A utiliza

A sustentabilidade na gesto dos negcios uma estratgia fundamental a ser seguida por todas as organizaes. No Brasil, nas indstrias voltadas ao processamento de alimentos, essa preocupao deve ser ainda maior, pois se estima que R$ 12 bilhes sejam desperdiados anualmente, equivalendo a 1,4% do Produto Interno Bruto (PIB), saldo esse suficiente para alimentar 30 milhes de pessoas carentes. Aproximadamente, 64% daquilo que plantado no Brasil, so desperdiados ao longo da cadeia produtiva e, a distribuio dessas perdas, d-se da seguinte forma: 20% na colheita, 8% no transporte e armazenamento, 15% na indstria de processamento, 1% no varejo e 20% no processamento culinrio (Akatu, 2004).

No ltimo processo dessa cadeia produtiva, que se enquadram as Unidades de Alimentao e Nutrio (UANs), que segundo Lanzillotti et al. (2004), so locais destinados para a preparao e fornecimento de refeies equilibradas em nutrientes, considerando o perfil dos clientes a serem atendidos. Conforme Ricarte et al. (2008), os desperdcios em UANs variam desde alimentos que no so utilizados, at preparaes prontas que no so servidas e as sobras recolhidas dos pratos dos clientes. Assim, trs importantes indicadores na gesto das UANs so: o resto ingesto (IR), que indiretamente avalia a qualidade dos servios oferecidos, tendo em vista este no ter sido consumido pela clientela; as sobras (IS), originadas da produo de alimentos no distribudos clientela; e o total dos desperdcios (IDA), que a soma dos dois ltimos (Nonino-Borges et al., 2006).

Segundo a Associao Brasileira das Empresas de Refeies Coletiva (Aberc, 2013), o mercado de refeies coletivas de prestadoras de servios produz 11,7 milhes de refeies por dia. As prestadoras de servios so contratadas por outras organizaes para que ofeream o servio de refeio coletiva, sendo o seu faturamento oriundo do nmero de refeies servidas. Considerando a crescente preocupao com a sustentabilidade das aes organizacionais e a competitividade neste crescente mercado, faz-se necessrio que as empresas desenvolvam sistemas de gesto que controlem adequadamente as perdas geradas nos processos. Todavia, o controle das variveis envolvidas nas perdas algo que, sem o apoio de ferramentas e metodologias apropriadas, torna-se algo emprico, sem a real capacidade de medir adequadamente em que situao a organizao se encontra ou o quanto de melhoria os esforos despendidos tm contribudo.

Neste sentido, o presente artigo visa demonstrar a utilizao do CEQ na gesto de desperdcios relacionados ao processamento culinrio, e para tanto, apresenta um estudo de caso em uma UAN do interior do Estado do Rio Grande do Sul. A empresa em questo uma prestadora de servios para uma organizao de grande porte, localizada na cidade de Teutnia e, desde o ano de 2011, vem monitorando diariamente os indicadores: resto ingesto e sobras de alimentos, por meio da pesagem de todos os restos obtidos dos pratos dos clientes ou comensais (que compem o primeiro indicador) e dos restos obtidos das cubas e dos processos pelo qual os alimentos aram (que compem o segundo indicador). Neste sentido, foram ento elaborados os ndices per capita para cada indicador (IR, IS e IDA, respectivamente), que leva em conta o nmero total de clientes em cada perodo, e foram obtidos e analisados 61 dados histricos dos respectivos indicadores, sendo estes referentes ao perodo de agosto a setembro de 2012.

Segundo Montgomery (1997), o CEQ um conjunto de ferramentas utilizadas para a gesto e melhoria dos aspectos que envolvam a qualidade dos produtos e servios, baseado nos grficos de controle desenvolvidos e implementados inicialmente por Shewhart (1924). A utilizao dessa ferramenta auxilia a distinguir os momentos em que o processo est daquele em que o processo no est sob controle estatstico, permitindo ao gestor a anlise e interveno no processo para ajuste dos fatores que estejam influenciando, caso o resultado seja indesejado (Aliverdi et al., 2013). Segundo Mller (2008), so vrios os fatores que possivelmente geram desperdcios nas UANs, por exemplo: frequncia diria de usurios, preferncias alimentares, planejamento inadequado da quantidade de refeies a serem produzidas, capacitao dos funcionrios na produo e no porcionamento, entre outros. Alm disso, o CEQ auxilia tambm na anlise do atendimento s metas e no benchmarking de processos, que viabilizado utilizando-se os ndices de capacidade.

Para tanto, o artigo encontra-se dividido conforme a seguinte estrutura: na Seo 1 est a introduo, o tema, a justificativa e os objetivos do presente estudo de caso; na Seo 2 apresenta-se a fundamentao terica, abordando o CEQ, seus pressupostos tericos e os grficos XmR e MR; na Seo 3, a metodologia utilizada para a anlise dos dados via CEQ; na Seo 4, apresenta-se o desenvolvimento do estudo de caso, onde os dados obtidos so analisados via grficos de controle supracitados e os ndices de desempenho do processo; na Seo 5 apresenta-se um modelo para a aplicao do CEQ em UANs; e, na Seo 6, apresenta-se as consideraes finais do estudo, bem como sugestes de trabalhos futuros.

2. Controle Estatstico de Qualidade (CEQ) 3m5qs

A qualidade tem sido considerada um fator decisivo na escolha dos produtos e servios e, neste sentido, tem sido constante a busca por mtodos de controle de qualidade que possam colaborar para sua melhoria. Estudos para a otimizao dos grficos de controle, o desenvolvimento de novas metodologias para a sua construo e a aplicao destas tcnicas em reas o qual ainda no foram aplicados, so exemplos dos esforos despendidos (Ho; Quinino, 2013). Destaca-se que todos os processos, de manufatura ou de servios, exibem variabilidade e, quanto maior for essa variabilidade, maior ser o seu descontrole em relao aos resultados produzidos e os resultados desejados (Juran; Gryna, 1992; Montgomery, 1997). Por sua vez, esta variabilidade pode ser classificada em duas situaes: (i) devido s causas comuns, ou aleatrias; e, (ii) devido s causas assinalveis, ou especiais. O controle estatstico de processo (CEP) tem como objetivo diferenciar as causas assinalveis das causas comuns para realizar ao sob o processo, mantendo-o sob controle e promovendo um ciclo de melhoria contnua (Aliverdi et al., 2013).

Caso identificada a presena de causas especiais influenciando os resultados do processo, procede-se a realizao de uma investigao com a finalidade de remov-las. Essa etapa utiliza diversas ferramentas da qualidade para uma adequada identificao, dentre elas, o brainstorming, o diagrama de causa e efeito, o grfico de Pareto e o grfico de disperso (Juran; Gryna, 1992). Essa ao sistemtica de identificao de desvios, anlise das causas e ao de correo, gera um ciclo de melhoria contnua e o fundamento do CEQ.

O diagrama de causa e efeito ou diagrama de Ishikawa uma ferramenta comumente utilizada no CEQ. Segundo Lins (1993), esse diagrama utilizado quando for necessrio identificar a causa raiz de um problema, pois o mesmo permite, a partir dos grupos bsicos de possveis causas, desdobr-las at os nveis de detalhe adequados soluo do problema. Os grupos bsicos variam conforme o tipo de problema analisado, se operacional ou gerencial, por exemplo. Para o primeiro caso, sugerem-se os seguintes grupos: mquinas, materiais, mo de obra, metodologias/mtodos e instalaes/ambientes. Para o segundo caso, sugerem-se os seguintes grupos: polticas, equipamentos, pessoas/recursos humanos, procedimentos e infraestrutura. Na Figura 1 apresentado um diagrama de Ishikawa exemplificando alguns dos fatores que podem influenciar na gesto dos desperdcios das UANs ou, quando o IDA maior que os limites de controle superior (Eqs. 5 e 8).

Figura 1 – Aplicao do diagrama de causa efeito a um problema operacional da UAN.
Fonte: Elaborado pelos autores (2013) a partir de Lins (1993) e Mller (2008).

2.1 Anlise do desempenho do processo e pressupostos para a utilizao do CEP 661115

Alm da identificao de causas especiais atuando no processo, o CEP dispe de ferramentas para anlise sobre o seu desempenho ao longo do tempo. A anlise do desempenho atravs do CEP consiste no quanto o processo consegue atender s especificaes dos produtos ou servios. A tcnica mais conhecida para a anlise do desempenho dos processos so o Pp e o Ppk, apresentados nas Equaes 1 e 2, respectivamente. Considera-se capaz o processo que apresentar Ppk maior que 1,33; razovel aquele que apresentar Ppk maior que 1 e menor que 1,33; e, incapaz aquele que apresentar Ppk menor que 1 (Costa et al., 2004).

Porm, para a utilizao adequada do CEP, h de se ter ateno aos pressupostos estatsticos bsicos. Tendo em vista que esta ferramenta foi criada com base em teorias de probabilidade, a sua no observncia faz com que os resultados gerados no sejam vlidos para a anlise desejada (Moraes et al., 2006). Segundo Montgomery (1997) so dois os pressupostos bsicos para a utilizao dos grficos de controle: as observaes devem ser independentes e identicamente distribudas e, as observaes devem seguir alguma distribuio de probabilidade especfica (normal, binomial ou Poisson, por exemplo). Esses dois pressupostos so a base para a definio dos limites de controle e para as regras para identificao de padres no aleatrios. No caso dos ndices Pp e Ppk, estes somente podero ser analisados aps a confirmao do processo estar sob controle estatstico, sendo esse o seu pressuposto bsico (Costa et al., 2004).

Korzenowski (2009) apresenta os seguintes testes como forma de verificao dos pressupostos descritos por Montgomery (1997): (i) para a verificao de normalidade, o autor recomenda os testes de Shapiro-Wilk e/ou o teste de Anderson-Darling; (ii) para a verificao da independncia dos dados, os testes recomendados so o teste de hipteses das carreiras, o teste d de Durbin-Watson, a anlise da funo de autocorrelao (FAC) ou da funo de autocorrelao parcial (FA), e as estatsticas de Box-Pierce e Ljung-Box. Caso seja verificada a no aderncia distribuio normal dos dados, Juran e Gryna (1992) e Moraes, et al. (2006), recomendam os seguintes critrios de anlise para a utilizao dos dados coletados:

H diversas distribuies para utilizao no CEP, distribuies tanto para dados contnuos quanto para dados discretos, por exemplo: binomial, Poisson, hipergeomtrica, Log-normal, beta, Weibull, entre outras. Caso seja optado pela transformao matemtica dos dados, conforme alnea d anterior, dois mtodos so comumente utilizados: a transformao de Box-Cox e a transformao de Yeo-Johnson. Para maiores detalhes sobre tais transformaes e sua utilizao, recomenda-se consultar o trabalho de Moraes et al. (2006).

O outro pressuposto, que trata da independncia dos dados, conforme anteriormente citado, pode ser verificado tambm atravs da FAC. A Equao 3 apresenta a estimativa do coeficiente de autocorrelao amostral de defasagem ou lag k (Makridakis et al., 1998). O conjunto de valores de denominado FAC e a representao grfica deste conjunto de valores em relao a seus lags o correlograma da FAC (Matos, 2000; Fava, 2000). A estatstica uma ferramenta amplamente utilizada nos modelos de Box e Jenkins (1970) para sries temporais e descreve a correlao entre dois valores de determinada varivel, em diferentes perodos de tempo (Enders, 2004).

A estatstica de Ljung-Box permite testar com mais preciso se os k primeiros coeficientes de autocorrelao so conjuntamente iguais zero. A Equao 4 apresenta o teste para os K coeficientes. O teste segue a distribuio com k graus de liberdade. A concluso realizada por meio da comparao entre as seguintes estatsticas: se , rejeita-se a hiptese de que os K primeiros coeficientes de autocorrelao so iguais a zero e vice-versa (Fava, 2000).

Caso seja verificada a presena de autocorrelao nos dados, recomenda-se realizar a modelagem de um ARIMA (Autoregressive Integrated Moving Average), obter os resduos da modelagem e ento aplicar os grficos de controle nestes resduos. Maiores detalhes para a realizao desses procedimentos podem ser verificados nos trabalhos de Box e Jenkins (1970), Montgomery (1997) e Moreira Jnior (2005).

2.2 Limites de controle para os grficos de medidas individuais XmR e MR 3z3y3w

O controle de medidas individuais realizado por intermdio de dois grficos: o XmR e o MR. O grfico de controle XmR monitora se uma causa especial de variao est presente em cada amostra. O segundo grfico, ou o moving range (MR), monitora a variao entre duas amostras consecutivas. As Equaes 5-10 apresentam o clculo das medidas dos dois grficos e seus limites de controle superior (UCL) e inferior (LCL), respectivamente (Aliverdi et al., 2013; Montgomery, 1997).

Onde cada medida individual da varivel em anlise e a amplitude mvel. No caso do presente estudo, os parmetros dos grficos so os seguintes: , , e (Aliverdi et al., 2013).

3. Metodologia 2b2e1i

Na Seo 3 apresentada a metodologia utilizada para a realizao deste estudo de caso. Os dados coletados so referentes ao perodo de agosto a setembro de 2012, totalizando 61 valores de sobras dos seguintes alimentos: arroz, feijo, guarnio, saladas e carnes; e dos restos ingesto, obtidos nos pratos dos clientes. Os dados foram coletados diariamente utilizando balana com capacidade de 20Kg e preciso de 0,005Kg, sendo esses oriundos do perodo da refeio. Para tanto, foi desenvolvido um ndice per capita do total de desperdcios de alimentos (Equao 11), para que seja possvel o monitoramento global e estratificao dos dados em caso de causas especiais influenciando o processo.

IDA₁:ndice per capita de desperdcio de alimentos em i (gramas/pessoa/refeio);

Em seguida, os dados foram analisados para a verificao do atendimento aos pressupostos estatsticos para a utilizao dos grficos de controle e para a anlise do desempenho do processo em atender s metas estabelecidas. Para tanto, as seguintes etapas foram realizadas: (i) foi analisada a condio de normalidade dos dados por meio do teste de Anderson-Darling; (ii) por meio da FAC e da estatstica de Ljung-Box, foi analisado se os dados so considerados independentes; (iii) foram calculados os limites de controle superior, inferior e as medidas individuais (ndices per capita de desperdcio de alimentos) para os grficos XmR e MR; (iv) para a anlise do desempenho do processo, foram eliminados todos os pontos fora de controle observados nos grficos XmR e MR e ento foram calculados os indicadores Pp e Ppk e as medidas descritivas de cada amostra. Com base na metodologia utilizada, foi desenvolvido um modelo para a aplicao do CEQ na gesto dos desperdcios de alimentos em UANs.

4. Resultados 5d236

O teste de normalidade de Anderson-Darling para o IDA, ao nvel de 10%, indicou que a amostra de dados provm de uma distribuio normal (p-valor = 0,0725). Na Figura 2, observa-se o histograma e o grfico de probabilidade para os dados amostrais.

Atendida a situao de normalidade dos dados, foi ento verificado o atendimento ao pressuposto de independncia ou no autocorrelao. Na Figura 3 pode-se observar o correlograma da FAC dos dados amostrais do IDA. Observa-se que nenhum dos coeficientes amostrais de autocorrelao ultraou o intervalo de confiana estabelecido para o nvel de 5% de significncia, concluindo ento pela ausncia de autocorrelao.

Portanto, ao nvel de 5% de significncia, os dados amostrais so considerados normais e independentes (Q(10)=11,06 < =18,31, conforme a estatstica de Ljung-Box), veis ento de serem analisados via grficos de controle para medidas individuais. Foram ento construdos os grficos de controle XmR e os seus limites de controle superior e inferior, (conforme as Eqs. 5 e 7) utilizando a biblioteca qcc do pacote estatstico R (R Development Team, 2013). Na Figura 4 observa-se o grfico de controle para as medidas individuais do IDA.

Figura 4 – Grfico de controle XmR para o ndice per capita de desperdcio de alimentos.

Na Figura 4 verifica-se o grfico de controle XmR para o IDA. Observam-se duas situaes distintas ocorridas no perodo em anlise, que so: (i) a amostra ultraou o limite superior de controle (UCL=79,5); e, (ii) as amostras 23-25 violam a suposio de aleatoriedade dos dados, pois 3 ou mais medidas consecutivas encontram-se localizadas no primeiro desvio-padro. Ambas as situaes demonstram a necessidade de interveno no processo, pois causas especiais o esto influenciando, havendo o risco de um descontrole maior do processo como um todo.

Na Figura 5 observa-se o grfico de controle da amplitude mvel (MR) dos dados. Trata-se de um grfico que complementa a anlise realizada para os dados individuais reais, o qual monitora a amplitude entre os IDAs. No presente caso, no foram observadas as situaes descritas para o grfico da Figura 4. Porm, esse fato no eliminaria a necessidade de anlise das causas que estariam influenciando e os respectivos ajustes que seriam necessrios ao processo. Conforme o grfico da Figura 5, o quase causou um descontrole do processo.

Figura 5 – Grfico de controle da amplitude mvel (MR) para o ndice per capita de desperdcio de alimento.

Por fim, foram calculadas as medidas descritivas: mdia, mediana, desvio-padro, coeficiente de variao, mnimo e mximo; para os ndices per capita: IS, IR e IDA. Os chamados limites superior (LSE) e inferior de especificao (LIE), conforme conhecido na literatura do CEQ, aqui foi entendido como a meta mxima issvel pela UAN para o IDA (em gramas/pessoa/dia), considerando a avaliao por parte da direo da empresa. Na Tabela 1 so apresentados os resultados das medidas descritas neste pargrafo.

Anlise descritiva	IS	IR	IDA
Mdia (g/pessoa/dia)	21,7	23,0	44,7
Mediana (g/pessoa/dia)	20,8	21,3	44,2
Desvio padro (g/pessoa/dia)	6,8	7,9	11,5
Coeficiente de variao (%)	32,0	34,5	26,1
Mnimo (g/pessoa/dia)	5,2	8,4	25,7
Mximo (g/pessoa/dia)	40,8	55,6	90,1
LSE (g/pessoa/dia)	17,5	17,5	35,0
LIE (g/pessoa/dia)	5,0	5,0	10,0
Pp (adimensional)	0,31	0,26	0,58
Ppk (adimensional)	-0,21	-0,12	0,15

Os ndices de desempenho Pp e Ppk demonstram que o processo, apesar de na maior parte do tempo estar sob controle estatstico, no capaz de atender s metas estabelecidas, sendo necessrias aes para reduo da variabilidade. O LSE representa a meta mxima de desperdcio que a empresa assume como adequado, sendo para o presente caso a quantidade de 35 gramas/pessoa/dia para o caso do IDA. O LIE adotado igual a 10 gramas/pessoa/dia, pois esse o valor pelo qual se acredita ser o valor mnimo a ser buscado, considerando que os esforos necessrios para obter valores menores ainda, no apresentaria uma relao de custo e benefcio satisfatria.

5. Modelo para gesto dos desperdcios em UANs por meio de CEQ 2w1r1i

Na Seo 5 apresenta-se um modelo para a gesto dos desperdcios de alimentos em UANs, baseado nas tcnicas e ferramentas de CEQ e na metodologia abordada no presente estudo. O modelo proposto baseia-se em cinco processos principais, que so: (i) a coleta peridica dos dados que compem o IDA; (ii) a verificao peridica dos dados quanto aos pressupostos a serem atendidos; (iii) a modelagem dos dados segundo a tcnica de CEP adequada; (iv) a investigao das causas especiais que estejam influenciando no processo; e, (v) o monitoramento dos dados e anlise peridica da performance do processo.

A etapa de coleta dos dados consiste em registrar diariamente os desperdcios em termos de sobra e em termos de resto ingesto. Os dados de sobra de alimentos so obtidos atravs da pesagem de todos os alimentos desperdiados ao longo do processo de produo e dos alimentos oferecidos nos buffets, que no sero reaproveitados posteriormente. Os dados de resto ingesto so obtidos atravs da pesagem de todos os restos retirados dos pratos dos comensais, no sendo este, ao contrrio do anterior, categorizado conforme o tipo de alimento. O IDA obtido atravs da soma do IS e do IR (Equao 11). Na Figura 7 apresenta-se um modelo para a coleta e registro dos dados de desperdcio de alimentos.

A verificao dos pressupostos, conforme j delineado, realizada por meio dos testes de normalidade e de independncia dos dados amostrais. Caso no atendido os pressupostos bsicos, so realizados os procedimentos discutidos na Seo 2. O controle realizado por meio do IDA do perodo i, sendo este, portanto, analisado via grficos de controle apresentados nas Sees 2 e 4. Caso necessrio, o IS e o IR tambm podem ser monitorados individualmente via CEP, garantindo um controle mais efetivo do processo.

A quarta etapa consiste da anlise dos casos em que os grficos de controle mostram a presena de causas especiais influenciando o processo. Nesta etapa, utilizam-se as ferramentas clssicas da rea de qualidade para a busca da causa raiz dos desvios, dentre elas: o diagrama de causa e efeito (conforme Figura 1), a estratificao de Pareto, brainstorming, check-lists, entre outras ferramentas necessrias para controle dos desvios. Para o tratamento dos desvios, recomenda-se a utilizao de uma abordagem estruturada, que ir auxiliar em uma implementao e controle mais eficiente, como por exemplo, o mtodo planejar-realizar-checar-agir (PDCA) (Campos, 1998).

Por fim, caso no haja causas especiais atuando sobre o processo, importante monitorar periodicamente o mesmo, evitando que situaes indesejadas em a acontecer. Periodicamente (semanal ou mensalmente) importante realizar anlises de desempenho do processo, verificando o quanto este capaz de atingir as metas estabelecidas pela istrao, para que as respectivas aes sejam tomadas com o intuito de melhorar continuamente os processos.

6. Consideraes Finais 4z6y2

O presente artigo apresentou um estudo de caso utilizando o controle estatstico de qualidade como ferramenta de e para a gesto de desperdcio de alimentos em uma unidade de alimentao e nutrio. Para tanto, os indicadores a serem gerenciados foram estabelecidos, foram coletadas amostras para a realizao de uma anlise do processo atual utilizando o CEP, foram realizadas as anlises e, finalmente, foi apresentado um modelo genrico para a gesto do desperdcio de alimentos em UANs por meio do CEQ. O indicador analisado no estudo foi o ndice de desperdcio de alimentos, que representa, de forma global, o ndice per capita de desperdcio de alimentos na UAN em estudo no perodo considerado.

Verificou-se que o IDA apresentou normalidade e independncia nos dados da amostra considerada, no havendo necessidade de transformao, ou utilizao de modelos de sries temporais para a sua modelagem ou, ainda, no se faz necessria a busca por outra distribuio de probabilidade que descreva os dados. Verificou-se, aps a anlise dos grficos de controle, que em 5 momentos houve presena de causas especiais atuando no processo, estando, portanto, 91,8% do tempo analisado sob controle estatstico.

Em contrapartida a aparente boa performance do processo, as medidas descritivas e a anlise por intermdio dos ndices de desempenho, indicaram que o processo no apresenta capacidade para atingir adequadamente as metas mximas de desperdcios estabelecidas pela direo da empresa. Verificou-se a necessidade de reduo da variabilidade global do processo, que foi de 26,1%, e da mdia global do processo, que foi de 44,7 gramas por pessoa por dia.

Quanto ao modelo apresentado na Seo 5, verificou-se que esse capaz de atender s necessidades dos gestores das UANs, pois apresenta uma metodologia clara, padronizada e com base estatstica para que o desempenho dos processos existentes possa ser controlado. A implantao desse modelo capaz de auxiliar as UANs na busca por maior qualidade dos servios oferecidos, reduo dos custos de processo por meio da reduo de desperdcios de matria-prima e alimentos processados, e colabora para uma estratgia de sustentabilidade do negcio, tendo em vista as questes ticas envolvidas na indstria de processamento culinrio.

Para a realizao de trabalhos futuros, sugere-se a utilizao de grficos de controle com maior capacidade de deteco de causas especiais, como por exemplo: o Cumulative Sum (CUSUM) e o Exponentially Weighted Moving Average (EWMA) (Vargas et al., 2004).

Referncias Bibliogrficas r3a4y

Aliverdi, R.; Naeni, L. M.; Salehipour, A. (2013); “Monitoring project duration and cost in a construction project by applying statistical quality control charts”, International Journal of Project Management, (31), 411-423.

Box, G. E. P.; Jenkins, G. (1970); Time Series Analysis: Forecasting and Control; San Francisco, Ed. Holden-Day.

Campos, V. F. (1998); Gerenciamento da rotina do trabalho do dia-a-dia; Belo Horizonte, Ed. DG.

Costa, A. F. B.; Epprecht, E. K.; Carpinelli, L. C. R. (2004); Controle estatstico de qualidade; So Paulo, Ed. Atlas.

Enders, W. (2004); Applied Econometric Time Series; New York, Ed. Wiley & Sons.

Fava, V. L. (2000); Anlise de Sries de Tempo; In: Vasconcellos, M. A. S.; Alves, D. Manual de econometria: nvel intermedirio; So Paulo, Ed. Atlas.

Ho, L. L.; Quinino, R. C. (2013); “An attribute control chart for monitoring the variability of a process”, International Journal of Production Economics.

Juran, J. M.; Gryna, F. M. (1992); Controle da qualidade: mtodos estatsticos clssicos aplicados qualidade; So Paulo, Ed. Makron.

Lanzillotti, H. S.; Monte, C. R. V.; Costa, V. S. R.; Couto, S. R. M. (2004); “Aplicao de um modelo para avaliar projetos de unidades de alimentao e nutrio”, Nutrio Brasil, 3(1), 11-17.

Lins, B. F. E. (1993); “Ferramentas bsicas da qualidade”, Ci. Inf., 22(2), 153-161.

Korzenowski, A. L. (2009); Premissas e suposies para construo de grficos de controle: um framework para verificao. Dissertao – Programa de Ps-Graduao em Engenharia de Produo, Universidade Federal do Rio Grande do Sul,Porto Alegre.

Makridakis, S.; Wheelwright, S. C.; Hyndman, R. J. (1998); Forecasting:Methods and Applications; New York, Ed. Wiley & Sons.

Matos, O. C. M. (2000); Econometria bsica: teoria e aplicaes; So Paulo, Ed. Atlas.

Montgomery, D. C. (1997); Introduction to statistical quality control; New York, John Wiley & Sons.

Moraes, C. F.; Ferreira, J. R.; Balestrassi, P. P. (2006); “Anlise crtica da aplicao de mtodos estatsticos em processos definidos por dados que no apresentam distribuio normal”, Revista GEPROS, 1(2), 7-18.

Moreira Junior, F. J. (2005); Proposta de um mtodo para o controle estatstico de processo para observaes autocorrelacionadas. Dissertao – Programa de Ps-Graduao em Engenharia de Produo, Universidade Federal do Rio Grande do Sul,Porto Alegre.

Mller, P. C. (2008); Avaliao do desperdcio de alimentos na distribuio do almoo servido para os funcionrios de um hospital pblico de Porto Alegre – RS. Monografia – Graduao em Nutrio, Universidade Federal do Rio Grande do Sul, Porto Alegre.

Nonino-Borges, C. B.; Rabito, E. I.; Silva, K.; Ferraz, C. A.; Chiarello, P. G.; Santos, J. S.; Marchini, J. S. (2006); “Desperdcio de alimentos intra-hospitalar”, Revista de Nutrio, 19(3), 349-356.

R Core Team (2012); R: A language and environment for statistical computing. R Foundation for Statistical Computing, Vienna, Austria.

Ricarte, M. P. R.; Moura F, M. A. B.; Santos, I. H. V. S.; Lopes, A. K. M. (2008); “Avaliao do desperdcio de alimentos em uma unidade de alimentao e nutrio institucional em Fortaleza – CE”, Revista Saber Cientfico,1(2), 158-175.

Vargas, V. C. C.; Lopes, L. F. D.; Souza, A. M. (2004); “Comparative study of the performance of the CuSum and EWMA control charts”, Computers & Industrial Engineering, 46, 707-724.

A utilizao do controle estatstico de qualidade como ferramenta de e gesto dos desperdcios de alimentos em uma unidade de alimentao e nutrio 4e2k1k

The use of statistical quality control as a tool to the management of food waste in a feeding and nutrition unit 6w1m57

Contenido 293v5k

1. Introduo 272e9