Uma fábrica de autopeças calculou um Cpk de 1,4 para o diâmetro de um eixo e comemorou: processo capaz, cliente satisfeito, auditoria tranquila. Três meses depois, o cliente devolveu um lote inteiro por peças fora da especificação. O processo não havia mudado. O que ninguém tinha verificado é que 38% da variação registrada nas medições vinha do próprio sistema de medição — não das peças. O Cpk de 1,4 era ficção estatística.
Antes de perguntar “meu processo é capaz?” ou “meu processo está estável?”, existe uma pergunta anterior que a maioria das equipes pula: eu posso confiar nos números que estou olhando? A Análise do Sistema de Medição (MSA) existe para responder essa pergunta — e é por isso que ela vem antes do cálculo de capabilidade e antes da carta de controle, não depois.
O que é MSA (Análise do Sistema de Medição)
MSA é a sigla de Measurement System Analysis — Análise do Sistema de Medição. É um conjunto de estudos experimentais que quantifica quanto da variação observada nos dados vem do sistema de medição e quanto vem do processo em si.
A lógica é direta: toda medição carrega erro. Variação observada = variação real do processo + variação do sistema de medição. Se a parcela da medição for grande, as decisões tomadas com aqueles dados — aprovar ou reprovar peças, declarar um processo capaz, reagir a um ponto fora da carta — estarão contaminadas na origem.
Na metodologia Lean Six Sigma, o MSA é a ferramenta que valida a “janela” pela qual observamos o processo. No Modelo de Melhoria, as medidas selecionadas para um projeto são exatamente isso: janelas. Se a janela distorce a vista, nenhuma análise posterior corrige o problema — ela apenas o esconde com mais sofisticação.
O que é um sistema de medição — e por que ele é maior que o instrumento
Sistema de medição não é o instrumento. É o conjunto completo: o instrumento, o operador que mede, o método de medição, o procedimento de calibração, o ambiente e a definição do que está sendo medido.
Um exemplo simples: para medir o ruído de um setor da fábrica, o decibelímetro é só uma parte. Onde o operador se posiciona, a que horas mede, por quanto tempo, com qual critério de registro — tudo isso compõe o sistema. Dois operadores com o mesmo aparelho e critérios diferentes produzem dados que não podem ser comparados.
É por isso que comprar um instrumento melhor raramente resolve sozinho um sistema de medição ruim. Na maioria dos estudos, a maior fonte de erro não está no equipamento — está na falta de um método padronizado e de uma definição operacional clara do que se está medindo.
Por que o MSA vem antes do Cp/Cpk e da carta de controle
Aqui está o erro mais comum — e mais caro — no uso de estatística em projetos de melhoria: calcular capabilidade e montar cartas de controle com dados de um sistema de medição nunca validado.
Os índices Cp e Cpk comparam a variação do processo com a tolerância da especificação. Se parte relevante daquela variação é erro de medição, o índice calculado subestima a capabilidade real — ou, no caso de viés, aponta o processo para o lugar errado. O mesmo vale para o controle estatístico de processo: uma medição instável gera sinais falsos na carta, e a equipe passa a reagir a causas especiais que não existem no processo — existem no paquímetro, no método ou na mão de quem mede.
Isso conecta o MSA a um princípio central: dados no tempo só revelam o comportamento do processo se a janela de observação for consistente. Reagir ponto a ponto a dados contaminados pela medição é tratar variação da medição como se fosse variação do processo — e cada reação dessas adiciona variação em vez de reduzir.
Muitos profissionais certificados sabem que o MSA fica na fase Measure. Menos sabem responder o que o estudo está tentando revelar: se a medida escolhida para o projeto é uma janela confiável ou um vidro fosco. Saber a fase e não saber a pergunta é executar ritual — não método científico.
As cinco características do MSA: acurácia e precisão
A análise avalia cinco características, organizadas em dois grupos. Acurácia responde “as medições se aproximam do valor verdadeiro?”. Precisão responde “as medições se aproximam umas das outras?”. Um sistema pode ser preciso e inacurado — medir sempre o mesmo valor errado — e vice-versa. Os dois grupos precisam ser avaliados.
Estabilidade
É a variação das medições de um mesmo item, com o mesmo sistema, ao longo do tempo. Avalia-se medindo periodicamente uma peça de referência e registrando os resultados em um gráfico no tempo. Se as medições derivam ou saltam sem que a peça tenha mudado, o sistema não é estável — e a calibração precisa ser revista antes de qualquer outro estudo.
Tendência (viés)
É a diferença entre a média das medições e o valor de referência aceito como verdadeiro. Um avaliador mede o item de referência ao menos 12 vezes; a média das medições menos o valor de referência é o viés. Causas típicas: calibração inadequada, desgaste do instrumento, uso fora do procedimento.
Linearidade
É o comportamento do viés ao longo da faixa de operação do instrumento. Um paquímetro pode ser acurado medindo 10 mm e enviesado medindo 150 mm. Avalia-se medindo itens de referência em pontos distintos da faixa e verificando se o viés cresce, diminui ou se mantém.
Repetitividade
Também grafada repetibilidade, é a variação encontrada quando o mesmo operador mede a mesma peça várias vezes, com o mesmo instrumento e o mesmo método. É a variação do equipamento nas condições mais controladas possíveis — o piso mínimo de erro do sistema.
Reprodutibilidade
É a variação adicional que aparece quando operadores diferentes medem a mesma peça com o mesmo instrumento. Reprodutibilidade alta é quase sempre sintoma de método não padronizado: cada pessoa mede de um jeito, e o dado passa a refletir quem mediu, não o que foi medido.
Gage R&R: o estudo que quantifica repetitividade e reprodutibilidade
O estudo Gage R&R é o formato clássico para avaliar a precisão do sistema. A estrutura típica: 10 peças que representem a variação real do processo, 3 operadores, 2 a 3 medições de cada peça por operador, em ordem aleatória e sem que o operador veja os resultados anteriores.
A análise decompõe a variação total em componentes: variação peça a peça, repetitividade (equipamento) e reprodutibilidade (operador e interação operador × peça). O resultado central é o %R&R — a fração da variação total que pertence ao sistema de medição. No cenário ideal, a variação peça a peça domina e o sistema de medição responde por uma parcela pequena.
| %R&R (contribuição na variação) | Avaliação | O que fazer |
|---|---|---|
| Menor que 10% | Sistema aceitável | Usar os dados com confiança |
| Entre 10% e 30% | Marginal | Aceitável dependendo da criticidade e do custo de melhoria — documentar a decisão |
| Maior que 30% | Inaceitável | Corrigir o sistema de medição antes de usar os dados para qualquer decisão |
Além do %R&R, verifique o ndc (número de categorias distintas): quantos grupos de peças o sistema consegue distinguir com segurança. Um ndc menor que 5 indica que o sistema não tem resolução para enxergar a variação do processo. Vale aqui a regra prática da resolução: o instrumento deve discriminar ao menos 1/10 da tolerância ou da variação do processo — o que for menor.
Quando operador e peça não bastam para explicar o sistema — casos com múltiplos instrumentos, laboratórios ou locais de medição — usa-se o Gage R&R expandido, que inclui três ou mais fatores no estudo e permite avaliar as interações entre eles. O princípio é o mesmo; muda a estrutura do experimento.
Exemplo 1 — Usinagem: o refugo que não existia
Uma usinagem de autopeças media o diâmetro de eixos com tolerância de ±0,05 mm e convivia com 6,2% de reprovação na inspeção final. O Gage R&R revelou %R&R de 38% — inaceitável — com a reprodutibilidade dominando: cada inspetor posicionava o micrômetro em um ponto diferente da peça.
A correção não envolveu comprar instrumento novo: um dispositivo de fixação padronizou o ponto de medição e o procedimento foi documentado com fotos. O novo estudo apontou %R&R de 11%. A reprovação real caiu para 3,1% — quase metade do “refugo” anterior era peça boa reprovada por erro de medição. Aprendizado: a fábrica gastava retrabalho para corrigir um problema que morava no sistema de medição, não no processo.
Exemplo 2 — Hospital: quando o indicador mede o avaliador
Um hospital monitorava quedas de pacientes classificadas em “com dano” e “sem dano”. O indicador oscilava mês a mês e a diretoria reagia a cada subida. Um estudo de concordância por atributo — a versão do MSA para dados classificados em categorias — mostrou que três enfermeiros auditores concordavam em apenas 71% dos casos ao classificar os mesmos 40 eventos.
O problema era a ausência de definição operacional: “dano” não estava definido de forma verificável. Após escrever critérios explícitos e treinar os auditores, a concordância subiu para 95% — e o indicador, agora confiável, revelou um patamar estável que dispensava as reações mensais. Aprendizado: antes da definição operacional, o indicador media quem auditava, não o que acontecia com os pacientes.
Quando o MSA entra no DMAIC — e no PDSA
No roteiro DMAIC, o MSA pertence à fase Measure: valida-se o sistema de medição antes de estabelecer a linha de base do projeto. Sem isso, a linha de base é questionável e a comparação antes/depois no final do projeto perde valor de evidência.
No ciclo PDSA, a conexão é ainda mais direta. A segunda questão fundamental do Modelo de Melhoria — como saberemos se uma mudança é uma melhoria? — pressupõe indicadores confiáveis. Um sistema de medição não validado torna essa pergunta irrespondível: qualquer diferença observada pode ser efeito da mudança testada ou ruído da medição. O MSA é o que separa aprendizado real de autoengano bem documentado.
Vale registrar que o MSA se apoia em conceitos de estatística aplicada ao Six Sigma — componentes de variância, distribuições, análise gráfica — mas o estudo em si é acessível: um Green Belt conduz um Gage R&R completo com planilha ou software estatístico. É uma das primeiras análises práticas que o profissional executa na certificação Green Belt, justamente porque destrava todas as análises seguintes.
Quando não usar — e os limites do MSA
O MSA não é necessário para toda medida de todo projeto. Três situações pedem cautela ou dispensam o estudo formal:
Primeira: dados administrativos extraídos de sistemas (datas, contagens de registros) têm erro de medição de outra natureza — o problema costuma ser a definição operacional e a disciplina de registro, não repetitividade de instrumento. Validam-se com auditoria de dados, não com Gage R&R.
Segunda: o estudo só é válido se as peças da amostra representarem a variação real do processo. Selecionar 10 peças quase idênticas infla artificialmente o %R&R e condena um sistema que pode ser adequado. A seleção das peças é a etapa mais crítica — e a mais negligenciada.
Terceira: MSA aprovado não é atestado permanente. Instrumentos desgastam, operadores mudam, métodos degradam. Sistemas de medição críticos precisam de reavaliação periódica e monitoramento de estabilidade — o MSA é um processo, não um evento. Ele também não substitui as demais ferramentas Lean Six Sigma de análise: ele garante que os dados que alimentam essas ferramentas merecem confiança.
Perguntas frequentes sobre MSA
O que significa MSA?
MSA é a sigla de Measurement System Analysis — Análise do Sistema de Medição. É um conjunto de estudos que quantifica quanto da variação observada nos dados vem do sistema de medição (instrumento, operador, método) e quanto vem do processo real.
Qual a diferença entre acurácia e precisão?
Acurácia é a proximidade das medições em relação ao valor verdadeiro de referência. Precisão é a proximidade das medições entre si. Um sistema pode repetir sempre o mesmo valor errado: preciso, mas inacurado. O MSA avalia os dois aspectos separadamente.
O que é o estudo Gage R&R?
É o estudo que quantifica a repetitividade (variação do mesmo operador medindo a mesma peça) e a reprodutibilidade (variação entre operadores diferentes). O formato típico usa 10 peças, 3 operadores e 2 a 3 medições por combinação, em ordem aleatória.
Qual o valor aceitável de %R&R?
Abaixo de 10% da contribuição na variação total, o sistema é aceitável. Entre 10% e 30%, é marginal — pode ser aceito conforme a criticidade da aplicação. Acima de 30%, o sistema deve ser corrigido antes de qualquer decisão baseada naqueles dados.
MSA serve para dados por atributo, como aprovado/reprovado?
Sim. Estudos de concordância por atributo avaliam se avaliadores diferentes classificam os mesmos itens da mesma forma — entre si, consigo mesmos e contra um padrão. A base para boa concordância é quase sempre uma definição operacional clara do critério de classificação.
O MSA entra em qual fase do DMAIC?
Na fase Measure, antes de estabelecer a linha de base do projeto. Validar o sistema de medição primeiro garante que a linha de base, a análise de capabilidade e a comparação final antes/depois reflitam o processo — e não o erro de medição.
Preciso de software para fazer um Gage R&R?
Não é obrigatório: a estrutura do estudo e os cálculos podem ser feitos em planilha. Softwares estatísticos automatizam a decomposição da variância e os gráficos, o que reduz erro de cálculo e acelera a interpretação em estudos maiores.
Onde aprendo a conduzir um MSA completo na prática?
O MSA com Gage R&R é conteúdo central da formação Green Belt, aplicado em projeto real durante o curso. Para quem está começando em Lean Six Sigma e quer entender onde a ferramenta se encaixa no método, a certificação White Belt gratuita da EDTI é o ponto de partida natural.
Conteúdo revisado pelo Master Black Belt Marcelo Petenate, estatístico, formado pela Unicamp, mestre pela USP e especialista em Lean Six Sigma e melhoria contínua.
Se este artigo mostrou que confiar em dados exige método — não boa vontade —, o próximo passo lógico é entender o sistema completo em que o MSA se encaixa. A certificação White Belt em Lean Seis Sigma da EDTI é gratuita, 100% online, e apresenta os fundamentos do método científico aplicado à melhoria — a base que separa quem usa ferramentas de quem sabe o que elas revelam.
Ótimo artigo, explicado passo a passo.