Você está na página 1de 33

CEP

TALES PINHEIRO VASCONCELOS


13 de junho de 2016

Contents
1 Questo CEP1) O sistema de controle de qualidade de cinco bombas [@Bash2015] apresenta as alturas das bases de uma parte da bomba (medidas realizadas em polegadas)
como se pode observar na tabela a seguir.
2
2 Carregar o pacote para uso das funes
2.1

a) Avalie os dados da tabela abaixo e construa o(s) grfico(s) de controle mais adequado(s).
Justificando e indicando as etapas para o seu desenvolvimento. . . . . . . . . . . . . . . . . .

3 Plotando os grficos para anlise dos dados

3
6

3.1

Para a Bomba 1

. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

3.2

Para a Bomba 2

. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

3.3

Para a Bomba 3

. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

13

3.4

Para a Bomba 4

. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

17

4 Anlise estatstica dos dados usando CEP

21

4.1

Plotando as Cartas de Controle individuais . . . . . . . . . . . . . . . . . . . . . . . . . . . .

21

4.2

Plotando a Carta de Controle x barra de todas as bombas . . . . . . . . . . . . . . . . . . . .

26

4.3

Plotando a Carta de Controle R barra de todas as bombas . . . . . . . . . . . . . . . . . . . .

27

5 Questo CEP2) O programa guapura vem atuando na reduo do consumo de gua


da UFBA, tendo obtido resultados significativos atravs de um acompanhamento sistemtico vianet do consumo por unidade (http://teclim.ufba.br/aguapura/index.php,
ver exemplo abaixo). Considerando conceitos da estatstica, proponha outra(s) forma(s)
de acompanhamento do consumo de gua da UFBA. Descreva todas as premissas e
implicaes consideradas na(s) sua(s) proposta(s).
30
6 Questo CEP3) Dois grficos de controle (a) e (b) foram construdos considerando dados
de subgrupos de tamanho 5 e 4, respectivamente. Analise criticamente estes grficos de
controle e discuta se eles poderiam ser utilizados para o acompanhamento de processos. 32

Questo CEP1) O sistema de controle de qualidade de cinco


bombas [@Bash2015] apresenta as alturas das bases de uma
parte da bomba (medidas realizadas em polegadas) como se
pode observar na tabela a seguir.

Carregar o pacote para uso das funes

library("qcc")
## Package 'qcc', version 2.6
## Type 'citation("qcc")' for citing this R package in publications.
library("fBasics")
## Loading required package: timeDate
## Loading required package: timeSeries
##
## Rmetrics Package fBasics
## Analysing Markets and calculating Basic Statistics
## Copyright (C) 2005-2014 Rmetrics Association Zurich
## Educational Software for Financial Engineering and Computational Science
## Rmetrics is free software and comes with ABSOLUTELY NO WARRANTY.
## https://www.rmetrics.org --- Mail to: info@rmetrics.org

2.1

a) Avalie os dados da tabela abaixo e construa o(s) grfico(s) de controle


mais adequado(s). Justificando e indicando as etapas para o seu desenvolvimento.

dataCEP = read.delim2(file = "QCEP1.txt", header = TRUE, sep = "\t", dec = ",")


dataCEP <- as.data.frame(dataCEP)
print(dataCEP)
##
##
##
##
##
##
##
##
##
##
##
##
##
##
##

1
2
3
4
5
6
7
8
9
10
11
12
13
14

B1
0.831
0.834
0.836
0.833
0.830
0.829
0.835
0.818
0.841
0.832
0.831
0.831
0.838
0.815

B2
0.829
0.826
0.826
0.831
0.831
0.828
0.833
0.838
0.831
0.828
0.838
0.826
0.822
0.832

B3
0.8400
0.8312
0.8220
0.8310
0.8330
0.8320
0.8300
0.8340
0.8330
0.8320
0.8270
0.8320
0.8300
0.8310

B4
0.836
0.831
0.831
0.835
0.831
0.828
0.829
0.835
0.831
0.836
0.844
0.828
0.835
0.831

B5
0.826
0.831
0.816
0.833
0.820
0.841
0.841
0.830
0.832
0.825
0.826
0.827
0.830
0.838

str(dataCEP)
## 'data.frame':
14 obs. of 5 variables:
## $ B1: num 0.831 0.834 0.836 0.833 0.83 0.829 0.835 0.818 0.841 0.832 ...
## $ B2: num 0.829 0.826 0.826 0.831 0.831 0.828 0.833 0.838 0.831 0.828 ...
## $ B3: num 0.84 0.831 0.822 0.831 0.833 ...
## $ B4: num 0.836 0.831 0.831 0.835 0.831 0.828 0.829 0.835 0.831 0.836 ...
## $ B5: num 0.826 0.831 0.816 0.833 0.82 0.841 0.841 0.83 0.832 0.825 ...
summary(dataCEP)
##
##
##
##
##
##
##
##
##
##
##
##
##
##

B1
Min.
:0.8150
1st Qu.:0.8303
Median :0.8315
Mean
:0.8310
3rd Qu.:0.8347
Max.
:0.8410
B5
Min.
:0.8160
1st Qu.:0.8260
Median :0.8300
Mean
:0.8297
3rd Qu.:0.8327
Max.
:0.8410

# Estatistica descritiva
B2
Min.
:0.8220
1st Qu.:0.8265
Median :0.8300
Mean
:0.8299
3rd Qu.:0.8317
Max.
:0.8380

B3
Min.
:0.8220
1st Qu.:0.8303
Median :0.8316
Mean
:0.8313
3rd Qu.:0.8327
Max.
:0.8400

B4
Min.
:0.8280
1st Qu.:0.8310
Median :0.8310
Mean
:0.8329
3rd Qu.:0.8350
Max.
:0.8440

lapply(dataCEP, shapiro.test) # Teste Shapiro


##
##
##
##
##
##
##
##
##
##
##
##
##
##
##
##
##
##
##
##
##
##
##
##
##
##
##
##
##
##
##
##
##
##
##
##
##
##

$B1
Shapiro-Wilk normality test
data: X[[i]]
W = 0.86763, p-value = 0.03888
$B2
Shapiro-Wilk normality test
data: X[[i]]
W = 0.94523, p-value = 0.4894
$B3
Shapiro-Wilk normality test
data: X[[i]]
W = 0.88565, p-value = 0.06999
$B4
Shapiro-Wilk normality test
data: X[[i]]
W = 0.86124, p-value = 0.03168
$B5
Shapiro-Wilk normality test
data: X[[i]]
W = 0.96171, p-value = 0.7512

lapply(dataCEP, t.test)
##
##
##
##
##
##
##
##
##

# Teste T de Student

$B1
One Sample t-test
data: X[[i]]
t = 445.24, df = 13, p-value < 2.2e-16
alternative hypothesis: true mean is not equal to 0
95 percent confidence interval:
0.8269678 0.8350322
4

##
##
##
##
##
##
##
##
##
##
##
##
##
##
##
##
##
##
##
##
##
##
##
##
##
##
##
##
##
##
##
##
##
##
##
##
##
##
##
##
##
##
##
##
##
##
##
##
##
##
##
##
##
##

sample estimates:
mean of x
0.831
$B2
One Sample t-test
data: X[[i]]
t = 687.88, df = 13, p-value < 2.2e-16
alternative hypothesis: true mean is not equal to 0
95 percent confidence interval:
0.8273221 0.8325351
sample estimates:
mean of x
0.8299286
$B3
One Sample t-test
data: X[[i]]
t = 795.44, df = 13, p-value < 2.2e-16
alternative hypothesis: true mean is not equal to 0
95 percent confidence interval:
0.8290422 0.8335578
sample estimates:
mean of x
0.8313
$B4
One Sample t-test
data: X[[i]]
t = 730.02, df = 13, p-value < 2.2e-16
alternative hypothesis: true mean is not equal to 0
95 percent confidence interval:
0.8304637 0.8353935
sample estimates:
mean of x
0.8329286
$B5
One Sample t-test
data: X[[i]]
t = 428.98, df = 13, p-value < 2.2e-16
alternative hypothesis: true mean is not equal to 0
5

##
##
##
##
##

95 percent confidence interval:


0.8255358 0.8338928
sample estimates:
mean of x
0.8297143

sapply(dataCEP, kurtosis) # Curtose


##
##

B1
B2
0.2282293 -0.7134833

B3
1.1632742

B4
B5
0.6010293 -0.8513209

sapply(dataCEP, skewness) # Assimetria


##
B1
## -0.99284479

3
3.1

B2
B3
0.30883879 -0.23805332

B4
B5
1.01514436 -0.04335957

Plotando os grficos para anlise dos dados


Para a Bomba 1

hist(dataCEP$B1)

4
3
2
1
0

Frequency

Histogram of dataCEP$B1

0.815

0.820

0.825

0.830
dataCEP$B1

0.835

0.840

0.845

0.815

0.825

0.835

boxplot(dataCEP$B1)

plot(density(dataCEP$B1), col="red")

60
40
0

20

Density

80

100

density.default(x = dataCEP$B1)

0.81

0.82

0.83

N = 14 Bandwidth = 0.001783

qqnorm(dataCEP$B1)
qqline(dataCEP$B1, col ="red")

0.84

0.835
0.825
0.815

Sample Quantiles

Normal QQ Plot

0
Theoretical Quantiles

3.2

Para a Bomba 2

hist(dataCEP$B2)

4
3
2
0

Frequency

Histogram of dataCEP$B2

0.820

0.825

0.830
dataCEP$B2

boxplot(dataCEP$B2)

10

0.835

0.840

0.835
0.830
0.825
plot(density(dataCEP$B2), col="red")

11

40
0

20

Density

60

80

density.default(x = dataCEP$B2)

0.815

0.820

0.825

0.830

0.835

N = 14 Bandwidth = 0.00208

qqnorm(dataCEP$B2)
qqline(dataCEP$B2, col ="red")

12

0.840

0.845

0.835
0.830
0.825

Sample Quantiles

Normal QQ Plot

0
Theoretical Quantiles

3.3

Para a Bomba 3

hist(dataCEP$B3)

13

6
4
0

Frequency

Histogram of dataCEP$B3

0.820

0.825

0.830
dataCEP$B3

boxplot(dataCEP$B3)

14

0.835

0.840

0.840
0.835
0.830
0.825
plot(density(dataCEP$B3), col="red")

15

100
0

50

Density

150

200

density.default(x = dataCEP$B3)

0.820

0.825

0.830

0.835

N = 14 Bandwidth = 0.0009905

qqnorm(dataCEP$B3)
qqline(dataCEP$B3, col ="red")

16

0.840

0.835
0.830
0.825

Sample Quantiles

0.840

Normal QQ Plot

0
Theoretical Quantiles

3.4

Para a Bomba 4

hist(dataCEP$B4)

17

4
0

Frequency

Histogram of dataCEP$B4

0.825

0.830

0.835
dataCEP$B4

boxplot(dataCEP$B4)

18

0.840

0.845

0.840
0.835
0.830
plot(density(dataCEP$B4), col="red")

19

60
40
0

20

Density

80

100

density.default(x = dataCEP$B4)

0.825

0.830

0.835

0.840

N = 14 Bandwidth = 0.001585

qqnorm(dataCEP$B4)
qqline(dataCEP$B4, col ="red")

20

0.845

0.840
0.835
0.830

Sample Quantiles

Normal QQ Plot

0
Theoretical Quantiles

4
4.1

Anlise estatstica dos dados usando CEP


Plotando as Cartas de Controle individuais

plot.xbar = qcc(dataCEP$B1, type="xbar.one")

21

0.85

UCL

0.83

CL

0.81

Group summary statistics

xbar.one Chart
for dataCEP$B1

LCL
1

10

11

12

13

14

Group
Number of groups = 14
Center = 0.831
StdDev = 0.006683033

LCL = 0.8109509
UCL = 0.8510491

plot.xbar = qcc(dataCEP$B2, type="xbar.one")

22

Number beyond limits = 0


Number violating runs = 0

0.830

0.840

UCL

CL

0.820

Group summary statistics

xbar.one Chart
for dataCEP$B2

LCL
1

10

11

12

13

14

Group
Number of groups = 14
Center = 0.8299286
StdDev = 0.004569013

LCL = 0.8162215
UCL = 0.8436356

plot.xbar = qcc(dataCEP$B3, type="xbar.one")

23

Number beyond limits = 0


Number violating runs = 0

0.835

UCL

CL
0.825

Group summary statistics

xbar.one Chart
for dataCEP$B3

LCL
1

10

11

12

13

14

Group
Number of groups = 14
Center = 0.8313
StdDev = 0.003477905

LCL = 0.8208663
UCL = 0.8417337

plot.xbar = qcc(dataCEP$B4, type="xbar.one")

24

Number beyond limits = 0


Number violating runs = 0

0.840

UCL

0.830

CL

0.820

Group summary statistics

xbar.one Chart
for dataCEP$B4

LCL
1

10

11

12

13

14

Group
Number of groups = 14
Center = 0.8329286
StdDev = 0.004569013

LCL = 0.8192215
UCL = 0.8466356

plot.xbar = qcc(dataCEP$B5, type="xbar.one")

25

Number beyond limits = 0


Number violating runs = 0

0.85

UCL

0.83

CL

0.81

Group summary statistics

xbar.one Chart
for dataCEP$B5

LCL
1

10

11

12

13

14

Group
Number of groups = 14
Center = 0.8297143
StdDev = 0.007092199

4.2

LCL = 0.8084377
UCL = 0.8509909

Number beyond limits = 0


Number violating runs = 0

Plotando a Carta de Controle x barra de todas as bombas

plot.xbar = qcc(dataCEP, type="xbar")

26

0.830

0.835

UCL

CL

0.825

Group summary statistics

xbar Chart
for dataCEP

LCL
1

10

11

12

13

14

Group
Number of groups = 14
Center = 0.8309743
StdDev = 0.005773247

4.3

LCL = 0.8232287
UCL = 0.8387199

Number beyond limits = 0


Number violating runs = 0

Plotando a Carta de Controle R barra de todas as bombas

plot.R = qcc(dataCEP, type="R")

27

0.020

UCL

0.010

CL

0.000

Group summary statistics

R Chart
for dataCEP

LCL
1

10

11

12

13

14

Group
Number of groups = 14
Center = 0.01342857
StdDev = 0.005773247

LCL = 0
UCL = 0.02839431

Number beyond limits = 0


Number violating runs = 0

process.capability(object = plot.xbar, spec.limits=c(0.825,0.835))

28

Process Capability Analysis


for dataCEP

0.815

0.820

LSL

Target

USL

0.825

0.830

0.835

Number of obs = 70
Target = 0.83
Center = 0.8309743
LSL = 0.825
StdDev = 0.005773247 USL = 0.835

##
##
##
##
##
##
##
##
##
##
##
##
##
##
##
##
##
##
##
##
##

0.840

Cp = 0.289
Cp_l = 0.345
Cp_u = 0.232
Cp_k = 0.232
Cpm = 0.285

0.845

Exp<LSL 15%
Exp>USL 24%
Obs<LSL 8.6%
Obs>USL 17%

Process Capability Analysis


Call:
process.capability(object = plot.xbar, spec.limits = c(0.825,
Number of obs = 70
Center = 0.831
StdDev = 0.005773

Target = 0.83
LSL = 0.825
USL = 0.835

Capability indices:
Cp
Cp_l
Cp_u
Cp_k
Cpm

Value
0.2887
0.3449
0.2324
0.2324
0.2847

Exp<LSL 15%
Exp>USL 24%

2.5%
0.2406
0.2635
0.1593
0.1452
0.2369

97.5%
0.3367
0.4263
0.3056
0.3196
0.3323

Obs<LSL 8.6%
Obs>USL 17%

29

0.835))

Questo CEP2) O programa guapura vem atuando na reduo


do consumo de gua da UFBA, tendo obtido resultados significativos atravs de um acompanhamento sistemtico vianet do
consumo por unidade (http://teclim.ufba.br/aguapura/index.
php, ver exemplo abaixo). Considerando conceitos da estatstica, proponha outra(s) forma(s) de acompanhamento do consumo de gua da UFBA. Descreva todas as premissas e implicaes consideradas na(s) sua(s) proposta(s).

\begin

30

\end
Outra forma de acompanhamento dos dados coletados seria, a realizao de histogramas, construo de tabela
de frequncias, histogramas das frequncias, construo de cartas de controle, boxplots. Outra opo seria a
construo de grficos do consumo de gua por pavilhao ou prdios da UFBA, e correlacionar com o nmero
de alunos matriculados em disciplinas ministradas naquele pavilho e ou funcionrios, que utilizam o mesmo
edifcio.

31

Questo CEP3) Dois grficos de controle (a) e (b) foram construdos considerando dados de subgrupos de tamanho 5 e 4, respectivamente. Analise criticamente estes grficos de controle e
discuta se eles poderiam ser utilizados para o acompanhamento
de processos.

32

33