essa carta só pode ser elaborada quando indicamos amostras de tamanhos iguais e o cálculo dos limites de controle para esse tipo gráfico pode ser visto nas Equações 39, 40 e 41 (MONTGOMERY, 2009).

Contagem (número de defeitos)

12 LSC=10.25

10 8 6

__ NP=4.6 4 2 0

LIC=0 1

Amostras

Figura 17. Carta de controle de atributo do tipo np.

LSCnp = np + 3√np (1- p)

(39)

LICnp = np - 3√np (1- p)

(40)

LCnp = np

(41)

p - fração do número de defeitos n - tamanho da amostra Ressalta-se que os limites de controle desta carta np, representam os limites de controle da carta p multiplicado pelo valor n.

3.9.3 Carta de controle – C Este modelo de carta de controle (Tipo C) considera o número de defeitos por unidade amostral e não o número de itens defeituosos ou em não-conformidade (CASTRO et al., 2012), porém, para eu esta proposta mantenha coerência estatística torna-se importante que para cada unidade amostral exista igual probabilidade da ocorrência destes defeitos e que os subgrupos possuam o mesmo tamanho amostral (Figura 18). 12 LSC=11.03

(por unidade amostral)

Contagem de defeitos

10 8 6 _ C=4.6 4 2 0

LIC=0 1

Amostras

Figura 18. Carta de controle de atributo do tipo c. O cálculo dos limites de controle pode ser visto por meio das Equações 42, 43 e 44 (MONTGOMERY, 2009). Notem que o limite superior de controle da carta c, é diferente ao da carta np (Figura 17). (42) LSCc = c + 3√c LICc = c − 3√c

(43)

LCc = c

(44)

Em que: c = (número total de defeitos em todas as amostras) / (número de amostras) Um possível exemplo de aplicação prática deste modelo de carta de controle dentro da mecanização agrícola poderia ser a quantidade de sementes de soja “amassadas” pelo mecanismo de trilha durante a colheita, em um determinado espaço de tempo (período amostral), sendo coletadas várias vezes, atribuindo nessa análise uma avaliação qualitativa. A ideia consiste que a carta C, seja mais bem otimizada para não conformidades presentes do início ao fim dentro do tempo de coleta. Logo, no intervalo de tempo estipulado, teremos que presumir que sempre ocorreu amassamento das sementes.

3.9.4 Carta de controle – U A carta u determina o número de itens defeituosos ou a taxa de itens defeituosos por unidade de inspeção em subgrupos que podem ter tamanho das amostras variável no decorrer do tempo (MINITAB, 81

2017). Geralmente, isso acontece em montagens complexas que é comum a detecção de muitas não conformidades ou defeitos independentes, dentro de um conjunto de itens ou unidade de produto (ROSA, 2015). 0.6 LSC=0.5517

Contagem (por unidade)

0.5 0.4 0.3 _ U=0.23 0.2 0.1 0.0

LIC=0 1

Amostras

Figura 19. Carta de controle de atributo do tipo u. Para o cálculo dos limites de controle da carta tipo u, pode ser observada nas Equações 45, 46 e 47 (MONTGOMERY, 2009). u LSCu = u + 3√ n

(45)

u LICu = u − 3√ n

(46)

LCu = u

(47)

Em que: n - tamanho médio das amostras u = (número total de defeitos em todas as amostras) / (número total de unidades em todas as amostras). Durante o período de inspeção de determinados produtos ou processos, a coleta dos dados não necessita possuir unidades iguais entre os subgrupos, porém, se o valor médio 25% ao redor da média, o cálculo dos limites de controle é facilitado, possuindo os limites de controle um linha reta. Se o valor médio extrapolar os 25%, existiria um limite de controle para cada amostra, o que representaria uma oscilação dos limites de controle e ele possuiria um aspecto de “degraus”. De modo análogo as cartas de valores individuais, também se pode aumentar o nível de rigorosidade do monitoramento de processos ou produtos com aspectos avaliativos qualitativos, podendo utilizar alguns destes testes: Teste 1 - um ponto acima ou abaixo do que 3σ da linha central (usado no exemplo); Teste 2 - nove pontos, ‘sequenciais’ acima ou abaixo da linha central; Teste 3 - seis pontos, todos crescentes ou todos decrescentes; Teste 4 - quatorze pontos, alternando para cima e para baixo, em relação linha central. Vale destacar de quais testes e como utiliza-los fica a critério do gestor da propriedade agrícola, para assim obter maior extração das informações que estão sendo buscadas. Por fim, o uso de cartas de controle com aplicações na agricultura pode ainda ser maximizado, pois atualmente existentes poucos estudos com este tipo de ferramenta da qualidade.

3.10. Introdução aos Índices de capacidade de processo O processo pode ser instável ou estável em função da variabilidade e das causas que atuam no decorrer de uma operação agrícola, quando o processo apresenta estabilidade há atuação apenas de causas naturais ou comuns, sendo estas inerentes ao processo e que não afetam a qualidade; contudo quando há causas especiais ocasionam instabilidade devido ao aumento da variabilidade, deixando o processo fora de controle (GONÇALEZ & WERNER, 2009), e estes tipos causas quando estão presentes no processo está relacionada com alguma falha ocorrida ao longo da operação. Como foi constatado por MONTGOMERY (2016) que variabilidade e qualidade são inversamente proporcionais, de forma que quando há redução da variabilidade tem-se o aumento da qualidade e, portanto, o requisito dos princípios que os dados apresentem distribuição normal e que estejam sob controle estatístico de processo, se torna essencial para a realização da análise da capacidade de processo. Após a análise da capacidade do processo, os resultados podem ser, de modo geral, das seguintes maneiras: - Quando o processo é considerado incapaz, por meio da análise do índice de capacidade de processo, e isso ocorre principalmente devido a medida central do processo, média, não está centrada ao alvo, como também pela elevada variabilidade dos dados em função dos limites estabelecidos/específicos5. A partir do momento que se tem a informações desses dois fatores é possível tomar medidas corretivas no processo, visando à diminuição de falhas, como por exemplo, produtos de baixa qualidade, e redução de despesas. - Quando o processo é determinado como capaz, por meio dos índices de capacidade de processo, é possível verificar a qualidade do processo de acordo com os limites estabelecidos da operação, de forma que, por meio destes índices podemos analisar de modo amplo a variabilidade da operação agrícola e o comportamento dos dados do processo, se a média do valor do processo estiver dentro dos limites estabelecidos (GONÇALEZ & WERNER, 2009). Para a constatação do processo se está atuando dentro das especificações estabelecidas os índices de capacidade se destacam, pois, foram criados para estimar a produção de produtos com defeitos, sendo que os primeiros índices elaborados foram o Cp e o Cpk, que são os mais empregados no setor industrial, dentre as vantagens que estes índices apresentam é que eles são adimensionais, podendo comparar com outros tipos de processos (OLIVEIRA et al., 2011) e quando existe uma meta/alvo6 do processo tem-se o índice Cpm. Quando o valor do índice de capacidade Cp é maior que 1 e os limites de controle estão dentro os limites de especificação significa que o processo é aceitável. A maioria dos profissionais ou pesquisadores recomenda a obtenção de índices maiores que 1,33, sendo considerado valor de aceitação mínima para o processo ser capaz, se o valor chegar a 2 é tido como valor admirável, porém para o processo ser considerado não aceitável (incapaz) os valores têm que ser menores que 1 (SAMOHYL, 2009).

Os limites estabelecidos/específicos devem atender aos padrões de qualidade colocados pelas propriedades rurais, como métricas para que se tenha sucesso em suas operações agrícolas mecanizadas. Exemplo: é desejável que tenha de 15 a 19 sementes/metro de soja, após a semeadura. Os valores encontrados acima e abaixo, não atendem aos limites estabelecidos e podem indicar que a operação deve melhorar. 6 Pode ser usada em associação aos limites estabelecidos, utilizando o mesmo exemplo, a meta/alvo da semeadura mecanizada de soja deve ser de 17 sementes/metro.

Figura 20. Comportamento dos dados e o índice de capacidade do processo (Cp). Fonte: CAMPOS, M. S. Para processo não centrados, na meta ou alvo, pode se utilizar o índice de capabilidade Cpk (SAMOHYL, 2009). Este índice que leva em consideração a média do processo, medindo a capacidade real do processo, quando processo está descentralizado Cp é maior do que o Cpk; porém quando o processo está centrado o Cpk é igual ao Cp (RIBEIRO & CATEN, 2012). O Cpm tem a finalidade de verificar se o processo está no alvo/meta e se o mesmo está atendendo as especificações, que leva em consideração os desvios dos dados do valor alvo; todavia quando não se coloca o valor do alvo não haverá desvio e nem este índice, pois ele é obtido por meio do valor do alvo da análise (MINITAB, 2019). Após a análise de capacidade do processo, caso o mesmo atenda aos índices propostos deve ser recomendado o monitoramento do mesmo para continuar a constatar a qualidade da operação agrícola, processo ou produto em análise. Por outro lado, se o processo não atender aos índices, deve-se fazer uma análise crítica de como detectar e eliminar os fatores que estão impactando na qualidade exigida pela propriedade rural e, na sequência, implantar um plano de melhorias para a adequação do processo ou da operação. Algumas questões são sempre levantadas quando se utiliza os índices de capacidade de processo para a área agrícola, em processos mecanizados, é que: os índices de capacidade propostos na literatura, desenvolvidos para processos industriais, atendem à área agrícola? Em virtude da elevada variabilidade que alguns indicadores de qualidade apresentam, é difícil obter um processo considerado capaz, baseado nos índices da literatura, mesmo que às vezes a variável em análise atenda aos limites de estabelecidos, e nesse caso como podemos proceder?

4. Aplicações das cartas de controle na Agricultura 4.0 A utilização do CEQ na agricultura vem se mostrado cada vez mais eficiente, adaptando-se a análise voltadas as operações agrícolas, demonstrando bons desempenhos no aumento da produtividade, redução de custos, eliminação e correção de erros. MILAN & FERNANDES (2002) descreveram que cada vez mais empresas têm buscado obtenção de produtos ou processos com melhores qualidades devido à competitividade mundial, sendo que por meio do CEQ é possível adquirir o aumento dessa qualidade por intermédio do monitoramento; o CEQ é bastante usado no setor industrial, e tem apresentado grande potencial de uso na agricultura. A ferramenta estatística mais usada nos sistemas de controle para o monitoramento de processos agrícolas mecanizados são as cartas de controle, que são usadas para a melhoria da qualidade operacional no sistema produtivo conforme as necessidades do cliente; as cartas têm como finalidade monitorar o processo verificando se está dentro ou fora de controle (VOLTARELLI et al., 2015a). Sabendo que o uso do CEQ tem reais aplicações na agricultura tradicional e olhando para o futuro, recentemente a agricultura tem passado por uma revolução no campo, de 2014 até o momento, houve um grande avanço das tecnologias e do uso de informações coletadas que se tornaram ferramentas diárias de trabalho das propriedades rurais, baseadas nas premissas da Agricultura de Precisão, Agricultura 4.0 e Agricultura Digital. Com o advento do uso das tecnologias da Agricultura 4.0, tornou-se possível realizar uma coleta massiva de dados a campo, na qual estes são armazenamos em um cartão de memória ou mais 84

comumente em uma ‘nuvem’, na qual ficam disponíveis para análises que forem necessárias, a fim de entender o comportamento deste conjunto de dados e, após isso, extrair informações que se irão possibilitar ao produtor gerenciar de maneira mais assertiva a sua propriedade agrícola. Nesse contexto, as aplicações das cartas de controle se tornam essenciais, pois elas podem ser uma das ferramentas utilizadas para análise de dados e exploração dos resultados a campo. Praticamente todos os modelos de cartas de controle podem ser utilizados para o monitoramento de variáveis provenientes da Agricultura 4.0 (dados coletados por meio de sensores que geram inúmeros valores por segundo) e o ganho em associar as cartas de controle que monitoram a operação agrícola com ênfase no tempo, associando a variabilidade espacial das variáveis, podem ser imensuráveis de benefícios à agricultura e ao produtor rural.

5. Análise e tomada de decisão baseadas no monitoramento agrícola Cada vez mais a qualidade tem sido alvo de preocupação das empresas e administradores, para a obtenção de produtos ou processos com melhore ‘aceitação’. Todavia é preciso que seja monitorado todo o sistema produtivo (não apenas avaliar a etapa final do serviço ou produto) de modo que haja o maior controle dos processos por meio de diagnósticos, verificando a situação do processo para a adoção de medidas corretivas e/ou preventivas (HOLANDA & PINTO, 2009). Umas das soluções para melhorar os processos agrícolas mecanizados é a adoção da Gestão da Qualidade, que é composta por várias ferramentas de qualidade, sendo que cada uma dessas ferramentas possui sua própria característica, isto é, cada uma será utilizada em função da situação em que se encontrar o sistema ou processo produtivo. Por outro lado, é importante destacar que o papel do gestor da propriedade ou do analista de dados torna-se fundamental para o correto uso e interpretação das cartas de controle. Nesse aspecto, o conhecimento do processo como um todo, sabendo onde que as falhas estão e sabendo algumas maneiras para tentar elimina-las ou corrigi-las da operação é essencial, transcendendo o fato de só tratar a carta de controle pelo conteúdo estatístico utilizado. Em complemento, pode se utilizar junto aos limites de controle estatísticos, os limites estabelecidos como desejáveis ou como padrões de qualidade para determinada operação agrícola e, assim, aumenta-se o nível de riqueza de informações a serem extraídas das cartas de controle, bem como o nível de complexidade da análise. Em outras palavras, nada serve uma carta de controle bem elaborada com uma má interpretação dos seus resultados, pois um comportamento estatístico insatisfatório pode não ser de todo ruim para a operação em análise, dependendo do que se busca monitorar e qual o padrão de qualidade atende as necessidades dos clientes e, o fato, pode se agravar mais ainda, se o gestor não conseguir associar tais informações as práticas de campo do dia-a-dia. Essa situação reforça o fato de que informação que não é utilizada ou que não é usado de modo correto, pouco ajuda na melhoria continua de atividades agrícolas. A condição de gestor em operações agrícolas mecanizadas, na qual a variabilidade é natural de ocorrer, torna o desafio ainda maior para lidar com as situações problemas do cotidiano e a prática, dedicação e conhecimento sistemático da propriedade rural é um forte aliado para o sucesso da implantação, em maior escala, da gestão da qualidade na área agrícola, trazendo benefícios econômicos, sustentáveis e na união das equipes de trabalho.

6. Considerações finais Atualmente a busca e demanda pela qualidade e aumento da produtividade nos sistemas agrícolas é sempre o fator almejado. E o CEQ tem proporcionado por meio de suas ferramentas de qualidade, a melhoria na gestão das operações agrícolas bem como na tomada de decisão. De forma que, essas ferramentas estão demonstrando grande potencial para o monitoramento e planejamentos de tomadas de decisão dentro da realidade de uma propriedade agrícola. Assim, por meio do CEQ, é possível traçar diretrizes para a diminuição da variabilidade do processo com a detecção, redução ou eliminação de problemas, como desperdícios e perdas, decorrentes das operações.

As aplicações do uso do CEQ podem ser utilizadas em todos os processos agrícolas mecanizados, na busca da melhoria continua, como por exemplo, na gestão de frota de colheita, de transbordos, sistematização do terreno e preparo do solo, planejamento das operações de semeadura à colheita, na adoção de geotecnologias, como o GNSS, sensoriamento remoto, aplicação de corretivos e/ou fertilizantes produtos fitossanitários, mapas de produtividade, dentre outros.

7. Referências ALVES CC (2003) Gráficos de controle CUSUM: um enfoque dinâmico para a análise estatística de processos. 2003. 119 f. Dissertação - Universidade Federal de Santa Catarina, Florianópolis. ALVES CC (2009) O método de Equação Integral com Quadratura Gaussiana para otimizar os parâmetros do gráfico de controle multivariado de Somas Acumuladas. Tese, Universidade Federal de Santa Catarina. ANDRADE RCAS (2019) Gráfico de controle por atributo fuzzy para monitoramento de processo. Dissertação, Universidade Estadual Paulista (Unesp), Faculdade de Ciências Agrárias e Veterinárias, Jaboticabal. BARRETO RR, ROCHA HO, BORGES JUNIOR CA (2016) Análise da capacidade de um processo de revestimento de bobinas de aço. In: Simpósio de Excelência em Gestão e Tecnologia. Disponível: https://www.aedb.br/seget/arquivos/artigos16/13924245.pdf. Acessado Jul 15, 2020. BEZERRA AKG (2017) Gráficos de Controle Multivariados de Somas Acumuladas (MCUSUM) e de Média Móvel Exponencialmente Ponderada (MEWMA). Trabalho de Conclusão de Curso, Universidade Federal do Rio Grande do Norte. Bonilla JA (1994) Qualidade total na agricultura: fundamentos e aplicações. 2. ed. Belo Horizonte, Centro de Estudos de Qualidade Total na Agricultura. 344p. CAMPOS VF (2004) Gerenciamento pelas Diretrizes. Minas Gerais, INDG Tecnologia e Serviços Ltda. CARNEIRO FM (2018) Sensores de dossel no monitoramento da variabilidade temporal das culturas da soja e do amendoim. Tese, Universidade Estadual Paulista (Unesp), Faculdade de Ciências Agrárias e Veterinárias, Jaboticabal. CARNEIRO FM, FURLANI, CEA, ZERBATO C, MENEZES PC D, GÍRIO LAS (2019a) Correlations among vegetation indices and peanut traits during different crop development stages. Engenharia Agrícola 39 (n.spe): 33-40. DOI: https://doi.org/10.1590/1809-4430-eng.agric.v39nep33-40/2019 CARNEIRO FM, FURLANI CEA, ZERBATO C, MENEZES PC, GÍRIO LAS, OLIVEIRA MF (2019b) Comparison between vegetation indices for detecting spatial and temporal variabilities in soybean crop using canopy sensors. Precision Agriculture 1-29. DOI: https://doi.org/10.1007/s11119019-09704-3 CASTRO DRC, RAMOS MO, COSTA DO, SOUZA VF, NEGRAO LLL (2012) A aplicabilidade dos gráficos de controle nas empresas como modelo de inspeção para a avaliação da qualidade. Encontro Nacional de Engenharia de Produção, 32. CHIODEROLI CA, SILVA RP, NORONHA RHF, CASSIA MT, SANTOS EP (2012) Perdas de grãos e distribuição de palha na colheita mecanizada de soja. Bragantia 71: 112-121. COLACIOPPO RC (2001) Controle estatístico multivariado de processos para observações individuais. Dissertação, Universidade Estadual de Campinas. COSTA ALBC (2015) O Gráfico de Controle Multivariado T2 de Hotelling Aplicado como Instrumento de Análise de Processo em uma Planta de Sinterização. Especialização, Universidade Federal de Minas Gerais. DELERYD M (1999) The effect of Skewness on estimates of some process capability indices. International Journal of Applied Quality Management 2(2): 153-186. FERNANDES JMR, REBELATO MG (2006) Proposta de um método para integração entre QFD e FMEA. Revista Gestão e Produção 13(2): 245-59. GONÇALEZ PU, WERNER L (2009) Comparação dos índices de capacidade do processo para distribuições não-normais. Gestão & Produção 16(1): 121-132.

HAIR JÚNIOR JF, BLACK WC, BABIN BJ, ANDERSON RE, TATHAM RL (2009) Análise multivariada de dados. Porto Alegre, Bookman, 6. ed. 688p. LUCAS, JM (1973) A Modified “V” Mascara Control Scheme, Technometrics, 15(4) p.833-847. MACGREGOR JF, HARRIS TJ (1990) Discussion of “Exponentially Weighted Moving Average Control Schemes: Properties and Enhancements”, by J. M. Lucas e M. S. Saccucci. Technometrics, 32(1): 23-26. MACIEL TH, BRANCO GM, WERNER L (2014) Cartas de controle multivariadas: Estudo de caso em vinícolas italianas. Cadernos do IME-Série Estatística, 37, p1-14. DOI: 10.12957/cadest.2014.18277 MAGRI JM (2009) Aplicação do método QFD no setor de serviços: estudo de caso em um restaurante. Monografia de Conclusão de Curso em Engenharia da Produção, Universidade Federal de Juiz de Fora. MENEZES PC (2018) Aplicação de ferramentas da qualidade na colheita mecanizada de soja. Universidade Estadual Paulista (Unesp), Faculdade de Ciências Agrárias e Veterinárias, Jaboticabal. MILAN M, FERNANDES RAT (2002) Qualidade das operações de preparo de solo por controle estatístico de processo. Scientia Agricola 59(2): 261-266. MINITAB (2017) Cartas de controle de atributo. Disponível: https://support.minitab.com/ptbr/minitab/18/Assistente_Cartas_de_controle_de_atributo.pdf. Acessado Jul 16, 2020. MINITAB (2018) Suporte ao Minitab®. Available at: https://support.minitab.com/ptbr/minitab/18/help-and-how-to/quality-and-process-improvement/quality-tools/how-to/runchart/interpret-the-results/all-statistics-and-graphs/ MINITAB (2019a) Suporte ao Minitab®18: Cartas de controle multivariadas no Minitab. Disponível: https://support.minitab.com/pt-br/minitab/18/help-and-how-to/quality-and-processimprovement/control-charts/supporting-topics/understanding-multivariate-control-charts/multivariatecontrol-charts-in-minitab/. Acessado Jul 13, 2020. MINITAB (2019b) Suporte ao Minitab®18: O que são índices de capacidade? Disponível: https://support.minitab.com/pt-br/minitab/18/help-and-how-to/quality-and-processimprovement/capability-analysis/supporting-topics/capability-metrics/what-are-capability-indices/. Acessado Jul 15, 2020. MINITAB (2019c) Suporte ao Minitab®18: Capacidade potencial (dentro) para análise de capacidade normal. Disponível: https://support.minitab.com/pt-br/minitab/18/help-and-how-to/quality-andprocess-improvement/capability-analysis/how-to/capability-analysis/normal-capabilityanalysis/interpret-the-results/all-statistics-and-graphs/potential-within-capability/#cpk. Acessado Jul 15, 2020. MINITAB (2019d) Suporte ao Minitab®18: Por que alguns resultados da análise de capacidade são mostrados como asteriscos na saída? Disponível: https://support.minitab.com/pt-br/minitab/18/helpand-how-to/quality-and-process-improvement/capability-analysis/supporting-topics/capabilitymetrics/capability-analysis-results-shown-as-asterisks/. Acessado Jul 15, 2020. MINITAB (2019e) Suporte ao Minitab®18: Exemplo de Análise de capacidade normal. Disponível: https://support.minitab.com/pt-br/minitab/18/help-and-how-to/quality-and-processimprovement/capability-analysis/how-to/capability-analysis/normal-capability-analysis/before-youstart/example/. Acessado Jul 20, 2020. MONTGOMERY DC (1997) Introduction to statistical quality control. 3 ed. New York, John Wiley & Sons. MONTGOMERY DC (2004) Introdução ao Controle Estatístico da Qualidade. 4 ed. São Paulo, Editora LTC. MONTGOMERY DC (2009) Introdução ao Controle Estatístico da Qualidade. 4. ed. Rio de Janeiro, LTC. MONTGOMERY DC (2016) Introdução ao controle estatístico da qualidade. 7. ed. Rio de Janeiro, LTC, 549p. MOROSSINI MJS (2016) Carta de Controle para Variável: 7 Ferramentas da Qualidade. Disponível: https://www.harbor.com.br/harbor-blog/2016/11/09/carta-controle-variavel/. Acessado Jul 16, 2020.

NICOLAU, FEA (2020) Raios de curvatura, larguras de bitola e comprimentos do cabeçalho influenciam na qualidade do paralelismo? Tese, Universidade Estadual Paulista (Unesp), Faculdade de Ciências Agrárias e Veterinárias, Jaboticabal. PORTAL ACTION (2020a) Gráficos de controle multivariados. Disponível em: http://www.portalaction.com.br/controle-estatistico-do-processo/graficos-de-controle-multivariados. Acessado Jul 13, 2020. PORTAL ACTION (2020b) Gráfico c: número de defeitos por amostras. Disponível: http://www.portalaction.com.br/controle-estatistico-do-processo/53-grafico-c-numero-de-defeitos-poramostra. Acessado Jul 17, 2020. PORTAL ACTION (2020c) Gráfico c: taxa de defeitos por unidade. Disponível: http://www.portalaction.com.br/controle-estatistico-do-processo/54-grafico-u-taxa-de-defeitos-porunidade. Acessado Jul 17, 2020. RIBEIRO JLD, CATEN CS TEN (2012) Série monográfica qualidade: Controle Estatístico do Processo. Porto Alegre, FEENG/UFRGS. ROSA AFP (2001) Método para controle estatístico multivariado de processos em batelada. Tese, Universidade Federal do Rio Grande do Sul. Rosa LC (2015) Introdução ao controle estatístico de processos. 2 ed. rer. e ampl. Santa Maria, Ed. da UFSM. 176p. SAMOHYL RW (2009) Controle estatístico de qualidade. Rio de Janeiro, Elsevier. SANTOS AF (2016) Qualidade das operações agrícolas mecanizadas na cultura do amendoim com uso do direcionamento automático. Dissertação, Universidade Estadual Paulista (Unesp), Faculdade de Ciências Agrárias e Veterinárias, Jaboticabal. SANTOS AF (2019) Método não destrutivo para predição da maturação de amendoim (Arachis hypogaea L.) utilizando sensoriamento remoto. Tese, Universidade Estadual Paulista (Unesp), Faculdade de Ciências Agrárias e Veterinárias, Jaboticabal. SILVA RP, SOUZA FG, CORTEZ JW, FURLANI CEA, VIGNA GP (2007) Variabilidade espacial e controle estatístico do processo de perdas na colheita mecanizada do algodoeiro. Engenharia Agrícola 27(3): 742-752. SOARES AA (2006) O índice de capacidade multivariado como instrumento para avaliação do processo em uma operação de usinagem. Tese, Universidade Federal de Santa Catarina. PALADY P (2004) FMEA: análise dos modos de falha e efeitos: prevendo e prevenindo problemas antes que ocorram. 3 ed. São Paulo, IMAM. 270 p. PERLA RJ, PROVOST LP, MURRAY SK (2011) ‘The run chart: A simple analytical tool for learning from variation in healthcare processes’, BMJ Quality and Safety 20(1): 46–51. DOI: http://dx.doi.org/10.1136/bmjqs.2009.037895 RODRIGUES MC (2015) Aplicação de cartas de controle nas análises de rotina do laboratório de qualidade do leite da Embrapa Gado de Leite. Dissertação, Universidade Federal de Juiz de Fora. OLIVEIRA JD, SOUTO RR, MAIA RDA, MEIRA JA, LIMA VSP (2011) A análise da capacidade de um processo: um estudo de caso baseado nos indicadores Cp e Cpk. Anais: XXXI Encontro Nacional de Engenharia de Produção. Disponível: http://www.abepro.org.br/biblioteca/enegep2011_tn_sto_136_863_19320.pdf. Acessado: Jul 15, 2020. PAIXÃO CSS (2015) Tempos, movimentos e qualidade da operação de colheita mecanizada de soja em função do formato de talhões. Dissertação, Universidade Estadual Paulista Júlio de Mesquita Filho, Faculdade de Ciências Agrárias e Veterinárias de Jaboticabal. PAIXÃO CSS (2017) Análise uni e multivariada aplicada à qualidade operacional da colheita mecanizada de soja. Tese, Universidade Estadual Paulista Júlio de Mesquita Filho, Faculdade de Ciências Agrárias e Veterinárias de Jaboticabal. PAIXÃO CSS, SILVA RP, VOLTARELLI MA, CASSIA MT, TAVARES TO (2016) Efficiency and losses in mechanical harvesting of soybeans due to the plots format. Australian Journal of Crop Science (online), v. 10, p. 765-770. 88

TAVARES PS (2003) O gráfico de controle multivariado T2 de Hotelling como instrumento de análise da qualidade numa indústria de alumínio. Dissertação, Universidade Federal de Santa Catarina. TAVARES TO, SANTINATO F, SILVA RP, VOLTARELLI MA, PAIXÃO CSS, SANTINATO R (2015) Qualidade do recolhimento mecanizado do café. Coffee Science 10: 455-463. TAVARES TO, BORBA MAP, OLIVEIRA BR, SILVA RP, VOLTARELLI MA, ORMOND ATS (2018) Effect of Soil Management Practices on the Sweeping Operation during Coffee Harvest. Agronomy Journal, 110(5): 1689-1696. DOI: https://doi.org/10.2134/agronj2017.10.0598 TOLEDO JC, AMARAL DC (2008) FMEA – Análise do tipo e efeito de falha. São Carlos, GEPEQ/UFSCar. 12p. TOLEDO A, TABILE RA, SILVA RP, FURLANI CEA, MAGALHÃES SC, COSTA BO (2008) Caracterização das perdas e distribuição de cobertura vegetal em colheita mecanizada de soja. Engenharia Agrícola 28: 710-719. VOLTARELLI, MA (2013) Qualidade da operação de plantio mecanizado de cana-de-açúcar nos turnos diurno e noturno. Dissertação, Universidade Estadual Paulista (Unesp), Faculdade de Ciências Agrárias e Veterinárias, Jaboticabal. VOLTARELLI MA, SILVA RP, TAVARES TO, PAIXÃO CSS, FURLANI CEA (2015a) Controle Estatítico de Qualidade. Material didático, Universidade Estadual Paulista (Unesp), Faculdade de Ciências Agrárias e Veterinárias, Jaboticabal. VOLTARELLI MA, SILVA RP, CASSIA MT, ORTIZ DF, TORRES LS (2015B) Qualidade do corte basal de cana-de-açúcar utilizando-se de três modelos de facas. Engenharia Agrícola 35: 528-541. VOLTARELLI MA (2015) Ferramentas da qualidade na colheita mecanizada de cana-de-açúcar. Tese, Universidade Estadual Paulista (Unesp), Faculdade de Ciências Agrárias e Veterinárias, Jaboticabal.

INTRODUÇÃO AOS INDÍCES DE CAPACIDADE DO PROCESSO APLICADOS NA AGRICULTURA Carla Segatto Strini Paixão Murilo Aparecido Voltarelli

1. Introdução O índice de capacidade de processo pode mensurar o nível de uniformidade que determinado produto ou processo é capaz de reproduzir, dentro de um mesmo comportamento (SOUZA, 2003). Isto é, não diz respeito a quanto o processo é bom ou ruim, mas o que o processo é capaz de trabalhar/realizar dentro dos padrões de qualidade estabelecidos pelos gestores, indicando também qual é o nível real de qualidade que o processo é capaz de produzir a curto e em longo prazo. Um processo considerado como capaz produz produtos ou serviços que estejam de acordo com as especificações estabelecidas. Partindo do princípio de que o desempenho de um processo seja previsível, é possível avaliar a capacidade do processo para a produção de itens dentro das especificações estabelecidas (limites) e prever o número de itens fora destes limites. Outras situações de não previsibilidade poderão ser discutidas em um outro momento. Em outras palavras, a faixa de variação do processo é comparada com a faixa do intervalo das especificações (MINITAB, 2007). Para mensurarmos os índices de capacidade podemos utilizar os seguintes itens: Cp, Cpk, Pp, PpK e Cpm sendo representados por valores adimensionais, para que possamos usá-los para comparar a capacidade de diferentes processos, se necessário. Muitos profissionais consideram 1,33 ser o valor mínimo aceitável para os índices de capacidade potencial do processo (Cp) e, na maioria dos casos, índice menor que 1 não é aceitável. Valores de Cp menores que 1,0 fazem com que o processo seja considerado como incapaz de atender à especificação; valores maiores e iguais a 1,33 são considerados adequados, isto é, o processo é capaz de atender à especificação e, processos em que o Cp está no intervalo 1,0 ≤ Cp < 1,33 considera-se o processo aceitável (SOUZA, 2003). O índice Cpk (índice de capacidade potencial mínimo) pode ser utilizado como medida da capacidade real do decorrer do processo, pois é necessário determinar não apenas o potencial de produzir itens dentro dos limites de especificações, mas o desempenho atual de determinada linha de produção (MINITAB, 2007). Para haver maior confiabilidade desta análise, é necessário considerar o efeito da média do processo relativo ao centro da faixa de tolerância (MINITAB, 2007). Caso o processo não esteja centrado na meta, existe motivo para se preocupar. Portanto, o melhor desempenho do processo (menos amostras fora dos limites de especificação/estabelecidos) será atingido por meio da centralização do mesmo em relação à meta, ou seja, quando a média for igual à meta especificada. Em virtude deste monitoramento da centralização do processo, o índice Cpk foi desenvolvido para englobar o efeito da variabilidade e do desvio da média em relação ao valor nominal (SOUZA, 2003). Para a análise da capacidade geral do processo utiliza-se o índice Pp (capacidade geral) e Ppk (índice de capacidade geral mínimo): - Pp: representa a real forma do processo, em virtude do seu comportamento dentro dos limites de especificação levando em consideração a dispersão dos valores, uma vez que ele não leva em consideração a localização da média do processo; - Ppk: leva em consideração a dispersão do processo em relação à localização da média. Portanto, quanto mais próximos estes índices estiverem maiores é a centralização do processo (MINITAB, 2007). Ainda de acordo com MINITAB (2007), quando o valor da meta especificada é utilizado para a confecção da análise da capacidade, mais um índice é gerado, o Cpm (índice de capabilidade em relação à meta), que se refere à variação da meta dos valores médios entre os limites de especificação, sendo importante utilizá-lo na comparação com os índices Cp e Cpk, para inferir na centralização e na capacidade do processo.

O potencial de uso dos índices de capacidade na área agrícola, principalmente, aplicado em processos agrícolas mecanizados, é muito promissor uma vez que, na grande maioria das vezes, os processos agrícolas mecanizados apresentam elevada variabilidade entre suas amostras quantificadas a campo, tornando-se assim bom preditor do comportamento dos dados. Existem alguns usos desse tipo de análise aplicada à mecanização agrícola, porém, muitas são as dúvidas de como usar e de como interpretar os índices de capacidade para uma situação ‘palpável’, que seja revertida em um fácil entendimento, baseando-se em decisões assertivas.

2. Análise da capacidade de processos Para realizar a análise da capacidade do processo de acordo com a literatura, SAMOHYL (2009) e MONTGOMERY (2009) descrevem que o conjunto de dados deve ser proveniente de uma distribuição normal e possuir todos os pontos dentro dos limites estatísticos de processo ou limites de controle. Ao consideramos isso, existe uma grande dificuldade de utilizarmos essa análise em processos agrícolas mecanizados, pois em virtude da elevada variação destes dados (não provenientes de sensores), muitas das vezes a distribuição não o padrão normal e muito menos, possuem os pontos dentro dos limites de controle. Essa situação nos motiva a pensar na seguinte questão: como fazer para monitorar e avaliar determinado processo? Nesse cenário, é interessante entendermos que um processo com variabilidade controlada e apresentando estabilidade, com os pontos dentro dos limites das cartas de controle, ainda pode caracterizar um comportamento ou interpretação não adequada para determinado indicador de qualidade ou análise. Isso quer dizer que, um processo estável não se torna suficientemente bom, para atender aos padrões de qualidade estabelecidos pelo produtor ou pela equipe de gestão da propriedade agrícola e com isso não se pode dizer se o processo é capaz ou não de atender essas especificações. “Após essa contextualização, vamos fazer uma pausa nas explicações das análises de capacidade de processo para termos um momento de reflexão, e esclarecimento de eventuais dúvidas que podem surgir ao amigo (a) leitor (a), importantes na análise de um processo agrícola, sendo elas: - Como fazer para reduzir a variabilidade de um processo sob controle estatístico, para que ele atenda aos limites de especificação? - Como livrar o processo de variação aleatória para atingir os padrões de qualidade do produto ou processo dentro de uma propriedade agrícola? - Como saber o momento em que a busca por variações aleatórias não aumentará o custo de monitoramento de determinada operação? Todas essas dúvidas podem ser comuns e ainda, se usarmos a nossa imaginação, e se porventura pensarmos que um processo estável não é garantia de atendimento aos padrões de qualidade estabelecidos pelas propriedades agrícolas, o que fazer se hipoteticamente, uma carta de controle apresentar-se instável, porém, com os limites estabelecidos atendendo as necessidades da propriedade agrícola?” Continuando, o raciocínio, portanto, a análise da capacidade de processo, nada mais é do que comparar sua própria variabilidade com as exigências, especificações ou padrões de qualidade para o determinado processo. No entanto, para determinar a estimativa da caracterização da capacidade e da performance de processos, podemos, de acordo com (MONTGOMERY, 2009) expressá-las de modo quantitativo por meio dos Índices de capacidade sendo eles:

Índice de capacidade do processo – Cp O Cp é uma relação entre a amplitude ou diferença entre os limites estabelecidos, inferior e superior, pela capacidade do processo ou a variação intrínseca (causas comuns ou naturais) do mesmo, podendo ser definido pelas equações 1 e 2: Cp =

Amplitude dos limites estabelecidos Variabilidade instrínsica

(1) 91

ou (LES − LEI) (LES − LEI) = (𝜇 + 3𝜎) − (𝜇 − 3𝜎) 6σ

Cp =

(2)

Em que: Cp - índice de capacidade LES – Limite estabelecido superior LEI – Limite estabelecido inferior 𝜎 – Desvio padrão amostral ou variação intrínseca ao processo 𝜇 – média amostral O índice Cp expressa o potencial do processo, quando ele apresenta apenas variações aleatórias, ou seja, não leva em consideração as eventuais causas especiais. Em outras palavras, é considerada apenas uma parte da variação total do processo, sendo uma forma de analisar o comportamento dos dados de modo a buscar a máxima capacidade, dentro de uma condição que poderia ser ideal de trabalho para qualquer operação agrícola mecanizada, a curto prazo. Após o cálculo do índice de capacidade do processo, pode ser feita a interpretação desse valor utilizando como referência o comportamento dos dados de acordo com a Figura 1:

1≤Cp≤1,33

Cp > 1,33

Cp < 1,0

Figura 1. Intepretação gráfica dos índices de capacidade do processo. LIE – Limite inferior de especificação; LSE - LIE – Limite superior de especificação; VN – valor médio nominal. Fonte: CAMPOS, M. S. (2019). Para sabermos se o índice gerado pode ser confiável, utilizamos o cálculo do intervalo de confiança para determinar os erros estatísticos presente no conjunto de dados. Ressalta-se que para essa análise complementar a distribuição de dados deve apresentar normalidade dos dados e com isso utilizar um intervalo de confiança de (1-α)%. O intervalo de confiança pode ser calculo de acordo com a seguinte equação 3: 𝑋2 𝛼 1− 2 , 𝑛−1

𝐶𝑝 𝑥√

𝑛−1

𝑋𝛼2

≤ 𝐶𝑝 ≤ 𝐶𝑝 𝑥√

2 , 𝑛−1

𝑛−1

(3)

Em que: Cp – Índice de capacidade do processo X – valor da distribuição baseada no Teste do Qui-quadrado α – valores do intervalo de confiança n – número de amostras Para exemplificar o uso do intervalo de confiança, utilizaremos como referências o indicador de qualidade perdas totais decorrentes da colheita mecanizada de cana-de-açúcar. Para esta análise utilizamos algumas amostras coletadas a campo e suposições do arranjo amostral, portanto, foram obtidas um total de 180 amostras (individuais). A partir desse número foi realizado o arranjo amostral para quatro grupos ou subgrupos. A composição desses grupos/ subrupos seguiu a seguinte proporção: n=3, n=5, n=9 e n=15 totalizando 60, 36, 20 e 12 amostras, respectivamente. 92

A Tabela 1, apresenta as amostras comparadas de acordo com cada subgrupo utilizado. De acordo com esses valores, o processo não se encontra capaz de possuir a quantidade de perdas dentro dos níveis aceitáveis pela unidade produtora. Nota-se que quanto maior o número de amostras utilizadas na base do cálculo, maior será a precisão do Cp, em virtude da menor amplitude entre os intervalos de confiança (subgrupo 1/amostra 180). Tabela 1. Intervalos de confiança e índice de capacidade do processo para o indicador de qualidade perdas totais em cana-de-açúcar. Grupos/Subgrupos (n) 1 3 5 9 15

Amostras 180 60 36 20 12

IC (0,95) 0.386 0.498 0.523 0.545 0.570

Cp 0.437 0.587 0.636 0.667 0.761

IC (0,025) 0.491 0.692 0.751 0.855 1.029

IC – Intervalo de confiança; Cp – Índice de capacidade do processo; n – número de amostras ou subgrupos

Outra situação que pode ser constatada, quando foram construídos subgrupos de amostras para a elaboração desse modelo, baseado na hipótese que estes valores teoricamente suavizariam o valor médio usado na equação, constata-se a não eficiência dos mesmos para ajustar a menor amplitude entre os intervalos de confiança. Porém, vale destacar que na medida em que aumenta os valores do subgrupo, o índice de capacidade do processo (Cp) também aumentou, retratando que a associação desses valores aparentemente interfere no comportamento da análise dos dados (Figura 2). 1.1 y = 0.1239x + 0.392 R² = 0.9695

Índice de capacidade do processo

0.9

0.8 y = 0.073x + 0.3987 R² = 0.9316

0.7 0.6

y = 0.0414x + 0.3803 R² = 0.8459

0.5 0.4

0.3 0.2 0.1 0 180 rep

3 sub

IC (0,95)

IC (0,025)

5 sub

Linear (Cp)

9 sub

Linear (IC (0,95))

15 sub

Linear (IC (0,025))

Figura 2. Ilustração do comportamento dos intervalos de confiança e índice da capacidade do processo.

Índice de capacidade do processo centrado em relação à média – Cpk O índice Cpk quantifica se o processo está centrado na média do conjunto de dados ou se a curva de distribuição de dados está acima ou abaixo dos limites de estabelecidos. Para haver maior confiabilidade desta análise, é necessário considerar o efeito da média do processo relativo ao centro da faixa de tolerância (MINITAB, 2007). Caso o processo não esteja centrado na meta, se a meta existir, poderá haver motivo para se preocupar. Portanto, o melhor desempenho do processo (menos itens fora dos limites estabelecidos) será atingido por meio da centralização do mesmo em relação à média, ou quando a média for igual à meta estabelecida pelos 93

gestores. Em virtude deste monitoramento da centralização do processo, o índice Cpk foi desenvolvido para englobar o efeito da variabilidade e do desvio da média em relação ao valor nominal (SOUZA, 2003). Para o cálculo e interpretação do Cpk, temos que determinar outros dois índices que são quantificados pelas equações 4 e 5: - CPU: índice de capacidade em relação ao limite superior estabelecido; - CPL: índice de capacidade em relação ao limite inferior estabelecido; CPL =

(µ − LEI) 3σ

(4)

CPU =

(LES − µ) 3σ

(5)

Em que, LES – Limite estabelecido superior LEI – Limite estabelecido inferior 𝜎 – Desvio padrão ou variação intrínseca ao processo 𝜇 – média amostral Assim, podemos ainda presumir que o Cp pode ser uma relação entre os índices CPU e CPI, podendo ser descrito por (CPI+CPU)/2. Desta forma, torna-se possível determinarmos o índice Cpk, sendo (equação 6): 𝐶𝑝𝑘 = min (CPI, CPU)

(6)

O índice Cpk permite avaliar o comportamento do processo na pior situação possível, na qual os dados podem estar deslocados em relação aos limites estabelecidos. Nesse contexto, o valor do Cpk assume uma posição estratégica de se utilizar o menor calculado para CPU e CPI, logo, o menor valor será igual ao Cpk. Esse fato ocorre como uma estratégia para não superestimar a capacidade do processo, sendo que um Cpk com um valor elevado indica um comportamento satisfatório dos dados, em relação ao valor nominal, e assumindo o menor valor para compor o Cpk = mím (CPU, CPI), retrata uma forma de assegurar a confiabilidade da análise. Assim, podemos apresentar a relação existe entre os índices Cp e Cpk, sendo determinada pelas equações 7 e 8: 𝐶𝑝𝑘 = 𝐶𝑝 (1 − 𝑘)

(7)

|m − µ| (𝐿𝐸𝑆 − 𝐿𝐸𝐼) 2

(8)

k =

Em que, k – fator de centralização do processo; m – ponto central dos limites estabelecidos (LES - LEI)/2

Índices de Performance do processo – Pp O índice Pp representa a real forma do processo, em virtude do seu comportamento dentro dos limites de especificação levando em consideração a dispersão dos valores, uma vez que ele não leva em consideração a localização da média do processo, podendo ser determinado pelas equações 9 e 10: Pp =

𝑉𝑎𝑟𝑖𝑎𝑏𝑖𝑙𝑖𝑑𝑎𝑑𝑒 𝑝𝑒𝑟𝑚𝑖𝑡𝑖𝑑𝑎 𝑑𝑜 𝑝𝑟𝑜𝑐𝑒𝑠𝑠𝑜 Variabilidade total

(9) 94

ou Pp =

(LES − LEI) (LES − LEI) = (𝜇 + 3𝜎) − (𝜇 − 3𝜎) 6σ

(10)

Em que: Pp - índice de performance do processo LES – Limite estabelecido superior LEI – Limite estabelecido inferior 𝜎 – Desvio padrão amostral ou variação total do processo 𝜇 – média amostral O índice Pp expressa a capacidade do processo quando ele apresenta as variações totais, ou seja, levando em consideração as eventuais causas especiais e aleatórias, a longo prazo.

Índice de performance do processo centrado em relação à média – Ppk O índice Ppk leva em consideração a dispersão do processo em relação a localização da média. Portanto, quanto mais próximos estes índices estiverem maior será a centralização do processo (MINITAB, 2007), de modo semelhante ao índice Ppk. Para o cálculo e interpretação do Ppk, temos que determinar outros dois índices que são quantificados pelas equações 11 e 12: - PPU: índice de capacidade em relação ao limite superior estabelecido; - PPL: índice de capacidade em relação ao limite inferior estabelecido; PPL =

(µ − LEI) 3σ

(11)

PPU =

(LES − µ) 3σ

(12)

Em que, LES – Limite estabelecido superior LEI – Limite estabelecido inferior 𝜎 – Desvio padrão amostral ou variação total do processo 𝜇 – média amostral Assim, podemos ainda presumir que o Pp pode ser uma relação entre os índices PPU e PPI, podendo ser descrito por (PPI + PPU)/2. Desta forma, torna-se possível determinarmos o índice Cpk, sendo (equação 13): 𝑃𝑝𝑘 = min (PPI, PPU)

(13)

O índice Ppk permite avaliar o comportamento do processo na pior situação possível, na qual os dados podem estar deslocados em relação aos limites estabelecidos. O valor do Ppk assume uma posição estratégica de se utilizar o menor calculado para PPU e PPI, logo, o menor valor será igual ao Ppk e assumindo o menor valor para compor o Cpk = mím (CPU, CPI), retrata uma forma de assegurar a confiabilidade da análise.

Índice de capacidade do processo em relação à meta – Com O índice Cpm é a razão entre a amplitude dos limites estabelecidos e a raiz quadrada do quadrado da média dos desvios em relação à meta, considerando o afastamento da média do processo em relação à média das especificações estabelecidas, mensurando a centralização do processo por meio da equação 14 e 15.

Cpm =

LES − LEI ∑n (X − meta)2 6 . √ i=1 ni − 1

Se a meta =

𝐿𝐸𝑆+𝐿𝐸𝐼 2

(14)

Se a meta 

𝐿𝐸𝑆+𝐿𝐸𝐼 2

(15)

𝑚í𝑛𝑖𝑚𝑜[(LES − meta), (meta − LEI)] 6 √∑ni=1(X i − meta)2 2. n−1

Em que, Cpm = Índice de capacidade em relação à meta; LES = limite estabelecidos superior; LEI = limite estabelecido inferior; Xi = valor da variável na observação i; n = número de observações. Em outras palavras, este índice representa a variação da meta, com base em dois fatores da variabilidade: variabilidade (desvio-padrão) e centralização do processo (média). Ressalta-se ainda que quando a meta é diferente do valor médio entre os limites estabelecidos, pode-se fazer o uso do cálculo do índice Cpm, para determinar Cpm mínimo (CpmL; CpmU) de modo semelhante aos índices Cpk e Ppk, nesse caso faz-se também o uso do menor valor equacionado.

3. Instruções, usos e aplicações dos índices de processos O entendimento dos índices de capacidade do processo, se torna essencial para a correta interpretação dos mesmos e, assim, pode-se extrair a maior quantidade de informações possíveis de determinado indicador de qualidade monitorado. Para isso é importante estar atento no que se baseia os números e ao comportamento da distribuição dos dados, em relação aos limites estabelecidos.

3.1 Variação no curto prazo A variação a curto prazo está relacionada aos índices de capacidade do processo (Cp e Cpk), na qual entende-se que esta situação seja a melhor caracterização do seu comportamento sem ação de causas especiais ou apenas existem variações naturais ou aleatórias. Uma provável interpretação do termo ‘curto prazo’ pode ser descrita por meio de um processo estável para determinado período de tempo analisado e essa situação pode não perdurar por muito tempo ao longo de uma operação agrícola mecanizada, pois a probabilidade de apenas haver variações aleatórias não são elevadas. Vale lembrar que a variação a curto prazo está relacionada com a quantidade de pontos amostrais (individuais ou subgrupos), tentando predizer as variações de cada observação coletada. Dentre os métodos existentes para calcular a estimativa da variação a curto prazo ou o valor do desvio padrão a curto prazo (𝜎 ′ ), apresentaremos duas opções baseadas nas equações 16 e 17: 𝜎′ =

R̅ 𝑑2

(16)

Essa metodologia é semelhante ao monitoramento da variabilidade nas cartas de controle AM, Xbar-R e X-bar-S, onde o R̅ é o valor das amplitudes de valores individuais ou também pode ser usada quando existe subgrupos e 𝑑2 possui valor tabelado por uma constante (MONTGOMERY, 2009; PORTAL ACTION, 2021).

O outro exemplo, a ser elucidado para o cálculo da variação aleatória (𝜎 ′ ), baseia-se no fato de corrigir o valor do desvio padrão dos subgrupos (S̅ ) em função de um valor tabelado (𝑐4 ), (eq. 17) (MONTGOMERY, 2009): 𝜎′ =

S̅ 𝑐4

(17)

Essa condição também pode ser aplicada ao gráfico X-bar-R̅ de acordo com MINITAB (2007).

3.2 Variação no longo prazo A variação de longo prazo representa o comportamento do processo analisado com a presença da variação total, causas especiais e naturais, sendo mais representativo em relação as determinações impostas pelos gestores ou clientes de determinado produto ou serviço e se relaciona aos índices de capacidade Pp e Ppk. Em outras palavras a variação a longo prazo considera o desempenho global de uma operação agrícola. Um detalhe importante que vale a pena ser lembrado, mesmo na presença de causas especiais de variação (cartas de controle instáveis), os índices de performance representam adequadamente o comportamento do processo, pois utilizam a variabilidade total do processo. Caso o processo seja estável, isento de causas especiais de variação, sabe-se que ambos os índices são equivalentes (Cp e Pp). Os métodos para calcular a estimativa da variação no longo prazo ou o valor do desvio padrão a longo prazo (σ), apresentaremos duas opções baseadas nas equações 18 e 19: ∑𝑛 (𝑥𝑖 − 𝑥 )2 σ = √ 𝑖=1 𝑛−1

(18)

Em que, 𝑥𝑖 – valores amostrais 𝑥 – média amostras de todos os valores 𝑛 – número de amostras coletadas Outra proposta, para o cálculo da variação aleatória (σ) (eq. 19), baseia-se no fato de corrigir o valor do desvio padrão dos subgrupos ou de valores individuais (a depender do modelo de carta de controle utilizada) em função de um valor tabelado (𝑐4 ) (MONTGOMERY, 2009; PORTAL ACTION, 2021): 𝑛

√∑𝑖=1 (𝑥𝑖 − 𝑥 ) 𝑛−1 σ= 𝑐4(𝑛)

(19)

Por fim, para finalizarmos o assunto sobre a variação em curto e longo prazo, abaixo será representado um exemplo fictício de como essas variações podem ser vistas dentro de um processo agrícola mecanizado, para o monitoramento do indicador de qualidade perdas totais na colheita mecaniza de soja. Para o dado exemplo, vamos assumir que o processo apresente estabilidade ou presença apenas de causas naturais por dia de monitoramento no campo e também em uma análise global da operação. Logo, é importante ressaltar que iremos apresentar o modelo de cálculo baseado em valores individuais amostrais, média da amplitude móvel e quando isso ocorre, considera-se d2=1,128 (equivalente a n=2) para o cálculo da variação a curto prazo. Ao analisarmos a Tabela 1, verificasse que a colheita de soja foi monitorada sete dias e em cada dia foram realizas cinco amostras para a quantificação das perdas totais.

Tabela 2. Monitoramento das perdas totais na colheita mecanizada de soja e determinação do desvio padrão a curto e longo prazo. Dias de monitoramento Amostras coletadas 1 2 3 4 5 6 7 Perdas totais (kg/ha) 30 0 48 60 45 45 60 1 36 30 0 55 40 36 47 2 45 18 60 40 0 48 45 3 44 40 42 30 39 16 0 4 50 55 47 0 42 0 10 5 R̅ Dp curto prazo (𝜎 ′ ) Dp longo prazo (σ)

5.50 4.88 7.94

19.75 17.51 20.97

32.80 29.08 23.00

15.00 13.30 23.87

21.75 19.28 18.70

17.25 15.29 20.47

17.50 15.51 25.91

Dp – desvio padrão; R̅ - média da amplitude móvel (carta de controle AM ou MR)

É importante destacar também que o desvio padrão amostral ou a longo prazo ele não se altera em virtude da ordem de coleta das amostras e, por outro lado, o desvio padrão a curto prazo pode variar, se a ordem da coleta não seguir uma sequência, ou seja, mudou a sequência de disposição dos valores altera a amplitude móvel das amostras (intra-amostral). Vale destacar, que o desvio padrão a curto prazo é baseado na variabilidade da amplitude móvel ou no desempenho intra-amostral no decorrer do processo, que quando este se encontra estável (cartas de controle) representa apenas variações aleatórias no decorrer da colheita mecanizada de soja. No exemplo apresentado, pode ser calculado os desvios-padrão a curto e longo prazo diariamente, portanto, pode se fazer um monitoramento assíduo do processo e implantar um plano de melhoria mais rapidamente se necessário. Atenção: quando o desvio padrão a curto prazo é maior que a longo prazo, pode ser um indicativo para nos atentarmos ao comportamento do processo para que ele mantenha os padrões de qualidade estabelecidos pelos gestores. De outra forma, as vezes é interessante em analisar a colheita de modo global que nesse caso seria a união de todos os sete dias coletados (sequência, 1  7) e com isso teríamos 35 amostras totais. Ao realizar o cálculo do desvio padrão a longo prazo temos o valor de ± 19.47 kg/ha e para o desvio padrão a curto prazo de ± 18.14 kg/ha (R̅ = 20.47). A partir dos cálculos destes desvios-padrão torna-se possível quantificar os índices Cp e Pp.

3.3 A importância de propor um índice de capacidade para área agrícola Os índices de capacidade de processo para avaliarmos os processos na área agrícola, são provenientes de estudos matemáticos e estatísticos que foram desenvolvidos para monitorar processos com baixos níveis de variação. Um exemplo clássico, seria o tamanho de um lote de parafuso para um determinado local do trator. Dependendo da variação das medidas desse parafuso o lote pode ser descartado e a quantidade de peças produzidas durante a jornada de trabalho seja reduzida ou limitado por não atenderem as especificações básicas. Nesse contexto, torna-se mais exequível os níveis de capacidade do processo elevados para manter o rigor do monitoramento das peças que foram produzidas. Porém, quando utilizados um índice que geralmente usado em monitoramento de processos com baixa variação e aplica-se em processos na qual a variação pode ser em alguns casos elevada, pode ser que haja uma lacuna entre o que está sendo monitorado e sendo interpretado pelos atuais índices de capacidade do processo. Atrelado a isso, surge a pergunta: seria necessário a elaboração de um índice de capacidade de processos para a área agrícola? Essa pergunta é de difícil resposta até que tal condição não seja avaliada e testes sejam desenvolvidos para essa finalidade, uma vez que os processos mecanizados além de possuírem o fator máquina inerente a sua forma de trabalhos na maioria das vezes, estas máquinas possuem contato com as plantas na qual é um organismo vivo e dinâmico, o que torna os fatores de análises mais complexos de serem interpretados. 98

Uma possível solução, mais prática e fácil em relação a construção de um índice, seria a adequação dos limites específicos para cada processos serem condizentes com a questão analisada e possuírem um significado físico consistência para a avaliação ficar próxima da realidade. Essa situação, também nos leva a uma pergunta importante: qual será o limite para determinar a verdadeira representação do processo sem super ou subestima-lo? Na busca de adequação dos padrões de qualidade a serem alcançados, cada operação, máquina, operador, propriedade rural, dentre outros, são únicos e possuem formas de gestão próprias e isso são importantes requisitos para o melhor entendimento da maneira de elaborar níveis ou metas de qualidade agrícola e a criação de índices genéricos que abrangem ampla faixa de acomodação de valores pode em algum momento não quantificar o que realmente é preciso na operação. Contudo, pode ser possível as duas perguntas serem respondidas na busca por uma solução que melhor se adeque aos processos agrícolas mecanizados. Ressalta-se ainda que a proposição desse índice, não retira a importância e os créditos do atual utilizados por nós em nossos trabalhos passados e, sim, para olhar para um caminho que pode ser trilhado e construído para adequar as variações decorrentes da agricultura de forma que representem melhor suas operações agrícolas.

4. Considerações finais A temática que envolve esse assunto nem sempre é discutida em trabalhos e testes de campo, as vezes pela complexidade das análises, pela ausência de índices factuais com a agricultura, pelo fato da não definição de um padrão ou pela ausência de medir o que era posto como adequado, dentre inúmeros outros fatores. Ao pensarmos dessa forma, estamos limitando nossa capacidade de análise dos dados e as futuras informações de um determinado processo agrícola mecanizado, na qual poderíamos extrair decisões pertinentes sobre o comportamento da operação, o que por meio de tomadas de decisões em níveis gerenciais podem trazer mais sustentabilidade, econômica e fluxo operacional para uma propriedade rural. Por fim, a interpretação dos índices de capacidade do processo (Cp) devem ser realizadas em conjuntos com os outros (Cpk, Cpm e Pp) para que assim tenhamos uma visão global do processo eu esta sendo analisado levando em considerações os limites naturais, de especificações, metas de qualidade e valor média das amostras para tomadas de decisões mais assertivas e em tempo real.

5. Referências MINITAB. MINITAB Release 16: Meet MINITAB 16. MINITAB StatGuide; MINITAB Help. [S.l.]: Minitab., 2007. MONTGOMERY, D. C. Introdução ao controle estatístico da qualidade. 4. ed. Rio de Janeiro: LTC, 2009. PORTAL ACTION. Controle Estatístico de Processo. Site: www.portalaction.com.br Acesso: 01/03/2021 SAMOHYL, R. W. Controle estatístico de qualidade. Rio de Janeiro: Elsevier, 2009. SOUZA, R. A. Análise da qualidade de processo de envase de azeitonas verdes através de algumas ferramentas do controle estatístico de processo. 2003. 119 f. Dissertação (Mestrado em Engenharia de Produção) – Universidade Federal de Santa Catarina, Florianópolis, 2003.

QUALIDADE EM OPERAÇÕES LOGÍSTICAS DOS SISTEMAS AGRÍCOLAS MECANIZADOS João Eduardo Azevedo Ramos da Silva

1 Introdução Devido à tecnologia incorporada em seus projetos, as máquinas agrícolas modernas conseguem produzir com capacidade operacional elevada e simultaneamente obter uma alta qualidade nas operações resultantes. Dessa forma, a mecanização viabiliza a agricultura comercial brasileira com custos de produção menores, o que amplia mercados e aumenta a arrecadação de divisas para o país. Em 2019, o PIB do setor agropecuário cresceu 1,3% em relação a 2018, com destaque para milho, algodão, laranja e feijão, totalizando R$322 bilhões de reais, parcela que corresponde a 5,2% do PIB (BRASIL, 2020). Nos vários estágios das cadeias produtivas agrícolas, do campo até a distribuição aos principais mercados consumidores, as operações logísticas são responsáveis por garantir o fluxo da produção. O transporte e a armazenagem são as operações logísticas que suportam a produção e precisam ser planejadas com a mesma importância das operações agrícolas, a fim de assegurar o suprimento a baixo custo. Este capítulo aborda a qualidade das operações logísticas aplicadas aos sistemas agrícolas mecanizados. Muito embora o foco dessa publicação seja a qualidade da mecanização agrícola em si, este capítulo busca explorar a interface das operações logísticas com as duas áreas: qualidade e mecanização agrícola. As operações logísticas são bastante associadas à esfera militar, no apoio à manutenção do esforço de guerra no tocante à movimentação das tropas e ao suprimento de veículos, armas, alimentação, vestuário e outros insumos de forma eficiente e com baixo custo. O suprimento eficiente e barato também é objetivo das organizações produtivas no atendimento de seus clientes, seja na produção de bens ou na prestação de serviços, o que justifica a aplicação de práticas logísticas eficientes nas empresas para alcançar diferenciais de competitividade. Autor de referência em Logística e Cadeia de Suprimentos, BALLOU (2006) apresenta a definição de logística do Council of Logistics Management – CLM, organização profissional formada por gestores, professores e profissionais da área, e que se mantém como uma referência usual: “Logística é o processo de planejamento, implantação e controle do fluxo eficiente e eficaz de mercadorias, serviços e das informações relativas desde o ponto de origem até o ponto de consumo com o propósito de atender às exigências dos clientes” (BALLOU, 2006, p.27). A definição esclarece os objetos sujeitos às operações logísticas: bens (mercadorias), serviços e informações, cujo fluxo entre locais (e épocas) de origem e destino requer esforços de planejamento, implantação e controle. De qualquer forma, todo o trabalho da logística tem como propósito o atendimento pleno das exigências dos clientes, sejam clientes finais ou agentes intermediários, como indústrias transformadoras e membros das redes de suprimentos: distribuidores, atacadistas e varejistas. A realização das operações de maneira eficiente permite à empresa ofertante do serviço logístico uma distinção em relação à concorrência:  Para produtos ou serviços finais idênticos, uma empresa que executa suas atividades logísticas com menor custo pode usufruir de maior margem de lucro.  Da mesma forma, para produtos ou serviços finais idênticos, uma empresa com habilidade de promover uma entrega mais ágil, ou com maior precisão, ou com menos danos, por exemplo, certamente será escolhida em virtude do melhor nível de serviço. Aplicada ao setor agroindustrial, a logística à primeira vista possui a mesma importância dos demais setores produtivos. No entanto, a produção agrícola possui particularidades que aumentam a complexidade das operações logísticas e, consequentemente, sua importância.

100

A Figura 1 apresenta a estrutura utilizada nesse capítulo para explorar o vínculo entre os temas de logística, qualidade e sistemas agrícolas mecanizados. A seção 1 introduz o tema e apresenta a estrutura do capítulo. As seções 2, 3 e 4 são conceituais para respectivamente: apresentar as Operações Logísticas; expor as Particularidades do Setor Agroindustrial; e caracterizar os Sistemas Agrícolas Mecanizados. A partir desses temas, a seção 5 reúne os conceitos e expõe as Operações Logísticas dos Sistemas Agrícolas Mecanizados e como a qualidade de tais operações pode ser monitorada por meio de indicadores de desempenho. 5 - Operações Logísticas dos Sistemas Agrícolas Mecanizados

1 - Introdução

2 - Operações Logísticas 3 – Particularidades da Produção Agroindustrial

Qualidade das Operações Logísticas

4 – Sistemas Agrícolas Mecanizados

Figura 1: Estrutura do capítulo.

2. Operações Logísticas Ao se mencionar à área de logística, o senso comum faz uma associação quase que imediata às atividades de transporte e armazenagem. De fato, essas são as principais operações logísticas desde o início da humanidade. A produção agrícola, vinculada ao regime de safras, requer alguma técnica para conservar os dos produtos e proporcionar seu uso para além da época de colheita. Tal necessidade levou ao desenvolvimento das técnicas de armazenagem. Os registros de civilizações antigas revelam o uso de procedimentos como a salga de carnes e a secagem de grãos para conservação, bem como a confecção de utensílios como vasos e potes para a guarda e movimentação de cereais. O comércio dos excedentes da produção agrícola, e de outros artefatos, consolidou a importância do transporte, pois permitiu o consumo de produtos em locais geograficamente distintos daqueles em que eram originalmente produzidos. A rigor, lembra-se que foi o estabelecimento das rotas comerciais com o Oriente, por meio da navegação, que ampliou o desenvolvimento das potências europeias e o estabelecimento dos impérios coloniais. A sistematização dos conhecimentos da logística empresarial aplicada ao mundo dos negócios é bem mais recente, sendo praticamente consolidada apenas após a Segunda Guerra Mundial. Técnicas desenvolvidas militarmente, como a pesquisa operacional, ferramentas de posicionamento geográfico e tecnologias de informação e comunicação (TICs) foram absorvidas pelo setor produtivo e proporcionam um diferencial competitivo às organizações que as utilizam. BALLOU (2006) classifica as atividades logísticas em dois subconjuntos: atividades-chave e atividades de suporte, onde as atividades-chave são assim chamadas por comporem o circuito crítico do canal de distribuição imediato das empresas, e por representarem a maior parte dos custos ou serem essenciais para a missão da logística (Quadro 1). Quadro 1: Atividades logísticas: atividades chave e de suporte segundo BALLOU (2006).    

Atividades-chave Padrões de serviço ao cliente Transportes Administração de estoques Fluxo de informações e processamento de pedidos

     

Atividade de suporte Armazenagem Manuseio de materiais Compras Embalagem protetora Cooperação com a produção Manutenção de informações

101

Conforme o autor citado, o circuito crítico dos serviços ao cliente é um conceito representado pelo ciclo típico de atividades entre o cliente e seu fornecedor, onde os padrões de serviço ao cliente estabelecem o ambiente no qual o serviço logístico é oferecido, equilibrando os requisitos do cliente (níveis de serviço como entregas no prazo, no estado esperado, com rapidez, etc.) com as condições de oferta e os respectivos custos, pelo fornecedor. O ciclo inicia com a transmissão de um pedido do cliente ao fornecedor (fluxo de informações). O pedido é recebido e conferido quanto a disponibilidade de itens para envio e questões de pagamento, por exemplo (processamento de pedido). Os itens solicitados são então retirados a partir do estoque do fornecedor (administração de estoques) e encaminhados ao cliente (transporte), encerrando-se o ciclo (Figura 2). Padrões de serviço ao cliente

Fluxo de informações (pedido)

Fornecedor

Cliente

Estoque Fluxo de materiais (transporte)

Figura 2: O circuito crítico dos serviços ao cliente. Fonte: Adaptado a partir de BALLOU (2006, p.32).

O transporte e a administração de estoques são as atividades-chave da logística com maior custo, sendo que o transporte agrega valor de local (cobre o hiato entre pontos distintos de produção e consumo) enquanto a administração de estoques agrega valor de tempo (cobre o hiato entre tempos distintos de produção e consumo) aos produtos e serviços. Já as atividades de suporte, embora sejam tão importantes quanto as atividades-chave em algumas circunstâncias, são consideradas como contribuintes para a missão logística e podem não fazer parte das ações de todas as empresas (BALLOU, 2006). A produção agrícola possui forte vínculo com as atividades logísticas, das operações no campo até a distribuição dos produtos. No caso do Brasil, a produção agrícola mecanizada e em larga escala barateou o custo de produção de várias commodities, aumentou a margem de lucro dos produtores e ampliou os mercados para além das fronteiras nacionais. No campo, a mecanização aumenta a exigência da logística para o suprimento regular de insumos às máquinas. Em termos econômicos, busca-se ratear o custo fixo dos equipamentos por uma quantidade maior de horas de utilização efetiva para se obter um menor custo por unidade produzida (toneladas, sacas, etc.) ou por área trabalhada. Assim, atividades como o abastecimento de combustível e lubrificantes; os procedimentos de manutenção preventiva e corretiva; e o ressuprimento de insumos (sementes, herbicidas, fertilizantes, inseticidas, etc.), dentre outros, requerem controle permanente para se evitar qualquer tipo de interrupção das operações mais restritas. O acesso a novos mercados tornou mandatório o desenvolvimento de canais logísticos estruturados para a distribuição física dos produtos a serem exportados. O objetivo é sempre aumentar a rapidez de escoamento da safra, mantendo preservada a qualidade dos produtos e assim ampliar a margem de lucro dos produtores. Nesse sentido, um conjunto de iniciativas logísticas fornece suporte à exportação, por exemplo:  o desenvolvimento da cadeia do frio e da tecnologia de embalagens; para exportação de flores e frutas tropicais em condições ideais de temperatura e umidade;

102

 a implantação de instalações agroindustriais de alta capacidade operacional; tanto para o armazenamento como para a movimentação de cargas a granel, com instalações portuárias de grande porte, por exemplo, para agilização de embarques;  o uso de containers, big bags e outros dispositivos padronizados; que facilitam a contagem, controle e movimentação das cargas;  o incentivo à implantação de malhas ferroviárias; para a movimentação de cargas de alto volume por grandes distâncias, a baixo custo;  o apoio de ferramentas de tecnologias de informação e comunicação (TICs); que rastreiam cargas instantaneamente, facilitam transações comerciais e ampliam a eficiência das movimentações.

3. Particularidades da Produção Agroindustrial A produção agrícola é composta por uma sequência de operações ditadas conforme o ciclo vegetativo de cada produto. Muitas culturas são de ciclo curto, as chamadas culturas anuais, cujo ciclo produtivo é concluído em um ano ou menos, em alguns casos permitindo mais de uma safra ao ano como ocorre com o milho. Exemplos de culturas de ciclo anual também são: soja, feijão, arroz, algodão, sorgo e trigo. Outras culturas são perenes como café, laranja, limão, manga e goiaba, proporcionando várias safras sequenciais sem exigência de plantio anual. A cana de açúcar por sua vez é considerada semiperene, pois uma vez plantada permite cinco cortes em um ciclo entre plantios de seis anos, em média. A Figura 2 apresenta uma sequência de referência de um ciclo produtivo com 5 grupos de operações.

Preparo de solo

Transporte

Colheita

Plantio

Tratos culturais

Figura 3: Ciclo representativo da sequência de grupos de operações. A logística está presente em todos os grupos de operações apresentados na figura 3, dando suporte para a manutenção do ritmo do ciclo produtivo que está sujeito a variações conforme as condições climáticas. Culturas com alto grau de mecanização requerem um planejamento adequado dos recursos de produção (máquinas, implementos e veículos), uma vez que um mesmo equipamento pode ser usado em grupos de operações diferentes ao longo do ano. Como exemplo, pode-se citar o uso de um trator na faixa de 100hp sendo usado para operações distintas de preparo de solo e tratos culturais, em épocas distintas do ano e com implementos diferentes. Algumas culturas, inclusive, podem realizar operações de grupos de distintos na mesma época do ano. Como exemplo, no caso da cana-de-açúcar, algumas unidades produtoras realizam o plantio e a colheita num mesmo período, com tratores na mesma faixa de potência, o que exige algum tipo de coordenação para quantificar a necessidade de equipamentos para cada operação. Dependendo do porte e da estratégia de atuação de cada empresa agrícola, pode-se contratar empresas terceirizadas para a execução de um grupo de operações ou de uma operação isolada. Neste caso, os contratos de prestação de serviços precisam deixar claro os custos do serviço prestado, os limites 103

de cobertura da operação contratada e o nível de serviço logístico acordado entre as partes, monitorados por indicadores de desempenho como produtividade e disponibilidade mecânica. Em comparação com outros setores produtivos, BATALHA E SILVA (2007) apresentam cinco particularidades do setor agroindustrial:  Sazonalidade de disponibilidade de matéria-prima  Variação da qualidade da matéria-prima  Perecibilidade da matéria-prima  Sazonalidade de consumo  Perecibilidade do produto final A sazonalidade da disponibilidade da matéria prima decorre do regime de safra, que por razões edafoclimáticas, controlam o crescimento e o desenvolvimento de cada planta, conforme cada região. Em cana de açúcar, por exemplo, a colheita na região Centro Sul do Brasil ocorre majoritariamente entre os meses de maio a novembro, em virtude da maturação do produto e da facilidade de colheita na estação mais seca. A título de exemplo, o Quadro 2 apresenta os períodos de colheita de algumas culturas para os Estados da Região Centro Oeste. Quadro 2: Período de safra de algumas culturas para os Estados da Região Centro Oeste. Cultura

Estado Safra MT Janeiro a Maio Arroz MS Janeiro a Abril GO Março a Maio MT Fevereiro a Junho (1a safra) e Maio a Agosto (2 a safra) MS Fevereiro a Maio (1 a Safra) e Junho a Setembro (2 a safra) Milho GO Marco a Junho (1 a Safra) e Junho a Agosto (2 a safra) DF Fevereiro a Abril (1 a Safra) e Junho a Agosto (2 a safra) MT/MS/GO Janeiro a Abril Soja DF Fevereiro a Abril Fonte: Elaborado a partir de dados da CONAB (2019). Conforme o Quadro 2 apresenta, considerando uma mesma região, pode haver variação nas épocas de colheita para uma mesma cultura. Do ponto de vista de mecanização agrícola, é necessário dispor de infraestrutura de colheita e transporte para o escoamento da produção nestas épocas. Já a sazonalidade de consumo diz respeito à variação do consumo de determinados produtos de origem agrícola ao longo do ano em virtude de datas comemorativas ou das próprias estações que favorecem o consumo dos produtos. Exemplos de sazonalidade de consumo relacionados à agroindústria são revelados pelo consumo de flores no Dia das Mães, de vinhos em meses de inverno e de frutas cristalizadas no Natal. As sazonalidades de disponibilidade e de consumo apresentam suas variações individuais ao longo do ano. No entanto, ao compatibilizar produção e consumo, fica evidente que há um descompasso entre os dois momentos. Neste ponto exato revela-se a importância da armazenagem para garantir ao cliente final a disponibilidade dos produtos quando seu consumo é desejado. Os efeitos da sazonalidade podem ser estendidos à montante para as operações agrícolas mecanizadas. Uma vez que um mesmo equipamento, como um trator ou um pulverizador pode ser demandado em épocas distintas é necessário dispor de peças de reposição em estoque que possam suportar a realização das operações. A perecibilidade da matéria prima e do produto final dizem respeito à adequação respectivamente, da matéria prima para processamento e do produto final para consumo. Devido ao caráter biológico, o prazo de validade dos produtos agrícolas é curto em comparação com bens de consumo elaborados com outros materiais.

104

Vários exemplos podem ser apontados em relação à perecibilidade dos produtos agrícolas e o emprego de tecnologias e operações para reduzir o desperdício de produtos. Instalações agroindustriais voltadas ao processamento pós-colheita de commodities agrícolas como a soja e o milho encontram na tecnologia de secagem um meio para retardar o metabolismo dos grãos. O armazenamento controlado de tais produtos permite o escoamento em épocas de entressafra, quando o preço dos produtos é mais atrativo. Frutas tropicais exportadas a partir da região do semiárido brasileiro requerem o transporte com uso da cadeia do frio para aumento do shelf life a fim de chegarem aos pontos de consumo em condições ideais para o cliente final. O mesmo objetivo é passível de ser alcançado com a tecnologia de atmosfera modificada na embalagem das frutas, que é uma operação tipicamente logística. O transporte em containers refrigerados também é requisito para viabilizar o mercado exportador de flores, cujo timing dos processos deve ser preciso para a disponibilização dos bulbos para venda em ponto de flor no destino final. Devido à perecibilidade, a necessidade de processamento rápido torna necessária a adoção de alternativas que viabilizem um sistema de transporte eficiente, a título de maximizar a preservação das propriedades originais do produto de origem agrícola. A importância da rapidez pode ser evidenciada pela necessidade de a moagem da cana-de-açúcar ocorrer da maneira mais rápida possível após o processamento pela colhedora. À medida que o tempo passa a cana passa a perder suas características originais, o que é prejudicial para o processamento industrial. A variação da qualidade da matéria prima é a última das particularidades elencadas por BATALHA E SILVA (2007) para o setor agroindustrial e que traz um aumento de complexidade em relação a outros produtos. A variação da qualidade pode ter origem nas condições climáticas no momento do plantio ou da colheita, no manejo ou em particularidades dos locais de cultivo. Tais fatores interferem diretamente na qualidade e nos volumes produzidos e na padronização dos produtos finais. Como exemplo, produtos hortifrutis são altamente afetados por mudanças bruscas em períodos de chuva, geada ou tempo seco, com impacto direto no volume, qualidade e consequentemente, preço. Safras de cana-de-açúcar com períodos excessivamente chuvosos alteram toda a programação de colheita e podem proporcionar a extensão do período de safra. Em certos casos, nem todo o canavial programado para corte é colhido e as áreas restantes são processadas apenas na safra seguinte, como “cana bisada”. Por outro lado, safras com longos períodos de estiagem proporcionam a maior concentração de açúcar nos colmos, aumentando o teor de sacarose por hectare colhido, A variação da qualidade da matéria prima interfere nas operações logísticas, ao alterar as programações de transporte, suprimentos e embalagem que foram originalmente efetuadas. Dependendo da situação, perdas de material podem ser geradas trazendo impacto econômico ao reprogramar tais operações. Ao lidar com variações na qualidade da matéria prima, a operação de armazenagem em condições controladas, pode ao máximo, preservar a qualidade dos produtos colhidos.

4. Sistemas Agrícolas Mecanizados Na área agrícola é bastante comum a referência a sistemas, como um conjunto próprio de atividades com algum tipo de vínculo, em geral restrito a um tipo de produto ou ainda a um conjunto de processos, como por exemplo, um sistema de plantio, de irrigação ou um sistema de colheita. A rigor, a literatura apresenta que um sistema corresponde a “Um conjunto de objetos, como pessoas ou máquinas, por exemplo, que atuam e interagem com a intenção de alcançar um objetivo ou um propósito lógico.” (TAYLOR, 1970 apud FREITAS FILHO, 2001, p.6). Os objetos que compõem um sistema podem ser de naturezas diversas, tais como matérias primas, máquinas, mão de obra, regras e produtos. Dentro destes há particularidades que, devido à interação com os demais objetos, condicionam os resultados alcançados pelo sistema como um todo. O Quadro 3 apresenta de forma genérica os objetos componentes de um sistema e algumas de suas particularidades.

105

Quadro 3: Objetos componentes de um sistema de produção e algumas de suas particularidades. Objeto Matérias primas

Máquinas

Mão de obra

Regras

Produtos

Particularidades • Quantidade • Localização • Qualidade • Custo • Quantidade • Potência • Produtividade • Procedimentos de manutenção • Equipamentos de apoio • Custo • Cargo • Atribuições • Competências, Habilidades e Atitudes • Treinamento • Custos (salário, benefícios, etc.) • Plano de carreira • Legislação trabalhista • Normas de Segurança, Saúde e Meio Ambiente • Legislação ambiental • Legislação de transporte • Regras operacionais: Intervalos para refeição, locais e procedimentos para troca de turno • Quantidade • Qualidade • Destino • Preço de venda • Custo

Os sistemas agroindustriais possuem aderência com o conceito apresentado, adicionando as complexidades de sazonalidade e perecibilidade apresentadas na seção anterior que advém da natureza das matérias primas e produtos envolvidos. Tomando como exemplo o sistema de corte, transbordo e transporte (CTT) de cana de açúcar, o objetivo do sistema é a disponibilização da cana de açúcar no ponto de moagem nas usinas. Idealmente esta disponibilização deve ocorrer de maneira rápida, com o menor tempo possível entre o corte e a moagem, com um percentual de impurezas baixo, com minimização de perdas e com baixo custo, considerando o sistema como um todo. Nesse sentido, os objetos atuantes nesse caso são:  Matéria prima: Variedades de cana de açúcar das áreas liberadas para colheita, com distância conhecida, assim como as condições de campo (produtividade estimada, sistema de plantio, tipo de solo e declividade, dentre outros)  Máquinas: Tipos de equipamentos alocados para colheita, transbordo e transporte, com disponibilidade de peças para reposição (facas de corte, filtros, mangueiras hidráulicas) e demais insumos (combustível, lubrificantes, graxa) e equipamentos de apoio designados (comboios, carro oficina, caminhão borracharia)  Mão de obra: Operadores de colhedoras, de tratores para transbordo e motoristas treinados, com designação clara das atividades esperadas, salário condizente e plano de carreira  Regras: Definição da jornada de trabalho conforme legislação, procedimentos de trocas de turno e intervalos para refeições.  Produtos: Cana de açúcar entregue na usina, na quantidade designada, com baixo teor de impurezas e de perdas no campo, ao menor custo possível A complexidade das operações no campo aumenta à medida em que há interdependência de operações realizadas por equipamentos diferentes. Para o exemplo apresentado, a colheita de cana-de106

açúcar para suprimento das usinas requer o planejamento do fluxo de matéria prima que vem simultaneamente de diferentes frentes de corte. Por sua vez, cada frente de corte é servida por três tipos de equipamentos: colhedoras, tratores de transbordo e caminhões que processam e transportam a cana para moagem. A quantidade de equipamentos, a multiplicidade das cargas, o ritmo operacional e os procedimentos de manutenção de cada tipo de equipamento são fatores que requerem compatibilização para garantir o fluxo de matéria prima para a usina. A coordenação do sistema de corte, transbordo e transporte de cana requer uma visão holística da equipe gestora visando garantir a produção do conjunto de operações com o uso eficiente dos objetos atuantes do sistema apresentado anteriormente.

5. Operações Logísticas dos Sistemas Agrícolas Mecanizados As atividades chave e de suporte da logística fornecem apoio às operações agrícolas por meio do suprimento contínuo de insumos e do planejamento da necessidade de recursos produtivos, tanto máquinas como mão de obra. As características de sazonalidade e perecibilidade dos produtos adicionam complexidade aos esforços de gestão dos sistemas agrícolas, uma vez que há vinculação da realização de determinadas operações ao regime das estações do ano. Os esforços de planejamento do maquinário agrícola também são mais complexos quanto se adiciona a necessidade de sequenciamento de operações, com diversas combinações trator-implemento, com uso de insumos diferentes e sujeitas a janelas de tempo para a realização das operações. Essas características se tornam evidentes ao se relacionar os grupos de processos de preparo de solo, plantio e tratos culturais e colheita, todas elas com programação sujeita a alterações devido ao clima. Em se tratando de sistemas agrícolas mecanizados, o custo de aquisição requer uma alta utilização dos equipamentos, para que os custos fixos sejam rateados pela maior área trabalhada ou toneladas processadas por unidade de tempo (dias ou horas). Na busca por maior produtividade pode-se incorrer em danos quanto à qualidade com que os processos são desenvolvidos. Segundo JURAN (1992), gerenciar é controlar; sem controle não há gerenciamento e sem medição não há controle. De acordo com este conceito, é necessário estipular indicadores de desempenho para assim, sistematicamente, promover a gestão adequada das operações. A mensuração da qualidade das operações agrícolas é um tema recorrente em pesquisas. Uma boa parte dos estudos foca a qualidade resultante dessas operações, como mensuração de perdas, uniformidade de aplicação de insumos e percentual de impurezas presentes na carga, dentre outros indicadores. Como exemplo, MILAN E FERNANDES (2002) avaliaram o uso de Controle Estatístico do Processo (CEP) para monitorar as operações de preparo de solo, o que proporcionou a redução da variabilidade da profundidade média de trabalho em 38,4%, a redução de 9,8% dos dados médios de tamanho de torrões, e um aumento de 75,0% de torrões aceitáveis. Já NEVES et al (2006) avaliaram as perdas invisíveis de colhedoras de cana de açúcar encontrando valores da ordem de 10%, e eficiência de limpeza do sistema de extratores de 87%. Outros trabalhos envolvendo máquinas agrícolas são pautados nos ganhos de produtividade dos equipamentos envolvidos. Exemplos de trabalhos dessa natureza são: NUINTIN (2007), PELOIA; MILAN (2007) e SUGUISAWA et al. (2007), respectivamente abordando processos de produção de café, colheita de cana de açúcar e aplicação de herbicida em lavouras de trigo. Tais resultados são vinculados aos resultados das operações agrícolas em si, mensuradas no campo. No entanto, além da qualidade resultante das operações ou de aspectos de produtividade, buscase monitorar como as operações agrícolas mecanizadas são supridas do ponto de vista de logística. A Figura 4 apresenta de forma esquemática como ocorre o suprimento de materiais diversos para a realização de operações agrícolas mecanizadas, onde é possível distinguir duas dimensões logísticas: interna e externa.

107

Figura 4: Logística interna e logística externa. A logística interna diz respeito ao ciclo de movimentação de materiais e serviços dentro da unidade de produção, quer seja a fazenda, talhão ou bloco onde a operação agrícola é realizada. Nesta dimensão, a solicitação de ressuprimento imediato de insumos (sementes, adubo, herbicida, corretivos, etc.), combustível, água e outros materiais é favorecida pela menor distância entre o ponto onde a operação está sendo realizada e o local de armazenagem intermediária (distância d) a partir do qual os materiais são enviados e os serviços são prestados. A armazenagem intermediária amortece tanto a variabilidade do ritmo de consumo de materiais pelas operações agrícolas (lado da demanda) como a variabilidade do ritmo de ressuprimento dos mesmos materiais (lado do fornecimento). As condições climáticas constituem um bom exemplo das variações às quais as operações agrícolas estão sujeitas, requerendo replanejamento frequente. O local de armazenagem intermediária pode ser constituído pela própria sede da fazenda como também por um ponto de apoio, fixo ou móvel, para suporte às operações em curso. O disparo dos pedidos de ressuprimento pelos operadores em campo é feito por tecnologias de informação e comunicação (TICs) como o rádio, por exemplo. Dependendo da operação agrícola em execução e da distância a ser percorrida, o equipamento pode se deslocar ao ponto de armazenagem intermediária para ser suprido ou executar algum serviço. Em outros casos, o equipamento permanece dentro da área de produção, ou no carreador ao lado, para ser suprido com os insumos necessários pelos equipamentos de apoio, que se deslocam até o equipamento demandante. Os equipamentos de apoio à logística interna possuem várias configurações em função da operação que está sendo realizada e do tipo de insumo demandado. São exemplos de equipamentos de apoio: comboios de abastecimento e lubrificação, caminhões tanque, carregadoras com dispositivos para elevação de big-bags, caminhões oficina e caminhões borracheiro, dentre outros. De qualquer maneira, o posicionamento adequado do ponto de armazenagem intermediária, a quantidade de equipamentos de apoio e as regras/políticas de ressuprimento dos equipamentos de apoio visam o rápido atendimento do maquinário agrícola para o reestabelecimento do ritmo normal de trabalho, reduzindo o tempo de máquina parada. Por sua vez, a logística externa corresponde aos procedimentos de movimentação e armazenagem de materiais de forma a suprir adequadamente o ponto de armazenagem intermediária. Estes procedimentos consideram a aquisição de materiais de natureza diversa (insumos, combustíveis, peças de reposição, etc.) a partir de fornecedores variados, também visando a continuidade das operações em campo. A logística externa possui uma complexidade diferente em comparação à logística interna, dada a diversidade de fornecedores, a maior distância (distâncias D1, D2 e D3) dos vários pontos de aquisição em relação à área de produção e aos processos comerciais de aquisição de materiais (prazo de entrega, lotes mínimos de produção e transporte, sazonalidade de fornecimento, etc.). Do ponto de vista de custos, o ideal seria haver uma compatibilização do ritmo de ressuprimento da logística externa, alinhado aos processos de logística interna, sempre subordinados ao consumo real das operações agrícolas. No cenário ideal, as operações mecanizadas puxariam as demandas reais à montante na rede de suprimentos, reduzindo estoques e por consequência, os custos. No entanto, devido 108

à necessidade de manter a continuidade das operações agrícolas, a armazenagem intermediária se faz necessária para cobrir as flutuações de consumo e as incertezas do fornecimento. Por fim, a logística envolvida nas operações agrícolas em suas dimensões interna e externa busca compatibilizar a produção de insumos, outros materiais e serviços à demanda solicitada, a baixo custo e com nível de serviço elevado. Assim, a qualidade das operações logísticas dos sistemas agrícolas mecanizados pode ser entendida como a realização das operações agrícolas com um alto nível de serviço logístico (NSL). Para tanto, é mandatório dispor de indicadores que possam quantificar o nível de serviço logístico e possibilitar sua gestão de forma sistemática. A literatura reporta a proposição de indicadores de desempenho logístico do ponto de vista de vários autores. São apresentados três materiais de autores de referência da área de logística e indicadores de desempenho, a saber: BOWERSOX, CLOSS e COOPER (2002); BALLOU (2006) e CORREA (2010). BOWERSOX, CLOSS e COOPER (2002, p. 558) listam um conjunto de indicadores de desempenho típicos agrupados em cinco áreas de interesse: Gestão de custos, Atendimento aos clientes, Qualidade, Produtividade e Gestão de ativos, conforme apresenta o Quadro 4. Quadro 4: Medidas típicas de desempenho segundo BOWERSOX, CLOSS e COOPER (2002). Gestão de custos

Atendimento aos clientes

Custo total;

Taxa de atendimento; Falta de estoque;

Custo unitário; Frete de recebimento; Frete de expedição; Processamento de pedidos no depósito; Tendência de custos; Lucratividade direta dos produtos; Lucratividade por segmento de clientes; Custo de produtos devolvidos; Custo de danos; Custo de falhas no serviço;

Erros de embarque; Entregas no prazo; Pedidos não atendidos; Tempo de ciclo;

Qualidade

Produtividade

Frequência de danos; Precisão da entrada de pedidos;

Unidades expedidas por empregado;

Precisão da separação/expediç ão;

Consistência das entregas;

Precisão da documentação/fat uramento;

Precisão das respostas;

Disponibilidade de informação;

Pedidos completos;

Precisão das informações;

Reclamações de clientes; Reclamações da força de vendas; Nível global de confiança; Nível global de satisfação.

Número de reclamações de crédito Número de devoluções de clientes.

Custo de pedido não atendido.

Gestão de ativos Giro de inventário; Níveis de inventario,

Unidades por dispêndio com mão-de-obra; Pedidos por representante de vendas;

Número de dias de suprimento;

Comparação com os padrões históricos;

Retorno sobre os ativos líquido;

Programas de objetivos; Índice de produtividade;

Retornos sobre investimentos ;

Tempo de uso dos equipamentos; Produtividade da entrada de pedidos;

Classificação do inventário; Valor econômico agregado.

Inventario obsoleto;

Produtividade da mão-de-obra do armazém e do transporte.

Fonte: BOWERSOX, CLOSS e COOPER (2002, p. 558). BALLOU (2006) reconhece a dificuldade da avaliação efetiva da logística dos serviços ao cliente e apresenta o tempo de ciclo do pedido, ou seja, o tempo decorrido entre o momento do pedido e a entrega do produto ou serviço ao cliente, e suas variabilidades como provavelmente as melhores medidas. O autor ainda indica as medidas de desempenho mais comuns para cada atividade logística (Quadro 5).

109

Quadro 5: Medidas de desempenho por atividade logística segundo BALLOU (2006). Atividade logística Processamento dos Pedidos Acurácia na documentação dos pedidos

Medida de desempenho  Tempo mínimo, máximo e médio de processamento dos pedidos  Percentual de pedidos processados nos prazos determinados  Percentagem de documentos dos pedidos contendo erros  Percentagem de entregas no prazo  Percentagem de pedidos entregues na data estabelecida pelo cliente  Danos e reclamações de prejuízos como percentagem do frete  Percentagem de artigos em falta no estoque  Percentagem de pedidos atendidos completamente  Índice de atendimento e de atendimento médio ponderado dos pedidos  Percentual médio de itens de pedidos em atraso  índice de atendimento dos itens  Número de devoluções em relação ao total dos pedidos  Valor das devoluções em relação às vendas totais  Tempo mínimo, máximo e médio de processamento dos pedidos

Transporte

Disponibilidade de produtos e estoque

Produtos danificados Tempo de processamento da produção/armazém Fonte: BALLOU (2006, p. 112).

Por fim, CORRÊA (2010) apresenta várias medidas de desempenho genéricas em duas perspectivas: para a rede imediata de suprimentos (Suprimentos, Operação interna e Distribuição) e para a Rede Global de Suprimentos. Em ambas as perspectivas as medidas de desempenho foram agrupadas em 6 critérios, dentre os quais, há um conjunto de medidas específicas para a qualidade, apresentadas no Quadro 6. Quadro 6: Medidas de desempenho para o critério de Qualidade segundo CORREA (2010). Suprimentos Percentagem de fornecedores certificados (qualidade assegurada) Percentual de pedidos recebidos de fornecedores certificados

Operação interna

Distribuição

Índice de retrabalho e refugos

Taxa de danos na armazenagem

Taxa de melhoria de qualidade

Taxa de danos no transporte

Taxa de defeitos

Nível de uso de controle estatístico de qualidade

Acuracidade nos processos de separação da carga

Percentual de lotes rejeitados

Horas de treinamento em qualidade por ano

Acurácia de documentação de despacho

Percentual de funcionários treinados em seis sigma

Número de devoluções

Rede Global Volume de devoluções por qualidade Custos totais por garantia Número de defeitos no campo (partes por milhão) Qualidade percebida pelo consumidor -

Fonte: CORREA (2010, p. 168). Os indicadores apresentados por BOWERSOX, CLOSS e COOPER (2002), BALLOU (2006), e CORREA (2010), embora sejam apresentados de maneira genérica, podem ser utilizados para o monitoramento das operações logísticas vinculadas às operações agrícolas mecanizadas, seja na logística interna como na logística externa.

110

Há indicadores recorrentes nas propostas apresentadas, como danos e acurácia no fornecimento e medidas relativas a tempos de entrega, e outros que requerem algum grau de adaptação para uso, a depender das operações envolvidas. As proposições de BOWERSOX, CLOSS e COOPER (2002) e CORREA (2010) especificamente propõem um conjunto de indicadores de desempenho associados ao critério da qualidade. Dessa forma, no tocante à qualidade dos sistemas agrícolas mecanizados, o registro sistemático dos indicadores de desempenho torna possível o acompanhamento da evolução dos processos logísticos ao longo do tempo, bem como a identificação de oportunidades de melhoria para o aprimoramento dos processos sob controle.

Referências BALLOU, R. H. Gerenciamento da cadeia de Suprimentos/Logística Empresarial. Porto Alegre: Bookman,5. Ed., 606p. 2006. BATALHA, M. O.; SILVA A. L. Gerenciamento de sistemas agroindustriais: definições, especificidades e correntes metodológicas. In: BATALHA, M. O. (Org.). Gestão Agroindustrial. São Paulo: Atlas, 2007. v. 1, p. 1-62. BOWERSOX, D. J.; CLOSS, D. J.; COOPER, M. B. Supply chain logistics management. Mc GrawHill/Irwin series, 2002. BRASIL. Calendário de Plantio e Colheita de Grãos no Brasil 2019. CONAB (Companhia Nacional de Abastecimento). Acesso em 19jul2020 BRASIL. PIB do setor agropecuário cresce 1,3% em 2019. Publicado e 5 mar. 2020Disponivel em <https://www.gov.br/pt-br/noticias/financas-impostos-e-gestao-publica/2020/03/pib-do-setoragropecuario-cresce-1-3-em-2019> acesso em 20 jul. 2020 CORREA, H. L. Gestão de redes de suprimento: Integrando cadeias de suprimento no mundo globalizado. São Paulo: Atlas, 2010. 414p. FREITAS FILHO, P. J. Introdução à modelagem e simulação de sistemas: com Aplicações em Arena. Florianópolis: Visual Books, 2001. JURAN, J. M. A Qualidade desde o projeto. São Paulo: Pioneira, 1992 MILAN, M.; FERNANDES, R. Al. Qualidade das operações de preparo de solo por controle estatístico de processo. Sci. agric. (Piracicaba, Braz.) [online]. 2002, vol.59, n.2, pp.261-266., 2002. NEVES, J. L. M.; MAGALHAES, P. S. G.; MORAES, E. E.;ARAUJO, F. V. M.. Avaliação de perdas invisíveis na colheita mecanizada em dois fluxos de massa de cana-de-açúcar. Eng. Agríc. [online], vol.26, n.3, 2006. NUINTIN, A. A. O desenvolvimento de indicadores do desempenho e da qualidade para o processo de produção: estudo de casos do processo de produção do café. 2007. 145 f. Dissertação (Mestrado em Controladoria e Contabilidade) - Faculdade de Economia, Administração e Contabilidade de Ribeirão Preto, Universidade de São Paulo, Ribeirão Preto, 2007. PELOIA, P. R.; MILAN, M. Indicadores de desempenho operacionais de uma frente de colheita mecanizada de cana-de-açúcar. In: CONGRESSO BRASILEIRO DE ENGENHARIA AGRÍCOLA, 36., 2007, Bonito. Anais... Bonito: Associação Brasileira de Engenharia Agrícola, 2007. SLACK, N.; CHAMBERS, S.; HARLAND, C.; HARRISON,A.; JOHNSTON,R. Administração da Produção, Editora Atlas (2ª ed.),São Paulo, 2002. SUGUISAWA, J. M.; FRANCO, F. N.; SILVA, S. S. S.; PECHE FILHO, A. Qualidade de aplicação de herbicida em lavoura de trigo. Engenharia Agrícola, Jaboticabal, v.27, n.1, p.41-47, 2007.

111

AS RAÍZES PROFUNDAS DA PRODUÇÃO ENXUTA - LEAN PRODUCTION: DOS PRIMÓRDIOS DA REVOLUÇÃO INDUSTRIAL AOS DIAS DE HOJE. UMA HISTÓRIA DE PIONEIRISMO, EXPERIMENTAÇÃO, FRACASSOS E SUCESSOS Marcos Milan A revolução industrial tem as suas origens nos idos de 1700 na Inglaterra com a indústria têxtil. A atividade processava principalmente o algodão, matéria-prima vinda das colônias, e a água dos rios fornecia a energia necessária para o acionamento das máquinas. Ao longo dos anos, os aperfeiçoamentos introduzidos nas máquinas fizeram da Inglaterra a maior produtora de tecidos à base da fibra do algodão. Nessa mesma época, tem início um processo de grandes modificações na agricultura inglesa, com a incorporação de novos sistemas agrícolas, uso de fertilizantes, novas culturas e a invenção de máquinas e implementos tais como o cultivador mecânico e a semeadora mecânica em linhas, tendo como fonte de potência a tração animal. Como decorrência desses avanços constatou-se que, se em 1700, oitenta por cento da população inglesa dependia da terra para sobreviver, cem anos depois esse valor cairia para quarenta por cento. A população deixava o campo e se concentrava nas cidades à procura de uma oportunidade de trabalho, que a incipiente indústria proporcionava. A economia baseada na terra, mão de obra de baixa especialização, dependente da agricultura e mercados com pouca integração geográfica, começa a se transformar em uma economia fundamentada no capital, na menor dependência da agricultura, na mão de obra especializada e em mercados integrados geograficamente. Um ponto crucial para a aceleração das mudanças foi o aperfeiçoamento do motor a vapor pelo inventor escocês James Watt. Historicamente, a primeira experiência empregando o vapor como fonte de potência foi a máquina térmica de Heron, eolípila, na Alexandria, Egito, no século I. Ao longo do tempo, foram desenvolvidos outros motores com esse mesmo este princípio, mas as restrições no funcionamento faziam com que as aplicações fossem bem limitadas. Em 1765, Watt apresentou um protótipo de motor a vapor que era um aperfeiçoamento de um modelo aplicado, com várias restrições, no bombeamento de água nas minas de carvão. O protótipo era mais eficiente e prático. Anos mais tarde, Watt introduziu um dispositivo para transformar o movimento retilíneo alternativo em movimento circular, expandindo a sua utilização, inclusive para o acionamento das máquinas na indústria têxtil. Em 1778 patenteou o regulador centrífugo, permitindo, com isso, controlar a velocidade do motor e ampliando as possibilidades de uso. Esses aperfeiçoamentos tornaram possível o desenvolvimento da locomotiva a vapor, máquina que revolucionou o transporte. O motor a vapor, que utilizava como fonte de energia o carvão mineral e a madeira, começa a substituir a energia humana, dos animais, hidráulica e eólica empregadas até então. Sendo mais barato e eficiente, ele impulsiona as indústrias em número e tamanho, o comércio e, consequentemente, a concorrência. A demanda por mão de obra se acentua nas novas fábricas, surgindo novos desafios referentes ao recrutamento, treinamento e motivação das pessoas para um ambiente inédito. A administração passa a ser vista como o quarto fator de produção, somando-se à terra, mão de obra e capital, esse último como fator principal (WREN, 2005), (KREIS, 2017).

O óleo de pedra Na década de 1850, quando o mundo passava por modificações profundas tanto na economia como pelo aumento da população, um grupo de investidores solicitou a um professor de química da Universidade de Yale a análise de um líquido escuro e viscoso, proveniente do oeste da Pensilvânia, EUA. O líquido, conhecido como “rock oil, óleo de pedra”, ou “óleo de Sêneca”, denominação em referência a uma tribo de índios da região, brotava naturalmente à superfície e era recolhido manualmente. Ao “óleo de pedra” era atribuído o poder de cura, sendo usado para aliviar desde dor de dente a ferimentos em animais. O grupo de investidores sabia que o líquido era inflamável, mas havia dúvidas se poderia ser empregado para a iluminação artificial, que era um problema sério devido aos custos da gordura, animal ou vegetal, e do gás de carvão. Um líquido derivado da terebintina apresentava-se como uma opção mais barata, mas com a desvantagem de ser altamente inflamável. A resposta dada pelo professor foi que o “óleo de pedra”, quando submetido a diversos níveis de ebulição, gerava vários subprodutos e, dentre eles, havia um de alta qualidade para ser empregado na iluminação, mais tarde denominado de querosene. Uma etapa havia sido vencida, mas ainda existia um problema 112

maior associado à obtenção do “óleo de pedra” para a comercialização, pois a coleta manual não era adequada para os volumes requeridos para essa nova empreitada. Para extrair o “óleo de pedra” em volumes suficientes para atender ao novo negócio surgiu a ideia de aplicar o mesmo princípio da perfuração utilizado na extração do sal. Em 27 de agosto de 1859, após muitas dificuldades, a perfuração deu certo e o petróleo jorrou na região conhecida como “oil creek”, perto do vilarejo de Titusville na Pensilvânia, à época com 125 habitantes. Em 1860 foram extraídos 450 mil barris de “óleo de pedra” e, em 1862, três milhões, dando início a uma nova era na iluminação das cidades. Em fevereiro de 1865 em Cleveland, Ohio, EUA, uma sequência de eventos levou ao estabelecimento da Standard Oil, sob o comando de John D. Rockefeller, que veio a tornar-se a maior empresa de petróleo americana e do mundo. A partir de então, ela dominou o mercado e verticalizou toda a produção desde a extração, refino, transporte até a distribuição. Nas refinarias, além do querosene que era o principal negócio da indústria petrolífera, eram produzidos a nafta, solventes e os lubrificantes para atender às máquinas e locomotivas a vapor que a revolução industrial disseminava. Em 1882, Thomas A. Edison apresentou a lâmpada elétrica para o mundo e oito anos depois, em 1885, existiam aproximadamente 250 mil lâmpadas em uso nos EUA. A tecnologia também se espalhou para a Europa, tornando-se uma ameaça ao querosene e à indústria do “óleo de pedra”, (YERGIN, 2005).

A carruagem sem cavalos A ameaça da iluminação elétrica ao “óleo de pedra” não durou muito tempo. Em 1876, o engenheiro alemão Nikolaus A. Otto apresentou o motor de combustão interna de quatro tempos, desenvolvido com base nas ideias do engenheiro belga Jean J.E. Lenoir, que queimava no seu interior uma mistura de gás de iluminação e ar e ficou conhecido como motor de ciclo Otto, ou por ignição. Em 1893, Rudolf Diesel obteve a patente de um novo tipo de motor de combustão interna, por compressão, que desde então foi denominado de ciclo Diesel, (BREEZE, 2018). Os novos motores de combustão interna eram mais leves, mais simples de usar e geravam mais potência do que o motor a vapor, tornando-se uma opção ideal para a “carruagem sem cavalos”. Em 1886, Karl F. M. Benz obtém a patente do primeiro automóvel com motor ciclo Otto empregando como combustível a gasolina, um derivado do petróleo, com as vendas ao público iniciadas em 1888. O carvão mineral como fonte de energia e o motor a vapor começam a ser substituídos pelo “óleo de pedra” e o motor de combustão interna. Com isso, a indústria do petróleo passa a dominar o cenário da energia, uma realidade ainda hoje. Vários fabricantes de automóveis surgiram e, embora as características básicas fossem mantidas, cada exemplar era único. A produção era artesanal, a maioria das peças eram produzidas em pequenas oficinas e entregues ao fabricante. Durante a montagem do veículo, que ficava estacionário, era necessário o emprego de mão de obra especializada para fazer os ajustes necessários ao encaixe das peças. Devido às características artesanais da produção, a quantidade era pequena, os veículos eram caros e difíceis de serem mantidos e somente os ricos tinham condições de possuir um. O panorama começa a mudar quando, em 1903, Henry Ford deu início às atividades da Ford Motor Company, com a visão de produzir automóveis baratos e de qualidade, para atender a maior parte da população, uma visão considerada como impossível de ser alcançada de acordo com as opiniões da época. Para ele estava claro que não seria possível produzir bons carros e de baixo custo com os métodos de produção empregados. A Ford Motor Company iniciou a produção como o modelo A e, em 1908, após três anos de pesquisas e testes, lançou o seu vigésimo projeto: o modelo T. Esse modelo de “carruagem sem cavalos” foi concebido para atender o público em geral. Para isso os conceitos adotados eram os de um veículo de baixo custo, construído com material de alta qualidade e resistente, simples de operar, com potência suficiente, confiável, leve e seguro nas diversas condições de operação. Henry Ford descreveu o novo modelo: “...Vou construir um carro para a grande multidão. Será grande o suficiente para a família, mas pequeno o suficiente para um indivíduo usar e cuidar. Será construído com os melhores materiais, pelos melhores homens a serem contratados, segundo os projetos mais simples que a engenharia moderna puder conceber. Mas o preço será tão baixo que nenhum homem com um bom salário será incapaz de ter um e desfrutar com sua família a bênção de horas de prazer nos grandes espaços abertos de Deus...”, (FORD, 2014: p52). Para construir esse carro de acordo com os princípios estabelecidos, a forma de produzir foi alterada e aperfeiçoada ao longo do tempo. A proposta para a montagem dos veículos foi trazer a 113

operação para a mão de obra, e não o inverso como era o padrão, colocar as ferramentas e a mão de obra em sequência, empregar um meio para levar as partes prontas para a próxima operação na menor distância possível. Os princípios da administração científica, desenvolvidos por Frederick Taylor, foram adaptados e implementados pela engenharia da empresa, envolvendo, dentre outros: a aplicação da metodologia científica para identificar a melhor forma de fazer as coisas, ao invés de confiar na maneira prática ,“rule of thumb”; seleção e treinamento da mão de obra e não simplesmente designar para o trabalho; monitoramento do desempenho; descrição detalhada dos procedimentos; motivação da mão de obra para emitir sugestões visando a melhoria das tarefas. A produção empregava também máquinas dedicadas, o que permitia a fabricação de peças em quantidade, mas diminuía a flexibilidade. A aplicação dos princípios de Taylor envolveu também a divisão de tarefas em etapas de forma que, com treinamento específico, qualquer pessoa fosse capaz de executá-la. A linha de montagem em movimento contínuo, que permitia ao trabalhador permanecer fixo em um local, só foi instalada após alguns anos do início da fabricação do modelo T. A ideia veio de uma visita dos engenheiros da Ford a um frigorífico em Chicago, onde observaram o emprego de carrinhos aéreos no desmembramento das carcaças, com os funcionários ocupando posições fixas, (TAYLOR, 1911; WOMAC et al., 2004; FORD, 2014; TOMAC et al., 2019). Esse novo sistema de produção incorporando técnicas da administração científica, os desenvolvimentos na própria empresa e a linha de montagem em movimento contínuo foram as bases para produção em massa. A produção em massa só foi possível devido à padronização e à intercambialidade das peças. Na produção artesanal, a mão de obra especializada era empregada para fazer os ajustes necessários para que as peças se encaixassem e, no final, um automóvel era diferente do outro. A intercambialidade já era empregada há dois mil anos na China, nos mecanismos de disparo dos arcos utilizados pelos soldados (KIBBLE, 2014). O emprego na indústria foi no período da guerra civil americana nos idos de 1860 para a fabricação dos rifles, mas existem relatos que 10.000 mosquetes foram produzidos com peças intercambiáveis na França em 1785 (STAUFFER, 2003). De acordo com WOMACK et al., (2004: p1415) “...a chave da produção em massa não residia - conforme muitas pessoas acreditavam ou acreditam – na linha de montagem em movimento contínuo. Pelo contrário, consistia na completa e consistente intercambialidade das peças e na facilidade de ajustá-las entre si... Ford insistiu que o mesmo sistema de medidas fosse usado ao longo de todo o processo de fabricação...”. A revolução na indústria de máquinas-ferramenta, originada pelos trabalhos de Taylor com ferramentas de aço rápido na Bethlehem Steel, ao final dos anos 1890, foi outro elemento fundamental para obter a padronização e a intercambialidade de peças de forma econômica, (PAXTON, 2012). Valendo-se das vantagens obtidas por esse novo sistema de fabricação, a Ford aumentou a sua produção, figura 1, e os outros fabricantes de automóveis seguiram por esse caminho. A produção artesanal ficou restrita a nichos, presentes ainda hoje, somente para as pessoas que podiam pagar o preço.

Figura 1. Produção do modelo T, touring car, período 1909-1920. Adaptado de (FORD, 2014: p100). O aumento da produção anual de automóveis, de 18.000 em 1909 para 1.250.000 em 1920, demonstra o grande sucesso da empresa na inovação dos seus métodos de produção, atingindo a visão de Henry Ford quanto ao custo, qualidade e acessibilidade à maior parte da população, contrariando as opiniões iniciais. Com essa produção da Ford e de outras como a General Motors e a Chrysler, surge a 114

necessidade das revendas para atender à demanda de toda uma cadeia de apoio para os automóveis, desde as vendas à manutenção, e dos postos de serviço para o fornecimento de gasolina e outros produtos derivados de petróleo, além do atendimento aos motoristas. A ameaça ao querosene e à indústria do “óleo de pedra”, com a chegada da lâmpada elétrica, ficou no passado e a “carruagem sem cavalos” encontrou a energia, barata e fácil de armazenar, e o motor adequado para transformá-la em movimento.

O treinamento, o processo e o grupo Alguns anos depois do início da produção em massa, a manufatura de veículos sofreu uma redução devido à participação dos Estados Unidos na Primeira Grande Guerra, conflito iniciado em 28 de julho de 1914 e encerrado em 11 de novembro de 1918. A indústria em geral volta-se à produção de materiais para atender às necessidades da guerra, bem como suprir os produtos cujas importações foram interrompidas pelo conflito. Uma das necessidades mais prementes era construção de navios, mas a atividade encontrava dificuldades pela falta de mão de obra especializada. Ciente do fato, o governo americano, por meio do “Emergency Fleet Board”, criou um comitê para desenvolver um programa de treinamento com objetivo de aumentar em dez vezes o número de trabalhadores especializados. Para tanto, o comitê contatou Charles Allen, um instrutor vocacional que havia desenvolvido um método de treinamento para as indústrias, fundamentado em quatro passos: preparação, apresentação, aplicação e acompanhamento. O primeiro passo prepara o aluno para o aprendizado, no segundo o instrutor fornece as instruções referentes ao trabalho a ser feito, no terceiro o aluno executa e os erros são corrigidos e no quarto passo, acompanhamento, o instrutor verifica se o aluno pode executar a tarefa de modo independente, sem supervisão. Allen destaca que os três fatores necessários para uma produção eficiente são o instrutor, o homem e o trabalho, título de seu livro publicado em 1919, “The instructor, the man and the job”. O aprendizado é assegurado se o instrutor ensinar corretamente e, se bem treinado, o homem realiza um bom trabalho e consequentemente a produção é eficiente (ALLEN, 1919; HUNTZINGER, 2002). Durante o período do conflito, mais precisamente em 1918, Walter Shewhart iniciou sua carreira na empresa Western Electric, um braço da AT&T, originalmente American Telephone and Telegraph Company, e, em 1924, transferiu-se para a Bell Telephone, também pertencente à AT&T, onde encerrou suas atividades em 1956. Shewhart possuía doutorado em física e, dentre importantes contribuições na área estatística desenvolveu a carta ou gráfico de controle, que permite avaliar se as variações que estão ocorrendo em um processo são rotineiras ou especiais. Outra contribuição foi o ciclo PDCA, - Plan, Do, Check, Act (Planejar, Fazer, Checar, Agir) - empregado na solução de problemas, na melhoria de processos e no desdobramento de estratégias. Dois membros da equipe de Shewhart, Dodge e Roming, elaboraram os conceitos referentes à teoria da amostragem, (STAUFFER, 2003). Em uma fábrica de equipamentos da Western Electric, localizada no bairro de Hawthorne, em Chicago, também pertencente ao conglomerado AT&T, teve lugar um dos primeiros experimentos das relações humanas no trabalho, iniciado em 1924 e encerrado em 1932. O objetivo inicial era testar os efeitos da iluminação na produtividade da mão de obra. Os resultados ao longo do período foram inconclusivos, pois, independentemente da intensidade de iluminação, a produtividade dos funcionários não se alterava e, muitas vezes, aumentava, ainda que em condições mais precárias. Em 1928, George Elton Mayo, um professor de Harvard com formação na área de filosofia e lógica, foi convidado a participar e após um período, em uma de suas visitas à fábrica, percebeu que a chave para explicar o que estava acontecendo no local era a atitude mental do grupo, “...Mayo sentiu que a notável mudança de atitude mental no grupo foi o fator chave para explicar o mistério de Hawthorne...”, (WREN, 2005).

As teorias da administração A revolução industrial foi um divisor de águas para a ciência da administração, que pode ser entendida como a alocação de recursos físicos e humanos para atingir objetivos. Antes dela, a sociedade dependia dos artesões, ou da produção familiar, para obter os produtos para o dia a dia, tais como roupas, sapatos, utensílios e outros. Os artesões envolvidos com a manufatura reuniam-se em grupos, denominados “guildas”, e os seus membros se especializavam anos a fio no ofício. Seus produtos eram identificados com marcas, as hallmarks, que serviam também como um indicador da qualidade do produto. A sociedade era praticamente estática e as organizações desenvolviam as suas atividades para atender aos poderes da época, representados pelos reis e seus direitos divinos, pela igreja com seus 115

dogmas e pelos militares com a sua disciplina. Com isso havia pouco espaço para o desenvolvimento da administração. (STAUFFER 2003, WREIN, 2005). Com o advento da revolução industrial, as organizações tiveram de lidar com novos desafios, desde o controle dos custos, processos de fabricação, mão de obra e com a preocupação com a produtividade e eficiência no uso dos recursos. Esse período foi denominado pela administração de escola clássica, período no qual a preocupação das organizações estava voltada para a produtividade, ou eficiência, necessária para atender a uma demanda crescente do mercado. Como representantes dessa escola, além de Taylor e Ford, podem ser citados Adam Smith, Max Weber e Henry Fayol. Taylor empregou a metodologia científica para a melhoria do desempenho da mão de obra bem como a seleção e treinamento, bases do que foi denominado de administração científica. Para ele, o crescimento da produtividade traria também a melhoria da qualidade de vida da mão de obra com o aumento dos salários. Das principais contribuições de Ford destacam-se a linha de montagem contínua e, principalmente, a busca incessante pela padronização de componentes, sem a qual não teria sido possível a produção em massa. Adam Smith desenvolve os conceitos de liberalismo na economia, Fayol separa a administração da produção e Weber desenvolve os conceitos sobre a autoridade. Uma corrente dedicada a estudar o homem no ambiente de trabalho teve início com os experimentos de Hawthorne sendo denominada de enfoque comportamental. Ludwig von Bertalanffy, biólogo, observou que um organismo afeta e é afetado pelo ambiente no qual se encontra e que a realidade é feita de sistemas, sendo necessário avaliar as interrelações existentes e não só elementos isolados. Com base nesses princípios que estabeleceram a teoria dos sistemas, desenvolveu-se o conceito do enfoque sistêmico para as organizações, integrando os enfoques produtivo e o comportamental com o ambiente no qual a organização está inserida. O aumento da produção traz também desafios relacionados à qualidade. O artesão verificava um a um os seus produtos na busca por defeitos e as “hallmarks” eram uma espécie de selo de garantia. No início da revolução industrial esse mesmo procedimento era adotado pelos trabalhadores que verificavam os produtos um a um: a era da inspeção. Com os trabalhos de Shewhart e sua equipe nos laboratórios da Bell Telephone, a busca continua, mas passa a ser feita por amostragem e a responsabilidade não é mais do trabalhador, mas de um inspetor ou de um departamento de qualidade, iniciando a era do controle estatístico, (MAXIMIANO, 2000). As ideias da administração científica e produção em massa atraíram o interesse de vários países como a Inglaterra, França, Alemanha, Japão e até da União Soviética. No Japão, os relatos datam de 1912, com a tradução do livro de Taylor para o japonês, dos artigos que descreviam o trabalho de Taylor e Frank B. Gilbreth e a aplicação dos princípios da administração científica na indústria têxtil, (WREN, 2005). Após a primeira grande guerra, os Estados Unidos tornaram-se a maior potência industrial e a administração científica disseminou-se mundialmente. Em 1939, na noite do dia 31 de agosto, um incidente, ou uma encenação, ocorrido na cidade alemã de Gleiwitz, na fronteira com a Polônia, foi usado como justificativa para a invasão desse país pelas tropas alemãs no dia 1 de setembro (GILBERT, 2014). Era o início da II Grande Guerra Mundial, conflito que se alastrou pelo mundo e cujo término ocorreu com a rendição do Japão em 15 de agosto de 1945. Learn by doing - Aprender fazendo Em 1940, a preocupação com a guerra na Europa aumentou e o governo americano deu início às providências para reforçar as defesas, fornecer aos aliados armamentos, material, alimentos e, inclusive, o “óleo de pedra”, sendo os EUA, à época, o seu maior produtor. O governo estabeleceu grupos de emergência para lidar com o conflito e adaptar a indústria para atender às necessidades crescentes de produção e à escassez da mão de obra especializada, que essa nova situação traria. Um dos primeiros grupos de emergência foi o “Training Within Industry - TWI”, destinado a treinar a mão de obra para suprir às demandas de produção. O TWI era constituído por programas voltados para o nível de supervisão, três deles iniciando com a letra J de “job”, trabalho. O primeiro, “Job Instruction” - Instrução para o Trabalho – indicado para auxiliar os supervisores das empresas a treinar a mão de obra foi fundamentado nos quatro passos desenvolvidos por Charles Allen em 1919. O segundo, “Job Methods for Process Improvement” - Métodos de Trabalho para a Melhoria de Processos - utilizava os conceitos da administração científica para treinar os supervisores a desenvolver melhorias nos processos e evitar falhas ou melhorias incompletas. O terceiro, “Job Relations” - Relações no Trabalho - ensinava os supervisores a lidar com as pessoas. O quarto, “Program Development” - Desenvolvimento do Programa 116

- versava sobre como administrar o treinamento dentro da própria empresa usando as instalações e pessoal próprios. O TWI foi liderado por Channing R. Dooley, Walter Dietz, Mike Kane e Willian Conover, que ficaram conhecidos como “The Four Horsemen”, devido à liderança exercida e aos trabalhos desenvolvidos. Com exceção de Conover, os outros três tiveram contato com o método empregado por Charles Allen. Mike Kane havia trabalhado diretamente com Allen, durante o período da I Guerra. No período do conflito, mais de 1,7 milhão de pessoas foram treinadas e mais de 16000 indústrias atendidas, envolvendo tanto as destinadas à fabricação da bomba atômica, como as de petróleo, carvão, aeronáutica, automobilística, naval, ferroviária, entre outras. Os resultados do programa, com base em 600 empresas, mostraram uma melhoria nos seus índices de, no mínimo, vinte e cinco por cento referentes ao aumento da produção, redução de resíduos, reclamações, tempo de treinamento e horas trabalhadas, (DIETZ,1970; ROBINSON & SCHROEDER, 1993; HUNTZINGER, 2002). O CWQC e a Qualidade Total Terminado o conflito, o mundo apresentava-se totalmente modificado e, sem que ninguém notasse, as bases de uma nova forma de produção industrial estavam lançadas. Novamente, a indústria americana estava em condições de atender às demandas e, sem concorrência, os seus produtos espalharam-se pelo mundo. O programa TWI, desenhado para o tempo de guerra, foi desativado e praticamente desapareceu nos EUA, embora iniciativas da aplicação dos 3 Js fossem registradas em outros países, como por exemplo na Nova Zelândia em 1947, (DIETZ, 1970). Nesse mesmo ano, o plano Marshall foi criado pelo governo americano com finalidades políticas de fazer frente ao regime soviético e de reconstruir a economia dos países após o conflito mundial. Um dos países beneficiados com o plano Marshall foi o Japão. As tropas americanas ocuparam o país entre 1945 e 1952 e um dos seus objetivos era o de recuperar a capacidade industrial, minimizando assim os problemas sociais. A indústria japonesa ao final da guerra operava com menos de dez por cento de sua capacidade em relação ao período de 1935 a 1937. Como muitos dos membros da força de ocupação haviam trabalhado com o programa TWI nos EUA, foi quase que natural que o programa fosse levado para o Japão, o que aconteceu nos idos de 1947 a 1948 sob a responsabilidade de Lowell Mellen, presidente da TWI Inc. Durante a guerra, Mellen organizava os cursos 3 Js e, logo após o término do conflito, criou a empresa para atuar na área de treinamento. Mesmo após a saída das tropas de ocupação do Japão, o programa continuou e mais de um milhão de gerentes e supervisores haviam sido treinados nos conceitos até o ano de 1966 (ROBINSON & SCHROEDER, 1993). Além dos especialistas em TWI, técnicos, engenheiros e cientistas foram convidados para ir ao Japão para auxiliar nas atividades de reconstrução e, dentre eles, dois nomes se destacaram: Willian Edwards Deming e Joseph Moses Juran. As contribuições de Deming e Juran em conjunto com as de Kaoru Ishikawa, e as ideias de Armando Feigenbaum e Philip Bayard Crosby formaram as bases da era da qualidade total. A qualidade total atua de forma sistêmica, com foco na prevenção de defeitos e não na correção, e é voltada para atender às necessidades dos clientes, sendo de responsabilidade de todos na empresa e não somente do inspetor ou de um departamento, (MAXIMIANO, 2000). Deming, com formação na área de física e especialista na área estatística, trabalhou no Departamento de Agricultura, na Agência de Censo Americana e durante a II Guerra treinou, em técnicas de estatística, engenheiros e técnicos envolvidos com a fabricação de equipamentos. Deming conhecia os trabalhos desenvolvidos por Shewhart apresentados em reuniões no ano de 1927 e por uma série de quatro aulas, sobre controle estatístico da qualidade, ministradas por Shewhart em 1938. Deming viajou ao Japão em 1947, enviado pelo governo americano para trabalhar junto às tropas de ocupação. Em 1950, foi convidado pela Union of Japanese Scientists and Engineers, JUSE, - União Japonesa de Cientistas e Engenheiros - estabelecida em 1946, para desenvolver e ministrar treinamentos sobre o controle estatístico da qualidade. Após o término do período de ocupação, Deming continuou a visitar o Japão para consultorias e treinamentos, o que o fez por mais de três décadas. As suas contribuições envolveram o estabelecimento dos 14 princípios da qualidade, a disseminação da carta de controle e do emprego do PDCA, ciclo de Deming, embora a origem do PDCA deva ser creditada a Shewhart. O seu trabalho foi mais voltado para os métodos estatísticos e, em reconhecimento a toda a sua contribuição, a JUSE instituiu o Prêmio Deming, em 1951. Em 1954, Juran recebeu um convite da JUSE para ministrar treinamentos de controle de qualidade e gerenciamento. Formado em engenharia elétrica, iniciou a sua carreira em 1926 na Western Electric, onde tomou contato com as ideias de 117

Shewhart quanto ao controle estatístico da qualidade. O convite da JUSE foi feito em função, principalmente, da publicação de seu livro, Quality Control Handbook, em que aborda o conceito da trilogia da qualidade: planejamento, controle e melhoria da qualidade. Também elaborou o entendimento de que os problemas críticos devem ser resolvidos primeiro, “poucos vitais e muitos triviais”, princípio de Pareto ou regra 80/20, e que a qualidade é responsabilidade de todos. As contribuições de Juran fizeram com que a JUSE mudasse o foco dos treinamentos, introduzindo a gestão no ambiente extremamente técnico do controle estatístico. Ishikawa, formado em engenharia química, desempenhou um importante papel na área da qualidade no Japão. Em 1949, em uma das primeiras atividades da JUSE, participou de um grupo de pesquisa em controle de qualidade: o Quality Control Research Group, QCRG. Destacou a importância dos círculos de qualidade e a necessidade do treinamento contínuo. Criou o diagrama de causa e efeito, também conhecido como espinha de peixe ou diagrama de Ishikawa, em sua homenagem. Estabeleceu algumas técnicas que todos na empresa deveriam conhecer, as sete ferramentas da qualidade: folha de verificação, histograma, fluxograma, diagrama de causa e efeito, diagrama de Pareto, diagrama de dispersão e carta de controle. Ressaltou que com as sete ferramentas é possível resolver 95% dos problemas. Ishikawa defendia a ideia de que as características de um produto devem ser estabelecidas com base nas necessidades do cliente e não pela engenharia. A frase, “the next process is your customer”, o próximo processo é o seu cliente, é creditada a ele. Feigenbaun empregou o termo “Total Quality Control- TQC”, Controle Total da Qualidade, pela primeira vez em 1950. Desenvolveu a sua carreira na General Electric Company, e um dos pontos principais de sua obra destaca que a qualidade deve ser vista como um sistema, depende e é um problema de todos, e quem a define é o cliente. Crosby introduziu os conceitos do “zero defeito”, qualidade é prevenção e que a qualidade não tem custo, o que custa é não fazer as coisas certas na primeira vez. Iniciou a sua carreira na Crosley Corporation e, a partir de 1965, foi convidado para ser diretor de qualidade da ITT Corporation, (WREN, 2005; KRUGER, 2001; TACHIKI, 2008; TOLEDO et al., 2013). Esse ambiente que permitiu a combinação de várias técnicas e conceitos deu origem ao modelo japonês de administração denominado de Total Quality Control, TQC, Controle da Qualidade Total, que difere do TQC de Feingenbaum por ser um sistema “... baseado na participação de todos os setores da empresa e de todos os empregados no estudo e condução do controle da qualidade...”, (CAMPOS, 1999). O acrônimo TQC japonês causava confusão com o de Feingenbaum e, por isso, a decisão de renomeá-lo como CWQC, Company Wide Quality Control, Controle da Qualidade por Toda a Empresa, (ISHIKAWA, 1986). O CWQC, também conhecido no ocidente como Gestão da Qualidade Total, incorpora os conceitos e técnicas da teoria clássica, dos enfoques comportamental e sistêmico, das eras da qualidade, do TWI -principalmente dos 3 Js - além de outros conceitos. Ele pode ser definido como um sistema de gestão que envolve desde o diretor à mais simples função visando atender às necessidades dos clientes. O sistema é voltado para os clientes, os quais, no sentido mais amplo, são denominados de consumidores, stakeholders, englobando, além do cliente final, acionistas, colaboradores, sociedade e fornecedores. Os produtos devem atender às demandas dos consumidores quanto à qualidade, produtividade, custo, moral e segurança. O CWQC “...é baseado em elementos de várias fontes: emprega o método cartesiano, aproveita muito do trabalho de Taylor, utiliza o controle estatístico do processo cujos fundamentos foram lançados por Shewhart, adota os conceitos sobre o comportamento humano lançados por Maslow e aproveita todo o conhecimento ocidental sobre qualidade, principalmente o trabalho de Juran...é um modelo administrativo...”, (CAMPOS, 1999). Nos meados da década de 1960, de uma situação na qual eram conhecidos no exterior por serem baratos, não confiáveis e descartáveis, os produtos japoneses passam a igualar e a superar, em qualidade, desempenho e preço, os produtos americanos e europeus em vários segmentos, desde o aço, navios, eletrônicos, automóveis, motocicletas, dentre outros. Essa mudança de paradigma levantou a questão, “...O que aconteceu durante as últimas três décadas para permitir que os japoneses alterassem as imagens dos seus produtos passando de má qualidade e inferiores, para de qualidade superior, nos mercados doméstico e internacional...?”, (EBRAHIMPOUR, 1985). A resposta estava no sistema de manufatura, o CWQC. Esse sistema fez com que o Japão se transformasse em um dos grandes players do mercado mundial, mesmo não tendo à disposição recursos naturais como o petróleo e o minério. Em novembro de 1988, vinte executivos europeus iniciaram um tour pelo Japão para visitar nove empresas que eram destaque no emprego do CWQC nos setores automobilístico, têxtil, abastecimento, 118

siderúrgico, cosmético e eletrônico. Diversos pontos chamaram a atenção e dentre eles a limpeza das instalações, o número anual de sugestões de melhorias fornecidas pelos colaboradores e aproveitadas pela empresa, os estoques reduzidos, a inspeção feita pelo colaborador, a prevenção de defeitos, os dispositivos à prova de erros, a gestão à vista, os grupos de melhoria, a manutenção produtiva total, os treinamentos ministrados pelos supervisores, o Just in Time -JIT-, o uso das ferramentas estatísticas da qualidade, o emprego do Failure Mode and Effects Analysis, FMEA, - Análise do Modo e Efeito de Falha - e do FTA, Fault Tree Analysis, - Análise da Árvore de Falhas -, o set-up rápido, o número de componentes com defeitos na ordem de cinco ou seis por milhão, entre outros conceitos e técnicas do CWQC empregados de forma sistêmica, (ATKINSON, 1989).

O T e o D: A criação de uma indústria automobilística A história de um dos maiores fabricantes de automóveis está ligada à indústria têxtil. O ponto de partida é em 1896 com o desenvolvimento do primeiro tear movido a vapor no Japão por Sakichi Toyoda. Anos mais tarde, em 1914, ele funda a Toyoda Automatic Weaving Factory, que, em 1918, passa a se chamar Toyoda Cotton Spinning & Weaving Co. Em 1924, a empresa lança o primeiro tear automático. Em 1929, com a percepção de que o negócio de teares iria passar por tempos difíceis, decidiu-se investir em um ramo da indústria em pleno crescimento, a fabricação de automóveis. Até esse momento, o mercado japonês era abastecido pelas subsidiárias da Ford e da General Motors instaladas no país em 1920. Em 1930, em uma pequena área dentro da fábrica de teares, as pesquisas sobre o novo negócio começaram e, em 1937, com capital proveniente da empresa, a Toyota Motor Company iniciou as suas atividades, sob o comando de Kiichiro Toyoda, filho de Sakichi. O t substituiu o d como resultado de um concurso público no qual mais de 27000 pessoas participaram da escolha do nome para a nova empresa automobilística. Praticamente dois anos após o início das atividades, fabricando caminhões e automóveis com técnicas consideradas ultrapassadas e com baixa produtividade, a produção da Toyota foi interrompida devido ao começo do segundo conflito mundial. Com o término da guerra, em 1950, as dificuldades econômicas pelas quais a empresa passava e problemas com os trabalhadores levaram à renúncia de Kiichiro, substituído pelo seu primo Eiji Toyoda, engenheiro mecânico. Nesse mesmo ano, Eiji visitou a fábrica da Ford em Detroit que produzia 7.000 carros por dia enquanto a Toyota, em 13 anos, havia produzido aproximadamente 2.700. Eiji voltou com a ideia de implantar a produção em massa, com adaptações, e igualar a produção da Ford em um curto período, mas as dificuldades eram enormes. As empresas americanas produziam grandes quantidades de um número pequeno de modelos para alcançar a economia de escala, tinham muitos recursos e mercados para escoar a produção. O mercado japonês a ser atendido era pequeno, necessitava de diferentes tipos de veículos e os recursos financeiros da empresa eram escassos. Um ponto crucial observado por Eiji na fábrica da Ford foram os desperdícios associados à produção em massa. Na Toyota, havia outra pessoa preocupada com desperdícios: o engenheiro Taiichi Ohno. Ohno se formou em engenharia mecânica e começou a trabalhar na Toyoda Cotton Spinning & Weaving Co em 1932, transferindo-se para a Toyota Motor Company em 1943, como gerente geral de uma planta. Quando ainda estava na Toyoda Cotton, soube que, em geral, eram necessários dez japoneses para produzir o mesmo que um americano. Esta diferença, segundo ele, só poderia ser atribuída ao desperdício, muda em japonês, e se fosse possível eliminá-lo, a produtividade aumentaria em dez vezes. No início dos anos 50, tendo como foco eliminar desperdícios, Eiji e Ohno iniciaram uma jornada que iria a mudar a forma de fabricar veículos. A ideia central estava apoiada em dois pilares, Just-in-Time e auto-activation. Justin-Time significando que, na montagem de um veículo, as peças devem chegar no momento e quantidade certos, eliminando os estoques. A auto-activation, autonomação, refere-se a dispositivos automáticos de parada instalados nas máquinas. A autonomação, jidoka, foi uma invenção de Saikichi aplicada aos teares e trazida por Ohno para a linha de montagem. Se acontece alguma coisa fora do padrão durante o trabalho da máquina ela para, impedindo a fabricação de produtos defeituosos. (OHNO, 1997; DAHLGAARD & DAHLGAARD-PARK, 2006; WADA, 2006; HOLWEG, 2007).

O choque do “óleo de pedra” e o segredo O Oriente Médio já havia ultrapassado os Estados Unidos como maior produtor mundial de petróleo quando, em outubro de 1973, tem início a guerra do Yom Kippur e o petróleo foi empregado pela primeira vez como arma, na forma de um embargo. De uma commodity abundante e barata, que havia impulsionado a economia global ao longo das décadas, principalmente de 1950 e 1960, o embargo 119

da principal fonte de energia fez com que o preço do barril praticamente quadruplicasse, afetando profundamente os países. Este foi o primeiro choque do petróleo. O segundo choque veio com a renúncia e o exílio do Xá Mohammed Reza Pahlavi do Irã, em janeiro de 1979, e a implantação do regime dos Aiatolás, a Revolução Islâmica. A produção de petróleo do Irã, um dos maiores produtores do Oriente Médio, praticamente cessou e os preços aumentaram em 30%, com novos reflexos na economia, que ainda mal se recuperava do primeiro choque, (YERGIN, 2010). Mais uma vez o “óleo de pedra” interfere, agora de forma indireta, com a indústria do automóvel. Se na primeira vez foi devido à forma líquida, abundante e barata da fonte de energia para alimentar os motores das “carruagens sem cavalos”, agora o foi pela escassez e preços. Mesmo antes da crise do petróleo, a preocupação no mundo ocidental com a concorrência já era uma realidade, principalmente com produtos vindos do Japão e se estendia à indústria automobilística americana bem como à europeia. Em 1980, a participação nas vendas dos veículos importados atingia aproximadamente 22% do mercado, principalmente de carros japoneses. Várias justificativas eram dadas para esse domínio, e dentre elas que o custo da mão de obra era menor, a relação iene-dólar era favorável, a cultura e a dedicação do povo que permitia uma eficiência maior nas fábricas, a política de exportação do governo japonês, o emprego da automação e até a sorte, pois os carros eram mais eficientes no uso do combustível justamente na época da crise do petróleo, (HOLWEG, 2006). De acordo com Ohno, a realidade era outra: “...A crise do petróleo no outono de 1973, seguida pela recessão, afetou governos, empresas e sociedades no mundo inteiro. Em 1974, a economia japonesa havia caído para um nível de crescimento zero e muitas empresas estavam com problemas. Mas na Toyota, embora os lucros tivessem diminuído, os ganhos eram maiores do que os de outras empresas e foram mantidos em 1975, 1976 e 1977. A diferença cada vez maior entre ela e as outras fez com que as pessoas perguntassem sobre o que estaria acontecendo na Toyota. Antes da crise do petróleo, quando conversava com as pessoas sobre tecnologia de fabricação e o sistema de produção da Toyota, o tema despertava pouco interesse....”, OHNO (1997). O segredo do aumento das vendas não estava relacionado ao custo da mão de obra, à cultura, ou à automação, mas sim ao método de fabricação dos carros. No dia a dia, a opinião dos usuários americanos era que os carros tinham preços competitivos, apresentavam um bom desempenho, não quebravam, e, em tempos de combustível caro, consumir menos fazia toda a diferença. Uma pesquisa revelou que de 38 modelos mais confiáveis do mercado americano, 15 eram da marca Toyota ou Lexus, esta última, marca de carros de luxo da empresa. O recall de veículos da Toyota por problemas de pósvenda era 72% e 92% menor do que os da Ford e da Chrysler respectivamente. Enquanto o mundo ocidental continuava com a produção em massa, as ideias de Eiji, Ohno e seus colaboradores, iniciadas há mais de 20 anos antes do primeiro choque do petróleo, tinham criado uma forma diferente de fabricar veículos: o Toyota Production System, TPS - Sistema Toyota de Produção, STP. A ideia central do sistema de eliminar desperdícios, muda, estava dando os seus frutos. Superprodução, espera (tempo sem trabalho), transporte ou movimentação desnecessários, super processamento ou processamento incorreto, excesso de estoque, movimento desnecessário e defeitos foram os sete desperdícios identificados pela Toyota aos quais Jeffrey Liker acrescentou mais um: o desperdício da criatividade dos funcionários. O STP não é um conjunto de ferramentas aplicado aleatoriamente. Ele é um modo de produção integrado a um modelo, sistêmico, o modelo Toyota, que é dividido em quatro categorias denominadas 4 Ps, iniciais das palavras em inglês: Philosophy - Filosofia; Process - Processo; People/Partners - Funcionários e Parceiros; Problem Solving - Solução de Problemas. Os Ps contêm os 14 princípios que norteiam a Toyota. O primeiro, filosofia, estabelece que as decisões administrativas têm de ser tomadas visando objetivos de longo prazo e não apenas retornos imediatos. O segundo P, processo, contém os princípios do STP para a eliminação de desperdícios. O terceiro trata dos princípios aplicados ao desenvolvimento das pessoas e fornecedores e o quarto à aprendizagem organizacional e à melhoria contínua. Os 14 princípios contidos nos Ps representam a base para o desenvolvimento dos conceitos e técnicas do STP como a gestão à vista, os processos estáveis, a produção nivelada, - hinjuka -, o conceito do takt-time que determina o ritmo da demanda associado ao just-in-time, o conceito andon para comunicar problemas e relacionado à autonomação (automação com toque humano), o gengi genbutsu cujo significado é “ver por si mesmo para entender a situação” e associado à redução de perdas, entre outros. Os 4 Ps e os conceitos e técnicas do STP, figura 2, fornecem o suporte para atingir os objetivos de melhor qualidade, menor custo, menor lead-time - menor tempo de ciclo -, mais segurança e moral alto, (LIKER, 2005). 120

Melhor qualidade-Menor Custo-Menor lead-time_ Mais Segurança-Moral Alto através da redução do fluxo de produção pela eliminação de perdas Just-in-time Peça certa, Quantidade certa, Tempo certo

_Planejamento takt time _Fluxo contínuo _Sistema puxado _Troca Rápida _Logística Integrada

Pessoas e Equipes de Trabalho _Seleção _Metas Comuns

_Ringi na Decisão _Treinamento

Melhoria Contínua

Redução de perdas _Gengi Genbutsu _5 porquês

Autonomação (Qualidade no setor) Tornar os problemas visíveis _Parada automática _Andon _Separação pessoamáquina _Verificação de erro _Controle de qualidade no setor _Solução na origem dos problemas (5 porquês)

_Visão de perdas _Solução de Problemas Produção nivelada (heinjuka) Processos estáveis e padronizados Gerenciamento Visual P_Problem Solving - SOLUÇÃO DE PROBLEMAS: Aprendizagem e melhoria contínua P_People/Partners - FUNCIONÁRIOS E PARCEIROS: Respeitar, Desafiar e Desenvolver. P_Process - PROCESSO: Eliminação de perdas P_Philosophy - FILOSOFIA: Pensamento de longo prazo

Figura 2. Fundamentos do modelo Toyota, 4Ps e o Sistema Toyota de Produção, STP. (Adaptado de LIKER, 2005). Da mesma forma que a Ford mudou o sistema de produção de automóveis, de artesanal para a produção em massa, por meio do aprendizado, desenvolvimento e aperfeiçoamento de técnicas de produção e gestão, a Toyota também o fez, aperfeiçoando o seu modelo ao longo dos anos e mudou a forma de produzir automóveis.

Eiji e Ohno foram aos EUA por diversas vezes para estudar as técnicas empregadas, principalmente na Ford e em indústrias de outros setores. Ohno, além dos conhecimentos que trouxe da indústria têxtil, adaptou a forma de trabalho dos supermercados americanos no desenvolvimento do justin-time: o cliente escolhe as coisas de que precisa, no momento e na quantidade desejados. Ele também desenvolveu os “5 Por Quês?” para encontrar a causa raiz do problema (OHNO 1997). A troca rápida de ferramentas, set-up rápido, desenvolvida pelo professor Shigeo Shingo, consultor da Toyota, é uma das principais técnicas do STP com relação à flexibilidade na linha de produção (SHINGO, 1996). Além da visão, das ideias e do trabalho desenvolvido por Eiji e Ohno, o modelo emprega os princípios da escola clássica com as ideias de Taylor relacionadas à administração científica e as de Ford com a produção em massa. Os conceitos do enfoque comportamental, no qual Hawthorne foi um marco, são aplicados com base nas hierarquias das necessidades de Abraham A. Maslow e na teoria dos dois fatores de Frederick Herzberg, (LIKER, 2005). É importante destacar o programa TWI e o papel da JUSE no aumento da competitividade dos produtos japoneses, principalmente da Toyota. A empresa foi uma das primeiras a participar do TWI e dos treinamentos em controle estatístico da qualidade. Em 1950, durante a crise que levou à renúncia do seu presidente e fundador, um dos requisitos do acordo com sindicato foi criar uma forma de treinar e desenvolver os supervisores. O programa TWI foi escolhido pela empresa e, em 1951, o primeiro curso foi introduzido, First Job Instruction - JI -, em 1952 Job Methods - JM -e em 1953 Job Relations - JR. Mais de 300 pessoas foram treinadas em cada um deles. A partir desses cursos, a empresa desenvolveu a sua própria versão do programa, Toyota Training Within Industry, TTWI, com o JI considerado como o mais importante dos Js por conter: método para divisão do trabalho; quatro passos necessários para o treinamento; desenvolvimento de uma matriz de planejamento de habilidades multifuncional. Devido à 121

falta de profundidade nos conceitos sobre eliminação de desperdícios e por não ter conexão com takttime, com a produção puxada e o fluxo de trabalho, o JM foi substituído pelos P-courses, com base nas ideias ministradas por Shigeo Shingo para a Toyota, (Kato, 2006). Materiais empregados no treinamento TWI no Japão foram encontrados na fábrica da New United Motor Manufacturing Inc, NUMMI, dos Estados Unidos, uma joint venturi entre a General Motors e a Toyota, que iniciou as atividades em 1984. O método de treinamento desenvolvido por Charles Allen em 1919, quatro passos, e incluído no programa TWI durante a II Grande Guerra, “Job Instruction”, foi encontrado nos materiais de treinamento de uma empresa de consultoria, juntamente com as perguntas do 5W1H: “Why?” - Por Que?”; “What?- O Que?”; “How?- Como?”; “Who?-Quem?”; “Where?- Onde?”; “When?- Quando?”. A empresa era formada por pessoas que vieram da Toyota, (HUNTZINGER, 2002). O CWQC tem parte de suas raízes no TWI, além de incorporar os ensinamentos de Deming, Juran, Ishikawa e outros. Juran foi um dos primeiros a destacar as diferentes formas de desperdício, denominando-as de “the gold in the mine”, - o ouro na mina - e, mais tarde, de custo da não qualidade, (DAALGHARD & DAALGHARD-PARK 2006). O CWQC revolucionou o modo de trabalho das empresas japonesas, o que fez com que os produtos deste país, em diversos segmentos, conquistassem o mundo. O modelo Toyota, desenvolvido e aprimorado ao longo dos anos, emprega os princípios do CWQC além de outras técnicas desenvolvidas na própria empresa, muitas delas na forma de tentativa e erro. O termo “Fordismo” descreve o modo de gestão empregado pela Ford na produção de veículos a produção em massa - que pode ser considerado a primeira revolução automobilística, substituto da produção artesanal. Womack et al, (2004), em uma pesquisa sobre o futuro do automóvel realizada no Massachusetts Institute of Technology – MIT -, apresentam na capa do livro “A Máquina que Mudou o Mundo”, que descreve os resultados dos trabalhos, uma frase que caracteriza a mudança na forma de produzir veículos: “A arma secreta do Japão, da produção em massa para a produção enxuta: a segunda revolução automobilística”. A segunda revolução foi o “Toyotismo”.

Lean Production e Lean Six Sigma O Lean Production, Produção Enxuta, surge como uma denominação para as novas técnicas empregadas pela indústria japonesa, diferenciando-as da produção em massa da indústria automobilística ocidental. O termo foi criado por John Krafcik que trabalhou na NUMMI e depois foi pesquisador junto ao International Motor Vehicle Program – IMVP -, do MIT, quando cunhou a expressão. Iniciado em 1985, o programa IMVP foi desenvolvido para analisar as razões por trás do sucesso da indústria automobilística japonesa que, em plena recessão causada pelos choques do petróleo, estava invadindo o mercado mundial. Os fabricantes japoneses produziam os veículos sob demanda por meio da produção puxada, empregando máquinas flexíveis, profissionais atuando em funções múltiplas, estoques reduzidos ocupando menos espaços, set-up rápido, produzindo grandes quantidades de diversos modelos, com custo inferior e qualidade superior em relação aos métodos vigentes na época. Por produzir somente o necessário e sem desperdícios, como na produção artesanal, suscitou a denominação Lean Production dada por Krafick. Enquanto isso, os grandes fabricantes tradicionais empregavam os conceitos da produção em massa, operando com máquinas e profissionais especializados, instalações produzindo grandes quantidades de poucos modelos, produção empurrada, com várias folgas no sistema abrangendo desde material a pessoas e espaço, a um custo maior e com qualidade inferior, (WOMACK et al, 2004). No princípio, o Lean Production foi associado ao modo de manufatura utilizado no Japão sobretudo em relação ao TPS, Toyota Production System, que se tornou um referencial, benchmark. O termo passou a ser conhecido após a publicação do livro “A Máquina que Mudou o Mundo” e, com o tempo, ganhou forma própria sendo empregado para caracterizar o modo de manufatura, difundido em praticamente todos os segmentos ao redor do mundo, desde o eletrônico, automobilístico, têxtil, alimentício, financeiro, entre outros, (Bhamu & Sangwan, 2014). Inicialmente, o termo foi empregado para designar um conjunto de técnicas aplicadas à produção, como 5Ss, kanban, padronização da rotina e set-up rápido. Porém, sem resultados promissores, houve a percepção de que a aplicação do Lean deveria ser realizada de forma sistêmica, com foco na mudança da cultura organizacional, utilizando fundamentos básicos norteadores: identificar, mapear e criar o fluxo de valor, sistema puxado e redução de desperdícios, (YAMAMOTO & BELLGRAN, 2010). O Lean Production tem de ser entendido como um sistema de gestão, e empregado dessa forma. Para que a organização alcance os resultados desejados, ela deve desenvolver a cultura da eliminação 122

de desperdícios e melhoria contínua, figura 3. O cliente e o processo constituem o foco da organização. A base do sistema está fundamentada em conceitos e ferramentas de forma estruturada, sistêmica, como a padronização dos processos, troca rápida, organização dos espaços, produção flexível, envolvimento das equipes, gestão à vista, dispositivos à prova de erros, células de trabalho, programação uniforme de modelos mistos. Esses mesmos conceitos e ferramentas fornecem o suporte para os pilares constituídos pelo seis sigma, design robusto, fluxo unitário, kanban, manutenção produtiva total (TPM) e parceria com os fornecedores. A implantação não precisa ser de forma semelhante à construção de um prédio, da base para o topo, mas pela escolha das ferramentas da base e dos pilares de acordo com a situação da organização e desenvolvida aos poucos, com constância de propósito (NICHOLAS & SONI, 2006).

FOCO NO CLIENTE FOCO NO PROCESSO

Eliminar Desperdícios

Melhoria Contínua

Design Robusto Fluxo Unitário

Manutenção Produtiva Total

Seis Sigma

Parceria Fornecedores

Kanban

Dispositivos à prova de erros

Células de trabalho

Programação uniforme de modelos mistos

Produção flexível

Envolvimento das equipes

Gestão à Vista

Padronização dos processos

Troca rápida

Organização dos espaços

Figura 3. Sistema Lean Production- Produção Enxuta (Adaptado de NICHOLAS & SONI, 2006). Em um dos pilares do sistema Lean aparece o six sigma, seis sigma, metodologia estatística que foi introduzida nos Estados Unidos em 1985 pela Florida Electric Power (FPL), quando a empresa buscou o apoio da JUSE para participar do prêmio Deming. O six sigma passa a ter contornos de um sistema de gestão na Motorola, quando a metodologia foi expandida e ganhou destaque de um programa, denominado de “seis passos para o seis sigma” ou “mapa para atingir o seis sigma”. O objetivo era reduzir a variabilidade e limitar os defeitos em uma escala de 3,4 por milhão, (DAHLGAARD & DAHLGAARD-PARK, 2006). O projeto foi desenvolvido na Motorola por Bill Smith para melhorar a qualidade e reduzir os defeitos dos produtos e, devido ao sucesso alcançado, foi aplicado a todos os setores da empresa, a partir de 1990, sob a liderança do presidente Bob Galvin. Com o apoio desse programa, considerado como sendo a primeira geração, a Motorola foi a vencedora do Prêmio Malcolm Baldrige em 1988, o que impulsionou o emprego do six sigma nas empresas. A segunda geração, além da redução da variabilidade e limitação de defeitos, adicionou a melhoria no design e a redução de custos. A General Electric foi uma referência dessa geração. A terceira incluiu a criação de valor para a organização e seus consumidores, stakeholders, tendo a Caterpillar e o Bank of America como destaques. De um conceito estatístico, o seis sigma passou a ser um modelo de gestão, denominado de lean six sigma acompanhando as tendências de eliminar desperdícios. Nele estão incluídas a cultura de entender as necessidades dos clientes, de identificar e focar no que é crítico e de valor para o cliente, de desenvolver a melhoria contínua envolvendo as pessoas, aceitar mudanças de maneira assertiva e gerenciar com fatos e dados. O modelo utiliza cinco fases fundamentais, empregadas pela maioria das organizações, conhecidas pelo acrônimo DMAIC: define, measure, analyze, improve and control definir, medir, analisar, melhorar e controlar. O DMAIC é uma generalização do PDCA de Shewhart, figura 4, (MONTGOMERY & WOODALL, 2008).

123

D_DEFINE (DEFINIR) Definir o Problema

C_CONTROL (CONTROLAR) Manter a Solução

M_MEASURE (MEDIR) Quantificar o Problema

AGIR _Corrigir _Melhorar

A ACT

P PLAN

CHECAR _Verificar

C CHECK

D DO

PLANEJAR _Identificar o problema _Objetivo/Meta _Método

DMAIC

I_IMPROVE (MELHORAR) Implementar e Verificar a Solução

FAZER _Treinar _Executar

A_ANALYSE (ANALISAR) Identificar a Causa do Problema

Figura 4. DMAIC e PDCA. Em linhas gerais, em um projeto desenvolvido com base no DMAIC ou no PDCA é necessário definir o problema e o objetivo. A partir do objetivo, o método é estabelecido e com base nele, o projeto é realizado. Os resultados são analisados e uma decisão tem de ser tomada em relação ao objetivo. Se foi atingido, as opções são o encerramento, a padronização ou dar início às melhorias. Caso contrário, é necessário fazer uma revisão do que deu errado e recomeçar. O PDCA, que Shewhart desenvolveu na década de 1920, é a representação do método científico por meio de uma figura, facilitando o entendimento e a aplicação para os diversos níveis da empresa. O método científico envolve, resumidamente, formular e identificar o problema e definir o objetivo. É com base no objetivo que as etapas, ações, para atendê-lo devem ser definidas, metodologia. Valendo-se da metodologia o experimento é conduzido e os dados, resultados, obtidos. Os dados são transformados em informações, por meio de tabelas e/ou gráficos, e é pela análise dessas informações que o conhecimento sobre o problema avança, concluindo-se se o objetivo foi ou não alcançado. O emprego do PDCA é semelhante ao método científico. Existe um problema a ser resolvido - a justificativa, “por que fazer?”. A partir desse problema é definido o objetivo – “o que fazer?” - e o método, etapas, - “como fazer?”. A justificativa, o objetivo e o método correspondem à fase PLAN – P - do PDCA. A seguir, com base no método, são executadas as etapas previstas para atender ao objetivo, DO -D- obtendo-se os resultados, os quais são interpretados para verificar se atingiram ou não ao objetivo CHECK – C. Então vem a fase ACT – A - na qual se conclui sobre encerrar, melhorar ou corrigir. “...O método PDCA é a alma do Sistema Toyota de Produção...O método PDCA parece muito simples à primeira vista e, de fato, é simples. No entanto, quem utiliza este método com aplicação percebe ao longo dos anos que, quanto mais se aprofunda em seu uso por toda a empresa, mais se percebe a sua complexidade. Muitas vezes concluo que, após décadas, ainda percebo que estou aprendendo o PDCA...Este método viabiliza o gerenciamento científico da organização...O PDCA transforma uma organização numa escola pois a busca por resultados é paralela à busca do conhecimento...” CAMPOS (2009). O Lean tem as suas raízes no método científico, cartesiano. SPEAR & BOWEN (1999) descrevem a aplicação do método científico na Toyota por meio de quatro regras: todo o trabalho deve ser altamente especificado; toda a relação cliente fornecedor deve ser direta; o caminho para qualquer produto ou serviço deve ser simples e direto; qualquer melhoria deve ser realizada de acordo com o método científico, sob a orientação de um supervisor e no menor nível dentro da organização. Modelos e Prêmios Os modelos, conceitos e técnicas do CWQC, STP, lean production e six sigma são consagrados na estruturação da gestão das organizações, cada qual com suas particularidades. O modelo da Toyota teve início na década de 1950 e, até hoje, é utilizado e aperfeiçoado pela empresa com resultados expressivos: uma criação de Eichi Toyoda, Taiichi Ohno e colaboradores que mudou a forma de fabricar veículos. Ele emprega também os conceitos do CWQC desenvolvido na JUSE com apoio de Deming, 124

Juran, Ishikawa e outros. O CWQC, por sua vez, tem parte de suas origens nos conceitos do TWI desenvolvidos na II Grande Guerra e, dentre eles, o learn by doing de Walter Dietz e equipe. Parte do learn by doing teve como base os quatro passos de Charles Allen aplicados nos treinamentos durante a I Grande Guerra. Esses modelos foram estruturados empregando a teoria clássica, os enfoques comportamental e sistêmico, e o controle estatístico do processo. As teorias e enfoques abrangem a produção em massa de Henry Ford, os trabalhos de Taylor, Mayo, Bertalanffy, Shewhart, Adam Smith, Weber, Fayol, Gilberth e tantos outros. O STP, Lean Production e Six Sigma têm raízes profundas: raízes que nasceram e se desenvolveram ao longo do tempo por maio do emprego de teorias, conceitos, técnicas e práticas. Além desses modelos, os prêmios da qualidade podem ser empregados para a estruturação da gestão. Eles existem para promover e aprimorar as melhores práticas de gestão e ajudam no aumento da competitividade das organizações. O prêmio Deming foi criado no Japão em 1951 para reconhecer o empenho das empresas japonesas na aplicação das práticas de gestão pela qualidade. Ele é prescritivo na medida em que indica as práticas que devem ser implementadas. O prêmio Malcolm Baldrige, estabelecido em 1987 nos EUA, promove uma perspectiva sistêmica para o entendimento do desempenho da administração e não prescreve práticas. Com base no Malcolm Baldrige, outros foram criados, como o Prêmio Europeu da Qualidade em 1989 e o Prêmio Nacional de Qualidade (PNQ) no Brasil em 1991, pela Fundação Nacional da Qualidade (FNQ), cujas bases podem ser encontradas no Modelo de Excelência da Gestão, MEG. O objetivo do PNQ é contribuir para o aumento da competitividade e apresenta três aspectos principais: auxilia a melhoria das práticas de gestão, do desempenho e da capacitação; facilita a comunicação e o compartilhamento das melhores práticas entre todos os tipos de organizações; serve como modelo de referência para melhorar o entendimento e a aplicação das práticas de gestão. Os prêmios funcionam como auditorias do sistema de gestão para as empresas. As normas ISO da série 9000 estabelecem as diretrizes para estruturar sistemas de gestão da qualidade, sendo reconhecidas mundialmente, (TOLEDO et al., 2003). O Modelo de Excelência da Gestão -MEG – estabelece os fundamentos que devem ser atendidos para que uma empresa seja reconhecida como “de classe mundial”: pensamento sistêmico, aprendizado organizacional, cultura de inovação, liderança e constância de propósitos, orientação por processos e informações, visão de futuro, valorização das pessoas, conhecimento sobre o cliente e o mercado, desenvolvimento de parcerias, responsabilidade social. Os fundamentos são traduzidos na forma de requisitos mensuráveis, agrupados em oito critérios, que permitem entender a lógica do modelo: Liderança; Clientes; Sociedade; Estratégias e Planos; Pessoas; Processos; Resultados; Informação e Conhecimento. A liderança tem como responsabilidades, entre outras, estabelecer o rumo da organização, desenvolver as pessoas e estabelecer as diretrizes básicas: missão, visão e valores. A missão define o que a empresa faz, a visão o que ela pretende atingir e os valores, princípios éticos, são os códigos de conduta aos quais ela não renuncia para atingir os seus objetivos. A missão, a visão e os valores sustentam e norteiam o desenvolvimento das estratégias e dos planos de ação. As necessidades e anseios dos clientes criam a demanda por produtos ou serviços e é essa demanda que define o nascimento, o crescimento e o desaparecimento das organizações. No tocante à sociedade, além do relacionamento, o foco é eliminar ou mitigar o impacto que as atividades possam causar ao ambiente. As estratégias devem atender à missão e à visão e são de responsabilidade do nível estratégico, apoiado pelo tático, gerencial, e, em empresas mais abertas, o nível operacional também é chamado para contribuir. As estratégias são desenvolvidas e desdobradas em planos de ação para satisfazer aos consumidores, stakeholders, com base na análise dos ambientes nos quais a organização está inserida e no entendimento das necessidades dos clientes e da sociedade. Os planos de ação são realizados por pessoas, por meio de processos, e as pessoas precisam de um ambiente adequado para desenvolver os seus potenciais. Os processos devem ser estruturados e padronizados, por meio de procedimentos operacionais, visando atender aos requisitos dos clientes, internos e externos. Os resultados precisam ser monitorados o que gera a necessidade de um sistema de informação que atenda ao nível estratégico, tático e operacional, (FNQ, 2008). Da mesma forma que os conceitos e técnicas do CWQC, STP, Lean, Six Sigma, ISO 9000, Modelo de Excelência da Gestão -MEG – e outros se disseminaram pelos setores da indústria e serviços, eles começam a adentrar no setor agrícola, porém com alguma defasagem. Somente nos últimos anos, o emprego dessas técnicas de gestão passou a ser adotado, desde a aplicação do controle estatístico do processo até implantação de modelos, expondo todas as suas vantagens. O Brasil é um dos líderes 125

mundiais do agronegócio, liderança esta conquistada pelo trabalho duro no campo, condições naturais de solo e clima, disponibilidade de áreas e emprego da tecnologia envolvendo as máquinas agrícolas, agricultura de precisão, informática, entre outras. A revolução industrial (RI) que teve início com a máquina a vapor (RI_1.0) chega agora à sua quarta etapa (RI_4.0) com o advento dos drones, robôs, inteligência artificial, “big data” entre outros, figura 5. Da mesma forma que a agricultura foi influenciada ao longo das etapas da RI, agora ela está passando por profundas modificações: a agricultura 4.0.

Figura 5. As etapas da Revolução Industrial (RI). Estruturando a Empresa Essas mudanças colocam ainda mais em evidência a necessidade de a agricultura apoiar-se também no pilar da gestão para consolidar cada vez mais a posição de destaque. Isso passa pelo entendimento e aplicação, de forma sistêmica, dos conceitos e técnicas da gestão desenvolvidos e testados ao longo dos tempos em outras atividades. É necessário pensar nos caminhos a serem escolhidos para concentrar os esforços a fim de realizar a missão e materializar a visão da empresa, com a finalidade de garantir a sobrevivência e o crescimento. Definir “quem somos”, “como estamos”, “para onde queremos ir” e “como chegaremos lá”, figura 6, é fundamental para uma empresa de qualquer tamanho, seja ela uma pequena propriedade de administração familiar ou uma grande empresa agrícola administrada por executivo. QUEM SOMOS?

CONHECENDO A ORGANIZAÇÃO

MISSÃO; VISÃO; VALORES.

COMO ESTAMOS ?

PARA ONDE QUEREMOS IR?

ANÁLISE AMBIENTAL

ESTRATÉGIA_1 ou Objetivo Estratégico_1

COMO CHEGAREMOS LÁ? Objetivo 1.1.1 OBJETIVO_1.1

PLANO DE AÇÃO 1.1.1 PLANO DE AÇÃO 1.2.1

Objetivo 1.2.1 PLANO DE AÇÃO 1.2.2

ESTRATÉGIA_2 ou Objetivo Estratégico_2

OBJETIVO_2.1

Objetivo 2.1.1

OBJETIVO_2.2

PLANO DE AÇÃO 2.2

PLANO DE AÇÃO 2.1.1

PLANO DE AÇÃO 2.3.1

OBJETIVO_2.3

Objetivo 2.3.1

PLANO DE AÇÃO 2.3.2 PLANO DE AÇÃO 2.3.3

ESTRATÉGIA_N ou Objetivo Estratégico_N

OBJETIVO_N.1

Objetivo N.1.1

OBJETIVO_N.n

PLANO DE AÇÃO N.n

PLANO DE AÇÃO N.1.1

ACOMPANHAMENTO (Tomada de Decisão) COMO ESTAMOS INDO? COMO CORRIGIR?

Figura 6. Estratégias, desdobramentos e planos de ação. (Adaptada de ABRAPP 2007). 126

Definir “quem somos” é realizado por meio do estabelecimento das diretrizes básicas: missão, visão e valores. A missão é o que a empresa faz, a visão define os rumos e os valores estabelecem o código de conduta. Uma das formas para saber “como estamos” é analisar os ambientes nos quais a organização está inserida: macro, operacional e interno. O macroambiente envolve os aspectos políticos, sociais, econômicos e tecnológicos, enquanto o operacional refere-se ao mercado alvo, clientes, concorrentes e fornecedores. Esses dois ambientes influem na empresa, que não tem domínio sobre eles, e trazem tanto oportunidades como riscos. A alta do dólar pode favorecer o exportador de commodities agrícolas ao mesmo tempo em que pode encarecer os insumos básicos como fertilizantes e defensivos. As mudanças climáticas podem afetar não só a produtividade da cultura, mas a viabilidade, em longo prazo, de continuar produzindo no local. O ambiente interno reflete os pontos fortes e fracos da empresa. Um ponto forte pode ser o índice baixo de turn-over, enquanto um ponto fraco, como a ausência de treinamento, leva à instabilidade nos processos e consequentemente a um maior custo de produção. Uma das ferramentas empregadas na análise dos ambientes, para apoiar o desenvolvimento das estratégias, é a matriz SWOT, acrônimo para Strenghts, Weaknesses, Opportunities, Threats, ou matriz FOFA – Forças, Oportunidades, Fraquezas e Ameaças. As estratégias - objetivos estratégicos ou objetivos gerais - representam os caminhos escolhidos para levar a organização de uma situação atual para uma situação desejada no futuro, “para onde queremos ir”, e devem estar alinhadas às diretrizes básicas: missão e visão. Elas são desenvolvidas de modo a combinar os efeitos das oportunidades e dos pontos fortes e evitar, ou minimizar, as fraquezas e ameaças e traduzem os compromissos de longo prazo com os consumidores, em termos de qualidade, custos, produtividade, segurança e ambiente. Representam a área de eficácia: fazer o que tem de ser feito. Desdobrar as estratégias é o caminho para que o “Como chegaremos lá” aconteça. Desdobrar, em linhas gerais, significa “quebrar” as estratégias em objetivos e estes, se necessário, em outros menores, específicos. O encadeamento lógico dos objetivos nos diferentes níveis – estratégico, tático e operacional - leva ao atendimento da estratégia e o PDCA é uma das ferramentas empregadas para percorrer os caminhos, figura 7.

Figura 7. Desdobramento da estratégia (objetivo estratégico) por meio do PDCA. Com base nos PDCAs e seus objetivos, os planos de ação são elaborados, figura 8. O plano deve conter as metas e as ações necessárias para atingir ao objetivo.

127

LOGO

Num. (Cod.)

PLANO DE AÇÃO

Estratégia (Objetivo Estratégico) Objetivo: Meta: Método Ação

Descrição

Evidência

Responsável Data

Figura 8. Exemplo de um formulário básico de Plano de Ação. Um plano de ação contém a estratégia a ser atendida, “Por que fazer?” - justificativa - e o objetivo para atendê-la – “O que fazer?”. A meta é o objetivo transformado em valor(es) e data. No método são descritas as ações para atender ao objetivo “Como fazer?”. Os três itens, estratégia, objetivo e método, são associados à fase P (Plan) do PDCA. No plano também existem as informações dos responsáveis pelas ações “Quem?”, as datas “Quando” e o local “Onde” as ações vão ocorrer. “Por Que?, O Que?, Como? , Quem?, Quando?, Onde?” correspondem ao 5W1H. Com a execução das ações (D-DO) é necessário verificar se os resultados atendem ao objetivo (C-Check) e agir (A-Act) para decidir se o plano é encerrado, aplicar medidas corretivas ou desenvolver melhorias. É o PDCA de Shewhart, o método científico, em ação. Se as estratégias representam a área de eficácia, “fazer o que tem de ser feito”, a rotina é a de eficiência - “fazer bem-feito” -, sendo associada à missão. Uma das prioridades para assegurar a sobrevivência de uma organização é padronizar a rotina, de forma que os resultados com relação aos produtos ou serviços realizados sejam previsíveis, constantes. A padronização garante a qualidade do produto/serviço para o cliente, aumenta a produtividade, assegura que a tecnologia de produção fique registrada e seja de domínio da empresa, auxilia no treinamento dos colaboradores e garante um padrão na execução dos trabalhos. Garantir o padrão é um dos pontos principais da gestão e deve fazer parte das estratégias. As melhorias só acontecem quando existir um padrão para melhorar. De nada adianta ajustar as estratégias para a visão, crescimento, se o dia a dia, a rotina, não está funcionando adequadamente. Padronizar a rotina refere-se aos processos desenvolvidos na empresa, principais ou de apoio. Um processo é entendido como uma sequência de atividades realizadas para a geração de resultados para o cliente, interno e/ou externo ou, de acordo com a ABNT (2015), “um conjunto de atividades interrelacionadas ou interativas que utilizam entradas para entregar um resultado pretendido”, figura 9.

128

Figura 9. Processo. Cada processo tem um objetivo específico que ao ser levado em conta no conjunto das atividades da organização, colabora para o alcance dos objetivos finais. A saída, produtos ou serviços é a entrega que ocorre ao final de cada processo e deve atender à necessidade do cliente final, externo ou interno. As entradas, “inputs”, são os insumos que serão modificados no decorrer do processo para agregar valor. Esses insumos têm origem no fornecedor, interno ou externo à organização. O processo é ligado à missão da empresa: caso contrário é preciso avaliar a razão para ele existir. A equipe responsável pelo processo conta com os meios de produção necessários para desenvolver as ações. A equipe tem autonomia para utilizar os meios e a responsabilidade de cumprir o(s) objetivo(s)/meta(s). Os itens de controle referemse aos requisitos a serem atendidos, e os de verificação são os itens que devem ser monitorados no processo e no fornecedor. As entradas e o processo determinam o produto ou serviço, saída. Assegurar os padrões dos itens de verificação, é garantir que o produto ou serviço saiam de acordo com o determinado. A metodologia para a padronização da rotina normalmente envolve o mapeamento dos processos, desenvolvimento dos procedimentos operacionais padrão (POPs) e monitoramento dos processos. Mapear é rastrear os processos que uma empresa desenvolve rotineiramente para atender às necessidades de seus clientes, utilizando os insumos entregues pelos fornecedores. É analisar o fluxo das atividades obtendo uma fotografia do estado atual dos processos de forma a entender como funcionam e possibilitar desenvolver as melhorias. Ao desenvolver o mapeamento deve-se ter em mente que o próximo processo é seu cliente: “the next process is your customer”. O cliente do processo de preparo do solo, por exemplo, é a semeadura. O fornecedor, preparo do solo, deve entregar o produto - solo preparado – de acordo com as necessidades do cliente. O que é um bom preparo? Pergunte para o cliente. Na agricultura muitas vezes é necessário considerar a planta como cliente, pois será ela a responsável pela “fabricação do produto” a ser entregue ao cliente final. Sendo um ser vivo, ela tem necessidades a serem atendidas para poder expressar o potencial genético em termos de produtividade e qualidade. Para a semeadura, o processo de preparo do solo deve considerar dois aspectos principais: leito da semente e leito da raiz. Para o leito de semente é importante que haja um contato adequado semente-solo para que a germinação ocorra. No caso do leito de raiz o objetivo é que não existam impedimentos no solo para o desenvolvimento da raiz. Outros clientes também podem ser considerados como, por exemplo, a sociedade. O preparo deve causar o menor dano possível ao ambiente e a erosão é um dano a ser mitigado. O proprietário (acionista) deseja um preparo com menor custo, mas com boa produtividade e qualidade das lavouras. O procedimento operacional padrão (POP) é um documento no qual as atividades críticas para a realização do processo - “como fazer” – são detalhadas, figura 10. Em termos simples, é uma “receita de bolo” e a aderência da equipe a essa receita é fundamental para que a rotina mantenha um padrão.

129

Procedimento Operacional Padrão (POP) Data Revisão Número Revisão

LOGO

Criação

POP Número

Título (nome) da Tarefa Por que fazer? O que fazer? Requisitos Como Fazer (Método) Ação Num

Descrição

Itens Críticos do Como Preventivas Ações

Corretivas Aprovação Equipe Responsável

Supervisor

Chefia

Data

Figura 10. Exemplo de um Procedimento Operacional Padrão -POP. O cabeçalho do POP deve conter as informações básicas como as datas de criação e revisão e o número da revisão. Efetuar revisões nos procedimentos é fundamental, pois é dessa forma que as melhorias são incorporadas ao processo. A justificativa “por que fazer?”, e o objetivo “o que fazer?” devem ser descritos e os requisitos para atender o cliente especificados. O método contém as ações críticas do “como fazer”, ações necessárias para atingir ao objetivo. Com isso, a fase P do PDCA está atendida. Executa-se o procedimento, fase D (Do), e os resultados são avaliados com base nos requisitos C (Check). Se tudo estiver correto o processo continua, e se houver problemas é necessário corrigir A (Action). O 5W1H também está presente no POP pois a equipe responsável está definida – “Quem” – e concordou com o procedimento. Com isto, o local “Onde” também está estabelecido, junto com as datas “Quando” momento a partir do qual o procedimento passa a ser válido. Por ser o procedimento uma forma que estabelece um padrão para a execução da rotina, é comum denominar a fase P (Plan) como S de “Standard”, padrão. A avaliação do processo com base nos requisitos, C (Check), é realizada empregando as sete ferramentas da qualidade propostas por Ishikawa, dentre outras. Os resultados precisam ser apresentados em tempo real por meio da Gestão à Vista, permitindo que a equipe faça as correções assim que algo sair fora do esperado. Nesse caso, é possível empregar o diagrama de causa e efeito para levantar as possíveis causas e priorizá-las utilizando o diagrama de Pareto. O emprego do gráfico de controle, desenvolvido por Shewhart, permite analisar se um processo atende ou não às especificações do cliente. Os itens de especificação (requisitos da qualidade, voz do cliente), não podem ser mais rígidos do que os valores que o processo pode oferecer, voz do processo, calculados estatisticamente, figura 11, (WHEELER 2001).

130

Figura 11. Limites de especificação e de controle. (LSC-Limite Superior de Controle; LIC-Limite Inferior de Controle; LSE- Limite Superior de Especificação; LIE- Limite Inferior de Especificação). No caso, o valor médio da variável é de 1,16 unidades com um Limite Superior de Controle (LSC), calculado estatisticamente, de 1,23 e inferior (LIC) de 1,10. O requisito da qualidade foi especificado tendo como maior valor, Limite Superior de Especificação (LSE), de 1,20 unidades e o menor, LIE, de 1,12. O processo não consegue atender à voz do cliente. Dos muitos exemplos que existem na agricultura, um deles é o da colheita mecanizada de cana de açúcar, para a qual os requisitos para as perdas de matéria prima são especificados. A altura de toco normalmente é limitada a cinco centímetros – limite de especificação ou “voz do cliente”. Porém, é necessário questionar se o processo de colheita permite atender a essa exigência, Limites de Controle (LC) ou “voz do processo”. Se o gestor especificar limites que um processo não consegue atender, o resultado será eternizar o atrito entre a equipe e ele. Nesse caso, ou altera-se os requisitos, limites de especificação, ou muda-se o processo.

Considerações finais Quando a empresa faz a opção por implantar um modelo de gestão, qualquer que seja ele, a liderança deve estar ciente de que deverá seguir rigorosamente um dos princípios básicos propostos por Deming: constância de propósito. Normalmente, os resultados só aparecem de forma mais consolidada após cinco anos e vencendo muitos desafios, principalmente aqueles relacionados às resistências às mudanças. Um fato relatado por Atkinson (1989), na visita ao Japão, realizada por ele e um grupo de empresários em 1988, ilustra a necessidade da constância de propósitos e de iniciar o quanto antes. Um dos membros do grupo perguntou a um funcionário que os acompanhava na visita a uma empresa: “...por que vocês abriram as portas das empresas, falaram francamente sobre as técnicas e os seus segredos?...”. A resposta foi que “...levará 10 anos para vocês alcançarem o estágio em que estamos hoje e daqui a dez anos estaremos mais à frente...”. O pior sistema de gestão que uma organização pode adotar é a ausência dele, pois nada pode ser melhorado se não existir. Retardar a implantação significa ficar atrás da concorrência e arcar com os custos da não qualidade. Não é possível pular etapas para acelerar o processo, pois este depende de aprendizado. O papel da liderança é fundamental para minimizar as resistências, desenvolver e consolidar a cultura de eliminar os desperdícios, melhoria contínua e do aprendizado organizacional. Na Western Electric, Hawthorne, ao final da década de 1920, uma das lições deixadas pelos experimentos foi que a produtividade depende da atenção que a liderança dá aos funcionários, (WREIN 2005). Em um cenário cujo foco da liderança é voltado a criar um ambiente adequado para o desenvolvimento das pessoas, existe mais participação na solução de problemas, forte cooperação entre pessoas e áreas e comprometimento com o desempenho das atividades. Esses fatores geram a motivação e a inovação e, consequentemente, o aumento da competitividade. Ainda hoje, para muitas lideranças, a realidade é colocar a produtividade em primeiro lugar e depois a motivação das pessoas. A gestão é centrada no poder, com as decisões do nível mais alto para a base, sem a participação das pessoas. Resta a elas receberem ordens e cumpri-las, sem espaço para a criatividade, o que leva à desmotivação e à 131

impossibilidade da autorrealização no trabalho, (ANDRIANI, 2003). A ausência da motivação impede o desenvolvimento de melhorias e leva a uma queda de competitividade colocando em risco a sobrevivência da organização. Para a agricultura 4.0, o desafio na área de gestão é desenvolver a cultura da eliminação dos desperdícios, da melhoria contínua e do aprendizado. O papel da liderança à frente da organização é fundamental para que isso aconteça.

Referências ASSOCIAÇÃO BRASILEIRA DAS ENTIDADES FECHADAS DE PREVIDÊNCIA COMPLEMENTAR (ABRAPP) (2007) Planejamento Estratégico. São Paulo. ASSOCIAÇÃO BRASILEIRA DE NORMAS TÉCNICAS (ABNT NBR, ISO 9000) (2015) Sistemas de gestão da qualidade -Fundamentos e vocabulário. Rio de Janeiro, 2015. ALLEN CR (1919) The instructor the man and the job: a handbook for instructors of industrial and vocational subjects. Philadelphia, J.B. Lippincott Company. 373p. ANDRIANI CS (2003) Gestão sistêmica com base nos valores humanos. Campinas, Dialivros Editora. 184p. ATKINSON P (1989) TQM fact finding mission to Japan. The TQM Magazine 1(2):120-124. DOI: https://doi-org.ez67.periodicos.capes.gov.br/10.1108/EUM0000000003001 BHAMU J, SANGWAN KS (2014) Lean manufacturing: literature review and research issues. International Journal of Operations & production Management 34(7):876-940. DOI:10.1108/IJOPM08-2012-0315 BREEZE P (2018) Piston engine-based power plants, Imprint Academic Press. 102p. DOI: https//doi.org/10.1016/C2016-0-03647-1 CAMPOS VF (1999) TQC-Controle da Qualidade Total (no estilo japonês). Editora de Desenvolvimento Gerencial, Belo Horizonte. 230p. CAMPOS, VF O verdadeiro poder. INDG Tecnologia e Serviços Ltda, Nova Lima, p24-25. DAHLGAARD J, DAHLGAARD-PARK SM (2006) Lean production, six sigma quality, TQM and company culture. The TQM Magazine 18(3) 263-281. DOI 10.1108/09544780610659998 DIETZ W, BEVENS BW (1970) Learn by doing: the story of training within industry. Summit, New Jersey. 114p. EBRAHIMPOUR M (1985) An examination of quality management in Japan: implications for management in the United States. Journal of Operational Management 5(4):419-431. FORD H (2014) My life and work; an autobiography of Henry Ford. Snowball Publishing, Lexington, KY. 187p. FUNDAÇÃO NACIONAL DA QUALIDADE (2008) Cadernos Rumo à Excelência®: Introdução ao Modelo de Excelência da Gestão ® (MEG) / Fundação Nacional da Qualidade, Série Cadernos Rumo à Excelência. Fundação Nacional da Qualidade, São Paulo. 21p. GILBERT M (2014) A Segunda Grande Guerra: os 2147 dias que mudaram o mundo. Rio de Janeiro, Casa da Palavra, p7. HOLWEG M (2007) The genealogy of lean production. Journal of Operations Management 25(2):420436. DOI: 10.1016/j.jom.2006.04.001 HUNTZINGER J (2002) The roots of lean- Training within industry: The origin of kaizen. Target 18(1):6-19 ISHIKAWA K (1986) How to apply company-wide quality control in foreign countries. Center for quality and productivity improvement. Report No15 University of Wisconsin, Madison.12p. KATO I (2006), TWI Influence on TPS & Kaizen, Summary notes from Art Smalley. Interview with Mr Isao Kato. Art of Lean, Inc. www.ArtofLean.com KIBBLE B (2014) The measuring stick came before the wheel. IEEE Instrumentation & Measurement Magazine. 17(3):28-29. KREIS S (2017) Lecture 17: The Origins of the industrial revolution in England. The History Guide: Lectures on Modern European Intellectual History. Available: http://www.historyguide.org/intellect/lecture17a.html. Accessed Jun 06, 2020. 132

KRÜGER V (2001) Main Schools of TQM: “the big five”. The TQM Magazine.13(3):146-155. LIKKER JK (2005) O modelo Toyota: 14 princípios de gestão do maior fabricante do mundo. Porto Alegre, Bookman. 316p. MAXIMIANO ACA (2000) Introdução a administração. São Paulo, Atlas. 541 p. MONTGOMERY DC, WOODALL WH (2008) An overview of Six Sigma. International Statistical Review 76(3):329-346. DOI:10.1111/j.1751-5823.2008.00061.x NICHOLAS J, SONI A (2006) The Portal to lean production: principles and practices for doing more with less. Auerbach Publications, Boca Raton, FL. 310p. OHNO T (1997) O Sistema Toyota de produção: além da produção em larga escala. Porto Alegre, Bookman. 129p. PAXTON J (2012) Mr. Taylor, Mr Ford, and the advent of high-volume mass production: 1900-1912. Economics & Business Journal: Inquires &Perspectives.4(1):74-90. ROBINSON AG, SCHROEDER DM (1993) Training, continuous improvement, and human relations: The U.S. TWI programs and the Japanese management style. California Management Review.35(2):3557. SHINGO S (1996) O Sistema Toyota de Produção do ponto de vista da Engenharia de Produção. Porto Alegre, Bookman. p81. SPEAR S, BOWEN HK (1999) Decoding the DNA of the Toyota Production System. Harvard Business Review.77(5):1-12. STAUFFER, J (2003) SQC before Deming: the works of Walter Shewhart. The Journal of Applied Management and Entrepreneurship. 8(4):86-94. TACHIKI DS (2008) TQM in Japan Deming, Juran and Ishikawa. Project for Enhancing the Capacity of Public Service Training in Bangladesh; Hosei University. Available: https://www.researchgate.net/publication/273382233_TQM_IN_JAPAN_Deming_Juran_and_Ishikaw a. Accessed Jul 02, 2020. TAYLOR, FW (1911) The principles of scientific management. New York, Harper & Brothers. Available: http://strategy.sjsu.edu/www.stable/pdf/Taylor,%20F.%20W.%20(1911).%20New%20York,%20Harp er%20&%20Brothers.pdf. Accessed Jul 02, 2020. TOLEDO JC, BORRÁS MÁA, MERGULHÃO RC, MENDES GHS (2013) Qualidade: Gestão e Métodos. Rio de Janeiro, LCT. 397p. TOMAC N, RADONJA R, BONATO J (2019) Analysis of Henry Ford´s contribution to production and management. Scientific Journal of Maritime Research, 33, p34-35. DOI: https://doi.org/10.31217/p.33.1.4. WADA K (2006) The fable of the birth of the Japanese automobile industry: A reconsideration of the Toyoda–Platt agreement of 1929. Business History. 48(1):90-118. DOI:10.1080/00076790500204768 WHEELER DJ (2001) Entendendo a variação: a chave para administrar o caos. Rio de Janeiro, Qualitymark. 152p. WOMACK JP, JONES DT, ROOS D (2004) A máquina que mudou o mundo: baseado no estudo do Massachusetts Institute of Technology sobre o futuro do automóvel. Rio de Janeiro, Elsevier. 332p. WREN DA (2005) The history of management thought. John Wiley &Sons, Inc., Hoboken. 519p. YAMAMOTO Y, BELLGRAN, M (2010) Fundamental mindset that drives improvement towards lean production. Assembly Automation, 30(2). DOI: 101108/01445151011029754. YERGIN, D (2010) O petróleo: Uma história mundial de conquistas, poder e dinheiro. São Paulo, Paz e Terra. 1077p.

133

FMEA DE PROJETO PARA O DIAGNÓSTICO DE FALHAS DE MÁQUINAS E IMPLEMENTOS AGRÍCOLAS Alessandro de Franceschi Vinicius Kaster Marini Leonardo Nabaes Romano

Introdução A agricultura conectada impõe desafios ao projeto e ao desenvolvimento de máquinas agrícolas na implementação de recursos de inteligência, comunicação e desempenho para a evolução da produtividade. Para assegurar vantagem competitiva a partir das novas soluções, é necessário evoluir as práticas de projeto e desenvolvimento de máquinas agrícolas incluindo considerações de qualidade e confiabilidade em seus aspectos técnicos e gerenciais. Nesse contexto, as empresas da indústria brasileira de máquinas e implementos agrícolas mostram grandes disparidades: enquanto algumas exercem liderança de mercado em qualidade e inovação, outras lutam para sair da posição de retardatárias pela adoção de boas práticas de engenharia. Em serviço à implementação de práticas de engenharia capazes de servir à garantia da qualidade no desempenho das operações, este capítulo objetiva discutir o projeto de máquinas e implementos agrícolas, com foco nos aspectos de qualidade e confiabilidade, partilhando um exemplo de prática em análise e predição de falhas com a técnica FMEA. Para evitar problemas que podem fazer com que a solução de cultivo agrícola seja um fracasso de mercado, a confiabilidade – a capacidade de um produto funcionar durante a maior parte do tempo em que é necessário – é o atributo central para fornecer um produto de qualidade. Segundo DIAS et al. (2013), as práticas de tratamento de falhas estabelecem quadro de trabalho composto de estruturas e técnicas que definem as modalidades de tratamento das falhas projetadas ou testemunhadas no desempenho dos sistemas técnicos7. No contexto de operação agrícola, é possível emitir a definição de sistemas de cultivo agrícola, considerando máquinas e implementos agrícolas que incluem funções embarcadas de sensoriamento, inteligência, comunicação e controle para além das funções básicas de mecânica, de energia e de estrutura. Uma vez que as operações agrícolas são prescritas para momentos determinados dos ciclos de cultivo8, e têm seu desempenho definido em cada um desses momentos pela operação mecanizada de uma área cultivada em certo intervalo de tempo9, as ocorrências de falha em sistemas de cultivo agrícola podem causar prejuízos significativos aos processos de negócio dos cultivos. Outro aspecto importante das operações agrícolas é o reconhecimento da variabilidade das propriedades dos cultivos em relação à localização10, que determina a necessidade de soluções capazes de adaptar seu funcionamento às necessidades localizadas de tratamento dos cultivos. Dessa forma, ganham particular relevância as práticas de projeto e desenvolvimento de sistemas de cultivo agrícola para mitigar a ocorrência de falhas ao longo do ciclo de vida. Neste cenário, a utilização de técnicas de projeto com foco em confiabilidade requer informações básicas com um nível mínimo de conhecimento técnico para o fim de tratar as ocorrências de falha a partir do projeto do sistema de cultivo agrícola. Esse nível deve ser considerado com base no ciclo de vida pretendido para os sistemas técnicos e refletindo embasamento suficiente nas reais condições de operação (DIAS et al., 2013): primeiramente, considerando o entendimento das funções implementadas no sistema técnico e de como estas são implementadas em subsistemas e grupos de componentes O termo ‘sistemas técnicos’ corresponde à combinação de funções e subsistemas em máquinas e equipamentos, implementados por grupos de componentes em vários domínios de especialidade, tais como mecânica, energia, estruturas, eletroeletrônica, algoritmos e interface de usuário, que executam transformações de energia, material e sinal combinadas para a satisfação de uma necessidade (HUBKA & EDER, 1992). 8 A prescrição de operações agrícolas para momentos determinados dos ciclos de cultivo determina uma característica sazonal para os sistemas de cultivo agrícola, majoritariamente operados em uso intermitente conforme sua concepção habilita à execução de um processo técnico específico para a operação (MIALHE, 1974; MARINI, 2007). 9 A operação mecanizada da área cultivada em certo intervalo de tempo determina uma característica de criticidade do tempo de operação, onde qualquer falha dos sistemas de cultivo agrícola em completar a área cultivada dentro de um tempo prescrito pode incorrer em prejuízos à produtividade dos cultivos. 10 A variabilidade das propriedades dos cultivos com relação à localização determina uma característica de adaptabilidade do sistema de cultivo agrícola mediante sensoriamento, processamento e ajuste autônomo dos parâmetros de funcionamento. 7

134

(BAXTER, 2011); e prestando atenção aos diferentes incidentes de gatilho de falha ao longo do ciclo de vida, incluindo aqueles que ocorrem sob operação intermitente (AFFONSO, 2006). Tendo em mente a temática do tratamento de falhas no projeto de sistemas de cultivo agrícola, este capítulo apresenta um exemplo em métodos sistemáticos de projeto servindo à melhoria da confiabilidade e da qualidade em máquinas e implementos agrícolas. Para este propósito, o escopo deste texto abrange uma revisão da literatura quanto ao tratamento da confiabilidade no projeto de máquinas e implementos agrícolas, um exemplo de aplicação da técnica FMEA11 – Failure Mode and Effects Analysis – sobre o projeto de um implemento agrícola, e uma discussão dos benefícios de abordagens preditivas para o projeto de máquinas agrícolas. Análise de falhas no ciclo de vida de sistemas técnicos A análise de falhas é um procedimento necessário para garantir a eficácia do processo de projeto, uma vez que envolve a busca de entendimento sobre as características de projeto da solução que asseguram o atendimento às expectativas de seus clientes. Segundo SCHMITT (2013), a análise de falhas é uma das maneiras de se entender o comportamento do equipamento, por exemplo: como falhou, por que falhou, quando falhou, quanto tempo operou até ocorrer a falha. BRAILE & ANDRADE (2013) afirmam que a análise de falhas permite priorizar os modos de falha que causam mais prejuízo, possibilitando indicar a melhor estratégia de manutenção para os equipamentos. Neste sentido, Pedrosa (2014) cita que a análise de falhas envolve uma forma sistemática de hierarquizar informações sobre as falhas dos produtos e processos, ajudando a conceber um sistema de prioridades para ações de melhorias, entre investimento, desenvolvimento e testes de verificação. Nesse contexto, a motivação central para o emprego de abordagens sistemáticas de tratamento de falhas é evitar comportamentos indesejados e falhas de funcionamento nas máquinas e equipamentos, de tal modo que causem incômodo, prejuízos, e danos aos usuários, aos clientes e às partes interessadas no ciclo de vida do produto. Conforme HELMAN & ANDERY (1995), entende-se por confiabilidade a probabilidade de um determinado sistema (máquina, implemento, aparelho, dispositivo etc.) desempenhar sem falhas uma missão (função) durante um período determinado. FRANCESCHI (2015) aborda o ciclo de vida dos sistemas técnicos, identificando os aspectos que guardam as causas de falhas, conforme apresentado na Figura 1. Considerando as atividades desenvolvidas durante as fases de Projeto, Produção e Uso, e os aspectos do sistema técnico nelas considerados, essa abordagem das causas de falha orienta a análise de falhas em direção à causa-raiz. Fases do ciclo de vida

Origens das causas de falhas em sistemas técnicos Concepção

Projeto Dimensionamento

Ciclo de vida dos sistemas técnicos

Abordagem preditiva

Fabricação

Produção

Materiais Montagem

Abordagem retrospectiva

Usuário

Uso Ambiente

Figura 1: Origens das causas de falhas nos sistemas técnicos – fases do ciclo de vida. Adaptado de FRANCESCHI (2015). De acordo com ROZENFELD et al. (2006) a fase de Produção objetiva produzir produtos com as mesmas qualidades do protótipo, atendendo aos requisitos dos clientes durante o ciclo de vida do produto. Já na fase de Uso, segundo KAGUEIAMA (2012), a análise de confiabilidade e a aplicação 11

A técnica tem protocolo definido primeiramente pelo departamento de Defesa dos EUA (MIL-STD-1629A, 1978), e regulado atualmente pela Sociedade de Engenheiros Automotivos dos EUA (SAE J1739, 2009) e pela Coordenação de Normas Técnicas da Comunidade Europeia (EN 60812, 2000), respectivamente. 135

das técnicas de análise de falha podem ser aplicadas quando um produto oferece riscos ao meio ambiente ou à pessoa. Neste sentido, as causas de falhas na fase de Projeto, em circunstâncias reais, podem ocorrer devido a não incorporação de metas de confiabilidade ao produto (KAGUEIAMA, 2012). Uma das práticas conhecidas na literatura é a análise de falhas, cuja execução busca evitar ocorrências subsequentes de falha pela implementação de ações preventivas para alcançar os seguintes objetivos: melhorar a confiabilidade do sistema; reduzir os custos de manutenção; e, reduzir os riscos de acidentes, entre outros (AFFONSO, 2006).

Análise de falhas no processo de projeto de máquinas agrícolas No contexto da indústria de máquinas e implementos agrícolas, tem-se o conhecimento de que muitos problemas de qualidade advêm, do emprego de práticas de engenharia baseadas em modelos informais de processos de desenvolvimento (ROMANO, 2013; BERGAMO & ROMANO, 2016). Nestes casos, a solução de máquina ou equipamento agrícola resulta de uma composição de soluções em geral existentes no mercado, sem que a concepção do sistema de cultivo agrícola seja desenvolvida completamente sob o ponto de vista do processo de projeto de produtos industriais, e sem que tenha executado os devidos procedimentos de dimensionamento e simulação funcional-geométrico-material dentro desse contexto. Esta forma de desenvolvimento, embora permita a rápida obtenção de um protótipo para testes e ou ensaios de campo, é de alto risco, pois não considera, durante a etapa de desenvolvimento do produto propriamente dita, a análise de falhas de seus sistemas, subsistemas e componentes (SSCs). Fica então o processo de verificação e correção de projetos concentrado na fase de projeto detalhado, como demonstrado a seguir. BERGAMO & ROMANO (2016) mencionam a construção do protótipo de engenharia na fase de projeto detalhado do produto, permitindo a execução de testes em laboratórios ou a campo para avaliar o desempenho do produto e a ocorrência de falhas de componentes, assim como o atendimento das necessidades dos clientes. Esses testes são essenciais para garantir a qualidade das máquinas agrícolas que entram no mercado, quando realizados como ensaios atendendo a critérios de certificação ou homologação da máquina agrícola segundo marco regulatório reconhecido. Nesse sentido, disposições de mercado (OCDE), normas técnicas internacionais (ISO, EN) e nacionais (NBR) determinam procedimentos e critérios de desempenho que constituem indicativos de qualidade para a comercialização de máquinas agrícolas12. A conquista de novos mercados para a indústria nacional de máquinas agrícolas depende de que se incluam normas e procedimentos internacionais como critérios de qualidade na realização de ensaios (CORRÊA & SCHLOSSER, 2011). Após os testes e/ou ensaios – em que é possível evidenciar modos de falha em visão retrospectiva13 –, a avaliação do protótipo pode ser feita em cada componente para identificar outros modos de falha e possíveis desgastes prematuros. Se determinado modo de falha não é mitigado durante as iterações de teste e mudança de engenharia, o usuário final fica sujeito a elevados riscos durante a operação da máquina em campo. Tais ocorrências em serviço, representam altos custos quanto à assistência técnica, a verificação da falha e as mudanças de engenharia envolvidas; adicionalmente, tais incidentes impõem prejuízo à atividade de produção agrícola em relação a perdas nos cultivos, custos de assistência técnica para os produtores, e como consequência, prejuízos à reputação do fabricante no mercado. A abordagem retrospectiva típica da maioria das práticas de qualidade tem base em informações de projeto que ‘chegam atrasadas’ uma vez que a falha já ocorreu, levando à iteração de ciclos projetartestar-consertar-retestar sem fim determinado à vista (YANG & EL-HAIK, 2009). Entretanto, é possível implementar abordagem preditiva em antecipação à prática retrospectiva ainda comum na indústria, com foco no projeto do sistema e baseada em informações preliminares no ensejo de predizer e corrigir potenciais falhas na solução em desenvolvimento (ROMANO, 2003), cujas oportunidades no projeto preliminar são apresentadas na Tabela 1. 12

OCDE: Organisation de Coopération et de Développement Économique– Organization for Organização para Cooperação e Desenvolvimento Econômico. ISO: International Standardization Organization – Organização Internacional de Padronização; EN: Europäische Normen – Norma Européia; NBR: Norma Brasileira. 13 No contexto deste trabalho, visão retrospectiva trata da execução do tratamento de falhas a partir de ocorrências passadas – como testes de protótipo em bancada ou em campo –, evidenciadas por comunicação de testemunho ou registro (ex-post-facto) demonstrando a falha e suas implicações. 136

Uma análise de falha de caráter preditivo usualmente tem foco no projeto do sistema, baseada em caracterizações preliminares do sistema (EN ISO 31010, 2010; MARINI, 2013). Em relação à caracterização das propriedades funcionais do projeto do sistema técnico, uma das ferramentas mais utilizadas é a técnica de Análise de Modos de Falha e seus Efeitos – FMEA (EN 60812, 2006), que pode ser aplicada com base em informações preliminares para analisar e hierarquizar as falhas potenciais antes mesmo da execução dos testes com o protótipo. Quando esta é utilizada durante o processo de projeto, aplica-se a denominação ‘FMEA de projeto’ – DFMEA (YANG & EL-HAIK, 2009). O uso contínuo da técnica FMEA nos processos de projeto e desenvolvimento é proposto por PEDROSA (2014), ao afirmar que a técnica permite revisar um projeto de produto (máquinas, ferramentas, componentes) antes de aprová-lo para a produção, podendo ainda, que o mesmo deva ou possa ser analisado durante toda a sua vida útil. Considerando o exposto, pode-se afirmar que o estudo das falhas em máquinas e outros sistemas técnicos é de relevância indiscutível, uma vez que a existência de uma falha produz consequências de toda ordem, desde a não execução da operação desejada, perdas de desempenho e riscos à segurança etc. Entrada Leiaute inicial

Leiautes alternativos

Leiaute dimensional

Informações sobre segurança da MA

Atividade Tarefa Domínio Mecanismo Controle Fase de Projeto Preliminar – Processo de Projeto e Desenvolvimento de Máquinas Agrícolas Desenvolver PP, QU, Análise de Patentes leiautes SE, AF especialista Legislação alternativos Banco de dados Normas de Revisar patentes e sobre segurança segurança considerações sobre aspectos legais e de segurança dos leiautes gerados Avaliar leiautes Todos Reunião da Planejamento de gerados... (1) equipe de marketing desenvolv. Especificações de do produto projeto Análise custoFatores de benefício influência no Método da projeto da MA função-critério VDI 2225 Desenvolver PP Lista de Requisitos de leiaute verificação projeto dimensional Métodos de Especificações Refinar leiautes da MA otimização de projeto alternativos DFX (2) (otimizar, eliminar pontos fracos, checar pontos críticos, interações e interfaces, etc.) Avaliar leiautes Todos Reunião da Planejamento de dimensionais equipe de marketing da MA /mock-ups desenvolv. Declaração de (viabilidade técnica do produto escopo do projeto do projeto, dos Análise custoPlano de processos de benefício gerenciamento da manufatura, Método da qualidade da dependabilidade, função-critério Especificações de (3) da compatibilidade projeto da MA trator/implemento, VDI 2225 Fatores de de mercado e influência no econômica) projeto da MA Estabelecer o MK, PP, Lista de Plano de leiaute final da QU, DP, verificação gerenciamento MA SE, PV da qualidade Revisar o leiaute Leiaute dimensional com dimensional relação a falhas Informações sobre funcionais, de segurança da MA compatibilidade Metas de espacial ou efeitos dependabilidade de fatores Fatores de perturbadores influência no projeto da MA Realizar análise Revisar o SE Análise de Política da de segurança atendimento às especialista segurança sobre o leiaute metas de segurança final da MA

Saída Leiautes alternativos

Leiaute dimensional Lista de componentes preliminar

Leiaute dimensional revisado, *encaminhar leiaute final

Informações sobre segurança da MA

Tabela 1. Atividades de desenvolvimento e de revisão de projeto relacionadas às metas de confiabilidade e segurança para o Desenvolvimento de Máquinas Agrícolas em precedência ao protótipo (ROMANO, 2003). 137

Os domínios de conhecimento refletem competências organizacionais internas às empresas: PP: Projeto do Produto; QU: Qualidade; DP: Dependabilidade; SE: Segurança; MK: Marketing; AF: Adm-Financeiro; PV: Pós-venda 1: Avaliar leiautes gerados... trata dos atributos pertinentes aos critérios técnicos, econômicos e de mercado, que constituem atributos de viabilidade técnica e econômica para a continuidade do desenvolvimento da máquina/equipamento agrícola. 2: DFX (Projeto para X) trata do uso de várias ferramentas e métodos de projeto com processos lógicos específicos à priorização de atributos de projeto do sistema técnico, tais como confiabilidade, robustez, segurança, custo, fabricação, entre outros. 3: O método da função critério consiste na elaboração de uma matriz em que os atributos são ponderados segundo sua importância e as alternativas são comparadas segundo seu desempenho percebido, em que vence a alternativa com melhor somatória de escores ponderados.

Análise de falhas e sua implementação: uso da técnica FMEA Partindo de uma análise do sistema em suas funções e respectivos grupos de componentes, a técnica FMEA aponta um caminho de raciocínio aos projetistas para que possam caracterizar as ocorrências de falha de maneira sistemática, e os problemas de projeto que as motivam. Isto é verificado em ALBIERO (2010) que esclarece da possibilidade de obter melhorias significativas no projeto com a mitigação de falhas após a aplicação desta técnica, antes de efetuar a construção física do produto. De acordo com LAURENTI et al. (2012), a FMEA é técnica eficaz para evitar a ocorrência de falhas e quando aplicada corretamente, pode trazer diversos benefícios com redução considerável do retrabalho exigido para corrigir as falhas identificadas – assim como a redução de custos de mão de obra e tempo. Isto é evidenciado em PACIAROTTI et al. (2014) ao afirmarem que a FMEA investiga causas e efeitos dos modos de falha potenciais para garantir a qualidade e a confiabilidade de um produto ou processo. A partir de sua implementação e consolidação nos meios de maior complexidade e avanço tecnológico, tais como os setores de aeronáutica e defesa, a técnica FMEA se tornou uma ferramenta essencial em suporte ao alcance da qualidade no projeto e na operação de sistemas técnicos (DHILLON, 1999). Um aspecto importante da ferramenta é sua base em julgamento especializado quanto à severidade dos modos de falha, baseado em informações colhidas a partir de diretrizes ou avalições de desempenho, ou em perspectivas técnicas refletidas por especialistas a partir de experiência operacional (GLOSSOP, IOANNIDES & GOULD, 2000). Sua implementação cria referencial técnico para analisar as falhas potenciais no projeto e na construção de sistemas técnicos, que embasa a revisão dos procedimentos de operação e dos projetos de sistemas técnicos, existentes ou em desenvolvimento, quanto à proposição de melhorias para prevenir a ocorrência de falhas (ROZENFELD et al., 2006, TOLEDO & AMARAL, 2008, FOGLIATTO & RIBEIRO, 2009). Quanto ao seu uso no processo de projeto, esta técnica se concentra na prevenção de falhas do sistema técnico, mantendo suas funções básicas e atingindo um nível esperado de qualidade com o objetivo de evitar a insatisfação do cliente (FRANK et al., 2014). O uso da FMEA no projeto permite identificar possíveis inconsistências, suas causas e consequências, possibilitando avaliar o risco da sua ocorrência e determinar medidas para reduzir a probabilidade de falha (PETROVSKIY et al., 2015). Dentre as vantagens que se pode obter por meio do uso da técnica FMEA, está a redução de riscos de falhas em novos projetos (PARANHOS et al., 2016), o que justifica o uso da técnica em prevenir novas ocorrências de falha; baseada em técnicas de decomposição de sistema e de relações funcionais dos grupos de componentes (MARINI, 2013; BULIŃSKI & ŁYP-WROŃSKA, 2014), e respectivos mecanismos, FMEA permite identificar e avaliar possíveis falhas em sistemas, projetos, processos e produtos, para uma análise de confiabilidade eficaz (LIU et al., 2015). Quanto à estrutura de informação, PARANHOS et al. (2016) afirmam que esta técnica possibilita identificar pelo menos um modo de falha, permitindo discriminar o seu efeito, a causa da não conformidade, os graus de severidade, ocorrência e detecção, assim como as ações necessárias para evitar a ocorrência. Outro aspecto importante do uso da FMEA, segundo TONDIN et al. (2017), é que esta pode ser aplicada no sentido de identificar e priorizar modos de falha mais importantes, o que permite sugerir e ordenar ações que possibilitem a execução de melhorias no projeto do sistema técnico, a fim de evitar e reduzir falhas. MELO (2017) relata que as zonas de perigo das máquinas e 138

equipamentos devem possuir sistemas de segurança, caracterizados por proteções fixas, proteções móveis e dispositivos de segurança interligados, que garantam proteção à saúde e à integridade física dos trabalhadores. Nesse sentido, o raciocínio da ferramenta abre caminho para a consideração de provisões de segurança no projeto de máquinas e implementos agrícolas. Neste contexto, a aplicação da técnica FMEA permite a determinação do potencial dos riscos por meio do Número de Prioridade de Risco – NPR14. Este serve para hierarquizar as deficiências do sistema (modos de falha), e corresponde ao produto dos índices de Severidade (S), Ocorrência (O) e Detecção (D). Estes índices definem que a Severidade (gravidade) é classificada com base no efeito da falha, a Ocorrência com base na frequência da falha e a Detecção refere-se à capacidade de detectar a falha (MOURA, 2000; SELVAN et al., 2013; GARCIA, 2013; PACIAROTTI et al., 2014; LIU et al., 2015). Desta forma, ações corretivas podem ser recomendadas para reduzir o risco de falha conforme propõem HELMAN & ANDERY (1995). Portanto, quando os modos de falha estiverem classificados segundo o NPR, devem ser recomendadas ações corretivas para os itens críticos e com altos índices de NPR (PAHL et al., 2005; FOGLIATTO & RIBEIRO, 2009; XIAO, 2011; PACIAROTTI et al. 2014). Engenharia reversa para análise preditiva de falhas em máquinas agrícolas Este capítulo tem por objetivo apresentar um exemplo de abordagem de falhas em sistemas de cultivo agrícola, considerando um protótipo de equipamento agrícola distribuidor e incorporador de biofertilizante15 por meio da análise de projeto dos subsistemas que o compõem e dos respectivos componentes. Para efetuar o diagnóstico de falhas do equipamento, são empregadas duas abordagens complementares: uma abordagem retrospectiva a partir da análise de relatórios de testes de campo efetuados por especialistas; e, em complemento a esta, uma abordagem preditiva pela aplicação da técnica FMEA com base nas informações de projeto. A execução de trabalho é suportada pelas seguintes fontes de informação: I. Análise do protótipo do equipamento agrícola – abrangeu a inspeção do protótipo em laboratório, para identificação dos subsistemas e dos componentes, e a compreensão da configuração funcional estabelecida. II. Análise dos relatórios de testes – abrangeu o estudo dos relatórios dos testes realizados com o protótipo de equipamento agrícola, com o propósito de determinar as falhas observadas no equipamento durante a execução dos testes. III. Aplicação da FMEA de projeto – abrangeu o estabelecimento da análise funcional do protótipo, seguida da predição de falhas do sistema e de seus efeitos usando a técnica FMEA. O conteúdo deste trabalho concentra seu interesse na aplicação da técnica FMEA ao projeto do equipamento, suportada pelo conjunto de informações apresentado na Tabela 2. Tabela 2. Atividades de coleta de dados para execução do trabalho. Abordagem Preditiva

Retrospectiva

Objeto Projeto do implemento agrícola

Inspeção do protótipo do equipamento Desempenho do implemento agrícola em teste Observação dos testes do equipamento

Informação Desenhos de Componentes, grupos e subsistemas Peças e montagens tridimensionais dos conjuntos e subsistemas Planilhas de especificações e de montagem dos componentes Estrutura física, conexões e interfaces dos componentes

Fonte Acesso concedido à equipe de trabalho pelo fabricante

Parâmetros, medições e análise do desempenho do equipamento Parâmetros, medições e análise da dosagem do biofertilizante Desempenho da operação pretendida pelo implemento, comportamento dinâmico

Grupo de pesquisa em ensaio de máquinas agrícolas Grupo de pesquisa em biofertilizantes Acesso aos locais de ensaio do equipamento durante os testes

Acesso às instalações de guarda do equipamento durante os testes

O Número de Prioridade de Risco – NPR – em uso na técnica FMEA tem sua definição a partir do original em língua inglesa: Risk Priority Number – RPN (EN 60812, 2006). 15 Dentre os biofertilizantes, destaca-se o dejeto líquido suíno (DLS) usado a partir da significativa produção de suínos, em particular nos estados da região Sul do Brasil (SCHERER, 2011; MIYAZAWA & BARBOSA, 2015) 14

139

As informações apresentadas abaixo alimentam um processo parcial de engenharia reversa (OTTO & WOOD, 1998) baseado em técnicas de decomposição funcional – função global e funções parciais –, e suportado por técnicas de inspeção em relação aos conjuntos de subsistemas e componentes responsáveis pelas funções identificadas. As relações sistemáticas e funcionais envolvendo os subsistemas e componentes foram verificadas por meio da inferência dos fluxos de energia (TDP do trator), material (Biofertilizante) e sinal (Usuário  Ajustes e regulagens) a partir da documentação de projeto, validadas por meio da inspeção do protótipo. A consolidação dessas informações permitiu definir a função global do sistema conforme apresentado na Figura 2, que apresenta a formulação total do sistema de maneira independente de quaisquer princípios de solução e/ou componentes utilizados. Usuário / tratorista

Ajustes e regulagens TDP do trator

Exportar biofertilizante DLS

Energia perdida Biofertilizante DLS injetado

Biofertilizante DLS

Material Energia

Meio Ambiente

Sinal

Figura 2. Função global do equipamento distribuidor de biofertilizantes. Baseado em FRANCESCHI (2015). A partir da função global, as análises documentais permitiram a engenharia reversa necessária para obter o diagrama funcional do equipamento, o qual define as funções elementares de cada SSCs e embasa a aplicação da técnica FMEA tendo em mente as funções do sistema distribuidor de biofertilizantes. A engenharia reversa do equipamento resultou no estabelecimento da configuração funcional do equipamento agrícola definida a partir dos seguintes subsistemas: transporte; chassi; reservatório; tubulação; distribuidor, incorporador; e, bomba, conforme representado na Figura 3. (I) Chassi (II) Transporte (III) Distribuidor (IV) Incorporador (V) Reservatório (VI) Tubulação Figura 3. Subsistemas do distribuidor de biofertilizantes, “como fabricado”, baseado em Franceschi (2015). O subsistema de transporte tem como função principal permitir a movimentação do equipamento, assim como a sustentação do chassi e dos demais subsistemas integrados. O reservatório corresponde ao local de armazenamento do biofertilizante que será injetado no solo.

140

A tubulação é responsável pela movimentação do DLS, sendo constituída por várias conexões, que permitem estabelecer uma relação direta com os subsistemas de interesse: bomba, reservatório, distribuidor e incorporador. O subsistema de tubulação e o subsistema bomba são os responsáveis diretos pela injeção de DLS. Nesse caso, tem-se o envio de DLS do reservatório para o distribuidor, por meio dos subsistemas tubulação e bomba, sendo esta acionada por meio da tomada de potência (TDP) do trator. As uniões entre os subsistemas estavam estabelecidas por tubulações rígidas e flexíveis, fixações soldadas e parafusadas, elementos de apoio e suportes de fixação do cilindro hidráulico e demais subsistemas. Considerando todos estes elementos, pode-se determinar as funções parciais e elementares a partir da função global do equipamento em exportar biofertilizante DLS para o solo. Essas funções parciais são implementadas pelos componentes do implemento, responsáveis por fornecer o desempenho necessário para o cumprimento adequado da operação. Para verificar o desempenho do produto é possível lançar várias técnicas, dentre as quais os testes dinâmicos oferecem a melhor informação acerca de como o equipamento executa suas funções. Tem relevância significativa nesse processo a análise de relatórios de testes dinâmicos com o equipamento agrícola. No caso do equipamento distribuidor de biofertilizante, este procedimento foi feito por um laboratório especializado em ensaios de máquinas agrícolas16. Normalmente, os relatórios resultantes de testes dinâmicos mencionam uma relação de modos de falha nos principais componentes da máquina ou implemento agrícola. No caso do equipamento distribuidor de biofertilizantes, foram identificados modos de falha em componentes dos subsistemas incorporador, distribuidor e de transporte ou rolamento, bem como problemas conceituais que afetam o desempenho operacional. Esses problemas foram identificados a partir de experimentos de determinação de vazão em cada uma das linhas de distribuição, da análise de demanda de tração e de consumo de combustível. As falhas no protótipo devem ser comprovadas por um protocolo de teste bem delineado, para que se possa sugerir propostas de melhoria no equipamento. Execução da análise preditiva de falhas com a técnica FMEA A aplicação da técnica FMEA é realizada a partir da definição da função global e da análise funcional e estrutural do equipamento agrícola. Aplicada em conjunto com resultados de testes dinâmicos, a técnica FMEA permite apresentar maior riqueza de informações na análise de falhas por sistematizar as informações de subsistemas e componentes do equipamento em estudo em todas as fases do ciclo de vida do produto. Assim, no caso do distribuidor de biofertilizantes, a aplicação da técnica FMEA gerou um conjunto de 18 tabelas de análise, referentes às falhas específicas de cada um dos 6 subsistemas e de seus conjuntos de componentes, conforme apresentados na Tabela 3. Tabela 3. Decomposição de subsistemas e grupos de componentes para as análises com FMEA. Subsistema I. Chassi II. Transporte III. Distribuidor

IV. Incorporador

V. Reservatório

VI. Tubulação

Conjunto/Planilha FMEA Geral Interface esturutura incorporador Geral Interface conjunto de rolamento Geral Adaptador registro Fixação da tampa Tampa de inspeção Geral Disco de 17” Calibrador/dosador Geral Tampa de inspeção Tampa de visita Fixação da tampa Geral Abraçadeira Bocal

Componentes 4 6 2 3 7 3 6 3 3 10 6 2 3 7 6 11 2 1

Na Universidade Federal de Santa Maria, o Laboratório de Agrotecnologia (Agrotec), fundado e dirigido pelo Prof. Dr. José Fernando Schlosser como parte do NEMA – Núcleo de Ensaios de Máquinas Agrícolas – tem competência nacional e internacionalmente reconhecida na execução de testes dinâmicos e de ensaios para a verificação e a validação de desempenho de Máquinas e Implementos Agrícolas. 141

Dada a complexidade da análise de falhas, é importante que o procedimento de análise de falhas seja executado com a participação de um grupo de pessoas de diferentes áreas, incluindo especialistas em mecanização agrícola, em técnicas de cultivo, em projeto mecânico, em qualidade e confiabilidade, fabricação e suprimentos, entre outras. Tendo em mente a análise dos modos de falha por subsistema e por interface – subsistemas chassi/transporte e subsistema chassi/incorporador – o processo ganha benefício a partir da decomposição do sistema, conforme proposto por BULIŃSKI E ŁYP-WROŃSKA (2014). A aplicação da técnica FMEA a partir de análise documental do projeto do equipamento distribuidor de fertilizantes, validada por inspeção do protótipo em laboratório, permitiu identificar os modos, causas e efeitos das possíveis falhas em 85 componentes do equipamento. A Figura 4 ilustra a hierarquia de informações em que se aplica a técnica FMEA no sistema incorporador do distribuidor de biofertilizantes, sendo este composto pelo conjunto disco 17", e posteriormente aos componentes do conjunto calibrador de vazão. Assim, foram identificados 108 possíveis modos de falhas, sendo estes observados em componentes dos subsistemas (53 modos de falha) e, em componentes dos conjuntos dos subsistemas (55 modos de falha).

Figura 4. Vista isométrica do subsistema incorporador, e respectivos componentes. (FRANCESCHI, 2015). Para efeito de executar a análise dos modos de falha potenciais, foram estabelecidas escalas numéricas qualitativas17 para os índices de detecção, severidade e ocorrência, conforme mostradas na Tabela 4. Podem ser identificados ali os valores dos índices atribuídos para Severidade (S), Detecção (D), e Ocorrência (O), estabelecidos de forma independente para cada modo de falha. O valor de severidade foi definido em escala numérica de três (03) diferentes graus, enquanto os valores dos índices de detecção e de ocorrência foram estabelecidos em escalas numéricas com cinco (05) diferentes graus, sendo todas elas valoradas no intervalo de 1 a 10. Em todas as condições o maior grau é atribuído à condição mais crítica, permitindo assim atribuir graus de risco a partir da multiplicação dos valores dos critérios considerados para cada modo de falha e assim estabelecer o Número de Prioridade de Risco – NPR = S*D*O, obtido do produto dos índices S, D e O. A situação de projeto de um produto é malcomportada por natureza perante abordagens estatísticas, uma vez que ali se verifica modificação de configuração de componente ou sistema sujeita a incertezas, com efeito de mudar qualquer quantitativo previamente estabelecido quanto a montantes de prejuízo (severidade) ou probabilidades (ocorrência, detecção) que porventura estivessem previamente disponíveis. Na abordagem do presente trabalho para esses índices, conforme definidos na Tabela 4, na Tabela 5 e na Tabela 6, os escores foram definidos de maneira qualitativa, criando graus de magnitude para distinguir e avaliar a extensão projetada do impacto a partir da ocorrência de falha e a possibilidade de que o processo operacional venha a incluir ocasiões em que os problemas ocorrem e são detectados. De acordo com o modo de falha do componente e respectiva causa, procedeu-se à análise do efeito produzido sobre o desempenho geral do equipamento e/ou sua condição de operação. 17

A técnica FMEA envolve o uso de escalas qualitativas para a atribuição de risco em razão da indisponibilidade eventual de informações quantitativas que permitam mensurar o critério em análise. 142

Tabela 4. Graus de severidade, detecção e ocorrência. Baseado em FRANCESCHI (2015).

Efeito

Componente falha sem afetar o desempenho do sistema, produto continua a operar

3 5

Componente falha e degrada o desempenho funcional do sistema

5 7

Componente falha e interrompe totalmente a operação do sistema, com maiores danos

Ocorrência

Detecção

Severidade

Escalas de risco dos índices FMEA para o NPR

Critério

Muito alta – Modo de falha certamente será detectado quando ocorrer Alta – Modo de falha tem elevada probabilidade de ser detectado Moderada – Modo de falha provavelmente será detectado Baixa – Modo de falha provavelmente não será detectado Muito baixa – Modo de falha não será detectado

Critério

Remota – Modo de falha é improvável de ocorrer

Tolerável – Modo de falha raramente ocorre Ocasional – Modo de falha se manifesta eventualmente Frequente – Modo de falha se manifesta frequentemente Inevitável – Modo de falha certamente irá ocorrer

5 7 10

A determinação dos valores de NPR permite identificar os modos de falha potenciais referentes a cada componente, pertencente a um subsistema e/ou conjunto de componentes do equipamento. A hierarquização dos modos de falha potenciais, no caso do distribuidor de biofertilizantes, foi realizada pela análise dos valores do NPR em que um maior valor indica maior criticidade a partir do modo de falha definido para aquele componente. A técnica FMEA inclui o registro das informações coletadas a partir dos subsistemas e dos componentes da máquina ou equipamento em um processo lógico e documentado que inclui as seguintes etapas, representadas na Tabela 5: a. levantamento e definição dos modos de falha de cada componente; b. definição dos efeitos dos modos de falha; c. definição das causas dos modos de falha; d. definição dos índices de severidade, ocorrência e detecção; e. obtenção do NPR para os modos de falha; f. hierarquização de falhas; g. interpretação dos resultados obtidos; e, h. definição das ações corretivas. Tabela 5. Formato de planilha de FMEA para o presente exemplo.

143

Como critério de análise de modo de falha potencial, é relevante a inclusão, pelo menos, dos modos de falha cujo NPR inclua um índice de severidade máxima (S = 10), garantindo que toda e qualquer falha severa que resulte na não operação do equipamento seja considerada. A partir dos 108 modos de falha identificados no caso do equipamento distribuidor de biofertilizantes, 11 foram considerados potenciais sob este critério. Esses modos de falha são detalhados em ordem de prioridade na planilha da técnica FMEA. Destes modos de falha, a Tabela 6 apresenta cinco modos de falha mais relevantes como exemplo da técnica. Para os modos de falha potenciais, é recomendada a execução de ações de melhoria do ponto de vista de projeto do produto, da sua produção e de seu uso em operação, conforme propõe a literatura (PAHL et al., 2005; FOGLIATTO & RIBEIRO, 2009; PACIAROTTI et al. 2014). Para o projeto do distribuidor de biofertilizante, verifica-se que os aspectos mais críticos de confiabilidade – resultantes da análise por meio do NPR – se tratam, respectivamente, da prevenção de falhas de pressurização a partir do projeto do sistema hidráulico para posicionamento do incorporador (NPR = 250), e da garantia de vazão apropriada de biofertilizante pelos dutos por meio de revisão do projeto do acoplamento do conjunto calibrador de vazão. Tabela 6. Planilha de FMEA com modos de falha potenciais. Adaptado de FRANCESCHI (2015). SUBSISTEMA / CONJUNTO / INTERFACE

COMPONENTE

FUNÇÃO

MODO DE FALHA

Chassi / Incorporador

Mangueira

1. Conduzir fluido hidráulico 2. Aplicar pressão

Vazamento

Chassi / Incorporador

Haste do cilindro hidráulico

Permitir o deslocamento do incorporador

Empenamento

Subsistema Incorporador

Conjunto calibrador de vazão

Permitir a calibragem da vazão do DLS

Entupimento

Obstrução dos orifícios do crivo interno

Subsistema Distribuidor

Crivo interno

Reter partículas sólidas

Subsistema Chassi

Suporte do engate do trator

Acoplar o equipamento ao trator

Torção do engate

EFEITO

CAUSA FALHA

Impedir o deslocamento do incorporador

NPR

Ruptura da mangueira por má instalação

250

1. Elevado esforço solicitado 2. Erro/falha de análise estrutural

150

125

Impedir a dosagem do DLS

1. Presença de resíduos sólidos de DLS 2. Contato da ponta do calibrador no solo

Permitir o deslocamento de resíduos sólidos de DLS para o subsistema incorporador

Excesso de resíduos sólidos de DLS

125

1. Solda mal executada 2. Esforço excessivo 3.Acoplamento mal executado

Dificuldade de acoplamento e desacoplamento

* ‘S’ para Severidade, ‘D’ para Detecção, e ‘O’ para Ocorrência.

Após a apresentação dos resultados com a hierarquização dos modos de falha potenciais, foram realizadas as interpretações dos resultados através da identificação da (s) fase (s) e/ou etapa (s) em que poderiam ocorrer uma ou mais causas de falha potenciais. Assim, determinados os resultados, inferiuse a quantificação comparativa das falhas. A aplicação do FMEA de projeto revela número expressivo

144

de falhas que afetam o desempenho funcional do equipamento, o que pode ser verificado antes mesmo da construção e dos testes do protótipo. Deste modo, e segundo o componente e a sua causa de falha, foi observada a fase de sua possível ocorrência. A Tabela 7 apresenta as origens das causas dos modos de falha apresentados na Tabela 6, descrevendo subsistemas, componentes e as respectivas ações corretivas indicadas. Tabela 7. Origens das causas de falha a partir do ciclo de vida do equipamento, e ações corretivas recomendadas. Baseado em FRANCESCHI (2015). Origem/Etapa no Ciclo de Vida

Componente

Causa de falha

Subsistema

Etapa do Ciclo de Vida: Ação corretiva

Dimensionamento /Projeto

Haste do cilindro hidráulico

Erro ou falha de dimensionamento

Chassi / Incorporador

Projeto: Dimensionar o equipamento para a capacidade de carga disponível a partir do componente.

Montagem /Produção

Suporte de engate do trator

Solda mal executada

Chassi

Produção: Observar e controlar fatores técnicos do processo de soldagem

Haste do cilindro hidráulico

Elevado esforço solicitado

Chassi / Incorporador

Uso: Assegurar o uso adequado do equipamento por manual e avisos.

Suporte de engate do trator

Esforço excessivo

Chassi

Projeto: Dimensionar para a capacidade de carga do componente, assegurar o uso adequado do equipamento.

Suporte de engate do trator

Acoplamento mal executado

Chassi

Uso: Assegurar o uso adequado do equipamento por manual e avisos

Mangueira

Ruptura da mangueira por má instalação

Usuário/Uso

Ambiente/Uso

Conjunto Calibrador de vazão

Crivo interno

Chassi / Incorporador

Excesso de resíduos sólidos de DLS

Projeto: Fixar as mangueiras de pressão ao conjunto do equipamento. Causa 1. Projeto: Verificar dimensionamento do crivo e do calibrador de vazão;

Causa 1. Presença de resíduos sólidos de DLS Causa 2. Contato da ponta do tubo adaptador com resíduos do solo

Projeto: Reposicionar a saída das mangueiras sobre o pistão.

Incorporador

Causa 2. Projeto: Incluir dispositivo de proteção e/ou limpeza da ponteira do duto do calibrador de vazão; Causa 2. Uso: Incluir procedimento de revisão e limpeza antes e após o uso. Uso: Incluir especificação de qualidade do biofertilizante para aplicação;

Distribuidor Projeto: Incluir dispositivo de pré-filtragem do DLS após a bomba.

É importante salientar que cada causa de falha poderá direcionar ações corretivas em diferentes etapas do ciclo de vida do produto: cada uma delas deverá ser abordada com ação corretiva específica em direção às partes envolvidas em cada etapa: o projetista, os operadores de produção, o agente de assistência técnica, e o operador da máquina. Este detalhamento das causas de falha dos componentes é contextualizado por MELO (2017) que entende a utilização da FMEA para assegurar que os modos de falha potenciais, suas causas e mecanismos, sejam abordados durante o projeto do produto. As causas de falha, rastreadas segundo a origem, permitem identificar as seguintes informações: primeiramente, os elementos de atenção para as melhorias necessárias; e então, o tipo de ação corretiva que deve ser implementada no ciclo de vida do equipamento. Após efetuar as alterações necessárias ao projeto de engenharia, novas análises podem ser efetuadas para verificar a eficácia das alterações de projeto na redução do risco (novo cálculo do NPR a partir da análise do componente modificado) dos modos de falha. Essa abordagem auxilia na detecção

145

antecipada de problemas potenciais, evitando que falhas ocorram durante a execução do protótipo final, bem como registra o histórico de melhorias no projeto do produto. Práticas de suporte à predição de falhas no projeto Um dos elementos centrais do processo de projeto é a elaboração de uma solução que cumpra as necessidades das partes envolvidas para o seu ciclo de vida (ROMANO, 2013). Como as especificações de projeto determinam a satisfação das necessidades dos clientes do ciclo de vida (FONSECA, 2000), a confiabilidade é um dos atributos de desempenho da solução em cumpri-las. Conforme DIAS et al. (2013), esse atributo engloba quatro características essenciais: • Probabilidade: grau qualitativo ou relação temporal que expressa a possibilidade de ocorrência de um evento; neste trabalho, ela é estabelecida em termos da evidência de falha a partir dos testes executados por especialistas em comparação com o julgamento de possibilidade de falha pela equipe de engenharia usando FMEA; • Comportamento adequado: conjunto de características e parâmetros que estabelece referencial para o desempenho de um sistema; neste trabalho, este elemento trata do desempenho do equipamento sob protocolos e critérios de ensaio pré-estabelecidos em comparação à predição de interferências ou danos a componentes baseada em conhecimento de engenharia; • Período de uso: normalmente expresso em continuidade ou intermitência em função do tempo de operação; neste trabalho, o período de uso é elemento subjacente quanto à predição da operação do equipamento (intermitente, sazonal) em cumprimento ao comportamento adequado; • Condição de uso: depende de aspectos técnicos e humanos que determinam as solicitações sobre o sistema em serviço; neste trabalho, a condição de uso é manifestada nos protocolos de ensaio executados com o protótipo, em comparação com o julgamento preditivo baseado em experiência e conhecimento pessoais. O estabelecimento dessas características no projeto de sistemas técnicos – dentre eles, máquinas e implementos agrícolas – tem pré-condições relacionadas ao progresso do projeto do sistema em direção à modelagem de seus princípios de solução, da arquitetura construtiva, e do detalhamento de geometrias e materiais. Primeiramente, a predição de falhas requer um entendimento das métricas de desempenho pretendidas para o produto, e das possíveis interferências sobre seu desempenho. As especificações de projeto do sistema técnico (FONSECA, 2000; PAHL et al., 2005) incluem a definição de métricas, de valores-alvo e faixas de tolerância que traduzem as necessidades dos clientes. Esse entendimento deve incluir os fatores de influência no projeto (MARINI & ROMANO, 2009), por seu potencial de determinar as faixas de preferência em especificações de projeto ou interferir sobre as funções pretendidas do sistema de cultivo agrícola. No exemplo deste trabalho, o ranqueamento do NPR permite identificar os grupos de componentes mais sensíveis à ocorrência de falhas, de tal forma que se possibilita apontar os elementos que requerem ações corretivas no sentido de prevenir a ocorrência de falhas em operação. Para efeito de ilustração, a Figura 5 mostra os modos de falha com NPR >= 125, equivalente à atribuição de índice 5 para os critérios de severidade (S), ocorrência (O), e detecção (D), o tratamento dos problemas se dará com prioridade para os problemas de maior NPR, ponderando entre os custos potenciais do risco envolvido e os recursos disponíveis para implementar a solução dos problemas, entre todos os modos de falha diagnosticados. A regularidade da vazão de biofertilizante através do subsistema calibrador de vazão está sujeita à entrada de elementos de solo que interferem com a entrega do produto ao solo – conforme apresentado na Tabela 6 quanto ao entupimento do conjunto calibrador de vazão. Também para o caso do crivo interno do distribuidor, é possível a ocorrência de falha a partir de resíduos sólidos que possivelmente componham o biofertilizante. Para exemplos como esse, é essencial o entendimento dos elementos solo e biofertilizante e das suas propriedades, cuja incerteza em associação com os mecanismos de falha apresentados determina sua consideração como fatores de influência no projeto (MARINI, 2007; MARINI & ROMANO, 2009).

146

NPR =250

NPR =150

NPR =125

Vazamento de fluido hidráulico

Haste do cilindro hidráulico

Calibrador de vazão

Crivo interno do distribuidor

Figura 5. Equipamento distribuidor de biofertilizantes, conjuntos de componentes sujeitos a modos de falha de maior prioridade segundo ranqueamento do NPR, baseado em FRANCESCHI (2015). O papel do método de análise funcional (PAHL et al., 2005) em suporte à predição de falhas é demonstrado no exemplo do equipamento distribuidor DLS, auxiliando em esclarecer a construção do conjunto em submontagens de componentes com funções específicas. Essas informações criam os fundamentos para a abordagem preditiva de diagnóstico de falhas, inclusive quanto ao uso da técnica FMEA: primeiramente, pelo papel dos fatores de influência na definição de diretrizes para decompor funções no processo de desenvolvimento de máquinas agrícolas (ROMANO et al., 2005); e, então, pelo efetivo uso desses fatores em suportando a modelagem funcional incluindo as funções parciais e os fluxos de grandezas (MARINI, 2007). Nesse contexto, os fatores de influência no projeto fornecem entradas à verificação das funções e das cadeias de fluxo – transformações de energia, material e sinal – necessárias à operação de distribuir fertilizantes sobre o solo (MARINI, ROMANO & DALLMEYER, 2007). Uma vez que constituem base para o diagnóstico preditivo, as funções e os fluxos são usados juntamente com informações do projeto para o uso da técnica FMEA (BORGMANN, 2007). As informações pertinentes ao distribuidor incluem o conjunto dos fatores de influência no projeto (Tabela 8), a estrutura de funções (Figura 6), e o diagnóstico de falhas (Tabela 9). A transparência das funções quanto aos elementos transformados e aos estados de entrada e saída torna acessível a interpretação heurística dos diagramas de estrutura funcional, pelos fluxos de energia, material e sinal (STONE, WOOD & CRAWFORD, 2000), e a definição de cadeias de funções dominantes quanto ao processamento do cultivo e aos auxílios de potência, de comandos e ajustes, e de suporte (MARINI, 2007). Esse aspecto é importante para estabelecer as características do sistema técnico que influenciam a confiabilidade, pois a operação pretendida progride e muda em relação ao tempo (BLANCHARD, 2004), o que motiva a relevância da análise das etapas de uso para entender os possíveis estados operacionais do sistema técnico, e dali predizer os possíveis modos de falha (BREIING, ENGELMANN & GUTOWSKI, 2007). Por último, o princípio de operação para cada função pretendida pode ser expresso na forma de esboço ou de um diagrama de corpo livre, representando o funcionamento do sistema sob análise (KROLL, CONDOOR & JANSSON, 2001; PAHL et al., 2005).

147

Tabela 8. Fatores de influência no projeto para um distribuidor centrífugo de fertilizantes - classe de interferências e limites (MARINI, 2007). Classe A13 Interferências e limites

Propriedade

Informação

Ser humano

A131 Elementos operadores

Sistema de informação e controle

Estádios prescritos para aplicação de fertilizantes Estádios prescritos para aplicação de fertilizantes Perda de fertilizante

Distribuição do fertilizante não é feita sobre a área pretendida de modo uniforme e completo.

A132 Elementos ambientais Planta

Inverno

Verão

A134 Tempo para execução A135 Freqüência de execução

Torroamento do fertilizante

STARA (2020)

A136 Riscos execução

- Processar prescrições de aplicação; - Controlar a taxa de dosagem aplicada; - Receber diretamente e incorporar o fertilizante distribuído pela máquina; - Receber solicitações físicas de compressão e cisalhamento a partir do deslocamento da máquina; - Processar o fertilizante incorporado ao solo, dele se alimentando para desenvolver-se; - Receber efeitos secundários da máquina a partir de interação física em estádios mais avançados; Maio até agosto: inverno ou estação seca: - temperaturas menores, menor umidade absoluta; Novembro até fevereiro: verão ou estação de chuva: - temperaturas maiores, maior umidade absoluta; Ver prescrições agronômicas específicas à cultura e ao solo, dependendo do fertilizante. Estimativa de tempo disponível para cada aplicação – máximo 2 dias. Ver prescrições agronômicas específicas à cultura e ao solo, dependendo do fertilizante. Estimativa de freqüência média: 3 vezes por temporada.

Solo

A133 Época do ano

Descrição - Determinar as dosagens de fertilizante aplicadas; - Ajustar dimensões de sustentação para o cultivo; - Acoplar a máquina a uma fonte de potência ;

Plastificação do fertilizante de Segregação do fertilizante

Ocorre a formação de torrões, que impedem a distribuição uniforme, a partir da agregação de partículas de fertilizante. Modificação da consistência física do fertilizante quanto ao ângulo de repouso e à resistência ao cisalhamento em termos de atrito e aderência. Separação de faixas de fertilizante aplicado em razão das propriedades físicas dos elementos do composto.

Deposição de ferfilizante fora da área

Deposição de fertilizante em áreas onde a aplicação da substância implica em contaminação do meio.

Desgaste dos componentes

Desgaste dos órgãos da máquina em razão das propriedades abrasivas e/ou corrosivas do composto.

148

Figura 6. Estrutura funcional matricial de um distribuidor centrífugo de fertilizantes, orientada em torno de fluxos parciais em suporte ao fluxo central de processamento do cultivo agrícola (MARINI, 2007). A consideração agregada de todas as informações em nível de sistema, desde as especificações de projeto até as definições de princípios de componentes fornece embasamento para a execução da FMEA de projeto18. Para o caso do distribuidor centrífugo de fertilizantes, um exemplo de FMEA com funções parciais é mostrado na Tabela 9: as funções são referidas por números e letras correspondentes ao posicionamento matricial apresentado na Figura 6.

A técnica FMEA aplicada ao projeto do produto é comumente designada como DFMEA (Design FMEA) na metodologia de projeto para Seis Sigma (DFSS, Design for Six Sigma). 149

Tabela 9. Análise de modo de falhas e seus efeitos para fluxo de acoplamento e movimento (funções linha C19) do distribuidor centrífugo de fertilizantes. Adaptado de BORGMANN (2007). FMEA 01 - Subsistemas Auxiliares Item: Subsistema de Acoplamento - Sistema de Engate

FMEA de Produto

Equipe FMEA: Tobias, Cleiton, Mateus

Data: 22/01/2007 Revisão: 13/02/2007

Descrição 3. Conjunto engate

4. Conjunto Mangueira ¼” x 3800

Função Acoplar Implemento Posição: 1C

Ajustar abertura de saída: Ajustar vazão de insumo Posição: 5Z

Controles Atuais Fábrica: * Ensaios virtuais de esforço * Inspeção do Controle de Qualidade Operador: * Controle visual * Treinamento

Fábrica: * Inspeção do Controle de Qualidade Operador: *Treinamento * Controle visual

Modos de Falha

Possíveis Causas

Efeitos de Falha

Índices S*

RPN

Ruptura do engate (a)

* Erro de montagem * Solda mal executada * Peça com defeito * Esforço excessivo * Acoplamento mal executado

Parada da máquina

Danos à transmissão

Danos a pessoas próximas

Torção do conjunto (b)

* Esforço excessivo * Acoplamento mal executado *Solda mal executada

Danos à transmissão

Vazamento (a)

*Desgaste da vedação *Acoplamento mal-executado *Conector defeituoso *Conector nãocompatível

Dosagem irregular de insumo

Entupimento (b)

*Acoplamento mal-executado *Entrada de sujeira

Dosagem irregular de insumo

Falha de abertura das comportas

Não há dosagem de insumo

Não-abertura das comportas (c)

*Acoplamento mal-executado *Não há óleo no sistema *Vazamentos *Entupimento

A sistematização das informações do projeto do sistema de cultivo agrícola em especificações de projeto – inclusos os fatores de influência –, declarações de função do sistema, e grupos de componentes da arquitetura física torna acessível aos projetistas o entendimento dos possíveis incidentes à integridade dos componentes a partir das informações de projeto ‘como-pretendido’ dos sistemas de cultivo agrícola – facilitando o diagnóstico preditivo de falhas. Essa abordagem de sistema faz parte do exemplo apresentado, que demonstra sua eficácia em facilitar a sistematização das informações coletadas a partir das inspeções de protótipo em conjunto com a análise de documentos de projeto. Para além das especificações de projeto e das funções do sistema técnico, a predição de falhas também depende de entendimento em relação à operação pretendida do equipamento, e de suas etapas. Mesmo que as informações de materiais, geometrias localizadas e de tolerâncias ainda precisem ser trabalhadas no processo de projeto para integralizar a análise de modos de falha em projeto com 19

Referente ao fluxo da estrutura de funções da Figura 6, correspondente à linha C. 150

FMEA, o uso de práticas sistemáticas no processo de projeto – como a definição das especificações de projeto, a investigação dos fatores de influência no projeto, a análise funcional, a FMEA de projeto, entre outras – tem papel significativo em abrir caminho para o raciocínio dos projetistas, de tal maneira que grande parte das potenciais falhas ainda podem ser identificadas. Com isso, conclui-se que é possível a execução de atividades de predição de falha durante o processo de projeto, antes de comprometer recursos mais significativos com a execução de protótipos de engenharia para a identificação posterior de evidência de modo de falha.

Discussão acerca da predição de falhas no processo de projeto As observações deste trabalho tratam de exemplificar o uso da técnica FMEA usando impressões e informações de projeto a partir de modelos estáticos documentados embasando método de análise de falhas. Esta discussão acerca da predição de falhas no processo de projeto parte da caracterização dos exemplos de máquinas e equipamentos agrícolas apresentados neste capítulo com a técnica FMEA de projeto e reflete sobre sua eficácia tomando por base o estado da arte na prática do processo de projeto nas comunidades de projeto de engenharia e desenvolvimento de produtos. Nesse contexto, é possível estabelecer distinção entre a análise de falhas no projeto após evidenciadas no protótipo construído, e a predição de falhas pela modelagem de projeto e projeção de comportamentos razoavelmente previsíveis. Observando o processo de projeto como uma linha do tempo, entende-se que as fases mais precoces se caracterizam por maior incerteza, menor custo de execução e maior liberdade de escolha; e as fases mais tardias, por maior complexidade e detalhamento, custos mais elevados, e significativa possibilidade de conflitos, podendo incorrer em custos exponencialmente maiores (ULLMAN, 2010). Dois entendimentos são importantes nesse contexto: primeiramente, o efeito das decisões precoces nas etapas tardias, e em seguida, o aprendizado a partir de ciclos projetar-construir-e-testar no desenvolvimento das máquinas e implementos agrícolas. De um lado, decisões tomadas em um dado escopo de competência no processo de projeto manifestam efeitos ao desempenho e à execução das atividades posteriores em um escopo expandido, incluindo o escopo de competência original e outras áreas importantes da organização envolvidas no processo (ANDREASEN & OLESEN, 1990; ANDREASEN, 2011). No caso do equipamento distribuidor de biofertilizantes, pode ocorrer que a decisão de reduzir custo retirando suportes de tubulação hidráulica da estrutura do equipamento pode causar problemas significativos quanto à retenção do fluxo de fluido, assim como identificados com a técnica FMEA no exemplo apresentado neste capítulo. A Figura 7 representa o problema em relação ao contexto de falhas de projeto. Conhecimento de confiabilidade

Alvos da disposição: Regras Padrões Dados

Disposição

Tarefas: Metas Critérios

Projeto detalhado

Testes de protótipo

Análise de falhas

Informação Dados

DECISÃO Projeto preliminar do grupo de componentes

Figura 7. Disposição de projeto em antecipação aos modos de falha, baseado em ANDREASEN & OLESEN (1990). 151

Como exemplo, uma vez que se elege que o projeto preliminar da barra de tração do distribuidor de biofertilizantes não inclua a definição dos suportes da tubulação hidráulica, o que criará risco quanto à ocorrência de vazamento de fluido hidráulico da tubulação naquela posição, após testado o protótipo. O conhecimento prévio dessa possibilidade sugere a disposição de configurar a tubulação hidráulica com suportes que previnem o modo de falha considerado. Tal problemática impõe desafios às equipes de engenharia, uma vez que a liberdade de projetar corresponde a lacunas e incertezas na caracterização do problema de projeto (SCHRADER, RIGGS & SMITH, 1993; DE WECK, ECKERT & CLARKSON, 2010) – a necessidade operacional a ser atendida. Por outro lado, o processo de projeto progride em ciclos projetar-construir-e-testar (síntese-análise) até que as incertezas das relações de causa & efeito entre componentes sejam resolvidas em relação às funções pretendidas (WHEELWRIGHT & CLARK, 1992; ULLMAN, 2010). Esse progresso inclui análises que podem levar a uma das duas conclusões: (a) identificar falhas, entender os erros e iterar considerando ações corretivas; ou (b) concluir que o desempenho da implementação testada é satisfatório e prosseguir com projeto para sua conclusão (THOMKE, 1998). Os exemplos de máquinas e implementos agrícolas apresentados neste capítulo demonstram a necessidade das práticas de projeto e desenvolvimento de máquinas agrícolas em satisfazer dados prérequisitos para habilitar à predição dos possíveis modos de falha para o implemento. Essa dinâmica do processo de projeto é representada na Figura 8. Em sucessivos ciclos de projetar-construir-e-testar, toda abordagem de falha acaba tendo caráter de análise em relação a um esforço já comprometido na solução de incertezas e problemas, e terá caráter de predição em relação a um esforço futuro de maior detalhamento e liberdade de ação mais reduzida.

PROJETAÇÃO Projeto informacional

Projeto conceitual

Projetar

Projeto preliminar

Testar

Preparação da produção

Lança mento

Validação

Projetar Construir

Construir

Testar

Projeto detalhado

Projetar

Projetar Construir

IMPLEMENTAÇÃO

Construir Testar

Testar Analisar

Especificações de projeto

Leiaute finalizado

Projeto do conceito

Métricas de desempenho

Sistema e princípios de solução

Detalhamento e protótipo

Arquitetura funcional e construtiva

Homologação do produto

Detalhamento de subsistemas e componentes

Certificação da solução de cultivo agrícola

Análise de falha Pré-requisitos de sistema

Retrospectiva

Predição de falha Antecipação de soluções Preditiva

Figura 8. Usando FMEA no processo de projeto (ROMANO, 2013) e abordagens de falha. Tendo em mente o ‘atraso’ da evidência de falha a partir dos testes, busca-se antecipar a solução de problemas por recursos de engenharia virtual e construção rápida (BABA & NOBEOKA, 1998; THOMKE & FUJIMOTO, 2000). A complexidade das informações necessárias para levantar as cadeias de eventos que caracterizam os modos de falha requer detalhamento suficiente do projeto do produto para deixar transparentes os mecanismos de falha (MARINI et al., 2010). Como demonstrado com o exemplo do distribuidor centrífugo, esse levantamento é potencializado pelo emprego de práticas e métodos sistemáticos de projeto que facilitem a reflexão acerca das funções pretendidas do sistema técnico e das interferências que este irá encontrar em campo.

152

Além disso, os seguintes fatores demonstram os benefícios de antecipar a modelagem funcional e a predição de falha no processo de projeto: 1. Primeiramente, o aumento da complexidade e dos custos das ações corretivas, em que as ações tardias demandam maior número de procedimentos e transações para sua conclusão em proporção ao detalhamento do projeto (TAN, OTTO & WOOD, 2017); 2. Em seguida, a influência de decisões precoces quanto ao curso de ação do projeto, somada à liberdade de escolha de soluções pela indeterminação momentânea das características do projeto (ANDREASEN & OLESEN, 1990; DERELÖV, 2008); 3. Além destes, a responsabilidade do produto mediante falha por defeito de projeto, exposição a perigos por ausência de proteções, e negligência de outros usos possíveis além do uso pretendido (ULLMAN, 2010); 4. Ainda em responsabilidade do produto, o vínculo legal das normas técnicas determina a observação de falhas como não-conformidades sujeitas à lei e incentiva à prevenção de falhas nos produtos (POLINSKY & SHAVELL, 2009). A complexidade das fases de projeto detalhado e de preparação da produção (1) cria uma barreira ao progresso do projeto rumo à entrega do produto ao mercado em que haja a necessidade de correções a partir de alterações de engenharia do produto. Por outro lado, a liberdade de ação (2) na fase de projeto conceitual diminui progressivamente conforme se evolui na geração de leiautes durante o projeto preliminar, o que favorece a execução de diagnósticos preditivos precoces para suportar encaminhamentos de projeto. A responsabilidade legal do produto por jurisprudência (3) e por normas técnicas (4) impõe critérios mínimos de aceitação do projeto para construção e teste para verificação de atendimento já nas fases de projeto conceitual e preliminar, o que incentiva o diagnóstico de falhas potenciais já nessas fases pois a verificação de não-conformidades no projeto detalhado e sua correção é muito cara.

Conclusão O exemplo apresentado neste capítulo com a análise de modos de falha do distribuidor de biofertilizante, e complementado pelo caso do distribuidor centrífugo de fertilizantes, permite refletir acerca da eficácia do uso de métodos sistemáticos quanto à predição de falhas em máquinas e implementos agrícolas em vários aspectos. Primeiramente, quanto ao tempo da avaliação em relação ao comprometimento de recursos no processo de projeto, viu-se que a abordagem retrospectiva evidencia os problemas com ‘atraso’ em relação à sua ocorrência, e que a abordagem preditiva traz benefícios pelo diagnóstico de falhas potenciais com o uso de documentos e inspeções (feitas com o protótipo no caso do distribuidor de biofertilizante, são aplicáveis a mock-ups e modelos virtuais). Ao mesmo tempo, a abordagem retrospectiva em relação ao protótipo requer investimentos significativos para evidenciar características do projeto da solução (como falhas e perturbações de funcionamento) desfavoráveis às especificações de projeto; a abordagem preditiva, antecipando o uso da ferramenta para o projeto preliminar, auxilia na antecipação de problemas em relação aos comprometimentos maiores de recursos. O estudo também demonstra a possibilidade de explorar maiores informações acerca do ciclo de vida do equipamento: a abordagem retrospectiva ficou restrita à observação do protótipo na fase de “Uso”, por conseguinte, durante as etapas de “Usuário e Ambiente”, não identificando falhas originadas nas fases de “Projeto e Produção” do produto. A análise realizada na abordagem preditiva permitiu evidenciar as causas de falhas potenciais, cujas origens são respectivas a todas as fases do produto (Projeto, Produção e Uso), o que resulta em um diagnóstico preciso de falhas sobre o ciclo de vida do produto. Assim, diante dos resultados obtidos, conclui-se que a realização de testes e experimentos permite obter dados sob condições específicas de operação, ou seja, durante a fase de uso, possibilitando eliminar ou atenuar falhas em condições reais de trabalho. Esta abordagem implica em custos elevados por requerer o uso de um protótipo para análise a ser efetuada por gente qualificada em testes de cultivo, e que exigirá, caso alguma falha seja identificada, alteração de projeto do produto de SSCs, e modificações sobre o projeto do protótipo para que novos testes sejam realizados buscando a sua aprovação. 153

Com a aplicação da técnica FMEA de projeto a partir da fase de projeto preliminar do equipamento, é possível efetuar o diagnóstico de falhas e estabelecer as ações de melhoria antes de construir o protótipo final. Esse mecanismo proporciona menor custo para a solução de problemas por meio da antecipação dos potenciais modos de falha, colaborando também para um menor prazo de desenvolvimento pela redução das iterações de construção e teste de protótipos. Uma vez que reduz a complexidade de inspeções, testes e verificações, a predição de falhas com FMEA colabora para um aumento de qualidade no produto final entregue ao mercado. Assim, quando da avaliação do protótipo em testes e experimentos, este se apresenta mais robusto de modo a permitir a liberação da produção do produto em escala industrial, garantindo a qualidade durante a vida útil do produto, uma vez que podem ser planejadas as manutenções preventivas para componentes específicos, reduzindo a manutenção corretiva. Portanto, o desenvolvimento de uma metodologia de análise de falhas – empregando a abordagem preditiva – vem contribuir para a construção de uma cultura de qualidade em empresas que não realizam este procedimento, mitigando as possíveis falhas no projeto final da máquina agrícola.

Referências AFFONSO LOA (2006) Machinery Failure Analysis Handbook – Sustain your Operations and Maximize Uptime. Houston: Gulf Publishing Company. ALBIERO D, MACIEL AJS, MILAN M, MION RL, VILIOTTI CA (2010) Análise do Modo e Efeito de Falhas (FMEA) no desenvolvimento de semeadora multifuncional conservacionista para a agricultura familiar. INGEPRO - Inovação, Gestão e Produção, 2 (11): 026-037. ANDREASEN MM, OLESEN, J (1990) The concept of dispositions. Journal of Engineering Design, 1(1): 17-36. ANDREASEN MM (2011) 45 years with design methodology. Journal of Engineering Design, 22(5): 293-332. BABA Y, NOBEOKA K (1998) Towards knowledge-based product development: the 3-D CAD model of knowledge creation. Research Policy, 26: 643-659. BAXTER M (2011) Projeto de Produto: Guia prático para o desenvolvimento de novos produtos. 3ª. Edição. São Paulo: Edgard Blücher. BERGAMO RL, ROMANO LN (2016) Agricultural machinery and implements design process: guidelines for small and mid-sized businesses. Engenharia Agrícola, 36(1): 206-216. BORGMANN T (2007) Aplicação do Método FMEA no subsistema de dosagem de fertilizantes do distribuidor centrífugo Stara Tornado 3500/5500. Monografia (Graduação em Engenharia Mecânica) – Curso de Engenharia Mecânica, Universidade Federal de Santa Maria. BLANCHARD BS (2004) System engineering management. John Wiley & Sons. BRAILE NA, ANDRADE JJO (2013) Estudo de falhas em equipamentos de costura industriais utilizando o FMEA e a análise de confiabilidade. In: ENEGEP, Salvador. BREIING A, ENGELMANN F, GUTOWSKI T (2009) Engineering design. In: Grote, K. H., & Antonsson, E. K. (Eds.). Springer handbook of mechanical engineering (Vol. 10). Springer Science & Business Media. BULIŃSKI J, ŁYP-WROŃSKA K (2014) Methods for analysis of the failures in agricultural machinery. Annals of Warsaw University of Life Sciences - SGGW. Agriculture 64: 59 - 67. CORRÊA, IM, SCHLOSSER JF (2011) Perspectiva de ensaios de máquinas agrícolas no Brasil. AgriWorld 2(3), 100-106. DE WECK, O, ECKERT CM, CLARKSON, PJ (2007) A classification of uncertainty for early product and system design. In: Proceedings of ICED 2007, the 16th International Conference on Engineering Design, Paris, France, (159-160). DERELÖV M (2008) Qualitative modelling of potential failures: on evaluation of conceptual design. Journal of Engineering Design, 19(3): 201-225. 154

DIAS, A, CALIL LFP, RIGONI E, OGLIARI A, SAKURADA EY, KAGUEIAMA, HA (2011) Metodologia para análise de risco: mitigação de perda de SF6 em disjuntores. Florianópolis: Universidade Federal de Santa Catarina, Eletrobras/Eletrosul, P&D ANEEL. DHILLON, BS (1999) Design Reliabiliity: Fundamentals and Applications. Boca Raton: CRC Press. EN 60812 (2006). Analysis techniques for system reliability - Procedure for failure mode and effects analysis (FMEA). Bruxelas: European Committee for Eletrotechnical Standardization - CENELEC. FOGLIATTO FS, RIBEIRO JLD (2009). Confiabilidade e Manutenção Industrial. São Paulo: CampusElsevier, 288 p. FONSECA AJH (2000) Sistematização do Processo de Obtenção das Especificações de Projeto de Produtos Industriais e sua Implementação Computacional. Florianópolis. Tese (Doutorado em Engenharia Mecânica) – Programa de Pós-Graduação em Engenharia Mecânica, Universidade Federal de Santa Catarina. FRANCESCHI A DE (2015). Sistemática de análise de falhas do equipamento agrícola sob a ótica de projeto do produto. 144f. Tese (Doutorado em Engenharia Agrícola), Universidade Federal de Santa Maria, RS. FRANK AG, PEDRINI DC, ECHEVESTE, ME, RIBEIRO JLD (2014). Integração do QFD e da FMEA por meio de uma sistemática para tomada de decisões no processo de desenvolvimento de produtos. Production, 24(2): 295-310. GARCIA, PAA (2013) Uma abordagem via análise envoltória de dados para o estabelecimento de melhorias em segurança baseadas na FMEA. Gestão Produção, São Carlos, 20(1): 87-97. GLOSSOP M, IOANNIDES A, GOULD J (2000) Review of Hazard Identification Techniques. London: Health & Safety Executive, Report no. 2005/58. HELMAN H, ANDERY PRP (1995) Análise de Falhas (Aplicação dos Métodos de FMEA e FTA). 1ª edição. Belo Horizonte: Fundação Christiano Ottoni, 156 p. HUBKA, V., EDER, W. E. (1992) Engineering design: General procedural model of engineering design. Heurista, 1992. EN ISO 31010 (2010) Risk management – Risk assessment techniques. Bruxelas: Comitê Europeu de Normalização Eletrotécnica - CENELEC. LAURENTI R, VILLARI BD, ROZENFELD H (2012) Problemas e melhorias do método FMEA: uma revisão sistemática da literatura. Pesquisa & Desenvolvimento Engenharia de Produção, 10: 59-70. LIU, HC, YOU JX, SHAN MM, SHAO LN (2015) Failure mode and effects analysis using intuitionistic fuzzy hybrid TOPSIS approach. Soft Computing, 4(19): 1085-1098. MARINI VK, ROMANO LN, DALLMEYER AU (2007) The function structure as a tool for analysing an existing concept of a centrifugal fertilizer spreader. In: Proceedings of COBEM 2007, the 19th International Congress of Mechanical Engineering, Brasília. MARINI VK, ROMANO LN (2009) Influencing factors in agricultural machinery design. Product: Management & Development, 7(2), 111-130. MARINI VK, RESTREPO J, AHMED S. (2010) Evaluation of information requirements of reliability methods in engineering design. Proceedings of the DESIGN 2010 Conference. Zagreb: The Design Society. MARINI VK (2013) Information about Robustness, Reliability and Safety in Early Design Phases: Current methods, industrial case study and knowledge-based support. PhD Thesis, Department of Mechanical Engineering, Technical University of Denmark. MELO RP (2017) Desenvolvimento e avaliação de uma semeadora puncionadora para agricultura familiar. 134 f. Centro de Ciências Agrárias. Programa de Pós-Graduação em Engenharia Agrícola Universidade Federal do Ceará, CE. MIYAZAWA M, BARBOSA, GMC (2015) Dejeto Líquido de Suíno como Fertilizante Orgânico. 32 f. Instituto Agronômico do Paraná. Londrina, PR. 155

MIL-STD 1629A (1980) Procedures for performing a failure mode, effects and criticality analysis. Washington: Departamento de Defesa dos Estados Unidos da América. MOURA C (2000) Análise de Modo de Falha e Efeitos de Falha Potencial (FMEA). [S.I.: s.n.], 40 p. (Manual de referência). OTTO KN, WOOD KL (1998) Product evolution: a reverse engineering and redesign methodology, Research in Engineering Design, 10 (4): 226-243. PACIAROTTI C, MAZZUTO G, D’ETTORE D (2014) A revised FMEA application to the quality control management. International Journal of Quality & Reliability Management, 31(7): 788–810. PAHL G, BEITZ W, FELDHUSEN J, GROTE KH (2005). Projeto na engenharia: Fundamentos do desenvolvimento eficaz de produtos, métodos e aplicações. São Paulo: Edgard Blucher, 412 p. PARANHOS MM, BACHEGA SJ, TAVARES DM, CALIFE NFS (2016) Aplicação da análise de modo e efeitos de falha para o gerenciamento de riscos de um projeto. Sistemas & Gestão, 11(4): 444454. PEDROSA BMM (2014) Análise dos Modos de Falha e seus Efeitos (FMEA) aplicada a um Secador Industrial. 98f. Dissertação (Mestrado em Engenharia Mecânica) - Instituto Superior de Engenharia de Lisboa. PETROVSKIY EA, FEDOR AB, BUKHTIYAROV VV, SAVICH IV, GAGINA MV (2015) The FMEA - Risk Analysis of Oil and Gas Process Facilities with Hazard Assessment Based on Fuzzy Logic, Modern Applied Science, 9(5): 25-31. POLINSKY AM, SHAVELL S (2009) The uneasy case for product liability. Harvard Law Review, 123: 1437. KAGUEIAMA, HA (2012) Sistematização de técnicas de análise de falha e projeto para confiabilidade. 124 f. Dissertação (Mestrado em Engenharia Mecânica) - Universidade Federal de Santa Catarina, Florianópolis. KROLL E, CONDOOR SS, JANSSON DG (2001) Innovative conceptual design: theory and application of parameter analysis. Cambridge University Press. ROMANO, LN (2003) Modelo de Referência para o Processo de Desenvolvimento de Máquinas Agrícolas. 321f. Tese (Doutorado em Engenharia Mecânica) - Universidade Federal de Santa Catarina, Florianópolis. ROMANO LN, BACK N, OGLIARI A, MARINI VK (2005) An introduction to the reference model for the agricultural machinery development process. Product: Management & Development, 3(2), 109132 ROMANO LN (2013) Desenvolvimento de máquinas agrícolas: planejamento, projeto e produção. São Paulo: Blucher Acadêmico. ROZENFELD H, FORCELLINI FA, AMARAL DC, TOLEDO JC, SILVA SL, ALLIPRANDINI, DH, SCALICE RK (2006) Gestão de desenvolvimento de produtos: uma referência para a melhoria do processo. São Paulo: Saraiva. SELVAN TA, JEGADHEESAN C, ASHOKA VP, SENTHILKUMAR KM (2013) A Novel FMEA approach for ranking mould designs in foundries. Life Science Journal, 10(2): 51-60. SCHERER EE (2011) O uso dos dejetos de suínos como fertilizante: sustentabilidade da atividade em propriedades familiares da região Oeste de SC. Jornal Dia de Campo, Publicado em 07 de Novembro de 2011, Disponível em http://www.diadecampo.com.br/zpublisher/materias/Materia.asp?id=25456&secao=Colunas%20e%20 Artigos, acesso em 16 de junho de 2020. SCHMITT JC (2013) Método de análise de falha utilizando a integração das ferramentas DMAIC, RCA, FTA E FMEA. 111 f. Dissertação (Mestrado em Engenharia de Produção) - Faculdade de Engenharia, Arquitetura e Urbanismo, Universidade Metodista de Piracicaba, Santa Bárbara d’Oeste. SCHRADER S, RIGGS WM, SMITH RP (1993) Choice over uncertainty and ambiguity in technical problem solving. Cambridge: MIT Sloan School of Management (WP #3533-93-BPS). 156

STARA S.A. (2020) Distribuidor de Arrasto à Lanço, Twister 5500 APS. Não-Me-Toque: Stara S. A. Disponível em https://stara.com.br/produto/twister-5500-ap/, acesso em 16 de junho de 2020. STONE RB, WOOD KL, CRAWFORD RH (2000) A heuristic method for identifying modules for product architectures. Design Studies, 21(1): 5-31. TAN JJ, OTTO KN, WOOD KL (2017) Relative impact of early versus late design decisions in systems development. Design Science, 3(1): 1-27. THOMKE SH (1998) Simulation, learning and R&D performance: Evidence from automotive development. Research Policy, 27(1): 55-74. THOMKE S, FUJIMOTO T (2000) The effect of “front‐loading” problem‐solving on product development performance. Journal of Product Innovation Management, 17(2): 128-142. TOLEDO JC, AMARAL DC (2008) FMEA - Análise do tipo e efeito de falha. São Carlos: GEPEQ/UFSCar. TONDIN R, DREGES AA, BARBOSA LA (2017) Melhoria no desenvolvimento de produto: uma aplicação da ferramenta FMEA, Espacios, 38(6): 18-34. ULLMAN DG (2010) The mechanical design process. New York: McGraw-Hill. XIAO N, HUANG HZ, LI Y, HE L, JIN T (2011) Multiple failure modes analysis and weighted risk priority number evaluation in FMEA. Engineering Failure Analysis, 18(4): 1162-1170. YANG K, EL-HAIK BS (2009) Design for Six Sigma: A Roadmap for Product Development. 2 nd Edition. New York: McGraw-Hill. WHEELWRIGHT SC, CLARK KB (1992) Revolutionizing product development: quantum leaps in speed, efficiency, and quality. Simon and Schuster.

157

QFD APLICADO AO DESENVOLVIMENTO E ANÁLISE DE PRODUTOS AGRÍCOLAS Leandro Divino Miranda de Oliveira Marcelo Girotto Rebelato Andréia Marize Rodrigues

1. Introdução O QFD (Desdobramento da Função Qualidade) é uma ferramenta que traduz as exigências e os desejos dos consumidores para cada um dos estágios de concepção de produtos e/ou serviço. Essa ferramenta utiliza a chamada “Casa da Qualidade” que é uma ferramenta gráfica desenvolvida através de respostas de pontos chaves: voz do cliente, análise da concorrência, voz da engenharia, correlações que existem entre cada item dos requisitos de projeto, comparações técnicas e inter-relações entre características de qualidade e processos produtivos. Por meio da Casa da Qualidade é possível desdobrar perfeitamente as necessidades dos clientes e a forma de satisfazê-lo (MARTINS et. al., 2005). A satisfação do cliente indica como a experiência de uso do produto se compara às expectativas de valor do comprador (RAZAK; SHAMSUDIN, 2019). A satisfação de um cliente ocorre quando este está satisfeito com a boa qualidade do seu material, com a funcionalidade esperada e seu preço acessível (SHAMSUDIN, M.F; NURANA; AESYA; NABI, 2018). Entretanto, a satisfação está diretamente ligada à experiência do cliente. Isto porque os consumidores querem mais do que apenas um simples produto ou serviço (BERRY; ZEITHAML; PARASURAMAN,1985). Eles desejam ser surpreendidos, de forma que o produto/serviço recebido vá além do básico, do comum e do trivial (PARASURAMAN; BERRY; ZEITHAML, 1993) (PARASURAMAN; ZEITHAML; BERRY, 1994) A utilização do QFD em vários segmentos e setores econômicos, como por exemplo, saúde, indústria de embalagens, prestadores de serviços e setor agrícola tem proporcionado ganhos mercadológicos positivos, como a redução de problemas em estágios iniciais do desenvolvimento de produto e/ ou serviço, a diminuição do tempo desse desenvolvimento, o crescimento das vendas e a satisfação completa do cliente (ABREU, 1997; AKAO, 1997; OLIVEIRA, 2010; ABREU; PEREIRA, 2004; VOLPATO et al., 2010; MATSUDA; ÉVORA; BOAN, 2000; DE LIMA; MUNIZ JUNIOR; LOTUFO, 2009). Ao mesmo tempo, um dos setores nacionais que vem se destacando no Brasil é o setor agrícola. Esse setor realiza constantes estudos para o uso da tecnologia em maquinários, gerenciamento de propriedades rurais e desenvolvimento e/ou acompanhamento de novos produtos ou serviços. Com isso, vem apresentando melhores resultados na qualidade, quantidade e produção. O Produto Interno Bruto (PIB) desse setor no Brasil, cresceu 3,81% em 2019, comparado ao ano de 2018. Com esse desempenho positivo, o PIB do agronegócio teve uma representatividade de 21,4% do PIB total brasileiro (CNA, 2019). Já em 2020, em seu primeiro trimestre, houve crescimento de 0,6% frente ao mesmo período de 2019, sendo importante ressaltar que o setor foi o único a crescer no país no período analisado (MAPA, 2020). No setor agrícola nacional, destaca-se o segmento de produção de alimentos. No caso da carne, os consumidores têm exigido carne saborosa e macia e, recentemente, começaram a demandar diferenciação em termos de níveis de qualidade. Por outro lado, os produtores parecem mais interessados em limitar a variação biológica (GRUNERT, 2011). Gerenciar essa lacuna entre as prioridades de clientes e fornecedores é o foco do QFD. CAMPOS et al. (2008) ressaltam que o QFD é uma ferramenta considerada nova para o setor agroindustrial, porém alto potencial de aplicação. No Brasil, a aplicação do QFD em produtos agrícolas alimentícios teve sua introduzido na década de 1990 (CARNEVALLI et al., 2004). No período, o QFD foi utilizado pela Sadia S.A. A prosperidade das empresas agrícolas está fortemente relacionada à implementação de novos métodos e ferramentas incorporadas à função da qualidade, visando sempre a satisfação do cliente (MILAN; FERNANDEZ, 2002) Existem informações de aplicação do QFD no Brasil no setor agrícola desde o ano de 1995 (CHENG, 2003). O QFD é aplicado nacionalmente no desenvolvimento de 158

produtos agroindustriais como massa (PINTO; PAIVA, 2010; WAISARAYUTT; TUTIYAPAK, 2006); frutas (MIGUEL et al., 2007); farinha de trigo (KRISTIANTO; AJMAL; SANDHU, 2012); bovinos (ROSADO, 2011) e carne (PARK; HAM; LEE, 2012).

2. A origem do QFD A ferramenta QFD surgiu no Japão nos anos 1960 no âmbito do Total Quality Management, em um contexto de ampliação da função qualidade, ou seja, ao seu direcionamento ao processo de criação e desenvolvimento do produto final, e não unicamente no controle da qualidade após o produto desenvolvido (CHENG; MELO FILHO, 2010). Neste período, emergiu da necessidade de um acompanhamento preciso do processo de desenvolvimento, ainda na fase de projeto, para que dessa forma se abarcasse de forma efetiva a qualidade total do produto (AKAO, 1996). O QFD busca identificar as exigências dos clientes e transformá-los em características de engenharia para que os projetistas possam priorizar e decidir quais devem ser aprimorados durante o processo de produção. Portanto, o QFD é capaz de ajudar grupos de trabalho e departamentos de gerenciamento a tomar uma decisão final no planejamento de produtos novos ou no aprimoramento dos produtos já existentes (SULLIVAN, 1986). No prefácio do livro de J. Terninko, StepbyStep QFD (TERNINKO, 1997), B. King ressaltou que na década de 1960, o controle e a melhoria da qualidade tinham um fator distintivo de fabricação no Japão. No final da década de 1960 e no início da década de 1970, Joji Akao e outros começaram a trabalhar para aperfeiçoar o método de design, para que, quando o novo produto fosse introduzido na fabricação, fosse de alta qualidade, desde o início. O processo foi denominado Quality Function Deployment (QFD). De 1975 a 1995, esse método/processo foi integrado a outros instrumentos de melhoria para originar um mosaico de oportunidades para desenvolvedores de produtos. De acordo com a história, as empresas japonesas começaram a formalizar as concepções de QFD quando Kiyotaka Oshiumi, da fábrica de Bridgestone, produziu um gráfico de garantia de processamento contendo algumas das principais características de QFD em 1966 e K. Ishihara desenvolveu as ideias de "implantação funcional de negócios" semelhantes às do QFD e as aplicou à empresa Matsushita no final dos anos 1960 (COHEN, 1995; HILL, 1994; MARSH et al., 1991). No entanto, foi Akao, em 1969, quem primeiro percebeu o valor dessa abordagem. Ele queria utilizar uma metodologia durante o estágio de design do produto para que as características do projeto pudessem ser convertidas em pontos precisos de controle de qualidade na documentação de controle de qualidade da manufatura (HILL, 1994). Após vários testes industriais, Akao escreveu um artigo sobre essa nova abordagem em 1972 e chamou de hinshitsutenkai (implantação de qualidade). Enquanto isso, a indústria Kobe da Mitsubishi Heavy, que trabalhava com a construção de navios começou a aplicar as ideias do QFD em 1971, seguindo a sugestão de Akao (PARDEE, 1996). A construção de navios abrange custos gigantescos e um número controlado de produtos. Diante disso, a Mitsubishi viu a importância de se determinar com detalhes exatamente aquilo que os cliente queriam, antes de se iniciar o projeto (AKAO, 1997). AKAO (1997) sintetizou tudo isso em um único procedimento, de modo a identificar os requisitos do cliente desde as etapas de design, realizando desdobramentos sucessivos até o nível de operações de produção (COHEN, 1995) (HAUSER; CLAUSING, 1988) (HILL, 1994) (MARSH et al., 1991) (PRASAD, 1998) (SULLIVAN, 1986). O QFD também foi introduzido e colocado na Toyota Hino Motor no ano de 1975 e na Toyota Autobody no ano de 1977 com grandes resultados. Mais tarde foi utilizado em todo o grupo Toyota. 3. Implementação do QFD A implementação e o sucesso do QFD dependem de muitos pré-requisitos ou fatores críticos, principalmente do suporte da alta gerência. Por exemplo, na Ford, a alta gerência adotou a filosofia de excelência em Qualidade Total (REDDY, 1989). O trabalho da alta gerência deve passar por: estabelecer a prioridade do QFD na função qualidade; colocar prioridades claras para as atividades de QFD; garantir que o design seja baseado nos requisitos do cliente; e liderança em QFD (JONES, 1988; MCELROY, 1989; NEMOTO, 1987). 159

A empresa não deve ter medo de implementar o QFD, pois o medo é um obstáculo à participação dos funcionários. Estabelecer e comunicar claramente os processos pelos quais uma organização é administrada pode reduzir significativamente o medo em uma organização e aumentar a confiança (REDDY, 1989; DEMING, 1982). A implementação bem-sucedida do QFD em uma organização requer educação e treinamento extensivos da gerência e dos trabalhadores. O treinamento inicial é muito importante, pois é mais fácil treinar um funcionário do que apagar o efeito deletério de um treinamento inadequado (DEMING, 1982; TRIBUS, 1988). A educação e o treinamento devem desempenhar um papel importante na explicação e internalização do QFD na força de trabalho. Aqueles diretamente envolvidos com a implementação precisam ser capazes de construir, interpretar e aplicar a filosofia QFD (REDDY, 1989; REID; 1989). Uma organização interessada em implementar o QFD deve estar comprometida com o gerenciamento de fatos. Na ausência de fatos, os indivíduos podem não necessariamente se concentrar no mesmo problema. Como resultado, eles podem tirar conclusões diferentes e tomar ações que podem muito bem ser congruentes com as ações dos outros. Por exemplo, as pessoas nas organizações podem estar se esforçando para melhorar a satisfação do cliente sem o conhecimento de como outros funcionários da empresa estão agindo (REDDY, 1989; DEMING, 1982). Técnicas de gerenciamento de políticas, em vez de gerenciamento objetivo (gerenciamento por resultados), devem ser enfatizadas e praticadas. O desafio de uma organização é integrar novas ideias à cultura existente da empresa. O gerenciamento de políticas é uma estratégia que garante resultados, concentrando-se nos meios, em vez de medir o desempenho após o fato. O gerenciamento de políticas e o QFD podem ser combinados usando gráficos matriciais ou tabelas binárias para avaliar a interação dos meios com os objetivos da empresa (SULLIVAN, 1988). Conforme CHENG et al. (1995), o QFD é instituído através das seguintes etapas: Etapa 1- definição de objetivos e de produto; Etapa 2 - seleção do time que utilizará o QFD e que irá realizar o treinamento do procedimento; Etapa 3 - definição do planejamento das atividades da criação do produto e elaboração do conjunto de suposições, que consiste em identificar as matrizes e tabelas imprescindíveis para a garantia de que as requisições dos consumidores serão consentidas; Etapa 4 - realização de pesquisa de mercado com o consumidor-alvo e explanação de dados para saber as verdadeiras requisições dos consumidores (qualidade exigida); Etapa 5 - realização de nova pesquisa junto aos consumidores, visando identificar itens de qualidade prioritários para analises com os concorrentes (benchmarking); Etapa 6 - fazer a extração dos itens de qualidade, elaborando dessa forma a matriz da qualidade; Etapa 7 - relacionar as listas da qualidade exigida com as particularidades da qualidade e transformar os pesos dos tópicos de qualidade exigida para particularidades da qualidade, baseado nessas relações; Etapa 8 - análise das características da qualidade; Etapa 9 - elaboração de matrizes já deliberadas no padrão conceitual, com a finalidade de avalizar a produção do produto com as estimativas da qualidade planejada. Por fim, é essencial que a equipe e o facilitador da implantação entendam completamente o QFD. Alguma experiência da equipe nas áreas de pesquisa de mercado/grupos focais, engenharia de valor, confiabilidade e controle estatístico de processos deve existir se uma organização quiser implementar o QFD com sucesso (KING, 1987; RYAN, 1988).

4. A Casa da Qualidade O QFD consiste numa técnica de análise gráfica que retrata as necessidades, anseios e expectativas dos clientes, e como essas necessidades e expectativas serão satisfeitas no decorrer do desdobramento. Essa análise, que a primeiro modo pode parece ser uma matriz complexa, é conhecida como Casa da Qualidade.

160

A Casa da Qualidade é adquirida através da intercepção dos requisitos dos clientes com as características da qualidade (AKAO, 1990), como é mostrado na Figura 1.

O resultado dessa intercepção é explicado na Figura 2. Os requisitos dos clientes são representados pelo triângulo A e aba C. Já as características de qualidade são representadas pelo triângulo B e aba D. O quadrado Q é considerado a interseção dos dois triângulos, conceituado como “matriz de relações”.

Dessa forma, a Casa da Qualidade pode ser entendida como uma matriz que possui o objetivo de realizar o projeto da qualidade, sintetizando reais expectativas e necessidades reivindicadas por consumidores mediante expressões linguísticas, transformando-as em particularidades do produto e apresentando o encadeamento entre essas particularidades e aquelas com atributos verdadeiros (AKAO, 1996). Com a explicação acima, é possível apreender que a Casa da Qualidade trabalha com uma particular esquematização (Figura 3). É na verbalização das expectativas dos clientes que se dá o início desse esquema, ou seja, na voz do cliente. Interessante dizer que às vezes o cliente não verbaliza certas necessidades por considerá-las implicitamente importantes. Isto é, ele considera o atributo importante, mas acha não necessário colocar isso explicitamente em palavras. A esquematização pode ser vista em três segmentações distintas: organização das qualidades determinadas pelos consumidores, alteração dessas qualidades em especialidades técnicas ou especialidades substitutas e assimilação das associações entre as qualidades verdadeiras e as especialidades de qualidade. O esquema tem como saída os critérios 161

do produto, isto é, o composto de especificações técnicas do (valores de especificação). Desse modo, compreende-se que a seta do requisito do cliente (seta horizontal) significa o ingresso na Casa da Qualidade e a seta das características de qualidade (seta vertical) é a saída do esquema ou processo funcional.

A voz do cliente possui representatividade na criação e desenvolvimento do produto. A Figura 5 representa a parte da Casa da Qualidade onde essa voz é levada em consideração no e desenvolvimento e criação do produto. Nessa parte da Casa da Qualidade acontece o planejamento do produto que irá satisfazer as vontades e anseios dos consumidores.

A primeira área da Figura 4 consiste nos requisitos dos clientes, que incide nas expressões linguísticas resumidas qualitativamente nas necessidades reais dos clientes. Esses dados qualitativos devem ser obtidos através de pesquisas de mercado e material técnico, (AKAO, 1996). Entretanto, esses requisitos nem sempre são adquiridos diretamente dos consumidores, podendo serem gerados dentro da organização, por meio de experiência mercadológica de seus funcionários, (LOCKAMY III; KHURANA, 1995). Pode-se tomar como exemplo o estudo de MORO E MACHADO (2015), que consiste na criação de um móvel multifuncional, onde o produto em tese exerce a função de um rack/aparador e ainda possui papel de base para o colchão. Em relação à deliberação do requisito dos clientes, o produto exibe dois papéis: rack/suporte e suporte de colchão de solteiro. Dessa forma, foram apontados requisito dos clientes, fracionados em três conjuntos, visto que depois de cada requisito existe uma indicação de qual função o requisito se encaixa, de acordo com o demonstrado no Quadro 1.

162

Quadro 1. Requisitos dos clientes Funcionalidade

Aparência Resistência

Facilidade de carregamento; Facilidade de montagem e desmontagem; Adaptabilidade. Design contemporâneo; Cores diversas. Durabilidade; Resistência; Facilidade de limpeza.

Fonte: MORO; MACHADO (2015) Após isso, do grau de importância do cliente, porém, antes de analisar o grau de importância é necessário conhecer o “Modelo de Qualidade de Kano”. A linha de qualidade desejada, conforme pode ser observado na Figura 5, abarca o bojo dos prérequisitos que o consumidor deseja. A comparação entre produtos usualmente se inicia através desses requisitos. A esses requisitos, a satisfação do consumidor está conectada de modo direto. Os mesmos podem ser facilmente detectados através de pesquisas de mercado. Os requisitos, quando dispostos como de qualidade imprescindível, porém não presentes no produto, são percebidos pelos consumidores prontamente, e geram insatisfação. Notoriamente, a ausência desses requisitos pode ser descoberta por meio de análises dos produtos dos concorrentes, da expectativa do cliente em relação as suas necessidades. A qualidade cativante atende as necessidades puras, não apenas modismos. É preciso compreender as reais necessidades escondidas dos consumidores e da sua frustração com os produtos que já existem para alcançá-la. Primeiramente, o cliente atribui uma nota a cada requisito de forma relativa comparando um requisito com os demais (esse requisito é mais importante que aquele). Se a quantidade de clientes é muito pequena e não permite uma enquete, a equipe do QFD pode usar a técnica AHP (Analytic Hierarchy Process), para estabelecer a importância dos requisitos. Quando o número de requisitos é muito grande não é indicado utilizar-se diretamente as notas relativas. Nesta condição, adverte-se para que seja utilizada uma escala absoluta (sem comparação com os demais). Antes de calcular o grau de importância final, a equipe multidisciplinar responsável pelo QFD deve ser capaz de classificar os requisitos de acordo com o modelo de Kano e, ainda procurar prever os requisitos futuros para evitar obsoletismo, pois, as necessidades e valores das pessoas mudam com o tempo. O grau de importância a ser utilizado não deve ser uma média aritmética ou ponderada das considerações acima. É uma análise qualitativa. A escala do Grau de Importância de cada requisito varia de 1 a 5. Sendo normalmente o mais importante é 5, o menos é 1. Figura 5. Grau de importância

Fonte: Manual Preliminar QFD: QUALITY FUNCTION DEPLOYMENT (2004). 163

Continuando com o exemplo do desenvolvimento de um mobiliário multifuncional, dez importantes consumidores foram questionados sobre a importância dos requisitos mostrados, e desse modo, usado média dos valores obtidos. Também foi utilizado a escala Likert, para verificar a importância. Isso pode ser melhor entendido na Quadro 2.

Continuando com o mesmo exemplo, e por ser um produto multifuncional, foram feitas analises de concorrentes de cada função do produto, levando em consideração que o mercado não oferte um bem que exerça as duas funções sugeridas para o produto avaliado, consistindo neste ponto a inovação de relevância. Assim, há uma empresa concorrente do produto na função a e uma segunda empresa concorrente do produto na função b. Considera-se que a organização ainda não possui concorrente de produto igual a esse no mercado com as duas funções. Desse modo, realizou-se a estimativa do produto ofertado que produz o bem mais aproximado ao que está sendo demandado. A escala usada foi 1= Péssimo, 2=Ruim, 3=Médio, 4= Bom e 5=Ótimo, conforme exposto no Quadro 3. Quadro 3. Análise de concorrentes REQUISITOS DOS CLIENTES

PRODUTO DA EMPRESA

Facilidade para carregar Facilidade de montagem e desmontagem Adaptabilidade Design moderno Diferentes cores Durabilidade Resistência Fácil de limpar Fonte: MORO; MACHADO (2015).

CONCORRENTE 1

CONCORRENTE 2

5 4 3 3 3 4

1 4 3 5 4 4

2 3 3 5 5 3

Em seguida têm-se uma área que está relacionada com o planejamento dos produtos em desenvolvimento. Ela é denominada plano de qualidade dos requisitos. Nessa área são observados cada requisito dos clientes, onde o planejamento dos produtos é incluído no planejamento da organização. A proposta é que o plano seja definido após analises dos clientes, observando a importância dos requisitos (AKAO, 1990). Outro ponto a se destacar é o índice de melhoria e os pontos de vendas. O primeiro consiste na importância dos requisitos e o segundo seria as vantagens que o produto oferece ao cliente, com o intuito de cumprir seus anseios e necessidades (CHENG et al., 1995).

164

Por fim, têm-se o peso absoluto, que consiste em multiplicar o grau de importância pela taxa de melhoria e pelo argumento de vendas. Desse modo, é possível observar a representatividade da prioridade de atendimento dos requisitos. Outro ponto, é o peso relativo dos requisitos, que é determinado por uma conversão do peso absoluto em porcentagem, dividindo o peso absoluto de cada um dos requisitos pelo resultado da soma de todos os outros pesos absolutos (AKAO, 1990; AKAO, 1996). A Figura 6 a seguir representa a matriz das características da qualidade, a qual tem a função de transpor a voz dos clientes para a voz dos projetistas, isto é, converter o requisito do consumidor em particularidades do projeto que seja capaz de propiciar o hardware desejado (AKAO, 1996). Figura 6. Características da qualidade.

Fonte: AKAO (1996) Conforme a Figura 6, o primeiro elemento consiste nas características da qualidade, onde a voz do cliente é transformada em particularidades técnicas para o bem que está sendo desenvolvido (CHENG et al.,1995). Essas particularidades consistem em requisitos dos clientes (qualidades verdadeiras), modificadas para particularidades de projeto (características substitutas). CLAUSING (1993) afirma que estas características de projeto precisam ser dimensíveis. Os fins alvo possuem dois escopos, sendo o primeiro definir os predicados da qualidade, constando se são mensuráveis, e o segundo é apontar qual tipo de entendimento leva à retenção do valor ideal para cada uma das características de qualidade. O próximo elemento é a matriz de correlações, sendo essa considerada o telhado da Casa da Qualidade. Essa matriz interpola as características da qualidade mutuamente, fazendo isso duas a duas, facilitando a identificação de como elas se relacionam. Essas relações podem ser de apoio recíproco, ou de conflito. Nos diagramas é mais comum a correlação entre as características técnicas. Contudo, também é plausível analisar correlações entre os requisitos para proporcionar um entendimento acerca das expectativas e necessidades dos clientes, (AKAO, 1990; AKAO, 1996). A matriz de relações (figura 7) tem como objetivo cooperar na identificação de como os atributos da qualidade influenciam no atendimento dos requisitos dos consumidores. Essa matriz precisa ser complementada com a presença de todos os integrantes do time interdisciplinar originada pro projeto. As relações podem ser caracterizadas não somente por meio do entendimento do time, fundamentado na vivência dos seus integrantes, mas também por retornos de clientes e também através de de dados estatísticos e por desenvolvimento de experimentação (CLAUSING, 1993; CHENG et al, 1995; HAUSER & CLAUSING, 1988; AKAO, 1990).

165

Figura 7. Matriz de relações

Fonte: Manual preliminar QFD (2004). O próximo item é o peso absoluto de cada característica e consiste no fruto da somatória vertical dos valores de cada especialidade multiplicado pelo peso relativo do requisito apropriado. Já o peso relativo é a alteração do peso absoluto das especialidades em percentagem. O cálculo é realizado por meio da divisão do peso absoluto de cada característica da qualidade pelo resultado da somatória dos pesos absolutos de todas as especialidades. Isso é significativo pois possibilita enxergar-se a ponderação relativa das características (CHENG et al, 1995). O próximo item é a avaliação competitiva técnica, ou seja, o benchmarking técnico, onde a performance dos produtos é avaliada perante a visão da engenharia, com a finalidade de se guiar, em relação à avaliação (pelos consumidores) da competição presente entre as empresas, quais são os valores ideais para as especificidades técnicas do produto que está sendo desenvolvido. Continuando com o exemplo do desenvolvimento de um mobiliário multifuncional, para o projeto de cada um dos requisitos foi estabelecida a dificuldade de obtenção técnica do requisito, onde são observados unidade, qualidade projetada, e dificuldade técnica. Confrontam-se a estes o peso da base, a distância da base ao solo, a espessura da base, a pintura da base, o tamanho do tampo, a pintura do tampo, a espessura dos parafusos de fixação, a resistência do tampo e a resistência da base. Isso pode ser observado no Quadro 4.

166

Já o penúltimo item se refere à ponderação absoluta (peso corrigido absoluto), que é obtido ao multiplicar-se o peso absoluto de cada característica da qualidade pelo fator de dificuldade técnica (AKAO, 1996). O último item da tabela das características da qualidade consiste na obtenção do peso corrigido relativo, o qual é realizado por meio da conversão percentual do peso corrigido absoluto (AKAO, 1996).

5. Considerações finais O QFD pertence à esfera de métodos de gestão da qualidade, oferecendo diretrizes para traduzir as necessidades do cliente em especificações de design e melhorar as características de novos produtos e serviços. O QFD é um meio interessante para a aplicação de engenharia simultânea e implementação da Qualidade Total (TQM). Ou seja, QFD pode ser visto como uma ferramenta de planejamento o que auxilia na introdução de novos e/ou aprimorados produtos no mercado. A fim de fornecer aos agricultores informações e conhecimentos agrícolas de interesse, um serviço de sugestão de informações agrícolas pode ser construído dentro da esquemática do QFD para melhorar a qualidade de seus produtos e desenvolver novos produtos. O QFD é um sistema para traduzir as expectativas dos clientes em aspectos técnicos necessários. É nítido que o objetivo de qualquer empresa, seja ela agrícola ou não, é produzir produtos e serviços de qualidade. No ambiente competitivo de hoje, a qualidade é um requisito que os clientes esperam. A implantação do QFD torna-se, dessa forma, um aspecto crítico na política da qualidade da organização. O QFD eficaz exige trabalho em equipe em todas as funções organizacionais. Primeiro, uma equipe de marketing e vendas descobre, através de pesquisas de mercado, os principais recursos que os clientes esperam de novos produtos. Essas informações ajudam uma equipe de engenharia a produzir os projetos técnicos. A produção assume o controle e o produto final entra no mercado. Com isso, a equipe de marketing comunica os atributos do produto aos clientes usando publicidade e promoção. ¹Universidade Estadual Paulista “Júlio de Mesquita Filho” – Campus Jaboticabal ²Universidade Estadual Paulista “Júlio de Mesquita Filho” – Campus Jaboticabal ²Universidade Estadual Paulista “Júlio de Mesquita Filho” – Campus Jaboticabal Referências: ABREU, F.R; PEREIRA, M.A.C. (2004) Aplicação de QFD na Fabricação de Embalagens Especiais para a Indústria Automobilística. In: Encontro Nacional de Engenharia de Produção, 24, 2004, Florianópolis, Anais..., Florianópolis, SC: Associação Brasileira de Engenharia da Produção. ABREU, F.S. (1997) QFD - Desdobramento da função qualidade - estruturando a satisfação do cliente. Revista de Administração de Empresas (RAE), São Paulo, v. 37, n. 2, p. 47-55, June. AKAO, Y.(1972) New product development and quality assurance deployment system (in Japanese). Standadization and Quality Control 25 (4), 243–246. AKAO, Y. (1990) History of quality function deployment in Japan. In: The Best on Quality, IAO Book Series, vol. 3.International Academy for Quality, pp. 183–196. AKAO, Y. (1996). Introdução ao Desdobramento da Qualidade (Vol. 1). Belo Horizonte: Editora Fundação Christiano Ottoni. AKAO, Y. (1997) Desdobramento das diretrizes para o sucesso do TQM. São Paulo: Editora Bookmam, BAXTER, M. (2011) Projeto de produto: guia prático para o design de novos produtos. 3 ed. São Paulo: Blucher. BAXTER, M. (1998) Projeto de Produto: Guia Prático para o Design de Novos Produtos. 2.ed. São Paulo: Edgard Blüncher, 1998. BERRY, L. L., PARASURAMAN, A., & ZEITHAML, V. A. (1985). The Service-Quality Puzzle. CAMPOS, C.M.; MILAN, M.; SIQUEIRA, F.F. (2008) Identificação e avaliação de variáveis críticas no processo de produção da cana-de-açúcar. Engenharia Agrícola, Jaboticabal, v.28, n3, p.554-564, set. 167

CARNEVALLI, J. A. et al. (2004) Aplicação do QFD no desenvolvimento de produtos: levantamento sobre seu uso e perspectivas para pesquisas futuras. Gestão &Produção, v. 11, n. 1, p. 33-49. CLAUSING, D (1993) Total quality development: a step-by-step guide to world-class concurrent engineering, New York, ASME. CHENG, L. C., SCAPIN, C. A., OLIVEIRA, C. A. DE, KRAFETUSKI, E., DRUMOND, F. B., BOAN, F. S., PRATES, L. R. & VILELA, R. M. (1995). QFD: Planejamento da Qualidade. Belo Horizonte: Fundação Christiano Ottoni. CHENG, L.C.; MELO FILHO, L.D.R (2010) QFD: Desdobramento da função qualidade na gestão de desenvolvimento de produtos. São Paulo: Editora Edgard Blücher Ltda. CHENG, L. C. (2003) QFD em desenvolvimento de produto: características metodológicas e um guia para intervenção. Produção Online, v. 3, n. 2 CONFEDERAÇÃO DA AGRICULTURA DO BRASIL (CNA) (2019) “PIB DO AGRONEGÓCIO” Disponível em: <https://www.cnabrasil.org.br/boletins/pib-do-agronegocio-cresce-3-81-em-2019> Acesso em: 02 de junho de 2020. DE LIMA, B.P.; MUNIZ JUNIOR, J.; LOTUFO, P. (2009) Desenvolvimento de embalagem aplicando o método QFD. IN: Encontro Nacional de Engenharia de Produção. 29, Salvador. DEMING, W.E., Out of the Crisis, MIT, Cambridge, MA, 1982. FILHO, W. R. P.; BARROSO, R. (2010) Quality Management in the Pharmaceutical Industry. Cap. 165, p. 212. In: OLIVEIRA, O. J. (Org.). Quality Management: advanced topics. São Paulo: Pioneira Thomson Learning. GRUNERT K.G.(2011) How changes in consumer behaviour and retailing affect competence requirements for food producers and processors. Agr. Res. Econ. 6:3-22. HAUSER, JR, CLAUSING, D.(1998) The house of quality. Harvard Business Review 66 (3), 63–73. HILL, A. (1994) Quality function deployment. In: Lock, D. (Ed.), Gower Handbook of Quality Management, seconded, JONES, K., (1988) “High Performance Manufacturing (Part 4): A Break with Tradition”, Industrial Management, Vol. 12 No. 4, pp. 30‐2. KING, R., (1987) “Listening to the Voice of the Customer: Using the QFD System”, National Productivity Review, Vol. 6 No. 3, pp. 277‐81. KRISTIANTO, Y.; AJMAL, M. M.; SANDHU, M. (2012) Adopting TQM approach to achieve customer satisfaction: A flour milling company case study. TQM Journal, v. 24, n. 1, p. 29-46. LOCKAMY, ARCHIE, III E ANIL KHURANA (1995) "Implantação de função de qualidade: gerenciamento de qualidade total para o design de novos produtos." International Journal of Quality & Reliability Management, vol. 12, n. 6, p. 73. MANUAL PRELIMINAR QFD (2004) Quality Function Deployment. Curitiba, 2004. MATSUDA, L.M.; ÉVORA, Y.D.M; BOAN, F.S. (2000) O método desdobramento da função qualidade, QFD, no planejamento do serviço de enfermagem. Revista Latino-Americana de Enfermagem, 8, 5, p. 97-105. MARTINS, PETRÔNIO G.; LAUGENI. FERNANDO P. (2005) Administração da Produção. São Paulo: Saraiva, 5ª Ed. MARSH, S., MORAN, JW, NAKUI, S., HOFFHERR, G. (1991) Facilitating and Training in Quality Function Deployment. GOAL/QPC, Methuen, MA. MINISTÉRIO DA AGRICULTURA, PECUÁRIA E ABASTECIMENTO (MAPA) (2020) Agropecuária cresce 1,9% no primeiro trimestre. Disponível em:<https://www.gov.br/ptbr/noticias/agricultura-e-pecuaria/2020/06/agropecuaria-cresce-1-9-no-primeiro-trimestre-diz-ibge> Acesso em: 02 de junho de 2020.

168

MIGUEL, A. C. A. et al. (2007) Aplicação do método QFD na avaliação do perfil do consumidor de abacaxi Pérola. Ciência e Agrotecnologia, v. 31, p. 563-569. MILAN, M.; FERNANDEZ, R.A.T. (2002) Quality of tillage operations by statistical process control. Scientia Agricola, Piracicaba, v.59, pág.261-266. MCELROY (1989) “QFD: Building the House of Quality”, Automotive Industries, January, pp. 30‐32. MORO, S; MACHADO, M. (2015) MODELO PARA APLICAÇÃO DO QFD NO DESENVOLVIMENTO DE PRODUTOS MULTIFUNCIONAIS. XXXV ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCAO, Fortaleza. NEMOTO, M. (1987) Total Quality Control for Management, Prentice‐Hall, Englewood Cliffs, NJ. OLIVEIRA, L.M.V; DANTAS, L.M; CARVALHO, D.D.C; MACIEL, R.S.; PAULA, V.T. (2010) Aplicação do QFD como uma ferramenta de planejamento da qualidade: estudo de caso na prestação de serviço de uma concessionária. IN: Encontro Nacional de Engenharia de Produção, 30, 2010, São Carlos, Anais..., São Carlos. OTELINO, M.(1999) A Casa da Qualidade. Dissertação (Mestrado em Engenharia) – Engenharia de Produção da Universidade Estadual de São Carlos (USP-SC), São Carlos. PARK, S.-H.; HAM, S.; LEE, M.-A. (2012) How to improve the promotion of Korean beef barbecue, bulgogi, for international customers. An application of quality function deployment. Appetite, v. 59, n. 2, p. 324-332. PARASURAMAN, A., BERRY, L.L., & ZEITHAML, V.A. (1993) More on improving service quality measurement. Journal of Retailing, 69(1), 140–147. PARASURAMAN, A., ZEITHAML, V. A., & BERRY, L. L.(1994) Alternative scales for measuring service quality: A comparative assessment based on psychometric and diagnostic criteria. Journal of Retailing, 70(3), 201–230. PARDEE, WJ. (1996) To Satisfy and Delight Your Customer: How to Manage for Customer Value. Dorset House Publishing, New York. PRASAD, B. (1998) Synthesis of market research data through a combined effort of QFD, value engineering, and value graph techniques. Qualitative Market Research: Na International Journal 1 (3), 156–172. PINTO, A. L. D.; PAIVA, C. L. (2010) Desenvolvimento de uma massa funcional pronta para tortas utilizando o método de Desdobramento da Função Qualidade (QFD). Ciência e Tecnologia de Alimentos, v. 30, p. 36-43. REID, R.; HERMANN, M. (1989) “QFD ... The Voice of the Customer”, Journal of Quality uni and Participation, December, pp. 44‐6. ROSADO, A. G. et al. (2011)Identification of demand characteristics in the production of sires using a conceptual model of quality function deployment: a case study. Revista Brasileira de Zootecnia – Brazilian Journal of Animal Science, v. 40, n. 1, p. 210-220. RYAN, N.E. (1988) Taguchi Method and QFD: Hows and Whys for Management, ASI Press, Dearborn. SULLIVAN, L.(1988) “Policy Management through QFD”, Quality Progress, Vol. 21 No. 6, pp. 18‐20. SULLIVAN, LP.(1986) Quality function deployment. Quality Progress 19 (6), 39–50. SHAMSUDIN, MOHD FARID, ISHAK, M. F., HASHIM, M. A., NABI, M. A., YAZID, M. F. M., & RAZAK, A. A. (2019). Preliminary analysis on relationship of CRM functions implementation towards firm’s business performance. Humanities and Social Sciences Reviews, 7(1), 113–120. SHAMSUDIN, M.F., RAZAK, A. A., E SALEM, M. A. (2018). The role of customer interactions towards customer satisfaction in theme parks experience . El papel de las interaciones del cliente hacia la satisfacción del cliente em la experiencia de los parques temáticos. Opcion, 34(SpecialIs), 546–558. SHAMSUDIN, M. F., NURANA, N., AESYA, A., W NABI, M. A. (2018). Role ofuniversityreputationtowardsstudentchoicetoprivateuniversities. Opcion, 34 (Special Issue 16), 285– 294 169

TERNINKO, J. (1997)Step-by-Step QFD: Customer-Driven Product Design, second ed. St. Lucie Press, Boca Raton, F. TRIBUS, M. (1988) “Deming’s Way”, Mechanical Engineering, Vol. 7, pp. 26‐30. VOLPATO, L.F; MENEGHIM, M.C; PEREIRA, A, C; AMBROSANO, G.M.B.(2010) Planejamento da qualidade nas unidades de saúde da família, utilizando o Desdobramento da Função Qualidade (QFD). Cad. Saúde Pública, v. 26, n. 8, p. 1561-1572. WAISARAYUTT, C.; TUTIYAPAK, O. (2006) Application of quality function deployment in instantrice noodle product development. Kasetsart Journal - Natural Science, v. 40, n. suppl., p. 162171.

170

QUALIDADE DAS OPERAÇÕES MECANIZADAS NA PRODUÇÃO DE AMENDOIM EM PREPARO CONVENCIONAL E CONSERVACIONISTA Antonio Tassio Santana Ormond Adão Felipe dos Santos Carlos Eduardo Angeli Furlani

Introdução Nas últimas décadas o processo de produção agrícola passou por inúmeras revoluções, passando pela substituição da mão de obra manual e animal por tratores agrícolas, culminando atualmente com a implementação de sensores e comandos automáticos nas máquinas. Dentre as importantes mudanças na agricultura ficou claro a importância da conservação dos recursos naturais para a manutenção da produção. Sendo que muitos especialistas da área agrícola destacam a utilização de preparos conservacionistas de solo como um dos grandes acontecimentos da evolução na agricultura. O sistema conservacionista de preparo de solo tem como principal característica a manutenção de cobertura total no solo (Sistema Plantio Direto) ou parcial (destaca-se o cultivo mínimo ou preparo reduzido). Para conseguir manter a cobertura no solo, são realizadas menos operações mecanizadas para revolvimento do solo. Com a adoção desse sistema além de proporcionar uma maior umidade e menor amplitude térmica no solo os produtores podem ter redução no consumo de combustível e menor compactação do solo. A cultura do amendoim tem importância tanto mundial quanto nacional devido a grande variedade de produtos que pode gerar. A produção mundial de amendoim é de 45 milhões de toneladas, sendo que cerca de 65% da produção é concentrada na China, Índia, Estados Unidos e Nigéria (USDA, 2020). No Brasil a área total de produção de amendoim atingiu 157,4 mil ha e a produção alcançou 545,1 mil toneladas, com destaque para o Estado de São Paulo que produz cerca de 89% (482,3 mil toneladas) da produção nacional, em aproximadamente 146,4 mil hectares (CONAB, 2020). A maior parte do amendoim produzido no país é semeado em sistema convencional de preparo do solo (arações e gradagens), em áreas de reforma de canaviais. O elevado custo de produção aliado ao processo de degradação do solo em função do alto revolvimento e a intensa passagem de máquinas agrícolas na área fez com que nas últimas décadas tenha crescido o interesse em preparos conservacionistas para a maioria das culturas. Porém, para a cultura do amendoim no Brasil, pouco se sabe e praticamente nada mudou na questão do preparo de solos. Em função da resistência demonstrada pelos produtores para a adoção de um sistema com menor mobilização do solo para a cultura, é essencial o uso de ferramentas que auxiliem na inspeção do processo com o intuito de diminuir os custos e aumentar a produção. Uma forma de avaliação de operações agrícolas que tem se mostrado muito eficiente para o entendimento das consequências causadas por determinada atividade, é o controle estatístico do processo, com o intuito de verificar a existência de falhas, para posterior diminuição da variabilidade e melhoria do processo. Dessa forma, entendendo que o preparo do solo influencia diretamente o desenvolvimento e produção da cultura do amendoim, buscou-se avaliar a qualidade das operações agrícolas, influenciadas pelo manejo do solo, por meio do controle estatístico do processo. Foram avaliados sistemas de preparo de solo, em Jaboticabal, SP, que antecederam à semeadura de amendoim da variedade Granoleico, pertencente ao grupo botânico runner, em área com cerca de 3 hectares: preparo de solo convencional (duas gradagens pesadas em sequência grade niveladora) e preparo conservacionista, com o auxílio do implemento que realiza preparo localizado. No momento do preparo de solo a área se encontrava sobre a palhada da cultura do milho. Os preparos foram realizados com um trator Massey Ferguson modelo MF 7370 com potência de 170 cv, equipado com direcionamento automático para tracionar os equipamentos no preparo do solo, com as seguintes especificações grade aradora modelo GTCR com 14 discos de 30”, grade niveladora NVCR-E com 44 discos de 24” e Rip strip. A semeadura foi realizada com uma máquina pneumática com 4 linhas e espaçamento de 0,90m.

171

Figura 1. Área de produção de amendoim irrigado (A), conjunto trator-Rip-strip (B), trator-semeadora (C). O Rip Strip realiza o preparo localizado da linha de semeadura, mantendo a palhada na entrelinha das culturas, é composto de disco de corte, para corte da cobertura vegetal presente no solo, um par de discos dentados, hastes sulcadoras, discos corrugados e discos ondulados para revolvimento do solo em profundidade adequada, além de possuir também rolo destorroador individual para cada linha. Segundo BALKCOM et al., 2010, esse preparo conhecido como strip tillage ou preparo em faixa é definido como operações em faixas isoladas de larguras variadas, separadas por intervalo de solo não revolvido pelo equipamento de preparo do solo. A largura da zona cultivada é afetada diretamente a quantidade de resíduo benéfico que permanece na superfície do solo. Para determinação das características do solo realizou-se análise granulométrica, pela qual classificou-se o solo como LATOSSOLO VERMELHO Eutroférrico típico, A moderado, textura argilosa e relevo suave ondulado. As produtividades obtidas nos dois preparos de solos estudados foram de 4750 e 4587 kg ha-1, para o preparo de solo convencional e conservacionista, respectivamente. Foram coletadas 20 amostras de 100 vagens por amostra para determinação da maturação, pelo método “Hull Scrape” (WILLIAMS; DREXLER, 1981). Para as demais avaliações as amostras são coletadas ao longo do tempo, sendo assim possível analisar a qualidade da operação de semeadura e de colheita em função dos preparos de solo realizados. Para os indicadores de semeadura foram coletados 40 pontos amostrais, já para a colheita foram coletados 20 pontos em função do dinamismo dessa atividade. 172

A demonstração geral do comportamento dos dados foi realizada a partir da análise estatística descritiva, calculando-se medidas de tendência central (média e mediana), duas medidas de dispersão (desvio padrão e coeficiente de variação). A verificação da normalidade dos dados foi realizada por meio do teste de Ryan-Joiner, que mede a proximidade entre os pontos e a linha de estimativa da probabilidade, dando maior rigidez para a análise (ACOCK, 2008). Os dados coletados foram avaliados por meio do controle estatístico de processo, utilizando-se as cartas de controle de valores individuais, que possuem linhas centrais indicando a média geral, bem como os limites superior e inferior de controle estatístico, definidos como LSC e LIC, calculados com base no desvio-padrão das variáveis (para LSC, média mais três vezes o desvio-padrão, e para LIC, média menos três vezes o desvio, quando maior que zero) (MONTGOMERY, 2009). Os indicadores de qualidade utilizados para avaliar o processo de semeadura foram: Paralelismo na semeadura: foi avaliado medindo-se o espaçamento entre as passadas do conjunto trator-semeadora, com ajuda de uma régua com resolução em centímetros. População de plantas: determinação do número de plantas de milho por parcela, levando em consideração a área útil. - A profundidade de deposição de sementes de amendoim foi realizada por meio do método da escavação manual, ou seja, os sulcos feitos durante o processo de semeadura foram abertos cuidadosamente com o auxílio de uma faca de forma a não mover a semente do local onde foram depositadas, as medidas foram retiradas com uma régua graduada em milímetros. Distribuição longitudinal de sementes: foram avaliados pela contagem do número de plântulas de acordo com KURACHI et al., (1989). As uniformidades foram realizadas e analisadas, considerando-se percentagens de espaçamentos: “duplos” (D), menores que 0,5 vez o espaçamento médio esperado (Xref.); “aceitáveis” (A), de 0,5 a 1,5 vez o espaçamento médio esperado (Xref.), e “falhos” (F) maiores que 1,5 vez o espaçamento médio esperado (Xref.). O espaçamento médio esperado foi de aproximadamente 0,10m entre plantas. O comportamento dos dados das operações efetuadas no processo de produção de amendoim demonstrou que para os parâmetros de semeadura analisados nos dois preparos de solo analisados, os valores das médias e mediana encontravam-se próximos, indicando-se assim uma tendência á normalidade dos dados, o que foi confirmado pelo teste de normalidade de Ryan-Joiner. Já pelos elevados valores de desvio-padrão e coeficiente de variação pode ser notado que houve pouca uniformidade nos indicadores população de plantas, profundidade de sementes e distribuição longitudinal (Tabela 1). O indicador de qualidade paralelismo demonstrou uma baixa diferença entre média e mediana, desvio padrão e coeficiente de variação, indicando dessa forma uma maior uniformidade dos dados tanto no preparo convencional quanto no conservacionista, esse fato pode ser explicado pela presença do piloto automático no conjunto trator-semeadora. Tabela 1. Estatística descritiva para os indicadores de semeadura influenciados pelo preparo de solo.

Preparo Convencional

Preparo Conservacionista

Parâmetros Paralelismo Pop. Plantas Prof. Sementes (cm) %Espaç. Normal %Espaç. Falho %Espaç. Duplo Paralelismo Pop. Plantas Prof. Sementes (cm) %Espaç. Normal %Espaç. Falho %Espaç. Duplo

Média 0,89 102556 4,22 44,92 40,34 14,74 0,86 109944 4,03 50,17 36,07 13,76

Mediana 0,91 104444 4,15 46,48 36,38 15,11 0,88 105556 3,55 51,51 35,66 13,45

Ɵ 0,06 27589 1 9,04 12,57 7,39 0,09 22779 1,87 8,36 9,02 6,47

CV 7,19 26,9 23,68 20,13 31,17 50,16 10,32 20,72 46,9 16,67 25,02 47

RJ 0,98 N 0,99 N 0,99 N 0,98 N 0,97 N 0,99 N 0,98N 0,98 N 0,98 N 0,98 N 0,98 N 0,99 N

Ɵ – desvio padrão; CV (%) – coeficiente de variação; RJ – valor do teste de normalidade de Ryan-Joiner; p-Valor – valor da distribuição de probabilidade (p>0,05); N – distribuição normal de probabilidade; A – distribuição não normal de probabilidade. 173

Na figura 1A (paralelismo da semeadura) o preparo convencional apresentou processo estável, ou seja, todos os pontos avaliados permaneceram no intervalo entre os limites superior e inferior de controle. Já o preparo conservacionista apesar de apresentar menor variabilidade do processo sob a óptica do controle estatístico proporcionou instabilidade na operação devido ocorrência de pontos fora dos limites superior e inferior de controle. Esses pontos podem não representar o correto comportamento do conjunto trator-semeadora, porém, ocorreu no processo e deve ser investigado, os pontos fora de controle no alinhamento do trator podem ser atribuídos ao método usado para a avaliação deste indicador de qualidade, uma vez que a metodologia utilizada se baseia na marcação dos rodados do trator no solo (VOLTARELLI et al., 2013). A adoção de piloto automático se torna importante, pois além da possibilidade de diminuir o erro de paralelismo na semeadura mantendo o espaçamento entre linhas adequado, pode consequentemente, diminuir as perdas na colheita mecanizada, devido ao correto alinhamento das facas de corte com as linhas da cultura no momento do arranquio, perdas que representam um grande problema nessa cultura, devido aos altos valores encontrados (ZERBATO et al., 2015). Para os indicadores de qualidade população de plantas e porcentagem de espaçamentos normais os dois preparos mantiveram o processo estável, de acordo com o controle estatístico (Figura 1B e 1D), indicando que a variabilidade existente para esta variável pode ser atribuída apenas a causas comuns do processo de semeadura. Apesar da alta variabilidade encontrada nos dois preparos avaliados, o conservacionista apresentou as maiores médias para estes indicadores, o que pode estar relacionado com a manutenção da cobertura do solo que proporciona umidade adequada para a germinação e desenvolvimento da cultura. Entre as operações mecanizadas, o preparo do solo quando realizado de forma adequada proporciona melhores condições para uma semeadura com qualidade o que é importante para garantir uma população adequada de plantas e, consequentemente, o sucesso da implantação da cultura e a produtividade adequada. No Brasil, não há consentimento entre os produtores cuja densidade de semeadura usar, a maioria semeia muitas sementes (25 sementes m-1), principalmente relacionadas à qualidade fisiológica das sementes. A quantidade de sementes depende do tamanho da semente, porcentagem de germinação, espaçamento e densidade de semeadura utilizados (ZERBATO et al., 2015). O preparo conservacionista demonstrou variação dos dados mais próximos a média, para os indicadores de porcentagens de espaçamentos falhos e duplos (Figura 1E e 1F), com processo sob controle, ou seja, estável, todos os pontos coletados se encontraram entre os limites superior e inferior de controle. Apesar de apresentar estabilidade no processo para os espaçamentos duplos e falhos o preparo convencional apresentou maiores médias para esses parâmetros, os mesmos causam prejuízos ao produtor pela desuniformidade da semeadura, os duplos causam uma maior competição entre plantas da própria espécie. Já os falhos propiciam menor altura de plantas com maior diâmetro caule e produção individual, favorecendo o desenvolvimento e competição com plantas daninhas (TOURINO et al., 2002). Preparo convencional

Preparo conservacionista

Preparo convencional

220000

1,2

Preparo conservacionista

Paralelismo (cm)

_ X

0,8 LIC 1

0,6

0,4

0,2

População de plantas (Plantas ha-¹)

LSC

1,0

LSC

180000

140000 _ X 100000

60000 LIC 20000

0,0 1

40 1

Observações

40 1

Observações

B 174

Preparo covencional

Preparo conservacionista

Preparo convencional

100

Preparo conservacionista

80 LSC

6 _ X

Espaçamento normal (% )

Profundidade de semeadura (cm)

LSC 60 _ X 40 LIC 20

LIC 0 1

40 1

Observações

C Preparo conservacionista

Preparo convencional

100

Preparo conservacionista

LSC

_ X

Espaçamento duplo (% )

80 Espaçamento falho (% )

Preparo convencional

100

Observações

40 LSC 20

_ X

LIC 0

0 1

401

Observações

LIC 1

40 1

Observações

Figura 2. Cartas de controle para os parâmetros de semeadura: Paralelismo (A), População de plantas (B), Profundidade de sementes (C), Porcentagem de espaçamentos normais (D), Porcentagem de espaçamentos falhos (E), Porcentagem de espaçamentos duplos (F). LSC: limite superior de controle. LIC: Limite inferior de controle. X̅ : média aritmética. O preparo convencional obteve melhor qualidade para a profundidade de semeadura (Figura 1C), o processo se manteve estável e com menor variabilidade em relação ao preparo conservacionista no qual foi detectado um ponto fora do limite superior de controle, tornando o processo instável. Tal situação pode ser explicada em função da massa vegetal sobre o solo no preparo conservacionista, ocasionando o deslizamento do conjunto trator-semeadora. Além da maior facilidade encontrada pelo mecanismo sulcador da semeadora no solo com preparo convencional. No preparo conservacionista, entre os pontos 22 e 40, a alta variabilidade podem estar associadas à topografia da área e experiência do operador. A profundidade de semeadura variou em torno de 4 cm nos dois preparos analisados, esse fato demonstra que que a semeadura foi realizada de maneira homogênea, inclusive em função da velocidade de deslocamento e os ajustes de regulagens do conjunto trator-semeadora e que o solo foi preparado de forma igual na área de cultivo. Com esse preparo conservacionista as faixas de solo revolvidas podem variar de estreitas (<20 cm) até a metade da largura da linha (45cm), isso ocorre devido e configuração de implementos. Como resultado, a lavoura em faixas é adequada para a região manter resíduo de superfície protetora nas faixas de solo não perturbadas enquanto realiza uma operação de lavoura profunda (35 a 40 cm de profundidade) abaixo de onde a linha de corte estará localizada (BALKCOM et al., 2010). Entre os principais problemas que dificultam a produção do amendoim, a colheita é o momento de extrema importância pela ocorrência de altos níveis de perdas. A colheita é composta por duas etapas arranquio do produto e recolhimento. Foi realizada a inspeção da influência do preparo de solo nas suas duas etapas.

175

No arranquio as vagens foram removidas do solo pelo conjunto mecanizado arrancador/invertedor KBM 4x2 (4 linhas e 2 leiras) tracionado pelo mesmo trator que realizou os preparos do solo, esse equipamento tem a função de arrancar e inverter as plantas formando leiras, de forma que as vagens ficam expostas ao sol para a fase de cura e posterior recolhimento, o tracionamento da recolhedora de amendoim KBM 3384 BR – 4 linhas foi com um trator modelo 7390 da marca Massey Ferguson com 190cv (Figura 3).

Figura 3. Conjuntos mecanizados trator-arrancador-invertedor (A) e trator-recolhedora de amendoim (C). O arranquio foi realizado aos 120 dias após a semeadura, com umidade do solo em torno de 25% e 20% e as vagens apresentaram maturação entre 70 e 75% para o sistema convencional e conservacionista respectivamente. Para esta etapa avaliou-se como indicadores de qualidade do processo as perdas visíveis (PVA), invisíveis (PIA) e totais do arranquio (PTA) que correspondem à soma das perdas visíveis e invisíveis. A coleta das perdas no arranquio foi com a armação metálica de aproximadamente 2 m2 (3,9 x 0,5 m) posicionada transversalmente à leira, coletando-se as perdas visíveis sobre o solo, as perdas invisíveis localizadas até à profundidade de 0,15 m. A definição do comprimento da armação corresponde a largura de trabalho do arrancador-invertedor. Após a coleta das vagens, estas foram acondicionadas em sacos de papel, pesadas, identificadas e encaminhadas para estufa a 105 ºC por 24h, até atingirem massa constante (BRASIL, 2009). Em seguida determinou-se o peso seco das vagens, obtendo-se os valores das perdas que foram extrapolados para kg ha-1, com posterior correção para 8% de teor de água. Após o tempo de cura (três dias após o arranquio) foi realizado o recolhimento do amendoim, no qual as vagens se encontravam com 19% de teor de água. Coletou-se 20 pontos amostrais para cada preparo de solo. As perdas foram avaliadas após a passagem do conjunto mecanizado, sendo coletado todas as vagens dentro da armação. Os indicadores de qualidade avaliados nessa etapa foram a distância entre as leiras, as dimensões da leira (altura e largura) e as perdas totais com armação de 2 m2 (1,80 x 1,11 m) posicionada no solo após a passagem da recolhedora. Os indicadores de qualidade de arranquio (PVA, PIA e PTA) e também os de recolhimento, altura da leira, comprimento da leira e perdas no recolhimento alcançaram altos valores de desvios padrão e coeficiente de variação, independente do preparo de solo adotado, indicando assim falta uniformidade nas perdas, porém, demonstraram comportamento simétrico dos dados, pelo teste de normalidade (Tabela 2). Diferente do indicador de qualidade distância entre as leiras que apontaram baixo CV, fato esse explicado pela utilização e funcionamento adequado do piloto automático.

176

Tabela 2. Estatística descritiva para os indicadores de colheita influenciados pelo preparo de solo.

Preparo Convencional

Preparo Conservacionista

Parâmetros PVA (kg ha-1) PIA (kg ha-1) PTA (kg ha-1) Dist. Leiras (m) Alt. Leira (m) Larg. Leira (m) PR PVA (kg ha-1) PIA (kg ha-1) PTA (kg ha-1) Dist. Leiras (m) Alt. Leira (m) Larg. Leira (m) PR

Média 91,86 131,2 223,1 3,6 0,17 0,95 90,8 110,04 100 210 3,72 0,16 0,87 97,85

Mediana 82,5 103,3 193,7 3,59 0,16 0,98 84,5 113,02 89,67 204,2 3,73 0,15 0,86 95,5

Ɵ 26,47 73 84,5 0,24 0,04 0,14 23,05 41,03 29,26 49,5 0,12 0,03 0,11 22,95

CV 28,82 55,62 37,87 6,67 23,46 14,82 25,38 37,29 28,2 23,58 3,14 21,49 12,82 23,46

RJ 0,65 N 0,60N 0,81 N 0,55 N 0,60 N 0,88 N 0,50 N 0,60 N 0,60 N 0,62 N 0,42 N 0,40 N 0,55 N 0,42 N

Tanto a PVA, quanto a PIA e a PTA (Figuras 2 A, B e C respectivamente), demonstraram processo estável. Para a PVA o preparo convencional apresentou melhor qualidade do processo, devido a menor variabilidade dos pontos amostrados. Percebe-se que no preparo conservacionista a amostra número 10 apresentou maior perda, devido a presença de buracos no solo o que pode ter causado um desempenho irregular do arrancador e dessa forma elevado a variabilidade para este indicador de qualidade. As perdas processo de arranquio mecanizado são de difícil controle, pois a cultura apresenta variação dos estágios de maturação, por isso o controle de outros fatores que podem diminuir essas perdas se torna muito importante. Já para as PIA e PTA o conservacionista apresentou menor variabilidade, ou seja, os pontos se concentraram próximos a média. Nota-se que as amostras de 1 a 7 no preparo convencional apresentaram valores de perdas muito acima da média, elevando a variabilidade do processo, isso pode ter ocorrido devido a topografia do terreno no começo da área experimental, o que pode ter feito com que o arrancador não estivesse trabalhando na profundidade adequada, acarretando maior quantidade de grãos sem terem sido arrancados. As perdas no arranquio de amendoim são extremamente influenciadas pelas características climáticas e morfológicas do solo, o destaque para o preparo conservacionista se deve a homogeneidade na presença dos grãos, uma vez os grãos se concentraram apenas na faixa de solo revolvida pelo implemento (Rip Strip). Porém, maior facilidade de penetração do arrancador, pelo fato do solo ter sido bem desagregado para posterior semeadura, encontrada no preparo convencional, pode ter sido um dos fatores que acarretaram a maior produtividade para esse preparo, assim, como também as menores médias de perdas também podem ser explicadas por esse fato, um melhor desenvolvimento e distribuição das vagens no solo. O alto teor de água nas vagens quando se trata do recolhimento e no solo durante o arranquio (cerca de 30 e 35% para o conservacionista e convencional, respectivamente) também influencia diretamente a colheita. Portanto, é importante afirmar que a escavação com maior teor de água no solo pode reduzir as perdas, mas, por outro lado, pode prejudicar o desempenho da operação da máquina (ZERBATO et al., 2014).

177

Preparo convencional

600

Preparo conservacionista

500

400

300 LSC 200

Perdas invisíveis (kg ha-¹)

500 Perdas visíveis (kg ha-¹)

Preparo convencional

600

_ X

100

400

300

200

20 1 Observações

_ X LIC

LIC 1

LSC

100

20 1 Observações

B Preparo convencional

600

Preparo conservacionista

Perdas totais (kg ha-¹)

500

400 LSC 300 _ X

200

100 LIC 0 1

20 1 Observações

C Figura 4. Cartas de controle para os parâmetros de perdas na colheita: Perdas visíveis (A), Perdas invisíveis (B), Perdas totais (C). LSC: limite superior de controle. LIC: Limite inferior de controle. X̅ : média aritmética. Para os indicadores de qualidade de recolhimento, o preparo convencional do solo proporcionou as menores variabilidades, assim como também os menores valores de perdas, o que pode ser explicado pela uniformidade nos parâmetros distância entre leiras, altura e largura de leiras. A redução da variabilidade nesse caso, é influenciada pela qualidade da operação do arranquio, que proporciona leiras de melhor qualidade e mais uniformes. O indicador altura de leira apresentou instabilidade no processo, com um ponto fora dos limites de controle no preparo convencional, explicado pelo fato do ponto ter sido coletado no final da passada do conjunto trator-arrancador, onde o operador já estava diminuindo a velocidade para fazer a manobra para entrar na próxima linha. Para a largura e distância entre as leiras ocorreram pontos fora de controle no preparo conservacionista, devido às características do terreno, o que dificultou o fechamento das leiras, assim como também falhas na germinação, acarretaram na presença de plantas invasoras e essa alta massa vegetal presente no momento do arranquio diminuiu a qualidade do processo. A variabilidade dos parâmetros das dimensões da leira (distância, largura e altura), e as perdas durante o recolhimento podem estar ligados às variações de velocidade durante o arranquio, declividade na área amostrada e do fluxo de matéria vegetal no arranquio em cada um dos preparos adotados.

178

Preparo Convencional

4,5

Preparo Conservacionista

0,25

_ X

3,5

LIC

3,0

2,5 2,0

0,20 _ X

0,15 0,10

LIC

0,05

1,5 1,0

Preparo Conservacionista LSC

LSC

Altura da leira (m)

Distância entre leira (m)

4,0

Preparo Convencional

0,30

20 1

0,00

Observações

A Preparo Convencional

1,50

B Preparo Conservacionista

Preparo Convencional

200

Preparo Conservacionista

LSC

1,00

_ X

0,75 LIC 0,50

0,25

Perdas no recolhimento (kg ha-1)

LSC

1,25

Largura da leira (m)

20 1

Observações

150

_ X

100

50 LIC

0,00

20 1

Observações

20 1

Observações

Figura 5. Cartas de controle para segunda etapa da colheita: Distância entre as leiras (A), Altura da leira (B), Comprimento da leira (C), Perdas recolhimento (D). LSC: limite superior de controle. LIC: Limite inferior de controle. X̅ : média aritmética. As perdas no recolhimento demonstraram estabilidade no processo independente do preparo de solo adotado, com maior média de perdas para o conservacionista, pois, a redução no teor de água das vagens (período de cura), pode demorar mais, uma vez que a existência de uma maior cobertura vegetal proporcionada nesse tipo de preparo, acumula maior teor de água, o que dificulta o destacamento das vagens das ramas no momento do recolhimento (CAVICHIOLI et al., 2014). Deve-se destacar a utilização de ferramentas de análise e controle das operações agrícolas e dessa forma demonstrar a importância da determinação das perdas nas duas fases da colheita do amendoim (arranquio e recolhimento), de forma a aprimorar e desenvolver equipamentos que melhorem a eficiência da colheita (CAMARA et al., 2006).

Considerações Finais O CEP demonstrou ser uma ferramenta muito interessante no detalhamento dos erros ocorridos durante a realização das operações agrícolas, indicando quais pontos devem ser corrigidos para alcançar cada vez mais melhores produtividades. O preparo conservacionista demonstra ser uma opção muito eficiente uma vez que realiza menos operações de revolvimento do solo, contribuindo para a manutenção ou melhoria da qualidade do solo, e já no primeiro ano de cultivo para a cultura do amendoim apresentou parâmetros melhores em relação ao preparo convencional.

179

Independente do preparo de solo adotado, fica evidente que muitos erros ocorridos durante as operações agrícolas dependem da percepção do operador em realizar os ajustes, de acordo com as condições encontradas.

Referências ACOCK AC. (2008) Descriptive statistics and graphs for one variable. In: A gentle introduction to stata. Tucson: Stata Corporation Texas, p. 83-107. BALKCOM KS, ARRIAGA FJ, BALKCOM KB, BOYKIN DL (2010). Single- and twin-row peanut production within narrow and wide strip tillage systems. Agronomy Journal 102:507–512. doi:10.2134/agronj2009.0334 BRASIL (2009) Ministério da Agricultura, Pecuária e Abastecimento. Regras para Análise de Sementes. Secretaria de Defesa Agropecuária. Brasília, DF: Mapa/ACS. 399p. CAVICHIOLI FA, ZERBATO C, BERTONHA RS, & DA SILVA RP (2014) Peanut quantitative losses during periods of the day in mechanized harvesting systems. Scientific, 42:211-215, CONAB - Companhia Nacional de Abastecimento . Acompanhamento da safra brasileira de grãos 2019/20. Brasília: CONAB, 2020. 114p. Disponível em https://www.conab.gov.br/info-agro/safras. Boletim de grãos-fevereiro de 2020 (acessado em março 2020). KURACHI SAH, COSTA JAS, BERNARDI JÁ, COELHO JLO, SILVEIRA GM (1989) Avaliação tecnológica de semeadoras e/ou adubadoras: tratamento de dados de ensaios e regularidade de distribuição longitudinal de sementes. Bragantia. 48(2):249-262. MONTGOMERY DC (2009) Control charts for variables. In: Montgomery DC. Introduction to statistical quality control. Arizona: Wiley, v6, p226-268. TOURINO MCC, REZENDE PM, SALVADOR N (2002) Espaçamento, densidade e uniformidade de semeadura na produtividade e características agronômicas da soja. Pesquisa Agropecuária Brasileira 37(8):1071-1077. USDA - United States Department Of Agriculture (2020) Peanut Area, Yield, and Production. Disponível em: http://apps.fas.usda.gov/psdonline/circulars/production.pdf. Acesso em: junho 2020. WILLIAMS EJ, DREXLER JS (1981) A non-destructive method for determining peanut pod maturity. Peanut Science 8(2):134-141. VOLTARELLI MA, SILVA RP, ROSALEN DL, ZERBATO C, CASSIA MT (2013) Quality of performance of the operation of sugarcane mechanized planting in day and night shifts. Australian Journal of Crop Science 7(9):1396-1406. ZERBATO C, FURLANI CE, ALMEIDA RF, VOLTARELLI MA, SILVA VF (2015) Quality of peanut mechanical sowing in function of seeding density and size of the seeds. Engenharia Agrícola 35(4):711-720. ZERBATO C, SILVA VF, TORRES LS, SILVA RPD, FURLANI CEA (2014) Peanut mechanized digging regarding to plant population and soil water level. Revista Brasileira de Engenharia Agrícola e Ambiental 18(4):459-465.

180

CONTROLE ESTATÍSTICO DE PROCESSOS APLICADOS A SEMEADORAS Rafaela Paula Melo Rodrigo Leme de Paulo Daniel Albiero

1 Introdução Neste capítulo abordaremos o tema Controle Estatístico de Processos (CEP) aplicados em Semeadoras. Por ser uma área de pesquisa muito ampla, que possui diversas publicações e estudos, intentaremos apresentar este assunto em termos claros e objetivos, dentro de um recorte específico, com enfoque na literatura básica e aplicações concretas. Ao se pesquisar as palavras-chave conjugadas ‘controle estatístico de processos’ e ‘semeadoras’ foram encontrados 30 mil documentos no Google; e se forem utilizados os termos “statistical control process” e “seeders”, temos 662 mil documentos (desconsiderando a qualidade desse material). Neste mesmo finder, portanto, obviamente, é impossível abarcar tudo o que está sendo gerado e construído no mundo sobre controle estatístico de processos aplicados à semeadura. Assim a tentativa aqui será em fornecer ao leitor os fundamentos e, principalmente, uma visão real das enormes potencialidades em se usar estas ferramentas (CEP) no contexto de máquinas que semeiam.

2 Aplicações de CEP em Semeadoras A semeadora é um dos equipamentos agrícolas mais utilizados na agricultura, possuindo papel de destaque no sistema de produção agrícola, o sucesso no estabelecimento de uma cultura depende da mesma. Durante o processo produtivo existem vários fatores que podem interferir no desempenho das operações agrícolas, principalmente no processo de semeadura onde falhas afetam o plantio, como: velocidade, mecanismo dosador, mão de obra, mecanismo de distribuição, patinagem da roda de acionamento, profundidade de deposição de sementes e adubos, tubo condutor de sementes. Portanto, a operação requer a tomada de certos cuidados como a manutenção, conservação do implemento, regulagem correta para que a semeadora possa realizar o estabelecimento rápido e uniforme da cultura (COPETTI, 2004). Desta forma, para que a densidade de plantas desejada seja obtida é necessário minimizar as causas que acabam comprometendo o estabelecimento da cultura, no entanto é complicado eliminar todos os elementos que podem influenciar na implantação do estande final. Sendo assim, a cada dia, ferramentas estatísticas veem sendo implementadas nas operações agrícolas a fim de diminuir ou eliminar as falhas ocorridas durante as operações no campo. Para que uma semeadora apresente bom desempenho é importante que ela realize a distribuição longitudinal de forma eficiente, no entanto é comum a ocorrência de falhas na deposição de sementes, o que acaba comprometendo o estabelecimento nas áreas cultivadas e contribuindo para o decréscimo da produtividade. A qualidade de semeadura é um fator que está totalmente associado com a produtividade, essa operação agrícola deve ser realizada com bastante precisão e com controle de qualidade adequado, sendo necessário que ela tenha um apurado controle do espaçamento entre sementes, dentro das fileiras e profundidade de semeadura correta (CARPES et al., 2018). O controle de qualidade nas operações agrícolas permite que haja o aumento da produtividade e redução dos custos por meio de ações que melhorem a eficácia da produção. Esse sistema está sendo muito utilizado na agricultura, com o intuito de trazer vantagens para os processos produtivos por meio do uso eficiente de ferramentas que possibilitam o total controle do processo que estar sendo realizado em campo. O setor industrial há tempos utiliza ferramentas que visam melhorar a qualidade operacional, na agricultura não é diferente, pois busca-se realizar o monitoramento das operações de campo a fim de obter o controle de qualidade nas diferentes etapas do processo de produção agrícola (PECHE FILHO, 2007). 181

O controle de qualidade pode ser aplicado no setor agrícola, uma vez que as operações são dependentes uma das outras, ou seja, caso uma operação não seja realizada de forma eficiente, outra operação é diretamente afetada, como por exemplo: uma semeadura realizada de forma incorreta, sem atender ao espaçamento entre sementes e linhas, comprometeria a colheita mecanizada e assim sucessivamente. Portanto, é importante o uso de sistemas de controle para monitorar a produção, sempre priorizando a qualidade da operação, para facilitar a tomada de decisão por meio de dados que apresentem o processo da operação realizada (CAMPOS et al., 2008). O controle de qualidade vem sendo aplicado na agricultura por meio do Controle Estatístico do Processo (CEP), que é uma ferramenta estatística utilizada na produção a fim de reduzir a variabilidade nas características de interesse, permitindo que ocorra a melhoria da qualidade do processo, da produtividade, da confiabilidade e do custo do que está sendo produzido (RIBEIRO & CATEN, 2011). O CEP é bastante utilizado em processos repetitivos, como a semeadura, sendo um importante recurso para identificar, monitorar e analisar falhas, além de facilitar na tomada de decisões (VOLTARELLI et al., 2015). Esta ferramenta estatística auxilia no controle de qualidade dos processos agrícolas por meio da detecção das variações que ocorrem durante a operação e para se fazer o uso correto do CEP, é necessário estabelecer os parâmetros que serão analisados e monitorados para confrontá-los com o valor padrão especificado permitindo a eliminação de falhas que comprometem a produtividade (SILVA et al., 2013). Conforme a ABNT (1994) as semeadoras são classificadas como semeadoras de fluxo contínuo, que têm por função distribuir as sementes em linha, continuamente em deposição no solo; e semeadoras de precisão, que distribuem a semente no sulco, uma a uma, em linhas e em intervalos regulares, conforme a densidade de semeadura determinada. Existem vários tipos de semeadoras de precisão no mercado, com diferentes mecanismos dosadores, sendo os mais utilizados são os dosadores do tipo mecânico e pneumático. Segundo COELHO (1996) o desempenho da semeadora com mecanismo dosador de disco perfurados horizontal apresenta-se em torno de 60%; já MIALHE (1996), afirma que as semeadoras pneumáticas chegam a ter precisão de 90% durante o processo de deposição de sementes no solo. Essa classificação é importante para verificar o desempenho do processo de semeadura, mas, apesar de vários autores estimarem o desempenho das semeadoras em campo, é importante destacar que é muito difícil obter esses valores com frequência, por conta da variabilidade que ocorre durante a semeadura, uma vez que vários fatores interferem no processo, como matéria prima, condições meteorológicas, solo, sistema mecanizado, mão de obra, etc. (ALBIERO et al., 2012). Para o uso do CEP é necessário definir os indicadores de qualidade que serão analisados para minimizar a variabilidade do processo, apesar de não existir processo sem variabilidade, principalmente na agricultura, portanto é imprescindível manter o processo dentro dos limites especificados para que ele tenha um padrão de estabilidade (TOLEDO et al., 2008). Em toda operação realizada com a semeadora é possível determinar as características de desempenho durante a operação por meio da avaliação dos indicadores de qualidade, o que permite a observação dos efeitos e facilita a determinação da qualidade final da produção (PECHE FILHO, 2007). O autor determina a eficiência de corte da palhada pelo disco de corte; a regularidade na dosagem do fertilizante e da semente; o posicionamento do fertilizante e da semente; a regularidade na cobertura e compactação do sulco em volta da semente como importantes indicadores de qualidade do processo de semeadura. Esses indicadores são utilizados para verificar se a semeadora realizou a operação com eficiência. Como parâmetro de avaliação, pode-se observar se o disco de corte realizou o corte da palhada de acordo com a regulagem que foi determinada, caso contrário poderá ocorrer o encestamento das sementes e acúmulo de material nos discos sulcadores. Já para avaliar a qualidade de distribuição longitudinal das sementes deve-se fazer um levantamento dos dados para aferir se as mesmas encontram-se dentro dos limites estabelecidos, além de avaliar se a profundidade de semeadura foi adequada para garantir a germinação, o números de dias para a emergência, a população de plantas e a produtividade. Com relação a qualidade de deposição de fertilizante, pode-se verificar a regularidade de dosagem e a posição relativa ideal entre semente e fertilizante, que deve ficar em torno de 5 cm ao lado e 5 cm 182

abaixo da semente, conforme as recomendações de BALASTREIRE (1990). Levantar os dados da patinagem da roda de acionamento também é importante, pois a patinagem faz com que ocorram falhas durante a distribuição da semente e do fertilizante. O desempenho do disco cobridor e da roda compactadora também são indicadores que merecem atenção, e podem ser a avaliados pela presença de sulcos descobertos ou sementes expostas na área de cultivo (PECHE FILHO, 2007). Portanto, os indicadores de qualidade são fundamentais para verificar se a semeadora apresentou a distribuição dentro dos valores especificados, ou seja, se houve estabilidade durante a operação. O uso desses parâmetros facilita na tomada de decisões com base em fatos e dados reais que permitem ao sistema produtivo a obtenção de melhores resultados (GARENGO et al., 2007). Sendo assim, o CEP pode ser utilizado para analisar esses indicadores de qualidade, apontando se os valores obtidos após o processo de semeadura atendem aos requisitos técnicos estabelecidos. De acordo com MONTGOMERY (2004), o CEP possui sete ferramentas que podem ser empregadas para a avaliação do processo. Dentre essas, o histograma, o gráfico de controle e o estudo da capacidade do processo são amplamente utilizados para melhorar a qualidade de semeadura. É possível aplicar o histograma na gestão da qualidade de forma simples e eficiente, por meio da compreensão do desempenho do indicador de qualidade de um processo, além de verificar se os dados apresentam distribuição normal para que o CEP possa ser empregado. Seu uso é adequado para avaliar se os limites estabelecidos foram atendidos e indicar a necessidade de uma tomada de decisão caso o processo esteja fora de controle (ANTUNES & ENGEL,1999; PALADINI, 2000). MELO (2013), avaliando a qualidade na distribuição longitudinal de sementes por semeadoras de precisão pneumática e trabalhando na velocidade de 4 km h-1, utilizou o histograma (Figura 1) para verificar a distribuição dos dados. O autor concluiu que as amostras avaliadas apresentaram distribuição normal, mostrando que processo atendeu aos limites técnicos especificados para o processo de semeadura da cultura do milho, embora a semeadora tenha apresentado a tendência de depositar menos sementes por metro, provenientes de causas comuns de variações. Desta forma, por meio da avaliação do histograma, melhorias poderiam ser realizadas para eliminar essas falhas durante o plantio. O conhecimento destas informações possibilita o melhor planejamento estratégico a fim de auxiliar futuras decisões baseadas na realidade constatada em campo.

Figura 11. Histograma dos espaçamentos entre sementes da semeadora de precisão pneumática na velocidade de 4 km h-1. Fonte: MELO (2013). O gráfico de controle é outra ferramenta bastante utilizada para reduzir a variabilidade do processo e aumentar o desempenho da semeadora-adubadora por meio da elevação do nível de qualidade na deposição de sementes e fertilizantes (SILVA et al., 2013). Através dele é possível medir uma 183

característica de qualidade que foi medida ou calculada a partir de uma amostragem pelo número da amostra ou tempo (MONTGOMERY, 2004). As cartas de controle permitem o estabelecimento de uma meta a ser seguida por meio da investigação, análise dos defeitos, identificação das causas e dos efeitos, sendo possível realizar uma ação corretiva para eliminar as causas que contribuíram para que o padrão determinado não fosse atendido (BENAKOUCHE & SANTAMARIA, 1997). Por exemplo, se uma semeadora de precisão mecânica fosse regulada para obter espaçamento de 140 mm entre sementes, considerando a metodologia de KURACHI et al., (1989) para classificação dos espaçamentos, seria possível realizar a classificação dos mesmos em duplo, aceitáveis e falhos, uma meta seria estabelecida e os espaçamentos considerados aceitáveis estariam na faixa de 70 a 210 mm. O levantamento desses dados possibilitaria a construção de um gráfico, apresentando a variabilidade que ocorreu durante a semeadura, e seria possível verificar se o processo encontra-se sob controle estatístico. Portanto, o gráfico de controle permite a avaliação de diferentes indicadores de qualidade do processo de semeadura, o que viabiliza a análise e a determinação de medidas para que o processo atinja a meta estabelecida. CAVALCANTE et al., (2020) utilizaram um gráfico de controle para avaliar a distribuição longitudinal de sementes de uma semeadora de precisão pneumática, trabalhando nas velocidades de 5 e 8 km h-1 em um Argissolo Vermelho-amarelo. Os autores concluíram que o gráfico de controle, além de ter apresentado estabilidade no processo, se mostrou uma ferramenta eficiente para avaliar a distribuição longitudinal de sementes, pois as duas velocidades avaliadas apresentaram pouca variabilidade, mostrando uniformidade de distribuição. No estudo das cartas de controle, quando os dados avaliados encontram-se dentro do Limite Superior de Controle (LSC) e do Limite Inferior de Controle (LIC), considera-se que o processo é estável e está sobre controle estatístico, pois a variabilidade encontra-se em uma faixa estável denominada faixa característica de processo. Porém, se as amostras avaliadas ultrapassarem os limites estabelecidos o processo será considerado instável, ou seja, fora do controle estatístico do processo. O gráfico de controle vem sendo bastante utilizado na agricultura pela capacidade de realizar o monitoramento de determinados processos, análise dos resultados para posterior tomada de decisão sobre atividades relacionadas às operações agrícolas mecanizadas (VOLTARELLI et al., 2015). Para avaliar a variabilidade das características de qualidade por meio do gráfico de controle é necessário que os dados apresentem distribuição normal, para atender as especificações e exigências de qualidade, sendo assim quando os dados não apresentam normalidade eles são considerados ineficientes (MONTGOMERY, 2004). Exceção a esta regra são os gráficos de controle de média de médias, onde neste caso, não há necessidade de estudo da normalidade, pois a quantidade de amostras é tão grande que a premissa de normalidade é presumida como verdadeira (MONTGOMERY, 2004). No entanto deve-se observar que, em geral, a amostragem em experimentos de semeadura com semeadoras é feita em uma linha de semeadura, e quase sempre cada amostra é considerada individualmente no gráfico de controle, tanto para atributos como para variáveis. Desta feita, a presunção de normalidade como premissa nunca é uma hipótese real e em geral pouco verdadeira. No setor industrial há um apurado controle das condições que interferem no processo, onde índices de falhas acima de 0,26% são considerados inaceitáveis (TONINI, 2006). Já na semeadura, índices de falha abaixo de 10% são considerados ótimos, uma vez que no campo é difícil controlar todos os fatores que interferem na implantação do plantio por semeadoras devido à grande variabilidade (ALBIERO, 2010). Desta forma, no uso do gráfico de controle para avaliação de semeadoras, quando há instabilidade no processo, existem metodologias que podem ser empregadas para que o mesmo seja considerado estável por meio do tratamento dos dados. BARROS (2008) afirma que se apenas 5% das amostras estiverem fora do limite inferior e superior o processo será considerado estável, pois como foi dito anteriormente índices de falhas abaixo de 10% são considerados ótimos na agricultura. Portanto, se 95% das amostras permanecerem dentro dos limites especificados o processo apresentará estabilidade. Esse método é interessante pois não 184

mascara os dados, já que ao se considerar processos com índices de precisão em torno de 90% a retirada de apenas 5% dos dados não influi significativamente na amostragem. Vários autores como ALBIERO (2010), ALBIERO et al., (2012); MELO et al., (2013); MELO et al., (2019) e CAVALCANTE et al., (2020) utilizaram essa metodologia para avaliar a qualidade de distribuição de sementes. Após ser atestado que o processo está sob controle estatístico (estável), é possível estudar sua capacidade. A análise da capacidade efetiva é utilizada para verificar se a média e a variabilidade apresentada no processo estão de acordo com o alvo e os limites especificados (MIRANDA, 2005). Para avaliar a capacidade do processo é necessário que os seguintes parâmetros sejam respeitados: os dados devem apresentar normalidade, o processo deverá estar sob controle e a média do processo deverá estar centrada entre os limites de especificações. Em seguida, depois de constatado que o processo está sob controle estatístico, o índice da capacidade potencial (Cp) e capacidade efetiva do processo (Cpk) podem ser calculados. O Cp avalia a capacidade potencial do processo, que poderia ser atingida se o processo estivesse centrado. Já o Cpk avalia a capacidade efetiva do processo, verificando se o processo está estável ou não (RIBEIRO & CATEN, 2011). O processo será considerado centrado quando o Cp = Cpk, porém quando o Cp ≠ Cpk o processo é considerado descentrado, através destes índices é possível saber se a média do processo está fora do centro dos limites especificados (MONTGOMERY, 2004). Para verificar se o processo de semeadura foi capaz de atender as especificações determinadas pode ser utilizada a classificação do processo pelo índice da Cpk e Cp (Tabela 1) conforme as recomendações de CAMPOS (2007). Tabela 1. Classificação do processo pelo índice Cpk e Cp. Valores Cpk e Cpc ≥ 1,33 1 e 1,32 <1 Fonte: CAMPO (2007).

Classificação do processo Cpk Cp Capaz Adequado Parcialmente capaz Parcialmente adequado Incapaz Inadequado

A taxa de ocorrência de falhas do processo de semeadura pode ser classificada por meio da Tabela 2, que apresenta a descrição da qualificação de ocorrência, a taxa de falhas e seu valor correspondente de acordo com o índice de Cpk. Tabela 2. Critério de análise para determinar a ocorrência de falhas no processo. Ocorrência Muito alta: falha é quase inevitável

Alta: falhas repetitivas

Moderada: falhas ocasionais

Baixa: relativamente poucas falhas Remota: falhas são raras

Taxa de falhas possíveis

Cpk

1em 2

<0,33

1 em 3

0,33

1 em 8

0,51

1 em 20

0,67

1 em 80

0,83

1 em 400

1,00

1 em 2.000

1,17

1 em 15.000

1,33

1 em 150.000

1,50

≤1 em 1.500.000

1,67

Fonte: ELSMAR (2009).

185

O uso dessa metodologia para determinar a ocorrência de falhas no processo é muito interessante, pois a mesma pode ser utilizada para apresentar o número de falhas que ocorreram durante deposição das sementes por meio do índice Cpk, além de classificá-las quanto a ocorrência, desde falhas quase inevitáveis à falhas raras. Assim, o gestor consegue visualizar com lucidez o número de falhas que ocorreram, permitindo a tomada de decisão baseada em dados concretos. Diante do exposto, a implantação do controle de qualidade na agricultura já é uma realidade, várias ferramentas podem ser utilizadas para verificar a variabilidade do processo e capacidade do mesmo de atender as especificações técnicas estabelecidas. Na agricultura, como foi citado ao longo do texto, existe muita variabilidade sendo complicado eliminar todos os fatores que interferem na distribuição de sementes por semeadoras de precisão, por isso a utilização de métodos como os de CAMPOS (2007), BARROS (2008) e ELSMAR (2009) facilitam a implantação dessas ferramentas no setor agrícola. É preciso compreender todas as causas que podem ocasionar variabilidade durante a operação para que o CEP possa ser aplicado a fim de buscar melhores resultados na implantação da cultura, desta forma o controle de qualidade permitirá que ações sejam realizadas para eliminar as causas comuns ou especiais que podem comprometer a operação. De forma geral um roteiro bem-sucedido para o uso do CEP em semeadoras é apresentado por ALBIERO (2010) que define que inicialmente devem ser avaliadas a normalidade da distribuição dos dados das variáveis estudadas. Se normais, então devem ser construídos os gráficos de controle das variáveis e após a averiguação de estabilidade do comportamento destas variáveis em função dos limites de controle, então devem ser calculados os valores dos índices de capacidade Cp, Cpk. Quando os dados não possuem padrão normal devem ser construídos gráficos de média móvel exponencialmente e calculado o índice Cpc. LUCAS & SACCUCCI (1990) afirmam que, se a característica de qualidade não apresenta distribuição normal, o gráfico de controle usual não é preciso, sendo necessária à utilização do gráfico de controle da média móvel exponencialmente ponderada (MMEP). Segundo HINES et al. (2006) a MMEP pode ser considerada uma média ponderada de todas as observações, os pesos decrescem geometricamente com as observações. Este método atribui menos peso à observações que ocorreram há menos tempo ou menos frequentemente e sua sensibilidade depende do peso dado e do intervalo entre os limites e a média. HUNTER (1989) sugeriu a escolha de peso λ=0,4 e intervalo em 3 σ, o que permite detectar uma mudança do desvio padrão na média em 14,3 observações. MONTGOMERY (2004) afirma que a MMEP é extremamente robusta em relação à não-normalidade, quase sendo um teste não-paramétrico. O MMEP é muito eficaz contra pequenas mudanças no processo, no entanto não é muito sensível a grandes mudanças. Assim HINES et al. (2006) recomenda a combinação dos gráficos de controle convencionais com os MMEP para identificar tanto grandes mudanças no comportamento da amostra como pequenas. Processos não normais são apresentados por LUCEÑO (1996), que afirma que o valor de Cp não é uma variável aleatória e pode ser substituído por um estimador: o desvio padrão de uma amostra (LUCENO, 2000), quando a população tem uma distribuição normal (KHAN et al., 2007). Quando não é normal, LUCEÑO (1996) sugere um novo índice de capacidade de processo, que é insensível a afastamentos da distribuição normal, o Índice de Capacidade de Confiança (Cpc). Neste novo índice, o estimador não é o desvio padrão amostral, mas sim a esperança da amostra em relação à média e aos limites de controle, assim os intervalos de confiança são independentes do afastamento da hipótese de normalidade. O Controle Estatístico do Processo (CEP) em geral é baseado nos gráficos de controle e nos números índices Cp, Cpk, em casos de distribuições de dados normais. Quando os dados não possuírem padrão normal, serão utilizados o gráfico de MMEP e o número índice Cpc. A variância do desvio padrão amostral depende altamente do quarto momento da média, a chamada curtose (que define a forma da distribuição). A sensibilidade ou robustez deste estimador para a distribuição é inerente à distribuição da variância e diretamente proporcional ao Cp, consequentemente, intervalos de confiança para o desvio padrão populacional e para Cp, baseados no desvio padrão amostral, podem ser muito inadequados quando a distribuição é não-normal (LEE et al., 2008). Assim,

186

o índice de capacidade de confiança Cpc, baseado na esperança de uma amostra, independente de normalidade e é definido por LUCEÑO (1996) como: 𝐶𝑝𝑐 =

𝐿𝑆𝐸−𝐿𝐼𝐸

(1)

𝜋 2

6.(√ .𝐸|𝑋−𝑇|)

Em que: T é o valor alvo T=(LSE+LIE)/2; 𝐸|𝑋 − 𝑇| é a esperança da distribuição X, estimada por: 1

𝑐 = 𝑛 ∑𝑛1|𝑋𝑖 − 𝑇|

(2)

MONTGOMERY (2004) descreve a MMEP como: 𝑖 𝑧𝑖 = 𝜆. ∑𝑖−1 0 (1 − 𝜆). 𝑥𝑖−𝑗 + (1 − 𝜆) . 𝑧0

(3)

Em que: z0 é a média alvo do processo; xi e o valor da característica medida; λ é o peso considerado para a média, se refere a sensibilidade em captar pequenas mudanças na média. Os limites de controle do gráfico MMEP são dados pelas seguintes equações, que diferem das equações comuns de limites devido à um fator ponderador que é atrelado ao desvio padrão. Este fator tem a função de regular os limites de controle em função da progressão de amostragem, possibilitando um ajuste em função do número de amostras (i) consideradas no computo dos limites de controle: 𝜆

𝐿𝑆𝐶 = 𝜇 + 𝐿. 𝜎. √(2−𝜆) . [1 − (1 − 𝜆)2.𝑖 ] 𝜆

𝐿𝐼𝐶 = 𝜇 − 𝐿. 𝜎. √(2−𝜆) . [1 − (1 − 𝜆)2.𝑖 ]

(4)

(5)

2.1 Aplicação do CEP para a avaliação do controle de qualidade de uma semeadora puncionadora – Dados Normais. A seguir será apresentada uma breve pesquisa a fim demostrar alguns métodos para a aplicação do controle de qualidade em semeadoras. Para o ensaio foi utilizada uma semeadora com sistema puncionador, o mesmo foi realizado no Departamento de Engenharia Agrícola do Centro de Ciências Agrárias da Universidade Federal do Ceará, Campus do Pici, em um solo classificado como um Argissolo Vermelho-amarelo, com classe textural franco arenoso. Utilizou-se o delineamento experimental inteiramente casualizado, para o ensaio foi demarcada uma distância de 45 m e foi desconsiderada uma distância de 5 m para que ocorresse a estabilização do sistema dosador de semente, no total foram coletadas 100 amostras em intervalos de 1m, sendo tomados ao acaso. Os dados foram analisados através do Software Minitab®- Versão 19. A fim de realizar a avaliação do controle de qualidade de semeadoras foi feito a análise da estatística descritiva para analisar os seguintes parâmetros: média, desvio padrão, coeficiente de variância, simetria, curtose para que o gestor de qualidade possa ter uma visão geral dos dados avaliados (VIERA et al., 2002). No ensaio em questão utilizou-se os coeficientes de simetria e curtose para averiguar se os dados apresentaram distribuição normal. A avaliação do controle de qualidade durante a operação de semeadura foi efetuada através do gráfico de controle com a finalidade de verificar se o processo estava sob controle estatístico, já os índices de Cpk e Cp foram usados para avaliar a capacidade do processo. Para determinar a qualidade da operação da semeadora com sistema de punção, utilizou-se a metodologia de KURACHI et al., (1989) para especificar os limites de controle (Tabela 3) da distribuição longitudinal de sementes. 187

Tabela 3. Metodologia utilizada para especificar os limites de controle. Classificação dos espaçamentos Intervalo de tolerância para variação Xi Múltiplos Xi < 0,5. Xref Aceitáveis 0,5. Xref < Xi < 1,5. Xref Falhos Xi > 1,5. Xref Fonte: KURACHI et al., (1989). Por meio desta metodologia os espaçamentos coletados foram avaliados e classificados como duplos, aceitáveis ou falhos. Desta forma, os seguintes limites de faixa foram estabelecidos para a classificar os espaçamentos: Duplo = 7cm>14cm > 21cm = Falhos Na Tabela 4 encontram-se os dados da estatística descritiva básica da distribuição longitudinal de sementes por uma semeadora com sistema de punção. Tabela 4. Estatística descritiva básica da distribuição longitudinal de sementes. Observações

Média

Var.

Min.

Max.

100

155,49

35,58

1265,93

22,88

60,00

190,00

-1,35

0,67

σ- Desvio padrão (mm); Var- Variância (mm); CV- Coeficiente de variação (%); Min.- Mínimo (mm); Máx.- Máximo (mm); Cs- Coeficiente de simetria; Ck- Coeficiente de curtose.

A semeadora avaliada foi regulada para obter o espaçamento de 140 mm entre sementes, no entanto obteve média de 155,49 mm indicando que houve irregularidade na distribuição das sementes. Após atestada a normalidade, por meio dos coeficientes de simetria e curtose, a variabilidade dos dados foi verificada por meio do gráfico de controle (Figura 2). Segundo MONTGOMERY (2006) como estudo preliminar, a forma de distribuição pode dar uma indicação da normalidade ou não dos dados, desta feita pode-se considerar uma distribuição normal, aquela que possuí coeficiente de simetria e curtose entre as faixas 2 e -2. Avaliando a Tabela 4, percebese que em uma primeira análise os dados comportam-se de forma normal considerando os coeficientes de simetria e curtose. Desta feita, é possível para esta variável (distribuição longitudinal de sementes) utilizar os gráficos de controle clássicos e os índices Cp e Cpk. Observa-se que o gráfico de controle apresentou 7 pontos fora do limite de controle especificado, porém como foi citado anteriormente, a metodologia de BARROS (2008) pode ser adotada para o tratamento dos dados e verificação da estabilidade do gráfico de controle. Como 95% das amostras se encontram dentro dos limites especificados considera-se que o gráfico está sob controle estatístico do processo, apresentando apenas causas comuns de variações.

Figura 2. Gráfico de controle da distribuição longitudinal de sementes. Fonte: Elabora pelo autor. 188

Após atestado que os gráficos se encontram sob controle estatístico do processo foi possível verificar a capacidade do processo por meio da análise da capacidade efetiva da distribuição longitudinal de sementes, conforme a Figura 3.

Figura 3. Análise da capacidade efetiva da distribuição longitudinal de sementes. O valor da capacidade efetiva (Cpk) foi 0,51, considerando a metodologia de ELSMAR (2009) para a classificação da taxa de ocorrência de falhas do processo (Tabela 2) pelo índice da capacidade efetiva, verificou-se que a semeadora apresentou 1 falha a cada 8 amostras avaliadas, que equivale a 12,5% de falha, e segundo o autor essas falhas são consideradas altas e repetitivas. Para a classificação da capacidade pelo índices de Cpk e Cp, conforme as recomendações de CAMPO (2007), o processo é considerado incapaz e inadequado, pois apresentou valor de Cpk e Cp<1 devido a descentralização dos limites de controle especificados para a distribuição de sementes ( LSE= 210 cm e LIC= 70 mm), isso pode ser facilmente visualizado pela a diferença de amplitude da Cp e o Cpk que possuem valor de amplitude de 0,14. Embora o processo seja considerado incapaz, principalmente ao ser analisado pelo ponto de vista do setor industrial, por haver amostras fora dos limites especificados, deve-se considerar que trata-se de um processo agrícola, assim é importante levar em conta a realidade do campo, onde vários fatores podem colaborar para que a meta especificada não seja atingida. Sendo assim, a eliminação das causas comuns de variações pelo gestor permitiria que o processo fosse considerado capaz e adequado.

2.2 Aplicação do CEP para a avaliação do controle de qualidade de uma semeadora de anel interno rotativo – Dados Não-Normais. Para este exemplo foram usados dados, resultados e discussão obtidos e analisados por ALBIERO (2010). Em relação à avaliação do mecanismo de semeadura, a regulagem da dosagem de sementes foi realizada pela adoção de disco de sementes específico para 15 sementes/m (6,66 cm entre sementes). Para cada 1 metro percorrido o disco de sementes deveria realizar 1 revolução completa. Levou-se em conta a patinagem da roda motora com média de escorregamento de 3,09%, o que resultou em uma diminuição da dosagem de sementes, pois ao se percorrer 1 metro a roda motora girava 3,09% a menos do que deveria, assim pelos cálculos a dosagem de sementes caia para 14 sementes/m, Tabela 5.

189

Tabela 5. Estatística descritiva básica da distribuição longitudinal de sementes. Teste 1 231 7,17 4,51 2,12 29% 15,5 2 13,5 6,4 8,7

Observações Média Variância Desvio Padrão Coeficiente de Variação Máximo Mínimo Amplitude Simetria Curtose Fonte: ALBIERO (2010).

Teste 2 267 6,85 2,68 1,63 23% 14,5 3 11,5 10,7 18,8

Seguindo as recomendações de KURACHI et al., (1989) os seguintes limites em termos de espaçamentos foram: Duplo=3,25cm>Xi>9,75 cm=Falha Nestas condições, obteve-se: Tabela 6. Avaliação de duplos, falhas e sementes quebradas. Teste Teste1 Teste 2 Fonte: ALBIERO (2010).

Quebrada 5 (2,16%) 5 (1,87%)

Duplo 4 (1,73%) 4 (1,49%)

Falha 13 (5,62%) 17 (6,36%)

Pela Tabela 6 observa-se a ocorrência de 9,51% de espaçamentos não aceitáveis da distribuição longitudinal das sementes no teste 1. Já no teste 2 teve-se 9,72%, sendo que estes dados representam a regularidade de distribuição longitudinal de 90,49% e 90,28% respectivamente. Segundo MIALHE (1996), valores de regularidade de distribuição longitudinal de semente para mecanismos mecânicos são de no máximo 75% e para mecanismos pneumáticos no mínimo de 90%. Em relação ao coeficiente de variação do espaçamento, MIALHE (1996) define como limite para semeadoras pneumáticas um coeficiente de variação máximo de 30%. Tanto no teste 1 como no 2 o coeficiente de variação foi menor, portanto, a semeadora de anel interno rotativo apresentou regularidade e coeficiente de variação de distribuição equivalentes a semeadoras pneumáticas. Os testes de normalidade do espaçamento de sementes em pista são apresentados nas Figura 4, Figura 5, Figura 6 e Figura7.

Figura 4. Histograma do espaçamento entre sementes do teste em pista 1.Fonte: ALBIERO (2010). 190

Figura 5. Gráfico de probabilidade normal dos espaçamentos entre sementes teste 1. Fonte: ALBIERO (2010).

Figura 6. Histograma do espaçamento entre sementes do teste em pista 2. Fonte: ALBIERO (2010).

Figura 7. Gráfico de probabilidade normal dos espaçamentos entre sementes teste 2. Fonte: ALBIERO (2010). 191

Pela observação dos coeficientes de curtose e simetria, percebe-se que os dados de ambos os testes não respeitam uma distribuição normal, pois estão muito fora do intervalo entre –2 e 2 o que indica assimetria e uma concentração de valores próximos à média; os histogramas das Erro! Fonte de eferência não encontrada. e Erro! Fonte de referência não encontrada. mostram estes fatos e apresentam uma cauda longa com muitos dados o que contradiz uma distribuição normal. Os gráficos de probabilidade normal de ambos os testes Erro! Fonte de referência não encontrada. e Erro! Fonte referência não encontrada. se apresentam fora do padrão para distribuições normais, os pontos não se comportam linearmente e saem nitidamente dos limites de confiança de 95%. Os testes de AndersonDarling apresentam valores grandes, muito distantes de zero e os valores P são menores do que a significância de 5% (0,05), portanto é aceita a hipótese nula de normalidade. Em função da comprovação da não normalidade dos dados, o desvio padrão não é uma medida confiável para análise da variabilidade dos dados, o que neutraliza o poder dos gráficos de controle e dos índices Cp e Cpk. No entanto a título de comparação, serão construídos os gráficos de controle clássicos assim como serão calculados o Cp e Cpk para posterior discussão frente ao gráfico de MMEP e o índice Cpc. Os gráficos de controle do espaçamento entre sementes em pista são apresentados nas 8 e 9.

Figura 8. Gráfico de controle do espaçamento entre sementes do teste 1. Fonte: ALBIERO (2010).

Figura 9. Gráfico de controle do espaçamento entre sementes do teste 2. Fonte: ALBIERO (2010). 192

Pelos gráficos de controle apresentados na Figura 8 e 9, percebe-se que a distribuição de sementes pelo mecanismo de anel interno rotativo tem muita variabilidade, os vários pontos fora do limite superior de controle indicam um processo instável. No entanto duas considerações devem ser realizadas: a primeira é que os gráficos de controle não são recomendados por MONTGOMERY (2004) para processos não normais; a segunda é que atualmente os processos agrícolas estão muito longe do ideal de controle industrial. Em termos de semeadura para uma empresa agrícola, índices de falhas na semeadura pouco abaixo de 10% são ótimos, enquanto para a indústria de automóveis, software e eletroeletrônicos, índices de falhas acima de 0,26% são inaceitáveis (3 sigmas) (TONINI, 2006). Isto se deve principalmente ao fato do universo industrial ter controles muito mais precisos e imediatos, além dos substratos (matéria-prima, maquinaria, processos, operadores, etc.) onde são realizados os trabalhos serem altamente constantes, uniformes e com baixíssimas variabilidades. Assim é possível atingir índices de falha ao nível (6 sigmas) de 0,00034% (precisão de 99,99966%). No meio agrícola tais índices são utópicos, haja vista a imensa variabilidade de: matérias-primas, condições meteorológicas, condições de solo, sistemas mecanizados, índices de qualidade de operações agrícolas, qualificação de operadores, etc., e além de tudo não são raras questões de ordem social e cultural que influem nas operações. Neste contexto, as ferramentas de controle estatístico de qualidade (CEP) devem ser adequadas e adaptadas para tais condições adversas, que não ocorrem na indústria. CAMPOS (2007) e BARROS (2008) em ótimos trabalhos envolvendo operações mecanizadas agrícolas e controle estatístico de qualidade adotaram uma simplificação muito útil na análise de gráficos de controle aplicados a agricultura. Suas metodologias basearam-se em retirar os pontos fora dos limites de controle, desde que mais de 95% dos restantes estejam dentro dos limites, tal simplificação se mostrou adequada, não influindo de maneira negativa, pois não mascarou os dados. Ao se considerar processos nos quais os índices de precisão estão ao redor de 90% retirar apenas 5% dos dados não influi significativamente na amostragem. Neste caso, no entanto, mesmo retirando os pontos fora dos limites de controle percebe-se que o processo de semeadura está muito variável e tal fato decorre da não normalidade dos dados que inviabiliza o desvio padrão como medida confiável. Embora os índices Cp e Cpk não sejam adequados para análise do processo, pode-se observar nas Figuras 10 e 11 que a amplitude das diferenças entre eles demonstra que os processos estão descentrados em relação aos limites de especificação (LSE: 9,75 cm, LIE: 3,25 cm). As análises de capacidade do processo de espaçamento entre sementes em pista são apresentadas nas Figuras 10 e 11.

Figura 10. Análise da capacidade do processo de distribuição de sementes do teste 1. Fonte: ALBIERO (2010). 193

Figura 11. Análise da capacidade do processo de distribuição de sementes do teste 2. Fonte: ALBIERO (2010). Para análise de processos não normais, MONTGOMERY (2004) sugere a utilização do gráfico de média móvel exponencialmente ponderada (MMEP), apresentados nas Erro! Fonte de referência ão encontrada. e 13 e LUCEÑO (1996) o cálculo do índice de capacidade de confiança (Cpc).

Figura 12. Gráfico da MMEP do espaçamento entre sementes do teste 1. Fonte: ALBIERO (2010). Cpcteste1=0,583

194

Figura 13. Gráfico da MMEP do espaçamento entre sementes do teste 2. Fonte: ALBIERO (2010). Cpcteste2=0,831 Pelos gráficos MMEP percebe-se que o processo ainda tem pontos fora dos limites de controle, o que indica instabilidade no processo, mas a variabilidade das amostras caiu em relação aos gráficos de controle normais. Isto mostra que, com os testes adequados, o aspecto negativo da variabilidade foi reduzido, revelando uma realidade menos perturbadora. Se retirarmos os pontos fora dos limites tem-se um processo que se pode considerar estável. Sempre deve ser lembrado que todas estas análises se limitam à variabilidade em torno da média, mas para análise de precisão de semeadura, MIALHE (1996) determina uma faixa de espaçamentos aceitáveis. Neste aspecto a semeadura foi adequada, pois superou a expectativa atingindo índices de semeadoras pneumáticas. Ao se analisar o índice capacidade de confiança (Cpc) percebe-se que o processo é adequado, pois no teste 1 em função da Tabela 2, obteve-se taxa de falha de 1 em 11 amostras, o que perfaz 9,07% Já o teste 2 obteve taxa de falha de 1 em 80, 1,25%, sendo um valor bom para semeaduras, pois indica um processo adequado e capaz. Uma comparação interessante pode ser realizada em função dos resultados apresentados pelos gráficos de controle clássicos e as MMEP. Pela avaliação dos gráficos, percebe-se que os dados das cartas de controle das Figuras 8 e 9 se apresentam instáveis, denotando um processo fora de controle. No entanto, ao se avaliar as MMEPs das Figuras 12 e 13 percebe-se que a situação não é tão ruim, e que ao se considerar a tolerância de 5% dos dados, é uma boa hipótese considerar os processos estáveis. Esta diferença gritante se deve essencialmente à questão da normalidade dos dados, uma vez que as cartas de controle clássicas não devem ser utilizadas por processos com dados não normais, pois resultados conflitantes levam a conclusões errôneas.

3 Considerações finais Acredita-se que os objetivos deste capítulo foram atingidos: um vislumbre da literatura básica focada em Controle Estatístico de Processos (CEP) aplicados a Semeadoras foi dado e exemplos práticos e reais da aplicação das ferramentas intrínsecas do CEP foram apresentadas. Como últimas palavras deste texto, é importante ressaltar que, assim como toda metodologia de análise dados, na operacionalização de uma análise através do CEP é primordial considerar seus fundamentos, que no caso se assentam na Ciência da Estatística. Antes de se levantar os dados no campo, fazer o tratamento de dados para o CEP e depois na continuidade da análise específica é muito importante se assentar nos alicerces do que se poderia chamar de “rigor estatístico”. Existem muitos fundamentos estatísticos que as vezes não são consideradas no planejamento do experimento e também na análise/síntese dos resultados na área de Ciências Agrárias. Talvez o exemplo mais gritante seja o fato de que para ser útil, uma carta de controle de variáveis em amostras contínuas, é obrigatório que os dados tenham distribuição gaussiana, caso contrário, o desvio padrão não é uma 195

medida representativa da dispersão e, consequentemente, todo o fundamento “6 sigmas” da carta de controle “vai por água abaixo”. Exceção desta “lei” é o caso de cartas de controle de médias de médias, pois neste caso a normalidade já é uma premissa assumida devido ao enorme conjunto de dados necessário para se levantar uma carta de controle deste tipo. Este alerta é muito importante no caso específico de semeadoras, pois muito raramente são levantadas cartas de controle médias de médias para estas máquinas, em sua maioria a literatura apresenta cartas de amostras contínuas, e nem sempre os autores se preocupam em provar a normalidade dos dados.

4 Agradecimentos Os autores agradecem ao CNPq, FUNCAP e CAPES pelos recursos financeiros e bolsas de estudo e bolsa produtividade em desenvolvimento tecnológico e extensão inovadora que foram essenciais para a concretização dos referidos estudos e pesquisas dos autores nesta área de conhecimento.

5 Referências ABNT-Associação Brasileira de Normas Técnicas (1994) Semeadora de precisão: ensaio de laboratório. Projeto de norma 12:02.06-004. Rio de Janeiro. 21p. ALBIERO D., (2010) Desenvolvimento e avaliação de máquina multifuncional conservacionista para a agricultura familiar. Tese (Dourado em Engenharia Agrícola), Universidade Estadual de Campinas. ALBIERO D, MACIEL A. J. S., MILAN M., MONTEIRO L. A., MION R.L., (2012) Avaliação da distribuição de sementes por uma semeadora de anel interno rotativo utilizando média móvel exponencial. Revista Ciência Agronômica 43 (1):86-95. ANTUNES L.M., ENGEL A., (1999) Qualidade total na agropecuária. Guaíba Agropecuária.116p. BALASTREIRE L. A., (1990) Máquinas Agrícolas. São Paulo, Manole. 307p. BARROS F. F., (2008) A melhoria contínua no processo de plantio da cana-de-açúcar. Dissertação (Mestrado em Máquinas Agrícolas), Universidade de São Paulo, Escola Superior de Agricultura Luiz de Queiroz. BENAKOUCHE R., SANTAMARIA L. S., (1997) Qualidade cabocla. Brasília, Editora Universidade de Brasília. 195 p. CAMPOS C.M., (2007) Identificação e avaliação de variáveis críticas no processo de produção de canade-açúcar. Dissertação (Mestrado em Agronomia), Universidade de São Paulo, Escola Superior de Agricultura Luiz de Queiroz. CAMPOS C. M., MILAN M., SIQUEIRA L. F. F., (2008) Identificação e avaliação de variáveis críticas no processo de produção da cana-de-açúcar. Revista Engenharia Agrícola 28 (3):554-564. CARPES D. P., ALONÇO A. S., FRANCETTO T. R., MOREIRA A. R., CHAGAS G. S., (2018) Qualidade da distribuição longitudinal de sementes de milho por um dosador- apanhador com auxílio pneumático. Revista Engenharia na Agricultura 26 (1):43-51. CAVALCANTE E. S., MELO R. P., MONTEIRO L. A., GALVÃO C. B., ALBIERO D., (2020) Estudo da capacidade do processo de uma semeadora pneumática analisando a distribuição longitudinal de sementes. Brazilian Journal of Development 6 (8):58133-58139. COELHO J. L. D., (1996) Ensaio e certificação das máquinas para semeadura. In: Mialhe LG. Máquinas agrícolas: ensaios e certificação. Piracicaba, Fundação de Estudos Agrários Luiz de Queiroz, p 551-570. COPETTI E., (2004) Prevenir custa menos. Revista Cultivar Máquinas (27): p43-48. Elsmar C (2009) FMEA. Disponível em: http:// www.elsmar.com. Acesso em: 15 ago, 2020. GARENGO P., NUDURUPATI S., BITITCI U., (2007) Understanding the relationship between PMS and MIS in SMEs. Computers in Industry 58 (7):677–686. HINES, W. W., MONTGOMERY, D. C., GOLDSMAN, D. M. BORROR, C. M., (2006) Probabilidade e Estatística na Engenharia. 4 Ed. Rio de Janeiro. HUNTER, J. S., (1989) A one-point plot equivalent to the Shewart chart with western electric rules. Quality Progress, 12. 196

KURACHI, S. A. H., COSTA J. A. S., BERNARDI J. A., COELHO J. L. D., SILVEIRA G.M., (1989) Avaliação tecnológica de semeadoras e/ou adubadoras: tratamento de dados de ensaios e regularidade de distribuição longitudinal de sementes. Bragantia 48 (2):249-262. LUCAS, J. M., SACCUCCI, M. S. Exponentially weighted moving average control schemes. Technometrics, 32: 1990. LUCEÑO, A. A process capability index with reliable confidence intervals. Communications Statistics, 25: 1996. LUCEÑO, A.; PUIG-PEY, J. (2000) Evaluation of the Run-Length Probability Distribution for CUSUM Charts: Assessing Chart Performance, Technometrics 42:4, 411416, DOI: 10.1080/00401706.2000.10485714 MELO RP (2013) Qualidade na distribuição longitudinal de sementes por semeadoras de precisão e fluxo contínuo nas condições edafoclimáticas do Ceará. Dissertação (Mestrado em Engenharia Agrícola), Universidade Federal do Ceará. MELO RP, ALBIERO D, MONTEIRO LDEA, SOUZA FH, SILVA JG (2013) Qualidade na distribuição de sementes de milho em semeadoras em um solo cearense. Revista Ciência Agronômica 44 (1):94-101. MELO RP, ALBIERO D, PRACIANO AC, MONTEIRO LDEM, GARCIA AP (2019) Seed distribution by punch seeder in family farming. Revista Ciência Agronômica 50 (3):502-509. MIALHE LG (1996) Máquinas agrícolas: ensaios e certificação. Piracicaba, Fundação de Estudos Agrários Luiz de Queiroz. 722p. MIRANDA RG (2005) um modelo para a análise da capacidade de processos com ênfase na transformação de dados. Dissertação (Mestrado em Engenharia de Produção), Universidade Federal de Santa Catarina. MONTGOMERY DC (2004) Introdução ao controle estatístico da qualidade. Rio de Janeiro, LTC. 532p. PALADINI EP (2000) Gestão da Qualidade. São Paulo, Atlas. 330 p. PECHE FILHO A (2007) Indicadores de qualidade nas operações mecanizadas do plantio direto. Disponível em: http://www.infobibos.com/Artigos/2007_2/indicadores/Index.htm. Acesso em: 15 ago, 2020. RIBEIRO JLD, CATEN ST (2011) Controle estatístico do processo: cartas de controle para variáveis, cartas de controle para atributos, função de perda quadrática, análise de sistemas de medição. Porto Alegre, FEENG/UFRGS. 172p. SILVA RP, CASSIA MT, VOLTARELLI MA, COMPAGNON AM, FURLANI CEA (2013) Qualidade da colheita mecanizada de feijão (Phaseolus vulgaris) em dois sistemas de preparo do solo. Revista Ciência Agronômica 44 (1):61-69. TOLEDO A, TABILE RA, SILVA RP, FURLANI CEA, MAGALHÃES SC, COSTA BO (2008) Caracterização das perdas e distribuição de cobertura vegetal em colheita mecanizada de soja. Engenharia Agrícola 28 (4):710-719. TONINI AC (2006) a contribuição do seis sigma para a melhoria dos processos de software. Dissertação (Mestrado em Engenharia), Universidade de São Paulo. TONINI, A. C. A contribuição do seis sigma para a melhoria dos processos de software 252 p. Dissertação de mestrado – Escola Politécnica, Universidade de São Paulo, São Paulo. 2006. VIERA SR, MILLERE J, TOPP GC, REYNOLDS WD (2002) Handbook for geoestatical analysis of variability in soil and climate data. In: Alvarez VVH, Schaefer CEGR, Barros NF, Mello JWV, Costa LM. Tópicos em Ciências do Solo. Viçosa, Sociedade Brasileira de Ciências do Solo, p1-45. VOLTARELLI MA, SILVA RPDA, ZERBATO C (2015) Ferramentas do controle estatístico de processo aplicadas no desempenho de tratores agrícolas. In: Silva RPda, Voltarelli MA. Controle de qualidade em operações agrícolas mecanizadas. Jaboticabal, Associação Brasileira de Engenharia Agrícola, p244.

197

QUALIDADE EM OPERAÇÕES DE PLANTIO MECANIZADO DE CANA-DE-AÇÚCAR* Lucas Augusto da Silva Gírio Alex Rangel Gonzaga Samira Luns Hatum de Almeida

1 Introdução Cultivada em todos as regiões brasileiras, a cana-de-açúcar é um dos principais produtos da agricultura nacional. A grande adesão a esta cultura no Brasil devido a adaptabilidade à zona intertropical, coloca o país como maior produtor mundial, com produção estimada para safra de 2020/2021 de 630 milhões de toneladas (CONAB, 2020). O setor sucroenergético tem buscado cada vez mais eficiência e capacidade operacional e, para isso, usinas têm adotado o plantio mecanizado como operação padrão. Porém, em grande parte dos casos, há maior consumo de mudas devido, principalmente, aos danos mecânicos causados nas gemas (RIPOLI et al., 2006; SERAFIM et al., 2013). O que impulsionou a expansão da mecanização, inicialmente na colheita e mais adiante no plantio, foi a proibição da queima da cana, estabelecida por meio da Lei n° 11.241, e posteriormente o Protocolo Agroambiental que antecipou os prazos para findar a prática das queimadas. Com isso, tornou-se necessário a implantação de um novo sistema canavial, cujo enfoque era tornar a atividade mais sustentável e de acordo com as leis trabalhistas (JESUS & TORQUATO, 2014). No plantio, a operação era realizada de forma semimecanizada, em que os operários trabalhavam sobre carretas para distribuição das mudas. Nos anos 2000, a proibição da atividade contribuiu para sua modernização (SERAFIM et al., 2013). Diante destes fatores, a mecanização agrícola tornou-se fundamental para o setor sucroenergético e modificou a forma como a cana-de-açúcar é cultivada. Atualmente, a forma de plantio mais difundida para cana de açúcar é mecanizada, por meio da utilização de rebolos. De acordo com JANINI et al. (2007), apesar de viável economicamente, o fracionamento do colmo da planta em rebolos, reduz a quantidade de gemas com capacidade germinativa, o que contribui para maior número de falhas no plantio. O plantio consiste em três etapas, sendo elas a colheita das mudas, o transporte e o plantio. Dessa forma, na busca por melhores produtividades é primordial que a colheita seja realizada visando a minimização dos danos às gemas, uma vez que é a etapa que mais afeta a taxa de brotação (SERAFIM et al., 2013). Outro método que vem sendo utilizado é o MPB, mudas pré-brotadas, que consiste no emprego de gemas que passam por processo de seleção, brotação e aclimatação, de modo a aumentar a uniformidade nas linhas de plantio e reduzir as falhas (LANDELL et al., 2012). Conforme mencionado por JANINI et al. (2007), a qualidade do plantio é influenciada por fatores endógenos e exógenos à gema. Como endógenos, pode-se citar a idade da gema, reserva energética, densidade do plantio, posição do rebolo no sulco, tamanho e armazenamento do rebolo. Já fatores exógenos, aqueles extrínsecos a gema, consideram-se topografia, sistematização do terreno, umidade do solo e temperatura, densidade de plantio, e altura de cobrimento com solo (RAVELI et al., 2013). Tendo em vista o pouco tempo de implantação da mecanização na operação de plantio, metodologias e estudos capazes de melhorar e monitorar a qualidade da operação são fundamentais para maior aproveitamento do potencial da cultura, e neste contexto pode-se citar o método científico controle estatístico de qualidade (CEQ), método que será abordado ao longo deste capítulo. Conforme mencionado por SILVA & VOLTARELLI (2015) baseado em diversos autores, a qualidade está associada a variação do processo, e quanto menor essa variabilidade, maior será a confiabilidade da operação.

*Ao

longo do texto o termo “plantio” será utilizado de forma genérica para se referir tanto ao plantio de rebolos quanto ao transplantio de mudas pré brotadas de cana-de-açúcar. 198

2 A sistematização e preparo do solo A sistematização do solo é um dos fatores que confere o sucesso e a qualidade das operações mecanizadas em cana-de-açúcar, sobretudo nas operações de plantio e colheita as quais carecem de maiores rendimentos operacionais, pois são atividades com elevados custos envolvidos. Um conjunto de operações compõe a sistematização, iniciada no planejamento, que visa a conservação do solo, seguido pela mudança dos layouts dos talhões para reposicionamento de carreadores, pátio de carregamento, sentido de sulcação, adoção de linhas de plantio alongadas, além da limpeza geral com a retirada de pedras e tocos, por fim, a construção de terraços, canais escoadouros e outras estruturas destinadas a conservação do solo. Inúmeros aspectos são envolvidos no planejamento e na operação para a sistematização e preparo de solo, porém, é fundamental a adoção de procedimentos de diagnósticos para as diferentes características das áreas, fazendo uma avaliação das restrições técnicas do terreno. Conhecer o desenvolvimento radicular, o efeito da mecanização e prevenir contra problemas relacionados a processos erosivos, drenagem, infiltração é de extrema importância para uma cultura que permanecerá no campo por, em média, cinco anos. Devido as mudanças ocorridas no setor nos últimos anos, como a proibição da queima, o advento da mecanização, a busca por melhores rendimentos operacionais, produtividade e diluição dos custos se faz numa pressão maior dentro do setor. Novas formas de produzir estão sendo pesquisadas, e dentre o contexto da sistematização, têm-se buscado projetos com novos traçados, objetivando-se linhas de sulcação com menores quantidades de manobras, maior comprimento, maior aproveitamento da área útil, entre outros, respeitando os aspectos conservacionistas do solo. Dessa forma, pode-se inferir que a sistematização do solo possui três aspectos relevantes: o primeiro é a sistematização quanto à conservação do solo; o segundo é a sistematização visando a melhoria do talhão para o plantio e colheita e o terceiro é a sistematização para receber uma quantidade alta de operações mecanizadas. Quanto a sistematização para conservação do solo, deve-se levar em conta os aspectos do solo relacionados à textura e outras caraterísticas para que possa executar o planejamento das operações de modo a não ocasionar problemas erosivos. Dessa forma, deve-se realizar um levantamento planialtimétrico para visualizar a declividade e quedas d’água do talhão para possíveis correções, levando-se em consideração a época a ser plantada nessa área. A época de plantio é de extrema importância para poder planejar as operações realizadas no campo, de modo que, solos com alto risco de erosão devem ser manejados em épocas mais secas e se possível, adota-se plantas de cobertura em épocas mais úmidas, evitando assim problemas oriundos do escoamento superficial. Quando o manejo de solos suscetíveis à erosão é realizado, desprezando-se a estação chuvosa, problemas podem surgir mesmo após adotar práticas conservacionistas mecânicas como a construção de terraços em nível e subsolagem do canal do terraço para permitir uma maior infiltração. Abaixo é possível observar que essas práticas não foram o suficiente para impedir o acúmulo e escoamento superficial de água, gerando processos erosivos no interior do talhão (Figuras 1A e 1B).

199

Figura 1. Terraço com água acumulada no canal (A); escoamento superficial no interior do talhão causando erosão (B) (Fotos: A. R. GONZAGA, 2018). De modo geral, a sistematização adequada é entendida como o melhor preparo do solo, com profundidade uniforme e nivelamento da superfície do terreno razoável para que possibilite uma sulcação uniforme e paralelismo preciso (MAZZA, 2015), caso contrário, tanto o plantio quanto a colheita tendem a ser prejudicados (Figura 2)

Figura 2. Área com nivelamento inadequado, sujeita a apresentar falhas no plantio e colheita mecanizados (Fonte: N. CHERUBIN, 2018).

3 Plantio e transplantio mecanizados 3.1 Plantio mecanizado de rebolos Tratando-se de uma cultura semiperene, a qualidade da operação de plantio da cana-de-açúcar é fundamental para permitir aumento de produtividade, longevidade e redução dos custos de produção (MISSIO, 2016). Os dois métodos mais utilizados atualmente são o plantio mecanizado de rebolos e o transplantio de mudas pré-brotadas. De acordo com SERAFIM et al. (2013) as etapas que compõem o plantio mecânico são: colheita mecanizada das mudas, transporte e transferência, e o plantio com a plantadora. Por se tratar de três etapas mecanizadas, os danos decorrentes da operação às gemas são maiores, o que pode prejudicar potencialmente o processo de brotação.

200

Com isso, é necessário respeitar alguns aspectos como profundidade de sulco, tamanho de rebolo, número de gemas viáveis, entre outros que serão citados, para atingir boa qualidade da operação de plantio. Nesse sistema de plantio, a propagação ocorre de forma assexuada, em que são utilizados pedaços do colmo de aproximadamente trinta centímetros, tendo estes duas ou três gemas (MANHÃES et al., 2015; RAVELI, 2013). Na presença de condições favoráveis, a gema inicialmente em estado latente, se torna ativa e inicia seu processo de crescimento e desenvolvimento (DILLEWIJN, 1952). Segundo MANHÃES et al. (2015), a idade dos colmos afeta a quantidade de nutrientes e glicose tendo impacto direto sobre a brotação. Dessa forma, recomenda-se que os colmos sejam colhidos com idade entre 8 e 10 meses (ANJOS & FIGUEIREDO, 2008). Após as plantas atingirem idade ideal dá-se início a operação de colheita. Estudo realizado por SERAFIM et al. (2013) demonstra que a colheita mecanizada é a fase que gera maiores danos às gemas, e que a taxa de brotação após essa etapa mantém-se a mesma para a fase de transbordo e plantio mecânico. Com isso, medidas devem ser tomadas para alcançar o mínimo de injúrias possíveis às gemas e a maior qualidade da operação. Segundo RAVELI 2013, uma das medidas é a utilização de variedades de cana-de-açúcar que se adaptem bem ao impacto da colheita mecanizada. Além disso, é importante que a velocidade de trabalho da colhedora seja menor que para a colheita de matéria prima, de modo a reduzir os impactos das gemas nos mecanismos da máquina (RAVELI, 2013). O Kit colheita de mudas (Figura 3), pode contribuir com a redução dos impactos, uma vez que é composto por borrachas que evitam o contato direto das gemas e as partes metálicas da máquina, aumentando a viabilidade das gemas (VOLTARELLI et al., 2015).

Figura 3. Kit para colheita de mudas, com emborrachamento de partes metálicas para reduzir os impactos nas gemas da cana-de-açúcar (Fonte: AGROMATÃO, 2020). Previamente ao plantio, devem ser observados aspectos do solo, como tipo de solo, fertilidade, textura e CTC e realizar as correções e adubações necessárias. Convém ainda avaliar as condições do clima e disponibilidade hídrica. O plantio deve ser realizado quando existe umidade e em condições de temperatura que não sejam inferiores a 20°C (VITTI & MAZZA, 2002). Para o uso da plantadora é fundamental que a máquina esteja com as regulagens adequadas, com velocidade ideal, realize correta aplicação da dose de adubo e inseticida e que proporcione profundidade apropriada dos sulcos. Segundo BARROS (2008), os rebolos devem ser inseridos em sulcos de profundidade entre 20 e 30 cm e cobertos com aproximadamente 5 cm de terra. Para garantir o bom índice de germinação é essencial que a distribuição dos rebolos, picação e cobrição sejam realizadas no mesmo dia da sulcação (VITTI et al., 2005). O fator mão-de-obra também é primordial para atingir um plantio de qualidade, em que os operadores devem receber treinamento adequado.

201

De acordo com ANJOS & FIGUEIREDO (2008), para garantir o mínimo de falhas no canavial, a densidade de plantio deve ser entre 15 e 18 gemas por metro de sulco, o que corresponde ao plantio de 8 a 120 toneladas de cana por hectare, dependendo da variedade, idade e sanidade de mudas e época de plantio.

3.2 Transplantio mecanizado de mudas pré-brotadas O setor sucroenergético vem buscando alavancar a produtividade dos canaviais para a casa dos três dígitos. Embora este seja um objetivo comum das usinas, alguns fatores têm dificultado atingi-lo, como: condições climáticas adversas, baixa pluviosidade, redução das áreas de reforma, aumento da mecanização das lavouras e aspectos político-econômicos são alguns dos fatores que podemos citar. Dentre os componentes de produção, o plantio é uma das operações agrícolas mais onerosas. Estimativas feitas pelo PECEGE (2019) revelam que o custo médio do plantio mecanizado por hectare é de R$5.467,00 para usinas, enquanto para produtores é de R$7.114,00 (estimativa considerando custo de preparo de solo, plantio e tratos culturais cana planta). Além do elevado custo do plantio mecanizado, deve-se levar em consideração o alto consumo de mudas que essa modalidade de plantio exige. São em média utilizados 16 toneladas de rebolos por hectare, ante 10 toneladas por hectare no plantio semimecanizado, resultando em uma menor quantidade de matéria-prima para a produção industrial. Dessa forma, têm-se buscado diferentes sistemas de plantio que visem obter melhor qualidade da cana-de-açúcar, melhor sanidade da muda, menor custo do plantio, entre outros. Um desses sistemas é o sistema denominado mudas pré-brotadas (MPB). Esse sistema é uma tecnologia desenvolvida pelo Programa Cana do Instituto Agronômico de Campinas (IAC), que tem por finalidade aumentar a eficiência e os ganhos econômicos na implantação de viveiros, replantio de áreas comerciais e, possivelmente, renovação e expansão de áreas de cana-de-açúcar. LANDELL et al. (2012), salientam que o sistema MPB aumenta a uniformidade na distribuição de plantas na linha de plantio, reduz o número de falhas, reduz a quantidade de mudas utilizadas no plantio, diminui o risco de disseminação de pragas e doenças e acelera a introdução de novas variedades na área agrícola. Além desses benefícios, o sistema MPB utiliza em média, 2 toneladas ha-1 (GOMES, 2013), o que gera uma economia de recursos. XAVIER (2014), cita que essa diferença de quantidade necessária de recursos irá para a indústria produzir açúcar e álcool, gerando ganhos diretos e indiretos na cadeia produtiva do setor. Nesse sistema de produção, o desenvolvimento da muda se dá em pelo menos seis fases (LANDELL et al., 2012), antes do transplantio. Entretanto, algumas empresas desenvolvem metodologias próprias para produzir suas mudas pré-brotadas. Embora não seja o objetivo deste capítulo o detalhamento de cada fase é apresentado a seguir de maneira sucinta:

1. 2. 3. 4. 5. 6.

Etapas da produção de mudas pré-brotadas Retirada dos colmos, corte e preparo dos minirebolos. Tratamento das gemas com produtos fitossanitários e outros tratamentos com promotores de enraizamento, entre outros. Brotação Individualização ou repicagem. Aclimatação fase I Aclimação fase II

A aclimatação fase II é de extrema importância para rustificar as mudas antes de serem postas à campo em pleno sol. Após a muda estar com vigor, sanidade e enraizamento satisfatório em forma de torrão cônico (SILVA, 2017) e adaptada à condição de pleno sol, a muda está apta ao processo de transplantio (Figura 4).

202

Figura 4. Muda Pré-brotada (MPB) apta ao transplantio (A); detalhe do sistema radicular bem desenvolvido de uma MPB (B) (Fonte: L.A.S. GÍRIO, 2015). Para garantir um bom transplantio e um bom desenvolvimento das mudas, a área deve estar com o solo bem-preparado, sem presença de impedimentos físicos, como compactação e sem torrões, e de acordo com MELLO (2018), com pH e teores de nutrientes em níveis satisfatórios. Após o transplantio das mudas, o crescimento passa a ser regulado apenas pelas interações entre substrato-planta-atmosfera, sendo dependentes das raízes para absorção de água e nutrientes e da parte aérea para a produção de fotoassimilados (BRAGA, 2016). Durante o transplantio, recomenda-se adotar um espaçamento 0,5 m entre mudas, como observado na Figura 5. Tal recomendação é de acordo com as características da variedade, época de plantio e manejo a ser adotado.

Figura 5. Área de transplantio mecanizado de mudas pré-brotadas (Fontes: L.A.S. GÍRIO 2016 e A.R. GONZAGA, 2018). Durante o momento da operação de transplantio para o campo, há o envio das mudas para a área do plantio; a distribuição dessas mudas nas laterais do talhão para carregamento da máquina; equipe para levar a muda até a máquina. A máquina realiza as operações de sulcação, distribuição de adubo, aplicação defensivos e o transplantio da muda. (Figura 6).

203

Figura 6. Exemplo de máquina transplantadora de muda pré brotadas de cana-de-açúcar. Carrossel giratório de deposição de mudas (A); assento do operador e rodas compactadoras/fechadoras de sulco (B); vista frontal da máquina (C); vista lateral da máquina (D) (Fonte: A. R. GONZAGA, 2017). Durante a operação de transplantio, algumas pessoas acompanham a máquina caso ocorra algum tombamento da muda no processo de deslocamento da máquina ao sulco aberto no solo, bem como a fiscalização caso ocorra alguma falha. As falhas mais frequentes observadas nesta operação são: a falha no transplantio da muda, causado por falha humana devido à falta de sincronia entre-homem máquina por distração ou despreparo e a falha mecânica, quando há falta de sincronia entre os componentes das máquinas causando o tombamento das mudas devido a liberação tardia ou prematura da muda no solo (Figura 7).

Figura 7. Problemas recorrentes na operação de transplantio causados por falha humana nos abastecimentos do dispositivo de distribuição de mudas (A) e o tombamento de mudas devido à falta de sincronia entre os componentes da máquina (B) (Fonte: L.A.S. GÍRIO, 2016). Após o transplantio das mudas na área, deve-se se atentar à irrigação, pois, as mudas prébrotadas possuem uma necessidade maior por água após o plantio na área, perdurando por algumas semanas essa necessidade, sendo a aplicação realizada de maneira escalonada. Algumas empresas ajustam seus equipamentos para realizar a irrigação após o plantio (Figura 8), com o objetivo de satisfazer a necessidade hídrica das mudas e assim garantir melhor enraizamento, além de reduzir estresse da planta e taxa de mortalidade, proporcionando um plantio mais uniforme, com boas condições de sanidade e maior produtividade.

204

Figura 8. Tanque adaptado para irrigação das mudas pré-brotadas (MPB) recém-plantadas no campo (A); vista dos rodados na entre linha da cultura e linhas com mudas pré-brotadas irrigadas (B) (Fonte: A.R. GONZAGA, 2018). Recentemente, algumas empresas têm utilizado do Método Interrotacional Ocorrendo Simultaneamente (MEIOSI) associado às mudas pré-brotadas (MPB). A combinação das duas técnicas, tem reduzido ainda mais os custos de plantio, aumentado a produtividade e possibilitado o uso da terra com outra cultura no espaço entre as fileiras com MPB. Além disso, reduz gastos na logística das operações, uma vez que não há carregamento e transporte de mudas de áreas distantes por serem produzidas na própria área. O sistema integrado Meiosi e MPB consiste em plantar uma ou duas linhas de cana, chamadas de ruas “mães”, com MPB (DURIGAN, 2019). Na Figura 9, tem-se um exemplo dessa integração considerando uma proporção de “desdobra” de 1:4, ou seja, uma fileira de cana possibilita o plantio de outras quatro, considerando o espaçamento entre linhas de 1,5m. Então, quanto maior a proporção, mais interessante é o sistema. B.

12,00 m

Figura 9. Representação e imagem de uma área implantada no sistema MEIOSI com soja (A) e a representação e imagem de uma área de MEIOSI+MPB com soja colhida, apta para “desdobra” da cana (B) (Fonte: L.A.S. GÍRIO, 2015 e A.R. GONZAGA, 2018). 205

Conceitos da qualidade aplicados às operações de plantio mecanizado da cana-de-açúcar Como abordado, o fim da despalha a fogo de canaviais, impulsionou a intensificação da mecanização da colheita e, mais recentemente, do plantio da cana-de-açúcar (MAZZA, 2015). A profunda mudança de cenário fez com que o setor buscasse inovações aderindo a novas tecnologias e processos, o que refletiu, neste primeiro momento, de forma negativa na produtividade e custos de produção (RODRIGUES, 2015). A Inovação tem se tornado fundamental para organizações, pois é o que permite que elas se mantenham competitivas, seja em relação aos aspectos tecnológicos seja no que diz respeito à rapidez de decisão e flexibilidade de adaptação às constantes mutações das expectativas e necessidades dos clientes (PEREIRA, 2004), mas como observado, apenas a Inovação pode não ser suficiente para se não atingir níveis aceitáveis. Do ponto de vista da gestão da qualidade, o que proporciona vantagem competitiva para diversos setores é a manutenção de um elevado nível da qualidade de um serviço ou produto (MONTGOMERY, 2016). Para compreender melhor o atual momento da mecanização na canavicultura, mais especificamente do plantio, pode-se associá-lo a conceitos da indústria de gestão da qualidade e inovação, ambos ainda incipientes no setor agrícola. Durante muito tempo, a Inovação esteve associada apenas ao desenvolvimento tecnológico. Entretanto, assim como ocorreu com a Qualidade, ao longo do tempo o conceito tem evoluído para Inovação a nível de processos operacionais e de gestão. Apesar de ser notória a convergência entre os dois conceitos, sendo cada vez mais difícil imaginar Inovação sem Qualidade e vice-versa, nota-se que a abordagem prática entre os dois conceitos ainda é pouco expressiva (PEREIRA, 2004). Por isso, é essencial buscar novas soluções para acompanhar as mudanças rápidas que o setor tem experimentado, mas sempre com a presença do binômio “Inovação e Qualidade”, pois, tem-se visto na prática os prejuízos causados quando ambos os conceitos são aplicados de forma isolada. Ainda em relação ao atual cenário, a adoção da colheita mecanizada parece irreversível, o que não se pode dizer do plantio mecânico. Com frequência, são noticiados relatos de unidades produtoras que tem passado por um processo de “desmecanização” do plantio devido à baixa qualidade dos canaviais formados a partir desta operação. A mecanização intensa do plantio ainda passa por adaptações e diversos fatores, que vão além da máquina, podendo influenciar na qualidade insatisfatória do produto gerado. Para identificar e corrigir os fatores mais críticos em um processo, pode-se lançar mão de Ferramentas da Melhoria da Qualidade. Uma vez que um defeito, erro ou problema tenha sido identificado e isolado para estudo posterior, devemos começar a analisar as causas potenciais desse efeito indesejável (MONTGOMERY, 2016). Quando as causas não são claras, o diagrama de causa-e-efeito (Ishikawa) é uma ferramenta formal que costuma ser útil na exposição de causas potenciais. A exemplo, simulou-se a elaboração de um diagrama de causa-e-efeito, que pode ser construído por uma equipe de melhoria da qualidade designada para identificar áreas problemáticas potenciais no processo de plantio mecanizado, seguindose os passos estabelecidos por MONTGOMERY (2016):

1. 2. 3. 4. 5. 6. 7.

Como Construir um Diagrama de Causa-e-Efeito Defina o problema ou efeito a ser analisado. Forme a equipe para realizar a análise. Em geral, a equipe descobrirá as causas potenciais em sessões de brainstorming. Desenhe as caixas de efeito e a linha central. Especifique as principais categorias de causas potenciais e coloque-as em caixas, ligadas à linha central. Identifique as causas possíveis e classifique-as nas categorias do passo 4. Crie novas categorias se necessário. Ordene as causas para identificar aquelas que parecem mais prováveis de causar impacto sobre o problema. Adote ações corretivas. 206

Abaixo temos um diagrama de causa-e-efeito criado a partir de uma situação hipotética de um canavial mal estabelecido após um plantio mecanizado de baixa qualidade (Figura 10).

Figura 10. Diagrama de causa-e-efeito para uma situação hipotética de problema de um canavial mal estabelecido após um plantio de baixa qualidade. Em posse do diagrama, a equipe gestora pode estudar/discutir os fatores levantados para decidir como e onde agir para promover a melhoria do processo. A qualidade do plantio mecanizado pode ser influenciada pelas operações antecessoras e pode influenciar as operações seguintes quando não bem executada, gerando um efeito cascata. Por isso, é importante que sejam atingidos níveis aceitáveis de qualidade em cada etapa de todo processo. Para monitorar a qualidade das operações são necessários utilizar parâmetros e estabelecer níveis aceitáveis para cada variável ou indicador de qualidade avaliado. A amostragem dos indicadores deve ser representativa e adequada a capacidade de cada unidade produtora para operacionalizá-la. Com a finalidade de facilitar o planejamento do monitoramento do plantio mecanizado, foram sugeridos alguns indicadores de qualidade e agrupados da seguinte forma: plantio e pós-plantio.

2.1 Indicadores de qualidade de plantio Expressam a qualidade do material a ser utilizado no plantio e o desempenho do conjunto tratorplantadora. a) Paralelismo entre sulcos Deve ser realizado distante dos carreadores e das curvas de nível. A medida é realizada de centro a centro de sulcos originados de diferentes passadas da máquina. b) Profundidade de sulcos O solo mobilizado e os rebolos devem ser retirados do sulco cuidadosamente para, posteriormente, realizar a aferição que é feita verticalmente, do centro do sulco até o nível do solo. c) Altura de cobrição de rebolos Aferida, medindo-se a camada de solo depositada sobre os rebolos. Pode-se utiliza uma enxada para afastar cuidadosamente o solo até aparecimento do rebolo. De modo geral, recomenda-se entre 5 e 10 cm de solo para favorecer a brotação.

2.2 Indicadores de qualidade pós-plantio Relacionados ao monitoramento do estabelecimento e desenvolvimento da cultura, após a operação de plantio. Pode expressar o sucesso do plantio e ser um indicativo da qualidade da matériaprima que será colhida. 207

a) perfilhamento Este indicador é o resultado da contagem do total de número de perfilhos contabilizados em um trecho de fileira de cana, dividido pelo comprimento deste trecho. Os valores costumam ser expressos em perfilhos por metro e a contagem pode ser realizada periodicamente até a estabilização do perfilhamento que ocorre por volta de até 270 dias após o plantio. b) porcentagem de falhas Falha é definida como a projeção da distância entre dois colmos consecutivos na mesma linha, medidos de centro a centro do colmo ao nível do solo (Stolf, 1986). A porcentagem de falhas corresponde a soma das falhas maiores que 0,50 m em um trecho da fileira de cana dividido pelo comprimento total do trecho e multiplicar por 100 e também pode ser realizada periodicamente até a estabilização do perfilhamento: %F =

CTFE x100 CTLA

em que, %F - porcentagem de falhas; CTFE - comprimento total de falhas maiores que 0,50 m encontradas (m); CTTLA - comprimento total do trecho de linha analisado (m). c) altura de plantas Com auxílio de uma trena, afere-se a altura da planta a partir da base do colmo ao nível do solo até a folha diagnóstico, chamada de folha 1+ (DILLEWIJN, 1952), que é a primeira folha com a aurícula visível. d) diâmetro de colmos Mensura-se o diâmetro no centro do entrenó localizado na região do terço inferior do colmo com auxílio de um paquímetro. e) estimativa volumétrica da tonelada de colmos por hectare Utilizado em programas de melhoramento genético, a equação de LANDELL et al. (2005) utiliza componentes de produção determinantes para o potencial agrícola da cultura, como: diâmetro de colmos, número de colmos por metro, altura de plantas e o espaçamento da cultura, assumindo-se a densidade do colmo igual a 1,0. O indicador pode ser interessante para monitorar o desenvolvimento de canaviais. TCH =

d2 . C. h. 0,007854 E

em que, TCH - produtividade de colmos (t ha-1); d - diâmetro de colmos (cm); C - número de colmos por metro; h - altura do colmo (cm); E - espaçamento entre linhas. f) sobrevivência de mudas Para o plantio originado de mudas pré-brotadas, é recomendado o monitoramento por meio de avaliações periódicas da sobrevivência em um determinado comprimento de fileira de cana até os 40 dias após o transplantio, período considerado por algumas unidades como crítico para que as mudas se estabeleçam.

5 Aplicação do CEP no monitoramento de canaviais plantados mecanicamente Uma das mudanças mais recentes que o setor sucroenergético tem passado, foi o surgimento das mudas pré-brotadas (MPB). A tecnologia é recente e trabalhos que avaliem o comportamento deste material a campo, ainda são escassos. Com isso, estudou-se o comportamento de canaviais formados a partir do plantio mecanizado de rebolos e transplantio de MPB utilizando o controle estatístico de 208

processo como ferramenta. Para monitorar o desenvolvimento dos canaviais, foram utilizados os indicadores de qualidade pós-plantio: altura de planta, diâmetro de colmos e perfilhamento e, pois, são componentes importantes de produção da cultura. Para que um processo seja considerado sob controle, tanto nas cartas de valores individuais quanto nas de amplitude móvel, os pontos devem estar dentro dos limites de controle calculados. Quando um ponto ultrapassa esses limites, o processo é caracterizado como fora de controle. Sendo assim, observa-se na Figura 11 que para o indicador de qualidade altura de plantas o processo está fora de controle apenas para mudas pré-brotadas (MPB), evidenciado nas cartas de amplitude móvel aos 90 DAP e de valores individuais aos 180 DAP. MPB

REBOLO

Produtividade (t ha-¹)

200

LSC

150

_ X 1

100

LIC

90 DAP

0 1

36 6 Observações

MPB

REBOLO LSC

Amplitude Móvel

80 60

__ AM

20 0

LIC 1

36 6 Observações

MPB

180 Altura de Plantas (cm)

REBOLO LSC

150 _ X

120 LIC

180 DAP

MPB

36 6 Observações

REBOLO LSC

Amplitude Móvel

40 30 20

__ AM

10 0

LIC 1

36 6 Observações

Figura 11. Cartas de controle para altura de plantas nos sistemas de plantio de mudas pré-brotadas ̅: média dos (MPB) e de rebolos. LSC: limite superior de controle. LIC: limite inferior de controle. X ̅̅̅̅̅: média da amplitude móvel. valores individuais. AM Porém, ao observar a variabilidade dos dados, observado pelo intervalo entre os limites superior e inferior de controle, o sistema MPB apresentou menor dispersão dos dados em relação ao plantio de rebolos, evidenciando um processo de melhor qualidade (mesmo com os valores médios das alturas muito próximos), pois a variabilidade está inversamente associada a qualidade do processo (Figura 11). Verificou-se que aos 90 DAT os valores médios das alturas de MPB e rebolos foram próximos, com valores de 16,42 e 16,16 cm respectivamente. Ao longo do tempo, a diferença entre as alturas ficou mais evidente (Figura 11). Provavelmente, isto ocorreu devido ao fato de que os rebolos possuem quantidade maior de reservas de água e nutrientes (GÍRIO et al., 2015) e podem favorecer seu desenvolvimento em condições severas de baixa umidade e temperatura, como observado no período da avaliação inicial. Uma vez estressada, a planta pode ter seu desenvolvimento afetado até o final do ciclo, como observado no presente estudo. Para o diâmetro de colmos (Figura 12) foi verificado comportamento semelhante ao observado nas cartas com os valores de altura de plantas. Apenas para MPB foram observados pontos fora de 209

controle aos 180 DAP. Entretanto, a menor variabilidade para este indicador de qualidade ficou mais evidente para MPB em relação ao sistema de plantio de rebolos nas duas épocas de avaliação. REBOLO LSC

_ X

10 LIC

90 DAP

Diâmetro Colmos (mm)

MPB 20

MPB

36 6 Observações

REBOLO

Amplitude Móvel

LSC 6

4 __ AM

LIC 1

Diâmetro Colmos (mm)

MPB

36 6 Observações

REBOLO LSC

36 32

_ X

28 24

LIC

180 DAP

20 1

MPB

REBOLO

8 Amplitude Móvel

36 6 Observações

LSC

6 4 __ AM

2 0

LIC 1

36 6 Observações

Figura 12. Cartas de controle para diâmetro de colmos nos sistemas de plantio de mudas pré-brotadas (MPB) e de rebolos. LSC: limite superior de controle. LIC: limite inferior de controle. ̅ X: média dos ̅̅̅̅̅: média da amplitude móvel. valores individuais. AM Os maiores valores observados nas cartas de amplitude móvel em todas as épocas para rebolos, indica as maiores diferenças entre os colmos deste canavial, com maior valor médio de amplitude. Assim como para altura de plantas, os maiores diâmetros no sistema de rebolos provavelmente estão relacionados ao fato de que neste sistema o material plantado possuía quantidade maior de reservas de água e nutrientes (GÍRIO et al., 2015) o que pode ter favorecido seu desenvolvimento em condições severas de baixa umidade e temperatura, como observado no período da avaliação. Além disso, na fase inicial de desenvolvimento, quase todos os recursos utilizados para o desenvolvimento da planta são provenientes dos rebolos (CARNEIRO et al., 1995), enquanto as mudas pré-brotadas necessitariam de um período de adaptação e desenvolvimento do sistema radicular para posteriormente utilizar os recursos disponíveis no solo. Em relação ao perfilhamento (Figura 13), constata-se a ocorrência de pontos fora de controle para as avaliações aos 90 DAP para MPB e aos 180 DAP para rebolos, enquanto para as demais avaliações, o processo se mostrou estável, indicando que, de maneira geral, a variabilidade se deve a à ação de causas aleatórias. As maiores médias de perfilhamento ocorreram para MPB até os 180 DAP.

210

90 DAP

Perfilhamento (colmos m-¹)

MPB

REBOLO LSC

20 _ X

10 LIC 5 1

MPB

36 6 Observações

REBOLO

LSC Amplitude Móvel

8 6 4

__ AM

2 0

LIC 1

REBOLO LSC

20 _ X

10 LIC 5

180 DAP

Perfilhamento (colmos m-¹)

MPB

36 6 Observações

MPB

36 6 Observações

REBOLO

LSC Amplitude Móvel

8 6 4

__ AM

2 0

LIC 1

36 6 Observações

Figura 13. Cartas de controle para perfilhamento nos sistemas de plantio de mudas pré-brotadas (MPB) e de rebolos. LSC: limite superior de controle. LIC: limite inferior de controle. ̅ X: média dos valores individuais. ̅̅̅̅̅ AM: média da amplitude móvel. Tal constatação pode ser explicada pelos estádios de desenvolvimento da cana-de-açúcar. Os estádios da cana são divididos em quatro fases: brotação e estabelecimento da cultura, perfilhamento, desenvolvimento vegetativo e crescimento dos colmos e maturação (DIOLA & SANTOS, 2012). A fase de perfilhamento, em que a cultura apresenta o máximo número de perfilhos ocorre até os 120 DAP (CASAGRANDE, 1991), a partir de então, há intensa competição entre os perfilhos por recursos, estabelecendo-se até os 270 DAP a população final com apenas os mais vigorosos. Outro fator que pode ter contribuído para redução do número de perfilhos para uma faixa inferior a ideal, que está entre 10 e 13 perfilhos por metro (STOLF, 1989), foi a elevada infestação pela brocada-cana (Diatraea saccharalis) que pode causar a morte de grande parte dos perfilhos em canaviais jovens (DINARDO-MIRANDA et al. 2012). Além disso, verificou-se que o sistema de MPB tem menor variabilidade em relação ao rebolo, indicando que a população de perfilhos é mais uniforme e se apresenta em estágio semelhante de desenvolvimento (Figura 13), fato que pode ter favorecido o ataque antecipado das brocas-da-cana. Na Figura 14 são apresentados os resultados da porcentagem de falhas para cada sistema de plantio. Para este indicador de qualidade, as diferenças entre os sistemas ficaram mais evidentes e as cartas de controle se mostraram com grande potencial de uso.

211

MPB

REBOLO

LSC

Falhas (%)

15 10 _ X 5

90 DAP

LIC 1

36 6 Observações

MPB

REBOLO

Amplitude Móvel

LSC

8 1 1

__ AM

LIC 1

36 6 Observações

MPB

REBOLO LSC

Falhas (%)

8 _ X

1 1

180 DAP

LIC 1

36 6 Observações

MPB

Amplitude Móvel

REBOLO 1

LSC

__ AM

1 1 1 1

LIC 1

36 6 Observações

Figura 14. Cartas de controle para porcentagem de falhas nos sistemas de plantio de mudas pré-brotadas (MPB) e de rebolos. LSC: limite superior de controle. LIC: limite inferior de controle. ̅ X: média dos valores individuais. ̅̅̅̅̅ AM: média da amplitude móvel. Para o sistema de MPB, tanto nas cartas de controle quanto de amplitude móvel nas quatro épocas, observou-se pontos fora de controle, indicando processo instável, enquanto para rebolos, apenas aos 180 DAP, foi identificado um ponto fora de controle na carta de amplitude móvel. As maiores médias foram observadas no sistema de rebolos nas quatro épocas (Figura 14). STOLF (1986) estabeleceu a qualidade do plantio de acordo com a porcentagem de falhas, em que: até 10% o canavial é considerado excelente, de 10 a 20% normal, de 20 a 35%, subnormal, de 35 a 50% subnormal e maior que 50% péssimo. Verificou-se que os valores médios dos dois plantios estão dentro do considerado excelente, mas a média das falhas no MPB chega a ser quase nove vezes menor que as falhas no sistema de plantio de rebolos na etapa final. Quanto a variabilidade, por meio das cartas de controle é evidente a maior uniformidade do sistema de MPB em relação ao de rebolos. O MPB apresentou maior parte dos pontos amostrados sem falhas e quando as falhas estavam presentes, o maior valor observado foi de 3,63%. Para rebolos foi verificada elevada variabilidade, com valores variando entre 0 e 17,4% de falhar, evidenciando a desuniformidade do sistema. Na Figura 15 são apresentados os resultados referentes à produtividade de colmos, verificou-se processo instável para todas as avaliações do sistema de MPB, enquanto para rebolos o processo se mostrou instável apenas até os 180 DAT.

212

MPB

REBOLO LSC

Produtividade (t ha-¹)

6,0 4,5

3,0

_ X

1,5

90 DAP

0,0

LIC 1

MPB

6,0

36 6 Observações

REBOLO

Amplitude Móvel

LSC

4,5 1

3,0 __ AM

1,5

0,0

LIC 1

Produtividade (t ha-¹)

36 6 Observações

REBOLO 1

LSC

100

_ X

50 LIC 1

MPB

Amplitude Móvel

MPB

150

180 DAP

36 6 Observações

REBOLO 1

LSC

60 1

40 __ AM

LIC 1

36 6 Observações

Figura 15. Cartas de controle para produtividade de colmos nos sistemas de plantio de mudas pré̅: média brotadas (MPB) e de rebolos. LSC: limite superior de controle. LIC: limite inferior de controle. X ̅̅̅̅̅: média da amplitude móvel. dos valores individuais. AM Embora os valores médios sejam próximos entre os sistemas em todas as avaliações, verificou-se que os valores de rebolos sempre foram ligeiramente maiores. Assim como para as demais variáveis biométricas, o desenvolvimento da planta pode estar relacionado a quantidade da reserva nutricional na planta (CIVIERO et al., 2014), concordando com o observado no sistema de rebolos em que apresentou maior vigor, permitindo que a planta fosse menos afetada pelas condições estressantes no início do ciclo. Também na Figura 5 é possível verificar que, seguindo a mesma tendência dos outros indicadores, a variabilidade do MPB foi inferior à dos rebolos indicando melhor qualidade do processo e maior homogeneidade do canavial. De modo geral, as cartas de controle se mostraram uma ferramenta interessante para comparar os dois sistemas de plantio. Por intermédio das cartas, foi possível verificar que a menor variabilidade dos indicadores de qualidade pode ser válido por fornecer a visão prática do que está ocorrendo no campo, pois, quando o processo apresenta menor variabilidade, pode indicar um canavial mais homogêneo e essas características podem tornar mais precisas as tomadas de decisão posteriores, como o momento correto dos tratos culturais e, até proporcionar colheitas de melhor qualidade com a menor variação do volume de material colhido. Ao observar apenas médias, algumas informações podem ser perdidas ou pouco evidentes. Quando observado todo o processo e sua variabilidade ao longo do tempo é possível retirar informações mais detalhadas. Por isso, para a situação estudada, as cartas de controle estatístico de processo se mostraram uma ferramenta eficiente, refletindo com maior fidelidade o que se observa no campo (Figura 16).

213

Figura 16. Comparativo lado a lado de uma fileira de cana formada a partir de mudas pré-brotadas (abaixo) e outra formada por rebolos (acima). Verifica-se as principais características de cada sistema: uniformidade de plantas e menor quantidade de falhas para MPB e maior vigor e variabilidade de canaviais de rebolos (Foto: L.A.S. GÍRIO, 2016).

6 Considerações finais Diante das intensas transformações que o setor sucroenergético tem passado, a inovação tem sido frequente. Entretanto, a Inovação dissociada dos conceitos da Qualidade pode fazer com que alguns processos recuem, como visto no plantio mecanizado nos últimos anos. Com a necessidade de superar os índices de produtividades atuais e reduzir os custos de produção, produtores tem buscado diferentes manejos e técnicas, fazendo com que a combinação do MEIOSI com MPB esteja sendo amplamente utilizada, principalmente em área de viveiros. Em um futuro próximo, o setor deve experimentar transformações ainda maiores com as tecnologias que pretendem deixar de lado o plantio e transplantio como conhecemos, para um novo conceito de “semear” cana. Quando forem utilizados em larga escala, devem revolucionar o setor, se forem acompanhados de conceitos de Qualidade. Assim, como visto, a adoção de Ferramentas de Qualidade pode desempenhar um papel importante no monitoramento e aprimoramento de processos relacionados a implantação da cana-deaçúcar em um mercado cada vez mais exigente e competitivo.

7 Referências bibliográficas AGROMATÃO (2020) Kit para colheita de mudas de cana-de-açúcar. Agromatão: Peças e máquinas agrícolas Ltda. Matão. 2020. Disponível: http://www.agromatao.com.br/pt/11/Kit-Muda.html. Acessado 16 Jul 2020. ANJOS IA, FIGUEIREDO PAM (2008) Aspectos fitotécnicos do plantio. In: Dinardo-Miranda LL, Vasconcelos ACM, Landell MGA. Cana-de-açúcar. Campinas, Instituto Agronômico, 882 p. Serafim LGF, Stolf R, Silva JR, Maniero MA, Bassinelo AI (2013) Influência do plantio mecanizado no índice de brotação da cana de açúcar. Sociedade dos Técnicos Açucareiros e Alcooleiros do Brasil 31: 22-25. BARROS FF (2008) A melhoria contínua no processo de plantio da cana-de-açúcar. Dissertação de Mestrado, Piracicaba Universidade de São Paulo, Escola Superior de Agricultura Luiz de Queiroz. BRAGA NCC (2016) Produção de mudas pré-brotadas de cana-de-açúcar em substratos comerciais e alternativos com subprodutos da indústria canavieira. Dissertação, Instituto Federal Goiano, Rio Verde. 214

CARNEIRO AEV, TRIVELIN PCO, VICTORIA RL (1995) Utilização da reserva orgânica e de nitrogênio do tolete de plantio (colmo-semente) no desenvolvimento da cana‑planta. Scientia Agricola 52: 199‑209. CASAGRANDE AA (Ed.) (1991) Tópicos de morfologia e fisiologia da cana-de-açúcar. Jaboticabal: FUNEP, 157p. CHERUBIN N (2018) Tecnologia agrícola: sistematização e seus impactos na produção de cana-deaçúcar. RPA News. Disponível em: https://revistarpanews.com.br/tecnologia-agricola-sistematizacaoe-seus-impactos-na-producao-de-cana-de-acucar/ Acesso em: 01 jul 2020. CIVIERO JC, DAROS E, MELO JOT, WEBER H, MÓGOR AF, FIGUEIREDO GG (2014) Aplicação de substância húmica e do aminoácido L-glutâmico em diferentes comprimentos da reserva nutricional de tolete de uma gema de cana-de-açúcar. Revista de Ciências Agrárias 37: 340-347. COMPANHIA NACIONAL DE ABASTECIMENTO. Acompanhamento da safra brasileira: cana-deaçúcar, safra 2019/2020, primeiro levantamento. Brasília: CONAB, 2020. 62 p. DILLEWIJN C (1952) Botany of sugar cane. Waltham: Chronica Botanica p371. DINARDO-MIRANDA LL, FRACASSO JV, ANJOS IA, GARCIA J, COSTA VP (2012) Influência da infestação de Diatraea saccharalis (Fabr.) sobre parâmetros tecnológicos da cana-de-açúcar. Bragantia 71: 342-345. DIOLA V, SANTOS F (2012) FISIOLOGIA. IN: SANTOS F, BORÉM A, CALDAS C (Eds.). Canade-açúcar: bioenergia, açúcar e etanol: tecnologias e perspectivas. Viçosa: UFV, 2012. p. 25-49. DURIGAN A (2019) Sistema integrado meiosi e MPB: A hora é agora!. Revista Canavieiros. Disponível em: https://www.canaoeste.com.br/artigos/sistema-integrado-meiosi-e-mpb-a-hora-e-agora. Acesso em: 16 de jul, 2020. GÍRIO LAS, DIAS FLF, REIS VM, URQUIAGA S, SCHULTZ N, BOLONHEZI D, MUTTON MA (2015) Bactérias promotoras de crescimento e adubação nitrogenada no crescimento inicial de cana-deaçúcar proveniente de mudas pré-brotadas. Pesquisa Agropecuária. Brasileira 50: 33-43. GOMES C (2013) Sistema muda conceito de plantio. Jornal A Lavoura, Campinas, v 696. JANINI DA (2007) A Análise operacional e econômica do sistema de plantio mecanizado de cana-deaçúcar (Saccharum spp.). Dissertação de Mestrado, Piracicaba Universidade de São Paulo, Escola Superior de Agricultura Luiz de Queiroz. JESUS KRE, TORQUATO SA (2014) Evolução da mecanização da colheita de cana-de-açúcar em São Paulo: uma reflexão a partir de dados do Protocolo Agroambiental. In: Simpósio da Ciência do Agronegócio, 2, 2014, Porto Alegre. Cadeias globais e suprimento no agronegócio: anais. Porto Alegre: UFRGS, 2014. 5 p., 2014. LANDELL MG et al. (2012) Sistema de multiplicação de cana-de-açúcar com uso de mudas prébrotadas (MPB), oriundas de gemas individualizadas. Ribeirão Preto: Instituto Agronômico de Campinas, 17 p. (Documentos IAC, 109). LANDELL MGA, CAMPANA MP, FIGUEIREDO P (2012) Sistema de multiplicação de cana-deaçúcar com uso de mudas pré-brotadas (MPB), oriundas de gemas individualizadas. Campinas: Instituto Agronômico, Documento IAC, n. 109. LANDELL MGA, CAMPANA MP, FIGUEIREDO P (2012) Sistema de multiplicação de cana-deaçúcar com uso de mudas pré-brotadas (MPB), oriundas de gemas individualizadas. Campinas: Instituto Agronômico, Documento IAC, n. 109. LANDELL MGA, PINTO LR, CRESTE S, XAVIER MA, ANJOS IA, VASCONCELOS ACM, BIDÓIA MAP, SILVA DN, SILVA MA (2005) Seleção de novas variedades de cana-de-açúcar e seu manejo de produção. Piracicaba: INPI, 24 p. (Encarte Técnico). MANHÃES CM, GARCIA RF, FRANCELINO FMA, FRANCELINO HO, COELHO FC (2015) Fatores que afetam a brotação e o perfilhamento da cana-de-açúcar. Vértices 17(1):163-181. MARTINS APC, ALBRECHT LP, CASTALDO J, CARNEIRO AR, ZUCARELI V (2015) Novas tecnologias no plantio de cana-de-açúcar (Saccharum spp). J Agron Sci. 4:301-17. 215

MAZZA JA (2015) Sistematizaçãoe manejo conservacionista dos solos: manejo dos solos na cana-deaçúcar como subsídio à mecanização. In: Belardo GC, CASSIA MT, SILVA RP. Processos agrícolas e mecanização da cana-de-açúcar. Jaboticabal, SBEA, p89-103. MELLO TF (2018) Enraizamento de Mudas Pré-Brotadas de cana-de-açúcar após transplantio em função de adubação com nitrogênio e fósforo. Dissertação, Universidade Estadual Paulista (UNESP), Jaboticabal. MISSIO C (2016). Qualidade do plantio mecanizado de cana-de-açúcar. Dissertação de Mestrado, Universidade Federal da Grande Dourados. MONTGOMERY DC (2016) Introdução ao controle estatístico da qualidade. Rio de Janeiro: LTC, 549p. PECEGE. Competitividade da produção de cana-de-açúcar: benchmarking de custos de produção 2018/19 (2019). Piracicaba. Disponível em: http://www.assocana.com.br/arquivos/upload/files/custos/expedicao_custos_cana_joao_rosa_botao.pd f <Acesso: 16 de julho de 2020> PEREIRA AHF (2014) Atributos físicos do solo sob tipos de transbordos em colheita mecanizada de cana crua. Dissertação de Mestrado, Universidade Federal da Grande Dourados. PEREIRA ZL (2004) Qualidade e Inovação, FCT/Universidade Nova de Lisboa Caparica: Portugal. RAMÃO FP, SCHNEIDER IE, SHIKIDA PFA (2007) Padrão tecnológico no corte de cana-de-açúcar: um estudo de caso no Estado do Paraná. Revista de Economia Agrícola 54(1):21-32. RAVELI MB (2013) Controle de qualidade no plantio de cana-de-açúcar. Dissertação de Mestrado, Jaboticabal Universidade Estadual Paulista, Faculdade de Ciências Agrárias e Veterinárias. RAVELI MB (2013) Controle de qualidade no plantio de cana-de-açúcar. Dissertação de Mestrado, Universidade Estadual Paulista, Faculdade de Ciências Agrárias e Veterinárias. RIPOLI TCC, RIPOLI MLC, CASAGRANDI DV, IDE BY (2006) Plantio de cana-de-açúcar: estado da arte. Piracicaba: Livroceres, 198p. RODRIGUES AP (2015) Reaprendendo a produzir cana. Prefácio. In: Belardo GC, CASSIA MT, SILVA RP. Processos agrícolas e mecanização da cana-de-açúcar. Jaboticabal, SBEA. SEGATO SV, MATTIUZ CFM, MOZAMBANI AE (2006) Aspectos fenológicos da cana-de-açúcar. In: Segato SV, Pinto AS, Jendirova E, Nóbrega JCM. Atualizações em produção de cana-de-açúcar. Piracicaba: CP 2, 2006. SERAFIM LGF, STOLF R, SILVA JR, MANIERO MA, BASSINELO AI (2013) Influência do plantio mecanizado no índice de brotação da cana de açúcar. Sociedade dos Técnicos Açucareiros e Alcooleiros do Brasil 31: 22-25. SILVA FIC, GARCIA A (2009) Colheita mecânica e manual da cana-de-açúcar: histórico e análise. Nucleus, 6(1):1-16. SILVA RP, VOLTARELLI MA (2015) Controle De Qualidade Em Operações Agrícolas. In: Silva RP, Voltarelli MA, Cassia MT. Controle de qualidade em operações agrícolas mecanizadas. SBEA, p19-28 p. SILVA TPCT (2017) Produção de mudas pré-brotadas de cana-de-açúcar por subirrigação. Dissertação, Universidade Estadual de Campinas, Campinas. STOLF R (1986) Metodologia de avaliação de falhas nas linhas de cana-de-açúcar. Sociedade dos Técnicos Açucareiros e Alcooleiros do Brasil 4: 22-36. STOLF R (1989) Um modelo explicativo da competição entre colmos de um canavial e o vale da morte. Sociedade dos Técnicos Açucareiros e Alcooleiros do Brasil 8: 27-34. STOLF R (1989) Um modelo explicativo da competição entre colmos de um canavial e o vale da morte. Sociedade dos Técnicos Açucareiros e Alcooleiros do Brasil 8: 27-34. VITTI GC, MAZZA JÁ (2002) Planejamento, estratégias de manejo e nutrição da cultura de cana-deaçúcar. Piracicaba: POTAFOS, Encarte técnico/Informações Agronômicas, 97. 216

VITTI GC, QUEIROZ FEC, OTTO R, QUINTINO TA (2005) Nutrição e adubação da cana-de-açúcar; Departamento de Solos e Nutrição de Plantas – ESALQ/USP – Piracicaba – SP-2005. VOLTARELLI MA, SILVA RP, TAVARES TO, PAIXÃO CSS (2015) Colheita mecanizada de cana de açúcar. 19f. Material didático do curso de graduação em Zootecnia. Faculdade de Ciência Agrárias e Veterinárias - UNESP Câmpus Jaboticabal. Jaboticabal. XAVIER MA, LANDELL MG DE A, TEIXEIRA LG, RODRIGUES P DE A, NASSIF GL, OLIVEIRA JUNIOR AC, MINE K (2014) Sistema de multiplicação MPB e integração com o setor sucroenergético. O Agronômico. Campinas: IAC, v.64-66.

217

PARÂMETROS DE QUALIDADE APLICADOS À TECNOLOGIA DE APLICAÇÃO PARA FERTILIZANTES E PRODUTOS FITOSSANITÁRIOS Alex Rangel Gonzaga Franciele Morlin Carneiro Beatriz Branco Tiago Queiroz Patricia Candida de Menezes

1 Introdução Quando falamos de Tecnologia de Aplicação (TA), logo remetemos à ideia de aplicação de produtos fitossanitários, porém, se engloba todas as formas de aplicação, sobretudo aplicação de corretivos e fertilizantes. Inúmeras definições sobre TA podem ser encontradas na literatura, mas geralmente, TA é o uso de conhecimentos científicos para proporcionar o melhor posicionamento do produto a ser aplicado no alvo com a quantidade necessária de forma econômica gerando o mínimo de contaminações ao meio ambiente (MATUO, 1990; BOLLER et al., 2008). Outros autores, especificam que no caso de aplicação de produtos fitossanitários podem-se atribuir ainda as informações de formulações, adjuvantes, pulverização, alvos, recursos humanos, tecnologia de informação e ambiente, visando atingir o alvo de forma correta, segura e responsável. Embora a TA esteja fortemente associada a aplicação de produtos fitossanitários, seu uso vem ganhando relativa importância na distribuição de insumos agrícolas na lavoura. O uso da Agricultura de Precisão (AP) contribuiu para tal relevância, devido a necessidade da compreensão da variabilidade existente para ter maior controle na aplicação e assim assegurar melhor qualidade na operação e na distribuição do produto. De acordo com MOLIN et al. (2015) a principal prática efetuada na AP, no mundo e no Brasil, é a estratégia de recomendação por meio da gestão localizada de corretivos e fertilizantes, sendo a aplicação normalmente realizada com base nos mapas de recomendação. Inclusive, quanto à aplicação de corretivos e fertilizantes, a TA tem sido muitas vezes esquecida, implicando em perda de eficiência do fertilizante aplicado devido à baixa qualidade na aplicação. Devido à necessidade de manejos mais sustentáveis e menos danosos ao meio ambiente, são necessários estudos do comportamento da variabilidade do processo para a aplicação de corretivos e fertilizantes, bem como de produtos fitossanitários, a fim de otimizar os recursos disponíveis e reduzir custos durante as aplicações. Pesquisadores vem atuando nessa linha de pesquisa na tentativa de minimizar perdas e outros problemas, bem como têm buscado novos conceitos na aplicação e novas tecnologias (CARNEIRO, 2015). Dessa forma, abordaremos resumidamente sobre os aspectos que tangem a qualidade das operações agrícolas mecanizadas para a aplicação de fertilizantes e de produtos fitossanitários com o uso do CEQ (Controle Estatístico de Qualidade), relatando inicialmente as formas de aplicação e as possíveis causas que afetam a qualidade de distribuição e como o CEQ pode ser inserido dentro da TA. O objetivo deste capítulo é mostrar o uso e os benefícios da aplicação do CEQ na Tecnologia de Aplicação como ferramenta capaz de realizar o monitoramento das operações agrícolas, contribuindo para uma melhor qualidade operacional e auxiliando a gestão nas tomadas de decisões.

2 Tecnologia de Aplicação 2.1 Aplicação de corretivos e fertilizantes Antes de iniciarmos as explicações quanto à forma de aplicação desses tipos de insumos, é importante definirmos algumas terminologias que são muito empregadas, como: Corretivo – substância adicionada ao solo para melhorar seu pH ou propriedades físicas, como exemplo: calcário, gesso, turfa (POTAFOS, 1998); 218

Fertilizante – qualquer material natural ou manufaturado adicionado ao solo com a finalidade de suprir um ou mais nutrientes da planta. Geralmente, o termo é utilizado para designar material manufaturado, com exceção de calcário e gesso (POTAFOS, 1998); Vazão do dosador -quantidade do produto aplicado por unidade de tempo, como exemplo: kg min1 (MILAN & GADANHA JÚNIOR, 1996); Dosagem - quantidade aplicada do produto em determinada área, por exemplo: kg ha-1; t ha-1 (MILAN & GADANHA JÚNIOR, 1996). Na Figura 1 são mostradas as máquinas para aplicação de corretivos (A.) e fertilizantes (B.) A.

Fonte: Autores

Figura 1. Tecnologia de aplicação na distribuição de corretivos (A) e fertilizantes (B). A aplicação dos produtos pode ser realizada antes do plantio (calcário, gesso, fosfato, entre outros), durante o plantio e após o plantio (fertilizantes, principalmente). Existem no mercado produtos à base líquida, mas geralmente aplica-se produtos farelados (corretivos de solo) e produtos sólidos (fertilizantes). Existem no mercado alguns tipos de máquinas para aplicação de corretivos e fertilizantes, que podem ser classificadas quanto à forma de distribuição (à lanço, em faixas ou em linhas individuais), quanto à fonte de potência (animal, tratorizada ou autopropelido), quanto aos mecanismos dosadores (gravimétrico ou volumétrico) e distribuidores (queda livre, centrífugo ou pendular). O mecanismo dosador pode ser gravimétrico (Figura 2A) ou volumétrico (Figura 2B (MILAN & GADANHA JÚNIOR, 1996). A.

Fonte: BALASTREIRE & COELHO (2000)

Fonte: BALASTREIRE & COELHO (2000); MILAN & GADANHA JÚNIOR (1996).

Figura 2. Mecanismos dosadores gravimétricos (A.) e volumétricos (B.).

219

O mecanismo dosador é responsável por conduzir o fertilizante ou corretivo presente no reservatório para o mecanismo distribuidor, que vai aplicar o produto na superfície do solo. Os mecanismos distribuidores são classificados como: queda livre (Figura 3A), centrífuga (Figura 3B) e pendular (Figura 3C) (BALASTREIRE & COELHO, 2000). A.

Fontes: Adaptado DE SMITH ET AL. (1994); Fonte: autores MILAN & GADANHA JÚNIOR (1996) C.

Fonte: METALÚRGICA SCHWALM (2020) Figura 3. Tipos de mecanismos distribuidores: queda livre (A.), centrífuga (B.) e pendular (C.). Para fertilizantes, deve-se observar as características físicas, químicas e físico-químicas do produto, pois, é de suma importância a realização dessa caracterização. Embora seja importante, essa prática ainda é pouca utilizada. Dentre as características físicas, as mais importantes, são: ângulo de repouso (Figura 4A e B), granulometria (Figura 4C e D) densidade ou massa específica (Figura 4E e F) e o teor de água, pois estas características têm grande influência na qualidade de distribuição dos produtos e no desempenho dos equipamentos (MILAN & GADANHA JÚNIOR, 1996). A.

Fonte: Autores

Fonte: Autores 220

Fonte: Autores E.

Fonte: Autores F.

Fonte: Autores

Figura 4. Caracterização dos fertilizantes por meio do ângulo de repouso (A. e B.), granulometria (C. e D.) e densidade (E. e F.). A granulometria tem grande importância no lançamento mecânico do produto. Produtos com granulometria muito fina podem dificultar a regulagem do equipamento, bem como ocasionar maior deriva devido ao vento, aumentando as perdas e a ineficiência da aplicação. Outro fator relacionado à granulometria, é sua relação com a reatividade do calcário. A granulometria interfere no poder relativo de neutralização total (PRNT), juntamente com o equivalente de carbonato de cálcio (ECaCO3). O ângulo de repouso é um indicador de tendência de escoamento do produto dentro dos equipamentos distribuidores, sendo que, quanto maior o valor do ângulo, menor a facilidade de escoamento (LUZ, 2010). Produtos com baixa escoabilidade, dificultam a distribuição dos mesmos e possuem ângulos de repouso maiores que 50°, porém produtos que apresentem ângulos menores que 40° têm maior escoabilidade (ENCICLOPÉDIA AGRÍCOLA BRASILEIRA, 1994). Além do tamanho e formato das partículas, também é importante garantir melhores aspectos no que tange a fluidez, higroscopicidade e empedramento, pois isso vai ocasionar em menor superfície de contato e exposição ao meio. Independente da atividade a ser realizada, deve-se empregar técnicas visando sustentabilidade, englobando aspectos ambientais, econômicos e sociais. A adoção do manejo “4C”, confere o emprego sustentável, utilizando-se de: fonte certa, dose certa, hora certa e local certo (ROBERTS, 2007). Embora pareça óbvio, o emprego dessas técnicas proporciona melhor qualidade da operação agrícola mecanizada e melhor eficiência do produto aplicado. Quando remetemos ao conceito de qualidade, logo temos a percepção de algo que tenha sido feito dentro de parâmetros aceitáveis para a padronização do produto ou serviço, por essa razão, HART & 221

BOGAN (1994) explicita que o desafio da qualidade é controlar a variabilidade entre coisas equivalentes, de modo que essas reincidam sobre limites aceitáveis. Na operação agrícola mecanizada de distribuição de corretivos e fertilizantes, os parâmetros avaliativos de qualidade seguem abaixo, conforme LUZ (2010): Perfil longitudinal: distribuição do produto no sentido de deslocamento da máquina. Perfil transversal: distribuição do produto no sentido perpendicular de deslocamento da máquina, definido pela largura ou faixa total do alcance de aplicação. Segregação: pode ser física e química, é o processo que ocorre nas distribuições granulométricas originais do produto quando lançado mecanicamente. Simetria: referência do posicionamento do produto em relação ao eixo da aplicação, no qual verifica-se a quantidade de distribuição do lado esquerdo e lado direito (LUZ, 2010), sendo o resultado expresso de acordo com a Equação 1: CS =

Dose média do lado direito (kg ha-1 ) Dose média do lado esquerdo (kg ha-1 )

(1)

Eficiência: diversas técnicas têm sido empregadas ultimamente em busca de melhores eficiências. Uma forma de aferir a eficiência quanto à aplicação de fertilizantes e/ou corretivos de solo é a conferência da dose desejada versus dose aplicada. Fórmulas, como a encontrada abaixo (Equação 2), são parâmetros utilizados que asseguram esse critério, dessa forma é possível aferir se as técnicas que estão sendo empregadas estão contribuindo para melhoria da qualidade de operação agrícola mecanizada. Eficiência (%) =

Dose técnica requerida x 100 Dose real empregada

(2)

Com a expansão de áreas agrícolas, a aplicação mecanizada de fertilizantes tem se apresentado fundamental para o aumento do desempenho operacional, por otimizar o tempo de trabalho durante a aplicação de fertilizantes na lavoura (CARNEIRO, 2015). Porém, deve-se prezar também a qualidade operacional tendo cuidado durante a aplicação dos produtos, pois a adubação interfere diretamente na produtividade. Quando a aplicação de fertilizante é feita de forma adequada, de acordo com a análise do solo e a necessidade da cultura, é proporcionado o desenvolvimento satisfatório da cultura, obtendo-se a produtividade esperada (BAIO et al., 2012). Todavia, aplicação em excesso acarreta danos ao meio ambiente, fitotoxidade à planta e semente (na semente é comum ocorrer efeito salino), além de gerar maior gasto do produto. Em contrapartida, quando há deficiência de nutrientes, existe maior probabilidade de redução de produtividade por não atender à necessidade da cultura (MILAN & GADANHA JÚNIOR, 1996; MOTOMIYA et al, 2009).

2.2 Aplicação de produtos fitossanitários A agricultura caracteriza-se por inúmeros desafios para uma produção com qualidade e alta produtividade e, dentre estes, está o controle eficaz de organismos-alvo, tais como doenças, insetospraga e plantas daninhas. Uma das alternativas para minimizar o problema é a aplicação de produtos fitossanitários, que evita ou diminui a presença destes organismos. Entretanto, aplicar o produto com acurácia e uniformidade não é tarefa fácil, sendo fundamental entender como a técnica de aplicação pode aumentar o controle e contribuir para o manejo mais adequado de cada organismo alvo. A Tecnologia de Aplicação (TA) deve ser planejada de maneira responsável e sustentável, sempre visando minimizar o potencial de danos à saúde humana, animal e aos recursos naturais. Para isso, devese saber qual é o alvo biológico que precisa ser controlado; qual o tratamento mais adequado; como

222

realizar uma aplicação eficaz; e como realizar o tratamento com o menor impacto ao ambiente, para assim garantir melhor qualidade na pulverização. Quando se pensa em TA, deve-se ter em mente que fatores como o alvo a ser atingido, as características do produto utilizado, a máquina, o momento da aplicação e as condições ambientais não estarão agindo de forma isolada. Sendo que, a interação destes fatores está diretamente relacionada com a eficácia e a segurança das aplicações. O princípio básico da TA é a divisão do líquido a ser aplicado em gotas, multiplicando o número de partículas (gotas) que carregam os princípios ativos em direção aos alvos da aplicação. MATUO (1990) classifica o termo Tecnologia de Aplicação como o emprego de todos os conhecimentos que proporcionam a colocação correta do produto biologicamente ativo no alvo, em quantidade necessária, de forma econômica. BOLLER et al. (2008) acrescenta que a Tecnologia de Aplicação deve ser empregada, gerando o mínimo de contaminação e segurança ao homem e ao meio ambiente.

2.2.1 Critérios de qualidade para aplicação de produtos fitossanitários GANDOLFO & ANTUNIASSI (2019), relatam que a identificação de problemas pontuais através de inspeções de rotina, permite fazer uma análise de recorrência de falhas, identificando a causa dos erros e separando por causas (usuário, projeto, componente, etc.), resultando em melhorias técnicas e operacionais, aumentando a qualidade da pulverização ao longo do tempo. 

Pontas de pulverização

A ponta de pulverização é um componente extremamente importante na qualidade da operação. Canova (2015), comenta que a combinação de tipos de ponta e pressão de trabalho determina o tamanho de gotas aplicadas, que afeta ambos, a cobertura do dossel da planta e o potencial de deriva da gota. O sucesso de uma aplicação segundo ANTUNIASSI & BAIO (2008) está relacionado à seleção das pontas de pulverização, ao ajuste de volume de calda, aos parâmetros operacionais, às condições ambientais e ao momento da aplicação. Uma ponta de pulverização não produz um único tamanho de gotas. Atualmente, estão disponíveis no mercado diversos tipos de pontas de pulverização (Figura 6) com diferentes características de tamanho de gotas e distribuição do jato, visando atender as diversas finalidades e condições operacionais (FONTES, 2012). A.

Fonte: TEEJET (2014). Figura 6. Alguns exemplos de ponta de pulverização: A. Pontas de alta vazão de jato duplo com indução de ar; B. Ponta de jato plano duplo com indução de ar; C. Ponta de jato plano de faixa ampliada e D. Pontas de jato cone vazio. 

Tamanhos de gotas

BALS (1978) ressalta que a uniformidade no espectro de tamanho de gotas em dimensões apropriadas é o que proporciona melhores resultados no alvo, de forma que a desuniformidade encontrada na pulverização resulta em baixa qualidade e menor controle do alvo. A combinação de tipos de ponta e pressão de trabalho determina o tamanho de gotas aplicadas, afetando a cobertura do dossel da planta e o potencial de deriva da gota. 223

Pontas do pulverizador é um componente responsável por fragmentar a solução da pulverização em pequenas gotas (MATUO et al., 2005). A seleção das pontas está diretamente relacionada ao alvo, produto utilizado, critério econômico e ambiental (LEITE & SERRA, 2013). Para se caracterizar a pulverização em relação a um tamanho que represente a população de gotas geradas, usa-se o conceito de Diâmetro Mediano Volumétrico (DMV), que representa o diâmetro da gota que divide o volume pulverizado em duas partes iguais, isto é, metade do volume pulverizado está contido em gotas menores que o DMV e a outra metade em gotas maiores que o DMV. Segundo ANDEF (2004), esse espectro de gotas é classificado em “muito finas”, “finas”, “médias”, “grossas” e “muito grossas”. Na Figura 7 é possível verificar a classificação de acordo com o DMV e no potencial de risco de deriva (PRD), segundo PALLADINI & SOUZA (2007).

Fonte: PALLADINI & SOUZA (2007). Figura 7. Classes de tamanho de gotas, segundo as normas ASAE S-572 e BCPC, com características correspondentes (DMV e PRD). Desprezando-se em princípio os riscos de perdas e deriva, quanto menor o tamanho das gotas geradas maior o número de gotas disponíveis para uma determinada quantidade de líquido, ampliandose assim a probabilidade de se atingir os alvos. 

Taxa de aplicação ou Volume de aplicação

Quanto à taxa de aplicação ou volume de aplicação, PALLADINI & SOUZA (2005) relatam que não há um volume fixo de calda a ser utilizado por hectare, sendo o volume de aplicação uma função de variáveis, como tipo de pulverizador, porte das plantas, espaçamento entre linhas, densidade de plantio, condições climáticas, tipo de praga a ser controlada e o estádio vegetativo da planta, entre outros. Há uma tendência de reduzir o volume de aplicação, aumentando a eficiência operacional, haja vista que o tempo gasto para reabastecimento altera o rendimento operacional da pulverização. RAETANO (2011) cita que para reduzir o volume de calda, proporcionando cobertura desejada no alvo, tem-se adotado a redução do tamanho das gotas, porém há uma maior possibilidade de deriva. À medida que se reduz o volume de aplicação, a tendência é produzir gotas menores. O número e tamanho de gotas que se depositam por unidade de área do solo ou da superfície foliar desempenha um papel preponderante na eficiência das aplicações (COSTA, 2009). Uma distribuição uniforme da densidade de gotas de um determinado diâmetro possibilita o sucesso da aplicação, mesmo com a utilização de baixos volumes de calda, o que aumenta a importância de se conhecer a melhor combinação entre densidade e diâmetro de gotas, cujo controle é realizado, via pulverização (FERREIRA, 2003). 

Cobertura do alvo

Uma aplicação adequada é aquela que é realizada no momento correto, proporcionando cobertura suficiente do alvo e que deposita a quantidade de defensivo necessária para eliminar ou minimizar o problema para não gerar danos econômicos (MATUO, 1990), respeitando a segurança do operador e o meio ambiente. É comum a adoção da equação proposta por COURSHEE (1967) para expressar a cobertura de um determinado alvo (Equação 3). C=

15 x V x R x K2 AxD

(3)

224

Em que: C = Cobertura (% área); V = volume de aplicação (L ha-1); R = taxa de recuperação (% do volume aplicado que é captado pelo alvo); K = fator de espalhamento das gotas; A = superfície vegetal existente por hectare; D = diâmetro das gotas Por esta equação, a cobertura pode ser melhorada com o aumento do volume de calda por unidade de área (taxa de aplicação). É possível analisar a cobertura de pulverização com o uso de papel hidrossensível. Mesmo apresentando algumas desvantagens, o uso do papel hidrossensível é uma prática de baixo custo e importante à nível de campo, fornecendo informações importantes para a análise qualitativa da pulverização, como porcentagem de cobertura, densidade de gotas e DMV. Alguns softwares e aplicativos têm sido desenvolvidos, facilitando essa análise à nível de campo, como DepositScan®; DropScope®; Gotas®; AgroScan®, e entre outros. Na Figura 8 é possível visualizar a cobertura das gotas no alvo com o uso de papel hidrossensível. A.

Fonte: SOUZA, L.F. (2020)

Fonte: SOUZA, L.F. (2020) Figura 8. Exemplo de cobertura de alvo após a pulverização: A. e B. uso de papel hidrossensível em posições distintas para aferição da quantidade de produto chegue ao alvo; C. aspecto visual entre papel hidrossensível e cobertura encontrada no alvo. 

Condições meteorológicas

As aplicações de agroquímicos sofrem grande influência das condições ambientais. Diferentes condições ambientais podem gerar comportamentos diferentes, para um mesmo tamanho de gotas (CHRISTOFOLETTI, 1996). 225

As condições climáticas que devem ser observadas referem-se à temperatura do ar, umidade relativa do ar, velocidade do vento, presença do orvalho, ocorrência de chuvas logo após as aplicações (BOLLER et al., 2008) e radiação solar. 

Alvo

Saber qual é o alvo da aplicação, se é uma planta daninha, inseto-praga ou doença, bem como a sua localização é fundamental para que se faça a escolha técnica mais adequada para a aplicação do produto fitossanitário (ANTUNIASSI et al, 2008). Outro fato muito importante é quantidade de alvos diferentes a serem atingidos, o que muitas vezes implica na mistura de produtos fitossanitários em um mesmo compartimento para serem usados na mesma aplicação. Tal prática requer ainda mais atenção e cuidados, a fim de se evitar precipitações ou quaisquer alterações que possam comprometer a qualidade da aplicação e do equipamento utilizado (ADEGAS & GAZZIERO, 2020). 

Máquina

Quanto aos fatores relacionados à máquina aplicadora de produtos fitossanitários, os dispositivos geradores das gotas, denominados de pontas de pulverização, são os elementos mais importantes de um pulverizador, pois são responsáveis pela vazão da barra, taxa de aplicação, tamanho das gotas formadas e sua distribuição sobre o alvo (BOLLER & RAETANO, 2011). Há no mercado diversos tipos disponíveis de máquinas para aplicação de produtos fitossanitários. Um cuidado a ser observado é o espaçamento entre bicos, pois o espaçamento correto junto com a altura da barra irá realizar a distribuição do produto de forma eficaz no alvo. Atenção deve ser dada a estabilidade da barra (horizontal e vertical) durante o deslocamento da máquina, para que não ocorra o efeito “chicoteamento” da barra, prejudicando a qualidade da aplicação.

3 Controle de qualidade na tecnologia de aplicação Dados da FAO (2017) indicam que a população mundial tende a crescer significativamente, de modo que para atender a essa população, a produção de alimentos terá que aumentar cerca de 70%. Para atender a esse aumento, as companhias tendem a ser mais competitivas e a buscarem maior eficiência operacional, para isso torna-se necessário monitorar a variabilidade existente entre as operações a fim de reduzir as perdas, detectando e corrigindo erros ocorridos durante as operações agrícolas. Devido à importância da melhoria e manutenção da qualidade para o sucesso de qualquer sistema produtivo, avaliar as operações mecanizadas na agricultura se faz necessário devido aos elevados índices de variabilidade de fatores não controláveis (VOLTARELLI, 2013). Diante disso, o CEQ vem se destacando como grande aliado para a detecção de falhas e erros que podem ocorrer durante alguma operação agrícola. Por meio do uso das ferramentas de controle do CEQ, é possível ter a melhoria da qualidade dos sistemas agrícolas e o monitoramento da variabilidade destes sistemas. O CEQ, incialmente foi aplicado no setor industrial, porém com o passar do tempo, foi utilizado na agricultura, pois percebeu-se a importância do monitoramento da qualidade das operações agrícolas mecanizadas. O CEQ tem sido aplicado em vários trabalhos de mecanização agrícola, como: MENEZES et al. (2018); SANTOS et al. (2019), TAVARES et al. (2018); GÍRIO et al. (2019); e na área de sensoriamento remoto, como CARNEIRO et al. (2019a), CARNEIRO et al. (2019b), dentre outros. Esses autores perceberam que o uso dessa análise estatística facilitou o acompanhamento do processo, possibilitando melhoria da gestão da qualidade operacional, reduzindo a variabilidade e auxiliando nas tomadas de decisão. De acordo com MONTGOMERY (2016) variabilidade é inversamente proporcional a qualidade. Embora já seja bastante usado nos sistemas agrícolas mecanizados, como semeadura, plantio e colheita, na Tecnologia de Aplicação seu uso é bem incipiente.

3.1 Monitoramento da qualidade na aplicação de corretivos e fertilizantes Quanto à operação de aplicação de corretivos e fertilizantes, algumas falhas podem ocorrer durante a aplicação, como: regulagens inadequadas, desconhecimento da caracterização dos 226

fertilizantes, segregação, topografia da área e entres outras. Para facilitar os aspectos que podem interferir neste processo, foi confeccionado o diagrama de causa e efeito (Figura 9), assim é possível visualizar alguns erros e fatores que podem ser encontrados durante a operação e como evitá-los.

Fonte: CARNEIRO (2015) adaptado pelos autores. Figura 9. Diagrama de causa e efeito para a distribuição de fertilizantes e corretivos. A agricultura de precisão (AP) tem corroborado no mapeamento da variabilidade (MOTOMIYA et al., 2011). Para a aplicação de corretivos e fertilizantes, têm-se adotado os mapas de distribuição a taxa variável (MOTOMIYA et al., 2014). Os mapas de distribuição de fertilizantes com taxa variável (Figura 10) estão sendo bastante empregados por facilitar a identificação das regiões, onde haverá ou não aplicações de dosagens diferenciadas (MOLIN et al., 2006). Ainda os mesmos autores explicam que a distribuição desses produtos em equipamentos agrícolas é feita por meio de dispositivos que alteram a vazão da distribuição.

Fonte: MOLIN et al. (2015) Figura 10. Aplicação de forma localizada por meio de mapas de recomendação (A.) e sensores (B.). 227

O CEQ possui sete ferramentas, sendo: histograma; fluxograma; diagrama de Pareto; folha de verificação; Controle Estatístico de Processo (CEP); diagrama de causa e efeito (MONTGOMERY, 2016). Por meio do CEP é possível observar, através das cartas de controle, se houve falhas ou não durante a operação, e essa identificação de falhas ocorre quando há presença de pontos fora de controle ocasionados por causas especiais, e estas por sua vez afetam a qualidade do processo causando maior variabilidade. Dessa forma, o uso do CEQ auxilia na qualidade da gestão como também nas precauções que se devem adotar durante as operações, com o intuito de reduzir os erros, como: menor perda de produtos (matéria-prima) e o aumento da produtividade (IGNÁCIO, 2010). Com o uso do CEP é possível monitorar a estabilidade do processo e acompanhar os seus indicadores de qualidade ao longo do tempo, sendo que, no gerenciamento de processos, é possível obter melhor padrão de qualidade com menor variabilidade desses indicadores e redução de custos de produção (ROSA, 2015). Ainda há poucos trabalhos monitorando a qualidade da aplicação de corretivos e fertilizantes, dentre eles, pode-se citar alguns trabalhos como: CARNEIRO (2016), CARNEIRO (2017a e 2017b). Esses trabalhos mostram novos conceitos de adubação por possuírem adubadora-formuladora com reservatório individualizado, em que permite a aplicação dos nutrientes (N-P-K) de forma mais precisa. Dessa forma, haverá menor interferência do efeito da segregação (Figura 12B e C), afetando o ângulo de repouso, algo comum quando utilizado adubos formulados, pois os grânulos de nitrogênio (N), fósforo (P) e potássio (K) possuem granulometria e ângulo de repouso diferentes como também foi constatado por CARNEIRO (2015). Para a redução do efeito da segregação desuniforme ao longo da aplicação de fertilizantes, LUZ (2012) apresentou em seu trabalho formas alternativas para evitar este tipo de problema por meio da mistura complexa ou granulada (Figura 11D), proporcionando aplicação uniforme do produto e com nutrição equilibrada. A.

Fonte: LUZ (2012).

Figura 11. Ausência (A. e D.) e presença (B. e C.) de segregação dos nutrientes dentro do reservatório do equipamento agrícola. 228

CARNEIRO (2016), CARNEIRO (2017a e 2017b) avaliou a adubadora (Figura 12A) com compartimentos individualizados para cada nutriente (Figura 12C e D), sendo um novo conceito de aplicação, adotado o CEQ para o monitoramento da qualidade de operação, permitindo a identificação das falhas ocorridas ao longo da operação, que foram elencadas e aparentadas no diagrama de Ishikawa (Figura 9). A adubadora-formuladora pode ser vista na Figura 12A, sendo constituída pelos seguintes componentes: (1) reservatório da adubadora, (2) disco de corte, (3) tubos, (4) haste, (5) discos recortados e (6) barra de pulverização (CARNEIRO et al., 2017b). A.

Fonte: CARNEIRO et al (2017a)

Fonte: CARNEIRO (2015)

Fonte: CARNEIRO et al (2017b)

Figura 12. Distribuição individualizada dos nutrientes N-P-K por meio da adubadora formuladora. Dentre as ferramentas do CEQ, CARNEIRO et al. (2017b) utilizaram o Controle Estatístico de Processos (CEP) por meio das cartas de controle de valores individuais e de amplitude móvel, sendo uma ferramenta bastante utilizada nas operações agrícolas. Foram confeccionadas cartas de controle individuais e de amplitude móvel para cada nutriente analisado no trabalho, como ureia protegida (Figura 13A), MAP - fosfato monoamônico (Figura 13B) e cloreto de potássio (Figura 13C), sendo os tratamentos com e sem aplicação simultânea de fertilizante e herbicida na cultura da cana-de-açúcar.

229

Fonte: CARNEIRO et al (2017b)

Fonte: CARNEIRO et al (2017b) Figura 13. Distribuição individualizada dos nutrientes ureia (N), MAP (P) e cloreto de fósforo (K). CARNEIRO et al. (2017b) perceberam que, por meio da utilização do CEQ foi possível detectar as falhas ocorridas (Figura 15), devido à presença de pontos fora de controle (Figura 14). O conhecimento das falhas ou dos fatores que afetam a qualidade da operação facilita tomadas de decisões e práticas que reduzem esses erros, auxiliando a gestão. Como por exemplo na Figura 14, observa-se o acúmulo de restos de palhadas, tal condição pode estar associada a regulagem inadequada, como excesso de velocidade e disco de corte, fatores que podem ser corrigidos na próxima vez em que se for realizar essa mesma operação, havendo redução desse tipo de erro e o aumento da qualidade.

Fonte: Autores. Figura 14. Detecção de falhas ocorridas durante a aplicação de fertilizantes na cultura da cana-deaçúcar. O CEQ mostra-se relevante na análise estatística por proporcionar maior entendimento do comportamento dos dados, além de facilitar a visualização do processo operacional e permitir a identificação das falhas ocorridas (Figura 14) para que da próxima vez haja menos interferência de causas especiais para que o processo tenha apenas as causas naturais, que são inerentes ao processo, e que não afeta a qualidade e nem deixa o processo instável. 230

3.2 Monitoramento da qualidade na aplicação de produtos fitossanitários A TA é composta principalmente pelos componentes: alvo; ambiente; pulverização; recurso humano e tecnologia de informação; e calda. Pesquisadores têm percebido que há grande interferência na qualidade do controle do tamanho de gota e quanto ao volume de calda. Com os avanços da TA tem se buscado a diminuição do volume de calda, que pode causar deposição irregular e má distribuição (REIS et al., 2010). Com isso, o CEQ, é uma estatística com grande relevância para o monitoramento da qualidade, tendo potencial de uso por proporcionar melhoria na gestão da qualidade, detecção de falhas como também dos fatores que podem ocasionar a redução da variabilidade. Dentre as ferramentas do CEQ, o diagrama de causa e efeito (Figura 15) ou diagrama de Ishikawa ou fatores 6 M’s (meio ambiente, máquina, matéria prima, mão de obra, medição e método), é uma ferramenta em que é elencado as falhas ou fatores e que vão afetar na qualidade da distribuição do produto aplicado.

Fonte: Autores. Figura 15. Diagrama de causa e efeito da tecnologia de aplicação de produtos fitossanitários. PECHE FILHO (2009) elencou alguns indicadores de qualidade que podem ser utilizados pelo CEQ, como pode ser visto na Tabela 1. Tabela 1. Principais indicadores de qualidade operacional da tecnologia de aplicação. Operação Indicadores de qualidade Regularidade da vazão nos bicos de acordo com o produto Tecnologia de aplicação Regularidade da pressão de acordo com o produto de produtos fitossanitários Uniformidade de cobertura Fonte: Centro de Engenharia e Automação do Instituto Agronômico de Campinas – IAC (2009) A construção de um diagrama de causa e efeito facilita a visualização dos fatores envolvidos na operação. REIS et al. (2010) comenta que durante a aplicação, grande parte dos produtos pulverizados são perdidos. Saber quais os fatores que corroboram para essa perda, é um mecanismo de gestão em que o CEP pode ser utilizado. Ferramentas que monitoram a cobertura do alvo (diâmetro das gotas e volume de calda) e deriva auxiliam para obter um melhor resultado. Outro fator que exerce influência na aplicação é o índice de área foliar e a arquitetura da planta, esses fatores interferem na cobertura das folhas e na penetração da calda no dossel por meio da pulverização (SILVA et al., 2016). 231

SOELA et al. (2019), avaliaram a qualidade da deposição de calda aplicada nas folhas do café por meio da aplicação aérea utilizando o Aeronaves Remotamente Pilotadas (ARP) em função das alturas de voo. Esses autores avaliaram a qualidade por meio das cartas de controle e puderam verificar que a aplicação se mostrou com boa qualidade operacional, por ter apresentado menor risco de deriva e melhor eficiência, como visto na Figura 16.

Fonte: SOELA et al. (2019). Figura 16. Cartas de controle de valores individuais para o indicador deposição superior em função da altura de voo. REIS et al. (2010) analisaram a variabilidade da calda da aplicação aérea na cultura da soja por meio das cartas de controle e constataram que para o indicador de qualidade da cobertura da calda houve a presença de causas especiais no terço superior (Figura 17A) e médio (Figura 17B) da planta, deixando o processo instável ou fora de controle. A. B.

Fonte: REIS et al. (2010)

Figura 17. Cartas de controle de valores individuais para a cobertura da calda no terço superior (A) e médio (B) da soja.

232

Como pôde ser observado na Figura 17, houve a presença de pontos de controle. Quando o ponto fica destacado na carta de controle, significa que o ponto está fora de controle devido à atuação de causas especiais no processo e que tal causa deve ser monitorada para que esse erro seja corrigido; entretanto quando os pontos estão entre os limites de controle, ou seja, não há nenhum ponto em destaque não tem causas especiais e o processo está sob controle (NORONHA et al., 2011). Por meio das cartas de controle é possível verificar se o processo é estável ou não. Quando há atuação de causas especiais há presença de pontos fora de controle, afetando no aumento da variabilidade do processo; todavia, quando o processo está sob controle, este é influenciado apenas pelas causas naturais (COSTA et al., 2005). ULCHAK (2016) verificou o controle da qualidade das operações silviculturais, como pulverizações, por meio de cartas de controle e, para o autor, as avaliações mostraram que de maneira geral a qualidade das operações tende a aumentar com o decorrer do tempo, no entanto pode haver outros fatores que interferem na qualidade, tais como a metodologia de avaliação empregada. Em complemento às cartas de controle, é recomendado a utilização da ferramenta de qualidade como os gráficos sequenciais ou run charts. PAIXÃO (2015) relata que as run charts são análises complementares do CEP, atuando na constatação da qualidade do processo, por permitir por meio dos gráficos a detecção de padrões e aleatoriedade, ocasionados por causas especiais. Outra análise possível de ser realizada pelo CEQ é o histograma, que é o monitoramento por meio do diagrama de distribuição de frequência. Na TA tal análise é utilizada para aferir a largura da faixa efetiva de pulverização, como pode ser visto na Figura 18B. A.

Fonte: AGROEFETIVA (2019) citado por Carvalho et al. (2019). B.

Fonte: AGROEFETIVA (2018) citado por CARVALHO et al. (2019). Figura 18. (A.) Monitoramento da qualidade da aplicação aérea e, (B.) Histograma do indicador faixa de deposição total. Outra ferramenta do CEQ, é o índice de capabilidade ou capacidade do processo. Nesta análise é estabelecido alguns parâmetros como limite específico superior (LES) e limite específico inferior (LEI), por meio desta análise é possível compreender o comportamento dos dados, identificando falhas ocorridas durante a operação e que poderão ser melhoradas através do monitoramento e redução destes 233

erros. ROSA (2015) sugere que ao se detectar uma falha, deve-se corrigi-lo o mais rápido, pois a demora pode resultar em perdas irreversíveis ao produto final. Quanto aos Limites específicos (superior e inferior), estes podem ser especificados através de pesquisas, embasamento literário ou “brainstorming”. O “brainstorming” é um método que reúne conjunto de ideias resultantes de reuniões entre um grupo de pessoas, que procuram solucionar o problema, com o intuito de estabelecer padrões para determinado processo e a obtenção do aumento da qualidade (PAIXÃO, 2015; SELEME & STADLER, 2008). Exemplificando sobre os índices de capabilidade, primeiramente é necessário o estabelecimento do limite específico superior (LES) e inferior (LEI), como também é preciso colocar a meta ou alvo. Na Tabela 2, é possível observar alguns limites desejados da aplicação em função do indicador produto e cobertura de gotas cm-². Tabela 2. Recomendações do uso da cobertura das gotas em função do produto. Produto Cobertura (gotas cm-2) Inseticidas sistêmicos 20 – 30 Inseticida de contato 50 – 70 Herbicidas pré-emergentes 20 – 30 Herbicidas pós-emergentes sistêmicos 20 – 30 Herbicidas pós-emergentes de contato 30 – 40 Fungicidas sistêmicos 50 – 70 Fungicidas de contato > 70 Fonte: SENAR (2018). Após a definição dos limites específicos adequados para a melhoria da qualidade da operação TA (Tabela 2), confecciona-se o índice de capabilidade por meio de softwares estatísticos. Na Figura 19 é possível observar a análise de capabilidade. A.

Fonte: MÜLLER (2017).

234

Fonte: MÜLLER (2017).

Figura 19. Exemplificações do uso do índice de capacidade de processo para o monitoramento de operações agrícolas. Algumas ferramentas citadas neste capítulo têm como objetivo monitorar o processo, tais como os fatores que afetam na qualidade (vento, temperatura, umidade do ar, velocidade de deslocamento, vazão, espectro de gotas, e outros), detectando se o processo atende ou não as exigências de qualidade requerida.

4 Tendências e desafios Novos desafios são colocados no dia a dia com a busca por melhores rendimentos operacionais, menores custos de produção, melhores ferramentas de gestão e controle em tempo real, objetivando-se com a melhor a qualidade nas operações agrícolas mecanizadas. Há uma tendência no uso da Agricultura de Precisão (AP), como a aplicação em taxa variável e controle individual de bicos, bem como o uso de controladores eletrônicos nos pulverizadores. Outra tendência crescente é uso de Aeronaves Remotamente Pilotadas (ARP), como pode ser visto na Figura 20, podendo ser de asa rotativa ou asa fixa que tenha apresentado bons resultados quanto à qualidade do serviço realizado. Um desafio quanto aos drones são as baterias que dependendo do modelo da aeronave possui baixa disponibilidade para sustentar o voo.

Figura 20. Aplicação aérea feita por meio de aviões e ARP (aeronave remotamente pilotada). 235

5 Considerações Finais Percebe-se quanto a aplicação de fertilizantes e/ou corretivos de solo, bem como os produtos fitossanitários, que o sucesso da operação é dependente de vários fatores (controláveis e não controláveis). Para tal, é fundamental adequar as operações agrícolas relatadas neste capítulo com os fatores 6 M’s que foram mencionados. Ajustar as operações das distribuições dos fertilizantes e/ou corretivos de solo e também da pulverização com o meio ambiente e matéria-prima, tendo bons parâmetros de métodos e medição com a máquina bem regulada e mão de obra devidamente qualificada, são fatores que levarão a obtenção de uma melhoria na qualidade das operações agrícolas mecanizadas. Embora o CEQ tenha demonstrado em vários trabalhos bons resultados, ainda tem sido pouco explorado na Tecnologia de Aplicação, como na pulverização agrícola e na distribuição de fertilizantes e/ou corretivos. Estudos vem sendo desenvolvidos indicando que o CEQ possui promissoras ferramentas de monitoramento quanto à qualidade do processo da operação.

6 Referências ADEGAS, F. S.; GAZZIERO, D. L. P. Tecnologia de aplicação de agrotóxicos. Embrapa Soja-Capítulo em livro científico (ALICE), 2020. AL-SARAR A, HALL FR, DOWNER RA (2006) Impact of spray application methodology on the development of resistance to cypermethrin and spinosad by fall armyworm Spodoptera frugiperda (JE SMITH). Pest Management Science 62(11): 1023-1031. ANDEF – Associação Nacional de Defesa Vegetal (2004) Manual de tecnologias de aplicação de produtos fitossanitários. São Paulo, Linea Creativa. ANDEF – Associação Nacional de Defesa Vegetal (2013) Manual de tecnologia de aplicação de produtos fitossanitários. São Paulo. 7p. ANTUNIASSI UR (2004) Avaliação da cobertura de folhas de soja em aplicações terrestrescom diferentes tipos de pontas. In: Simpósio Internacional de Tecnologia de Aplicação de agrotóxicos, v.3. Botucatu, Anais, Botucatu: FEPAF. p 48-51. ANTUNIASSI UR, BAIO FH (2008) Tecnologia de aplicação de defensivos. In: Vargas L, Roman ES. Manual de manejo e controle de plantas daninhas. Passo Fundo, Embrapa Trigo. 173-212. ANTUNIASSI UR et al (2008) Tecnologia de aplicação de defensivos. In: VARGAS, L. Manual de manejo e controle de plantas daninhas. Passo Fundo, Embrapa Trigo. p174-175. ANTUNIASSI UR, BOLLER W (2011) Tecnologia de aplicação de fungicidas. In: Tecnologia de aplicação para culturas anuais. Passo Fundo, Aldeia Norte; Botucatu, FEPAF. p 221-238. BAIO FHR, MOLIN JP, LEAL AJF (2012) Avaliação comparativa da distribuição transversal de adubos sólidos aplicados em culturas anuais. Bioscience Journal 28(4): 527-536. BALASTREIRE LA, COELHO JLD (2000) Aplicação mecanizada de fertilizantes e corretivos. São Paulo: ANDA, 2000. 53 p. (Boletim Técnico, 7). Disponível: http://www.anda.org.br/multimidia/boletim_07.pdf. Acessado 16 maio, 2015. BALS EJ (1978) The reasons for C.D.A (Controlled drop application). Proceeding British Crop Production 2: 659-667. BOLLER W (2006) Como obter melhor aproveitamento da pulverização na cultura. Revista Plantio Direto: 23-26. BOLLER W, MACHRY M (2007) Efeito da pressão de trabalho e de modelos de pontas de pulverização sobre a eficiência de herbicida de contato em soja. Engenharia Agrícola 27(3): 722-727. BOLLER W, FORCELINI CA, COSTA DI (2008) Tecnologia de aplicação de produtos fitossanitários em cereais de inverno. Revista Plantio Direto 106: 21-27.

236

BOLLER W, RAETANO CG (2011) Bicos e pontas de pulverização de energia hidráulica, regulagens e calibração de pulverizadores de barras. In: Antuniassi UR, Boller W (Org.). Tecnologia de aplicação para culturas anuais. Ed. Aldeia Norte, Passo Fundo. p51-82. CARNEIRO FM (2015) Aplicação mecanizada de NPK individualizada na cultura da cana-de-açúcar. Tese, Universidade Estadual Paulista (Unesp), Faculdade de Ciências Agrárias e Veterinárias, Jaboticabal. CARNEIRO FM, FURLANI CEA, ORMOND ATS, KAZAMA EH, SILVA RP (2017a) Mechanized fertilization: individual application of nitrogen, phosphorus and potassium in sugarcane. Revista Ciência Agronômica 48(2): 278-287. CARNEIRO FM, FURLANI CEA, GÍRIO LAS, SILVA RP, MALHEIROS EB (2017b) Mechanized and individualized application of NPK in combined operations in sugarcane. Engenharia Agrícola 37(4): 676-688. DOI: http://dx.doi.org/10.1590/1809-4430-Eng.Agric.v37n4p676-688/2017 CARNEIRO FM, FURLANI, CEA, ZERBATO C, MENEZES PC D, GÍRIO LAS (2019a) Correlations among vegetation indices and peanut traits during different crop development stages. Engenharia Agrícola 39 (n.spe): 33-40. DOI: https://doi.org/10.1590/1809-4430-eng.agric.v39nep33-40/2019 CARNEIRO FM, FURLANI CEA, ZERBATO C, MENEZES PC, GÍRIO LAS, OLIVEIRA MF (2019b) Comparison between vegetation indices for detecting spatial and temporal variabilities in soybean crop using canopy sensors. Precision Agriculture 1-29. DOI: https://doi.org/10.1007/s11119019-09704-3 CARVALHO WPA (2007) Situação atual e perspectivas da aviação agrícola no Brasil e eficácia no controle de doenças. Summa Phytopathologica 33: 107-109. CARVALHO FK, CHECHETTO RG, MOTA AAB, ANTUNIASSI UR (2019) Vantagens e desvantagens da pulverização aérea. Revista Cultivar. Disponível: https://www.grupocultivar.com.br/materias/vantagens-e-desvantagens-da-pulverizacao-aerea. Acessado Jul 16, 2020. COSTA AFB, EPPRECHT EK, CARPINETTI LCR (2005) Controle Estatístico de Qualidade. 2. ed. São Paulo, Atlas. 335p. COSTA GM, PIO LC, RAMOS HH (2008) Aplicação de produtos fitossanitários. In: Cana-de-açúcar. Dinardo-Miranda LL, Vasconcelos ACM, Landell MGA (eds). Campinas, Instituto Agronômico (IAC). 882p. COSTA JP (2009) Fisiologia pós-colheita e qualidade de abacaxi ‘Golden’ produzidos na Paraíba. Dissertação, Universidade Federal da Paraíba. COSTA LL, CAMPOS HBN, ARAÚJO EFL, SANTOS KF (2019) Contribuições da tecnologia de aplicação para o manejo de organismos alvo. In: Tecnologia de aplicação de caldas fitossanitárias. Costa LL, Polanczyk RA. (eds). Jaboticabal, FUNEP. 168p. CUNHA JPR, TEIXEIRA MM (2003) Escolha de bico para pulverização. Cultivar Máquinas 3(18): 811. CUNHA JPAR, BUENO MR, FERREIRA MC (2010) Espectro de gotas de pontas de pulverização com adjuvantes de uso agrícola. Planta Daninha 28: 1153-1158. ENCICLOPÉDIA AGRÍCOLA BRASILEIRA/ESALQ, APRESENTAÇÃO HUMBERTO DE CAMPOS. São Paulo: Editora Universidade de São Paulo, 1995. FAO (2017). Representante da FAO Brasil apresenta cenário da demanda por alimentos. Disponível: http://www.fao.org/brasil/noticias/detail-events/pt/c/901168/. Acessado Jul 19, 2020. FERREIRA MC (2003) Caracterização da cobertura de pulverização necessária para controle do ácaro Brevipalpus phoenicis (G., 1939) em citros. Tese, Universidade Estadual Paulista, Jaboticabal. FERREIRA MC (2006) Tecnologia de aplicação de produtos fitossanitários em cana-de-açúcar. In: Segato SV, Pinto AS, Jendiroba E, Nóbrega JCM (org). Atualização em produção de cana-de-açúcar. Piracicaba, Prol – Editora Gráfica. 1: 293-303.

237

FONTES LO (2012) Desempenho operacional de pontas de pulverização para aplicação de defensivos agrícolas na cultura do melão. Dissertação, Universidade Federal Rural do Semi-Árido. p88. HART CWL, BOGAN CE (1994) Baldrige: o que é o Prêmio Baldrige e o que representa para as empresas. São Paulo, Makron Books do Brasil Editora Ltda. 311p. IGNÁCIO AS (2010) Importância da estatística para o processo de conhecimento e tomada de decisão. Curitiba: IPARDES, 2010. 17p. (Nota Técnica, 6). Disponível em: <http://www.ipardes.pr.gov.br/biblioteca/docs/NT_06_importancia_estatistica_tomada_decisao.pdf>. Acesso em: 17 mar. 2015. GANDOLFO MA, ANTUNIASSI UR (2019) IPP – Inspeção periódica de pulverizadores. In: Tecnologia de aplicação para culturas anuais. Antuniass UR, Boller W (org). 2. ed. Passo Fundo, Aldeia Norte; Botucatu, FEPAF. GÍRIO LAS, SILVA RP, MENEZES PC, CARNEIRO FM, ZERBATO C, ORMOND ATS (2019) Quality of multi-row harvesting in sugarcane plantations established from pre-sprouted seedlings and billets. Industrial Crops and Products 142: 111831. https://doi.org/10.1016/j.indcrop.2019.111831 LEITE MF, SERRA JCV (2013) Avaliação dos impactos ambientais na aplicação dos agrotóxicos. Ambiência 9(3): 675-682. LUZ PHC (1989) Máquinas para aplicação de calcário. Rio Claro, Embracal. p1-51. (Embracal. Boletim Técnico, 1). LUZ PHC, OTTO R, VITTI GC, QUINTINO TA, ALTRAN WS, IKEDA R (2010) Otimização da aplicação de corretivos agrícolas e fertilizantes. Informações Agronômicas n.º 129. LUZ PHC (2012) Otimização na aplicação de corretivos agrícolas e fertilizantes. Disponível: https://www.npct.com.br/npctweb/npct.nsf/e0f085ed5f091b1b852579000057902e/e0cf0e581d20cffc8 3257ab60067767e/$FILE/Palestra%20Pedro%20Luz.pdf. Acessado Jul 14, 2020. MADALOSSO MG (2007) Espaçamento entre linhas e pontas de pulverização no controle de Phakopsora pachyrhizi Sidow. Dissertação, Universidade Federal de Santa Maria. MAPA - Ministério da Agricultura Pecuária e Abastecimento. Instrução Normativa Nº5 de 23 de fevereiro de 2007 (2007) Definições e normas sobre as especificações e as garantias, as tolerâncias, o registro, a embalagem e a rotulagem dos fertilizantes minerais, destinados à agricultura. MATUO T (1990) Técnicas de aplicação de defensivos agrícolas. Jaboticabal, FUNESP. 139pp. MATUO T, PIO LC, RAMOS HH, FERREIRA LR (2005) Tecnologia de aplicação e equipamentos. Brasília, ABEAS. 86p. MATUO TK (1998). Fundamentos da Tecnologia da Aplicação de Agrotóxicos. In: Gued SJVC, Dornelles SHB. Tecnologia e segurança na aplicação de agrotóxicos: novas tecnologias. Santa Maria, UFSM. p95-107. MATUO T, PIO LC, RAMOS HH (2004) Curso de proteção de plantas. Mod 2. Tecnologia de aplicação de defensivos agrícolas e equipamentos e técnicas de aplicação. In: Curso de especialização por tutoria a distância. Brasília, ABEAS. 71p. MENEZES PC, SILVA RP, CARNEIRO FM, GIRIO LAS, OLIVEIRA MF, VOLTARELLI MA (2018) Can combine headers and travel speeds affect the quality of soybean harvesting operations? Revista Brasileira de Engenharia Agrícola e Ambiental 22(10): 732-738. doi: http://dx.doi.org/10.1590/1807-1929/agriambi.v22n10p732-738 METALÚRGICA SCHWALM (2020) Produto: Distribuidor Semeador Pendular. Disponível: https://metalurgicaschwalm.com.br/produto/6473/distribuidor-semeador-pendular. Acessado Jul 14, 2020. MILAN M, GADANHA JÚNIOR CD (1996) Ensaios & certificação das máquinas para aplicação de adubos e corretivos. In: Mialhe LG. Máquinas agrícolas: ensaios & certificação de estudos agrários. Piracicaba: Fundação de Estudos Agrários Luiz de Queiroz. cap. 10, p515-550.

238

MOLIN JP, MASCARIN LS, VIEIRA JÚNIOR PA (2006) Avaliação de intervenções em unidades de aplicação localizada de fertilizantes e de populações de milho. Engenharia Agrícola 26(2): 528-536. DOI: http://dx.doi.org/10.1590/S0100-69162006000200022 MOLIN JP, AMARAL LR, COLAÇO AF (2015) Agricultura de precisão. Oficina de Textos: São Paulo, p.119-153. MONTGOMERY DC (2016) Introdução ao controle estatístico da qualidade. 7. Ed. Rio de Janeiro, LTC. 549p. MOTOMIYA AVA, MOLIN JP, CHIAVEGATO EJ (2009) Utilização de sensor óptico ativo para detectar deficiência foliar de nitrogênio em algodoeiro. Revista Brasileira de Engenharia Agrícola e Ambiental 13(2): 137–145, 2009. DOI: http://dx.doi.org/10.1590/S1415-43662009000200005 MOTOMIYA AVA, MOTOMIYA WR, MOLIN JP, LIRA A, OLIVEIRA JRG DI, BISCARO GA (2011) Variabilidade espacial de atributos químicos do solo e produtividade do algodoeiro. Revista Agrarian 4(11): 1-9. MOTOMIYA AVA, VALENTE IMQ, MOLIN JP, MOTOMIYA WR, BISCARO GA, JORDAN RA (2014) Índice de vegetação no algodoeiro sob diferentes doses de nitrogênio e regulador de crescimento. Semina: Ciências Agrárias 35(1): 169-178. DOI: http://dx.doi.org/10.5433/1679-0359.2014v35n1p169 MÜLLER BL (2017) Capacidade e Performance: entenda os índices Cp, Cpk, Pp e Ppk. Disponível:https://www.harbor.com.br/harbor-blog/2017/07/06/capacidade-performance-significado/. Acessado 16 Jul, 2020. NORONHA RHF, SILVA RP, CHIODEROLI CA, SANTOS EP, CASSIA MT (2011) Controle estatístico aplicado ao processo de colheita mecanizada diurna e noturna de cana-de-açúcar. Bragantia 70(4): 931-938. PAIXÃO CSS (2015) Tempos, movimentos e qualidade da operação de colheita mecanizada de soja em função do formato dos talhões. Dissertação, Universidade Estadual Paulista (Unesp), Faculdade de Ciências Agrárias e Veterinárias, Jaboticabal. PALLADINI LA, SOUZA RT (2005) Sistema de produção de uva de mesa no norte do Paraná. Brasília, Pesquisa Agropecuária Brasileira. PALLADINI LA, SOUZA RT (2007) Tecnologia para aplicação de produtos fitossanitários em videira. Bento Goncalves: Embrapa Uva e Vinho. 8p. (Embrapa Uva e Vinho. Circular Técnica, 73) PECHE FILHO A (2009) Qualidade tem início nas decisões operacionais. Visão Agrícola, (9): 79-80. RAETANO CG (2011) Introdução ao estudo da tecnologia de aplicação de produtos fitossanitários. In: Antuniassi UR, Boller W (Org.). Tecnologia de aplicação para culturas anuais. Passo Fundo, Ed. Aldeia Norte. p15-26. REIS EF, QUEIROZ DM, CUNHA JPAR, ALVES SMF (2010) Qualidade da aplicação aérea líquida com uma aeronave agrícola experimental na cultura da soja (Glycine max L.). Engenharia Agrícola 30(5), 958-966. ROBERTS TL (2007) Right product, right rate, right time and right place... the foundation of best management practices for fertilizer. In: Fertilizer best management practices: general principles, strategy for their adoption, and voluntary initiatives vs. regulations. IFA International Workshop on Fertilizer Best Management Practices. 7-9. Brussels, Belgiun. p. 29-32 ROSA LC (2015) Introdução ao controle estatístico de processos. 2. ed., ver. ampl. Santa Maria: UFSM, 176p. SANTOS AF, SILVA RP, ZERBATO C, MENEZES PC, KAZAMA EH, PAIXÃO CSS, VOLTARELLI MA (2019) Use of real‑ time extend GNSS for planting and inverting peanuts. Precision Agriculture, 1-17. DOI: https://doi.org/10.1007/s11119-018-9616-z SELEME R, STADLER H (2008) Controle da qualidade: as ferramentas essenciais. Curitiba, Ibpex. 181p. SENAR – SERVIÇO DE APRENDIZAGEM RURAL (2018) Mecanização: operação de pulverizadores de barras tratorizado. Brasília, Senar. 184p. 239

SILVA JER, CUNHA JPAR, NOMELINI QSS (2016) Controle estatístico de processo em pulverização hidropneumática na cultura do café. Coffee Science 11(1): 11-21. SMITH DW, SIMS BG, O’NEILL DH (1994) Testing and evaluation of agricultural machinery and equipment. Rome, FAO. 272p. (FAO Bulletin, 110). SOELA DM, CRAUSE DH, VITÓRIA EL, OLIVEIRA RF, MORAES F, FREITAS ILJ, LOCATELLI T (2019) Controle estatístico de processo em pulverização usando Veículo Aéreo Não Tripulado na cultura do café conilon. X Simpósio de Pesquisa dos Cafés do Brasil. TAVARES TO, BORBA MAP, OLIVEIRA BR, SILVA RP, VOLTARELLI MA, ORMOND ATS (2018) Effect of Soil Management Practices on the Sweeping Operation during Coffee Harvest. Agronomy Journal, 110(5): 1689-1696. DOI: https://doi.org/10.2134/agronj2017.10.0598 ULCHAK, A. A. (2016) Controle de qualidade de operações silviculturais em plantios de eucalipto. Trabalho de conclusão de curso, Universidade Federal do Paraná, Curso de Engenharia Florestal, Setor de Ciências Agrárias, Curitiba, PR. 2016.

240

FERRAMENTAS DO CEQ APLICADAS À AGRICULTURA DE PRECISÃO Adão Felipe dos Santos Mailson Freire de Oliveira Maria Albertina Monteiro dos Reis Nos últimos anos a adoção de tecnologia no campo tem crescido exponencialmente, principalmente na produção de culturas anuais, como soja, milho e trigo, as quais fazem uso de máquinas modernas equipadas para receber sinal GNSS (Sistema Global de Navegação por Satélite), sensores, amostragem em grid e utilização de veículo aéreo não tripulado (Drones/VANT/ARP). Dessa forma, para muitas pessoas, a Agricultura de Precisão (AP) é definida e em alguns casos limitada à somente o uso dessas ferramentas, esquecendo o real intuito do emprego das técnicas, as quais colaboram para a redução de impactos ambientais e melhoria na gestão das lavouras. Em 2019, o conceito de AP foi atualizado pela International Society of Precision Agriculture (ISPA) passando a ser entendido como uma estratégia de gerenciamento que reúne, processa e analisa dados temporais, espaciais e individuais e os combina com outras informações para apoiar decisões de gerenciamento de acordo com a variabilidade estimada para melhorar a eficiência no uso de recursos, produtividade, qualidade, rentabilidade e sustentabilidade da produção agrícola. No Brasil, dentre as diversas ferramentas de AP, o uso de direcionamento automático tem sido a principal adotada pelos produtores para realizar operações agrícolas. Com o uso do conhecido piloto automático, é possível fazer o alinhamento da semeadura com os tratos culturais e colheita. O resultado dessa prática traz como benefício a redução de área compactada por meio do tráfego controlado, em que as máquinas irão transitar somente em uma mesma zona. Além da utilização do piloto automático, uma pesquisa divulgada pela TELECO mostrando o balanço da Agricultura de Precisão no Brasil em 2020, revelou que 70% dos agricultores entrevistados fazem aplicação de fertilizante em taxa variável e 39% desses utilizam imagem de satélite para monitorar suas lavoras. Entretanto, apesar da expressividade na adoção de técnicas de AP, 93% dos produtores acreditam que a conectividade é fundamental para melhoria das práticas agrícolas envolvendo AP. Mas afinal, como o Controle de Qualidade (CEQ) pode colaborar para melhoria das aplicações de técnicas de AP? Conforme já foi mencionado no decorrer deste livro, o CEQ é uma ferramenta de gestão de qualidade largamente aplicada na produção industrial, sendo que seus conceitos, por trazerem melhoria na qualidade dos processos, despertaram interesse de pesquisadores do meio agrícola, os quais foram e vem sendo constantemente adaptados para a realidade da agricultura. Dessa forma, vale enfatizar que os conceitos de AP e CEQ convergem, uma vez que ambos consideram a gestão da variabilidade visando aumentar a qualidade dos processos agrícolas. Nesse sentido, este capítulo irá apresentar as principais associações entre as ferramentas do CEQ e da AP, com intuito de deixar claro o que já foi feito até o momento, bem como as oportunidades nas quais podem ser utilizadas as duas ferramentas em conjunto para melhoria na gestão de processos agrícolas.

Monitoramento da precisão e acurácia Como mencionado anteriormente, o GNSS é largamente utilizado na agricultura, contudo, vale ressaltar que a acurácia no posicionamento das máquinas no campo em tempo real é o que irá trazer eficiência nos processos agrícolas que serão realizados posteriormente e algumas atividades em AP não são aceitos grandes erros de posicionamento (>5m). A solução na correção do posicionamento das máquinas no campo, garantindo maior assertividade no posicionamento, é dada por meio da correção do sinal de GNSS, que pode ser via correção Real Time Kinematic (RTK) ou Real Time eXtend (RTX) os quais garantem erros centimétricos. O erro no posicionamento do GNSS pode estar relacionado à diversos fatores, tais como, erros de efemérides, de relógio, do receptor, da ionosfera e de multicaminhamento (MONICO, 2008). Ainda, segundo o mesmo autor, os erros podem ser do tipo sistemáticos, em que os erros podem ser reduzidos e em alguns casos até eliminados por técnicas de observação, e os erros aleatórios, aqueles que não apresentam qualquer relação com as medidas e são, em geral, a discrepância remanescente das observações, depois que os erros sistemáticos são eliminados/minimizados. Dessa forma, considerando 241

essas definições de erros do GNSS é possível traçar um paralelo com a definição de processo comumente utilizado no CEQ e os fatores que o afetam para atingir a qualidade necessária. Porém, é essencial ter em mente que um processo pode ser definido como qualquer combinação dos fatores denominados 6M’s (Mão-de-obra, Matéria-prima, Métodos, Medição, Máquinas e Meioambiente), que colaboram e interagem de certa forma para atingir a qualidade de determinado produto ou serviço (SAMOHYL & ALVES, 2005). Assim, os erros sistemáticos do GNSS, que podem ser reduzidos e, em alguns casos, até eliminados por técnicas de observação, correspondem aos erros provocados por causas especiais (fatores 6M’s) ocasionando em um processo instável. Já os erros aleatórios, tanto do GNSS quanto no CEQ, são aqueles que fazem parte do processo e não convém sua eliminação, ou seja, não causam danos à qualidade do processo. A ferramenta utilizada para detecção dos erros e tomada de decisão que vem sendo frequentemente utilizada por pesquisadores do meio agrícola, são as cartas de controle individual e amplitude móvel (IM-R). É importante destacar o funcionamento desse tipo de carta de controle, as quais possuem dois gráficos: o superior, correspondendo aos valores individuais amostrados em cada ponto, e o inferior, obtido pela amplitude calculada entre duas observações sucessivas, em que os limites de controle (limite de controle superior - LSC e limite de controle inferior - LIC) são estabelecidos considerando a variação dos dados, de acordo com a média, em torno de mais ou menos três vezes o desvio padrão (σ). Entretanto, para se analisar erros de GNSS, como paralelismo na semeadura ou colheita, SANTOS et al. (2018) sugerem a utilização de duas vezes o desvio padrão para calcular os limites inferior e superior. Essa observação é importante, uma vez que a utilização de 2σ permite maior rigor na análise, garantindo que 95% dos pontos plotados estejam dentro da região de aceitação (entre LSC e LIC). Ainda, nas IM-R é possível estabelecer os limites específicos de controle (limite superior específico - LSE e limite inferior específico - LIE), valores os quais se deseja alcançar durante o monitoramento de um processo, ou seja, os erros de posicionamento aceitáveis, para mais ou para menos, dependendo do tipo de correção que está sendo utilizado (Figura 1).

Figura 1. Cartas de controle individual (I) e amplitude móvel (II) utilizando 2σ, aplicada no monitoramento da precisão e acurácia da semeadura de amendoim utilizando piloto automático com correção RTX (A/G) comparado com a semeadura realizada pelo operador (M/G). [Adaptado de SANTOS et al. (2018)]. A associação das cartas de controle no monitoramento da precisão e acurácia de sinais GNSS, considerando a estrutura das cartas de controle, pode-se dizer que elas são eficientes no monitoramento da acurácia e precisão dos erros, uma vez que, a precisão relaciona-se com a variação do valor medido repetidamente sob mesmas condições experimentais em torno do valor médio observado, enquanto a acurácia refere-se à exatidão da medida, ou seja, refere-se à proximidade do valor medido e o valor real (Figura 2). Vale ainda ressaltar que, a precisão é afetada somente pelos erros aleatórios no processo de medição, enquanto a acurácia é afetada pela precisão, bem como, pela existência de erros desconhecidos ou erros sistemáticos (CAPPELLI et al., 2006).

242

Figura 2. Representação esquemática para interpretação das cartas de controle no monitoramento da precisão e acurácia sendo, alta precisão e acurácia (A); baixa precisão, mas com acurácia (B); sem precisão e sem acurácia (C). [Adaptado de SANTOS (2016)]. LSC: Limite superior de controle. LSE: Limite específico de controle. X: Média. LIE: Limite inferior específico. LIC: Limite inferior de controle

Monitoramento da qualidade de zonas de manejo O gerenciamento das lavouras por meio de Zonas de Manejo (ZM) vem sendo frequentemente utilizada no contexto da AP. As ZM’s podem ser definidas como delimitação de subáreas dentro de um campo de produção, essa delimitação permite que as subáreas sejam gerenciadas uniformemente, maximizando os recursos e insumos, desde que apresentem características semelhantes de solo e topografia (GAVIOLI et al., 2016). Dentre as principais variáveis utilizadas para se delimitar as ZM’s estão a produtividade, atributos químicos e físicos do solo (CORWIN & LESCH, 2003), topografia do terreno, condutividade elétrica aparente do solo (KITCHEN et al., 2003; SANCHES et al., 2018), bem como análise da cultura ao longo do ciclo por meio de índices de vegetação (CHANG et al., 2014). Sem dúvidas a escolha das variáveis irá impactar na estabilidade da ZM ao longo dos anos, e por isso, recomenda-se associar variáveis imutáveis com variáveis que podem sofrer alterações com o decorrer dos anos, podendo assim fazer o ajuste, sempre que for necessário, na ZM. A maioria dos gestores em AP após escolherem as variáveis para criar uma ZM utilizam softwares para determinar o número de cluster. O software Management Zone Analyst (MZA) é um dos mais utilizados para tal função, por possuir diversos tipos de agrupamento dos dados, como por exemplo a distância de Mahalanobis, que explica a dissimilaridade entre as variáveis, bem como a correlação entre essas. No entanto, o resultado as vezes pode considerar diferenças entre o conjunto de dados fornecido, indicando um número de cluster maior por simplesmente não considerar a faixa de valores em que esses se encontram. Nesse sentido, a análise conjunta dos dados fornecidos pelo MZA com cartas de controle pode ser útil na tomada de decisão para implementação de ZM, que irá considerar a qualidade do agrupamento. Um exemplo dessa associação foi constatado por SANTOS et al., (2018), avaliando a qualidade do agrupamento de zonas de manejo por meio do CEQ, em que os autores utilizam como parâmetros para construção das cartas de controle individual o resultado do agrupamento do software MZA. De acordo com o índice de desempenho fuzziness e a entropia de classificação normalizada, a partição dos dados em classes pode ser em até sete classes, utilizando as variáveis condutividade elétrica aparente do solo e NDVI na análise (Figura 3).

243

0,08

0,14

0,07

0,12

0,06

0,10

0,05

0,08

0,04

0,06

0,03 FPI

0,04

NCE

0,02 0,00

0,02 0,01

Entropia de classificação normalizada

Índice de desempenho de Fuzziness

0,16

0,00 2

4 5 6 Número de Classes

Figura 3. Índice de desempenho de Fuzzi (FPI) e entropia de classificação normalizada (NCE), analisando NDVI em conjunto com a condutividade elétrica aparente do solo. Na prática, os valores os resultados de FPI e NCE apontam para utilização de sete classes de ZMA para o talhão em análise (Figura 4). Porém, o manejo no dia a dia utilizando sete diferentes zonas de manejo pode inviabilizar as atividades agrícolas, especialmente por algumas delas serem de tamanhos (área) que poderia ser facilmente englobada dentro de uma classe de peso maior.

Figura 4. Mapa da delimitação de zonas de manejo utilizdno a condutividade elétrica aparente do solo e indice de vegetação NDVI. Na Figura 4 é possível, dividir o talhão visualmente em quatro ZM, em que as bordas do talhão encontra-se em classes de pouca representatividade e que pelos valores na legenda podem ser englobados dentro da casse anterior. Assim, por meio das cartas de controle e utilizando o conjunto de dados agrupados em classes pelo MZA, foi possível estabelecer a relação de quatro zonas de manejo para o talhão da Figura 4. A redução de sete para quatro zonas de manejo, por meio das cartas de controle, foi com base nos valores dos limites inferior e superior, os quais indicaram que seria possível reduzir o número de classes gerada pelo software, uma vez que os dados agrupados para condutividade elétrica e NDVI nas zonas Z2 e Z5 eram similares, ou seja, estão na mesma amplitude de valores (Figura 5), e consequentemente possuem características similares. Dessa forma, evidenciou-se que as cartas de controle, com base nos valores dos limites de controle, podem ajudar a delinear ZM considerando a variabilidade dos parâmetros analisados.

244

(A) Z1

1.00

0.8 0.7 0.6 0.5

LSC

0.4

_ X

0.3 0.2

LIC

0.1

Condutividade elétrica 100 cm (mS m-¹)

Condutividade elétrica 50 cm (mS m-¹)

0.9

(B)

0.98

LSC

0.96

_ X

0.94 LIC 0.92

0.90

0.0 1

512

1023

1534

2045 2556 3067 Observações

3578

4089

4600

512

1023

1534

2045 2556 3067 Observações

3578

4089

4600

0.40

NDVI (Banda do vermelho)

0.35 0.30 0.25

LSC

0.20 _ X

0.15 0.10

LIC 0.05 1

512

1023

1534

2045 2556 3067 Observações

3578

4089

4600

Figura 5. Cartas de controle individual para condutividade elétrica 50 cm (A) 100 cm (B) e NDVI (C). Sem dúvidas, a implementação de ZM’s permite ao produtor explorar a propriedade da forma mais rentável e produtiva possível, pois os tratos culturais ao longo do desenvolvimento da cultura serão adequados para as determinadas subáreas em cada classe. Filtragem de dados A caracterização da variabilidade das lavouras tem sido demostrada por meio de mapas de produtividade, os quais fornecem uma densa massa de dados permitindo que os agricultores possam analisar regiões onde se obtiveram melhores resultados e correlacioná-las com práticas agrícolas adotadas dentro do talhão durante a safra. Por representar os esforços ao longo da safra, muitos pesquisadores apontam que a análise dos mapas de produtividade com outros parâmetros agronômicos pode ser o ponta pé inicial para o início da adoção de AP, uma vez que este revela áreas com baixo, médio e alto potencial produtivo. Entretanto, devido ao grande volume de dados que é processado enquanto a colhedora realiza trabalho, é comum encontrar erros nos mapas de produtividades. Dentre os principais motivos para ocorrência desses erros destacam-se erros de posicionamento, produtividade nula, interpretação incorreta da largura de plataforma, umidade nula, distância nula entre pontos, intervalo de enchimento da colhedora e dados discrepantes (MENEGATTI & MOLIN, 2004). Essas fontes de variação alteram o valor qualitativo dos mapas de produtividades, levando à uma interpretação errônea do potencial produtivo da área. Assim, antes da utilização dos mapas de produtividades, esses erros devem ser eliminados, deixando somente dados que agregam valor qualitativo nos mapas, ou seja, valores que representam a condição da lavoura, excluindo pontos super e subestimados. Alguns métodos têm sido propostos para eliminar valores provenientes das fontes de variação mencionadas anteriormente. Por exemplo, GIMENEZ & MOLIN (2004) desenvolveram uma planilha em formato Excel que mostrou ser simples de ser utilizada, contudo, os autores ressaltaram que a aplicação do algoritmo em grande volume de dados referentes a uma dada área é bastante trabalhosa 245

quando se utiliza uma planilha eletrônica, além de exigir grande espaço para o armazenamento das extensas planilhas geradas. Por outro lado, MENEGATTI & MOLIN, (2003) desenvolveram uma metodologia para identificar e caracterizar erros em mapas de produtividade, utilizando histogramas de distribuição de frequência e limites estatísticos superior e inferior. Todos os métodos supracitados empregam fórmulas matemáticas que, muitas vezes, são de difícil compreensão por parte da maioria dos produtores. Assim, por ser um método de interpretação simples, o conceito por trás das cartas de controle contribui para o avanço na metodologia da eliminação de erros e, consequentemente, interpretação e tomada de decisão baseado em mapas de produtividade. A interpretação de cartas de controle para eliminar pontos discrepantes em mapas de colheita se dá por meio de pontos que extrapolam os limites de controle (LSC ou LIC), sendo os limites de controle estabelecidos conforme eq. 1. Limites = µ± n*σ

(1)

Em que, µ é a média; n é o valor de sigma adotado para o cálculo, quanto menor o valor maior o rigor da análise, e σ é o desvio padrão. Dessa forma, pontos que extrapolam os limites de controle são aqueles considerados como outliers e são provenientes de alguma fonte de erro mencionada anteriormente. Vale enfatizar que a escolha de “n” é de extrema importância, uma vez que alguns pontos podem ser marcados como outliers (extrapolam os limites de controle) nas cartas de controle, sendo que os seus valores são tidos como padrão para aquele conjunto de dados. No conceito de CEQ isso é chamado como alarme falso, e requer experiência do analista para interpretar os resultados dos gráficos (MONTGOMERY, 2009).

(a)

(b)

(c)

(d)

Figura 6. Aplicação de cartas de controle na filtragem de dados brutos provenientes de mapas de produtividade de soja. Mapa de produtividade bruto (a); cartas de controle com os dados brutos com os limites de 2 e 3σ (b); Mapa com os pontos plotados acima/abaixo dos limites de controle utilizando 2σ (c); Mapa com os pontos plotados acima/abaixo dos limites de controle utilizando 3σ (d) [Adaptado de OLIVEIRA et al. (2018)].

246

Considerando que existe essa possibilidade, OLIVEIRA et. al (2018) testaram a performance das cartas de controle para filtrar dados de produtividade de soja de uma colhedora modelo 1175 (John Deere) equipada com monitor Topper 4500 (STARA). No total foram registrados 11.948 pontos em 38 hectares (Figura 6a). Os dados brutos foram analisados por meio de cartas de controle individual considerando os valores de 3 e 2σ para cálculo dos limites (b). Os autores concluíram que os gráficos de controle de valores individuais podem ser usados para definir limites de controle para identificação de possíveis discrepâncias em mapas de colheita, e o uso de três múltiplos do desvio padrão é indicado para filtragem de dados com maior confiabilidade no mapeamento de produtividade Monitoramento de dados provenientes do sensoriamento remoto O uso de técnicas de sensoriamento remoto para captura de informações espectrais de culturas agrícolas, tem ganhado espaço em um cenário em que o produtor busca por informações durante o ciclo de desenvolvimento da cultura visando realizar o manejo mais sustentável, com redução de custos e incremento de produtividade. A coleta das informações espectrais é realizada por meio de sensores remotos, que podem ser, orbital (satélites), sub orbital ou aéreo (drones) e terrestre, sem que haja o contato físico do sensor com o alvo. A informação que é processada pelos sensores é a energia refletida pelas plantas, em outras palavras é a energia eletromagnética proveniente da radiação solar não utilizada nos processos fotossintéticos. Vale ressaltar que cada cultura possui taxas de refletância diferentes, devido à disposição dos espaços intercelulares dentro das folhas. A radiação eletromagnética utiliza diferentes comprimento de ondas, que quando combinadas por meio de equações matemáticas geram os índices de vegetação, os quais são amplamente empregados para o monitoramento das culturas, principalmente estresses (MEIFORTH et al., 2020), estimativa de produtividade (FENG et al., 2020), detecção de doenças (ZHAO et al., 2020) e altura de plantas (ZHEN et al., 2020). Apesar da ampla utilização de índices de vegetação no monitoramento agrícola, como por exemplo o índice por diferença normalizada da banda do vermelho (NDVI), podem apresentar, em alguns casos, saturação. Isto é, o valor do índice não possui variação após determinada quantidade de biomassa ou índice de área foliar. A detecção da saturação do NDVI muitas vezes é feita por meio do ponto máximo de crescimento em uma curva de regressão, no entanto, o monitoramento por meio de cartas de controle ao longo da safra pode detectar padrões de oscilação no valor do índice, bem como indicar se houve saturação dos índices. A relação de que é possível monitorar os índices de vegetação utilizando cartas de controle foi relatada por CARNEIRO et al. (2019), em que os autores utilizando sensores terrestres encontraram saturação do NDVI após 75 DAS na cultura da soja (Figura 7). A constatação se deu devido à pouca variação entre os valores medidos no campo em torno da média e também pela variabilidade entre os limites superior e inferior de controle, os quais foram gradativamente reduzindo até os 90 DAS.

Figura 7. Utilização de cartas de controle individual para o monitoramento temporal do NDVI captado por meio de sensor terrestre indicando saturação de valores após os 74 DAS. [Adaptado de CARNEIRO et., 2019]. Ainda, considerando que as plataformas de aquisição dos dados possuem diferentes resoluções espaciais, Santos (2019) testou a utilização de cartas de controle para verificar se o NDVI coletado 247

utilizando drone (12 cm de resolução espacial) e imagem de satélite (3 m de resolução espacial) tinha o mesmo comportamento ao longo da safra da cultura de amendoim em uma área irrigada nos Estados Unidos. Diferentemente dos autores supracitados que encontraram saturação do NDVI na cultura da soja no final do ciclo, SANTOS (2019) reportou que independentemente da plataforma, drone ou satélite (Figura 8) o NDVI na cultura do amendoim apresentou saturação até 117 DAS, e após 123 DAS houve redução dos valores, com aumento da variabilidade entre as parcelas estudadas.

Figura 8. Utilização de cartas de controle individual e amplitude móvel no monitoramento temporal do NDVI captado por meio de sensor orbital indicando saturação de valores doa 96 até os 117 DAS e consequentemente variação 123 DAS. [Adaptado de SANTOS, 2019]. Assim, fica evidente que indices de vegetação com sensibilidade a aumento e redução da biomassa podem ser analisados utilizando cartas de controle em associação com mapas de variabilidade espacial, os quais irão mostrar visualmente a variabilidade temporal (cartas de controle) e espacial (mapas de variabilidade).

Oportunidades na aplicação em tempo real Com o avanço da conectividade em campos de produção, ferramentas para o monitoramento de operações agrícolas mecanizadas durante sua execução tem sido cada vez mais promissoras, pois permitem o desenvolvimento de centros de operações, os quais monitoram atividades desenvolvidas na propriedade, como: semeadura, pulverização, aplicação de adubo, entre outros. O monitoramento durante a execução de operações agrícolas mecanizadas traz benefícios ao produtor, principalmente na tomada de decisões mais assertivas em tempo abio para não comprometer a produtividade da cultura implantada. Esse monitoramento se dá, principalmente, pelo recebimento de variáveis operacionais como velocidade, quantidade de produto aplicado e visualização de diversas formas. Um exemplo desse monitoramento da operação agrícola em tempo real, está na operação de semeadura, em que se pode analisar dados de velocidade de deslocamento da máquina e definir limites de qualidade aceitáveis (LSC e LIC), associado à definição dos limites pode-se empregar sistemas autônomos de monitoramento que irão disparar alarmes no momento em que a operação ultrapassar os limites estabelecidos, possibilitando a investigação das causas de tal perturbação no processo. Assim, vislumbrando o campo de oportunidades da AP no Brasil e os anseios para implementação das diversas técnicas (Figura 9), o monitoramento da qualidade de aplicação por meio de ferramentas do controle estatístico de processos em tempo real, apresenta-se como uma oportunidade na melhoria da gestão de qualquer uma das atividades agrícola, desde que estejam conectadas por meio de uma rede entre a máquina no campo e o escritório, por exemplo via telemetria.

248

Figura 9. Expectativa para o uso de tecnologias de AP no futuro. Questionário respondido por produtores brasileiros durante a safra 2011/2012. [Adaptado de BORGHI et al. (2016)]. Ainda, considerando os dados apresentados por BORGHI et al. (2016) a alta expectativa por parte dos produtores em adotar tecnologias para semeadura em taxa variável, nos leva a acreditar que a associação de cartas de controle no monitoramento da operação de semeadura tende a ser uma ferramenta promissora no futuro. Isso se dá pelo fato de que já são reportados na literatura diversos trabalhos empregando a gestão de qualidade na semeadura em pós processamento (dados mensurados após a semeadura) e então, a implementação de algoritmos que plotam no monitor ponto a ponto durante a operação poderá aumentar a precisão e qualidade no momento da semeadura mecanizada em taxa variável, de forma que o próprio operador identifique o problema e corrija-o para retomada da normalidade do processo. Outro potencial para associar o uso de ferramentas do CEQ se diz respeito a implementação de algoritmos que fazem a interpretação dos dados em plataforma móvel, como por exemplos aplicativos para smartphones. Sem dúvidas, uma das grandes vantagens do uso de aplicativos para smartphones é o fato de serem exemplos de tecnologia portátil e fácil de usar, possibilitando facilitar a tomada de decisões em tempo real (MIGLIACCIO et al., 2015; VELLIDIS et al., 2016; MALDONADO et al., 2019). Alguns grupos de pesquisas já estudam essa possibilidade, e possuem versão demo do app, o qual tem intuito de monitorar a qualidade da operação de colheita mecanizada utilizando cartas de controle plotando gráficos a partir de dados de perdas.

Considerações finais Conforme apresentado no decorrer deste capítulo, ainda é incipiente a associação das duas ferramentas de gestão, CEQ e AP. Entretanto, com a geração de conhecimento empregando ferramentas de CEQ associada a AP no meio agrícola a tendência é que sejam obtidos ganhos na produção, devido a otimização nas operações agrícolas mecanizadas, otimização na utilização dos recursos disponíveis, além de facilitar o trabalho do produtor no campo. A utilização das ferramentas citadas no decorrer do capítulo associadas possibilita o melhor aproveitamento e eficiência da produção agrícola, para tanto é necessário o entendimento aprofundado e incorporação das técnicas no campo de modo que sejam retiradas o maior número possível de informações. O CEQ é amplamente difundido em ambientes empresariais para melhoria na qualidade dos produtos, acreditamos que com a difusão desses conhecimentos associados à AP será possível a gestão da variabilidade do ambiente agrícola.

249

Referências CAPPELLLI, N. L.; UMEZU, C. K.; SILVEIRA, A. C.; GARCIA, A. P. Desempenho comparativo entre receptores GPS Revista Brasileira de Agroinformática, v. 8, n. 1, p.63-77, 2006. MONICO, J. F. G. Posicionamento pelo GNSS: descrição, fundamentos e aplicações, 2ª ed. São Paulo: Editora UNESP, 2008. 754p. SAMOHYL, R. W.; ALVES, C. C. O monitoramento de processos industriais via gráficos de controle CUSUM. Revista UNIVILLE, Joinville, v. 10, n. 2, p. 72-80, 2005 SANTOS, A. F. DOS; SILVA, R. P. DA; ZERBATO, C.; MENEZES, P. C. DE; KAZAMA, E. H.; PAIXÃO, C. S. S.; VOLTARELLI, M. A. Use of real-time extend GNSS for planting and inverting penuts. Precision Agriculture, v.19, p.1-17, 2018. MENEGATTI, L. A. A., & MOLIN, J. P. (2003). Metodologia para identificação e caracterização de erros em mapas de produtividade. Revista Brasileira de Engenharia Agrícola e Ambiental, 7(2), 367374. https://doi.org/ 10.1590/S1415-43662003000200031 OLIVEIRA DT.; BERNACHE, L.; OLIVEIRA, L.P.; VOLTARELLI M. A.; SILVA R P. (2018) A New Approach to Statistical Process Control: Identification of Outliers in Yield Maps. Journal of Agricultural v. 10(8) https://doi.org/10.5539/jas.v10n8p334 GAVIOLI, A., SOUZA, E.G., BAZZI, C.L., GUEDES, L.P.C. SCHENATTO, K. 2016. Optimization of management zone delineation by using spatial principal componentes Computers and Electronics in Agriculture 127, 302–310 CORWIN, D.L., LESCH, S.M.M., 2003. Application of soil electrical conductivity to precision agriculture: theory, principles, and guidelines. Agron. J. 95 (3), 455–471. http://dx. doi.org/10.2134/agronj2003.0455. KITCHEN, N.R.R., DRUMMOND, S.T., LUND, E.D., SUDDUTH, K.A., BUCHLEITER, G.W., 2003. Soil electrical conductivity and topography related to yield for three contrasting soil systems. Agron. J. 95, 483–495 SANCHES, G.M., MAGALHÃES, P.S.G., REMACRE, A.Z., FRANCO, H.C.J. 2018. Potential of apparent soil electrical conductivity to describe the soil pH and improve lime application in a clayey soil. Soil & Tillage Research 175 (2018) 217–225 http://dx.doi.org/10.1016/j.still.2017.09.010 MENEGATTI, L. A. A., & MOLIN, J. P. (2003). Metodologia para identificação e caracterização de erros em mapas de produtividade. Revista Brasileira de Engenharia Agrícola e Ambiental, 7(2), 367374. https://doi.org/ 10.1590/S1415-43662003000200031 GIMENEZ, M.; MOLIN, J.P. (2004) Algoritmo para redução de erros em mapas de produtividade para agricultura de precisão. Revista Brasileira de Agrocomputação, v.2, n.1, p.5-10. VELLIDIS, G., LIAKOS, V., ANDREIS, J., PERRY, C., PORTER, W., BARNES, E., MORGAN, K., FRAISSE, C., MIGLIACCIO, K., 2016. Development and assessment of smartphone application for irrigation scheduling in cotton. Com. Electron. Agric. 127, 249–259. https://doi.org/ 10.1016/j.compag.2016.06.021. MIGLIACCIO, K.W., MORGAN, K.T., FRAISSE, C., VELLIDIS, G., ZOTARELLI, L., FRAISSE, C., ZURWELLER, B.A., ANDREIS, J.H., CRANE, J.H., ROWLAND, D., 2015. Smartphone apps for irrigation scheduling. Trans. ASABE 59 (1), 291–301. https://doi.org/10.13031/trans.59. 11158 MALDONADO, W.; VALERIANO, T. T. B.; ROLIM, G. S. EVAPO: A smartphone application to estimate potential evapotranspiration using cloud gridded meteorological data from NASA-POWER system. Computers and Electronics in Agriculture, v. 156, p. 187-192, 2019. ZHAO, H.; YANG, C.; GUO, W.; ZHANG, L.; ZHANG, D. Automatic Estimation of Crop Disease Severity Levels Based on Vegetation Index Normalization. Remote Sens. 2020, 12, 1930. ZHEN, Z.; YUNSHENG, L.; MOSES, O. A.; RUI, L.; LI, M.; LI, J. (2020) Hyperspectral vegetation indexes to monitor wheat plant height under different sowing conditions, Spectroscopy Letters, 53:3, 194-206, DOI: 10.1080/00387010.2020.1726401 250

FENG, L.; ZHANG, Z.; MA, Y.; DU, Q.; WILLIAMS, P.; DREWRY, J.; LUCK, B. Alfalfa Yield Prediction Using UAV-Based Hyperspectral Imagery and Ensemble Learning. Remote Sens. 2020, 12, 2028. MEIFORTH, J.J.; BUDDENBAUM, H.; HILL, J.; SHEPHERD, J.D.; DYMOND, J.R. Stress Detection in New Zealand Kauri Canopies with WorldView-2 Satellite and LiDAR Data. Remote Sens. 2020, 12, 1906. SANTOS, A. F (2019) Método não destrutivo para predição da maturação de amendoim (Arachis hypogaea) utilizando sensoriamento remoto – Tese, Unesp – Jaboticabal.

251

QUALIDADE EM OPERAÇÕES MECANIZADAS DA CAFEICULTURA Tiago de Oliveira Tavares Bruno Rocca de Oliveira João de Deus Godinho Junior

1. Introdução A área total plantada de café (arábica e conilon) está estimada em 2,2 milhões de hectares (CONAB, 2021). Nos últimos anos a produção vem atingindo recordes, alcançando em 2020 volume próximo à 63 milhões de sacas beneficiadas, sendo 68% representada por café arábica e 32% por café conilon. Essa produção expressiva se dá principalmente pelo processo evolutivo e modernização da cafeicultura. A mecanização das lavouras cafeeiras é um processo relativamente novo, onde as atividades eram realizadas de forma manual (CUNHA et al., 2016) e, apesar do advindo das máquinas, a sua aplicabilidade foi dificultada sobretudo pelas condições de campo encontradas, como lavouras em espaçamentos adensados (SCALCO et al., 2011), métodos de condução de ramos distintos e especialmente por cultivos em área extremamente declivosas (SANTINATO et al., 2016). Com a ampliação da cafeicultura de cerrado as tecnologias foram mais adotadas. Nos dias de hoje, a cafeicultura de Cerrado possui grande expressão no cenário brasileiro, principalmente nos Estados de Minas Gerais, Bahia e Goiás (CONAB, 2020). Geralmente, os projetos futuristas de manejo, administração, gerenciamento de produto, máquinas e mecanização, entre outros, são levados e aceitos, primeiro, pela cafeicultura do Cerrado, onde o movimento de capital tem maior giro (FERNANDES et al., 2012). As máquinas estão presentes praticamente em todas as operações agrícolas na cafeicultura desde o preparo do solo, o transplantio, a correção via calagem, as adubações e o controle de plantas daninhas, até à arruação, colheita, varrição e recolhimento (ORTEGA & JESUS, 2011). Ano após ano, é visível que, cada vez mais, a modernização da mecanização agrícola possibilita maiores níveis de eficiência e agilidade. A mecanização vem desenvolvendo-se cada vez mais em todas as etapas do processo produtivo devido à migração da cafeicultura para regiões de topografia favorável (áreas mais planas) e à substituição das antigas lavouras por outras com características e espaçamentos mais apropriados à utilização de máquinas (SILVA et al., 2010 b). Para os autores, a mecanização dos processos é a chave para manter o Brasil na liderança mundial da produção de café. As fabricantes de máquinas já estão investindo em desenvolvimento de tecnologias para atender à demanda da cafeicultura, inclusive a de montanha. Visto isso, metodologias e estudos capazes de melhorar e monitorar a qualidade da operação são fundamentais para maior aproveitamento do potencial da cafeicultura. Neste sentido, nos últimos anos algumas pesquisas vêm implementando monitoramentos com base no controle estatístico de qualidade (CEQ) para levantar indicadores para reduzir variabilidade no processo. A aplicação das ferramentas de qualidade em operações agrícolas mecanizadas é derivada da aplicabilidade das mesmas em análise da qualidade de processos industriais (KWON et al., 2016). Esta técnica permite a rápida detecção de falhas intrínsecas e extrínsecas ao processo, podendo ser classificadas de acordo com as causas e efeitos derivados dos processos agrícolas (ALCÂNTARA et al., 2018). Na cafeicultura, como nas demais culturas cultivadas, existem basicamente 6 fatores capazes de esclarecer o motivo da ocorrência de falhas no campo (SILVA et al, 2015), sendo eles: Máquina, Mãode-obra, Meio ambiente, Matéria, Medição, Método. As falhas ocorrem devido a pontos fora de controle, denominados outliers, os quais são capazes de reduzir drasticamente a qualidade do processo a ser realizado (TAVARES et al., 2018 b), sendo de extrema necessidade a intervenção e correção das falhas para que a qualidade do processo alcance o planejado. As análises de qualidade de processos podem ser realizadas em toda e qualquer operação agrícola na cafeicultura, partindo desde o preparo do solo (SILVA et al., 2014), equilíbrio operacional de 252

conjuntos mecanizados (TAVARES et al., 2018 a), etapas de manejo da cultura (SILVA et al, 2016), colheita (CASSIA et al., 2013) até o recolhimento (OLIVEIRA et al., 2020). Neste capítulo iremos apresentar resultados de trabalhos realizados em lavouras de café analisando a qualidade de operações agrícolas mecanizadas em diversos processos produtivos da cultura, assim como os benefícios obtidos com as análises.

2. Equilíbrio operacional de conjuntos mecanizados Dentre os custos com a mecanização, o combustível é um dos principais componentes, entretanto, esse consumo está ligado ao tipo de operação, máquina e ambiente (MONTANHA et al., 2011). De acordo com MIRANDA, (2000), o consumo de combustível dos tratores pode ser reduzido, aumentando sua eficiência de utilização ou reduzindo a necessidade de energia útil dentro das operações agrícolas. O consumo de combustível e o rendimento de tração são influenciadas pelas condições do solo, dimensões dos pneus, sua relação carga/pressão, distribuição de massas sobre os eixos e o tipo de carcaça (radial/diagonal), além do ângulo e a altura das garras (SPAGNOLO et al., 2013). Além destes, a presença e utilização da tração dianteira auxiliar (TDA) pode elevar o nível de tracionamento do conjunto mecanizado (RINALDI et al., 2016). Outro fator importante é o avanço ou relação cinética que representa o número de voltas que o eixo dianteiro dá enquanto o eixo traseiro dá uma volta com a TDA acionada. Segundo CATALÁN et al. (2006), quando o avanço cinemático permanece entre 1 e 5%, o desempenho do trator é otimizado, entretanto para que isso ocorra a patinagem dos rodados não pode ultrapassar 20%. A relação de avanço pode ser alterada modificando o tipo de pneu ou a pressão interna dos pneus (FEITOSA et al., 2015). Entretanto, a maior parte dos estudos com adequação são feitos com tratores de tamanho convencional, e na cafeicultura utiliza-se tratores especiais (compactos), não tendo trabalhos que auxiliem na orientação para adequação dessa classe nas operações cafeeiras. Neste sentido traz a hipótese que as ferramentas do controle estatístico de qualidade possam auxiliar no processo de adequação de tratores cafeeiros com intuito principal de redução da patinagem e consumo de combustível. O consumo horário de combustível é obtido por meio do monitoramento da operação ao longo do tempo, em intervalos regulares de 1h. Realiza-se 10 abastecimentos para cada configuração massapotência com o trator operando com e sem Tração Dianteira Auxiliar (TDA) acionada. A cada hora trabalhada coleta-se o horímetro do trator e o combustível é reposto para obtenção do consumo horário de combustível conforme metodologia descrita por BARBOSA et al. (2008). Em todas as configurações aferem-se os índices de avanço e patinagem utilizando equipamento denominado avançômetro (Souza, 2017), ajustando também a pressão dos pneus conforme a carga e velocidade (ALAPA, 2008). O comportamento dos consumos por meio do controle estatístico de processo (CEP), utilizandose a ferramenta de cartas de controle para valores individuais, permite a verificação da estabilidade do processo. Segundo VOLTARELLI et al. (2013) as cartas de controle são gráficos que apresentam a característica em questão a ser estudada com o número de amostra ou tempo. Para a operação de recolhimento mecanizado de café foi realizado o acompanhamento de um conjunto mecanizado composto por trator John Deere 5425N 4 x 2 TDA com 75 cv no motor operado na velocidade de 1,26 km h-1 a 1700 rpm de rotação no motor, tracionando recolhedora Master Café 2, MIAC, com massa de 2900 kg e largura de trabalho de 1,4 metros equipada com sistema de limpeza axial e depósito de 3000 litros. O trator estava equipado nos rodados dianteiro e traseiro com pneu 9.5x16 e 14.9x24, respectivamente. Os tratamentos foram constituídos de três configurações de lastros no trator, resultando nas relações massa-potência 36 kg cv-1, 39 kg cv-1 e 42 kg cv-1. O trator apresenta massa, sem lastro, de 2400 kg, distribuída 40% na dianteira e 60% na traseira. Para a relação 36 kg cv-1, utilizou-se apenas 50% de lastro líquido (água) nos pneus dianteiros e traseiros, o que aumenta 160 kg e 238 kg nos eixos dianteiros e traseiros respectivamente. Na relação 39 kg cv-1, utilizou-se na parte dianteira quatro lastros metálicos de 47 kg sem lastro líquido nos rodados, e no eixo traseiro 2 lastros metálicos de 48 kg e 75% de lastro líquido nos pneus (356 kg de lastro líquido somando os dois pneus). Já para a relação 42 kg cv-1, utilizouse na parte dianteira três lastros metálicos de 47 kg e 75% lastro líquido (228 kg), no eixo traseiro utilizou-se 2 lastros metálicos de 48 kg e 75% de lastro líquido nos pneus (356 kg de lastro líquido). 253

2.1 Resultados obtidos para a operação de recolhimento Para o tratamento de 36 kg cv-1 o índice de avanço obtido foi de 2,53% e a patinagem 5,37%, para a relação 39 kg cv-1 o avanço foi de 1,8% e a patinagem 2,88%, já o tratamento 42 kg cv-1 constatou-se o avanço de 2,28% e a patinagem 0,01%. Diversos trabalhos apontam que a patinagem ideal varia 5 a 15%, em solo solto aceita-se valores próximos a 15% e em solo firme valores próximos a 5% (Serrano, 2008), entretanto, esses trabalhos não foram realizados com tratores especiais, o que dificulta a tomada de decisão. Acredita-se que ao se trabalhar em terrenos firme com baixa inclinação e em velocidades em torno de 1,3 km h-1 os resultados de patinagem possam ser menores. Em ralação ao índice de avanço, nota-se que em todas as configurações resultou em valores aceitáveis de acordo com a recomendação estipulada por CATALÁN et al. (2006). Por meio da estatística descritiva dos resultados de consumo horário de combustível (Tabela 1) nota-se que em todos os tratamentos os dados apresentaram uma distribuição normal, com exceção do tratamento 39 kg cv-1 com a TDA acionada, em que os dados apresentam uma distribuição não-normal. Além disso, as médias e medianas possuem valores próximos, sendo que a maior diferença ocorre na configuração onde os dados não apresentam distribuição normal. Os valores encontrados para a amplitude dos dados de cada configuração foram baixos, por outro lado, os valores do desvio-padrão e coeficiente de variação foram altos para os tratamentos 36 kg cv-1 com TDA e 39 kg cv-1 sem TDA, já para os demais tratamentos os valores foram médios conforme classificação de PIMENTEL-GOMES & GARCIA (2002). Tabela 1. Estatística descritiva para o consumo de combustível em função da relação massa-potência e do uso da tração dianteira auxiliar. Tratamento 36kg cv-1 com TDA 36kg cv-1 sem TDA 39kg cv-1 com TDA 39kg cv-1 sem TDA 42kg cv-1 com TDA 42kg cv-1 sem TDA

Média 7,25 7,35 7,05 7,66 6,39 7,28

Mediana 7,11 7,10 6,52 7,27 6,57 7,50

σ 1,52 0,75 1,34 1,73 0,71 0,81

Amplitude 3,99 2,54 4,00 4,92 2,22 2,62

CV 20,93 10,18 18,96 22,63 11,11 11,17

Cs 0,14 1,83 1,76 0,09 1,16 -0,8

Ck -1,81 3,66 2,02 -1,08 0,50 0,21

RJ 0,96N 0,89N 0,84A 0,98N 0,93N 0,97N

σ – Desvio padrão; CV (%) – Coeficiente de variação; Cs – Coeficiente de assimetria; Ck – Coeficiente de curtose; RJ – Teste de normalidade de Ryan-Joiner (N: distribuição normal; A: distribuição não normal).

Observa-se ainda que os valores de coeficiente de assimetria nos tratamentos 36 kg cv-1 com TDA e 39 kg cv-1 sem TDA tiveram pequenos graus de assimetria à direita, enquanto os tratamentos 36 kg cv1 sem TDA, 39 kg cv-1 com TDA e 42 kg cv-1 com TDA tiveram elevado grau de assimetria à direita, por outro lado, o tratamento 42 kg cv-1 sem TDA teve moderado grau de assimetria à esquerda. Pelos índices de curtose nota-se que os tratamentos 36 kg cv-1 com TDA e 39 kg cv-1 sem TDA tiveram distribuição platicúrtica da curva, já os demais tratamentos tiveram distribuição leptocúrtica. Nas cartas de controle do consumo horário de combustível (Figura 1) para a configuração de 36 kg cv , observa-se que as médias foram próximas consideravelmente pela utilização ou não da TDA, resultando em consumos médios de 7,25 e 7,35 L h-1, respectivamente. Por outro lado, há uma considerável diferença na variabilidade dos valores, nos quais se observa uma maior variabilidade do consumo quando se realiza a operação de recolhimento sem acionar a TDA, fato também constatado nas cartas de amplitude móvel. Entretanto, apesar da variabilidade, a utilização ou não da TDA na configuração de 36 kg cv-1, demonstra estabilidade no processo. -1

Um estudo realizado em operação de campo por FONTANA et al. (1986) mostra que a utilização da tração dianteira auxiliar elevou o consumo horário de combustível em 5,82%, por outro lado, proporcionou um aumento de 5,76% em média na capacidade operacional. LOPES et al. (2003) enfatizam que o consumo de combustível não é somente dependente do uso ou não de tração dianteira auxiliar, e sim, de um conjunto de fatores, tais como: tipo de pneu, pressão de inflação, tipo de solo e lastragem.

254

Figura 1. Cartas de controle de valores individuais e de amplitude móvel para consumo horário de combustível na configuração de 36 kg cv-1. Já FIORESE et al. (2015) constataram que a carga do trator (relação massa-potência) em conjunto com a demanda energética da operação faz com que o consumo de combustível (demanda energética) seja alterado em função do uso da TDA. Desta forma, acredita-se que a utilização da relação de 36 kg ha-1 não seja indicada para a operação de recolhimento, devido a maior massa da recolhedora em relação a massa do trator, que incorre na combinação que gera maior consumo horário médio de combustível. A realização desta operação com o trator leve (pouco lastrado) vai contra os princípios de segurança, tendo elevada susceptibilidade à patinagem e deslizamento lateral principalmente em locais com terrenos mais declivosos. Para os tratamentos em que a relação massa-potência tem valor de 39 kg cv-1 (Figura 2), verificase que a utilização da TDA teve um consumo horário médio de combustível de 7,05 L h-1, tendo economia de 7,96% (0,61 L h-1) do consumo por hora em comparação a realização do serviço sem o acionamento da TDA. Pode-se verificar ainda que, a utilização com TDA acionada gera maior estabilidade (menor variabilidade) no consumo horário de combustível quando comparado com a não utilização da TDA. Entretanto, quando se utilizou TDA, teve-se um ponto fora de controle, evidenciando alguma causa especial que torna o processo instável, esse fato pode ser atribuído a máquina e ao meio ambiente no qual houve embuchamento da recolhedora devido ao excesso de impurezas mineral no material recolhido.

Figura 2. Cartas de controle de valores individuais e de amplitude móvel para consumo horário de combustível na configuração de 39 kg cv-1.

255

MIRANDA, (2000) citam que muitas vezes o consumo horário de combustível não é alterado de forma significativa, porém, devido à redução de patinagem há um aumento na capacidade operacional, o que resulta em menor consumo operacional. Neste sentido, SCHLOSSER & DALLMEYER (1988) citaram que com o uso da TDA, em operações de preparo de solo, há redução da patinagem e um aumento de 17% na capacidade operacional. Desta forma, acredita-se que os resultados obtidos nesta relação 39 kg ha-1 (relação padrão de tratores cafeeiros) seja explicado pelo motivo de se tratar de um trator de categoria especial (cafeeiro), resultando para o recolhimento, em menor consumo horário de combustível. Já na configuração 42 kg cv-1 (Figura 3) observa-se um comportamento similar à configuração de 39 kg cv-1 (Figura 2), na qual a utilização da TDA acionada promove um menor consumo assim como maior estabilidade nos valores médios obtidos ao longo do tempo. Desta forma, nota-se que o consumo horário médio no tratamento 42 kg cv-1 com TDA foi 12,22% (0,89 L h-1) menor que 42 kg cv-1 sem TDA, valor este que ao longo de uma safra pode representar elevada economia nos custos operacionais da operação em estudo. Por outro lado, a primeira observação do tratamento com TDA se apresenta fora dos limites de controle, causando certa instabilidade. Porém, pelo motivo de ser um valor abaixo do limite inferior de controle, esta observação refere-se a um valor de consumo médio menor, sendo assim valor desejável do ponto de vista econômico. A possível explicação deste valor baixo de consumo de combustível seria a característica das leiras que, quando se tem menor nível de material a ser recolhido, demanda menor carga energética do trator para a recolhedora.

Figura 3. Cartas de controle de valores individuais e de amplitude móvel para consumo horário de combustível na configuração de 42 kg cv-1. Perante todos os resultados apresentados, percebe-se, então, uma influência do acionamento da tração auxiliar quanto ao consumo horário de combustível para tratores especiais (cafeeiros). Para a operação de recolhimento propriamente dita, a utilização de 42 kg cv-1 com TDA acionada gera o menor consumo de combustível. Esta configuração torna o trator mais adequado a tracionar uma máquina com massa maior que a sua própria massa, melhorando o poder de tração e reduz o consumo de combustível. Esta hipótese é confirmada pelo menor valor médio, entre todos os tratamentos, de consumo horário de combustível e menor amplitude, constatando maior confiabilidade nos resultados obtidos. MONTANHA et al. (2011) citam que em operações tais como a de recolhimento, em que a recolhedora tem maior massa que o trator, é de suma importância utilizar a TDA afim de fornecer uma maior estabilidade na operação, gerando maior segurança ao operador. Perante todos os resultados nota-se que para a realização da operação de recolhimento do café, que normalmente a recolhedora apresenta maior massa que o trator, para a obtenção de menor consumo e assim como maior estabilidade é plausível a utilização de maior nível de lastragem juntamente com a TDA acionada. Desta forma, a adoção da relação 42 kg cv-1, que apresenta massa mais próxima a massa da recolhedora, com TDA acionada propicia menor consumo de combustível, tendo então melhor custo256

benefício, sendo economicamente viável, uma vez que o total de horas de trabalho nesta operação é elevada, nas quais pequenas diferenças nas médias horárias de consumo resultariam em um grande montante ao fim da safra.

3. Qualidade da colheita mecanizada do café A colheita mecanizada do café é realizada por meio da colhedora (automotriz ou tracionada) que opera “a cavaleiro” nas linhas do cafeeiro, ou seja, sobre as plantas de café (Figura 4). Esta máquina possui um conjunto de hastes que causam o destacamento dos frutos por meio da força de impacto. Dentre todos os componentes e regulagens da colhedora, existem três fatores principais que influenciam drasticamente na qualidade desta operação, sendo eles: velocidade de deslocamento; vibração das hastes e frenagem dos cilindros derriçadores.

Figura 4. Conjunto mecanizado realizando a colheita do café da planta. CASSIA et al. (2013) estudaram as interações da planta com as condições de exposição solar, buscando compreender a uniformidade da maturação do café e, consequentemente, interferências nos índices de eficiência da colheita mecanizada. Os autores se propuseram a realizar a colheita mecanizada de duas safras, sendo a safra 2009/10 denominada de “baixa produção” (bienalidade negativa) e a safra 2010/11 de “alta produção” (bienalidade positiva), com datas de colheita definidas em função do índice de frutos verdes na planta. A primeira colheita foi realizada no dia 04-06-2010, com média de 14% de frutos verdes, 21% de cerejas e 65% de passa na planta, e a segunda no dia 21-05-2011, tendo, em média, 10% de verdes, 65% de cerejas e 25% de passas, sendo consideradas como adequadas para colheita, uma vez que o desejável é que ela se inicie com a porcentagem de frutos verdes abaixo de 20% (PIMENTA & VILELA, 2003). Os autores demarcaram quatro alinhamentos de plantio (eixos) dentro da área avaliada (E), buscando identificar a possível influência da exposição solar sobre a uniformidade da maturação dos frutos e, consequentemente, na operação de colheita. Os alinhamentos foram nomeados de eixos I a IV, variando a posição em 45º, sendo o eixo I considerado por PINTO et al. (2006) como a condição de plantio mais favorável para a região, no qual os raios solares incidem a maior parte do dia sobre a copas das plantas, enquanto no eixo III, parte do dia o sol incide em apenas um dos lados da planta e no restante do dia, no lado oposto. Os eixos II e IV são considerados como situações intermediárias às anteriores. Na operação de colheita mecanizada, variou-se as frequências de vibração em 12,5 Hz e 15,8 Hz (750 e 950 ciclos por minuto), selecionadas em função da vibração utilizada pala propriedade no momento da colheita na área avaliada (F1) e dos resultados obtidos por OLIVEIRA et al. (2007) (F2).

257

Eixo I

Eixo III

Frequência Vibração Hastes: Alinhamento Plantas:

F1 (12,5 Hz) Eixo I(E-W) Eixo III (N-S)

F2 (15,8 Hz) Eixo II (SE-NW) Eixo IV(NE-SW)

Figura 5. Malha amostral georreferenciada, com indicação dos alinhamentos de plantio e frequências de vibração das hastes. No trabalho de pesquisa os autores analisaram as seguintes variáreis:

3.1 Perdas na colheita Na colheita mecanizada, são determinados índices relativos à qualidade da operação, que são considerados como perdas na operação realizada, uma vez que os frutos podem não ser totalmente colhidos com uma única passagem da máquina. Entretanto, vale ressaltar que estes valores não devem ser considerados como perdas no processo produtivo, uma vez que são realizadas ainda operações de repasse, varrição e recolhimento na área. Assim, após a passagem da colhedora, determina-se o volume de frutos caídos no solo (perda de café caído) e de café remanescente na planta. Assim como para a produtividade da cultura, os frutos obtidos nas amostras de perdas são separados conforme os estádios de maturação, e novamente são considerados os frutos maduros (Cereja+Passa) para análises. Na determinação da perda do café caído, são utilizados panos de colheita manual, estendidos em cada célula amostral, embaixo da saia de cinco plantas consecutivas, sobre os quais a máquina operou. O volume de frutos caídos sobre o pano após a passagem da colhedora é recolhido, separado e quantificado, para determinação do índice de perda conforme Equação 1.

PCaído 

C Caído .100 C Ini

(1)

Em que, PCaído: Perda de café caído (%) 258

CCaído: CIni:

Volume de café caído (L planta-1) Carga inicial de café (L planta-1)

Para determinação do café remanescente na planta, é realizada a derriça manual das mesmas plantas onde se coletou o café caído, e os frutos não colhidos são também separados e quantificados, para posterior cálculo da perda de café remanescente (Equação 2).

PRem 

C Rem .100 C Ini

(2)

Em que, PRem: Perda de café remanescente (%) CRem: Volume de café remanescente (L planta-1) CIni: Carga inicial de café (L planta-1)

3.2 Café colhido O volume de café colhido é determinado pela diferença entre a carga inicial presente nas plantas, e os volumes de café caído no chão e remanescente na planta (Equação 3).

(C CC  Em que, CC: CIni: CCaido: CRem:

Ini  CCaído  C Rem

C Ini

)

.100 (3)

Café colhido (%) Carga inicial de café (L planta-1) Volume de café caído (L planta-1) Volume de café remanescente (L planta-1)

3.3 Danos ao cafeeiro Para avaliação dos danos provocados pela ação das hastes vibratórias da colhedora nas plantas de café é determinada a desfolha, calculada a partir da massa de folhas e galhos arrancados, durante a operação de colheita. Este valor é determinado recolhendo-se e pesando-se todo o material vegetal encontrado sobre os panos de derriça após a passagem da colhedora, calculando-se posteriormente a média por planta.

3.4 Resultados obtidos para a colheita mecanizada CASSIA et. al. (2013) observaram com o trabalho realizado que o café colhido apresenta grande variabilidade entre os pontos amostrais para as duas frequências de vibração das hastes testadas (Figura 6). Na safra 2009/10 nota-se que em alguns eixos, a variação fez com que os limites de controle ficassem próximos aos extremos, o que não atribuiu instabilidade do processo, mas permitiu observar ocorrência de pontos de colheita praticamente nula bem como pontos com colheita de praticamente a totalidade da carga disponível, no caso do eixo I. Para o eixo IV, a variável se comportou de maneira semelhante ao eixo I para a frequência de 12,5 Hz, porém, com o aumento da frequência de vibração das hastes, a variação no processo foi reduzida, elevando a média acima dos 80%, mantendo a colheita a níveis desejáveis de maneira estável. Por outro lado, o aumento na frequência de vibração aumentou a variação nos resultados e reduziu as médias de café colhido para os eixos II e III, sendo neste caso o melhor comportamento observado para a vibração de 12,5 Hz. Ainda para a safra 2009/10 observa-se a ocorrência de um ponto abaixo dos limites de controle, o que atribui instabilidade ao processo nestas condições. Deve-se ressaltar que, por a variação ter sido reduzida nestas condições, reduzindo a amplitude entre os limites, fez com que o ponto extrapolasse o LIC. Esta ocorrência pode estar ligada à problemas na cultura a ser colhida ou à operação de colheita, 259

sendo que ao observarmos mais adiante a carta para as perdas de café caído (Figura 7a), detectamos que a causa deste ponto de menor café colhido está diretamente ligada à um ponto de elevadas perdas de café caído, que representa uma deficiência no sistema de recolhimento da colhedora. Assim como na safra anterior, na safra 2010/11 (Figura 6b) houve grande variabilidade entre os resultados, sendo que, por apresentar maior carga de café nas plantas, o incremento na vibração das hastes elevou as médias de café colhido e reduziu a variação do processo de maneira geral, exceto para o eixo I onde ocorreram pontos abaixo dos limites em ambas as frequências de vibração. Para este eixo, apesar de ser mais estável em relação aos demais quanto à produção e maturação dos frutos por receber insolação apenas sobre as copas das plantas, os resultados foram deficientes para os tratamentos avaliados, podendo ser alvo de novos estudos. Comparando as duas safras avaliadas (Figura 6), observa-se que para a safra 2010/11, por ter maior carga de café a ser colhida, a operação apresentou menos ocorrências de pontos extremamente baixos. Pelo mesmo motivo, o aumento na frequência de vibração melhorou os valores de colheita também na safra de alta produção, enquanto na safra 2009/10 variou conforme os eixos. Safra 2009/10 12,5 Hz

(a) Safra 2010/11 12,5 Hz

15,8 Hz

(b) LSC: limite superior de controle

LIC: limite inferior de controle

Figura 6. Cartas de controle para café colhido em cada vibração das hastes: safra 2009/10 (a); safra 2010/11 (b). As perdas de café caído apresentaram elevada variação entre os fatores analisados. Na safra 2009/10 ocorreram elevadas perdas no eixo I, independentemente da frequência de vibração das hastes (Figura 7a), se mostrando novamente esta condição com colheita ineficiente dentro dos tratamentos testados, assim como para o café colhido. O aumento na frequência de vibração das hastes reduziu as perdas apenas no eixo IV, sendo este um resultado esperado para esta variável, uma vez que as perdas de café caído estão relacionadas mais com a eficiência de recolhimento e limpeza da máquina (OLIVEIRA et al., 2007). Observa-se ainda a 260

presença de um ponto de perdas na ordem de 50%, que excedeu o LSC, no eixo II para a vibração de 12,5 Hz, sendo este mesmo ponto amostral responsável pela instabilidade na variável café colhido, que pode ser causado por alguma irregularidade na cultura neste local, uma vez que a falha não foi detectada em mais nenhum momento para esta variável. Para a safra 2010/11 houve significativa redução da variabilidade dos resultados (Figura 7b), sendo que as médias se mantiveram predominantemente baixas. Porém, houve diversas ocorrências de pontos acima dos limites de controle, para a frequência de 12,5 Hz, o que pode estar relacionada a regulagens na colhedora uma vez que, ao se elevar a frequência de vibração para 15,8 Hz, estas ocorrências foram eliminadas, exceto para o eixo IV. Ainda para a mesma safra, podem-se constatar diversas ocorrências de pontos fora do controle nas cartas de amplitude móvel que, por representar a variação do processo, pode-se atribuir a existência destes pontos a amostras com elevadas perdas comparado às amostras seguintes, o que caracterizou instabilidade na operação para esta variável. Safra 2009/10 12,5 Hz

(a) Safra 2010/11 12,5 Hz

15,8 Hz

(b) LSC: limite superior de controle

LIC: limite inferior de controle

Figura 7. Cartas de controle para a perda de café caído em cada vibração das hastes: safra 2009/10 (a); safra 2010/11 (b). Nas cartas de controle para as perdas de café remanescente observou-se que, na safra 2009/10, houve predominância de estabilidade entre os tratamentos analisados, sendo os melhores resultados obtidos com a vibração de 12,5 Hz para os eixos II e III, e para 15,8 Hz no eixo IV (Figura 8a). Nestes casos foram observados baixos valores de perdas, com reduzida variação, sendo estes resultados concomitantes com os obtidos em café colhido (Figura 6a). Para a safra 2010/11 o incremento na frequência de vibração das hastes reduziu a variabilidade dos resultados, mantendo as perdas em níveis mais baixos, exceto para o eixo I (Figura 8b). Novamente vale ressaltar que, para a qualidade na operação de colheita, os tratamentos avaliados não apresentaram 261

resultados satisfatórios para esta condição de plantio, demandando novos trabalhos com outras regulagens na colhedora. Safra 2009/10 12,5 Hz

(a) Safra 2010/11 12,5 Hz

15,8 Hz

(b) LSC: limite superior de controle

LIC: limite inferior de controle

Figura 8. Cartas de controle para a perda de café remanescente em cada vibração das hastes: safra 2009/10 (a); safra 2010/11 (b). Ainda para as perdas de café remanescente (Figura 8), ao se comparar as safras observa-se que, para a safra 2010/11, houve maior variação nos resultados com pontos de perdas muito elevados chegando ao redor de 80%, o que pode estar relacionada à maior carga de café a ser colhida nas plantas, comparado à safra 2009/10. Nota-se ainda que, mesmo para a maior frequência de vibração das hastes, a ocorrência de pontos de perdas elevadas, ou a variação entre amostras conseguintes, acarretaram pontos acima dos limites de controle, o que mostra que esta variável está sujeita a causas especiais de variação, principalmente devido às condições da cultura. Para a desfolha causada às plantas (Figura 9) observa-se que, na safra 2009/10, o incremento na frequência de vibração das hastes (15,8 Hz) atribuiu maior estabilidade ao processo, reduzindo a variação, exceto no eixo IV. Para a frequência de 12,5 Hz houve ocorrência de pontos com elevada desfolha das plantas, que extrapolou o LSC causando instabilidade do processo, que podem estar relacionados a plantas com galhos com ataque de pragas ou doenças que se soltaram mais facilmente com a passagem da colhedora. Para a safra 2010/11 a desfolha se manteve estável para todos os fatores analisados (Figura 9b), com baixa uniformidade entre os pontos amostrais, porém com a variação mantendo-se dentro dos limites de controle estipulados. Observa-se ainda que desfolha média não alterada com o incremento da vibração das hastes, o que normalmente está relacionado com alterações nesta regulagem, pela ação direta das hastes vibratórias sobre as plantas (ARISTIZÁBAL et al., 2003).

262

Safra 2009/10 12,5 Hz

(a) Safra 2010/11 12,5 Hz

15,8 Hz

(b) LSC: limite superior de controle

LIC: limite inferior de controle

Figura 9. Cartas de controle para desfolha causada às plantas de café em cada frequência de vibração das hastes: safra 2009/10 (a); safra 2010/11 (b).

4. Manejo do solo na qualidade do recolhimento mecanizado do café A colheita do café, está atingindo indicies de eficiência cada vez maiores, devido ao emprego de novas tecnologias em operações mecanizadas. Porém, mesmo obtendo resultados satisfatórios com os avanços das tecnologias, dificilmente o produtor terá eficiência de colheita próximo a 100%. Isto, pois, normalmente na colheita do café cerca de até um quarto dos grãos podem estar no chão (TAVARES et al., 2018 b). A queda desses frutos pode ocorrer por vários motivos, tais como: variedades com maior facilidade de desprendimento dos frutos, estádio avançado de maturação dos frutos (Silva et al., 2010 a), incidência de pragas e doenças, pluviosidade, ou ainda, pela própria ação da colheita mecanizada (SANTINATO et al., 2015). Desta forma, efetuar o recolhimento mecanizado deste café do chão é necessário para o aumento da produtividade, redução de custos e da incidência da broca do café (Hypothenemus hampei). Esta praga pode sobreviver no período pós-colheita nos frutos remanescentes na lavoura (ROMÁN-RUIZ et al., 2018). A operação de recolhimento é realizada em duas etapas, na primeira é realizada a varrição retirando todo o material presente sob as plantas, inclusive o café, e enleirando o no centro da entrelinha, na segunda etapa, recolhe-se esta leira e separa-se o café das impurezas. Entretanto, a eficiência deste processo pode ser afetada pelas práticas de manejo do solo (TAVARES, 2016). Este mesmo autor rela que em observações de campo sugerem que as recolhedoras apresentem alta sensibilidade às condições do solo e do material a ser recolhido. Assim, partindo deste pressuposto TAVARES et al. (2018 b) utilizaram ferramentas do CEP para investigar se quatro manejos do solo podem reduzir as perdas e os custos durante a operação de recolhimento mecanizado de café. Os manejos do solo estudados foram: grade após subsolagem (SG); trituração após subsolagem (ST); gradagem e trituração após subsolagem (SGT); além de um controle sem manejo do solo (Controle). 263

O solo foi preparado em 2014, enquanto a varrição e a colheita do café ocorreram em 2015 e 2016. Nas safras de 2015 e 2016, as áreas tiveram o equivalente a 10 e 15 sacas de café em grão por ha1 no solo, respectivamente. Após as operações avaliou-se as perdas dos dois processos. Para isso, utilizou-se uma armação metálica subdivida em três partes, uma parte central de largura igual a 1,6 m e as laterais com 1,05 m de cada lado. A armação foi colocada transversalmente a linha do cafeeiro, sendo a parte central equivalente a largura da plataforma da recolhedora e as perdas localizadas nesta parte da armação referem-se às perdas no recolhimento, já as perdas obtidas nas laterais referem-se as perdas na varrição. O café encontrado em cada ponto amostral foi transformado para kg de café beneficiado ha -1, valores estipulados a partir do café de varrição da safra 2014/15 e 2015/16. Os valores de perdas da varrição e recolhimento foram calculados conforme as equações 1 e 2. 𝑃𝑉 =

(𝐶𝑅𝑉 𝑥 2500) 2,3444

(1)

𝑃𝑅 =

(𝐶𝑅𝑅 𝑥 2500) 2,3444

(2)

Em que: PV = Perdas na varrição (kg de café beneficiado ha-1); PR = Perdas no recolhimento (kg de café beneficiado ha-1); CRV = Café remanescente em coco da varrição (kg m-1); CRR = Café remanescente em coco do recolhimento (kg m-1); 2500 = Distância deslocada do conjunto mecanizado ha-1; 2,3444 = Fator de conversão de café em coco para café beneficiado. O delineamento experimental seguiu as premissas do controle estatístico de processo, com amostras coletadas ao longo do tempo (amostras coletadas de 10 em 10 minutos), em faixas. Foram coletadas 15 amostras, para cada tratamento, com intervalo de 15 metros, na linha de plantio, totalizando 60 pontos amostrais. As perdas na varrição, recolhimento e totais (soma de ambas) em duas safras, sendo em 2014/2015 e 2015/2016, foram analisadas por meio do CEP, primeiramente aplicando-se os gráficos sequenciais (run chart) para detecção de padrões não aleatórios. Os padrões não aleatórios permitem o monitoramento do processo e proporcionam a identificação da variação dos dados a que ele está apresentado ao longo do tempo, podendo ser representados por quatro conjuntos: mistura – representada por uma ausência de pontos aproximados à linha localizada ao centro. Misturas sucessivas indicam dados associados de dois processos empregados em níveis diferentes; agrupamento – indica variações relacionadas a causas especiais, como por exemplo, problemas de medição; são grupos de pontos em uma área do gráfico; oscilação – ocorre quando os dados oscilam da parte superior para inferior ou viceversa, mostrando que o processo não é uniforme; tendência – é um desencaminhamento sustentado nos dados, acima ou abaixo, informando que em pouco tempo haverá pontos fora de controle (VOLTARELLI et. al., 2015). Quando os valores de algum dos conjuntos de dados apresentarem p < 0,05, indica que é significativo e que existe padrões de não aleatoriedade, por outro lado, p > 0,05 não é significativo indicando que os dados possuem comportamento aleatório dos dados, indicando uma variação normal. Os resultados também foram analisados por meio das cartas de controle de valores individuais de amplitude móvel (I-MR: Individual-Moving Range), apresentando duas cartas: a superior, que representa os valores individuais amostrados em cada ponto; a inferior, composta pela amplitude calculada pela diferença do valor de um ponto menos a diferença de um ponto anterior, ou seja, a diferença entre eles. As cartas apresentam três linhas, sendo que a linha central representa a média geral para a carta de controle de valores individuais, enquanto as outras duas linhas representam os limites superior e inferior de controle (LSC, LIC), respectivamente, calculados com base no desvio-padrão das variáveis. Entretanto, neste trabalho se utilizou 0 como limite específico inferior (LEI) (MONTGOMERY, 2009), pelo motivo de não haver perdas negativas. O intuito das cartas de controle, de modo geral, é detectar as possíveis variações externas ao processo; forçar o gerenciamento da operação com a criação de um plano de melhorias; inferir na capacidade e nos limites estabelecidos para o processo (VOLTARELLI et al., 2013). O processo instável ou fora dos limites de controle pode ser analisado ou melhorado utilizando as premissas dos fatores 6 264

M’s (máquina, mão-de-obra, medida, método, matéria-prima e meio-ambiente). Por fim, realizou-se análise de capacidade para os indicadores que atendiam as premissas de normalidade e estabilidade dos dados. Esta análise foi realizada utilizando como meta e limites de aceitação os resultados (média e múltiplos do desvio padrão) do manejo sem subsolagem (Controle). O objetivo desta comparação foi verificar se os manejos pós subsolagem propostos seriam capazes de atingir os níveis de qualidade obtidos no tratamento Controle. Neste sentido, utilizou-se a capabilidade geral (Pp), no qual valores menores que 1,0 fazem com que o processo seja considerado como incapaz de atender à especificação; valores maiores e iguais a 1,33 são considerados adequados, isto é, o processo é capaz de atender à especificação e, processos em que o p está no intervalo 1,0 ≤ p < 1, considera-se o processo aceitável (BONILLA, 1994). Como as fórmulas das análises de capacidade apresentam em seus denominadores seis múltiplos de desvio padrão e as perdas apresentam alta variabilidade, adotou-se seis múltiplos de desvio padrão para calcular os limites aceitáveis do controle. Assim, o limite máximo estipulado foi a média do tratamento Controle mais 6 σ e o inferior foi a média menos 6σ. Quando o limite inferior calculado foi negativo, ele foi desconsiderado e adotou-se valor igual a zero.

4.1 Resultados do manejo do solo na qualidade do recolhimento mecanizado do café Analisando os gráficos sequenciais para identificar padrões não aleatórios, a área controle sem manejo do solo, apresentou padrões de tendência para as perdas totais (varrição e recolhimento) em 2015. Já no ano de 2016, nesta mesma área, ocorreu padrão de agrupamento para as perdas no recolhimento e as perdas totais. Para o manejo com grade e triturador após subsolagem houve padrões de tendência para os indicadores perdas no recolhimento e perdas totais (Tabela 2), podendo indicar possíveis aumentos na quantidade de perdas durante o processo de varrição e recolhimento. Os demais tratamentos não apresentaram padrões de não aleatoriedade, indicando que as variações ocorridas são completamente aleatórias e inerentes ao processo. Tabela 2. Valores padrões de probabilidade dos gráficos sequenciais para perdas na varrição e recolhimento mecanizado do café em quatro manejos do solo. Indicador de qualidade Perdas na Varrição 2015 Perdas no recolhimento 2015 Perdas totais 2015 Perdas na varrição 2016 Perdas no recolhimento 2016 Perdas totais 2016

Manejo Cont1 ST2 SG3 SGT4 Cont1 ST2 SG3 SGT4 Cont1 ST2 SG3 SGT4 Cont1 ST2 SG3 SGT4 Cont1 ST2 SG3 SGT4 Cont1 ST2 SG3 SGT4

A** 0,500 ns 0,455 ns 0,795 ns 0,251 ns 0,831 ns 0,613 ns 0,215 ns 0,401 ns 0,500 ns 0,795 ns 0,613 ns 0,031 ns 0,867 ns 0,613 ns 0,215 ns 0,401 ns 0,003* 0,795 ns 0,795 ns 0,401 ns 0,003* 0,795 ns 0,795 ns 0,401 ns

M 0,500 ns 0,545 ns 0,205 ns 0,749 ns 0,169 ns 0,387 ns 0,785 ns 0,599 ns 0,500 ns 0,205 ns 0,387 ns 0,969 ns 0,133 ns 0,387 ns 0,785 ns 0,599 ns 0,997 ns 0,205 ns 0,205 ns 0,599 ns 0,997 ns 0,205 ns 0,205 ns 0,599 ns

T 0,248 ns 0,586 ns 0,332 ns 0,332 ns 0,500 ns 0,332 ns 0,586 ns 0,936 ns 0,087* 0,332 ns 0,332 ns 0,138 ns 0,913 ns 0,138 ns 0,138 ns 0,138 ns 0,248 ns 0,332 ns 0,808 ns 0,041* 0,752 ns 0,332 ns 0,808 ns 0,041*

O 0,752 ns 0,414 ns 0,668 ns 0,668 ns 0,500 ns 0,668 ns 0,414 ns 0,064 ns 0,913 ns 0,668 ns 0,668 ns 0,862 ns 0,087 ns 0,862 ns 0,862 ns 0,862 ns 0,752 ns 0,668 ns 0,192 ns 0,959 ns 0,248 ns 0,668 ns 0,192 ns 0,959 ns

- Controle; 2 - Subsolagem + Triturador; 3 – Subsolagem + Gradagem; 4 - Subsolagem + Gradagem + Triturador; Agrupamento; M- Mistura; T - Tendência; O - Oscilação. ns- não significativo a p > 0,05; *Significativo a p < 0,05. 1

**A

265

A identificação destes padrões de não aleatoriedade é importante para detectar comportamento não previsível bem como a variabilidade dos resultados (MINITAB, 2007). Porém, de acordo com essa análise deve ser complementada pelas cartas de controle de valores individuais e de amplitude móveis, sendo possível verificar se há ou não fatores extrínsecos ao processo afetando-o (VOLTARELLI et al., 2013). As falhas que ocorrem nos processos podem ser explicadas pelos fatores 6 M’s (máquinas, mão de obra, matéria prima, método, medição e meio ambiente), permitindo uma intervenção assertiva por parte do gestor (NORONHA et al., 2011). Pelas cartas de controle nota-se que na média as perdas na varrição mecanizada do café no ano agrícola de 2015 (Figura 10a) em solo não subsolado foi, na média, de 67,2 kg ha-1, sendo esse estipulado como a meta para os demais manejos estudados. Neste sentido, constata-se que o manejo com média mais próxima foi o de triturador posterior a subsolagem (ST), com média de 116,2 kg ha-1, sendo próximo também ao manejo com grade e triturador pós-subsolagem (SGT), com 130,1 kg ha-1 de perdas. Os maiores valores de perdas foram obtidos quando se manejou somente com a grade após operação de subsolagem (SG), tendo perda média na ordem de 344,1 kg ha-1, representando valores cinco vezes maiores que as perdas do manejo controle.

Figura 10. Cartas de controle individual e de amplitude móvel para perdas na varrição mecanizada do café (2015 e 2016). Já as cartas de controle de valores individuais na varrição mecanizada do café no ano agrícola de 2016 (Figura 10b) para o tratamento controle foi equivalente a quase o dobro das perdas (129,5 kg ha-1) em relação à safra anterior, isso pode ser explicado devido a bienalidade da cultura do café, em 2015 tendo o equivalente a 600 kg de café no chão para serem recolhidos e em 2016, 900 kg a serem recolhidos. Sendo assim, o tratamento que obteve menores perdas foi o triturador após subsolagem (ST), 266

com cerca de 90,3 kg ha-1, sendo muito semelhante ao tratamento com grade e triturador após subsolagem (SGT), apresentando perdas de 90,5 kg ha-1 em 2016. O tratamento que apresentou mais próximo ao sem manejar o solo, foi grade pós subsolagem (SG) com 109,2 kg ha-1. Verifica-se também que todos os valores se situaram dentro dos limites de controle, caracterizando-se assim um processo estável em todos os tratamentos (Figura 10a e 10b). Observa-se ainda, diferenças na instabilidade do processo entre os manejos, nos quais houve maior variabilidade quando se manejou com grade posterior a subsolagem (SG) e sem manejo do solo (controle) para os anos agrícolas 2015 apresentou menor variabilidade em relação ao ano 2016, respectivamente, tendo assim um processo de qualidade superior. Quando se utilizou o triturador (ST e SGT), para ambos os anos, obtiveram-se menores variabilidades, aumentando assim a qualidade da varrição mecanizada em solo subsolado. Analisando as cartas de controle de amplitude móvel nota-se menor variabilidade das amplitudes na safra 2015 (Figura 10a) em relação à safra 2016 (Figura 10b). A maior variação observada para ambos os anos foi no tratamento SG, apresentando a maioria dos pontos distantes da média, indicando menor qualidade intrínseca deste processo. Nota-se também, que todos os processos analisados se encontram dentro dos LSC e LIC. A utilização da subsolagem aumenta a rugosidade do solo, podendo aumentar as perdas na varrição mecanizada, o que explica o melhor resultado quando se utilizou o triturador, o qual desfaz com maior eficácia os torrões e irregularidades do solo causados pela subsolagem (Fernandes et al., 2012). Para a redução das perdas e aumento da eficiência das máquinas é necessário realizar um preparo de boa qualidade antes de realizar a pré-colheita (arruação) (TAVARES et al., 2015). Observa-se que na média as perdas no recolhimento mecanizado do café na safra de 2015 (Figura 11a) em solo não subsolado foi de equivalente a 59,8 kg ha-1, enquanto as perdas dos tratamentos em que se teve subsolagem foram na ordem de 211,1, 228,9 e 237,8 kg ha-1 para SG, ST e SGT, respectivamente. Neste sentido os valores de perdas nesta operação mecanizada foram aproximadamente de 3,55 a 4,00 vezes maior do que as perdas encontradas no manejo sem subsolagem. Para as perdas no recolhimento mecanizado do café no ano de 2016, em relação à safra anterior (2015), observou-se um aumento em média de 134% para o tratamento ST e 210% para o tratamento controle. Este fato está atribuído a maior quantidade de café presente nas entrelinhas do cafeeiro para ser recolhido. Dentre os manejos que se houve a subsolagem nota-se menor variabilidade (melhor qualidade do processo analisado) no manejo com grade (SG) e triturador (ST) para os anos 2015 e 2016, respectivamente. Por outro lado, o manejo com grade e triturador em seguida da subsolagem (SGT) para ambos os anos, indicaram maior variabilidade, caracterizando o processo como o de menor qualidade. Entretanto, todos os manejos com subsolagem apresentaram variabilidade superior ao manejo sem subsolagem (controle).

267

Figura 11. Cartas de controle individual e de amplitude móvel para perdas no recolhimento mecanizado do café (2015 e 2016). Em relação as cartas de controle de amplitude móvel, observou-se que na Figura 11b houve maior amplitude (menor qualidade) em relação a Figura 11a, porém, ambas as figuras se situaram dentro dos limites de controle. A qualidade do preparo de solo, no café, afeta a variabilidade do processo (SILVA et al., 2014), como ocorrido neste trabalho, explicando o reflexo na alta variação dos resultados na eficiência de recolhimento em todos os manejos que tiveram a subsolagem em relação ao tratamento controle (sem subsolagem). É fundamental aumentar a qualidade da colheita mecanizada do café, garantindo melhor uso das máquinas elevando sua eficiência e diminuindo as perdas (SANTINATO et al., 2014). Sabendo-se da importância do recolhimento mecanizado na viabilização da colheita do café de varrição (SANTINATO et al., 2015), é passível intervir para que o mesmo possa ser realizado com maior qualidade e eficiência. As perdas totais médias de varrição e recolhimento mecanizado em solo não subsolado foram equivalentes a 127 kg ha-1 e 256 kg ha-1 para as safras 2015 e 2016, respectivamente (Figura 12). Enquanto as perdas dos tratamentos em que se teve subsolagem foram altos, apresentando perdas de 271% para o tratamento ST em relação ao controle da safra de 2015, chegando a 437% (SG) em comparação ao tratamento sem manejar o solo do mesmo ano. Porém, para o ano agrícola de 2016 elas foram reduzidas cerca de 116% para o tratamento ST e 257% para o tratamento SG. Isso pode estar atribuído ao fato das irregularidades das entrelinhas do cafeeiro que foram realizadas as operações mecanizadas apresentarem menores rugosidades do solo com o passar do tempo, aumentando a eficiência das máquinas e consequentemente reduzindo as perdas. Observa-se também que o processo se encontrou dentro de ambos os limites de controle para as cartas de controle de valores individuais, porém para as cartas de controle de amplitude móvel foi encontrado um ponto fora de controle, ultrapassando o LSC, para o tratamento SGT no ano de 2015 (Figura 12a), no ponto 9, tornando o processo instável. Este ponto é decorrente de uma variação brusca das perdas entre os pontos 9 e 10, acredita-se que esta variação tenha ocorrido pela variação pontual da rugosidade do solo, sendo assim relacionado ao fator meio ambiente, uma vez que não houve modificação nas regulagens da máquina e manteve-se o método de avaliação. Sabendo que a análise de capabilidade (Pp) é dependente das pressuposições de normalidade e estabilidades dos dados, apenas não foi possível realizá-la para Perdas no Recolhimento, Perdas Totais em solo não manejado (Controle) e Perdas Totais no manejo com Gradagem e Triturador pós Subsolagem (SGT), todos inerentes a safra de 2015. Pensando nos manejos estudados, os níveis considerados como aceitáveis foram relacionados ao tratamento Controle, uma vez que a meta era reduzir as perdas para o mais próximo possível do solo sem manjo. Desta forma, considerando a variação de 6 σ acima da média e 0 como limite inferior, notase que as perdas da varrição (Tabela 3) tiveram pouca probabilidade de extrapolar o limite inferior especificado em todos os tratamentos. Por outro lado, analisando a probabilidade de haver perdas maiores que os limites, nota-se que o manejo com gradagem após subsolagem (SG), no primeiro ano, apresentou 70% de valores acima do limite aceitável, já os demais manejos foram próximos a zero. 268

Figura 12. Cartas de controle individual e de amplitude móvel para perdas totais no processo de varrição e recolhimento mecanizado do café em função do manejo do solo (2015 e 2016). Observa-se ainda que a porcentagem de valores dentro dos limites aceitáveis, à medida que aumenta o tempo após os manejos, nota-se que em 2015 o manejo SG apresentou 28,67% dos dados dentro dos limites aceitáveis e, em 2016, obteve 98,92%, sendo este o manejo menos indicado. Por meia da capabilidade geral (BONILLA, 1994) nota-se que para o primeiro ano pós subsolagem todos os manejos foram incapazes de atingir os níveis de perdas estipulado (Controle), por outro lado, em 2016 os manejos com Triturador (ST) e Grade + Triturador (SGT) foram capazes de atender os padrões de qualidade requeridos.

269

Tabela 3. Análise da capabilidade do processo para perdas na colheita mecanizada café de varrição em função dos manejos do solo. Cont. ST SG SGT 2015 1,97 2,03 1,33 1,36 Perdas na Varrição 2016 0,05 0,47 1,08 0,22 2015 4,69 3,57 1,26 Perdas no % Abaixo LIE1 Recolhimento 2016 3,31 4,47 6,91 1,03 2015 0,93 0,23 Perdas Totais 2016 0,02 2,19 3,89 0,32 2015 0,00 0,50 70,00 1,69 Perdas na Varrição 2016 0,00 0,00 0,00 0,00 2015 65,56 62,38 72,52 Perdas no % Acima LSE2 Recolhimento 2016 0,00 10,09 21,96 31,89 2015 36,79 79,37 Perdas Totais 2016 0,00 7,55 20,31 23,43 2015 98,03 97,47 28,67 96,95 Perdas na Varrição 2016 99,95 99,53 98,92 99,78 2015 29,75 34,05 26,22 % Dentro das Perdas no Especificações Recolhimento 2016 96,69 85,44 71,13 67,08 2015 62,28 20,40 Perdas Totais 2016 99,98 90,26 75,80 76,25 2015 Capaz Incapaz Incapaz Incapaz Perdas na Varrição 2016 Capaz Capaz Aceitável Capaz Classificação (Bonilla, 2015 Incapaz Incapaz Incapaz Perdas no 1994) Recolhimento 2016 Aceitável Incapaz Incapaz Incapaz 2015 Incapaz Incapaz Perdas Totais 2016 Capaz Incapaz Incapaz Incapaz ¹ - Limite inferior especificado; 2 - Limite superior especificado.

Para Perdas no Recolhimento, nota-se que todos os manejos foram incapazes de atingirem os limites obtidos no tratamento sem subsolagem (Controle), isso demostra que a operação de recolhimento é muito mais sensível as características do solo da entrelinha da cultura que a varrição. Esta observação é reforçada pelo percentual de resultados dentro dos limites estipulados, no qual em 2015 variou de 26,22% a 34,05%. Já em 2016, dois anos após os manejos, houve uma melhoria elevando os níveis para valores entre 67,08% e 85,44%, entretanto, ainda distantes do ideal estipulado. O manejo que mais se aproximou dos limites estipulados foi o ST, isto indica que quanto menor o revolvimento do solo maior é a capacidade do mesmo se recompor e gerar condições favoráveis para esta operação. A operação de recolhimento é extremante influenciada pelas características das leiras a serem recolhidas, principalmente pela concentração de impurezas minerais e umidade (TAVARES et al., 2015). Analisando a somatória das perdas das duas operações nota-se que os manejos foram incapazes de atender os limites estipulados, fato este explicado pela maior participação das perdas do recolhimento neste indicador. Novamente o fator tempo é representado na evolução da qualidade dos resultados obtido, sendo que no primeiro ano variou de 20,40% a 62,28% e, após um ano estes valores ficaram entre 75,80% e 90,26%, novamente o tratamento ST teve destaque, sendo o que mais se aproximou do controle. 5. Recolhimento mecanizado do café de varrição O recolhimento do café de chão não apenas tornou-se a opção mais utilizada por cafeicultores para recolher o café derrubado pela ação da colheita e também pela ação natural devido a estádios avançados de maturação (SILVA et al., 2010 b), como passou a ser um ponto essencial no ciclo de produção para que cada vez mais possa gerar renda para subsistência e investimento. Entretanto o recolhimento do café de chão assim como todas as demais operações produtivas da cultura, quando realizadas de forma manual, são consideradas inviáveis principalmente em áreas mecanizáveis, devido a sua baixa eficiência e alto custo operacional (SANTINATO et al., 2015; TAVARES et al., 2019). 270

A necessidade estimulou a mecanização das operações, que desde 1970 difundiu-se gradualmente em todas as fases de cultivo do cafeeiro (MATIELLO et al., 2005) proporcionando uma importante forma de barateamento da produção associada também a maior eficiência operacional. Entretanto, o menor custo de operação confortou grande parte produtores, a ponto de não buscarem uma qualidade extrema qualidade do processo de recolhimento. Esta operação, quando realizada com qualidade pode ser repetida na mesma área por até três vezes a fim de recolher todos os frutos presentes no solo. Portanto, visando melhorar a qualidade e desempenho do recolhimento mecanizado de café de varrição, a utilização de ferramentas do controle estatístico de processos possibilita uma ampla análise da operação assim como da viabilidade de sua realização. Inicialmente é realizada a caracterização da área, com o objetivo de quantificar a massa do material presente no solo a ser recolhido. Além do café de chão – motivo do recolhimento – existem impurezas que dificultam o processo do mesmo, pretexto este da caracterização da área. As impurezas são classificadas como minerais - compostas por pedras, torrões e dejetos de lavadores – e vegetais compostas principalmente por folhas e galhos. A caracterização foi realizada em cinco pontos amostrais, cada ponto composto por 30 m² (7,5 m x 4,0 m) coletados aleatoriamente na área experimental. A avaliação possibilitou a identificação de uma quantidade de café equivalente a 205,7 kg ha-1 (3,42 sacas de café beneficiados ha-1), representando 1,28% do material total a ser recolhido. A quantidade encontrada é considerada de nível baixo devido principalmente ao ano de safra baixa. Visando a padronização e homogeneidade das parcelas optou-se por ajustar a carga de café no solo, atingindo quantidade equivalente a 600 kg de café ha-1 (10 sacas de café beneficiado ha-1). As análises foram conduzidas em quatro entrelinhas da cultura apresentando comprimento médio de 170 m, sendo cada parcela dos tratamentos com 28 m. O trabalho foi desenvolvido em esquema de delineamento em blocos casualizados, com três passadas da recolhedora e oito repetições. A operação de arruação é efetuada com o auxílio de um arruador-soprador montado (Figura 13a), com o objetivo de posicionar todo material presente no solo no centro da entrelinha do cafeeiro (Figura 13b) a fim de condicionar a operação de recolhimento. Para a arruação utilizou-se o modelo Varre Tudo, da marca Mogiana, tracionado por um trator cafeeiro de 75 cv potência, operando à 2 km.h-1.

Figura 13a. Arruador-soprador montado (a). Café e impurezas enleirados no centro da entrelinha, prontos para a operação de recolhimento (b). A operação de recolhimento é realizada com uma recolhedora (Figura 14), a qual coleta e separa todo o material das entrelinhas, armazenando o café e expelindo as impurezas de volta ao solo. O modelo utilizado foi o Master Café 2, da marca MIAC, tracionada por um trator cafeeiro de 75 cv de potência. A operação foi realizada com a tomada de potência acionada a 540 rpm. O conjunto mecanizado operou na marcha 3ªA, originando velocidade de 1,57 km.h-1.

271

Figura 14. Recolhedora MIAC Master Café II. Durante a operação são coletadas amostras de 2L no interior da caçamba graneleira da recolhedora, as quais são separadas em café e impurezas, possibilitando o cálculo das porcentagens de impurezas vegetais, minerais e da eficiência de limpeza da máquina, expressadas pelas equações 1, 2 e 3. Após a operação é utilizada uma armação retangular de 4 m² (4 m x 1 m) para a avaliação das perdas, onde é coletado e quantificado todo o café presente no interior da armação. Os valores de perdas são utilizados para cálculo da eficiência de recolhimento da máquina, por meio da equação 7. 𝐼𝑉 =

𝑀𝐼𝑉 × 100 𝑀𝑇𝐴

Equação 4

𝐼𝑀 =

𝑀𝐼𝑀 × 100 𝑀𝑇𝐴

Equação 5

𝐸𝐿 =

𝑀𝐶𝑅 × 100 𝑀𝐶

Equação 6

𝐸𝑅 =

𝑀𝐶 − 𝑃 × 100 𝑀𝐶

Equação 7

em que, IV=Impurezas Vegetais (%) MIV=Massa de impurezas vegetais MTA=Massa total da amostra IM=Impurezas Minerais (%) MIM=Massa de impurezas minerais EL=Eficiência de Limpeza (%) MCR=Massa de café recolhido MC=Massa de café presente na área (g) ER=Eficiência de Recolhimento (%) P=Perdas (g) Em conjunto às análises convencionais – análise descritiva e teste de médias -, a detecção de variabilidade a fim de constatar a estabilidade, comportamento e qualidade do processo no decorrer do tempo pode ser realizada por meio do controle estatístico de processos (CEP) (VOLTARELLI, 2015). Os resultados são apresentados por gráficos sequenciais, conhecidos como cartas de controle de valores individuais e de amplitude móvel. Por fim, a análise econômica da operação auxilia na decisão do número necessário de passadas para recolhimento.

272

5.1 Resultados obtidos para a operação de recolhimento Os indicadores de qualidade perdas no recolhimento e eficiência de limpeza apresentaram coeficiente de variação (CV) e desvio padrão muito alto e alto, respectivamente. Valores altos de coeficiente de variação e desvio padrão são comumente encontrados em pesquisas voltadas a mecanização devido à alta variação de situações impostas pelo campo, como os valores encontrados por TOLEDO et al. (2008) em colheita mecanizada de soja, e por NORONHA et al. (2011) em colheita mecanizada de cana-de-açúcar. Para os demais indicadores os parâmetros foram de baixo a médio, extrapolando apenas na primeira passada da máquina para os indicadores de impurezas, onde foram encontrados valores maiores. Tabela 4. Estatística descritiva para os indicadores de qualidade do recolhimento mecanizados de café. IQ Perdas no Recolhimento (g.m-1) Eficiência de Recolhimento (%) Eficiência de Limpeza (%) Impurezas Vegetais (%) Impurezas Minerais (%)

Tratamento 1ª Passada 2ª Passada 3ª Passada 1ª Passada 2ª Passada 3ª Passada 1ª Passada 2ª Passada 3ª Passada 1ª Passada 2ª Passada 3ª Passada 1ª Passada 2ª Passada 3ª Passada

Média 38,1 10,75 2,5 84,12 95,62 98,87 46,45 33,57 25,1 20,92 29,96 35,41 32,63 36,47 39,49

 34,1 7,48 0,756 14,20 3,12 0,315 11,05 8,12 5,45 7,18 5,31 3,95 9,73 5,06 6,88

C.V. (%) 89,38 69,57 30,24 16,88 3,26 0,32 23,79 24,19 21,7 34,33 17,72 11,15 29,82 13,87 17,41

Cs 2,42 1,07 1,32 -2,42 -1,07 -1,32 0,03 -0,17 0,27 1,69 0,83 -0,33 0,77 -0,07 0,83

Ck 6,10 -0,20 0,88 6,10 -0,20 0,87 -1,59 -2,24 -1,33 2,77 -0,46 -0,93 -0,82 -1,13 0,87

A.D. 1,288A 0,561N 1,059 A 1,288 A 0,561 N 1,059 A 0,398 N 0,571 N 0,260 N 0,696 N 0,458 N 0,284 N 0,468 N 0,272 N 0,244 N

IQ– Indicador de qualidade, σ – Desvio padrão, CV (%) – Coeficiente de variação, Cs – Coeficiente de Skewness, Ck – Coeficiente de Kurtosis, AD – Teste de normalidade de Anderson Darling (N: distribuição normal, A: distribuição não normal).

De acordo com a carta de controle de valores individuais para o indicador de qualidade de perdas no recolhimento mecanizado de café (Figura 15), podemos observar que conforme foram realizadas as passadas da recolhedora as médias de perdas da operação foram diminuindo gradualmente. A primeira passada da recolhedora apresentou a maior variabilidade do processo, com pontos discrepantes da média, além de um ponto fora de controle acima do limite superior de controle (LSC). Os pontos fora de controle são pontos incomuns distanciados das demais avaliações e/ou da média, sendo assim considerados como valores que não representam o real comportamento dos dados, podendo ser explicados pelos fatores 6M’s, representados por: máquina, mão de obra, método, matéria prima, medição e meio ambiente (ZERBATO et al., 2013). O fator máquina é o que se adequa a esta falha, por ser um ponto em que a mesma não conseguiu processar todo o café por ser uma área que apresentava mais material, principalmente vegetal, a ser recolhido que os demais. A carta de controle de amplitude móvel apresentou um “outlier” na primeira passada da máquina, explicado pelo ponto fora de controle na carte de controle de valores individuais, isso ocorre devido a amplitude móvel expressar a variação do processo ponto a ponto. A terceira passada da recolhedora na área recolhendo o café enleirado apresentou a menor variabilidade do processo dentre as três no quesito perdas (Figura 15), onde os pontos avaliados e os limites de controle se encontraram mais próximos da média. A redução da variabilidade proporciona a qualidade e pode ser analisada pelo controle estatístico de processo (NORONHA et al., 2011). A maior qualidade do processo, portanto, é explicada pelo fato de a terceira passada da máquina apresentar menor nível de café a ser recolhido, pois o mesmo já vinha sendo manejado desde a primeira passada. A perda de café foi reduzida em mais de 70% da primeira para a segunda passada da recolhedora; a terceira passada possibilitou redução de 76,8% das perdas quando comparada com a segunda, e 93,4% comparada com a primeira, atingindo 2,5 g.m-1.

273

Figura 15. Carta de Controle de Valores Individuais de Perdas no Recolhimento (g m-1). Na carta de controle de valores individuais para a variável eficiência de recolhimento (Figura 16) foi detectado um ponto abaixo do limite inferior de controle (LIC). Este ponto associa-se ao alto índice de perdas avaliado no mesmo local e observado na figura anterior, e pode ser explicado por meio do cálculo da eficiência de recolhimento (Equação 7), onde utiliza-se os valores de perdas para obtê-la. Assim como na figura 15, podemos observar que a terceira passada apresentou a melhor qualidade de execução do processo, apresentando pontos próximos da média e dentro dos limites de controle. Verifica-se também uma alta eficiência de recolhimento (superior a 80%) para todas as passadas da máquina, onde a primeira passada apresentou a maior variabilidade do processo, entretanto seu valor médio ainda assim corrobora com os encontrados na literatura, onde em trabalhos semelhantes os valores de eficiência de recolhimento apresentam média em torno de 80% a 91% (TAVARES et al., 2015).

Figura 16. Carta de Controle de Valores Individuais de Eficiência de Recolhimento (%).

274

Analisando a figura 17, representada pela carta de controle de eficiência de limpeza da operação de recolhimento, encontra-se valores de médias abaixo do nível considerado aceitável para esta variável desde a primeira passada, como o de TAVARES et al. (2015) em que a média foi de aproximadamente 83%. Ressalta-se também que a qualidade da operação foi afetada negativamente de acordo com as passadas da máquina. Carta de Controle de Eficiência de Limpeza (% ) 1ª passada

Valores Individuais

2ª passada

3ª passada

60 LSC

_ X

LIC 0 1

1ª passada

12 14 Observação

2ª passada

3ª passada

Amplitude Móvel

LSC

__ AM

LIC 1

12 14 Observação

Figura 17. Carta de Controle de Valores Individuais de Eficiência de Limpeza (%). A diminuição da eficiência de limpeza de acordo com as passadas é explicada pelo fato de a recolhedora, desde a primeira passada, recolher o café do solo e diminuir o tamanho dos materiais presentes na área (impurezas vegetais e minerais) por meio do mecanismo de limpeza da máquina. Devido a isso, a separação do material é fortemente afetada, pois a parte das impurezas que não são retiradas por meio do exaustor atravessa facilmente pela peneira de limpeza cada vez que seu tamanho é diminuído, consequentemente contribuindo para a diminuição da eficiência de limpeza da máquina. Nota-se na carta de controle de impurezas vegetais (Figura 18) que os valores foram elevandose gradativamente de acordo com as passadas da máquina. Estatisticamente temos como melhor tratamento estudado a terceira passada, por apresentar menor variabilidade dos dados coletados. Entretanto, por ser uma variável inversamente proporcional, é conveniente que os dados apresentem menores valores para que sejam considerados melhores. Observa-se que na segunda e terceira passada a quantidade de café a ser recolhido era menor imerso na mesma quantidade de impurezas, o que dificulta o processo de separação. Avaliando a figura 18, de acordo com as necessidades reais de campo, em que é traçado como necessário o baixo índice de impurezas, os resultados se contradizem aos encontrados seguindo as diretrizes do controle estatístico de processo. A terceira passada da recolhedora passa o posto de melhor tratamento para a primeira passada, a de maior sucesso no ponto de vista quantidade de impurezas vegetais. Isto acontece, pois, a primeira passada desempenhou a menor média de materiais não desejáveis recolhidos, fato este considerado preponderante na operação. Entretanto, todos os valores encontrados não superam os vistos por TAVARES, (2016) em avaliação semelhante, em que as impurezas vegetais representaram 4% em média, cerca de 25 pontos percentuais a menos do encontrado no presente estudo.

275

Carta de Controle de Impureza Vegetal (% ) 1ª passada

2ª passada

3ª passada LSC

Valores Individuais

_ X

36 24

LIC 12 0 1

1ª passada

30 Amplitude Móvel

12 14 Observação

2ª passada

3ª passada

LSC

__ AM

LIC 1

12 14 Observação

Figura 18. Carta de Controle de Valores Individuais de Impureza Vegetal (%). A carta de controle para a variável de impurezas minerais (Figura 19) demonstrou que apesar da alta variabilidade do processo na primeira passada da máquina, ela ainda sim proporcionou um melhor resultado comparado com as demais passadas, por alcançar menor média entre os tratamentos. Já na questão estatística, temos como melhor passada a segunda, pois obteve a maior estabilidade dos dados. Analisando o índice de impurezas minerais recolhidos, é plausível dizer que a máquina desempenhou uma boa separação do material, uma vez que na área de estudo é realizada a distribuição de resíduos do lavador de café, nas entrelinhas da cultura, denominados “chorumeira”, aumentando a quantidade de impurezas minerais a se misturarem com o café de chão a ser recolhido para separação. Carta de Controle de Impureza Mineral (% ) 1ª passada

Valores Individuais

3ª passada

LSC

_ X

LIC

0 1

1ª passada

60 Amplitude Móvel

2ª passada

12 14 Observação

2ª passada

3ª passada

45 30

LSC

__ AM

LIC 1

12 14 Observação

Figura 19. Carta de Controle de Valores Individuais de Impureza Mineral (%). 276

Para realizarmos uma análise econômica simples consideramos os valores reais de comercialização das safras em estudo informados pelo Centro de Estudos Avançados em Economia Aplicada (CEPEA/ESALQ) e os custos reais das operações fornecidos pela fazenda em estudo. Os valores de café (saca de 60 kg) foram negociados na safra de 2017 à média de R$ 462,98. Neste sentido, notamos que havia no solo inicialmente a ser colhido uma quantidade de café equivalente a R$ 4.629,80 ha-1, um valor alto e que pode contribuir consideravelmente com a lucratividade final da safra. No presente estudo as operações mecanizadas de varrição e recolhimento representam um custo de 93,55 e 184,37 R$ ha-1 ano-1, respectivamente, totalizando um valor de R$ 277,92 por recolhimento. Os custos levam em consideração a mão de obra, diesel e manutenção das máquinas no ano agrícola de 2017. A primeira, segunda e terceira passada da recolhedora proporcionaram perdas da ordem de R$ ha735,60; 207,42; 48,23 respectivamente (café não recolhido pela máquina) (Tabela 5). Os valores acima corroboram com a viabilidade econômica de realização da segunda operação de recolhimento, uma vez que o valor da quantidade de café perdida na primeira passada (R$ 735,60) é superior ao custo da operação (R$ 277,92). Quando somados os rendimentos da primeira e segunda passada totaliza-se um rendimento líquido final da ordem de R$ ha-1 3.866,54. 1

Tabela 5. Análise de viabilidade econômica do recolhimento mecanizado de café em até três operações anuais. Eficiência de Custo Perdas no Rendimento Rendimento Tratamento Recolhimento operacional recolhimento bruto líquido (%) (R$ ha-1) 1ª passada 84.12 277,92 735,60 3.894,20 3.616,28 2ª passada 95.62 277,92 207,42 528,18 250,26 3ª passada 98.87 277,92 48,23 159,19 −118,73

6. Considerações finais A aplicação de ferramentas qualitativas do Controle Estatístico de Qualidade (CEQ) na mecanização da cafeicultura permitiu elaborar interpretações muito mais amplas em comparação com as análises estatísticas convencionais. As conclusões acerca da aplicação do CEQ nas pesquisas em operações mecanizadas de colheita permitiram elencar as melhores configurações de regulagens das máquinas e que estas impactam em consumo de combustível, entender de forma mais completa o efeito ambiente produtivo e verificar viabilidades econômicas na utilização de conjuntos mecanizados da cafeicultura. 7. Referências ALAPA - Associação Latino-Americana De Pneus e Aros (2008) Manual de normas técnicas. 1. ed. São Paulo. 299p. ALCÂNTARA AS, PRADO JP, CORRÊA RG, SILVA RP, VOLTARELLI MA, VIEIRA RD (2018) Quality monitoring of soybean seed tests using statistical process control. Revista Brasileira de Engenharia Agricola e Ambiental 22(10):689-695. DOI: https://doi.org/10.1590/18071929/agriambi.v22n10p689-695 ARISTIZÁBAL TID, OLIVEIROS TCE, ALVAREZ MF (2003) Physical and mechanical properties of the coffee tree related to harvest mechanization. Transactions of the ASABE 46(2):197-204. DOI: http://dx.doi.org/10.13031/2013.12947 BARBOSA RL, SILVA FM, SALVADOR N, VOLPATO CES (2008) Desempenho comparativo de um motor de ciclo diesel utilizando diesel e misturas de biodiesel. Ciência e Agrotecnologia 32(5):15881593. DOI: http://dx.doi.org/10.1590/S1413-70542008000500035 BONILLA JA (1994) Qualidade total na agricultura: fundamentos e aplicações. Belo Horizonte: Centro de Estudos de Qualidade Total na Agricultura. 334 p.

277

CASSIA MT, SILVA RP, CHIODEROLLI CA, NORONHA RHF, SANTOS EP (2013) Quality of mechanized coffee harvesting in circular planting system. Ciência Rural 43(1):28-34. DOI: https://doi.org/10.1590/S0103-84782012005000148 CATALÁN H, LINARES P, MÉNDEZ V (2006) Teoría de la tracción de tractores agrícolas. 2. ed. Madrid, Escuela Técnica Superior de Ingenieros Agrónomos (Universidad Politécnica de Madrid). 215p. CONAB - COMPANHIA NACIONAL DE ABASTECIMENTO (2020). Acompanhamento da safra brasileira: CAFÉ (Primeiro levantamento). Brasília - DF. Disponível em: http://www.conab.gov.br. Acessado Ago 27, 2020. CONAB - COMPANHIA NACIONAL DE ABASTECIMENTO (2021). Acompanhamento da safra brasileira: CAF-(Terceiro levantamento). Disponível em: http://www.conab.gov.br. Acessado Dez10, 2021. CUNHA JPB, SILVA FM, MARTINS FGL, CONCEIÇÃO FG, CAMELO LG (2016) Estudo técnico e econômico de diferentes operações mecanizadas na cafeicultura. Coffee Science 11(1):87-96. FEITOSA JR, FERNANDES HC, TEIXEIRA MM, CECON PR (2015) Influência da pressão interna dos pneus e da velocidade de deslocamento nos parâmetros operacionais de um trator agrícola e nas propriedades físicas do solo. Engenharia Agrícola 35(1):117-127. DOI: https://doi.org/10.1590/18094430-Eng.Agric.v35n1p117-127/2015 FERNANDES ALT, PARTELLI FL, BONOMO R, GOLYNSKI A (2012) A moderna cafeicultura dos cerrados brasileiros. Pesquisa Agropecuária Tropical 42(2):231-240. DOI: https://doi.org/10.1590/S1983-40632012000200015 FIORESE DA, MARASCA I, FERNANDES BB, SANDI J, MORELLI-FERREIRA F, LANÇAS KP (2015) Desempenho de três tratores agrícolas em ensaios de tração. Revista de Agricultura Neotropical 2(2):68-76. DOI: https://doi.org/10.32404/rean.v2i2.258 FONTANA C, DALLMEYER AU, POZZERA J, WEISS A (1986) Desempenho comparativo de tratores com e sem tração dianteira auxiliar durante a escarificação do solo. Revista Centro de Ciências Rurais 16(3):237-249. KWON HM, HONG SH, LEE MK, LIM SU (2016) Literature Review on the Statistical Quality Control in Journal of the KSQM for 50 Years. Journal of the Korean society for quality management 44(1):116. DOI: https://doi.org/10.7469/JKSQM.2016.44.1.001 LOPES A, LANÇAS KP, FURLANI CEA, NAGAOKA AK, CASTRO NETO P, GROTTA DCC (2003) Consumo de combustível de um trator agrícola em função do tipo de pneu, da lastragem e da velocidade de trabalho. Revista Brasileira de Engenharia Agrícola e Ambiental 7(2):382-386. DOI: https://doi.org/10.1590/S1415-43662003000200033 MATIELLO JB, SANTINATO R, GARCÍA AWR, ALMEIDA SR, FERNANDES DR (2005) Cultura do café no Brasil: novo manual de recomendações. Rio de Janeiro, Ministério da Agricultura, da Pecuária e do Abastecimento. 434p. MINITAB (2007) Minitab Release 16: Meet Minitab 16. MINITAB StatGuide; Minitab Help. [S.l.], Minitab. MIRANDA NO, OLIVEIRA M, NUNES RL (2000) Desempenho operacional de trator com tração dianteira auxiliar na subsolagem de um inceptisol. Revista Brasileira de Engenharia Agrícola e Ambiental 4(1):97-102. DOI: https://doi.org/10.1590/S1415-43662000000100018 MONTANHA GK, GUERRA SPS, SANCHEZ PA, CAMPOS FH, LANÇAS KP (2011) Consumo de combustível de um trator agrícola no preparo do solo para a cultura do algodão irrigado em função da pressão de inflação nos pneus. Energia na Agricultura 26(1):39-51. DOI: https://doi.org/10.17224/EnergAgric.2011v26n1p39-51 MONTGOMERY DC (2009) Statistical quality control. vol. 7. New York, Wiley. 729p. NORONHA RHF, SILVA RP, CHIODEROLI CA, SANTOS EP, CASSIA MT (2011) Statistical control applied in the process of mechanical sugar cane harvest in the diurnal and nocturnal periods. Bragantia 70(4)931-938. DOI: https://doi.org/10.1590/S0006-87052011000400028 278

OLIVEIRA E, SILVA FM, SALVADOR N, FIGUEIREDO CAP (2007) Influência da vibração das hastes e da velocidade de deslocamento da colhedora no processo de colheita mecanizada do café. Engenharia Agrícola 27(3):714-721. DOI: https://doi.org/10.1590/S0100-69162007000400014 OLIVEIRA BR, TAVARES TO, OLIVEIRA LP, SILVA RP, CHICONE LCG (2020) Technicaleconomic viability of mechanized picking coffee (Coffea arabica L.) in up to three annual operations. Spanish Journal of Agricultural Research 18(1):1-9. DOI: http://dx.doi.org/10.5424/sjar/202018114885 ORTEGA AC, JESUS CM (2011) Território Café do Cerrado: Transformações na estrutura produtiva e seus impactos sobre o pessoal ocupado. Revista de Economia e Sociologia Rural 49(3):771-800. DOI: http://dx.doi.org/10.1590/S0103-20032011000300010 PIMENTA CJ, VILELA ER (2003) Efeito do tipo e época de colheita na qualidade do café (Coffea arabica L.). Acta Scientiarum Agronomy 25(1):131-136. DOI: https://doi.org/10.4025/actasciagron.v25i1.2464 PIMENTEL-GOMES F, GARCIA CH (2002) Estatística aplicada a experimentos agronômicos e florestais: exposição com exemplos e orientações para uso de aplicativos. Piracicaba, FEALQ. 309p. PINTO FAC, ALVES EA, QUEIROZ DM, SANTOS NT, ABRAHÃO AS (2006) Orientação da face de exposição ao sol de parcelas de cafeeiros produzidos e região de montanha e seu efeito na qualidade de bebida. Revista Brasileira de Armazenamento 9(1):32-39. RINALDI PCN, FERNANDES HC, TEIXEIRA MM, CECON PR, ALVARENGA CB (2016) Condições de tração dos tratores agrícolas fabricados e comercializados no Brasil. Revista Brasileira de Tecnologia Aplicada nas Ciências Agrárias 9(1):83-89. DOI: https://doi.org/10.5935/PAeT.V9.N1.09 ROMÁN-RUIZ AK, RIBEYRE F, ROJAS JC, CRUZ-LÓPEZ L, BARRERA JF, DUFOUR BP (2018) Short-distance dispersal of Hypothenemus hampei (Ferrari) females (Coleoptera: Curculionidae: Scolytidae) during the coffee tree fruiting period. Bulletin of Entomological Research 108(5):593-601. DOI: https://doi.org/10.1017/S0007485317001122 SANTINATO F, RUAS RAA, SILVA RP, FILHO AC, SANTINATO R (2015) Número de operações mecanizadas na colheita do café. Ciencia Rural 45(10):1809–1814. DOI: https://doi.org/10.1590/01038478cr20140801 SANTINATO F, SILVA RP, SILVA VDA, SILVA CD, TAVARES TO (2016) Mechanical Harvesting of Coffee in High Slope. Revista Caatinga 29(3):685–691. DOI: https://doi.org/10.1590/198321252016v29n319rc SANTINATO F, SILVA RP, CASSIA MT, SANTINATO R (2014) Análise quali-quantitativa da operação de colheita mecanizada de café em duas safras. Coffee Science 9(4):495-505. SCALCO MS, ALVARENGA LA, GUIMARÃES RJ, COLOMBO A, ASSIS GA (2011) Cultivo irrigado e não irrigado do cafeeiro (Coffea arabica L.) em plantio superadensado. Coffee Science 6(3):193-202. SCHLOSSER J, DALLMEYER AU (1988) Desempenho operacional de um trator com tração dianteira auxiliar operando com as rodas dentro e fora de sulco. In: Congresso Brasileiro de Engenharia Agrícola 1988, Iperó. Anais... Iperó: CENEA/SBEA. SERRANO JMPR (2008) Pressão de insuflagem dos pneus no desempenho do conjunto trator-grade de discos. Pesquisa Agropecuária Brasileira 43(2):227-233. DOI: http://dx.doi.org/10.1590/S0100204X2008000200011 SILVA FC, SILVA FM, ALVES MC, BARROS MM, SALES RS (2010 A) Comportamento da força de desprendimento dos frutos de cafeeiros ao longo do período de colheita. Ciência e Agrotecnologia 34(2):468-474. DOI: http://dx.doi.org/10.1590/S1413-70542010000200028 SILVA FM, SOUZAS JCS, SILVA AC (2010 b) Café derramado. Cultivar Máquinas 95(1):18-20. SILVA JER, CUNHA JPAR, NOMELINI QSS (2016) Controle estatístico de processo em pulverização hidropneumática na cultura do café. Coffee Science 11(1):11-21.

279

SILVA RP, VOLTARELLI MA, CASSIA MT (2015) Controle de Qualidade em Operações Agrícolas Mecanizadas. 1. ed. Jaboticabal, SBEA. 244p. SILVA RP, VOLTARELLI MA, CASSIA MT, VIDAL DO, CAVICHIOLI FA (2014) Qualidade das operações de preparo reduzido do solo e transplantio mecanizado de mudas de café. Coffee Science 9(1):51-60. SOUZA LC (2017) Relação Massa/Potência E Pressão Interna Do Pneu De Um Trator Agrícola. Dissertação Mestrado, Universidade Estadual Paulista, Faculdade de Ciências Agrárias e Veterinárias (UNESP/FCAV). SPAGNOLO RT, PALMA MAZ, VOLPATO CES, BARBOSA JA, NUNES RA (2013) Desempenho operacional de um trator agrícola em função da lastragem, pressão de inflação e desgaste do pneu. Revista Engenharia na Agricultura 21(4):379-386. DOI: https://doi.org/10.13083/reveng.v21i4.415 TAVARES TO (2016) Recolhimento mecanizado do café em função do manejo do solo e da declividade do terreno. Dissertação Mestrado, Universidade Estadual Paulista, Faculdade de Ciências Agrárias e Veterinárias (UNESP/FCAV). TAVARES TO, BORBA MAP, GALLO LAM, GÍRIO LAS, PAIXÃO CSS, SILVA RP (2018 a) Performance of a special tractor as a function of ballasting and front-wheel drive in coffee harvesting. Coffee Science 13(1):104-111. DOI: https://doi.org/10.25186/cs.v13i1.1389 TAVARES TO, BORBA MAP, OLIVEIRA BR, SILVA RP, VOLTARELLI MA, ORMOND ATS (2018 b) Effect of soil management practices on the sweeping operation during coffee harvest. Agronomy Journal 110(5):1689-1696. DOI: http://dx.doi.org/10.2134/agronj2017.10.0598 TAVARES TO, OLIVEIRA BR, SILVA VA, SILVA RP, SANTOS AF, OKIDA ES (2019) The times, movements and operational efficiency of mechanized coffee harvesting in sloped areas. Plos One 14(5)1-10. DOI: https://doi.org/10.1371/journal.pone.0217286 TAVARES TO, SANTINATO F, SILVA RP, VOLTARELLI MA, PAIXÃO CSS, SANTINATO R (2015) Qualidade do recolhimento mecanizado do café. Coffee Science 10(4)455-463. TOLEDO A, TABILE RA, SILVA RP, FURLANI CEA, MAGALHÃES SC, COSTA BO (2008) Caracterização das perdas e distribuição de cobertura vegetal em colheita mecanizada de soja. Engenharia Agrícola 28(4):710-719. DOI: http://dx.doi.org/10.1590/S0100-69162008000400011 VOLTARELLI MA (2015) Ferramentas da qualidade na colheita mecanizada de cana-de-açúcar. Tese Doutorado, Universidade Estadual Paulista, Faculdade de Ciências Agrárias e Veterinárias. (UNESP/FCAV). VOLTARELLI MA, SILVA RP, ROSALEN DL ZERBATO C, CASSIA MT (2013) Quality of performance of the operation of sugarcane mechanized planting in day and night shifts. Australian Journal of Crop Science 7(9):1396-1406. ZERBATO C, CAVICHIOLI FA, RAVELI MB, MARRAFON M, SILVA RP (2013) Controle estatístico de processo aplicado à colheita mecanizada de milho. Revista Engenharia na Agricultura 21(3):261-270. DOI: https://doi.org/10.13083/reveng.v21i3.401

280

CONTROLE ESTATÍSTICO DE PROCESSOS APLICADO À COLHEITA DO TOMATE PARA PROCESSAMENTO INDUSTRIAL Túlio de Almeida Machado Murilo Machado de Barros João Paulo Barreto Cunha

Introdução O tomate (Solanum lycopersicum) é um importante produto agrícola, no qual é produzido em todas as regiões do globo, possuindo indústrias em todos os grandes centros. A sua forma de consumo pode ser dividida em dois diferentes grupos: tomate para consumo in natura (ou tomate “de mesa”) e tomate a ser processado pela indústria. De acordo com a FAOESTAT (2018), o cultivo do tomate no mundo ocupa uma área de aproximadamente 4.762.457 ha. Entre os anos de 1994 e 2008 houve um aumento de 52,95% da área cultivada, e a produção obteve um incremento de 121,06% alcançando 182.256.458 toneladas. Como o aumento da produção vem através dos anos crescendo mais do que as áreas cultivadas, denota-se aumento na produtividade. Este fato indica que as técnicas utilizadas no cultivo dessa cultura têm sido aprimoradas. Atualmente, a China é o maior produtor de tomate do mundo produzindo aproximadamente 61.631.581 toneladas. O Brasil, no mesmo ano, produziu 4.110.242 toneladas, ocupando a décima posição. A área destinada de produção de tomate no Brasil no ano de 2020 foi de aproximadamente 55.885 ha (IBGE, 2018). De acordo com RUBIN et al., (2019), estima-se que 35% da área utilizada no país para esta cultura seja para o cultivo de variedades voltadas ao processamento industrial. Com o crescimento da produção de tomate voltado à indústria, a colheita mecanizada passou a ser parte essencial neste processo. Portanto, diagnosticar perdas decorrentes do processo de colheita pode auxiliar em uma maior eficiência de produção e contribuir com a redução do desperdício de alimentos, pois, anualmente 1,3 milhões de toneladas de resíduos de alimentos são desperdiçados em todo o mundo (BENITEZ, 2016). A busca pelo desenvolvimento de máquinas e mecanismos para a colheita do tomate de variedade para indústria surgiu no final da década de 1940. Hanna e Lorenzen foram os primeiros desenvolvedores desses equipamentos e observaram que o tomate possuía baixa resistência ao processo de colheita mecânica devido aos frutos não suportarem os impactos decorrentes dos processos de corte, separação, classificação e carregamento. Alguns frutos esmagavam em contato com as lâminas de corte, outros eram muito fixos às plantas e não se separavam quando submetidos ao rotor/agitador. Mesmo quando conseguiam passar pelas etapas anteriores, não conseguiam se mover adequadamente até a correia transportadora. A espessura do epicarpo era fina e não suportava o lançamento do fruto que saía da colhedora até o transbordo. Finalmente, em 1959, a equipe encontrou uma variedade de tomate com forma oval e epicarpo mais espesso, que suportava a colheita mecanizada chamado vf-145 conhecido como tomate quadrado (PEÑA, 2013). SIMS JR. et al. (1976), já indicavam, naquele momento, que o sistema de colheita totalmente mecânico era viável do ponto de vista econômico e de engenharia, desde que fossem realizadas algumas práticas culturais adequadas para esse fim. No Brasil, a colheita mecanizada (Figura 1) ganhou importância a partir da década de 90, com a expansão da cultura na região Centro-Oeste. O cultivo nessa região é realizado em grandes áreas, fazendo-se necessário o uso de processos mecanizados (CORTEZ et al. 2002; MACHADO et al. 2011).

281

Figura 1. Colheita mecanizada de tomate industrial. Fonte: Acervo Túlio Machado. Em todas as regiões de cultivo de tomate industrial do mundo, a introdução da colheita mecanizada foi precedida por ajustes na escolha de cultivares e nas práticas de manejo cultural. Além disso, houve também a necessidade de se adequar as estruturas das indústrias para recepção de matériaprima colhida mecanicamente (MELO & VILELA, 2005). O processo de colheita mecanizada reduz os custos aumenta a praticidade e o rendimento operacional. Além destes fatores, obtêm-se melhoria sanitária devido ao menor trânsito de pessoas na área, diminuindo a propagação de pragas e doenças. As atuais colhedoras do tomate industrial possuem os seguintes sistemas: Corte: Consiste em uma estrutura flutuante equipadas de lâminas que realizam o corte da cultura. Recolhimento: Constituído por uma esteira longitudinal que tem função de transportar o material até a esteira de alimentação, na qual leva ao sistema de trilha (Figura 2).

Figura 2. Plataforma de corte e recolhimento de uma colhedora de tomate indústria. Fonte: Acervo Túlio Machado. Trilha: Tem por objetivo desprender os frutos das ramas por meio de vibração forçada de um rotor equipado com varetas (Figura 3). 282

Figura 3. Sistema de trilha de uma colhedora de tomate industrial. Fonte: Catálogo Guaresi. Limpeza: Sistema constituído por ventilador axial, que possibilita a retirada de possíveis restos culturais. Seleção dos Frutos: O sistema é equipado de fotossensores permitindo a separação de frutos verdes e torrões de terra. A retirada do material inerte é realizada por meio de “dedos” pneumáticos presentes na parte inferior da correia transportadora (Figura 4).

Figura 4. Esteira de seleção em uma colhedora de tomate industrial. Fonte: Acervo Túlio Machado. Descarga: Sistema constituído por esteira (braço de descarga) que permite a descarga do material colhido em recipientes de transporte (Figura 5).

Figura 5. Descarga dos frutos de tomate industrial no recipiente de transporte. Fonte: Acervo Túlio Machado. 283

De acordo com a disposição do transplantio, para que a colheita seja realizada, antes da passagem da colhedora, é necessário um trabalho de enleiramento e amontoa das ramas dispersas, possibilitando assim uma maior taxa de recolhimento da massa formada por ramas e frutos. Essa etapa de enleiramento pode ser realizada de maneira manual ou de maneira mecanizada. A seguir, serão exemplificados alguns estudos realizados com a colheita do tomate para processamento industrial, visando tanto a utilização do CEP para parâmetros quantitativos quando para parâmetros qualitativos. Desenvolvimento O processo de colheita mecanizada do tomate possui grande potencial de melhorias. Seja na qualidade da produção ou na redução das perdas quantitativas do produto. Por isso, a avaliação dos sistemas presentes na colhedora e nas práticas que antecedem a colheita são extremamente importantes. Pois, é possível por meio das respostas destas avaliações, uma colheita mais eficaz e melhor capacidade operacional, que tendem a beneficiar todo o sistema de produção de tomate industrial. De acordo com CUNHA et al. (2014), as perdas estão relacionadas ao manejo, principalmente pela utilização de equipamentos não adaptados à realidade da cultura. Outros fatores observados por MACHADO et al. (2016), relacionados ao equipamento, é que a idade e a conservação das máquinas possuem relação com as perdas encontradas no momento da colheita. Quanto menor o número de horas trabalhadas na colhedora, menores serão os danos e as perdas quantitativas dos frutos. AZAZURI et al. (2010), avaliaram o estresse mecânico do tomate submetido à colheita mecanizada e observaram que o rotor/agitador de trilha foram os elementos da colhedora que registraram maior impacto. Segundo os autores, apenas com a regulagem do sistema foi possível reduzir o percentual de danos ao tomate. De acordo com SOARES et al. (2019), as principais perdas no processo de colheita de tomate industrial ocorrem no solo com frutos maduros, que podem ser desprendidos das ramas durante o processo de enleiramento. O espaço entre as correias transportadoras da colhedora de tomate pode ser o fator das perdas de frutos no solo. O processo também é influenciado pela cultivar, estádio de maturação, tamanho e a forma do fruto. Inúmeros são os processos ocorridos que podem interferir na qualidade final da colheita mecanizada. Portanto, para se obter uma melhoria contínua dos processos de colheita é importante usar ferramentas que permitam identificar os problemas ocorridos e assim realizar melhorias em todo o sistema. Aliadas a uma maior eficiência e eficácia das operações no campo, a busca e a exigência por produtos de qualidade, aliados a melhores preços, são o esteio fundamental para o mercado no momento de adquirir a matéria prima. Essa exigência de excelência é primordial para empresas e indústrias que compram matérias-primas e as beneficiam, buscando atender às exigências dos consumidores. O fato é que a matéria-prima deve sair de sua origem, no caso do tomate para processamento industrial, do campo, com o máximo de qualidade possível. Nesse âmbito, o uso do CEP, a princípio, foi desenvolvido e utilizado por empresas buscando melhoria de qualidade e de produtividade. Bons resultados e a possibilidade de utilizar-se dessas ferramentas na agropecuária abriram caminhos para que estudos fossem realizados, principalmente em operações mecanizadas. Para MINGOTI & FIDELIS (2001), o Controle Estatístico de Processo (CEP) possui o objetivo de detectar rapidamente alterações dos parâmetros de determinados processos para que os problemas possam ser corrigidos antes que muitos itens não-conformes sejam produzidos. Segundo BONILLA (1995), algumas ferramentas destacam-se no CEP, sendo elas: histogramas, cartas de controle por variáveis e parâmetros da estatística descritiva, tais como: medidas de tendência central (média aritmética, mediana e moda), medidas de dispersão (amplitude, desvio-padrão e coeficiente de variação) e medidas de assimetria e de curtose. O CEP, como ferramenta de produção no meio agrícola já é utilizado na colheita mecanizada de várias culturas, tais como: cana de açúcar (SILVA et al., 2008), algodão (SILVA, et al., 2007), café 284

(PAIVA CUSTÓDIO et al., 2012), milho (ZERBATO, et al., 2013), feijão (SILVA, et al., 2013), soja (CHIODEROLI, et al., 2012), dentre outras. TRINDADE et al. (2000) sugerem que a elaboração das cartas básicas de controle pode ser por variáveis ou por atributos. Nas cartas básicas por variáveis, obtém-se a variação de modo quantitativo, podendo ser subdivididas em cartas de controle pela média, pela amplitude e pelo desvio-padrão, e cartas de dispersão do desvio-padrão e da amplitude. No caso das cartas de controle por atributos, a variação é obtida de modo qualitativo, podendo ser subdivididas em cartas da fração defeituosa e cartas do número total de defeitos por unidade. Esta ferramenta já vem sendo utilizada com sucesso para a determinação de eficiência de colheita, por sua fácil distinção entre processos eficientes e não eficientes. O seu uso pode vir a ser fundamental, pois identifica as variações da eficiência da colheita mostrando as falhas do processo, permitindo avaliações em cada um dos sistemas da colhedora de tomate, sejam elas quantitativas ou qualitativas fornecendo subsídios, para as realizações de regulagens e adaptações do sistema na busca de maior eficiência e qualidade. Na colheita do tomate para processamento industrial parâmetros quantitativos e qualitativos podem ser mensurados através das cartas de controle. Dentre os parâmetros quantitativos podemos descrever as perdas de frutos que não vão para indústria e ficam no campo após a colheita mecanizada. Dentre os fatores qualitativos, podemos ter atributos físico-químicos tais como: firmeza, perda de massa, pH, ºBrix, acidez titulável, etc. A seguir, serão exemplificados alguns estudos realizados com a colheita do tomate para processamento industrial, visando tanto a utilização do CEP para parâmetros quantitativos quando para parâmetros qualitativos. Para três colhedoras com diferentes horas de uso: M1 = 7255 horas; M2 = 2984 horas; M3 = 6512 horas) e avaliando perdas totais (fatores quantitativos) e atributos de firmeza e porcentagem de perda de massa (fatores qualitativos) através da análise descritiva presente na Tabela 1, permite-se uma maior compreensão do comportamento dos dados obtidos por colhedoras autopropelidas de tomate industrial com diferentes horas de trabalho, sendo assim obtidos valores de médias, mediana, valores máximos e mínimos, desvio padrão e coeficientes de variação, curtose e assimetria para as perdas totais e as características físicas dos frutos colhidos como a firmeza e a perda de massa. Tabela 1. Análise estatística descritiva para perdas totais (kg. ha-1), firmeza (N.cm-2) e porcentagem de perda de massa (%) independente das horas de uso das colhedoras. Valor

Coeficientes

Variável

Média

Mediana

Max.

Min.

Perdas totais Firmeza Perda de massa

7142 2,18 10,91

6200 2,05 10,0

11600 3,0 17,5

2800 1,5 6,0

Desvio padrão 2846 0,347 3,039

39,8 15,9 27,8

-0,66 0,52 -0,33

0,55 029 0,64

N N N

Ck: coeficiente de curtose; Cs: coeficiente de assimetria; A: distribuição assimétrica pelo teste de Shapiro-Wilk. N: Distribuição normal pelo teste de Shapiro-Wilk.

De uma maneira geral, os dados observados no campo apresentaram distribuição normal pelo teste Shapiro Wilk a 5% de probabilidade. Com relação a variabilidade de um atributo quando avaliado está diretamente relacionado com a magnitude do seu coeficiente de variação (FREDDI et al., 2006). Sendo assim, segundo PIMENTEL GOMES (2009), se o coeficiente de variação (CV) for inferior a 10%, é considerado baixo, ou seja, a experiência tem maior precisão; entre 10 e 20%, é considerado médio, e alto entre 20 e 30%. Outro ponto a ser destacado é o comportamento dos coeficientes de curtose e assimetria, visto que, eles permitem observar como os dados se apresentam distribuídos em relação a média dos dados. Com base nessa observação, parâmetros que apresentam coeficiente de curtose e assimetria positivos, apresentam por características a maioria dos valores abaixo da média, além de demonstrar que os valores de perdas tenderam a se concentrarem em torno da média. Nesse mesmo estudo, A partir da obtenção da carta de controle e de amplitude móvel para as perdas quantitativas do processo de colheita (Figura 6), é possivel entender a relação entre a idade da colhedora e as perdas do sistema de trilha, e observar que para todas as máquinas avaliadas as perdas se 285

mantiveram dentro dos limites de controle estabelecidos (± 3σ). Ademais, quando avaliada a carta da amplitude média todos os valores estão dentro dos limites de controle e apresentam um comportamento aleatório, indicando controle do processo estatístico apontando que para as condiçoes causas especiais não influenciaram no processo de colheita mecanizada. A carta de amplitude auxilia a visualização da diferença dos valores obtidos.

Figura 6. Carta de controle para as perdas do sistema de trilha em função da quantidade de horas de uso da colhedora. Com base nos resultados apresentados na carta de controle, percebeu-se uma maior perda no sistema de trilhas à medida que a quantidade de horas trabalhadas pela máquina aumenta. Sendo assim, os maiores valores de perdas representam um maior desgaste dos mecanismos internos da colhedora, o que interfere na eficiência do sistema de trilha. Nessa linha, de acordo com MESQUITA et al. (2002), de uma forma geral no caso das colhedoras autopropelidas, ocorre a tendência dessas máquinas apresentarem comportamento similares independente do tempo de uso, mas avaliando a colheita da soja, máquinas que apresentaram mais de quinze anos de uso apresentaram perdas superiores àquelas encontradas nas colhedoras com menos de cinco anos de idade. Como estudos acerca das perdas qualitativas de tomates colhidos de forma mecanizada são escassos, o dano mecânico causado pelos mecanismos das colhedoras é um dos principais problemas, mudando as características físicas dos frutos colhidos e se fazendo cada mais necessário seu monitoramento (HACISEFEROUGULLARI et al., 2007; TANIGAKI et al., 2008). Qualitativamente, variáveis também são avaliadas por meio das cartas de controle, um exemplo disso são as avaliações de firmeza e porcentagem de perda de massa que foram realizadas por MACHADO (2018), para colhedoras de diferentes horas de uso. Outras variáveis que podem ser utilizadas como exemplo podem ser o teor de sólidos e solúveis, acidez titulável, pH etc. Especificamente, diferentes fatores influenciam o processo de colheita mecanizada do tomate industrial onde, além de alterar o comportamento da máquina, reduzindo a eficiência da operação, promovem também a redução a qualidade físico-química do produto colhido e encaminhado ao posterior processamento. Dessa forma, fatores como idade das máquinas utilizadas, condições de solo, regulagens dos componentes da colhedora serão abordados a seguir no presente capítulo, cujos temas já foram abordados em outros estudos. A Figura 7 trata-se de cartas de controle individuais representando os dados de firmeza e perda 286

de massa dos frutos colhidos em relação a quantidade de horas trabalhadas pelas colhedoras. Com base na carta foi possível determinar limites aceitáveis e que sirvam de parâmetros reais para possíveis comparações e análises. Dessa forma os limites foram definidos baseados nas características de frutos colhidos por um tratamento testemunha, ou seja, colhidos de forma manual e sem apresentar danos.

Figura 7. Carta de controle para a firmeza (a) e porcentagem de perda de massa (b) dos frutos colhidos em função da quantidade de horas de uso da colhedora. Diante do exposto, apesar da máquina 3 apresentar menor quantidade de horas trabalhadas, causas especiais ao processo podem explicar tal resultado indicando assim possíveis desgastes dos componentes do sistema de trilha. Outro fator que pode ter influenciado foi a maneira de operação de cada colhedora, onde de acordo com TAHERI-GARAVAND et al. (2011), ao avaliar a correlação da massa de frutos de tomate com diferentes atributos concluíram que nas operações de transporte e colheita, os frutos são expostos a cargas mecânicas, que podem provocar lesões, por corte e, ou, esmagamento, causando perdas qualitativas e quantitativas. A porcentagem de perda de massa dos frutos colhidos pelas máquinas avaliadas alcançou valores acima da média de controle em relação à testemunha. Apesar de não possuir a maior média geral, as colhedoras 1 e 3 apresentaram maior variação dos dados, indicando desuniformidade nos danos causados nos frutos, onde uns estão sujeitos a maiores danos do que outros. Com base nesses resultados é possível afirmar que o controle estatístico de processo pode ser uma ferramenta importante na análise das perdas no processo de colheita e transporte de produtos agrícolas, uma vez que o entendimento do processo permite ações de adequação da máquina visando a redução dos danos causados, já que no caso específico de frutos como tomates, goiabas, mamões submetidos ao impacto e compressão tem um aumento da perda de massa e redução de nutrientes (GODOY et al., 2010; 287

GRIGIO et al., 2011). Outra utilização do CEP pode ser através da avaliação do processo de colheita mecanizada do tomate industrial, onde as máquinas trabalham com a barra de corte das ramas próximas ao solo. Um dos artifícios utilizado pelos produtores para uma melhor condução do processo de colheita mecanizada é a aplicação de uma leve irrigação, principalmente em solos com compactação nas camadas superficiais do solo, fazendo assim com que se maximize a eficiência de corte da plataforma. Conforme a Figura 8, para ambas as situações avaliadas, ocorreram pontos fora do controle, indicando que o comportamento é semelhante entre as duas áreas.

Figura 8. Carta de controle para as perdas em relação as umidades (a) 20% e (b) 37%. Dessa maneira, foi possível afirmar que a utilização do expediente de aumento da umidade do solo não teve na prática grande impacto nas perdas, devendo assim em sua adoção, primeiramente passar por uma avaliação criteriosa, uma vez que o processo de colheita do tomate envolve uma quantidade grande de caminhões responsáveis pelo transporte, o que pode inviabilizar a operação, degradar o solo e compactação das áreas. Alguns fatores podem explicar tal comportamento, como, por exemplo, a regulagem prévia das colhedoras usadas. De uma maneira geral, cuidados com a plataforma de recolhimento, cuja função é de transportar a massa colhida para as etapas subsequentes da colhedora. Devido a sua inclinação e constituição, dotadas de dedos de borracha que recolhem e transportam a massa colhida para o sistema de trilha, alguns frutos já soltos das ramas tendem a voltar para o início da esteira de recolhimento e diminuindo a eficiência de colheita devido ao aumento das perdas. Com base no exposto, a redução do processo de colheita passa principalmente pela adoção de velocidades operacionais adequadas, treinamento dos operadores e a regulagem dos mecanismos de colheita e separação da máquina, adotando assim rotações e vibrações adequadas. 288

Avaliando outras características da colheita mecanizada do tomate para processamento industrial verificou-se ganhos de eficiência e melhorias na relação custo/benefício onde, de uma maneira geral os modelos de colhedoras utilizadas possuem origem italiana ou americana, tendo como principais diferenças os sistemas de destacamento dos frutos, posição das correias de seleção e unidade de descarga do produto (ARAZURI et al., 2007; JARÉN et al., 2007). Os dois sistemas de destacamento que sobressaem-se são o sistema de cintas e o rotativo. De acordo com ARAZURI et al. (2010), a tendência dos modelos mais novos de colhedoras é a utilização de sistemas rotativos, que, mesmo apresentando baixas rotações na sua operação, apresentam vantagens, como o tamanho reduzido, menor necessidade de energia para separação dos frutos e menor ruído. Diante do exposto faz-se necessário a regulagem adequada dos parâmetros vibração e rotação, fatores esses que podem minimizar perdas referentes ao sistema de separação das colhedoras. De uma maneira geral, as colhedoras trabalham com frequências vibratórias de até 6 Hz e rotação de até 18 rpm em seus sistemas de destacamento de frutos. De acordo com OLIVEIRA et al. (2007), o uso da vibração e/ou o impacto mostram-se como métodos eficientes para a colheita de diversos produtos agrícolas. Assim, diferentes tipos de colhedoras foram desenvolvidos segundo esse princípio, como as de café, citros, azeitona e o sistema de separação da colhedora de tomate. Nesse sentido diferentes pesquisas vêm sendo realizadas para a melhor compreensão desses fatores e seu efeito nas perdas relacionadas ao processo de colheita do tomate. CUNHA et al (2014) avaliando as perdas ocasionadas no processo de colheita mecanizada do tomate, verificaram que as perdas totais ocasionadas pela colhedora no sistema de separação apresentaram-se fora dos limites de controle e dos padrões aceitáveis de perdas, para a cultura do tomate industrial. Os mesmos autores citam que a adoção de maiores níveis de frequência de vibração (4,7 Hz) e de rotação (18 rpm) do sistema de separação proporcionaram menores perdas e, consequentemente, os melhores resultados. Diferentemente dessa situação, constatou-se que, quando utilizada a menor vibração (0,83 Hz), houve perdas totais médias de, aproximadamente, 10,7%, valor acima do aceitável. TATLIDIL et al. (2005), avaliando as perdas ocasionadas no período de colheita mecanizada de tomate, observaram valores de perdas totais de 5,1-9,8%. Com relação às vibrações do sistema de destacamento da máquina, ela influencia diretamente nas perdas no processo, sendo assim a escolha da vibração e rotação adequada uma escolha criteriosa a ser definida em função das condições de lavoura e operação da máquina, uma vez que algumas variedades apresentam frutos que se desprendem com mais facilidade da rama, o processo de “arraste” da planta e seus frutos para a plataforma de corte (CUNHA et al., 2014).

Considerações finais Como visto, a aplicação do controle estatístico de processos na colheita mecanizada do tomate industrial permite um maior conhecimento das diferentes variáveis que alteram o comportamento da colhedora e influenciam diretamente nos processos de perdas e redução da eficiência. Além disso, tal ferramenta vem sendo aplicada para explicar as relações ocorridas entre os fatores ambientais, humanos e que visam explicar melhor o comportamento desses parâmetros, como fatores ergonômicos como ruídos, e outras etapas do processo de produção do tomate industrial como as etapas de transporte e transplantio semimecanizado.

Referências ARAZURI S, ARANA, I, JARÉN, C (2010) Evaluation of mechanical tomato harvesting using wireless sensors. Sensors 10(12):11126-11143. ARAZURI S, JARÉN C, ARANA JI, DE CIRIZA JP (2007). Influence of mechanical harvest on the physical properties of processing tomato (Lycopersicon esculentum Mill.). Journal of Food Engineering, 80(1):190-198. BENITEZ OR (2016) Perdas e desperdícios de alimentos na América Latina e no Caribe. In: Food and Agriculture Organization. Disponível em: http://www.fao.org/americas/noticias/ver/pt/c/239394/ . Acesso em: 01/07/2020 289

BONILLA JA (1995) Qualidade total na agricultura: fundamentos e aplicações. Belo Horizonte, Centro de Estudos da Qualidade Total na Agricultura. 344p. CHIODEROLI CA, SILVA RPD, NORONHA RHDF, CASSIA MT, SANTOS EPD (2012) Perdas de grãos e distribuição de palha na colheita mecanizada de soja. Bragantia 71(1):112-121. CORTEZ LAB, Braunbeck AO, Castro LR, Abraão RF, Cardoso JL (2002) Sistemas de colheita para frutas e hortaliças: oportunidades para sistemas semimecanizados. Revista Frutas & Legumes, 12(1):2629. CUNHA JPB, MACHADO TA, SANTOS FL, COELHO LM (2014) Perdas na colheita de tomate industrial em função da regulagem da colhedora. Pesquisa Agropecuária Tropical 44(4):363-369. FAOSTAT - Food and Agriculture Organization of the United Nations (2018) Roma: FAO. Disponível em: http://www.fao.org/faostat/en/#data/QC/visualize. Acesso em: 10/07/2020. FREDDI OS, CARVALHO MP, VERONESI JÚNIOR V, CARVALHO GJ (2006) Produtividade do milho relacionada com a resistência mecânica à penetração do solo sob preparo convencional. Engenharia Agrícola 26(1):113-121. GODOY AE, JACOMINO AP, PEREIRA ECC, GUTIERREZ ASD, VIEIRA CEM, FORATO LA (2010) Injúrias mecânicas e seus efeitos na qualidade de mamões Golden. Revista Brasileira de Fruticultura, 32(3):682-691. GRIGIO ML, NEVES LC, TOSIN JM, NASCIMENTO CJ, CHAGAS EA, VIEITES RL (2011) Efeito da modificação atmosférica em goiabas var. Paluma na redução de danos mecânicos em pós-colheita. Revista Agroambiente On-line 5(1):57-65. HACISEFEROUGULLARI H, GEZER I, OZCAN MM, MURATASMA B (2007) Post-harvest chemical and physical–mechanical properties of some apricot varieties cultivated in Turkey. Journal of Food Engineering, 79(1):364-373. IBGE - Instituto Brasileiro de Geografia e Estatística. (2018) Levantamento Sistemático da Produção Agrícola. Rio de Janeiro, IBGE. 81p. JARÉN C, ARAZURI S, ARANA I, ARNAL P (2007) Processing tomato mechanical harvesting cost evaluation. Acta Horticulturae 1(758):295-297. MESQUITA CM, COSTA NP, PEREIRA JE, MAURINA AC, ANDRADE JGM (2002) Perfil da colheita mecânica da soja no Brasil: safra 1998/1999. Engenharia Agricola 22(3):398-406. MACHADO TA (2018) Avaliação da colheita e transporte do tomate industrial. Viçosa, UFV. 124p. MACHADO TA, CUNHA JPB, COUTO R, NEVES JUNIOR VO, QUEIROZ L, OLIVEIRA, L (2011). Efeitos da máquina. Revista Cultivar Máquinas, 110(1):14-18. MACHADO TA, LISBOA CF, CUNHA FLS (2016) Perdas na colheita do tomate em função da idade das colhedoras. Revista Cultivar Máquinas, 162(1):25-27. MELO PC, VILELA, NJ (2005) Desafios e perspectivas para a cadeia brasileira do tomate para processamento industrial. Horticultura Brasileira, 23(1):154-155. MIGNOTI AS, FIDELIS MT (2001) Aplicando a geoestatística no controle estatístico de processo. Revista Produto & Produção 5(2):55-70. OLIVEIRA ED, SILVA FMD, SALVADOR N, FIGUEIREDO CA (2007) Influência da vibração das hastes e da velocidade de deslocamento da colhedora no processo de colheita mecanizada do café. Engenharia Agrícola, 27(3):714-721. PAIVA CUSTÓDIO AA, SILVA RP, LEMOS LB, TOLEDO A, MELO LP, PAIVA CUSTÓDIO AA (2012) Controle estatístico aplicado na colheita mecanizada de cafeeiros irrigados. Revista de Agricultura 87(3):172-180. PENÃ, CDL. (2013) Thinking Through the Tomato Harvester. Boom: A Journal of California 36(1):344. PIMENTEL-GOMES F (2009) Curso de estatística experimental. Piracicaba, ESALQ. 451p. 290

RUBIN CA, SCHINEIDER L, CAMPOS MS, OLIVEIRA RC (2019) Tomate: Análise dos Indicadores da Produção e Comercialização no Mercado Mundial, Brasileiro e Catarinense. Compendio de Estudos Conab, Companhia Nacional de Abastecimento 21(1):1-21 SILVA RP, SOUZA FG, CORTEZ JW, FURLANI CE, VIGNA GP (2007) Variabilidade espacial e controle estatístico do processo de perdas na colheita mecanizada do algodoeiro. Engenharia Agrícola 27(3):742-752. SILVA RPD, CORRÊA CF, CORTEZ JW, FURLANI CE (2008) Controle estatístico aplicado ao processo de colheita mecanizada de cana-de-açúcar. Engenharia Agrícola 28(2):292-304. SILVA RPD, CASSIA MT, VOLTARELLI MA, COMPAGNON AM, FURLANI CEA (2013) Qualidade da colheita mecanizada de feijão (Phaseolus vulgaris) em dois sistemas de preparo do solo. Revista Ciência Agronômica 44(1):61-69. SIMS JR, ET.; HOOD CE, WEBB BK (1977) Evaluation of a totally mechanized tomato harvesting system. Proceedings of the Florida State Horticultural Society (USA), 89(1):139-140. TAHERI-GARAVAND A, RAFIEE S, KEYHANI A (2011) Study on some morphological and physical characteristics of tomato used in mass models to characterize best post harvesting options. Australian Journal of Crop Science 5(4):433-438. TANIGAKI K, FUJIURA T, AKASE A, IMAGAWA J (2008) Cherry-harvesting robot. Computers and Electronics in Agriculture 63(1):65-72. TATLIDIL FF, KIRAL T, GUNDOMUS E, FÍDAN H (2005) The effect of crop losses during preharvest and harvest periods on production costs in tomatoproduction in the Ayas and Nallihan districts of Ankara province. Turkish Journal of Agriculture and Forestry 29(6):499-509. TRINDADE C, REZENDE JLP, JACOVINE LAG, SARTORIO ML (2000) Ferramentas da qualidade: aplicação na atividade florestal. Viçosa, UFV. 124p. ZERBATO C, CAVICHIOLI FA, RAVELI MB, MARRAFON M, DA SILVA RP (2013) Controle estatístico de processo aplicado à colheita mecanizada de milho. Revista Engenharia na agricultura 21(3):261-270.

291

QUALIDADE EM OPERAÇÕES DA COLHEITA DE AMENDOIM Rouverson Pereira da Silva Jarlyson Brunno Costa Souza

1. Introdução O amendoim é considerado uma das mais importantes leguminosas do mundo por apresentar características que favorecem a obtenção de sementes para a extração de óleo, consumo in natura, confecção de doces e produção de farelo/torta. A cultura é produzida em larga escala nos continentes da América do Sul, América do Norte, Ásia e África. O Brasil tem sua produção concentrada principalmente no estado de São Paulo com 96% da produção total do país (CONAB, 2021). No contexto atual da cultura do amendoim no Brasil, verifica-se grande crescimento no que diz respeito à produção e, principalmente, à tecnologia nos processos mecanizados. Tal fato só se tornou possível devido à implementação e ao grande desenvolvimento na colheita mecanizada a partir dos anos 2000, o que foi primordial para impulsionar o avanço na produção de amendoim. Dentre os processos agrícolas mecanizados desta cultura, a colheita é encarada como uma das principais operações devido ao alto valor agregado e pelo fato de se tratar de colheita indireta, na qual são necessárias duas etapas de execução: o arranquio das plantas, após a cultura atingir o ponto ideal de colheita e o recolhimento do amendoim após o período de secagem em campo. Determinar o ponto ideal de colheita para a cultura do amendoim é o maior obstáculo que os produtores encontram para alcançar a máxima produção da lavoura e, em função disso, as perdas decorrentes das operações de colheita ainda são muito elevadas. Portanto, a determinação das perdas que ocorrem nas operações do arranquio e recolhimento do amendoim, torna-se de grande importância para monitoramento e melhoria do processo de colheita mecanizada. Diante disso, apresenta-se neste capítulo uma abordagem do uso do Controle Estatístico de Processo para aferição da qualidade das operações na colheita mecanizada do amendoim, apresentando os principais indicadores utilizados, bem como algumas aplicações do CEP utilizadas nestas avaliações.

2. Indicadores de qualidade utilizados nas operações de colheita de amendoim As operações agrícolas possuem especificidades que prejudicam o gerenciamento e aumentam a necessidade de um sistema que contribua e direcione o produtor nas tomadas decisões. A variabilidade de componentes climáticos, ponto de maturação, a necessidade do cumprimento das operações em curto período, a qualidade de mão de obra e a dificuldade para obter dados que auxiliem no controle e domínio gerencial, são alguns fatores que dificultam a qualidade das operações de colheita na cultura do amendoim. A variabilidade está exposta em todos os processos de produção e serviços, podendo ser medida por variáveis ou por atributos. Com o avanço da competitividade no mundo do agronegócio, a importância da qualidade dos produtos e serviços vem tornando-se o divisor de água aos olhos dos clientes. Para que a variabilidade dos sistemas mecanizados fique dentro de padrões aceitáveis, é de fundamental importância que haja o controle das operações agrícolas para a melhoria do processo produtivo. Algumas variáveis devem ser consideradas para facilitar o monitoramento e a tomada de decisão gerencial do processo mecanizado de colheita do amendoim, podendo então serem utilizadas como indicadores de qualidade. Nos trabalhos de pesquisa de colheita de amendoim, destacam-se como indicadores de qualidades as seguintes variáveis: a) Teor de água no solo no momento do arranquio, determinado por meio de amostras coletadas na camada de 0 a 10 cm. b) Resistência mecânica do solo a penetração, realizada momentos antes do arranquio, com amostragens localizadas próximos aos pontos de determinação das perdas no arranquio. Normalmente são coletados dados até a profundidade de 30 cm. As medições podem ser aferidas utilizando o penetrômetro de impacto ou eletrônico (Figura 1). 292

Figura 1. Determinação da resistência mecânica do solo a penetração por meio de um penetrômetro eletrônico. c) Maturação das vagens, comumente determinadas pelo método “Hull Scrape” (WILLIAMS E DREXLER, 1981), que consiste na raspagem do exocarpo e a consequente exposição do mesocarpo de 200 vagens de amendoim, o que pode ser feito por jateamento com água sob pressão (Figura 2.a). na sequência utiliza-se o quadro de maturação para classificar as vagens de amendoim por meio da coloração do exocarpo, que pode variar de branco, amarelo 1, amarelo 2, laranja, marrom e preto. Ao se posicionar as vagens no quadro, elas devem formar uma curva de distribuição com aparência de um sino (linha branca – Figura 2.b), e, quanto mais deslocada à direita do quadro estiver essa curva, mais madura estará a cultura. Essa curva também é utilizada para calcular a estimativa de dias para o arranquio, considerando-se as vagens presentes nas classes marrom e preta. Isso acontece quando se tem pelo menos três vagens classificadas em cada coluna dessas categorias de cor, ou seja, quando elas atingem a linha de projeção (Figura 2.a).

(a)

(b)

Figura 2. Processo de avaliação dq maturação do amendoim baseado no método de Williams e Drexler (1981): a) jateamento das vagens; b) quadro para avaliação da maturação. d) Teor de água nas vagens no arranquio, determinado por meio de coletas logo após a passagem do arrancador-invertedor e posterior mensuração da massa das vagens úmidas e secas, após o processo de secagem em estufa à temperatura de 105±3°C, por 24 horas (BRASIL, 2009). e) Perdas visíveis no arranquio, obtidas com o levantamento cuidadoso das leiras, e posicionando uma armação de 2 m2 sobre o solo, dentro da qual serão recolhidas todas as vagens e grãos soltos que estiverem sobre o solo (Figura 3.a).

293

f) Perdas invisíveis no arranquio, obtidas com a armação posicionada no mesmo local em que se avaliou as perdas visíveis, cavando-se o solo até 15 cm de profundidade e, em seguida coletando-se todas a vagens de amendoim encontradas dentro da armação (Figura 3.b).

(a)

(b)

Figura 3. Determinação de perdas na colheita do amendoim: a) perdas visíveis; b) perdas invisíveis. g) Perdas visíveis totais, determinadas posicionando-se a armação sobre o solo após a passagem da recolhedora e coletando todas as vagens encontradas no espaço delimitado por essa armação. h) Perdas totais na colheita, constituídas pela soma das perdas visíveis totais com as perdas invisíveis no arranquio. i) Produtividade real, determinada com a realização do arranquio manual de todas as plantas de amendoim contidas dentro da área de uma armação de 2 m2, coletando-se em seguida as vagens que ficaram sobre e sob o solo, até a profundidade de 15 cm, colocando-as, após o peneiramento, em sacos de papel para posterior pesagem para obtenção da produtividade (SILVA & MAHL, 2008). O teor de água das amostras deve ser corrigido para 8% (teor de água de armazenamento do amendoim).

3. Aplicações do CEP no monitoramento das operações na colheita de amendoim Com os avanços tecnológicos na colheita e em função da sua implantação no sistema de rotação de culturas, o amendoim regressou com alta competitividade no mercado. No entanto, para garantir o sucesso na operação de colheita é essencial a realização da manutenção e melhoria da qualidade do processo, pois a colheita possui elevados índices de variabilidade. Analisar os parâmetros que irão influenciar na operação de colheita é extremamente importante, portanto, os indicadores de qualidade do processo devem ser monitorados. A bibliografia reporta alguns estudos direcionados a melhorar a qualidade dos processos da colheita mecânica de amendoim. A ocorrência de padrões em relação aos indicadores de qualidade, indicam que os processos mecanizados na colheita de amendoim podem apresentar causas especiais devido aos fatores 6 M’s (mão de obra, matéria prima, método, medição, máquina e meio ambiente). A confiabilidade da análise de um processo e a constatação da ocorrência de causas especiais, passam pela avaliação das cartas de controle, pois esta, possibilita inferir se o processo se encontra instável ou estável, contribuindo de forma significativa na tomada de decisão para melhoria de qualidade das operações. Diante disto, são aqui apresentados resultados de trabalhos desenvolvidos no Laboratório de Máquinas e Mecanização Agrícola da Unesp/Jaboticabal, SP, que empregaram as premissas do controle estatístico de processo para os indicadores de qualidade acima reportados. 3.1. Teor de água e resistência mecânica do solo à penetração Estes indicadores têm sido avaliados com o intuito de permitir inferências sobre a variabilidade, e sobre como esta variabilidade pode influenciar as perdas na colheita. Neste sentido, SANTOS et al. 294

(2016) em estudo conduzido no município de Luzitania – SP, avaliou as principais causas que contribuem para as perdas no arranquio mecanizado de amendoim com e sem o uso de piloto automático, utilizando como ferramentas as cartas de controle de valores individuais. O autor constatou, a partir do uso de cartas de controle, que para o teor de água no solo o processo com o uso do piloto automático apresentou menor variação ao longo do tempo, com menor amplitude em comparação ao tratamento sem piloto (Figura 4). Logo, este processo se torna passível de ser considerado de melhor qualidade, pois ocorreu redução dos limites de controle, o que por sua vez demonstra a redução da variabilidade, a qual regula a qualidade de um processo.

Figura 4. Carta de controle individual para o teor de água no solo. (Fonte: SANTOS et al., 2016). Em relação à resistência mecânica do solo à penetração, BERTONHA (2011) utilizou cartas de controle de valores individuais e de amplitude móvel (I-MR) e gráficos sequenciais para avaliar quatro propriedades da região de Ribeirão Preto – SP (Figura 5), notando que a propriedade com arranquio aos 120 DAS apresentou, para a RMSP, um ponto fora limite superior de controle (LSC) em ambas as 130 DAS 135 DAS 118 DAS 120 DAS cartas (valor individual e amplitude móvel), enquanto a propriedade com arranquio aos 135 DAS apresentou um ponto fora do limite inferior. A ocorrência de apenas um ponto fora dos limites de controles nessas duas propriedades caracteriza a ocorrência de outliers, uma vez que os coeficientes de variação encontrados pelo autor foram muito altos. Apesar de a propriedade com arranquio aos 118 DAS ter demonstrado padrão de agrupamento, as cartas de controle não indicaram a ocorrência de causas especiais, o que ocorreu para a propriedade com arranquio aos 135 DAS que também apresentou o mesmo padrão.

Figura 5. Cartas de controle I-MR (individual e amplitude móvel) para a variável resistência mecânica do solo à penetração. (Fonte: BERTONHA, 2011).

3.2. Teor de água das vagens e maturação Para o indicador de qualidade de teor de água das vagens (Figura 6), SANTOS et al. (2016) verificaram no tratamento Sem Piloto Automático, que o elevado índice de variabilidade está associado 295

aos maiores valores de teor de água do solo no momento do arranquio nesse tratamento, bem como a amplitude desses valores. Além disso, o teor de água nas vagens é crucial para a colheita de amendoim, uma vez que, após o arranquio é necessário que as vagens das plantas que foram invertidas pelo arrancador-invertedor passem por um processo de cura, que nada mais é que a redução do teor de água das vagens para que essas possam ser posteriormente recolhidas.

Figura 6. Carta de controle individual para o teor de água das vagens. (Fonte: SANTOS et al., 2016). Com relação à maturação das vagens (Figura 7), BERTONHA (2011) observou que houve estabilidade do processo em todas as propriedades analisadas. No entanto para a propriedade com o arranquio aos 130 DAS, foi observado menor variabilidade no processo e consequentemente maior qualidade.

Figura 7. Cartas de controle I-MR (individual e amplitude móvel) para a variável maturação das vagens. (Fonte: BERTONHA, 2011).

3.3. Perdas na colheita Na Figura 8 são apresentadas as cartas de controle de valores individuais para perdas visíveis, invisíveis e totais na operação de arranquio de amendoim, em experimento realizado em Jaboticabal, SP (SIMÕES, 2009). Pode-se observar que para todas as variáveis o processo foi considerado instável, indicando que houve grande variabilidade dos dados destes indicadores em torno da média. Constata-se pela Figura 8.a que a carta de valores individuais para perdas visíveis no arranquio de amendoim apresentou 2,5% das observações acima do LSC, e pelas (Figuras 8.b e 8.c) que a carta de valores individuais para perdas invisíveis e perdas totais no arranquio de amendoim apresentou 4,9% das observações acima do LSC, mostrando que houve uma pequena variabilidade entre os pontos. 296

Figura 8. Carta de controle para perdas no arranquio: a) perdas visíveis; b) perdas invisíveis; c) perdas totais. (Fonte: SIMÕES, 2009). PEREIRA (2019) realizou estudo na região do Pontal Triângulo Mineiro, no município de Iturama, MG, avaliando a qualidade operacional da colheita mecanizada do amendoim por meio de cartas de valores individuais e de amplitude móvel (I-MR). Para as perdas visíveis no arranquio (Figura 9), os pontos encontram-se entre os limites de controle, tanto para os valores individuais quanto para os

297

valores de amplitude móvel, considerando assim o processo estável, com variações aleatórias causadas por fatores naturais, visto que, são inerentes ao processo.

Figura 9. Cartas de controle para as Perdas visíveis no arranquio em kg ha-1: a) cartas de valores individuais; b) carta de amplitude móvel. LSC: limite superior de controle; LIC: limite inferior de controle; X: médias dos valores individuais; AM: média da amplitude móvel. (Fonte: PEREIRA, 2019).

Nas cartas de controle para perdas invisíveis no amendoim (Figura 10), foi observado por PEREIRA (2019) pontos acima dos limites superiores de controle (LSC), tornando o processo instável, o que pode ser atribuído a causas especial, como interação máquina e ambiente. Uma vez que solos com altos teores de argila dificultam a retirada das plantas no processo de arranquio e aceitáveis valores de perdas invisíveis mais altos em relação às perdas visíveis, e com o preparo mínimo esse valor pode aumentar devido ao fator de compactação do solo.

Figura 10. Cartas de controle para as perdas invisíveis no arranquio em kg ha-1: a) cartas de valores individuais; b) carta de amplitude móvel. LSC: limite superior de controle; LIC: limite inferior de controle; X: médias dos valores individuais; AM: média da amplitude móvel. (Fonte: PEREIRA, 2019).

4. Considerações finais De modo geral as cartas de controle mostraram-se uma ferramenta com grande potencial para monitorar e melhorar a qualidade dos processos de colheita de amendoim. É possível observar o comportamento da variabilidade dos principais indicadores de qualidade nas operações por intermédio 298

das cartas, o que pode proporcionar, colheita de melhor qualidade. Logo, considerando-se a capacidade de aplicação dos conceitos de qualidade nas operações mecanizadas e a identificação de possíveis falhas nos processos agrícolas, deve-se encorajar pesquisas que abordem o tema de CEP. 5. Referências BERTONHA, R. S. Variabilidade de perdas no arranquio mecanizado de amendoim: estudo de caso. Dissertação (Mestrado em Agronomia – Produção Vegetal). Faculdade de Ciências Agrárias e Veterinárias – UNESP. Jaboticabal, 2011. 100 p. BRASIL, Ministério da Agricultura, Pecuária e Abastecimento. Secretaria de Defesa Agropecuária. Regras para análise de Sementes. Brasília, 395p. 2009. CONAB. Companhia Nacional de Abastecimento. Acompanhamento da safra brasileira de grãos. 2021. Disponível em https://www.conab.gov.br/info-agro/safras. PEREIRA, N. O. Qualidade operacional da colheita mecanizada de amendoim em sucessão a cana de açúcar. Dissertação (Mestrado em Engenharia Agrícola) - Universidade Federal do Ceará, Fortaleza, 2019. 57 p. SANTOS, A.F.; KAZAMA, E.H.; ORMOND, A.T.S.; TAVARES, T.O.; SILVA, R.P. (2016) Quality of mechanized peanut digging in function of the auto guidance. African Journal of Agricultural Research 11(48):4894-4901. SILVA, R. P.; MAHL, D. Relatório do projeto de pesquisa: Perdas na colheita mecanizada do amendoim safra 2007/2008. Relatório de Pesquisa. Laboratório de Máquinas e Mecanização Agrícola – LAMMA. Jaboticabal, Nov. 2008. 47p. SIMÕES, R. R. Controle estatístico aplicado ao processo de colheita mecanizada de sementes de amendoim. Dissertação (Mestrado em Agronomia – Produção e Tecnologia de Sementes). Faculdade de Ciências Agrárias e Veterinárias – UNESP. Jaboticabal, 2009. 100 p. WILLIAMS, E. J., DREXLER, J. S. A non-destructive method for determining peanut pod maturity. Peanut Science, v. 8, n. 2, p. 134-141, 1981.

299

CEQ APLICADO ÀS CONDIÇÕES ERGONÔMICAS DE OPERADORES DE MÁQUINAS AGRÍCOLAS Jonathan Gazzola Tiago Rodrigo Trancetto Murilo Aparecido Voltarelli

1. Introdução A ergonomia pode ser definida como uma ciência que estuda a relação do homem com seu meio de trabalho. Devido a amplitude dessa ciência, a ergonomia é dividida em três segmentações, sendo: 1 - Ergonomia Física: área de estudo que trata de analisar a segurança e a saúde física do trabalhador; 2 – Ergonomia Cognitiva: abrange a saúde mental do trabalhador, processos de decisão, desempenho, interação homem-máquina, stress profissional entre outros; 3 – Ergonomia Organizacional: analisa a otimização dos sistemas sociotécnicos, incluindo a estrutura organizacional, regras e processos, compreendendo a concepção do trabalho, concepção dos horários de trabalho, a gestão da qualidade, entre outros (FALZON, 2007). Em um ambiente de trabalho de produção, seja no meio agrícola ou industrial, notadamente percebe-se que essas três segmentações se interagem e influenciam nas questões de saúde do trabalhador, bem como, rendimento e qualidade do trabalho realizado e do produto obtido. A inserção de máquinas agrícolas e a mecanização da agricultura permitiram grandes avanços na relação de trabalho do homem no campo e consequentemente o aumento da produtividade agrícola. A eficiente interação homem-máquina traz benefícios, por outro lado, sua ineficiência pode acarretar acidentes (LIMA et al., 2019). Os tratores expõem o trabalhador a agentes físicos que prejudicam sua saúde a curto, médio e longo prazo, tais como, poeira, calor, gases e fortes ruídos (BAESSO et al., 2015). Silva et al., (2016) explicam que o ruído é um agente físico de risco com forte impacto na saúde do trabalhador. Sua ação, em termos de saúde do trabalhador, vai além da perda auditiva, provocando irritabilidade, problemas cardiovasculares, stress e perturbação do sono. No âmbito profissional pode acarretar acidentes de trabalho e problemas de realização de tarefas que exijam concentração, velocidade e precisão dos movimentos (SILVA et al., 2016). A concentração e a precisão dos movimentos são requisitos comumente exigidos ao trabalhador rural nas operações mecanizadas na agricultura. ALVARENGA et al., (2017) relatam que, no Brasil, 73% das causas de acidente estão ligados a problemas de atenção e, por consequência, os fabricantes têm investido cada vez mais na ergonomia e segurança de seus equipamentos agrícolas. A classificação de ruídos é baseada na Norma de Higiene Ocupacional (NHO) 01 de 2001, determinada pela Fundação Centro Nacional de Segurança, Higiene e Medicina do Trabalho (Fundacentro). Nesta normativa, são estabelecidos os critérios de classificação de ruídos, ao qual é baseada na análise da variação de intensidade sonora de um equipamento ou ambiente em relação a um determinado tempo de exposição. Esse tempo de exposição é variável, porém, o suficiente para cobrir 15 ciclos de exposição completos. Dessa forma, os ruídos são classificados primeiramente como sendo ou não “ruídos de impacto”. Ruídos de impacto são ruídos com duração inferior a um segundo, ocorrentes em intervalos superiores a um segundo (Figura 01.a). Comportamentos de ruídos que não são classificados como de impacto, são então classificados em uma segunda classe como sendo “contínuo ou intermitente”. Ruídos contínuos são aqueles em que o ruído apresenta pouca ou nenhuma variação de intensidade sonora ao longo do tempo de exposição (Figura 01.b). Ruídos intermitentes são assim classificados quando o ruído apresenta considerável variação de intensidade sonora ao longo do tempo (Figura 01.c) (GIAMPAOLI et al., 2001). A título de exemplificação, os ruídos de impacto podem ser observados em operações como de forjamento ou corte de peças por impacto; Ruídos contínuos são observados em máquinas de corte de madeira, motores estacionários, aparelhos de ar-condicionado, etc. Os ruídos do tipo intermitente podem ser observados de veículos transitando em avenidas, processos de corte, soldagem, etc.

300

a) Ruído de impacto

b) Ruído Contínuo

c) Ruído Intermitente Figura 01. Variação do ruído ao longo do tempo e sua classificação. Fonte: Adaptado de GONÇALVES et al., 2016. O controle de exposição de um trabalhador a um determinado tipo de agente físico depende essencialmente da determinação da quantidade de energia que uma pessoa possa receber em função de um determinado período. Esse fator é denominado como “dose”. Dose de ruído é uma caracterização da exposição ocupacional ao ruído, expresso em porcentagem de energia sonora ao qual o trabalhador pode ficar exposto, ou seja, leva-se em conta o tempo de exposição e sua susceptibilidade (GIAMPAOLI, 2001; RINALDI et al., 2008). No Brasil, a NR 15/1978 estabelece os tempos de exposição do trabalhador de acordo com a intensidade sonora ocorrida de forma contínua (RINALDI et al., 2008). Quando ocorre a variação de intensidade sonora, a NR 15 – anexo 1 – estabelece que seja determinado o “nível de ruído equivalente” baseado na média ponderada no tempo do nível de pressão sonora medido em dB, avaliado no período de tempo de interesse. Em termos de uso de tratores agrícolas em operações mecanizadas, VOLTARELLI et al., (2015) analisaram o nível da rotação de motores agrícolas durante operações realizadas em campo e os resultados mostraram a variação ocorrida ao longo do tempo. Logo, pode-se sugerir que, de forma direta, a pressão sonora que um trabalhador rural possa estar sendo exposto durante a execução de seu trabalho, também acompanhe tal variação. Mesmo que em uma média geral, a intensidade sonora possa estar dentro dos limites aceitáveis em relação à dose de ruído que o trabalhador esteja recebendo, picos podem mostrar outra realidade diferente do que os dados médios da análise ergonômica desse agente físico possam sugerir. As normativas relativas a problemas ergonômicos de ruído visam proteger o trabalhador através de determinação de limites de exposição ao agente físico, porém, elas não definem ações para atenuação ou eliminação desse problema ergonômico e, tão pouco esse é seu objeto. Logo, ferramentas adicionais que ajudem a atenuar ou eliminar problemas ergonômicos em ambientes de trabalho serão sempre bem-vindas. O controle estatístico de qualidade (CEQ) é uma ferramenta útil para obter melhores níveis de qualidade de processos e produtos (SAMOHYL, 2009). A melhoria de qualidade está ligada na redução 301

de variabilidades que possam ocorrer no processo (WALTER, HENNING e SAMOHYL, 2011). SANTOS & MACIEL (2006) afirmam que a busca pela melhoria de qualidade exige que se tenha o conhecimento do processo. Em relação ao capital humano, o controle de processo que envolva a análise das condições ergonômicas é de grande importância para quem busca eficiência e qualidade no sistema de produção (SOARES et al., 2017). Na agricultura, o uso de ferramentas de CEQ está mais focado a processos agrícolas, com os estudos sendo mais direcionados a análises envolvendo o resultado de operações mecanizadas, análise de rendimento de máquinas agrícolas, controle de produtos agrícolas colhidos, etc. Porém, estudos que foquem o operador como objeto do estudo são escassos. Nesse sentido, os estudos das condições ergonômicas que se destacam na literatura, focam na análise da exposição do trabalhador sob um determinado agente físico. Por outro lado, estudos mais direcionados na detecção de variabilidades de processo que reflitam na exposição de um trabalhador a um determinado agente físico devem ser realizados. A eliminação de causas não naturais e especiais ou o controle de causas comuns em processos agrícolas objetivando uma melhor qualidade de trabalho para operadores de máquinas agrícolas é uma área ainda não explorada e que carece de esforços para que se tenha o controle do sistema de produção com foco no trabalhador rural. Nesse presente contexto e, com relação ao que foi apresentado, esse capítulo de livro busca por realizar um estudo de caso sobre a utilização das ferramentas de controle estatístico de qualidade sob a égide da ergonomia do trabalho como forma de auxiliar na detecção e correção do processo de operações mecanizadas no que tange os níveis de ruídos provocados pelo uso de tratores em campo sob o operador. O estudo busca analisar se as ferramentas de controle de qualidade, nesse caso utilizando técnicas de carta de controle, são hábeis em detectar instabilidades no processo de uso de máquinas agrícolas no campo. A importância do trabalho se dá pelo fato de se estabelecer uma metodologia para análise de riscos ergonômicos relacionados a ruídos.

2. Estudo de Caso: Controle Estatístico de Qualidade na Ergonomia de Trabalhadores Rurais Para verificar a sensibilidade do controle estatístico de qualidade, adotaremos um estudo de caso comparativo analisando duas situações de uso de tratores com diferentes exigências de potência, sendo o trator em trânsito simples pelo campo (T1-TS) e uma situação de operação mecanizada de gradagem do solo (T2-GS). O primeiro caso de estudo representa uma situação de intensidade sonora mais amena, devido à baixa rotação do motor. O segundo caso de análise representa uma situação em que o motor do trator trabalha sob uma maior exigência de potência do motor, elevando assim seu nível de ruído. Vale lembrar que diferentes tipos de solo podem exigir diferentes níveis de potência do trator para realizar o trabalho de campo, sendo assim, o local onde esse estudo de caso foi realizado é uma área com solo de textura argilosa do tipo Nitossolo Vermelho. O ensaio em campo utilizou de dois tratores de cabine aberta da marca Massey Ferguson modelos MF 275 e MF 299 e um medidor multiparâmetros com decibelímetro modelo TDHLA-500 da marca Akron para a aferição de ruídos e velocidade de vento. Os dados de ruídos foram tomados com o sensor de ruídos localizado dentro da cabine de operação e situado próximo ao ouvido do operador, com intuito de medir a intensidade sonora mais próxima possível do que o trabalhador esteja realmente sendo exposto. O tempo total de tomada de dados foi de 100 minutos com medições de nível de ruído realizadas a cada minuto, totalizando assim, 100 pontos de medidas e numerados sequencialmente. Os tratores foram operados sob as velocidades recomendadas para sua operação, sendo que para tráfego simples, a marcha utilizada foi de 3B lenta e para operação de gradagem a marcha utilizada foi de 3B rápida. O horário da realização da realização dos ensaios foi na parte da manhã iniciando às 10:30 com vento predominante no sentido noroeste.

3. Ferramentas de Controle de Qualidade O controle estatístico de qualidade aplicado nesse trabalho de pesquisa seguirá as recomendações apontadas por VOLTARELLI et al., (2013) baseado em um estudo de CEQ envolvendo parâmetros operacionais de tratores. Tal trabalho foi adotado como base, devido à proximidade entre os estudos de caso. Isso inclui as metodologias de CEQ aplicadas e considerações utilizadas para levantamento das cartas de controle. Em termos de ferramenta CEQ, os autores apresentaram duas formas de análise 302

estatístico de processo, sendo as cartas de controle individual, mais conhecidas como “Cartas de Shewhart” e as cartas de controle da média móvel exponencialmente ponderada, aqui denotadas pela sua sigla “MMEP”. O primeiro se justificou por ser um método de CEQ mais utilizado no estudo de processos agrícolas. O segundo método foi aplicado devido as condições de tomada de dados ser em tempo real e com uso de sensores instalados em locais específicos. Logo, os autores optaram por analisar as cartas de controle da média móvel exponencialmente ponderada (MMEP), pois os indicadores de qualidade associada a máquinas agrícolas podem apresentar coeficientes de variações muito baixos e não detectáveis devido ao seu nível de rigor. Os resultados mostraram que técnicas diferentes podem ser mais sensíveis que outras para detecção de variabilidade do processo. Portanto, nesse estudo de caso apresentado, foi utilizado as cartas de controle individual (cartas de shewhart) e a cartas de controle da média móvel exponencialmente ponderada (MMEP). Para determinação do limite superior de controle (LSC) e do limite inferior de controle (LIC), algumas constantes são exigidas. Para esse estudo, a largura de faixa entre a média dos dados e o limite adotado (L) foi de 3 e o fator de rigidez (λ) foi de 0,4. Essas constantes são recomendadas por MONTGOMERY (2009) e comumente utilizados em estudos de qualidade direcionadas para o meio agrícola. As análises apresentadas pelas duas metodologias de cartas de controle foram confrontadas entre si para determinar a sensibilidade dos métodos na detecção de variabilidade no processo. Essa comparação metodológica tem como fundamento a determinação da eficácia do uso de cada método dependendo de suas situações de trabalho, servindo assim como base para futuros projetos de pesquisa.

4. Aplicações das Ferramentas de Controle de Qualidade. Os gráficos 01 e 02 mostram os dados de intensidade de ruídos obtido em campo para as operações de trânsito com o trator e com gradagem. A Tabela 01 mostra os a análise estatística descritiva obtidos durante ensaio experimental.

Gráfico 01. Medições de intensidade sonora obtidos em ensaio de campo para trator em trânsito simples.

Gráfico 02. Medições de intensidade sonora obtidos em ensaio de campo para trator em operação de gradagem. 303

Tabela 01. Estatística descritiva para os indicadores de qualidade. Indicadores de Qualidade Ruídos em Trânsito [dB] Ruídos em Gradagem [dB]

A* 11,8 7,5

μ 89,85 100,98

σ 2,23 1,47

CV 2,48 1,46

R.J. 0,966 0,993

A-Amplitude total; μ – Média de amostragem populacional; σ – Desvio-Padrão; CV(%) – Coeficiente de Variação; R.J. – Valor do teste Ryan-Joiner (N: distribuição normal – p > 0,05; A – distribuição não normal – p < 0,05).

Analisando o comportamento do gráfico de intensidade sonora, pode-se verificar que, para tratores agrícolas, o ruído é classificado como intermitente, devido a sua variação cíclica ao longo do tempo. Também foi notado que os gráficos apresentaram situações com presença de picos de intensidade sonora e possivelmente de curta duração, podendo ser classificado como ruídos de impacto (pontos n° 15 e n° 79 para TS; pontos n° 17 para TG). Considera-se nesse estudo como pontos de pico de intensidade sonora, situações em que o ponto a diferença entre o ponto de leitura analisado e seus pontos de leitura anterior e posterior tenha valores acima de meia amplitude total (A/2). Salienta-se que os pontos com marcação em formato quadrado no gráfico 02 indica o momento em que a grade foi erguida, ou seja, momento em que não há a exigência de potência do trator por uma força contrária para manter seu movimento, sendo os menores valores de leitura de intensidade sonora. Tais pontos não foram descartados do gráfico, pois considerou-se seu valor relativamente alto em comparação com os módulos de intensidade sonora do trator em trânsito. Em termos quantitativos, nota-se pelos dados obtidos que, para o trator em trânsito houve maior variação dos dados obtidos com uma faixa de 86 a 97,8 dB e média de 89,85 dB. Para os dados de intensidade de ruído com operação de gradagem os dados variaram entre 97,5 e 105 dB e valor médio de 100,98 dB. Essa diferença de intensidade sonora já era de se esperar, uma vez que na operação de gradagem, a aplicação de um implemento de tratamento de solo implica em uma exigência maior do motor do trator, devido a força reativa do contato implemento-solo em seu processo de quebra exigir um maior torque do trator para manter a velocidade de trabalho. Partindo então da premissa de que as operações mecanizadas exigem mais potência do trator, logo, confirma-se a hipótese inicial de que maiores índices de ruídos atinge a cabine quando o trator está desempenhando sua função de trabalho. Esses índices não podem ser aceitáveis, uma vez que a legislação laboral recomenda valores máximos de ruídos entre 80 e 85 dB. Comparando esses valores com outros equipamentos, a média de ruído do trator em operação de gradagem é equivalente a ruídos de equipamentos como serra elétrica e caldeira e seu pico equivalente a ruídos de máquinas industriais. Porém, salienta-se que na situação em que o trator está trabalhando o solo, a amplitude dos índices de rotação tende a ser menor, mostrando que a potência da máquina é exigida de forma mais uniforme que em situações de trânsito. Logo, a carta de controle deve ser sensível o suficiente para detectar instabilidades no processo e que possam ser eliminados ou controlados, como se objetiva as ferramentas de CEQ. Os gráficos 03 e 04 mostram os resultados obtidos para a carta de controle individual (Shewhart) para o trator em trânsito e para operação de gradagem.

Gráfico 03. Carta de controle individual (Shewhart) para ruídos na cabine de trator em trânsito. 304

Gráfico 04. Carta de controle individual (Shewhart) para ruídos na cabine de trator em operação de gradagem. Os resultados mostram que, segundo a metodologia por Shewhart, o trânsito de tratores tem no ponto n° 15, um valor acima do LSC, sendo o processo classificado como sendo instável ou “fora de controle”. Ou seja, o processo pode estar sob influência de uma causa de variação não natural. Contudo, no processo de operação de gradagem, a variação de ruídos ficou dentro dos limites estabelecidos, sendo assim, classificado como sendo estável por estar com uma variabilidade natural no processo e mantendose dentro de uma faixa estável, característica do processo. Os gráficos 05 e 06 ilustram as cartas de controle por MMEP para o trator em trânsito e em operação de gradagem.

Gráfico 05. Carta de controle individual para ruídos na cabine de trator em trânsito.

Gráfico 06. Carta de controle individual para ruídos na cabine de trator em operação de gradagem. 305

A carta de controle por MMEP mostrou que os pontos de n° 15, n° 47, n° 51 e n° 79 para o trator em trânsito está acima do LSC. Para o processo de gradagem, o ponto n° 17 está acima do LSC, enquanto n° 80 está abaixo do LIC. Por essa metodologia, ambos os processos são classificados como instáveis ou fora de controle. Os valores de desvio-padrão (σ) de intensidade sonora dentro das cabines para as situações analisadas foram considerados como baixo, o que resulta em baixos valores de LIC e LSC. Comparando as duas metodologias de carta de controle, percebe-se que a metodologia de MMEP foi capaz de diagnosticar uma maior quantidade de pontos de instabilidade de ruídos que a metodologia de Shewhart. Logo, nota-se que a MMEP é uma técnica para plotagem de carta de controle e análise de instabilidade de processo mais sensível e, sendo assim, mais indicada para ser adotada em futuros trabalhos que envolvam análise de ruídos. Verificou-se também que, para ambas as cartas de controle, o ponto n° 15 apresentou um forte indício de instabilidade da máquina no campo. Não foi levantado as ocorrências em campo, sendo um fato que merece ser estudado mais profundamente em futuros trabalhos. Porém, salienta-se que a carta de controle MMEP detectou uma anormalidade no processo de gradagem no ponto n° 80, momento esse que ocorreu uma interferência no processo que é o levantamento da grade do solo. Isso mostra que a metodologia de MMEP apresentou uma sensibilidade em caracterizar instabilidades no processo maior que a metodologia de Shewhart. Além disso, essa observação mostra que a instabilidade não foi do tipo “não casual”, ou seja, há uma forte relação do ponto de instabilidade com ocorrências em campo. Essas verificações estão em comum acordo com o que foi exposto por VOLTARELLI et al., (2013) relacionado ao estudo de índices de qualidade de tratores agrícolas. As cartas de controle, quando analisados seus dados e correlacionando-os com ocorrências em campo podem ser uma poderosa ferramenta para melhoria da qualidade de vida dos trabalhadores no que concerne aos níveis de ruídos. Essa informação fica clara quando se compara as cartas de controle do trator em trânsito com o trator em operação de gradagem. Também nota-se nas cartas de controle de qualidade para a operação de gradagem que, quando o disco é levantado do solo, seus índices de ruído caem consideravelmente. Essas relações quantitativas foram observadas nos gráficos e facilmente explicáveis quando se leva em conta as ocorrências de campo, o que permitem que erros de processo de trabalho possam ser corrigidos. Como consequência, leva-se em conta a garantia de uma melhor saúde do trabalhador e evitar futuros afastamentos, bem como, proporcionar uma melhor qualidade de operação por parte dos trabalhadores, uma vez que seu ambiente se torna menos agressivo. Tratando-se apenas de uma análise inicial do uso dessas ferramentas em operações agrícolas, nota-se que a abertura de mais estudos utilizando as cartas de controle de qualidade com base em outros parâmetros ergonômicos são necessários de serem realizadas.

5. Conclusões Baseado no que foi exposto acima, conclui-se que o uso de ferramentas para controle estatístico de qualidade para análise ergonômica de ruídos ao operador de máquinas agrícolas apresentou viabilidade. Para análise do parâmetro de ruídos, recomenda-se a metodologia de média móvel exponencialmente ponderada (MMEP) por ser mais sensível em captar pontos de instabilidade que a metodologia de Shewhart. As cartas de controle demonstraram ser ferramentas hábeis em conhecer o processo de máquinas agrícolas e que, juntamente com a análise ergonômica, torna-se em uma técnica altamente útil para eliminação ou controle de instabilidades de intensidade sonora ao qual o operador está sujeito, mantendo assim uma melhor qualidade de vida ao trabalhador e maior rendimento das operações mecanizadas em campo. 6. Referências ALVARENGA et al. Ocorrência de acidentes com máquinas agrícolas na região do cerrado de Minas Gerais. Brazilian Journal of Applied Technology for Agricultural Science, Guarapuava-PR, v.10, n.3 p.27-36, 2017 BAESSO, M. M. et al. AVALIAÇÃO DO NÍVEL DE RUÍDO, ITENS DE SEGURANÇA E ERGONOMIA EM TRATORES AGRÍCOLAS. Brazilian Journal of Biosystems Engineering, v. 9, n .4. p. 368-380, 2015. FALZON, P. Ergonomia. Editora Blucher. São Paulo. 639 p. 2007 306

GIAMPAOLI, E.; SAAD, I. F. S. D.; CUNHA, I. A. Norma de Higiene Ocupacional - NHO 01: Procedimento Técnico. Fundacentro. 41 p. 2001. SOARES, G. C.; CARVALHO, T. A.; PEIXOTO, M. G. M.; CAMPOS, L. S.; NOGUEIRA T. H. A Influência da Ergonomia e do Controle Estatístico na Qualidade dos Processos de Uma Empresa do Setor Têxtil Situada na Região do Alto Paranaíba. XXXVII Encontro Nacional de Engenharia de Produção, Joinville, 2017. GONÇALVES, P. H.; MATSUNAGA, L. E.; SILVA, M. C.; MIRANDA, N. A. Análise do Ruído de Casas Noturnas e Bares em Áreas Residenciais de Anápolis-Go e o Impacto na Vizinhança. REVISTA MIRANTE, Anápolis, v. 9, n. 2, dez. 2016. LIMA et al. ACIDENTES COM TRATORES NAS REGIÕES BRASILEIRAS. Energia na Agricultura, Botucatu, v. 34, n. 1, p. 1-9, janeiro-março, 2019. MONTGOMERY, D.C. Control charts for variables. In: MONTGOMERY, D.C. (Ed.). Introduction to statistical quality control. 6.ed. Arizona: Wiley, 2009. p. 226-268. NORMA REGULAMENTADORA 15 – NR 15. ATIVIDADES E OPERAÇÕES INSALUBRES. RINALDI et al. CARACTERÍSTICAS DE SEGURANÇA E NÍVEIS DE RUÍDO EM TRATORES AGRÍCOLAS. Engenharia na Agricultura, Viçosa, MG, v.16, n.2, 215-224 Abr./Jun., 2008. SAMOHYL, R. W. Controle Estatístico de Qualidade. Ed. Elsevier, Rio de Janeiro. 274 p. 2009. SANTOS, S. R.; MACIEL, A. J. S. Proposta Metodológica Utilizando Ferramentas de Qualidade na Avaliação do Processo de Pulverização. Engenharia Agrícola, Jaboticabal, v.26, n.2, p.627-636, maio/ago. 2006. SILVA et al. Percepção do ruído ocupacional e perda auditiva em estudantes de Odontologia. Revista da ABENO. V. 16, n.2. pp 16-24. 2016. VOLTARELLI, M.; SILVA, R. P.; ZERBATO, C. Ferramentas do controle estatístico de processo aplicadas no desempenho de tratores agrícolas. Controle de qualidade em operações agrícolas mecanizadas. Jaboticabal, 224 p. WALTER, O. M. F. G.; HENNING, E.; SAMOHYL, R. W. R Commander como Suporte no Ensino de Controle Estatístico da Qualidade. In: XXXIX Congresso Brasileiro de Educação em Engenharia (COBENGE), Blumenau, 2011.

307

DIAGNÓSTICO DE QUALIDADE COM O USO DE FERRAMENTAS DO MÉTODO MASP NO PROCESSO PRODUTIVO AGRÍCOLA Felipe Carnacini Luiz Fernando Rubiali Aros Tatiene Martins Coelho Trevisanuto A qualidade está relacionada ao grau de utilidade esperado ou adquirido de qualquer coisa, tem conceito subjetivo que está relacionado com as percepções, necessidades e resultados em cada indivíduo. Segundo PALADINI et.al. (2012) qualidade total é a busca incessante para que um produto ou conjunto de atividades consiga a qualidade a que se deseja, chegando desta forma a meta estipulada. Ela é necessária em um processo evolutivo, visto que a cada momento o produto ou conjunto de atividades é modificado, por diversos fatores, como por exemplo, seus gostos, suas preferências ou as expectativas dos clientes. Diante do exposto, faz-se necessário um processo evolutivo contínuo, pois a cada momento o produto ou conjunto de atividades é modificado, por conta de gostos de clientes, suas preferências e também as expectativas que são geradas, sendo necessária a aplicação de uma metodologia de Controle de Qualidade Total (TQC) que busca uma melhoria contínua dentro da organização, mudanças comportamentais, culturais e de pensamentos serão observadas. Isso agrega valor à instituição. O Sistema Toyota de Produção tem como foco a qualidade através do aumenta a produtividade e a eficiência, evitando o desperdício, buscando reduzir estoque, tempo de espera, superprodução, gargalos de transporte, inventário desnecessário, entre outros. A Figura 1 ilustra os pilares do Sistema Toyota de Produção para busca da Qualidade Total.

Figura 1. Sistema Toyota de Produção. Fonte: Elaborado pelos autores – 2021. O cenário contemporâneo do Agronegócio brasileiro (CEPEA, 2020) representa aproximadamente 20% do PIB, equivalente a 322 bilhões, ou seja, mesmo com a pandemia de COVID19 assolando o planeta todo, o agronegócio não deixou de crescer, e em junho de 2020 houve um crescimento de 19,66%, o que permite inferir que a demanda está em ascensão.

Figura 2. PIB Brasil. Fonte: CEPEA - 2020. 308

Portanto, são necessários métodos para que diminua as perdas no processo produtivo, com a visualização das causas raízes e planos de ação para contorná-las. Ferramentas de qualidades são muito abordadas na graduação de Engenharia de Produção e a parte de cuidados com a plantação no curso de graduação de Engenharia Agronômica. São áreas que devem andar em paralelos, e por conta disso esse capítulo será desenvolvido abordando as ferramentas dentro de um problema no campo. Este capítulo tem por objetivo introduzir quais ferramentas de qualidade podem ser utilizadas na identificação de fatores 6 M’s (Máquinas, Métodos, Meio Ambiente, Mão de Obra, Materiais, Medida) que impactam na produtividade do processo agrícola. Muitas causas são observadas, entretanto, devemos priorizar as que demonstram maior grau de criticidade, de acordo com as metodologias indicam.

Breve história Desde a antiguidade a civilização humana tenta aperfeiçoar equipamentos e técnicas para que ocorra melhorias e assim otimizando tempo e gerando uma produção maior. O homem primitivo utilizou a pedra como primeira matéria prima para produzir ferramentas, caçando, pescando e cultivando a terra. Conforme LIMA JÚNIOR (2019) com a descoberta da cerâmica houve uma melhor qualidade nos produtos que eram produzidos e assim diminuindo o tempo de produção e otimizando seu tempo para as principais tarefas. Após a cerâmica, o cobre, bronze, ferro entre outras matérias primas foram descobertos. Isso demonstra que o ser humano sempre quer evoluir em qual contexto, e iremos contextualizar no século XX a evolução do plantio. Conforme DENARDIN et al. (2007), na década de 1970 as plantações eram muito inadequadas, pois não havia estudos ou conhecimentos técnicos sobre o assunto. Todo tipo de problema era enfrentado desde custo elevado de herbicidas como os equipamentos tinham limitações impostas como dito anteriormente por conta da falta de estudos. Havia sucessões de monocultura gerando a persistência de insetos e plantas que dificultavam a colheita. Segundo DENARDIN et al. (2007) a taxa de plantio no ano entre 1974 e 1979 era de 11 mil hectares por ano. Com o aprimoramento dos estudos e maior embasamento técnico, entre os anos de 1979 e 1991, a área cultivada em hectares/ano cresceu sete vezes, chegando em 79 mil hectares/ano. No ano de 1983 a EMBRAPA em cooperação com a Cooperativa Central de Laticínios do Paraná, lançaram o “Informativo Plantio Direto” na vanguarda do lançamento do primeiro periódico de circulação nacional sobre o tema. As pesquisas e trabalho no plantio direto resultou no aprimoramento do plantio, diminuindo os efeitos de insetos e plantas daninhas e aumentando o uso de herbicidas específicos. Desta forma elevou a eficiência, equilibrando os modelos de produção e assim contribuindo para melhoramento de solos, água e lavouras.

Contextualização No contexto geral, no campo, existem vários fatores que influenciam diretamente no processo agrícola, os quais podemos dividir em dois grupos: fatores controláveis e não controláveis. Dentre os fatores controláveis, temos como por exemplo o treinamento dos trabalhadores, manutenção preventiva de equipamentos, temperatura (a partir da utilização de sensores), pragas (por meio de herbicidas), o solo (deve-se analisar o solo antes da plantação). Um fator que pode ser controlado, entretanto, depende do orçamento do produtor é a disponibilidade de água, o que remete ao questionamento sobre o investimento em irrigação nas mais diversas modalidades: superficial, gotejamento, aspersão. Nesse quesito, é necessária uma análise sobre investimento considerando, o solo, relevo, disponibilidade de água na região, clima, cultura e o manejo de irrigação, bem como deve-se avaliar o custo-benefício, pois trata-se de um investimento substancial. Já os fatores que não podem ser controlados podem-se exemplificar o clima (chuva excessiva, excesso de umidade, temperatura). Um engenheiro no dia a dia do campo enfrenta todos esses fatores iniciais e alguns que surgem no processo produtivo. Cada processo tem sua particularidade, já que um plano de ação para uma 309

plantação de soja, pode ser que não seja adequado para uma plantação de cana. Com isso são necessárias ferramentas de qualidade para possibilitar extrair o máximo produtividade, diminuindo os riscos, planejando e controlando a produção. A partir delas são distribuídas as tarefas aos colaboradores que possuem a capacidade de executá-las. Neste capítulo será abordado a utilização de ferramentas e qualidade como: Brainstorming, 5W2H, Diagrama de Ishikawa, Matriz G.U.T e 8S. A aplicação dessas ferramentas ocorreu em uma produção de soja X na cidade de Jacuba-SP, em que o produtor procurou um engenheiro para melhorar a produtividade, já que não tinha uma análise de sua colheita, não havia um plano de controle de produção e também falta de organização e padronização de seus processos. Nesse sentido, serão abordadas questões significativas para que melhorias sejam implementadas e desta maneira aumentar sua produtividade e consequentemente seus lucros.

Brainstorming Primeiramente deve-se analisar toda a plantação fazendo um Brainstorming para assim conseguirmos dados fundamentais. Segundo MIGUEL (2001) brainstorming remete uma chuva ou tempestade de ideias. Desta maneira os indivíduos que estão envolvidos no processo expõem ideias e pensamentos (quaisquer pensamentos são validos) gerando hipóteses. Isto causará debate que é o objetivo principal e levará a identificar o problema principal. Para a aplicação dessa ferramenta SELEME & STANDLER (2012) sugerem seguir noves passos, divididos em duas fases distintas para se obter sucesso, as quais:  1 Parte: Fase Criativa – onde irá ser apresentadas todas as ideias, mesmo que as ideias sejam absurdas, qualquer exposição será válida.  2 Parte: Fase Crítica – haverá uma seleção de ideias a partir da defesa dos pontos de vistas com fundamentações e assim chegará à ideia que o grupo todo validar. Fase Fase 1

Passo Descrição 1 Escolha do mediador e o objetivo 2 Formação dos grupos 3 Escolha do local (geralmente pode ser na plantação para ser mais visual) 4 Escolher o tempo limite para apresentação das ideias 5 Apresentação do embasamento das ideias apresentadas no item anterior 6 Registro das ideias em local visível 7 Eliminação de ideias iguais Fase 2 8 Eliminação de ideias fora do objetivo descrito no passo 1 9 Votação para selecionar as ideias Quadro 1. Etapas do Brainstorming. Fonte: Adaptado SELEME, STANDLER – 2012. Os indivíduos devem fazer parte do processo produtivo ou ter embasamento sobre ele, para que o problema inicial possa ser identificado, bem como os fatores que pode estar atrapalhando na produtividade. Diante do exposto, segue exemplo prático de aplicação do brainstorming: Solo sem controle de NPK Falta de agroquímicos Excesso de agroquímicos Falta de manutenção preventiva Excesso ou falta de chuva Controle de temperatura ineficiente Quadro 2. Exemplos de desenvolvimento do Brainstorming. Fonte: CARNACINI E RUBIALI – 2020.

310

A partir das principais causas apontadas, busca-se entender profundamente do problema com a metodologia 5W2H, utilizando ferramentas que facilitem a visualização e terá como base perguntas simples em primeiro momento decisões que devem ser tomadas e assim gerará um plano de ação. A ferramenta do brainstorming é de fácil utilização, no entanto, apresenta vantagens e desvantagens que devem ser consideradas em sua aplicação. Vantagens Desvantagens Várias ideias são expressas Más escolhas das ideias Interação das pessoas que estão envolvidas no Apenas uma pessoa escolher quais ideias são processo validas sem consultar o grupo Quadro 3. Vantagens e Desvantagens do Brainstorming. Fonte: CARNACINI E RUBIALI (2020).

Metodologia 5W2H A metodologia do 5W2H utilizada de forma complementar a utilização do Brainsotming é definida por BEHNAM (2011) como uma ferramenta que identifica e rastreia de forma clara as possíveis causas raízes. As perguntas chaves para o processo estão descrita no Quadro 4, com apresentação de sua expressão original, tradução e significado de aplicação: Método 5W2H

Expressão Tradução Significado Original What O que? Que ação será executada? Who Quem? Quem irá executar/participar da ação? Where Onde? Onde será executada a ação? 5W When Quando? Quando a ação será executada? Why Por quê? Por que a ação será executada? How Como? Como será executada essa ação? 2H HowMuch Quanto custa? Quanto custará para executar a ação? Quadro 4. Metodologia 5W2h. Fonte: Adaptado de MARSHALL JUNIOR et al., (2010). A partir das ideias que foram explanadas no Brainstorming, foi desenvolvido no Quadro 5 a aplicação da metodologia do 5W2H em uma aplicação prática em um processo produtivo de soja, verificado nos estudos aplicados por CARNACINI E RUBIALI (2020). 5W O quê? (“What”?)

Por quê? (“Why”?)

Onde? (“Where”?)

2H Quem? (“Who”?)

Quando? (“When”?)

Como? (“How”?)

Status Quanto custa? (“How Much”?)

Atraso, Processo, Concluído.

Quadro 5. Base para aplicação da metodologia 5W2H. Fonte: CARNACINI E RUBIALI 2021. Para calcular o How Much é necessário levantar dados corretos sobre cada processo da produção, como por exemplo qual o custo de comprar uma peça para o trator, e um dado novo ao quadro 5W2H é a inserção do Status, que tem a finalidade de auxiliar o produtor ou até mesmo o encarregado da função demonstrando em qual das 3 etapas que está sua ideia; em atraso, ou em processo ou concluído. A aplicação prática da metodologia 5W2H não é algo complexo visto que apenas identificaremos o que faremos (ideias principais geradas pelo Brainstorming) e desta forma seguiremos o Quadro 4. Entretanto deve-se tomar grande cuidado na coluna do “Por quê” do 5W, pois é necessário que a causa seja expressa de maneira verídica e sem erros, porém de forma sucinta.

311

5W O quê? (What?)

Por quê? (Why?

Plano de Ação para o fator Meio Ambiente

Pois é o fator com maior grau de criticidade deve ser prioridade para melhorar sua produtividade.

Falta de chuva

Excesso de Umidade e Alta Temperatura

Plano de Ação para Manutenção Preventiva

Havendo escassez de chuva, a plantação pode ser totalmente comprometida, havendo falta de produtividade. Diminui a qualidade dos grãos e a produtividade da planta (temperatura entre 20 e 30 graus). Utilizando esse plano será possível diminuir os riscos de quebra no programada e desta forma o tempo parado.

Onde? (Where?)

Jacuba (plantação)

2H Quem? (Who?)

Felipe e Luiz

Quando? (When?)

Como? (How?)

Quanto custa? (How much?)

15/jan

A partir de estudos técnicos foi verificado que excesso e falta de chuva impactam negativamente na plantação.

Irrigação artificial (aspersão), solo preparado para absorver maior quantidade possível de água.

Jacuba (plantação)

Felipe e Luiz

20/jan

Jacuba (plantação)

Felipe e Luiz

25/jan

Jacuba (plantação)

Felipe e Luiz

30/jan

Instalação de sensores de umidade e temperatura.

A partir do manual do fabricante será proposta as paradas para as determinadas manutenções.

Status

em processo

Quadro 6. Aplicação prática do método 5W2H. Fonte: CARNACINI E RUBIALI 2021. Outro ponto importante e na coluna “Como” do 2H, já que será como você solucionara o problema. Deve-se analisar várias possibilidades antes e assim selecionar com os envolvidos aquela que gerara menos custo e conseguira um resultado adequado para os parâmetros selecionados para aumentar a produtividade. Vantagens Desvantagens Visualização das etapas que estão com falhas Difícil identificação dos pontos críticos Separação de processos Data de início de cada sugestão de melhoria Garantir a implementação das ideias Controle do processo Quadro 7. Vantagens e Desvantagens da metodologia 5W2H. Fonte: CARNACINI E RUBIALI (2020).

312

As vantagens do 5W2H empregado na zona rural são que como a produção agrícola tem inúmeros fatores que podem afetar na produtividade, com essa metodologia conseguiremos de forma mais profunda visualizar as etapas que estão com falhas. E também separaremos os processos, dataremos o início de cada sugestão de melhoria e o status do processo. Além de todas essas vantagens o 5W2H é de suma importância para garantir a implementação das ideias, pois gerara um controle do processo.

Diagrama de Ishikawa Por meio dessa ferramenta serão analisados e listados os principais problemas, para que seja possível identificar e eliminar causa por causa, chegando as causas raízes, ou seja, deve-se utilizar os 6M’s (mão de obra, método, materiais, máquina, meio ambiente e medidas) como é apresentado por BATISTA E GOIS (2013). A partir dessa metodologia é possível direcionar o caminho a seguir, otimizando ao final os recursos e tempo. Na Figura 3 está ilustrado o Diagrama de Ishikawa, bem como os 6 M´s que devem ser estudados.

Figura 3. Diagrama de Ishikawa. Fonte: CAMPOS – 1992. É importante salientar que utilizando notas de 0 a 10 para cada possível causa, facilita na hora de visualizar qual causa raiz tem maior impacto na produtividade. No trabalho aplicado a utilização da ferramenta será feita a partir de uma média das cinco causas listadas em cada M do Ishikawa a seguir nas Tabelas de 1 a 6: Possíveis Causas relacionadas aos Materiais Descrição Nota SOJA CONTAMINADA 9 SOJA ARDIDA 7 ALTO PREÇO 9 BAIXA PUREZA 8 Média 8,3 Tabela 1. Possíveis causas em relação aos materiais. Fonte: CARNACINI E RUBIALI (2020). Possíveis Causas relacionadas às Máquinas (ou Equipamentos) Descrição Nota MÁQUINA DESCALIBRADA 9 FALTA DE LUBRIFICAAO NAS MÁQUINAS 8 RESERVATÓRIO DA PLANTADEIRA ENTUPIDO 9 DISCO DA PLANTADEIRA AMASSADO 8 Média 8,5 Tabela 2. Possíveis causas em relação as máquinas. Fonte: CARNACINI E RUBIALI (2020). 313

Possíveis Causas relacionadas aos Métodos Descrição Nota LIMPEZA INEFICIÊNTE 7 FALTA DE PADRONIZAÇÃO 8 FALTA DE CALIBRAGEM NAS MÁQUINAS 8 CONTROLE DE TEMPERATURA INEFICIÊNTE 9 Média 8,0 Tabela 3. Possíveis Causas em relação aos Métodos. Fonte: CARNACINI E RUBIALI (2020). Possíveis Causas relacionadas ao Meio Ambiente Descrição Nota CHUVA EXCESSIVA 9 FALTA DE CHUVA 9 EXCESSO DE UMIDADE 9 ALTA TEMPERATURA 9 Média 9,0 Tabela 4. Possíveis Causas em relação ao Meio Ambiente. Fonte: CARNACINI E RUBIALI (2020). Possíveis Causas relacionadas à Mão-de-obra Descrição Nota FALTA DE TREINAMENTO DOS OPERADOR 8 INSTISFAÇÃO DO COLABORADOR 5 EQUIPE DE MANUTENÇÃO E CALIBRAÇÃO INFEFICIÊNTE 8 FALTA DE HIGIENE DOS COLABORADORES 8 Média 7,3 Tabela 5. Possíveis Causas em relação à Mão-de-obra. Fonte: CARNACINI E RUBIALI (2020). Possíveis Causas relacionadas à Medida Descrição Nota PESO ESPECIFICADO ABAIXO DOS 34,53 KG 8 PUREZA ABAIXO DOS 100% 6 GERMINACAO ABAIXO DOS 97% 7 NÚMERO DE SEMESTES ABAIXO DE 220.000 6 Média 6,8 Tabela 6. Possíveis Causas em relação à Medida. Fonte: CARNACINI E RUBIALI (2020). Nas Tabelas apresentadas é possível visualizar como as notas ajudam a definir quais causas raízes serão escolhidas, devido ao nível de importância atribuído. Desta forma suas possíveis causas raízes devem ser colocadas seguindo esse método para não haver dúvidas. Assim como as demais ferramentas apresentadas o Diagrama de Ishikawa é de fácil utilização, no entanto, apresenta vantagens e desvantagens que devem ser consideradas em sua aplicação. Vantagens Desvantagens Organização de raciocínio Erro nas notas atribuídas Identificação de forma mais clara com a Deve-se priorizar 1 ou no máximo dois fatores atribuição de notas Auxilia e identifica os problemas prioritários Quadro 8. Vantagens e Desvantagens do Diagrama de Ishikawa. Fonte: CARNACINI E RUBIALI (2020).

314

Diagrama de Pareto O Princípio de Pareto, é uma tendência que prevê que 80% dos efeitos surgem a partir de apenas 20% das causas, podendo ser aplicado em diversas relações de causa e efeito, ou seja, escolhidos os principais fatores pelo Diagrama de Ishikawa, serão inseridos em um gráfico de Pareto, onde 80% dos problemas são gerados por 20% das causas. Assim, será possível identificar quais problemas com maiores importâncias e corrigi-los, contudo corrigindo o primeiro problema automaticamente o segundo problema vira prioritário e assim sucessivamente, sendo possível identificar, classificar e encaminhar possíveis soluções. Segundo SALES (2013) destacam-se suas principais aplicações:  Quando as necessidades de melhorias desejam ser identificadas;  Analisar os diferentes tipos de dados, como por exemplo, os dados de produto, de mercado, dentre outros;  Analisar o antes e o depois dos resultados das alterações em um processo;  Quando os dados podem ser organizados em categorias;  Quando cada classificação dessas categorias é importante;  Identificando um produto ou serviço para análise e melhorar a sua qualidade. Procurando as principais causas dos problemas e estabelecendo a prioridade das soluções;  Quando é necessário chamar a atenção para problemas ou causas de uma maneira sistemática. A partir dos dados coletados no Diagrama de Ishikawa, foi desenvolvido o Diagrama de Pareto para exemplificar de forma gráfica a representação em porcentagem de cada fator de Ishikawa.

Gráfico 1. Aplicação prática do Diagrama de Pareto. Fonte: CARNACINI E RUBIALI – 2020. Portanto, quando resolvidos os principais pontos apresentados dentro do grupo Meio Ambiente, Máquinas e Materiais será possível resolver 54% dos problemas identificados já nessa etapa inicial. Mas é o restante, que são 46%? Ficarão sem resolução? Negativo. Apenas estão sendo priorizados os fatores e em futuras correções, devendo analisar se aqueles fatores ainda estão dentro dos problemas, ou se foram corrigidos ao longo do processo. Diagrama de Pareto de forma clara e direta refere qual a quantidade de ocorrências e qual sua porcentagem do total.

315

Com essa ferramenta é possível visualizar de uma forma clara se os fatores que identificados anteriormente ao Pareto, estão corretos. Pois se estiverem, serão identificados e corrigidos de uma forma mais rápida. Lembrando sempre que para criar uma tabela do diagrama de Pareto, deve-se saber o valor total final, valor de cada causa raiz, sua porcentagem e por fim sua porcentagem acumulada (sempre a porcentagem anterior somada com a porcentagem atual, isso sucessivamente até os 100%).

Matriz G.U.T A Matriz G.U.T. é uma ferramenta utilizada na priorização das estratégias, tomadas de decisão e solução de problemas de organizações/projetos, sendo assim, para a próxima etapa de verificação foi utilizada a matriz G.U.T (Gravidade, Urgência e Tendência). Essa metodologia tem início em 1981 através de Charles Higgin Kepner e Benjamin B. Tregoe, especialistas em questões organizacionais para solucionar problemas em indústrias japonesas e americanas. PERIARD (2011) diz que é uma metodologia utilizada para priorizar fatores que foram levantados em busca da causa raiz do problema que está afetando a plantação. Deve-se listar os problemas principais levantados com o Brainstorming e assim atribuir notas de 1 a 5 nos campos de Gravidade, Urgência e Tendência. Feito isto, irá multiplicar as notas concedidas por linha para chegar ao número final. Foram elencados cada fator prioritário em cada grupo que criaremos para ao final entendermos qual devemos priorizar entre os seis iniciais. Nota

Gravidade

Urgência

Tendência (se nada for feito...) Precisa de ação ... Irá piorar 5 Extremamente Grave imediata rapidamente ... Irá piorar em pouco 4 Muito Grave É urgente tempo 3 Grave O mais rápido possível ... Irá piorar ... Irá piorar a longo 2 Pouco Grave Pouco urgente prazo 1 Sem Gravidade Pode esperar ... Não irá mudar Tabela 7. Fatores relevantes ao analisar-se a Matriz GUT. Fonte: Adaptado de PERIARD, (2011). Exemplo em uma plantação X o produtor rural está enfrentando com a falta de produtividade, e o Engenheiro Agronômico ou de Produção, reuniu-se com os funcionários e com o produtor e elencou problemas a partir de ideias expostas. Desta forma, foram classificadas essas ideias em seis grupos para facilitar a identificação e melhoria em cada processo se for necessário. Os grupos são eles: Materiais, Máquinas, Métodos, Meio ambiente, Mão de Obra e Medida. Problemas Produto contaminado

Produto de baixa qualidade Alta de Preço

Baixa Pureza

Descrição Matéria prima com contaminantes, como por exemplo: insetos, fungos, mico toxinas Matéria prima que não se enquadra nos parâmetros da Embrapa Produto sofre com variações de preço, na grande maioria elevando o mesmo O produto especificado fora da especificação do rotulo.

Gravidade 5

Urgência 5

Tendência 4

Total 100

100

Quadro 8. Formulário sobre a Matriz G.U.T sobre Materiais. Fonte: CARNACINI E RUBIALI (2020). 316

Essa priorização para a plantação X nos remete que o produto de baixa qualidade é o fator prioritário, vindo a seguir produto contaminado, baixa pureza e alta de preço. Se houver empate de alguma ideia, sugere-se priorizar os dois fatores. Se isso não for possível por conta dos investimentos, priorize aquele que trará melhor custo-benefício. Problemas

Descrição

Gravidade

Urgência

Tendência

Total

Máquina descalibrada

Não oferece 100% 4 4 5 80 do seu rendimento, aumento o risco de quebra Falta de Aumenta o risco 3 5 4 60 lubrificação de quebra Pneus antigos Eleva o risco de 2 3 3 18 atolar (perdendo tempo de colheita) Disco da Falta de 3 4 2 24 plantadeira manutenção no amassado disco e assim não havendo abertura correta da vala Quadro 9. Formulário sobre a Matriz G.U.T sobre Máquinas. Fonte: CARNACINI E RUBIALI (2020).

Após análise da aplicação da ferramenta, foi verificado que a máquina descalibrada foi o fator de maior relevância dentro da Matriz G.U.T de Máquinas, com isso iremos focar na calibração do maquinário. Em um ambiente genérico deve-se sempre observar o fator mais relevante para que seja corrigido e desta forma podendo aumentar a produtividade. Problemas

Descrição

Gravidade

Urgência

Tendência

Total

Limpeza Ineficiente

Máquinas, galpão e roupas deveriam estar limpos. Não existe uma padronização na colheita, ferramenta que falta é o 8s.

Resultados errôneos causando perda de eficiência. Falta de sensor no solo

Falta de padronização

Falta de calibragem nas máquinas

Controle de 2 2 2 8 temperatura ineficiente Quadro 10. Formulário sobre a Matriz G.U.T sobre Métodos. Fonte: CARNACINI E RUBIALI (2020). No Quadro 10 as notas atribuídas foram de pouca relevância, sendo assim não impactando de forma importante dentro do processo. Entretanto devemos deixar o sinal amarelo ligado, pois se houver uma nova matriz G.U.T (esta poderá existir após a correção dos fatores mais impactantes.) se possível haverá a correção destes fatores.

317

Problemas

Descrição

Gravidade

Urgência

Tendência

Total

Chuva excessiva

Danos as vagens e 4 4 4 64 aos grãos (podem tornar ardidos ou apodrecer); Falta de chuva Não realizam a 5 5 5 125 semeadura para evitar as perdas das sementes Excesso de Diminuição da 4 4 5 80 umidade qualidade dos grãos e danos mecânicos durante a colheita. Alta Temperatura 5 4 4 100 temperatura correta para o desenvolvimento da soja é entra 20 a 30 graus. Quadro 11. Formulário sobre a Matriz G.U.T sobre Meio Ambiente. Fonte: CARNACINI E RUBIALI (2020). No fator Meio Ambiente, onde, desenvolvido através do brainstorming feito com o produtor, foi o que obteve a maior nota, logo, o primeiro fator a ser priorizado, pois apresentou maior impacto na produtividade em relação aos outros fatores analisados. Problemas

Descrição

Gravidade

Urgência

Tendência

Total

Falta de treinamento

Todos estão adequadamente treinados no procedimento padrão? Com o colaborador insatisfeito, sua produtividade diminui. Os controles de ações estão sendo respeitados?

Roupas e equipamentos sujos causando deterioração delas.

Insatisfação do colaborador

Equipe de manutenção e calibração ineficiente Falta de higiene dos colaboradores

Quadro 12. Formulário sobre a Matriz G.U.T sobre Mão de Obra. Fonte: CARNACINI E RUBIALI (2020). No Quadro 12 os fatores de Mão-de-obra, as notas atribuídas foram de pouca relevância, sendo assim apresentando um baixo impacto dentro do processo. Entretanto não devemos ignorá-lo, pois o esse fator é primordial para que o processo produtivo e deve ser mantido para futuras melhorias, respeitando a ordem em que os fatores foram classificados.

318

Problemas Peso especificado abaixo dos 34,53 kg Pureza abaixo dos 100% Germinação abaixo dos 97% Número de sementes abaixo de 220.000

Descrição Se isso ocorrer irá haver menos sementes do que planejado Ocorrendo esse fator a qualidade do grão será menor. Não irá produzir a qualidade esperada. Não haverá a quantidade esperada na produção.

Gravidade 4

Urgência 3

Tendência 3

Total 36

Quadro 13. Formulário sobre a Matriz G.U.T sobre Medidas. Fonte: CARNACINI E RUBIALI (2020). Feita a indicação das notas, chegaram-se que o fator Meio Ambiente é o item que apresenta maior grau de criticidade. Chegando as seis maiores notas que cada grupo, conseguimos visualizar quais fatores são primordiais para melhorar. Isso é o começo da resolução dos problemas enfrentados na plantação X. Selecionamos apenas os fatores que possuem maior impacto no processo, pois muitos problemas tentando se resolverem ao mesmo tempo não gera resultados. Resolvendo os de maiores impactos, o aumento de produtividade pode ser significativo, visto que o impacto e bem visível com a análise das matrizes. Lembrando sempre, as matrizes servem para facilitar a visualização do engenheiro para não haver dúvidas em quais pontos ter maior foco. Outro ponto e que as notas devem ser atribuídas com 2 ou mais pessoas, já que uma única visão não é de grande assertividade, pois em mais pessoas haverá discussões saudáveis e deverá chegar a um consenso. Gerou-se uma visão ampla para que o Engenheiro deve fazer, com planejamento estratégico solucionando os problemas iniciais. Para haver uma visualização melhor da matriz G.U.T, iremos exemplificar passo a passo. I. Deve-se definir problemas que afetam a produtividade (advindo do Brainstorming). II. Na Excel iremos colocá-los e elencar com números de 1 a 5 qual a importância delas sempre implicando na produtividade. III. Utilizando a tabela 12 para se atentar na gravidade, urgência e tendência. IV. Cada linha será somada para ao final da coluna visualizarmos se esse fator e de importância baixa, média ou grande. V. Com isto feito, nos atentaremos para aqueles com maiores notas, já que sabemos que são os que impactam de grande forma. Vantagens Identificação dos problemas de forma clara Descrição sobre os problemas elencados

Desvantagens Falta de conhecimento sobre o processo para atribuição das notas Erro na priorização do processo, como por exemplo erroneamente colocar um item como extremamente grave (nota 5) e ele influenciar com pouca gravidade (nota 2)

Priorização dos fatores Tomada de decisão após as notas atribuídas de forma mais exata Ao final gerará um plano de ação

Quadro 14. Vantagens e desvantagens da Matriz G.U.T. Fonte: CARNACINI E RUBIALI (2020). 319

Plano de Ação a partir do 5W2H Através da Matriz G.U.T foram classificados os fatores que apresentaram maior grau de criticidade. Com esses fatores elencados, monta-se o plano de ação para sanar as possíveis causas raízes. Feito isso, encaminhou-se para entrar no plano de ação final para resolver as causas raízes identificadas no processo produtivo. Exemplo prático a ser seguido está a seguir: 5W O quê? (What?)

Plano de Ação para o fator Meio Ambiente

Falta de chuva

Excesso de Umidade e Alta Temperatura

Plano de Ação para Manutenção Preventiva

Discos de Corte sempre afiados e sem amassados

Limpeza do reservatório (dosadores)

Por quê? (Why? Pois é o fator com maior grau de criticidade deve ser prioridade para melhorar sua produtividade Havendo escassez de chuva, a plantação pode ser totalmente comprometida, havendo falta de produtividade Diminui a qualidade dos grãos e a produtividade da planta (temperatura entre 20 e 30 graus) Utilizando esse plano será possível diminuir os riscos de quebra no programada e desta forma o tempo parado Garantir para que a palha seja cortada corretamente e a semente aplicada no local correto Para evitar entupimento do dosador e para garantir a uniformidade na plantação

Onde? (Where?)

Jacuba (plantação)

2H Quem? (Who?)

Felipe e Luiz

Jacuba (plantação)

Felipe e Luiz

Jacuba (plantação)

Felipe e Luiz

Jacuba (plantação)

Felipe e Luiz

Quando? (When?)

15/jan

20/jan

25/jan

30/jan

Jacuba (plantação)

Felipe e Luiz

02/fev

Jacuba (plantação)

Felipe e Luiz

02/fev

Como? (How?) A partir de estudos técnicos foi verificado que excesso e falta de chuva impactam negativamente na plantação. Irrigação artificial (aspersão), solo preparado para absorver maior quantidade possível de água.

Instalação de sensores de umidade e temperatura. A partir do manual do fabricante será proposta as paradas para as determinadas manutenções.

Através de testes e verificação semanal acompanhando o manual do produto. Colocar grafite ou talco junto para lubrificar os insumos para evitar a acumulação.

Quanto custa? Status (How much?)

em processo

Quadro 15. Aplicação prática do plano de ação utilizando o 5W2H. Fonte: CARNACINI E RUBIALI (2020). 320

Observou-se com muita atenção que manutenção preventiva deve estar em toda e qualquer produção, mas por quê? A quebra de um maquinário/ equipamento gera um custo relativamente alto para a cadeia produtiva, além de que o tempo perdido gera prejuízos, já que a quebra pode ser simples ou complexa. Imagine a quebra de um trator que faz a colheita por falta de óleo no motor, pode ficar parada a produção de horas até dias, atrasando todo o ciclo. Limpeza e organização são fatores essenciais em qualquer ambiente de trabalho. A limpeza faz com que observamos os equipamentos de uma forma clara e sem riscos ao colaborador. Organização é outro fator fundamental, uma vez que quando os equipamentos estão organizados em seus devidos lugares, a perda de tempo procurando-os é diminuída, agregando um tempo maior para o nosso foco que é o aumento da produtividade.

Programa 8 S Ainda na busca da melhoria contínua, será apresentado a Ferramenta 8S que tem por princípio promover inúmeros benefícios às organizações tanto que é recomendado para todos aqueles que buscam implementar uma alta produtividade sem ter um alto custo envolvido no processo. Uma breve história do programa se inicia no pós-guerra da segunda Guerra Mundial (meados de 1950), onde o Japão estava arrasado, com indústrias falidas, sofrendo com a escassez de produtos, falta de padronização e organização, tendo um futuro mais sombrio e incerto. O propósito do programa foi de auxiliar as empresas para reorganizarem e haver sua recuperação. Existe controvérsias sobre quem criou a metodologia, algumas referências citam Hiroyuki Hirano, porém a maioria cita Kaoru Ishikawa.

Figura 4. Ordem de implementação do programa 5S. Fonte: Adaptado de RANDHAWA; AHUJA (2017). Em 1997, Jose Abrantes propõe mais três sensos: Shikari Yaro (Senso de Determinação e União), Shido (Senso de Treinamento) e Setsuyaku (Senso de Economia e Combate aos Desperdícios). Segundo ABRANTES (2007, apud PEREIRA, 2012) deve iniciar pelo Shikari Yaro pois é o senso de determinação e união, o seu princípio parte do comprometimento iniciado pelos gestores para que seja exemplo e desta forma conseguir unir a todos. O próximo senso é o Shido que é o senso de treinamento, onde irá haver planejamento e implementação das etapas anteriores. O último deve ser Setsuyaku pois é aquele que era economizar e diminuir os desperdícios.

321

Figura 5. Ordem de implementação do programa 8S. Fonte: Adaptado de ABRANTES (1998). Os sensos são classificados da seguinte forma e em cada um daremos indicações de como ser abordados na área agrícola.  Seiri – O primeiro senso, o de utilização, trata-se de separar e manter somente itens necessários que mantem o processo ativo. Os materiais que serão utilizados no processo produtivo, devem ser separados de acordo com a frequência de uso e sua relevância, criando assim um ambiente de trabalho mais eficiente e organizado. Um exemplo: ferramentas que não são mais utilizadas ou estão com a meia vida vencida devem ser excluídas do processo já que não são mais utilizadas.  Seiton – O segundo senso, o de ordenação, é responsável por trazer eficiência no trabalho. O objetivo é criar um ambiente de trabalho ordenado, identificando e demarcando locais para cada item, assim possibilitando que quaisquer pessoas possam encontrar com facilidade as ferramentas, diminuindo a perda de tempo em encontrar equipamentos e ferramentas e eliminando possíveis erros. Um exemplo: O painel de ferramentas pode ser demarcado com o lugar de cada ferramenta, desta forma o colaborador irá perder menos tempo procurando-a.  Seiso – O terceiro senso, o de limpeza, seu principal foco, como o nome já diz é na limpeza e na autoinspeção. Acredita-se no Japão que limpando o ambiente limpa-se a mente, dessa forma cada colaborador tem a responsabilidade de realizar a limpeza em suas áreas individuais (HO, 1997). Colocando este senso em prática os benefícios são inúmeros, sendo eles, a redução de falhas das máquinas, melhoria na qualidade do produto, segurança do trabalhador, já que com a limpeza do ambiente, o risco de animais peçonhentos aparecerem diminuem e também se cria um ambiente de trabalho harmonioso e organizado. Um exemplo: Máquinas se possível serem limpas toda semana para que barulhos ou qualquer defeito ou falha seja visualizado pelo colaborador. Outro ponto é que seria importante o colaborador fazer a revisão da sua própria máquina e se haver algum problema chamar o responsável da manutenção, para que assim haja uma maior rapidez e não haja gargalo na manutenção/ limpeza.  Seiketsu – O quarto senso, o de saúde e bem-estar, é a manutenção dos 3 sensos citados anteriormente, promovendo conforto ao ambiente de trabalho e aumentando a produtividade dos colaboradores. A padronização pode ser atingida através da gestão visual, um mecanismo eficiente para a melhoria contínua, possuindo um papel importante na produção, qualidade, segurança e serviço (HUBBARD,1999). Seus benefícios incluem a diminuição da taxa de manutenção, diminuição dos custos gerais, aumento de fidelidade à empresa e também o aumento na eficiência dos processos.  Shitsuke – É a prática de todos os sensos anteriores, é considerado o mais importante pois requer mudanças proativas de todos os colaboradores, de todos os níveis hierárquicos. Existira a criação de novos procedimentos na plantação, e o que não for cumprido devemos achar a causa raiz do problema 322

e refazer o procedimento. Há a criação de bons hábitos e o estabelecimento da cultura da empresa; com isso segundo SOROOSHIAN et al. (2012, apud RANDHAWA; AHUJA, 2017) os benefícios desta etapa serão: aumento da produtividade dos colaboradores e a qualidade dos produtos sem acidentes de trabalho.  ShikariYaro – segundo Abrantes esse senso é o fundamental para o sucesso da metodologia. Com a influência dos gestores que estão participando ativamente do programa, há a união dos funcionários, havendo determinação e comprometimento para que seja algo duradouro, além do planejamento estratégico da plantação. Nessa fase e de suma importância que o dono ou gerente da fazenda esteja em momentos essenciais e sempre promovendo a união dos colaboradores. Parece que será apenas esses pontos, entretanto serão incluídos a transformação do espaço físico, levantamentos de pontos críticos e ao final uma pesquisa com os pontos fortes e fraco, com sugestões de melhorias. Isso gerara maior engajamento dos funcionários levando a motivação e maior interesse. ABRANTES (1998) sugere dez passos para a implantação nessa fase: 1) Conscientização os gestores; 2) Reunião com diretores e gerentes; 3) Escolha do coordenador do programa; 4) Comunicação da empresa a todos os funcionários; 5) Reunião entre gerentes, supervisores e funcionários; 6) Divulgação do programa; 7) Plano para motivação dos funcionários; 8) Auditoria Operacional dos Recursos Humanos; 9) Plano de ações imediatas para problemas críticos; 10) Avaliação dos 9 passos anteriores, para descobrir onde e o que deve ser melhorado.  Setsuyaku – Mostra de forma clara que desperdício gera menos lucro (perda de dinheiro) e com isso menos investimentos ou melhorias para a empresa e colaboradores. Com isso não desperdiçando ferramentas (perdendo-as), combustível com idas e vindas desnecessárias, perdas de produtos por falta de cuidado na colheita, pode gerar uma melhoria a toda linha de produção. Segundo ABRANTES (1998) serão onze passos para a implementação: 1) Campanha promovida pela alta administração; 2) Reunião entre diretores, gerentes, chefes e supervisores; 3) Divisão da empresa em setores e escolha dos líderes, que recolherão as sugestões; 4) Coleta de sugestões e ideias; 5) Análise das ideias (pelo comitê de avaliação); 6) Estudos e ou projetos para implantação das ideias aprovadas pelo comitê de avaliação; 7) Execução das mudanças analisadas e aprovadas; 8) Avaliação dos resultados; 9) Divulgação dos resultados; 10) Recompensa, aos autores, pelas sugestões implantadas com sucesso e retorno para a empresa; 11) Nova reunião entre diretores, gerentes, chefes e supervisores, para nova rodada de sugestões. O processo de melhorias é contínuo.  Shido – É preciso nesse senso que haja um engajamento dos profissionais capacitados e qualificados, para treinar e indicar quais ferramentas farão com que os colaboradores consigam extrair o máximo da sua capacidade, atingindo um rendimento agradável. Indica-se imagens, vídeos e personagens para a orientação de maneira clara e sucinta. O investimento nesse senso será zero ou baixo segundo ABRANTES (1998). Desta forma a empresa se beneficia, o colaborador e assim gera resultados para 323

ambos. Novamente o mesmo autor cita dez passos para implementação: 1) Treinamento do coordenador; 2) Treinamento da diretoria; 3) Montagem do escritório de coordenação do programa; 4) Treinamento dos gerentes; 5) Seleção e treinamento dos facilitadores; 6) Elaboração do Plano Diretor; 7) Treinamento de todos os funcionários; 8) Registro e análise da situação atual; 9) Elaboração dos Planos de Execução; 10) Avaliação dos 9 passos anteriores, para descobrir onde e o que deve ser melhorado. O programa agrega valor em uma plantação visto que iremos diminuir desperdícios, um problema que impacta desde o pequeno produtor até o grande produtor. Alguns pensam a só perdemos algumas sacas de soja ou de qualquer cultura, entretanto essas sacas que foram perdidas, se não houvesse esse desperdício, ao longo de toda produção esse dinheiro poderia ser investido em melhorias em maquinários, entre outros benefícios. Agora vem a pergunta: Mas como aplicar essa metodologia de uma forma prática na plantação? Iremos responder a seguir com exemplo prático. Em sua plantação iremos fazer uma breve apresentação sobre o programa 8S. Logo após o encerramento, direcionaremos os funcionários aos postos de trabalho para que o supervisor observe atentamente quais ferramentas são necessárias ou desnecessárias, e também para tirar quaisquer dúvidas referentes aos processos. Irá haver uma subdivisão para os itens desnecessários. - Conserto: itens que precisão de conserto para que voltem a produção. - Estoque: itens que serão enviados ao Almoxarifado por serem requeridos em processos mais específicos ou que estão em excesso. Entretanto um ponto importante e observar aquelas ferramentas que estão sem uso, se for possível colocá-las em uso ou levadas ao Almoxarifado. Se houver escritório com vários computadores, é possível também utilizar o senso de Utilização na tecnologia. Os próprios funcionários devem fazer um “pente fino“ nos arquivos e aqueles que não tem mais utilidade, excluírem e na lixeira fazer uma limpeza completa. Há setores que necessitam de demarcação com fitas, etiquetas, placas e ordenar de forma mais clara, e com isso devemos utilizar itens para que isso seja concluído. As fitas demarcadoras podem serem utilizadas para demarcar uma área onde o produto precisa ser colocado. As placas de sinalização são necessárias para segurança, padronização e acuidade maior. Um exemplo são placas para sinalizar perigos na oficina ou na produção. Etiquetas são destinadas para caixas, mesas e objetos com tamanhos pequenos.

Figura 6. Placa de Segurança indicando necessidade de Protetor Auricular. Fonte: FERNANDES (2016). 324

É necessário que ter a consciência que uma empresa limpa, gera funcionários mais felizes e com maior poder de observação. Desta forma uma sugestão é ao final de todo expediente, destinar os últimos 20 a 30 minutos para limpeza de ferramentas e da empresa (o próprio setor fará a própria limpeza). Ou se o setor preferir escolher um funcionário por dia para limpar havendo escalas, e assim deve ser determinado pela ficha de limpeza. A seguir é um exemplo de uma ficha de limpeza. Limpeza Setor: Produção Dia/ Frequência: Segunda-feira, 1x na semana Atividade requerida: Limpar os discos de arado e ferramentas utilizadas Nome do funcionário: Murilo Data: 22/02 Tabela 8. Ficha de escala de limpeza de cada setor. Fonte: CARNACINI E RUBIALI (2020). Para haver o descarte correto, onde não atinja o solo com impurezas, é necessário o devido cuidado com o local de armazenagem. Uma ideia para lixos “secos” são latões de plásticos, que quando haver lotação máxima seja encaminhado ao local de armazenagem central que pode ser uma caçamba de lixo. Focando no funcionário, pode ter vários tipos de bem-estar pensando na saúde dele. Alongamentos antes, durante e após o expediente para que não ocorra fadigas ou lesões. Ao foco de manter o colaborador com foco total na empresa, valorizar treinamentos, cursos e assim chegar à prevenção de acidentes (disponibilizando todos os EPIs). Com questionários de melhorias, a gerência consegue definir qual prioridade deve ser encaminhada para responder aos pedidos. Melhorias para empresa Satisfação em trabalhar na empresa (1 a 5): Empresa está disponibilizando treinamentos, cursos ou palestras: Qual treinamento gostaria que a empresa disponibilizasse? Qual melhoria gostaria que fosse implementada? Tabela 9. Sugestão de como entender quais melhorias sua empresa necessita. Fonte: CARNACINI E RUBIALI (2020). A cada 3 meses deve haver uma reunião dos supervisores, gerentes e funcionários para saber se a metodologia está conseguindo bons resultados e evitar que as conquistas sejam desperdiçadas. Esse programa nos levara sempre a combater desperdícios e assim economizar monetariamente em compras de itens que eram utilizados de forma equivocada.

Mas por que se recomenda utilizar o programa 8S ao invés do clássico programa 5S? A resposta vem de uma análise, onde o programa 5S trata de maneira implícita os desperdícios gerando uma economia. Conseguimos exemplificar de forma bastante clara com o senso Setsuyuku. Outro ponto importante é que o programa 8S tem uma manutenção a longo prazo com a inserção do Shikari Yaro e do Shido. A causa dessa manutenção são os dois sensos criados que prezam a união e treinamento do grupo e a participação dos gestores. Ao final dessa breve análise podemos entender como esses três sensos que foram introduzidos por Abrantes é de suma importância para produtores que gostariam de manter organização, união, limpeza e padronização em sua produção. Visto que conseguimos por meio de treinamento e mudança de mentalidade tornar o programa algo duradouro. Essa metodologia é implementada para ser a base de implementação de outras ferramentas de qualidade como Controle Estatístico de Processos (CEP), Kaizen, TPM (sigla em inglês para Manutenção Produtiva Total).

325

Referências: ABRANTES, J. Como o Programa dos Oito Sensos (8S) pode ajudar na educação e qualificação profissional, reduzindo custos, aumentando a produtividade e combatendo o desemprego. In: ENCONTRO NACIONAL DE ENGENHARIA DE PRODUÇÃO, 18., 1998, Niterói-RJ. Disponível em: http://www.abepro.org.br/biblioteca/ENEGEP1998_ART106.pdf .Acesso em: 01.Fev. 2021 BATISTA, D. S.; GOIS, J. V.; Busca da melhoria produtiva com auxílio de algumas das ferramentas da qualidade: estudo de caso realizado em uma indústria de confecção. Anais eletrônicos da ABEPRO, 2013, Salvador. BEHNAM Bahmankhah, ALVELOS, H.Exploring the Potential of Quality Tools in Tire Retreading Industry: A Case Study. International Journal of Engineering Science and Technology (IJEST), 2011. CARNACINI, Felipe; RUBIALI, Luiz Fernando A.. Diagnostico com uso de Ferramentas do Método MASP no Processo Produtivo de Soja. CEPEA/ESALQ USP; PIB do Agronegócio Brasileiro. Disponível https://www.cepea.esalq.usp.br/br/pib-do-agronegocio-brasileiro.aspx. Acesso em 03.fev.2021.

DENARDIN, Jose Eloir; CASSOL, Elemar Cassol; KOCHHANN, Rainoldo Alberto. Tópicos em Ciência do Solo, Volume V, 2007. FERNANDES, Daniel Salvia. Sinalização de Segurança em uma Indústria: Estudo de Caso. Universidade Tecnológica Federal do Paraná (UTFPR),2016, Curitiba. HO, S.K.M. Workplace learning: the 5-S way. Journal of Workplace Learning, v.9, n.6, p.185-191, 1997. HUBBARD, R. Case study on the 5S program: the five pillars of the visual workplace. Hospital Material Management Quarterly, v.20, n.4, p.24-28, 1999. PEREIRA, M. M. N. Benefícios da implantação do programa 8s para uma empresa: um estudo de caso da FRAS-LE S/A. In: ENCONTRO NACIONAL DE ENGENHARIA DE PRODUÇÃO, 32., 2012, Bento Gonçalves-RS. Disponível em: <http://www.abepro.org.br/biblioteca/enegep2012_TN_STP_158_925_19460.pdf> Acesso em: 21 mai. 2017. LIMA, Francisco; História e Evolução da Qualidade. Disponível em: http://paginapessoal.utfpr.edu.br/frjunior/disciplina-sistemas-certificaveis-de-gestao/Aula%201%20%20Eras%20e%20gurus%20da%20qualidade.pdf/at_download/file, Acesso em 26.Jan.2021 MIGUEL, P. A. C.. Qualidade: enfoques e ferramentas. São Paulo: Artliber Editora, 2001. Sorooshian et al. 2012 PALADINI, Edson Pacheco; CARVALHO, Marly Monteiro de (coordenadores). Gestão da qualidade, 2. ed. – Rio de Janeiro: Elsiever: ABEPRO, 2012. RANDHAWA, J. S.; AHUJA, I. S. 5S - a quality improvement tool for sustainable performance: literature review and directions. The International Journal of Quality & Reliability Management, v.34, n.3, p.334-361, 2017. SELEME, Robson; STADLER, Humberto. Controle da Qualidade - As Ferramentas Essenciais. 2. ed. Curitiba Pr: Xibpex, 2010. 180 p. Disponível em: https://www.academia.edu/28648830/LIVRO_EM_PDF_CONTROLE_DA_QUALIDADE_FERRA MENTAS_DA_QUALIDADE. Acesso em: 28 jan. 2021.

326

ANÁLISE DO VALOR AGREGADO NA AGRICULTURA: UM ESTUDO SOBRE PERFORMANCE DAS OPERAÇÕES AGRÍCOLAS (CRONOGRAMA X CUSTO X QUALIDADE) Marcelo Sans Dodson Guilherme Azanha Carneiro 1. Introdução A nova década inicia-se em um ambiente produtivo complexo e repleto de desafios. De um lado, têm-se as buscas por produtividade e lucratividade cada vez melhores e, de outro lado, têm-se o esforço de preservar o meio ambiente para as futuras gerações. Este cenário demanda a todos os envolvidos na cadeia produtiva da agropecuária nacional a quebrar paradigmas, tanto no sistema produtivo quanto no sistema gerencial. É, portanto, neste cenário que o presente capítulo vem apresentar a metodologia de Gerenciamento de Projetos e, mais especificamente, o gerenciamento do valor agregado como ferramentas de gestão para culturas agrícolas. Adicionalmente, é apresentada uma metodologia para gerenciar o valor agregado da qualidade. Em outros setores produtivos, é crescente a utilização desta metodologia com o objetivo de entregar projetos no escopo estabelecido, no tempo acordado, dentro do orçamento e na qualidade requerida. No entanto, são poucos os trabalhos utilizando esta metodologia na agricultura. As empresas agrícolas normalmente utilizam o comparativo entre o orçamento elaborado para a cultura explorada e, quando o ciclo produtivo é finalizado, as despesas reais são aferidas e o custo real é então calculado. Para fins gerenciais, é feita uma análise comparativa entre o orçamento e o custo real. Neste cenário, a metodologia de Gerenciamento de Projetos pode contribuir para uma produção agrícola mais sustentável, por integrar e administrar as relações entre escopo, cronograma, custo, qualidade, comunicação, riscos, recursos humanos, partes interessadas e as aquisições necessárias para a condução de uma cultura. O trabalho pioneiro em utilizar o Gerenciamento de Projetos na agricultura foi o de SMITH (1984), no livro intitulado “Agriculture Project Management”. Na obra, o autor descreve exemplos de como utilizar a metodologia em projetos de construções rurais. GREENIA & POSLUSZNY (1998), foram os primeiros a afirmar que uma cultura pode ser considerada como um projeto e que o uso da metodologia pode ser útil para gerenciar as operações agrícolas e como as variações podem impactar no cronograma, no custo e na qualidade destas operações. DODSON et. al. (2012) utilizaram a metodologia descrita no Guia de conhecimento em Gerenciamento de Projetos (PMBOK®) (PMI, 2017) para elaborar o plano de implantação de uma lavoura de cana de açúcar. Em suas considerações finais, os autores concluíram que é possível utilizar esta metodologia para gerir todas as operações pertinentes da lavoura, por ser possível considerar a lavoura como um projeto. Como ferramenta gerencial de projetos, a Análise do Valor Agregado (AVA) é um método de avaliação de performance que permite avaliar, para cada unidade monetária investida em um dado momento da operação agrícola, a sua conversão no cumprimento do cronograma, nos gastos previstos no orçamento e se os padrões de qualidade estão sendo alcançados. MONTES (2020) afirma que a AVA permite responder perguntas como: - Qual é a eficiência do uso do tempo e dos recursos pela equipe do projeto? - Num dado momento, o projeto está acima ou abaixo do orçamento? - Se a execução do projeto continuar neste nível, quanto custará o trabalho restante e qual a eficiência que deve ser alcançada para que o projeto termine no orçamento previsto? Busca-se com isto, fornecer subsídios para o planejamento e gerenciamento de operações agrícolas, focadas em performance operacional e na eficiência em converter tempo e dinheiro em trabalho realizado dentro do cronograma, orçamento e padrões agronômicos requeridos. A adoção desta metodologia é um convite a uma nova forma de analisar cronograma, custos e a qualidade das operações agrícola.

327

2. Metodologia O objetivo principal deste capítulo é apresentar uma visão geral da metodologia de Gerenciamento de Projetos (GP) nos quais a análise do valor agregado se enquadra. Não é o escopo deste capítulo explorar em detalhes todas as áreas de conhecimento englobadas pela metodologia de Gerenciamento de Projetos, mas sim, contextualizar a AVA como ferramenta de gestão dentro um sistema detalhado de gerenciamento focado em performance. É importante salientar que a AVA pode ser adotada separadamente da metodologia GP, bem como um projeto pode ser conduzido sem a adoção da AVA. Isto é possível pois a AVA utiliza elementos presentes no GP e seus resultados interagem com os demais componentes do GP. No entanto, a AVA é a metodologia recomendada para monitoramento de projetos pelas principais organizações mundiais que organizam e publicam guias e manuais para o Gerenciamento de Projetos (PMI, 2019). Desta forma, são apresentados os fundamentos do Gerenciamento de Projetos e de que forma a AVA pode ser utilizada para gerenciar performance de lavouras. Dentre os manuais existentes na bibliografia sobre como gerir um projeto, neste trabalho é apresentada a metodologia descrita no Guia para Conhecimento em Gerenciamento de Projetos – 6ª edição (PMBoK®) – publicado pelo Project Management Institute (PMI, 2017). A razão da escolha deste modelo está no fato que o PMI é a maior organização do setor no mundo e seu guia é a referência amplamente difundida e adotada tanto na academia quanto no setor produtivo.

2.1. Gerenciamento de Projetos (GP) É cada vez mais crescente a utilização da metodologia de Gerenciamento de Projetos, na busca de aumentar as chances de entregar os projetos no escopo estabelecido, no tempo acordado, dentro do orçamento e na qualidade requerida. O GP é utilizado em diversas áreas e profissões, como sistemas de informações, construção civil, saúde, consultoria, indústria farmacêutica, setor bancário, agências governamentais e etc. (KERZNER, 2015). O conhecimento da técnica de Gerenciamento de Projetos permite ao profissional o aperfeiçoamento da gestão, bem como monitorar as atividades in loco. LEONELO (2021) descreve alguns benefícios do uso do Gerenciamento de Projetos (GP): “Aumentar suas chances de sucesso, cumprir os objetivos do negócio, entregar os produtos certos no momento certo, equilibrar a influência de restrições do projeto (por exemplo, o aumento de escopo pode aumentar custos ou o prazo), gerenciar melhor as mudanças, gerenciar restrições (por exemplo, escopo, qualidade, cronograma, custos, recursos), otimizar o uso dos recursos organizacionais, resolver problemas e questões, responder a riscos em tempo hábil e satisfazer as expectativas das partes interessadas do projeto, dentre outras (p. 35)“. Segundo o PMBoK® (PMI, 2017, p. 4) “projeto é um esforço temporário empreendido para criar um produto, serviço ou resultado único com objetivo definido”. É fundamental contextualizar para a realidade agrícola, o conceito de projeto e suas formas de utilização, para que a metodologia do Gerenciamento de Projetos possa ser aplicada nos mais diversos setores do agronegócio. Para a realidade agrícola pode-se ter basicamente três tipos de projetos. O primeiro envolve os projetos de construção, como benfeitorias, irrigação, estradas, etc. (SMITH, 1994); o segundo tipo envolve o ciclo de cultivo de uma cultura agrícola (GREENIA & POSLUSZNY, 1998); e há também, o terceiro tipo, que envolve a possibilidade de utilizar esta metodologia para gerenciar a condução de trabalhos de pesquisas relacionados com o setor agropecuário. No contexto deste trabalho, apenas será abordado o segundo tipo de projeto existente para o setor agrícola, no qual o termo “projeto” define todas as atividades, trabalhos e eventos relacionados para a elaboração, condução e finalização de um ciclo produtivo de uma cultura agrícola. De maneira geral, isto engloba todas as ações que antecedem o início do cultivo até a colheita da produção.

328

Entende-se por “esforço temporário” o trabalho realizado com um objetivo específico que possua um início, meio e fim delimitados. Assim, a elaboração e instalação de um projeto de irrigação podem ser feitas utilizando a metodologia GP. No entanto, a realização da operação de irrigação é um processo operacional cíclico e repetitivo e, portanto, não é considerado um projeto. Na Tabela 1 são descritos alguns atributos de uma lavoura que atendem aos requisitos necessários para ser considerada como um projeto. Tabela 1. Atributos de uma lavoura e sua relação com os requisitos de um projeto. Descrição

Lavoura Uma lavoura tem basicamente quatro fases: germinação, crescimento, Esforço temporário reprodução e senescência. Na perspectiva de uma fazenda, cada colheita produz uma certa Produto único (entrega produtividade que, devido aos fatores ambientais e operacionais, difere-se ou resultado do projeto) ano a ano. O material colhido pode gerar renda para o agricultor bem como ser a base Criação de valor para a produção de outros produtos. Na Figura 1 é ilustrado o ciclo de vida de um projeto, com os seus cinco grupos de processos de gerenciamento de projeto (início do projeto, organização e preparo, execução do trabalho e encerramento do projeto) (PMI, 2017). Foi adicionada a Figura do ciclo de vida da cultura do milho ao ciclo de vida do projeto, para ressaltar suas interações e o potencial de utilização da metodologia na gestão de lavouras.

Figura 1. O ciclo produtivo de uma cultura na visão do Gerenciamento de Projetos. Fonte (adaptado pelos autores de PMI, 2017). A natureza temporária de um projeto não está associada com o ciclo de execução, que pode ser curto (cultivo da lavoura de milho) ou longo (cultivo de eucalipto), e ambos se encerram na colheita (Figura 1). Um projeto pode ter repetibilidade. Por exemplo, na construção civil, a utilização da mesma planta arquitetônica e seus elementos para construir prédios não descaracteriza o projeto. O PMI (2017, p. 4) esclarece: “o projeto de cada prédio é único em termos de características-chaves como, localização, design, ambiente, situação, pessoas envolvidas, etc.”. Por analogia, cada ano agrícola, o ciclo produtivo, pode ser considerado um projeto, afinal, a mesma cultura cultivada na mesma área, possui características-chaves únicas a cada ciclo: condições ambientais, pragas e doenças, mão de obra envolvida, etc. Pode-se descrever os seus cinco grupos de processos de gerenciamento de projeto, a partir das definições do PMI (2017, p. 23) e adaptadas para o contexto agrícola:

329

Grupo de processos de iniciação: envolve todos os processos necessários para definir um novo projeto ou fase. Em um modelo agrícola, este grupo de processos envolve as informações iniciais para a obtenção da autorização (ou decisão) para o início do planejamento da safra, do ciclo produtivo de uma cultura, etc.). Grupo de processos de planejamento: compreende todos os processos para definir o escopo e ações necessárias para conduzir o cultivo da cultura. Grupo de processos de execução: engloba todos os processos necessários para realização das atividades necessárias para o cultivo da cultura, de maneira a atingir os padrões agronômicos requeridos pela cultura, suas exigências nutricionais e sanitárias. Grupo de processos de monitoramento e controle: compreende todos os processos necessários analisar, acompanhar e controlar o desenvolvimento da cultura, bem como as ações necessárias alcançadas, e ainda, as mudanças necessárias na execução para que os objetivos definidos sejam alcançados. Grupo de processos de encerramento: envolve todos os processos necessários para a conclusão ou encerramento formal do ciclo da cultura. A ordenação lógica, detalhada e sequencial das etapas de um projeto é uma das grandes vantagens da metodologia do Gerenciamento de Projetos. Outra vantagem desta metodologia é a adoção de técnicas diferentes para cada processo. Para tanto, o PMBoK® categorizou os processos em 10 Áreas de Conhecimento, além dos grupos de processos. “Área de Conhecimento é uma área identificada de Gerenciamento de Projetos definida por seus requisitos de conhecimento (p. 23).” Ao ordenar a elaboração por áreas de conhecimento, é possível definir qual o melhor método gerencial, operacional ou técnico de deve ser utilizado. As dez áreas de conhecimento descritos no PMBoK® são: 1 - Gerenciamento de Integração de projetos: engloba todas as atividades necessárias para gerenciar as interpendências entre as demais áreas de conhecimento. Esta área é dinâmica e ocorre durante toda o ciclo de vida do projeto. 2 - Gerenciamento do Escopo do projeto: envolve todos os processos que garantam que apenas o trabalho necessário para o sucesso do projeto seja contemplado. 3 - Gerenciamento do Cronograma: compreende todos os processos existentes para gerenciar o trabalho com o objetivo de terminá-lo dentro do prazo estabelecido. 4 - Gerenciamento de Custos: envolve todos os processos existentes para gerenciar as despesas com o objetivo de terminá-lo dentro do orçamento estabelecido. 5 - Gerenciamento da Qualidade do projeto: envolve os processos existentes para gerenciar a política de qualidade com o objetivo de terminá-lo dentro dos requisitos de qualidade do projeto e do produto. 6 - Gerenciamento de Recursos do projeto: compreende os processos necessários para identificar, adquirir e gerenciar os recursos para a condução e finalização do projeto com sucesso. Inclui os membros da equipe, instalações, equipamentos, materiais, suprimentos e etc. 7 - Gerenciamento de Comunicações: engloba todos os processos que garantam que as informações do projeto satisfaçam as necessidades das partes interessadas. Possui duas etapas. A primeira etapa é elaborar o plano de comunicação e a segunda implementar o plano de comunicação. 8- Gerenciamento de Riscos: compreende os processos de planejamento, identificação, análise, monitoramento e gestão dos riscos de um projeto. 9 - Gerenciamento de Aquisições do projeto: compreende todos os processos para a aquisição de produtos e/ou serviços ou resultados externos à equipe do projeto. Isto inclui contratos, solicitações de compra, acordos comerciais, etc. 10 - Gestão de Partes Interessadas do projeto: envolve os processos em identificar todas as pessoas, grupos ou organizações, que podem impactar ou serem impactadas pelo projeto, e desenvolver ações para atender suas expectativas, manter seu engajamento e ter eficácia no seu envolvimento com o projeto. No contexto agrícola, deve-se adicionar como parte interessada as plantas e suas interações com o meio ambiente. 330

Como é possível observar, as dez áreas do conhecimento do PMBoK® possibilitam um estudo detalhado de cada componente de gestão de um projeto (cultivo agrícola). Em cada área do conhecimento, é possível utilizar a técnica gerencial e agronômica que a equipe do projeto entende como sendo a mais eficaz para alcançar os objetivos do projeto, dentro do prazo estabelecido, no orçamento estimado e na qualidade esperada. Nas próximas páginas, são apresentados alguns estudos de caso envolvendo a AVA, nos quais é possível entender melhor a interrelação destas áreas de conhecimento dentro do contexto agrícola. Apesar das áreas de conhecimentos serem definidas separadamente, elas estão interrelacionadas e limitadas ao escopo e às atividades relativas ao projeto. Com efeito, acontecimentos ocorridos em uma área de conhecimento podem afetar o escopo, o custo, o cronograma ou a qualidade do projeto (Figura 2). O Triple Constraint ou restrições do projeto ilustra as interações destes acontecimentos que podem impactar positivamente ou negativamente um projeto. Por exemplo, semear mais sementes que o recomendado agronomicamente poderá afetar o estande de plantas (componente do escopo), a qualidade do desenvolvimento da cultura, o custo de produção e a ocorrência de mato competição, pragas e doenças.

Figura 2. Restrições do projeto. (Fonte: autores). Assim, o fato de o Gerenciamento de Projetos interligar estes componentes durante o planejamento e condução de uma cultura é possível ter informações gerenciais e técnicas para prevenir, remediar ou explorar um evento como este. É neste contexto que a Análise do Valor Agregado se insere por trabalhar os componentes tempo, custo e qualidade. Conforme explicado inicialmente, não é o objetivo deste trabalho detalhar toda a metodologia do Gerenciamento de Projetos, mas apenas apresentar uma visão geral para que o leitor possa entender em que ambiente de gestão a AVA é normalmente utilizada visando prover informações gerenciais, durante a execução de um projeto. A seguir é apresentado a fundamentação geral da AVA e algumas aplicações em operações agrícolas.

2.2. Análise do Valor Agregado (AVA) O PMBoK® recomenda a utilização da metodologia de Análise do Valor Agregado (AVA) para o gerenciamento do cronograma e custos de um projeto. Esta metodologia é reconhecida como uma ferramenta gerencial eficiente para mensurar a performance do projeto bem como fornece informações sobre o status de execução das atividades envolvidas (PMI, 2017). Outra importante característica do AVA é a possibilidade de utilizá-lo numa grande amplitude de projetos como por exemplo, no setor de aeroespacial (National Aeronautics and Space Administration, 2018), tecnologia de informação, construção civil e pesquisas científicas (PMI, 2019). A AVA foi desenvolvida nos Estados Unidos da América há mais de 100 anos, onde inicialmente engenheiros industriais converteram “padrões industriais definidos” para “padrões de valor agregado” e, em seguida, confrontaram isto com “horas atuais”. Estes engenheiros então começaram a focar na performance dos custos e, assim, criaram os fundamentos da AVA (HAYES, 2001). TEIXEIRA NETTO et al. (2018) descrevem que a técnica foi sendo aprimorada até que, na década de 60, o Departamento de Defesa dos EUA elaborou o Sistema de critérios para o controle de custos e cronograma, com o objetivo de mensurar o progresso físico de um projeto. Apartir da década de 90, a AVA se tornou obrigatória em todas as agências federais dos EUA. 331

A grande diferença entre o gerenciamento tradicional e a AVA está no fato de que a AVA tem o objetivo de mensurar o quanto foi produzido por uma quantia investida bem como se o foi produzido de acordo com o cronograma planejado originalmente. Ao contrário do método tradicional onde o orçamento é comparado com as despesas atuais, indicando apenas o que gasto em um determinado momento do projeto em relação ao planejado, sem determinar a quantidade de trabalho realizado. Em outras palavras, a AVA permite comparar orçamento para o trabalho programado com o “valor agregado (convertido)” do trabalho realizado e o atual custo deste trabalho (adaptado de HAMILTON, 2008). Isto é possível pois a AVA compara três fontes de informação (HAMILTON, 2008): O valor orçado para cada trabalho programado, o valor atual do trabalho completado e valor que foi agregado a partir do trabalho completado. A partir destas premissas, é possível analisar a variação do custo atual, do cronograma e fazer previsões do futuro do projeto. O valor agregado (VA) é o grande diferencial desta metodologia pois é o principal componente que permite realizar todas estas análises, uma vez que é ele representa o valor do trabalho completo. Aqui reside o paradigma entre o uso da metodologia tradicional e a AVA pois o VA é a quantidade realizada de uma dada atividade do projeto, quando ela está completa seu valor é igual ao valor orçado para esta atividade e não a somatória do tempo e do dinheiro gasto para sua realização. Adicionalmente, a AVA tem como objetivo responder às seguintes perguntas referentes ao trabalho físico de um projeto: Tabela 2. Análises gerenciais apresentadas pelos indicadores. Questões analisadas pela AVA Qual é a eficiência do uso dos custos? Quantos centavos são "agregados" para cada real investido? Com qual eficiência deve ser usado os recursos restantes? Qual a eficiência que deve ser alcançada para que o projeto termine no orçamento previsto? Quanto o projeto provavelmente custará e quanto custará o trabalho restante? Estamos acima ou abaixo do orçamento? Quanto de esforço ainda será necessário para terminar o projeto? Quais são as ocorrências que estão causando a atual variação de custos ou do cronograma? O cronograma do projeto está a frente ou atrasado? Fonte: Adaptado de MONTES (2016) e PROJECT MANAGEMENT INSTITUTE (2017).

Benefícios da AVA:  O gerente do projeto tem um melhor entendimento do “oque foi feito pela quantidade paga.” (HAYES, 2001);  Pode ser utilizada em qualquer projeto de diferentes organizações e setores produtivos (PMI. 2017);  É capaz de sinalizar ao gerente de projetos se o projeto necessita de alguma ação corretiva com apenas 15 a 20% de avanço do projeto (LACERDA, 2017);  É possível apresentar o status e projeções de cada item do escopo, cronograma e custo do projeto em relação ao planejado, prevendo o sucesso ou fracasso do projeto (PROJECT MANAGEMENT INSTITUTE, 2019);  As informações reportadas pela AVA durante a execução das operações agrícolas podem auxiliar os gestores a interceder antes que elas saiam do objetivo traçado. Limitações da AVA:  Apesar de ser uma ferramenta poderosa, a análise de valor agregado tem se mostrado de difícil aplicação (LACERDA, 2017);  Qualificação da equipe para a utilização da metodologia TEIXEIRA NETTO, OLIVEIRA, FREITAS, & SANTOS (2018). Requer uma estrutura organizacional que permita a coleta de dados precisos e confiáveis (PROJECT MANAGEMENT INSTITUTE, 2019). No contexto da agricultura, estes autores identificaram as seguintes limitações:

332

 A empresa agrícola deve ter uma cultura de gerenciamento de operações e custos, de forma a gerar dados confiáveis para serem utilizados na metodologia. Sem uma gestão de custos eficientes, os resultados apresentados pela AVA podem ser afetados;  Dificuldade de entendimento pelos profissionais com relação às informações geradas pela metodologia. Na opinião destes autores, isto ocorre pelo fato da utilização de metodologias tradicionais para estimar e acompanhar cronograma e custos. É um paradigma que deve ser quebrado através da qualificação e pesquisas sobre o tema;  Falta de automação na coleta e processamentos de dados gerados no campo (DODSON, 2015). A coleta manual de todos os indicadores de performance pode inviabilizar o uso da metodologia;  Inexistência de softwares desenvolvidos para a realidade agrícola que utilizem a metodologia; Apesar destas limitações, o potencial de uso da AVA no setor agrícola é promissor, pois possibilita os agricultures e/ou o gerentes entenderem como as ocorrências afetam as operações agrícolas, em termos financeiros e na eficiência de sua execução. Assim, permite ações corretivas (quando possível) quanto a ajustes na condução dos trabalhos diante da nova realidade. O fato de as variações serem quantificadas em termos financeiros, permite aos gestores entenderem o impacto que estas variações tem na condução das operações agrícolas. O foco muda de “planejado-realizado” para “planejado-performance (agregação de valor)-realizado”.

2.2.1. Metodologia A Análise do Valor Agregado (AVA) inicia-se pela elaboração do projeto (ciclo produtivo de uma cultura). Basicamente, ela é composta pela elaboração do escopo e de todas as atividades necessárias para completar o ciclo produtivo, o cronograma de realização de cada atividade e o custo para sua realização, no entanto, outros componentes da elaboração de um projeto podem ser incluídos na elaboração do plano base devido suas interações com os componentes acima descritos. A resultado deste planejamento é o Plano Base do Projeto que envolve todas as atividades necessárias para a condução da cultura até o final do seu ciclo. Na Tabela 3 é apresentado o resumo de todos os cálculos envolvidos e suas fórmulas para a análise do valor agregado (PROJECT MANAGEMENT INSTITUTE, 2019), TABELA 3. Tabela de resumo dos cálculos do valor agregado. Nome Valor Planejado (VP)

Definição O valor planejado é o orçamento previsto para cada tarefa a ser realizada. Valor Agregado (VA) A medida do trabalho executado expressa em termos do orçamento autorizado para tal trabalho. Custo Real (CR) O custo realizado incorrido no trabalho executado de uma atividade. Orçamento no Término (ONT) A soma de todos os orçamentos estabelecidos para a execução do trabalho. Variação de Prazo (VPR) Uma medida de eficiência Variação de Custo (VC) Uma medida de eficiência dos recursos orçados, expressa como a relação do valor agregado para o custo real Variação no Término (VNT) Uma projeção da quantidade do déficit ou do excedente do orçamento Índice de Desempenho de Prazos Uma medida da eficiência do cronograma expressa como (IDP) a relação ao valor agregado Índice de Desempenho de Custos Uma medida da eficiência dos recursos orçados (IDC) Índice de Desempenho para Uma métrica de desempenho de custos que deve ser Término (IDPT) obrigatoriamente alcançada com os recursos restantes a fim de cumprir uma meta específica de gerenciamento Nome Definição Estimativa no Término (ENT) O custo total esperado de finalização de todo o trabalho Estimativa para Terminar (EPT) O custo esperado para finalizar o projeto

Equação VPR=VA–VP VC=VA–CR VNT=ONT–ENT IDP = VA / VP IDC = VA / CR IDPT=(ONT– VA)/(ONT–CR) Equação ENT=ONT/IDC EPT=ENT–CR

(Fonte: Adaptado de PMI. 2019). 333

Conhecimentos adicionais necessários A AVA permite a utilização de diversas metodologias para elaborar a estrutura analítica do projeto, o cronograma de atividades e o custo de cada atividade, para poder-se elaborar o Plano Base do Projeto (PBP) (planejamento do ciclo produtivo de uma cultura agrícola). Desta forma, pode-se adequar à realidade de cada propriedade ou empresa agrícola na elaboração e coleta de dados para os relatórios de performance da AVA (Tabela 4). Tabela 4. Exemplos de combinação de métodos para a elaboração do Plano Base do Projeto (planejamento do ciclo produtivo de uma cultura agrícola). Descrição

Método  Manual de elaboração de projetos pelo método AVA Estrutura Analítica do  Manual da cultura agrícola Projeto (EAP)  Entrevista com o agricultor  Entrevista com o especialista  Manual de cálculo para rendimento operacional de máquinas e equipamentos agrícolas  Histórico de rendimento operacional da propriedade Cronograma  Entrevista com o agricultor  Entrevista com o especialista  Métodos de cálculo de custos de produção  Relatório de custos de anos anteriores  Orçamento de produtos e serviços com fornecedores Orçamento  Relatórios de empresas especializadas  Entrevista com o agricultor  Entrevista com o especialista  Padrões agronômicos para a cultura  Padrões definidos pelo agricultor, especialista ou cliente Qualidade  Manuais técnicos da cultura  Métodos de monitorar e controlar a qualidade das operações agrícolas A Estrutura Analítica do Projeto (EAP) é a listagem de todas as atividades necessárias para a execução do projeto (ciclo de cultivo da cultura) que possam ser quantificados o tempo necessário para sua execução, bem como o custo envolvido nesta atividade. Quanto maior o nível de detalhamento da EAP do projeto, melhor será a precisão dos cálculos da AVA. O PBP fornece a linha de base do cronograma e do orçamento, a qual será confrontada com os dados colhidos durante a execução das operações agrícolas e demais atividades listadas na EAP. Esta dinâmica é ilustrada pela Curva “S” da AVA (Figura 3). Assim, é possível comparar o que foi realizado com o que foi planejado ao nível da atividade, ou por dia de serviço ou por um período determinado pelo agricultor ou pelo responsável na condução da cultura. Com isto, as variações ocorridas podem ser quantificadas financeiramente e seu impacto estimado durante a condução do ciclo agrícola.

Curva “S” A curva “S” é um gráfico que possibilita visualizar a maioria dos componentes da AVA durante todo o ciclo de vida do projeto (cultura agrícola) bem como uma visão do status atual do projeto e sua performance (PMI, 2019).

334

Figura 3. Curva “S” (adaptado de PMI, 2019). A curva “S” demonstra o plano base do projeto dos gastos acumulados do projeto em função do tempo (ONT). A ela são adicionados a linha acumulativa de custos reais (CR) em função do tempo de execução do projeto e a linha do trabalho realizado (VA). Na Tabela 5 é descrito como podem ser interpretados os resultados dos cálculos (adaptado de PMI, 2019). Descrição Variação dos Custos (CR)

Variação de Prazo (VPR)

Variação no Término (VNT)

Índice de Desempenho de Custos (IDC)

Índice de Desempenho de Prazos (IDP)

Índice Desempenho Para Término (IDPT)

Interpretação dos resultados Positivo = Custo mais baixo que o planejado. Neutro = Custo conforme planejado. Negativo = Custo mais alto que o planejado. Positivo = Trabalho mais adiantado do que planejado. Neutro = Trabalhos no prazo planejado. Negativo = Trabalho mais atrasado do que planejado. Positivo = Custo no término menores do que planejado. Neutro = Custo no término conforme do que planejado. Negativo = Custo no término maior do que planejado. > 1 - Indica que foi agregado mais trabalho realizado para cada R$ 1,00 gasto. = 1 - Indica que foi agregado o trabalho realizado para cada R$ 1,00 gasto. < 1 - Indica que foi agregado menos trabalho realizado para cada R$ 1,00 gasto. > 1 - Indica que foi agregado mais trabalho ao projeto para cada unidade de trabalho realizado. = 1 - Indica que foi agregado o trabalho planejado ao projeto para cada unidade de trabalho realizado. < 1 - Indica que foi agregado menos trabalho ao projeto para cada unidade de trabalho realizado. Positivo = Indica que a execução do projeto teve desempenho abaixo do esperado e que, no momento da análise, foi gasto mais do que previsto no PBP. Ajustes nos gastos serão necessários para que o projeto termine no orçamento previsto. Neutro = Indica que o projeto tem desempenho conforme esperado, no momento da análise, foi gasto o que está previsto no PBP. Ajustes nos gastos não necessários para que o projeto termine no orçamento previsto. Negativo = Indica que a execução do projeto teve desempenho acima do esperado e que, no momento da análise, foi gasto menos do que previsto no PBP.

(Fonte: Adaptado de PMI. 2019)

335

Sequência para a elaboração do Plano Base do Projeto (PBP) Abaixo, seguem as dez etapas para se elaborar o plano base do projeto (adaptado de DODSON, PESAKOVIC, & CARVALHO, 2019):  1ª Etapa: Definição do escopo do projeto e criar a estrutura analítica do projeto (Cultura Agrícola);  2ª Etapa: Definir a responsabilidade de cada membro da equipe;  3ª Etapa: Elaboração do Cronograma do projeto (Cultura Agrícola);  4ª Etapa: Elaboração dos custos do projeto (Cultura Agrícola) e seu orçamento;  5ª Etapa: Definir qual sistema métrico da AVA que melhor atende a realidade do projeto (Cultura Agrícola);  6ª Etapa: Estabelecer o Plano Base do Projeto (PBP);  7ª Etapa: Criar a estrutura para o monitoramento e controle das atividades;  8ª Etapa: Realizar as estimativas do Valor Agregado conforme o PBP;  9ª Etapa: Avaliar a performance de cada atividade listada na EAP em relação ao custo e ao cronograma de execução;  10ª Etapa: Realizar os cálculos para VNT, IDPT, ENT e EPT. Acima foi apresentada a metodologia básica que compõe a AVA e a maneira de interpretar os resultados. É recomendado aos interessados nesta metodologia, avançar os estudos na área para conhecer todos os seus detalhes. A seguir são apresentados estudos de casos utilizando a AVA.

2.2.3. Estudos de Casos A possibilidade de utilizar a metodologia AVA foi testada na avaliação da colheita da soja (DODSON, 2014), no plantio da cana de açúcar (DODSON; 2015) e na colheita do trigo (CARNEIRO et al., 2019). Em ambos os estudos os autores puderam quantificar, durante a execução da operação agrícola, qual era a variação do cronograma e dos custos, bem como estimar quando a operação iria acabar, a que custos, quanto dinheiro seria necessário ainda para finalizar o projeto e qual a eficiência na alocação dos recursos. Na Figura 4 é apresentada a síntese da AVA para cada talhão de cana. A coluna do IDC indica quanto foi a eficiência em agregar todas as atividades para o plantio da cana de açúcar por talhão. O círculo vermelho destaca o talhão com o maior custo de plantio, com performance de 0,77 (IDC), indicando que para cada R$1,00 investido no projeto, R$0,77 foram agregados no trabalho realizado, e R$0,23 indica custos adicionais para realizar o mesmo trabalho. O talhão 4 teve a melhor conversão de recursos em trabalho realizado (0,85) e a média geral dos 5 talhões foi (0,85). Isto resultou num custo adicional de R$69.838,16. A coluna VPR tem todos os resultados negativos, indicando que o plantio foi realizado fora do cronograma.

Figura 4. Compilação dos resultados encontrados por DODSON (2015). À esquerda, síntese da AVA para cada talhão de cana de açúcar. À direita, resumo geral do talhão 1 por dia de trabalho.

336

Na Figura 4, à direita, encontra-se o resumo dos custos diários para o plantio do talhão 1. Ao final do segundo dia de trabalho, foi possível estimar o valor custo ao término do plantio em R$60.708,69 o que é próximo do Custo Real (CR) de R$ 60.805,83. Isto indica que o gestor já tinha uma ideia de quanto iria custar o plantio naquele talhão, se a eficiência de agregar recursos em trabalho realizado se mantivesse em 0,81 e, também, a quantidade de recursos financeiros necessários para terminar o plantio (R$11.833, 06). A análise do IDC e VPR no dia 23/04/2015 indica que estava sendo gasto R$0,19 a mais ter o mesmo trabalho realizado para cada real orçado e o VPR indica que foi alcançado 46% da área planejada para ser plantada até aquele dia. Desta forma, o gestor teria que alocar mais recursos e esforços para terminar o plantio dentro do prazo estipulado. A tabela 6 descreve os resultados encontrados por CARNEIRO et al. (2019) que utilizaram a AVA para avaliar a performance na colheita da cultura do trigo (safra 2018). Analisando a performance no dia 24/09/18 tem-se em relação ao cronograma, o VPR negativo (-R$1.621,35) indica que o projeto está atrasado no seu cronograma, o IDP de 0,74 indica que, na média, para cada 8 horas diárias de trabalho, teve-se uma eficiência de 74% no trabalho realizado, se o projeto continuar com esta performance seriam necessários 8 dias para realizar a colheita ao invés dos 6 dias previsto (6 dias/0,74). Nos custos, VC negativo (-R$660,80) indica que foi gasto mais do que o planejado para realizar a colheita, o IDC de 0,87 indica que o projeto que para cada R$1,00 investido no projeto, apenas R$0,87 está sendo convertido em valor agregado (trabalho convertido) mostrando uma ineficiência na aplicação dos recursos. Na análise de tendência para o dia 24, IDPT de 1,11 indica que para o projeto conseguir voltar a ter os gastos dentro do orçamento, o IDC melhorou de 0,87 para 1,11. O ENT indica o quanto será o custo total do projeto se a atual tendência de gasto se mantiver, assim, no dia 24 estimou-se que o custo total seria de R$12.744,38 (próximos do CR de R$12.537,12). O EPT indica quanto ainda seria necessário desembolsar para concluir o projeto (R$7.516,57) e o VNT indica que seria preciso alocar adicionais R$1.610,90 reais para o projeto. TABELA 6. Análise de variação e de tendência do projeto. Análise de Variação (1) Índices Análise de Tendência VPR (2) VC (3) IDP IDC IDPT (6) ENT (7) Data (4) (5) R$ R$ R$ R$ 19/09/18 (294.98) 155.31 0.86 1.10 0.98 10155.36 20/09/18 (294.98) (66.99) 0.86 0.96 1.01 11555.39 21/09/18 (294.98) (289.29) 0.86 0.86 1.03 12955.41 22/09/18 (294.98) (511.59) 0.86 0.78 1.06 14355.43 23/09/18 (589.96) (356.28) 0.86 0.91 1.05 12255.40 24/09/18 (1,621.35) (660.80) 0.74 0.87 1.11 12744.38 25/09/18 (1,621.35) (883.10) 0.74 0.84 1.16 13286.31 26/09/18 (736.42) (299.76) 0.91 0.96 1.09 11577.59 27/09/18 (2,357.77) (960.88) 0.77 0.89 1.43 12478.08 28/09/18 (2,709.35) (2,029.68) 0.76 0.81 3.99 13815.95 29/09/18 (2,029.68) 0.84 -0.45 13284.10

EPT (8) R$ 8542.86 9720.58 10898.30 12076.03 8363.49 7516.57 7836.19 3763.09 3561.03 3362.13 -

VNT (9) R$ 978.12 -421.90 -1821.93 -3221.95 -1121.92 -1610.90 -2152.83 -444.11 -1344.60 -2682.47 -

(1) Valores acumulados, (2) Variação de Prazo, (3) Variação de Custo, (4) Índice de Desempenho de Prazos, (5) Índice de Desempenho de Custos, (6) Índice de Desempenho para o Término, (7) Estimativa no Término, (8) Estimativa para Terminar, (9) Variação no Término

Com base nos resultados apresentados na Tabela 6 e tendo como referência o dia 24/09/2018, pode-se responder às seguintes perguntas: 1. Qual é a eficiência do uso do dinheiro? R.: A eficiência do dia foi de 87%. 2. Quantos centavos são "agregados" para cada real investido? R.: Para cada um real investido, foram agregados R$0,87 em trabalho realizando dentro das especificações do projeto. 3. Com qual eficiência deve ser usado os recursos restantes? R.: É necessária uma melhoria diária de pelo menos 26%. 4. Qual a eficiência que deve ser alcançada para que o projeto termine no orçamento previsto R.: Uma melhoria de pelo menos 13%.? 5. Quanto o projeto provavelmente custará? R.: R$12.744,38. 6. Estamos acima ou abaixo do orçamento? R.: Acima do orçamento. 7. Quanto custará o trabalho restante? R.: R$7.516,57. 337

8. Quais são as ocorrências que estão causando a atual variação no cronograma e no custo? R.: Chuva e quebra de maquinário. 9. O cronograma do projeto está a frente ou atrasado? R.: Atrasado. Os estudos de casos acima indicam que é possível utilizar a metodologia de análise do valor agregado para gerenciar a performance operacional das operações agrícolas. Foi possível mensurar o impacto das causas de variação no prazo de execução (atraso), no custo (acima do orçado), bem como, foi possível prever, durante a execução do projeto, quantos dias a mais seriam necessários e qual o recurso financeiro adicional necessário para finalizar o projeto. No entanto, futuros estudos são necessários a fim de validar a metodologia nos mais diferentes ambientes produtivos, aprimorar os cálculos de estimativas e ferramentas de coleta de dados.

2.3. Análise da Qualidade Agregada O Objetivo da Análise da Qualidade Agregada (AQA) é medir a habilidade do projeto em entregar os requerimentos feitos pelas partes interessadas do projeto, através da execução do projeto. Ela possibilita a avaliação momentânea da eficiência do projeto em entregar os padrões de qualidade baseado no tempo utilizado e o dinheiro investido (custo real). Adicionalmente, a metodologia busca associar o gerenciamento da qualidade com a metodologia tradicional da Análise do valor agregado (AVA). Para tanto, as etapas desenvolvidas e as fórmulas elaboradas seguiram o mesmo raciocínio lógico existente na AVA.

2.3.1. Metodologia Seguindo os mesmos padrões da metodologia de análise do valor agregado e com o objetivo de complementar os cálculos incluindo o componente da qualidade, foi proposta a metodologia cujos componentes e fórmulas são descritos na Tabela 7. Tabela 7. Componentes da AQA (adaptado de DODSON, DEFAVARI, & CARVALHO, 2015). Nome

Descrição

Indicadores de Qualidade (IQ)

É os indicadores de qualidade para uma atividade. A unidade pode mudar de acordo com o IQ

Índice de desempenho qualidade (IDQ)

Número Índice da Qualidade (NIQ)

Fórmula

Indica o quão eficiente o projeto é conduzido para atender ao IQ da tarefa. É usado quando uma tarefa tem um requisito de qualidade ou como parte do Número de Índice de Qualidade (NIQ) quando uma tarefa tem mais de um IQ

IDQ = 1 - Quando o(s) indicadores de qualidade estão dentro do padrão estabelecido

A razão entre a Soma do Índice de Desempenho de Qualidade (IDQ) para uma determinada tarefa, dividido pela soma do número de Requisitos de Qualidade (∑IQ) para uma determinada tarefa. É usado quando uma tarefa tem mais de um requisito de qualidade

NIC= ∑ IDQ /∑IQ

IDQ = 0 - Quando o(s) indicadores de qualidade estão fora do padrão estabelecido

1 QR = 1∑QR

338

Nome

Descrição

Fórmula

Valor Agregado da Qualidade (VAQ)

O valor agregado do trabalho que atendeu ao IQ do trabalho realizado. É estimado multiplicando o IDQ (ou NIQ) pelos custos reais (CR) expressos em unidades monetárias.

Variação da Qualidade (VQ)

Indica a eficiência de qualidade cumulativa do projeto

VAQ = IDQ *CR (quando houver apenas um IQ por atividade) VAQ = NIQ *CR (quando houver mais de um IQ por atividade) VQ= VAQ -CR

Na Tabela 8 são descritas as possíveis combinações entre as medidas de desempenho do cronograma, do custo e da qualidade, indicando os diversos resultados possíveis na utilização do tempo e do dinheiro para realizar uma atividade ou operação agrícola. O cenário ideal é estes indicadores tendo valor igual 1, que indica que, os padrões e especificações técnicas definidas foram alcançadas. No sentido oposto, valores menores que 1 indicam que a atividade foi realizada fora dos padrões de qualidade estabelecidos. Tabela 8. Possíveis combinações de indicadores da AVA integrada com o VAQ. Medidas de desempenho

VPR > 0 & IDC > 1.0

Cronograma VPR = 0 & IDC = 1.0

VPR< 0 & IDC < 1.0

Medidas de desempenho

Sob especificação Na programação Abaixo do orçamento

Sob especificação Atrasado Abaixo do orçamento

QV = 0 & QPI = 1.0

VC > 0 & IDC > 1.0

Fora de especificação Antes do previsto Abaixo do orçamento

Fora de especificação Na programação Abaixo do orçamento

Fora de especificação Atrasado Abaixo do orçamento

QV > 0 & QPI = 0

VC = 0 & IDC = 1.0

Sob especificação Antes do previsto No orçamento

Sob especificação Na programação No orçamento

Sob especificação Atrasado No orçamento

QV = 0 & QPI = 1.0

VC = 0 & IDC = 1.0

Fora de especificação Antes do previsto No orçamento

Fora de especificação Na programação No orçamento

Fora de especificação Atrasado No orçamento

QV > 0 & QPI = 0 QV

VC < 0 & IDC < 1.0

Sob especificação Antes do previsto Acima do orçamento

Sob especificação Na programação Acima do orçamento

Sob especificação Atrasado Acima do orçamento

QV = 0 & QPI = 1.0

VPR = 0 & IDC = 1.0 Fora de especificação Na programação Acima do orçamento

VPR< 0 & IDC < 1.0 Fora de especificação Atrasado Acima do orçamento

VPR > 0 & IDC > 1.0

VC < 0 & IDC < 1.0

Fora de especificação Antes do previsto Acima do orçamento

Qualidade

Custo

VC > 0 & IDC > 1.0

Sob especificação Antes do previsto Abaixo do orçamento

QV > 0 & QPI = 0

Esta proposta metodológica se insere após a 4ª etapa (Elaboração dos custos do projeto (Cultura Agrícola) e seu orçamento) para a elaboração do Plano Base do Projeto (PBP). Para ilustrar sua aplicação, em cada processo, é descrito o estudo de caso que originou esta proposta, conforme apresentado a seguir: 1) Identificar cada indicador de qualidade para cada atividade listada na estrutura analítica de projeto (EAP) e definir o método de coleta de dados

339

O estudo de caso foi o acompanhamento da colheita da soja da safra 2014-2015, em uma área de 20 ha, onde foram definidas as atividades que envolvem o “projeto de colheita da soja”. No estudo de caso, somente foram definidos os dos indicadores de qualidade para o item 1.2.1 no quesito da Colheitadeira. Para perda de grãos, foi utilizado amostragens pré e pós a passagem da colhedora. Horas trabalhadas foram medidas a campo e a umidade e as impurezas pelos relatórios recebidos da empresa de armazenagem de grãos. 2) Definir os limites de especificação A próxima etapa é elaborar uma tabela com os limites de especificação listados acima e que foram aprovados pelas partes interessadas do projeto, bem como, o referido Índice de desempenho da qualidade (IDQ) para cada indicador (Tabela 9). Tabela 9. Indicadores de qualidade na colheita da Soja

Descrição Limite inferior de especificação Especificação Limite superior de especificação Fora de especificação

Impurezas (%)

Teor de umidade (%)

Horas trabalhada (horas)

Perda de grãos (Bags/ha)

Índice de desempenho da qualidade (IDQ)

6.5

0.0

1.0

7.0

1.0

7.5

1.5

1.0

>14

>7.5

>1.5

0.0

3) Monitoramento, controle e coleta de dados dos indicadores de qualidade (IDQ) A Equipe responsável por monitorar e controlar a qualidade da execução da colheita trabalha em conjunto com os responsáveis pelo gerenciamento dos custos e do cronograma. Os dados são processados e avaliados diariamente. A metodologia para coletar os dados foram definidas no item 1. Após a tabulação dos dados, foi calculado a porcentagem das amostras que estavam dentro ou fora das especificações descritas na Tabela 9. 4) Cálculo dos componentes do Valor Agregado da Qualidade (VAQ) e a Variação da qualidade (VQ) Em seguida, são calculados todos os componentes do VAQ e a VQ e dispostos na Tabela 10. Tabela 10. Indicadores de qualidade e o cálculo do custo real, do VAQ e VQ.

5) Elaboração da tabela de análise conjunta da AVA e do VAQ Na Tabela 11 é descrita a união dos dados coletados da AVA com a do VAQ, permitindo assim, uma análise conjunta do impacto das causas de variações ocorridas durante a colheita da soja no cronograma, no custo e na qualidade da operação. 6) Elaboração curva “S” conjunta da AVA e do VAQ A inclusão do Valor Agregado da Qualidade (VAQ) acumulado na curva “S” da AVA auxilia o agricultor e/ou responsável pela condução da cultura visualizar a performance na condução da lavoura bem como constatar de forma rápida de o tempo e dinheiro estão sendo convertidos (agregados) na qualidade desejada.

340

Figura 5. Curva “S” agregando os componentes da AVA e do VAQ. A seguir, segue a interpretação dos resultados apresentados nas Tabelas e Figura acima. Podese desta forma entender o conceito de performance na execução do projeto “colheita da soja”, mostrando que é possível “valorar” o impacto das causas de variação no cronograma, custo e qualidade.

2.3.1.1. Gerenciamento do cronograma e do custo A colheita estava planejada para ocorrer entre o dia 6 e 13 de abril de 2013. No entanto, a chuva ocorrida na manhã do dia 6, forçou o agricultor iniciar a colheita no dia 9. Todo maquinário e caminhão foram levados à área de colheita no dia 9, iniciando a colheita na parte da tarde. Choveu novamente a área na noite do dia 10, fazendo com que o agricultor retirasse todas as máquinas da área para outra onde não choveu. Somente foi possível retornar à área no dia 19 de abril, onde ele trabalhou por quatro dias, terminando a colheita no dia 22. A variação no prazo (VP) teve valor negativo indicando que a operação estava atrasada a um custo acumulativo entre os dias 6 e 9 de R$778,20. Como a colheita foi fracionada e terminou no dia 22 de abril, ao invés do dia 13, o agricultor não conseguiu recuperar o tempo perdido fazendo todos os indicadores de prazo ficassem negativos ou abaixo de 1. Assim, o agricultor não conseguiu cumprir os prazos estabelecidos para a entrega do projeto. O orçamento para o projeto de colheita foi de R$7.951,35. A necessidade de levar os equipamentos duas vezes à área associado ao fato que entre o período de 10 a 19 de abril o armazém, que ia receber sua carga de soja, ficou cheio e o agricultor teve que levar a produção para outra empresa localizada à 100km de sua propriedade. Assim, o custo final ficou em R$10.470,60, representando uma variação de custos de R$3.389,31 e num Índice de Desempenho de Custos (IDC) de 0,46.

341

Tabela 11. Valor para o projeto de colheita da soja, valor acumulado planejado, valor agregado, custos reais, e a qualidade conquistada. EAP

Descrição

Valor planejado (R$)

1 Colheita de soja 1.1 Pré colheita 1.1.1 Frete: Colheitadeira 1.1.2 Frete: Trator + carregador 1.1.3 Frete: Tronco 1 1.2 Colheita 1.2.1 Colheitadeira 1.2.2 Transferência do grão: (trator + carregador) 1.2.3 Controle de qualidade 1.2.4 Frete 1 (Trunck próprio) 1.2.5 Frete 2 (contratante) 1.2.6 Frete 3 (contratante) 1.3 Gerenciamento de Projetos 1.3.1 Carro 1.3.2 Caminhonete 1 1.3.3 Caminhonete 2 1.3.4 Taxa de juros 1.3.5 Contratos 1.3.6 Alimentação Valor Planejado - VP (R$) Custo Real - CR (R$) CR- Cumulativo (R$) Atividade (%) Valor agregado - VA (R$) Variação de custo - VC (R$) Índice de desempenho de custos - IDC Variação de cronograma – VPR (R$) Índice de desempenho de cronograma - IDP Vaq(R$) Variação de Qualidade - VQ (R$) Número Índice de Qualidade - NIQ

Dias 555,27 139,77 26,38 3.886,89 419,32 354,49 1.260,00 933,33 267,01 7,44 5,00 96,00 7.950,90

591,35 147,58 27,49 640,63 73,79 135,60 123,15 -

699,77 73,79 135,60

32,63 7,44 5,00 18,00 1.802,66 1.802,66 100 1.512,51 (290,60) 0,84 (896,37) 0,63 1.352,33 (450,78) 0,75

32,63

3.325,73 0 2.408,88 (917,30) 0,72 (3.027,90) 0,44 2.494,63 (831,54) 0,75

537,00

26,29

18,00 1.496,78 3.299,45 100 2.408,88 (917,30) 0,72 (1.316,37) 0,65 2.494,63 (831,54) 0,75

Abril 2013 12 R$ 0 (434,27) 0,36 -

13 0 (5.542,47) 0,30 -

19*

699,77 73,79 135,60 249,23

699,77 73,79 135,60

699,77 73,79

674,67

656,67

32,63

18,00 1.209,01 7.354,85 100 5.436,78 (1.918,52) 0,74 (5.542,47) 0,30 5.516,47 (1.536,57) 0,75

18,00 1.634,45 8.989,30 100 6.753,15 (2.236,60) 0,75 (5.542,47) 0,30 4.494,87 (4.494,87) 0,50

18,00 1.480,85 10.470,15 100 7.950,90 (2.519,25) 0,76 (5.542,47) 0,30 5.235,30 (5.235,30) 0,50

591,35 147,58 27.49 699,77 73,79 135.60

1.049,00

44,90 32,63

18,00 2.820,11 6.145,84 100 3.725,24 (2.421,04) 0,61 (5.542,47) 0,30 4.609,71 (1.536,57) 0,75

342

2.3.1.2. Gerenciamento da qualidade A análise da eficiência em transformar os recursos do projeto em uma operação agrícola dentro das especificações definidas, são realizadas com a análise da Tabela 11. Se os dados coletados a campo estiverem dentro das especificações o indicador recebe a nota 1, caso contrário a nota zero. Como os dados foram coletados diariamente, foi possível verificar o impacto das variabilidades durante o processo de colheita. Abaixo segue-se a análise feita para o dia 21, mas é possível realizar o mesmo raciocínio para os demais dias. No dia 21 de abril a umidade da soja estava acima do índice de qualidade (IQ) bem como a perda de grãos, resultando num VQ de -R$817,22. Isto indica que o agricultou investiu R$1.634,45 para ser convertido em trabalho dentro da especificação técnica, mas apenas a metade foi agregada na execução do projeto e Número Índice da Qualidade (NIQ) de 0,5 indica que de cada R$1,00 investido para fazer o trabalho no tempo e qualidade correta, apenas 50% foram convertidos para este objetivo, ou outros 50% são o custo da falta de qualidade. De maneira geral o NIQ foi de 0,67 indicando uma eficiência no uso dos recursos de 67% ou o desperdício de R$3,396.47 por não atingir as metas que ele próprio estipulou. Esta análise é possível de ser realizada diariamente, permitindo ao gestor a possibilidade de fazer ajustes a fim de melhorar seus índices de qualidade. O foco é valorar a qualidade operacional e sua variabilidade. Espera-se assim, motivar os agricultores e técnicos a desenvolver ações para que suas operações agrícolas estejam dentro do padrão agronômico/técnico/experiência definido para elas por saber quanto custa trabalhar fora dos padrões. Tomando a análise do dia 21 como exemplo, o agricultor se preparou para investir 7 horas de trabalho e R$1.634,45 para realizar a colheita dentro dos padrões estipulados e somente conseguiu atingir 50% dos padrões. No final do dia, o agricultor poderia afirmar: “Hoje minha performance foi de 50%, a falta de qualidade fez com que R$817,22 do meu dinheiro não se convertesse em trabalho da maneira que eu havia planejado.” Busca-se quebrar o conceito de muitos agricultores e técnicos de aceitar as variabilidades como “normais”, por saber quanto custa a variabilidade, bem como, entender quanto do esforço atingiu o objetivo e quanto a falta de qualidade o impactou. Finalmente, Há muito para se desenvolver neste campo bem como aprimorar a base de cálculos para os diferentes cenários, mas a linha de raciocínio já está definida: realizar a melhoria contínua dos processos através da monetização das performances operacionais.

3. Considerações Finais O presente capítulo teve por objetivo apresentar a metodologia da análise do valor agregado (AVA), e a proposta de incluir nesta metodologia o componente da qualidade, como ferramentas que podem auxiliar agricultores e técnicos envolvidos no gerenciamento de culturas agrícolas a quantificar performance operacional e o custo da não qualidade nas operações agrícolas realizadas. Adicionalmente, a AVA e a análise da qualidade agregada (AQA) podem fornecer informações para ajudar na tomada de decisão durante a execução da atividade e estimar o potencial de impacto das variações ocorridas ao longo do ciclo. É necessário, portanto, que outros estudos sejam realizados para validar (ou não) estas metodologias. Em todos os estudos realizados por estes autores, ficou evidente que sua aplicabilidade depende de uma gestão eficiente de custos e operações agrícolas. Se a empresa agrícola não possui uma cultura gerencial profissionalizada, dificilmente conseguirá coletar informações com o mínimo de confiabilidade necessária para gerar os indicadores da AVA. Este contexto pode significar um nicho para o desenvolvimento de softwares e sensores para a coleta da maioria dos indicadores que compõem o cronograma, o custo e a qualidade das operações agrícolas necessárias para a execução do projeto (ciclo da cultura).

343

4. Referências bibliográficas CARNEIRO GA, VOLTARELLI MA, DODSON MS (2019) Uso da Metodologia de Análise do Valor Agregado no desempenho operacional da colheita de trigo. In: XLVIII Congresso Brasileiro de Engenharia Agrícola – CONBEA 2019. DODSON MS (2012). Project Management and Sustainable Agriculture. 10th Annual Argosy University College of Business Conference, Sarasota Campus (pp. 1-15). Sarasota, FL: Argosy University. DODSON MS (2014). Earned value management: the soybean harvesting case study. 18th World Congress of CIGR (p. 131). Beijing, CH: CIGR. DODSON MS (2015). Earned Value Management in Agriculture : Case Study of Sugarcane planting operation. Sarasota, Florida: Argosy University. DODSON MS, DEFAVARI G, CARVALHO VP (2015). Quality: The Third Element of Earned Value Management. ProjMAN 2015 - International Conference on Project Management , pp. 1-8. DODSON MS, PESAKOVIC G, CARVALHO, VP (2019). Earned value management in agriculture: Case study of sugarcane Operatioin. 16th SGBED International Conference, pp. 1-10. GRENIA RC, POSLUSZNY A (1998). The Farmer as Project Manager. 29th Annual Project Management Institute 1998 Seminars & Symposium, 6. HAMILTON BA (2008). Earned Value Management Tutorial Module 1: Introduction to Earned Value Management. Fonte: Departament of energy United States of America: https://www.energy.gov/sites/default/files/maprod/documents/EVMModule1.pdf HAYES RD (2001). Perdue University. Fonte: construction, Engineer and Management: https://core.ac.uk/download/pdf/36704305.pdf KERZNER H (2015). Gerenciamento de Projetos: uma abordagem sistêmica para planejamento, programação e controle. São Paulo, Blucher, 676 p. LACERDA L (2017). ANÁLISE DE VALOR AGREGADO: DIFICULDADES E SOLUÇÕES PARA SUA IMPLANTAÇÃO EM PROJETOS DE DIFERENTES PORTES. Rio de Janeiro: FGV . LEONELO WD (2021) 12 Benefícios do Gerenciamento de Projetos. Disponível em: <https://ortogonalprojetos.com.br/blog/12-beneficios-gerenciamento-projetos/>. Acesso em: 27 abr 2021. MONTES E (2020) Gerenciamento do valor agregado. Disponível em: <https://escritoriodeprojetos.com.br/gerenciamento-do-valor-agregado> Acesso em: 27 abr 2021. NASA - National Aeronautics and Space Administration (2018). NASA/SP-2018-599 Earned Value Management (EVM) Implementation Handbook (.docx). Fonte: https://www.nasa.gov/evm/handbooks PMI - PROJECT MANAGEMENT INSTITUTE (2017). Um Guia do Conhecimento em Gerenciamento de Projetos (Guia PMBok). Newtown Square, Pensilvania: Project Management Institute INC. PMI - PROJECT MANAGEMENT INSTITUTE (2018). The pulse of the profession. Fonte: https://www.pmi.org/-/media/pmi/documents/public/pdf/learning/thought-leadership/pulse/pulse-ofthe-profession-2018.pdf?sc_lang_temp=en PMI - PROJECT MANAGEMENT INSTITUTE (2019). The Standard for Earned Value Management. Chicago, IL: Project Management Institute. SMITH P (1984) Agriculture Project Management. New York: Elsevier Science Publishing Co. Inc., 84p. TEIXEIRA NETTO J, OLIVEIRA NL, FREITAS AP, SANTOS JA (2018). Utilização do valor agregado como ferramenta de gestão na construção civil: uma análise quantitativa. Ambiente Construído, pp. 237-257.

344

Diagramação: Alexandre Ignacio Florio E-mail: alexflorio06@hotmail.com

345

346

Controle de Qualidade em Processos Agrícolas Mecanizados

Articles inside

AGRÍCOLAS

15 CEQ QUALIDADE EM OPERAÇÕES DA COLHEITA DE AMENDOIM

FERTILIZANTES E PRODUTOS FITOSSANITÁRIOS

PROCESSAMENTO INDUSTRIAL

09 CONTROLE ESTATÍSTICO DE PROCESSOS APLICADOS A SEMEADORAS

IMPLEMENTOS AGRÍCOLAS

AGRICULTURA

07 QFD APLICADO AO DESENVOLVIMENTO E ANÁLISE DE PRODUTOS AGRÍCOLAS

PIONEIRISMO, EXPERIMENTAÇÃO, FRACASSOS E SUCESSOS

FMEA DE PROJETO PARA O DIAGNÓSTICO DE FALHAS DE MÁQUINAS E

MECANIZADOS

ANÁLISE DO VALOR AGREGADO NA AGRICULTURA: UM ESTUDO SOBRE PERFORMANCE DAS OPERAÇÕES AGRÍCOLAS (CRONOGRAMA X CUSTO X QUALIDADE) ............................................................................................................................................................327

QUALIDADE EM OPERAÇÕES LOGÍSTICAS DOS SISTEMAS AGRÍCOLAS