Escolar Documentos
Profissional Documentos
Cultura Documentos
Apostila CEQ20081
Apostila CEQ20081
Contedo
0. Reviso
0.1 Reviso de Estatstica Descritiva
0.2 Reviso de Estatstica Inferencial
1. Introduo a Estatstica na Qualidade
1.1 Viso da disciplina e aspectos histricos
1.2 Conceitos de Qualidade
2. As Sete Ferramentas Estatsticas
3. Introduo ao CEP
3.1 Filosofia e Tcnica
3.2 Controle Estatstico do Processo
4. Grficos de Controle
4.1 Grficos de Controle para Variveis
4.2 Grfico de Controle para Atributos
5. Capacidade do Processo
5.1 Conceitos bsicos
5.2 ndices de Capacidade de Processo
7. Aceitao por Amostragem
7.1 Planos de amostragem nica para atributos
7.2 Planos de amostragem dupla para atributos
7.3 Planos de amostragem mltipla
7.4 Planos de amostragem seqencial
7.5 Normas Militares de Inspeo (MIL STD 105)
8. Tcnicas avanadas de CEP
8.1 Grfico Cusum
8.2 Grfico Cusum tabular
CEQ - Pg.
0. Reviso
Nesta disciplina utilizaremos conhecimentos de Estatstica Descritiva, Probabilidade, Amostragem
e Estatstica Inferencial ou seja faremos uso de quase tudo que foi visto nas cadeiras
anteriores. Iniciaremos por uma reviso aplicada a situaes que envolvam Engenharia de
Produo.
Exerccio 2
Considere o seguinte exemplo onde a especificao ou valor nominal=250g. Temos trs amostras
n=5, uma para cada mquina.
Pesos em gramas
Mquina A
248,0
249,0
250,0
251,0
252,0
Mquina B
250,0
250,5
249,5
250,0
250,0
Mquina C
245,0
255,0
252,0
250,0
248,0
Se o objetivo verificar se os produtos produzidos nas trs mquinas atendem as especificaes, o que
podemos fazer?
Como determinar qual a melhor mquina?
Exerccio 3
Suponha a seguinte seqncia temporal relativa viscosidade de um leo
Dia 0
100
Dia 15
99
Dia 30
98
Dia 45
97
Dia 60
80
Dia 75
40
CEQ - Pg.
Exerccio 4
Separatrizes (Mediana, Quartis, Percentis). Utilidade e interpretao.
Trabalho 1
Realizar uma anlise descritiva e grfica do arquivo fornecido pelo professor.
Parte I Descrever o que aconteceu neste Lote. Qual a melhor mquina A ou B?
Parte II Seqncia temporal. O que est acontecendo com a produo desta empresa?
Faa tudo que voc conseguir para descrever e resumir da melhor forma possvel toda a
informao disponvel.
CEQ - Pg.
Exerccio 6
Suponha que o peso das latas enchidas por uma mquina siga uma distribuio
Uniforme no Intervalo de 240g at 260g.
a) Como fica o modelo que descreve X=peso em gramas?
b) Qual o valor esperado e a varincia de X.
Exerccio 7
Suponha que o peso das latas enchidas por uma mquina siga uma distribuio
Normal com mdia de 255g e desvio-padro de 5g.
a) Grafique o modelo Normal respeitando a relao da mdia + desviopadro.
b) Qual a probabilidade de uma lata pesar entre 250g e 260g?
c) Qual a probabilidade de uma lata pesar menos de 260g?
d) Qual a probabilidade de uma lata pesar mais de 260g?
e) Qual a probabilidade de uma lata pesar menos de 262g?
Exerccio 8
Duas mquinas produzem o mesmo tipo de fio. A mquina A gera fios com
espessura mdia de 20mm com desvio-padro de 1mm. A mquina B gera fio
com espessura mdia de 19mm e desvio-padro de 1,5mm.
Se voc verifica que uma pea tem mais de 22mm, mais provvel que ela
tenha sido produzida pela mquina A ou pela mquina B?
Estimadores
Mdia populacional
Mdia amostral
Desvio-padro populacional
Proporo populacional
p ou
Desvio-padro amostral
s
Proporo amostral
CEQ - Pg.
X1 + X2 + ... + Xn =
~ Normal (n ; n 2 )
Este resultado pode ser utilizado para comprender o comportamento probabilstico da mdia
n
amostral
X =
x
i =1
. Logo,
X =
x
i =1
~ Normal ;
A distribuio t de Student
O matemtico ingls Gosset fez estudos que colaboraram muito para a rea de inferncia
estatstica. Ele estudou o comportamento probabilstico de X e props um nova distribuio,
denominada t.
J sabemos que se X ~ Normal (;), ento
Z=
Se
X =
x
i =1
X
~ Normal ;
, ento
~ Z . O empecilho para utilizar esta
n
/ n
X
s/ n
Exerccio 9
Suponha um processo industrial que apresenta tempo mdio e desvio-padro . Uma amostra
de n=81 observaes levou a um tempo mdio de 124s com um desvio-padro de 12s.
a) Infira sobre por meio de um intervalo de confiana 95%.
b) Se aumentamos a confiana para 99% de confiana, o que acontece com o intervalo de
confiana?
c) O que acontece quando n>120?
CEQ - Pg.
Exerccio 10
Com base na amostra n=121 teste a hiptese de que a mdia do processo de, no mximo, 2
minutos. Use 95% de confiana (ou, equivalentemente, 5% de significncia)
a) Infira sobre por meio de um teste de hipteses bilateral
b) Comente sobre os erros que podemos estar cometendo.
c) Faa uma curva do Erro Tipo II () em funo da distncia entre e o.
Exerccio 11
Suponha que devido a escassez de um determinado produto no mercado voc tolere uma taxa
de 7,5% de defeitos. Numa amostra de 30 peas extradas de um populao muito grande,a
partir de qual quantidade de peas defeituosas voc toleraria que a proporo de defeituosas
possa ser de 7,5%.
x
0
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
P(X=x)
9,64%
23,46%
27,58%
20,87%
11,42%
4,82%
1,63%
0,45%
0,11%
0,02%
0,00%
0,00%
0,00%
0,00%
0,00%
0,00%
P(X<=7,5%)
9,64%
33,10%
60,68%
81,55%
92,97%
97,79%
99,42%
99,87%
99,97%
100,00%
100,00%
100,00%
100,00%
100,00%
100,00%
100,00%
x
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
P(X=x)
0,00%
0,00%
0,00%
0,00%
0,00%
0,00%
0,00%
0,00%
0,00%
0,00%
0,00%
0,00%
0,00%
0,00%
0,00%
P(X<=7,5%)
100,00%
100,00%
100,00%
100,00%
100,00%
100,00%
100,00%
100,00%
100,00%
100,00%
100,00%
100,00%
100,00%
100,00%
100,00%
CEQ - Pg.
Estatstica Descritiva
Estatstica Inferencial
CEP
Melhoria da Qualidade
Amostragem
Probabilidade
Linha de tempo
Antes de 1875...
O trabalho era basicamente desempenhado por camponeses e artesos. Com a revoluo industrial houve
drstica mudana na maneira de viver das populaes dos pases que se industrializaram. As cidades
atraram os camponeses e artesos, e se tornaram cada vez maiores e mais importantes.
Em 1733, John Kay inventa a lanadeira volante, inveno utilizada para tecer e que liberava uma das mos do
operador.
Em 1740, Benjamin Huntsman (fabricante de relgios ingls) desenvolve um processo mecnico de produzir
ao muito superior aos demais (processo crucible).
Em 1767 James Hargreaves inventa a spinning jenny, mquina que permitia a um s arteso fiar 80 fios de
uma nica vez.
Em 1768 James Watt inventa a mquina a vapor.
Em 1769 Richard Arkwright inventa a water frame, uma mquina movida gua utilizada na indstria txtil.
Em 1779 Samuel Crompton inventa a mula giratria, uma combinao da water frame com a spinning
jenny com fios finos e resistentes.
Em 1785 Edmond Cartwright inventa o tear mecnico.
CEQ - Pg.
1907 - 1908
1908
1920 - 1929
1922 - 1923
1924
1931
1932 - 1933
1938
Fato
Taylor introduz os princpios do gerenciamento cientficos para dividir o trabalho em
unidades menores, mais facilmente realizadas.
Henry Ford introduz a linha de montagem com maior refinamento dos mtodos de trabalho
para melhorar a produtividade e a qualidade. Ele desenvolveu conceitos de erro-prova de
montagem, auto-inspeo, inspeo durante o processo.
AT&T inicia inspeo e o teste sistemtico de produtos e materiais.
Gosset (Student) introduz a distribuio t como resultado oriundo de seu trabalho em
controle de qualidade na centenria Cervejaria Guiness.
AT&T e Bell formam um Departamento de Qualidade. NA GE (Inglaterra), Dudding usa
mtodos estatsticos para controlar a qualidade de lmpadas.
R. A Fisher publica uma srie de artigos sobre Planejamento de Experimentos e suas
aplicaes Agricultura.
Shewhart introduz o conceito de grficos de controle num documento da Bell.
Shewhart publica obra sobre mtodos estatsticos para uso na produo de grficos de
controle.
A Indstria txtil e Qumica da Alemanha comea a usar experimentos planejados no
desenvolvimento de produtos/processos.
Walter Deming convida Shewhart para apresentar seminaries sobre grficos de controle na
1960
Anos 60
Anos 70
Anos 80
Anos 90
CEQ - Pg.
CEQ - Pg. 10
Valor-nominal ou Valor-alvo: uma medida que corresponde ao valor desejado para uma
caracterstica de qualidade.
CEQ - Pg. 11
3.
4.
5.
6.
7.
8.
9.
10.
11.
CEQ - Pg. 12
CEQ - Pg. 13
P( < X < + ) =
P( 2 < X < + 2 ) =
P( 3
P( 4
P( 5
P( 6
<X
<X
<X
<X
< + 3 ) =
< + 4 ) =
< + 5 ) =
< + 6 ) =
P( < X < + ) =
P( 2 < X < + 2 ) =
P( 3
P( 4
P( 5
P( 6
<X
<X
<X
<X
< + 3 ) =
< + 4 ) =
< + 5 ) =
< + 6 ) =
O 6-Sigma aproveita uma srie de mtodos comprovados e treina um pequeno grupo de lderes
internos, conhecidos como black-belts, at que atinjam alto ivel de proficincia na aplicao de
tais tcnicas. Com certeza, alguns dos mtodos utilizados pelos black-belts so altamente
avanados, o que inclui o uso de tecnologia moderna de informtica.
Contudo, as ferramentas so aplicadas dentro de um modelo simples de melhoria de
desempenho conhecido pela sigla DMAIC, ou Define - Measure - Analyze - Improve -Control
(Definir - Mensurar - Analisar - Incrementar - Controlar).
CEQ - Pg. 14
o tpico 7 ser
1) Histograma ou Ramo-e-folha
1.1
1.2
2) Folha de Verificao
um formulrio de coleta de dados, simplificado, onde o registro e anlise de
das pode ser realizado de forma simples e rpida. A folha de verificao pode ser
utilizada para vrios propsitos, mas sua principal caracterstica tornar fcil a
compilao dos dados.
CEQ - Pg. 15
XXXX
XX
XXXXXXXXXXXX
XX
X
Total
4
2
12
2
1
21
3) Diagrama de causa-e-efeito
O diagrama de causa-e-efeito batizado por Juran como Diagrama de Ishikawa
e tambm conhecido como espinha de peixe ou artes de poisson representa
graficamente o relacionamento entre algum efeito e todas as causas e subcausas
possveis. O diagrama tem a seguinte forma geral:
CEQ - Pg. 16
4) Grfico de Pareto
O diagrama de Pareto um tipo especial de grfico de colunas onde a freqncia
de ocorrncia de categorias listada em ordem decrescente acompanhada de
uma barra contendo a freqncia acumulada. Vejamos um exemplo:
Causas do
problema
A
B
C
D
E
Total
Freqncia
(fi)
100
70
60
20
10
260
%
(fri)
% Acumulado
(Fri)
O diagrama de Pareto uma tcnica que separa os poucos problemas vitais dos
muitos triviais, indicando quais so aqueles que devem ser prioritariamente
solucionados.
5) Fluxograma
O fluxograma uma forma de representao das sequncia de etapas que
compem um processo. Suas partes so:
CEQ - Pg. 17
6) Diagrama de disperso
Possibilidade visualizar a relao entre duas variveis quantitativas. Por exemplo,
o nmero de erros de uma digitadora pode estar relacionado com a quantidade
de rudo; o nmero de vezes que uma mquina tranca por dia poed estar
relacionado com a temperatura, etc. Em um grfico de disperso padro, a
caracterstica de qualidade deve estar no eixo Y (var dependente) e a possvel
causa deve estar no eixo X (var independente).
Vejamos alguns tipos de relacionamentos:
CEQ - Pg. 18
Correlao direta
Correlao inversa
Correlao nula
Correlao no-linear
Correlao no-linear
(2)
Varincia no
constante
7) Grficos de controle
Ser abordado mais frente.
CEQ - Pg. 19
3. Introduo ao CEP
3.1 Filosofia e Tcnica
No Captulo 2 vimos que as sete ferramentas estatsticas so uma parte
importante do CEP. Entretanto, Montgomery (2004, p. 95) salienta que elas
englobam apenas os aspectos tcnicos do CEP.
Para entender os conceitos que formam a base do CEP temos que,
primeiramente, entender a teoria da variabilidade de Shewhart.
3.1.1 Causas aleatrias e atribuveis da variao da qualidade
Montgomery (2004, p. 96) diz que em qualquer processo de produo uma certa
quantidade de variabilidade sempre existir (este um axioma no CEP). Essa
variabilidade natural ou rudo de fundo o efeito cumulativo de muitas causas
pequenas, essencialmente inevitveis. Diz-se que um processo que opera apenas com
as causas aleatrias de variao est sob controle estatstico.
Outros tipos de variabilidade podem, ocasionalmente, estar presentes na sada do
processo. Geralmente estes tipos de variabilidade se devem a uma das seguintes fontes:
1) __________________________
2) __________________________
3) __________________________
As variabilidades devidas a estas fontes so, geralmente, muito maiores do que o rudo
CEQ - Pg. 20
CEQ - Pg. 21
4. Grficos de Controle
Neste captulo veremos duas classes de grficos de controle, organizados de acordo com
o tipo de caracterstica da qualidade que estamos mensurando: temos os grficos de
controle para variveis e os grficos de controle para atributos.
Realidade
Deciso
Aceito Ho
Ho Verdadeira
Ho Falsa
Ok
Erro II
Dizer que est controlado,
quando no est
Ok
1- : Confiana
Rejeito Ho
Erro I
Dizer que est fora de
controle, quando est
controlado
1- : Poder
CEQ - Pg. 22
Ha : 74
X =
~ W onde E(W)=d2
CEQ - Pg. 23
R
d2
d2 n
R = X + A2 R
LC = X
LIC = X
d2 n
R = X A2 R
R=
d3
R
d2
d3
R = D4 R
d2
LC = R
LIC = R 3 R = R 3
d3
R = D3 R
d2
CEQ - Pg. 24
xi1
xi2
xi3
xi4
xi5
74,030
74,002
74,019
73,992
74,008
73,995
73,992
74,001
74,011
74,004
73,988
74,024
74,021
74,005
74,002
74,002
73,996
73,993
74,015
74,009
73,992
74,007
74,015
73,989
74,014
74,009
73,994
73,997
73,985
73,993
73,995
74,006
73,994
74,000
74,005
73,985
74,003
73,993
74,015
73,988
74,008
73,995
74,009
74,005
74,004
10
73,998
74,000
73,990
74,007
73,995
11
73,994
73,998
73,994
73,995
73,990
12
74,004
74,000
74,007
74,000
73,996
13
73,983
74,002
73,998
73,997
74,012
14
74,006
73,967
73,994
74,000
73,984
15
74,012
74,014
73,998
73,999
74,007
16
74,000
73,984
74,005
73,998
73,996
17
73,994
74,012
73,986
74,005
74,007
18
74,006
74,010
74,018
74,003
74,000
19
73,984
74,002
74,003
74,005
73,997
20
74,000
74,010
74,013
74,020
74,003
21
73,988
74,001
74,009
74,005
73,996
22
74,004
73,999
73,990
74,006
74,009
23
74,010
73,989
73,990
74,009
74,014
24
74,015
74,008
73,993
74,000
74,010
25
73,982
73,984
73,995
74,017
74,013
74,01
_
_
X=74,00118
74,00
73,99
LC L=73,98791
1
11
13
Sample
15
17
19
21
23
25
U C L=0,04863
Sample Range
0,048
0,036
_
R=0,02300
0,024
0,012
0,000
LC L=0
1
11
13
Sample
15
17
19
21
23
25
CEQ - Pg. 25
xi1
5,60
5,90
5,52
5,60
5,55
5,39
5,79
5,67
5,51
5,66
xi2
5,50
5,58
5,66
5,76
5,68
5,65
5,61
5,59
5,51
5,64
xi3
5,58
5,61
5,68
5,55
5,65
5,63
5,59
5,59
5,65
5,61
xi4
5,48
5,59
5,59
5,58
5,45
5,57
5,70
5,75
5,55
5,66
xi5
5,70
5,44
5,38
5,57
5,68
5,61
5,51
5,48
5,63
5,56
LSC LIC
6
LSC LIC
C p =
6
R
.
d2
CEQ - Pg. 26
LSC = X + 3 X =
Linha Central:
LC = x
LIC = X 3 X =
CEQ - Pg. 27
LSC = x + A3 s
LC = x
LIC = x - A3 s
( x j X i )2
j =1
e depois calcular a mdia dos desvios nos m subgrupos:
ni 1
si =
s=
S
1 c 42 um bom estimador para o desvio-padro de S.
c4
CEQ - Pg. 28
LSC = S + 3
Linha Central:
LC = S
LIC = S 3
S
1 c 42 = B4 S
c4
S
1 c 42 = B3 S
c4
10
11,9
11,7
12,1
12,4
12,4
12,3
12,5
12,4
12,5
12,7
11,9
12,7
12,3
11,8
11,8
12,6
12,2
11,7
11,9
11,1
12,8
11,8
11,9
11,7
12,6
12,4
12,8
13,1
10,9
12,8
13,1
12,1
12,2
12,0
11,5
11,3
11,4
11,6
10,9
11,4
13,1
13,0
13,2
13,1
13,5
12,5
12,6
12,4
12,0
12,5
11,7
12,5
12,1
11,6
12,1
11,9
12,3
11,7
11,9
11,6
11,9
11,7
11,8
12,0
12,7
12,6
12,8
12,7
12,1
13,0
12,1
10,9
11,8
11,9
12,0
12,1
12,3
12,5
11,8
13,1
13,0
10,9
12,4
12,9
11,8
11,9
12,1
12,3
11,9
12,9
10
13,0
10,5
12,5
13,3
12,3
12,5
12,4
12,6
12,3
12,8
11
12,0
12,0
12,0
12,0
12,5
11,5
12,3
12,2
12,2
12,7
12
11,3
12,1
12,1
12,5
12,3
12,4
12,2
11,8
13,4
12,4
13
11,2
11,0
11,8
12,1
12,7
13,0
13,1
13,1
13,1
13,9
14
12,1
10,1
11,4
12,0
10,5
11,6
11,7
12,1
12,1
12,6
15
13,5
10,2
12,6
13,9
12,4
12,8
12,3
13,1
12,6
13,4
Mdia
Desvio
CEQ - Pg. 29
Sample Mean
Subgroup
UCL=12,79
Mean=12,22
LCL=11,64
1
0
10
15
Sample StDev
1,0
0,5
UCL=1,014
S=0,5907
LCL=0,1676
0,0
TEST 1. One point more than 3,00 sigmas from center line.
CEQ - Pg. 30
Medidas
Mdia
20,728
20,608
20,969
20,853
20,126
20,830
20,070
20,330
20,332
20,380
20,386
20,128
20,465
20,812
20,652
20,247
20,359
20,856
20,872
20,973
20,156
20,361
20,842
20,531
20,383
20,429
20,302
20,326
20,804
20,321
20,817
20,131
20,040
20,244
20,147
20,621
20,789
20,465
20,146
20,154
20,516
20,361
20,239
20,453
20,216
20,468
20,910
20,456
20,536
20,205
20,579
20,349
20,205
20,716
20,429
20,601
20,138
20,127
20,347
20,272
20,164
20,141
20,383
20,407
20,956
20,295
20,116
20,950
20,617
20,861
20,146
20,337
10
20,415
20,108
20,151
20,610
20,210
20,530
20,668
20,929
11
20,513
20,492
20,280
20,830
20,595
20,272
20,597
20,594
12
20,774
20,587
20,212
20,392
20,015
20,879
20,967
20,681
13
20,691
20,876
20,205
20,935
20,276
20,346
20,458
20,099
14
20,729
20,100
20,178
20,619
20,511
20,210
20,940
20,712
15
20,339
20,852
20,704
20,342
20,023
20,855
20,104
20,413
16
20,399
20,488
20,359
20,746
20,199
20,418
20,166
20,104
17
20,930
20,215
20,630
20,882
20,705
20,791
20,206
20,653
18
20,656
20,931
20,767
20,479
20,625
20,309
20,842
20,850
19
20,797
20,911
20,447
20,131
20,482
20,645
20,535
20,680
20
20,723
20,608
20,247
20,756
20,263
20,982
20,221
20,382
21
20,532
20,795
20,577
20,158
20,987
20,040
20,433
20,478
22
20,586
20,450
20,516
20,668
20,371
20,760
20,463
20,978
23
20,318
20,917
20,075
20,156
20,093
20,312
20,796
20,542
24
20,294
20,918
20,669
20,636
20,801
20,305
20,515
20,707
25
20,914
20,896
20,775
20,880
20,083
20,725
20,789
20,756
Desvio
CEQ - Pg. 31
Amostra
Medidas
Mdia
21,500
20,209
20,525
20,851
20,961
20,447
20,612
19,407
20,880
21,500
20,300
20,021
20,880
20,759
20,421
18,639
20,369
20,088
21,500
20,861
20,950
20,278
20,677
20,229
20,027
20,488
20,655
21,500
20,239
20,681
20,750
19,172
20,506
20,752
20,899
20,492
21,500
20,765
20,954
16,740
20,752
20,894
20,738
20,954
20,845
21,500
20,567
17,366
20,545
20,061
20,813
20,133
20,354
20,214
21,500
20,004
20,603
20,545
20,898
20,110
20,798
20,430
20,980
17,612
20,462
20,865
20,172
20,183
20,622
20,948
21,500
19,528
10
20,782
20,365
20,051
20,384
20,074
21,500
20,135
20,333
11
20,973
20,281
20,115
20,496
21,500
20,798
20,672
19,341
12
20,236
20,704
20,410
21,500
20,106
20,317
20,486
20,745
13
20,486
20,681
21,500
20,845
20,437
20,893
20,542
18,504
14
20,465
21,500
20,640
20,589
20,504
20,311
20,551
19,440
15
21,500
20,312
20,037
20,499
20,739
20,862
20,863
18,820
16
20,318
21,500
20,878
20,201
20,780
20,044
20,036
19,123
17
20,661
20,850
21,500
20,285
20,207
20,739
20,857
19,917
18
20,158
20,842
20,135
21,500
20,628
20,250
20,136
21,807
19
20,296
20,950
20,165
20,733
21,500
20,253
20,944
19,791
20
20,196
20,740
20,770
20,738
20,662
21,500
20,703
18,875
21
20,321
20,958
20,953
20,407
20,587
20,030
21,500
19,244
22
20,941
20,940
20,212
20,750
20,383
20,876
20,500
20,190
23
20,825
20,777
20,825
20,546
20,889
20,434
21,500
17,412
24
20,278
20,180
20,780
20,912
20,472
21,500
20,777
19,949
25
20,383
20,848
20,245
20,068
21,500
20,835
20,613
21,324
Desvio
CEQ - Pg. 32
R
d2
MRi = xi xi 1
MR =
para i=2,3,..., m
MR
m 1
MR
d2
LC = X
LIC = X 3
MR
d2
LC = MR
LIC = B3 MR
CEQ - Pg. 33
xi
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
33,75
33,05
34,00
33,81
33,46
34,02
33,68
33,27
33,49
33,20
33,62
33,00
33,54
33,12
33,84
MRi
MR =
CEQ - Pg. 34
Di
n
onde
i = 1,2,..., n
A mdia das propores encontradas dada por (para grupos com iguais ni):
p =
p
i
mn
p(1 p )
).
n
n=30, 60 e 120.
CEQ - Pg. 35
p (1 p )
LSC = p + 3
LC = p
p (1 p )
LIC = p 3
n
CEQ - Pg. 36
p( 1 p )
ICp99 ,73% = p 3
p( 1 p )
ICp( 1 )% = p z
CEQ - Pg. 37
v
p (1 p )
p3
ni
ni
100
80
80
100
110
110
100
100
90
90
110
120
120
120
110
80
80
80
90
100
100
100
100
90
90
2450
Di
12
8
6
9
10
12
11
16
10
6
20
15
9
8
6
8
10
7
5
8
5
8
10
6
9
234
p chapu
i
0,1200
0,1000
0,0750
0,0900
0,0910
0,1090
0,1100
0,1600
0,1110
0,0670
0,1820
0,1250
0,0750
0,0670
0,0550
0,1000
0,1250
0,0880
0,0560
0,0800
0,0500
0,0800
0,1000
0,0670
0,1000
0,0960
Desviopadro
0,0295
0,0329
0,0329
0,0295
0,0281
0,0281
0,0295
0,0295
0,0311
0,0311
0,0281
0,0269
0,0269
0,0269
0,0281
0,0329
0,0329
0,0329
0,0311
0,0295
0,0295
0,0295
0,0295
0,0311
0,0311
LIC
0,0076
0,0000
0,0000
0,0076
0,0117
0,0117
0,0076
0,0076
0,0028
0,0028
0,0117
0,0153
0,0153
0,0153
0,0117
0,0000
0,0000
0,0000
0,0028
0,0076
0,0076
0,0076
0,0076
0,0028
0,0028
LSC
0,1844
0,1948
0,1948
0,1844
0,1803
0,1803
0,1844
0,1844
0,1892
0,1892
0,1803
0,1767
0,1767
0,1767
0,1803
0,1948
0,1948
0,1948
0,1892
0,1844
0,1844
0,1844
0,1844
0,1892
0,1892
CEQ - Pg. 38
P Chart of C2
0,20
1
UCL=0,1885
Proportion
0,15
_
P=0,0955
0,10
0,05
LCL=0,0026
0,00
1
11
13 15
Sample
17
19
21
23
25
p i p
p (1 p )
ni
Considerando limites de 3-sigma, 99,73% dos escores Zi devem ficar dentro dos
limites +3 para indicar um processo sob controle. Desta forma, os limites de
controle ficam em -3 e +3 com a linha central sendo o zero.
CEQ - Pg. 39
No de no
conformes
21
24
16
12
15
5
28
20
31
25
20
24
16
19
10
17
13
22
18
39
30
24
16
19
17
15
p^
21,0%
24,0%
16,0%
12,0%
15,0%
5,0%
28,0%
20,0%
31,0%
25,0%
20,0%
24,0%
16,0%
19,0%
10,0%
17,0%
13,0%
22,0%
18,0%
39,0%
30,0%
24,0%
16,0%
19,0%
17,0%
15,0%
p = 19,85%
p (1 p )
LSC = p + 3
n
LC = p
p (1 p )
LIC = p 3
n
CEQ - Pg. 40
Figura Grfico np
NP Chart for C1
1
Sample Count
40
UCL=31,81
30
20
NP=19,85
10
LCL=7,881
1
0
0
10
20
Sample Number
e x
x!
x=0, 1, 2, 3 ....
P ( X = x) =
e c c x
x!
Var(X)=c
LSC = c + 3 c
LC = c
LIC = c 3 c
CEQ - Pg. 41
C Chart for C1
1
40
Sample Count
UCL=33,22
30
20
C=19,85
10
LCL=6,484
1
0
0
10
20
Sample Number
No livro do Montgomery (pg 194), o primeiro ponto fora dos limites justificado por
erro de inspeo (inspetor novo) e o segundo ponto justificado por defeito na mquina
de solda. Quando as causas especiais so detectadas parece razovel excluir tais pontos
e refazer os limites de controle.
Aps fazer isso, adicione os pontos abaixo e refaa um grfico de controle com as 46
amostras.
Tabela Pontos adicionais para o exemplo do circuito impresso
Amostra
27
28
No de no conformes
16
18
p^
16,0%
18,0%
29
30
31
12
15
24
12,0%
15,0%
24,0%
32
33
21
28
21,0%
28,0%
34
35
36
20
25
19
20,0%
25,0%
19,0%
37
38
39
18
21
16
18,0%
21,0%
16,0%
40
41
42
22
19
12
22,0%
19,0%
12,0%
43
44
45
14
9
16
14,0%
9,0%
16,0%
46
21
21,0%
CEQ - Pg. 42
u=
x
n
i
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
u=
xi nmero de NC por
unidade
10
12
8
14
10
16
11
7
10
15
9
5
7
11
12
6
8
10
7
5
ni
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
LSC = u + 3
ou
u
n
LC = u
LIC = u 3
u
n
u=
X
n
ui = mdia de NC por
unidade
2,0
2,4
1,6
2,8
2,0
3,2
2,2
1,4
2,0
3,0
1,8
1,0
1,4
2,2
2,4
1,2
1,6
2,0
1,4
1,0
CEQ - Pg. 43
U Chart for C1
Sample Count
UCL=3,794
U=1,93
LCL=0,06613
0
0
10
20
Sample Number
CEQ - Pg. 44
5. Capacidade do Processo
5.1 Conceitos bsicos
Capacidade do processo se refere variabilidade inerente a um processo comparada s
especificaes ou exigncias para o produto. A capacidade do processo diz respeito a sua
uniformidade.
comum utilizar como medida da capacidade do processo
distribuio da caracterstica de qualidade do produto.
CEQ - Pg. 45
ML Estimates
Mean
99
263,06
StDev 33,3769
Percent
95
90
Goodness of Fit
80
70
60
50
40
30
20
AD*
0,923
10
5
1
150
250
350
Data
Exponential Probability Plot for C1
ML Estimates - 95% CI
ML Estimates
Mean
Goodness of Fit
99
Percent
263,060
AD*
98
97
95
90
80
70
60
50
30
10
0
1000
Data
2000
35,33
CEQ - Pg. 46
LSE LIE
C p =
6
O ndice Cp admite uma interpretao prtica til:
1
100 informa a porcentagem da faixa de especificao utilizada pelo processo.
C
p
Existem casos em que no teremos limites superiores e inferiores de especificao, mas apenas
um deles. Nesses casos:
LSE
(para o caso de especificao superior)
C ps =
3
LIE
(para o caso de especificao inferior)
C pi =
3
O famoso ndice Cpk simplesmente o mnimo entre estes dois indicadores.
C pk = mn(C ps ; C pi )
A magnitude o Cpk em relao ao Cp uma medida direta do quo fora do centro o processo est
operando.
CEQ - Pg. 47
ndice
Valor
C p
C ps
C pi
C pk
Caso 2: Especificaes entre 220 e 420
ndice
Valor
C p
C ps
C pi
C pk
Caso 3: Especificaes entre 50 e 500
ndice
Valor
C p
C ps
C
pi
C pk
Caso 1
50
100
Caso 2
150
200
250
300
350
400
450
500
550
50
100
Caso 3
150 200
250 300
350 400
450 500
550
50
100
150 200
250 300
350 400
450 500
550
CEQ - Pg. 48
IMPORTANTE!!!
Os ndices P e C do MINITAB
Process Capability of C1
LSL
USL
P rocess Data
LS L
160
Target
*
USL
360
S ample M ean
263,06
S ample N
100
S tD ev (Within)
31,9149
S tD ev (O v erall) 33,545
W ithin
Overall
P otential (Within) C apability
Cp
1,04
C PL
1,08
C PU
1,01
C pk
1,01
C C pk 1,04
O v erall C apability
Pp
PPL
PPU
P pk
C pm
180
O bserv ed P erformance
P P M < LS L 0,00
P P M > U S L 0,00
P P M Total
0,00
210
240
270
300
330
0,99
1,02
0,96
0,96
*
360
Obs.: Para estimar o desvio-padro overall diretamente pelo SIGMA desligar a opo Use unbiasing constants dentro do
boto Estimate.
MRi = xi xi 1
MR =
para i=2,3,..., m
MR
m 1
CEQ - Pg. 49
x1
265
268
197
267
346
300
280
250
265
260
200
276
221
334
265
280
261
250
278
257
x2
205
260
286
281
317
208
242
299
254
308
235
264
176
280
262
274
248
278
250
210
x3
263
234
274
265
242
187
260
258
281
235
246
269
248
265
271
253
260
254
265
280
x4
307
299
243
214
258
164
321
267
294
283
328
235
263
272
245
287
274
274
270
269
x5
220
215
231
318
276
271
228
293
223
277
296
290
231
283
301
258
337
275
298
251
Xi
Ri
R / d 2 e encontrar os ndices de
R / d 2 e encontrar os ndices de
CEQ - Pg. 50
No exerccio anterior (GARRAFAS.XLS), refaa os clculos dos ndices mas agora com
especificaes entre 220 e 300.
LSE LIE
C p =
6
LSE
C ps =
3
LIE
C pi =
3
12 / 2;n 1 2 / 2;n 1
IC C p (1 )% = C p
; Cp
n 1
n 1
1
1
1
1
IC C pk (1 )% = C pk 1 Z
+
;
C
1
+
Z
+
pk
2
2
2(n 1)
2(n 1)
9nC pk
9nC pk
2
2
Tarefa
No arquivo INTERVALO CONFIANCA.XLS verificar se, realmente, as frmulas funcionam por meio
de simulao. Especificaes entre 220 e 280.
CEQ - Pg. 51
f ( x ) = e x , x > 0
E(X) = 1/
F ( x ) = 1 e x , x > 0
Var(X) = 1/2
f(
1,20
Lambda = 1
1,00
Lambda=,5
0,80
Lambda=,3
0,60
0,40
0,20
0
10
12
x
TAREFA Simular uma Exponencial com Lambda = 0,1 no EXCEL utilizando a funo
inversa da acumulada. Voc dever, com os seus dados, reproduzir alguns resultados
fornecidos pelo Minitab.
F ( x ) = 1 e x , x > 0
100%
F(x)
80%
60%
40%
20%
0%
0
10
12
x
CEQ - Pg. 52
P( X 2) =
x =0
n!
p x (1 p) n x
x!(n x )!
CEQ - Pg. 53
P(Aceitao)
n=100
c=2
60%
50%
40%
30%
20%
10%
0%
0
0,02
0,04
0,06
0,08
0,1
0,12
0,14
TAREFA Criar no EXCEL uma CCO que permita verificarmos o efeito do n e do c sobre
os resultados.
A CCO ideal quase sempre inatingvel na prtica, por esta razo necessria a
fixao de um nvel de qualidade aceitvel (NQA) e o estabelecimento de um
percentual aceitvel de defeituosos no lote.
Suponha que o NQA seja de 1%, portanto queremos aceitar lotes com 1% ou
menos de peas defeituosas.
Nesse caso, qual o efeito de c sobre a probabilidade de aceitao de um lote?
P(Aceitar)
CEQ - Pg. 54
100%
90%
n=100
80%
c=3
70%
c=2
60%
c=1
50%
40%
c=0
30%
20%
10%
0%
0
0,01 0,02 0,03 0,04 0,05 0,06 0,07 0,08 0,09 0,1
No caso de c=0 corremos o risco de rejeitar A MAIORIA dos lotes mesmo que
eles atendam a minha restrio de, no mximo, 1% de defeituosas.
Fixando-se o NQA e a proporo aceitvel de defeituosos no lote podemos
construir um plano amostral.
Considere ( 1 ) a probabilidade de aceitar um lote com frao de defeituosos
p1 e que a probabilidade de aceitao de lotes com frao p2 de defeituosos seja
.
Exemplo Montgomery pg 439
Suponha que voc queira
a) ( 1 ) =95% de probabilidade de aceitar um lote com 1% de defeituosas;
b)
Vamos tentar construir um grfico simples que permite descobrirmos qual o n que
respeita as duas restries.
CEQ - Pg. 55
Para extrairmos a segunda amostra e aceitarmos o lote necessrio que 1 < d1 c2.
Quando d1 1 a deciso tomada diretamente na primeira amostra. Para d1=2 ou
d1=3 deve-se coletar a segunda amostra.
P(d1=2 d2 1) =
P(d1=3 d2 = 0) =
CEQ - Pg. 56
Estgio
Tamanho amostral
acumulado
Nmero de
aceitao
Nmero
de rejeio
1
2
3
4
5
20
40
60
80
100
0
1
3
5
8
3
4
5
7
9
Pergunta: possvel calcular o tamanho amostral mdio (TAM) para este caso?
CEQ - Pg. 57
h1 + sn
Reta de rejeio: h2 + sn
Reta de aceitao:
k = log
p 2 (1 p1 )
p1 (1 p2 )
1
log
h1 =
k
1 p1
log
1 p2
s=
k
1
log
h2 =
k
CEQ - Pg. 58
Nmero de defeituosas
4
Reta Rejeio
3
2
Reta Aceitao
1
0
0
20
40
60
80
-1
100
n
-2
B
A
TAM = Pa + ( 1 Pa )
C
C
Pa =
h2
h1 + h2
A = log
onde
B = log
p
1 p2
C = s log 2 + ( 1 s ) log
p1
1 p1
CEQ - Pg. 59
Procedimento
1.
2.
3.
4.
5.
Exemplo Lote N=2000; NQA=0,65% Amostragem nica, inspeo normal (geral II).
CEQ - Pg. 60
LC = 10
LIC = 7
CEQ - Pg. 61
C i+ = mx [ 0; xi ( 0 + K ) + C i+1 ]
C i = mx [ 0; ( 0 K ) xi + C i1 ]
xi
9,45
7,99
9,29
11,66
12,16
10,18
8,04
11,46
9,2
10,34
9,03
11,47
10,51
9,4
10,08
9,37
10,62
10,31
8,52
10,84
10,9
9,33
12,29
11,5
10,6
11,08
10,38
11,62
11,31
10,52
xi 10,5
+
i
N+
9,5-xi
C i
CEQ - Pg. 62
C i+ = mx [ 0; xi ( 0 + K ) + C i+1 ]
C i = mx [ 0; ( 0 K ) xi + C i1 ]
i
xi
Ci+
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
26
27
28
29
30
Ci-
9,45
7,99
9,29
11,66
12,16
10,18
8,04
11,46
9,2
10,34
9,03
11,47
10,51
9,4
10,08
9,37
10,62
10,31
8,52
10,84
10,9
9,33
12,29
11,5
10,6
11,08
10,38
11,62
11,31
10,52
0
0
0
1,16
2,82
2,5
0,04
1
0
0
0
0,97
0,98
0
0
0
0,12
0
0
0,34
0,74
0
1,79
2,79
2,89
3,47
3,35
4,47
5,28
5,3
0,05
1,56
1,77
0
0
0
1,46
0
0,3
0
0,47
0
0
0,1
0
0,13
0
0
0,98
0
0
0,17
0
0
0
0
0
0
0
0
Ci- * (-1)
-0,05
-1,56
-1,77
0
0
0
-1,46
0
-0,3
0
-0,47
0
0
-0,1
0
-0,13
0
0
-0,98
0
0
-0,17
0
0
0
0
0
0
0
0
CUSUM Chart of C1
5,0
UCL=4,54
4
Ci+
0
1
11
13
15
17
19
21
23
25
27
29
Ci- * (-1)
-2
2,5
Cumulative Sum
0,0
-2,5
-4
LCL=-4,54
-5,0
1
-6
10
13
16
Sample
19
22
25
28
CEQ - Pg. 63
TABELA Z
Tabela: Probabilidades acumuladas associadas aos valores crticos (z) da distribuio
normal reduzida
z
0,00
0,01
0,02
0,03
0,04
0,05
0,06
0,07
0,08
0,09
0,0
0,5000
0,5040
0,5080
0,5120
0,5160
0,5199
0,5239
0,5279
0,5319
0,5359
0,1
0,5398
0,5438
0,5478
0,5517
0,5557
0,5596
0,5636
0,5675
0,5714
0,5753
0,2
0,5793
0,5832
0,5871
0,5910
0,5948
0,5987
0,6026
0,6064
0,6103
0,6141
0,3
0,6179
0,6217
0,6255
0,6293
0,6331
0,6368
0,6406
0,6443
0,6480
0,6517
0,4
0,6554
0,6591
0,6628
0,6664
0,6700
0,6736
0,6772
0,6808
0,6844
0,6879
0,5
0,6915
0,6950
0,6985
0,7019
0,7054
0,7088
0,7123
0,7157
0,7190
0,7224
0,6
0,7257
0,7291
0,7324
0,7357
0,7389
0,7422
0,7454
0,7486
0,7517
0,7549
0,7
0,7580
0,7611
0,7642
0,7673
0,7704
0,7734
0,7764
0,7794
0,7823
0,7852
0,8
0,7881
0,7910
0,7939
0,7967
0,7995
0,8023
0,8051
0,8078
0,8106
0,8133
0,9
0,8159
0,8186
0,8212
0,8238
0,8264
0,8289
0,8315
0,8340
0,8365
0,8389
1,0
0,8413
0,8438
0,8461
0,8485
0,8508
0,8531
0,8554
0,8577
0,8599
0,8621
1,1
0,8643
0,8665
0,8686
0,8708
0,8729
0,8749
0,8770
0,8790
0,8810
0,8830
1,2
0,8849
0,8869
0,8888
0,8907
0,8925
0,8944
0,8962
0,8980
0,8997
0,9015
1,3
0,9032
0,9049
0,9066
0,9082
0,9099
0,9115
0,9131
0,9147
0,9162
0,9177
1,4
0,9192
0,9207
0,9222
0,9236
0,9251
0,9265
0,9279
0,9292
0,9306
0,9319
1,5
0,9332
0,9345
0,9357
0,9370
0,9382
0,9394
0,9406
0,9418
0,9429
0,9441
1,6
0,9452
0,9463
0,9474
0,9484
0,9495
0,9505
0,9515
0,9525
0,9535
0,9545
1,7
0,9554
0,9564
0,9573
0,9582
0,9591
0,9599
0,9608
0,9616
0,9625
0,9633
1,8
0,9641
0,9649
0,9656
0,9664
0,9671
0,9678
0,9686
0,9693
0,9699
0,9706
1,9
0,9713
0,9719
0,9726
0,9732
0,9738
0,9744
0,9750
0,9756
0,9761
0,9767
2,0
0,9772
0,9778
0,9783
0,9788
0,9793
0,9798
0,9803
0,9808
0,9812
0,9817
2,1
0,9821
0,9826
0,9830
0,9834
0,9838
0,9842
0,9846
0,9850
0,9854
0,9857
2,2
0,9861
0,9864
0,9868
0,9871
0,9875
0,9878
0,9881
0,9884
0,9887
0,9890
2,3
0,9893
0,9896
0,9898
0,9901
0,9904
0,9906
0,9909
0,9911
0,9913
0,9916
2,4
0,9918
0,9920
0,9922
0,9925
0,9927
0,9929
0,9931
0,9932
0,9934
0,9936
2,5
0,9938
0,9940
0,9941
0,9943
0,9945
0,9946
0,9948
0,9949
0,9951
0,9952
2,6
0,9953
0,9955
0,9956
0,9957
0,9959
0,9960
0,9961
0,9962
0,9963
0,9964
2,7
0,9965
0,9966
0,9967
0,9968
0,9969
0,9970
0,9971
0,9972
0,9973
0,9974
2,8
0,9974
0,9975
0,9976
0,9977
0,9977
0,9978
0,9979
0,9979
0,9980
0,9981
2,9
0,9981
0,9982
0,9982
0,9983
0,9984
0,9984
0,9985
0,9985
0,9986
0,9986
3,0
0,9987
0,9987
0,9987
0,9988
0,9988
0,9989
0,9989
0,9989
0,9990
0,9990
3,1
0,9990
0,9991
0,9991
0,9991
0,9992
0,9992
0,9992
0,9992
0,9993
0,9993
3,2
0,9993
0,9993
0,9994
0,9994
0,9994
0,9994
0,9994
0,9995
0,9995
0,9995
3,3
0,9995
0,9995
0,9995
0,9996
0,9996
0,9996
0,9996
0,9996
0,9996
0,9997
3,4
0,9997
0,9997
0,9997
0,9997
0,9997
0,9997
0,9997
0,9997
0,9997
0,9998
CEQ - Pg. 64
TABELA t
Tabela - Distribuio t de Student com gl graus de liberdade e rea direita p.
p
gl
0,100
0,050
0,025
0,010
0,005
3,078
6,314
12,706
31,821
63,657
1,886
2,920
4,303
6,965
9,925
1,638
2,353
3,182
4,541
5,841
1,533
2,132
2,776
3,747
4,604
1,476
2,015
2,571
3,365
4,032
1,440
1,943
2,447
3,143
3,707
1,415
1,895
2,365
2,998
3,499
1,397
1,860
2,306
2,896
3,355
1,383
1,833
2,262
2,821
3,250
10
1,372
1,812
2,228
2,764
3,169
11
1,363
1,796
2,201
2,718
3,106
12
1,356
1,782
2,179
2,681
3,055
13
1,350
1,771
2,160
2,650
3,012
14
1,345
1,761
2,145
2,624
2,977
15
1,341
1,753
2,131
2,602
2,947
16
1,337
1,746
2,120
2,583
2,921
17
1,333
1,740
2,110
2,567
2,898
18
1,330
1,734
2,101
2,552
2,878
19
1,328
1,729
2,093
2,539
2,861
20
1,325
1,725
2,086
2,528
2,845
21
1,323
1,721
2,080
2,518
2,831
22
1,321
1,717
2,074
2,508
2,819
23
1,319
1,714
2,069
2,500
2,807
24
1,318
1,711
2,064
2,492
2,797
25
1,316
1,708
2,060
2,485
2,787
26
1,315
1,706
2,056
2,479
2,779
27
1,314
1,703
2,052
2,473
2,771
28
1,313
1,701
2,048
2,467
2,763
29
1,311
1,699
2,045
2,462
2,756
30
1,310
1,697
2,042
2,457
2,750
40
1,303
1,684
2,021
2,423
2,704
50
1,299
1,676
2,009
2,403
2,678
60
1,296
1,671
2,000
2,390
2,660
120
1,289
1,658
1,980
2,358
2,617
Infinito
1,282
1,645
1,960
2,326
2,576
CEQ - Pg. 65
TABELA QUI-QUADRADO
p
gl
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
30
40
50
60
70
80
90
100
Valores de
0,995
0,990
0,975
0,950
0,500
0,050
0,025
0,010
0,005
0,000
0,010
0,072
0,207
0,412
0,676
0,989
1,344
1,735
2,156
2,603
3,074
3,565
4,075
4,601
5,142
5,697
6,265
6,844
7,434
13,787
20,707
27,991
35,534
43,275
51,172
59,196
67,328
0,000
0,020
0,115
0,297
0,554
0,872
1,239
1,646
2,088
2,558
3,053
3,571
4,107
4,660
5,229
5,812
6,408
7,015
7,633
8,260
14,953
22,164
29,707
37,485
45,442
53,540
61,754
70,065
0,001
0,051
0,216
0,484
0,831
1,237
1,690
2,180
2,700
3,247
3,816
4,404
5,009
5,629
6,262
6,908
7,564
8,231
8,907
9,591
16,791
24,433
32,357
40,482
48,758
57,153
65,647
74,222
0,004
0,103
0,352
0,711
1,145
1,635
2,167
2,733
3,325
3,940
4,575
5,226
5,892
6,571
7,261
7,962
8,672
9,390
10,117
10,851
18,493
26,509
34,764
43,188
51,739
60,391
69,126
77,929
0,455
1,386
2,366
3,357
4,351
5,348
6,346
7,344
8,343
9,342
10,341
11,340
12,340
13,339
14,339
15,338
16,338
17,338
18,338
19,337
29,336
39,335
49,335
59,335
69,334
79,334
89,334
99,334
3,841
5,991
7,815
9,488
11,070
12,592
14,067
15,507
16,919
18,307
19,675
21,026
22,362
23,685
24,996
26,296
27,587
28,869
30,144
31,410
43,773
55,758
67,505
79,082
90,531
101,879
113,145
124,342
5,024
7,378
9,348
11,143
12,833
14,449
16,013
17,535
19,023
20,483
21,920
23,337
24,736
26,119
27,488
28,845
30,191
31,526
32,852
34,170
46,979
59,342
71,420
83,298
95,023
106,629
118,136
129,561
6,635
9,210
11,345
13,277
15,086
16,812
18,475
20,090
21,666
23,209
24,725
26,217
27,688
29,141
30,578
32,000
33,409
34,805
36,191
37,566
50,892
63,691
76,154
88,379
100,425
112,329
124,116
135,807
7,879
10,597
12,838
14,860
16,750
18,548
20,278
21,955
23,589
25,188
26,757
28,300
29,819
31,319
32,801
34,267
35,718
37,156
38,582
39,997
53,672
66,766
79,490
91,952
104,215
116,321
128,299
140,169
gl2 , p .
CEQ - Pg. 66