Dia Mundial da Qualidade: como a automação reduz variação e refugo na linha

Toda peça refugada nasceu de uma variação que ninguém conteve a tempo. Essa ideia, que atravessa a história da gestão da qualidade desde os trabalhos de Walter Shewhart sobre controle estatístico, ganha destaque na semana de 9 a 13 de novembro de 2026, quando o Chartered Quality Institute, entidade britânica de profissionais da qualidade, promove a Semana Mundial da Qualidade. O Dia Mundial da Qualidade, celebrado em data móvel de novembro, cai em 12 de novembro neste ano.

Para quem trabalha no chão de fábrica, a data é uma boa ocasião para uma pergunta objetiva: onde a automação de fato reduz variação e refugo, e onde ela apenas acelera a produção de peças ruins? A relação entre automação e qualidade é forte, mas não automática.

Variação: o inimigo que a automação combate

Todo processo varia. O controle estatístico de processo separa essa variação em dois tipos:

• Causas comuns: pequenas flutuações inerentes ao processo, como variação de matéria-prima dentro da especificação, temperatura ambiente e folgas mecânicas. Reduzi-las exige mudar o processo.
• Causas especiais: eventos identificáveis, como ferramenta quebrada, ajuste errado, lote de insumo fora do padrão ou operador novo sem treinamento. Devem ser detectadas e eliminadas.

A automação atua nas duas frentes. Controladores em malha fechada e acionamentos precisos reduzem a variação comum. Sensores, inspeção e lógica de intertravamento detectam e bloqueiam as causas especiais antes que virem lote perdido.

Controle na origem: menos variação para inspecionar

A forma mais eficiente de reduzir refugo é não produzi-lo. Algumas aplicações diretas:

• Malhas de controle bem sintonizadas para temperatura, pressão, vazão e dosagem. Uma malha oscilando é fonte permanente de variação, e a sintonia do controlador costuma ser um dos ganhos de qualidade mais baratos de uma planta.
• Receitas gerenciadas pelo sistema, carregadas no CLP ou no MES a partir de um cadastro controlado, em vez de parâmetros digitados a cada troca de produto. O acesso para alterar receita fica restrito e registrado.
• Servoacionamentos e posicionamento controlado, que repetem movimento com precisão muito superior à de acionamentos pneumáticos simples em aplicações de montagem e corte.
• Aparafusamento com controle de torque e ângulo, que registra a curva de cada aperto e reprova o que foge da janela.
• Dosagem gravimétrica em vez de volumétrica quando a densidade do material varia.

Nesses casos, a automação não detecta a peça ruim: ela impede que a variação chegue a gerar peça ruim.

Inspeção automática: visão e medição em linha

Quando a variação não pode ser eliminada na origem, a inspeção em 100% das peças passa a ser viável com automação.

Visão artificial

Sistemas de visão verificam presença e posição de componentes, dimensões, defeitos de superfície, rótulos, datas de validade e leitura de códigos. Diferente da inspeção humana, não se cansam no fim do turno. Em contrapartida, precisam de iluminação estável, lentes adequadas e ajuste cuidadoso dos critérios. Sistemas baseados em aprendizado de máquina ampliaram a capacidade de lidar com defeitos de aparência variável, mas exigem conjuntos de imagens representativos para treinamento.

Medição em linha

Sensores a laser, apalpadores, medidores por deslocamento e balanças dinâmicas medem cada peça em movimento. A vantagem não é só reprovar: o dado alimenta o controle estatístico e, em alguns casos, o ajuste automático do processo, como a correção de desgaste de ferramenta em usinagem a partir de medição feita logo depois da operação.

Cuidado com o sistema de medição

Inspeção automática também erra. Antes de confiar em um sistema de visão ou medição, vale fazer uma análise do sistema de medição, estudando repetibilidade e reprodutibilidade, e acompanhar dois indicadores:

• falso rejeito: peça boa reprovada, que gera custo e desconfiança;
• escape: peça ruim aprovada, que chega ao cliente.

Ajustar o critério para reduzir um costuma aumentar o outro. O equilíbrio depende do custo de cada erro para o negócio.

Controle estatístico em tempo real

O controle estatístico de processo tradicional depende de coleta manual, cálculos em planilha e gráficos atualizados no fim do turno. Com a coleta automática, os dados de sensores e inspeções vão direto para cartas de controle atualizadas a cada peça ou a cada amostra.

Isso muda o papel do controle estatístico: em vez de explicar o que aconteceu, ele passa a avisar o que está para acontecer. Regras de detecção de tendência, como sequências de pontos subindo ou do mesmo lado da média, disparam alarmes antes que a característica saia da tolerância. O operador ajusta o processo enquanto as peças ainda estão boas.

Para funcionar, a coleta precisa de:

• dados associados a produto, lote, máquina e turno;
• carimbo de tempo confiável;
• limites de controle calculados a partir do processo estável, não confundidos com limites de especificação;
• resposta definida para cada tipo de alarme.

Intertravamentos que impedem a peça errada

Uma parte importante do ganho de qualidade vem de lógica simples no CLP. São dispositivos à prova de erro, conhecidos pela expressão japonesa poka-yoke, implementados em automação:

• não iniciar o ciclo sem a peça correta no dispositivo, confirmada por sensor ou código;
• não liberar a montagem se o componente anterior não foi registrado como aprovado;
• bloquear a máquina quando a ferramenta atinge o limite de vida ou a calibração vence;
• exigir confirmação de que a peça reprovada caiu na caixa de rejeito, com sensor na saída;
• manter a caixa de rejeito trancada, acessível apenas a quem faz a disposição.

A confirmação de rejeito é um detalhe que costuma faltar. Uma peça reprovada que não caiu na caixa, por falha do desviador, segue para a embalagem como se estivesse boa.

Rastreabilidade

Registrar os dados de processo e de inspeção por peça ou por lote transforma a qualidade de reativa em investigável. Quando surge uma reclamação, é possível saber em que máquina, com qual receita e em que condições o item foi produzido, e delimitar o lote afetado com precisão, sem recolher toda a produção de uma semana.

Indicadores para acompanhar o ganho

Sem medir antes e depois, fica impossível dizer se a automação reduziu refugo ou só mudou o problema de lugar. Alguns indicadores ajudam a enxergar o efeito:

• Rendimento de primeira passagem: fração das peças aprovadas sem retrabalho na primeira vez. É o retrato mais honesto da qualidade de uma linha.
• Refugo e retrabalho por causa: um gráfico de Pareto com os motivos de reprovação mostra onde concentrar esforço. Quando a inspeção é automática, a classificação do defeito já vem registrada.
• Índices de capacidade do processo (Cp e Cpk): comparam a variação natural do processo com a tolerância. Um Cpk que cresce depois de uma melhoria de controle é evidência de que a variação caiu na origem.
• Falso rejeito e escape dos sistemas de inspeção, acompanhados à parte.
• Tempo até a detecção: quantas peças são produzidas entre o surgimento de um problema e a reação. Controle em tempo real deve reduzir esse número.

Esses dados, coletados automaticamente, também sustentam auditorias de sistemas de gestão da qualidade, que pedem evidência objetiva de controle do processo.

Onde a automação não resolve

• Processo incapaz: se a variação natural é maior que a tolerância, inspecionar 100% só troca retrabalho por refugo. É preciso melhorar o processo.
• Automação de um processo mal definido: automatizar sem padronizar reproduz o problema mais rápido.
• Dados sem ação: painéis cheios de gráficos que ninguém acompanha não reduzem refugo.
• Manutenção negligenciada: sensores sujos, câmeras desalinhadas e instrumentos descalibrados geram decisões erradas com aparência de precisão.

A Semana Mundial da Qualidade costuma ser lembrada com palestras e campanhas internas. Uma forma prática de aproveitá-la é escolher o maior motivo de refugo de uma linha e verificar se ele é tratado na origem, detectado na inspeção ou apenas contado no fim do mês.