Resumo
Neste trabalho, a estabilidade de três estações de tratamento de água em função do porte, foi comparada aplicando o gráfico de controle estatístico de processo aos dados secundários do monitoramento do parâmetro turbidez. Tendo em vista a presença de autocorrelação nos dados, foi necessário aplicar a abordagem baseada em modelos de séries temporais para, em seguida, empregar o gráfico de controle aos resíduos. Observou-se que a aplicação dos gráficos de controle aos dados originais, os quais apresentam elevada autocorrelação, aumenta consideravelmente a quantidade de pontos fora dos limites de controle. A ETA 3, classificada como de grande porte, apresentou melhor desempenho e maior estabilidade no processo de tratamento de água quando compara às ETAs de médio e pequeno porte. Esses resultados são compatíveis com o esperado, uma vez que as estações de tratamento de água de grande porte, em sua maioria, apresentam melhor performance devido à utilização de sistemas automatizados e equipamentos de alta precisão, os quais permitem reduzir a probabilidade de erros ou desvios na operação, além da possível maior capacitação técnica dos operadores. Ademais, a hipótese de que eventuais modificações realizadas nas ETAs ao longo do ano de 2015, devido ao estabelecimento de metas progressivas e mais restritivas pela Portaria 2914/2011, aumentaria a eficiência e melhoraria o desempenho do processo de tratamento de água em 2016 não foi confirmada para as ETAs 1 e 2, de pequeno e médio porte, respectivamente.
Introdução
A distribuição de água com qualidade satisfatória tem se tornado um desafio cada vez maior para as prestadoras de serviços de saneamento em virtude do aumento da demanda, da deterioração da qualidade dos mananciais e do estabelecimento de padrões de potabilidade sucessivamente mais restritivos. Em geral, tais circunstâncias exigem que ampliações e modificações sejam implementadas nas estações de tratamento de água (ETAs), forçando-as a apresentarem um nível mais elevado de desempenho no processo de tratamento de água (OLIVEIRA et al., 2014).
Uma das formas de gerir com eficiência e confiabilidade o processo de tratamento de água para abastecimento humano consiste na utilização dos conceitos e ferramentas do controle estatístico de processos (CEP). Woodall (2000) esclarece que o CEP, ramificação do controle estatístico da qualidade, é uma técnica aplicada à produção que propicia a redução sistemática da variabilidade nas características da qualidade de interesse, e, como consequência, menores custos, maiores produtividades, consumidores mais satisfeitos e maiores lucros para a companhia.
Independentemente de quão bem projetado ou cuidadosamente mantido seja o sistema produtivo, uma certa variabilidade sempre existirá. Essa variabilidade natural ou ruído de fundo é o efeito cumulativo de muitas causas pequenas, geralmente inevitáveis. Quando o ruído de fundo for relativamente pequeno, considera-se que o processo apresenta um nível aceitável de desempenho. No âmbito do controle estatístico, essa variabilidade natural é ocasionada por causas comuns, e quando apenas causas comuns estão presentes, o sistema é definido como um sistema estável, sob controle estatístico. Em outras palavras, as causas comuns são inerentes ao processo (MONTGOMERY & RUNGER, 2003).
Ribeiro e Caten (2012) esclarecem que as causas especiais determinam variabilidade nas características chaves de qualidade do produto e geralmente aparecem de três fontes: máquinas desajustadas, erros de operadores ou matérias-primas com defeito. Tal variabilidade apresenta elevada magnitude quando comparada ao ruído de fundo, representando um nível inaceitável de desempenho. Um processo que esteja operando na presença de causas especiais é dito estar fora de controle. A principal finalidade da aplicação do CEP é, portanto, eliminar a variabilidade indesejada do processo, por meio da rápida detecção da ocorrência de causas especiais, de forma que a investigação e a posterior ação corretiva possam ser tomadas antes que os problemas se acumulem (MAHESH & PRABHUSWAMY, 2010).
Apesar da importância incontestável de todas as ferramentas que constroem um ambiente propício para a melhoria da qualidade e da produtividade de um sistema, Jarvis (2008) afirma que o gráfico de controle é a principal e mais sofisticada técnica do CEP. Esse gráfico fornece uma distinção clara entre os tipos de variações presentes no processo, contribuindo para identificar a real necessidade de intervenção. Essa identificação possibilita a alocação ótima dos investimentos na melhoria do sistema produtivo, auxiliando o processo a atingir alta qualidade, baixo custo unitário, consistência e previsibilidade.
Os gráficos de controle são construídos a partir de dados de monitoramento de um determinado processo, plotados num sistema de coordenadas cartesianas. O eixo das ordenadas é representado por uma dada característica do produto medida ou calculada na amostra e o eixo das abscissas é representado pelo número da amostra ou pelo tempo. Três linhas são traçados no gráfico, denominadas linha central (LC), comumente definida a partir do valor médio, limite superior de controle (LSC) e limite inferior de controle (LIC). Os limites de controle são escolhidos de tal forma que quando o processo está sob controle, todos os pontos da amostra cairão entre eles e, portanto, nenhuma ação é necessária. No entanto, quando um ponto se posiciona fora dos limites pode-se interpretar como uma evidência de que o processo está fora de controle, necessitando de investigações para que as causas especiais sejam encontradas e eliminadas (FOLLADOR, 2010).
Tais gráficos são projetados e avaliados partindo do pressuposto de que as observações do processo são estatisticamente independentes e que seguem a distribuição normal. No entanto, Montgomery (2009) afirma que a suposição de independência é frequentemente violada na prática em alguns processos industriais, devido à presença de elevada correlação nas características de qualidade do produto. O termo autocorrelação é usado para descrever a correlação de uma variável em um ponto no tempo com observações dessa mesma variável em tempos prévios. Quando existe a autocorrelação no processo, há identificação de causas especiais inexistentes na prática e não detecção de causas especiais que realmente estão presentes, implicando em uma alta taxa de falsos positivos e/ou falsos negativos. Essa situação prejudica o desempenho dos gráficos de controle, tornando-os ineficazes na redução sistemática da variabilidade nas características da qualidade de interesse.
Como a autocorrelação pode ter um efeito significativo sobre as propriedades dos gráficos de controle, tornase necessária a aplicação de técnicas para tratar essa questão. A principal técnica foi introduzida pela primeira vez por Alwan e Roberts (1988) que sugeriram a aplicação de gráficos de controle aos resíduos a partir do ajuste de um modelo de séries temporais aos dados. Os gráficos de controle utilizando os resíduos foram empregados também por outros autores (MONTGOMERY & MASTRANGELO, 1991; WARDELL et al., 1992; RUNGER et al., 1995; LU & REYNOLDS, 1999a, 1999b, 2001).
Autores: Guilherme Abreu Souza; Lívia Duarte Ventura Melo; Carolina Cristiane Pinto; Ana Luiza Cunha Soares e Sílvia Maria Alves Correa Oliveira.
