Você está na página 1de 50

Exerccios Resolvidos

Alexandre Schuler

Stima Edio

2007

INTRODUO

Este Caderno de Exerccios destina-se a auxiliar o estudante na compreenso do contedo


terico explicitado no texto bsico elaborado para as seguintes disciplinas: Estatstica Aplicada
aos Processos Qumicos, Controle Estatstico (do curso de Qumica Industrial) e Controle
Estatstico de Qualidade (do curso de Engenharia Qumica).
So quarenta e cinco exerccios, sendo quatro sobre Probabilidade, treze sobre Testes
Estatsticos, vinte e quatro sobre Grficos de Controle e quatro sobre Inspeo de Qualidade.
Todos os exerccios esto resolvidos, mas recomenda-se ao Leitor que tente resolv-los
antes de ver a resposta e que ao faz-lo acompanhe atentamente as explicaes. Especial ateno
deve ser dada ao ltimo exerccio, que resolvido por tentativas, podendo ter outras solues.
Alm disso, recomenda-se fortemente o conhecimento de aplicativos como o Excel e o Origin,
que podem facilitar grandemente na soluo de problemas estatsticos em geral.
O Autor ficar bastante agradecido por qualquer crtica, correo ou sugesto, que o
Leitor poder enviar para o endereo eletrnico aschuler@ufpe.br.

NDICE
1. Probabilidade, 1
2. Testes Estatsticos, 3
3. Grficos de Controle, 10
4. Inspeo de Qualidade, 24
5. Tabelas teis, 29
Obs.: Os Captulos 1 e 2 so destinados disciplina Estatstica Aplicada aos Processos
Qumicos. Os Captulos 3 e 4 so especficos para as disciplinas: Controle Estatstico (Qumica
Industrial) e Controle de Qualidade Industrial (Engenharia Qumica), a cujos alunos o Autor
recomenda rever o assunto dos captulos anteriores.

ii

1. PROBABILIDADE (uso da Tabela1 de Distribuio Normal)


Estes quatro exerccios pretendem auxiliar na compreenso dos conceitos relacionados com a
curva de distribuio normal. Observem a gradativa mudana no texto, aproximando-se do objetivo
final (aplicao em controle industrial).
Exerccio 1.1. A varivel X tem distribuio normal com = 150 e = 30. Determinar as
probabilidades:
a) P(X 202,5); b) P(120 < X < 165); c) P(180 < X < 210).
Resposta:
Calcular o valor da varivel z (= (X - )/; equao 1.1) e encontrar na Tabela 1 o valor
correspondente de A (rea sob a curva normal delimitada pelos valores limites de X).
a) Para X = 202,5 z1 = (202,5 150)/30 = 1,75.
Na tabela 1 encontra-se A(z=1,75) = 0,4599 0,46. Como cada metade da curva vale 0,50 (50%), fica:
0,50 + 0,46 = 0,96 = 96% (figura 1).
b) Para X = 120 z1 = (120 150)/30 = 1 A 0,34
Para X = 165 z2 = (165 150)/30 = 0,5 A 0,19
TOTAL: 0,34 + 0,19 = 0,53 = 53% (figura 2)
c) Para X = 180 z1 = (180 150)/30 = 1 A 0,34
Para X = 210 z2 = (210 150)/30 = 2 A 0,48
TOTAL: 0,48 - 0,34 = 0,14 = 14% (figura 3)

Exerccio 1.2. Para a distribuio normal com = 200 e = 50, determinar os valores de X tais que se
tenha a probabilidade = P(|xX|) = 0,05 (5%).
Resposta: Deseja-se, em outras palavras, determinar um par de valores para X, simtricos em relao
mdia, de modo a se ter P = 1 - = 0,90 (figura 4).
Os dois termos, em mdulo, so iguais, cada um, a 0,50 0,05 = 0,45. Examinando a Tabela 1,
encontra-se, para A = 0,4505 (o valor mais prximo de 0,45), z = 1,65. Como x = z, fica: X = 200
1,65x50 = 200 82,5. Finalmente, X1 = 117,5 e X2 = 282,5.
1

Ver Tabela 1, no Captulo 5, pgina i.

ii

Controle Estatstico - Alexandre R. P. Schuler

Exerccio 1.3. Verificar se a mdia amostral X = 5,75 mm, de n = 5 dimetros de eixos representa
diferena estatisticamente significativa em relao mdia da populao normal, com = 5,60 mm e
= 0,10 mm.
Resposta:
OBSERVAO: Em outras palavras, pretende-se verificar se o valor 5,75 pertence populao
representada pelo par ,.
Agora, a equao 1.1 toma a forma da equao abaixo, por se tratar de uma mdia. Logo,
z = (5,75 5,60).5/0,10 = 3,36

z=

(X ) n

(equao 1.2)

Como o valor 5,75 est distante de 5,60 em mais de 3, conclui-se que a diferena d = 5,75
5,60 = 0,15 mm, para n = 5, estatisticamente significativa. De fato, consultando a Tabela 1, observase que a probabilidade de 5,75 pertencer quela populao muito baixa (P = 1 0,9996 = 0,0004 ou
0,04%).
Exerccio 1.4. Num processo industrial tem-se = 10,00 com = 0,02. Qual a probabilidade de se
encontrar, numa amostra retirada aleatoriamente desse processo, um resultado igual ou maior que:
a) 10,03 ?

b) 10,04 ?

Resposta (comparar com a figura 1):


a) P(X >10,03) z = (10,03 10,00)/0,02 = 1,5 A = 0,4332
Resultado: 0,50 0,4332 = 6,68%
b) P(X >10,04) z = 2 A = 0,4772
Resultado: 0,50 0,4772 = 2,28%.
Exerccio 1.5. Numa panificadora admite-se que um pacote de 1 kg pode ter uma variao de
10 g. Qual a probabilidade de ser encontrado um pacote com:
a) 1015 g?
b) Mais de 1015 g?
Resposta:
a) A probabilidade de ocorrncia de um pacote com exatamente 1015 g dada pela equao:

1
f ( x) =
e
2
Logo, P(X =1015)

1
e
10 2

(1015 1000 ) 2
2 x10 2

( x )2
2 2

225

= 0,04 e 200 = 0,04 e 1,125 = 0,04 0,3244 = 0,013 = 1,3%

ii

iii

Controle Estatstico - Alexandre R. P. Schuler

b) A probabilidade de se encontrar um pacote com qualquer peso maior que 1015 g dada pela
integral (rea sob a curva normal) no intervalo colorido de cinza da figura 1. O clculo realizado
como segue:
P(X >1015) z = (1015 1000)/10 = 1,5 A = 0,4332
Resultado: 0,50 0,4332 = 6,68%

Figura 1

Exerccio 1.6. Calcular os coeficientes da reta e o coeficiente de correlao do fenmeno abaixo (a


correlao entre concentrao do analito e o sinal de um instrumento analtico). Verificar onde termina
a linearidade, admitindo que o coeficiente de correlao no pode ser menor que 0,999.
#
01 02 03
04
05
06
07
08
09
10
Conc. 1
2
5
10
20
50
100
200
500
1000
Sinal 321 643 1597 3207 6394 16054 32090 64268 142250 228456
Resposta:
a) Para calcular os coeficientes da reta de regresso e o coeficiente de correlao, preenche-se o quadro
abaixo:
Ponto no
1
2

N
Totais

x
x1
x2

xn
xi

y
y1
y2

yn
yi

x*y
x1.y1
x2.y2

xn.yn
(xi.yi)

x2
x 12
x 22

xn2
xi2

y2
y12
y22

yn2
y2

Fazendo X = Concentrao e Y = Sinal, fica:


Sinal
x*y
x2
y2
Ponto no Conc. (mg/L)
1
1
321
321
1
103041
2
2
643
1286
4
413449
3
5
1597
7985
25
2550409
4
10
3207
32070
100
10284849
5
20
6394
127880
400
40883236
6
50
16054
802700
2500
2,58E+08
7
100
32090
3209000
10000
1,03E+09
8
200
64268
12853600
40000
4,13E+09
9
500
142250
71125000
250000
2,02E+10
10
1000
228456
2,28E+08
1000000
5,22E+10
Totais
1,8880E+03 4,9528E+05 3,1662E+08 1,3030E+6 7,7899E+10

Seja y = b.x + a a equao da reta de regresso. Nesse caso, os valores de a e b so dados por:

iii

iv

Controle Estatstico - Alexandre R. P. Schuler

b = (x.y - nx.y)/[(x)2 - nx2] = {[(1,888 103) (4,9528 105)] 10 3,1662 108)}/[(1,888


103)2 10 1,303 106)]
b = (9,3509 108 3,1662 109)/(3,5645 106 1,303 107) = - 2,2311 109/- 9,4658 106
b = 2,357 102 = 235,7
a = (y - bx) / n = [(4,9528 105) (2,3559 102 1,888 103)]/10 = [(4,9528 105) (4,4500
105)]/10
a = 0,5028 104 = 5028
Equao da reta: y = 235,7x + 5028
O Coeficiente de correlao (r) calculado com auxlio da equao:
r=

nxi.yi - xiyi
{[nxi - (xi) 2 ][nyi 2 - (yi) 2 ]}1/ 2
2

Resolvendo, fica:
r = [(10 3,1662 108) - (1,8880 103 4,9528 105)]/{[10 1,303 106 (1,8880 103)2][10
7,7899 1010 (4,9528 105)2]}1/2
r = [(3,1662 109) - (9,3509 108)]/{[10 1,303 106 (1,8880 103)2][10 7,7899 1010 (4,9528
105)2]}1/2
r = (2,2311 109)/[(9,4655 106)(5,3369 1011)]1/2
r = 2,2311 109/2,2476 109
r = 0,9927
Removendo o ltimo ponto (1000; 228456) e recalculando tudo, fica:
Equao da reta: y = 287,0 x + 1325
Coeficiente de correlao: r = 0,9987.
Como o r ainda ficou menor que 0,999 devemos remover agora o penltimo ponto (500; 142250).
Recalculando mais uma vez, fica:
Equao da reta: y = 17,8x 12
Coeficiente de correlao: r = 0,9999.

Concluso: a relao somente pode ser considerada linear at a concentrao de 200 mg/L.

iv

Controle Estatstico - Alexandre R. P. Schuler

2. TESTES ESTATSTICOS

Exerccio 2.1. Antes de realizar um tratamento estatstico de dados experimentais, necessrio


orden-los e aplicar o teste Q para eliminao de eventuais erros grosseiros. Examine o seguinte
conjunto de dados: 1,752; 1,760; 1,758; 1,762; 1,757; 1,761 e 1,759.
Resposta:
Ordenando, fica: 1,752; 1,757; 1,758; 1,759; 1,760; 1,761 e 1,762. O dado aparentemente
discrepante o menor (1,752). Aplicando o Teste Q, fica:
Q1 =

X 2 X1
X n X1

Q1 =

1,757 1,752 0,005


=
= 0,50
1,762 1,752 0,010

Para n = 7, Qtab = 0,56 (Tabela 2).


Concluso: o dado 1,752 no pode ser rejeitado. Como a diferena Xn Xn 1 menor que X2 X1,
no h necessidade de aplicar o teste Q para o valor mais alto. Obs.: s os extremos podem estar
discrepantes (dotados de erro grosseiro).

Exerccio 2.2. Em relao questo anterior, se mais leituras fossem realizadas, encontrando-se todos
os novos valores entre 1,757 e 1,762, determinar a partir de qual valor de n poder-se-ia concluir que
1,752 dotado de erro grosseiro ?
Resposta:
Com n 1 = 8, tem-se que Qtab = 0,390. Logo, se mais duas leituras fossem efetuadas e seus
valores se situassem entre 1,757 e 1,762 (para que R no aumente nem diminua a diferena X2 X1), o
valor 1,752 deveria ser descartado.

Exerccio 2.3. As anlises de uma amostra de minrio de ferro deram os seguintes resultados (n=10):
7,08; 7,21; 7,12; 7,09; 7,16; 7,14; 7,07; 7,14; 7,18 e 7,11. Calcular a mdia, a mediana, a primeira
estimativa do desvio padro (s) e a segunda estimativa (sR).
Resposta:
Ordenando: 7,07; 7,08; 7,09; 7,11; 7,12; 7,14; 7,14; 7,16; 7,18; 7,21.

i) Mdia: X = 7,13
ii) Mediana: M = (7,12 + 7,14)/2 = 7,13
iii) Primeira estimativa do desvio padro:
Para calcular s sugerido que se monte o seguinte quadro:
xi
di
d i2

7,07
0,06
0,0036

7,08
0,05
0,0025

7,09
0,04
0,0016

s=

7,11
0,02
0,0004

2
i

n 1

7,12
0,01
0,0001

7,14
0,01
0,0001

7,14
0,01
0,0001

7,16
0,03
0,0009

7,18
0,05
0,0025

7,21
0,08
0,0064

di2
0,0182

0,0182
= 0,002022 = 0,045.
9

vi

Controle Estatstico - Alexandre R. P. Schuler

iv) Segunda estimativa do desvio padro (procurar o valor de Kn na Tabela 3):


sR = kn.R = 0,3249 X (7,21 7,07) = 0,3249 X 0,14 = 0,04549 (comparar com s)

Exerccio 2.4. Numa anlise de cdmio, realizada por dois analistas, foram encontrados os seguintes
resultados:
Analista 1
3,88
3,90
3,92
3,94
X 1 = 3,91
R1 = 0,06

Analista 2
3,83
3,84
3,86
3,87
X 2 = 3,85
R2 = 0,04

Comparar a exatido e a preciso relativa entre eles (como n = 4 << 10, usar a segunda estimativa do
desvio padro). Como seria a exatido absoluta de cada analista se o valor verdadeiro ( ) fosse 3,95?
Resposta:
a) Preciso:
sR = Kn.R, onde K(n = 4) = 0,4857
s R1 = 0,06 x 0,4857 = 0,029142 s R2 1 = 0,000849
s R2 = 0,04 x 0,4857 = 0,019428 s R2 2 = 0,000377

s r21

Fcalc =

2
R2

0,000849
= 2,25
0,000377

Ftab = 9,9 > 2,25


Obs.: O valor de Ftab encontrado na Tabela 4.
Concluso: ambos so igualmente precisos.
b) Exatido relativa:

t calc =

X1 X 2
2
1

S +S
n 1

2
2

3,91 3,85
0,000849 + 0,000377
3

0,06
0,001227
3

0,06

0,06
= 2,967
0,000409 0,02022

ttab = 3,182 > 2,967


Obs.: O valor de ttab encontrado na Tabela 5.
Concluso: Os analistas so igualmente exatos.

vi

vii

Controle Estatstico - Alexandre R. P. Schuler

c) Exatido absoluta:
i) do analista 1

t=

X1 n
sR

(3,95 3,91) 4
0,04 x 2
0,08
=
=
= 2,745
0,029142
0,029142 0,029142

Concluso: Como ttab = 3,182 > tcalc = 2,74, o Analista 1 exato.


ii) do analista 2:

t=

X2 n
sR

(3,95 3,85) 4
0,10 x 2
0,20
=
=
= 10,294
0,019428
0,019428 0,019428

Concluso: Como ttab = 3,182 < tcalc = 10,294, o Analista 2 inexato.

Exerccio 2.5. Em uma amostra contendo cromo foram encontrados os seguintes resultados:
4,0; 4,3; 3,2; 4,1
Pergunta-se: algum desses resultados est dotado de erro grosseiro ?
Resposta:
a) ordenando, fica: 3,2; 4,0; 4,1; 4,3.
Aparentemente, o valor 3,2 pode estar dotado de erro grosseiro.
b) Aplicando o teste Q, fica:
Q1 =

4,0 3,2 0,8


=
= 0,727
4,3 3,2 1,1

Qtab = 0,941 > Qcalc (Q1)


Concluso: Como Qtab = 0,941 > Qcalc (Q1), o resultado 3,2 no pode ser rejeitado.

Exerccio 2.6. Foram realizadas mais trs repeties da anlise do exerccio anterior, encontrando-se
4,2; 3,9 e 4,0. Aplicar novamente o teste Q.
Resposta:
a) Ordenao: 3,2; 3,9; 4,0; 4,0; 4,1; 4,2; 4,3
b) Aplicando o teste Q para 3,2:
Q1 =

3,9 3,2 0,7


=
= 0,636
4,3 3,2 1,1

Concluso: Agora, Qtab = 0,560 < Qcalc. Apesar de haver diminudo a diferena (X2 X1) e
conseqentemente tambm o valor de Q1 (j que a amplitude se manteve constante), o valor mximo
para Q (Qtab) diminui bastante. Como conseqncia, agora possvel verificar que o resultado 3,2 deve
ser eliminado.
vii

viii

Controle Estatstico - Alexandre R. P. Schuler

Exerccio 2.7. Calcular os limites de confiana (LC) com 95% de probabilidade para os seguintes
resultados experimentais (anlise de cobre): n = 4; X = 8,27%; s = 0,17%.
Resposta:
A relao a ser utilizada LC = X

t.s
n

Para n = 4, com 95% de probabilidade, ttab = 3,182. Logo,


LC = 8,27

3,182 0,17
4

LC = 8,27 0,27 (8,008,54)

Exerccio 2.8. Se houvessem sido realizadas 12 repeties, quais seriam os limites de confiana do
exerccio anterior ?
Resposta:
Para n = 12, ttab =2,201. Logo,
LC = 8,27 2,201 x

0,17
12

ou LC = 8,27 0,11 (8,16 8,38)

Exerccio 2.9. Aplicar o teste t para o exerccio anterior, sabendo que = 7,91.
Resposta:

t=

tcalc

X n

s
(8,27 7,91) 12 = 7,34
=
0,17
ttab = 2,201

Concluso: com ttab < tcalc, existe um erro sistemtico nessa anlise.

Exerccio 2.10. Dois analistas analisaram uma mesma amostra diversas vezes, encontrando os resultados
abaixo. Existe uma diferena significativa entre suas precises?
Analista 1: n1 = 9 e s1 = 0,210 s1 = 0,0441
Analista 2: n2 = 8 e s2 = 0,641 s2 = 0,4109
Resposta:
Fcalc =

0,4109
= 9,3
0,0441

Ftab = 3,5 < 9,3

Concluso: O analista 1 mais preciso.

viii

ix

Controle Estatstico - Alexandre R. P. Schuler

Exerccio 2.11. Dois analistas foram avaliados durante um procedimento de credenciamento do


laboratrio, encontrando-se os seguintes resultados:
Analista No de repeties Mdia desvio-padro
1
4
83,88
0,24
2
6
83,13
0,11
Sabendo que o valor verdadeiro () 83,54%, pergunta-se:
a) Quem foi mais preciso?
b) Quem foi mais exato?
Resposta:
Como somente pode ser realizada uma comparao em termos de exatido quando dois conjuntos de
dados possuem a mesma preciso, necessrio primeiro responder pergunta (a):
Aplicando o teste F aos dois analistas, encontra-se:
F=

s12 (0,24) 2 0,0576


=
=
= 4,76
s 22 (0,11) 2 0,0121

Como o Ftabelado 5,4 a maior probabilidade de que ambos sejam igualmente precisos. Prosseguindo,
aplicando agora o teste t (pergunta b), comparando cada um com o valor verdadeiro, fica:
Analista 1:

t=

XA n
s

(83,88 83,54) 4
= 2,83
0,24

(83,54 83,13) 6
= 9,13
0,11

Analista 2:
t=

XA n
s

O ttabelado para n = 4 (Analista 1) 3,182. Comparando esse valor com o tcalculado (2,83), conclui-se que
o analista 1 exato. Para o analista 2 o ttabelado 2,571 (n = 6). Comparando esse valor com o tcalculado
(9,13), conclui-se que o analista 2 inexato.

Exerccio 2.12. Uma amostra sinttica com = 7,91 foi analisada por um mesmo analista em dois
equipamentos, encontrando-se os resultados abaixo. Que concluses podem ser tiradas desses
resultados ?
Equipamento 1
8,35
8,36
8,37
8,38
8,39

Equipamento 2
8,37
8,38
8,40
8,41
8,43

ix

Controle Estatstico - Alexandre R. P. Schuler

Resposta:
a) Clculo da mdia e da disperso
Equipamento 1
8,37
X
R
0,04
SR
0,01720
Obs.: Kn = 0,4299

Equipamento 2
8,40
0,06
0,02579

b) Comparao entre os equipamentos:


i) Exatido relativa (ttab = 2,776)

t=

8,40 8,37

(0,0172 )2 + (0,02579)2

0,03
= 1,94
0,0155

4
Concluso: Como ttab > tcalc, os dois equipamentos apresentam a mesma exatido.
ii) Preciso (Ftab = 6,4)
2
(
0,02579 )
F=
(0,0172)2

0,00066512
= 2,25
0,00029584

Concluso: Como Ftab > Fcalc, ambos os equipamentos apresentam a mesma preciso.
Exatido absoluta (ttab = 2,776).

(8,37 7,91)

Equipamento 1: t1 =

0,01720

Equipamento 2: t 2 =

(8,40 7,91)
0,02579

= 59,8
= 42,5

Concluso: ambos os equipamentos esto descalibrados.

Exerccio 2.13. Um laboratrio de percias criminais recebeu um fragmento de vidro (amostra A)


supostamente pertencente a um vaso (amostra B) encontrado quebrado no local de um crime. Anlise
por espectrofotometria de absoro atmica forneceu os seguintes resultados:
Elemento
As
Co
La
Sb
Th

A
132
0,54
4,01
2,81
0,62

Conc. (g/g)
B desvio-padro
122
2
0,61
0,026
3,60
0,20
2,77
0,26
0,75
0,044

xi

Controle Estatstico - Alexandre R. P. Schuler

Realizando as anlises em triplicata, o perito encarregado do caso, trabalhando com um nvel de


confiana de 95% como critrio de dvida, concluiu que as duas amostras diferem em composio,
pois dois elementos apresentam-se em A com concentraes estatisticamente diferentes das
encontradas em B (padro). Quais so esses elementos?
Dica: Trabalhar com limites de confiana. No esquecer de aplicar corretamente as regras de arredondamento.

Resposta:
LC =

t.s/ n ;

Como n = 3,

o valor verdadeiro, ou seja, do padro (o vaso; amostra B).

= 1,732 e t = 4,303. Aplicando equao acima, fica:

Calculando para cada elemento:


As: LC = 122 4,303 x 2/1,732 = 122 5  (117 127).
Co: LC = 0,61 4,303 x 0,026/1,732 = 0,61 0,06  (0,55 0,67).
La: LC = 3,60 4,303 x 0,2/1,732 = 3,60 0,50  (3,1 4,1).
Sb: LC = 2,77 4,303 x 0,26/1,732 = 2,77 0,65  (2,12 3,42).
Th: LC = 0,75 4,303 x 0,044/1,732 = 0,75 0,11  (0,64 0,86).
Confrontando-se as mdias dos elementos na amostra com seus intervalos de confiana, observa-se
que o As e o Co encontram-se fora dos limites. Portanto, suas concentraes diferem estatisticamente
do padro. Outra forma de resolver essa questo por aplicao do teste t:
Aplicando para os elementos As e Co, encontra-se:
As:

t=

XA n
s

==

132 122 3
2

= 8,66

Co:

t=

XA n
s

==

0,61 0,54 3
0,026

= 1,55

Como o ttabelado 4,303 (para ambos os elementos), chega-se mesma concluso acima.

Exerccio 2.14. Calcular o nmero ideal de repeties para a determinao do teor de um agrotxico
numa amostra de gua cujo contedo esperado () 1 ppb, a partir dos seguintes resultados:

xi

xii

Controle Estatstico - Alexandre R. P. Schuler

Xi
0,89
0,94
1,01
1,02
1,11
1,07
0,92
1,08
0,95
1,11
X = 1,01

di
0,12
0,07
0,00
0,01
0,10
0,06
0,09
0,07
0,06
0,10

di 2
0,0144
0,0049
0,0000
0,0001
0,0100
0,0036
0,0081
0,0049
0,0036
0,0100
di2 = 0,0596

Resposta:

a) s =

2
i

n 1

s=

0,0596
= 0,08138
9

Frmulas a empregar:
erro absoluto = = t s

n ; erro relativo percentual (coeficiente de variao) = L = 100

b) Clculo (montagem do quadro com a memria de clculo):


n
2
3
4
5
6
7

n
1,414
1,732
2,000
2,236
2,450
2,646

t
12,706
4,303
3,182
2,776
2,571
2,447

0,7313
0,2022
0,1295
0,1010
0,0854
0,0753

Dif.

73,13
20,22
12,95
10,10
8,54
7,53

52,91
7,27
2,85
1,56
1,01

Concluso: A 3a repetio diminui o erro em 52,91 pontos percentuais, a 4a repetio diminui em 7,27
p.p., enquanto que a 5a repetio diminui em apenas 2,85 p.p. Usando esse raciocnio, chega-se
concluso que 3 repeties so suficientes. Um outro critrio a se adotar seria o de estabelecer um erro
mximo (por exemplo 10%). Nesse caso, o ideal seria efetuar 5 repeties.

Exerccio 2.15. Um analista coletou duas amostras de minrio de ferro, encontrando os resultados
abaixo (5 leituras de cada amostra; Kn = 0,43). Dizer se as duas amostras so estatisticamente iguais,
em teor.
Leitura
1
2
3
4
5

Am. 1
17,6
17,3
18,1
17,7
17,8

Am. 2
18,6
18,3
18,9
18,6
18,1

xii

xiii

Controle Estatstico - Alexandre R. P. Schuler

Resposta:
Leitura
X
R
SR
t=

18,5 17,7

(0,344)2 + (0,344)2

Am. 1
17,7
0,8
0,344
=

Am. 2
18,5
0,8
0,344

0,8
= 3,29 > ttab = 2,776
0,2432

4
Concluso: as duas amostras so estatisticamente diferentes, em teor de ferro.
Entretanto, se ambas as amostras so provenientes de um mesmo lote (sub-amostras), deve-se
concluir que a homogeneizao no foi bem feita. Nesse caso, para haver uma maior
representatividade, necessrio extrair-se um nmero maior de sub-amostras e calcular a mdia
aritmtica dos teores encontrados nas n sub-amostras. Como achar o nmero ideal de sub-amostras?
Soluo: Aplicar o raciocnio empregado no exerccio anterior.

xiii

xiv

Controle Estatstico - Alexandre R. P. Schuler

3 GRFICOS DE CONTROLE

Exerccio 3.1. Os valores de x observados em amostras de n = 4 itens constam do quadro abaixo.


Construir o grfico da mdia X (GC-X), empregando a amplitude R para o clculo dos limites de
controle (norma desconhecida; sistema americano).
AMOSTRA
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25

x1
40
49
39
41
47
48
45
42
40
42
35
39
41
40
40
39
46
44
43
38
40
45
40
42
42

MEDIDAS INDIVIDUAIS
x2
x3
44
46
41
42
45
43
42
42
42
39
45
40
45
44
36
41
46
45
45
44
39
44
40
36
39

39
48
39
43
46
44
37
36
40
41
39
41
42
38
37
42
46
41
41
38
39
48
35
39
40

x4

45
44
44
36
46
36
40
37
36
37
38
38
46
38
39
40
45
43
42
42
40
46
42
37
42
MDIAS

42,00
46,75
40,75
40,50
46,00
42,75
41,00
39,25
39,50
39,75
39,25
39,50
43,50
40,00
38,00
40,50
45,75
43,25
42,75
40,50
39,50
45,75
39,25
38,50
40,75
41,40

6
5
5
7
2
12
8
6
6
5
10
3
5
6
4
2
1
4
4
4
1
4
7
6
4
5,08

Resposta:
LM = X = 41,40;
R = 5,08; n = 4
LC = LM A2 R; A2 = 0,729 (procurar na Tabela 6, para n = 4)
LC = 41,40 0,729 x 5,08 = 41,40 3,70
LIC = 37,70; LSC = 45,10
Analisando os valores individuais X , observam-se 4 amostras com mdia fora dos limites
(no caso, acima do LSC): 2, 5, 17 e 22. Eliminando-as, fica (vide quadro na pgina seguinte):
Resposta final:
LM = X = 40,55;
R = 5,46; n = 4
LC = LM A2 R; A2 = 0,729 (procurar na Tabela 6, para n = 4)
LC = 40,55 0,729 x 5,46 = 40,55 3,96
LIC = 36,59; LSC = 44,51
xiv

xv

Controle Estatstico - Alexandre R. P. Schuler


AMOSTRA

x1

1
3
4
6
7
8
9
10
11
12
13
14
15
16
18
19
20
21
23
24
25

MEDIDAS INDIVIDUAIS
x2
x3

40
39
41
48
45
42
40
42
35
39
41
40
40
39
44
43
38
40
40
42
42

44
41
42
43
42
42
42
39
45
40
45
44
36
41
45
45
44
39
40
36
39

39
39
43
44
37
36
40
41
39
41
42
38
37
42
41
41
38
39
35
39
40

x4

45
44
36
36
40
37
36
37
38
38
46
38
39
40
43
42
42
40
42
37
42
MDIAS

42,00
40,75
40,50
42,75
41,00
39,25
39,50
39,75
39,25
39,50
43,50
40,00
38,00
40,50
43,25
42,75
40,50
39,50
39,25
38,50
40,75
40,55

6
5
7
12
8
6
6
5
10
3
5
6
4
2
4
4
4
1
7
6
4
5,46

Exerccio 3.2. Com os valores do exerccio anterior, construir o grfico da amplitude (GC-R).
Resposta:
Como foram eliminados quatro pontos no exerccio anterior, deve-se comear com os vinte e um
restantes. Nesse caso, tem-se:
LM = 5,46; LIC = 5,46.D3 e LSC = 5,46.D4 (valores de D3 = 0,000 e D4 = 2,282 tirados da Tabela 8
para n = 4). Logo:
LIC = 0,0 e LSC = 12,46
Como o maior valor de R 12, todos os pontos devem ser mantidos. Em caso contrrio, como este GC
trabalha em conjunto com o GC-X, o mesmo tambm deveria ser alterado.

Exerccio 3.3. Construir os GCs da mdia e da amplitude a partir das seguintes informaes:
X1

X2

X3

X4

X5

250,5
249,5
248,2
249,8
251,1

249,6
251,2
249,6
251,3
248,4

248,2
248,4
249,2
250,3
249,2

249,7
250,3
250,7
248,7
248,9

251,0
249,3
251,1
249,3
250,6

R
249,8
249,7
249,8
249,9
249,6
249,8

2,8
2,8
2,9
2,6
2,7
2,8

xv

xvi

Controle Estatstico - Alexandre R. P. Schuler

Resposta:
Como n=5, temos:
Equaes:
Mdia: LM = ; LC = A2 (A2 = 0,577)
Amplitude: LM = ; LIC = D3 e LSC = D4 (D3 = 0 e D4 = 2,115)
Clculos:
Mdia: LM = 249,8; LC = 249,8 0,577 X 2,8 = 249,8 1,6 LIC = 248,2 e LSC = 251,4
Amplitude: LM = 2,8; LIC = 0 e LSC = 2,115 X 2,8 = 5,9
Concluso: o processo est sob controle.

Exerccio 3.4. Construir o GC da frao defeituosa de um processo que forneceu os seguintes


resultados, tendo sido examinados n = 100 itens em cada lote (amostra):
Lote
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
d

d
11
9
15
11
22
14
7
10
6
2
11
6
9
18
7
10
8
11
14
21
16
4
11
8
9
270

d/n
0,11
0,09
0,15
0,11
0,22
0,14
0,07
0,10
0,06
0,02
0,11
0,06
0,09
0,18
0,07
0,10
0,08
0,11
0,14
0,21
0,16
0,04
0,11
0,08
0,09

Resposta: Como n = 100 e N = n = n k


n = n k = 100 X 25 lotes = 2500 itens.
Equaes:
LM =

= d/n

LM = 270/2500 = 0,108
Como LM > 0,1 empregar a frmula geral2:
LC =

3 [ (1- )/n]1/2

LC = 0,108 3 [0,108 (1-0,108)/100]1/2


LC = 0,108 3 (0,108 X 0,892/100)1/2
LC = 0,108 3 X 0,031
LC = 0,108 0,093
LIC = 0,015; LSC = 0,201
Na Figura 5 verificamos que os pontos 5 e 20 esto acima do
LSC; logo, devem ser removidos. Recalculando, fica:

LM = (270-43)/(2500-200) = 0,099; LC = 0,099 3 [0,099 (1-0,099)/100]1/2


LC = 0,099 3 (0,099 X 0,901/100)1/2
LC = 0,099 3 X 0,0299
LC = 0,099 0,0897 LIC = 0,009; LSC = 0,189
2

Ver Seo 4.7.2.a do Livro Controle Estatstico, do mesmo autor.

xvi

xvii

Controle Estatstico - Alexandre R. P. Schuler

A Figura 6 mostra que agora todos os pontos encontram-se dentro dos novos limites.
Grfico de Controle da Frao Defeituosa

Grfico de Controle da Frao Defeituosa

0,25

0,25
pontos fora de controle
LSC

0,20

0,20
LSC

0,15

LM

0,10

Leitura

Leitura

0,15

0,05

0,10

LM

0,05
LIC

0,00

LIC

0,00
0

10

15

20

25

Nmero da amostra

10

15

20

25

Nmero da amostra

Figura 5

Figura 6

Exerccio 3.5. Construir o GC de defeituosos de um processo que forneceu os seguintes dados


(tamanho da amostra = n = 100):
Amostra
1
2
3
4
5
6
7
8
9
10

d
8
7
12
5
18
2
10
16
14
6
98

Resposta:
Como n = 100, n = 100 X 10 amostras = 1000.
Equaes:
LM = n = n d/n
LC = n 3 [n (1- )]1/2
Clculos:
= 98/1000 = 0,098 LM = 100 X 0,098 = 9,8

LC = 9,8 3 [9,8 (1-0,098)]1/2


LC = 9,8 3 (9,8 X 0,902)1/2
LC = 9,8 3 (8,8396)1/2
LC = 9,8 3 X 2,973
LC 9,8 8,9
LIC = 0,9; LSC = 18,7.
Como d = nmero de defeituosos, os limites devem ser nmeros inteiros. Logo,
LIC = 1 e LSC = 19.
Concluso: o processo est sob controle.

Exerccio 3.6. Aplicar o sistema ingls ao exerccio anterior.


Resposta:
No sistema ingls, temos dois limites: LC1 (1,96 ) e LC2 (3,09 ). Como LC2 > LC (sistema
americano), basta examinar a regio de advertncia:
xvii

xviii

Controle Estatstico - Alexandre R. P. Schuler

LC1 = 9,8 1,96 X 2,973 = 9,8 5,827. Logo: LIC = 3,973 4 e LSC = 15,627 16.
Examinando a distribuio normal, vemos que 34% dos 10 pontos (3 pontos) podem estar entre LC1 e
LC2. Examinando os dados, vemos que exatamente 3 pontos (amostras 5, 6 e 8) esto na regio de
advertncia. Logo, temos uma distribuio normal.

Exerccio 3.7. Numa fbrica de sabonetes foram colhidas do processo k = 25 amostras com n =
50 itens. Dizer, usando o grfico da frao defeituosa:
a) o processo est sob controle?
b) se o comprador aceitar partidas com no mximo 2,5% de defeituosos, o processo atende a isso?
Dados: nas 25 amostras foram encontrados os seguintes nmeros de defeituosos: 1, 2, 5, 6, 3, 5, 2, 1, 1,
0, 0, 1, 0, 1, 0, 2, 1, 0, 0, 1, 1, 0, 0, 1, 0.

Resposta:
x
d
d/n

1
1
0,02

2
2
0,04

3
5
0,10

4
6
0,12

5
3
0,06

6
5
0,10

7
2
0,04

8
1
0,02

9
1
0,02

10
0
0,00

11
0
0,00

12
1
0,02

x
d
d/n

13
0
0,00

14
1
0,02

15
0
0,00

16
2
0,04

17
1
0,02

18
0
0,00

19
0
0,00

20
1
0,02

21
1
0,02

22
0
0,00

23
0
0,00

24
1
0,02

O total de defeituosos nas 25 amostras 34. Logo, LM =

25
0
0,00

= d/n = d/n.k = 34/50 X 25

LM = 0,0272 < 0.1, Logo, emprega-se a relao simplificada3:


LIC = p 3 p / n
e
LSC = p + 3 p / n
1/2
LIC = 0,0272 3 (0,0272/50) = 0,0272 3 X 0,0233
LIC = 0,0272 0,0699
LIC = 0
LSC = 0,0272 + 0,0699
LSC = 0,0971
Concluses:
a) As amostras 3, 4 e 6 esto acima do LSC. Logo, o processo est fora de controle.
b) Se o consumidor aceita partidas com at 2,5% de defeituosos e o nmero total de defeituosos em 1250
itens foi 34, ou seja, se a frao defeituosa 0,0272, basta constatar que isso corresponde a 2,72%, que
maior que 2,5%. Logo, o processo atual no permite atender a essa exigncia. Entretanto, ao
colocarmos o processo sob controle (por exemplo, eliminando as amostras 3, 4 e 6), ficamos com uma
frao defeituosa de (34 16)/(1250 150) = 18/1100 = 0,016, que corresponde a 1,6%.

Exerccio 3.8. Numa fbrica de transistores, a produo diria de n = 2800 peas. Controle exaustivo
realizado durante oito dias revelou a existncia do seguinte nmero de defeituosos. Dizer se o processo
est sob controle.

Ver Seo 4.7.2.a do Livro Controle Estatstico, do mesmo autor.

xviii

xix

Controle Estatstico - Alexandre R. P. Schuler

dia defeituosos Resposta:


1
110
Equaes:
2
117
3
112
LM = n = n d/n = n d/(nk)
4
105
LC = n 3 [n (1- )]1/2
5
130
6
120
Clculos:
7
119
8
113
LM = n = 2800 X 926/(2800 X 8) = 926/8 = 115,75 = 115,75/2800
926

LM = 0,0413
LC = 115,75 3 [115,75 (1-0,0413)]1/2 = 115,75 3 (115,75 X 0,9587)1/2 = 115,75 3 X 10,53 LC =
115,75 31,59
LIC = 84,16
LSC = 147,34
Concluso: examinando os dados, observamos que todos esto abaixo do Limite Superior de Controle.
Logo, o processo est sob controle.

Exerccio 3.9. Numa determinada indstria existem duas linhas de produo. Aps anlise com 5
repeties de um total de 10 amostras de cada linha, foram obtidos os seguintes resultados. Interprete-os.
AMOSTRA
1
2
3
4
5
6
7
8
9
10

LINHA 1
LINHA 2
LEITURA R LEITURA R
5,67
8
5,50
3
5,90
7
5,58
8
5,52
9
5,66
5
5,60
6
5,76
9
5,55
8
5,68
7
5,39
8
5,65
8
5,79
7
5,61
14
5,67
8
5,59
7
5,51
5
5,51
9
5,66
6
5,64
6

Resposta:
= 5,63;
2 = 5,62;
1

= 7,20
2 = 7,60
1

Equaes:
Mdia: LM = ; LC = A2 (A2 = 0,577)
Amplitude: LM =
LIC = D3 e LSC = D4 (D3 = 0 e D4 = 2,115)

Clculos:
Mdia:
LM1 = 5,63
LC1 = 5,63 0,577 X 7,20 = 5,63 4,15
LIC1 = 1,48
LSC1 = 9,78
LM2 = 5,62
LC2 = 5,62 0,577 X 7,60 = 5,62 4,38
LIC2 = 1,24
LSC2 = 10,00
Amplitude:
LM1 = 7,2; LIC = 0 e LSC = 2,115 X 7,2 = 15,2
xix

Controle Estatstico - Alexandre R. P. Schuler

xx

LM2 = 7,6; LIC = 0 e LSC = 2,115 X 7,6 = 16,1


Concluses:
Mdia e Amplitude: Ambos esto sob controle e ambos os conjuntos de dados tambm estariam sob
controle se usados os limites de controle trocados. Observe-se que aplicao dos testes t e F mostra que
suas diferenas (mdia e desvio-padro) so estatisticamente insignificantes:
sR1 = 7,2 X 0,4299 = 3,095; sR1 = 7,6 X 0,4299 = 3,267
F = (3,267)2/(3,095)2 = 10,67/9,58 = 1,11 < Ftabelado = 3,0
t = (5,63 5,62)/[(10,67+9,58)/9] = 0,01/0,12 = 0,08 < ttabelado = 2,228

Exerccio 3.10. Numa fbrica de lmpadas foi examinado um grande lote, encontrando-se uma vida
mdia de 1627 horas. com um desvio padro de 230 horas. Sabendo que a partir de ento o processo
vai ser controlado por exame de amostras com n = 4 lmpadas, calcular os limites de controle.
Resposta:
LC = LM 3 / n
LM = 1627; = 230
LC = 1627 3 X 230/41/2 = 1627 345
LIC = 1282 e LSC = 1972

Exerccio 3.11. Amostras de 5 itens foram analisadas e os valores de X e R foram calculados para
cada amostra. Para as 25 primeiras amostras foram encontrados X = 358,50 e R = 9,80. Calcular
os limites de controle para GC-X e GC-R.
Resposta:
a) GC-X:
LM = 358,50/25 = 14,34 e R = 9,80/25 = 0,39
LC = 14,34 0,39.A2; A2 = 0,577
LC = 14,34 0,22
LIC = 14,12 e LSC = 14,56
b) GC-R:
LM = R = 9,80/25 = 0,39
LIC = 0 e LSC = 2,115 x 0,39 = 0,82

Exerccio 3.12. Se os limites de especificao para o processo do exerccio anterior fossem dados por
14,40 0,45, que concluses poderiam ser tiradas dos dados, para o GC-X?

xx

Controle Estatstico - Alexandre R. P. Schuler

xxi

Resposta:
LSE = 14,85 > LSC = 14,56
LIE = 13,95 < LIC = 14,12
Logo, o processo, enquanto sob controle, atende especificao (seus limites ficam dentro dos limites
de especificao).

Exerccio 3.13. Da inspeo de 30 amostras com n = 4 obtiveram-se X = 12660 e s = 945. Supor o


processo sob controle. Pede-se:
a)
b)
c)
d)

os limites do GC-X;
os limites do GC-s;
a estimativa do desvio-padro do processo;
a porcentagem das amostras que ficaro fora da especificao, se LIE for igual a 400.

Respostas:
a)
b)
c)
d)

LC = 12660/30 1,88.945/30 = 422 59; LIC = 363 e LSC = 481 (A1 = 1,88; Tabela 6).
LIC = 0 e LSC = 2,266.945/30 = 71 (B3 e B4; Tabela 7)
s = c2. (ver Tabela 7) = s/c2 = 31,5/0,7979 = 39,5
Obs.: confrontar com o exerccio 1.1.

i) Clculo do :
z = ( X -xi)/ = (422-363)/ = 3 = 59/3 = 19,7
ii) Clculo de P(x>400):

z = (422-400)/ 19,7 = 22/ 19,7 = 1,12

Na tabela de distribuio normal (Tabela 1), para z = 1,10, encontra-se A = 0,3643. Como pedido o
percentual que fica abaixo de 400, resulta:
A = 0,50 0,3643 = 0,1357 ou 13,6%

Exerccio 3.14. So usados grficos de controle em uma fbrica de resistncias eltricas. Os valores
X (Ohm) e R so calculados a partir de amostras com 3 itens. Para um total de 20 amostras foram
encontrados X = 8620 e R = 910. Calcular:
a) os limites de controle de GC-X e GC-R;
b) a probabilidade de serem produzidas resistncias dentro da especificao 430 30.
Respostas:
a) Limites de controle:
No GC-X:
LC = 431 45,5 x 1,023 = 431 46,5
LIC = 384,5 e LSC = 477,5

xxi

xxii

Controle Estatstico - Alexandre R. P. Schuler

No GC-R:
LIC = 0 e LSC = 117,2
b)
= (431-384,5)/3 = 15,5
LIE = 400; LSE = 460
z1 = (431-400)/15.5 = 2 47,72%
Logo, P1 = 50 47,72 = 2,28% de probabilidade de sair abaixo do LIE.
z2 = (460-431)/15.5 = 1,87 46,78%
Logo, P2 = 50 46,78 = 3,22% de probabilidade de sair acima do LSE.
Conseqentemente, h uma probabilidade de 2,28% + 3,22% = 5,5% de sarem produtos fora da
especificao.

Exerccio 3.15. Construir, para amostras com 5 itens, o GC-s de um processo com = 5,60 e = 0,05.
Resposta:
LM = s = c2. = 0,8407 x 0,05 = 0,042
LIC = B1. = 0
LSC = B2. = 1,745 x 0,05 = 0,089

Exerccio 3.16. Uma fbrica tem 6 linhas de produo. Anlise das mesmas forneceu os seguintes
resultados (n = 50):
LINHA
1
2
3
4
5
6

X
2,34
2,39
2,25
2,34
2,38
2,37

s
0,11
0,16
0,18
0,11
0,09
0,08

= 2,345
= 0,12

Comparar as linhas, em termos de exatido (com auxlio do GC-X) e de preciso (GC-s).


Resposta:
a) GC-X:
LM = 2,345
LC = 2,345 A1. s ; A1 = 3/c2. n
(Obs.: no podem ser usadas as tabelas porque n maior que 10)
Como n muito grande, c2 1
A1 = 3/ n = 3/ 50 = 3/7,071 = 0,424264
LC = 2,345 0,12 x 0,424264
LC = 2,345 0,051
LIC = 2,294 e LSC = 2,396
b) GC-s:
LM = 0,12
xxii

Controle Estatstico - Alexandre R. P. Schuler

xxiii

LIC = B3. s ; LSC = B4. s


(Obs.: no podem ser usadas as tabelas porque n maior que 10)
B3 = 1 - 3/ 2n = 1 - 3/ 100 = 1 0,3 = 0,7
B4 = 1 + 3/ 2n = 1 + 3/ 100 = 1 + 0,3 = 1,3
LIC = 0,7 x 0,12 = 0,084
LSC = 1,3 x 0,12 = 0,156
Comparando os dados com os limites de controle:
a) do GC-X: A linha 3 est produzindo com um valor mdio inferior a LIC.
b) do GC-s: As linhas 2 e 3 esto com uma variabilidade muito grande.

Exerccio 3.17. Sabe-se que um GC(X) tem um LSC = 3,4 e um LIC = 0,6 e que um GC(R) tem um LSC
= 4,6 e um LIC = 0. As respectivas linhas mdias valem X = 2 e R = 2 e os referidos grficos servem
para o controle de um processo no qual se tiram amostras de tamanho 4. No controle posterior do
processo, obtiveram-se os resultados abaixo:
Localizar esses valores no GC-X e no GC-R. O que est ocorrendo?
Resposta:
Como o ponto 4 est fora de controle (abaixo de LIC), preciso recalcular os limites. Os novos valores
so:
a) GC-X:
LC = 1,72 0,729 x 1,63
LC = 1,72 1,19; LIC = 0,53; LSC = 2,91
Na nova situao, em que a linha mdia caiu, encontram-se os pontos 4 e 12 fora dos limites.
Eliminando-os, fica (ver quadro na pgina seguinte):

X = 1,72 e R = 1,59
LC = 1,80 0,729 x 1,59
LC = 1,80 1,16; LIC = 0,64; LSC = 2,96
b) GC-R:
LIC = 1,59 x 0 = 0; LSC = 1,59 x 2,282 = 3,63
Como agora o processo est sob controle, possvel analisar a situao:
a) Existe um grande percentual de valores de xi abaixo da linha mdia anterior (2), sugerindo que o
valor mdio do caracterstico em anlise diminuiu estatisticamente. Se, por exemplo, trata-se do
teor de uma impureza em um dado produto, isso bom. Mas pode ser o contrrio.
b) Por outro lado, o GC-R, tambm com diminuio da linha mdia, indica que houve uma melhora
na variabilidade do processo.

xxiii

xxiv

Controle Estatstico - Alexandre R. P. Schuler

HORA

x1

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20

1,7
0,8
1,0
0,4
1,4
1,8
1,6
2,5
2,9
1,1
1,7
4,6
2,6
2,3
1,9
1,3
2,8
1,7
1,6
1,7

MEDIDAS INDIVIDUAIS
x2
x3
2,2
1,5
1,4
-0,6
2,3
2,0
1,0
1,6
2,0
1,1
3,6
2,8
2,8
2,1
1,6
2,0
1,6
3,6
0,6
1,0

1,9
2,1
1,0
0,7
2,8
1,1
1,5
1,8
0,5
3,1
2,5
3,5
3,2
2,1
1,8
3,9
0,6
0,9
1,0
0,5

x4

1,2
0,9
1,3
0,2
2,7
0,1
2,0
1,2
2,2
1,6
1,8
1,9
1,5
1,7
1,4
0,8
0,2
1,5
0,8
2,2
MDIAS

1,75
1,33
1,18
0,18
2,3
1,25
1,53
1,78
1,9
1,73
2,4
3,2
2,53
2,05
1,68
2
1,3
1,93
1
1,35
1,72

1,0
1,3
0,4
1,3
1,4
1,9
1,0
1,3
2,4
2,0
1,9
2,7
1,7
0,6
0,5
3,1
2,6
2,7
1,0
1,7
1,63

Exerccio 3.18. De um processo foram colhidas 25 amostras de tamanho 50, encontrando-se os


resultados abaixo. Calcular os limites de controle para o GC-p.
Resposta:
80
80
p=
=
= 0,064
25 x50 1250
AMOSTRA
1
2
3
4
5
6
7
8
9
10
11
12
13

d
1
2
3
3
5
4
4
4
2
2
3
3
3

p
0,02
0,04
0,06
0,06
0,10
0,08
0,08
0,08
0,04
0,04
0,06
0,06
0,06

AMOSTRA
14
15
16
17
18
19
20
21
22
23
24
25
TOTAL

d
5
4
4
5
1
5
2
0
5
3
3
1
80

p
0,10
0,08
0,08
0,10
0,02
0,10
0,04
0,00
0,10
0,06
0,06
0,02

LC = 0,064 3 0,064(1 0,064) / 50 = 0,064 0,104


LIC = 0; LSC = 0,168
Como o maior valor de p 0,10, o processo est sob controle.

xxiv

xxv

Controle Estatstico - Alexandre R. P. Schuler

Exerccio 3.19. Calcular os limites de controle para o GC-np com os mesmos dados acima.
Resposta: LM = n p ; LC = n p 3 n p (1 p ) = 50 x 0,064 3 3,2 x0,936 = 3,2 5,2
LIC = 0 e LSC = 8,4 e o processo est sob controle.

Exerccio 3.20. Na inspeo de 25 veculos foram encontrados os defeitos tabelados abaixo. Calcular
os limites de controle do GC-u (n = 1).
Resposta:
u=

278
= 11,12 ; LM = 11,12 e LC = 11,12 3 11,12 = 11,12 10,00
25
LIC = 1,12 e LSC = 21,12

O veculo 20, com 27 defeitos, deve voltar linha de montagem. Recalculando os limites:
u=

251
= 10,46 ; LM = 10,46 e LC = 10,46 3 10,46 = 10,46 9,70
24
LIC = 0,76 e LSC = 20,16

Agora, o veculo 15, com 21 defeitos, tambm deve voltar linha de montagem. Recalculando mais
uma vez os limites:
u=

230
= 10,00 ; LM = 10,00 e LC = 10,00 3 10,00 = 10,00 9,49
23
LIC = 0,51 0 e LSC = 19,49 19
VECULO
1
2
3
4
5
6
7
8
9
10
11
12
13

c
7
14
13
17
7
11
6
11
16
13
17
10
7

VECULO
14
15
16
17
18
19
20
21
22
23
24
25
TOTAL

c
8
21
12
8
9
5
27
9
15
3
7
5
278

Exerccio 3.21. Construir o GC-c com os dados obtidos de uma fbrica de fio de cobre, onde se faz um
inventrio do nmero de falhas na pelcula do esmalte isolante em peas com 30 metros de
comprimento. Foram examinadas 20 peas. Os dados encontram-se na pgina seguinte.
PEA
1
2
3
4
5
6
7

c PEA c PEA
7
8
0
15
15
9
11
16
9
10
13
17
5
11
0
19
0
12
5
19
4
13
8
20
11 14
6 TOTAL

c
4
11
0
12
3
10
134

134
= 6,70 ; LC = 6,70 3 6,70 = 6,70 7,76; LIC =
20
0 e LSC = 14,46
Resposta: c =

Eliminando o item 2, fica:

xxv

xxvi

Controle Estatstico - Alexandre R. P. Schuler

c=

119
= 6,26 ; LC = 6,26 3 6,26 = 6,26 7,50; LIC = 0 e LSC = 13,76
19

Exerccio 3.22. muito importante a definio da dimenso da amostra (no confundir com tamanho,
n). Se, por exemplo, houvessem sido examinados 20 peas de fio com apenas 10 metros de
comprimento, poderiam ter sido encontrados os seguintes resultados:
PEA
1
2
3
4
5
6
7
8
9
10
11

c PEA c
45
2
12
2
Resposta: c =
= 2,25 ; LC = 2,25 3 2,25 = 2,25 4,5; LIC = 0 e LSC =
5
13
3
20
3
14
2 6,75
2
15
1
0
16
4 Nesse caso, o item 2 passaria pelo teste!
1
17
0
4
19
4
0
19
1
4
20
3
4 TOTAL 45
0

Exerccio 3.23. Uma fbrica comeou com uma produo muito baixa, aumentando-a com o tempo. O
Controle de Qualidade registrou o tamanho do refugo ao longo de todo esse tempo (Quadro abaixo).
Interpretar os resultados.
Notao:
Pt = prod. total; Pu = prod. til; Ref = refugo; Pmin = prod. mnima; Po = prod. tima e Pmax = prod. mxima.

Pt
0
10
20
30
40
50
60
70
80
90
100
110
120

Pu
0
2
5
15
30
45
50
55
60
58
55
50
45

Ref
0
8
12
15
10
5
10
15
20
32
45
60
75

Ref%
0
80
60
50
25
10
17
21
25
36
45
55
63

Pu/Ref
0
0,25
0,42
1,00
3,00
9,00
5,00
3,67
3,00
1,81
1,22
0,83
0,60

O grfico abaixo (Figura 7) mostra que a produo tima se d com Pt = 50 , que a partir de Pt = 80 a
produo til comea a cair em termos absolutos, que a fbrica s tem rentabilidade na faixa
compreendida entre Pmin e Pmax e que abaixo de Pmin o custo de produo exageradamente alto.

xxvi

xxvii

Controle Estatstico - Alexandre R. P. Schuler

Figura 7

xxvii

xxviii

Controle Estatstico - Alexandre R. P. Schuler

4. INSPEO DE QUALIDADE

Exerccio 4.1. Numa partida de N = 50, com D = 2, qual a probabilidade de aceitao (PA) e a
probabilidade de rejeio (PR), inspecionando-se uma amostra com n = 10 e a = 1 ?:
Resposta:
A equao

pode ser escrita como abaixo:

que pode ainda ser escrita como:

onde as letras maisculas indicam valores do lote e as letras minsculas indicam valores da amostra. A
probabilidade de aceitao (PA) dada pela relao:
F (a) = P (0 d a)
e a probabilidade de rejeio (PR) dada pela relao:
1 F(a) = P (d > a)
Para calcular F(a) para um dado valor de a deve ser efetuado o somatrio:

onde f(d) representa o modelo de distribuio escolhido (no caso, a hipergeomtrica, pois n/N =
0,2 > 0,1). Para efeito de simplificao, doravante sero omitidos os smbolos acima e abaixo do sinal
de somatrio.
Clculos:
Como N = 50, D = 2 e n = 10, temos:
Para a = 0:
f(d) = [2!/0!(2 0)!] X {(50 2)!/[10![(50 2) (10 0)!]} X [10!(50 10)!/50!]
f(d) = 1 X [48!/10!(48 10)!] X 10!40!/50!
f(d) = (48!/10!38!) X (10!40!/50!)
com outra apresentao:

xxviii

Controle Estatstico - Alexandre R. P. Schuler

xxix

Refazendo o clculo para a = 1, fica f (d) = 0,326. Logo, PA = 0,637 + 0,326 = 0,963 ou 96,3%.
Finalmente, PR = 1 0,963 = 0,037 ou 3,7%.

Exerccio 4.2. Foram extradas 50 amostras de um lote de tamanho 1000, cuja frao defeituosa
conhecida P = 0,04. Calcular PA e PR para a = 2, a = 3 e a = 6. Usar a distribuio binomial.
Resposta:
equaes:
F(d) = n!/d!(n-d)! x Pd x Q(n-d), onde Q = 1 P
Clculos:
Para d = 0: f(d) = 50!/0!(50-0)! x (0,04)0 x (1 0,04)(50 0) = 1 x 1 x (0,96)50 = 0,130
Para d = 1: f(d) = 0,270
Para d = 2: f(d) = 0,276
Para d = 3: f(d) = 0,184
Para d = 4: f(d) = 0,090
Para d = 5: f(d) = 0,034
Para d = 6: f(d) = 0,010
Fazendo o somatrio, fica:
Para a = 2: F (a) = 0,130 + 0,270 + 0,276 = 0,676
Para a = 3: F (a) = 0,676 + 0,184 = 0,860
Para a = 6: F (a) = 0,860 + 0,090 + 0,034 + 0,010 = 0,994
Logo, considerando que PA = F (a) e PR = 1 F (a), temos:
Para a = 2: PA = 0,676; PR = 0,324
Para a = 3: PA = 0,860; PR = 0,140
Para a = 6: PA = 0,994; PR = 0,006

Exerccio 4.3. Recalcular o exerccio anterior, usando a distribuio de Poisson.


Resposta:
equaes:
m = n.P
F (a) = md/(em.d!)
Clculos:
m = 50 X 0,04 = 2
em = e2 = (2,72)2 = 0,07344 1/e2 = 1/7,3984 = 0,135
Para d = 0: f(d) = 20 x 0,135/0! = 0,135
Para d = 1: f(d) = 21 x 0,135/1! = 0,270
Para d = 2: f(d) = 22 x 0,135/2! = 0,270
Para d = 3: f(d) = 23 x 0,135/3! = 0,180
Para d = 4: f(d) = 24 x 0,135/4! = 0,090
xxix

Controle Estatstico - Alexandre R. P. Schuler

xxx

Para d = 5: f(d) = 25 x 0,135/5! = 0,036


Para d = 6: f(d) = 26 x 0,135/6! = 0,012
Somatrios:
Para a = 2: PA = 0,135+0,270+0,270 = 0,675; PR = 0,325
Para a = 3: PA = 0,675+0,180= 0,855; PR = 0,145
Para a = 6: PA = 0,855+0,090+0,036+0,012= 0,993; PR = 0,007
Sugesto: comparar estes resultados com os anteriores.

Exerccio 4.4. So dados:


N = 5000
P1 = NQA = 1%
P2 = NQI = 8%
= 5%
= 10%
O Plano empregado o de inspeo simples, com Nvel de Inspeo I. Determinar n e a. Em seguida,
empregando a distribuio de Poisson, recalcular o plano.

Resposta:
a) Na Tabela 9 encontra-se a Letra J; na Tabela 10: n = 80 e a = 2.
Recalculando:
Tentativa 1
Para o fabricante: PA = {[(80 x 0,01)0/e(80 x 0,01)] x 1/0!} + {[(80 x 0,01)1/e(80 x 0,01)] x 1/1!} + {[(80 x
0,01)2/e(80 x 0,01)] x 1/2!} = 1/e0,8 + 0,8 x 1/e0,8 + 0,82 x 1/e0,8 x !
PA = 0,4504 + 0,8 x 0,4504 + 0,64 x 0,4504 x1/2 = 0,4504 + 0,3603 + 0,1441 = 0,9548 = 95,5% =
100 95,5 = 4,5% < 5%
Para o comprador: PA = {[(80 x 0,08)0/e(80 x 0,08)] x 1/0!} + {[(80 x 0,08)1/e(80 x 0,08)] x 1/1!} + {[(80 x
0,08)2/e(80 x 0,08)] x 1/2!} = 1/e6,4 + 6,4 x 1/e6,4 + 6,42 x 1/e-6,4 x = 0,001694 + 6,4 x 0,001694 + 40,96
x 0,001694/2
PA = 0,001694 + 0,01084 + 0,03469 = 0,047 = 4,7% = 4,7% < 10%.
Tentativa 2
Se diminuirmos o valor de n para 60, por exemplo, fica:
Para o fabricante: PA = {[(60 x 0,01)0/e(60 x 0,01)] x 1/0!} + {[(60 x 0,01)1/e(60 x 0,01)] x 1/1!} + {[(60 x
0,01)2/e(60 x 0,01)] x 1/2!}= 1/e0,6 + 0,6 x 1/e0,6 + 0,36 x 1/e0,6 x !
PA = 0,5498 + 0,6 x 0,5498 + 0,36 x 0,5498/2 = 0,5498 + 0,3299 + 0,09896 = 0,9787 = 97,9% = 100
97,9 = 2,1% < 5%
Para o comprador: PA = {[(60 x 0,08)0/e(60 x 0,08)] x 1/0!} + {[(60 x 0,08)1/e(60 x 0,08)] x 1/1!} + {[(60 x
0,08)2/e(60 x 0,08)] x 1/2!} = 1/e4,8 + 4,8 x 1/e4,8 + 23,04 x 1/e4,8 x
PA = 0,00835 + 0,04008 + 0,0962 = 0,1446 = 14,5% = 14,5% > 10%.
xxx

Controle Estatstico - Alexandre R. P. Schuler

xxxi

Comparemos os resultados encontrados at agora com os valores desejados:


Situao Valor de a Valor de n Valor de Valor de
esperada
2
80
5
10
tentativa 1
2
80
4,5
4,7
tentativa 2
2
60
2,1
14,5
A tentativa 1 forneceu um valor para muito prximo do desejado. Alm disso, forneceu um valor de
muito menor, o que deveria agradar ao comprador. Entretanto, com um tamanho de amostra igual a 80,
o custo poder ficar muito alto. Por isso foi feita a tentativa 2. Infelizmente, ela elevou o valor de
consideravelmente, levando-nos a tentar trabalhar com um valor de n intermedirio (70).
Para o fabricante: PA = {[(70 x 0,01)0/e(70 x 0,01)] x 1/0!} + {[(70 x 0,01)1/e(70 x 0,01)] x 1/1!} + {[(70 x
0,01)2/e(70 x 0,01)] x 1/2!}
PA = 1/e0,7 + 0,7 x 1/e0,7 + 0,49 x 1/e0,7 x
PA = 0,4976 + 0,7 x 0,4976 + 0,49 x 0,4976/2 = 0,4976 + 0,3483 + 0,1219 = 96,8% = 100 96,8 =
3,2% < 5%
Para o comprador: PA = {[(70 x 0,08)0/e(70 x 0,08)] x 1/0!} + {[(70 x 0,08)1/e(70 x 0,08)] x 1/1!} + {[(70 x
0,08)2/e(70 x 0,08)] x 1/2!}
PA = 1/e5,6 + 5,6 x 1/e5,6 + 31,36 x 1/e5,6 x
PA = 0,00376 + 0,021056 + 0,05896 = 0,0838 = 8,4% = 8,4% < 10%.
Plano: N = 5000; n = 70; a = 2; P1 = 1%; P2 = 8%; = 3,2% e = 8,4%.

Exerccio 4.5. Uma amostra de tamanho n = 100 retirada da produo. Admite-se que NQ pode
variar entre 0% e 20%. Calcular e construir a CCO para a = 10, empregando a equao de Poisson.
Dica: quanto mais pontos, mais bem definida fica a curva.
Resposta: Atribuir vrios valores para P (porcentagem de defeituosos), entre 0,0 e 0,2 (0% e 20%) e
calcular o correspondente valor de PA. A CCO construda colocando-se P na abcissa e PA na
ordenada.
Equaes:
m = n.P; PA = md/(em.d!)
Desenvolvimento: calcular m e PA para cada valor de P.

1) P = 0% = 0
m = 100 x 0 = 0
PA = (00/e0) x 1/0! + (01/e0) x 1/1! + (02/e0) x 1/2! + (03/e0) x 1/3! + (04/e0) x 1/4! + (05/e0) x 1/5! +
(06/e0) x 1/6! + (07/e0) x 1/7! + (08/e0) x 1/8! + (09/e0) x 1/9! + (010/e0) x 1/10!
PA = (1/1) x 1/1 + (0/1) x 1/1 + (0/1) x 1/2 + (0/1) x 1/6 + (0/1) x 1/24 + (0/1) x 1/120 + (0/1) x 1/720
+ (0/1) x 1/5040 + (0/1) x 1/40320 + (0/1) x 1/362880 + (0/1) x 1/3628800
PA = 1 + 0 + 0 + 0 + 0 + 0 + 0 + 0 + 0 + 0 + 0
PA = 1 = 100%
xxxi

Controle Estatstico - Alexandre R. P. Schuler

xxxii

2) P = 0,5% = 0,005
m = 100 x 0,005 = 0,5
PA = (0,50/e0,5) x 1/0! + (0,51/e0,5) x 1/1! + (0,52/e0,5) x 1/2! + (0,53/e0,5) x 1/3! + (0,54/e0.5) x 1/4! +
(0,55/e0,5) x 1/5! + (0,56/e0,5) x 1/6! + (0,57/e0,5) x 1/7! + (0,58/e0,5) x 1/8! + (0,59/e0,5) x 1/9! +
(0,510/e0,5) x 1/10!
PA = (1/1,649) x 1/1 + (0,5/1,649) x 1/1 + (0,25/1,649) x 1/2 + (0,125/1,649) x 1/6 + (0,0625/1,649) x
1/24 + (0,03125/1,649) x 1/120 + (0,015625/1,649) x 1/720 + (0,0078125/1,649) x 1/5040 +
(0,00390625/1,649) x 1/40720 + (0,001953125/1,649) x 1/362880 + (0,0009765625/1,649) x
1/3628800
PA = 0,6064 x 1 + 0,3032 x 1 + 0,1516 x 0,5 + 0,0758 x 0,1667 + 0,0379 x 0,04167 + 0,01895 x
0,008333 + 0,009475 x 0,001389 + 0,0047375 x 0,0001984 + + (0,00390625/1,649) x 1/40320+
0,001184375 x 0,000002756 + 0,0005921875 x 0,0000002756
PA = 0,6064 + 0,3032 + 0,0758 + 0,01264 + 0,001579 + 0,0001579 + 0,00001316 + 0,0000009399 +
0,00000005875 + 0,000000003264+ 0,0000000001632
PA = 1,00 = 100,00%

3) P = 1% = 0,01
m = 100 x 0,01 = 1
PA = (10/e1) x 1/0! + (11/e1) x 1/1! + (12/e1) x 1/2! + (13/e1) x 1/3! + (14/e1) x 1/4! + (15/e1) x 1/5! +
(16/e1) x 1/6! + (17/e1) x 1/7! + (18/e1) x 1/8! + (19/e1) x 1/9! + (110/e1) x 1/10!
PA = (1/2,72) x 1/1 + (1/2,72) x 1/1 + (1/2,72) x 1/2 + (1/2,72) x 1/6 + (1/2,72) x 1/24 + (1/2,72) x
1/120 + (1/2,72) x 1/720 + (1/2,72) x 1/5040 + (1/2,72) x 1/40320 + (1/2,72) x 1/362880 + (1/2,72) x
1/3628800
PA = 0,36765 + 0,36765 + 0,18382 + 0,061274 + 0,01532 + 0,003064 + 0,0005106 + 0,00007294 +
0,000009118 + 0,000001013 + 0,0000001013
PA = 0,9994 = 99,94%
Obs.: Como o leitor deve ter observado, o clculo manual bastante trabalhoso, verdadeiramente
exaustivo. Para facilitar, importante o conhecimento de aplicativos (programas computacionais) que
faam esse trabalho braal por ns. Uma vez calculados vrios valores de PA, os mesmos so
colocados num grfico (na ordenada) e correlacionados com os correspondentes valores de P (na
abcissa). Este grfico pode, por exemplo, ser construdo manualmente, em papel milimetrado, mas
tambm com auxlio de algum aplicativo (o prprio Excel ou o Origin, entre outros tantos disponveis
no mercado especializado).

xxxii

Controle Estatstico - Alexandre R. P. Schuler

xxxiii

5. TABELAS TEIS
As tabelas apresentadas a seguir devero ser utilizadas para a melhor compreenso dos
exerccios, bem como a resoluo de exerccios equivalentes.

xxxiii

xxxiv

Controle Estatstico - Alexandre R. P. Schuler

TABELA 1 (Captulo 1)
REAS

A(zo) = P (0 z zo) para zo = (x - )/ (ramo positivo da curva)4

zo

zo

zo

zo

zo

zo

0,00
0,01
0,02
0,03
0,04
0,05
0,06
0,07
0,08
0,09
0,10
0,11
0,12
0,13
0,14
0,15
0,16
0,17
0,18
0,19
0,20
0,21
0,22
0,23
0,24
0,25
0,26
0,27
0,28
0,29
0,30
0,31
0,32
0,33
0,34
0,35
0,36
0,37
0,38
0,39
0,40
0,41
0,42
0,43
0,44
0,45
0,46
0,47
0,48
0,49
0,50
0,51
0,52
0,53
0,54
0,55
0,56
0,57
0,58
0,59

0,0000
0,0040
0,0080
0,0120
0,0160
0,0199
0,0239
0,0279
0,0319
0,0359
0,0398
0,0438
0,0478
0,0517
0,0557
0,0596
0,0636
0,0675
0,0714
0,0753
0,0793
0,0832
0,0871
0,0910
0,0948
0,0987
0,1026
0,1064
0,1103
0,1141
0,1179
0,1217
0,1255
0,1293
0,1331
0,1368
0,1406
0,1443
0,1480
0,1517
0,1554
0,1591
0,1628
0,1664
0,1700
0,1736
0,1772
0,1808
0,1844
0,1879
0,1915
0,1950
0,1985
0,2019
0,2054
0,2088
0,2123
0,2157
0,2190
0,2224

0,60
0,61
0,62
0,63
0,64
0,65
0,66
0,67
0,68
0,69
0,70
0,71
0,72
0,73
0,74
0,75
0,76
0,77
0,78
0,79
0,80
0,81
0,82
0,83
0,84
0,85
0,86
0,87
0,88
0,89
0,90
0,91
0,92
0,93
0,94
0,95
0,96
0,97
0,98
0,99
1,00
1,01
1,02
1,03
1,04
1,05
1,06
1,07
1,08
1,09
1,10
1,11
1,12
1,13
1,14
1,15
1,16
1,17
1,18
1,19

0,2257
0,2291
0,2324
0,2357
0,2389
0,2422
0,2454
0,2486
0,2517
0,2549
0,2580
0,2611
0,2642
0,2673
0,2704
0,2734
0,2764
0,2794
0,2823
0,2852
0,2881
0,2910
0,2939
0,2967
0,2995
0,3023
0,3051
0,3078
0,3106
0,3133
0,3159
0,3186
0,3212
0,3238
0,3264
0,3289
0,3315
0,3340
0,3365
0,3389
0,3413
0,3438
0,3461
0,3485
0,3508
0,3531
0,3554
0,3577
0,3599
0,3621
0,3643
0,3665
0,3686
0,3708
0,3729
0,3749
0,3770
0,3790
0,3810
0,3830

1,20
1,21
1,22
1,23
1,24
1,25
1,26
1,27
1,28
1,29
1,30
1,31
1,32
1,33
1,34
1,35
1,36
1,37
1,38
1,39
1,40
1,41
1,42
1,43
1,44
1,45
1,46
1,47
1,48
1,49
1,50
1,51
1,52
1,53
1,54
1,55
1,56
1,57
1,58
1,59
1,60
1,61
1,62
1,63
1,64
1,65
1,66
1,67
1,68
1,69
1,70
1,71
1,72
1,73
1,74
1,75
1,76
1,77
1,78
1,79

0,3849
0,3869
0,3888
0,3907
0,3925
0,3944
0,3962
0,3980
0,3997
0,4015
0,4032
0,4049
0,4066
0,4082
0,4099
0,4115
0,4131
0,4147
0,4162
0,4177
0,4192
0,4207
0,4222
0,4236
0,4251
0,4265
0,4279
0,4292
0,4306
0,4319
0,4332
0,4345
0,4357
0,4370
0,4382
0,4394
0,4406
0,4418
0,4429
0,4441
0,4452
0,4463
0,4474
0,4484
0,4495
0,4505
0,4515
0,4525
0,4535
0,4545
0,4554
0,4564
0,4573
0,4582
0,4591
0,4599
0,4608
0,4616
0,4625
0,4633

1,80
1,81
1,82
1,83
1,84
1,85
1,86
1,87
1,88
1,89
1,90
1,91
1,92
1,93
1,94
1,95
1,96
1,97
1,98
1,99
2,00
2,01
2,02
2,03
2,04
2,05
2,06
2,07
2,08
2,09
2,10
2,11
2,12
2,13
2,14
2,15
2,16
2,17
2,18
2,19
2,20
2,21
2,22
2,23
2,24
2,25
2,26
2,27
2,28
2,29
2,30
2,31
2,32
2,33
2,34
2,35
2,36
2,37
2,38
2,39

0,4641
0,4649
0,4656
0,4664
0,4671
0,4678
0,4686
0,4693
0,4699
0,4706
0,4713
0,4719
0,4726
0,4732
0,4738
0,4744
0,4750
0,4756
0,4761
0,4767
0,4772
0,4778
0,4783
0,4788
0,4793
0,4798
0,4803
0,4808
0,4812
0,4817
0,4821
0,4826
0,4830
0,4834
0,4838
0,4842
0,4846
0,4850
0,4854
0,4857
0,4861
0,4864
0,4868
0,4871
0,4875
0,4878
0,4881
0,4884
0,4887
0,4890
0,4893
0,4896
0,4898
0,4901
0,4904
0,4906
0,4909
0,4911
0,4913
0,4916

2,40
2,41
2,42
2,43
2,44
2,45
2,46
2,47
2,48
2,49
2,50
2,51
2,52
2,53
2,54
2,55
2,56
2,57
2,58
2,59
2,60
2,61
2,62
2,63
2,64
2,65
2,66
2,67
2,68
2,69
2,70
2,71
2,72
2,73
2,74
2,75
2,76
2,77
2,78
2,79
2,80
2,81
2,82
2,83
2,84
2,85
2,86
2,87
2,88
2,89
2,90
2,91
2,92
2,93
2,94
2,95
2,96
2,97
2,98
2,99

0,4918
0,4920
0,4922
0,4925
0,4927
0,4929
0,4931
0,4932
0,4934
0,4936
0,4938
0,4940
0,4941
0,4943
0,4945
0,4946
0,4948
0,4949
0,4951
0,4952
0,4953
0,4955
0,4956
0,4957
0,4959
0,4960
0,4961
0,4962
0,4963
0,4964
0,4965
0,4966
0,4967
0,4968
0,4969
0,4970
0,4971
0,4972
0,4973
0,4974
0,4974
0,4975
0,4976
0,4977
0,4977
0,4978
0,4979
0,4979
0,4980
0,4981
0,4981
0,4982
0,4982
0,4983
0,4984
0,4984
0,4985
0,4985
0,4986
0,4986

3,00
3,01
3,02
3,03
3,04
3,05
3,06
3,07
3,08
3,09
3,10
3,11
3,12
3,13
3,14
3,15
3,16
3,17
3,18
3,19
3,20
3,21
3,22
3,23
3,24
3,25
3,26
3,27
3,28
3,29
3,30
3,31
3,32
3,33
3,34
3,35
3,36
3,37
3,38
3,39
3,40
3,42
3,44
3,46
3,48
3,50
3,54
3,58
3,62
3,66
3,70
3,74
3,78
3,82
3,86
3,90

0,4987
0,4987
0,4987
0,4988
0,4988
0,4989
0,4989
0,4989
0,4990
0,4990
0,4990
0,4991
0,4991
0,4991
0,4992
0,4992
0,4992
0,4992
0,4993
0,4993
0,4993
0,4993
0,4994
0,4994
0,4994
0,4994
0,4994
0,4995
0,4995
0,4995
0,4995
0,4995
0,4995
0,4996
0,4996
0,4996
0,4996
0,4996
0,4996
0,4997
0,4997
0,4997
0,4997
0,4997
0,4997
0,4998
0,4998
0,4998
0,4999
0,4999
0,4999
0,4999
0,4999
0,4999
0,4999
0,5000

Ver figura na prxima pgina.

xxxiv

Controle Estatstico - Alexandre R. P. Schuler

xxxv

xxxv

xxxvi

Controle Estatstico - Alexandre R. P. Schuler

TABELA 2 (Captulo 2)

Valores Crticos de Q para Eliminao de Erros Grosseiros

P(%)

n1
90

95

99

0,886

0,941

0,988

0,679

0,765

0,889

0,557

0,642

0,760

0,482

0,560

0,698

0,434

0,507

0,637

0,330

0,390

0,550

0,275

0,320

0,490

10

0,230

0,270

0,435

xxxvi

xxxvii

Controle Estatstico - Alexandre R. P. Schuler

TABELA 3 (Captulo 2)

Valores de Kn para Clculo da Segunda Estimativa do Desvio Padro (sR)

n
2
3
4
5
6
7
8
9
10

Kn
eficincia*
0,8862
1,00
0,5908
0,99
0,4857
0,98
0,4299
0,96
0,3946
0,93
0,3698
0,91
0,3512
0,89
0,3367
0,87
0,3249
0,85

(*) Eficincia com que Kn estima o desvio padro.

xxxvii

xxxviii

Controle Estatstico - Alexandre R. P. Schuler

TABELA 4 (Captulo 2)

Valores de F para Avaliao da Preciso Relativa de Dois Conjuntos de Dados

(n -1)
de B
1
2
3
4
5
6
7
8
9
10

1
161
18,5
10,1
7,7
6,6
6,0
5,6
5,3
5,1
5,0

2
200
19
8,6
6,9
5,8
5,1
4,7
4,5
4,3
4,1

(n - 1) PARA O MTODO A
3
4
5
6
7
8
216 225 230 234 237 239
19,2 19,2 19,3 19,3 19,4 19,4
9,9 9,1 9,0 8,9 8,8 8,8
6,6 6,4 6,3 6,2 6,1 6,1
5,4 5,2 5,1 5,0 4,9 4,8
4,8 4,5 4,4 4,3 4,2 4,2
4,4 4,1 4,0 3,9 3,6 3,7
4,1 3,8 3,7 3,6 3,5 3,4
3,9 3,6 3,5 3,4 3,3 3,2
3,7 3,5 3,3 3,2 3,1 3,1

9
241
19,4
8,8
6,0
4,8
4,1
3,6
3,3
3,1
3,0

10
242
19,4
8,8
6,0
4,8
4,1
3,6
3,3
3,1
3,0

xxxviii

xxxix

Controle Estatstico - Alexandre R. P. Schuler

TABELA 5 (Captulo 2)

Valores de t para Avaliao da Exatido

n-1

90

P(%)
95

99

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
25
30

6,314
2,920
2,353
2,132
2,015
1,943
1,895
1,860
1,833
1,812
1,796
1,782
1,771
1,761
1,753
1,746
1,740
1,734
1,729
1,725
1,708
1,697
1,645

12,706
4,303
3,182
2,776
2,571
2,447
2,365
2,306
2,262
2,228
2,201
2,179
2,160
2,145
2,131
2,120
2,110
2,101
2,093
2,086
2,060
2,042
1,960

63,657
9,925
5,841
4,608
4,032
3,707
3,499
3,355
3,250
3,169
3,106
3,055
3,012
2,977
2,947
2,921
2,891
2,878
2,861
2,845
2,787
2,750
2,576

xxxix

xl

Controle Estatstico - Alexandre R. P. Schuler

TABELA 6 (Captulo 3)
Valores para Clculo dos Limites de Controle em GC da Mdia
n
2
3
4
5
6
7
8

A
2,121
1,732
1,500
1,342
1,225
1,134
1,061

A1
3,760
2,394
1,880
1,596
1,410
1,277
1,175

A2
1,880
1,023
0,729
0,577
0,483
0,419
0,373

9
10

1,000
0,949

1,094
1,028

0,337
0,308

Frmulas:
a) Norma conhecida:
LM =
LC = LM + A
b) Norma desconhecida:
LM = X
LC = LM + A1. s
LC = LM + A2.R

ou

TABELA 7 (Captulo 3)
Valores para Clculo dos Limites de Controle em GC do Desvio Padro
n
2
3
4
5
6
7
8
9
10

c2
0,5642
0,7236
0,7979
0,8407
0,8686
0,8882
0,9027
0,9139
0,9227

B1
0,000
0,000
0,000
0,000
0,026
0,105
0,167
0,219
0,262

B2
1,843
1,858
1,808
1,745
1,711
1,672
1,638
1,609
1,584

B3
0,000
0,000
0,000
0,000
0,030
0,118
0,185
0,239
0,284

B4
3,267
2,568
2,266
2,089
1,970
1,882
1,815
1,761
1,716

Frmulas:
a) Norma conhecida:
LM = s = c2.
LIC = B1.
LSC = B2.
b) Norma desconhecida
LM = s
LIC = B3. s
LSC = B4. s

xl

xli

Controle Estatstico - Alexandre R. P. Schuler

TABELA 8 (Captulo 3)
Valores para Clculo dos Limites de Controle em GC da Amplitude
n
2
3
4
5
6
7
8
9
10

d2
1,128
1,693
2,059
2,326
2,534
2,704
2,847
2,970
3,078

D1
0,000
0,000
0,000
0,000
0,000
0,205
0,387
0,546
0,687

D2
3,686
4,358
4,698
4,918
5,078
5,203
5,307
5,394
5,469

D3
0,000
0,000
0,000
0,000
0,000
0,076
0,136
0,184
0,223

D4
3,267
2,575
2,282
2,115
2,004
1,924
1,864
1,816
1,777

Frmulas:
a) Norma conhecida: LM = d2.; LIC = D1.; LSC = D2.
b) Norma desconhecida: LM = R; LIC = D3. R ; LSC = D4. R

xli

xlii

Controle Estatstico - Alexandre R. P. Schuler

TABELA 9 (Captulo 4)
Cdigo de letras dos nveis de inspeo, para uso das Tabelas 9, 10 e 11.a,b,c.
Tamanho do lote (N)
000.002 a 000.008
000.009 a 000.015
000.016 a 000.025
000.026 a 000.050
000.051 a 000.100
000.101 a 000.150
000.151 a 000.300
000.301 a 000.500
000.501 a 001.000
001.001 a 003.000
003.001 a 010.000
010.001 a 035.000
035.001 a 150.000
150.001 a 500.000
500.001 acima

I
B
B
B
C
C
D
E
F
G
H
J
K
L
M
N

Nveis de Inspeo
II III S-1 S-2 S-3
B B B B B
B C B B B
C D B B B
D E B B B
E F B B C
F G B B C
G H B C D
H J B C D
J K C C E
K L C D E
L M C D F
M N C D F
N P D E G
P Q D E G
Q R D E H

S-4
B
B
B
C
C
D
E
E
F
G
G
H
J
J
K

xlii

xliii

Controle Estatstico - Alexandre R. P. Schuler

TABELA 10 (Captulo 4)
Planos de Inspeo com Amostragem Simples.
Letra
de
cdigo

Tamanho
da
amostra

A
B
C
D
E
F
G
H
J
K
L
M
N
P
Q
R

2
3
5
8
13
20
32
50
80
125
200
315
500
800
1250
2000

0,10
a

0,15
a

||
||
||
||
||
||
||
||
1

2
3
4
6

0
1

2
3
4
6
8

2
3
4
6
8
11

1
2
3
5
7
10
14

||
||
||
||

1
2
3
5
7
10

0,65

||
||
||
||
||

1
2
3
5
7

0,40

||
||
||
||
||
||

1
2
3
5

||
||
||
||
||
||
||

0,25

2
3
4
6
8
11
15

1
2
3
5
7
10
14
21

2
3
4
6
8
11
15
22

Nvel de qualidade aceitvel, NQA (% defeituosos ou defeitos por 100 unidades)


1,5
2,5
4,0
6,5
10,0
15,0
25,0
40,0
65,0
100,0
A
a r a r a r a r
a r a r a r a r a r a r
r
0 1
1 2 2 3 3 4 5 6
||
||
||

||

0 1
1 2 2 3 3 4 5 6 7 8
||
||

0 1
1
2 3 3 4 5 6 7 8 10 11
||

0 1
1 2
2
3 4 5 6 7 8 10 11 14 15

0 1
1 2 2 3
3
5 6 7 8 10 11 14 15 21 22

1 2 2 3 3 4
5
7 8 10 11 14 15 21 22

1 2 2 3 3 4 5 6
7
10 11 14 15 21 22

||
1 2 2 3 3 4 5 6 7 8
10
14 15 21 22
||

||
2 3 3 4 5 6 7 8 10 11
14
21 22

||
||
||
3 4 5 6 7 8 10 11 14 15
21

||
||
||
||
5 6 7 8 10 11 14 15 21 22

||
||
||
||
||
7 8 10 11 14 15 21 22

||
||
||
||
||
||
10 11 14 15 21 22

||
||
||
||
||
||
||
14 15 21 22

||
||
||
||
||
||
||
||
21 22

||
||
||
||
||
||
||
||
||
1,0

||

||

||

||

||

||

||

||

||

||

150,0

250,0

400,0

7
10
14
21
30

8
11
15
22
31

10
14
21
30
44

11
15
22
31
45

14
21
30
44

15
22
31
45

||
||
||
||
||
||
||
||
||
||

||
||
||
||
||
||
||
||
||
||

||
||
||
||
||
||
||
||
||
||
||

650,0
a

1000,0
a

21 22
30 31
44 45

30 31
44 45

||
||
||
||
||
||
||
||
||
||
||
||
||

||
||
||
||
||
||
||
||
||
||
||
||

= Empregue o primeiro plano abaixo da seta. Quando o tamanho da amostra (n) for igual ou maior do que o tamanho da partida (N), realize inspeo completa.
= Empregue o primeiro plano acima da seta.
a = Nmero de Aceitao.
r = Nmero de Rejeio.

xliii

xliv

Controle Estatstico - Alexandre R. P. Schuler

TABELA 11 (Captulo 4)
Planos de Inspeo com Amostragem Dupla.
Letra

Ordem

Tamanho

de

da

da amostra

cdigo

Amostra

simples

acumul.

0,15
a r

0,25
a r

0,40
a r

0,65
a r

||
||

||
||

||
||

||
||

||
||

||
||

||
||

||
||

||

||

1,0

Nvel de qualidade aceitvel, NQA (% defeituosos ou defeitos por 100 unidades)


1,5
2,5
4,0
6,5
10,0
15,0
25,0
40,0
65,0
100,0
r a r a r a r a r a r a r a r a r a r a r

0,10
a r

1
2a

2
2

2
4

||
||

||
||

||
||

||
||

||
||

||
||

||
||

1a
2a

3
3

3
6

||
||

||
||

||
||

||
||

||
||

||
||

1a
2a

5
5

5
10

||
||

||
||

||
||

||
||

||
||

||

1a
2a

8
8

8
16

||
||

||
||

||
||

||
||

1a
2a

13
13

13
26

||
||

||
||

||
||

1a
2a

20
20

20
40

||
||

||
||

1a
2a

32
32

32
64

||
||

1a
2a

50
50

50
100

1a
2a

80
80

80
160

1a
2a

125
125

125
250

1a
2a

200
200

200
400

1a
2a

315
315

315 0
630 1

1a
2a

1a
2a

1
2a

||

||

||

||
||

||

||

||

||

||

||

||

||

||

0
3

3
4

1
4

4
5

2
6

5
7

3
8

7
9

5 9
12 13

7 11
18 19

11 16
26 27

17 22
37 38

25 31
56 57

0
1

2
2

0
3

3
4

1
4

4
5

2
6

5
7

3
8

7
9

5 9
12 13

7 11
18 19

11 16
26 27

17 22
37 38

25 31
56 57

2
2

0
3

3
4

1
4

4
5

2
6

5
7

3
8

7
9

5 9
12 13

7 11
18 19

11 16
26 27

17 22
37 38

25 31
56 57

||

||
||

4
5

2
6

5
7

3
8

7
9

5 9
12 13

7 11
18 19

11 16
26 27

17 22
37 38

25 31
56 57

||

||
||

||
||

0
1

2
2

0
3

3
4

1
4

4
5

2
6

5
7

3
8

7
9

5 9
12 13

7 11
18 19

11 16
26 27

||

||

||

||
||

||
||

||
||

0
1

2
2

0
3

3
4

1
4

4
5

2
6

5
7

3
8

7
9

5 9
12 13

7 11
18 19

11 16
26 27

||

||
||

||
||

||
||

||
||

||
||

||
||

0
1

2
2

0
3

3
4

1
4

4
5

2
6

5
7

3
8

7
9

5 9
12 13

7 11
18 19

11 16
26 27

||

||
||

||
||

||
||

||
||

||
||

||
||

||
||

0
1

2
2

0
3

3
4

1
4

4
5

2
6

5
7

3
8

7
9

5 9
12 13

7 11
18 19

11 16
26 27

||

||
||

||
||

||
||

||
||

||
||

||
||

||
||

||
||

||
||
||
||
||
||
||
||
||
||
||
||
||
||

||
||
||
||
||
||
||
||
||
||
||
||
||
||

||
||
||
||
||
||
||
||
||
||
||
||
||
||

||
||
||
||
||
||
||
||
||
||
||
||
||
||

||
||
||
||
||
||
||
||
||
||
||
||
||
||

||
||
||
||
||
||
||
||
||
||
||
||
||
||

||
||
||
||
||
||
||
||
||
||
||
||
||
||

||
||
||
||
||
||
||
||
||
||
||
||
||
||

||
||
||
||
||
||
||
||
||
||
||
||
||
||

0
1

2
2

0
3

3
4

1
4

4
5

2
6

5
7

3
8

7
9

5 9
12 13

7 11
18 19

11 16
26 27

||

||
||
||
||
||
||
||
||
||
||
||
||

2
2

0
3

3
4

1
4

4
5

2
6

5
7

3
8

7
9

5 9
12 13

7 11
18 19

11 16
26 27

4
5

2
6

5
7

3
8

7
9

5 9
12 13

7 11
18 19

11 16
26 27

2
2

0
3

3
4

1
4

4
5

2
6

5
7

3
8

7
9

5 9
12 13

7 11
18 19

11 16
26 27

500 500 0
500 1000 3

3
4

1
4

4
5

2
6

5
7

3
8

7
9

5 9
12 13

7 11
18 19

11 16
26 27

800 800 1
800 1600 4

4
5

2
6

5
7

3
8

7
9

5 9
12 13

7 11
18 19

11 16
26 27

11 16
26 27

7 11
18 19

||

0
1

0
1

5 9
12 13

2
2

1
4

1
4

7
9

0
1

3
4

3
4

3
8

1000,0
a r

0
3

0
3

5
7

650,0
a r

2
2

2
2

1250 1250 2
1250 2500 6

400,0
a r

0
1

0
1

250,0
a r

* * * * * * * * *

||

||

||

||

||

||

||

||

||

*
||

||

||

||

||

||
||

150,0
a r

||

||
||
||

||
||
||
||
||

||
||
||
||
||
||
||

||
||
||
||
||
||
||
||
||

||
||
||
||
||
||
||
||
||
||
||

= Empregue o primeiro plano abaixo da seta. Quando o tamanho da amostra (n) for igual ou maior do que o tamanho da partida (N), realize inspeo completa.
= Empregue o primeiro plano acima da seta. a = Nmero de Aceitao.
r = Nmero de Rejeio.
* = Empregue o correspondente plano de amostragem simples, ou o plano duplo imediatamente abaixo, se existir.

xliv

xlv

Controle Estatstico - Alexandre R. P. Schuler

TABELA 12 (Captulo 4)
Planos de Inspeo com Amostragem Mltipla (Cdigos de Tamanho do Lote de A a G)
Letra

Ordem

Tamanho

Tamanho

de

da

da

da amostra

cdigo

amostra

amostra

acumulada

0,10
a r

0,15
a r

0,25
a r

0,40
a r

0,65
a r

1,0
a

Nvel de qualidade aceitvel, NQA (% defeituosos ou defeitos por 100 unidades)


1,5
2,5
4,0
6,5
10,0
15,0
25,0
40,0
65,0
100,0
r a r a r a r a r a r a r a r a r a r a r

A
B
C
D

150,0
a r

250,0
a r

400,0
a r

650,0
a r

1000,0
a r

* * * * * * * * * * * * * *
1
2
3
4
5
6
7
1
2
3
4
5
6
7
1
2
3
4
5
6
7
1
2
3
4
5
6
7

2
2
2
2
2
2
2
3
3
3
3
3
3
3
5
5
5
5
5
5
5
8
8
8
8
8
8
8

2
4
6
8
10
12
14
3
6
9
12
15
18
21
5
10
15
20
25
30
35
8
16
24
32
40
48
56

||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||

||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||

||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||

||
||
||
||
||
||
||
||
||
||
||
||
||
||

||
||
||
||
||
||
||
||
||

||
||
||
||

||
||
||
||

||
||
||
||
||
||
||
||

||
||
||
||
||
||
||
||

#
#
0
0
1
1
2

||
||
||
||

||
||
||
||
||
||
||
||

2
2
2
3
3
3
3

#
#
0
0
1
1
2
#
0
0
1
2
3
4

2
2
2
3
3
3
3
2
3
3
4
4
5
5

#
#
0
0
1
1
2
#
0
0
1
2
3
4
#
0
1
2
3
4
6

2
2
2
3
3
3
3
2
3
3
4
4
5
5
3
3
4
5
6
6
7

# 2
# 2
0 2
0 3
1 3
1 3
2 3
# 2
0 3
0 3
1 4
2 4
3 5
4 5
# 3
0 3
1 4
2 5
3 6
4 6
6 7
# 4
1 5
2 6
3 7
5 8
7 9
9 10

#
0
0
1
2
3
4
#
0
1
2
3
4
6
#
1
2
3
5
7
9
0
1
3
5
7
10
13

2
3
3
4
4
5
5
3
3
4
5
6
6
7
4
5
6
7
8
9
10
4
6
8
10
11
12
14

#
0
1
2
3
4
6
#
1
2
3
5
7
9
0
1
3
5
7
10
13
0
3
6
8
11
14
18

3
3
4
5
6
6
7
4
5
6
7
8
9
10
4
6
8
10
11
12
14
5
8
10
13
15
17
19

#
1
2
3
5
7
9
0
1
3
5
7
10
13
0
3
6
8
11
14
18
1
4
8
12
17
21
25

4
5
6
7
8
9
10
4
6
8
10
11
12
14
5
8
10
13
15
17
19
7
10
13
17
20
23
26

0
1
3
5
7
10
13
0
3
6
8
11
14
18
1
4
8
12
17
21
25
2
7
13
19
25
31
37

4
6
8
10
11
12
14
5
8
10
13
15
17
19
7
10
13
17
20
23
26
9
14
19
25
29
33
38

0
3
6
8
11
14
18
1
4
8
12
17
21
25
2
7
13
19
25
31
37

5
8
10
13
15
17
19
7
10
13
17
20
23
26
9
14
19
25
29
33
38

||
||
||
||

1
4
8
12
17
21
25
2
7
13
19
25
31
37

7
10
13
17
20
23
26
9
14
19
25
29
33
38

||
||
||
||
||
||
||
||
||

2
7
13
19
25
31
37
4
11
19
27
36
45
53

9
14
19
25
29
33
38
12
19
27
34
40
47
54

||
||
||
||
||
||
||
||
||

4
11
19
27
36
45
53
6
17
29
40
53
65
77

12
19
27
34
40
47
54
16
27
39
49
58
68
78

||
||
||
||
||
||
||
||
||

6
17
29
40
53
63
77

12
27
39
49
58
68
78

||
||
||
||
||
||
||
||
||
||
||
||
||
||

||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||

||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||

= Empregue o primeiro plano abaixo da seta. Quando o tamanho da amostra (n) for igual ou maior do que o tamanho da partida (N), realize inspeo completa.
= Empregue o primeiro plano acima da seta.
a = Nmero de Aceitao.
r = Nmero de Rejeio.
* = Empregue o correspondente plano de amostragem simples, ou o plano de amostragem mltipla imediatamente abaixo, se existir.
# = Aceitao no permitida com este tamanho de amostra.

xlv

xlvi

Controle Estatstico - Alexandre R. P. Schuler

TABELA 12 (Captulo 4)
Planos de Inspeo com Amostragem Mltipla (Cdigos de Tamanho do Lote de H a L)
Letra

Ordem

Tamanho

Tamanho

de

da

da

da amostra

cdigo

amostra

amostra

acumulada

1
2
3
4
5
6
7
1
2
3
4
5
6
7
1
2
3
4
5
6
7
1
2
3
4
5
6
7

13
13
13
13
13
13
13
20
20
20
20
20
20
20
32
32
32
32
32
32
32
50
50
50
50
50
50
50

13
26
39
52
65
78
91
20
40
60
80
100
120
140
32
64
96
128
150
192
224
50
100
150
200
250
300
350

0,10
a r

0,15
a r

||
||
||
||
||
||
||
||
||

||
||
||
||

||
||
||
||

0,25
a r

0,65
a r

||
||
||
||
||
||
||
||

||
||
||
||

||
||
||
||
||
||
||
||

||
||
||
||
||
||
||
||

0,40
a r

#
#
0
0
1
1
2

2
2
2
3
3
3
3

#
#
0
0
1
1
2
#
0
0
1
2
3
4

2
2
2
3
3
3
3
2
3
3
4
4
5
5

#
#
0
0
1
1
2
#
0
0
1
2
3
4
#
0
1
2
3
4
6

2
2
2
3
3
3
3
2
3
3
4
4
5
5
3
3
4
5
6
6
7

Nvel de qualidade aceitvel, NQA (% defeituosos ou defeitos por 100 unidades)


1,5
2,5
4,0
6,5
10,0
15,0
25,0
40,0
65,0
100,0
r a r a r a r a r a r a r a r a r a r a r
2 # 2 # 3 # 4 0 4 0 5 1 7 2 9

2 0 3 0 3 1 5 1 6 3 8 4 10 7 14
||
||
||
2 0 3 1 4 2 6 3 8 6 10 8 13 13 19
3 1 4 2 5 3 7 5 10 8 13 12 17 19 25
||
||
||
3 2 4 3 6 5 8 7 11 11 15 17 20 25 29
|
|
|
|
||
3 3 5 4 6 7 9 10 12 14 17 21 23 31 33
||
||
||
3 4 5 6 7 9 10 13 14 18 19 25 26 37 38
2 # 3 # 4 0 4 0 5 1 7 2 9
||
||
||

3 0 3 1 5 1 6 3 8 4 10 7 14
||
||
||
||
3 1 4 2 6 3 8 6 10 8 13 13 19
4 2 5 3 7 5 10 8 13 12 17 19 25
||
||
||
||
4 3 6 5 8 7 11 11 15 17 20 25 29
|
|
|
|
||
|
|
5 4 6 7 9 10 12 14 17 21 23 31 33
|
|
|
|
||
|
|
5 6 7 9 10 13 14 18 19 25 26 37 38
3 # 4 0 4 0 5 1 7 2 9
||
||
||
||

3 1 5 1 6 3 8 4 10 7 14
|
|
|
|
|
|
||
|
|
4 2 6 3 8 6 10 8 13 13 19
5 3 7 5 10 8 13 12 17 19 25
||
||
||
||
||
6 5 8 7 11 11 15 17 20 25 29
|
|
|
|
|
|
||
||
6 7 9 10 12 14 17 21 23 31 33
|
|
|
|
|
|
||
||
7 9 10 13 14 18 19 25 26 37 38
4 0 4 0 5 1 7 2 9
||
||
||
||
||

5 1 6 3 8 4 10 7 14
|
|
|
|
|
|
|
|
||
|
|
6 3 8 6 10 8 13 13 19
7 5 10 8 13 12 17 19 25
|
|
|
|
|
|
|
|
||
||
8 7 11 11 15 17 20 25 29
||
||
||
||
||
||
9 10 12 14 17 21 23 31 33
||
||
||
||
||
||
10 13 14 18 19 25 26 37 38

1,0
a
#
#
0
0
1
1
2
#
0
0
1
2
3
4
#
0
1
2
3
4
6
#
1
2
3
5
7
9

150,0
a r

250,0
a r

400,0
a r

650,0
a r

1000,0
a r

||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||

||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||

||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||

||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||

||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||

a
r

= Empregue o primeiro plano abaixo da seta. Quando o tamanho da amostra (n) for igual ou maior do que o tamanho da partida (N), realize inspeo completa.
= Empregue o primeiro plano acima da seta.
= Nmero de Aceitao.
= Nmero de Rejeio.
* = Empregue o correspondente plano de amostragem simples, ou o plano de amostragem mltipla imediatamente abaixo, se existir.
# = Aceitao no permitida com este tamanho de amostra.

xlvi

xlvii

Controle Estatstico - Alexandre R. P. Schuler

TABELA 13 (Captulo 4)
Planos de Inspeo com Amostragem Mltipla (Cdigos de Tamanho do Lote de M a R)
Letra

Ordem

de

da

cdigo

amostra

1
2
3
4
5
6
7
1
2
3
4
5
6
7
1
2
3
4
5
6
7
1
2
3
4
5
6
7
1
2
3
4
5
6
7

Tamanho

Tamanho

da

da amostra

Nvel de qualidade aceitvel, NQA (% defeituosos ou defeitos por 100 unidades)


0,15
0,25
0,40
0,65
1,0
1,5
2,5
4,0
6,5
10,0
15,0
25,0
40,0
65,0
100,0
150,0
amostra
acumulada
a r a r a r a r a r a r a r a r a r a r a r a r a r a r a r a r
80
80
|| # 2 # 2 # 3 # 4 0 4 0 5 1 7 2 9

80
160
# 2 0 3 0 3 1 5 1 6 3 8 4 10 7 14
| | 0 2 0 3 1 4 2 6 3 8 6 10 8 13 13 19 | |
||
||
||
||
||
||
||
240
80
320
80
| | 0 3 1 4 2 5 3 7 5 10 8 13 12 17 19 25 | |
||
||
||
||
||
||
||
400
80
1 3 2 4 3 6 5 8 7 11 11 15 17 20 25 29
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||
480
80
1 3 3 5 4 6 7 9 10 12 14 17 21 23 31 33
||
||
||
||
||
||
||
2 3 4 5 6 7 9 10 13 14 18 19 25 26 37 38 | |
80
560
125
125
# 2 # 2 # 3 # 4 0 4 0 5 1 7 2 9
||
||
||
||
||
||
||
||

125
250
# 2 0 3 0 3 1 5 1 6 3 8 4 10 7 14
||
||
||
||
||
||
||
||
||
125
375
0 2 0 3 1 4 2 6 3 8 6 10 8 13 13 19
125
500
0 3 1 4 2 5 3 7 5 10 8 13 12 17 19 25
||
||
||
||
||
||
||
||
||
125
625
1 3 2 4 3 6 5 8 7 11 11 15 17 20 25 29
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||
|
|
125
750
1 3 3 5 4 6 7 9 10 12 14 17 21 23 31 33
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||
|
|
125
875
2 3 4 5 6 7 9 10 13 14 18 19 25 26 37 38
200
# 2 # 3 # 4 0 4 0 5 1 7 2 9
200
||
||
||
||
||
||
||
||
||

400
0 3 0 3 1 5 1 6 3 8 4 10 7 14
200
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||
|
|
200
600
0 3 1 4 2 6 3 8 6 10 8 13 13 19
200
800
1 4 2 5 3 7 5 10 8 13 12 17 19 25
||
||
||
||
||
||
||
||
||
||
200
1000
2 4 3 6 5 8 7 11 11 15 17 20 25 29
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||
||
200
1200
3 5 4 6 7 9 10 12 14 17 21 23 31 33
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||
||
4 5 6 7 9 10 13 14 18 19 25 26 37 38
200
1400
315
315
# 3 # 4 0 4 0 5 1 7 2 9
||
||
||
||
||
||
||
||
||
||

315
630
0 3 1 5 1 6 3 8 4 10 7 14
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||
|
|
315
945
1 4 2 6 3 8 6 10 8 13 13 19
315
1260
2 5 3 7 5 10 8 13 12 17 19 25
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||
||
315
1575
3 6 5 8 7 11 11 15 17 20 25 29
||
||
||
||
||
||
||
||
||
||
||
315
1890
4 6 7 9 10 12 14 17 21 23 31 33
||
||
||
||
||
||
||
||
||
||
||
315
2205
6 7 9 10 13 14 18 19 25 26 37 38
# 4 0 4 0 5 1 7 2 9
500
500
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||

1000
1 5 1 6 3 8 4 10 7 14
500
||
||
||
||
||
||
||
||
||
||
||
||
1500
2 6 3 8 6 10 8 13 13 19
500
500
2000
3 7 5 10 8 13 12 17 19 25
||
||
||
||
||
||
||
||
||
||
||
||
500
2500
5 8 7 11 11 15 17 20 25 29
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||
|
|
7 9 10 12 14 17 21 23 31 33
500
3000
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||
|
|
3500
9 10 13 14 18 19 25 26 37 38
500
= Empregue o primeiro plano abaixo da seta. Quando o tamanho da amostra (n) for igual ou maior do que o tamanho da partida (N), realize inspeo completa.
= Empregue o primeiro plano acima da seta.
a = Nmero de Aceitao.
r = Nmero de Rejeio.
# = Aceitao no permitida com este tamanho de amostra.
0,10
a r

250,0
a r

400,0
a r

650,0
a r

1000,0
a r

||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||

||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||

||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||

||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||

xlvii