Escolar Documentos
Profissional Documentos
Cultura Documentos
388 Apostilacep 2012
388 Apostilacep 2012
Publicado por
2012
Projeto Grfico
Lia Buarque de Macedo Guimares
Editorao Eletrnica
Andria Fabiane Nahra Leal
Fabolla Granata
Gustavo Schroeder
Ilustrao da Capa
Antnio Bandeira, Composio, 1952
aquarela e nanquim s/ papel 22,5 X 30 cm
Coleo Particular
Nenhuma parte deste material deve ser reproduzida de nenhuma forma sem a
autorizao por escrito dos autores
-conformes ................................................................ 90
-conformidades ........................................................ 92
CONSIDERAES
INICIAIS
DEFINIO DO
CONTROLE
ESTATSTICO DO
PROCESSO
OBJETIVOS DO
CONTROLE
ESTATSTICO DO
PROCESSO
ORIGENS HISTRICAS
DAS CARTAS DE
CONTROLE
O processo em si
Figura 1
Detalhamento das
fontes de
variabilidade no
Diagrama de
Causa e Efeito
Figura 2 Diagrama de
Causa e Efeito
Informaes sobre o
processo
VARIABILIDADE:
CAUSAS COMUNS E
CAUSAS ESPECIAIS
Causas comuns
Figura 3 - Distribuio de
probabilidade de um processo.
10
Causas especiais
11
Comum
Especial
Investimento
Pequeno
Grande
Visibilidade do
problema
Grande A natureza
sbita chama a ateno
de todos
Pequena A natureza
contnua faz com que
todos se acostumem ao
problema
Ao requerida
Restabelecer o nvel
anterior
Dados
Simples, coleta
rotineira e muito
frequente
Complexos, coleta
especial e pouco
frequente
Anlise
Pessoal da gerncia
DISTRIBUIO DE
PROBABILIDADE
TIPOS DE DISTRIBUIO
DE PROBABILIDADE
Tipo nominal--melhor
12
LSE
Tipo maior--melhor
Tipo menor--melhor
LSE
Distribuio simtrica
10 12 14 16 18
x 14 ~
x 14
10 12 14 16 23
x 15 ~
x 14
05 12 14 16 18
x 13 ~
x 14
x
~
x
Simtrica
Forma de Sino
~
x
Assimtrica Direita
Assimetria Positiva
~
x
Assimtrica Esquerda
Assimetria Negativa
13
Dimetro
L im it e d e
C o n t r o le
S u p e r io r
M d ia
L im it e d e
C o n t r o le
I n f e r io r
C au sas
E s p e c ia is
35.2
C au sas
C om uns
X
31.8
23
28
33
38
43
C au sas
E s p e c ia is
Amostra
14
Se apenas as causas
comuns esto presentes,
o comportamento do
processo estvel e
previsvel
Se o processo estvel,
apenas as causas
comuns esto presentes,
logo as medidas devem
se manter dentro dos
limites de controle
Dimetro
35.2
X
31.8
35
40
45
50
55
16
21
Amostra
Se o processo
instvel, aparecem
pontos fora dos limites
de controle ou uma
seqncia de pontos
Figura 8 Cartas de controle de no-aleatria indicando
um processo estvel versus a presena de causas
instvel especiais
Dimetro
35.2
X
31.8
11
Amostra
Dimetro
Dimetro
35.2
35.2
X
31.8
15
20
25
30
Amostra
P ro cesso fo ra d o
co n tro le esta tstico
Anlise da capacidade do
processo
15
31.8
35
35
40
45
50
55
Amostra
P ro cesso em
co n tro le esta tstico
Figura 10 Comparao de
capacidades
16
0.06
0.05
f (x )
0.04
Estvel
0.03
0.02
0.01
0.00
30
40
50
60
70
80
90
x: Ttulo
Mdia
80
Limites de E specificao
A lvo
Distribuio de 'titulo'
No
Capaz
70
0.06
10
11
12
13
14
15
f (x )
0.05
60
1
0.04
0.03
Capaz
0.02
0.01
0.00
30
40
50
60
70
80
90
x: Ttulo
Limites de E speci ficao
A lvo
Distribuio de ' titul o'
0.06
Instvel
0.05
f (x )
0.04
0.03
0.02
0.01
0.00
30
Mdia
80
Procedimento iterativo de
melhoria
50
60
70
80
90
100
x: Ttulo
Limites de E specifi cao
A lvo
Distribui o de 'ti tulo'
70
60
1
40
No
Capaz
10
11
12
13
14
15
ROTINA
MELHORIA
Avaliao da
estabilidade do
processo
Ao local
Ao sobre as
causas especiais
Operador
Tratamento
anomalia
Avaliao da
capacidade do
processo
Ao no sistema
Ao sobre as
causas comuns
Gerncia
DOE
PDCA
17
Inspeo
Resultados do CEP:
- unidades centradas em torno do
Figura 13- Distribuio de alvo,
probabilidade de um processo - operadores e desempenho do
com inspeo 100% versus processo livres da inspeo
CEP.
Controle estatstico do
processo
18
Vantagens do controle
estatstico do processo
PLANEJAMENTO DA
IMPLANTAO
19
A. Desdobramento da
qualidade
20
qualidade.
Conforme mencionado anteriormente, o QFD tem incio com o
levantamento da demanda de qualidade do usurio (voz do cliente)
atravs de pesquisa de mercado. Os resultados da pesquisa devem
permitir uma priorizao dos itens da demanda da qualidade atravs do
estabelecimento de um peso de importncia para cada item; o peso de
importncia do isimo item de demanda designado por IDi. Na
seqncia, listam-se as caractersticas de qualidade potencialmente
relacionadas com os itens de demanda identificados pelos usurios; no
contexto do QFD, assim como no do CEP, caractersticas de qualidade
so aspectos mensurveis da demanda da qualidade.
Na matriz da qualidade na Figura 14, os itens da qualidade demandada
so cruzados com as caractersticas de qualidade. Os elementos
principais da matriz da qualidade esto apresentados no cabealho das
linhas (itens de qualidade demandada) e no cabealho das colunas
(caractersticas de qualidade).
O preenchimento da matriz da qualidade realizado com a opinio da
equipe tcnica. So estabelecidos relacionamentos entre a qualidade
demandada pelos clientes e as caractersticas de qualidade, originando o
ndice de intensidade dos relacionamentos (DQij), onde j denota a
caracterstica de qualidade e i denota o item de qualidade demandada. A
escala utilizada na medio do ndice de intensidade tem valores
apresentados na Tabela 2. A matriz da qualidade vem exemplificada na
Figura 15. O uso da matriz da qualidade permite identificar
caractersticas de qualidade que contribuem para o atendimento dos itens
de qualidade demandada.
Pontuao
9
Moderada
Pouco importante
Nenhuma
Quantidade de cola
Largura
Espessura
Resilincia
9
9
1
Resistncia abraso
3
9
Tenso de Ruptura
9
9
6
9
1
3
Falhas no desenho
Falta de vulcanizao
Desempenho
50
Acabamento
20
5
Facilidade de aplicao
Aderncia na aplicao
10
Dimensional
10
ndice da Caract. Qual ( ICQj )
21
Caractersticas de Qualidade
Tenso de Rasgamento
Pesos (IDi
Qualidade Demandada
6
3
9
9
9
485 660 330 635 300 450 305 245 140 450
Eq 1
onde:
ICQj: ndice da jsima caracterstica de qualidade do produto, j = 1,..., n.
IDi: ndice de importncia do isimo item de qualidade demandada.
DQij: intensidade do relacionamento entre o isimo item de qualidade
demandada e a jsima caracterstica de qualidade do produto.
B. Desdobramento dos
processos
3
6
3
6
6
3
6
6
6
6
9
6
9
9
6
6
3
3
9
ndice de Priorizao
6
3
Conhecimento
9
6
3 17820
4435
18060
1 13950
16805
11765
16485
17235
3 13875
10055
9495
8790
8790
3 8325
10965
11850
Capacidade
ndice de Qualidade
IQPk
305 Resilincia
IPPk
9
1
6
3
6
6
Ck
3
3
3
3
6
9
3
6
6
6
6
6
6
6
3
6
3
6
6
3
3
3
6
6
Cpkk
140 Largura
6
1
9
6
9
6
9
9
9
3
3
245 Espessura
Extruso
Extruso
Extruso
Extruso
Extruso
Extruso
Vulcanizao
Vulcanizao
Vulcanizao
Vulcanizao
Vulcanizao
Vulcanizao
Vulcanizao
Vulcanizao
Vulcanizao
Vulcanizao
Caractersticas de Qualidade
Processos desdobrados
22
1,67
1
0,63
0,5
0,77
0,67
1,13
1
1
1
1
1,23
1,23
1
1,67
1,4
0,7
0,2
0,8
0,6
0,9
0,9
0,95
0,8
0,8
0,65
0,65
0,9
0,9
0,9
1
0,95
15244
22175
35833
46500
24250
19511
15356
21544
17344
15469
14608
7940
7940
9250
6566
8910
23
Eq 2
Cpk
% fora de especificao
0,33
32%
Incapaz
0,67
4,4%
Capaz
1,00
0,27%
Muito capaz
1,33
0,0064
Extremamente capaz
1,67
0,0000
24
Eq 3
C
0,2
Pouco
0,4
Moderado
0,6
Grande
0,8
Total
1,0
IPPk
IQPk
C pk C
onde :
C. Direcionamento das
aes
Esta a ltima etapa que faz uso da estrutura matricial do QFD. Aqui se
concretiza o planejamento das melhorias da qualidade que iro reforar o
sistema de qualidade existente. Tambm nesta etapa, os parmetros e
caractersticas de qualidade dos processos crticos para a qualidade so
analisados individualmente quanto s possveis aes de melhoria a
serem adotadas. A anlise leva em conta a voz do cliente, custo e
conhecimento tcnico acerca dos parmetros em estudo.
Questiona-se, junto equipe tcnica, a pertinncia de um conjunto de
aes de melhoria situao em estudo; dentre elas, listam-se:
-
treinamento;
desenvolvimento de fornecedores;
projeto de experimentos;
estudos ergonmicos;
aquisio de equipamentos;
definio de procedimentos; e
automatizao.
25
D. Identificao dos
postos de controle e
parmetros e
caractersticas de
qualidade do processo a
serem monitorados
Pontuao
9
3
Pouco efetiva
Nenhuma efetividade
26
Figura 19 - Desenho
esquemtico das primeiras
quatro etapas do planejamento
da implantao do controle
estatstico de processos
E. Definio de critrios
de classificao dos
produtos (filtros)
F. Definio dos
parmetros e
caractersticas de
qualidade do processo
27
H. Avaliao do sistema
de medio
I. Definio das
responsabilidades
28
Treinamento em controle
estatstico de processos
Implantao efetiva
Acompanhamento e
consolidao
29
INTRODUO S
CARTAS DE VARIVEIS
Distribuio de
probabilidade
Simtrica
Forma de Sino
Figura 20 - Distribuio de
probabilidade dos valores
individuais.
31
Uniforme
Exponencial
Bimodal
Amostras
Dados
Localizao ( x )
Variabilidade (R)
10 12 14 16 18
x 14
R 8
22 24 26 28 30
x 26
R 8
6 10 14 18 22
x 14
R 16
20 22 28 32 36
x 28
R 16
Uma varivel pode sofrer alterao tanto na sua mdia quanto na sua
variabilidade. Na Figura 21, pode-se visualizar que:
a) da amostra A para B muda a tendncia central, mas a variabilidade
constante;
b) da amostra A para C muda a variabilidade, mas a tendncia central
constante;
c) da amostra B para C muda a tendncia central e a variabilidade.
32
f(x)
B
C
Figura 21 - Distribuio de
probabilidade de trs
amostras distintas.
Como visto na Figura 21, uma causa especial pode atuar em um processo
alterando a tendncia central ou a variabilidade do processo. Logo,
necessrio monitorar duas cartas simultaneamente: a carta de mdia para
detectar quando a tendncia central do processo se altera e a carta de
amplitude para detectar a mudana na variabilidade do processo.
Como visto, as variveis podem Seguir vrios tipos de distribuio de
probabilidade, o que dificultaria os clculos dos limites de controle. No
entanto, a maioria das aplicaes do controle estatstico do processo utiliza
o teorema do limite central que ser apresentado na seqncia.
Teorema do Limite
Central
Figura 22 - Teorema do
limite central.
Exemplo
n
A distribuio de probabilidade da varivel resultante do lanamento de um
dado segue a distribuio uniforme, ou seja, qualquer valor (1, 2, 3, 4, 5, 6)
tem a mesma probabilidade (1/6) de ocorrer. No entanto, se ao invs de
lanar um dado, sejam lanados dois dados e calculada a mdia, essa mdia
seguir uma distribuio aproximadamente Normal como pode-se visualizar
no histograma abaixo. Na Tabela 7, apresenta-se as mdias dos
lanamentos de dois dados
33
10 dado
20 dado
Soma
Mdia
10
dado
20
dado
Soma
Mdia
1,0
3,5
1,5
3,5
1,5
3,5
2,0
4,0
2,0
4,0
2,0
4,0
2,5
4,0
2,5
4,0
2,5
4,5
2,5
4,5
3,0
4,5
3,0
4,5
3,0
10
5,0
3,0
10
5,0
3,0
10
5,0
3,5
11
5,5
3,5
11
5,5
3,5
12
6,0
Freqncia
1,0
1,5
2,0
2,5
3,0
3,5
4,0
4,5
5,0
5,5
6,0
Conforme pode ser visto na Figura 23, o histograma da mdia dos dois
dados resulta aproximadamente Normal. Alm disso, observa-se que a
aproximao da distribuio Normal melhora na medida que se fizesse a
mdia do lanamento de mais dados.
34
f(x)
6/36
5/36
4/36
3/36
2/36
1/36
Figura 23 - Histograma da
mdia dos dois dados.
1,0 1,5 2,0 2,5 3,0 3,5 4,0 4,5 5,0 5,5 6,0
(x
x)2
para n > 30
(x
x)2
n 1
para n < 30
- Mdia:
x
onde:
x representa a mdia das mdias amostrais;
representa a mdia dos valores individuais da populao.
Eq 2
- Desvio-padro:
onde:
x representa o desvio-padro das mdias amostrais;
representa o desvio-padro dos valores individuais da populao;
n
representa o tamanho da amostra.
Como pode ser visto, a mdia das mdias amostrais igual a mdia dos
valores individuais e o desvio-padro das mdias menor do que o desvio-
35
Exemplo 1
Um pesquisador deseja saber a mdia de idade dos alunos de psgraduao. Supondo que a populao dos alunos seja:
25, 35, 24, 43, 35, 22, 49, 56, 34, 26, 35, 52, 40, 35, 35,25,
61,42, 58, 56, 45, 40, 38, 45, 33, 53, 22, 35, 23, 25, 36, 39
x i 25 ... 39 38,19
32
Exemplo 2
( xi ) 2
32
11,11
25
35
24
43
35
22
49
56
34
26
35
52
40
35
35
25
61
42
58
56
45
40
38
45
33
53
22
35
23
25
36
39
Mdia( x )
38,25
39
34,75
46,5
35,75
30,5
39,5
41,25
Desvio(S)
15,69
11,4
16,52
9,40
9,43
8,43
6,45
12,9
x 4,75
Exemplo 3
11,11
4
5,55
36
Mdia ( x )
Desvio (S)
x x
25
34
61
33
35
26
42
53
38,62
12,71
24
35
58
22
43
52
56
35
40,62
13,94
35
40
45
23
22
35
40
25
33,12
8,74
49
35
38
36
56
25
45
39
40,37
9,50
k 1
3,49 x
11,11
8
3,49
3,93
Figura 24 Distribuio de
probabilidade
dos valores
individuais
versus
distribuio de
probabilidade
das mdias
Intervalos de Confiana
37
PL U 99 ,73%
Os limites de confiana de 100(1-)% so calculados usando-se a
distribuio Normal.
Eq 3
x Z / 2
x Z / 2
ox 3
x 3
u x 3 x x 3 x
Figura 25 Intervalos de
confiana
38
f(x)
x
Figura 26 Distribuio de
probabilidade
das mdias.
LC I
x 3 x
LCS
x 3 x
6 x 9 9 ,7 3 %
CARTAS DE
CONTROLE PARA A
MDIA
Coleta de dados
39
medida;
b) tabela para as anotaes dos valores individuais medidos, com espao
para clculo da mdia e da amplitude de cada subgrupo;
c) espao para a carta de mdias;
d) espao para a carta de amplitudes.
Na Tabela 9, apresentam-se os dados do exemplo da fresa.
Exemplo da carta de
controle para mdia ( x )
e amplitude (R)
Nome da parte
Retentor
Especificaes
30 a 90 microns
Nmero da parte
9983-5
Instrumento
Micrmetro
Operao
Dobra superior
Amostra/Freq.
5 / 2 horas
Mquina
030
Unidade
Microns
Caracterstica
Fresa
Carta N .
01
Data
6/3
Hora
10
12
14
16
10
12
14
16
10
12
14
16
Operador
65
75
80
65
80
75
80
70
85
65
75
85
70
70
75
70
70
70
65
60
70
75
65
85
65
60
65
75
65
80
Medidas 3
75
80
70
65
80
60
65
75
75
65
75
75
75
85
85
60
90
80
80
80
85
75
65
65
80
85
75
70
60
80
80
70
80
65
75
75
70
85
80
60
90
80
70
75
90
350
385
380
340
375
365
365
360
390
335
385
380
360
355
410
70
77
76
68
75
73
73
72
78
67
77
76
72
71
82
20
20
10
15
20
25
15
20
20
20
30
20
25
15
7/3
8/3
O clculo preliminar dos limites de controle pode ser feito aps a coleta
de umas 20 ou 30 amostras (subgrupos) sem indcios de uma situao
fora do controle. Ou seja, coleta-se de 20 a 30 amostras, calcula-se os
limites de controle para a mdia e amplitude e compara-se essas mesmas
amostras com os limites de controle calculados.
Caso haja pontos fora dos limites de controle, deve-se retirar as amostras
correspondentes e recalcular os limites de controle. Esse processo
iterativo acontece no incio, pois os limites de controle devem estar
associados apenas s causas comuns de variabilidade. Vale ressaltar que
os pontos so eliminados do clculo dos limites de controle, mas no dos
grficos de controle.
A fim de calcular os limites de controle, inicialmente calcula-se a
amplitude e a mdia para cada amostra. Logo aps, calcula-se a mdia
das amplitudes e a mdia das mdias das amostras como segue:
40
Eq 5
R R2 .... RK
R 1
K
Eq 6
x x2 .... x K
x 1
K
Onde xi e Ri representam a mdia e a amplitude da amostra i.
Como pode-se observar, a variabilidade estimada usando-se a mdia
das amplitudes dentro de cada amostra para garantir que ela esteja
associada apenas s causas comuns.
Logo, no est correto estimar a variabilidade usando a frmula
tradicional de desvio-padro (S) aplicada sobre o conjunto de todos os
dados, pois desta forma a estimativa da variabilidade poderia estar
associada com causas comuns (dentro das amostras) e causas especiais
(entre amostras).
2
xij x
m n
Eq 7
i 1 j 1
mn 1
Onde:
x ij representa um valor individual;
m representa o nmero de amostras;
n representa o tamanho das amostras.
Uma vez calculados x e R , calcula-se os limites de controle das
mdias considerando-se a extenso de seis desvios-padres das mdias
(trs para cada lado), que segundo a distribuio Normal compreende
99,73% dos valores de mdias amostrais. A frmula resulta:
Eq 8
LC x 3 x
Onde a variabilidade das mdias estimada a partir da variabilidade dos
valores individuais usando x
LC x
3
n
R
e d2 uma constante que
d2
Eq 10
LC x
41
3 R
n d2
Substituindo-se A2
3
n d2
LCS x A2 R
Eq 12
LCI x A2 R
Onde A2 uma constante que depende do tamanho da amostra, cujos
valores so apresentados na Tabela 10.
Os limites de controle para as amplitudes so calculados como segue:
Eq 13
LC R 3 R
Onde
Eq 14
R d3 d3
R
.
d2
LCS R 3d 3
R
d2
Eq 16
LCI R 3d 3
R
d2
d
d
Substituindo D4 1 3 3 e D3 1 3 3 e nas equaes
d2
d2
LCS D4 R
Eq 18
LCI D3 R
Onde D4 e D3 so constantes que dependem do tamanho da amostra,
cujos valores so apresentados na Tabela 10.
n
D4
D3
10
15
20
3,27 2,57 2,28 2,11 2,00 1,92 1,86 1,82 1,78 1,65 1,59
0
d2
1,13 1,69 2,06 2,33 2,53 2,70 2,85 2,97 3,08 3.47 3.74
A2
1,88 1,02 0,73 0,58 0,48 0,42 0,37 0,34 0,31 0,22 0,18
42
Mdia
80
70
60
1
10
11
12
13
14
L im it e C o n t . S u p e r io r = 8 4 , 5 6 7
L in h a C e n t r a l = 7 3 , 8
L im it e C o n t . In f e r io r
C a u s a s E s p e c ia is
= 6 3 ,0 3 3
15
Amplitude
40
30
20
10
0
1
Interpretao da
estabilidade do processo
10
11
12
13
14
15
L im ite C o n t. S u p e r io r = 3 9 ,4 6 8
L in h a C e n tr a l = 1 8 ,6 6 6 7
L im ite C o n t. In f e r io r
C a u s a s Es p e c ia is
43
0,135%
0,135%
Figura 29- Erro tipo 1
44
Padres
Corridas
45
Sob Controle
LC = 16,23
16,4
16,2
16,0
Dimenso (cm)
Dimenso (cm)
16,0
15,8
15,6
LC = 15,46
15,4
15,2
15,0
15,8
15,6
15,4
LC = 15,46
15,2
15,0
14,8
14,6
14,8
LC = 16,23
16,4
16,2
14,6
14,4
LCI = 14,71
0
10
15
20
LCI = 14,71
0
Amostra
16,2
16,0
16,0
15,6
LC = 15,46
15,4
15,2
Dimenso (cm)
Dimenso (cm)
16,2
15,8
LC = 16,23
16,4
15,0
15,8
15,6
LC = 15,46
15,4
15,2
15,0
14,8
14,8
14,6
14,6
LCI = 14,71
0
10
15
20
LCI = 14,71
0
Amostra
10
15
20
Amostra
7 Pontos Ascendentes
7 Pontos Descendentes
LC = 16,23
16,4
16,2
16,2
16,0
16,0
15,8
15,6
LC = 15,46
15,4
15,2
15,0
LC = 16,23
16,4
Dimenso (cm)
Dimenso (cm)
20
7 Pontos Abaixo LC
LC = 16,23
16,4
Figura 34 - 7
pontos ascendentes
/ 7pontos
descendentes
15
Amostra
7 Pontos Acim a LC
Figura 33 - 7
pontos acima LC / 7
pontos abaixo LC.
10
15,8
15,6
LC = 15,46
15,4
15,2
15,0
14,8
14,8
14,6
LCI = 14,71
0
10
Amostra
15
20
14,6
LCI = 14,71
0
10
Amostra
15
20
46
Deteco e correo de
causas especiais
Cada ponto fora do controle deve gerar uma anlise das condies
operacionais em busca da causa respectiva. Os resultados estatsticos do
partida para a tarefa de anlise, mas a explicao do que est
acontecendo reside no prprio processo e nas pessoas envolvidas.
Figura 35 Comportamento de
processos com
causas especiais
M
di
a
47
80
70
60
1
10
11
12
13
14
15
Exerccio 1
Resoluo:
1
18
17
16
19
32
17
16
23
8
20
2
16
18
17
19
21
22
16
24
9
20
3
18
21
16
17
30
21
17
16
9
22
4
21
19
19
18
22
16
18
17
10
21
5
18
19
20
20
34
17
19
21
8
16
Soma
x 1 ... x k
18 ,2 ... 19 ,8 185 ,6
18,56
10
10
k
R1 ... R k 5 ... 6 54
5,4
k
10
10
LCI
x A 2 R 18 ,56 0,58 5, 4 15 , 43
Mdia
18,2
18,8
17,6
18,6
27,8
18,6
17,2
20,2
8,8
19,8
185,6
R
5
4
4
3
13
6
3
8
2
6
54
48
18 ,2 ... 19 ,8 149
18 ,63
8
8
5 ... 6 39
4 ,88
8
8
Interpretao da
capacidade do processo
49
0.0 6
f(x )
Mdia
80
0.0 4
0.0 2
70
0.0 0
60
1
50
60
70
80
90
100
x: Ttulo
10 11 12 13 14 15
Limite de Controle Superior = 84,5716
Linha Central = 73,80
Limite de Controle Inferior = 63,0284
Limites de Especifica o
Alv o
Distribu io de 'titu lo'
Estvel
No capaz
0.06
f( x )
Mdia
80
0.04
0.02
70
0.00
60
1
20
30
40
50
60
70
80
90
100
x: Ttulo
10 11 12 13 14 15
Limites de Es pecificao
Alvo
Distr ibuio de 'titulo'
Estvel
Capaz
Histograma
12,97
13,45
13,53
13,59
13,61
13,62
13,78
13,97
14,21
14,47
14,51
14,53
14,58
14,65
14,78
14,83
14,97
15,06
15,13
15,17
15,23
15,29
15,37
15,40
15,45
15,51
15,62
15,67
15,73
15,83
15,98
16,01
16,11
16,17
16,23
16,35
16,43
16,49
16,52
16,67
16,83
16,97
17,05
17,13
17,22
17,3
17,48
17,8
18,47
50
Intervalos de classe da
caracterstica dimensional
Freqncia
absoluta
12,50 a 13,50
13,51 a 14,50
14,51 a 15,50
15,51 a 16,50
16,51 a 17,50
17,51 a 18,50
3
8
15
13
9
2
K n
1
K
6
f) Conhecida a amplitude das classes, define-se os limites inferior e
superior para cada classe.
Por exemplo, para a 1a classe: lim. inf.= LI =12,50 e lim. sup.= LI +
a=12,50 + 1=13,50
g) Calcula-se a freqncia de cada classe, ou seja, o nmero de
observaes que caem em cada classe, e completa-se a tabela de
51
freqncia;
Para o exemplo, o nmero de observaes que caem no intervalo
12,50 a 13,50 3.
h) Recomenda-se que os limites de cada classe sejam definidos com uma
preciso maior do que as prprias observaes, para evitar indecises na
classificao. Por exemplo: obs = 8,5 9,3 9,9 10,1 10,5 limites das
classes = 8,55 a 8,95; 8,95 a 9,35; etc.
Como pode-se ver Figura 4031, o grfico do histograma consiste de um
conjunto de retngulos que tem: a) a base sobre um eixo horizontal com
centro no ponto mdio e largura igual a amplitude do intervalo de classes
e b) a rea proporcional s freqncias das classes.
Se todos os intervalos tiverem a mesma amplitude, as alturas dos
retngulos sero proporcionais s freqncias das classes, e ento
costuma-se desenhar as alturas numericamente iguais a essas
freqncias.
Alternativamente ao histograma, tambm pode ser desenhado um
polgono de freqncia. Um polgono de freqncia, como pode ser
visto na Figura 40, um grfico obtido ligando-se os pontos mdios dos
topos dos retngulos de um histograma.
Histograma
Figura 40 - Exemplo de
histograma e polgono de
freqncia.
Distribuio de freqncias
relativas
Eq 19
Polgono de Freqncia
16
16
12
12
12 13 14 15 16 17 18 19
12
13
14
15
16
17
18
19
Freq. relativa
freq. da classe
x100
freq. todas classes
Freq. relativa
freq. da classe
3
x 100
x 100 6%
freq. toda s classes
50
52
Intervalos de classe da
caracterstica dimensional
Freqncia
absoluta
12,50 a 13,50
13,51 a 14,50
14,51 a 15,50
15,51 a 16,50
16,51 a 17,50
17,51 a 18,50
3
8
15
13
9
2
Tabela 12 - Distribuio de
freqncia relativa Distribuio de
freqncia relativa
Histograma
Figura 41 - Histograma e
polgono de freqncia relativa
para o exemplo anterior
Distribuio de freqncias
acumuladas
Freqncia
relativa
6%
16%
30%
26%
18%
4%
Polgono de Freqncia
32%
32%
24%
24%
16%
16%
8%
8%
0%
0%
12
13
14
15
16
17
18
12
19
13
14
15
16
17
18
19
Intervalos de
classe da
caract.
Dimensional
Tabela 13 - Distribuio de
freqncia acumulada
Freqncia
Freqncia
Absoluta
relativa
Freqncia
acumulada
absoluta
Freqncia
acumulada
relativa
Abaixo de 12,50
0%
0%
12,50 a 13,50
6%
6%
13,51 a 14,50
16%
11
22%
14,51 a 15,50
15
30%
26
52%
15,51 a 16,50
13
26%
39
78%
16,51 a 17,50
18%
48
96%
17,51 a 18,50
4%
50
100%
Polgono de freqncia
Polgono de freqncia
acumulada absoluta
acumulada relativa
50
100%
40
80%
30
60%
20
40%
10
20%
0%
12,5
Figura 42 - Polgono de
freqncia acumulada absoluta
e relativa
53
13,5
14,5
15,5
16,5
17,5
18,5
Exerccio 2
Teste grfico de
normalidade
22,3
25,0
26,1
27,1
23,1
25,1
26,2
27,3
23,5
25,3
26,2
27,5
23,8
25,3
26,3
27,7
24,1
25,4
26,5
27,9
24,3
25,6
26,6
28,0
24,3
25,7
26,7
28,3
24,6
25,8
26,8
28,7
24,8
26,0
26,9
29,6
54
i 0,5
n
X(i)
F ( X (i ) )
1,00
0,05
-1,64
1,22
0,15
1,31
4
5
i 0,5
n
X(i)
F ( X (i ) )
1,80
0,55
0,13
-1,04
1,87
0,65
0,39
0,25
-0,67
2,00
0,75
0,67
1,55
0,35
-0,39
2,32
0,85
1,04
1,62
0,45
-0,13
10
2,50
0,95
1,64
terico
x: Espessura
3
2
1
0
-4
-3
-2
-1
Z
terico
55
Exerccio 3
Dados
: LNI - 3
Eq 21
LNS 3
A estimativa do desvio-padro dos valores individuais () obtida a
partir da mdia das amplitude das amostras usando::
Eq 22
R d 2
Onde d2 uma constante que depende do tamanho da amostra, cujos
valores encomtram-se na Tabela 15. Ou a partir do desvio-padro das
amostras usando:
Eq 23
S c4
Tabela 15 - Valores da
constante d2 e c4.
10
15
20
d2
1,13
1,69
2,06
2,33
2,53
2,70
2,85
2,97
3,08
3.47
3.74
c4
0,80
0,89
0,92
0,94
0,95
0,96
56
0,135%
0,135%
LNS x 3
6 99,73%
Na Figura 45, apresenta-se o percentual dentro da faixa de dois desvios-padres (1), quatro desvios-padres ( 2 ) e seis desvios-padres
( 3) para um processo que segue a distribuio Normal com mdia
28,6 e desvio de 0,2.
9 9 ,7 3 %
9 5 ,4 4 %
6 8 ,2 6 %
Figura 45 - Percentuais
associados a faixa de 1 , 2
e 3 da distribuio
Normal, para uma populao
com mdia 28,4 e desvio- padro 0,20.
ndices de capacidade
27.6
27.8
28
28.2
-1
-2
-3
28.4
+1
28.6
28.8
29
29.2
+2
+3
Figura 47 - Estratgias de
capacitao e centralizao de
processos
57
Cp=1
Cp>1
Cpk=1
Cpk=1
Cpk=Cp=1
Cp<1
Cp=1
Cpk<1
Cpk<1
Cpk=Cp=<1
Figura 49 - Exemplo de
processo capaz e no-capaz.
~
s
p
e
c
i
f
i
c
a
o
e
s
L
E
S
L
E
IE
: C
p
6
d
i
s
p
e
r
s
90 30
1,24
6 8,03
0.06
0.05
0.05
0.04
0.04
f( x)
f( x)
58
0.03
0.01
0.01
0.00
0.00
30
40
50
60
70
80
90
100
x: T tulo
Limit es de E s pec if ic a o
A lvo
Dis tribui o de 'titulo'
Figura 50 - Processo
descentrado versus processo
centrado.
0.03
0.02
0.02
30
40
50
60
70
80
90
x: Ttulo
Limites de Especificao
Alvo
Distribuio de 'titulo'
A capacidade real do processo para caractersticas do tipo nominal-melhor estimada pelo ndice Cpk que considera a mdia do processo
Eq 25
59
L
E
S
x
x
L
E
I
3
3
: C
m
i
n
{ , }
p
k
C pk inf
x LEI 73,8 30
1,81
3 8,03
3
C pk sup
0,67
3 8,03
3
Cp
LES LEI
1,33
6
6 1,33
8
Como pode ser visto na Figura 50, no caso de um processo que possui
um Cpk < 1 e um Cp > 1, basta centrar-se o processo que ele se torna
capaz. Esse um processo que, com pouco investimento consegue-se
torn-lo capaz, pois centrar o processo geralmente uma tarefa fcil.
Dessa forma, processos com Cpk < 1 e Cp > 1 devem ser priorizados nas
aes de melhoria.
Caso a caractersticas de qualidade for do tipo maior--melhor, o valor
do limite de especificao superior teoricamente infinito, logo a
avaliao da capacidade do processo ser realizada apenas com o Cpk
inferior.
60
Exerccio 4
Resoluo
R
Cp
d 2 4 ,88 / 2 , 33 2 , 09
25 ,5 10 ,5
LES LEI
1, 20
6 2 ,09
6
Cpk min {
LES x x LEI
25,5 18,63 18,63 10,5
;
,
} min
1,10
3 2,09
3 2,09
3
3
0.25
f (x )
0.20
0.15
0.10
0.05
0.00
10
12
14
16
18
20
22
24
26
x : Ttulo
Lim ites de Es pec if ica o
Alv o
Dis tribui o de 'titulo'
LE x
61
10
Figura 51 - Distribuio de
probabilidade dos valores reais
e codificados.
30
60
-3,0
LE x
30 60
3
10
Exemplo 1
62
forma:
P( X 30) P( Z
30 73,8
) P( Z 5,45)
8,03
90 73,8
) 1 P( Z 2,017)
8,03
Uma vez calculado o valor de Z, consulta-se a tabela Normal
padronizada:
P( X 90) 1 P( X 90) 1 P( Z
P(Z<2,017) = 0,9782
63
0.06
0.05
f (x )
0.04
0.03
0.02
0.01
0.00
30
40
50
60
70
80
90
100
x: Ttulo
Figura 52 - Distribuio de
probabilidade do exemplo da
fresa.
Exemplo 2
Caso o processo seja centrado, ouse seja, a mdia deslocada para o valor
central do intervalo de especificaao (mdia=60) e mantido o desviopadro, os percentuais de peas fora de especificao sero reduzidos
Clculo do % de peas abaixo do LEI=30
30 60
)
8,03
P( X 30) P( Z 3,74) 0,00
P( X 30) P( Z
90 60
)
8,03
P( X 90) 1 P( Z 3,74) 1 0,9999 0,00
P( X 90) 1 P( X 90) 1 P( Z
0
04
0
05
06
x
Figura 53 - Distribuio de
probabilidade do exemplo da
fresa com o processo centrado.
Exerccio 5
07
08
09
:
L
A
D
T
i
m
lv
is
o
t
it
ib
lo
d
64
P
(X
2
5
,5
)
1
P
(X
2
5
,5
)
2
5
,5
1
8
,6
3
1
P
(Z
)
1
P
(Z
3
,2
9
)
2
,0
9
1
0
,9
9
9
5
0
,0
0
0
5
o
u0
,0
5
%
1
0
,
5
1
8
,
6
3
P
(
X
1
7
,
5
)
P
(
Z
)
P
(
Z
3
,
8
9
)
0
,
0
0
2
,
0
9
P
(
1
0
,
5
2
5
,
5
)
0
,
0
5
0
,
0
0
9
9
,
9
5
0.25
f (x )
0.20
0.15
0.10
0.05
0.00
10
12
14
16
18
20
22
24
26
x: T tulo
Figura 54Distribuio de
titulo
Distribuio de
probabilidades
Distribuies normais
65
Distribuies no-normais
66
Rotina e melhoria no
controle do processo
Cpk
0,25
0,50
0,60
0,70
0,80
0,90
1,00
1,10
1,20
1,30
1,40
1,50
1,60
1,70
1,80
2,00
Unilateral
226.628
66.807
35.391
17.865
8.198
3.467
1.350
484
159
48
14
4
1
0,17
0,03
0,0009
Bilateral
453.255
133.614
71.861
35.729
16.395
6.934
2.700
967
318
96
27
7
2
0,34
0,06
0,0018
67
INVESTIGAR
E ELIMINAR
CAUSAS ESPECIAIS
(AO LOCAL)
COLETAR DADOS
PLOTAR CARTAS
DE CONTROLE
MELHORIA
PROCESSO
SOB
CONTROLE?
NO
ROTINA
SIM
AGIR SOBRE O
SISTEMA PARA
ELIMINAR PARTE DAS
CAUSAS COMUNS
INVESTIGAR
CAPABILIDADE
MELHORIA
PROCESSO
CAPAZ ?
NO
SIM
Eq 27
( xi x )2
n 1
xi2 nx 2
n 1
LCS x A3 s
Eq 29
LCI x A3 s
Onde A3 uma constante que depende do tamanho da amostra, cujos
valores so apresentados na Tabela 17.
68
LCS B4 s
Eq 31
LCI B3 s
Onde B4 e B3 so constantes que dependem do tamanho da amostra,
cujos valores so apresentados na Tabela 17.
15
20
25
B4
3,27
2,57
2,27
2,09
1,97
1,57
1,49
1,43
B3
0,03
0,43
0,51
0,57
A3
2,66
1,95
1,63
1,43
1,29
0,79
0,68
0,61
Exemplo de carta de
controle para mdia ( x ) e
desvio-padro (s)
10
B
S
2
,
0
9
7
,
5
5
1
5
,
7
7
4
L
C
I
B
S
0
,
0
0
7
,
5
5
0
,
0
0
3
Como pode ser visto nas Figura 59 e Figura 60, o processo estvel ao
longo do tempo.
69
Nome da parte
Retentor
Especificaes
30 a 90 microns
Nmero da parte
9983-5
Instrumento
Micrmetro
Operao
Dobra superior
Amostra/Freq.
5 / 2 horas
Mquina
030
Unidade
Microns
Caracterstica
Recobrimento
Carta No.
01
Data
6/3
Hora
10
12
14
16
10
12
14
16
10
12
14
16
Operador
65
75
80
65
80
75
80
70
85
65
75
85
70
70
75
70
70
70
65
60
70
75
65
85
65
60
65
75
65
80
Medidas 3
75
80
70
65
80
60
65
75
75
65
75
75
75
85
85
60
90
80
80
80
85
75
65
65
80
85
75
70
60
80
80
70
80
65
75
75
70
85
80
60
90
80
70
75
90
7/3
8/3
350 385 380 340 375 365 365 360 390 335 385 380 360 355 410
Mdia
70
77
76
68
75
73
73
72
78
67
77
76
72
71
82
Des. padro
7,9
8,4
5,5
6,7
8,7
9,1
5,7
8,4
8,4
7,6
11,5
7,4
2,7
9,6
5,7
Mdia
80
70
60
1
10
L im ite C o n t. S u p e rio r = 8 4 ,5 7 1 6
L im ite C o n t. In fe rio r = 6 3 ,0 2 8 4
11
12
13
14
15
L in h a C e n tra l = 7 3 ,8
C a u s a s E s p e c ia is
Desvio Padro
15
10
0
1
Exerccio 6
L imite C o n t. Su p e rio r = 1 5 ,7 6 5 3
L imite C o n t. In fe rio r =
0
10
11
12
13
14
15
L in h a C e n tra l = 7 ,5 4 6 8
C a u sa s Esp e cia is
70
Dia
1
2
3
4
5
6
7
8
9
10
x1
18,0
17,5
16,9
17,0
18,1
19,3
18,2
19,5
18,1
16,1
x2
17,1
18,9
18,2
19,3
18,3
17,3
16,8
17,2
18,8
16,9
x3
19,3
19,1
18,9
18,5
19,2
18,1
18,9
17,9
18,3
18,5
Dia
11
12
13
14
15
16
17
18
19
20
x1
16,2
17,5
18,2
19,2
17,7
16,9
18,2
17,8
17,3
18,0
x2
18,5
17,9
17,5
18,8
18,2
17,9
18,6
18,2
19,5
17,2
x3
19,7
18,9
19,3
17,8
19,1
18,5
19,4
19,3
18,1
19,1
Exerccio 6 ( cont.)
CARTA DE CONTROLE
PARA A MEDIANA ( ~
x)E
AMPLITUDE (R)
10 12 14 16 18
x 14; ~
x 14
10 12 14 16 38
x 18; ~
x 14
- Mediana:
~
LCS ~
x A2 R
Eq 33
- Mediana:
~
LCI ~
x A2 R
71
~
Onde A2 uma constante que depende do tamanho de amostra, cujos
valores so apresentados na Tabela 19.
Eq 34
- Amplitude:
LCS D4 R
Eq 35
- Amplitude:
LCI D3 R
Onde D4 e D3 so constantes que dependem do tamanho da amostra,
cujos valores so apresentados na Tabela 10.
~
A2 .
~
A2
1,88
1,19
0,80
0,69
0,55
0,51
10
Retentor
Especificaes
30 a 90 microns
Nmero da parte
9983-5
Instrumento
Micrmetro
Operao
Dobra superior
Amostra/Freq.
5 / 2 horas
Mquina
030
Unidade
Microns
Caracterstica
Recobrimento
Carta N .
01
Data
6/3
Hora
10
12
14
16
10
12
14
16
10
12
14
16
Operador
65
75
80
65
80
75
80
70
85
65
75
85
70
70
75
70
70
70
65
60
70
75
65
85
65
60
65
75
65
80
Medidas 3
75
80
70
65
80
60
65
75
75
65
75
75
75
85
85
60
90
80
80
80
85
75
65
65
80
85
75
70
60
80
80
70
80
65
75
75
70
85
80
60
90
80
70
75
90
7/3
8/3
350 385 380 340 375 365 365 360 390 335 385 380 360 355 410
Mediana
70
75
80
65
80
75
75
70
80
65
75
75
70
70
80
Amplitude
20
20
10
15
20
25
15
20
20
20
30
20
25
15
x 73,6 , R 18 ,7 . Assim
Para o exemplo da Tabela 20, obteve-se ~
os limites de controle foram calculados como segue.
Medianas:
~
LCS ~
x A2 R 755
~
LCI ~
x A2 R 70,79
Amplitudes:
Como pode ser visto nas Figura 61 e Figura 62, o processo estvel ao
longo do tempo.
90
Mediana
80
70
60
1
10
L im ite C o n t. Su p e rio r = 8 6 ,5 4 6 7
L im ite C o n t. In fe rio r = 6 0 ,7 8 6 7
11
12
13
14
15
L in h a C e n tra l = 7 3 ,6 6 6 7
C a u sa s Esp e cia is
40
Amplitude
72
30
20
10
0
1
10
11
12
13
14
15
L im ite C o n t. S u p e r io r = 3 9 ,4 6 8
L in h a C e n tr a l = 1 8 ,6 6 6 7
L im ite C o n t. In f e r io r
C a u s a s Es p e c ia is
73
Exerccio 7
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
CARTA DE CONTROLE
PARA VALORES
INDIVIDUAIS
x1
12
21
14
17
18
24
32
14
18
30
17
13
33
15
23
31
19
31
17
29
x2
18
8
16
17
20
21
19
9
13
31
24
26
18
26
14
20
16
14
12
30
x3
20
12
21
12
15
20
16
20
16
21
28
18
26
20
21
22
24
20
18
24
x4
30
21
9
26
27
21
19
9
25
25
31
21
29
23
31
27
19
21
23
31
x5
20
12
21
12
15
20
16
20
16
21
28
18
26
20
21
22
24
20
18
24
Eq 36
- Amplitude:
LCS D4 R
74
Eq 37
- Amplitude:
LCI D3 R
Onde D4 e D3 so constantes que dependem do tamanho da amostra,
cujos valores so apresentados na Tabela 10.
Eq 38
Eq 39
- Valores individuais:
LCI x E2 R
Onde E2 uma constante que depende do tamanho da amostra, cujos
valores so apresentados na Tabela 21.
E2
2,66
1,77
1,46
1,29
1,18
Exemplo de carta de
controle para valores
individuais
75
Dia
Valor
A. mvel
M. mvel
Amplitude
10/Jun
11/Jun
6,5
0,5
12/Jun
0,5
13/Jun
5,875
1,5
14/Jun
6,2
1,2
5,925
1,5
15/Jun
4,5
1,7
5,425
1,7
16/Jun
1,5
5,425
1,7
17/Jun
5,4
0,6
5,525
1,7
18/Jun
0,4
5,225
1,5
10
19/Jun
6,5
1,5
5,725
1,5
11
20/Jun
6,1
0,4
5,75
1,5
12
21/Jun
5,6
0,5
5,8
1,5
13
22/Jun
5,5
0,1
5,925
14
23/Jun
4,5
5,425
1,6
15
24/Jun
4,2
0,3
4,95
1,4
16
25/Jun
4,7
0,5
4,725
1,3
17
26/Jun
7,8
3,1
5,3
3,6
18
27/Jun
4,5
3,3
5,3
3,6
19
28/Jun
1,5
5,75
3,3
20
29/Jun
6,325
3,3
21
30/Jun
5,875
2,5
22
01/Jul
6,25
23
02/Jul
5,5
0,5
6,125
1,5
24
03/Jul
6,5
25
04/Jul
0,5
26
05/Jul
6,5
0,5
6,125
27
06/Jul
1,5
1,5
28
07/Jul
6,5
1,5
1,5
29
08/Jul
0,5
1,5
30
09/Jul
6,5
0,5
1,5
Mdia
5,78
0,97
5,73
1,75
76
Amplitudes:
V alor Individual
Amplitude Mvel
10
12
14
16
18
20
22
24
26
28
L im ite C o n t. S u p e r io r = 8 ,3 6 0 4
L in h a C e n tr a l = 5 ,7 8 3 3
L im ite C o n t. In f e r io r
C a u s a s Es p e c ia is
= 3 ,2 0 6 3
30
0
2
Exerccio 8
10
12
14
16
18
20
22
24
26
28
L im ite C o n t. S u p e r io r = 3 ,1 6 7 2
L in h a C e n tr a l = 0 ,9 6 9
L im ite C o n t. In f e r io r
C a u s a s Es p e c ia is
30
77
CARTAS DE CONTROLE
PARA MDIAS MVEIS
x xt 1 ... xt w1
Mt t
w
A mdia mvel recalculada a cada nova amostra (subgrupo),
incorporando a amostra mais recente e descartando a amostra mais
antiga.
A varincia da mdia mvel ( Mt ) resulta:
Eq 41
Mt
nw
LCS x
Eq 43
LCI x
3
nw
3
nw
Ou
Eq 44
LCS x A2 R
Eq 45
LCI x A2 R
Para o exemplo anterior da Tabela 22 tem-se w = 4 , x 5,73 ,
78
10
12
14
16
18
20
22
24
26
28
30
L im ite C o n t. S u p e r io r = 7 ,0 2
L in h a C e n tr a l = 5 ,7 3 1 5
L im ite C o n t. In f e r io r
C a u s a s Es p e c ia is
= 4 ,4 4 3
LCS x 3 / nt
Eq 47
LCI x 3 / nt
Exerccio 9
Exemplo de carta de
controle para mdias
mveis
Xt
Mt
LSC
LIC
10,5
10,5
16,00
4,00
6,0
8,25
14,24
5,76
10,0
8,83
13,46
6,54
11,0
9,38
13,00
7,00
12,5
10,00
12,68
7,32
9,5
9,92
12,45
7,55
6,0
9,36
12,27
7,73
10,0
9,44
12,12
7,88
10,5
9,44
12,12
7,88
10
14,5
10,50
12,12
7,88
11
12
13
79
x xt 1 ... xt w1
Mt t
8
Por exemplo, para t=4, os limites de controle resultaram:
ESCOLHA DO TIPO DE
CARTA DE CONTROLE
Os dados so
variveis?
Sim
Carta para
Processo pode
No
valores individuais
ser monitorado usando
suimprprio
subgrupos
para>1 ?
ou mdias mveis
Sim
Mdias podem
ser calculadas?
No
Carta para
medianas
No
Carta
X-R
Sim
Subgrupo > 10?
Sim
Figura 67 - Fluxograma de
apoio para escolha das cartas
de controle.
Carta
X-S
Sim
Desvios podem
ser calculados?
No
Carta
X-R
80
EXERCCIOS
Exerccio 10
Exerccio 11
xi 4225 ;
i 1
50
Ri 432,6
i 1
Exerccio 12
xi 1539
i 1
30
si 105,6
i 1
Exerccio 13
Exerccio 14
Exerccio 15
81
Xbar
Amostra
Xbar
84
85
11
86
84
85
82
82
10
83
86
11
82
84
12
86
Mdia
Amplitude
Amostra
Mdia
Amplitude
45.4
13
44.2
44.0
14
44.5
47.1
15
41.6
44.9
16
41.5
43.5
17
45.0
41.7
18
44.1
44.0
19
42.6
45.1
20
43.8
43.7
21
44.8
10
42.8
22
43.6
11
43.5
23
41.9
12
44.2
24
48.6
82
Exerccio 16
Exerccio 17
21
23
21
21
17
18
23
23
25
21
15
17
13
22
17
17
19
21
19
26
21
20
23
22
18
15
23
20
24
21
21
15
17
20
21
20
21
18
26
26
Medidas
19
26
17
25
20
20
23
14
24
25
19
16
17
18
8
21
22
20
20
25
20
21
21
24
20
21
18
21
19
15
20
20
19
21
21
19
17
23
24
26
24
23
19
20
20
20
22
20
19
19
21
19
17
16
21
21
20
22
28
24
Dia
83
Exerccio 18
84
Fornecedor 1
Fornecedor 2
Fornecedor 3
IMPORTNCIA DAS
CARTAS DE CONTROLE
DE ATRIBUTOS
86
monitorizao de variveis.
CARTA P PARA FRAO A carta p mede a frao de produtos defeituosos ou produtos noconformes em uma amostra. O grupo pode ser definido como 100
DE NO-CONFORMES
unidades coletadas duas vezes ao dia ou 80 unidades extradas de cada
lote de produo, etc.
Cartas de atributo exigem subgrupos de tamanho considervel (em geral,
50 a 200 unidades ou mais) para serem eficientes na deteco de
alteraes no processo.
Coleta de dados
Eq 48
- frao de no-conformes: p = d / n
d d 2 ... d k
p 1
n1 n2 ... nk
Eq 50
pi
p(1 p)
ni
: LCS p 3 pi
Eq 52
: LCI p 3 pi
Se o limite inferior resultar negativo, ento ele deve ser fixado em zero.
Se o tamanho dos subgrupos for varivel, o desvio-padro varivel e
por conseqncia, os limites de controle tambm, gerando uma carta
com limites de controle de forma dentada.
Se a diferena nos tamanhos de amostras for pequena (< 25%), pode-se
87
Interpretao da
estabilidade do processo
: p
p( 1 p )
Padres e Corridas
Mesmo com todos os pontos dentro dos limites de controle, podem haver
evidncias de que o processo sofreu alterao. As seguintes constataes
indicam alteraes no processo (vlidas para np 9 ):
a) sete pontos em seqncia acima (ou abaixo) da linha central;
b) sete pontos em seqncia ascendente (ou descendente).
As corridas ascendentes ou corridas acima da mdia indicam que o
desempenho do processo piorou. As corridas descendentes ou corridas
abaixo da mdia indicam que o processo melhorou.
Deteco e correo de
causas especiais
Interpretao da
capacidade do processo
88
Eq 54
: Capacidade = (1 -
p ) x 100
Cp
pmeta
p
di
pi
Lote
di
pi
Lote
di
pi
80
0,112
11
80
18
0,225
21
80
25
0,313
80
11
0,138
12
80
13
0,163
22
80
16
0,200
80
0,063
13
80
23
0,287
23
80
10
0,125
80
0,100
14
80
0,113
24
80
13
0,163
80
17
0,213
15
80
11
0,137
25
80
0,100
80
10
0,125
16
80
0,075
26
80
14
0,175
80
15
0,188
17
80
14
0,175
27
80
10
0,125
80
11
0,137
18
80
12
0,150
28
80
0,088
80
0,075
19
80
21
0,263
29
80
13
0,163
10
80
0,087
20
80
19
0,238
30
80
16
0,200
Inicialmente, calcula-se p e :
80 0,0407
89
0 .3
0 .2
0 .1
0 .0
2
Exerccio 19
10
12
14
16
18
20
22
24
26
28
L im ite C o n t. S u p e r io r = 0 ,2 6 5 6
L in h a C e n tr a l = 0 ,1 4 6 9
L im ite C o n t. In f e r io r
C a u s a s Es p e c ia is
= 0 ,0 2 8 2
30
d (np)
6
4
2
2
1
2
5
0
8
3
3
2
1
2
3
5
4
1
2
4
Tam amostra
120
120
120
120
120
120
120
120
120
120
120
120
120
120
120
120
120
120
120
120
90
Resoluo
p d i / ni
60
0,025
20 120
LCS p 3
LCI p 3
120 0,0143
Exerccio 20
CARTA NP PARA
NMERO DE NO-CONFORMES
N
100
100
80
80
110
110
110
100
100
100
100
120
80
80
80
D
5
3
2
4
1
5
3
7
5
6
3
2
4
2
5
Amostra
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
N
80
80
100
100
100
100
100
120
120
120
100
100
120
120
80
D
3
9
3
3
5
2
6
2
3
2
2
4
3
6
2
91
Coleta de dados
Eq 56
d d 2 ... d k
np 1
k
Eq 57
np np( 1 p )
onde:
di o nmero de no-conformes no subgrupo i;
k o nmero de subgrupos.
Os limites de controle para o nmero de no-conformes so calculados
pelas seguintes equaes:
LCS np 3 np
Eq 58
Eq 59
: LCI np 3 np
Exemplo da carta de
controle para nmero de
no-conformes np
Lote
Lote
Lote
Lote
12
11
16
13
12
17
10
15
11
13
12
18
16
14
19
14
10
15
15
20
Inicialmente, calcula-se np e np :
np d / k 193 20 9,65
92
Nmero de no conformes np
20
15
10
0
1
10
11
12
13
L im ite C o n t. S u p e r io r = 1 8 ,7 4 1 7
L im ite C o n t. In fe r io r = 0 ,5 5 8 3
14
15
16
17
18
19
20
L in h a C e n tr a l = 9 ,6 5
C a u s a s E s p e c ia is
Frao de no conformes p
0 .1 0
0 .0 8
0 .0 6
0 .0 4
0 .0 2
0 .0 0
1
Figura 70 - Carta p
(equivalente a np) para o
exemplo das peas plsticas.
Exerccio 21
10
11
L im ite C o n t. S u p e r io r = 0 ,0 9 3 7
L im ite C o n t. In fe r io r = 0 ,0 0 2 8
12
13
14
15
16
17
18
19
20
L in h a C e n tr a l = 0 ,0 4 8 3
C a u s a s E s p e c ia is
Dia
1
2
3
4
CARTA C PARA
NMERO DE NO-
Defeituosos
3
4
9
6
Dia
5
6
7
8
Defeituosos
12
7
4
3
Dia
9
10
11
12
Defeituosos
6
3
7
4
Dia
13
14
15
16
Defeituosos
5
3
4
7
93
conforme e no-conformidade:
-CONFORMIDADES
Coleta de dados
Eq 60
c c2 ... ck
c 1
k
Eq 61
c c
onde:
ci o nmero de no-conformidades na amostra i ;
k o nmero de subgrupos.
E aps calcula-se os limites de controle para o nmero de noconformidades:
Eq 62
: LCS c 3 c
Eq 63
: LCI c 3 c
Exemplo da carta de
controle para nmero de
no-conformidades c
lataria
lataria
lataria
lataria
12
11
16
12
17
17
13
18
13
14
14
15
19
10
21
15
20
11
94
c ci / k 173/20 = 8,65
c 8,65 2,94
E, logo aps, os limites de controle para o nmero de no-conformidades:
LCS c 3 c 16,48
LCI c 3 c 0,00
Nr. de no conformidades c
15
10
0
1
Exerccio 22
10 11
12
13
L imite C o n t. Su p e rio r = 1 6 ,4 8 5 3
L imite C o n t. In fe rio r =
0
14
15
16
17
18
19
20
L in h a C e n tra l = 8 ,
C a u sa s Esp e cia is
Dados
CARTA U PARA
NMERO DE NO-
Painel
1
2
3
4
5
Defeitos
2
3
5
4
1
Painel
6
7
8
9
10
Defeitos
3
1
2
8
1
Painel
11
12
13
14
15
Defeitos
2
0
3
4
2
Painel
16
17
18
19
20
Defeitos
2
5
3
4
1
95
CONFORMIDADES POR
UNIDADE
Coleta de dados
Eq 64
: u = c/n
: u
c c
n n
Eq 66
: ui
c 2 ... c k
n 2 ... n k
u
ni
onde:
ci o nmero de no-conformidades na amostra i;
ni o tamanho da amostra i e k o nmero de subgrupos.
Em seguida, os limites de controle para o nmero de no-conformidades
por unidade so calculados como:
Eq 67
: LCS u 3 u i
Eq 68
: LCI u 3 ui
: u
Exemplo da carta de
controle para nmero de
no-conformidades por
unidade u
u
n
Lote
no de unidades
no de noconformidades
no de noconformidades por
unidade (u)
10
13
1,30
96
10
11
1,10
10
0,80
12
20
1,67
12
15
1,25
10
10
1,00
10
13
1,30
12
19
1,58
15
1,88
10
1,13
Soma
102
133
u
1,304 / 10,2 0,357 (ou varivel)
n
E logo aps, calcula-se os limites de controle para o nmero de noconformidades por unidade:
LCS u 3 u 1,304 + 3 x 0,357 = 2,376 (ou varivel)
LCI u 3 u 1,304 - 3 x 0,357 = 0,231 (ou varivel)
Na Figura 72, apresenta-se um exemplo de carta para nmero de noconformidades por unidade utilizando-se n mdio e n varivel.
97
Exerccio 23
Exerccio 24
98
ESCOLHA DO TIPO
DE CARTA DE
CONTROLE
Os dados so
atributos?
Sim
So do tipo peas
no-conformes?
Use a No
carta p
No
So do tipo
no-conformidades
por pea?
Sim
Sim
Tamanho da
amostra
constante?
Tamanho da
amostra
constante?
Figura 73 - Fluxograma
de apoio para escolha das
cartas de controle.
Sim
Sim
Use a carta
p ou np
Use a carta
c ou u
No
Use a
carta u
EXERCCIOS
Os dados a seguir representam o resultado da inspeo de 10 amostras de
lotes com tamanho varivel. Construa uma carta p para estes dados e
conclua a respeito do controle do processo.
Exerccio 25
Exerccio 26
Amostra
tamanho no conf.
95
85
100
100
85
100
90
100
90
10
90
Exerccio 27
Exerccio 28
Exerccio 29
Em relao as cartas c:
Quando elas so usadas ? de alguns exemplos;
Qual a distribuio de probabilidade que a base para as cartas c ?
99
Exerccio 30
No. de
Defeitos
Amostra
No. de
Carcaas
Defeitos
Carcaas
30
21
25
10
15
12
11
28
18
12
13
22
13
12
15
14
22
26
15
25
32
16
21
Exerccio 31
Exerccio 32
Exerccio 33
Lote
Defeituosos
Lote
Defeituosos
330
330
330
10
880
18
640
11
880
550
12
800
550
13
550
640
14
880
15
640
12
15
880
200
16
330
Dia
Dia
Dia
Dia
Dia
11
16
15
21
26
16
10
12
12
17
13
22
12
27
13
18
23
28
13
14
14
19
15
24
17
29
10
14
15
20
10
25
14
30
12
100
Exerccio 34
No. de
Estofados
7
7
6
6
6
5
7
7
1
2
3
4
5
6
7
8
Exerccio 35
Pedido
23
16
29
13
11
20
26
19
9
10
11
12
13
14
15
16
No. de
Estofados
7
5
7
7
5
5
6
7
Defeitos
31
24
12
18
20
15
27
31
Amst
Exerccio 36
Defeitos
Costura
Marcas
2
10
Cor
Num
Riscos
Total
3
2
10
10
10
12
12
10
11
12
13
14
10
15
10
16
17
18
12
19
12
20
12
3
1
1
2
2
4
1
101
Exerccio 37
ABORDAGEM
TRADICIONAL X
ABORDAGEM DE
TAGUCHI
Exerccio 38
A FUNO DE PERDA E
O CONTROLE DO
103
PROCESSO
Formulao matemtica
: Li = k(yi - m)2
onde:
Li a perda financeira, associada com o desvio da meta, para a unidade
i;
yi o valor medido na unidade i para a caracterstica de qualidade em
estudo;
m a meta para a respectiva caracterstica de qualidade;
k o coeficiente de perda da qualidade, que converte o desvio do alvo
em R$.
104
DETERMINAO DO
COEFICIENTE DE PERDA
k = Ao / 2
onde:
Ao o custo de reparo ou substituio do produto;
o desvio da meta que exigiria reparo ou substituio.
Uma empresa fabrica um tipo de bateria que deve gerar uma voltagem
de sada de 12 volts. Se a voltagem se afasta mais de 2 volts do valor
nominal, ser necessrio realizar um concerto ao custo de R$ 25,00.
Calcule o valor da constante k, para ser usada na frmula da funo de
perda e em seguida, avalie a perda associada a uma unidade que est
gerando 11 volts.
Exerccio 39
Exerccio 40
CLCULO DA PERDA
PARA UM LOTE DE
PRODUTOS
1 n
k ( y i m) 2
n i 1
Eq 71
Eq 72
yi2 2m yi m2
L k{
}
n
( y m) Desvio da meta
105
Exerccio 41
29,2
29,6
29,7
29,9
30,0
30,1
30,3
30,3
30,4
30,6
30,8
31,2
Exerccio 42
ANLISE DOS
PROBLEMAS DE
QUALIDADE
Eq 74
( y m)
s
s = 1,0
Processo 2 :y bar=0,8
s = 0,6
-3 -2 -1 0 1 2 3
-3 -2 -1 0 1 2 3
106
Exerccio 43
TIPOS DE
CARACTERSTICAS DE
QUALIDADE
0,25
0,51
0,60
0,33
0,30
0,35
0,42
0,45
0,52
0,55
Maior--melhor
Menor--melhor
L(y)
Figura 75 - Funo
de perda do tipo
maior--melhor
10
8
6
4
2
0
0
12
Eq 75
L( y)
107
k
y2
Clculo do valor de k
Eq 76
k y2o L( yo )
O ponto yo pode ser o , ou seja, o ponto onde a maioria dos clientes
ir exigir reparo ou substituio a um custo Ao. Assim,
Eq 77
Exerccio 44
k 2o A o
No caso de termos muitas unidades do mesmo produto, a perda mdia
unitria para o lote vir dada por:
1
1
)
: L k(
n
yi2
ou
3s2
L k ( 2 )(1 2 )
y
y
Exerccio 45
A FUNO DE PERDA
PARA MENOR--MELHOR
108
Perda
30,00
25,00
20,00
L(y)
15,00
10,00
5,00
0,00
Figura 76 - Funo
de perda do tipo
menor--melhor
12
L( y) k y2
A perda diminui a medida que y diminui (menor--melhor), e mnima
quando y 0
Se a perda conhecida para um ponto qualquer yo , podemos determinar
o valor de k a partir de:
Clculo do valor de k
Eq 80
k L( yo ) / y2o
O ponto yo pode ser o , ou seja, o ponto onde a maioria dos clientes
ir exigir reparo ou substituio a um custo Ao. Assim,
Eq 81
Exerccio 46
k A o / 2o
1
k yi2
n
ou
L k (y2 s 2 )
Exerccio 47
APLICAES DA
FUNO DE PERDA
109
Exerccio 48
8,11 8,18 8,21 8,28 8,31 8,33 8,35 8,36 8,38 8,39 8,40
8,41 8,42 8,45 8,46 8,50 8,52 8,56 8,62 8,60 8,64 8,72
Aps as melhorias
8,31 8,34 8,35 8,37 8,38 8,38 8,39 8,39 8,40 8,40 8,40
8,42 8,43 8,45 8,46 8,48 8,49 8,51 8,51 8,52 8,53 8,55
110
Exerccio 49
117,2
120,2
118,2
120,8
119,0
121,3
119,5
122,0
120,1
123,3
Raio de curvatura: 20 2
19,1 19,7 20,2 20,5 20,8 21,3 21,7 22,0 22,2 22,9
Eq 83
111
L(y) = k / y2
k = (o)2 x Ao = 7,52 x 80 = 4500
Supondo que seja possvel detectar falhas nesses suportes e refor-los
(antes que eles deixem a fbrica) a um custo de R$ 35,00 , teremos:
L(y) = 4500 / y2 ; 35,00 = 4500 / y2
y=
4500/ 35 = 11,3 KN
EXERCCIOS
Exerccio 50
Exerccio 51
Exerccio 52
Exerccio 53
112
Exerccio 54
Processo 1: 43,1 43,6 43,8 44,2 44,4 44,5 44,9 45,1 45,5
45,9
Processo 2: 1102 1104 1105 1108 1109 1111 1111 1114 1115
1117
a) Qual o processo que aparentemente tem a maior perda ?
b) Qual o processo que tem a melhor capabilidade ?
c) Qual o processo que, em princpio, seria mais simples de melhorar ?
Exerccio 55
Exerccio 56
Densidade:
11,8 12,1 12,0 11,9 11,9 12,1 12,2 12,1 12,3 11,9 12,3
11,9 11,8 11,7 11,9 12,2 11,6 11,8 12,3 11,7 11,9 12,0
Elasticidade:
59,4 59,1 58,6 59,3 61,1 58,2 59,1 60,2 58,6 59,5 59,9
59,1 60,4 60,1 59,4 59,4 60,6 61,0 60,5 61,6 59,6 61,7
Exerccio 57
Exerccio 58
Exerccio 59
113
amostra.
20,20 20,05 19,90 20,08 19,87 20,15 19,95 19,99 20,02
20,07
a) Recalcule a perda devido a m qualidade caso o processo estivesse
centrado e o desvio padro reduzido pela metade.
11. Os dados a seguir referem-se a medies feitas em um lote de
aparelhos eletrnicos. A especificao para a caracterstica medida
82 10. Use a funo de perda quadrtica e calcule a perda de
qualidade para esse lote. Sabe-se que uma unidade que est sobre o
limite de especificao implica em um custo de R$ 5,70.
Exerccio 60
8,12
8,15
8,17
8,20
8,21
8,22
8,23
8,24
8,25
8,25
8,28
8,31
Exerccio 61
Fornecedor 1:
118,6 120,8 120,2 119,7 119,4 120,5 121,4 121,5 122,5 119,7 123,0
119,5 118,1 117,4 119,2 121,8 115,6 118,1 122,8 116,8 119,7 120,1
Fornecedor 2:
120,2 121,5 119,8 123,1 120,3 123,4 120,4 121,8 121,0 120,3 121,5
120,3 123,4 122,2 122,6 121,8 121,7 119,6 123,0 120,9 122,9 119,5
Fornecedor 3:
122,3 122,0 125,2 124,5 120,6 120,7 121,2 123,5 121,5 121,2 119,8
123,8 119,2 120,9 119,2 121,2 121,5 121,9 122,8 122,7 121,3 121,6
EXERCCIO FINAL
114
Fornecedor 2
Fornecedor 3
118,6
120,3
119,6
119,7
120,4
116,4
123,4
122,4
120,2
121,5
123,5
121,1
122,4
120,7
120,8
119,7
122,3
122,0
120,2
122,3
120,8
120,7
119,8
120,2
122,7
123,0
125,2
119,7
120,2
116,6
121,6
123,1
124,0
120,7
122,0
124,5
119,4
119,0
119,5
122,8
120,3
120,9
121,0
119,8
120,6
120,5
121,7
120,1
122,8
123,4
121,7
123,2
120,0
120,7
121,4
117,3
123,5
122,3
120,4
122,7
121,9
122,0
121,2
121,5
121,4
121,1
123,0
121,8
119,9
121,9
122,3
123,5
122,5
118,1
122,5
119,8
121,0
121,5
121,7
121,7
121,5
119,7
121,4
118,1
121,6
120,3
124,5
121,0
121,7
121,2
118,1
119,4
120,4
120,0
120,3
119,4
121,4
121,6
119,8
117,4
116,4
120,0
123,9
123,4
121,3
122,0
120,6
123,8
119,2
122,3
118,9
122,0
122,2
119,5
122,1
120,5
119,2
121,8
119,4
120,4
122,0
122,6
120,3
121,5
119,8
120,9
115,6
119,4
118,5
121,4
121,8
121,1
119,6
121,2
119,2
118,1
118,0
122,5
121,8
121,7
121,4
120,9
121,5
121,2
122,8
117,0
117,6
122,2
119,6
121,9
122,2
123,2
121,5
116,8
118,1
121,0
123,2
123,0
121,8
121,1
121,2
121,9
119,7
118,5
120,8
123,2
120,9
121,8
123,2
120,1
122,8
120,1
120,8
121,2
122,3
122,9
121,2
122,8
121,6
122,7
123,0
121,7
113,4
124,0
121,5
120,7
120,8
122,0
121,3
118,5
120,9
118,7
122,2
119,5
122,3
120,5
121,3
121,6
118,7
119,1
119,4
122,4
120,3
122,5
119,1
120,0
118,6
120,2
117,8
120,5
123,4
121,9
120,9
123,3
120,3
123,0
122,1
120,8
120,5
120,0
120,5
123,1
122,6
122,2
119,9
119,7
120,0
118,8
123,2
119,8
122,5
119,5
120,5
120,7
122,3
118,1
119,7
123,9
123,5
122,4
121,7
123,9
118,5
117,2
118,5
115,9
120,3
122,6
121,8
121,5
121,7
122,5
122,0
120,1
119,7
120,4
122,5
121,2
120,9
120,6
122,2
121,6
118,7
120,4
123,3
120,9
123,0
120,2
122,5
121,5
INTRODUO
V alo r Individua l
4
1
D is crim ina o
s a tis fa tria
10
11 1 2
13 1 4
15 16
17 18
L inha C e nt ra l = 5 , 8
C aus a s E s p ec ia is
19 20
7 4 .0 1
Mdia
CATEGORIAS DE DADOS
E DISCRIMINAO
7 4 .0 0
7 3 .9 9
10
11 12 13
14 15
16
17
18
L im ite d e C o ntro le S u pe r io r = 7 4 ,0 1 4 3
Li nh a C e n tra l = 7 4 ,0 0 12
Li m ite d e C on tr ole In fe ri or
C au sa s E s p ec ia is
= 73 ,9 8 8 1
19 20
116
Observaes
S pode ser usado para controle em
condies especiais, por exemplo, no
caso de um processo muito capaz, com
funo de perda achatada no intervalo das
especificaes.
1 Categoria
~ 3 categorias
Figura 77 - aplicabilidade de
um sistema de medio
Exerccio 62
ESTABILIDADE
117
Valor Individual
Boa
estab ilid ad e
38
36
34
32
1
10
11
12
P ro b lem a s d e
estab ilid ad e
Valor Individual
L i m ite d e C o n tro l e Su p e ri o r = 3 9 ,3 8 3
40
L im ite d e C o n tro le In fe rio r = 3 2 ,1 0 4 2
13
14
15
16
17
18
19
20
L i n h a C e n tr a l = 3 5 ,7 4 3 6
C a u s a s E s p e c iai s
38
36
34
32
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
L i m i te d e C o n tro le S up e r io r = 3 9 ,38 3
L in h a C e n tra l = 3 5 ,7 4 3 6
C a u s a s Es p e c ia is
= 3 2 ,1 0 4 2
39
40
118
Exerccio 65
Exerccio 66
26,2 26,1 26,1 26,2 26,0 26,1 26,1 26,0 26,2 26,1
26,1 26,2 26,0 26,6 26,5 26,5 26,6 26,4 26,5 26,5
26,4 26,1 26,1 26,0 25,9 25,8 25,8 25,9 25,7 25,8
Os dados a seguir representam medies feitas sobre um componente
eletrnico usado como referncia. Plote esses dados em uma cartas de
controle de mdia e amplitude e verifique se h indcios de instabilidade.
Sabendo que a variabilidade natural do processo caracterizada por um
desvio padro igual a 8,5 voc acredita que o sistema possui suficiente
repetitividade ?
PRECISO X EXATIDO
119
TENDNCIA
120
Exerccio 67
Exerccio 68
LINEARIDADE
121
1,01
2,00
3,03
3,98
5,01
6,00
1,01
2,01
3,05
4,01
5,07
6,05
1,03
2,05
3,03
4,02
5,05
6,06
1,01
2,05
3,04
4,01
5,08
6,05
1,02
2,01
3,06
4,00
5,06
6,03
1,02
2,03
3,02
4,02
5,09
6,07
Mdia
1,018
2,030
3,040
4,012
5,070
6,052
Tendncia (Y)
0,008
0,030
0,010
0,032
0,060
0,052
Valor de
referncia (X)
122
: a = SXY / SXX
Eq 85
: b=
Y b1 X
Onde:
Eq 86
SXX x i2 x i 2 n
Eq 87
SYY yi2 yi 2 n
Eq 88
SXY x i yi x i yi n
SQR yi b0 b1x i 2 SYY b1SXY
Eq 92
[ xy ( x )( y) / n ]
Eq 89
:Ajuste do modelo:
R2
Eq 90
: Desvio padro da
estimativa:
DPE
Eq 91
:Desvio padro da
inclinao:
DPI
:Teste de significncia do
modelo:
[ x ( x ) 2 / n ] [ y 2 ( y) 2 / n ]
2
SQR
n2
DPE
[ x ( x ) 2 / n ]
2
t = a / DPI
Se |t| < 1,5 no h evidncia de falta de linearidade do dispositivo
Se 1,5 < |t| < 2,5 h alguma evidncia de falta de linearidade
Se |t| >2,5 h forte evidncia de falta de linearidade do dispositivo
Para os dados do exemplo, supondo que a faixa de operao do processo
123
seja [1,00 - 6,00 = 5,00 cm] e que a variao do processo seja 0,10 cm,
resulta:
a = 0,00949; b = -0,00125
Tendncia = -0,00125 + 0,00949 x valor de referncia
linearidade = 0,00949 x 5,00 = 0,04745
linearidade % = 100 x 0,04745 / 0,10 = 47,45% (esse percentual muito
elevado, o dispositivo tem problemas)
R2 = 0,698, ou seja, 69,80 % da variabilidade total dos dados explicada
pelo modelo ajustado
SQR = 0,000679
DPE = 0,013
DPI = 0,000746
t = 12,73 ==> h forte evidncia de falta de linearidade do dispositivo
Exerccio 69
Exerccio 70
REPETITIVIDADE
Mod 1
Mod 1
Mod 2
Mod 2
Mod 3
Mod 3
Especificaes
100 a
110
100 a
110
200 a
210
200 a
210
400 a
450
400 a
450
Valor de
Referncia
107,2
102,9
207,8
206,0
411,6
416,5
Medies
106
103
209
208
415
421
107
104
208
208
416
419
105
102
210
210
416
423
106
103
209
209
418
423
107
102
211
210
417
422
124
Operador 1
Ciclos
Operador 2
Pea
Xbar
Xbar
Xbar
25,2
27,1
25,6
25,97
1,9
25,4
26,7
24,7
25,60
2,0
25,78
22,1
21,6
24,1
22,60
2,5
23,3
23,8
24,0
23,70
0,7
23,15
25,4
24,7
25,0
25,03
0,7
24,4
25,0
26,9
25,43
2,5
25,23
23,6
25,2
25,2
24,67
1,6
25,1
23,5
26,8
25,13
3,3
24,90
28,2
27,1
26,0
27,10
2,2
27,3
27,8
29,7
28,27
2,4
27,68
25,073
1,78
25,627
2,18
Peas
Mdia
Amplitude entre mdias Ro =
Tabela 28- dados Amplitude mdia
para a anlise do
sistema de medio
Amplitude peas
0,554
Rbar
=
1,98
Rp =
4,53
10
15
1,41
1,91
2,24
2,48
2,67
2,83
2,96
3,08
3,18
3,55
1,19
1,74
2,10
2,36
2,56
2,73
2,87
2,99
3,10
3,49
10
1,16
1,72
2,08
2,34
2,55
2,72
2,86
2,98
3,09
3,48
15
1,15
1,71
2,07
2,34
2,54
2,71
2,85
2,98
3,08
3,48
30
1,128 1,693 2,059 2,326 2,534 2,704 2,847 2,970 3,078 3,472
m
g
Exerccio 71
Operador 1
Ciclo
125
Operador 2
7,2
7,4
7,5
7,2
8,5
7,9
8,1
8,4
6,9
7,3
7,0
7,5
6,9
7,1
7,3
7,0
7,5
7,7
7,3
7,9
7,3
6,8
7,1
7,3
Amostra
REPRODUTIBILIDADE
VO =
R
5,15 e
5,15 o
d2
nr
5,15
1,41
53
VO =
126
R&R - SISTEMA DE
MEDIO
VE 2 VO 2 =
VARIAO PEA-A-PEA
VARIAO TOTAL DO
PROCESSO
R & R 2 VP 2 =
127
Exerccio 72
AVALIAO DO SISTEMA
DE MEDIO
128
ESTUDOS DE R&R
O MTODO DA
AMPLITUDE (ESTUDO
RPIDO DE R&R)
Operador A
Operador B
Amplitude
2,12
2,16
0,04
2,15
2,17
0,02
2,08
2,08
0,00
2,10
2,12
0,02
2,10
2,11
0,01
129
Nota:
Exerccio 73
MTODO DA MDIA E
AMPLITUDE (ESTUDO
FORMAL DE R&R)
Pea
Operador 1
Operador 2
75
75
78
79
76
78
80
79
82
84
78
78
80
81
130
R
5,15 e
5,15 o
d2
nr
VE % = 100 x VE / VT
ou
VE % = 100 x VE / Tol.
VO % = 100 x VO / VT
ou
VO % = 100 x VO / Tol.
o = VO / 5,15
Repetitividade e Reprodutibilidade
m =
R&R = 5,15 m
ou
2
2
R&R = VE VO
Variao pea a pea
Rp = (Xbar max - Xbar min)
peas)
p = Rp / d2
VP = 5,15 p
Variao total
Tabela 30
VT =
2e 2o
(entre
VP % = 100 x VP / VT
ou
VP % = 100 x VP / Tol.
R & R 2 VP 2
131
Exemplo:
Operador A
Ciclos
Operador B
Operador C
1a
2a
1a
2a
1a
2a
Mdia
Peas
50
50
51
49
47
47
49,00
52
51
54
52
48
45
50,33
47
48
47
49
46
47
47,33
46
46
48
47
46
44
46,17
47
49
50
47
44
45
47,00
50
50
49
48
47
48
48,67
45
47
46
47
46
45
46,00
46
45
47
46
45
44
45,50
54
54
53
55
52
52
53,33
10
46
48
47
47
47
45
46,67
48,55
0,9
48,95
1,5
46,50
1,2
Pea
Mdias
R
VE 2 =
5,15 o
d2
nr
VO =
2,45
5,482
= 6,49
5,15
1,91
10 2
usando m = 3, g =1
Repetitividade e Reprodutibilidade
2
m = 2
e o =
R&R =
VE 2 VO 2 =
Variao pea-a-pea
Rp = (Xbar max - Xbar min) = 53,33 - 45,50 = 7,83
132
usando m = 10, g = 1
R & R 2 VP 2 =
Exerccio 74
Operador 1
Operador 2
Operador 3
Operador 4
1a
2a
1a
2a
1a
2a
1a
2a
70
70
71
72
71
70
73
72
73
71
71
74
70
71
74
72
69
68
70
70
69
68
72
71
68
74
71
74
71
71
74
74
69
68
71
70
68
70
71
73
67
68
71
69
67
67
70
72
69
70
72
72
70
69
73
72
68
69
69
69
71
67
71
73
Dia
O MTODO DA ANLISE
DE VARINCIA
133
Eq 93
Eq 95
Eq 96
T...2
nkr
- Termo de correo:
TC
Eq 94
- SQ Peas:
SQp
Ti2.. TC
- SQ Operadores:
SQo
T.2j. TC
- SQ Peas x Operadores:
kr
nr
Tij2.
SQpo
SQp SQo TC
r
Eq 97
- SQ Total:
2
SQT x ijk
TC
Eq 98
- SQ Erro:
Operadores
Peas
Totais Ti..
T1..
T2..
10
T10..
Totais T.j.
T.1.
xij1 xij2
T.2.
T.3.
T...
134
Fonte de Variao
SQ
GL
MQ =
Teste F
SQ / GL
Peas
SQp
n-1
MQp
MQp/MQpo
Operadores
SQo
k-1
MQo
MQo/MQpo
Peas x Operadores
SQpo
(n-1)(k-1)
MQpo
MQpo/MQe
Dispositivo (erro)
SQe
nk(r-1)
MQe
Total
SQT
nkr-1
Peas significativo:
Operadores significativo:
Interao significativo:
Eq 99
Eq 100 :
Fonte de Variao
SQ
GL
MQ =
Teste F
SQ / GL
Peas
SQp
n-1
MQp
MQp/MQagr
Operadores
SQo
k-1
MQo
MQo/MQagr
SQagr
nkr-n-k+1
MQagr
SQT
nkr-1
Dispositivo + interao
(erro)
Total
135
VE 5,15 MQe
VO 5,15
MQo MQpo
nr
VP 5,15
MQp MQpo
kr
Interao 5,15
MQpo MQe
r
R & R VE 2 VO 2 I2
VT R & R 2 VP 2
VE 5,15 MQagr
VO 5,15
MQo MQagr
nr
VP 5,15
MQp MQagr
kr
R & R VE 2 VO 2
VT R & R 2 VP 2
Nota:
VE % = 100 x VE / VT
Eq 102 - Reprodutibilidade:
VO % = 100 x VO / VT
Eq 103
- R&R:
136
Operador A
Ciclos
Peas
1
2
3
4
5
6
7
8
9
10
Totais T.j.
Operador B
Operador C
1a
2a
1a
2a
1a
2a
50
52
47
46
47
50
45
46
54
46
50
51
48
46
49
50
47
45
54
48
51
54
47
48
50
49
46
47
53
47
49
52
49
47
47
48
47
46
55
47
47
48
46
46
44
47
46
45
52
47
47
45
47
44
45
48
45
44
52
45
971
979
930
Totais
Ti..
294
302
284
277
282
292
276
273
320
280
2880
SQ
GL
Teste F
MQ =
SQ / GL
34,8
Peas
313,0
Operadores
69,1
34,6
18,2
Peas x Operadores
34,9
18
1,9
1,7
Dispositivo (erro)
33,0
30
1,1
Total
450,0
59
18,3
SQ
GL
Teste F
MQ =
SQ / GL
34,8
Peas
313,0
Operadores
69,1
34,6
24,4
67,9
48
1,41
Total
450,0
59
24,6
137
MQo MQagr
34,6 1,41
= 5,15
6,63
nr
10 2
VP 5,15
MQp MQagr
34,8 1,41
= 5,15
12,14
kr
32
R & R VE 2 VO 2 =
VT R & R 2 VP 2 =
Exerccio 75
ESTUDOS INCLUINDO A
VARIAO PRPRIA DA
PEA
138
Ro
VE 2
5,15
=
d 2
nr
VO =
2,30
8,6752
= 5,89
5,15
1,91
10 2
usando operadores = 3, g
Repetitividade e Reprodutibilidade
2
m = 2
e o =
R&R =
VE 2 VO 2 =
Variao pea-a-pea
p = Rp / d2 = 10,58 / 3,18 = 3,327
VDP = XbarVDP +
VDP = 3,70 +
Exemplo de aplicao do
mtodo da mdia e
amplitude
1
2
1
2
n VDP r
32
= 4,323
Operador A
Pea
1
10
Operador B
Operador C
Mdias
1a
2a
1a
2a
1a
2a
Max
90
89
87
90
89
88
Min
88
88
83
86
83
82
Rvdp
Max
90
92
87
87
91
88
Min
88
89
83
82
85
84
Rvdp
Max
94
90
88
86
94
91
Min
89
87
86
85
90
88
Rvdp
Max
86
89
87
83
87
88
Min
84
85
82
81
85
85
Rvdp
Max
86
85
86
83
88
85
Min
82
80
80
80
83
81
Rvdp
Max
87
90
84
86
90
86
Min
83
85
81
83
85
83
Rvdp
Max
87
89
86
89
87
90
Min
83
86
83
84
84
87
Rvdp
Max
85
88
86
85
85
87
Min
82
84
81
82
84
82
Rvdp
Max
84
82
83
81
85
82
Min
80
78
78
79
81
78
Rvdp
Max
95
94
92
92
93
95
Min
90
91
86
89
90
91
Rvdp
86,85
1,9
84,55
1,7
86,5
2,1
Mdias
139
Peas vdp
86,92
3,83
87,17
4,00
89,00
3,00
85,17
3,00
83,25
4,50
85,25
3,83
86,25
3,50
84,25
3,50
80,92
3,83
91,50
4,00
Ro
Rbar
Rp
XbarVDP
3,70
RXbarVDP
1,50
(Soma) e Ramp
(12)
2,30
1,90
10,58
(18)
(12)
1,40
140
VT =
R & R 2 VP 2 VDP 2
Reprodutibilidade:
Exerccio 76
Operador 1
Pea
1
Operador 2
2a
3a
1a
2a
3a
Max
124,8
124,7
123,9
123,4
124,1
123,6
Min
122,4
122,2
121,8
121,0
121,9
122,6
Max
126,2
127,1
126,8
127,0
127,3
126,7
Min
124,7
126,1
124,5
124,7
125,5
125,0
Max
124,2
124,4
124,8
125,1
125,4
124,8
Min
122,8
121,7
121,7
121,7
122,3
121,8
Max
126,8
127,7
127,4
127,1
126,4
127,1
Min
124,8
123,9
124,6
124,2
124,7
124,7
Max
126,3
126,8
126,9
127,2
127,4
127,3
Min
125,2
125,2
124,5
125,7
125,5
125,2
Max
126,1
126,1
126,8
126,4
126,6
126,1
Min
124,6
124,4
123,7
124,3
123,6
123,2
Max
125,0
124,6
124,5
124,9
124,1
124,4
Min
123,3
123,1
123,0
123,3
122,9
122,8
Max
126,8
127,5
127,2
127,1
127,0
126,4
Min
125,2
124,6
124,5
125,5
125,2
125,1
USO DA ANOVA NO
ESTUDO DA VARIAO
PRPRIA DA PEA
141
Operador A
Operador B
Operador C
1a
2a
1a
2a
1a
2a
Max
90
89
87
90
89
88
Min
88
88
83
86
83
82
Max
90
92
87
87
91
88
Min
88
89
83
82
85
84
Max
94
90
88
86
94
91
Min
89
87
86
85
90
88
Max
86
89
87
83
87
88
Min
84
85
82
81
85
85
Max
86
85
86
83
88
85
Min
82
80
80
80
83
81
Max
87
90
84
86
90
86
Min
83
85
81
83
85
83
Max
87
89
86
89
87
90
Min
83
86
83
84
84
87
Max
85
88
86
85
85
87
Min
82
84
81
82
84
82
Max
84
82
83
81
85
82
Min
80
78
78
79
81
78
Max
95
94
92
92
93
95
Min
90
91
86
89
90
91
1098
3460
10316
Pea
1
10
Totais
T.j.
3474
3382
Totais
Ti..
1043
1046
1068
1022
999
1023
1035
1011
971
142
T..2 = 5047
Fonte
SQ
GL
MQ
Sig.
Pea
950,70
105,63
25,6
Sim
Operador
122,87
61,43
14,9
Sim
Dentro
410,70
410,70
Pea * operador
74,30
18
4,13
1,8
no
Pea * dentro
5,80
0,64
0,6
no
Operador * dentro
0,80
0,40
0,4
no
19,70
18
1,09
0,5
no
Erro
141,00
60
2,35
Total
1725,87
119
Teste F
Pea
MQp / MQpo
Operador
MQo / MQpo
Dentro
No disponvel *
Pea * operador
MQpo / MQe
Pea * dentro
MQpd / MQpdo
Operador * dentro
MQod / MQpdo
MQpod / MQe
Teste F
Pd
MQd / MQod
Od
MQd / MQpd
od e pd
MQd / MQpod
od, pd e pod
MQd / MQe
TC
Eq 106 - Termo de correo:
T...2
n 2 k r
Somas quadradas
Pea
Operador
SQp
SQo
Ti2..
2 k r
T.2j.
n 2 r
T..2k
Componentes de variao
TC
MQp MQagr
2 k r
TC
MQo MQagr
n 2 r
TC
MQd MQagr
nkr
Dentro
SQd
Total
2
SQT x ijkl
TC
Erro
(Agregado)
nkr
143
e MQagr
SQ
GL
MQ =
Teste F
SQ / GL
Peas
SQp
n-1
MQp
MQp/MQagr
Operadores
SQo
k-1
MQo
MQo/MQagr
Dentro
SQd
MQd
MQd/MQagr
SQagr
2nkr-n-k
MQagr
SQT
2nkr-1
Erro (Agregado)
Total
Fonte de Variao
SQ
GL
MQ =
Teste F
SQ / GL
Peas
950,7
105,6
46,8
Operadores
122,9
61,4
27,2
Dentro
410,7
410,7
181,9
Erro (Agregado)
241,6
107
2,26
Total
1725,9
119
144
Pea
Operador
Dentro
Erro (Agregado)
105,6 2,26
MQp MQagr
p
2,93
23 2
2 k r
61,4 2,26
MQo MQagr
o
1,22
10 2 2
n 2 r
410,7 2,26
MQd MQagr
d
2,61
10 3 2
nkr
e MQagr
e 2,26 = 1,50
VE 2 VO 2 =
Variao pea-a-pea
VP = 5,15 p = 5,15 x 2,93 = 15,09
Variao dentro da pea
A variao dentro da pea, por apresentar nveis fixos (mnimo e
mximo), deve ser calculada somando-se mdia da diferena +
variabilidade da diferena. Para fazer isso, primeiro calcula-se para
cada pea a mdia da VDP; depois, usando-se essas mdias acha-se
1
1
5,15 VDP = 3,70 + 5,15 0,463 = 4,89
2
2
Variao total
VT =
R & R 2 VP 2 VDP 2
VT =
145
Exerccio 77
SISTEMAS DE MEDIO
DE ATRIBUTOS
Pea
Operador 1
Erros
Operador 2
Erros
Operador 3
Erros
Erros
Repet
Repet
Repet
Repro
7
23
29
51
75
121
124
152
160
178
179
191
Totais
Totais
0
1
1
1
1
1
4
14
146
Exerccio 78
Operador 1
Operador 2
Ciclos
21
23
30
37
44
61
63
71
88
94
Pea
147
EXERCCIOS
Exerccio 79
Operador 1
Ciclos
Operador 2
Operador 3
1a
2a
1a
2a
1a
2a
0,60
0,58
0,54
0,58
0,59
0,60
0,40
0,40
0,39
0,36
0,41
0,38
0,41
0,44
0,39
0,38
0,44
0,42
0,62
0,62
0,54
0,58
0,60
0,56
0,40
0,45
0,43
0,41
0,40
0,41
0,46
0,50
0,41
0,44
0,49
0,42
0,42
0,42
0,34
0,35
0,37
0,43
0,45
0,48
0,38
0,39
0,48
0,45
Aparelho
Exerccio 80
Exerccio 81
Operador 2
1a
2a
3a
1a
2a
3a
max
97,5
95,4
97,7
95,9
95,4
96,4
min
96,2
95,3
95,2
94,6
94,5
96,3
max
87,5
87,5
88,7
86,8
86,5
87,4
min
87,1
86,4
86,0
85,3
84,4
85,8
max
88,6
89,9
90,2
86,8
88,3
86,4
min
87,0
88,1
87,3
86,0
87,4
85,2
max
93,6
92,9
93,9
92,6
93,8
93,2
min
92,5
92,2
91,9
92,1
90,2
93,1
max
87,2
85,8
87,3
85,7
85,6
85,3
min
85,9
85,4
84,8
84,9
84,4
84,5
max
94,0
94,4
93,1
93,7
91,2
94,0
min
93,2
92,0
92,5
91,4
90,0
89,9
max
95,7
95,2
96,0
94,2
93,8
96,0
148
min
94,6
94,0
94,5
93,7
93,5
91,6
max
90,6
89,8
90,6
89,3
91,4
90,1
min
89,5
89,4
90,4
89,1
89,2
90,0
max
94,0
95,4
95,0
92,6
92,8
92,6
min
93,0
92,5
92,3
91,6
92,1
91,6
Exerccio 82
Exerccio 83
Operador 2
23
48
102
155
207
315
345
347
389
434
442
491
634
689
802
855
901
Pea
Seis Sigma
Jos Luis Duarte Ribeiro
Carla ten Caten
INTRODUO
150
6. Seis Sigma
Jos Luis Duarte Ribeiro & Carla ten Caten/PPGEP-UFRGS
A MOTOROLA E O SEIS
SIGMA
Nos anos 70 o mercado norte-americano sofreu a competitividade de
empresas japonesas. Com veculos mais econmicos, maior durabilidade
e confiabilidade eles conquistaram os consumidores. Assim, o perfil dos
consumidores mudou e as empresas passam a buscar meios de
sobreviverem neste cenrio.
Ainda nos anos 70 uma empresa japonesa assumiu o controle da
Motorola, fazendo mudanas drsticas na maneira de operar a fbrica
que resultaram na reduo de defeitos. No foram feitas modificaes no
maquinrio, na equipe ou na tecnologia empregada, os resultados foram
obtidos apenas mudando o modo de operar da empresa. O que deixa
evidenciado que as falhas na produo de componentes eletrnicos
decorriam do modo de operar da gesto anterior.
Nos anos 80, por quase uma dcada a Motorola buscou meios para se
tornar competitiva. Em 1981 CEO (Chief Executive Officer), Bob
Galvin, desafiou seus executivos a melhorar sua performance dez vezes
em cinco anos. Em 1985 Bill Smith lanou estudo demonstrando que um
produto sem defeitos no processo dificilmente falha nas mos do cliente.
Em 15 de janeiro de 1987, foi lanado um programa chamado Seis
Sigma em toda organizao Motorola.
Bob Galvin se props a fazer o trabalho da maneira mais perfeita,
atentando para cada detalhe e com foco na necessidade do cliente. O
programa corporativo estabeleceu o Seis Sigma como nvel de
capacidade exigido para se aproximar do padro de zero defeito, ou seja,
a busca da perfeio.
O padro de zero defeito foi desenvolvido em todas as reas: produtos,
processos, servios e administrao. Em 1988 o Prmio Nacional de
Qualidade Malcolm Baldrige torna popular o sucesso da Motorola.
EMPRESAS QUE
ADOTARAM O SEIS
SIGMA
151
A MEDIDA SEIS SIGMA O nome Seis Sigma inspirado em um parmetro estatstico que representa a
variabilidade. Variabilidade = defeitos. Muitos processos quando esto
sendo avaliados, apresentam o comportamento de uma curva em forma de
sino, chamada por curva Normal ou curva de Gauss.
152
6. Seis Sigma
Jos Luis Duarte Ribeiro & Carla ten Caten/PPGEP-UFRGS
A medida Seis Sigma admite que existiro variaes na mdia (p.ex., mdia
desloca em 1,5). Mas mesmo assim o ppm continuar muito baixo.
153
154
6. Seis Sigma
Jos Luis Duarte Ribeiro & Carla ten Caten/PPGEP-UFRGS
OS AGENTES DO SEIS Para implementar e desenvolver projetos Seis Sigma, necessrio formar
especialistas. A formao de especialistas representa um investimento que
SIGMA
pode fornecer grandes retornos financeiros.
155
156
6. Seis Sigma
Jos Luis Duarte Ribeiro & Carla ten Caten/PPGEP-UFRGS
ETAPA DEFINIR
Figura 90 - Diagrama de
Causa e Efeito
ETAPA MEDIR
Terminada a etapa Definir, o projeto a ser desenvolvido e os objetivos a
serem alcanados esto claros para a equipe. A inclinao natural seria
iniciar as aes. Contudo, a sistemtica Seis Sigma prev duas etapas
157
Ferramentas
Mapa do Processo
Figura 91
- Mapa do Processo
Folha de Verificao
Figura 92 - Folha de
Verificao
6. Seis Sigma
Jos Luis Duarte Ribeiro & Carla ten Caten/PPGEP-UFRGS
158
Grfico de Pareto
FMEA
Figura 94 - FMEA
SIPOC
Figura 95 - SIPOC
Anlise de Sistemas de
Medio (ASM)
159
Figura 96 - ASM
ETAPA ANALISAR
ETAPA MELHORAR
160
6. Seis Sigma
Jos Luis Duarte Ribeiro & Carla ten Caten/PPGEP-UFRGS
Plano de Ao (5W2H)
Figura 97 - 5W2H
Matriz de priorizao
Figura 98 - Mapa de
priorizao
ETAPA CONTROLAR
161
O MTODO DMAIC E O
PDCA
CARACTERSTICAS DO
SEIS SIGMA
162
6. Seis Sigma
Jos Luis Duarte Ribeiro & Carla ten Caten/PPGEP-UFRGS
PROGRAMA DE
TREINAMENTO
163
164
6. Seis Sigma
Jos Luis Duarte Ribeiro & Carla ten Caten/PPGEP-UFRGS
Bibliografia
1. ANG, A.H-S. & Tang, W.H. (1984), Probability Concepts in
Engineering Planning and Design. John Wiley and Sons, New York.
2. BOWKER & Lieberman, (1959), Engineering Statistics. Prentice
Hall, Inc., Englewood Cliffs, New Jersey, USA.
3. BOX, G., Hunter, W.G., and Hunter, J.S. (1978), Statistics for
experimenters, John Wiley and Sons, New York.
4. CLARKE, G.M. & Cook, D. (1983), A Basic Course in Statistics.
2nd ed., Edward Arnold Ltda, London.
5. DUNCAN, A.J. (1974), Quality Control and Industrial Statistics,
4th ed., Irwin, Homewood, ILL.
6. FEIGENBAUM, A. V. Controle da Qualidade Total, Vol 3,
Makron Books, So Paulo, 1994.
7. GUTTMAN, Wilks & Hunter (1971), Introductory Engineering
Statistics. 2nd ed., John Wiley and Sons, New York.
8. HICKS, C.R. (1973), Fundamental Concepts in the Design of
Experiments. John Wiley and Sons, New York.
9. JOHNSON, N.L. & Leone, F.C. (1977), Statistics and Experimental
Design. John Wiley and Sons, New York.
10. KUME, H. Mtodos Estatsticos para Melhoria da Qualidade,
Editora Gente, So Paulo, 1993.
11. MILLER, I. & Freund, J.E. (1977), Probability and Statistics for
Engineers. 2nd ed., Prentice Hall, Inc., Englewood Cliffs, New
Jersey, USA.
12. MONTGOMERY, D.C. (1984), Design and analysis of
experiments. John Wiley and Sons, New York, 2nd ed.
13. MONTGOMERY, D.C. (1985), Introduction to Statistical Quality
Control. John Wiley and Sons, New York.
14. NANNI, L.F. & Ribeiro, J.L. (1991), Planejamento e avaliao de
experimentos. Caderno de Engenharia 17/87, 2a ed.,
CPGEC/UFRGS, Porto Alegre, Brasil.
15. OTT, E.R. (1975), Process Quality Control. McGraw Hill, New
York.
16. SHAPIRO, S.S. & Gross, A.J. (1981), Statistical Modeling
Technique. Marcel Dekker, Inc, New York.
17. SNEDECOR, G.W. & Cochran, W.G. (1980), Statistical Methods.
7th ed., The Iowa State Univ. Press, Iowa, USA.
18. WERKEMA, M. C. C. Ferramentas Estatsticas Bsicas para o
Gerenciamento do Processo, Fundao Christiano Ottoni, Escola de
Engenharia da UFMG, Belo Horizonte, MG,1995
165
0,09
0,08
0,07
0,06
0,05
0,04
0,03
0,02
0,01
0,00
0,00
0,01
0,02
0,03
0,04
0,05
0,06
0,07
0,08
0,09
-3,9
-3,8
-3,7
-3,6
-3,5
-3,4
-3,3
-3,2
-3,1
-3,0
-2,9
-2,8
-2,7
-2,6
-2,5
-2,4
-2,3
-2,2
-2,1
-2,0
-1,9
-1,8
-1,7
-1,6
-1,5
-1,4
-1,3
-1,2
-1,1
-1,0
-0,9
-0,8
-0,7
-0,6
-0,5
-0,4
-0,3
-0,2
-0,1
0,0
0,0000
0,0001
0,0001
0,0001
0,0002
0,0002
0,0003
0,0005
0,0007
0,0010
0,0014
0,0019
0,0026
0,0036
0,0048
0,0064
0,0084
0,0110
0,0143
0,0183
0,0233
0,0294
0,0367
0,0455
0,0559
0,0681
0,0823
0,0985
0,1170
0,1379
0,1611
0,1867
0,2148
0,2451
0,2776
0,3121
0,3483
0,3859
0,4247
0,4641
0,0000
0,0001
0,0001
0,0001
0,0002
0,0003
0,0004
0,0005
0,0007
0,0010
0,0014
0,0020
0,0027
0,0037
0,0049
0,0066
0,0087
0,0113
0,0146
0,0188
0,0239
0,0301
0,0375
0,0465
0,0571
0,0694
0,0838
0,1003
0,1190
0,1401
0,1635
0,1894
0,2177
0,2483
0,2810
0,3156
0,3520
0,3897
0,4286
0,4681
0,0000
0,0001
0,0001
0,0001
0,0002
0,0003
0,0004
0,0005
0,0008
0,0011
0,0015
0,0021
0,0028
0,0038
0,0051
0,0068
0,0089
0,0116
0,0150
0,0192
0,0244
0,0307
0,0384
0,0475
0,0582
0,0708
0,0853
0,1020
0,1210
0,1423
0,1660
0,1922
0,2206
0,2514
0,2843
0,3192
0,3557
0,3936
0,4325
0,4721
0,0000
0,0001
0,0001
0,0001
0,0002
0,0003
0,0004
0,0006
0,0008
0,0011
0,0015
0,0021
0,0029
0,0039
0,0052
0,0069
0,0091
0,0119
0,0154
0,0197
0,0250
0,0314
0,0392
0,0485
0,0594
0,0721
0,0869
0,1038
0,1230
0,1446
0,1685
0,1949
0,2236
0,2546
0,2877
0,3228
0,3594
0,3974
0,4364
0,4761
0,0000
0,0001
0,0001
0,0001
0,0002
0,0003
0,0004
0,0006
0,0008
0,0011
0,0016
0,0022
0,0030
0,0040
0,0054
0,0071
0,0094
0,0122
0,0158
0,0202
0,0256
0,0322
0,0401
0,0495
0,0606
0,0735
0,0885
0,1056
0,1251
0,1469
0,1711
0,1977
0,2266
0,2578
0,2912
0,3264
0,3632
0,4013
0,4404
0,4801
0,0000
0,0001
0,0001
0,0001
0,0002
0,0003
0,0004
0,0006
0,0008
0,0012
0,0016
0,0023
0,0031
0,0041
0,0055
0,0073
0,0096
0,0125
0,0162
0,0207
0,0262
0,0329
0,0409
0,0505
0,0618
0,0749
0,0901
0,1075
0,1271
0,1492
0,1736
0,2005
0,2296
0,2611
0,2946
0,3300
0,3669
0,4052
0,4443
0,4840
0,0000
0,0001
0,0001
0,0001
0,0002
0,0003
0,0004
0,0006
0,0009
0,0012
0,0017
0,0023
0,0032
0,0043
0,0057
0,0075
0,0099
0,0129
0,0166
0,0212
0,0268
0,0336
0,0418
0,0516
0,0630
0,0764
0,0918
0,1093
0,1292
0,1515
0,1762
0,2033
0,2327
0,2643
0,2981
0,3336
0,3707
0,4090
0,4483
0,4880
0,0000
0,0001
0,0001
0,0001
0,0002
0,0003
0,0005
0,0006
0,0009
0,0013
0,0018
0,0024
0,0033
0,0044
0,0059
0,0078
0,0102
0,0132
0,0170
0,0217
0,0274
0,0344
0,0427
0,0526
0,0643
0,0778
0,0934
0,1112
0,1314
0,1539
0,1788
0,2061
0,2358
0,2676
0,3015
0,3372
0,3745
0,4129
0,4522
0,4920
0,0000
0,0001
0,0001
0,0002
0,0002
0,0003
0,0005
0,0007
0,0009
0,0013
0,0018
0,0025
0,0034
0,0045
0,0060
0,0080
0,0104
0,0136
0,0174
0,0222
0,0281
0,0351
0,0436
0,0537
0,0655
0,0793
0,0951
0,1131
0,1335
0,1562
0,1814
0,2090
0,2389
0,2709
0,3050
0,3409
0,3783
0,4168
0,4562
0,4960
0,0000
0,0001
0,0001
0,0002
0,0002
0,0003
0,0005
0,0007
0,0010
0,0013
0,0019
0,0026
0,0035
0,0047
0,0062
0,0082
0,0107
0,0139
0,0179
0,0228
0,0287
0,0359
0,0446
0,0548
0,0668
0,0808
0,0968
0,1151
0,1357
0,1587
0,1841
0,2119
0,2420
0,2743
0,3085
0,3446
0,3821
0,4207
0,4602
0,5000
0,0
0,1
0,2
0,3
0,4
0,5
0,6
0,7
0,8
0,9
1,0
1,1
1,2
1,3
1,4
1,5
1,6
1,7
1,8
1,9
2,0
2,1
2,2
2,3
2,4
2,5
2,6
2,7
2,8
2,9
3,0
3,1
3,2
3,3
3,4
3,5
3,6
3,7
3,8
3,9
0,5000
0,5398
0,5793
0,6179
0,6554
0,6915
0,7257
0,7580
0,7881
0,8159
0,8413
0,8643
0,8849
0,9032
0,9192
0,9332
0,9452
0,9554
0,9641
0,9713
0,9772
0,9821
0,9861
0,9893
0,9918
0,9938
0,9953
0,9965
0,9974
0,9981
0,9987
0,9990
0,9993
0,9995
0,9997
0,9998
0,9998
0,9999
0,9999
1,0000
0,5040
0,5438
0,5832
0,6217
0,6591
0,6950
0,7291
0,7611
0,7910
0,8186
0,8438
0,8665
0,8869
0,9049
0,9207
0,9345
0,9463
0,9564
0,9649
0,9719
0,9778
0,9826
0,9864
0,9896
0,9920
0,9940
0,9955
0,9966
0,9975
0,9982
0,9987
0,9991
0,9993
0,9995
0,9997
0,9998
0,9998
0,9999
0,9999
1,0000
0,5080
0,5478
0,5871
0,6255
0,6628
0,6985
0,7324
0,7642
0,7939
0,8212
0,8461
0,8686
0,8888
0,9066
0,9222
0,9357
0,9474
0,9573
0,9656
0,9726
0,9783
0,9830
0,9868
0,9898
0,9922
0,9941
0,9956
0,9967
0,9976
0,9982
0,9987
0,9991
0,9994
0,9995
0,9997
0,9998
0,9999
0,9999
0,9999
1,0000
0,5120
0,5517
0,5910
0,6293
0,6664
0,7019
0,7357
0,7673
0,7967
0,8238
0,8485
0,8708
0,8907
0,9082
0,9236
0,9370
0,9484
0,9582
0,9664
0,9732
0,9788
0,9834
0,9871
0,9901
0,9925
0,9943
0,9957
0,9968
0,9977
0,9983
0,9988
0,9991
0,9994
0,9996
0,9997
0,9998
0,9999
0,9999
0,9999
1,0000
0,5160
0,5557
0,5948
0,6331
0,6700
0,7054
0,7389
0,7704
0,7995
0,8264
0,8508
0,8729
0,8925
0,9099
0,9251
0,9382
0,9495
0,9591
0,9671
0,9738
0,9793
0,9838
0,9875
0,9904
0,9927
0,9945
0,9959
0,9969
0,9977
0,9984
0,9988
0,9992
0,9994
0,9996
0,9997
0,9998
0,9999
0,9999
0,9999
1,0000
0,5199
0,5596
0,5987
0,6368
0,6736
0,7088
0,7422
0,7734
0,8023
0,8289
0,8531
0,8749
0,8944
0,9115
0,9265
0,9394
0,9505
0,9599
0,9678
0,9744
0,9798
0,9842
0,9878
0,9906
0,9929
0,9946
0,9960
0,9970
0,9978
0,9984
0,9989
0,9992
0,9994
0,9996
0,9997
0,9998
0,9999
0,9999
0,9999
1,0000
0,5239
0,5636
0,6026
0,6406
0,6772
0,7123
0,7454
0,7764
0,8051
0,8315
0,8554
0,8770
0,8962
0,9131
0,9279
0,9406
0,9515
0,9608
0,9686
0,9750
0,9803
0,9846
0,9881
0,9909
0,9931
0,9948
0,9961
0,9971
0,9979
0,9985
0,9989
0,9992
0,9994
0,9996
0,9997
0,9998
0,9999
0,9999
0,9999
1,0000
0,5279
0,5675
0,6064
0,6443
0,6808
0,7157
0,7486
0,7794
0,8078
0,8340
0,8577
0,8790
0,8980
0,9147
0,9292
0,9418
0,9525
0,9616
0,9693
0,9756
0,9808
0,9850
0,9884
0,9911
0,9932
0,9949
0,9962
0,9972
0,9979
0,9985
0,9989
0,9992
0,9995
0,9996
0,9997
0,9998
0,9999
0,9999
0,9999
1,0000
0,5319
0,5714
0,6103
0,6480
0,6844
0,7190
0,7517
0,7823
0,8106
0,8365
0,8599
0,8810
0,8997
0,9162
0,9306
0,9429
0,9535
0,9625
0,9699
0,9761
0,9812
0,9854
0,9887
0,9913
0,9934
0,9951
0,9963
0,9973
0,9980
0,9986
0,9990
0,9993
0,9995
0,9996
0,9997
0,9998
0,9999
0,9999
0,9999
1,0000
0,5359
0,5753
0,6141
0,6517
0,6879
0,7224
0,7549
0,7852
0,8133
0,8389
0,8621
0,8830
0,9015
0,9177
0,9319
0,9441
0,9545
0,9633
0,9706
0,9767
0,9817
0,9857
0,9890
0,9916
0,9936
0,9952
0,9964
0,9974
0,9981
0,9986
0,9990
0,9993
0,9995
0,9997
0,9998
0,9998
0,9999
0,9999
0,9999
1,0000
GL
Nvel de significncia
- alfa
0,250
0,100
0,050
0,025
0,010
0,005
1
2
3
4
5
6
1,000
0,816
0,765
0,741
0,727
0,718
3,078
1,886
1,638
1,533
1,476
1,440
6,314
2,920
2,353
2,132
2,015
1,943
12,706
4,303
3,182
2,776
2,571
2,447
31,821
6,965
4,541
3,747
3,365
3,143
63,656
9,925
5,841
4,604
4,032
3,707
7
8
9
10
11
0,711
0,706
0,703
0,700
0,697
1,415
1,397
1,383
1,372
1,363
1,895
1,860
1,833
1,812
1,796
2,365
2,306
2,262
2,228
2,201
2,998
2,896
2,821
2,764
2,718
3,499
3,355
3,250
3,169
3,106
12
13
14
15
16
0,695
0,694
0,692
0,691
0,690
1,356
1,350
1,345
1,341
1,337
1,782
1,771
1,761
1,753
1,746
2,179
2,160
2,145
2,131
2,120
2,681
2,650
2,624
2,602
2,583
3,055
3,012
2,977
2,947
2,921
17
18
19
20
21
0,689
0,688
0,688
0,687
0,686
1,333
1,330
1,328
1,325
1,323
1,740
1,734
1,729
1,725
1,721
2,110
2,101
2,093
2,086
2,080
2,567
2,552
2,539
2,528
2,518
2,898
2,878
2,861
2,845
2,831
22
23
24
25
26
0,686
0,685
0,685
0,684
0,684
1,321
1,319
1,318
1,316
1,315
1,717
1,714
1,711
1,708
1,706
2,074
2,069
2,064
2,060
2,056
2,508
2,500
2,492
2,485
2,479
2,819
2,807
2,797
2,787
2,779
27
28
29
inf
0,684
0,683
0,683
0,674
1,314
1,313
1,311
1,282
1,703
1,701
1,699
1,645
2,052
2,048
2,045
1,960
2,473
2,467
2,462
2,326
2,771
2,763
2,756
2,576
GL
Nvelde
significncia - alfa
0,995
0,990
0,975
0,950
0,900
0,010
0,050
0,025
0,010
0,005
1
2
3
4
5
6
0,0000
0,010
0,072
0,207
0,412
0,676
0,0002
0,020
0,115
0,297
0,554
0,872
0,0010
0,051
0,216
0,484
0,831
1,237
0,0039
0,103
0,352
0,711
1,145
1,635
0,016
0,211
0,584
1,064
1,610
2,204
6,635
9,210
11,345
13,277
15,086
16,812
3,841
5,991
7,815
9,488
11,070
12,592
5,024
7,378
9,348
11,143
12,832
14,449
6,635
9,210
11,345
13,277
15,086
16,812
7,879
10,597
12,838
14,860
16,750
18,548
7
8
9
10
11
0,989
1,344
1,735
2,156
2,603
1,239
1,647
2,088
2,558
3,053
1,690
2,180
2,700
3,247
3,816
2,167
2,733
3,325
3,940
4,575
2,833
3,490
4,168
4,865
5,578
18,475
20,090
21,666
23,209
24,725
14,067
15,507
16,919
18,307
19,675
16,013
17,535
19,023
20,483
21,920
18,475
20,090
21,666
23,209
24,725
20,278
21,955
23,589
25,188
26,757
12
13
14
15
16
3,074
3,565
4,075
4,601
5,142
3,571
4,107
4,660
5,229
5,812
4,404
5,009
5,629
6,262
6,908
5,226
5,892
6,571
7,261
7,962
6,304
7,041
7,790
8,547
9,312
26,217
27,688
29,141
30,578
32,000
21,026
22,362
23,685
24,996
26,296
23,337
24,736
26,119
27,488
28,845
26,217
27,688
29,141
30,578
32,000
28,300
29,819
31,319
32,801
34,267
17
18
19
20
21
5,697
6,265
6,844
7,434
8,034
6,408
7,015
7,633
8,260
8,897
7,564
8,231
8,907
9,591
10,283
8,672
9,390
10,117
10,851
11,591
10,085
10,865
11,651
12,443
13,240
33,409
34,805
36,191
37,566
38,932
27,587
28,869
30,144
31,410
32,671
30,191
31,526
32,852
34,170
35,479
33,409
34,805
36,191
37,566
38,932
35,718
37,156
38,582
39,997
41,401
22
23
24
25
26
8,643
9,260
9,886
10,520
11,160
9,542
10,196
10,856
11,524
12,198
10,982
11,689
12,401
13,120
13,844
12,338
13,091
13,848
14,611
15,379
14,041
14,848
15,659
16,473
17,292
40,289
41,638
42,980
44,314
45,642
33,924
35,172
36,415
37,652
38,885
36,781
38,076
39,364
40,646
41,923
40,289
41,638
42,980
44,314
45,642
42,796
44,181
45,558
46,928
48,290
27
28
29
30
11,808
12,461
13,121
13,787
12,878
13,565
14,256
14,953
14,573
15,308
16,047
16,791
16,151
16,928
17,708
18,493
18,114
18,939
19,768
20,599
46,963
48,278
49,588
50,892
40,113
41,337
42,557
43,773
43,195
44,461
45,722
46,979
46,963
48,278
49,588
50,892
49,645
50,994
52,335
53,672
161,4
18,51
10,13
7,71
6,61
5,99
199,5
19,00
9,55
6,94
5,79
5,14
215,7
19,16
9,28
6,59
5,41
4,76
224,6
19,25
9,12
6,39
5,19
4,53
230,2
19,30
9,01
6,26
5,05
4,39
234,0
19,33
8,94
6,16
4,95
4,28
236,8
19,35
8,89
6,09
4,88
4,21
238,9
19,37
8,85
6,04
4,82
4,15
7
8
9
10
11
5,59
5,32
5,12
4,96
4,84
4,74
4,46
4,26
4,10
3,98
4,35
4,07
3,86
3,71
3,59
4,12
3,84
3,63
3,48
3,36
3,97
3,69
3,48
3,33
3,20
3,87
3,58
3,37
3,22
3,09
3,79
3,50
3,29
3,14
3,01
12
13
14
15
16
4,75
4,67
4,60
4,54
4,49
3,89
3,81
3,74
3,68
3,63
3,49
3,41
3,34
3,29
3,24
3,26
3,18
3,11
3,06
3,01
3,11
3,03
2,96
2,90
2,85
3,00
2,92
2,85
2,79
2,74
17
18
19
20
21
4,45
4,41
4,38
4,35
4,32
3,59
3,55
3,52
3,49
3,47
3,20
3,16
3,13
3,10
3,07
2,96
2,93
2,90
2,87
2,84
2,81
2,77
2,74
2,71
2,68
22
23
24
25
26
4,30
4,28
4,26
4,24
4,23
3,44
3,42
3,40
3,39
3,37
3,05
3,03
3,01
2,99
2,98
2,82
2,80
2,78
2,76
2,74
27
28
29
30
40
4,21
4,20
4,18
4,17
4,08
3,35
3,34
3,33
3,32
3,23
2,96
2,95
2,93
2,92
2,84
60
80
100
500
4,00
3,96
3,94
3,86
3,15
3,11
3,09
3,01
2,76
2,72
2,70
2,62
n2
1
2
3
4
5
6
10
12
15
20
30
40
60
120
500
240,5
19,38
8,81
6,00
4,77
4,10
n1
n2
1
2
3
4
5
6
241,9
19,40
8,79
5,96
4,74
4,06
243,9
19,41
8,74
5,91
4,68
4,00
245,9
19,43
8,70
5,86
4,62
3,94
248,0
19,45
8,66
5,80
4,56
3,87
250,1
19,46
8,62
5,75
4,50
3,81
251,1
19,47
8,59
5,72
4,46
3,77
252,2
19,48
8,57
5,69
4,43
3,74
253,3
19,49
8,55
5,66
4,40
3,70
254,1
19,49
8,53
5,64
4,37
3,68
3,73
3,44
3,23
3,07
2,95
3,68
3,39
3,18
3,02
2,90
7
8
9
10
11
3,64
3,35
3,14
2,98
2,85
3,57
3,28
3,07
2,91
2,79
3,51
3,22
3,01
2,85
2,72
3,44
3,15
2,94
2,77
2,65
3,38
3,08
2,86
2,70
2,57
3,34
3,04
2,83
2,66
2,53
3,30
3,01
2,79
2,62
2,49
3,27
2,97
2,75
2,58
2,45
3,24
2,94
2,72
2,55
2,42
2,91
2,83
2,76
2,71
2,66
2,85
2,77
2,70
2,64
2,59
2,80
2,71
2,65
2,59
2,54
12
13
14
15
16
2,75
2,67
2,60
2,54
2,49
2,69
2,60
2,53
2,48
2,42
2,62
2,53
2,46
2,40
2,35
2,54
2,46
2,39
2,33
2,28
2,47
2,38
2,31
2,25
2,19
2,43
2,34
2,27
2,20
2,15
2,38
2,30
2,22
2,16
2,11
2,34
2,25
2,18
2,11
2,06
2,31
2,22
2,14
2,08
2,02
2,70
2,66
2,63
2,60
2,57
2,61
2,58
2,54
2,51
2,49
2,55
2,51
2,48
2,45
2,42
2,49
2,46
2,42
2,39
2,37
17
18
19
20
21
2,45
2,41
2,38
2,35
2,32
2,38
2,34
2,31
2,28
2,25
2,31
2,27
2,23
2,20
2,18
2,23
2,19
2,16
2,12
2,10
2,15
2,11
2,07
2,04
2,01
2,10
2,06
2,03
1,99
1,96
2,06
2,02
1,98
1,95
1,92
2,01
1,97
1,93
1,90
1,87
1,97
1,93
1,89
1,86
1,83
2,66
2,64
2,62
2,60
2,59
2,55
2,53
2,51
2,49
2,47
2,46
2,44
2,42
2,40
2,39
2,40
2,37
2,36
2,34
2,32
2,34
2,32
2,30
2,28
2,27
22
23
24
25
26
2,30
2,27
2,25
2,24
2,22
2,23
2,20
2,18
2,16
2,15
2,15
2,13
2,11
2,09
2,07
2,07
2,05
2,03
2,01
1,99
1,98
1,96
1,94
1,92
1,90
1,94
1,91
1,89
1,87
1,85
1,89
1,86
1,84
1,82
1,80
1,84
1,81
1,79
1,77
1,75
1,80
1,77
1,75
1,73
1,71
2,73
2,71
2,70
2,69
2,61
2,57
2,56
2,55
2,53
2,45
2,46
2,45
2,43
2,42
2,34
2,37
2,36
2,35
2,33
2,25
2,31
2,29
2,28
2,27
2,18
2,25
2,24
2,22
2,21
2,12
27
28
29
30
40
2,20
2,19
2,18
2,16
2,08
2,13
2,12
2,10
2,09
2,00
2,06
2,04
2,03
2,01
1,92
1,97
1,96
1,94
1,93
1,84
1,88
1,87
1,85
1,84
1,74
1,84
1,82
1,81
1,79
1,69
1,79
1,77
1,75
1,74
1,64
1,73
1,71
1,70
1,68
1,58
1,69
1,67
1,65
1,64
1,53
2,53
2,49
2,46
2,39
2,37
2,33
2,31
2,23
2,25
2,21
2,19
2,12
2,17
2,13
2,10
2,03
2,10
2,06
2,03
1,96
2,04
2,00
1,97
1,90
60
80
100
500
1,99
1,95
1,93
1,85
1,92
1,88
1,85
1,77
1,84
1,79
1,77
1,69
1,75
1,70
1,68
1,59
1,65
1,60
1,57
1,48
1,59
1,54
1,52
1,42
1,53
1,48
1,45
1,35
1,47
1,41
1,38
1,26
1,41
1,35
1,31
1,16
647,8
38,51
17,44
12,22
10,01
8,81
799,5
39,00
16,04
10,65
8,43
7,26
864,2
39,17
15,44
9,98
7,76
6,60
899,6
39,25
15,10
9,60
7,39
6,23
921,8
39,30
14,88
9,36
7,15
5,99
937,1
39,33
14,73
9,20
6,98
5,82
948,2
39,36
14,62
9,07
6,85
5,70
956,6
39,37
14,54
8,98
6,76
5,60
7
8
9
10
11
8,07
7,57
7,21
6,94
6,72
6,54
6,06
5,71
5,46
5,26
5,89
5,42
5,08
4,83
4,63
5,52
5,05
4,72
4,47
4,28
5,29
4,82
4,48
4,24
4,04
5,12
4,65
4,32
4,07
3,88
4,99
4,53
4,20
3,95
3,76
12
13
14
15
16
6,55
6,41
6,30
6,20
6,12
5,10
4,97
4,86
4,77
4,69
4,47
4,35
4,24
4,15
4,08
4,12
4,00
3,89
3,80
3,73
3,89
3,77
3,66
3,58
3,50
3,73
3,60
3,50
3,41
3,34
17
18
19
20
21
6,04
5,98
5,92
5,87
5,83
4,62
4,56
4,51
4,46
4,42
4,01
3,95
3,90
3,86
3,82
3,66
3,61
3,56
3,51
3,48
3,44
3,38
3,33
3,29
3,25
22
23
24
25
26
5,79
5,75
5,72
5,69
5,66
4,38
4,35
4,32
4,29
4,27
3,78
3,75
3,72
3,69
3,67
3,44
3,41
3,38
3,35
3,33
27
28
29
30
40
5,63
5,61
5,59
5,57
5,42
4,24
4,22
4,20
4,18
4,05
3,65
3,63
3,61
3,59
3,46
60
80
100
500
5,29
5,22
5,18
5,05
3,93
3,86
3,83
3,72
3,34
3,28
3,25
3,14
n2
1
2
3
4
5
6
10
12
15
20
30
40
60
120
500
963,3
39,39
14,47
8,90
6,68
5,52
n1
n2
1
2
3
4
5
6
968,6
39,40
14,42
8,84
6,62
5,46
976,7
39,41
14,34
8,75
6,52
5,37
984,9
39,43
14,25
8,66
6,43
5,27
993,1
39,45
14,17
8,56
6,33
5,17
1001,4
39,46
14,08
8,46
6,23
5,07
1005,6
39,47
14,04
8,41
6,18
5,01
1009,8
39,48
13,99
8,36
6,12
4,96
1014,0
39,49
13,95
8,31
6,07
4,90
1017,2
39,50
13,91
8,27
6,03
4,86
4,90
4,43
4,10
3,85
3,66
4,82
4,36
4,03
3,78
3,59
7
8
9
10
11
4,76
4,30
3,96
3,72
3,53
4,67
4,20
3,87
3,62
3,43
4,57
4,10
3,77
3,52
3,33
4,47
4,00
3,67
3,42
3,23
4,36
3,89
3,56
3,31
3,12
4,31
3,84
3,51
3,26
3,06
4,25
3,78
3,45
3,20
3,00
4,20
3,73
3,39
3,14
2,94
4,16
3,68
3,35
3,09
2,90
3,61
3,48
3,38
3,29
3,22
3,51
3,39
3,29
3,20
3,12
3,44
3,31
3,21
3,12
3,05
12
13
14
15
16
3,37
3,25
3,15
3,06
2,99
3,28
3,15
3,05
2,96
2,89
3,18
3,05
2,95
2,86
2,79
3,07
2,95
2,84
2,76
2,68
2,96
2,84
2,73
2,64
2,57
2,91
2,78
2,67
2,59
2,51
2,85
2,72
2,61
2,52
2,45
2,79
2,66
2,55
2,46
2,38
2,74
2,61
2,50
2,41
2,33
3,28
3,22
3,17
3,13
3,09
3,16
3,10
3,05
3,01
2,97
3,06
3,01
2,96
2,91
2,87
2,98
2,93
2,88
2,84
2,80
17
18
19
20
21
2,92
2,87
2,82
2,77
2,73
2,82
2,77
2,72
2,68
2,64
2,72
2,67
2,62
2,57
2,53
2,62
2,56
2,51
2,46
2,42
2,50
2,44
2,39
2,35
2,31
2,44
2,38
2,33
2,29
2,25
2,38
2,32
2,27
2,22
2,18
2,32
2,26
2,20
2,16
2,11
2,26
2,20
2,15
2,10
2,06
3,22
3,18
3,15
3,13
3,10
3,05
3,02
2,99
2,97
2,94
2,93
2,90
2,87
2,85
2,82
2,84
2,81
2,78
2,75
2,73
2,76
2,73
2,70
2,68
2,65
22
23
24
25
26
2,70
2,67
2,64
2,61
2,59
2,60
2,57
2,54
2,51
2,49
2,50
2,47
2,44
2,41
2,39
2,39
2,36
2,33
2,30
2,28
2,27
2,24
2,21
2,18
2,16
2,21
2,18
2,15
2,12
2,09
2,14
2,11
2,08
2,05
2,03
2,08
2,04
2,01
1,98
1,95
2,02
1,99
1,95
1,92
1,90
3,31
3,29
3,27
3,25
3,13
3,08
3,06
3,04
3,03
2,90
2,92
2,90
2,88
2,87
2,74
2,80
2,78
2,76
2,75
2,62
2,71
2,69
2,67
2,65
2,53
2,63
2,61
2,59
2,57
2,45
27
28
29
30
40
2,57
2,55
2,53
2,51
2,39
2,47
2,45
2,43
2,41
2,29
2,36
2,34
2,32
2,31
2,18
2,25
2,23
2,21
2,20
2,07
2,13
2,11
2,09
2,07
1,94
2,07
2,05
2,03
2,01
1,88
2,00
1,98
1,96
1,94
1,80
1,93
1,91
1,89
1,87
1,72
1,87
1,85
1,83
1,81
1,66
3,01
2,95
2,92
2,81
2,79
2,73
2,70
2,59
2,63
2,57
2,54
2,43
2,51
2,45
2,42
2,31
2,41
2,35
2,32
2,22
2,33
2,28
2,24
2,14
60
80
100
500
2,27
2,21
2,18
2,07
2,17
2,11
2,08
1,97
2,06
2,00
1,97
1,86
1,94
1,88
1,85
1,74
1,82
1,75
1,71
1,60
1,74
1,68
1,64
1,52
1,67
1,60
1,56
1,42
1,58
1,51
1,46
1,31
1,51
1,43
1,38
1,19
Nvel de significncia
- alfa =
n1 10
12
15
20
0,01
5
n2
1
2
3
4
5
6
4052
98,50
34,12
21,20
16,26
13,75
4999
99,00
30,82
18,00
13,27
10,92
5404
99,16
29,46
16,69
12,06
9,78
5624
99,25
28,71
15,98
11,39
9,15
5764
99,30
28,24
15,52
10,97
8,75
5859
99,33
27,91
15,21
10,67
8,47
5928
99,36
27,67
14,98
10,46
8,26
5981
99,38
27,49
14,80
10,29
8,10
7
8
9
10
11
12,25
11,26
10,56
10,04
9,65
9,55
8,65
8,02
7,56
7,21
8,45
7,59
6,99
6,55
6,22
7,85
7,01
6,42
5,99
5,67
7,46
6,63
6,06
5,64
5,32
7,19
6,37
5,80
5,39
5,07
6,99
6,18
5,61
5,20
4,89
12
13
14
15
16
9,33
9,07
8,86
8,68
8,53
6,93
6,70
6,51
6,36
6,23
5,95
5,74
5,56
5,42
5,29
5,41
5,21
5,04
4,89
4,77
5,06
4,86
4,69
4,56
4,44
4,82
4,62
4,46
4,32
4,20
17
18
19
20
21
8,40
8,29
8,18
8,10
8,02
6,11
6,01
5,93
5,85
5,78
5,19
5,09
5,01
4,94
4,87
4,67
4,58
4,50
4,43
4,37
4,34
4,25
4,17
4,10
4,04
22
23
24
25
26
7,95
7,88
7,82
7,77
7,72
5,72
5,66
5,61
5,57
5,53
4,82
4,76
4,72
4,68
4,64
4,31
4,26
4,22
4,18
4,14
27
28
29
30
40
7,68
7,64
7,60
7,56
7,31
5,49
5,45
5,42
5,39
5,18
4,60
4,57
4,54
4,51
4,31
60
80
100
500
7,08
6,96
6,90
6,69
4,98
4,88
4,82
4,65
4,13
4,04
3,98
3,82
0,01
30
40
60
120
500
6209
99,45
26,69
14,02
9,55
7,40
6260
99,47
26,50
13,84
9,38
7,23
6286
99,48
26,41
13,75
9,29
7,14
6313
99,48
26,32
13,65
9,20
7,06
6340
99,49
26,22
13,56
9,11
6,97
6360
99,50
26,15
13,49
9,04
6,90
6,31
5,52
4,96
4,56
4,25
6,16
5,36
4,81
4,41
4,10
5,99
5,20
4,65
4,25
3,94
5,91
5,12
4,57
4,17
3,86
5,82
5,03
4,48
4,08
3,78
5,74
4,95
4,40
4,00
3,69
5,67
4,88
4,33
3,93
3,62
4,16
3,96
3,80
3,67
3,55
4,01
3,82
3,66
3,52
3,41
3,86
3,66
3,51
3,37
3,26
3,70
3,51
3,35
3,21
3,10
3,62
3,43
3,27
3,13
3,02
3,54
3,34
3,18
3,05
2,93
3,45
3,25
3,09
2,96
2,84
3,38
3,19
3,03
2,89
2,78
3,59
3,51
3,43
3,37
3,31
3,46
3,37
3,30
3,23
3,17
3,31
3,23
3,15
3,09
3,03
3,16
3,08
3,00
2,94
2,88
3,00
2,92
2,84
2,78
2,72
2,92
2,84
2,76
2,69
2,64
2,83
2,75
2,67
2,61
2,55
2,75
2,66
2,58
2,52
2,46
2,68
2,59
2,51
2,44
2,38
22
23
24
25
26
3,26
3,21
3,17
3,13
3,09
3,12
3,07
3,03
2,99
2,96
2,98
2,93
2,89
2,85
2,81
2,83
2,78
2,74
2,70
2,66
2,67
2,62
2,58
2,54
2,50
2,58
2,54
2,49
2,45
2,42
2,50
2,45
2,40
2,36
2,33
2,40
2,35
2,31
2,27
2,23
2,33
2,28
2,24
2,19
2,16
3,15
3,12
3,09
3,07
2,89
27
28
29
30
40
3,06
3,03
3,00
2,98
2,80
2,93
2,90
2,87
2,84
2,66
2,78
2,75
2,73
2,70
2,52
2,63
2,60
2,57
2,55
2,37
2,47
2,44
2,41
2,39
2,20
2,38
2,35
2,33
2,30
2,11
2,29
2,26
2,23
2,21
2,02
2,20
2,17
2,14
2,11
1,92
2,12
2,09
2,06
2,03
1,83
2,72
2,64
2,59
2,44
60
80
100
500
2,63
2,55
2,50
2,36
2,50
2,42
2,37
2,22
2,35
2,27
2,22
2,07
2,20
2,12
2,07
1,92
2,03
1,94
1,89
1,74
1,94
1,85
1,80
1,63
1,84
1,75
1,69
1,52
1,73
1,63
1,57
1,38
1,63
1,53
1,47
1,23
6022
99,39
27,34
14,66
10,16
7,98
n2
1
2
3
4
5
6
6056
99,40
27,23
14,55
10,05
7,87
6107
99,42
27,05
14,37
9,89
7,72
6157
99,43
26,87
14,20
9,72
7,56
6,84
6,03
5,47
5,06
4,74
6,72
5,91
5,35
4,94
4,63
7
8
9
10
11
6,62
5,81
5,26
4,85
4,54
6,47
5,67
5,11
4,71
4,40
4,64
4,44
4,28
4,14
4,03
4,50
4,30
4,14
4,00
3,89
4,39
4,19
4,03
3,89
3,78
12
13
14
15
16
4,30
4,10
3,94
3,80
3,69
4,10
4,01
3,94
3,87
3,81
3,93
3,84
3,77
3,70
3,64
3,79
3,71
3,63
3,56
3,51
3,68
3,60
3,52
3,46
3,40
17
18
19
20
21
3,99
3,94
3,90
3,85
3,82
3,76
3,71
3,67
3,63
3,59
3,59
3,54
3,50
3,46
3,42
3,45
3,41
3,36
3,32
3,29
3,35
3,30
3,26
3,22
3,18
4,11
4,07
4,04
4,02
3,83
3,78
3,75
3,73
3,70
3,51
3,56
3,53
3,50
3,47
3,29
3,39
3,36
3,33
3,30
3,12
3,26
3,23
3,20
3,17
2,99
3,65
3,56
3,51
3,36
3,34
3,26
3,21
3,05
3,12
3,04
2,99
2,84
2,95
2,87
2,82
2,68
2,82
2,74
2,69
2,55