AGRICULTURA

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= Amplitudedoslimitesestabelecidos Variabilidadeinstrínsica (1)

Cp=

(LES−LEI) (��+3��)−(��−3��) (LES−LEI) 6σ

Em que: Cp - índice de capacidade LES – Limite estabelecido superior LEI – Limite estabelecido inferior �� – Desvio padrão amostral ou variação intrínseca ao processo �� – média amostral (2)

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:

Cp > 1,33 1≤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 intervalode confiança de (1-α)%. O intervalo de confiança pode ser calculo de acordo com a seguinte equação 3:

������√�� 1− �� 2, 2 ��− ��− 1 1 ≤ ���� ≤ ���� ��√���� 2, 2 �� ��−1 −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.

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) Amostras IC (0,95) Cp IC (0,025)

1 180 0.386 0.437 0.491 3 60 0.498 0.587 0.692 5 36 0.523 0.636 0.751 9 20 0.545 0.667 0.855 15 12 0.570 0.761 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).

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

1.1

1

y = 0.1239x + 0.392 R² = 0.9695

0.9

0.3 0.4 0.5 0.6 0.7 0.8Índice de capacidade do processo

0.2 y = 0.073x + 0.3987 R² = 0.9316

y = 0.0414x + 0.3803 R² = 0.8459

0.1

0

180 rep 3 sub 5 sub 9 sub 15 sub

Cp IC (0,95) IC (0,025) Linear (Cp) Linear (IC (0,95)) Linear (IC (0,025))

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

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

CPU= (LES− µ) 3σ (4)

(5)

Em que, LES – Limite estabelecido superior LEI – Limite estabelecido inferior �� – Desvio padrão ou variação intrínseca ao processo �� – 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):

������ = 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:

������ = ���� (1−��)

k = |m− µ| (������−������) 2

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

Índices de Performance do processo – Pp

(7)

(8)

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= ���������������������������������������������������������������� Variabilidadetotal (9)

Pp=

(LES−LEI) (��+3��)−(��−3��) (LES−LEI) 6σ

Em que: Pp - índice de performance do processo LES – Limite estabelecido superior LEI – Limite estabelecido inferior �� – Desvio padrão amostral ou variação total do processo �� – média amostral (10)

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

PPU= (LES− µ) 3σ

Em que, LES – Limite estabelecido superior LEI – Limite estabelecido inferior �� – Desvio padrão amostral ou variação total do processo �� – média amostral (11)

(12)

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):

������ = 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 6.√∑n i= (Xi1 n − − meta 1 )2

Se a meta = ������+������ 2 (14)

Cpm= ��í��������[(LES−meta),(meta− LEI)] 6

2 .√∑n i= (Xi1 n − − meta)2 1 Se a meta 

������+������ 2 (15)

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 (��′), apresentaremos duas opções baseadas nas equações 16 e 17:

R̅ ��2 (16)

Essa metodologia é semelhante ao monitoramento da variabilidade nas cartas de controle AM, Xbar-R e X-bar-S, onde o R é o valor das amplitudes de valores individuais ou também pode ser usada quando existe subgrupos e ��2 possui valor tabelado por uma constante (MONTGOMERY, 2009; PORTAL ACTION, 2021).

O outro exemplo, a ser elucidado para o cálculo da variação aleatória (��′), baseia-se no fato de corrigir o valor do desvio padrão dos subgrupos (S̅) em função de um valor tabelado (��4), (eq. 17) (MONTGOMERY, 2009):

S̅ ��4 (17)

Essa condição também pode ser aplicada ao gráfico X-bar-R 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:

σ= √∑�� ��= (����1 −��)2 ��−1

Em que, ���� – valores amostrais �� – média amostras de todos os valores �� – número de amostras coletadas (18)

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 (��4) (MONTGOMERY, 2009; PORTAL ACTION, 2021):

σ=

√∑�� ��=1 (���� −��)2 ��−1

��4(��) (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.

Amostras coletadas 1 2 Dias de monitoramento 3 4 5 6 7 Perdas totais (kg/ha)

1 30 0 48 60 45 45 60 2 36 30 0 55 40 36 47 3 45 18 60 40 0 48 45 4 44 40 42 30 39 16 0 5 50 55 47 0 42 0 10

R 5.50 19.75 32.80 15.00 21.75 17.25 17.50 Dp curto prazo (��′) 4.88 17.51 29.08 13.30 19.28 15.29 15.51 Dp longo prazo (σ) 7.94 20.97 23.00 23.87 18.70 20.47 25.91

Dp – desvio padrão; R - 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 (R = 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.

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.