Escolar Documentos
Profissional Documentos
Cultura Documentos
Apostila Curso Minitab - Werkema PDF
Apostila Curso Minitab - Werkema PDF
Estatsticas Bsicas.
Cartas de Controle.
Capacidade de Processos.
Anlise de Regresso.
Testes de Hipteses.
Anlise de Varincia.
Planejamento de Experimentos.
Treinamento MINITAB 15
Bsico e Intermedirio
ndice
Captulos Mdulo Bsico
Mdulo Intermedirio
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.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.
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 .
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
Copyright 2006 Werkema Editora
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
8
Copyright 2006 Werkema Editora
1.4 - Como inserir dados em uma planilha do MINITAB
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!!!
9
Curso de Minitab
Confira o resultado:
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.
10
Copyright 2006 Werkema Editora
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.
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
Copyright 2006 Werkema Editora
1.5.3 - Como utilizar o Project Manager
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.
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
Copyright 2006 Werkema Editora
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
Copyright 2006 Werkema Editora
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
Copyright 2006 Werkema Editora
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).
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...;
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).
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).
22
Copyright 2006 Werkema Editora
Figura 2.2: O comando Open Project
23
Curso de Minitab
O MINITAB oferece a possibilidade de visualizao do arquivo antes de abri-lo utilizando
para isso o comando Preview.
24
Copyright 2006 Werkema Editora
Figura 2.3: O comando Project Description
25
Curso de Minitab
8. Selecione OK;
26
Copyright 2006 Werkema Editora
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:
27
Curso de Minitab
14. Selecione OK. Verifique a apresentao do novo projeto:
28
Copyright 2006 Werkema Editora
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.
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:
Despesas Despesas
Operacionais Administrativas Perodo
1. Abra o MINITAB;
30
Copyright 2006 Werkema Editora
Figura 2.7: O comando Open Worksheet
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 Merge faz com que os dados sejam abertos em uma Worksheet j disponvel no
MINITAB.
32
Copyright 2006 Werkema Editora
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:
8. Selecione OK;
34
Copyright 2006 Werkema Editora
OBS.: Os dados devem ser digitados sem o R$ para que o MINITAB os reconhea como dados
numricos.
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.
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...).
36
Copyright 2006 Werkema Editora
2.5 - Outros arquivos
Import Special Text: Importa arquivos de extenses .TXT e .DAT para o MINITAB.
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.
38
Copyright 2006 Werkema Editora
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.
39
Curso de Minitab
Figura 2.13: O comando Save Worksheets As
40
Copyright 2006 Werkema Editora
Figura 2.15: O comando Save Report As
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:
42
Copyright 2006 Werkema Editora
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).
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.
A nica diferena substancial se encontra no item Edit>Paste que permite duas formas de execuo
quando trabalhamos com dados j digitados na Worksheet.
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
Copyright 2006 Werkema Editora
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.
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:
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.
5. Em Specify Which Rows to Include ative a opo Row numbers e digite 1:12 (da linha 1 at a
linha 12);
48
Copyright 2006 Werkema Editora
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;
Resultados Obtidos:
49
Curso de Minitab
Percebe-se que as primeiras 12 linhas da planilha principal foram includas na nova planilha.
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:
50
Copyright 2006 Werkema Editora
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.
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
Copyright 2006 Werkema Editora
Resultados Obtidos:
O MINITAB criou quatro novas planilhas, sendo uma para cada galpo.
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 havia recebido de seus subordinados duas planilhas de dados em arquivos diferentes,
Mercado Latino.MTW e Mercado Europeu.MTW. Para manipular as planilhas necessrio
acompanhar os seguintes passos:
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
Copyright 2006 Werkema Editora
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;
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.
56
Copyright 2006 Werkema Editora
Figura 3.3: O comando Merge Worksheet
8. Selecione a Worksheet Mercado Europeu.MTW;
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.
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.
58
Copyright 2006 Werkema Editora
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.
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;
60
Copyright 2006 Werkema Editora
5. Escolha a opo Data > Copy > Columns to Columns...;
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);
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:
62
Copyright 2006 Werkema Editora
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.
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...;
5. Ative a opo After last column in use (isso alocar os dados na mesma Worksheet aps a ltima
coluna em uso);
64
Copyright 2006 Werkema Editora
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.
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
necessrio acompanhar os seguintes passos:
66
Copyright 2006 Werkema Editora
As colunas Produo Linha 1, Linha 2 e 3 representam os volumes de produo das linhas de
produo.
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;
O comando Block of Columns realiza as mesmas tarefas do comando Columns porm, deve
ser utilizada quando desejamos empilhar blocos de colunas;
68
Copyright 2006 Werkema Editora
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.
70
Copyright 2006 Werkema Editora
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.
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];
72
Copyright 2006 Werkema Editora
8. Selecione OK e maximize a Worksheet;
Resultados obtidos:
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
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.
74
Copyright 2006 Werkema Editora
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);
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
Copyright 2006 Werkema Editora
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
Os dados foram digitados na Worksheet Barras de Ao.MTW. Para executar este comando acompanhe
os seguintes passos:
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.
78
Copyright 2006 Werkema Editora
Figura 3.8: O comando Rank
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).
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
necessrio acompanhar os seguintes passos:
80
Copyright 2006 Werkema Editora
1. Abra a Worksheet Comprimento e Dimetro.MTW;
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);
5. Selecione OK.
82
Copyright 2006 Werkema Editora
Resultados Obtidos:
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.
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,
acompanhe os seguintes passos:
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.
84
Copyright 2006 Werkema Editora
Figura 3.14: O comando Code > Numeric to Numeric
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;
Resultados Obtidos:
86
Copyright 2006 Werkema Editora
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:
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.
88
Copyright 2006 Werkema Editora
3. Em Input column selecione a coluna Cdigo do 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
Copyright 2006 Werkema Editora
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.
2. Escolha a opo Data > Change Data Type > Text to Numeric...;
91
Curso de Minitab
3. Em Change text columns selecione a varivel Tenso;
5. Selecione OK;
6. Maximize a Worksheet.
Resultados Obtidos:
92
Copyright 2006 Werkema Editora
O MINITAB transformou os dados de texto da coluna Tenso, em dados numricos e que foram
alocandos na mesma coluna de referncia.
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
acompanhe os seguintes passos:
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...;
94
Copyright 2006 Werkema Editora
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;
7. Maximize a Worksheet.
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
Copyright 2006 Werkema Editora
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;
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
Copyright 2006 Werkema Editora
O volume de um cilindro dado pela frmula:
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...;
100
Copyright 2006 Werkema Editora
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;
102
Copyright 2006 Werkema Editora
11. Selecione OK;
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:
16. Selecione a varivel Volume (manh). Esta varivel ser alocada entre os parntesis do comando
Mean;
104
Copyright 2006 Werkema Editora
17. Selecione OK;
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.
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.
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
Temperatura do forno 2
Temperatura do forno 3
Para criar uma referncia numrica no MINITAB, de forma a facilitar a identificao de cada um
dos fornos, necessrio acompanhar os seguintes passos:
106
Copyright 2006 Werkema Editora
A coluna Temperatura contm os dados de temperatura coletados pelo Dono da padaria nos ltimos
10 dias para os trs fornos.
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
6. Em In steps of digite 1;
108
Copyright 2006 Werkema Editora
9. Selecione OK;
10. Escolha a opo Calc > 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;
110
Copyright 2006 Werkema Editora
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.
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
19. No campo Patterned Sequence, digite em From first date/time a data 01/01/2004.
112
Copyright 2006 Werkema Editora
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.
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.
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.
114
Copyright 2006 Werkema Editora
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).
115
Curso de Minitab
Figura 3.17: O comando Set Base
4. Selecione OK;
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
Copyright 2006 Werkema Editora
Figura 3.18: o comando Randon Data > Sample from Columns
117
Curso de Minitab
Poderamos tambm efetuar uma amostragem aleatria com reposio, bastando ativar a opo
Sample with replacement.
9. Selecione OK;
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
Copyright 2006 Werkema Editora
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,
acompanhe os seguintes passos:
120
Copyright 2006 Werkema Editora
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;
7. Maximize a Worksheet.
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 2.: Os dados gerados no exemplo acima podem estar diferentes dos dados gerados pelo leitor,
porm a lgica de execuo a mesma.
122
Copyright 2006 Werkema Editora
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
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:
Mdia_3 ano: refere-se mdia das notas de todas as matrias cursadas no 3 ano;
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;
126
Copyright 2006 Werkema Editora
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).
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:
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;
128
Copyright 2006 Werkema Editora
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;
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
Copyright 2006 Werkema Editora
11. Selecione OK;
In separate panels on the same graph: Mostra os grficos lado a lado na mesma janela grfica.
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
Copyright 2006 Werkema Editora
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...;
134
Copyright 2006 Werkema Editora
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
Copyright 2006 Werkema Editora
22. Nesta janela poderemos escrever as concluses tambm no Report Pad, por exemplo:
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.
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.
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
138
Copyright 2006 Werkema Editora
2. Escolha a opo Graph > Histogram;
139
Curso de Minitab
3. Ative a opo With Fit;
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;
140
Copyright 2006 Werkema Editora
6. Selecione a opo Labels> Title/Footnotes
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.
142
Copyright 2006 Werkema Editora
Symbols: Permite que cada ponto seja representado por um smbolo.
Project lines: Projeta uma linha conectando cada ponto sua coordenada no eixo X.
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
Copyright 2006 Werkema Editora
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).
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
146
Copyright 2006 Werkema Editora
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;
5. Em Categorical variables for grouping (1-4, outermost first) selecione a varivel Cidade;
147
Curso de Minitab
8. Selecione OK;
10. Ative as opes Interquatile range box, Outlier symbols e Mean symbol;
148
Copyright 2006 Werkema Editora
11. Selecione OK;
Resultados obtidos:
Mdia
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:
150
Copyright 2006 Werkema Editora
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.
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:
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;
153
Curso de Minitab
6. Selecione a opo Chart Options...;
154
Copyright 2006 Werkema Editora
A opo Default ordena as barras de acordo com a ordem alfabtica.
155
Curso de Minitab
13. Selecione OK;
156
Copyright 2006 Werkema Editora
20. Selecione OK;
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
Copyright 2006 Werkema Editora
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.
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
Copyright 2006 Werkema Editora
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:
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.
162
Copyright 2006 Werkema Editora
A opo Category name inclui o nome 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;
163
Curso de Minitab
11. Selecione OK;
13. Em Start angle digite 45. Esta opo faz com que o grfico comece a ser traado partir do ngulo
de 45.
164
Copyright 2006 Werkema Editora
A opo Increasing volume ordena os setores de forma crescente.
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:
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.
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.
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.
166
Copyright 2006 Werkema Editora
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.
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;
168
Copyright 2006 Werkema Editora
6. Selecione a opo Time/Scale...;
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...)
10. Em Title digite Comportamento das notas dos alunos aprovados no vestibular;
169
Curso de Minitab
12. Selecione a aba Data Labels;
170
Copyright 2006 Werkema Editora
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.
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.
172
Copyright 2006 Werkema Editora
A coluna ID representa a identificao da pea e a coluna Perdas da Matria Prima descreve quais
os motivos das perdas da matria prima.
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...;
A opo Do not chart cumulative percent deixa de mostrar a freqncia acumulada das variveis;
174
Copyright 2006 Werkema Editora
9. Selecione OK;
Resultados Obtidos:
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:
Custo Unitrio
Causa da Perda Freqncia (em R$) Custo Total
Estoque 37 25 925
Fornecedor 28 18 504
Transporte 24 23 552
Linha de Produo 13 22 286
Clima 3 22 66
Operador 3 22 66
176
Copyright 2006 Werkema Editora
Os dados deste exemplo foram armazenados na Worksheet Custos.MTW. Para analis-los necessrio
acompanhar os seguintes passos:
A coluna Causa da Perda representa as causas das perdas da matria prima. A coluna Freqncia
representa a freqncia com a qual ocorreram as perdas. A coluna Custo Unitrio (em R$) 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.
177
Curso de Minitab
3. Ative a opo Chart defects table.
5. Em Frequencies in selecione a varivel Custo total (pois nossa varivel de interesse agora so os
custos);
178
Copyright 2006 Werkema Editora
7. Selecione a opo Options...;
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
Copyright 2006 Werkema Editora
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.
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.
182
Copyright 2006 Werkema Editora
3. Ative a opo Chart defects data in e selecione a varivel Tipo de Defeitos;
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;
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.
11. Em Title digite Grfico de Pareto para tipos de defeito de acordo com a linha de produo;
184
Copyright 2006 Werkema Editora
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.
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.
186
Copyright 2006 Werkema Editora
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 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:
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...;
188
Copyright 2006 Werkema Editora
3. Em Variables selecione a varivel Dimetro;
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
Copyright 2006 Werkema Editora
7. Clique OK;
9. Ative as opes Histogram of data, Histogram of data, with normal curve, Individual vale plot,
Boxplot of data;
Resultados Obtidos:
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
Copyright 2006 Werkema Editora
14. Selecione a opo Layout Tool. O MINITAB mostrar em uma janela os quatro grficos lado a
lado, como podemos verificar na figura abaixo:
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.
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.
194
Copyright 2006 Werkema Editora
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:
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
Copyright 2006 Werkema Editora
3. Em Variables selecione a varivel Dimetro;
197
Curso de Minitab
6. Clique OK;
9. Selecione OK;
Resltados obtidos:
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).
198
Copyright 2006 Werkema Editora
Figura 4.29: Grficos descritivos do comportamento dos dimetros das peas
estratificados por mquina
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.
200
Copyright 2006 Werkema Editora
6. Selecione OK;
8. Maximize a Worksheet:
Resultados obtidos:
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.
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.
202
Copyright 2006 Werkema Editora
A coluna Temperatura (C) refere-se a temperatura mdia mensal da cidade de So Paulo no
perodo de 01/1997 at 12/1999.
203
Curso de Minitab
Figura 4.31: O comando Graphical Summary
4. Em Confidence Level digite 90,0. Este comando construir um intervalo de confiana de 90% para
os dados.
204
Copyright 2006 Werkema Editora
O campo By Variables (optional) estratifica a varivel que utilizada no estudo de acordo com um
determinado subgrupo.
5. Selecione OK.
Resultados obtidos:
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
Copyright 2006 Werkema Editora
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.
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...
209
Curso de Minitab
Figura 5.2: O comando Tools>Options
210
Copyright 2006 Werkema Editora
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:
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
Copyright 2006 Werkema Editora
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;
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);
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.
214
Copyright 2006 Werkema Editora
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...;
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
Copyright 2006 Werkema Editora
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...
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.
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).
13. Em Title digite o ttulo do grfico: Carta I-MR para o Nmero de Incidentes mensais;
218
Copyright 2006 Werkema Editora
15. Selecione OK;
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;
219
Curso de Minitab
Resultados Obtidos:
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
Copyright 2006 Werkema Editora
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.
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.
221
Curso de Minitab
1. Abra a Worksheet Parafuso automotivo1.MTW;
2. Escolha a opo Stat > Control Charts > Variables Charts for Subgroups > Xbar-R...;
222
Copyright 2006 Werkema Editora
3. Como os dados esto organizados em uma coluna, selecione o filtro All observations for a chart are
in one column;
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.
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
Copyright 2006 Werkema Editora
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:
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
Copyright 2006 Werkema Editora
O campo Stores these values for each point aloca janela Worksheet cada um dos valores
utilizados na construo da carta de controle.
15. Em Title digite o ttulo da carta de controle: Carta XBarra-R para o comprimento dos parafusos
automotivos.
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
Copyright 2006 Werkema Editora
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.
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.
2. Escolha a opo Stat > Control Charts > Variables Charts for Subgroups > Xbar-R...;
230
Copyright 2006 Werkema Editora
3. Selecione o filtro All observations for a chart are in one column;
231
Curso de Minitab
6. Selecione a opo Xbar-R Options...> Parameters.
10. No Campo Method for estimating standard deviation, para Subgroup size > 1 ative a opo
Rbar;
232
Copyright 2006 Werkema Editora
11. Selecione a aba S Limits.
12. No campo Display control limits at para These multiples of the standard deviation digite os valores
1,5 2 3;
15. Em Title digite o ttulo da carta de controle: Carta XBarra-R para o comprimento dos parafusos
automotivos.
233
Curso de Minitab
Resultados obtidos:
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).
234
Copyright 2006 Werkema Editora
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
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.
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.
236
Copyright 2006 Werkema Editora
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...;
3. Como o conjunto de dados est organizado por linhas, selecione o filtro Observations for a subgroup
are in one row of columns;
237
Curso de Minitab
5. Selecione a opo Select;
7. No campo Method for estimating standard deviation, para Subgroup size > 1 ative a opo Sbar;
238
Copyright 2006 Werkema Editora
9. Selecione a aba S Limits.
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;
240
Copyright 2006 Werkema Editora
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.
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.
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.
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.
242
Copyright 2006 Werkema Editora
1. Abra a Worksheet Conexes.MTW;
2. Escolha a opo Stat > Control Charts > Attributes Charts > P...;
243
Curso de Minitab
3. Em Variables selecione a varivel Conexes no conformes
244
Copyright 2006 Werkema Editora
8. Selecione OK;
Resultados obtidos:
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.
TEST 1. One point more than 3,00 standard deviations from center line.
Test Failed at points: 18
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:
13. Escolha a opo Stat > Control Charts > Attributes Charts > P...;
246
Copyright 2006 Werkema Editora
Como acabamos de analisar o banco de dados e no abrimos um novo projeto, o MINTAB mostra
os comando realizados na analise anterior:
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:
248
Copyright 2006 Werkema Editora
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:
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.
2. Escolha a opo Stat > Control Charts > Attributes Charts > P...;
250
Copyright 2006 Werkema Editora
3. Em Variables selecione a varivel Conexes no conformes;
7. Em Title digite o ttulo para a carta de controle: Carta P para a proporo de conexes no conformes.
9. Selecione OK;
251
Curso de Minitab
Resultados obtidos:
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
Copyright 2006 Werkema Editora
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.
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.
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...;
254
Copyright 2006 Werkema Editora
3. Em Variables selecione a varivel Tomates imprprios;
7. Selecione OK;
255
Curso de Minitab
Resultados obtidos:
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.
256
Copyright 2006 Werkema Editora
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.
2. Escolha a opo Stat > Control Charts > Attributes Charts > C...;
258
Copyright 2006 Werkema Editora
3. Em Variables selecione a varivel Nmero de Defeitos;
6. Selecione OK;
259
Curso de Minitab
Resultados obtidos:
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
Copyright 2006 Werkema Editora
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.
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...;
262
Copyright 2006 Werkema Editora
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
Copyright 2006 Werkema Editora
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).
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.
Considerando que um processo esteja fornecendo valores centrados no valor nominal dos limites de
especificao, o Cp nos d a seguinte interpretao:
LIE LSE
CAPAZ OU
Cp 1,33 p 64 ppm
ADEQUADO
(VERDE)
LIE LSE
LIE LSE
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:
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
268
Copyright 2006 Werkema Editora
Cpk
Baixo Alto
Reduzir a variabilidade
do processo
Baixo IMPOSSVEL
LIE LSE
Cp
Deslocar a mdia Situao ideal - Manter
do processo
Alto
Figura 6.3: Ao que deve ser adotada para melhorar a capacidade do processo,
em funo da comparao das magnitudes de Cp e Cpk
Exemplo 6.1
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.
Como os dados esto sob controle estatstico necessrio verificar se os mesmos possuem distribuio
Normal. Essa tarefa ser executa com os seguintes passos:
270
Copyright 2006 Werkema Editora
3. Selecione a opo With Fit;
271
Curso de Minitab
4. Em Graph variables selecione a varivel Comprimento;
6. Em Title digite Histograma com a curva normal para o comprimento dos parafusos;
272
Copyright 2006 Werkema Editora
7. Selecione OK duas vezes;
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
274
Copyright 2006 Werkema Editora
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.
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.
276
Copyright 2006 Werkema Editora
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).
277
Curso de Minitab
Resultados Obtidos:
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.
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
Copyright 2006 Werkema Editora
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)).
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.
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
Copyright 2006 Werkema Editora
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.
O comando Capability Sixpack combina 6 ferramentas que podem ser utilizadas para fornecer melhor
entendimento sobre a capacidade de um processo.
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:
282
Copyright 2006 Werkema Editora
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...;
3. Como os dados esto organizados em colunas, no campo Data are arranged as na opo Single
column escolha a varivel Cerveja;
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.
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
Copyright 2006 Werkema Editora
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;
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.
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.
286
Copyright 2006 Werkema Editora
Resultados obtidos:
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.
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.
288
Copyright 2006 Werkema Editora
2. Selecione a opo Stat > Quality Tools > 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.
290
Copyright 2006 Werkema Editora
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.
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:
292
Copyright 2006 Werkema Editora
15. Selecione OK duas vezes.
293
Curso de Minitab
294 Pgina deixada em branco intencionalmente.
Copyright 2006 Werkema Editora
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.
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.
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:
298
Copyright 2006 Werkema Editora
Figura 7.1: O comando Regression
299
Curso de Minitab
5. Selecione a opo Graphs...;
A opo Residuals versus the variables utilizada para construir grficos dos resduos contra cada
uma das variveis de interesse.
8. Selecione OK;
300
Copyright 2006 Werkema Editora
9. Selecione a opo Options...;
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)
301
Curso de Minitab
A opo Weights realiza uma regresso ponderada.
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.
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.
302
Copyright 2006 Werkema Editora
Resultados obtidos:
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
New
Obs Fit SE Fit 95% CI 95% PI
1 8,9528 0,1219 (8,7001; 9,2055) (8,1589; 9,7467)
Taxa
New de
Obs Cmbio
1 3,12
Figura 7.2: Anlise de regresso para o faturamento da empresa versus a taxa de cmbio
Na anlise de varincia (Analysis of Variance) o valor-p para a regresso tambm igual a 0,000.
303
Curso de Minitab
O intervalo de confiana para a mdia dos valores previstos a 95% [8,7001;9,2055].
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
Copyright 2006 Werkema Editora
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%.
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.
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).
305
Curso de Minitab
Exemplo 7.2
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:
306
Copyright 2006 Werkema Editora
3. Em Response selecione a varivel Faturamento;
307
Curso de Minitab
5. Selecione a opo Options...;
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);
9. Selecione OK;
308
Copyright 2006 Werkema Editora
Resultados obtidos:
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
New
Obs Fit SE Fit 95% CI 95% PI
1 8,4204 0,1814 (8,0432; 8,7977) (7,6342; 9,2067)
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:
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.
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
Copyright 2006 Werkema Editora
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
311
Curso de Minitab
Figura 7.5: O comando Fited Line Plot
312
Copyright 2006 Werkema Editora
6. Selecione a opo Options...,
7. Em Display Options selecione as opes Display confidence interval e Display prediction interval;
313
Curso de Minitab
10. Selecione OK;
Resultados obtidos
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.
314
Copyright 2006 Werkema Editora
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.
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).
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
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)
318
Copyright 2006 Werkema Editora
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
=
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
320
Copyright 2006 Werkema Editora
Reprodutibilidade
Inadequada
Operador A Operador B
Instrumento I
LIE A B LSE
Reprodutibilidade
Adequada
Instrumento II
Operador A Operador B
LIE A B LSE
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.
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).
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)
324
Copyright 2006 Werkema Editora
7. Selecione a opo Gage Info...;
325
Curso de Minitab
A opo Study variation permite ao usurio escolher quantos desvios-padro sero utilizados
para estimar a coluna %Study Var.
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
Copyright 2006 Werkema Editora
15. Selecione OK;
Resultados Obtidos:
%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
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%).
328
Copyright 2006 Werkema Editora
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.
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.
O comando Attribute Agreement Analysis realiza a anlise de sistemas medio por atributos.
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.
330
Copyright 2006 Werkema Editora
Os dados para a execuo deste exemplo foram armazenados na Worksheet Avaliao dos
refrigeradores.MTW. Para analis-los necessrio acompanhar os seguintes passos:
2. Escolha a opo Stat > Quality Tools > Attribute Agreement Analysis...;
331
Curso de Minitab
Figura 8.9: O comando Attribute Agreement Analysis
332
Copyright 2006 Werkema Editora
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.
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;
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
Copyright 2006 Werkema Editora
13. Selecione OK;
Resultados Obtidos:
Os resultados apresentados na janela Session sero apresentados separadamente para facilitar o
entendimento do leitor:
Within Appraisers
Assessment Agreement
A Figura 8.10 mostra a quantidade de vezes que cada operador classificou igualmente cada
refrigerador avaliado nas duas avaliaes realizadas.
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
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
Copyright 2006 Werkema Editora
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.
Between Appraisers
Assessment Agreement
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
Assessment Agreement
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%.
338
Copyright 2006 Werkema Editora
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
341
Curso de Minitab
A coluna Pginas impressas refere-se quantidade de pginas impressas por cada uma das 30
impressoras utilizadas no estudo.
342
Copyright 2006 Werkema Editora
3. Ative a opo Sample in columns e selecione a coluna Pginas impressas.
A opo Summarized data utilizada quando possumos apenas o tamanho da amostra (Sample
size) e a mdia (Mean) das observaes j sumarizados.
343
Curso de Minitab
8. Selecione OK;
Resultados obtidos:
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
Copyright 2006 Werkema Editora
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.
346
Copyright 2006 Werkema Editora
2. Ative a opo Sample in columns e selecione a coluna Pginas impressas.
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;
348
Copyright 2006 Werkema Editora
Resultados obtidos:
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.
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
Copyright 2006 Werkema Editora
Os dados esto armazenados na Worksheet Prova de Matemtica.MTW. Para analis-los vamos
acompanhar os seguintes passos:
As colunas Mulheres e Homens representa o tempo gasto (em minutos) pelas mulheres e pelos
homens para realizar a prova de Matemtica.
351
Curso de Minitab
Figura 9.7: O comando 2-Sample t
352
Copyright 2006 Werkema Editora
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;
353
Curso de Minitab
13. Selecione OK;
14. Selecione OK na caixa de dilogo principal.
Resultados obtidos:
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.
354
Copyright 2006 Werkema Editora
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
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
356
Copyright 2006 Werkema Editora
Figura 9.10: O comando 1 Proportion
357
Curso de Minitab
7. Selecione a opo Options...;
10. Ative a opo Use test and interval based on normal distribution
358
Copyright 2006 Werkema Editora
11. Selecione OK duas vezes.
Resultados obtidos:
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).
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.
Os resultados obtidos pelo gerente de produo foram sumarizados de acordo com a Tabela 9.1.
H 0 : p1 p2 = 0
H1 : p1 p2 0
360
Copyright 2006 Werkema Editora
Figura 9.11: O comando 2 Proportions
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).
10. Em Test difference digite o valor 0,0 (pois estamos interessados em saber se eles so diferentes);
362
Copyright 2006 Werkema Editora
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.
Resultados Obtidos:
Sample X N Sample p
1 300 5000 0,060000
2 350 6000 0,058333
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.
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
Copyright 2006 Werkema Editora
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.
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.
368
Copyright 2006 Werkema Editora
3. Em Response selecione a varivel Rendimento;
Ao ativar as opes Store residuals e Store fits, os resduos e os valores ajustados sero
armazenados na Worksheet.
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
Copyright 2006 Werkema Editora
Resultados obtidos:
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%.
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.
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
Copyright 2006 Werkema Editora
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
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).
5. Em Column factor selecione a varivel Tempo de mistura e ative a opo Display means;
374
Copyright 2006 Werkema Editora
Ao ativar a opo Fit additive model, o modelo ser ajustado sem o termo de interao.
375
Curso de Minitab
Resultados obtidos:
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
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 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
Copyright 2006 Werkema Editora
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 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
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:
378
Copyright 2006 Werkema Editora
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.
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
6. Selecione OK duas vezes.
Resultados Obtidos:
O MINITAB traa o seguinte grfico de interao:
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
Copyright 2006 Werkema Editora
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.
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.
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.
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
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...;
386
Copyright 2006 Cristina Werkema
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.
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.
387
Curso de Minitab
A opo fraction, 8, IV, 2**(4-1) deve ser ativada quando queremos realizar um experimento
fatorial fracionado.
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
Copyright 2006 Cristina Werkema
19. Selecione OK;
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.
389
Curso de Minitab
Resultados obtidos:
O MINITAB construiu uma tabela com todas as combinaes possveis entre os nveis dos fatores.
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
Copyright 2006 Cristina Werkema
A coluna StdOrder refere-se ordem padro de realizao dos experimentos.
02. Escolha a opo Stat > DOE > Factorial > Analyze Factorial Design...;
391
Curso de Minitab
Figura 11.3: O comando Analyse Factorial Design
392
Copyright 2006 Cristina Werkema
04. Selecione a opo Graphs...;
393
Curso de Minitab
Resultados obtidos:
394
Copyright 2006 Cristina Werkema
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
Largura_asa*Comprimento_asa
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_asa*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
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.
396
Copyright 2006 Cristina Werkema
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
398
Copyright 2006 Cristina Werkema
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.
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.
Resultados obtidos:
Figura 11.8: Grfico de interao entre os fatores Forma do corpo e Comprimento da asa
400
Copyright 2006 Cristina Werkema
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.
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.
402
Copyright 2006 Cristina Werkema
O processo de criao da matriz de planejamento est descrito a seguir.
1. Escolha a opo Stat > DOE > Factorial > Create Factorial Design...;
403
Curso de Minitab
4. Selecione a opo Display Available Designs...;
404
Copyright 2006 Cristina Werkema
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;
405
Curso de Minitab
11. Selecione OK;
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.
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.
406
Copyright 2006 Cristina Werkema
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).
2. Escolha a opo Stat > DOE > Factorial > Analyze Factorial Design...;
408
Copyright 2006 Cristina Werkema
3. Em Responses selecione a varivel Tempo (min);
409
Curso de Minitab
4. Selecione a opo Graphs...;
7. Selecione OK;
Resultados obtidos:
410
Copyright 2006 Cristina Werkema
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.
412
Copyright 2006 Cristina Werkema
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.
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
6. Em Selected selecione as variveis Tipo de refeio e Tipo de Programao que esto em Available;
414
Copyright 2006 Cristina Werkema
7. Selecionar a opo Options...;
9. Selecione OK;
Resultados obtidos:
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
Copyright 2006 Cristina Werkema