O Que São Causas Comuns De Variação

O básico que ninguém explica direito

Causas comuns de variação são aquelas flutuações intrínsecas a qualquer processo que funciona dentro dos seus limites normais. Você não as elimina — você convive com elas e as mede. O erro aqui é gastar energia tentando consertar algo que já é esperado. Se o seu gráfico de controle mostra pontos dentro dos limites de controle, o processo está apenas fazendo o que ele faz. Sempre. Existe outro tipo, o de causa especial, que é quando algo específico quebra o padrão. Um lote de matéria-prima fora da especificação, uma ferramenta desgastada, um operador novo sem treinamento. Esse sim pede ação. Confundir os dois é o erro mais caro que eu já vi em linha de produção.

O que são causas comuns de variação e por que elas importam

No dia a dia, causas comuns se manifestam como ruído. A temperatura do ambiente varia meio grau ao longo do dia. A umidade muda conforme o horário. A máquina tem uma folga mínima que se repete em cada ciclo. Nada disso é defeito. É o processo sendo processo. O problema prático é que gerentes e supervisores veem variação e sentem que precisam fazer algo. Eles ajustam parâmetros, trocam configuracoes, responsabilizam operadores. E o resultado quase sempre é o mesmo: a variação continua, mas agora você gastou tempo, material e nervos. W. Edwards Deming chamou isso de interferência. Ele estimava que 94% das variações em processos são de causa comum e só 6% de causa especial. A maioria das empresas tenta tratar as 94% como se fossem problemas a resolver. Na prática, isso significa que a primeira pergunta diante de qualquer variação deve ser: isso está dentro da capacidade do meu processo? Se a resposta for sim, o próximo passo é aceitar, não corrigir. Aceitar não é preguiça. É decisão técnica.

Como identificar na prática

Gráficos de controle são a ferramenta padrão. Xbar-R para variáveis, I-MR quando os dados são individuais. O que funciona no papel nem sempre funciona no chão de fábrica porque todo mundo quer gráficos bonitos, não gráficos úteis. Eu prefiro começar pelo I-MR. É mais rápido de calcular, menos sensível a erros de subgrouping e revela tendências que o Xbar-R esconde quando você subdivide mal os dados. A regra prática é simples: se todos os pontos estão entre os limites de controle e não há padrões não aleatórios, você tem causas comuns dominando o processo. Pontos fora dos limites, corridas de sete ou mais pontos no mesmo lado da média, tendências de seis pontos subindo ou descendo — isso sim indica causa especial. Mas aí vai o detalhe que os livros não mostram: às vezes o ponto fora do limite é ruído legítimo em um processo que já está instável. Você precisa olhar o histórico, não apenas o ponto isolado. Eu já perdi duas horas num gráfico que parecia perfeito até perceber que os subgrupos estavam sendo montados com peças de turnos diferentes. O gráfico mostrava controle porque a variabilidade entre turnos estava sendo engolida pela variabilidade dentro do subgrupo. Quando separamos por turno, a variação de causa comum saltou na cara. O processo nunca esteve sob controle. Só nosso agrupamento de dados estava errado.

A parte que ninguém conta sobre capacidade de processo

Uma vez eu cheguei numa linha onde o Cp era 1,67 — tecnicamente impecável. O cliente aprovou semquestionar. Mas quando olhei o Cpk, tava em 0,89. O processo era capaz, mas estava deslocado. As causas comuns de variação estavam bem comportadas em termos de dispersão, mas o centro do processo tinha derivado por um ajuste de máquina que ninguém registrou. O Cp sem o Cpk é uma métrica que mente. Sempre. O que isso significa na prática: antes de declarar um processo como sob controle estatístico, verifique os dois índices. Se o Cpk estiver abaixo de 1,0, você tem um problema de centragem que causas comuns não explicam sozinhas. Pode ser um equipamento desalinhado, um molde desgastado de forma assimétrica, ou simplesmente uma configuração inicial errada que foi normalizada por padrão, não por decisão técnica.

Quando causas comuns viram problema real

Não adianta só aceitar a variação. Se a variação comum é maior que a tolerância do cliente, o processo não atende. Aí a solução não é procurar causasespeciais — é reduzir a variabilidade intrínseca. Isso exige investimento em projeto do processo, não em inspeção. Troca de equipamento, mudança de método, atualização de fornecedores. Coisa de gerência, não de operador. Eis o ponto que mais gera confusão: causas comuns de variação são responsabilidade da liderança. Causas especiais são responsabilidade do operador ou do técnico de manutenção. Misturar essas duas esferas é a principal razão pela qual programas de qualidade falham. O operador recebe meta de redução de variação sem ter autoridade para mudar o que causa a variação. Em uma ocasião, tive que lidar com um processo de usinagem onde a variação dimensional oscilava dentro de 0,05mm — dentro do limite de controle, mas acima do que o cliente pedia. A solução não era apertar o controle estatístico. Era trocar a fresa por uma de revestimento diferente e ajustar a velocidade de corte. O processo era estável, só não era capaz. Duas decisões de engenharia resolveram algo que dezenas de reuniões de qualidade não conseguiram.

O limite dessa abordagem

Gráficos de controle assumem normalidade. Se seus dados não são normais, os limites de controle estão errados. Dados de contagem exigem abordagens diferentes. Processos com autocorrelação alta, como os de reatores químicos, podem parecer sob controle quando na verdade estão com comportamento dinâmico que o gráfico não captura. Nesses casos, modelos ARIMA ou gráficos de resíduos ajustados são mais adequados. O gráfico de Shewhart é uma ferramenta de primeira aproximação, não uma solução universal. Além disso, a distinção causa comum versus causa especial não é absoluta. Às vezes o que parece variação comum é na verdade um conjunto de causas especiais pequenas e frequentes que, somadas, produzem o mesmo efeito estatístico. Identificar isso exige análise mais fina — mapa de processo, estudo de capacidades por estação, medição sistemática de inputs críticos. Se você tem acesso a dados de lote a lote ou lote a lote, use essa granularidade. Agregação excessiva esconde padrões. O que é e para que serve causas comuns de variação é simplesmente isso: entender que nem toda flutuação pede ação, e que a maioria das ações ruins vêm de tentar controlar o que não precisa ser controlado. O resto é matemática, disciplina e saber quando parar de mexer.