Auditoria por amostragem: como definir tamanho e critério

Por que amostragem em Facilities

Auditar tudo é tecnicamente o ideal e, na prática, quase sempre impossível. Limpeza de quinhentos escritórios, dez rondas por noite ao longo de trinta dias, manutenção preventiva de cento e vinte equipamentos: o universo cresce rapidamente e a hora de auditoria custa caro. Amostragem resolve esse impasse. Em vez de olhar tudo, olha-se uma fração escolhida de forma criteriosa e extrapola-se o resultado para o todo, dentro de uma margem de erro conhecida.

Três cenários ilustram o ganho. Auditar diariamente quinhentos escritórios consumiria a jornada inteira de um auditor; selecionar setenta e três aleatoriamente por mês cobre o risco com algumas horas. Conferir todas as rondas de vigilância exige câmera assistida em tempo real; auditar trinta de cento e vinte rondas por amostragem sistemática entrega evidência suficiente em uma fração do tempo. Medir presença de equipe de limpeza todos os dias é impraticável; escolher doze dias do mês de forma aleatória mantém o fornecedor sob escrutínio sem travar a operação interna.

Conceitos fundamentais

Cinco termos sustentam qualquer plano de amostragem. População é o universo total — quinhentos escritórios, trinta dias, cento e vinte rondas. Amostra é o subconjunto escolhido para auditoria. Tamanho da amostra, abreviado por n, é o número de itens que entram na verificação. Critério de seleção define como se escolhem esses itens: aleatório, sistemático, estratificado ou por risco. Margem de erro mede o quanto o resultado da amostra pode se afastar do resultado real da população; cinco por cento é o padrão de mercado. Nível de confiança mede a probabilidade de o resultado da amostra refletir corretamente a população; noventa e cinco por cento é o padrão estatístico mais usado.

Entender que margem de erro e nível de confiança são parâmetros escolhidos, não dados, ajuda a calibrar custo. Aumentar o nível de confiança de noventa e cinco para noventa e nove por cento faz o tamanho da amostra crescer significativamente. Reduzir margem de erro de cinco para dois por cento também encarece. O equilíbrio prático em Facilities costuma ser noventa e cinco por cento de confiança com cinco por cento de margem.

Fórmula clássica de tamanho de amostra

Para populações grandes, a fórmula simplificada é n = (z² × p × (1-p)) / e², onde z é o valor crítico associado ao nível de confiança (1,96 para 95%), p é a proporção esperada de não conformidade (0,05 indica 5% esperado) e e é a margem de erro (0,05).

Exemplo aplicado: quinhentos escritórios, expectativa de cinco por cento de não conformidade, nível de confiança de noventa e cinco por cento e margem de erro de cinco por cento. n = (1,96² × 0,05 × 0,95) / 0,05² = (3,8416 × 0,0475) / 0,0025 ˜ 73. Auditar setenta e três escritórios entrega resposta com noventa e cinco por cento de confiança e mais ou menos cinco por cento de margem.

Para populações finitas pequenas, aplica-se correção: n_corrigido = n / (1 + (n-1)/N), onde N é o tamanho da população. Em populações abaixo de cem, o tamanho da amostra tende a se aproximar do próprio universo, evidenciando que amostragem só economiza esforço quando o N é razoavelmente grande.

Tabela pronta para uso sem cálculo

Quem não quer trabalhar com fórmula pode usar tabela referencial para confiança de noventa e cinco por cento e margem de erro de cinco por cento. Para população de cem, amostra mínima de oitenta. Duzentos, cento e trinta e dois. Trezentos, cento e sessenta e nove. Quinhentos, duzentos e dezessete em proporção esperada moderada — número que cai para setenta e três quando se espera baixa taxa de não conformidade. Mil, duzentos e setenta e oito. Cinco mil, trezentos e cinquenta e sete.

O padrão visível é importante: conforme a população cresce, o tamanho absoluto da amostra cresce devagar, e a fração percentual cai. Esse é o ganho de escala de amostragem — auditar dez por cento de uma população de cinco mil já oferece confiança muito alta, enquanto auditar dez por cento de cem é insuficiente.

Normas técnicas: ANSI/ASQ Z1.4 e ABNT NBR 5426

Duas referências organizam amostragem para inspeção por atributos. A ANSI/ASQ Z1.4 (antiga MIL-STD-105) traz tabelas com tamanho de amostra e critério de aceitação por lote, vinculados a um nível de qualidade aceitável, o AQL (Acceptable Quality Level). A norma brasileira equivalente é a ABNT NBR 5426. Ambas dispensam o gestor de calcular tamanho via fórmula: basta consultar a tabela com tamanho do lote e nível de inspeção (normal, reforçado, atenuado) para obter n e o número máximo de defeitos aceitos.

Em Facilities, AQL de 2,5% costuma ser referência razoável para serviços operacionais. Para serviços críticos (vigilância, manutenção de sistemas de incêndio), AQL menor (1,0% ou 0,65%) é mais adequado. Para serviços onde tolerância é maior (jardinagem, paisagismo), AQL de 4,0% pode ser aceito. A vinculação de AQL ao serviço deve estar no contrato ou no termo de referência da auditoria.

Critérios de seleção

Definir tamanho não basta; é preciso definir como selecionar. Quatro métodos cobrem a maioria das situações.

Seleção aleatória pura

Todos os itens da população têm chance igual. Usa-se gerador de números aleatórios (planilha, software estatístico, função RANDBETWEEN). Funciona bem quando a população é homogênea — todos os escritórios do mesmo padrão, todas as rondas com escopo idêntico. Vantagem: imune a viés. Desvantagem: pode concentrar a amostra em uma região por azar, ignorando outras.

Seleção sistemática

Calcula-se intervalo k = N / n. Sorteia-se o primeiro item entre 1 e k, depois seleciona-se cada k-ésimo subsequente. Em quinhentos escritórios com amostra de setenta e três, k ˜ 7. Sorteia-se três como ponto de partida e auditam-se os itens 3, 10, 17, 24, 31, e assim por diante. Vantagem: cobertura uniforme. Desvantagem: vulnerável se houver periodicidade na população (por exemplo, todo sétimo item é de um turno específico).

Seleção estratificada

Divide-se a população em estratos homogêneos e amostra-se proporcionalmente em cada um. Em quinhentos escritórios, se cem são executivos, cento e cinquenta são áreas comuns, oitenta são banheiros e cento e setenta são outras áreas, distribui-se a amostra de setenta e três respeitando essas proporções: quinze executivos, vinte e dois áreas comuns, doze banheiros, vinte e quatro outras. Vantagem: garante que nenhum estrato fique de fora. Recomendado quando há grupos com perfis distintos.

Seleção por risco

Atribui-se peso a cada item conforme criticidade. Itens de risco alto entram com frequência maior; itens de risco baixo, com frequência menor. Banheiros podem ter cobertura de cem por cento; salas de reunião, vinte por cento; depósitos, cinco por cento. Vantagem: foca esforço onde dói mais. Desvantagem: viola o pressuposto de igualdade que sustenta a extrapolação clássica, então a inferência é qualitativa, não estatística.

Aplicação prática em serviços de Facilities

Quatro contextos típicos ilustram a aplicação. Limpeza de quinhentos pontos: amostra de setenta e três por mês, auditando três a quatro por semana, completa o ciclo em pouco mais de quatro meses. Vigilância com cento e vinte rondas mensais: amostra de trinta rondas, escolhidas sistematicamente (uma a cada quatro), com verificação por CFTV ou GPS. Manutenção de dez sistemas prediais: aqui o N é pequeno e a amostra recomendada se aproxima do universo — sete a oito sistemas por trimestre é razoável. Medição diária de área limpa em trinta dias: doze a quinze dias selecionados aleatoriamente, suficientes para detectar inflação de medição.

Em todos esses casos, vale a regra de calibrar o tamanho ao risco. Um achado em vigilância tem peso maior que um achado em jardinagem; um problema em sistema de incêndio tem peso maior que um problema em ar-condicionado convencional. Amostra de auditoria deve refletir essa hierarquia.

Extrapolação: do achado da amostra para a população

Depois de auditar, é preciso traduzir o resultado da amostra em estimativa para o universo. Exemplo: quinhentos escritórios, setenta e três auditados, oito não conformidades encontradas (10,96%). A extrapolação direta é 500 × 10,96% ˜ 55 escritórios provavelmente não conformes no universo. A margem de erro de cinco por cento sugere intervalo entre cerca de cinquenta e sessenta escritórios.

O passo seguinte é interpretar. Cinquenta e cinco em quinhentos significa onze por cento de taxa de não conformidade. Comparado ao SLA (por exemplo, máximo de cinco por cento), o serviço está com o dobro do tolerado. Isso justifica conversa formal com o fornecedor, possível multa contratual e plano de ação. Sem amostragem, esse diagnóstico se basearia em impressão; com amostragem, há número defensável.

Riscos típicos da amostragem mal feita

Dois erros derrubam a credibilidade do método. O primeiro é amostra pequena demais: auditar três escritórios em quinhentos é estatisticamente irrelevante; um achado em três vira "trinta e três por cento" e gera alarme falso, ou nenhum achado em três vira "tudo ok" e gera falsa segurança. A proteção é seguir tabela ou fórmula referencial.

O segundo é viés de seleção: auditar sempre os mesmos pontos, sempre o mesmo dia da semana, sempre o mesmo turno. O resultado é uma fotografia distorcida que tende a confirmar o que se quer ver. A proteção é seleção aleatória ou sistemática rigorosa, com documentação do critério para auditoria externa não acusar conveniência.

Amostragem e vigilância contínua se complementam

Amostragem é poderosa, mas não substitui vigilância contínua. Em pontos de risco alto, como salas elétricas, central de gases, geradores ou portarias, a verificação não pode ser aleatória; precisa ser constante. Sensores, alarmes, CFTV e BMS cumprem esse papel. Amostragem entra para verificar serviços de execução com população grande e risco distribuído — limpeza, paisagismo, conferência de medição, manutenções rotineiras. A combinação dos dois forma o tecido de fiscalização eficiente.