Apostila Curso Minitab - Werkema PDF

Bem - vindo!
Bem-vindo ao Treinamento do Software

Minitab oferecido pela Werkema Consultores.
Seis Sigma Ns estamos aqui para aprender mais sobre:
Introduo ao Software Minitab
Operaes com Arquivos
Operaes com Banco de Dados.
Estatsticas Bsicas.
Cartas de Controle.
Capacidade de Processos.
Anlise de Regresso.
Avaliao de Sistemas de Medio.
Testes de Hipteses.
Anlise de Varincia.
Planejamento de Experimentos.
Treinamento MINITAB 15
Bsico e Intermedirio
ndice
Captulos Mdulo Bsico
1 Introduo ao Software Minitab 03
2 Operaes com Arquivos 21
3 Operaes com Banco de Dados 47
4 Estatsticas Bsicas 125
5 Cartas de Controle 209
6 Capacidade de Processos 267
7 Anlise de Regresso 297
8 Avaliao de Sistemas de Medio 317
Mdulo Intermedirio
9 Testes de Hipteses 341
10 Anlise de Varincia 367
11 Planejamento de Experimentos 383

Captulo 1
Introduo ao Software Minitab
WERKEMA
Consultores
Ao final deste captulo voc ser capaz de: Identificar os diferentes itens do MINITAB, suas
diversas janelas, o ambiente de trabalho, o menu, a barras de ferramentas, o gerenciador de janelas
e os tipos de dados mais comuns.
1.1 - Iniciando o MINITAB
Para iniciar um trabalho no MINITAB, voc tem duas opes:
1.a opo:
Localize e selecione com um duplo clique o cone do MINITAB 15 for Windows.
MINITAB
2.a opo:
Na Barra de Tarefas, selecione Iniciar > Programas > MINITAB 15 for Windows >
MINITAB 15.
1.2 - Terminando um projeto no MINITAB
Para sair do MINITAB, selecione a opo File > Exit.
1.3 - Conhea um pouco de sua estrutura
Um arquivo de projeto do MINITAB contm 7 janelas que so essenciais para a utilizao do

software. A funo de cada janela est descrita a seguir:
Worksheet
uma janela composta por uma planilha eletrnica dividida em linhas e colunas. Nela estaro
contidos os dados que sero analisados.
Um projeto do MINITAB pode possuir diversas Worksheets.
Apesar de bastante similar s planilhas eletrnicas do Excel , as Worksheets do MINITAB no
permitem a insero de frmulas e a ferramenta de auto-completar (arrastar) tem seu uso
restrito.
Uma Worksheet pode conter 4.000 colunas e aproximadamente 10.000.000 de linhas
(dependendo da quantidade de memria do computador).
3
Curso de Minitab
Figura 1.1: A janela Worksheet
Session
Tambm chamada de janela de sesso. Nela possvel visualizar em formato de texto os resultados
das anlises estatsticas realizadas pelo MINITAB .
Figura 1.2: A janela Session

Graph
a janela de exibio grfica do software onde podemos visualizar os grficos construdos.
Em um mesmo projeto do MINITAB podemos manter abertos simultaneamente uma quantidade
mxima de 200 grficos.
Figura 1.3: A janela Graph

4
Copyright 2006 Werkema Editora
Info
Esta janela mostra, de forma reduzida, informaes contidas em cada uma das planilhas do projeto.
Figura 1.4: A janela Info
History
uma janela que contm o histrico do projeto, isto , registra todos os comandos executados
pelo usurio.
Estes comandos podem ser re-executados desde que copiados desta janela para a opo Comand
Line Editor (esta funcionalidade ser ensinada nos captulos posteriores).
5
Curso de Minitab
Figura 1.5: A janela History
Report Pad:
Esta janela funciona como um editor de textos e pode ser utilizada para confeco de relatrios
funcionando como um caderno de anotaes.
Nela possvel adicionar grficos, anlises estatsticas e comentrios. Promovendo assim, um
relatrio prtico, rpido e completo.
O relatrtio confeccionado pode ser salvo com a extenso .RTF (Rich Text Format) e
posteriormente poder ser aberto pelo word.
6
Figura 1.6: A janela Report Pad
Project Manager
Esta janela gerencia os projetos disponibilizando um acesso fcil e rpido a todas outras janelas
abertas.
A organizao desta janela feita atravs de pastas estruturadas em formato de rvore.
7
Curso de Minitab
Figura 1.7: A janela Project Manager
Quando um arquivo de projeto ou um projeto salvo no MINITAB, as informaes contidas

em todas as janelas so automaticamente salvas.
8
1.4 - Como inserir dados em uma planilha do MINITAB
Para digitar dados em uma planilha do MINITAB, siga os seguintes procedimentos:

1. Maximize a janela Worksheet , caso deseje ter uma visualizao melhor da planilha.
2. Posicione o cursor na linha 1 da coluna C1.
3. Digite os dados desejados, pressionando Enter quando desejar mudar de clula.
Cada varivel representada por uma coluna de clulas.
Existem trs tipos de formato para os dados:

Numricos: So dados de formato numrico. Podem ser nmeros inteiros (Ex: 10; 2; 5; 7),
fracionados (Ex: 2,54; 3,15; 2,145) ou na escala cientfica (Ex: 1 e+01; 1,23 e+02; 2,3 e-01).
Texto: So dados em formato de texto (Ex: Mquina I; Mquina II; Mquina III).
Data/hora: So dados em formato de data (Ex: 12/01/1980; 12/03; Setembro) ou hora (Ex:
12:59; 23:50:12; 21:00).
Se os dados no so numricos o MINITAB identifica o formato dos dados da coluna e mostra no

topo da coluna uma identificao. Quando os dados so de data/hora mostrada a letra D e quando
so dados de texto mostrada a letra T.
O MINITAB dispe de comandos especficos para a leitura de arquivos de dados. Maiores detalhes
sobre este comando sero apresentados no Captulo 2.
De acordo com o procedimento anterior, digite os seguintes dados e veja o que acontece!!!
Tabela 1: Exemplo de diferentes formatos de dados no MINITAB
Nome Altura Data de Nascimento
Frederico 1,70 04/05/1980

Paulo 1,75 10/02/1977
Renato 1,68 08/10/1950
Pedro 1,73 23/12/1965
9
Curso de Minitab
Confira o resultado:
Figura 1.8: Exemplo da formatao dos dados no MINITAB
1.5 - cones de Atalhos
O objetivo desta sesso apresentar os cones de atalho disponveis na maioria das janelas do
MINITAB. Alguns cones de atalho mais especficos no sero abordados nesta sesso.
O MINITAB apresenta diversos cones de atalho em sua barra de ferramentas. Alguns destes cones
de atalho j so bem conhecidos pela similaridade com outros softwares, outros nem tanto.
A barra de atalhos do MINITAB possui o seguinte formato:
A seguir apresentado cada cone de atalho e suas respectivas funes:
10
1.5.1 - cones comuns maioria dos softwares
O MINITAB, assim como a maioria dos softwares disponibiliza, dentre seus cones de atalho, os
seguintes comandos:
Abrir: Permite que um projeto escolhido seja aberto (Worksheets no podem ser abertas atravs
deste cone)
Salvar: Salva o projeto corrente com o nome que ele j possui. Caso ele ainda no possua nome,
uma janela ser aberta para que o nome do projeto e sua pasta no computador sejam escolhidos.
Imprimir: Imprime a janela que estiver ativa dentre Session, Worksheet. Graph, Info, History e
Report Pad.
Recortar: Recorta itens ou textos selecionados, retirando-os do local onde estavam e colocando-os
na rea de transferncia do computador.
Copiar: Copia itens ou textos selecionados, mantendo-os do local onde estavam e colocando-os
na rea de transferncia do computador.
Colar: Transfere para a posio selecionada os itens ou textos existentes na rea de transferncia do
computador.
Desfazer: Permite que o ltimo, e somente o ltimo, comando realizado seja desfeito. Ao ser clicado
pela segunda vez, este comando refaz o comando que ele havia acabado de desfazer.
Refazer: Permite que o ltimo, e somente o ltimo, comando desfeito seja refeito.
11
Curso de Minitab
1.5.2 - cones comuns ao MINITAB
Edit Last Dialog: mostra a ltima caixa de dilogo utilizada pelo MINITAB.
Comando Anterior: Localiza na janela Session o comando realizado anterior aquele ponto.
Prximo comando: Localiza na janela Session o comando realizado posterior aquele ponto.
Localizao Rpida: Localiza o objeto de interesse na janela habilitada.
Procurar Prxima: Localiza o prximo objeto de interesse na janela habilitada.
Cancelar: Aborta a execuo de macros.
Ajuda: Disponibiliza informaes sobre os tpicos de ajuda escolhidos pelo usurio.
StatGuide: Guia de informaes estatsticas. Mostra a interpretao da sada e da anlise estatstica

realizada pelo software.
Janela Session: Coloca a janela Session como janela ativa.
Janela de Dados Correntes: Coloca a Worksheet como janela ativa.
Janela Project Manager: Apresenta a janela Project Manager esquerda da tela corrente.
Fechar Todos os Grficos: Fecha todos os grficos existente no projeto. Uma vez fechados, estes
grficos no podem ser recuperados.
12
1.5.3 - Como utilizar o Project Manager
O Project Manager funciona como um gerenciador de arquivos disponibilizando um acesso fcil

todos os componentes do projeto, organizando-o na estrutura de rvore.
Com esta ferramenta, cada cone apresentado a seguir representa uma pasta de trabalho, de forma
que seu uso fica bastante simplificado. A janela Project Manager sempre mostrada esquerda da
tela, e do lado direito mostra-se a janela selecionada.
Para visualizar a utilizao dessa ferramenta, abra o arquivo Descrio do Minitab.MPJ.
Mostrar Pasta de Trabalho Session : Na janela Project Manager, aparecer um resumo de todos os
comandos executados. Na janela Session aparecero todas as respostas no grficas do MINITAB.
Mostrar Pasta de Trabalho Worksheet: Na janela Project Manager, aparecer o nome de todas as
Worksheets existentes no projeto. Na janela Worksheet aparecer a planilha selecionada pelo usurio.
13
Curso de Minitab
Mostrar Pasta de Trabalho Graph: Na janela Project Manager, aparecero todos os grficos
existentes no projeto. Na janela Graph aparecer o grfico selecionado pelo usurio.
14
Mostrar Pasta de Trabalho Info: Na janela Project Manager aparecero informaes sobre as
colunas da Worksheet e ao lado aparecer a Worksheet selecionada pelo usurio.
Mostrar Pasta de Trabalho History: Na janela Project Manager, aparecero todas as pastas do
projeto. Na janela History aparecero os comando na linguagem de programao que o MINITAB
utiliza para executar suas operaes e macros.
15
Curso de Minitab
Mostrar Pasta de Trabalho Report Pad: Na janela Project Manager, aparecero todas as pastas do
projeto. Na janela Report Pad aparecer um pgina de edio de texto na qual o usurio poder
escrever o seu relatrio.
16
Mostrar tens relacionados: Na janela Project Manager, aparecero todas as pastas do projeto, na
janela Related Documents mostra todos os itens relacionados (links) por ventura existentes no
projeto.
Mostrar matriz de Planejamento: Na janela Project Manager aparecero todas as pastas do projeto.
Na janela Show Design aparecero informaes sobre o ltimo experimento planejado no MINITAB,
ou aquele que se encontre em uma Worksheet pr-selecionada.
17
Curso de Minitab
18
Captulo 2
Operaes com Arquivos
WERKEMA
Consultores
Ao final deste captulo voc ser capaz de: reconhecer e utilizar os tipos de arquivo mais
usados no software, abrir arquivos de outros programas e configurar o software para impresso
de diferentes janelas.
O menu File nos permite abrir, fechar, imprimir e executar diversos tipos de arquivos e comandos.
Este menu se subdivide em diversas partes e esta subdiviso est relacionada aos dois principais tipos
de arquivos disponveis no MINITAB; os de extenso MPJ (MINITAB Project) e os de extenso
MTW (MINITAB Worksheet).
2.1 - Criando Projetos e Planilhas
O comando New nos permite iniciar dois tipos de arquivo. Os arquivos de projeto e os arquivos de
Worksheet. Para selecion-los escolha a opo File > New...;
Figura 2.1: O comando New
A escolha do arquivo que ser aberto dever ser feita na seguinte janela:
21
Curso de Minitab
MINITAB Worksheet: Cria uma nova planilha de dados dentro de um projeto j existente;
MINITAB Project: Cria um novo projeto (arquivo com uma ou mais planilhas de dados, grficos,
etc).
2.2 - Arquivos de projeto
Arquivos de extenso MPJ so denominados projetos e englobam diversos itens, entre eles: grficos,
relatrios, planilhas de dados etc... Para melhor entender esta estrutura observe o exemplo:
Exemplo 2.1
Um contador havia concludo a anlise anual de um de seus principais clientes e desejava verificar
se as despesas e receitas computadas estavam corretas e, alm disso, manter o controle de seus arquivos
(nomeando-os de forma organizada).
Os dados foram armazenados no projeto Contabilidade.MPJ e para analis-los vamos acompanhar

os seguintes passos:
1. Escolha a opo File > Open Project...;
22
Figura 2.2: O comando Open Project
2. Escolha o projeto Contabilidade.MPJ;
23
Curso de Minitab
O MINITAB oferece a possibilidade de visualizao do arquivo antes de abri-lo utilizando
para isso o comando Preview.
O comando Project Description permite visualizar a descrio do projeto.
O comando Options permite modificar as opes de abertura do arquivo.
3. Selecione a opo Abrir e verifique se os dados so apresentados conforme figura;
A coluna Despesas representa os gastos do perodo em estudo, a coluna Receitas representa o

capital recebido e a coluna Perodo os trimestres a que se referem s receitas e despesas. Alm disso,
o contador havia construdo um grfico de acompanhamento.
4. Escolha a opo File > Project Description...;
24
Figura 2.3: O comando Project Description
5. Em Creator digite Contabilidade XYZ;
6. Em Date(s) digite 07 de Setembro 1888;
7. Em Comments digite Planilha referente s despesas e receitas da empresa Z em 1888;
25
Curso de Minitab
8. Selecione OK;
9. Escolha a opo File > Save Project As...;
Figura 2.4: O comando Save Project As
10. Em Nome do Arquivo digite Contabilidade da empresa Z - 1888;
26
11. Selecione Salvar ;
O contador possui agora um arquivo, que um projeto do MINITAB, contendo uma descrio
bsica dos dados e o salvou com o nome Contabilidade da empresa Z - 1888.MPJ.
Para que o contador inicie um novo projeto ele deve executar os seguintes passos:
12. Escolha a opo File > New...;
13. Selecione a opo MINITAB Project;
27
Curso de Minitab
14. Selecione OK. Verifique a apresentao do novo projeto:
Figura 2.5: O comando New Project
15. Escolha a opo File > Exit.
28
Figura 2.6: O comando Exit
Este ltimo comando fechar o MINITAB. Caso estivssemos dentro de um arquivo com vrios
grficos e dados, o MINITAB nos perguntaria se desejariamos ou no salvar o projeto.
2.3 - Arquivos de Planilhas

Arquivos de extenso MTW so denominados planilhas e contm apenas uma base de dados.
Exemplo 2.2
O exemplo anterior mostrou um arquivo de projeto que possuia uma planilha de dados com as
receitas e despesas da Empresa Z no ano de 1888. Agora, o contador da empresa deseja agregar duas
outras planilhas de dados ao arquivo do projeto Contabilidade da Empresa Z -1888.MPJ.
29
Curso de Minitab
Uma das planilhas j se encontra pronta no Excel e a outra deve ser digitada conforme a Tabela 2.1:
Tabela 2.1: Despesas
Despesas Despesas
Operacionais Administrativas Perodo
R$ 150.000 R$ 80.000 Primeiro trimestre

R$ 189.000 R$ 100.000 Segundo trimestre
R$ 191.000 R$ 120.000 Terceiro trimestre
R$ 214.000 R$ 110.000 Quarto trimestre
Para efetuar este trabalho vamos seguir os passos abaixo:
1. Abra o MINITAB;
2. Escolha a opo File>Open Project e abra o projeto Contabilidade da empresa Z - 1888.MPJ ;
3. Escolha a opo File > Open Worksheet...;
30
Figura 2.7: O comando Open Worksheet
Save Current Worksheet As...>: Salva apenas a Worksheet do projeto. Os grficos e

comentrios da Session no so salvos;
Worksheet Description...>: Similar ao comando Project Description, onde se detalha o
contedo da planilha;
Close Worksheet...>: Fecha a planilha de dados ativa mantendo os demais itens do projeto
abertos.
4. Em Arquivos do tipo selecione a opo Excel(*xls);
31
Curso de Minitab
5. Selecione a planilha Receitas Diretas e Indiretas.xls;
Observe que o campo Arquivo do tipo est selecionando um arquivo do Excel. O MINITAB
reconhece vrios tipos de arquivo (Excel, Quattro Pro, Lotus 1-2-3 e arquivos de base de
dados).
Na opo Options podemos dar instrues para que o processo de abertura do arquivo seja
efetuado segundo padres especficos.
A opo Preview nos permite visualizar o arquivo antes de abri-lo.
A opo Description permite a visualizao da descrio do arquivo se houver alguma descrio

disponvel.
A opo Merge faz com que os dados sejam abertos em uma Worksheet j disponvel no
MINITAB.
32
6. Selecione Abrir. Ao executar o comando acima o MINITAB disponibilizar duas Worksheets abertas
conforme figura abaixo:
OBS.: Se o arquivo do Excel possuir mais de uma planilha, o MINITAB abrir cada uma em Worksheets
diferentes.
33
Curso de Minitab
Para digitar os dados da Tabela 2.1 em uma nova Worksheet, siga os seguintes comandos:
7. Escolha a opo File > New... > MINITAB Worksheet;
8. Selecione OK;
9. Maximize a nova Worksheet e digite os dados da Tabela 2.1;
34
OBS.: Os dados devem ser digitados sem o R$ para que o MINITAB os reconhea como dados
numricos.
10. Escolha a opo File > Exit...;
11. Selecione a opo Sim se desejar salvar o documento e No se desejar sair do MINITAB sem salvar.
Se desejar abortar a operao clique em Cancelar.
Se for salvo o arquivo conter todas a trs planilhas de dados e o grfico produzido pelo contador.
35
Curso de Minitab
2.4 - Arquivos de Grficos
O comando Open Graph permite abrir grficos sem a necessidade de abrir todo o projeto.
Os grficos podem estar contidos em um arquivo de projeto anteriormente trabalhado, ou podem

ser arquivos com a extenso .MGF.
Quando um grfico aberto separadamente do projeto em que ele foi construdo conseguimos
editar apenas ferramentas de formatao (Ex: Tamanho de fonte, cor de fundo, ttulos, etc...).
Figura 2.8: O comando Open Graph
36
2.5 - Outros arquivos
O comando Other Files possui trs funcionalidades:
Import Special Text: Importa arquivos de extenses .TXT e .DAT para o MINITAB.
Figura 2.9: O comando Import Special Files
Export Special Text: Exporta dados do MINITAB para arquivos com as extenses .TXT e
.DAT.
37
Curso de Minitab
Figura 2.10: O comando Export Special Text
Run a Exec: Permite que o MINITAB execute macros do MINITAB criados por um processador
de texto como o Word ou o Bloco de Notas.
Figura 2.11: O comando Run an Exec
38
2.6 - Salvar janelas
O comando Save Session Windows As... permite salvar informaes do MINITAB tais como
Session, Worksheet, Graph ou Report Pad.
A execuo deste comando funciona apenas quando a janela que desejamos salvar est ativa.
Figura 2.12: O comando Save Session Windows As
39
Curso de Minitab
Figura 2.13: O comando Save Worksheets As
Figura 2.14: O comando Save Graphs As
40
Figura 2.15: O comando Save Report As
2.7 - Imprimir informaes das janelas

Os comandos Print Setup e Print permitem a configurao e a impresso das janelas disponveis no
Project Manager. Dessa forma, podemos imprimir informaes da Session, Worksheet, Info, Graphs,
History, Report Pad, Related documents e Design.
Supondo que desejamos imprimir as informaes de uma Worksheet, o comando Print Worksheets
fornecer a seguinte janela:
41
Curso de Minitab
Figura 2.16: O comando Print Worksheets
Nela podemos solicitar que o MINITAB imprima ou no os ttulos das linhas, das colunas, nome das
colunas, linhas de grade e, alm disso, podemos dar ttulo impresso e orientar a forma de formatao
da coluna (centralizada, justificada, etc...).
Ainda para a Worksheet o comando Print Setup permite selecionarmos a configurao do papel
utilizado pela impressora:
Figura 2.17: O comando Print Setup
42
2.8 - Desfazer e Reverter comandos
O comando Edit>Undo nos permite desfazer a ltima operao realizada e o Edit >Redo reverter
o ltimo Edit > Undo.
Algumas vezes aparecer Edit > Cant Undo ou Edit >Cant Redo, mostrando que no possvel
executar a operao de reverso.
O MINITAB bloqueia a execuo destes comandos por mais de uma vez, por exemplo, se voc
apagou uma coluna de dados e posteriormente apagou outra coluna, vocs s conseguir recuperar
a ltima coluna apagada.
importante frisar que alguns comandos mais complexos no podem ser desfeitos (em geral isso
acontece com comandos relacionados a clculos estatsticos).
OBS.: A restrio acima no se aplica aos grficos. Durante sua execuo ou manuteno os
comandos Edit > Undo e Edit>Redo estaro disponveis de forma bem ampla (50 vezes).
2.9 - Limpar e Apagar Dados

O comando Edit>Clear nos permite excluir dados de uma planilha sem alterar a quantidade de
observaes.
Por exemplo, o comando Edit>Clear, para a linha 4 da coluna 1 (Torque), gera a sada abaixo.
Observe que no lugar do Torque de 5,7 foi inserido o smbolo *.
43
Curso de Minitab
Se usarmos o comando Edit > Delete, o valor 5,7 ser eliminado e a quantidade de observaes
reduzida para apenas 4.
2.10 - Copiar, Cortar e Colar

Os comandos Edit>Copy, Edit>Cut e Edit>Paste funcionam praticamente como nos demais
softwares da Microsoft.
A nica diferena substancial se encontra no item Edit>Paste que permite duas formas de execuo
quando trabalhamos com dados j digitados na Worksheet.
Quando utilizamos o comando Edit>Past, e temos as seguintes opes:
O item Insert above the active cell, shifting cells down to make room desloca os dados existentes
e cola os novos valores.
O Item Replace the active cell cola os novos valores sobre os valores existentes
O comando Use this choice for the rest of this session muda o padro de colagem e faz com
que a seleo anterior seja sempre a utilizada para o resto da projeto.
44
Captulo 3
Operaes com Bancos de Dados
WERKEMA
Consultores
Ao final deste captulo voc ser capaz de: copiar, dividir, adicionar dados, classificar, ordenar,
mesclar, substituir, gerar dados, sortear dados e utilizar a calculadora do MINITAB.
3.1 - Subset Worksheet

Este comando utilizado para sub-dividir uma planilha maior em planilhas menores utilizando
como referncia alguma coluna da Worksheet.
Exemplo 3.1
Um gerente administrava quatro galpes de uma fbrica e precisava controlar as perdas de material
dentro de cada um destes galpes. Para isso ele montou uma planilha no MINITAB, com os dados
ordenados em diferentes colunas, durante 24 meses.
Era de interesse do gerente separar as linhas relativas ao primeiro ano em uma nova planilha.
Os dados foram digitados na Worksheet Galpes.MTW. Para executar este trabalho necessrio
acompanhar os seguintes passos:
1. Abra a Worksheet Galpes.MTW;
47
Curso de Minitab
As colunas Galpo 1, 2, 3 e 4 so referentes as perdas dos 4 galpes nos ltimos 24 meses e a coluna
Ms, os meses que cada perda referente.
2. Escolha a opo Data > Subset Worksheet...;
Figura 3.1: O comando Subset Worksheet
3. Em Name digite Galpes (Ano 1);
4. Em Include or Exclude ative a opo Specify which rows to include;
5. Em Specify Which Rows to Include ative a opo Row numbers e digite 1:12 (da linha 1 at a
linha 12);
48
Nesta caixa de dilogo poderamos ter ativado outra clulas, como Specify which rows to
exclude, que geraria, por exemplo, uma planilha com os dados da linha 13 em diante.
Alm da ativao desta opo poderamos ter ativado ainda as opes Rows that match e
Brushed rows, onde deveramos dizer qual a condio para excluso ou incluso de linhas e
quais as linhas marcadas devem ser selecionadas ou excludas.
6. Selecione OK;
7. Maximize a nova Worksheet, Galpes (Ano 1).
Resultados Obtidos:
O MINITAB apresentar a seguinte sada:
49
Curso de Minitab
Percebe-se que as primeiras 12 linhas da planilha principal foram includas na nova planilha.
OBS: Feche o projeto aps a anlise dos resultados.
3.2 Split Worksheet

Este comando permite dividir uma planilha em duas ou mais planilhas usando uma varivel como
referencia.
No h limites para diviso, porm, com um nmero muito elevado de planilhas, seria muito mais
difcil gerenciar o trabalho.
Exemplo 3.2
Suponha que o gerente do exemplo anterior, possua agora uma planilha com os dados dos quatro
galpes empilhados uns sobre os outros e precisava montar uma planilha para cada galpo.
Os dados foram digitados na Worksheet Galpes Empilhados.MTW. Para executar este trabalho
necessrio acompanhar os seguintes passos:
1. Abra a Worksheet Galpes Empilhados.MTW;
50
A coluna Galpes representa o galpo estudado, a coluna Perdas as perdas referentes a cada galpo
e a coluna Ms os meses no qual os dados foram coletados. Estas colunas seguem a ordenao do
nmero dos galpes.
2. Escolha a opo Data > Split Worksheet...;
51
Curso de Minitab
Figura 3.2: O comando Split Worksheet
3. Em By variable selecione a varivel Galpes;
O item Include missing as BY level se ativado ir criar uma planilha a parte para os valores que
apresentarem dados missing ( * ).
4. Selecione OK.
52
Resultados Obtidos:
O MINITAB criou quatro novas planilhas, sendo uma para cada galpo.
OBS: Feche o Projeto aps a anlise dos resultados.
3.3 Merge Worksheet
Permite a unificao de duas planilhas.
A unificao pode ser feita para todas as colunas presentes na planilha ou apenas para colunas
especificadas pelo usurio.
Exemplo 3.3
O Vice-Presidente de uma organizao internacional desejava unificar as informaes das receitas

referentes ao mercado Latino e Europeu que estavam divididas em duas planilhas.
O Vice-Presidente havia recebido de seus subordinados duas planilhas de dados em arquivos diferentes,
Mercado Latino.MTW e Mercado Europeu.MTW. Para manipular as planilhas necessrio
1. Abra as Worksheets Mercado Latino.MTW e Mercado Europeu.MTW;
53
Curso de Minitab
2. Para melhor visualiz-las selecione na barra de ferramentas o cone Show Worksheets Folder;
3. Selecione em Project Manager as duas Worksheets ao mesmo tempo utilizando a tecla Shift;
54
4. Posicione o cursor do mouse sobre os itens marcados em azul (Mercado Latino.MTW e
Europeu.MTW) e aperte o boto direito do mouse;
5. Selecione a opo Tile;
55
Curso de Minitab
O MINITAB mostrar a seguinte tela:
6. D um clique com o mouse em qualquer ponto da Worksheet Mercado Latino.MTW. Observe que
esta planilha possui agora a sua barra superior na cor azul o que indica que ela a Worksheet ativa.
7. Escolha a opo Data > Merge Worksheets;
56
Figura 3.3: O comando Merge Worksheet
8. Selecione a Worksheet Mercado Europeu.MTW;
9. Em Output Worksheet name digite Mercado Internacional.
57
Curso de Minitab
A opo By Columns utilizada para padronizar as combinaes das Worksheets possibilitando
a incluso ou excluso de itens que apresentem valores de mising ou valores duplicados.
10. Selecione a opo Include Columns...;
11. Em Exclude Columns, tanto para o campo referente ao Mercado Latino quanto para o campo
Mercado Europeu, insira a varivel Despesas utilizando o item < para efetuar tal procedimento;
Este comando far com que a coluna Despesas seja excluda da Worksheet criada.
12. Selecione OK;
13. Selecione OK na caixa de dilogo principal;
14. Maximize a Worksheet Mercado Internacional.
58
Resultados Obtidos:
O MINITAB apresenta uma nova planilha com os dados acima separados em quatro colunas. As
duas primeiras relacionadas ao Mercado Latino e as duas ltimas relacionadas ao Mercado Europeu
e para ambas as colunas Planta e Receitas.
OBS.: Feche o Projeto aps a anlise dos resultados.
3.4 - Copy (Columns to Columns)

Este comando faz cpias de colunas para colunas dentro da Worksheet.
Exemplo 3.4
1. Abra um novo projeto do MINITAB.
2. Maximize a Worksheet 1;
59
Curso de Minitab
3. Na linha de ttulo da coluna C1 digite a letra A. Na linha 1 o nmero 5 e na linha 2 o nmero 10;
4. Na linha de ttulo da coluna C2 digite a letra B. Na linha 1 o nmero 2 e na linha 2 o nmero 1;
60
5. Escolha a opo Data > Copy > Columns to Columns...;
Figura 3.4 - O comando Copy > Columns to Columns
6. Em Copy from columns selecione as variveis A e B;
7. Em Store Copied Data in Columns selecione o filtro In current Worksheet, in columns e digite
C3 e C4 (com um espao entre elas);
8. Ative a opo Name the columns containing the copied data;
61
Curso de Minitab
A opo Name the columns containing the copied data nomeia as colunas dos dados copiados.
A opo Subset the Data... permite a incluso ou excluso de linhas na Worksheet durante o
processo de cpia.
9. Selecione OK.
Resultados Obtidos:
O MINITAB copiou os valores da coluna C1 e C2 e os colou nas colunas C3 e C4.
62
3.5 Unstack Columns
Este comando permite que valores contidos em uma coluna com dados empilhados da sejam separados
com base em uma varivel de referncia.
Exemplo 3.5
O supervisor de uma central de atendimento havia recebido um arquivo de MINITAB com os
tempos de atendimento a clientes de vrias centrais de atendimento distintas, porm ele estava
interessado em visualizar os dados separadamente, de acordo com a central.
Os dados foram armazenados na Worksheet Centrais de Atendimento.MTW. Para manipula-los

1. Abra a Worksheet Centrais de Atendimento.MTW;
A coluna Tempo Mdio da Ligao (seg) representa os tempos de atendimento a clientes (em
segundos) de todas as centrais. A coluna Central de Atendimento representa a central coletada.
63
Curso de Minitab
2. Escolha a opo Data > Unstack Columns...;
Figura 3.5: O comando Unstack Columns
3. Em Unstack the data in selecione a varivel Tempo Mdio da Ligao (seg);
4. Em Using subscripts in selecione a varivel Central de Atendimento;
5. Ative a opo After last column in use (isso alocar os dados na mesma Worksheet aps a ltima
coluna em uso);
64
6. Selecione OK;
7. Maximize a Worksheet
Resultados Obtidos:
65
Curso de Minitab
O MINITAB separa os dados empilhados em trs colunas distintas: C3, C4 e C5 de acordo com a
central de atendimento.
OBS: Feche o Projeto aps a anlise dos resultados.
3.6 Stack
Este comando empilha dados desempilhados em uma nica coluna, como mostrado a seguir:
3.6.1 Columns
Este comando empilha dados presentes em vrias colunas em uma nica coluna.
Exemplo 3.6
O gerente de produo de uma fbrica de impressoras havia coletado dados do volume de produo
de trs linhas de uma de suas plantas fabris e desejava empilhar os dados, que estavam divididos em
trs colunas, para posteriormente avaliar a fbrica como um todo.
Os dados foram digitados na Worksheet Produo Impressoras.MTW. Para efetuar este trabalho
1. Abra a Worksheet Produo Impressoras.MTW;
66
As colunas Produo Linha 1, Linha 2 e 3 representam os volumes de produo das linhas de
produo.
2. Escolha a opo Data > Stack > Columns...;
67
Curso de Minitab
Figura 3.6: O comando Stack > Columns
3. Em Stack the following columns selecione as variveis Produo Linha 1, Produo Linha 2 e Produo
Linha 3;
4. Em Store stacked data in ative a opo New Worksheet;
5. Em Name, digite Dados Empilhados;
O comando Block of Columns realiza as mesmas tarefas do comando Columns porm, deve
ser utilizada quando desejamos empilhar blocos de colunas;
O comando Rows empilha as linhas da Worksheet corrente em uma coluna da Worksheet.
68
A opo Column of current worksheet empilha os dados em uma coluna determinada pelo
usurio na planilha corrente.
A opo Store subscripts in aloca os subscritos em uma coluna pr-determinada pelo usurio
na planilha corrente. Esta varivel de preenchimento opcional.
6. Selecione OK;
69
Curso de Minitab
Resultados Obtidos:
O MINITAB criou uma nova Worksheet com nome Dados Empilhados e armazenou os dados das
trs colunas na C1 (Linhas de produo) e C2 (Tempo) da nova planilha.
3.7 Transpose Columns
Este comando transpe linhas em colunas e vice-versa.
70
Exemplo 3.7
Um Gerente estava estudando a eficincia operacional dos ltimos seis meses de diversas unidades
da fbrica na qual trabalhava. Os dados que ele possua estavam organizados por colunas, onde cada
coluna representava uma fbrica diferente. O Gerente gostaria de organizar os dados de forma que
cada coluna passasse a representar o ms em estudo.
Os dados foram digitados na Worksheet Fbricas Eficincia.MTW. Para analis-los necessrio

1. Abra a Worksheet Fbricas Eficincia.MTW;
2. Escolha a opo Data > Transpose Columns...;
71
Curso de Minitab
3. Em Transpose the following columns selecione as variveis referentes s Fbricas I, II, III, IV, V e VI
utilizando a coluna [Shift];
4. Em seguida selecione a opo Select;
5. Ative a opo In new worksheet;
6. Em Name digite Dados Transpostos;
7. Em Create variable names using column selecione a varivel Meses;
72
8. Selecione OK e maximize a Worksheet;
Resultados obtidos:
O MINITAB cria uma nova Worksheet mudando a ordenao dos dados.
OBS.: Feche o projeto aps a avaliao dos resultados.
73
Curso de Minitab
3.8 Sort
Este comando ordena dados numricos, de texto ou de data/hora em ordem crescente e decrescente.
Exemplo 3.8
O departamento de marketing de uma empresa de microeletrnica resolveu analisar o histrico de

vendas da empresa e para isso precisou ordenar os dados para melhor visualizar este desempenho.
Os dados foram digitados na Worksheet Departamento de Marketing.MTW. Para efetuar a ordenao

acompanhe os seguintes passos:
1. Abra a Worksheet Departamento de Marketing.MTW;
Na coluna Ano foram digitados os anos em que foram coletados os dados de interesse, na coluna
Vol. Vendas foram digitados os volumes vendidos, a coluna Receitas tm o montante financeiro
recebido com as vendas, na coluna Nmero de Pontos de Venda foi digitado o nmero total de
lojas e na coluna Gastos com MKT foram digitados os gastos com propaganda da empresa.
2. Selecione a opo Data > Sort...;
74
Figura 3.7: O comando Sort
3. Em Sort column(s) selecione todas as variveis (visto que no desejamos perder a correspondncia
entre as colunas);
4. Na primeira opo By column selecione a varivel Ano;
5. Na segunda opo By Column selecione a varivel Receitas;
6. Ative a opo Original column(s);
75
Curso de Minitab
Poderamos ativar a opo Descending para ordenar as colunas de forma descendente. Alm
disso, poderamos ordenar os dados e armazena-los em outra planilha atravs da opo New
Worksheet ou armazenar na planilha original, porm em outras colunas fazendo uso da opo
Column(s) of current Worksheet.
7. Selecione OK.
76
Resultados Obtidos:
Podemos verificar que a primeira e terceira coluna esto ordenadas e as outras colunas acompanharam
a ordenao realizada.
3.9 Rank
Este comando cria em uma coluna um ndice para mostrar qual a ordenao dos dados. Esta ordenao
respeita a ordem do menor para o maior valor criando assim um Ranking.
Exemplo 3.9
O engenheiro metalrgico de uma empresa desejava criar um Ranking do percentual de carbono

medidos em vrias barras de ao produzidas por diferentes fornos.
Os dados foram digitados na Worksheet Barras de Ao.MTW. Para executar este comando acompanhe
1. Abra a Worksheet Barras de Ao.MTW;
77
Curso de Minitab
Na coluna Forno temos os fornos em que foram produzidas as barras e na coluna Percentual de
Carbono a medio realizada.
2. Escolha a opo Data > Rank...;
78
Figura 3.8: O comando Rank
3. Em Rank data in selecione a varivel Percentual de Carbono;
4. Em Store ranks in digite Ranking;
79
Curso de Minitab
5. Selecione OK.
Resultados Obtidos:
O MINITAB criou uma coluna com nmeros de 1 a 10 indicando que o menor valor 2,02
(equivalente ao valor 1 na coluna Ranking) e que o maior valor 2,31 (equivalente ao valor 10 na
coluna Ranking).
3.10 Delete Rows
Este comando utilizado para apagar vrias linhas da Worksheet ao mesmo tempo.
Exemplo 3.10
O comprimento e dimetro de vrias peas provenientes da laminao vinham sendo medidos,
porm alguns deles foram medidos de forma errnea e deveriam ser apagados da planilha de dados.
O dados foram digitados na Worksheet Comprimento e Dimetro.MTW. Para executar este comando
80
1. Abra a Worksheet Comprimento e Dimetro.MTW;
As colunas Comprimento contm as medidas do comprimento (em metros) e as colunas Dimetro

contm as medidas do dimetro (em centmetros).
2. Escolha a opo Data > Delete Rows...;
81
Curso de Minitab
Figura 3.9: O comando Delete Rows
3. Em Delete rows (eg. 1:4 12) digite 5:8 (escrevendo desta forma o MINITAB entende que deve
apagar os itens das linhas 5, 6, 7 e 8);
4. Em From columns selecione as variveis Comprimento_3, Dimetro_3, Comprimento_4 e Dimetro_4;
5. Selecione OK.
82
Resultados Obtidos:
O MINITAB eliminou as linhas 5, 6,7 e 8 das variveis selecionadas.

OBS.: Feche o projeto aps a anlise dos resultados.
3.11 Code
Este comando codifica para determinado grupo de variveis. Estes cdigos podem ser digitados em
uma coluna ou criados a partir de uma tabela de converso.
Podemos converter dados de todos os tipos: numrico, texto ou data/hora.
Exemplo 3.11
Um operador coletou alguns dados que eram referentes ao % de cromo em barras de ao. Logo
depois da coleta o operador digitou os dados na Worksheet Barras de Ao - Cr.MTW.
Depois de ter digitado os dados na Worksheet ele observou que, por desateno, em todas as vezes
que o valor 2,05 ocorria, ele digitava o valor 2,50 o que levaria a concluses erradas na anlise dos
dados.
83
Curso de Minitab
Para evitar o trabalho desnecessrio de procurar os dados errados e redigitar estes dados na Worksheet
ele resolveu substituir todos os valores 2,50 pelos valores 2,05. Para efetuar a troca dos valores,
01. Abra e maximize a Worksheet Barras de Ao - Cr.MTW;
A coluna ID indica a indicao da barra de ferro que foi coletada e a coluna Percentual de Cromo
indica a medio do percentual de cromo para cada barra de ao.
02. Escolha a opo Data > Code > Numeric to Numeric...;
84
Figura 3.14: O comando Code > Numeric to Numeric
03. Em Code data from columns selecione a varivel Percentual de Cromo;
04. Em Into columns selecione a varivel Percentual de Cromo;
05. Na primeira linha do campo Original values (eg, 1:4 12) digite o valor 2,50 (que o valor que
desejamos substituir);
06. Na primeira linha do campo New digite o valor 2,05 (que o valor real que deveria ser digitado);
85
Curso de Minitab
07. Selecione OK;
08. Maximize a Worksheet.
Resultados Obtidos:
86
Podemos observar que na coluna Percentual de Cromo todos os valores iguais 2,50 foram trocados
pelo valor 2,05. Feche o projeto aps a anlise dos resultados.
Exemplo 3.12
Uma empresa de entregas de correspondncia vinha enfrentando alguns problemas no seu processo
de entrega o que estava gerando grande insatisfao por partes dos clientes;
O responsvel pelo projeto de melhoria do processo de entrega havia coletado, atravs de uma
folha de verificao, 3000 problemas ocorridos no ltimo dia, em alguns estados do Brasil;
Porm por um descuido, ao montar a sua base de dados ele classificou cada estado de forma numrica
(1, 2, 3, ... etc) e isto dificultaria a anlise dos dados;
87
Curso de Minitab
Dessa forma, utilizando uma tabela de converso ele ir transformar as informaes numricas em
siglas, representando cada estado. Ele utilizar para esta tarefa uma tabela de converso. Para
transformar os dados acompanhe os seguintes passos:
1. Abra a worksheet Problemas nas entregas.MTW;
A coluna Tipo de problema contm os problemas observados. A coluna Cdigo do estado contm
o cdigo numrico de cada estado. A coluna Estado contm a sigla de cada estado e a coluna
Cdigo Padro o cdigo correspondente a sigla de cada estado.
2. Escolha a opo Data > Code > Use Conversion Table...;
88
3. Em Input column selecione a coluna Cdigo do estado;
4. Em Output columns selecione a coluna Cdigo do estado;
5. Em Column of Original Values selecione a coluna Cdigo Padro;
6. Em Column of New Values selecione a coluna Estado;
89
Curso de Minitab
7. Selecione OK;
8. Maxime a Worksheet;
Resultados Obtidos:
O MINITAB trocou os valores que estavam anteriormente na coluna Cdigo do estado pelas siglas
de cada estado.
90
3.12 Change Data Type
Este comando efetua a transformao de dados numricos, de texto e data/hora.
Exemplo 3.13
Um operador estava medindo a tenso eltrica de um escritrio e ao digitar os dados no MINITAB
no percebeu que os mesmos foram reconhecidos com texto, necessitando assim de uma codificao
dos dados para numricos.
Os dados coletados foram digitados na Worksheet Medidas de Tenso.MTW. Para efetuar a

transformao acompanhe os seguintes passos:
1. Abra a Worksheet Medidas de Tenso.MTW;
2. Escolha a opo Data > Change Data Type > Text to Numeric...;
Figura 3.11: O comando Change Data Times > Text to numeric
91
Curso de Minitab
3. Em Change text columns selecione a varivel Tenso;
4. Em Store numeric columns selecione novamente a varivel Tenso;
5. Selecione OK;
Resultados Obtidos:
92
O MINITAB transformou os dados de texto da coluna Tenso, em dados numricos e que foram
alocandos na mesma coluna de referncia.
3.13 Extract from Data/Time

Este comando extrai de dados em formato de data/hora valores numricos e de texto.
Exemplo 3.14
O gerente de uma fbrica vinha acompanhando a produo diria de uma das linhas de produo
de placas eletrnicas e desejava extrair dos dados digitados apenas o ms referente a produo.
Os dados coletados foram digitados na Worksheet Produo Diria.MTW. Para efetuar este trabalho
1. Abra a Worksheet Produo Diria.MTW;
Na coluna Produo temos os volumes produzidos e na coluna Dia o dia em que foi medido o
volume produzido.
93
Curso de Minitab
2. Escolha a opo Data > Extract from Data/Time > To Numeric...;
Figura 3.12: O comando Extract Date/Time > To Numeric
3. Em Extract from date/time column selecione a varivel Dia;
4. Em Store numeric column in digite Ms;
5. Ative a opo Month;
94
Se fosse de nosso interesse poderamos extrair o ano (Year), o trimestre (Quarter), a semana
(Week), o dia do ms (Day of month) e dia da semana (Day of week).
Se possussemos horrios em nossa Worksheet poderamos extrair valores como hora (Hour),
minutos (Minutes), segundos (Second) e milsimos de segundo (Hundredth).
6. Selecione OK;
95
Curso de Minitab
Resultados Obtidos:
O MINITAB criou a coluna Ms e nela alocou uma lista com os meses a que cada produo se
refere.
O MINITAB tambm pode extrair estes meses na formatao de texto atravs do comando Data >
Extract from Date/Time > To Text... (Jan, Fev, etc...).
96
3.14 Calculator
A calculadora do MINITAB utilizada para efetuarmos operaes matemticas bsicas, comparaes
lgicas, calcular funes (mdias, desvio-padro, entre outras).
Trabalharemos alguns exemplos para demonstrar como o MINITAB reconhece e executa estas
operaes.
Antes de iniciarmos a execuo de exemplos, importante destacar algumas regras bsicas para
utilizar a calculadora:
O MINITAB reconhece o hfen como smbolo de subtrao;
A potenciao feita pelo smbolo **;
Devemos colocar valores de texto entre aspas duplas. Exemplo: Azul.
Valores vazios devem ser indicados entre aspas simples, ex. *;
As operaes so realizadas ao longo das linhas. Quando o MINITAB detecta um valor vazio ou
no consegue efetuar uma operao ele indica este valor com o smbolo de vazio * (para colunas
numricas) e valor em branco (para colunas de texto);
As operaes so calculadas na seguinte ordem: funes matemticas, operaes de coluna,
exponenciao, not, multiplicao e diviso, adio e subtrao, operaes de comparao,
e e ou;
- Operaes de igualdade so executadas da esquerda para a direita;
- Para mudar a ordem de execuo das operaes devemos fazer uso de parnteses ( );
Se a ltima operao avaliada uma expresso numrica o MINITAB armazena um resultado
numrico, se for uma funo com data/tempo, o armazenamento feito como data/tempo;
3.14.1 - As Funes da Calculadora

Vamos listar algumas das funes disponveis no MINITAB , porm, a forma de execuo para todas
as funes no sero apresentadas visto que os comandos so similares aos exemplos que iremos
executar:
Absolute Value Calcula o modulo de um nmero ou vrios nmeros.
Ceiling Efetua o arredondamento dos dados, ex. ceiling (5.367, 0) gera o nmero igual a 6. O
arredondamento deste comando efetuado a maior.
97
Curso de Minitab
Floor Similar ao comando anterior, porm o arredondamento realizado a menor.
Round Efetua o arredondamento da forma mais conhecida, fazendo a aproximao do inteiro
mais prximo obedecendo o nmero de casas decimais de interesse do usurio.
Signs Converte nmeros positivos em +1, nmeros negativos em -1 e valores iguais a 0 (zero)
em 0 (zero).
Square Root Calcula a raiz quadrada.
Sum of squares, uncorrected Calcula a soma dos quadrados excluindo os valores * da base
de clculo.
Range Calcula a diferena entre o maior valor e o menor valor.
Rank Calcula e armazena o Ranking de uma coluna de dados.
Comandos que apresentam escrito o item Row calculam funes ao longo das linhas e no das
colunas. Exemplo: O comando Means(rows) calcula a mdia das linhas.
Exemplo 3.14
O supervisor de uma fbrica de tanques de armazenamento de gua precisava calcular o volume dos
tanques cilndricos produzidos nos ltimos turnos de trabalho, pois havia uma desconfiana de que
os turnos produziam tanques com volumes diferentes.
Para efetuar este trabalho o supervisor mediu o raio e a altura destes tanques, para os trs turnos de
trabalho, conforme figura abaixo:
Raio
Altura
98
O volume de um cilindro dado pela frmula:
Volume = (Raio 2 * ) * Altura
Os dados foram armazenados na Worksheet Produo Tanques.MTW. Para aprendermos a utilizar

a calculadora do MINITAB necessrio acompanhar os seguintes passos:
1. Abra a Worksheet Produo Tanques.MTW;
As colunas com o smbolo R referem-se s medies dos Raios e as colunas com a palavra Alt.
Representam a Altura medida (os dados foram coletados em dm).
99
Curso de Minitab
2. Escolha a opo Calc > Calculator...;
Figura 3.13: O comando Calculator
3. Em Store result in variable digite Volume (manh);
4. Em Expression selecione a coluna Manh R e ento selecione ** seguido do nmero 2;
100
5. Selecione * e em seguida escolha a constante Pi presente na opo Functions;
101
Curso de Minitab
6. Selecione * e em seguida selecione a coluna Manh Alt.;
7. Selecione OK;
8. Selecione na barra de ferramentas o cone Edit Last Dialog;
9. Em Store result in variable modifique (manh) por (tarde);
10. Em Expression troque as palavras Manh por Tarde;
102
11. Selecione OK;
12. Repita os passos 9, 10 e 11 para o turno da noite;
Resultados Obtidos:
103
Curso de Minitab
O supervisor possui agora trs colunas com os valores de volume para cada uma das amostras nos trs
turnos.
Entretanto isso no mostra muito claramente se h ou no grandes diferenas entre os turnos, mas o
supervisor acredita que o turno da noite esta produzindo tanques com volumes maiores que os dos
outros.
Com o objetivo de obter uma quantificao da diferena entre os volumes o supervisor calculou a
mdia dos volumes de cada turno, utilizando os seguintes comandos:
13. Selecione o cone Edit Last Dialog;
14. Em Store result in variable digite Mdia (manha);
15. Em Expression localize a funo Mean dentro das demais funes.
16. Selecione a varivel Volume (manh). Esta varivel ser alocada entre os parntesis do comando
Mean;
104
17. Selecione OK;
18. Repita a operao acima para os outros turnos;
Resultados Obtidos:
105
Curso de Minitab
Atravs dos resultados podemos perceber que o turno da noite apresenta um volume mdio prximo
a 11.000 litros.
Concluso
O supervisor deve avaliar o processo produtivo do turno da noite para entender o que pode estar
acontecendo. interessante frisar que para afirmarmos que a diferena estatisticamente significativa
seria necessrio efetuar um teste de hipteses.
OBS.: Feche o projeto aps as anlises dos resultados.
3.15 - Make Patterned Data

A gerao de dados padronizados no MINITAB funciona como o processo de autopreenchimento,
muito usado no Excel.
O MINITAB oferece uma srie de alternativas, Simple Set of Numbers, Arbitrary Set of Numbers,
Text Values, Simple Set of Date/Time Values e Arbitrary Set of Date/Time Values.
Para entender o funcionamento destes comandos observe o exemplo a seguir:
Exemplo 3.15
O Dono de uma padaria estava preocupado com produo diria de pes, pois dos trs fornos da
empresa um vinha apresentando um desempenho abaixo do esperado (baixa produtividade / hora).
Com o objetivo de iniciar uma anlise mais minuciosa das causas, ele coletou a temperatura dos
fornos durante os 10 primeiros dias do ms de janeiro de 2004, porm, esqueceu de separar os fornos
anotando tudo na seguinte seqncia:
Temperatura do forno 1
Para criar uma referncia numrica no MINITAB, de forma a facilitar a identificao de cada um
dos fornos, necessrio acompanhar os seguintes passos:
1. Abra a Worksheet Temperatura Padaria.MTW;
106
A coluna Temperatura contm os dados de temperatura coletados pelo Dono da padaria nos ltimos
10 dias para os trs fornos.
Primeira Alternativa Simple Set of Numbers
2. Escolha a opo Calc > Make Partterned Data > Simple Set of Numbers...;
107
Curso de Minitab
Figura 3.14: O comando Make Partterned Data >Simple Set of Numbers
3. Em Store patterned data in digite Fornos;
4. Em From first value digite 1;
5. Em To last value digite 3;
6. Em In steps of digite 1;
7. Em List each value digite 1;
8. Em List the whole sequence digite 10;
108
9. Selecione OK;
Segunda Alternativa Text Values:
10. Escolha a opo Calc > Make Partterned Data > Text Values...;
Figura 3.15: O comando Make Partterned Data > Text Values
109
Curso de Minitab
11. Em Store patterned data in digite Fornos2;
12. Em Text values (eg, red light blue) digite Forno 1 Forno 2 Forno 3 deixando um espao
entre os textos;
13. Em List each value digite 1;
14. Em List the whole sequence digite 10;
15. Selecione OK;
16. Maximize a Worksheet;
110
Resultados Obtidos:
O Dono da padaria agora possui um ndice numrico na coluna Fornos e um ndice de texto na
coluna Fornos2 indicando em que forno foram medidas as temperaturas.
Exemplo 3.15 (continuao)
Para no perder a referencia da data em que foram medidas as temperaturas ele resolveu incluir uma
outra coluna. Para efetuar este trabalho necessrio acompanhar os seguintes passos:
17. Escolha a opo Calc > Make Partterned Data > Simple Set of Date/Time Values...;
111
Curso de Minitab
Figura 3.16: O comando Make Partterned Data > Simple Set of Date/Time Values
18. Em Store patterned data in digite Data;
19. No campo Patterned Sequence, digite em From first date/time a data 01/01/2004.
20. Em To last date/time digite a data 10/01/2004;
21. Em In steps of digite 1; em Step unit selecione Day
22. Em Number of times to list each value digite 3;
23. Em Number of times to list the sequence digite 1;
112
24. Selecione OK;
Resultados Obtidos
113
Curso de Minitab
O Dono da padaria possui agora as referncias dos fornos e das datas de coletas das temperaturas
medidas por ele.
3.16 - Set Base / Randon Data
O comando Set Base determina uma semente para a seleo/gerao de amostras no MINITAB.
O comando Randon Data seleciona amostras aleatrias (com e sem reposio) partir de um
conjunto de dados existentes ou ainda gera amostras partir de distribuies de freqncia.
Trabalharemos aqui com a distribuio Normal, que a distribuio de freqncia mais utilizada na
estatstica. O MINITAB oferece ainda, uma srie abrangente de distribuies que no sero
trabalhadas neste texto.
O tpico est dividido em duas partes, na primeira trabalharemos a amostragem aleatria e na

segunda parte trabalharemos a gerao de dados.
Exemplo 3.16
O fabricante de eixos para motores eltricos desejava realizar uma amostragem para verificar se os
eixos produzidos se encontram dentro das especificaes (13 a 16 cm).
O volume de produo diria era de 300 eixos e o fabricante desejava verificar apenas 10% desse
volume.
Os dados foram armazenados na Worksheet Amostragem Eixo.MTW. Para compreender melhor o

exemplo acompanhe os seguintes passos:
1. Abra a Worksheet Amostragem Eixo.MTW;
114
3.16.1 - Set Base
O comando Set Base armazena um nmero que servir como base (ou semente) para gerao de
amostras ou distribuies de base idntica. atravs deste comando que podemos efetuar amostragens
iguais (padronizadas).
2. Escolha a opo Calc > Set Base...;
115
Curso de Minitab
Figura 3.17: O comando Set Base
3. Em Set base of random data generator to digite 1;
4. Selecione OK;
3.16.2 Randon Data
3.16.2.1 - Sample from Columns
O comando Sample from Columns nos permite efetuar amostragens aleatrias, com ou sem
reposio, de determinadas colunas da Worksheet.
5. Escolha a opo Calc > Randon Data > Sample from Columns...;
116
Figura 3.18: o comando Randon Data > Sample from Columns
6. Em Sample digite 30;
7. Selecione A varivel Dimetro Eixo;
8. Em Store samples in digite Amostra;
117
Curso de Minitab
Poderamos tambm efetuar uma amostragem aleatria com reposio, bastando ativar a opo
Sample with replacement.
9. Selecione OK;
10. Maximize a Worksheet;
O fabricante de eixos pode gerar uma amostragem idntica a primeira, bastando repetir os passos 2 a
8. Veja os resultados caso se decida por realizar outra amostragem idntica:
Para gerar uma nova amostra, diferente das outras duas j geradas Execute novamente os passos 5, 6,
7 e 8;
118
Resultados Obtidos:
O fabricante de eixos possui agora trs colunas de amostras, sendo que as duas primeiras foram
executadas de acordo com a base estabelecida atravs do comando Set Base e a terceira coluna foi
criada segundo uma base prpria do MINITAB.
3.16.2.2 - Normal
Este comando utilizado para gerarmos amostras provenientes de distribuies normais.
Exemplo 3.17
O engenheiro de uma fbrica de impressoras pediu ao gerente de produo informaes sobre o
ltimo teste realizado nas impressoras produzidas pela fbrica. Este teste media a quantidade de
pginas que a impressora era capaz de imprimir at a troca do toner.
Por telefone o gerente disse ao engenheiro que os testes nas ltimas 100 impressoras mostraram que
ela estava imprimindo em mdia 5880 pginas com desvio padro de 130 pginas e alm disso, a
quantidade de pginas impressas tinha uma distribuio normal.
119
Curso de Minitab
Para ter uma idia de como era o desempenho das impressoras o engenheiro decidiu gerar um
conjunto de dados fictcio no MINITAB. Para entender melhor o comando utilizado pelo engenheiro,
1. Escolha a opo Calc > Random Data > Normal...;
Figura 3.19: O comando Random Data > Normal
2. Em Generate digite 100;
3. Em Store in Column(s) digite Impressoras;
4. Em Mean digite 5880;
5. Em Standard Deviation digite 130;
120
Este comando permitir que sejam gerados 100 valores numricos distintos de uma distribuio
mdia e desvio-padro iguais a 5880 e 130 respectivamente.
6. Selecione OK;
Resultados Obtidos
121
Curso de Minitab
O MINITAB criou um conjunto de 100 nmeros com mdia igual 5880 e desvio de 130. Com estes
dados o engenheiro pode ter uma idia de como est o desempenho das impressoras.
OBS 1: Feche o projeto aps a anlise dos resultados.
OBS 2.: Os dados gerados no exemplo acima podem estar diferentes dos dados gerados pelo leitor,
porm a lgica de execuo a mesma.
122
Captulo 4
Estatsticas Bsicas
WERKEMA
Consultores
Ao final deste captulo voc ser capaz de: extrair as estatsticas bsicas de um conjunto de dados,
gerar grficos (grfico de disperso, grfico de barras, setores, pareto, histograma, boxplot, seqencial),
configurar os grficos gerados e elaborar relatrios analticos dentro do MINITAB.
Este captulo tem o objetivo de iniciar o uso do MINITAB na anlise de dados provenientes de
processos onde exista variabilidade. Os dados so medidas que descrevem algum fenmeno de
interesse e podem ser classificados na seguinte estrutura:
Dados
Discretos Contnuos
Qualitativos Quantitativos
Nominais Ordinais Quantitativos
Figura 4.1: Resumo da classificao dos dados
Exemplo - Perfil dos Estudantes
Uma Universidade de Belo Horizonte est interessada em conhecer o perfil dos estudantes aprovados
no vestibular para o 1 semestre de 2004. No processo seletivo, a nota mxima que pode ser obtida
210 pontos. Utilizando o banco de dados com as informaes destes estudantes iremos construir
diversos grficos e anlises.
Para visualizar o banco de dados montado pela Universiade abra a Worksheet Vestibular1.MTW.
125
Curso de Minitab
Estas colunas possuem as seguintes descries:
Aluno: refere-se identificao dos alunos que passaram no vestibular;
Nota_vestibular: refere-se s notas obtidas por esses alunos no vestibular;
Mdia_3 ano: refere-se mdia das notas de todas as matrias cursadas no 3 ano;
Horas_estudo/dia: refere-se ao nmero de horas estudadas por dia;
Escola: diz se o aluno fez o 3 ano em escola pblica ou particular;
Cidade: diz se o aluno de Belo Horizonte, se ele veio do interior ou de outro estado;
rea: refere-se rea de conhecimento para a qual o aluno prestou vestibular: biolgicas,
humanas ou exatas;
Sexo: refere-se ao sexo dos alunos;
Idade: refere-se idade dos alunos.
126
4.1 - Scatterplot
O comando Scatterplot utilizado para mostrar o relacionamento entre duas variveis ou para
mostrar o comportamento de uma varivel ao longo do tempo(podendo neste caso ser chamado de
grfico seqencial).
Popularmente este grfico conhecido como grfico de disperso.
Exemplo 4.1
Para entender melhor a construo do grfico de disperso verificaremos se existe relao entre a
mdia das notas do 3 ano vs. a nota do vestibular e o nmero de horas de estudo por dia vs. nota do
vestibular. Para analis-los necessrio acompanhar os seguintes passos:
1. Escolha a opo Graph > Scatterplot...;
Figura 4.2: O comando Scatterplot
2. Ative a opo Simple;
127
Curso de Minitab
A opo With Groups utilizada quando queremos diferenciar por meio de smbolos dados
provenientes de diversos grupos.
A opo With Regression constri um grfico de disperso com uma reta de regresso.
A opo With Regression and Groups constri um grfico de regresso com uma linha de
regresso, diferenciando os dados provenientes de diversos grupos.
A opo With Connect Line constri um grfico de disperso com pontos conectados por
linhas.
A opo With Connect and Groups constri um grfico de disperso com pontos de
diversos grupos conectados por linhas.
3. Selecione OK;
4. Na primeira linha, em Y variables selecione a varivel Nota_vestibular e em X variables selecione a

varivel Mdia_3 ano.
5. Na segunda linha, em Y variables selecione a varivel Nota_vestibular e em X variables selecione a

varivel Horas_estudo/dia;
128
6. Selecione a opo Scale... > Reference Lines;
7. Em Show reference lines for Y positions digite 105 Este comando insere uma linha de referncia
no eixo Y no valor referente nota 105 que representa 50% do total da prova do vestibular
129
Curso de Minitab
O comando Show reference lines for X positions insere uma linha de referncia nas posies do eixo X.
8. Selecione OK;
9. Selecione a opo Labels... > Title/Footnote
10. Em Title digite o ttulo do grfico (Ex: Relao das notas do vestibular com as notas do 3 ano e as horas
de estudo);
Subtitle 1: utilizado para dar um subttulo ao grfico. O subttulo aparecer abaixo do ttulo.
Subtitle 2: utilizado para dar um segundo subttulo ao grfico. O segundo subttulo aparecer
abaixo do primeiro subttulo.
Footnote 1: utilizado para escrever uma nota de rodap na parte inferior esquerda do grfico.
Footnote 2: utilizado para escrever uma segunda nota de rodap que aparecer abaixo da
primeira nota de rodap.
130
11. Selecione OK;
12. Selecione a opo Multiple Graphs...;
13. Ative a opo In separate panels of the same graph;
Overlaid on the same graph: Mostra os grficos na mesma janela grfica.
In separate panels on the same graph: Mostra os grficos lado a lado na mesma janela grfica.
On separate graphs: Mostra os grficos em janelas separadas.
14. Selecione OK;
15. Selecione OK na caixa de dilogo principal.
131
Curso de Minitab
Resultados obtidos:
Figura 4.3: Grfico de disperso das notas do vestibular vs. notas do 3 ano e horas de estudo por dia
Vamos fazer uma pequena alterao no ttulo do eixo Y (Nota_vestibular), o novo ttulo para este
eixo dever ser Nota obtida no vestibular. Para executar esta alterao siga os seguintes passos:
16. Escolha a opo Editor > Select Item > Y Axis Label.
132
Figura 4.4: O comando Select Item > Y Axis Label
Observe que o ttulo do eixo Y foi selecionado aps a execuo desse comando:
133
Curso de Minitab
17. Escolha a opo Editor > Edit Y Axis Label...;
Figura 4.5: O comando Edit Y Axis Label
18. Em Text delete Nota_vestibular e digite Nota obtida no vestibular;
134
19. Selecione OK.
Figura 4.6: Grfico de disperso das notas do vestibular vs. notas do 3 ano e horas de estudo por dia
Os grficos mostram a relao das notas do vestibular com a mdia das notas do 3 ano e a relao
das notas do vestibular com o nmero de horas de estudo por dia.
Atravs da linha de referncia, percebemos que apenas um aluno obteve menos de 50% do valor
total da prova.
Concluso
Os resultados evidenciam o forte relacionamento positivo entre a nota do vestibular e a mdia das
notas do 3 ano, ou seja, espera-se que quanto maior for a nota obtida no 3 ano, maior ser a nota
obtida no vestibular.
O nmero de horas de estudo por dia e a nota no vestibular tambm apresentaram um relacionamento
positivo, porm, um pouco menos acentuado.
Suponha que o responsvel pela construo do grfico resolveu escrever essas concluses no Report
Pad, dessa forma, vamos enviar o grfico para l. Para executar esta tarefa, siga os seguintes passos:
20. Clique com o boto direito do mouse sobre o grfico e selecione a opo Append Graph to Report.
Observe que os comandos disponveis nesta opo so os mesmo exibidos no comando Editor.
135
Curso de Minitab
21. Selecione agora a opo Report Pad na barra do Project Manager. A seguinte tela aparecer:
136
22. Nesta janela poderemos escrever as concluses tambm no Report Pad, por exemplo:
23. Selecione a opo File > Save Report As....
137
Curso de Minitab
24. Em nome do arquivo digite um nome para o arquivo, por exemplo: Exemplo 4_1. Com este comando
ser possvel salvar o relatrio do Report Pad com o formato *.RTF (Rich Text Format), e depois
abri-lo no Word.
25. Selecione a opo Salvar.
4.2 Histogram
O comando Histogram traa um histograma para os dados. Este grfico muito til para estudar a
simetria e a variabilidade dos dados quantitativos.
Os dados so divididos em intervalos denominados classes. As barras do histograma representam o

nmero de observaes que se localizam dentro de cada classe.
Para entender melhor o histograma, verificaremos como as notas do vestibular esto distribudas por
rea do conhecimento: humanas, biolgicas e exatas. Para analis-las necessrio acompanhar os
seguintes passos:
Exemplo 4.2
1. Abra a Worksheet Vestibular1.MTW;
138
2. Escolha a opo Graph > Histogram;
Figura 4.7: O comando Histogram
139
Curso de Minitab
3. Ative a opo With Fit;
A opo Simple constri um histograma simples.
A opo With Outline and Groups constri vrios histogramas de acorodo com o agrupamento
dos dados no mesmo grfico.
A opo With Fit and Groups constri vrias curvas de probabilidade no mesmo grfico
comparando diferentes grupos.
4. Selecione OK;
5. Em Graph variables selecione a varivel Nota_vestibular;
140
6. Selecione a opo Labels> Title/Footnotes
7. Em Title digite Histogramas das notas do vestibular por rea do conhecimento;
8. Selecione a aba Data Labels;
9. Ative a opo Use y-value labels;
141
Curso de Minitab
None: No ser aplicado nenhum rtulo aos dados.
Use y-value labels: Cada ponto ter um rtulo que corresponder com o seu valor do eixo Y.
Use labels from column: Cada ponto ser rotulado de acordo com os valores armazenados
em uma coluna de dados. necessrio selecionar uma coluna do tipo texto, numrica ou
data/hora que contenha estes rtulos.
10. Selecione OK;
11. Selecione a opo Data View...;
12. Em Data Display ative as opes Bar e Symbols;
142
Symbols: Permite que cada ponto seja representado por um smbolo.
Project lines: Projeta uma linha conectando cada ponto sua coordenada no eixo X.
Area: Mostra uma rea que representa o comportamento dos dados.
13. Selecione OK;
15. Selecione a aba By Variables;
16. Em By variables with groups in separate panels selecione a varivel rea;
143
Curso de Minitab
By variables with groups in separate panels: Mostra um painel grfico para cada combinao
distinta dos nveis das variveis, todos na mesma janela grfica.
By variables with groups on separate graphs: Mostra um painel grfico para cada combinao
distinta dos nveis das variveis, cada painel em uma janela grfica diferente.
Resultados obtidos:
17. Selecione OK;
144
Figura 4.8: Histograma das notas do vestibular
Concluses
Atravs dos grficos, parece que a distribuio das notas da rea de biolgicas foi a que mais aproximou-
se da distribuio Normal e a que apresentou maior simetria.
A distribuio das notas da rea de exatas foi a que obteve menor variabilidade (desvio padro =
17,45).
OBS: Minimize a janela grfica aps analisar os resultados.
4.3 Boxplot
O comando Boxplot utilizado para traar o grfico Boxplot. Este grfico utilizado para estudar
vrias caractersticas de um conjunto de dados: locao, disperso, forma e presena de observaes
discrepantes (outlier), sendo tambm muito til para comparar dois ou mais conjuntos de dados.
Para facilitar o entendimento dessa ferramenta, vamos construir um Boxplot das notas do vestibular
estratificado por cidade. Acompanhe os seguintes passos:
Exemplo 4.3
1. Escolha a opo Graph > Boxplot...;
145
Curso de Minitab
Figura 4.9: O comando Boxplot
2. Ative a opo With Groups;
146
Em One Y:
- A opo Simple constri um Boxtplot para cada uma varivel.
Em Multiple Ys:
- A opo Simple constri Boxplots simples para duas ou mais variveis no mesmo grfico.
- A opo With Groups constri Boxplots para diferentes grupos, de duas ou mais variveis, no
mesmo grfico.
3. Selecione OK;
4. Em Graph variables selecione a varivel Nota_vestibular;
5. Em Categorical variables for grouping (1-4, outermost first) selecione a varivel Cidade;
6. Selecione a opo Labels ...> Title/Footnotes;
7. Em Title digite Boxplot das notas do vestibular por cidade;
147
Curso de Minitab
8. Selecione OK;
9. Selecione a opo Data View...;
10. Ative as opes Interquatile range box, Outlier symbols e Mean symbol;
148
11. Selecione OK;
Resultados obtidos:
Mdia
Figura 4.10: Boxplot das notas do vestibular estratificado por cidade
149
Curso de Minitab
Observando as Boxplots verificamos que parece no haver diferena entre as notas do vestibular dos
alunos de Belo Horizonte, do interior e de outros estados.
As notas dos alunos que vieram de outros estados foram as que obtiveram maior variabilidade.
As notas dos alunos de Belo Horizonte foram as que apresentaram a distribuio mais simtrica
~ mediana).
(mdia =
possvel perceber a presena de outliers nas notas dos alunos de Belo Horizonte e nas notas dos
alunos que vieram do interior.
Para detectar a linha correspondente ao outlier, o MINITAB oferece a opo Brush. Com ela
vamos identificar o outlier obtido nas notas do alunos de Belo Horizonte. Acompanhe os passos a
seguir:
13. Clique com o boto direito do mouse sobre o grfico Boxplot:
14. Selecione a opo Brush;
150
Figura 4.11: O comando Brush
15. Ao ativar este comando, selecione o outlier das notas dos alunos de Belo Horizonte;
151
Curso de Minitab
A linha que corresponde ao outlier (linha 24) foi indicada na caixa Brushing e marcada na Worksheet
.
com um ponto ( ). Desta forma, a nota 204,8 que est na linha 24 foi a maior nota obtida no
vestibular, sendo considerada um outlier.
OBS: Minimize o grfico aps a anlise dos resultados.
4.4 Bar Chart

O comando Bar Chart constri um grfico de barras. Este grfico utilizado para comparar dados
categricos.
No grfico de barras a altura de cada barra proporcional freqncia da categoria correspondente,
Os espaos entre as barras que representam as vrias categorias mostradas no grfico.
Exemplo 4.4
Para entender melhor a forma de construo do grfico de barras, vamos verificar se na universidade
entraram mais alunos de Belo Horizonte, do interior ou de outros estados e se eles estudaram em
escola pblica ou particular. Acompanhe os passos a seguir:
1. Escolha a opo Graph > Bar Chart...;
Figura 4.12: O comando Bar Chart

152
2. Em Bars represent escolha a opo Counts of unique values;
3. Ative a opo Cluster;
A opo Simple constri um grfico de barras simples.
A opo Stack constri um grfico de barras com categorias empilhadas.
Em Bars represent, alm da opo Count of unique values existem as seguintes opes:
A Funcion of a variable utilizada quando os dados so quantitativos e queremos construir
um grfico de uma funo destes dados, como por exemplo, a mdia.
- Values from a table utilizada quando os dados esto sumarizados em uma tabela e
queremos construir um grfico que tenha a freqncia em cada categoria.
4. Selecione OK;
5. Em Categorical variables (2-4, outermost first) selecione as variveis Cidade e Escola;
153
Curso de Minitab
6. Selecione a opo Chart Options...;
7. Ative a opo Increasing Y;
8. Ative a opo Show Y Percent;
9. Em Take Percent and/or Accumulate selecione a opo Across all categories;
154
A opo Default ordena as barras de acordo com a ordem alfabtica.
A opo Decreasing Y ordena as barras de forma decrescente.
A opo Show Y as Percent usa a porcentagem na escala do eixo Y.
A opo Accumulate Y across X usa a freqncia acumulada na escala do eixo Y.
A opo Across all categories aplica a porcentagem ou a freqncia acumulada em todas as

categorias.
A opo Within categories at level 1 (outermost) aplica a porcentagem ou a freqncia

acumulada nas categorias da primeira varivel selecionada.
10. Selecione OK;
11. Selecione a opo Labels> Title/Footnote;
12. Em Title digite Grfico de barras estratificado por cidade e escola;
155
Curso de Minitab
13. Selecione OK;
14. Selecione a opo Data View... > Data Display
15. Ative a opo Bars;
16. Em Categorical variables for atribute assignment selecione a varivel Escola;
17. Selecione OK;
19. Em By variables with groups on separate graphs selecione a varivel Sexo;
156
20. Selecione OK;
21. Selecione OK na caixa de dilogo princiapal.
Resultados obtidos:
Figura 4.13: Grfico de barras estratificado por cidade e escola referente aos alunos do sexo feminino
157
Curso de Minitab
O grfico mostra que a maioria dos alunos do sexo feminino aprovada no vestibular de Belo
Horizonte e veio de escola particular. Os alunos de outros estados so a minoria.
Dentre os alunos que no so de Belo Horizonte, o nmero de alunos que veio de escola pblica e
particular o mesmo.
Figura 4.14: Grfico de barras estratificado por cidade e escola referente aos alunos do sexo masculino
O grfico mostra que a maioria dos alunos do sexo masculino tambm de Belo Horizonte e veio de
escola particular.
A maior parte dos alunos que vieram do interior e de outro estado, estudou em escola pblica.
Aps a criao dos grficos, se quisermos empilhar as categorias da varivel Escola no grfico referente
aos alunos do sexo masculino, devemos proceder da seguinte maneira:
22. D um clique com o boto direito do grfico sobre o grfico de barras para alunos do sexo masculino
e selecione a opo Graph Options;
158
23. Ative a opo Stack values of innermost categorical variable;
159
Curso de Minitab
24. Selecione a opo OK. O MINITAB fornece o seguinte resultado:
Figura 4.15: Grfico de barras estratificado por cidade e escola referente aos alunos
do sexo masculino (categorias empilhadas)
Podemos observar no grfico traado que cada categoria da varivel Cidade represenbtada por
uma barra e estas, por sua vez, mostra a escola que cada aluno estudou.
OBS: Minimize os grficos aps a anlise dos resultados.
4.5 Pie Chart
O comando Pie Chart (ou popularmente conhecido grfico de pizza) utilizado para apresentar as
freqncias relativas ou percentuais de dados qualitativos. O grfico de pizza dividido em setores
que correspondem s freqncias relativas de cada categoria.
160
Exemplo 4.5
Para entender melhor o grfico de pizza, vamos apresentar o nmero de alunos aprovados em cada
uma das reas do conhecimento (humanas, biolgicas e exatas) atravs dos seguintes passos:
1. Escolha a opo Graph > Pie Chart...;
Figura 4.16: O comando Pie Chart
2. Ative a opo Chart countof unique values data;
3. Em Categorical variables selecione a varivel rea;
161
Curso de Minitab
A opo Chart values from a table deve ser ativada quando os dados esto tabelados. Uma
coluna dever conter o nome das categorias e na outra as freqncias observadas.
4. Selecione a opo Labels...>Title/Footnotes;
5. Em Title digite Grfico de pizza estratificado por rea do conhecimento;
6. Selecione a aba Slice Labels;
7. Ative a opo Percent;
162
A opo Category name inclui o nome da categoria em cada setor.
A opo Frequency inclui a freqncia da categoria em cada setor.
A opo Draw a line from label to slice desenha uma linha do nome da categoria ao setor.
8. Selecione OK;
9. Selecione a opo Multiple Graphs...> By Variables;
10. Em By variables with groups on same page selecione a varivel Sexo;
163
Curso de Minitab
11. Selecione OK;
12. Seleciona a opo Pie Chart Options...;
13. Em Start angle digite 45. Esta opo faz com que o grfico comece a ser traado partir do ngulo
de 45.
164
A opo Increasing volume ordena os setores de forma crescente.
A opo Decreasing volume ordena os setores de forma decrescente.
A opo Combine slices of _____ percent or less into one group indica uma porcentagem
mnima para agrupamento de setores pouco significativos. Esta categoria ser denominada
Outros.
Resultados obtidos:
Figura 4.17: Grfico de pizza estratificado por rea do conhecimento
165
Curso de Minitab
O grfico mostra que a maioria dos alunos do sexo feminino (43,1%) optaram pela rea de humanas,
enquanto que a maioria dos alunos do sexo Masculino (41,8%) optaram pela rea de exatas.
No sexo feminino a menor procura pela rea de exatas e no sexo masculino a menor procura
pela rea biolgica.
4.6 Times Series Plot
O comando Times Series Plot utilizado quando queremos avaliar o comportamento dos dados
ao longo do tempo. O MINITAB traa os dados na ordem em que eles esto na Worksheet em
intervalos de tempo iguais.
Popularmente, este grfico conhecido como grfico seqencial.
Exemplo 4.6
A Universidade do exemplo geral, aps analisar o perfil dos alunos aprovados no vestibular do 1
semestre de 2004, decidiu avaliar o comportamento das notas mdias dos alunos aprovados desde o
ano de sua fundao.
O primeiro vestibular da Universidade foi realizado em julho de 1994, e a partir da vem ocorrendo
em perodos semestrais. Desta forma, a equipe responsvel pela anlise dos dados obteve as mdias
das notas dos alunos aprovados em cada semestre, para que elas pudessem ser avaliadas ao longo do
tempo.
Os dados foram armazenados na Worksheet Vestibular2.MTW. Para analis-los necessrio

1. Abra a Worksheet Vestibular2.MTW;
166
A coluna Ms/Ano refere-se ao perodo em que ocorreu o vestibular. A coluna Notas refere-se
mdia das notas dos alunos aprovados no vestibular naquele perodo.
2. Escolha a opo Graph > Times Series Plot...;
Figura 4.18: O comando Times Series Plort
167
Curso de Minitab
3. Ative a opo Simple;
A opo With Groups constri grficos de sries temporais para diferentes grupos de uma
determinada varivel.
A opo Multiple constri grficos de sries temporais para duas ou mais variveis no mesmo
grfico.
A opo Multiple With Groups constri grficos de sries temporais para diferentes grupos de
duas ou mais variveis no mesmo grfico.
4. Selecione OK;
5. Em Series selecione a varivel Notas;
168
6. Selecione a opo Time/Scale...;
7. Em Time Scale ative a opo Stamp;
8. Em Stamp columns (1-3, innermost first) selecione a varivel Ms/Ano;
A opo Index faz com que a escala do eixo X tenha nmeros inteiros como rtulo.
A opo Calendar inclui uma escala de tempo no eixo-X (dia, ms, ano, etc)
A opo Clock inclui uma escala de tempo no eixo-X (segundo, minuto, hora, etc...)
9. Selecione a opo Labels... > Title/Footnote;
10. Em Title digite Comportamento das notas dos alunos aprovados no vestibular;
11. Em Subtitle 1 digite Perodo: Jul/94 a Jan/04;
169
Curso de Minitab
12. Selecione a aba Data Labels;
13. Ative a opo Use row numbers;
170
14. Selecione OK;
Resultados obtidos:
Figura 4.19: Grfico de sries temporais das mdias das notas dos alunos aprovados no vestibular
Observando o grfico verificamos que no perodo de julho/94 a julho/97 as mdias das notas dos
alunos aprovados no vestibular apresentaram tendncia decrescente. A partir de janeiro/98 as notas
comearam a aumentar, ocorrendo uma pequena queda em julho/00. A maior mdia das notas foi
obtida em janeiro/04.
4.7 Pareto Chart
O comando Pareto Chart que utilizado para comparar uma distribuio de freqncias de dados
qualitativos.
Este grfico dispe a informao de forma a permitir a concentrao dos esforos para alcanar as
melhorias em reas onde os maiores ganhos podem ser obtidos, ou seja, ele torna evidente e visual a
priorizao de problemas e projetos.
171
Curso de Minitab
Exemplo 4.7
Um gerente de produo recebeu de seus superiores uma meta que era a de diminuir, em 50% as
perdas de matria prima da fbrica.
Durante uma semana, com o objetivo de verificar quais eram as causas para a grande quantidade de
perdas, ele coletou todas as perdas que foram observadas dentro da fbrica e para cada uma das
perdas qual havia sido a fonte causadora.
Os dados foram armazenados na Worksheet Materia Prima.MTW. Para analis-los necessrio

1. Abra a Worksheet Materia Prima.MTW;
172
A coluna ID representa a identificao da pea e a coluna Perdas da Matria Prima descreve quais
os motivos das perdas da matria prima.
2. Selecione a opo Stat > Quality Tools > Pareto Chart...;
Figura 4.20: O comando Pareto Chart
3. Ative a opo Chart defects data in e selecione a varivel Perdas da Matria Prima;
4. Em Combine defects after the first digite 95 (isto indica que, aps os primeiros 95% valores
observados, os valores restantes sero combinados em uma nica barra do grfico);
173
Curso de Minitab
5. Selecione a opo Options...;
6. Em X axis label digite Causas como ttulo para o eixo X do grfico;
7. Em Y axis label digite Freqncia como ttulo para o eixo Y do grfico;
8. Em Title digite Grfico de Pareto para Perdas na Produo;
A opo Do not chart cumulative percent deixa de mostrar a freqncia acumulada das variveis;
174
9. Selecione OK;
Resultados Obtidos:
Figura 4.21: Grfico de Pareto para Perdas na Produo
O grfico de Pareto mostra as causas da perda de matria prima na produo. Estas causas esto
ordenadas de acordo com a classificao dos poucos vitais para os muito triviais.
Observamos que, pela freqncia em que ocorrem, as causas so ordenadas em: Estoque, Fornecedor,
Transporte, Linha de Produo, Clima e Outros (Outros representado pelos valores que no excedem
5% do tamanho da amostra estudada, neste caso, a nica causa de perda de matria prima que
ocorre nesta classe Operador).
175
Curso de Minitab
Concluso
Podemos observar no Grfico de Pareto que, para atingir a meta delineada, o gerente de produo
deve focar a ateno principalmente nos problemas ocorridos no Estoque e nos problemas que so
provenientes do Fornecedor, pois juntos estes dois problemas somam aproximadamente 60% das
perdas de matria prima.
Se reduzirmos cada uma destes problemas uma ordem de 84% conseguiremos reduzir as perdas de
matria prima em aproximadamente 50,4%, que o interesse do gerente de produo.
Exemplo 4.8
Considere agora, que ao invs reduzir 50% das perdas de mtria prima o Gerente de Produo
recebeu uma outra meta que era a de reduzir em 70% os custos associados s perdas de matria
prima na linha de produo.
Cada estgio em que a perda detectada possui um custo associado e este varia de acordo com o
motivo da perda.
Considerando os mesmos dados do exemplo anterior, o Gerente de Produo tabulou seus dados
em uma tabela de freqncias e logo aps calculou quais foram os custos associados perda da
matria prima. Observe a seguinte tabela:
Tabela 4.1: Custos associados perda da Matria prima

(de acordo com a causa da perda)
Custo Unitrio
Causa da Perda Freqncia (em R$) Custo Total
Estoque 37 25 925
Fornecedor 28 18 504
Transporte 24 23 552
Linha de Produo 13 22 286
Clima 3 22 66
Operador 3 22 66
176
Os dados deste exemplo foram armazenados na Worksheet Custos.MTW. Para analis-los necessrio
1. Abra a Worksheet Custos.MTW;
A coluna Causa da Perda representa as causas das perdas da matria prima. A coluna Freqncia
representa a freqncia com a qual ocorreram as perdas. A coluna Custo Unitrio (em R$) representa
o custo associado perda da matria prima no estgio em que ela ocorreu e a coluna Custo Total
representa o produto entre o nmero de defeitos em cada causa e o custo total de cada defeito.
2. Escolha a opo Stat > Quality Tools > Pareto Chart...;
177
Curso de Minitab
3. Ative a opo Chart defects table.
4. Em Labels in selecione a varivel Causa da Perda.
5. Em Frequencies in selecione a varivel Custo total (pois nossa varivel de interesse agora so os
custos);
6. Mantenha o valor de 95% em Combine defects after the first;
178
9. Em Y axis label digite Custos como ttulo para o eixo Y do grfico;
10. Desative as a opo Do not chart cumulative percent;
11. Em Title digite Grfico de Pareto para os custos referentes perda de matria prima;
179
Curso de Minitab
12. Selecione OK;
Resultados obtidos:
Figura 4.22: Grfico de Pareto para os custos referentes perda de matria prima
180
Os custos esto ordenados de acordo com a classificao dos poucos vitais para os muito triviais.
Observamos que, pela freqncia em que ocorrem, os custos so ordenadas em: Estoque, Transporte,
Fornecedor, Linha de Produo, Clima e Outros (Outros representado pelos valores no excedem
5% do tamanho da amostra estudada, neste caso, o nico custo da perda de matria prima que
ocorre nesta classe o custo relacionado ao Operador).
Podemos observar que, em comparao com a figura 4.21, as classes Transporte e Fornecedor foram
trocadas de posio. Isto acontece porque os custo associados perda de matria prima no Transporte
maior que o custo relacionado perda da matria prima com problemas advindos do fornecedor.
Concluso
Podemos observar que, para atingir a meta delegada ao Gerente de produo (reduzir em 70% os
custos), devemos focar a ateno nos problemas ocorridos no Estoque, Transporte e Fornecedor, pois
juntos estes trs problemas somam aproximadamente 83% dos custos referentes s perdas de matria
prima.
Se reduzirmos cada uma destes problemas a uma ordem de 90%, 86% e 75% respectivamente,
conseguiremos reduzir os custos relacionados s perdas de matria prima em exatamente 70%, que
o interesse do gerente de produo.
Exemplo 4.9
Duas Linhas de produo dentro da mesma fbrica eram responsveis por fazer a montagem de
refrigeradores do mesmo modelo.
Estas Linhas de produo funcionavam independentemente uma da outra, ou seja, no

necessariamente um problema apresentado nos refrigeradores fabricados em uma das linhas seria
encontrado na outra linha.
Durante uma semana, amostras foram selecionadas das linhas de produo e os defeitos dos
refrigeradores produzidos por cada linha foram anotados (Defeitos A, B, C, D e E). Suponha que as
diretrizes da fbrica indicam que este ano dever ocorrer uma reduo de 30% os defeitos nos
refrigeradores.
181
Curso de Minitab
1. Abra a Worksheet Linhas de Produo.MTW;
A coluna ID representa a Identificao dos refrigeradores. A coluna Tipo de Defeito mostra os tipos
de defeitos anotados para cada refrigerador e a coluna Linha de Produo representa a linha de
produo na qual o refrigerador foi montado.
2. Escolha a opo Stat > Quality Tools > Pareto Chart...;
182
3. Ative a opo Chart defects data in e selecione a varivel Tipo de Defeitos;
4. Em BY variable in selecione a varivel Linha de Produo;
5. Ative a opo One group per graph, independent ordering of bars para que os grficos sejam feitos
separadamente de, de acordo com a Linha de Produo e que as suas barras sejam escolhidas de
forma independente;
6. Mantenha o valor de 95% em Combine defects after the first;
183
Curso de Minitab
A opo Default (all on same graph, same ordering of bars) constri dois grficos de Pareto
que so subdivididos de acordo com a coluna inserida em BY variables in. Estes grficos so
apresentados conjuntamente. Suas barras seguem a mesma ordem.
A opo One chart per graph, same ordering of bars constroi dois grficos de Pareto que so
subdivididos de acordo com a coluna inserida em BY variables in. Os grficos so construdos
em janelas separadas. Suas barras seguem a mesma ordem.
9. Em Y axis label digite Freqncia como ttulo para o eixo Y do grfico;
10. Desative a opo Do not chart cumulative percent;
11. Em Title digite Grfico de Pareto para tipos de defeito de acordo com a linha de produo;
12. Selecione OK;
184
Resultados Obtidos:
Grfico 4.23: Grficos de Pareto para tipos de defeito de para a acordo com a linha de produo
185
Curso de Minitab
Observamos que para a Linha de Produo 1 os tipos dos defeitos seguem a ordem: Defeito B,
Defeito C, Defeito E, Defeito A, e Outros, enquanto a Linha de Produo 2 os defeitos seguem a
ordem: Defeito A, Defeito C, Defeito B, Defeito E, Defeito E.
Concluses
Conclumos que para alcanar a meta delineada, cada linha de produo deveria reduzir
independentemente os seus defeitos poucos vitais. Uma das possveis opes para diminuir o nmero
de defeitos seria:
Linha de Produo 1: Diminuir os defeitos do tipo B em 50% e os defeitos do tipo C em 30%.
Linha de Produo 2 temos: Diminuir os defeitos do tipo A em 45% e os defeitos do tipo C em
40%.
Seguindo estas determinaes a empresa atingiria uma diminuio de 32,2% do nmero de defeitos
superando as metas da empresa.
4.8 - Basics Statistics

Como a prpria traduo diz, o comando Basics Statistics fornece estatsticas bsicas sobre os conjuntos
de dados que estamos analisando.
As informaes fornecidas por este comando tem grande valor na anlise inicial dos dados, pois
atravs delas, temos uma idia de como se comporta o nosso processo.
4.8.1 - Display Descriptive Statistics
O comando Display Descriptive Statistics mostra as estatsticas descritivas de um determinado

conjunto de dados.
186
Exemplo 4.10
O Gerente de Qualidade de uma empresa que produz peas para motores est interessado em realizar
algumas anlises iniciais sobre o dimetro das peas que so produzidas pela empresa (em mm).
Como esta uma anlise inicial, o Gerente est interessado em obter as estimativas mais importantes
para descrever o seu conjunto de dados. As medidas estatsticas mais relevantes para o estudo destas
peas so:
O dimetro mdio das peas;
O menor dimetro observado;
O maior dimetro observado;
A variao do dimetro dessas peas (varincia e desvio-padro);
O dimetro mediano das peas;
O primeiro e o terceiro quartis destes dados.
O valor alvo desejado para o dimetro das peas de 11,5 mm com uma faixa de tolerncia aceitvel
de 0,5 mm.
Dentro desta anlise inicial, o Gerente tambm tem o interesse em visualizar grficos que mostram
a ele alguma possvel observao anormal no conjunto de dados.
O gerente selecionou aleatoriamente 20 peas produzidas pela fbrica e salvou os dados na Worksheet
Peas.MTW. Para analisa-los necessrio acompanhar os seguintes passos:
1. Abra o Worksheet Peas.MTW;
187
Curso de Minitab
A coluna Dimetro (em mm) refere-se ao dimetro das peas em estudo.
2. Escolha a opo Stat > Basic Statistics > Display Descriptive Statistics...;
Figura 4.24: O comando Basics Descriptive Statistics
188
3. Em Variables selecione a varivel Dimetro;
4. Selecione a opo Statistics...;
5. Desative as opes SE of mean, N missing;
6. Ative a opo Variance;
189
Curso de Minitab
Coefficient of variation: Calcula o coeficiente de variao (mostra o desvio padro como
uma porcentagem da mdia).
Interquartile range: Calcula a distncia entre o terceiro e o primeiro quartis.
Trimmed mean: Calcula a mdia aparada dos dados (exclui 5% das menores observaes e
5% das maiores observaes e calcula a mdia do restante dos valores).
Sum: Calcula o somatrio de todas as variveis.
Range: Calcula a amplitude dos dados (o valor da maior observao subtrada da menor
observao).
N missing: Mostra a quantidade de valores ausentes presentes no banco de dados. Os dados
ausentes (missings) so representados por um asteristo (*).
N total: Mostra o tamanho total da amostra somando os dados presentes e os dados ausentes
(missings).
Cumulative N: Mostra o nmero cumulativo de entradas (valores numricos vlidos).
Percent: Mostra a porcentagem de observaes de um determinado grupo dentro da amostra.
Esta ferramenta usada com maior eficincia quando possumos amostras divididas por
subgrupos.
Cumulative percent: Mostra a porcentagem acumulada das observaes quando estas so
divididas por subgrupos dentro das amostras. Esta ferramenta usada com maior eficincia
quando possumos amostras divididas por subgrupos.
Sum of squares: Eleva cada uma das observaes ao quadrado e depois realiza o somatrio
destas quantidades.
Skewness: Calcula uma constante para executar o teste de simetria dos dados. Quando esta
constante igual a zero, os dados possuem distribuio simtrica. Quando esta constante
negativa, os dados apresentam distribuio assimtrica esquerda e quando positiva, os
dados apresentam distribuio assimtrica direita.
Kurtosis: Mede o quo agudo o pico da distribuio (Curtose). Quando a Curtose igual
(ou bastante prximo) zero, indica que o pico da distribuio parecido com o de uma
distribuio normal. Quando a Curtose negativa, indica que o pico da distribuio mais
suave que o de uma distribuio normal e quando a Curtose positiva, indica que o pico da
distribuio mais afiado que o de uma distribuio normal.
MSSD: Calcula a mdia dos quadrados das diferenas sucessivase divide o valor por 2.
190
7. Clique OK;
8. Selecione a opo Graphs...;
9. Ative as opes Histogram of data, Histogram of data, with normal curve, Individual vale plot,
Boxplot of data;
10. Selecione OK;
11. Selecione Ok na caixa de dilogo principal.
Resultados Obtidos:
Descriptive Statistics: Dimetro
Variable N Mean StDev Variance Minimum Q1 Median Q3 Maximum

Dimetro 20 11,493 1,741 3,030 9,200 9,855 11,355 13,178 13,970
Figura 4.25: Sada da janela Session - Estatsticas descritivas do Dimetro das peas
As 20 peas analisadas pelo Gerente apresentaram dimetro mdio de 11,493 mm, desvio-padro
igual a 1,741 mm e varincia igual a 3,030 mm2. O menor dimetro observado nesta amostra foi
igual a 9,2 mm enquanto o maior foi igual a 13,97 mm. O dimetro mediano foi de 11,355 mm.
Quanto aos quartis, podemos afirmar que 25% das peas analisadas apresentam dimetro inferior
de 9,855 mm, 25% das peas analisadas apresentam dimetro maior que 13,178 mm e 50% das
peas analisadas tem dimetro entre 9,855 mm e 13,179 mm.
191
Curso de Minitab
O MINITAB disponibilizou, ao final do calculo das estatstica descritivas quatro grficos
complementares anlise dos dados. Suponha que o Gerente quisesse fazer uma juno destes
grficos em apenas um grfico, para isto, acompanhe os seguintes passos:
12. Seleciona a opo Show Graphs Folder na barra de ferramentas do Project Manager. O MINITAB
mostrar a seguinte tela:
13. Utilizando a tecla [Shift] e o mouse selecione, do lado esquerdo da tela, os quatro grficos
simultaneamente e clique com o boto direito do mouse sobre um desses grficos:
192
14. Selecione a opo Layout Tool. O MINITAB mostrar em uma janela os quatro grficos lado a
lado, como podemos verificar na figura abaixo:
Figura 4.26: O comando Layout Tool
193
Curso de Minitab
Os botes Rows e Columns permitem que sejam inseridas linhas e colunas na janela grfica,
esta janela permitir a insero de novos grficos na janela Layout.
Os botes > e < so utilizados para a insero ou remoo dos grficos na janela Layout.
15. Selecione a opo Finish. Aps executar este comando teremos o grfico desejado pelo gerente.
Figura 4.27: Grficos descritivos do comportamento dos dimetros das peas
Atravs dos Histogramas e do grfico de Valores Individuais verificamos que os dimetros das peas
claramente apresentam indcios da existncia de dois grupos de variveis. O primeiro grupo est
com o dimetro centrado em torno de 9,8 mm enquanto o outro grupo est com o dimetro centrado
em torno de 13 mm.
O Boxplot no apresentou nenhum valor atpico na varivel dimetro.
194
Concluso
Observarmos que em mdia o dimetro das peas fornecem um valor aceitvel em relao ao valor
alvo destas peas, porm, podemos observar que os dimetros apresentam uma grande variabilidade
em relao s especificaes (11 e 12 mm), que neste caso, no so atendidas.
Observamos que tanto o valor mnimo (9,2 mm) quanto o valor mximo (13,97 mm) esto fora da
especificao, o que nos leva a acreditar que existe a necessidade de procurarmos formas de reduzir a
variabilidade dos dados encontrando possveis causas para a formao dos dois grupos detectados na
anlise.
Caso aes corretivas no sejam adotadas a produo de peas ter altos ndices de refugo gerando
prejuzos e perda de produtividade da empresa.
Exemplo 4.11
Com o objetivo de aprofundar a anlise dos dimetros das peas estudadas no exemplo anterior, o
Gerente verificou que a possvel formao dos grupos detectada anteriormente poderia ser causada
pela existncia de peas provenientes de duas mquinas que faziam a usinagem das peas e por uma
possvel falta de ajuste, as mquinas realizavam o trabalho de forma diferente.
O Gerente resolveu verificar qual mquina havia produzido cada uma das peas (Mquina A e
Mquina B) e repetiu a anlise levando em conta esta nova informao.
Os resultados obtidos esto salvos na Worksheet Peas (por mquina).MTW e para analis-los
devemos acompanhar os seguintes passos:
1. Abra a Worksheet Peas (por mquina).MTW;
195
Curso de Minitab
A coluna Dimetro refere-se ao dimetro das peas em estudo sendo estas peas estratificadas de
acordo com a mquina que ela produzida, o que observado na coluna Mquina.
2. Escolha a opo Stat > Basic Statistics > Display Descriptive Statistics;
196
4. Em By variables (optional) selecione a varivel Mquina;
5. Selecione a opo Statistics.... Verifique se esta janela apresenta a seguinte configurao:
197
Curso de Minitab
6. Clique OK;
8. Ative todas as opes de grficos, conforme mostrado na figura abaixo:
9. Selecione OK;
Resltados obtidos:
Descriptive Statistics: Dimetro
Variable Mquina N Mean StDev Variance Minimum Q1 Median

Dimetro A 10 13,134 0,483 0,233 12,130 12,853 13,165
B 10 9,851 0,419 0,176 9,200 9,448 9,870
Variable Mquina Q3 Maximum

Dimetro A 13,408 13,970
B 10,110 10,580
Figura 4.28: Sada da Janela Session - Estatstica descritiva para o Dimetro das peas
Observa-se que os desvios-padro dos dimetros estratificados de acordo com as mquinas (0,483
mm e 0,419 mm) so aproximadamente iguais e que as mdias so bastante diferentes (13,134 mm
e 9,851 mm) o que tambm verificado para a mediana (13,165 mm e 9,870 mm).
Os grficos apresentam o seguinte resultado:
198
Figura 4.29: Grficos descritivos do comportamento dos dimetros das peas
estratificados por mquina
Verificamos que os Histogramas e que o grfico de Valores Individuais fornecem as mesmas

interpretaes obtidas no exemplo anterior, porm, observamos no Boxplot que existe uma diferena
visual entre os dimetros das peas das duas maquinas. Alm disso nenhum ponto atpico foi
observado.
As caixas dos Boxplots tem tamanho aproximadamente igual, o que comprova que a variabilidade
dos dimetros, de acordo com a mquina, so aproximadamente iguais.
Concluso
Observamos que a suspeita levantada pelo Gerente era verdadeira. A existncia dos dois grupos
presentes no banco de dados poderiam ser referente s diferentes mquinas que eram responsveis
pela produo das peas.
O Gerente dever adotar alguma ao corretiva, fazendo com que as mquinas sejam igualmente
ajustadas, fato que parece no estar ocorrendo.
Estes ajustes, alm de procurar centralizar a mdia dos dimetros no valor nominal de 11,5 mm,
devero reduzir a variabilidade das peas, para que estas possam ser produzidas de acordo com as
especificaes.
199
Curso de Minitab
4.8.2 - Store Descriptive Statistics
O comando Store Descriptive Statistics permite ao usurio do MINITAB que, ao realizar uma
estatstica descritiva, possa alocar os resultados destas anlises nas colunas da Worksheet. Este comando
pode ser bastante til quando desejamos utilizar os valores das estatsticas descritivas para realizar
alguma outra anlise.
Exemplo 4.12
O Gerente de Produo do exemplo anterior deseja alocar janela Worksheet os valores da mdia e
do desvio-padro dos dimetros das peas produzidas de acordo com a Mquina utilizada.
2. Em By variables (optional), selecione a varivel Mquinas;
3. Selecione a opo Statistics...;
4. Desative a opo N nonmissing;
5. Ative a opo Standard deviation;
200
6. Selecione OK;
8. Maximize a Worksheet:
Resultados obtidos:
Figura 4.30: Resultados obtidos pelo comando Store Descriptive Statistics
201
Curso de Minitab
Os valores de interesse do Gerente, estratificados pelo tipo de Mquina, esto apresentados nas
colunas C3 identifica a mquina, a coluna C4 mostra a mdia de cada mquina e a coluna C5
mostra o desvio padro de cada mquina.
4.9 - Graphical Summary

O comando Graphical Summary constri um grfico que sintetiza todas as anlises descritivas de
um conjunto de dados, favorecendo o usurio, que possuir um maior nmero de informaes em
um nico grfico.
O grfico gerado, apresenta os resultados abaixo:

Histograma dos dados com a curva Normal;
Boxplot dos dados;
Mdia;
Mediana;
Desvio padro;
Teste de Normalidade de Anderson-Darling;
Quartis, mnimo valor observado e mximo valor observado;
Intervalo de confiana, para a mdia, a mediana, desvio padro.
Exemplo 4.13
Um Meteorologista est estudando a temperatura mdia mensal (em C) da cidade de So Paulo
nos anos de 1997 at 1999. O ponto inicial do seu estudo realizar algumas estatsticas descritivas
que mostrem o comportamento da sua varivel de interesse.
Alguns grficos e intervalos de confiana para a mdia (com alfa = 0,10 de significncia) ajudariam
bastante o Meteorologista em seus estudos.
Os dados esto armazenados na Worksheet Temperatura.MTW. Para analis-los necessrio

1. Abra a Worksheet Temperatura.MTW;
202
A coluna Temperatura (C) refere-se a temperatura mdia mensal da cidade de So Paulo no
perodo de 01/1997 at 12/1999.
2. Selecione a opo STAT > Basics Statistics > Graphical Summary;
203
Curso de Minitab
Figura 4.31: O comando Graphical Summary
3. Em Variables selecione a varivel Temperatura (C);
4. Em Confidence Level digite 90,0. Este comando construir um intervalo de confiana de 90% para
os dados.
204
O campo By Variables (optional) estratifica a varivel que utilizada no estudo de acordo com um
determinado subgrupo.
5. Selecione OK.
Resultados obtidos:
Figura 4.32: Sumrio grfico da temperatura na cidade de So Paulo
205
Curso de Minitab
Verificamos as mdias das temperaturas mensais da cidade de So Paulo possuem distribuio normal
porm levemente assimtrica esquerda (Skewness = -0,252324).
A temperatura mdia da cidade de So Paulo foi de 25,703 0C, com um desvio-padro de 5,456 0 C,
valor mnimo de 13,2 0C e valor mximo de 39,7 0C. Observamos que existem um total de 4 pontos
atpicos no Boxplot sendo que 3 deles esto localizados direita do primeiro quartil e um esquerda
do terceiro quartil. A temperatura mediana da cidade de So Paulo foi de 26,50 C.
Trs intervalos de confiana foram traados, um nvel de 90% de significncia, para a temperatura
mdia (24,166; 27,239), a temperatura mediana (24,827; 27,035) e o desvio-padro da temperatura
(4,574; 6,810).
Concluses
O Meteorologista pode concluir que existem alguns pontos no convencionais no banco de dados,
provavelmente estes pontos foram obtidos ou em invernos ou veres muito rgorosos, o que pode
ter sido provocado pelo aquecimento global ou pelo fenmeno El Nio. A temperatura mdia ficou
em torno de 25,7 0C.
206
Captulo 5
Cartas de Controle
WERKEMA
Consultores
Ao final deste captulo voc ser capaz de construir diferentes cartas de controle, tanto para
variveis quanto para atributos.
5.1 - Seleo de Cartas de Controle

O fluxo descrito na Figura 5.1 mostra os tipos de carta de controle existentes e quando cada uma
deve ser utilizada.
Figura 5.1: Seleo de grficos de controle conforme os tipos de dados disponveis
5.2 Configuraes dos testes da aleatoriedade de carta de controle

Internamente so implementados no MINITAB alguns testes que detectam a falta de aleatoriedade
do processo quando estes so estudados por cartas de controle;
Estes testes consideram, por exemplo, pontos fora do limite de controle, seqncia entre os pontos,
tendncia e localizao dos pontos em zonas limtrofes aos limites de controle, etc...
Para configurar esses testes siga os seguintes passos:
1. Abra o software MINITAB;
2. Escolha a opo Tools > Options...;
209
Curso de Minitab
Figura 5.2: O comando Tools>Options
3. Selecione a opo Control Charts and Quality Tools;
210
4. Selecione o smbolo [+] que se localiza ao lado direito da opo Control Charts and Quality
Tools de tal forma que a janela apresente a seguinte configurao:
5. Selecione a opo Tests;
6. Em K points in a row on same side of center line (Teste 2) digite 7. Este teste verificar a existncia
de seqncia de 7 pontos consecutivos (ou mais) presentes de um mesmo lado da linha mdia;
7. Em K points in a row, all increasing or all decreasing (Teste 3) digite 6. Este teste verificar a
existncia de tendncia crescente ou decrescente em um conjunto de 7 ou mais pontos consecutivos;
211
Curso de Minitab
8. Selecione a opo Perform selected tests for causes;
212
9. Selecione o primeiro, segundo, terceiro e quinto testes. Estes testes, da forma como esto sendo
selecionados pelo MINITAB, estaro sempre disponveis quando construirmos cartas de controle,
mesmo depois que fechamos o software;
10. Selecione OK;
11. Escolha a opo File > Exit.
Aps executar esta seqncia de comandos o MINITAB salvar internamente em sua memria as
modificaes realizadas.
Agora que j fizemos as mudanas necessrias nos testes vamos construir as cartas de controle
disponveis no MINITAB.
Obs.: Os testes selecionados no passo 9 so os mesmo adotados no cursos do Programa Seis Sigma da
Werkema Consultores. Fica a critrio do usurio a escolha dos demais testes.
213
Curso de Minitab
5.3 Variables Charts for Individuals Carta de controle para amostras
individuais
Este comando traa cartas de controle individuais, ou seja, quando possumos tamanho de amostra
igual a 1 ( n = 1);
Amostras de tamanho igual a 1 podem ocorrer nas seguintes condies:

A inspeo automatizada, ou seja, todas as unidades produzidas so analisadas;
A escassez dos dados impede a formao de amostras maiores que uma unidade;
No existe critrio lgico para a formao de amostras maiores que uma unidade.
5.3.1 Carta I-MR (X-AM)

Este comando fornece duas cartas de controle, uma para os valores Individuais (I) do nosso processo
e a outra para a Amplitude Mvel (MR) avaliando a variao de longo e curto prazo.
Exemplo 5.1
Uma fbrica de equipamentos pesados deseja verificar se o nmero de incidentes dirios que ocorrem
na fbrica e prejudicam a linha de produo, possuem ocorrncia aleatria ou no.
de interesse da alta administrao que o nmero de incidentes no supere a marca de 20 incidentes/

dia. Estes incidentes podem ser enumerados como:
Falta de um insumo na linha de produo;
Sobrecarga no sistema de estocagem, ou seja, no havia carregadeiras suficientes para escoar os

produtos acabados da linha de produo para o estoque;
Deteco de problemas graves em algum equipamento, que levava a parada de produo e a

reviso completa do sistema, entre outras.
A avaliao do processo foi feita diariamente no perodo compreendido de 01/03/2000 at 31/03/

2000 e os resultados obtidos esto armazenados na Worksheet Incidentes.MTW. Para analis-los
1. Abra a Worksheet Incidentes.MTW;
214
A coluna Dia refere-se ao dia em que o Nmero de Incidentes foi observado.
2. Escolha a opo Stat > Control Charts > Variables Charts for Individuals > I-MR...;
Figura 5.3: O comando I-MR

215
Curso de Minitab
3. Em Variables selecione a varivel Nmero de Incidentes;
4. Selecione a opo I-MR Options... > Estimate;
5. Em Method for estimating standard deviation, certifique se para o campo Subgroup size = 1 a
opo Average moving range est selecionada;
6. Em Length of moving range digite 2. Este ser o comprimento adotado na obteno da mdia
mvel;
216
A aba Parameters utilizada quando conhecemos, de estudos passados, os valores dos parmetros
do processo. Quando estes valores no so conhecidos, os parmetros so estimados de acordo com
a mdia e o desvio-padro da amostra.
A aba Stages determina diferentes estgios para o clculo da carta de controle fazendo com que
cada um dos estgios possuam seus prprios limites de controle, mdia, desvio-padro, etc...
A aba Box-Cox realiza a transformao de Box-Cox para a varivel resposta.
A aba Display determina quais os resultados sero apresentados.
O filtro Omit the following samples when estimating parameters (eg, 3 12:15) ou Use the
following samples when estimating parameters (eg, 3 12:15) so utilizados para omitir ou
acrescentar pontos na carta de controle, respectivamente.
7. Selecione a aba S Limits.
8. No campo Display control limits at na opo These multiples of the standard deviation digite os
valores 2 3. Este comando insere linhas na carta de controle nas posies -3, -2, 2 e 3.
217
Curso de Minitab
Os campos Place bounds on control limits of Individual Chart e Place bounds on control
limits of MR Chart verificam se os limites de controle para a carta X e para a carta MR esto
presentes dentro de uma faixa especificada pelo usurio. Se os limites de controle superam estes
valores, os limites inseridos nos respectivos campos so utilizados e neste caso so nomeados de
LB (Limite Inferior Limitado) ou UB (Limite Superior Limitado).
9. Selecione a aba Tests.
10. Certifique se os testes abaixo esto selecionados:
11. Selecione OK;
12. Selecione a opo Labels...> Title/Footnotes;
13. Em Title digite o ttulo do grfico: Carta I-MR para o Nmero de Incidentes mensais;
14. Em Footnote 1 digite o perodo de cobertura do estudo: Perodo: 01/03/2000 31/03/2000;
218
15. Selecione OK;
16. Selecione a opo Scale...;
17. Em X Scale selecione a opo Stamp;
18. Em Stamp columns (1-3, innermost first) selecione a varivel Dia. Este comando colocar rtulos
no eixo X e estes rtulos sero relacionados ao dia em que o nmero de incidentes ocorreu;
19. Selecione OK;
219
Curso de Minitab
Resultados Obtidos:
Figura 5.4: Carta I-MR para o nmero de incidentes mensais
Observamos que a carta de controle construda no apresentou nenhum valor fora dos limites
de controle e alm disso nenhum dos testes de aleatoriedade foram violados o que indica que
a quantidade de incidentes ocorridos, tanto no curto quanto no longo prazo esto sob controle
estatstico.
Concluses
Verifica-se que alm de no apresentar falta de controle, a carta de controle I apresenta limite
superior de controle igual a 16,54 incidentes. Este valor est abaixo dos 20 incidentes/dia desejados
pela alta administrao, podemos concluir a partir da que o nmero de incidentes apresentam um
bom comportamento.
220
5.4 Variables Charts for Subgroups
O comando Variables Charts for Subgroups constri cartas de controle para variveis amostradas
de acordo com o tamanho do subgrupo.
Este comando dividido em diferentes tipos de cartas de controle:

Para subgrupos de tamanho entre 2 e 10 (2 < n < 10) so utilizadas as Cartas X-R.
Para subgrupos de tamanho maior que 10 ( n > 10) so utilizadas as cartas X-S.
5.4.1 Xbar-R
O comando Xbar-R refere-se construo das cartas X-R, asquais que so utilizadas para subgrupos
de tamanho entre 2 e 10. Ao escolhermos este comando as duas cartas so traadas simultaneamente.
Exemplo 5.2
Uma fbrica produz parafusos que so utilizados na indstria automotiva.
O responsvel pela qualidade deste produto desejava verificar se o processo de produo destes
parafusos estava sob controle, para isso, a cada hora ele coletou 4 parafusos da linha de produo e
repetiu este procedimento 20 vezes. Aps isto, resolveu utilizar as cartas X-R para verificar se o
processo est sob controle estatstico.
Os dados foram armazenados na Worksheet Parafuso automotivo1.MTW. Para analis-los devemos

221
Curso de Minitab
1. Abra a Worksheet Parafuso automotivo1.MTW;
A coluna Comprimento representa o comprimento nominal de cada um dos parafusos avaliados no

estudo. A coluna Horas representa a hora em que o parafuso utilizado no estudo foi coletado.
2. Escolha a opo Stat > Control Charts > Variables Charts for Subgroups > Xbar-R...;
Figura 5.5: O comando Xbar-R
222
3. Como os dados esto organizados em uma coluna, selecione o filtro All observations for a chart are
in one column;
4. Selecione a varivel Comprimento;
5. Em Subgroup sizes selecione a varivel Horas;
Ao construirmos uma carta de controle X-R, bastante til visualizarmos as linhas de referncia de
1,5s, 2s e 3s.
Estas linhas ajudam a determinar as aproximaes dos limites de controle e aproximao da linha
mdia.
A linha 3s automaticamente traada para todas as cartas de controle ela representa os seus limites
de controle das cartas.
Precisamos primeiramente, determinar qual a forma de estimao do desvio-padro (s) da carta de

controle, voltando ao exemplo, acompanhe os seguintes passos:
6. Selecione a opo XBar-R Options...;
223
Curso de Minitab
7. Na aba Estimate, no campo Method for estimating standard deviation, para Subgroup size > 1
ative a opo Rbar. Esta opo calcula o desvio-padro baseado no clculo do valor de R.
224
A opo Pooled standard deviation calcula o desvio-padro combinado das observaes
no levando em conta o valor de R.
A opo Use unbiasing constant utiliza uma estimativa no viciada para a estimativa do
desvio-padro (s).
9. No campo Display control limits at para These multiples of the standard deviation digite os
valores 1,5 2 3.
O Campo When subgroup sizes are unequal, calculate control limits permite que o usurio
escolha a maneira de como os limites de controle so calculados quando os subgrupos so de
tamanhos diferentes.
225
Curso de Minitab
10. Selecione a aba Tests e verifique se os seguintes testes esto habilitados:
11. Selecione a aba Storage.
12. Em Store these estimates for each chart escolha as opes Means e Standard deviations. Esta
marcao faz com que os valores estimados da mdia e do desvio-padro de cada carta de controle
sejam alocados na Worksheet.
226
O campo Stores these values for each point aloca janela Worksheet cada um dos valores
utilizados na construo da carta de controle.
13. Selecione OK;
14. Selecione a opo Labels...> Title /Footnotes
15. Em Title digite o ttulo da carta de controle: Carta XBarra-R para o comprimento dos parafusos
automotivos.
16. Em Subtitle 1 digite: Amostras coletadas durante 20 horas;
17. Selecione OK;
227
Curso de Minitab
Resultados Obtidos:
Grfico 5.6: Carta de Controle X-R para o comprimento dos parafusos automotivos
A Carta X forneceu uma mdia igual a 15,00092 mm. O Limite Superior de Controle (LSC) foi
igual a 15,03261 mm e o Limite Inferior de Controle (LIC) igual a 14,96922 mm.
A carta R forneceu uma amplitude mdia igual a 0,0435. O seu Limite Superior de Controle (LSC)
foi igual a 0,09933 e o Limite Inferior de Controle (LIC) igual a 0.
Observamos que nenhuma destas duas cartas apresentou qualquer ponto fora de controle e os testes
no localizaram nenhuma ocorrncia no aleatria no processo.
Os valores da mdia e do desvio-padro esto alocados nas colunas MEAN1 e STDE1 da Worksheet,
como podemos visualizar a seguir:
228
Concluso
Observamos que o processo de produo dos parafusos automotivos est sob controle estatstico,
dessa forma, podemos dizer que o processo est produzindo itens de acordo com as variaes aleatrias
permissveis.
Verificamos que a mdia do processo igual a 15,00009 e o desvio-padro igual a 0,0211297.
Como o processo encontra-se sob controle estatstico, podemos assumir como limites de controle
para o processo, os limites de controle fornecidos por estas duas cartas estudadas.
229
Curso de Minitab
Exemplo 5.2 (Continuao)
Suponha que os limites de controle do exemplo anterior foram adotados como sendo os limites de
controle do processo. Dessa forma, a cada hora, 4 parafusos eram coletados e o ponto referente a
esta amostra era plotado nas cartas de controle.
Passado alguns dias, o responsvel pela qualidade resolveu coletar algumas amostras do seu processo
para construir uma carta de controle de acordo com os parmetros estabelecidos anteriormente
verificando assim se o processo continuava sob controle.
Os dados foram armazenados na Worksheet Parafuso automotivo2.MTW. Para analis-los

corretamente necessrio acompanhar os seguintes passos:
2. Escolha a opo Stat > Control Charts > Variables Charts for Subgroups > Xbar-R...;
230
3. Selecione o filtro All observations for a chart are in one column;
4. Selecione a varivel Comprimento;
5. Em Subgroup sizes selecione a varivel Horas;
231
Curso de Minitab
6. Selecione a opo Xbar-R Options...> Parameters.
7. Como possumos os valores histricos da mdia e do desvio-padro do processo, em Mean digite o

valor 15,0009 (valor da mdia da carta de controle do exemplo anterior).
8. Em Standard deviation digite o valor 0,02113 (valor do desvio-padro estimado no exemplo

anterior).
9. Selecione a aba Estimate.
10. No Campo Method for estimating standard deviation, para Subgroup size > 1 ative a opo
Rbar;
232
12. No campo Display control limits at para These multiples of the standard deviation digite os valores
1,5 2 3;
13. Selecione OK;
14. Selecione a opo Labels...;
15. Em Title digite o ttulo da carta de controle: Carta XBarra-R para o comprimento dos parafusos
automotivos.
16. Em Subtitle 1 digite: Amostras para a verificao dos limites de controle;
17. Selecione OK;
233
Curso de Minitab
Resultados obtidos:
Figura 5.7: Carta de Controle X-R para o comprimento de parafusos automotivos

(verificao dos limites de controle)
Observamos que a carta de controle X apresenta quatros pontos fora de controle. Estes pontos
podem ser analisados da seguinte maneira:
Trs pontos observados foram destacados com o valor 1 indicando que o Teste 1 (ponto alm do
limite de 3s);
Um ponto foi destacado com o valor 5 indicando que o Teste 5 (2 de 3 pontos entre 2 e 3s).
A carta R apresenta trs pontos fora de controle. Estes pontos podem ser analisados da seguinte
maneira:
Os trs pontos foram destacados com o valor 2, indicando que o Teste 2 (sete ou mais pontos do
mesmo lado da linha central).
A janela Session apresenta a seguinte sada:
234
Test Results for Xbar Chart of Comprimento
TEST 1. One point more than 3,00 standard deviations from center line.
Test Failed at points: 6; 11; 14
TEST 5. 2 out of 3 points more than 2 standard deviations from center line (on
one side of CL).
Test Failed at points: 18
Test Results for R Chart of Comprimento
TEST 2. 7 points in a row on same side of center line.

Test Failed at points: 10; 11; 12
Figura 5.8: Resultados da janela Session para a Carta X-R
A mensagem exibida para a carta X mostra quais testes foram violados e explica detalhadamente o
que cada um dos destes testes verificava, alm disso indica quais pontos foram problemticos. Para o
Teste 1 temos como pontos problemticos os pontos 6, 11 e 14 e para o Teste 5 o ponto 18.
Para a carta R, observamos que apenas um teste foi violado, o Teste 2. Este Teste detectou os pontos
10,11 e 12 como pontos fora de controle.
Concluses
Conclumos que o processo de produo dos parafusos utilizados na indstria automotiva, de acordo
com os limites de controle calculados no exemplo anterior, encontram-se fora de controle estatstico.
Portanto necessrio realizar uma minuciosa anlise do processo para que as possveis causas do
problema sejam descobertas e isoladas.
Caso tais causas no sejam descobertas, necessrio realizar uma nova coleta de dados e tentar
estabelecer novos limites de controle para o processo.
5.4.2 Xbar-S
As cartas X-S so utilizadas quando possumos subgrupos de tamanho maiores que 10.
A carta S possui a mesma interpretao da carta R, porm aqui, em cada subgrupo, ao invs de
calcularmos a amplitude R de cada subgrupo, calcula-se o valor do desvio-padro.
Todas as anlises que so feitas na carta X-R se aplicam a esta carta.
235
Curso de Minitab
Exemplo 5.3
Uma fbrica de barras de chocolate est interessada em verificar se o seu processo de fabricao est
sob controle estatstico.
de interesse da empresa verificar se o peso de suas barras de chocolate esto com o peso nominal
no valor de 180 gramas, com um limite inferior de especificao igual a 175 gramas (para no ser
penalizado pelo rgo que regulamenta o peso das embalagens) e com limite superior de especificao
igual a 185 gramas (para que a empresa no perca matria-prima vendendo produtos acima do
peso).
Como a empresa estava produzindo em larga escala os seus produtos, ela resolveu selecionar
aleatoriamente 14 barras de chocolate de cada lote que era produzido, at obter amostras de 20 lotes
seqenciais.
Os dados deste exemplo esto armazenados na Worksheet Chocolate.MTW. Para analis-los

1. Abra a Worksheet Chocolate.MTW;
236
As amostras esto organizadas no MINITAB por linha, ou seja, cada linha da janela Worksheet
equivalente a um lote (ou subgrupo) num total de 20 lotes, e para cada lote temos 14 amostras.
2. Escolha a opo Stat > Control Charts > Variables Charts for Subgroups > Xbar-S...;
Figura 5.9: O comando Xbar - S
3. Como o conjunto de dados est organizado por linhas, selecione o filtro Observations for a subgroup
are in one row of columns;
4. Selecione todas as 14 colunas referentes s amostras;
237
Curso de Minitab
5. Selecione a opo Select;
6. Selecione a opo XBar-S Options... > Estimate;
7. No campo Method for estimating standard deviation, para Subgroup size > 1 ative a opo Sbar;
8. Ative a opo Use unbiasing constant;
238
10. No campo Display control limits at para These multiples of the standard deviation digite os
valores 1,5 , 2 e 3;
239
Curso de Minitab
11. Selecione OK;
13. Em Title digite o ttulo da carta de controle: Carta XBarra-S para o peso das Barras de Chocolate;
14. Selecione OK;
240
Resultados obtidos:
Figura 5.10: Carta de controle X-S para o peso das Barras de Chocolate
Atravs das cartas de controle construdas verifica-se que nenhum dos pontos foi localizado fora dos
limites de controle, alm disso, o MINITAB no detectou qualquer configurao no aleatria na
carta de controle, dessa forma podemos dizer que o processo est sob controle estatstico.
Concluso
Como o processo que determina o peso das barras de chocolate est sob controle estatstico, podemos
concluir que o processo est operando sob as mesmas condies de operao e dessa forma podemos
dizer que este um processo previsvel.
Podemos observar tambm que, apesar de previsvel,o processo est com o limite superior de controle
acima do valor especificado de 185 gramas, o que nos leva a creditar que o processo est operando
fora das especificaes. Mais detalhes sobre problemas como este estaro decritos no Captulo 6
Capacidade de Processos.
OBS.: Feche o MINITAB aps a anlise dos resultados.
241
Curso de Minitab
5.5 Attributes Charts
As cartas de controle para atributos tm caractersticas semelhantes s cartas de controle por variveis,
porm, nas cartas de controle por atributos no possumos uma descrio mensurvel da varivel de
interesse. Neste caso a classificao ou contagem dos itens feito qualitativamente verififcando se
estes satisfazem ou no a uma condio de interesse.
5.5.1 Carta P
O comando P traa a carta de controle para propores de itens no conformes (defeituosos) que
so produzidas pelo processo na qual se deseja avaliar.
A carta de controle P pode ser representada tanto para subgrupos de tamanhos iguais quanto para
subgrupos de tamanhos diferentes.
Para subgrupos diferentes, recomendvel utilizar a carta P apenas para subgrupos que no variem
o tamanho da amostra em 25% , para que dessa forma, os resultados obtidos possam ser coerentes.
A carta de controle P fundamentada na distribuio Binomial.
Exemplo 5.4
Uma Indstria Metalrgica fabricava conexes de ferro galvanizado que eram utilizados na juno
de tubos de metal e tubos de PVC.
As conexes, depois de fundidas, devem passar por um processo de rebarbamento, onde as rebarbas
so retiradas para que a conexo tenha condies de uso adequadas.
Muitas conexes, mesmo depois de passar pelo processo de rebarbamento, ainda possuam rebarbas,
o que era considerado uma no-conformidade.
O setor de qualidade tinha interesse em manter a proporo de conexes no conformes a um nvel

de 5% das peas produzidas.
Com o desejo de verificar se o processo estava sob controle estatstico e se estava atendendo as
expectativas, foi realizada uma inspeo 100% em 24 lotes das conexes em estudo.
Cada lote (com 150 conexes) foi aleatoriamente escolhido dentro dos lotes produzidos em cada
hora de um dia de produo da fbrica.
Os dados foram armazenados na Worksheet Conexes.MTW. Para analis-los necessrio

242
1. Abra a Worksheet Conexes.MTW;
A coluna Conexes no conformes representa o nmero de conexes no conformes em cada um

dos lotes extrados da linha de produo.
2. Escolha a opo Stat > Control Charts > Attributes Charts > P...;
Figura 5.11: O comando Atribute Charts > P
243
Curso de Minitab
3. Em Variables selecione a varivel Conexes no conformes
4. Em Subgroup sizes digite 150 (este valor representa o tamanho do lote);
5. Selecione a opo P Chart Options...

6. Selecione a aba Tests;
7. Verifique se os testes selecionados apresentam a seguinte configurao:
244
8. Selecione OK;
10. Em Title digite Carta P para a proporo de conexes no conformes;
11. Selecione OK;
Resultados obtidos:
Figura 5.12: Carta P para a proporo de conexes no conformes
245
Curso de Minitab
Observa-se que existe um ponto fora dos limites de controle (detectado pelo Teste 1). Este ponto
representado pelo ponto 18.
possvel observar tambm que a proporo mdia de itens defeituosos de 0,0908 e que o limite
superior de controle de proporo igual a 0,1612.
Com exceo do ponto fora dos limites de controle, nenhuma outra observao apresentou problemas
de falta de controle.
A Session apresenta o seguinte resultado:
Test Results for P Chart of Conexes no conformes
TEST 1. One point more than 3,00 standard deviations from center line.
Test Failed at points: 18
Figura 5.13: Resultados da janela Session para a Carta P
Quando detectamos pontos fora de controle muitas vezes, estes pontos podem estar relacionados
fontes especiais que causaram momentaneamente a falta de controle do processo ou ainda, a coleta
de dados pode ter sido feita de maneira incorreta, o que leva aquele ponto a no condizer com a
realidade dos demais pontos.
Ao detectar o ponto 18 como um ponto fora dos limites de controle, o responsvel pela carta
verificou no histrico do problema que a amostra 18 havia sido inspecionada por um funcionrio
que no estava bem treinado para executar o servio, dessa forma, ao fazer a inspeo ele considerava
como no conforme, conexes que estava conformes.
Como o ponto no estava condizente com os demais pontos, o responsvel resolveu omitir o resultado
daquele ponto do calculo da carta P, sem no entanto excluir o ponto da carta de controle, dessa
forma, ele realizou os seguintes passos:
246
Como acabamos de analisar o banco de dados e no abrimos um novo projeto, o MINTAB mostra
os comando realizados na analise anterior:
14. Selecione a opo P Chart Options... > Estimate;
15. Selecione o filtro Omit the following subgroups when estimating parameters (eg, 3 12:15) e na
lacuna abaixo do filtro, digite 18 (este comando excluir o ponto 18 da estimativa dos limites de
controle e do clculo da mdia);
247
Curso de Minitab
16. Selecione OK;
Resultados Obtidos:
Figura 5.14: Carta P para a proporo de conexes no conformes (omitindo o

ponto 18 do calculo dos parmetros)
248
Observa-se que o valor da proporo mdia de itens defeituosos de 0,0875 (a anterior era igual a
0,0908) e o limite superior de controle igual a 0,1568 (o anterior era igual a 0,1612).
importante salientar que o ponto fora de controle ainda detectado pelos testes, porm ele no
mais influencia nos valores dos parmetros da carta de controle.
Concluso
Observamos atravs dos resultados obtidos, que a proporo de conexes no conformes est sob
controle (pois como comentado anteriormente, a 18 amostra no havia sido corretamente analisada).
Uma importante observao que deve ser feita sobre a capacidade do processo em atender a
exigncia de produzir no mximo 5% de peas defeituosas.
O limite superior de controle que igual a 15,68% e est acima dos 5% desejados.
Problemas deste tipo sero discutidos mais profundamente no Captulo 6 - Capacidade de Processos.
Exemplo 5.5
Seguindo a linha de raciocnio do exemplo anterior, o responsvel pela carta de controle, ao invs
de coletar aleatoriamente um dos lotes produzidos a cada hora de produo ele resolveu fazer a
inspeo em conexes de diferentes lotes produzidos durante uma hora.
Como nem sempre a mesma quantidade de conexes avaliadas era a mesma, as amostras selecionadas
no possuam os mesmos tamanhos.
Os dados referentes a este exemplo foram armazenados na Worksheet Conexes_2.MTW. Para analis-
los acompanhe os seguintes passos:
1. Abra a Worksheet Conexes_2.MTW;
249
Curso de Minitab
A coluna Conexes no conformes representa o nmero de conexes no conformes em cada
amostra extrada da linha de produo da Indstria Metalrgica. Os tamanhos das amostras esto
armazenados na coluna Tamanho da amostra.
250
3. Em Variables selecione a varivel Conexes no conformes;
4. Em Subgroup sizes selecione a varivel Tamanho da Amostra;
7. Em Title digite o ttulo para a carta de controle: Carta P para a proporo de conexes no conformes.
8. Em Subtitle 1 digite para conexes produzidas em diversos lotes durante 24 horas;
9. Selecione OK;
251
Curso de Minitab
Resultados obtidos:
Figura 5.15: Carta P para a proporo de conexes no conformes em amostras

selecionadas aleatoriamente e de tamanhos diferentes
No observamos nenhum ponto fora dos limites de controle e nenhuma configurao no aleatria
entre os dados.
Um fato importante que podemos observar que como as amostras so de tamanhos diferentes, os
limites de controle no seguem o mesmo comportamento no decorrer da carta.
Os valores exibidos na carta como limites de controle superior e inferior, so na verdade os valores
referentes aos valores dos limites de controle da ltima amostra.
Uma maneira fcil de observarmos que as amostras no possuem o mesmo tamanho observar a
nota de rodap exibida no grfico que diz que os testes realizados foram executados com tamanhos
de amostras diferentes.
Concluses
O processo de produo das conexes metlicas pode ser considerado sob controle estatstico, porm,
a proporo mdia (5%) de peas defeituosas est acima daquilo que considerado como sendo o
ideal para a empresa. Meios de diminuir a proporo de itens defeituosos devero ser adotadas.
252
5.5.2 NP
A carta NP realiza as anlises idnticas s da Carta P, porm, ao invs de utilizar a proporo de itens
defeituosos (no conformes) para traar a carta de controle, a carta NP traa a carta atravs do
nmero de itens defeituosos (no conformes).
A carta NP muitas vezes utilizada no sentido de facilitar a apresentao dos resultados, pois como
nela contabilizamos o nmero de itens defeituosos, no h a necessidade pensarmos em termos de
propores.
O uso da carta NP desaconselhado quando possumos amostras de tamanhos diferentes e no

desejamos utilizar um tamanho mdio para as amostras, pois a linha central do grfico passa a possuir
degraus assim como os limites de controle, o que dificulta a interpretao da variao da carta de
controle.
Exemplo 5.6
A empresa atacadista do ramo de hortifrutigranjeiros est interessada em estudar a quantidade de
tomates imprprios para o consumo que um fornecedor entrega a ele todos os dias.
O fornecedor j havia sido advertido uma vez que as caixas de tomate deveriam conter no mximo
10 tomates imprprios para o consumo. O nmero de tomates contidos em uma caixa igual a 95.
A empresa atacadista analisou, aleatoriamente, uma das caixas fornecidas pelo fornecedor durante
20 dias.
Os dados esto armazenados na Worksheet Tomate.MTW. Para analis-los necessrio acompanhar

1. Abra a Worksheet Tomate.MTW;
253
Curso de Minitab
A coluna Tomates Imprprios representa o nmero de tomates imprprios para o consumo em
cada caixa de tomates.
2. Escolha a opo Stat > Control Charts > Attributes Charts > NP...;
Figura 5.16: O comando NP
254
3. Em Variables selecione a varivel Tomates imprprios;
4. Em Subgroup sizes digite 95;
6. Em Title digite Carta NP para nmero de tomates imprprios para consumo;
7. Selecione OK;
255
Curso de Minitab
Resultados obtidos:
Figura 5.17: Carta NP para nmeros de tomates imprprios para consumo
Observa-se claramente que os pontos tendem a seguir uma seqncia ascendente com o passar do
tempo.
O nmero mdio de tomates imprprios para o consumo igual a 7,6 e que o limite superior de
controle igual a 15,53 tomates.
A Session exibe o seguinte resultado:
Test Results for NP Chart of Tomates imprprios
TEST 2. 7 points in a row on same side of center line.

Test Failed at points: 19; 20
Figura 5.18: Resultados da janela Session para a Carta NP gerada.
256
Onde possvel verificar que o Teste 2 detectou mais que 7 pontos em linha do mesmo lado da linha
central, sendo estes pontos os pontos 19 e 20.
Concluses
Concluimos que o nmero de tomates imprprios para o consumo no est sob controle estatstico,
alm disso, observa-se que com o passar do tempo o nmero de tomates imprprios vem aumentando
o que pode ser ocasionado por um eventual descuido do fornecedor quanto qualidade dos seus
produtos.
Alm disso o limite superior de controle, que igual 15,53 tomates, est acima do valor mximo
tolerado (10 tomates). Conclumos que a empresa atacadista dever tomar providncias em relao
a este fato.
5.5.3 Carta C
A carta C traa o nmero de defeitos dentro de uma unidade do produto.
Sabemos que se uma unidade de produto considerada defeituosa, pelo menos um defeito existe
naquela unidade.
Consideramos como defeito qualquer caracterstica que no satisfaa uma determinada especificao.
A carta C utilizada em situaes onde se faz necessrio controlar o nmero total de defeitos em
uma unidade do produto.
A distribuio estatstica que serve como base na construo para as cartas C a distribuio de
Poisson.
Exemplo 5.7
Uma fbrica de refrigeradores estava interessada em estudar a qualidade de seus produtos.
Quando o refrigerador era considerado defeituoso, ele era enviado para o re-trabalho o que
influenciava negativamente na produtividade da empresa (pois consumia vrios operrios/hora de
trabalho).
257
Curso de Minitab
O setor de qualidade da empresa resolveu fazer uma carta C para tomar as devidas providncias
sobre este problema, e para isto coletou aleatoriamente em um dia de produo 25 refrigeradores
igualmente espaados no tempo e submeteram cada refrigerador inspeo.
Os dados foram armazenados na Worksheet Refrigeradores.MTW. Para analis-los necessrio

1. Abra a Worksheet Refrigeradores.MTW;
2. Escolha a opo Stat > Control Charts > Attributes Charts > C...;
Figura 5.19 - O comando Atributes Charts > C
258
3. Em Variables selecione a varivel Nmero de Defeitos;
4. Selecione a opo Labels... > Title/Footnotes;
5. Em Title digite Carta C para nmero de defeitos em refrigeradores;
6. Selecione OK;
259
Curso de Minitab
Resultados obtidos:
Figura 5.20: Carta C para o nmero de defeitos em refrigeradores
Observamos que nenhum ponto foi superior aos limites de controle e nenhuma configurao no
aleatria foi detectada.
O nmero mdio de defeitos por refrigerador foi igual a 2,64 defeitos enquanto o limite superior de
controle igual a 7,51 defeitos por refrigerador.
Concluses
Conclumos que a carta C est sob controle estatstico. Porm, o limite superior de controle est
muito elevado, ou seja, refrigeradores com 7 defeitos ainda seriam tidos como normais para o processo.
necessrio fazer um estudo mais aprofundado no processo de fabricao dos refrigeradores a fim de
diminuir a variabilidade do nmero de defeitos nos refrigeradores e alm disso diminuir o nmero
mdio de defeitos de cada refrigerador.
5.5.4 - Carta U
A carta U segue a mesma linha de raciocnio da carta C, porm, na carta U ao invs de coletarmos
apenas uma observao do item estudado, coletando amostras e formando assim subgrupos racionais
com os itens selecionados.
260
De posse do total de defeitos em cada subgrupo e do tamanho de cada subgrupo traamos a carta U
que mede o nmero mdio de defeitos por item estudado.
Exemplo 5.8
Considere a situao proposta no exemplo anterior, porm, ao invs de coletarmos 25 refrigeradores
igualmente espaados no tempo, foram coletadas 20 amostras, cada uma com 4 refrigeradores.
Para cada uma destas amostras foram contabilizados a soma total de defeitos de cada um dos
refrigeradores.
Os dados foram armazenados na Worksheet Refrigeradores_2.MTW. Para analis-los necessrio

1. Abra a Worksheet Refrigeradores_2.MTW;
A coluna Defeitos (por amostra) representa o nmero de defeitos observados em cada amostra de
4 refrigeradores.
261
Curso de Minitab
2. Escolha a opo Stat > Control Charts > Attributes Charts > U...;
Figura 5.21: O comando Attributes Charts > U
3. Em Variables insira a varivel Defeitos (por amostra)
4. Em Subgroup sizes digite 4;
6. Em Title digite Carta U para nmero mdio de defeitos por refrigerador;
7. Em Subtitle 1 digite Subgrupos de tamanho =4;
262
8. Selecione OK;
Resultados Obtidos:
Figura 5.22: Carta U para o nmero mdio de defeitos por refrigerador com tamanho de amostra igual a 4
263
Curso de Minitab
Observamos que nenhum ponto da carta de controle ultrapassou os limites de controle, alm disso,
no existem evidncias que nos levam a rejeitar a hiptese de aleatoriedade.
O nmero mdio de defeitos igual a 2,575 e o limite superior de controle igual a 4,982 e o limite
inferior de controle igual a 0,168.
Concluses
Conclumos que o processo de fabricao dos refrigeradores est sob controle estatstico, porm,
observamos que processo no vem sendo capaz de atender as expectativas da empresa, dado que o
limite superior de controle est muito elevado.
necessrio realiar um estudo mais aprofundado no processo de fabricao dos refrigeradores a fim
de diminuir o nmero de defeitos nos refrigeradores.
264
Captulo 6
Capacidade de Processos
WERKEMA
Consultores
Ao final deste captulo voc ser capaz de analisar a capacidade de processos sob diferentes
aspectos (performance esperada e observada).
O comando Capability Analysis faz a anlise de capacidade de processos.
Este comando deve ser utilizado depois que observamos que o processo analisado encontra-se sob
controle estatstico (o que verificado por uma carta de controle).
Realizando esta anlise estamos aptos a dizer se um processo capaz ou no de produzir itens dentro
das especificaes desejadas.
Os ndices mais utilizados no clculo da capacidade de processos so o Cp e o Cpk. Estes ndices

medem, respectivamente, a capacidade potencial e a capacidade real de um processo.
Considerando que um processo esteja fornecendo valores centrados no valor nominal dos limites de
especificao, o Cp nos d a seguinte interpretao:
CLASSIFICAO VALOR COMPARAO DO HISTOGRAMA PROPORO DE

DO PROCESSO DE Cp COM AS ESPECIFICAES DEFEITUOSOS (p)
LIE LSE
CAPAZ OU
Cp 1,33 p 64 ppm
ADEQUADO
(VERDE)
LIE LSE
ACEITVEL 1 Cp < 1,33 64 ppm < p 0,27 %

(AMARELO)
LIE LSE
INCAPAZ OU Cp < 1 p > 0,27 %

INADEQUADO
(VERMELHO)
Figura 6.1: Classificao de processos a partir do ndice Cp
267
Curso de Minitab
Quando o processo no est produzindo valores centrados no valor nominal o Cp fornece valores
pouco conclusivos com o processo. Para solucionar este problema devemos calcular o valor do Cpk.
Uma comparao entre os valores do Cp e do Cpk pode ser observada na Figura 6.2:
LIE s=2 LSE

Cp = 2,0
(a) Cpk = 2,0
38 44 50 56 62
s=2
Cp = 2,0
(b) Cpk = 1,5
38 44 50 53 56 62
s=2
Cp = 2,0
(c) Cpk = 1,0
38 44 50 56 62
s=2
Cp = 2,0
(d) Cpk = 0
38 44 50 56 62
s=2 Cp = 2,0
Cpk = -0,5
(e)
38 44 50 56 62 65
Figura 6.2: Relacionamento entre os ndices Cp e Cpk
Quando observamos a performance destes ndices simultaneamente, podemos tomar as seguintes

aes na melhoria da capacidade do processo:
268
Cpk
Baixo Alto
Reduzir a variabilidade
do processo
Baixo IMPOSSVEL
LIE LSE
Cp
Deslocar a mdia Situao ideal - Manter
do processo
Alto
LIE LSE LIE LSE
Figura 6.3: Ao que deve ser adotada para melhorar a capacidade do processo,
em funo da comparao das magnitudes de Cp e Cpk
6.1 - Capability Analysis (Normal Distribution)
O Comando Capability Analysis (Normal Distribution) realiza a anlise de capacidade do processo

para dados normalmente distribudos.
Exemplo 6.1
Estudaremos a capacidade do processo responsvel por produzir parafusos automotivos descrito no

Exemplo 5.2. Os parafusos deveriam possuir comprimento nominal especificado igual a 15 mm com
tolerncia de 0,05 mm.
Coletando 20 amostras de 4 parafusos cada, concluiu-se no Exemplo 5.2, que o processo estava sob
controle estatstico.
necessrio agora verificar se o processo estudado capaz de produzir itens dentro das especificaes.
Os dados foram armazenados na Worksheet Parafuso automotivo1.MTW. Para analis-los devemos


269
Curso de Minitab
A coluna Comprimento representa o comprimento nominal de cada um dos parafusos avaliados no
estudo. A coluna Horas representa a hora em que o parafuso utilizado no estudo foi coletado.
Como os dados esto sob controle estatstico necessrio verificar se os mesmos possuem distribuio
Normal. Essa tarefa ser executa com os seguintes passos:
2. Escolha a opo Graph > Histogram...;
270
3. Selecione a opo With Fit;
271
Curso de Minitab
4. Em Graph variables selecione a varivel Comprimento;
5. Selecione a opo Labels...>Titles/Footnotes;
6. Em Title digite Histograma com a curva normal para o comprimento dos parafusos;
272
7. Selecione OK duas vezes;
O histograma com a curva normal fornece os seguintes resultados:
Figura 6.4: Histograma com a curva normal para o dimetro dos parafusos
Como podemos observar, parece haver indcios de que os dados coletados do processo seguem a
distribuio normal. Desta forma, vamos proceder com o clculo dos ndices de capacidade do
processo.
8. Escolha a opo Stat > Quality Tools > Capability Analysis > Normal ...;
273
Curso de Minitab
Figura 6.5: O comando Capability Analysis > Normal
9. Em Data are arranged as ative a opo Single column.
10. Para este campo selecione a varivel Comprimento.
11. Em Subgroup size selecione a varivel Horas;
12. Em Lower spec digite 14,95 ;
13. Em Upper spec digite 15,05;
274
A opo Boundary indica que o valor especificado para o Limite Superior ou Inferior de
especificao um valor no qual a chance de obtermos um valor menor (no caso do Limite
Inferior de Especificao) ou maior (no caso do Limite Superior de Especificao) nula.
A opo Historical mean realiza os clculos dos ndices de capacidade analisando o processo
de acordo com a mdia histrica dos dados. Quando o valor da mdia histrica no for
especificada os clculos sero baseados na mdia da amostra.
A opo Historical standard deviation realiza os clculos dos ndices de capacidade analisando
o processo de acordo com o desvio-padro histrico dos dados. Quando o valor do desvio-
padro no for especificado os clculos sero baseados no desvio-padro da amostra.
A opo Box-Cox permite a utilizao da transformao de Box-Cox no clculo dos ndices de

capacidade para o processo estudado.
A opo Storage permite que o usurio aloque os resultados da anlise de capacidade do

processo, em colunas da janela Worksheet.
14. Selecione a opo Estimate;
15. No campo Methods of estimating standard deviation (for subgroup size > 1),selecione a opo
Rbar;
275
Curso de Minitab
A opo Use unbiasing constants utiliza um estimador no viciado para estimar o desvio padro
dos dados do estudo.
A opo Methods of estimating standard deviation (for subgroup size = 1), deve ser utilizada
quando possumos subgrupos de tamanho igual a 1.
A opo Use moving range of length determina o comprimento de clculo da amplitude

mvel.
16. Selecione OK;
17. Selecione a opo Options;
18. Em Target (adds Cpm to table) (valor alvo) digite 15;
19. Em Title digite Anlise de Capacidade para um processo normalmente distribudo;
276
A opo Calculate statistics using a:__ sigma tolerance especifica a faixa de tolerncia do
processo, de acordo com o desvio-padro que ser utilizado para calcular os coeficientes de
capacidade do processo. Normalmente utilizado nesta escala o valor 6 (equivalente a 3 desvios-
padro para cada limite de especificao).
O campo Perform Analysis permite ao usurio escolher a forma de se fazer a anlise de

capacidade, ou seja, se ser feita uma anlise considerando as informaes dentro dos subgrupos
(Within subgroup analysis) ou considerando todas as informaes conjuntamente (Overall
analysis). Pode-se ainda utilizar as duas formas conjuntamente.
O campo Display permite ao usurio a escolha da forma de se apresentar os resultados.

Normalmente as formas mais utilizadas so aquelas que esto escolhidas por default.
20. Selecione OK;
277
Curso de Minitab
Resultados Obtidos:
Figura 6.6: Anlise de Capacidade para um processo normalmente distribudo
Vamos dividir a anlise da Figura 6.6 de acordo com os grupos de informaes que so exibidos neste
grfico:
Histograma do processo
O histograma traado nos mostra o comportamento do processo estudado. Nele, podemos observar
como encontra-se distribudo cada um dos subgrupos de acordo com os limites de especificao
fornecidos.
Pode-se avaliar no histograma a capacidade do processo de acordo com as distribuies traadas

com a variao dentro dos subgrupos (StDev(within)) e a variao total (StDev(Overall)).
Process Data
Observamos que a o comprimento mdio dos parafusos igual a 15,00009 mm e que possumos um
total de 80 observaes em nosso estudo. O desvio-padro estimado dentro dos subgrupos (0,02113
mm) menor que o desvio-padro entre os subgrupos (0,02142 mm).
278
Potential (Within) Capability
O desvio padro considerado neste campo do grfico o desvio padro calculado dentro dos subgrupos
(StDev (Within)).
Neste campo que podemos observar quais os valores dos ndices de capacidade Cp, CPL, CPU, Cpk
e CCpk (este ltimo obtido de forma similar ao Cpk, porm utilizando o valor Target do processo).
Estes ndices possuem os valores 0,79, 0,80 0,77, 0,77, e 0,79, respectivamente.
Em alguns casos, de acordo com a realidade do mercado e com a utilizao de ferramentas para a
qualidade como o Seis Sigma, usualmente, um processo considerado aceitvel quando os valores
destes ndices so maiores que 2.
Overall Capability
Os valores de Pp, PPL, PPU e Ppk so calculados da mesma maneira que os valores de Cp, CPL,
CPU e Cpk porm, o desvio-padro utilizado o desvio total da amostra (StDev(Overall)).
Todas as consideraes feitas em Potential (Within) Capability so vlidas aqui.
Os valores de Pp, PPL, PPU e Ppk so, respectivamente, 0,78, 0,79, 0,76 e 0,76.
279
Curso de Minitab
Exp. Within Performance
Este campo exibe a performance esperada do processo quando utilizamos como fonte de variao o
desvio calculado dentro dos subgrupos (StDev(Within)). Os valores aqui fornecidos esto na escala
PPM (partes por milho).
A quantidade esperada de itens que estejam com suas medidas abaixo do Limite Inferior de
Especificao (PPM < LSL) igual a 7981,07.
A quantidade esperada de itens que estejam com suas medidas acima do Limite Superior de
Especificao (PPM > USL) igual a 10093,30.
O nmero total de itens que esperamos encontrar fora dos limites de especificao (PPM Total)
igual a 18073,37.
Exp. Overall Performance
Este campo exibe a performance esperada do processo. Quando utilizamos como fonte de variao
o desvio total da amostra (StDev(Overall)).
A quantidade esperada de itens que estejam com suas medidas abaixo do Limite Inferior de
Especificao (PPM < LSL) igual a 8729,04.
A quantidade esperada de itens que estejam com suas medidas acima do Limite Superior de
Especificao (PPM > USL) igual a 10975,37.
O nmero total de itens que esperamos encontrar fora dos limites de especificao (PPM Total)
igual a 19704,41 .
280
Concluses
Podemos concluir, de acordo com os resultados obtidos, que o processo no est sendo capaz de
produzir itens dentro das especificaes. Podemos observar que o valor do Cp e do Cpk so menores
que 1, o que mostra que medidas drsticas devero ser adotadas neste processo.
Observamos tambm que o nmero de itens fora da especificao, a cada milho de itens produzidos
est bastante elevada em relao a escalas mnimas de aceitveis.
Todas as observaes descritas acima nos indicam que a variao do processo alta e dessa forma,
afim de tornar o processo capaz de produzir itens dentro das especificaes, devemos rever o processo
o mais rpido possvel, buscando encontrar quais as fontes de variao e trabalhando para diminu-
las.
6.2 - Capability Sixpack
O comando Capability Sixpack combina 6 ferramentas que podem ser utilizadas para fornecer melhor
entendimento sobre a capacidade de um processo.
As anlises so feitas de acordo com processos normais, no normais, e considerando a variabilidade

dentro e entre os subgrupos:
6.2.1 Normal
O comando Normal utilizado quando possumos um processo que fornecem dados que seguem
uma distribuio normal e desejamos verificar se este processo ou no capaz.
Este comando ir realizar de uma s vez a carta XBarra (ou de valores individuais), a carta R (ou
Sbarra), um grfico seqencial, um histograma, um grfico de normalidade e um grfico com a
anlise de capacidade do processo.
281
Curso de Minitab
Exemplo 6.2
Uma indstria cervejeira desejava fazer um estudo sobre a capacidade do processo que era responsvel
por realizar o envasamento das garrafas de cerveja. Uma garrafa de cerveja deveria possuir 600ml
como valor nominal para o volume total de cerveja. Este valor pode possuir uma variao de 5ml
para que no houvessem problemas tcnicos quando o valor excedia os 605ml (exploso da garrafa
quando a mesma passava pelo processo de pasteurizao) ou problemas em relao direitos dos
consumidores quando a quantidade de cerveja era inferior a 595ml.
Foram coletadas 20 amostras, com 10 garrafas de cerveja cada, no decorrer do dia. Os dados foram
armazenados na Worksheet Cerveja.MTW. Para analis-los necessrio acompanhar os seguintes
passos:
1. Abra a Worksheet Cerveja.MTW;
282
A coluna Cerveja fornece a quantidade de cerveja observada em cada garrafa de cerveja que foi
utilizada na realizao do estudo. A cada intervalo de 10 garrafas temos a formao de um subgrupo.
2. Escolha a opo Stat > Quality Tools > Capability Sixpack > Normal...;
Figura 6.7: O comando Capability Sixpack > Normal...
3. Como os dados esto organizados em colunas, no campo Data are arranged as na opo Single
column escolha a varivel Cerveja;
4. Em Subgroup size digite 10;
5. Em Lower spec digite o valor 595;
6. Em Upper spec digite o valor 605;
283
Curso de Minitab
O comando Historical mean deve ser utilizado quando possumos a mdia histrica da varivel
que est sendo estudada.
O comando Historical standard deviation deve ser utilizado quando possumos a mdia histrica
da varivel que est sendo estudada.
O comando Box-Cox realiza a transformao de Box-Cox nos dados do estudo na tentativa de

estabilizar a varincia dos dados.
7. Selecione a opo Tests... Esta opo nos permite selecionar os testes que sero realizados nas cartas
de controle para verificar se o processo encontra-se sob controle estatstico, dessa forma, verifique se
os testes tm as seguintes configuraes;
284
OBS.: Apesar do segundo teste dizer que ser realizado o teste de sequncia de 9 pontos, o MINITAB
utiliza a sequncia de 7 pontos.
8. Selecione OK;
9. Selecione a opo Estimate...;
10. Em Methods of estimating standard deviation (for subgroup size > 1) ative a opo Sbar (pois
temos tamanho de amostra igual a 10);
285
Curso de Minitab
A opo Use unbiasing constants utiliza um estimativa no viciada para o desvio-pardo dos
dados.
O campo (for subgroup size = 1) dever ser utilizado para escolhermos a forma de estimar o
desvio-padro dos dados quando os subgrupos possuem tamanho igual a 1.
A opo Use moving range of length utilizado quando queremos escolher o nmero de
termos que devero ser incorporados no calculo da amplitude mvel. utilizado somente quando
possumos subgrupos de tamanho 1.
11. Selecione OK;
13. Em Target (adds Cpm to table) digite 600;
14. Em Title digite Anlise de Capacidade para volume de Cerveja;
A opo Break out data for last especifica a quantidade final dos subgrupos que sero mostrados
no grfico seqencial, por exemplo, se temos 30 subgrupos e se o valor deste campo for igual a
20, apenas os 20 ltimos subgrupos sero mostrados na carta. Por default, este campo tem o
valor igual a 25.
A opo Calculate statistics using: ___ sigma tolerance especifica a faixa de tolerncia do
processo em nmeros de desvios-padro. Por default este valor igual a 6.
15. Selecione OK;
286
Resultados obtidos:
Figura 6.8: Anlise de Capacidade para volume de Cerveja
Observamos que nenhum dos testes das cartas de controle foram violados.
O histograma mostra que a distribuio dos dados apresenta distribuio prxima normal.
A variao dentro dos subgrupos forneceu um desvio-padro igual a 0,520238 e sua comparao as
especificaes fornece um Cp igual a 3,2, um Cpk igual a 3,19 e um CCpk igual a 3,20.
A variao total do conjunto de dados fornece um desvio padro igual a 0,5187 e sua anlise fornece
um Pp igual a 3,21, um Ppk igual a 3,2 e um Cpm igual a 3,21.
287
Curso de Minitab
Concluses
Como os dados esto sob controle estatstico (segundo as cartas de controle observadas), possuem
distribuio normal (segundo o histograma), encontra-se centrado no valor alvo do processo , com
os valores de Cp= 3,2, Cpk= 3,19, CCpk=3,20, Pp=3,21, Ppk=3,2 e Cpm=3,21. Ento, podemos
dizer que existe uma faixa bastante confivel e dessa forma podemos dizer que o processo capaz de
atender, com bastante folga, s expectativas da indstria cervejeira.
6.3 - Cause and Efect

Este comando responsvel pela construo do diagrama de causa-e-efeito.
O diagrama de causa-e-efeito (tambm conhecido como diagrama de Ishikawa ou espinha-de-

peixe) utilizado para sumarizar e apresentar possveis causas do problema considerado, atuando
como guia para a identificao da causa fundamental deste problema e para a determinao der
medida corretivas que devero ser adotadas.
Exemplo 6.3
O responsvel pela qualidade dos parafusos automotivos fabricados pela indstria do Exemplo 6.2.1
verificou que, apesar de estar sobre o controle estatstico, o processo no era capaz de produzir
parafusos dentro da especificao, dessa forma, ele resolveu construir um diagrama de causa e efeito
para determinar quais medidas corretivas deveriam ser adotadas para resolver este problema, que
estava relacionado a grande variabilidade do processo.
Realizando um Brainstorming com sua equipe de trabalho foram determinadas e organizadas as causas
para este problema.
Os dados para a construo do diagrama de causa-e-efeito foram armazenados na Worksheet Parafuso

automotivo3.MTW. Para construir o grfico devemos seguir os seguintes passos:
288
2. Selecione a opo Stat > Quality Tools > Cause-and-Effect;
Figura 6.9: O comando Cause - And - Effect
289
Curso de Minitab
3. Para a primeira linha, na coluna Causes, selecione a coluna Mo de Obra. Na coluna Label (esta
coluna dar um ttulo para cada espinha do diagrama) digite Mo de Obra.
4. Para a segunda linha, na coluna Causes, selecione a coluna Mquinas. Na coluna Label digite
Mquinas.
5. Para a terceira linha, na coluna Causes, selecione a coluna Matria Prima. Na coluna Label digite
Matria Prima.
6. Para a quarta linha, na coluna Causes, selecione a coluna Mtodos.Na coluna Label digite Mtodos.
7. Para a quinta linha, na coluna Causes, selecione a coluna Medidas.Na coluna Label digite Medidas.
8. Para a sexta linha, na coluna Causes, selecione a coluna Meio Ambiente. Na coluna Label digite
Meio Ambiente.
9. Em Effect digite o problema estudado, neste caso, digite Variabilidade Elevada;
10. Em Title digite o ttulo Diagrama de Causa-e-Efeito para a elevada variabilidade;
290
A opo Do not label the braches inibe os ttulos das espinhas do diagrama.
A opo Do not display empty branches inibe a construo de espinhas que por ventura
estejam vazias.
11. Selecione OK;
O MINITAB fornece o seguinte resultado:
Figura 6.10:Diagrama de causa-e- efeito para a variabilidade elevada

291
Curso de Minitab
Podemos observar pelo diagrama construdo que uma das possveis causas para os problemas
relacionados mo de obra a desateno dos funcionrios.
Conversando um pouco mais com sua equipe o responsvel enumerou duas causas secundrias para
a desateno dos funcionrios. Estas causas eram os salrios baixos e a insatisfao dos funcionrios.
Para adicionar estas causas secundrias neste grfico siga os seguintes passos:
12. Selecione a opo Edit Last Dialogn ou precione simultaneamente as teclas [Ctrl] + [E]. A a
seguinte janela ser disponibilizada:
13. Na linha referente Mo de Obra selecione o comando Sub...;
14. Na linha referente desateno insira a coluna Desateno;
292
15. Selecione OK duas vezes.
O MINITAB constri um novo diagrama de causa-e-efeito como mostrado abaxio:
Figura 6.11: Diagrama de causa-e- efeito para a variabilidade elevada
293
Curso de Minitab
294 Pgina deixada em branco intencionalmente.
Captulo 7
Anlise de Regresso
WERKEMA
Consultores
Ao final deste captulo voc ser capaz de elaborar anlises de regresso simples e mltipla, bem
como analisar os resultados fornecidos pelo software.
A tcnica de anlise de regresso utilizada quando desejamos obter um modelo matemtico que
mostre o relacionamento entre duas ou mais variveis de interesse;
Por ser uma tcnica de fcil aplicao e que fornece, na maioria das vezes, resultados bem confiveis,
largamente utilizada na maioria das reas do conhecimento;
7.1 Regression
O comando Regression realiza anlises de regresso simples ou mltipla. Atravs deste comando
possvel ajustar o modelo, armazenar estatsticas da regresso, verificar as suposies dos resduos,
gerar estimativas pontuais, gerar predies e intervalos de confiana e efetuar testes de falta de
ajuste.
7.1.1 Regresso Simples
A anlise de regresso simples utilizada quando desejamos correlacionar apenas duas variveis, a
varivel resposta (Y) e a varivel independente (X), tambm chamada de varivel preditora.
Para a obteno de um bom modelo de regresso necessrio que essas variveis sejam correlacionadas,
pois dessa forma, o modelo proposto ser bem eficaz.
Para compreender melhor a utilizao dessa tcnica observe o seguinte exemplo:
297
Curso de Minitab
Exemplo 7.1
O Diretor do setor financeiro de uma empresa que fabrica componentes para computador deseja
investigara relao entre a taxa de cmbio praticada pelo mercado e o faturamento da empresa nos
ltimos 24 meses e alm disso gostaria de saber qual seria o faturamento da empresa se a taxa de
cmbio fosse igual a R$3,12.
Os dados deste exemplo esto salvos na Worksheet Faturamento1.MTW. Para compreender esta
ferramenta acompanhe os seguintes passos:
1. Abra a Worksheet Faturamento1.MTW;
As colunas Faturamento e Taxa de Cmbio referem-se ao faturamento da empresa e s taxas de

cmbio mensais praticadas pelo mercado nos ltimos 24 meses.
2. Escolha a opo Stat > Regression > Regression...;
298
Figura 7.1: O comando Regression
3. Em Response selecione a varivel Faturamento;
4. Em Predictors selecione a varivel Taxa de Cmbio;
299
Curso de Minitab
6. Em Residuals for Plots ative a opo Regular;
7. Em Residual Plots ative a opo Four in one;
A opo Standardized e Deleted os resduos so divididos pela estimativa de seu desvio-padro,

facilitando a deteco de outliers. O que os difere que em Deleted o modelo de regresso ajustado
sem os outliers.
A opo Residuals versus the variables utilizada para construir grficos dos resduos contra cada
uma das variveis de interesse.
8. Selecione OK;
300
10. Ative a opo Fit intercept;
11. Em Prediction intervals for new observations digite 3,12 (este comando estimar a o faturamento
da empresa quando a taxa de cmbio for igual a R$3,12)
12. Em Confidence level digite 95;
301
Curso de Minitab
A opo Weights realiza uma regresso ponderada.
A opo Variance inflation factors detecta a presena de multicolinearidade entre as variveis

preditoras.
A opo Durbin-Watson statistic verifica se os resduos so autocorrelacionados.
A opo PRESS and predicted R-square avalia a habilidade preditiva do modelo e verifica o
quanto o modelo bom para prever valores da varivel resposta para novas observaes.
A opo Pure error verifica a adequao do modelo quando os dados tm replicao.
A opo Data subsetting verifica a adequao do modelo quando os dados no tm replicao.
Em Storage, as opes Fits, SEs of fits, Confidence limits e Prediction limits alocam na
Worksheet os valores preditos para novas observaes, a estimativa do erro padro dos valores
preditos e os limites inferior e superior do intervalo de confiana e do intervalo de predio,
respectivamente.
13. Selecione OK;
302
Resultados obtidos:
Regression Analysis: Faturamento versus Taxa de Cmbio
The regression equation is

Faturamento = 33,4 - 7,82 Taxa de Cmbio
Predictor Coef SE Coef T P

Constant 33,355 2,148 15,53 0,000
Taxa de Cmbio -7,8212 0,7189 -10,88 0,000
S = 0,362887 R-Sq = 84,3% R-Sq(adj) = 83,6%
Analysis of Variance
Source DF SS MS F P
Regression 1 15,586 15,586 118,36 0,000
Residual Error 22 2,897 0,132
Total 23 18,483
Predicted Values for New Observations
New
Obs Fit SE Fit 95% CI 95% PI
1 8,9528 0,1219 (8,7001; 9,2055) (8,1589; 9,7467)
Values of Predictors for New Observations
Taxa
New de
Obs Cmbio
1 3,12
Figura 7.2: Anlise de regresso para o faturamento da empresa versus a taxa de cmbio
Verificamos que a equao de regresso igual a:
O valor-p obtido para os dois coeficientes ( e ) igual a 0,000 e o valor do

coeficiente de determinao .
Na anlise de varincia (Analysis of Variance) o valor-p para a regresso tambm igual a 0,000.
Podemos observar que o valor previsto para o faturamento da empresa 8,9528.
303
Curso de Minitab
O intervalo de confiana para a mdia dos valores previstos a 95% [8,7001;9,2055].
O intervalo de confiana para um valor pontual a 95% [8,1589;9,7467].
Figura 7.3: Anlise dos resduos
No histograma (Histogram of the Residuals) suas barras no apresentam formato de um sino de forma
clara, mas mesmo assim, podemos dizer que os dados parecem ter distribuies normais.
O grfico dos resduos versus valores ajustados (Residuals Versus the Fitted Values) e o grfico dos
resduos versus ordem dos dados (Residuals Versus the Order of the Data) apresentam uma distribuio
aleatria dos dados.
Concluses
Atravs da equao de regresso verificamos que medida que a taxa de cmbio aumenta em uma
unidade, isto representa uma perda de 7,82 milhes de reais no faturamento da empresa.
304
A estimao dos coeficientes e a anlise de varincia mostraram a existncia de relacionamento
linear significativo entre as variveis, considerando um nvel de significncia de 5%.
Atravs do coeficiente de determinao percebemos que a varivel Taxa de Cmbio explica

aproximadamente 85% da variabilidade da varivel Faturamento.
Aps considerarmos todas as anlises realizadas, conclumos que a equao de regresso foi bem
ajustada para este conjunto de dados. Dessa forma, se o valor da taxa de cmbio for igual a R$3,12,
o provvel faturamento da empresa ser de 8,9528 milhes de reais, tendo como intervalo, a 95%
de confiana, os valores 8,1589 e 9,7467 milhes de reais.
7.1.2 - Regresso Mltipla
A anlise de regresso mltipla deve ser utilizada sob as mesmas condies da regresso linear simples,
porm, na regresso mltipla possumos mais de uma varivel independente (X1, X2, ...).
Para a obteno de um bom modelo de regresso necessrio que essas variveis independentes
sejam correlacionadas com a varivel resposta e praticamente no correlacionadas entre si (a
correlao entre X1 e X2, X1 e X3, ..., Xn-1e Xn praticamente nula).
Para compreender melhor a utilizao dessa tcnica observe o seguinte exemplo:
305
Curso de Minitab
Exemplo 7.2
O Diretor do exemplo anterior resolveu adicionar ao modelo a taxa de inflao do ms em estudo.
Com esta nova informao, ele deseja verificar se os dados iro se ajustar melhor equao de
regresso, o que poder aumentar a previsibilidade da varivel resposta.
Alm disso ele quer realizar previses supondo valores de taxa de cmbio igual a R$3,15 e inflao
de 1,3%.
Os dados esto digitados na Worksheet Faturamento2.MTW. Para executar esta tarefa devemos
seguir os seguintes passos:
2. Escolha a opo Stat > Regression > Regression...;
306
3. Em Response selecione a varivel Faturamento;
4. Em Predictors selecione as variveis Taxa de Cmbio e Inflao;
307
Curso de Minitab
6. Ative a opo Fit intercept;
7. Em Prediction intervals for new observations digite os valores 3,15 e 1,3 (a ordem destas informaes
deve ser fornecida de acordo com a ordem em que as variveis preditoras foram inseridas o campo
Predictors);
8. Em Confidence level digite 95;
9. Selecione OK;
308
Resultados obtidos:
Regression Analysis: Faturamento versus Taxa de Cmbio; Inflao

The regression equation is
Faturamento = 30,9 - 5,84 Taxa de Cmbio - 3,14 Inflao
Predictor Coef SE Coef T P

Constant 30,911 2,230 13,86 0,000
Taxa de Cmbio -5,843 1,080 -5,41 0,000
Inflao -3,143 1,361 -2,31 0,031
S = 0,331701 R-Sq = 87,5% R-Sq(adj) = 86,3%
Analysis of Variance
Source DF SS MS F P
Regression 2 16,1727 8,0863 73,50 0,000
Residual Error 21 2,3105 0,1100
Total 23 18,4832
Source DF Seq SS
Taxa de Cmbio 1 15,5861
Inflao 1 0,5866
Predicted Values for New Observations
New
Obs Fit SE Fit 95% CI 95% PI
1 8,4204 0,1814 (8,0432; 8,7977) (7,6342; 9,2067)
Values of Predictors for New Observations
Taxa
New de
Obs Cmbio Inflao
1 3,15 1,30
Figura 7.4: Anlise de regresso para o faturamento vs Taxa de Cmbio e Inflao
309
Curso de Minitab
Verificamos que a equao de regresso obtida para esses dados igual a:
Faturamento = 30,9 5,84 Taxa de Cmbio 3,14 Inflao
O valor-p obtido para os coeficientes ( 0 = 30,911 , 1 = 5,143 e 2 = 3,143 ) so menores que

0,05 e o valor do coeficiente de determinao R 2 = 87,5% . O valor do coeficiente de determinao
ajustado igual a R 2 adj = 87,5% .
Na anlise de varincia o valor-p para a regresso igual a 0,000.
Observamos que o valor previsto para o faturamento da empresa 8,4204. Seu intervalo de confiana
para valores pontuais 95% igual a [7,6342;9,2067].
J o intervalo para a mdia das observaes previstas, o intervalo de confiana a 95% igual a
[8,0432; 8,7977].
Concluses
Atravs da equao de regresso verificamos que os coeficientes das variveis Taxa de Cmbio e
Inflao so negativos, o que quer dizer que quanto maiores forem estas variveis, menor ser o
faturamento da empresa.
Ao aumentarmos a inflao em uma unidade percentual, mantendo a taxa de cmbio constante,

teremos uma perda de 3,14 milhes de reais no faturamento da empresa. Quando mantemos a
inflao constante e aumentamos a taxa de cmbio em uma unidade, a empresa ter uma perda de
5,84 milhes de reais.
A estimao dos coeficientes e a anlise de varincia mostraram a existncia de um relacionamento

linear significativo entre as variveis, considerando um nvel de significncia de 5%.
Atravs do coeficiente de determinao ajustado (que o mais recomentado quando usamos mais
de uma varivel resposta) percebemos que as variveis Taxa de Cmbio e Inflao explicam
aproximadamente 86,3% da variabilidade da varivel Faturamento.
Se o valor da taxa de cmbio for igual a R$3,15 e a inflao for igual a 1,30%, o provvel faturamento
da empresa ser de 8,4204 milhes de reais, tendo como intervalo, a 95% de confiana, os valores
7,6342 e 9,2067 milhares de reais.
310
7.3 Fitted Line Plot
Este comando ajusta uma reta de regresso simples aos dados, permitindo visualizar a adequao da
equao atravs de um grfico.
O Fitted Line Plot ajusta modelos que seguem equaes lineares, quadrticas e cbicas.
Para compreender melhor a funcionalidade deste comando vamos construir o grfico com os dados
do exemplo da regresso simples salvos na Worksheet Faturamento1.MTW. acompanhe os seguintes
passos:
Exemplo 7.3
2. Escolha a opo Stat > Regression > Fitted Line Plot;
311
Curso de Minitab
Figura 7.5: O comando Fited Line Plot
3. Em Response(Y) selecione a varivel Faturamento;
4. Em Response(X), selecione a varivel Taxa de Cmbio;
5. Em Type of Regression Model ative a opo Linear;
312
6. Selecione a opo Options...,
7. Em Display Options selecione as opes Display confidence interval e Display prediction interval;
8. Em Confidence level digite 95,0;
9. Em Title digite o ttulo Modelo de regresso ajustado;
313
Curso de Minitab
10. Selecione OK;
Resultados obtidos
Figura 7.6: Grfico de regresso com intervalos de predio e confiana
Verificamos que a equao gerada exatamente a mesma que obtivemos ao realizar a anlise de
regresso linear simples.
Verificamos que os pontos que representam o banco de dados so bem ajustados pela reta de regresso,
o que justifica o elevado valor de R 2 (aproximadamente 84%).
A visualizao desta reta permite acompanhar o comportamento dos dados, bem como prever valores
para este conjunto de variveis.
Os limites de confiana e predio nos fornecem os possveis valores estimados do faturamento

baseando-se em um dado valor da taxa de cmbio, desde que a taxa de cmbio no extrapole os
valores apresentados no grfico.
314
Captulo 8
Avaliao de Sistemas de Medio
WERKEMA
Consultores
Ao final deste captulo voc ser capaz de avaliar sistemas de medio por variveis e atributos
efetuando todas as anlises grficas necessrias.
Quando estudamos um conjunto de dados provenientes do nosso processo pressupomos que os

dados sejam altamente confiveis e que eles mostrem como nosso processo realmente opera.
A variabilidade total presente em um conjunto de dados pode ser dividida em duas partes: Uma
relacionada a variabilidade inerente do processo e a outra ligada a acurcia (preciso) inerente ao
sistema de medio utilizado na obteno dos dados (instrumentos, operadores, meio etc).
A acurcia (exatido) de um instrumento de medio quantifica a proximidade existente entre o

valor real da caracterstica medida e os resultados fornecidos pelo aparelho. A Anlise do Sistema de
Medio uma tcnica estatstica utilizada para verificar at que ponto o instrumento de medio
influencia nos dados coletados.
Antes de aprender a utilizar o MINITAB para estudar esta tcnica podemos visualizar na Figura 8.1
os componentes que compem a acurcia.
Acurcia
Vcio Preciso
Repetibilidade Reprodutibilidade
Figura 8.1: Componentes da acurcia
317
Curso de Minitab
A Figura 8.2 nos permite visualizar quais so os impactos dos do vcio e da preciso na acurcia de
um conjunto de dados.
(a) (b)
(c) (d)
(a) Alto Vcio + Baixa Preciso = Baixa Acurcia.

(b) Baixo Vcio + Baixa Preciso = Baixa Acurcia.
(c) Alto Vcio + Alta Preciso = Baixa Acurcia.
(d) Baixo Vcio + Alta Preciso = Alta Acurcia.
Figura 8.2: Relacionamento entre os conceitos de vcio, preciso e acurcia
318
Como podemos observar, o vcio de um instrumento de medio quantifica a diferena existente
entre o valor real da caracterstica medida e os valores fornecidos pelo instrumento avaliado.
Vcio
de B
R B
=
Distribuio dos resultados fornecidos

pelo instrumento A (no viciado).
Distribuio dos resultados fornecidos

pelo instrumento B (viciado).
R = valor verdadeiro da caracterstica medida.
i = mdia de distribuio dos resultados

fornecidos pelo instrumento i, i = A, B.
Figura 8.3: Conceito de vcio
319
Curso de Minitab
A preciso de um instrumento de medio quantifica a proximidade entre as medidas individuais da
caracterstica geradas pelo aparelho e pode ser dividida em duas partes: Uma associada a repetibilidade
(variao nas medidas obtidas quando um operador utiliza o instrumento para medir repetidas vezes
o mesmo item) e reprodutibilidade (variao na mdia das medidas obtidas quando diferentes
operadores utilizam o instrumento para medir repetidas vezes os mesmos itens).
Repetibilidade
Inadequada
6repe
Instrumento I
LIE LSE
Repetibilidade
Adequada
6repe
Instrumento II
LIE LSE
Figura 8.4: Conceito de repetibilidade
320
Reprodutibilidade
Inadequada
Operador A Operador B
Instrumento I
LIE A B LSE
Reprodutibilidade
Adequada
Instrumento II
Operador A Operador B
LIE A B LSE
Figura 8.5: Conceito de reprodutibilidade
321
Curso de Minitab
8.1 - Gage R&R Study (Crossed)
O comando Gage R&R Study (Crossed) realiza a avaliao do sistema de medio para variveis
contnuas verificando onde originada a variao presente em estudos de preciso (repetibilidade e
reprodutibilidade);
Existem dois mtodos de avaliao da variao do sistema de medio para variveis contnuas, um
deles feito atravs de uma carta X R , o outro, atravs de uma ANOVA (Analysis of Variance).
Abordaremos nesta apostila apenas a avaliao realizada pela carta .
Uma forma usual de verificarmos qual o comportamento do sistema de medio, quando no possumos
uma faixa de tolerncia especificada, fazer a anlise do percentual de contribuio (%Contribution
(of VarComp)) da variao relacionada repetibilidade e reprodutibilidade (Total Gage R&R). Esses
valores devero ser interpretados da seguinte maneira:
Se %Contribution (of VarComp) < 1%, o sistema de medio aceitvel;
Se %Contribution (of VarComp) estiver entre 1% e 10%, o sistema de medio considerado
aceitvel com restries;
Se %Contribution (of VarComp) > 10%, o sistema de medio inaceitvel.
Para fixar estes conceitos vamos executar o exemplo abaixo:
Exemplo 8.1
Um candidato a Black Belt estava interessado em avaliar se o sistema de medio responsvel por
medir o comprimento de parafusos que eram utilizados na montagem de um motor eltrico era
confivel.
Ele desejava verificar se o sistema estava fornecendo valores aceitveis e caso no estivesse, quais
mudanas deveriam ser implementadas no setor responsvel pela produo destes parafusos.
O Black Belt planejou um estudo no qual, aps selecionar 15 parafusos com caractersticas diferentes,
ele fez com que todos os 4 operadores responsveis pela medio fizessem 3 medies em cada um
dos parafusos (respeitando uma ordem aleatria na medio e alm disso sem que os operadores
soubessem que estavam sendo avaliados).
Os dados foram armazenados na Worksheet Motor Eltrico.MTW. Para analis-los necessrio

322
1. Abra a Worksheet Motor Eltrico.MTW;
A coluna Parafuso representa os 15 parafusos escolhidos para o estudo. A coluna Operador indica
qual operador realizou determinada medio no parafuso e a coluna Medidas representa a medida
do parafuso encontrada pelo operador.
2. Escolha a opo Stat > Quality Tools > Gage Study > Gage R&R Study (Crossed)...;
323
Curso de Minitab
Figura 8.6: O comando Gage R&R Study (Crossed)
3. Em Part numbers selecione a varivel Parafuso;
4. Em Operators selecione a varivel Operador;
5. Em Measurement data selecione a varivel Medidas;
6. Em Method of Analysis ative a opo Xbar and R;
324
7. Selecione a opo Gage Info...;
8. Em Gage name digite Estudo do sistema de medio para o comprimento do parafuso;
9. Em Date of study digite 01/01/1900;
10. Em Reported by digite Fulano de Tal;
11. Em Gage Tolerance digite 10%;
12. Selecione OK;
13. Escolha a opo Options...;
14. Em Title digite Avaliao do Sistema de Medio (Xbarra-R);
325
Curso de Minitab
A opo Study variation permite ao usurio escolher quantos desvios-padro sero utilizados
para estimar a coluna %Study Var.
A opo Process tolerance utilizada quando possumos o valor da faixa de especificao do

processo.
A opo Historical standard deviation utilizada quando possumos o valor histrico do

desvio-padro.
As opes Do not display percent contribution e Do not display percent study variation
inibem a apresentao das porcentagens de contribuio de cada componente da variao da
porcentagem relacionada ao estudo da variao, respectivamente.
A opo Draw figures on separate graphs, one figure per graph quando selecionada, faz com
que cada grfico construdo no estudo do sistema de medio seja alocado em uma pgina
diferente.
326
15. Selecione OK;
Resultados Obtidos:
Gage R&R Study - XBar/R Method
%Contribution
Source VarComp (of VarComp)
Total Gage R&R 0,00701 0,36
Repeatability 0,00701 0,36
Reproducibility 0,00000 0,00
Part-To-Part 1,94931 99,64
Total Variation 1,95631 100,00
Study Var %Study Var

Source StdDev (SD) (6 * SD) (%SV)
Total Gage R&R 0,08370 0,50221 5,98
Repeatability 0,08370 0,50221 5,98
Reproducibility 0,00000 0,00000 0,00
Part-To-Part 1,39618 8,37705 99,82
Total Variation 1,39868 8,39209 100,00
Number of Distinct Categories = 23
Figura 8.7: Sada da janela Session para o estudo do sistema de medio dos comprimentos dos parafusos
327
Curso de Minitab
O percentual de contribuio da variao relacionada ao sistema de medio na variao total do
processo de 0,36% (%Contribution (of VarComp) do Total Gage R&R igual a 0,36%). Este ndice
pode ser decomposto por:
O percentual de contribuio da repetibilidade na variao total do processo de 0,36%
(%Contribution (of VarComp) da repetibilidade igual a 0,36%).
O percentual de contribuio da reprodutibilidade na variao total do processo de 0%
(%Contribution (of VarComp) da reprodutibilidade igual a 0%).
O percentual de contribuio variao dos parafusos na variao total do processo de 99,64%

(%Contribution (of VarComp) da variao dos parafusos igual a 99,64%).
Figura 8.8 - Estudo do sistema de medio para o comprimento do parafuso
328
A partir da Figura 8.8 observamos que os valores obtidos na anlise da janela Session so coerentes.
O grfico Components of Variation mostra a comparao das porcentagens de cada fonte de variao.
A carta R mostra que todos os pontos esto dentro dos limites de controle o que indica que as
medies realizadas por cada operador em cada um dos parafusos consistente.
A carta X mostra que existem vrios pontos fora dos limites de controle o que indica que as
medies realizadas por cada operador em cada um dos parafusos tambm consistente.
No grfico Medidas by Parafuso observamos que a variao dos parafusos bastante grande. Podemos
verificar que o menor parafuso apresenta em mdia o comprimento de 6,35 mm e o maior parafuso
apresenta em mdia o comprimento de 11,31 mm.
No grfico Medidas by Operador observamos que os operadores apresentam comportamento

praticamente idntico nas medies realizadas.
No grfico Operador * Parafuso Interaction verificamos que o comportamento de cada operador

na medio de cada parafuso praticamente idntico.
Concluses:
Como o percentual de contribuio da variao relacionada ao sistema de medio foi menor que
1% e como os grficos nos mostram que os operadores trabalham praticamente da mesma maneira,
podemos concluir que o sistema de medio adequado e que os dados obtidos no estudo do processo
so bastante confiveis.
8.2 - Attribute Agreement Analysis
O comando Attribute Agreement Analysis realiza a anlise de sistemas medio por atributos.
Alguns exemplos de variveis em forma de atributos so:

Estudar uma pea e determinar se esta pea defeituosa ou no-defeituosa;
Verificar o nmero de itens conformes e no-conformes dentro de um lote de peas utilizadas na
montagem de um aparelho eltrico;
Atribuir valores binrios uma varivel de interesse.
329
Curso de Minitab
Exemplo 8.3
Uma empresa que fabricava refrigeradores vinha recebendo em seu Servio de Atendimento ao
Consumidor diversas reclamaes sobre a qualidade de seus produtos.
Uma fatia importante dessas reclamaes estava ligada a qualidade da pintura dos refrigeradores,
que muitas vezes, apresentava arranhados em sua superfcie.
O Engenheiro de qualidade, responsvel pelo setor de inspeo final, para verificar o que estava
acontecendo, resolveu fazer um estudo com os dois operadores pela inspeo final do produto.
Para realizar este estudo ele selecionou 15 refrigeradores da linha de produo em que 8 refrigeradores
tinham problemas na pintura e deveriam ser re-trabalhados e 7 estavam aptos para a venda ao
consumidor.
Aleatoriamente cada um dos operadores realizou duas medidas em cada um dos refrigeradores. Os
dados esto codificados OK: Refrigerador liberado e NOK: Refrigerador no liberado.Um detalhe
importante era que os operadores no sabiam que estavam sendo avaliados. Os resultados desse
estudo esto apresentados na Tabela 8.1.
Tabela 8.1: Resultado da avaliao da qualidade da pintura dos refrigeradores
Identificao Padro de Operador I Operador II

da pea referncia Avaliao 1 Avaliao 2
1 NOK NOK NOK NOK NOK
3 OK NOK NOK OK OK
4 OK OK OK OK OK
5 NOK OK OK OK OK
6 OK OK OK OK OK
7 OK OK OK OK OK
9 OK OK OK OK OK
10 OK OK OK OK OK
11 NOK OK NOK NOK NOK
12 OK NOK OK OK OK
15 NOK NOK OK NOK NOK
330
Os dados para a execuo deste exemplo foram armazenados na Worksheet Avaliao dos
refrigeradores.MTW. Para analis-los necessrio acompanhar os seguintes passos:
1. Abra a Worksheet Avaliao dos refrigeradores.MTW;
A coluna Amostra contem o nmero do refrigerador avaliado. A coluna Operador identifica os

operadores. A coluna Padro contm a classificao padro que mostra a classificao correta do
refrigerador e a coluna Avaliao apresenta a avaliao do operador em cada uma das duas inspees
realizadas.
2. Escolha a opo Stat > Quality Tools > Attribute Agreement Analysis...;
331
Curso de Minitab
Figura 8.9: O comando Attribute Agreement Analysis
3. No campo Data are arranged as em Attribute column selecione a varivel Avaliao;
4. Em Samples selecione a varivel Amostra;
5. Em Appraisers selecione a varivel Operador;
6. Em Known standard/attribute selecione a varivel Padro;
332
A opo Multiple columns utilizada quando possumos dados divididos segundo cada
operador, ou seja, as medidas feitas por cada operador devem estar alocadas a colunas diferentes.
A opo Categories of the attribute data are ordered deve ser utilizado quando possumos
dados que possuem mais de dois nveis e so ordinais.
A opo Options... utilizada quando desejamos calcular a estatstica Kappa.
Uma outra funo contida em Options a possibilidade de alterar-se o nvel de significncia

utilizado na construo dos intervalos de confiana, por defaut o intervalo de confiana de
0,95%.
8. Ative as opes Trials per appraiser (no graph for single trial) e Trials per appraiser and known
standard/attribute para que o MINITAB exiba os grficos do estudo realizado.
9. Desative a opo Display figures on one graph, dessa forma teremos dois grficos, um em cada
janela grfica;
333
Curso de Minitab
10. Selecione OK;
11. Selecione a opo Results...;
12. Ative a opo Percentages of assessment agreement within and between appraisers. Esta opo
far com que apenas as comparaes entre os operadores e a anlise feita por cada operador seja
avaliada e impressa na janela Session;
A opo Display nothing, quando utilizada, no imprime nenhuma sada na janela Session.
A opo In addition, kappa and Kendalls (ordinal data) coefficients imprime na janela
Session, alm do que impresso na opo Percentages of assessment agreement within and
between appraisers, os coefientes Kappa e Kendall.
334
13. Selecione OK;
Resultados Obtidos:
Os resultados apresentados na janela Session sero apresentados separadamente para facilitar o
entendimento do leitor:
Within Appraisers
Assessment Agreement
Appraiser # Inspected # Matched Percent 95 % CI

Operador I 15 12 80,00 (51,91; 95,67)
Operador II 15 15 100,00 (81,90; 100,00)
# Matched: Appraiser agrees with him/herself across trials.
Figura 8.10: Anlise do sistema de medio por atributos (Parte I)
A Figura 8.10 mostra a quantidade de vezes que cada operador classificou igualmente cada
refrigerador avaliado nas duas avaliaes realizadas.
O Operador I avaliou igualmente 12 dos 15 refrigeradores analisados (80% do total). Espera-se,

com 95% de confiana que este operador avalie igualmente entre 52% e 96% os itens
inspecionados.
J o Operador II avaliou igualmente 15 dos 15 refrigeradores analisados (100% do total). Espera-
se, com 95% de confiana que este operador avalie igualmente entre 82% e 100% dos itens
inspecionados.
335
Curso de Minitab
Figura 8.11: Anlise do sistema de medio por atributos (Parte II)
A Figura 8.11 mostra a quantidade de vezes que cada operador classificou igualmente cada
refrigerador avaliado nas duas medies realizadas em comparao com o padro de referncia.
O Operador I avaliou 14 dos 15 refrigeradores analisados (66,67% do total) nas duas avaliaes
conforme o padro de referncia. Espera-se, com 95% de confiana que este operador avalie
igualmente, de acordo com o padro, entre 38% e 88% dos itens inspecionados.
J o Operador II avaliou 12 dos 15 refrigeradores analisados (93,33% do total) nas duas avaliaes
conforme o padro de referncia. Espera-se, com 95% de confiana que este operador avalie
igualmente, de acordo com o padro de referncia, entre 68% e 100% dos itens inspecionados.
Assessment Disagreement
Appraiser # OK / NOK Percent # NOK / OK Percent # Mixed Percent

Operador I 1 12,50 1 14,29 3 20,00
Operador II 1 12,50 0 0,00 0 0,00
# OK / NOK: Assessments across trials = OK / standard = NOK.

# NOK / OK: Assessments across trials = NOK / standard = OK.
# Mixed: Assessments across trials are not identical.
Figura 8.12: Anlise do sistema de medio por atributos (Parte III)
A Figura 8.12 mostra as comparaes entre os valores obtidos nas avaliaes de cada Operador e
o valor do padro de referncia, alm disso, faz uma contagem do nmero de vezes que cada
Operador classifica de forma diferente os refrigeradores avaliados.
336
Tanto o Operador I quanto o Operador II classificaram um refrigerador que era conforme (de
acordo com o padro) como no-conforme nas duas avaliaes realizadas. Este erro representa
12,5% dos erros daquele Operador ao avaliar peas conformes, ou seja, espera-se que 12,5% das
peas conformes sejam avaliadas de forma incorreta.
O Operador I classificou um refrigerador que era no-conforme (de acordo com o padro) como
conforme nas duas avaliaes realizadas. Este erro representa 14,29% dos erros daquele Operador
ao avaliar peas no-conformes, ou seja, espera-se que 14,29% das peas no-conformes sejam
avaliadas de forma incorreta.
A coluna #Mixed representa o nmero refrigeradores no qual as avaliaes realizadas forneceram

resultados divergentes. O Operador I classificou de forma diferente 3 refrigeradores nos 15
refrigeradores avaliados o que representa um total de 20%.
OBS.: Os valores da coluna #Mixed so complementares aos valores interpretados na primeira

parte da sada analisada.
Between Appraisers
# Inspected # Matched Percent 95 % CI

15 11 73,33 (44,90; 92,21)
# Matched: All appraisers' assessments agree with each other.
Figura 8.13: Anlise do sistema de medio por atributos (Parte IV)
A Figura 8.13 mostra a quantidade de avaliaes simultneas de cada Operador que forneceram
o mesmo resultado.
Verifica-se que dos 15 refrigeradores avaliados 11 deles (73,33%) apresentaram o mesmo resultado
em todas as avaliaes realizadas pelos operadores. Podemos dizer, com 95% de confiana que o
nmero de refrigeradores que sero avaliados da mesma maneira pelos operadores esta entre 45% e
92%.
337
Curso de Minitab
All Appraisers vs Standard
# Inspected # Matched Percent 95 % CI

15 10 66,67 (38,38; 88,18)
# Matched: All appraisers' assessments agree with the known

standard.
Figura 8.14: Anlise do sistema de medio por atributos (Parte V)
A Figura 8.14 mostra a quantidade de avaliaes simultneas de cada Operador que forneceram
o mesmo resultado em comparao com o padro de referncia.
Verifica-se que dos 15 refrigeradores avaliados 10 deles (66,67%) apresentaram o mesmo resultado
em todas as avaliaes realizadas pelos operadores em relao ao padro de referncia. Podemos
dizer, com 95% de confiana que o nmero de refrigeradores que sero avaliados da mesma maneira
pelos operadores em relao ao padro de referncia est entre 38% e 88%.
Figura 8.15:Comparao das anlises idnticas realizadas por cada operador
338
Captulo 9
Teste de Hipteses
WERKEMA
Consultores
Ao final deste captulo voc ser capaz de realizar testes de hipteses para diferena de uma
mdia, duas mdias, uma proporo e duas propores.
9.1 Sample Z
O comando 1-Sample Z utilizado para calcular o teste de hipteses para a mdia. Esse teste
baseado na distribuio normal e para que ele seja utilizado necessrio que o desvio-padro seja
conhecido. Um intervalo de confiana tambm traado ao calcularmos este teste.
Exemplo 9.1
A filial de uma indstria que fabrica impressoras est interessada em verificar se a eficincia das suas
impressoras est apresentando resultados prximos aqueles exigidos pela matriz da empresa.
A eficincia de uma impressora era medida atravs da quantidade de pginas impressas at que o
toner fosse trocado. A matriz determinava que as impressoras produzidas deveriam imprimir em
mdia 5880 pginas com um desvio-padro de 130 pginas. Era de conhecimento de todos que a
quantidade de pginas impressas pela impressora seguia uma distribuio normal.
O gerente de qualidade resolveu verificar como as impressoras produzidas pela filial vinha se
comportando, para isto ele selecionou aleatoriamente da linha de produo 30 impressoras e observou
quantas pginas eram impressas. Em seguida o gerente estabeleceu as hipteses que deveriam ser
testadas:
H 0 : = 5880

H1 : 5880
Os dados coletados pelo gerente de qualidade foram armazenados na Worksheet Teste de

impressoras.MTW e para analis-los vamos acompanhar os seguintes passos:
1. Abra a Worksheet Teste de impressoras.MTW;
341
Curso de Minitab
A coluna Pginas impressas refere-se quantidade de pginas impressas por cada uma das 30
impressoras utilizadas no estudo.
2. Escolha a opo Stat > Basic Statistics > 1-Sample Z...;
Figura 9.1: O comando 1-SampleZ
342
3. Ative a opo Sample in columns e selecione a coluna Pginas impressas.
4. Em Standard deviation, digite 130;
5. Em Test mean digite 5880;
A opo Summarized data utilizada quando possumos apenas o tamanho da amostra (Sample
size) e a mdia (Mean) das observaes j sumarizados.
7. Ative a opo Boxplot of data;
343
Curso de Minitab
8. Selecione OK;
11. Em Alternative escolha a opo not equal;
Resultados obtidos:
One-Sample Z: Pginas impressas
Test of mu = 5880 vs not = 5880

The assumed standard deviation = 130
Variable N Mean StDev SE Mean 95% CI Z P

Pginas impressa 30 5858,03 145,69 23,73 (5811,51; 5904,55) -0,93 0,355
Figura 9.2: Sada da janela Session para teste Z
A estatstica de teste Z igual a -0,93 e o valor-p igual a 0,355. O nmero mdio de pginas
impressas foi igual a 5858,03 e o desvio-padro igual a 145,69 pginas.
Um intervalo de 95% de confiana nos diz que, a quantidade de pginas impressas pelas impressoras
ser de 5811 a 5904 pginas.
344
Figura 9.3: Boxplot para o nmero de pginas impressas pelas 30 impressoras estudadas
O Boxplot mostra como o nmero de pginas impressas se distribui. Alm disso possvel verificar
que o valor da mdia estabelecido na hiptese nula (marcada em H0) est presente dentro do intervalo
de confiana estabelecido para a mdia amostral.
Concluso
Atravs das anlises acima o gerente de qualidade decidiu no rejeitar a hiptese nula um nvel de
5% de significncia, ou seja, o nmero mdio de pginas impressas pela impressora antes de trocar o
toner no diferente da quantidade de pginas estipulado pela matriz.
Dessa forma, o gerente de qualidade decidiu no alterar em nada o seu processo de produo pois as
impressoras estavam atendendo as determinaes da matriz.
345
Curso de Minitab
9.2 - 1 Sample t
O comando 1-Sample t tambm realiza teste de hipteses e calcula um intervalo de confiana para
a mdia, porm, para utilizar este teste no necessrio conhecer o desvio-padro do processo.
O teste t mais indicado para pequenas amostras provindas de uma distribuio normal.
Exemplo 9.2
No exemplo anterior o teste-t mais apropriado que o teste-Z pois, como na prtica o desvio padro
populacional no conhecido, utilizamos o desvio-padro amostral para fazer o teste de hipteses,
desta forma, vamos utilizar o teste-t para analisar os dados anteriores.
1. Escolha a opo Stat > Basic Statistics > 1-Sample t...;
Figura 9.4: O comando 1-Sample t
346
2. Ative a opo Sample in columns e selecione a coluna Pginas impressas.
3. Em Test mean digite 5880;
A opo Summarized data utilizada quando temos o tamanho da amostra (Sample size), a
mdia (Mean) e o desvio-padro (Standard deviation) das observaes j sumarizados.
347
Curso de Minitab
6. Selecione OK;
8. Em Confidence level digite 95,0.
10. Selecione OK duas vezes
348
Resultados obtidos:
One-Sample T: Pginas impressas

Test of mu = 5880 vs not = 5880
Variable N Mean StDev SE Mean 95% CI T P

Pginas impressa 30 5858,03 145,69 26,60 (5803,63;5912,43) -0,83 0,416
Figura 9.5: Sada da janela Session para o teste 1-Sample t
A estatstica de teste T obtida igual a -0,83 e o valor-p igual a 0,416. O nmero mdio de pginas
impressas 5858 e o desvio-padro igual a 145,69 pginas.
O intervalo de confiana com 95% confiana de 5803 a 5912 pginas impressas.
Figura 9.6: Boxplot para o nmero de pginas impressas pela impressora
349
Curso de Minitab
O Boxplot mostra como o nmero de pginas impressas se distribui. Alm disso possvel verificar
que o valor da mdia estabelecido na hiptese nula (marcada em H0) est presente dentro do intervalo
de confiana estabelecido para a mdia amostral.
Concluso
Como o valor-p do teste de hipteses igual a 0 e como o valor estabelecido na hiptese nula est
contido dentro do intervalo de confiana traado para a mdia amostral um nvel de 5% de
significncia, podemos dizer que o nmero mdio de pginas impressas pela impressora antes de
trocar o toner no diferente da quantidade de pginas estipulado pela matriz. O resultado dessa
anlise anlogo ao resultado do Exemplo 9.1.
9.3 - 2 Sample t
O comando 2-Sample t realiza um teste de hipteses para duas amostras independentes e calcula um
intervalo de confiana para a diferena entre as mdias dessas duas amostras. Neste caso o desvio-
padro populacional desconhecido.
Exemplo 9.3
Um Professor de Matemtica estava interessado em estudar o tempo em que pessoas de sexos diferentes
gastavam para fazer uma prova de matemtica. Dessa forma, em uma das suas turmas, no dia em que
aplicou a prova, ele anotou, sem que os alunos soubessem, o tempo gasto pelos alunos para fazer a
prova.
A turma estudada pelo Professor tinha um total de 15 homens e 17 mulheres e alm disso ele
desconfiava que as mulheres gastavam menos tempo para realizar a prova. Dessa forma, as seguintes
hipteses foram testadas:
H 0 : Mulheres = Homens

H1 : Mulheres < Homens
350
Os dados esto armazenados na Worksheet Prova de Matemtica.MTW. Para analis-los vamos
1. Abra a Worksheet Prova de Matemtica.MTW;
As colunas Mulheres e Homens representa o tempo gasto (em minutos) pelas mulheres e pelos
homens para realizar a prova de Matemtica.
2. Escolha a opo Stat > Basic Statistics > 2-Sample t...;
351
Curso de Minitab
Figura 9.7: O comando 2-Sample t
3. Ative a opo Sample in different columns.
4. Em First selecione a coluna Mulheres;
5. Em Second selecione a coluna Homens;
352
A opo Samples in one column utilizada quando as duas amostras esto em uma nica coluna e
suas identificaes em outra coluna.
A opo Summarized data utilizada quando temos o tamanho da amostra, a mdia (Mean) e o
desvio-padro (Standard deviation) das duas amostras.
A opo Assume equal variances utilizada quando sabemos que a varincia das duas amostras so
iguais.
8. Selecione OK;
11. Em Test difference digite 0 ;
12. Em Alternative escolha a opo less than;
353
Curso de Minitab
13. Selecione OK;
Resultados obtidos:
Two-Sample T-Test and CI: Mulheres; Homens
Two-sample T for Mulheres vs Homens
N Mean StDev SE Mean

Mulheres 17 39,88 2,00 0,48
Homens 15 43,67 2,13 0,55
Difference = mu (Mulheres) - mu (Homens)

Estimate for difference: -3,78431
95% upper bound for difference: -2,53886
T-Test of difference = 0 (vs <): T-Value = -5,17 P-Value = 0,000 DF = 28
Figura 9.8: Sada da janela Session para o teste 2-Sample t
A estatstica de teste T obtida igual a -5,17 e o valor-p igual a 0,000. A diferena mdia entre o
tempo gasto pelas mulheres e o tempo gasto pelos homens de aproximadamente 3 minutos e 48
segundos (3,78 minutos).
O intervalo de confiana superior para a diferena entre as mdias dos dois sexos foi igual a -2,5388.
As mdias obtidas para as Mulheres e para os Homens foram iguais a 39,88 e 43,67 minutos.
Os dois sexos apresentam praticamente o mesmo desvio-padro.
354
Figura 9.9: Boxplot para o tempo gasto para fazer a prova de matemtica
O grfico apresenta as distribuies dos dados de acordo com o sexo dos alunos avaliados. Neste
grfico apesar de no possuirmos o intervalo de confiana para as diferenas entre os tempos, podemos
observar que existe diferenas entre a mdia de tempo gasto pelas mulheres e da mdia de tempo
gasto pelos homens.
Concluses
Rejeitamos a hiptese nula um nvel de 5% de significncia, ou seja, existe diferena entre os

tempos gastos pelas Mulheres e pelos Homens para fazer a prova de matemtica (valor-p = 0,000).
Verificamos que as mulheres gastaram menos tempo para terminar a prova (em torno de 40 minutos)
enquanto que os homens (em torno de 43 minutos e 40 segundos) para terminar a prova.
355
Curso de Minitab
9.4 - 1 Proportion
O comando 1 Proportion realiza testes de hipteses para uma proporo de acordo com a distribuio
binomial.
O MINITAB fornece o valor-p para o teste realizado e um intervalo de confiana sobre a proporo
observada de modo a facilitar as concluses sobre o teste.
O MINITAB permite que o teste de uma proporo seja feito atravs de dados sumarizados, como
veremos no exemplo a seguir.
Exemplo 9.4
Uma Companhia telefnica, de acordo com as normas de uma Agncia Reguladora, deveria atender
no mnimo 98% dos usurios que ligassem para a Companhia para apresentar alguma reclamao
um nvel de significncia 1%.
Com o intuito de fiscalizar esta Companhia, a Agncia Reguladora selecionou aleatoriamente 10.000
usurios que ligaram para a Companhia telefnica e descobriram que 9.623 usurios foram atendidos
conforme determinao da norma. Qual a deciso que a Agncia Reguladora dever tomar com
relao Companhia Telefnica? As seguintes hipteses sero testadas:
H 0 : p 0,98

H1 : p < 0,98
Para analisar estes dados necessrio acompanhar os seguintes passos:
2. Escolha a opo Stat > Basic Statistics > 1 Proportion...;
356
Figura 9.10: O comando 1 Proportion
3. Ative a opo Summarized data;
4. Em Number of trials digite 10000;
5. Em Number of events digite 9623;
6. Em Hipothesized propotion digite 0,98
357
Curso de Minitab
8. Em Confidence Level digite o valor 99,0;
9. Em Alternative escolha a opo less than.
10. Ative a opo Use test and interval based on normal distribution
358
Resultados obtidos:
Test and CI for One Proportion
Test of p = 0,98 vs p < 0,98

99%
Upper
Sample X N Sample p Bound Z-Value P-Value
1 9623 10000 0,962300 0,966731 -12,64 0,000
O nmero de clientes que foram atendidos igual a 9623, o que representa uma proporo de
0,9623 de clientes atendidos de acordo com a norma.
Observamos que o limite superior calculado para esta proporo igual a 0,966731 e que o valor da
estatstica Z igual a -12,64 o que fornece um valor-p igual 0,000.
Concluso
Conclumos que a hiptese nula (H0 ) dever ser rejeitada ao nvel de 1% de significncia, ou seja,
a proporo de clientes atendidos de acordo com a norma menor que 98% assim, conclumos que
a Companhia Telefnica no vem cumprindo as normas estabelecidas pela Agncia Reguladora e
dessa forma dever ser severamente punida.
9.5 - 2 Proportions
O comando 2 Proportions utilizado para comparar a diferena, segundo uma distribuio Binomial,
entre a proporo de uma determinada varivel de interesse presente em duas amostras independentes
(amostras que no so influenciadas pela ocorrncia da outra varivel, ou que no possuam uma
mesma causa fundamental).
Para entender o funcionamento deste comando observe o exemplo a seguir:
359
Curso de Minitab
Exemplo 9.7
Uma indstria possui dois fornecedores para uma pea que utilizada na montagem de um motor
eltrico. Observa-se que as estas peas vem apresentando um alto nmero de defeitos o que representa
um enorme prejuzo para a empresa.
O Departamento de Controle de Qualidade deseja descobrir se existe diferena significativa entre
os fornecedores assim, a indstria passaria a comprar as peas apenas do fornecedor que fornecesse as
melhores peas.
O gerente de produo inspecionou um lote de cada um dos fornecedores e desejando verificar se

dois fornecedores eram estatisticamente diferentes a um nvel de significncia = 0,01 .
Os resultados obtidos pelo gerente de produo foram sumarizados de acordo com a Tabela 9.1.
Tabela 9.1 Dados sumarizados do componente do motor eltrico

N de peas com Proporo
Fornecedor Tamanho
do lote problema de defeitos
A 5000 300 300/5000 = 0,060
B 6000 350 350/6000 = 0,058
As seguintes hipteses foram testadas:
H 0 : p1 p2 = 0

H1 : p1 p2 0
Para analisar estes dados necessrio acompanhar os seguintes passos:
2. Escolha a opo Stat > Basics Statistics > 2 Proportions...;
360
Figura 9.11: O comando 2 Proportions
3. Escolha a opo Summarized data;
4. Na linha First e na coluna Trials digite 5000.
5. Na coluna Events digite 300;
6. Na linha Second e na coluna Trials digite 6000;
7. Na coluna Events digite 350;
361
Curso de Minitab
A opo Samples in one column utilizada quando possumos as duas amostras testadas na mesma
coluna e, neste caso, o indicador de cada amostra est presente em uma segunda coluna.
A opo Samples in different columns e utilizada quando as duas amostras que sero testadas esto
separadas em duas colunas diferentes (First e Second).
9. Em Confidence level digite 99,0.
10. Em Test difference digite o valor 0,0 (pois estamos interessados em saber se eles so diferentes);
362
A opo Use pooled estimate of p for teste calcula uma proporo p combinada para as duas
amostras e a partir desta proporo realiza o teste de hipteses.
12. Selecione a opo OK duas vezes.
Resultados Obtidos:
Test and CI for Two Proportions
Sample X N Sample p
1 300 5000 0,060000
2 350 6000 0,058333
Difference = p (1) - p (2)

Estimate for difference: 0,00166667
99% CI for difference: (-0,00997742; 0,0133108)
Test for difference = 0 (vs not = 0): Z = 0,37 P-Value = 0,712
363
Curso de Minitab
A proporo de itens defeituosos para a o primeiro fabricante igual a 0,06 e a proporo de itens
defeituosos para o segundo fabricante igual 0,058333.
Verificamos que a diferena entre as duas propores igual a 0,0016667 e que a estatstica Z igual
a 0,37 com um valor-p igual a 0,712.
O intervalo de confiana a 99% de significncia de (-0,00997742; 0,0133108).
Concluso
Conclumos ao nvel de 1% de significncia que no devemos rejeitar a hiptese nula do nosso teste,
ou seja, no existe diferena significativa entre os fabricantes e neste caso ambos produzem
praticamente a mesma proporo de itens defeituosos.
Verificamos atravs do intervalo de confiana que o valor zero (0) est contido neste intervalo o que
implica que os dados realmente no apresentam diferena significativa.
364
Captulo 10
Anlise de Varincia
WERKEMA
Consultores
Ao final deste captulo voc ser capaz de realizar a anlise de varincia para um ou dois
fatores dentro do MINITAB.
A Analise de Varincia uma tcnica estatstica que utilizada para testar a hiptese de igualdade
entre mdias de diferentes grupos de variveis.
A diferena bsica entre a Anlise de Varincia e o teste de hipteses de mdias que, nos testes de
hiptese podemos testar no mximo a igualdade de duas mdias enquanto a Anlise de Varincia
permite o teste de duas mdias ou mais.
10.1- One-Way
O comando One-Way realiza a Anlise de Varincia para apenas um fator, fornecendo estimativas e
comparaes dos efeitos dos tratamentos e a estimativa da varincia de cada nvel do fator.
Como etapa preliminar, queremos determinar se existe ou no diferenas estatisticamente significantes

entre as mdias dos tratamentos m1, m2, m3,..., mr (sendo mr o valor da mdia da populao para
todos os possveis valores da varivel resposta utilizando o tratamento r).
Para utilizar o comando One-Way, a varivel resposta deve ser armazenada em uma coluna e a
identificao dessa varivel em outra coluna da Worksheet. Observe o exemplo abaixo:
Exemplo 10.1
Um fabricante de tintas tem recebido reclamaes de clientes quanto ao rendimento dos gales de
tinta ltex vinlico econmico, que se encontra bem abaixo do rendimento mdio de 40 metros
quadrados por galo.
O gerente de qualidade decidiu realizar um experimento, comparando o rendimento dos gales de

tinta de acordo com os fornecedores de matria-prima, que era fornecida por trs fornecedores
diferentes. Dessa forma o gerente de qualidade estabeleceu as seguintes hipteses:
H 0 : Fornecedor A = Fornecedor B = Formecedor C

H 1 : Pelo menos um dos fornecedores diferente
Os dados esto armazenados na Worksheet Tinta1.MTW e para analis-los necessrio acompanhar

1. Abra a Worksheet Tinta1.MTW;

367
Curso de Minitab
A coluna Rendimento (varivel resposta) refere-se ao rendimento dos gales de tinta ltex vinlico
econmico e a coluna Fornecedor (fator) refere-se ao fornecedor de matria-prima (A, B ou C).
2. Escolha a opo Stat > ANOVA > One-Way...;
Figura 10.1: O comando ANOVA > One Way
368
3. Em Response selecione a varivel Rendimento;
4. Em Factor selecione a varivel Fornecedor;
Ao ativar as opes Store residuals e Store fits, os resduos e os valores ajustados sero
armazenados na Worksheet.
6. Selecione a opo Comparisons...;
7. Ative a opo Tukeys, family error rate. O teste de Tukey realiza comparaes mltiplas entre as
mdias dos diferentes nveis dos fatores atravs de intervalos de confiana.
369
Curso de Minitab
As opes Fishers, individual error rate, Dunnetts, individual error rate e Hsus MCB,
individual error rate constroem intervalos de confiana para as diferenas entre todas as
combinaes dos nveis dos fatores.
370
Resultados obtidos:
One-way ANOVA: Rendimento versus Fornecedor

Source DF SS MS F P
Fornecedor 2 1568,5 784,2 71,45 0,000
Error 27 296,4 11,0
Total 29 1864,9
S = 3,313 R-Sq = 84,11% R-Sq(adj) = 82,93%
Individual 95% CIs For Mean Based on

Pooled StDev
Level N Mean StDev ----+---------+---------+---------+-----
A 10 24,043 4,182 (---*---)
B 10 41,119 3,215 (---*--)
C 10 36,652 2,260 (--*---)
----+---------+---------+---------+-----
24,0 30,0 36,0 42,0
Pooled StDev = 3,313
Tukey 95% Simultaneous Confidence Intervals

All Pairwise Comparisons among Levels of Fornecedor
Individual confidence level = 98,04%
Fornecedor = A subtracted from:
Fornecedor Lower Center Upper +---------+---------+---------+---------

B 13,399 17,076 20,754 (---*----)
C 8,931 12,609 16,286 (----*---)
+---------+---------+---------+---------
-8,0 0,0 8,0 16,0
Fornecedor = B subtracted from:
Fornecedor Lower Center Upper +---------+---------+---------+---------

C -8,145 -4,468 -0,790 (---*----)
+---------+---------+---------+---------
-8,0 0,0 8,0 16,0
Figura 10.2: Sada da janela Session para a anlise de varincia com um nico fator
371
Curso de Minitab
O valor-p obtido para o fator Fornecedor igual a 0,000 e o coeficiente de determinao R2 =
84,11%.
O rendimento mdio dos fornecedores A, B e C igual a 24,043; 41,119 e 36,652, respectivamente.
Observando as comparaes mltiplas de Tukey, verificamos que nenhum intervalo de confiana

incluiu o zero mostrando que o rendimento do galo de tinta para cada um dos trs fornecedores de
matria prima apresenta resultados diferentes.
Concluses
Por meio desses resultados, conclumos, ao nvel de 5% de significncia, que existe diferena
estatisticamente significativa entre as mdias dos rendimentos dos gales de tinta dos fornecedores
de matria prima A, B e C.
Para comparar as mdias desses fornecedores, foi utilizado o mtodo de comparaes mltiplas de
Tukey, atravs do qual conclumos com 95% de confiana, que o menor rendimento dos gales foi
obtido pelo fornecedor A, enquanto que o maior rendimento foi obtido pelo fornecedor B.
Atravs do coeficiente de determinao percebemos que a varivel Fornecedor explica

aproximadamente 84% da variabilidade da varivel Rendimento.
10.2 - Two-Way
O comando Two-Way realiza anlises de varincia com dois fatores.
Quando temos mais de um fator necessrio verificar se h interao entre eles. Para verificar a
forma de execuo da anlise de varincia para dois fatores observe o exemplo abaixo:
Exemplo 10.2
Voltando ao primeiro exemplo, o fabricante de tintas suspeitou que o tempo de mistura dos
componentes da tinta poderia tambm estar afetando o rendimento dos gales de tinta ltex vinlico
econmico.
372
O gerente de qualidade decidiu realizar um experimento para comparar o rendimento dos gales
dos trs fornecedores e dos tempos de mistura. Iremos utilizar o comando Two-Way para testar a
influncia desses dois fatores no rendimento dos gales de tinta. Nos tempos de mistura, os nveis
utilizados foram 40 e 60 minutos. As hipteses testadas tero o seguinte formato:
H 0 : Fornecedor A = Fornecedor B = Formecedor C

H 1 : Pelo menos um dos fornecedores diferente
H 0 : Tempo de mistura = 40 = Tempo de mistura = 60

H 1 : Os tempos de mistura so diferentes
H 0 : No existe int erao entre o tempo de mistura e os fornecedores

H 1 : Existe int erao entre o tempo de mistura e os fornecedores
Os dados esto armazenados na Worksheet Tinta2.MTW. Para analis-los necessrio acompanhar

1. Abra a Worksheet Tinta2.MTW;
373
Curso de Minitab
A coluna Rendimento (varivel resposta) refere-se ao rendimento dos gales de tinta ltex vinlico
econmico, a coluna Fornecedor (fator A) refere-se ao fornecedor de matria-prima (A, B ou C) e
a coluna Tempo de mistura (fator B) refere-se ao tempo de mistura dos componentes da tinta
(40min ou 60min).
2. Escolha a opo Stat > ANOVA > Two-Way...;
Figura 10.3: O comando Two-Way
3. Em Response selecione a varivel Rendimento;
4. Em Row factor selecione a varivel Fornecedor e ative a opo Display means;
5. Em Column factor selecione a varivel Tempo de mistura e ative a opo Display means;
374
Ao ativar a opo Fit additive model, o modelo ser ajustado sem o termo de interao.
375
Curso de Minitab
Resultados obtidos:
Two-way ANOVA: Rendimento versus Fornecedor; Tempo de mistura
Source DF SS MS F P
Fornecedor 2 1568,49 784,243 115,49 0,000
Tempo de mistura 1 114,84 114,841 16,91 0,000
Interaction 2 18,56 9,280 1,37 0,274
Error 24 162,97 6,791
Total 29 1864,86
S = 2,606 R-Sq = 91,26% R-Sq(adj) = 89,44%
Individual 95% CIs For Mean Based on

Pooled StDev
Fornecedor Mean ---+---------+---------+---------+------
A 24,0430 (--*--)
B 41,1194 (--*-)
C 36,6517 (--*--)
---+---------+---------+---------+------
24,0 30,0 36,0 42,0
Tempo Individual 95% CIs For Mean Based on

de Pooled StDev
mistura Mean -------+---------+---------+---------+--
40 35,8946 (-----*------)
60 31,9815 (------*------)
-------+---------+---------+---------+--
32,0 34,0 36,0 38,0
Figura 10.4: Sada Session para a anlise de varincia para dois fatores
Os valores-p obtidos para os fatores Fornecedor e Tempo de mistura so iguais a 0,000. J para a
interao entre os dois fatores, o valor-p igual a 0,274.
O coeficiente de determinao R2 = 91,26%.
O rendimento mdio dos fornecedores A, B e C igual a 24,043; 41,119 e 36,652, respectivamente.
O rendimento mdio dos tempos de mistura igual a 35,8946 para o tempo de 40min e 31,9815
para o tempo de mistura de 60min.
376
Concluses
Por meio desses resultados conclumos, ao nvel de 5% de significncia, que o fornecedor e o tempo
de mistura afetam o rendimento dos gales de tinta ltex vinlico econmico. J a interao entre
eles no foi significativa, pois o valor-p maior que 0,05.
Pelos intervalos de 95% de confiana, conclumos que o menor rendimento dos gales foi obtido
pelo fornecedor A, enquanto que o maior rendimento foi obtido pelo fornecedor B. O tempo de
mistura de 40min foi o que obteve maior rendimento.
Atravs do coeficiente de determinao percebemos que as variveis Fornecedor e Tempo de mistura

explicam aproximadamente 91% da variabilidade da varivel Rendimento.
10.3 - Interaction plot

O comando Interaction Plot constri um grfico de interao para uma ANOVA de dois fatores.
Atravs do grfico de interao podemos observar se o efeito da interao entre os nveis dos fatores
estudados ou no significativo.
Quando o efeito da interao significativo, as linhas traadas no sero paralelas, mostrando que
para algumas combinaes podemos ter resultados diferentes de outras combinaes
A ausncia da interao mostrar paralelismo entre as linhas traadas no grfico.
Para facilitar o entendimento do efeito da interao vamos construir um grfico de interao para o
experimento realizado no Exemplo 10.2.
377
Curso de Minitab
Exemplo 10.2
Suponha que o gerente de qualidade, no satisfeito com o resultado apresentado na anlise de
varincia construda no exemplo anterior resolveu construir um grfico para testar se a interao era
realmente insignificante para o modelo. Para construir o grfico acompanhe os seguintes passos:
1. Selecione a opo Stat > ANOVA > Interaction Plot;
Figura 10.5: O comando Interaction Plot
2. No campo Responses seleciona a coluna Rendimento;
3. No campo Factors selecione as colunas Tempo de mistura e Fornecedor;
378
O comando Display full interaction plot matrix traa dois grficos de interao trocando as
posies dos fatores. Na prtica os dois grficos fornecem o mesmo resultado.
5. Em Title digite o ttulo: Grfico de interao entre os fornecedores e o tempo de mistura
O comando Minimum for Y (response) scale e Maximum for Y (response) scale devem ser
utilizados quando desejamos estabelecer um valor mnimo e/ou mximo para ser traado no eixo
Y do grfico.
379
Curso de Minitab
Resultados Obtidos:
O MINITAB traa o seguinte grfico de interao:
Figura 10.6: Grfico de interao para o fornecedor e o tempo de mistura
Observamos que nenhuma das linhas se cruzam, o que mostra que a interao entre os fatores
realmente no existe.
Concluses
Observamos que se o nosso objetivo for aumentar o rendimento do galo de tinta ltex vinlico
econmico, devemos trabalhar sempre com a matria prima fornecida pelo Fornecedor B e alm
disso devemos utilizar um tempo de mistura de 40 minutos.
380
Captulo 11
Planejamento de Experimentos
WERKEMA
Consultores
Ao final deste captulo voc ser capaz de planejar experimentos fatoriais 2K completos e
fracionados e poder construir os grficos dos efeitos principais e de interao.
Em muitos casos, para otimizar um processos necessrio realizar experimentos estatisticamente

planejados, de forma que dados apropriados sejam coletados.
As alteraes propositais so feitas nas variveis de entrada de um processo, de modo que se possa
avaliar as possveis alteraes sofridas pela varivel resposta.
O MINITAB nos fornece os seguintes tipos de experimentos:

Factorial
Response surface
Mixture
Taguchi
Neste curso trataremos apenas dos experimentos fatoriais.
11.1- Experimento Factorial Completo
Exemplo 11.1
Uma fbrica de brinquedos desenvolveu um helicptero de papel, com objetivo de alcanar uma
fatia importante do mercado de brinquedos desse tipo.
Com a primeira linha de helicpteros j lanada no mercado, comearam a surgir inmeras

reclamaes de clientes insatisfeitos com o produto.
Baseado em estudos anteriores, sabia-se que o nvel de satisfao das crianas que brincavam com o
helicptero era proporcional ao tempo de vo do brinquedo, desta forma, aps a realizao de um
brainstorming, a empresa decidiu verificar se a largura do corpo, a forma do corpo, a largura da asa e
o comprimento da asa influenciavam no tempo de vo do helicptero e determinar a condio
tima de fabricao do brinquedo.
383
Curso de Minitab
Os nveis para os fatores foram definidos da seguinte forma:
Fator A: Largura do corpo 1,5 cm e 2 cm
Fator B: Forma do corpo Tubular e No tubular
Fator C: Largura da asa 1,5 cm e 2 cm
Fator D: Comprimento da asa 4,75 cm e 5,75 cm
A fbrica decidiu realizar duas replicaes para cada combinao dos nveis dos fatores.
Para iniciar o experimento, foi criada uma tabela com todas as possveis combinaes entre os nveis
dos fatores (experimento fatorial completo).
Os experimentos foram feitos de forma aleatria, ou seja, a ordem de realizao dos ensaios individuais
do experimento foi determinada ao acaso. A aleatorizao permite que os efeitos de fatores no-
controlados, que afetam a varivel resposta e que podem estar presentes durante a realizao do
experimento, sejam balanceados entre todas as medidas. Este balanceamento evita possveis
confundimentos na avaliao dos resultados devido atuao destes fatores.
A coluna Ordem de execuo dos ensaios mostra a ordem em que os experimentos foram realizados.
Aps sua realizao, foram anotados todos os tempos de vo do helicptero (em segundos).
384
Copyright 2006 Cristina Werkema
Tabela 11.1: Medidas do tempo de vo dos helicpteros obtidas no
experimento 24 realizado pela fbrica de brinquedos
Ordem de
execuo Largura_corpo Forma_corpo Largura_asa Comprimento_asa Tempo
10 1,5 Tubular 1,5 4,75 4,837
4 2,0 Tubular 1,5 4,75 5,639
22 1,5 No-Tubular 1,5 4,75 1,701
17 2,0 No-Tubular 1,5 4,75 3,636
29 1,5 Tubular 2,0 4,75 3,366
18 2,0 Tubular 2,0 4,75 2,382
16 1,5 No-Tubular 2,0 4,75 3,874
31 2,0 No-Tubular 2,0 4,75 4,890
13 1,5 Tubular 1,5 5,75 3,210
12 2,0 Tubular 1,5 5,75 2,500
3 1,5 No-Tubular 1,5 5,75 3,358
15 2,0 No-Tubular 1,5 5,75 4,056
27 1,5 Tubular 2,0 5,75 3,668
24 2,0 Tubular 2,0 5,75 2,789
25 1,5 No-Tubular 2,0 5,75 5,614
2 2,0 No-Tubular 2,0 5,75 6,661
7 1,5 Tubular 1,5 4,75 5,694
30 2,0 Tubular 1,5 4,75 3,076
23 1,5 No-Tubular 1,5 4,75 0,787
28 2,0 No-Tubular 1,5 4,75 6,798
14 1,5 Tubular 2,0 4,75 4,649
20 2,0 Tubular 2,0 4,75 4,815
26 1,5 No-Tubular 2,0 4,75 3,615
32 2,0 No-Tubular 2,0 4,75 0,372
6 1,5 Tubular 1,5 5,75 2,764
19 2,0 Tubular 1,5 5,75 4,117
1 1,5 No-Tubular 1,5 5,75 3,720
5 2,0 No-Tubular 1,5 5,75 5,656
8 1,5 Tubular 2,0 5,75 3,764
21 2,0 Tubular 2,0 5,75 1,889
9 1,5 No-Tubular 2,0 5,75 4,257
11 2,0 No-Tubular 2,0 5,75 4,492
O processo de criao da matriz de planejamento est descrito a seguir.
385
Curso de Minitab
Create Factorial Design
O comando Create Factorial Design cria experimentos fatoriais completos e fracionados com k
fatores e dois nveis cada fator.
Este comando tambm permite criar experimentos Plackett Burman e experimentos com mais de
dois nveis para cada fator, porm, eles no sero abordados aqui.
01. Escolha a opo Stat > DOE > Factorial > Create Factorial Design...;
Figura 11.1: O comando Create Factorial Design
02. Em Type of Design ative a opo 2-level factorial (default generators);
03. Em Number of factors escolha o valor 4 ;
386
A opo 2-level factorial (specify generators) deve ser ativada quando queremos especificar
nossos prprios geradores do experimento.
A opo Plackett-Burman design deve ser ativada quando queremos gerar um experimento de
Plackett-Burman.
A opo General full factorial design dever ser ativada quando os fatores do experimento tm
mais de dois nveis.
04. Selecione a opo Display Available Designs...;
05. Selecione a opo Designs...;
06. Ative a opo Full factorial;
07. Em Number of center points escolha o valor 0. Os pontos centrais, quando adicionados ao
experimento, permitem detectar a curvatura da superfcie de resposta. Eles podem ser utilizados
apenas quando os fatores so quantitativos. No exemplo, temos fatores quantitativos e qualitativos.
08. Em Number of replicates escolha o valor 2;
09. Em Number of blocks escolha o valor 1;
387
Curso de Minitab
A opo fraction, 8, IV, 2**(4-1) deve ser ativada quando queremos realizar um experimento
fatorial fracionado.
10. Selecione OK;
11. Selecione a opo Factors...;
12. Em Name digite Largura_corpo para o fator A;
13. Para o fator B digite Forma_corpo;
14. Para o fator C digite, Largura_asa;
15. Para o fator D digite Comprimento_asa;
16. Em Type escolha a opo Numeric para os fatores A, C e D e Text para o fator B;
17. Em Low digite 1,5 para o fator A, Tubular para o fator B, 1,5 para o fator C e 4,75 para o fator D;
18. Em High digite 2 para o fator A, No-tubular para o fator B, 2 para o Fator C e 5,75 para o fator D;
388
19. Selecione OK;
21. Em Fold Design ative a opo Do not fold;
22. Desative a opo Randomize runs. A opo Randomize runs (aleatorizar os ensaios) foi desativada
para que o MINITAB criasse uma tabela semelhante Tabela 11.1. Quando o planejamento de um
experimento est sendo iniciado, esta opo deve ser ativada para aleatorizar a ordem de realizao
dos experimentos.
23. Ative a opo Store design in Worksheet;
24. Selecione OK;
389
Curso de Minitab
Resultados obtidos:
Figura 11.2: Tabela de um experimento fatorial completo
O MINITAB construiu uma tabela com todas as combinaes possveis entre os nveis dos fatores.
Feche o projeto do MINITAB.
Analyze Factorial Design
O comando Analyze Factorial Design realiza uma anlise do experimento criado, construindo
grficos dos efeitos, que ajudam no estabelecimento de concluses.
Este comando tambm nos permite calcular e armazenar valores preditos da varivel resposta para
novas observaes do experimento.
01. Abra a Worksheet Helicptero.MTW. Observe que estes dados so os mesmo apresentados na Tabela
11.1.
390
A coluna StdOrder refere-se ordem padro de realizao dos experimentos.
A coluna RunOrder refere-se ordem aleatria de realizao dos experimentos.
A coluna CenterPt refere-se aos pontos centrais.
A coluna Blocks refere-se ao nmero de blocos.
As colunas Largura_corpo e Forma_corpo referem-se largura e forma do corpo do

helicptero, respectivamente.
As colunas Largura_asa e Comprimento_asa referem-se largura e ao comprimento da asa

do helicptero, respectivamente.
A coluna Tempo refere-se ao tempo de vo do helicptero, em segundos.
02. Escolha a opo Stat > DOE > Factorial > Analyze Factorial Design...;
391
Curso de Minitab
Figura 11.3: O comando Analyse Factorial Design
03. Em Responses selecione a varivel Tempo;
392
05. Em Effects Plots ative as opes Normal e Pareto;
06. Em Alpha digite 0,05;
07. Selecione OK;
393
Curso de Minitab
Resultados obtidos:
Factorial Fit: Tempo versus Largura_corpo; Forma_corpo; ...
Estimated Effects and Coefficients for Tempo (coded units)
Term Effect Coef SE Coef T P

Constant 3,8327 0,2401 15,96 0,000
Largura_corpo 0,3056 0,1528 0,2401 0,64 0,534
Forma_corpo 0,2705 0,1352 0,2401 0,56 0,581
Largura_asa -0,0283 -0,0141 0,2401 -0,06 0,954
Comprimento_asa 0,1490 0,0745 0,2401 0,31 0,760
Largura_corpo*Forma_corpo 0,8987 0,4494 0,2401 1,87 0,080
Largura_corpo*Largura_asa -0,8702 -0,4351 0,2401 -1,81 0,089
Largura_corpo*Comprimento_asa -0,0800 -0,0400 0,2401 -0,17 0,870
Forma_corpo*Largura_asa 0,5361 0,2681 0,2401 1,12 0,281
Forma_corpo*Comprimento_asa 1,3686 0,6843 0,2401 2,85 0,012
Largura_asa*Comprimento_asa 0,4974 0,2487 0,2401 1,04 0,316
Largura_corpo*Forma_corpo* -0,5704 -0,2852 0,2401 -1,19 0,252
Largura_asa
Largura_corpo*Forma_corpo* -0,1454 -0,0727 0,2401 -0,30 0,766
Comprimento_asa
Largura_corpo*Largura_asa* 0,2766 0,1383 0,2401 0,58 0,573
Comprimento_asa
Forma_corpo*Largura_asa* 0,0533 0,0266 0,2401 0,11 0,913
Comprimento_asa
Largura_corpo*Forma_corpo* 0,8260 0,4130 0,2401 1,72 0,105
Largura_asa*Comprimento_asa
S = 1,35844 R-Sq = 58,84% R-Sq(adj) = 20,26%
Analysis of Variance for Tempo (coded units)
Source DF Seq SS Adj SS Adj MS F P

Main Effects 4 1,517 1,517 0,3792 0,21 0,932
2-Way Interactions 6 31,835 31,835 5,3059 2,88 0,043
Residual Error 16 29,526 29,526 1,8454
Pure Error 16 29,526 29,526 1,8454
Total 31 71,743
Unusual Observations for Tempo
Obs StdOrder Tempo Fit SE Fit Residual St Resid

8 8 4,89000 2,63100 0,96057 2,25900 2,35R
24 24 0,37200 2,63100 0,96057 -2,25900 -2,35R
R denotes an observation with a large standardized residual.
Figura 11.4: Resultados da anlise do experimento fatorial
394
Estimated Coefficients for Tempo using data in uncoded units
Term Coef
Constant -75,065
Largura_corpo 55,1386
Forma_corpo -241,920
Largura_asa 42,3460
Comprimento_asa 10,7820
Largura_corpo*Forma_corpo 134,258
Largura_corpo*Largura_asa -30,1985
Largura_corpo*Comprimento_asa -8,0655
Forma_corpo*Largura_asa 129,361
Forma_corpo*Comprimento_asa 42,4875
Largura_asa*Comprimento_asa -5,7560
Largura_corpo*Forma_corpo* -73,9470
Largura_asa
Largura_corpo*Forma_corpo* -23,7095
Comprimento_asa
Largura_corpo*Largura_asa* 4,42600
Comprimento_asa
Forma_corpo*Largura_asa* -22,9150
Comprimento_asa
Largura_corpo*Forma_corpo* 13,2160
Alias Structure
I
Largura_corpo
Forma_corpo
Largura_asa
Comprimento_asa
Largura_corpo*Forma_corpo
Largura_corpo*Largura_asa
Largura_corpo*Comprimento_asa
Forma_corpo*Largura_asa
Forma_corpo*Comprimento_asa
Largura_corpo*Forma_corpo*Largura_asa
Largura_corpo*Forma_corpo*Comprimento_asa
Largura_corpo*Largura_asa*Comprimento_asa
Forma_corpo*Largura_asa*Comprimento_asa
Largura_corpo*Forma_corpo*Largura_asa*Comprimento_asa
Figura 11.4: Resultados da anlise do experimento fatorial(continuao)
395
Curso de Minitab
Os resultados acima nos mostram as estimativas dos efeitos e os coeficientes de cada fator e suas
interaes em unidades codificadas.
A interao entre os fatores Forma_corpo e Comprimento_asa foi o nico termo que apresentou
valor-p menor que 0,05.
A tabela de anlise de varincia apresentou os valores-p para os efeitos principais, interaes duas a
duas, trs a trs e quatro a quatro onde apenas as interaes de segunda ordem foram significativas.
O MINITAB tambm calculou os coeficientes para unidades no codificadas. O coeficiente de

determinao R2 = 58,84% o que nos indica que os dados esto explicando apenas 58,84% do
tempo de vo do helicptero.
Figura 11.5: Grfico de normalidade para os efeitos
396
Figura 11.6: Grfico de pareto para os efeitos
Atravs do grfico de normalidade verificamos que a interao BD foi significativa esto mais afastados
da reta. O grfico de Pareto tambm nos mostra que a mesma interao ultrapassou a linha de Lenth
um nvel de 5% de significncia.
Concluso
Por meio desses resultados conclumos, ao nvel de 5% de significncia, que a interao entre a
forma do corpo do helicptero e o comprimento da asa exerce efeito sobre o tempo de vo do
helicptero.
Factorial Plots
O comando Factorial Plots constri grficos de efeitos principais, grficos de interao e grficos
cbicos para experimentos fatoriais completos ou fracionados e experimentos de Plackett-Burman.
Para entender melhor o Factorial Plots, vamos utilizar os dados do exemplo anterior. Como o nico
efeito significativo foi a interao entre a forma do corpo e o comprimento da asa, construiremos
um grfico de interao entre esses fatores atravs dos passos a seguir:
01. Escolha a opo Stat > DOE > Factorial > Factorial Plots...;
397
Curso de Minitab
Figura 11.7: O comando Factorial Plots
02. Ative a opo Interaction Plot;

03. Em Type of Means to Use in Plots ative a opo Data Means;
04. Ative a opo Interaction Plot e respectivo a ela, selecione a opo Setup;
398
A opo Main Effects Plot constri os grficos de efeitos principais.
A opo Cube Plot constri os grficos em forma de cubo mostram o relacionamento entre os
fatores.
A opo Fitted Means calcula os efeitos de acordo com os valores preditos para cada nvel do fator.
05. Em Responses selecione a varivel Tempo;
06. Em Selected selecione as variveis Forma_corpo e Comprimento_corpo que esto em Available atravs
da seta ;
08. Em Title digite Grfico de interao entre a forma do corpo e o comprimento da asa;
399
Curso de Minitab
A opo Draw full interaction plot matriz deve ser ativada quando temos interaes de ordem
superior a dois. Ao ativar esta opo ser mostrada uma matriz completa da interao entre os
fatores, ou seja, visualizar 02 grficos numa mesma janela. Apenas haver inverso dos fatores
nos eixos e legenda.
09. Selecione OK;
Resultados obtidos:
Figura 11.8: Grfico de interao entre os fatores Forma do corpo e Comprimento da asa
400
Atravs do grfico podemos perceber que quando utilizamos um helicptero com a forma do corpo
no tubular e comprimento da asa de 5,75 cm obtivemos maior tempo de vo.
Concluso
Com base nos resultados obtidos, a fbrica de brinquedos dever construir os helicpteros com
corpo no tubular e comprimento da asa de 5,75 para obter maior tempo de vo. Desta forma, a
fbrica poder aumentar as vendas do produto, diminuindo as reclamaes e aumentando o nvel de
satisfao das crianas.
11.2- Experimento Fatorial Fracionado
A Rede de lanchonetes Mais Sabor possui cerca de 20 lanchonetes espalhadas por Minas Gerais
que, diante da oportunidade de crescimento est interessada em entrar no ramo de restaurantes com
um perfil um pouco diferente.
A idia , alm de vender o de costume em suas lanchonetes (variedades de sucos e lanches naturais,
diversos doces/sobremesas e bebidas, deseja inserir a refeio mais saborosa da regio.
Aps algumas pesquisas realizadas detectou-se que quanto maior o tempo de permanncia dos clientes
no estabelecimento, maior seria a satisfao do cliente para com o restaurante. O que poderia acarretar
mais lucro visto que, mais tempo de permanncia mais oportunidade de vendas. Vale ressaltar que
o espao para o novo restaurante comporta quase mil pessoas.
Com isto o gerente da rede resolveu realizar um experimento para verificar quais fatores contribuem
com uma maior permanncia de seus clientes no restaurante.
Aps brainstorming realizado pela equipe de funcionrios foram levantados diversos fatores dos quais
foram priorizados os seguintes:
401
Curso de Minitab
Fatores Nveis
Tipo de refeio (-) A lacarte (+) Self service
Tipo de programao (-) TV (+) Som ambiente
Tipo de assento (-) Cadeira (+) Sof
Temperatura ambiente (-) Sem ar ligado (+) Com ar ligado
Tipo de bebida (-) Sem lcool (+) Com lcool
Por motivos de tempo em obter o resultado e tambm financeiros, o gerente decidiu realizar um
experimento fatorial fracionado (25 1) executando apenas uma vez cada combinao.
O tempo era medido a partir do momento em que o cliente entra no estabelecimento, ou seja, o
cliente recebe um ticket com hora e minutos j marcados e quando sai, o entrega na portaria.
O Gerente efetuou as combinaes referentes ao experimento fatorial e realizou o experimento com

cada configurao. O tempo de permanncia para cada condio, bem como a planilha e a ordem
de execuo do experimento so apresentados na Tabela 11.2.
Tabela 11.2: Medidas do tempo de permanncia do cliente dentro do restaurante obtidas no

experimento 25-1 realizado pelo Gerente
Ordem de Tipo de Tipo de Tipo de Temperat. Tipo de Tempo

execuo refeio programao assento Ambiente bebida (min)
6 A lacarte TV Cadeira Sem ar cond. Com lcool 298
12 Self service TV Cadeira Sem ar cond. Sem lcool 317
2 A lacarte Som ambiente Cadeira Sem ar cond. Sem lcool 191
11 Self service Som ambiente Cadeira Sem ar cond. Com lcool 365
15 A lacarte TV Sof Sem ar cond. Sem lcool 316
14 Self service TV Sof Sem ar cond. Com lcool 314
3 A lacarte Som ambiente Sof Sem ar cond. Com lcool 154
16 Self service Som ambiente Sof Sem ar cond. Sem lcool 346
4 A lacarte TV Cadeira Com ar cond. Sem lcool 288
9 Self service TV Cadeira Com ar cond. Com lcool 349
8 A lacarte Som ambiente Cadeira Com ar cond. Com lcool 133
10 Self service Som ambiente Cadeira Com ar cond. Sem lcool 345
7 A lacarte TV Sof Com ar cond. Com lcool 292
13 Self service TV Sof Com ar cond. Sem lcool 330
1 A lacarte Som ambiente Sof Com ar cond. Sem lcool 194
5 Self service Som ambiente Sof Com ar cond. Com lcool 352
402
O processo de criao da matriz de planejamento est descrito a seguir.
Create Factorial Design

Iremos criar a matriz de planejamento para o exemplo:
1. Escolha a opo Stat > DOE > Factorial > Create Factorial Design...;
2. Em Type of Design ative a opo 2-level factorial (default generators);
3. Em Number of factors escolha o valor 5;
403
Curso de Minitab
4. Selecione a opo Display Available Designs...;
404
Esta tela auxilia na seleo de um experimento apropriado, no nmero de ensaios a serem
realizados e alertar sobre a resoluo do experimento.
Quanto maior for a resoluo de um experimento fatorial fracionado, menor ser o nmero de
interaes de baixa ordem que devero ser consideradas no significantes para que se possa
estimar isoladamente os efeitos de interesse.
5. Selecione OK;
6. Selecione a opo Designs...;
7. Ative a opo 1/2 fraction, 16, V, 2**(5-1);
8. Em Number of center points per block escolha o valor 0;
9. Em Number of replicates for corner points escolha o valor 1;
10. Em Number of blocks escolha o valor 1;
405
Curso de Minitab
11. Selecione OK;
12. Selecione a opo Factors...;
13. Em Name digite para o fator A, Tipo de refeio, para o fator B, Tipo de Programao, para o fator C,
Tipo de assento, para o fator D, Temperatura Ambiente e para o fator E, Tipo de bebida.
14. Em Type escolha a opo Text para todos os fatores;
15. Em Low digite para o fator A, A lacarte para o fator B, TV para o fator C, Cadeira para o fator D, Sem
Ar Cond. e para o fator E Sem lcool;
16. Em High digite para o fator A, Self Service, para o fator B, Som Ambiente, para o Fator C, Sof, para
o fator D,Com Ar cond. e para o fator E,Com lcool.
17. Selecione OK;
19. Em Fold Design ative a opo Do not fold;
20. Desative a opo Randomize runs;
21. Ative a opo Store design in worksheet;
406
22. Selecione OK;
Resultados obtidos:
407
Curso de Minitab
O MINITAB construiu uma tabela com a metade das combinaes possveis entre os nveis dos
fatores, num total de 16 ensaios (25-1 = 16).
Se o Gerente tivesse optado por um experimento fatorial completo, seriam realizados 32 ensaios (25
= 32).
24. Feche o MINITAB.
Analyze Factorial Design

1. Abra a Worksheet Restaurante.MTW. Observe que estes dados so os mesmo apresentados na Tabela
11.2.
2. Escolha a opo Stat > DOE > Factorial > Analyze Factorial Design...;
408
3. Em Responses selecione a varivel Tempo (min);
409
Curso de Minitab
5. Em Effects Plots ative as opes Normal e Pareto;
6. Em Alpha digite 0,10;
7. Selecione OK;
Resultados obtidos:
410
Figura 11.9: A sada da janela Session para a anlise de experimento Fatorial Fracionado
411
Curso de Minitab
Os resultados acima mostram as estimativas dos efeitos e os coeficientes de cada fator e suas interaes
em unidades codificadas.
Como foi realizada apenas uma replicao, no foi possvel calcular a estimativa do erro, e portanto,
no temos os valores-p dos fatores, nem na tabela de anlise de varincia.
Figura 11.10: Grfico de normalidade para os efeitos
Figura 11.11: Grfico de pareto para os efeitos
412
O grfico de normalidade aponta que os fatores A, B e a interao AB so os efeitos que esto
afastados da reta, portanto significativos.
O grfico de Pareto tambm nos mostra que os fatores A, B e a interao AB so os fatores que
ultrapassam a linha de Lenth, no entanto, o efeito de A est confundido com a interao BCDE, o
fator B est confundido com a interao ACDE e a interao AB est confundido com a interao
CDE.
Como uma interao de terceira e quarta ordem so mais difceis de ocorrer, iremos desprez-la e
considerar apenas os efeitos de A, B e a interao AB.
A resoluo V permitida para a realizao do experimento.
Portanto, como os fatores A e B so dependentes (a interao significativa), devemos analisar os

seus efeitos de forma conjunta, dessa forma, devemos construir apenas o grfico da interao AB.
Concluso
Conclumos, ao nvel de 10% de significncia, que apenas o fator A (Tipo de Refeio), o fator B
(Tipo de programao) e a interao AB exercem influncia sobre o tempo de permanncia do
cliente no Restaurante.
Factorial Plots
1. Escolha a opo Stat > DOE > Factorial > Factorial Plots...;
413
Curso de Minitab
2. Ative a opo Interaction Plot
3. Em Type of Means to Use in Plots ative a opo Data Means;
4. Selecione a opo Setup do Interaction Plot;
5. Em Responses selecione a varivel Tempo (min);
6. Em Selected selecione as variveis Tipo de refeio e Tipo de Programao que esto em Available;
414
7. Selecionar a opo Options...;
8. Em Title digite Grfico de Interao entre tipo de refeio e tipo de programao
9. Selecione OK;
10. Selecione OK;
Resultados obtidos:
Figura 11.12: Grfico de interao entre o tipo de refeio e o tipo de programao
415
Curso de Minitab
Atravs do grfico podemos perceber que o maior tempo de permanncia do restaurante ocorre
quando temos a refeio servida como self service e com Som ambiente.
Concluso
Com base nos resultados obtidos, o gerente dever adotar no restaurante o servio de self service e
com som ambiente para que o tempo de permanncia dos clientes no restaurante ser o maior
possvel. Em relao ao tipo de assento, temperatura ambiente e tipo de bebida qualquer um dos
dois nveis podero ser adotados, ou ainda ser adotados de forma conjunta.
416

Apostila Curso Minitab - Werkema PDF

Enviado por

Dados do documento

Título original

Direitos autorais

Formatos disponíveis

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Direitos autorais:

Formatos disponíveis

Apostila Curso Minitab - Werkema PDF

Enviado por

Direitos autorais:

Formatos disponíveis

Bem - vindo!

Bem-vindo ao Treinamento do Software

Seis Sigma Ns estamos aqui para aprender mais sobre:

Introduo ao Software Minitab

Operaes com Arquivos

Operaes com Banco de Dados.

Avaliao de Sistemas de Medio.

1 Introduo ao Software Minitab 03

2 Operaes com Arquivos 21

3 Operaes com Banco de Dados 47

4 Estatsticas Bsicas 125

5 Cartas de Controle 209

6 Capacidade de Processos 267

7 Anlise de Regresso 297

8 Avaliao de Sistemas de Medio 317

9 Testes de Hipteses 341

10 Anlise de Varincia 367

11 Planejamento de Experimentos 383

1.1 - Iniciando o MINITAB

Para iniciar um trabalho no MINITAB, voc tem duas opes:

1.2 - Terminando um projeto no MINITAB

Para sair do MINITAB, selecione a opo File > Exit.

1.3 - Conhea um pouco de sua estrutura

Um arquivo de projeto do MINITAB contm 7 janelas que so essenciais para a utilizao do

Figura 1.2: A janela Session

Figura 1.3: A janela Graph

Figura 1.4: A janela Info

Quando um arquivo de projeto ou um projeto salvo no MINITAB, as informaes contidas

Para digitar dados em uma planilha do MINITAB, siga os seguintes procedimentos:

Cada varivel representada por uma coluna de clulas.

Existem trs tipos de formato para os dados:

Se os dados no so numricos o MINITAB identifica o formato dos dados da coluna e mostra no

Tabela 1: Exemplo de diferentes formatos de dados no MINITAB

Nome Altura Data de Nascimento

Frederico 1,70 04/05/1980

Figura 1.8: Exemplo da formatao dos dados no MINITAB

1.5 - cones de Atalhos

A barra de atalhos do MINITAB possui o seguinte formato:

A seguir apresentado cada cone de atalho e suas respectivas funes:

Localizao Rpida: Localiza o objeto de interesse na janela habilitada.

Procurar Prxima: Localiza o prximo objeto de interesse na janela habilitada.

Cancelar: Aborta a execuo de macros.

Ajuda: Disponibiliza informaes sobre os tpicos de ajuda escolhidos pelo usurio.

StatGuide: Guia de informaes estatsticas. Mostra a interpretao da sada e da anlise estatstica

Janela Session: Coloca a janela Session como janela ativa.

Janela de Dados Correntes: Coloca a Worksheet como janela ativa.

O Project Manager funciona como um gerenciador de arquivos disponibilizando um acesso fcil

Para visualizar a utilizao dessa ferramenta, abra o arquivo Descrio do Minitab.MPJ.

2.1 - Criando Projetos e Planilhas

Figura 2.1: O comando New

2.2 - Arquivos de projeto

Os dados foram armazenados no projeto Contabilidade.MPJ e para analis-los vamos acompanhar

1. Escolha a opo File > Open Project...;

2. Escolha o projeto Contabilidade.MPJ;

O comando Project Description permite visualizar a descrio do projeto.

O comando Options permite modificar as opes de abertura do arquivo.

3. Selecione a opo Abrir e verifique se os dados so apresentados conforme figura;

A coluna Despesas representa os gastos do perodo em estudo, a coluna Receitas representa o

4. Escolha a opo File > Project Description...;

5. Em Creator digite Contabilidade XYZ;

6. Em Date(s) digite 07 de Setembro 1888;

7. Em Comments digite Planilha referente s despesas e receitas da empresa Z em 1888;

9. Escolha a opo File > Save Project As...;