09 CONTROLE ESTATÍSTICO DE PROCESSOS APLICADOS A SEMEADORAS

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).

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

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

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

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 (Tabela1) conforme as recomendações de CAMPOS (2007).

Tabela 1. Classificação do processo pelo índice Cpk eCp.

Valores Cpk e Cpc

≥ 1,33 1 e 1,32 < 1 Fonte: CAMPO (2007).

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.

Fonte: ELSMAR (2009).

Classificação do processo

Cpk Cp

Capaz

Adequado Parcialmente capaz Parcialmente adequado

Incapaz Inadequado

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

1 em 3 <0,33 0,33

1 em 8

1 em 20 0,51 0,67

1 em 80

1 em 400

1 em 2.000

1 em 15.000

1 em 150.000 0,83 1,00 1,17 1,33 1,50

≤1 em 1.500.000 1,67

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,

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

������−������ 6.(√�� 2

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

1 ��∑�� 1|���� −��| (1)

(2)

MONTGOMERY (2004) descreve a MMEP como:

���� =��.∑��− 0 (11 −��).����−�� +(1−��)�� .��0 (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: ������ =��+��.��.√(2 �� −��).[1−(1−��)2.��] (4)

�� (2−��).[1−(1−��)2.��] (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.

Tabela 3. Metodologia utilizada para especificar os limites de controle.

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.

Classificação dos espaçamentos

Múltiplos Aceitáveis Falhos

Intervalo de tolerância para variação Xi

Xi < 0,5. Xref 0,5. Xref < Xi < 1,5. Xref Xi > 1,5. Xref

Tabela 4. Estatística descritiva básica da distribuição longitudinal de sementes.

Observações Média σ Var. CV Min. Max. Cs Ck

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.

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 eCp<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 valorde 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.

Tabela 5. Estatística descritiva básica da distribuição longitudinal de sementes.

Teste 1 Teste 2

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

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:

231 7,17 4,51 2,12 29% 15,5 2 13,5 6,4 8,7 267 6,85 2,68 1,63 23% 14,5 3 11,5 10,7 18,8

Tabela 6. Avaliação de duplos, falhas e sementes quebradas.

Teste Quebrada Duplo

Teste1 5 (2,16%) Teste 2 5 (1,87%) 4 (1,73%) 4 (1,49%)

Fonte: ALBIERO (2010).

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).

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

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).

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).

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).

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

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

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.

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.