Escolar Documentos
Profissional Documentos
Cultura Documentos
l
i
s
e
d
e
C
a
p
a
c
i
d
a
d
e
(
D
a
d
o
s
C
o
n
t
n
u
o
s
)
Solues dos Exerccios 2
Contedo
Exerccios Pgina
Viso Geral do Minitab
Exerccio A:
Registro de Pacientes em um Hospital
4
Anlise Bsica de Dados
Exerccio B:
Dados de uma Central de Atendimento
9
Exerccio C:
Emprstimos On Line
13
Exerccio D:
Processo de uma Indstria Txtil
16
Exerccio E:
Correias para Motores Industriais
20
Importao e Manipulao de Dados
Exerccio F:
Reclamaes em um Restaurante
22
Exerccio G:
Nveis de Dixido de Enxofre
28
Inferncia Estatstica e Teste t
Exerccio H:
Detectando Mudanas em Dimetros de Rolamentos
32
Exerccio I:
Investigando a Qualidade do Fornecedor
36
Exerccio J:
Altura do nodo
39
Exerccio K:
Comparando Instrumentos de Medio
45
Anlise de Varincia
Exerccio L:
Moldes de Tampas de Canetas
48
Exerccio M:
Degustao de Vinho
53
Exerccio N:
Desgaste de Tinta
56
Solues dos Exerccios 3
Contedo
Exerccios Pgina
Cartas de Controle - Dados Contnuos
Exerccio O:
Estabilidade das Medies de Densidade de Filmes Fotogrcos
60
Exerccio P:
Peso dos Sabonetes
62
Exerccio Q:
ndice de Refrao em Cabos de Fibra tica
67
Exerccio R:
Dimetro dos Trincos das Portas
69
Anlise de Capacidade - Dados Contnuos
Exerccio S:
Deslocando o Processo
71
Exerccio T:
Reduo da Variao
73
Exerccio U:
Estudo da Capacidade do Peso de Polmeros
75
Exerccio V:
Resistncia do Selamento das Sacolas Plsticas
77
Solues dos Exerccios 4
Exerccio A: Registro de Pacientes em um Hospital
Project Manager
Abra o projeto a verique o contedo do ReportPad.
1) Selecione o arquivo HOSPITAL.MPJ;
2) Clique no cone na barra de ferramentas do Project Manager;
Interpretando os resultados
O ReportPad contm uma histograma da coluna Censo.
Solues dos Exerccios 5
Project Manager
Determine o nmero de worksheets no projeto.
1) Clique no cone na barra de ferramentas do Project Manager.
Interpretando os resultados
O projeto contm quatro worksheets.
Solues dos Exerccios 6
Project Manager
Determine o tamanho de todas as colunas na worksheet Dados do Censo.
1) Clique no cone na barra de ferramentas do Project Manager.
Interpretando os resultados
O tamanho de cada coluna na worksheet Dados do Censo 333 (linhas).
Solues dos Exerccios 7
Project Manager
Determine qual tipo de grco est no projeto.
1) Clique no cone na barra de ferramentas do Project Manager;
Interpretando os resultados
O projeto contm um dotplot do Censo para cada unidade hospitalar.
Solues dos Exerccios 8
Dotplot
Crie um dotplot similar.
1) Selecione Graph > Dotplot;
2) Em One Y, selecione With Groups. Clique em OK;
3) Em Graph variables, entre com Censo;
4) Em Categorical variables for grouping, entre com Unidade. Clique em OK.
Interpretando os resultados
O dotplot da varivel censo por unidade deve ser idntico ao grco que j est salvo no projeto.
Solues dos Exerccios 9
Exerccio B: Dados de uma Central de Atendimento
Display Descriptive Statistics
Calcule e avalie as estatsticas do tempo de espera para melhorar o tempo de servio de resposta ao consumidor.
1) Abra CENTRAL DE ATENDIMENTO.MTW.
2) Selecione Stat > Basic Statistics > Display Descriptive Statistics.
3) Em Variables, entre com Tempo de espera e Tempo de atendimento.
4) Clique em Statistics. Selecione Mean, First Quartile, Median, Third Quartile, Minimum, N nonmissing, e N missing.
5) Clique em OK em cada caixa de dilogo.
Descriptive Statistics: Tempo de espera; Tempo de atendimento
Variable N N* Mean Minimum Q1 Median Q3 Maximum
Tempo de espera 466 0 6,736 1,000 4,000 6,000 9,000 25,000
Tempo de atendimento 451 15 28,324 1,000 14,000 24,000 38,000 121,000
Interpretando os resultados
Os resultados indicam que:
O tempo mdio que o cliente espera pelo atendimento de 6,7 minutos.
O tempo mnimo de espera por atendimento de 1,0 minuto e o tempo mximo 25,0 minutos.
O tempo de espera mediano de 6,0 minutos; portanto, aproximadamente 50% ligaes cam na espera por 6 minutos ou
menos.
O tempo mdio gasto conversando com um tcnico de 28,3 minutos.
Solues dos Exerccios 10
Histogram
Construa um histograma para visualizar a distribuio dos dados do tempo de espera.
1) Selecione Graph > Histogram.
2) Selecione With Fit. Clique em OK.
3) Em Graph variables, entre com Tempo de Espera. Clique em OK.
Interpretando os resultados
Os dados parecem assimtricos direita. Isto faz sentido, pois no existem um limite superior que limite o tempo que um cliente pode
esperar para ser atendido.
Solues dos Exerccios 11
Tally Individual Variables
Determine o nmero e o percentual de ligaes que caem em cada categoria de tempo de espera.
1) Selecione Stat > Tables > Tally Individual Variables.
2) Em Variables, entre com Tempo de Espera.
3) Em Display, selecione Counts, Percents e Cumulative percents. Clique em OK.
Tally for Discrete Variables: Tempo de espera
Tempo de
espera Count Percent CumPct
1 28 6,01 6,01
2 29 6,22 12,23
3 36 7,73 19,96
4 48 10,30 30,26
5 66 14,16 44,42
6 53 11,37 55,79
7 48 10,30 66,09
8 38 8,15 74,25
9 29 6,22 80,47
10 23 4,94 85,41
11 17 3,65 89,06
12 13 2,79 91,85
13 4 0,86 92,70
14 6 1,29 93,99
15 9 1,93 95,92
16 7 1,50 97,42
17 1 0,21 97,64
18 2 0,43 98,07
19 1 0,21 98,28
20 1 0,21 98,50
21 2 0,43 98,93
22 3 0,64 99,57
23 1 0,21 99,79
25 1 0,21 100,00
N= 466
Interpretando os resultados
Os resultados indicam que a proporo de clientes que esperam 5 minutos ou menos de 30,26%. A proporo que esperam de 5 a 10
minutos 55,15% (85,41% - 30,26%). A proporo de clientes que esperam mais de 10 minutos 14,59% (100,00% - 85,41%).
Solues dos Exerccios 12
Tally Individual Variables
Determine o percentual de ligaes nalizadas dentro de 30 minutos.
1) Selecione Calc > Calculator.
2) Em Store result in variable, digite Total abaixo de 30.
3) Em Expression, digite Tempo de Espera + Tempo de atendimento < 30. Clique em OK.
4) Selecione Stat > Tables > Tally Individual Variables.
5) Em Variables, entre com Total abaixo de 30. Desmarque a opo Cumulative percents. Certique-se de que Counts e Per-
cents estejam marcados. Clique em OK.
Tally for Discrete Variables: Total abaixo de 30
Total
abaixo
de 30 Count Percent
0 245 54,32
1 206 45,68
N= 451
*= 15
Interpretando os resultados
O percentual de ligaes nalizadas em menos de 30 minutos 45,68%.
O percentual de clientes que desligam o telefone sem falar com o tcnico de 3% (15/466).
Solues dos Exerccios 13
Exerccio C: Emprstimos On Line
Display Descriptive Statistics
Use estatsticas descritivas para analisar a utilizao da solicitao de emprstimo online.
1) Abra ONLINE.MTW.
2) Selecione Stat > Basic Statistics > Display Descriptive Statistics.
3) Em Variables, entre com Tempo.
4) Clique em Statistics. Marque Mean, First Quartile, Median, Third Quartile, Minimum, Maximum, N nonmissing, e N mis-
sing;
5) Clique em OK em cada caixa de dilogo.
Descriptive Statistics: Tempo
Variable N N* Mean Minimum Q1 Median Q3 Maximum
Tempo 375 92 36,091 20,000 30,000 35,000 40,000 95,000
Interpretando os resultados
Os resultados indicam que:
O tempo mdio gasto para completar a solicitao 36,1 minutos.
O tempo mximo para completar a solicitao 95 minutos e o tempo mnimo 20 minutos.
O tempo mediano para completar a solicitao 35 minutos.
O primeiro quartil 30 minutos; portanto, aproximadamente 25% dos clientes completam a solicitao dentro de 30 minutos.
A porcentagem de clientes que iniciam o processo de solicitao, mas no o nalizam N*/(N+N*) = 92/467 = 19,7%.
Solues dos Exerccios 14
Tally Individual Variables
Calcule o nmero real de tentativas de solicitao e o nmero mdio de solicitaes completas por dia.
1) Selecione Stat > Tables > Tally Individual Variables.
2) Em Variable, entre com Data. Em Display, marque Counts. Clique em OK.
Tally for Discrete Variables: Data
Data Count
5/10 15
6/10 20
7/10 17
8/10 10
9/10 19
10/10 6
11/10 16
12/10 11
13/10 18
14/10 9
15/10 12
16/10 13
17/10 11
18/10 7
19/10 14
20/10 19
21/10 20
22/10 9
23/10 15
24/10 20
25/10 18
26/10 7
27/10 15
28/10 13
29/10 9
30/10 13
31/10 11
1/11 14
2/11 10
3/11 8
4/11 12
5/11 14
6/11 11
7/11 16
8/11 15
N= 467
Interpretando os resultados
Os resultados indicam o nmero de tentativas de solicitaes em
cada dia.
O estudo foi realizado durante 35 dias. Neste perodo, foram re-
alizadas 467 tentativas de solicitaes. A mdia de tentativas de
solicitaes por dia 467/35 = 13,34.
Solues dos Exerccios 15
Bar Chart
Construa um grco de barras para mostrar o nmero de tentativas de solicitaes cada dia.
1) Selecione Graph > Bar Chart. Em Bars represent, selecione Counts of unique values. Selecione Simple, e ento clique em
OK.
2) Em Categorical variables, entre com Data.
3) Clique em Data View. Em Data Display, desmarque Bars e marque Symbols e Connect line.
4) Clique em OK em cada caixa de dilogo.
Interpretando os resultados
O grco mostra o nmero de solicitaes de emprstimos por dia. Os clientes realizaram mais solicitaes nos dias 5, 21 e 24 de outu-
bro e menos solicitaes no dia 10 de outubro.
Solues dos Exerccios 16
Exerccio D: Processo de uma Indstria Txtil
Bar Chart
Construa um grco de barras para comparar o nmero total de defeitos de cada tipo.
1) Abra PROCESSO TXTIL.MTW.
2) Selecione Graph > Bar Chart.
3) Em Bar represent, selecione A function of a variable.
4) Em Multiple Ys, selecione Simple. Clique em OK.
5) Em Function, selecione Sum.
6) Em Graph variables, entre com Manchas Rasgos Fios Expostos Perfuraes. Clique em OK.
Interpretando os resultados
O grco indica que Perfuraes e Rasgos so os defeitos que ocorrem com maior frequncia.
Solues dos Exerccios 17
Time Series Plot
Como a quantidade de material produzido varia a cada ms, voc deve vericar a taxa de defeitos. Use a Calculadora do Minitab para
dividir o nmero de defeitos de cada tipo por metro de material; ento construa um grco de sries temporais (Time Series Plot) para
examinar a taxa de defeitos ao longo do tempo.
1) Selecione Calc > Calculator.
2) Em Store results in variable, digite Manchas_Mat.
3) Em Expression, digite Manchas/Qte Material. Clique em OK.
4) Pressione CTRL + E e repita os clculos para cada tipo de defeito, armazenando os resultados em Rasgos_Mat, Fios expos-
tos_Mat e Perfuraes_Mat.
5) Selecione Graph > Time Series Plot.
6) Escolha Simple, e ento clique em OK.
7) Em Series, entre com Manchas_Mat Rasgos_Mat Fios expostos_Mat Perfuraes_Mat.
8) Clique em Multiple Graphs. Selecione In separate panels of the same graph, e ento clique em OK.
9) Clique em Time/Scale, e ento selecione Stamp.
10) Em Stamp columns, entre com Data.
11) Clique em OK em cada caixa de dilogo.
Solues dos Exerccios 18
Interpretando os resultados
A taxa de Rasgos tem aumentado desde o comeo de 2004, e a taxa de Fios Expostos aparentemente decresceu em torno de Outubro
de 2004. As taxas de Manchas e Perfuraes parecem ter se mantido aleatrias ao longo do tempo.
Solues dos Exerccios 19
Scatterplot
Construa um grco de disperso para determinar se a contagem de defeitos e a quantidade de material produzido esto relacionadas.
1) Selecione Graph > Scatterplot.
2) Selecione Simple, e ento clique em OK.
3) Em Y variables, entre com Manchas, Rasgos, Fios expostos e Perfuraes. Em X variables entre com Qte Material em todas
as quatro linhas.
4) Clique em Multiple Graphs. Selecione In separate panels of the same graph, e ento clique em OK em cada caixa de dilo-
go.
Interpretando os resultados
O nmero de manchas e perfuraes parece crescer com o aumento do material produzido. O grco do nmero de os expostos e
rasgos indica pouca ou nenhuma relao entre a quantidade de metros de material e a frequncia de defeitos. Isto inesperado, pois a
rea disponvel para defeitos maior quando mais material produzido. A variao na contagem de defeitos pode ser to grande que
obscurece esta relao. Por exemplo, o nmero de rasgos tem grande variao; esta variao mais relacionada com o tempo, como
mostrado anteriormente no grco de sries temporais. A variao devido ao efeito do tempo provavelmente maior que a variao
ocasionada pelas diferentes quantidades de material.
Solues dos Exerccios 20
Exerccio E: Correias para Motores Industriais
Boxplot
Construa um boxplot para comparar o tempo de vida dos vrios tipos de correias.
1) Abra CORREIAS.MTW.
2) Selecione Graph > Boxplot.
3) Em One Y, selecione With Groups. Clique em OK.
4) Em Graph variables, entre com Horas. Em Categorical variables for grouping, entre com Tipo de Correia.
5) Clique em OK.
Interpretando os resultados
O boxplot sugere que a correia NS-33 possui um tempo de vida mediano menor que os outros tipos de correias, e que as correias HS-91
e NS-33 possuem uma maior variao no tempo de vida que as correias HS-33 e NS-91. Entretanto, neste grco no se considera a
velocidade com que a correia foi utilizada, ento poderamos cometer enganos com a anlise desse grco.
Solues dos Exerccios 21
Scatterplot
Construa um grco de disperso (scatterplot) para examinar o relacionamento entre a velocidade e o tempo de vida para cada tipo de
correia.
1) Selecione Graph > Scatterplot.
2) Selecione With Groups, e ento clique em OK.
3) Em Y variables, entre com Horas. Em X variables, entre com Velocidade. Em Categorical variables for grouping, entre com
Tipo de Correia. Clique em OK.
Interpretando os resultados
Para todos os tipos de correias, a relao linear entre horas e velocidade negativa. O boxplot indicou que trs tipos de correia tiveram
aproximadamente o mesmo tempo de vida mediano, sem considerar a velocidade. Contudo, o grco de disperso mostra que ambas as
correias NS-33 e NS-91 foram usadas com velocidades mdias de operao mais baixas do que os outros tipos de correias. As correias
do tipo NS foram utilizadas em velocidades que iam de 2200 at 3000, enquanto as correias do tipo HS foram utilizadas em velocidades
de 2700 at 3000. As diferenas na variao vista no boxplot esto relacionadas amplitude do intervalo de velocidades em que cada
correia foi testada, e no s diferenas inerentes variao do perodo de vida para diferentes tipos de correia.
Voc pode comparar todos os quatro tipos de correias na mesma velocidade de operao. Por exemplo, no intervalo de 2800 at 3000,
as correias HS parece ter um tempo de vida maior que as correias NS.
Solues dos Exerccios 22
Exerccio F: Reclamaes em um Restaurante
Para determinar a reclamao mais comum dos clientes, faa uma tabela de frequncia (Tally), construa grcos de Pareto e de bar-
ras.
1) Abra o arquivo RECLAMAES.XLS no Minitab.
2) Selecione Stat > Tables > Tally Individuals Variables.
3) Em Variables, entre com Reclamaes Turno Equipe de Garons Gerente.
4) Marque Counts, e ento clique em OK.
Tally for Discrete Variables: Equipe de cozinha; Gerente; Reclamao; Turno
Equipe de
Garons Count Gerente Count Reclamao Count
A 22 Joo 25 Carne mal passada 9
B 32 Roberto 29 Demora no servios 23
N= 54 N= 54 Erro no pedido 12
Erro no Pedido 2
Preo alto 2
Qualidade ruim 6
N= 54
Turno Count
Almoo 11
Jantar 43
N= 54
Interpretando os resultados
Tenha cuidado ao sumarizar dados de uma varivel de cada vez. Se existirem muitos fatores, voc pode perder interaes importantes.
Por exemplo, talvez a equipe B cometa mais erros quando eles trabalham no turno da manh, mas no quando eles trabalham no turno
da tarde.
Observe tambm que o cdigo para a reclamao de pedido incorreto aparece de duas formas: Erro no pedido e Erro no Pedido.
Solues dos Exerccios 23
Pareto Chart
Unique Erro no pedido e Erro no Pedido usando o comando Code do Minitab, e ento construa uma grco de Pareto para as re-
clamaes.
1) Selecione Data > Code > Text to Text.
2) Em Code data from columns, entre com Reclamaes.
3) Em Store coded data in columns, entre com Reclamaes.
4) Em Original values, digite Erro no Pedido (inclusive as aspas duplas). Em New, digite Erro no pedido. Clique em OK.
Nota: Voc tambm poderia utilizar o comando de Localizar e Substituir do Minitab em Editor > Replace para mudar os valores de texto.
5) Selecione Stat > Quality Tools > Pareto Chart.
6) Em Chart defects data in, entre com Reclamaes.
7) Selecione Do not combine. Clique em OK.
Interpretando os resultados
As trs reclamaes mais frequentes so Demora nos servios, Erro no pedido e Carne mal passada. Demora nos sevios e Erro no
pedido so tipicamente atribudos equipe de garons, enquanto Carne mal passada um problema usualmente da cozinha. Contudo,
todos os trs tipos de reclamaes podem ser atribudos cozinha tambm.
Solues dos Exerccios 24
Pareto Chart
Construa um grco de Pareto para cada Turno.
1) Selecione Stat > Quality Tools > Pareto Chart.
2) Em Chart defects data in, entre com Reclamaes.
3) Em By variable in, entre com Turno. Clique em OK.
Interpretando os resultados
O grco indica que a maioria das reclamaes acontecem no jantar, e nenhuma reclamao sobre preo acontece no almoo.
Solues dos Exerccios 25
Pareto Chart
Construa um grco de Pareto para cada equipe de garons.
1) Selecione Stat > Quality Tools > Pareto Chart.
2) Em Chart defects data in, entre com Reclamaes.
3) Em By variable in, entre com Equipe de Garons. Clique em OK.
Interpretando os resultados
A maioria das reclamaes so feitas quando a Equipe B est em servio. Todas as reclamaes com relao qualidade ruim e quase
todas com relao carne mal passada esto relacionadas equipe B.
No tire concluses e nem decida que a diferena no nmero de reclamaes inteiramente devido Equipe de Garons avaliando
apenas as frequncias. Uma equipe pode trabalhar mais no turno do jantar ou em turnos mais longos que a outra.
Solues dos Exerccios 26
Pareto Chart
Construa um grco de Pareto para cada Gerente.
1) Selecione Stat > Quality Tools > Pareto Chart.
2) Em Chart defects data in, entre com Reclamaes.
3) Em By variable in, entre com Gerente. Clique em OK.
Interpretando os resultados
A maioria das reclamaes de demora nos servios ocorre sob a superviso de Roberto. Alm disso, a maioria dos erros nos pedidos
ocorre sob a superviso de Joo.
Solues dos Exerccios 27
Bar Chart
Para vericar o nmero total de reclamaes para cada combinao de variveis (Turno, Equipe de Garons, e Gerente), construa um
grco de barras.
1) Selecione Graph > Bar Chart.
2) Em Bars represent, selecione Counts of unique values e Cluster. Clique em OK.
3) Em Categorical variables, entre com Gerente Equipe de Garons e Turno. Clique em OK.
Interpretando os resultados
Este grco mostra o nmero de reclamaes para cada combinao de variveis Turno, Gerente e Equipe de Garons.
A combinao de variveis que produz a maioria das reclamaes :
Jantar com Roberto como gerente (com ambas as equipes de garons)
Jantar com Joo como gerente e a equipe B
Solues dos Exerccios 28
Exerccio G: Nveis de Dixido de Enxofre
Open Worksheet
Quando os dados de resposta so avaliados em uma situao de cada vez, voc pode omitir relaes ou fazer generalizaes impr-
prias. Se possvel, considere todas as variveis simultaneamente quando plotar os dados de resposta. Sua habilidade para fazer isto
depende do nmero de variveis e da quantidade de dados.
Construa um grco de disperso simples para sumarizar importantes caractersticas dos dados de resposta.
1) Selecione File > Open Worksheet.
2) Em Arquivos do tipo, selecione Excel (*.xls). Selecione DIXIDO.XLS.
3) Clique em Options, marque Ignore blank data rows. Clique em OK.
4) Clique em Preview.
5) Use a barra de rolagem para vizualizar a coluna C7, na coluna Tempo 4. Selecione Numeric na lista de opes.
6) Clique em OK e ento clique em Abrir.
Interpretando os resultados
Embora a coluna C7 possua dados em sua maioria numricos, a primeira observao de texto. Os operadores digitaram faltante
quando eles no obtiveram a leitura no Tempo 4. Voc pode mudar a maneira do Minitab ler esta coluna selecionando o tipo apropriado
para os dados (Numrico) a partir da lista de opes.
Solues dos Exerccios 29
Stack Blocks of Columns
Para exibir um grco que mostre a tendncia em relao ao tempo, a variao entre os ensaios e a variao entre os tanques, voc
precisa empilhar os dados. O empilhamento mantm os dados relacionados ao tanque juntos para cada ensaio (data).
1) Selecione Data > Stack > Blocks of Columns.
2) Preencha a caixa de dilogo como mostra a gura abaixo:
3) Clique em OK.
Interpretando os resultados
Os dados esto estruturados para a anlise. Agora, voc precisa codicar os dados de tempo antes de construir um grco, pois variveis
de texto no podem ser usadas no eixo x de um grco de disperso.
Solues dos Exerccios 30
Scatterplot
Codique os dados de tempo como numricos e construa um grco de disperso para examinar o relacionamento entre os nveis de
SO
2
e o tempo para cada tanque.
1) Renomeie as colunas C1 a C4 como, C1 = Tempo, C2 = Nvel SO2, C3 = Ensaio e C4 = Tanque.
2) Selecione Data > Code > Text to Numeric.
3) Em Code data from columns, entre com Tempo.
4) Em Store coded data in columns, entre com Tempo.
5) Em Original values, linha 1 entre com Tempo 1. Em New, digite 1.
6) Repita para Tempo 2, Tempo 3 e Tempo 4, renomeando-os como 2, 3 e 4, respectivamente. Clique em OK.
7) Selecione Graph > Scatterplot.
8) Selecione With Connect and Groups, e ento clique em OK.
9) Em Y variables, entre com Nivel SO2. Em X variables entre com Tempo.
10) Em Categorical variables for grouping, entre com Ensaio.
11) Clique em Multiple Graphs, e ento clique na aba By variables.
12) Em By variables with groups in separate panels, entre com Tanque.
13) Clique em OK em cada caixa de dilogo.
Solues dos Exerccios 31
Interpretando os resultados
Os nveis de SO
2
diminuem ao longo dos tempos de amostragem. Em particular, nos tanques H10, H11 e H9, a diminuio dos nveis de
SO
2
muito mais acentuada do que nos outros tanques.
A variao de ensaio para ensaio (data para data) parece maior nos tanques H10, H11 e H9 do que nos outros.
A maior fonte de variao parece ser as diferenas entre os tanques. Investigue a variao tanque a tanque para entender melhor o
processo.
Solues dos Exerccios 32
Exerccio H:
Detectando Mudanas em Dimetros de Rolamentos
Teste t para 1 amostra
Calcule o tamanho amostral necessrio para detectar uma diferena de 0,1 mm com um poder de 0,85 ao nvel 0,05.
1) Selecione Stat > Power and Sample Size > 1-Sample t.
2) Em Differences, digite 0,1. Em Power value, digite 0,85. Em Standard deviation, digite 0,04.
3) Clique em OK.
Power and Sample Size
1-Sample t Test
Testing mean = null (versus not = null)
Calculating power for mean = null + difference
Alpha = 0,05 Assumed standard deviation = 0,04
Sample Target
Difference Size Power Actual Power
0,1 4 0,85 0,898606
Interpretando os resultados
Se a mdia do processo se deslocar de 0,1 mm, o teste t para 1 amostra ir detectar esta mudana 89,86% das vezes, com um tamanho
amostral de 4.
Solues dos Exerccios 33
Teste t para 1 amostra
Calcule a diferena que pode ser detectada com um poder de 0,90 quando so usados tamanhos de amostra de 5 e 10.
1) Selecione Stat > Power and Sample Size > 1-Sample t ou pressione Ctrl + E.
2) Pressione F3 para limpar a caixa de dilogo. Em Sample sizes, digite 5 10. Em Power values, digite 0,90. Em Standard de-
viation, digite 0,04.
3) Clique em OK.
Power and Sample Size
1-Sample t Test
Testing mean = null (versus not = null)
Calculating power for mean = null + difference
Alpha = 0,05 Assumed standard deviation = 0,04
Sample
Size Power Difference
5 0,9 0,0786356
10 0,9 0,0461826
Interpretando os resultados
Com um tamanho amostral de 5, o teste t para 1 amostra ir detectar uma mudana de 0,079 na mdia do processo em 90% das ve-
zes.
Com um tamanho amostral de 10, o teste t para 1 amostra ir detectar uma mudana de 0,046 na mdia do processo em 90% das ve-
zes.
Solues dos Exerccios 34
Teste de Normalidade
Teste a normalidade da amostra.
1) Abra o arquivo ROLAMENTOS.MTW.
2) Selecione Stat > Basic Statistics > Normality Test.
3) Em Variable, entre com Dimetro.
4) Clique em OK.
Interpretando os resultados
O grco de probabilidade dos dez dimetros dos rolamentos indica que voc pode assumir a normalidade. Os pontos plotados caem ao
longo da linha reta e o p-valor (0,760) maior que 0,05.
Solues dos Exerccios 35
Teste t para 1 amostra
Determine se o processo est no alvo
1) Selecione Stat > Basic Statistics > 1-Sample t.
2) Em Samples in columns, entre com Dimetro.
3) Marque Perform hypotesis test.
4) Em Hypotesized mean, digite 5.
5) Clique em Graphs.
6) Marque Boxplot of data.
7) Clique em OK em cada caixa de dilogo.
One-Sample T: Bearings
Test of mu = 5 vs not = 5
Variable N Mean StDev SE Mean 95% CI T P
Dimetro 10 5,0718 0,0414 0,0131 (5,0421; 5,1014) 5,48 0,000
Interpretando os resultados
O boxplot indica que a mdia do processo no est no valor alvo (o intervalo de 95% de conana no contem Ho). O teste t para 1
amostra conrma que a mdia dos dimetros dos rolamentos signicativamente maior que 5 mm, pois o p-valor menor que 0,05.
Solues dos Exerccios 36
Exerccio I: Investigando a Qualidade do Fornecedor
Teste t para 1 amostra
Usando um tamanho amostral de 10, determine o poder para detectar diferenas de 0,008, 0,010 e 0,012.
1) Selecione Stat > Power and Sample Size > 1-Sample t.
2) Em Sample Sizes, digite 10. Em Differences, digite 0,008 0,010 0,012. Em Standard deviation, digite 0,01.
3) Clique em Options.
4) Em Alternative Hypothesis, escolha Greater than.
5) Clique em OK em cada caixa de dilogo.
Power and Sample Size
1-Sample t Test
Testing mean = null (versus > null)
Calculating power for mean = null + difference
Alpha = 0,05 Assumed standard deviation = 0,01
Sample
Difference Size Power
0,008 10 0,754425
0,010 10 0,897517
0,012 10 0,967475
Interpretando os resultados
A probabilidade de voc detectar deslocamentos de tamanho 0,008, 0,010 e 0,012 com um tamanho amostral de 10 0,754, 0,897 e
0,976, respectivamente.
Solues dos Exerccios 37
Teste de Normalidade
Verique a normalidade dos dados.
1) Abra o arquivo QUEIJOS.MTW.
2) Selecione Stat > Basic Statistics > Normality Test.
3) Em Variable, entre com TempCong.
4) Clique em OK.
Interpretando os resultados
Os dados caem ao longo da linha reta no grco de probabilidade normal. Voc pode assumir uma distribuio normal porque o p-valor
0,352.
Solues dos Exerccios 38
Teste t para 1 amostra
Determine se provvel que as amostras venham de uma populao com mdia maior que -0,545.
1) Selecione Stat > Basic Statistics > 1-Sample t.
2) Em Samples in columns, entre com TempCong.
3) Marque Perform hypotesis test.
4) Em Hypotesized mean, digite -0,545.
5) Clique em Options.
6) Em Alternative, escolha greater than.
7) Clique em OK em cada caixa de dilogo.
One-Sample T: TempCong
Test of mu = -0,545 vs > -0,545
95% Lower
Variable N Mean StDev SE Mean Bound T P
TempCong 10 -0,53937 0,00780 0,00247 -0,54389 2,28 0,024
Interpretando os resultados
Como o p-valor de 0,024 menor que = 0,05, voc pode concluir que a mdia da temperatura de congelamento maior que -0,545
graus Celsius.
Sim, a anlise mudaria se todas as amostras viessem de um nico lote de leite. Voc no teria uma amostra aleatria de tamanho 10 da
populao de leite do fornecedor. Portanto, suas concluses seriam vlidas apenas para a populao daquele lote de leite especco.
Voc no poderia tirar concluses sobre toda a populao de leite.
Solues dos Exerccios 39
Exerccio J: Altura do nodo
Poder e tamanho de amostra
Calcule o tamanho amostral necessrio para detectar um acrscimo na altura do nodo de pelo menos 0,4 mm com um poder de pelo
menos 0,85 ao nvel de signicncia de 0,05.
1) Selecione Stat > Power and Sample Size > 2-Sample t.
2) Em Differences, digite 0,4. Em Power values, digite 0,85. Em Standard deviation, digite 0,55.
3) Clique em Options.
4) Em Alternative Hypothesis, escolha greater than.
5) Clique em OK em cada caixa de dilogo.
Power and Sample Size
2-Sample t Test
Testing mean 1 = mean 2 (versus >)
Calculating power for mean 1 = mean 2 + difference
Alpha = 0,05 Assumed standard deviation = 0,55
Sample Target
Difference Size Power Actual Power
0,4 28 0,85 0,851295
The sample size is for each group.
Interpretando os resultados
Os resultados indicam que 28 observaes em ambos os momentos (antes e aps a mudana) so necessrias para detectar um acrs-
cimo de 0,4 mm na altura do nodo com 85% de poder.
Solues dos Exerccios 40
Teste de Normalidade
Teste a normalidade de ambas as amostras.
1) Abra o arquivo NODO.MTW.
2) Selecione Graph > Probability Plot > Multiple.
3) Em Graph variables, entre com Altura do nodo.
4) Em Categorical variables for grouping, entre com Mudana no processo.
5) Clique em OK.
Interpretando os resultados
O teste de Anderson-Darling para os dados Final (p-valor=0,490) indica que no h evidncias para rejeitar a hiptese nula de norma-
lidade para esses dados. O teste de Anderson-Darling para os dados Incio (p-valor=0,442) tambm indica que no h evidncias para
rejeitar a hiptese nula de normalidade para esses dados.
Solues dos Exerccios 41
Teste de igualdade de varincias
Compare as varincias das amostras para determinar se os clculos dos teste t para 2 amostras podem assumir que as duas
populaes tm a mesma variabilidade.
1) Selecione Stat > Basic Statistics > 2 Variances.
2) Marque Samples in one column.
3) Em Samples, entre com Altura do nodo. Em Subscripts, entre com Mudana no processo.
4) Clique em OK.
Interpretando os resultados
O teste F compara a varincia das duas amostras para determinar se h evidncias sucientes para se rejeitar a hiptese nula de que
as duas populaes tm varincias iguais. O alto p-valor (0,202) indica que no h evidncias sucientes para rejeitar a hiptese nula de
igualdade de varincias ao nvel de signicncia de 0,05. O clculo da estatstica de teste para o teste t para 2 amostras pode assumir
igual variabilidade nas duas populaes.
Solues dos Exerccios 42
Teste t para 2 amostras
Os engenheiros mediram trinta amostras da altura dos nodos antes e aps a mudana. Determine se a altura mdia do nodo a mes-
ma antes e aps a mudana no processo. As hipteses a serem testadas so as seguintes:
H
0
:
Final
=
Incio
H
A
:
Final
>
Incio
1) Selecione Stat > Basic Statistics > 2-Sample t.
2) Marque Samples in one column.
3) Em Samples, entre com Altura do nodo. Em Subscripts, entre com Mudana no processo.
4) Marque Assume equal variances.
5) Clique em Options. Em Alternative, escolha greater than.
6) Clique em OK.
7) Clique em Graphs. Marque Boxplots of data.
8) Clique em OK em cada caixa de dilogo.
Two-Sample T-Test and CI: Altura do nodo; Mudana no processo
Two-sample T for Altura do nodo
Mudana no
processo N Mean StDev SE Mean
Final 30 6,280 0,564 0,10
Incio 30 6,045 0,444 0,081
Difference = mu (Final) - mu (Incio)
Estimate for difference: 0,235
95% lower bound for difference: 0,016
T-Test of difference = 0 (vs >): T-Value = 1,80 P-Value = 0,039 DF = 58
Both use Pooled StDev = 0,5077
Solues dos Exerccios 43
Interpretando os resultados
O boxplot comparativo indica que a altura mdia do nodo pode ter aumentado. Os resultados do teste t conrmam que o aumento de
0,235 mm na altura do nodo estatisticamente signicativa (p-valor=0,039). Entretanto, essa melhoria no signicativa com base no
aumento de 0,4 mm necessrio para melhorar sicamente os capacitores.
Solues dos Exerccios 44
Poder e tamanho de amostra
A anlise de poder e tamanho de amostra anterior determinou que um tamanho amostral de 28 era necessrio para detectar um aumento
de 0,4 mm na altura do nodo com 85% de poder e um teste unilateral. Agora, calcule o tamanho amostral para a hiptese alternativa
bilateral, que nesse caso seria:
H
A
:
Final
Incio
1) Selecione Stat > Power and Sample Size > 2-Sample t.
2) Em Differences, digite 0,4. Em Power Values, digite 0,85. Em Standard deviation, digite 0,55.
3) Clique em Options. Em Alternative Hypothesis, escolha Not equal.
4) Clique em OK em cada caixa de dilogo.
Power and Sample Size
2-Sample t Test
Testing mean 1 = mean 2 (versus not =)
Calculating power for mean 1 = mean 2 + difference
Alpha = 0,05 Assumed standard deviation = 0,55
Sample Target
Difference Size Power Actual Power
0,4 35 0,85 0,850645
The sample size is for each group.
Interpretando os resultados
A anlise de poder e tamanho de amostra indica que necessrio avaliar 35 capacitores antes da mudana, e 35 aps para detectar uma
mudana de 0,4 mm na altura do nodo em 85% das vezes. Em outras palavras, mais sete observaes por grupo so necessrias se
a anlise no utilizar a hiptese alternativa unilateral. Isso ilustra o poder atingido quando a hiptese alternativa unilateral apropriada-
mente utilizada em sua anlise, como nesse exemplo.
Solues dos Exerccios 45
Exerccio K: Comparando Instrumentos de Medio
Teste t pareado
Determine se as medies fornecidas pelos compassos so diferentes.
1) Abra o arquivo COMPASSOS.MTW.
2) Selecione Stat > Basic Statistics > Paired t.
3) Em First sample, entre com EasyGage. Em Second sample, entre com ToolIt.
4) Clique em Graphs.
5) Marque Individual value plot.
6) Clique em OK em cada caixa de dilogo.
Paired T-Test and CI: EasyGage; ToolIt
Paired T for EasyGage - ToolIt
N Mean StDev SE Mean
EasyGage 12 0,266275 0,001336 0,000386
ToolIt 12 0,265517 0,001876 0,000542
Difference 12 0,000758 0,001735 0,000501
95% CI for mean difference: (-0,000344; 0,001861)
T-Test of mean difference = 0 (vs not = 0): T-Value = 1,51 P-Value = 0,158
Interpretando os resultados
As diferentes ferramentas no fornecem medies signicativamente diferentes. O intervalo de conana inclui 0, e o p-valor maior
que 0,05.
Solues dos Exerccios 46
Teste t para 1 amostra
Calcule o poder do teste para detectar uma diferena mdia de 0,005 cm.
1) Selecione Stat > Power and Sample Size > 1-Sample t.
2) Em Sample sizes, digite 12. Em Differences, digite 0,005. Em Standard deviation, digite 0,001735.
3) Clique em OK.
Power and Sample Size
1-Sample t Test
Testing mean = null (versus not = null)
Calculating power for mean = null + difference
Alpha = 0,05 Assumed standard deviation = 0,001735
Sample
Difference Size Power
0,005 12 1,00000
Interpretando os resultados
O poder do teste para detectar uma diferena de 0,005 1,00. (O valor real maior que 0,99995; o Minitab arredonda o valor at
1,00000.),
Solues dos Exerccios 47
Teste t para 1 amostra
Calcule o poder do teste para detectar uma diferena mdia de 0,001 cm.
1) Selecione Stat > Power and Sample Size > 1-Sample t.
2) Em Differences, digite 0,001.
3) Clique em OK.
Power and Sample Size
1-Sample t Test
Testing mean = null (versus not = null)
Calculating power for mean = null + difference
Alpha = 0,05 Assumed standard deviation = 0,001735
Sample
Difference Size Power
0,001 12 0,445247
Interpretando os resultados
O poder do teste para detectar uma diferena de 0,001 0,445.
Solues dos Exerccios 48
Exerccio L: Moldes de Tampas de Canetas
Estatsticas Descritivas
Construa boxplots para as 16 cavidades.
1) Abra o arquivo CAVIDADES.MTW.
2) Selecione Stat > Basic Statistics > Display Descriptive Statistics.
3) Em Variables, entre com Espessura. Em By variables, entre com Cavidade.
4) Clique em Graphs e marque Boxplot of data.
5) Clique em OK em cada caixa de dilogo.
Interpretando os resultados
O boxplot sugere que:
No existem outliers extremos (todos os dados caem em uma amplitude de 0,30 mm)
As distribuies dentro de cada cavidade so aproximadamente simtricas (a mediana est prxima do centro da caixa).
Voc no pode determinar por esse grco se as diferenas entre as cavidades so estatisticamente signicativas.
Solues dos Exerccios 49
Teste de Igualdade de Varincias
Compare as varincias nas 16 cavidades.
1) Selecione Stat > ANOVA > Test for Equal Variances.
2) Em Response, entre com Espessura; Em Factors, entre com Cavidade.
3) Clique em OK.
Interpretando os resultados
Com base nos p-valores altos para o Teste de Bartlett (assumindo normalidade) e o Teste de Levene (assumindo apenas simetria),
voc no tem evidncias sucientes para declarar uma diferena na variabilidade entre as 16 cavidades.
Solues dos Exerccios 50
General Linear Model
Compare as mdias nas 16 cavidades e verique as suposies do modelo.
1) Selecione Stat > ANOVA > General Linear Model.
2) Em Responses, entre com Espessura; Em Model, entre com Cavidade.
3) Clique em Graphs. Em Residual Plots, escolha Four in one.
4) Clique em OK em cada caixa de dilogo.
General Linear Model: Espessura versus Cavidade
Factor Type Levels Values
Cavidade xed 16 1; 2; 3; 4; 5; 6; 7; 8; 9; 10; 11; 12; 13; 14; 15; 16
Analysis of Variance for Espessura, using Adjusted SS for Tests
Source DF Seq SS Adj SS Adj MS F P
Cavidade 15 0,141988 0,141988 0,009466 8,35 0,000
Error 304 0,344623 0,344623 0,001134
Total 319 0,486612
S = 0,0336694 R-Sq = 29,18% R-Sq(adj) = 25,68%
Interpretando os resultados
Pelo menos duas cavidades tm mdias signicativamente diferentes (P=0,000).
Os resduos so aproximadamente normalmente distribudos, com varincia constante e nenhuma tendncia ao longo do tempo.
Solues dos Exerccios 51
Interval Plot
Determine se a mdia de alguma cavidade difere do alvo.
1) Selecione Stat > ANOVA > Interval Plot.
2) Em One Y, selecione With Groups e clique em OK.
3) Em Graph variables, entre com Espessura. Em Categorical variables for grouping, entre com Cavidade.
4) Clique em Scale e selecione a aba Reference lines.
5) Em Show reference lines at Y values, digite 10.
6) Clique em OK.
Interpretando os resultados
As cavidades 1, 3, 5, 7, 8, 9, 12, 15 e 16 so signicativamente diferentes do valor alvo, pois os intervalos no contm esse valor (10
mm). Entretanto, usar intervalos de Bonferroni para controlar o erro Tipo I mais apropriado, pois com tantas cavidades, ao menos
uma das identicadas como diferentes provavelmente est no alvo.
Solues dos Exerccios 52
Interval Plot
Mude para intervalos de conana Bonferroni.
1) D dois cliques sobre a linha de algum intervalo de conana, e clique em Options.
2) Em Condence interval, marque Bonferroni.
3) Clique em OK.
Interpretando os resultados
As cavidades 3, 5, 7, 8, 9, 15 e 16 so signicativamente diferentes do alvo. Voc pode ter 95% de conana de que essas cavidades
esto trabalhando fora do alvo.
Solues dos Exerccios 53
Exerccio M: Degustao de Vinhos
General Linear Model
Analise a Nota em funo do Juiz e do Vinho.
1) Abra o arquivo VINHO.MTW.
2) Selecione Stat > ANOVA > General Linear Model.
3) Em Responses, entre com Nota. Em Model, entre com Juiz Vinho Juiz*Vinho;
4) Clique em OK.
General Linear Model: Score versus Juiz; Vinho
Factor Type Levels Values
Juiz xed 10 Antonio; Ballardo; Carmen; Daniel; Esmeralda; Fernanda;
Gerardo; Hernan; Irma; Jose na
Vinho xed 3 Conquistador; Matador; Saeta
Analysis of Variance for Nota, using Adjusted SS for Tests
Source DF Seq SS Adj SS Adj MS F P
Juiz 9 24,683 24,683 2,743 1,09 0,399
Vinho 2 39,433 39,433 19,717 7,83 0,002
Juiz*Vinho 18 58,567 58,567 3,254 1,29 0,260
Error 30 75,500 75,500 2,517
Total 59 198,183
S = 1,58640 R-Sq = 61,90% R-Sq(adj) = 25,08%
Interpretando os resultados
H uma forte evidncia de que h diferenas entre as pontuaes mdias (P = 0,002). Os enlogos no so signicativamente diferentes
um do outro, e a interao Juiz*Vinho no signicativa. A no-signicncia do efeito do Juiz boa, pois voc quer que os enlogos
concordem entre si. Ajuste o modelo novamente retirando os termos no-signicativos.
Solues dos Exerccios 54
General Linear Model
Construa os grcos de resduos. Inclua comparaes pareadas e um grco de efeitos principais para Vinho.
1) Selecione Stat > ANOVA > General Linear Model ou pressione Ctrl + E.
2) Em Model, mantenha apenas Vinho.
3) Clique em Graphs. Em Residual plots, escolha Four in one e clique em OK.
4) Clique em Comparisons. Em Terms, entre com Vinho e clique em OK.
5) Clique em Factor Plots. Sob Main Effects Plot, entre com Vinho em Factors.
6) Clique em OK em cada caixa de dilogo.
Tukey Simultaneous Tests
Response Variable Nota
All Pairwise Comparisons among Levels of Vinho
Vinho = Conquistador subtracted from:
Difference SE of Adjusted
Vinho of Means Difference T-Value P-Value
Matador -0,650 0,5277 -1,232 0,4397
Saeta -1,950 0,5277 -3,695 0,0014
Vinho = Matador subtracted from:
Difference SE of Adjusted
Vinho of Means Difference T-Value P-Value
Saeta -1,300 0,5277 -2,463 0,0437
Interpretando os resultados
Com base nos p-valores para as comparaes em pareadas, o vinho Saeta signicativamente diferente de Conquistador (p-valor =
0,0014) e Matador (p-valor = 0,0437).
Solues dos Exerccios 55
Interpretando os resultados
O grco de probabilidade normal indica um leve desvio da normalidade, pois a resposta no uma medida contnua. Como no exis-
tem outliers extremos e os pontos de dados caem ao longo de uma linha reta, voc pode assumir que a falta de normalidade no afeta
fortemente os resultados.
O grco de fatores mostra que o vinho Saeta recebeu a menor pontuao mdia e Conquistador a maior.
Solues dos Exerccios 56
Exerccio N: Desgaste de Tinta
General Linear Model
Determine se o desgaste mdio da tinta em todos os quatro tipos de tinta igual.
1) Abra o arquivo DESGASTE.MTW.
2) Selecione Stat > ANOVA > General Linear Model.
3) Em Responses, entre com Desgaste. Em Model, entre com Tinta.
4) Clique em OK.
General Linear Model: Desgaste versus Tinta
Factor Type Levels Values
Tinta xed 4 Y-0242; Y-0314; Y-1424; Y-1723
Analysis of Variance for Desgaste, using Adjusted SS for Tests
Source DF Seq SS Adj SS Adj MS F P
Tinta 3 30,688 30,688 10,229 2,44 0,115
Error 12 50,250 50,250 4,188
Total 15 80,938
S = 2,04634 R-Sq = 37,92% R-Sq(adj) = 22,39%
Unusual Observations for Desgaste
Obs Desgaste Fit SE Fit Residual St Resid
14 8,0000 12,2500 1,0232 -4,2500 -2,40 R
R denotes an observation with a large standardized residual.
Interpretando os resultados
Quando Tinta o nico fator no modelo, o resultado no mostra diferena signicativa entre os quatro tipos de tinta (P > 0,05).
Solues dos Exerccios 57
General Linear Model
Determine se o desgaste mdio da tinta diferente nas localidades e tipos de tinta.
1) Selecione Stat > ANOVA > General Linear Model.
2) Em Responses, entre com Desgaste. Em Model, entre com Localidade Tinta.
3) Clique em OK.
General Linear Model: Desgaste versus Localidade; Tinta
Factor Type Levels Values
Localidade xed 4 Contagem; Sabar; Santa Luzia; Vespasiano
Tinta xed 4 Y-0242; Y-0314; Y-1424; Y-1723
Analysis of Variance for Desgaste, using Adjusted SS for Tests
Source DF Seq SS Adj SS Adj MS F P
Localidade 3 38,688 38,687 12,896 10,04 0,003
Tinta 3 30,688 30,688 10,229 7,96 0,007
Error 9 11,562 11,562 1,285
Total 15 80,938
S = 1,13346 R-Sq = 85,71% R-Sq(adj) = 76,19%
Unusual Observations for Desgaste
Obs Desgaste Fit SE Fit Residual St Resid
14 8,0000 9,9375 0,7497 -1,9375 -2,28 R
R denotes an observation with a large standardized residual.
Interpretando os resultados
Quando voc adiciona Localidade ao modelo, o resultado mostra uma diferena estatstica entre os quatro tipos de tinta (P = 0,007) e as
quatro localidades (P = 0,003).
Solues dos Exerccios 58
General Linear Model
Verique as suposies do modelo.
1) Selecione Stat > ANOVA > General Linear Model.
2) Clique em Graphs.
3) Em Residual Plots, escolha Four in one.
4) Clique em OK em cada caixa de dilogo.
Interpretando os resultados
Os grcos de resduos no indicam quaisquer observaes no-usuais.
Quando Localidade deixada fora do modelo, o termo de erro inclui o efeito da localidade. Esse efeito ina a quantidade de erro e torna
as diferenas entre os tipos de tinta menos estatisticamente signicativas.
O termo de erro para testar as diferenas entre os tipos de tinta:
= SS Localidade + SS Erro, se o modelo no incluir Localidade
= SS Erro, se o modelo incluir Localidade.
Solues dos Exerccios 59
General Linear Model
Determine quais tipos de tinta so signicativamente diferentes entre si.
1) Selecione Stat > ANOVA > General Linear Model.
2) Clique em Comparisons.
3) Em Terms, entre com Tinta.
4) Desmarque Condence interval, with condence level.
5) Clique em OK em cada caixa de dilogo.
Tukey Simultaneous Tests
Response Variable Desgaste
All Pairwise Comparisons among Levels of Tinta
Tinta = Y-0242 subtracted from:
Difference SE of Adjusted
Tinta of Means Difference T-Value P-Value
Y-0314 -2,000 0,8015 -2,495 0,1274
Y-1424 -3,250 0,8015 -4,055 0,0125
Y-1723 -3,500 0,8015 -4,367 0,0080
Tinta = Y-0314 subtracted from:
Difference SE of Adjusted
Tinta of Means Difference T-Value P-Value
Y-1424 -1,250 0,8015 -1,560 0,4452
Y-1723 -1,500 0,8015 -1,872 0,3041
Tinta = Y-1424 subtracted from:
Difference SE of Adjusted
Tinta of Means Difference T-Value P-Value
Y-1723 -0,2500 0,8015 -0,3119 0,9888
Interpretando os resultados
A tabela mostra que o desgaste da tinta signicativamente diferente ao nvel de signicncia de 0,05 entre os seguintes tipos de tinta:
Y-0242 e Y-1424 (P = 0,0125)
Y-0242 e Y-1723 (P = 0,0080)
Solues dos Exerccios 60
Exerccio O: Estabilidade das Medies de Densidade de Filmes Foto-
grcos
Xbar-R
Construa cartas de controle Xbar-R para monitorar as medies de cada lme:
1) Abra o arquivo DENSIDADE.MTW.
2) Selecione Stat > Control Charts > Variables Charts for Subgroups > Xbar-R.
3) Escolha All observations for a chart are in one column. Entre com Dens 1,5, Dens 3,0 e Dens 4,5.
4) Em Subgroup sizes, digite 3.
5) Clique em Xbar-R Options e clique na aba Parameters.
6) Em Mean, digite 1,5 3,0 4,5.
7) Clique em OK em cada caixa de dilogo.
Este processo est sob controle estatstico em torno do valor alvo de 1,5.
O sistema de medio parece estvel em torno do valor real para os lmes com densidade 3,0.
Solues dos Exerccios 61
Para os lmes com densidade 4,5, o sistema de medio exibe uma possvel tendncia, iniciando em torno do vigsimo dia do estudo.
Deve-se avaliar porque esse comportamento ocorreu.
Solues dos Exerccios 62
Exerccio P: Peso dos Sabonetes
Xbar-R
Construa cartas de controle Xbar e R para monitorar o peso dos sabonetes.
1) Abra o arquivo SABONETE.MTW.
2) Selecione Stat > Control Charts > Variables Charts for Subgroups > Xbar-R.
3) Selecione Observations for a subgroup are in one row of columns. Entre com Molde1 - Molde5.
4) Clique em Xbar-R Options, e ento clique na aba Tests.
5) Selecione Perform all tests for special causes.
6) Clique em OK em cada caixa de dilogo.
Interpretando os resultados
As mdias dos subgrupos parecem estar sob controle estatstico. De fato, as mdias aparecem agrupadas prximas linha central.
Isto pode estar acontecendo devido ao fato dos limites de controle estarem muito largos, possivelmente devido fonte de variao no
aleatria ou a uma estimativa ruim do desvio-padro dentro do subgrupo.
A variao de ciclo a ciclo comparada variao de molde a molde. ( A variao dentro do subgrupo para esta carta a variao de
molde a molde.) A variao dentro do subgrupo baseada na variao ciclo a ciclo e na variao hora a hora.
Solues dos Exerccios 63
Xbar-R
Agora, avalie as cartas de controle geradas para cada molde.
1) Pressione Ctrl + E.
2) Selecione All observations for a chart are in one column, entre com Molde1-Molde5.
3) Em Subgroup size digite 5.
4) Clique em OK.
Solues dos Exerccios 64
Solues dos Exerccios 65
Interpretando os resultados
Observe que quando os dados para cada molde so plotadas separadamente, os resultados so bastante diferentes. De fato, vrios
pontos falham nos testes para causas especiais. Nestas cartas de controle a variao de subgruposa subgrupo comparada variao
em ciclos sucesivos das mquinas. A variao entre os subgrupos a variao hora a hora.
Solues dos Exerccios 66
Boxplot
Agora, construa um boxplot com mltiplos Ys com cada cavidade sendo um Y
1) Selecione Graph > Boxplot.
2) Em Multiple Ys, selecione Simple. Clique em OK.
3) Em Graph variables, entre com Molde1-Molde5.
4) Clique em OK.
Interpretando os resultados
Os boxplots mostram as diferenas entre os moldes. Os moldes no parecem estar produzindo sabonetes com o mesmo peso mediano.
Isto explica porque a diferena entre os moldes aumenta o intervalo amostral.
Na primeira carta de controle, com as variveis Molde1 at Molde5 plotadas juntas, uma amostra de cada molde forma um subgrupo. A
carta Xbar-R usa como default a variao dentro do subgrupo combinada (pooled) para calcular os limites de controle para a carta Xbar.
Como os subgrupos possuem uma variao molde a molde a variao dentro do subgrupo aumenta. Isto explica os limites de controle,
tornando a carta um pouco menos sensvel para desloxamentos na mdia global.
Solues dos Exerccios 67
Exerccio Q: ndice de Refrao em Cabos de Fibra tica
Xbar-S
Construa cartas de controle Xbar e S para monitorar o ndice de refrao.
1) Abra o arquivo REFRAO.MTW.
2) Selecione Stat > Control Charts > Variables Charts for Subgroups > Xbar-S.
3) Selecione All observations for a chart re in one column, e entre com ndice de Refrao.
4) Em Subgroup sizes, digite 12.
5) Clique em Scale.
6) Abaixo de X Scale, selecione Stamp; abaixo de Stamp columns, entre com Data/Hora.
7) Clique em OK, ento clique em Xbar-S Options.
8) Clique na aba Tests, e selecione Perform all tests for special causes.
9) Clique em OK em cada caixa de dilogo.
Interpretando os resultados
Claramente, o processo no est sob controle estatstico. A carta de controle deve reetir as mudanas do processo, indicadas na coluna
Material de Revestimento, que estratica os dados antes e aps a mudana no material de revestimento.
Solues dos Exerccios 68
Xbar-S
Recalcule os limites de controle para considerar as mudanas no material de revestimento.
1) Pressione Ctrl + E, ento clique em Xbar-S Options.
2) Clique na aba Stages.
3) Abaixo de Dene stages (historical groups) with this variable, entre com Material de Revestimento.
4) Clique em OK em cada caixa de dilogo.
Interpretando os resultados
Conforme indicado nas cartas de controle, o processo no est sob controle estatstico aps a mudana no processo. Entretanto, um
padro cclico aparece nos dados. Voc pode querer investigar se o padro regular e, caso seja, qual a causa. Ento, um modelo de
sries temporais poderia possivelmente ser usado com uma carta de controle nos resduos.
Solues dos Exerccios 69
Exerccio R: Dimetro dos Trincos das Portas
I-MR
Construa uma carta I-MR para monitorar o dimetro dos buracos.
1) Abra o arquivo TRINCOS.MTW.
2) Selecione Stat > Control Charts > Variables Charts for Individuals > I-MR.
3) Em Variables entre com Dimetro.
4) Clique em Scale. Abaixo de X Scale, selecione Stamp.
5) Abaixo de Stamp columns, entre com Data/Hora. Clique em OK.
6) Clique em I-MR Options.
7) Em Mean, digite 5, em Standard deviation, digite 0,01.
8) Clique na aba Tests e selecione Perform all test for special causes.
9) Clique em OK em cada caixa de dilogo.
Interpretando os resultados
Como mostrado na carta I-MR, mesmo com todos os 8 testes para causas especiais, a mdia do processo estvel em torno de 5 mm.
Solues dos Exerccios 70
CUSUM
Uma carta CUSUM detecta claramente mudanas pequenas e contnuas em um processo.
1) Selecione Stat > Control Charts > Time-Weighted Charts > CUSUM.
2) Selecione All variables for a chart are in one column e entre com Dimetro.
3) Em Subgroup sizes, digite 1. Em Target, digite 5.
4) Clique em Scale.
5) Em X Scale, selecione Stamp. Em Stamp columns, entre com Data/Hora. Clique em OK.
6) Clique em CUSUM Options.
7) Em Standard deviation, digite 0,01.
8) Clique em OK em cada caixa de dilogo.
Interpretando os resultados
A carta CUSUM detecta um deslocamente descendente de 0,5 desvios padro prximo da 20 leitura (10:49 am). Investigue o processo
para encontrar uma causa especial para esse deslocamento.
Solues dos Exerccios 71
Exerccio S: Deslocando o Processo
Capability Sixpack - Normal
Use o Capability Sixpack - Normal para avaliar se as suposies da anlise de capacidade so satisfeitas.
1) Abra o arquivo REVESTIMENTO.MPJ.
2) Selecione Window > Worksheet 2.
3) Selecione Stat > Quality Tools > Capability Sixpack > Normal.
4) Em Single column, entre com Centrado; em Subgroup size, entre com Subgrupo.
5) Em Lower spec, digite 39; em Upper spec, digite 43.
6) Clique em Options. Em Target (add Cpm to table), digite 41.
7) Clique em OK em cada caixa de dilogo.
Interpretando os resultados
A distribuio normal fornece um bom ajuste para os dados e o processo parece estar sob controle estatstico.
Solues dos Exerccios 72
Capability Analysis - Normal
Use o Capability Analysis - Normal para avaliar mais detalhadamente a capacidade do processo.
1) Selecione Stat > Quality Tools > Capability Analysis > Normal.
2) Em Single column, entre com Centrado; em Subgroup size, entre com Subgrupo.
3) Em Lower spec, digite 39; em Upper spec, digite 43.
4) Clique em Options. Em Target (add Cpm to table), digite 41.
5) Marque Include condence intervals.
6) Clique em OK em cada caixa de dilogo.
Interpretando os resultados
O Cp prximo de seu valor anterior. O Cpk quase igual ao Cp, reetindo a centralizao. Entretanto, a capacidade do processo per-
manece inaceitvel.
Solues dos Exerccios 73
Exerccio T: Reduo da Variao
Capability Sixpack - Normal
Use o Capability Sixpack - Normal para avaliar se as suposies da anlise de capacidade so satisfeitas.
1) Abra o arquivo REVESTIMENTO.MPJ.
2) Selecione Window > Worksheet 2.
3) Selecione Stat > Quality Tools > Capability Sixpack > Normal.
4) Em Single column, entre com Variabilidade Reduzida; em Subgroup size, entre com Subgrupo.
5) Em Lower spec, digite 39; em Upper spec, digite 43.
6) Clique em Options. Em Target (add Cpm to table), digite 41.
7) Clique em OK em cada caixa de dilogo.
Interpretando os resultados
A distribuio normal fornece um bom ajuste para os dados e o processo parece estar sob controle estatstico.
Solues dos Exerccios 74
Capability Analysis - Normal
Use o Capability Analysis - Normal para avaliar mais detalhadamente a capacidade do processo.
1) Selecione Stat > Quality Tools > Capability Analysis > Normal.
2) Em Single column, entre com Variabilidade Reduzida; em Subgroup size, entre com Subgrupo.
3) Em Lower spec, digite 39; em Upper spec, digite 43.
4) Clique em Options. Em Target (add Cpm to table), digite 41.
5) Marque Include condence intervals.
6) Clique em OK em cada caixa de dilogo.
Interpretando os resultados
O Cp e o Cpk so muito prximos do Pp e Ppk, respectivamente, indicando que o processo est centrado. Mesmo o desempenho desse
processo sendo melhor que dos outros, ele no atende o objetivo de Cpk=1,5. O valor de 1,5 cai acima do intervalo de conana de 95%
para o Cpk.
Solues dos Exerccios 75
Exerccio U: Estudo da Capacidade do Peso de Polmeros
Capability Sixpack > Normal
Use a Anlise de Capacidade - Normal para vericar se os dados atendem s suposies para a anlise de capacidade.
1) Abra o arquivo MOLECULAR.MTW.
2) Selecione Stat > Quality Tools > Capability Sixpack > Normal.
3) Em Single column, entre com Peso. Em Subgroup size digite 5.
4) Em Lower spec digite 21. Em Upper spec digite 27.
5) Clique em OK.
Test Results for Xbar Chart of Peso
TEST 1. One point more than 3,00 standard deviations from center line.
Test Failed at points: 2; 17
Interpretando os resultados
Para obter uma estimativa signicativa dos parmetros, o processo precisa estar sob controle estatstico. Este processo, contudo no se
encontra sob controle.
Solues dos Exerccios 76
Capability Sixpack > Normal
Verique novamente a estabilidade e a capacidade do processo.
1) Pressione Ctrl + E.
2) Em Single column, entre com Dados revidados.
3) Clique em OK.
Interpretando os resultados
Para o processo estvel (usando os dados revidados), as estimativas para o desvio-padro within e overall esto prximas (2,77256 e
2,77774). Por isso as estimativas de Pp e Cp (assim como Ppk e Cpk) extremamente prximas.
O processo precisa de melhorias.
Solues dos Exerccios 77
Exerccio V: Resistncia do Selamento das Sacolas Plsticas
Individual Distribution Identication
Selecione uma distribuio ou transformao apropriada para os dados da resistncia do selamento.
1) Abra o arquivo SELAMENTO.MTW.
2) Selecione Stat > Quality Tools > Individual Distribution Identication.
3) Em Single column, entre com Resistncia.
4) Em Subgroup size, digite 1.
5) Selecione Use all distributions and transformations.
6) Clique em OK.
Solues dos Exerccios 78
Interpretando os resultados
Os grcos de probabilidade e os resultados dos testes de Anderson-Darling indicam que nenhuma distribuio ajusta bem os dados.
Entretanto, aps realizar uma transformao de Johnson, a distribuio normal ajusta os dados transformados.
Solues dos Exerccios 79
Johnson Transformation
Use a Transformao de Johnson para transformar os dados.
1) Selecione Stat > Quality Tools > Johnson Transformation.
2) Em Single column, entre com Resistncia.
3) Clique em OK.
Interpretando os resultados
Os resultados dos grcos de probabilidade e do teste de Anderson-Darling indicam que a distribuio normal ajusta bem os dados
transformados.
Solues dos Exerccios 80
Capability Analysis > Nonnnormal
Voc pode obter estimativas da capacidade usando a transformao de Johnson.
1) Selecione Stat > Quality Tools > Capability Analysis > Nonnormal.
2) Em Single column, entre com Resistncia.
3) Selecione Johnson transformation.
4) Em Lower spec, digite 5; em Upper spec, digite 14,9.
5) Clique em Options.
6) Marque Include condence intervals e clique em OK em cada caixa de dilogo.
Interpretando os resultados
O Pp estimado para este processo 0,75, com intervalo de 95% de conana entre 0,67 e 0,82. O Ppk estimado de 0,65, com intervalo
de 95% entre 0,57 a 0,73.