Escolar Documentos
Profissional Documentos
Cultura Documentos
CEP LuizFelipe PDF
CEP LuizFelipe PDF
CONTROLE ESTATSTICO
DE PROCESSO
www.felipelopes.com
D E - C E E M Q - UFSM
2007
1
1. INTRODUO
Controle da qualidade um conjunto de aes ou medidas desenvolvidas
com o objetivo de assegurar que os servios ou produtos gerados atendam aos
requisitos segundo os quais foram especificados. Segundo a ISO 8402,
Controle da Qualidade definido como sendo o conjunto de tcnicas e
atividades operacionais usadas para atender os requisitos para a qualidade.
cliente vo ser atendidas. No se trata mais apenas de uma inspeo final para
verificar se o produto tem ou no defeitos de fabricao.
Nos anos 60, o uso prtico da estatstica como ferramenta para o controle
de processo se consolidou e foram lanadas as bases para a implantao dos
conceitos de Total Quality Control - TQC, desenvolvidos por Feigenbaum. O
parque industrial japons, ainda infante, serviu de palco para a implementao
destes conceitos, na dcada seguinte.
A funo qualidade pode, tambm, ser analisada pelo objeto do seu foco.
At a dcada de 40 o produto era o ponto de aglutinao de todos os esforos
5
Logo tm-se:
- Grfico seqencial
24,619
2 4 6 8 10 12 14 16 18 20
Amostras
- Limites de Controle
2
E( x ) = , V( x ) = e x =
n n
Se o processo est sob controle, variando apenas por fora dos fatores
inerentes ao processo (no identificveis), espera-se que:
P(LIC x LSC) 1
onde um nmero arbitrrio, mas fixo e pequeno, da ordem de 1%. Os
limites LIC (limite inferior de controle) e LSC (limite superior de controle) so
chamados de limites probabilsticos e a probabilidade de uma observao da
v.a. X situar-se fora desses limites muito pequena, dado o valor de .
Sendo assim quando ocorrer de uma observao situar-se fora dos limites de
controle, isto ter como causa um fator particular (identificvel) de variao.
claro que a observao poder ficar fora dos limites por obra do acaso, mas
isto pouco provvel dado .Uma alternativa para se construir os limites de
controle defini-los em termos de mltiplos do desvio-padro da v.a. plotada
no grfico (no caso est-se considerando x ),
LIC = x k x e LSC = x + k x
onde k uma constante positiva. Um valor muito usado para k 3 e tem-se
ento os limites a 3 desvios padres. Estes limites podem ser construdos
mesmo nas situaes onde a distribuio de probabilidade da v.a. X no seja
conhecida. Quem garante este fato a chamada Desigualdade de
Tchebychev:
2
P ( X ) > 0
2
Veja que se fizermos = k tem-se na desigualdade
2 1
P( X k) 2 2 e P( X k ) 2
k k
1
Quando se quer limites de 3 desvios padres tem-se: P( X 3)
32
P( X 3) 0,1111
Considerando a situao onde = 74,0 mm a mdia da v.a. que est
associada com o dimetro do anel do pisto e = 0,01 mm o seu desvio
padro, tem-se para x de amostras aleatrias com tamanho n = 5 anis
tomadas de hora em hora do processo, as estatsticas seguintes:
x = / n = 0,01 / 5 = 0,0045
LSC 10,453
Medidas
LC 9,9697
LIC 9,4859
1 2 3 4 5 6 7 8 9 10 11
Amostras
Fluxograma Histograma
Grfico de Pareto
Brainstorming
Grfico Sequencial
Tempestade de Grfico de controle
idias
Estratificao
- Fluxograma
3) Comparar os dois grficos para verificar onde diferem entre si, pois a
estar a raiz do problema.
Assistir um Programa de TV
Ligar a TV
No
Aparece O fio est
a Imagem? na tomada?
Sim No
A imagem Conectar
boa? o fio
Sim
No Sim
Operar os Aparece
ajustes a Imagem?
Sim
No
No Chamar a
A imagem
Assistncia
boa?
Tcnica
Sim
Assistir
o programa
devolver e
aprovados?
consertar
montagem
automtica
refazer ou
aprovados?
sucatear
montagem
manual
aprovados?
soldagem e
limpeza
refazer ou
aprovados?
sucatear
montagem final
aprovados?
passou no
refazerl
teste final?
expedio
- Folha de verificao
- Brainstorming
1o) Estruturado
2o) No estruturado
1a) Cada membro do grupo deve escrever ou falar sobre o problema que julgar
mais importante. Depois que todos escreverem a sua escolha de problemas
recolha o papel com os problemas.
3a) Pea para cada membro do grupo ordenar os problemas pelo grau de
importncia crescente, segundo o critrio de cada um.
18
- Histograma
- Exemplo
3,56 3,46 3,48 3,50 3,42 3,43 3,52 3,49 3,44 3,50
3,48 3,56 3,50 3,52 3,47 3,48 3,46 3,50 3,56 3,38
3,41 3,37 3,47 3,49 3,45 3,44 3,50 3,49 3,46 3,46
3,55 3,52 3,44 3,50 3,45 3,44 3,48 3,46 3,52 3,46
3,48 3,48 3,32 3,40 3,52 3,34 3,46 3,43 3,30 3,46
3,59 3,63 3,59 3,47 3,38 3,52 3,45 3,48 3,31 3,46
3,40 3,54 3,46 3,51 3,48 3,50 3,68 3,60 3,46 3,52
3,48 3,50 3,56 3,50 3,52 3,46 3,48 3,46 3,52 3,56
3,52 3,48 3,46 3,45 3,46 3,54 3,54 3,48 3,49 3,41
3,41 3,45 3,34 3,44 3,47 3,47 3,41 3,48 3,54 3,47
35
30
25
20
Freqncia
15
10
0
3,30 3,34 3,38 3,43 3,47 3,51 3,55 3,60 3,64 3,68
Classes
FIGURA 6 Histograma
20
- Perguntas:
a) Qual a mais comum espessura da chapa ?
- Diagrama de Pareto
- Exemplo
90
100%
80
70 80%
60
50 60%
Escores
44
40
40%
30
20
14 20%
10
10 8
5
3 2
0
rotao imprpria rudo falhas presso sobra outras falha completa
antes do aperfeioamento
040
100%
035
030 80%
025
Escores
60%
020
015 40%
12
010 8
6 20%
05 4 4
2
1
00
rudo presso falhas falha completa
rotao imprpria outras calafetar o eixo
Aps o aperfeioamento
Mdodo Pessoas
Local
Treinamento
Tipo
Qualificao
Qualidade
Embalagem
Armazem Manuteno
Assitncia
Materiais Maquinaria
Causas Efeito
a) Materiais
Matria-prima no homognea.
b) Maquinaria
c) Mtodo
d) Pessoas (Mo-de-obra)
3) Interpretao
- Diagrama de Disperso
Exemplo 3
100
Porcentagem de Recobrimento
80
60
40
20
-20
2 4 6 8 10 12 14 16 18 20
Quantidade de Metal Fundido
Existem vrias razes para o uso dos grficos de controle, tais como:
p = frao defeituosa;
p (1 p ) (5.2a)
LIC p = p 3
n
LC p = p (5.2b)
p (1 p ) (5.2c)
LSC p = p + 3
n
onde:
- Exemplo
1 50 4 0,08
2 50 2 0,04
3 50 5 0,10
4 50 3 0,06
5 50 2 0,04
6 50 1 0,02
7 50 3 0,06
8 50 2 0,04
9 50 5 0,10
10 50 4 0,08
11 50 3 0,06
12 50 5 0,10
13 50 5 0,10
14 50 2 0,04
15 50 3 0,06
16 50 2 0,04
17 50 4 0,08
18 50 10 0,20
19 50 4 0,08
20 50 3 0,06
21 50 2 0,04
22 50 5 0,10
23 50 4 0,08
24 50 3 0,06
25 50 4 0,08
Total 1250 90 ---
- Clculos:
np 90
p= = = 0,072
n 1250
p (1 p ) 0,072(1 0,072)
LICp = p - 3 = 0,072 - 3 = - 0,038 = 0
n 50
LCp = p = 0,072
p (1 p ) 0,072(1 0,072)
LSCp = p + 3 = 0,072 + 3 = 1,8167
n 50
33
,18167
,07200
0,0000
5 10 15 20 25
3o) Calcular np .
np i =
p i
,
(5.5)
n
onde:
pi = nmero de defeitos;
np = po = pnew =
np np d
= total subgrupo;
n n d
- Exerccio
A amostra a seguir de uma loja de departamentos onde se pretende
verificar se existe variabilidade ou no, relativa ao grau de insatisfao dos
clientes. Para isso, foram coletados 20 subgrupos, onde cada um deles possui
300 observaes.
TABELA 7 Nmero de clientes insatisfeitos
Nmero do Observaes Nmero de Clientes
Subgrupo Insatisfeitos
1 300 10
2 300 12
3 300 8
4 300 9
5 300 6
6 300 11
7 300 13
8 300 10
9 300 8
10 300 9
35
continuao...
11 300 6
12 300 19
13 300 10
14 300 7
15 300 8
16 300 4
17 300 11
18 300 10
19 300 6
20 300 7
Total 184
- Clculos:
np =
pi = 184 = 9,2
n 20
LIC np = np 3 np (1 p ) = 9,2 3 9,2(1 (9,2 / 300)) = 0,241
LC np = np = 9,2
18,159
9,2000
,24116
2 4 6 8 10 12 14 16 18 20
LIC c = c 3 c (5.8a)
LC c = c (5.8b)
LSCc = c + 3 c (5.8c)
- Exemplo
Neste estudo de caso, sero analisados 26 subgrupos de uma amostra de 100
placas de circuito impresso.
TABELA 8 Dados da varivel placa de circuito impresso
Nmero de Observaes Nmero de
Subgrupos No-conformes
1 1 21
2 1 24
3 1 16
4 1 12
5 1 15
6 1 5
7 1 28
8 1 20
9 1 31
10 1 25
11 1 20
12 1 24
38
continuao...
13 1 16
14 1 19
15 1 10
16 1 17
17 1 13
18 1 22
19 1 18
20 1 39
21 1 30
22 1 24
23 1 16
24 1 19
25 1 17
26 1 15
Total 516
- Clculos:
c 516
c= = = 19,85
g 26
LICc = c 3 c = 19,85 -3 19,85 = 6,48
LCc = c = 19,85
LSCc = c + 3 c = 19,85 +3 19,85 = 33,22
33,211
19,846
6,4814
5 10 15 20 25
uj=1
j
(5.10)
u=
k
4) Calcular o tamanho mdio das amostras:
k
nj=1
j
(5.11)
n=
k
5) Calcular os limites de controle.
u (5.12a)
LIC u = u 3
n
LM u = u (5.12b)
u (5.12c)
LSC u = u + 3
n
- Exemplo
Este exemplo tem por finalidade detectar os defeitos por unidade na linha
de produo de computadores pessoais.
40
c 38,60
u= = = 1,93
n 20
u 1,93
LSCu = u + 3 = 1,93 + 3 = 3,79
n 5
LC = u = 1,93
u 1,93
LICu = u 3 = 1,93 - 3 = 0,07
n 5
41
3,7939
1,9300
,06613
2 4 6 8 10 12 14 16 18 20
- Exerccios
continuao...
11 181 38 25 162 18
12 115 38 26 191 22
13 165 3 27 139 16
14 189 26 28 181 27
--- --- --- Total 4506 642
Soluo:
p (1 p ) 0,1425(1 0,1425)
n = 195 LSCp = p + 3 = 0,1425 + 3 = 0,2176
n 195
p (1 p ) 0,1425(1 0,1425)
n = 45 LSCp = p + 3 = 0,1425 + 3 = 0,2988
n 45
Subgrupo 12 (n =115)
44
p (1 p ) 0,1425(1 0,1425)
LSCp = p + 3 = 0,1425 + 3 = 0,24 (fora dos limites)
n 115
pnew =
np np d
=
642 33 50
=
559
= 0,132
n n d 4506 115 141 4250
pnew = 0,132
A frao defeituosa po = 0,132 dever ser usada para o prximo perodo
de produo.
delas. Para fins de controle, devem ser escolhidas as variveis que causam
rejeio ou retificao do produto, envolvendo custos substanciais.
Os grficos de controle para atributo no usam toda a informao disponvel
sobre a distribuio dos valores assumidos pelas variveis, portanto tendem a
serem ineficazes no controle de aspectos quantitativos da qualidade. Desta
maneira, percebe-se que procedimentos mais eficientes so necessrios para
o tratamento dessas situaes. J os grficos de controle para variveis
fornecem um maior nmero de informaes a respeito do desempenho do
processo do que os grficos para atributos. Quando se quer analisar um
aspecto quantitativo da qualidade, em geral, controla-se o valor mdio e a
variabilidade por meio de grficos separados.
O grfico da mdia ( X ) utilizado para o controle do valor mdio do
desempenho do processo. O grfico do desvio padro (s) e o mais comum, que
denominado de amplitude (grfico R), so utilizados para o controle da
variabilidade do processo.
Durante o processo de fabricao de um produto ou servio, a qualidade do
mesmo pode estar sujeito a variaes, que podem ser classificadas em dois
tipos, conforme mostram as Figuras 15 e 16.
x
P Z / 2 Z / 2 1
/ n
(5.13)
P x Z / 2 x + Z / 2 = 1 ,
n n
que o intervalo de confiana de nvel 1 - para o parmetro a mdia do
processo. Portanto, pode-se usar os limites do intervalo de confiana como
limites de controle para a mdia,
(5.14a)
LIC = x Z / 2
n
(5.14b)
LSC = x + Z / 2 .
n
Suponha, agora que m amostras aleatrias de tamanho n so disponveis
ou seja tem-se m amostras com n observaes cada uma. A magnitude de n
da ordem de 4, 5 ou 6 observaes. Das m amostras obtm-se as mdias
amostrais:
x 1 ,x 2 ,x 3 ,...,x m
e tambm a mdia amostral global, considerando todas as m observaes
x + x 2 +...+ x m
x= 1
m
Deste modo x o melhor estimador da mdia do processo .
W = R
Esta varivel aleatria W chamada amplitude relativa e a mdia da
distribuio de W representada por d2. Assim, um estimador do desvio-
padro dado por:
49
R
=
d2
o valor de d2 funo do tamanho da amostra n. Agora, tomando-se as m
amostras de tamanho n, disponveis, obtm-se a amplitude amostral mdia R ,
R 1 + R 2 + ... + R m
R=
m
e uma boa estimativa de :
R
=
d2
Mas, por qual razo se usa o estimador de , dado acima quando se
dispe de estatstica mais eficiente (s)? A resposta a simplicidade de clculo
e tambm porque a eficincia de = R / d 2 praticamente a mesma de s
quando o tamanho da amostra baixo (n < 10). Finalmente, com as
estimativas de todos os parmetros tem-se os limites de controle:
3R
LIC = x
d2 n
3R
LSC = x +
d2 n
LIC = x A 2 R
LSC = x + A 2 R
Os valores de A2 , d2, ... por serem constantes que vo depender do
tamanho da amostra (n), encontram-se tabelados nos Anexos A e B;
50
- Grfico xeR
Este tipo grfico usado para controlar e analisar um processo com
valores contnuos de qualidade do produto, como o comprimento, o peso ou a
concentrao. Tais valores fornecem maior quantidade de informaes sobre o
processo.
quatro e cinco itens e subgrupos que variam de 20 a 25, pois fornecem uma
boa estimativa sobre a disperso do processo.
Xi R i
X= i =1
e R= i =1
(5.15)
g g
onde:
X = mdia das mdias dos subgrupos;
X i = mdia do i-simo subgrupo;
g = nmero de subgrupos;
R = mdia dos ranges dos subgrupos;
R i = range do i-simo subgrupo.
Os limites de controle para os grficos X e R so estabelecidos de
acordo com os desvios padres desejados, atravs das frmulas abaixo.
LSC X = X + A 3 s (5.16a)
LC X = X (5.16b)
LIC X = X A 3 s . (5.16c)
LSC R = R + 3 R (5.17a)
LCR = R (5.17b)
LIC R = R 3 R . (5.17c)
onde:
LSC = limite superior de controle;
LIC = limite inferior de controle;
LC = limite central;
X = desvio padro das mdias dos subgrupos;
LSC X = X + A 2 R (5.18a)
LC X = X (5.18b)
LIC X = X A 2 R . (5.18c)
LSC R = D 4 R (5.18a)
LCR = R (5.18b)
LIC R = D 3 R . (5.18c)
5o) Interpretar os grficos
Se o processo estiver sob controle estatstico, adota-se o grfico de
controle para monitorar as observaes atuais e futuras; caso contrrio,
conduzem-se aes de melhoria at que seja atingido o nvel de qualidade
desejado ao processo, em que os limites de controle so recalculados, e os
pontos que ultrapassarem tais limites, descartados.
- Exemplo
continuao...
17 940 938 929 947 939 18
18 936 942 927 931 934 15
19 944 936 953 932 941 21
20 942 958 948 950 950 16
21 954 940 933 912 935 42
22 910 938 945 936 932 35
23 941 952 947 922 941 30
24 948 953 948 950 950 5
25 956 939 952 946 948 17
26 945 951 946 926 942 25
27 930 918 921 926 924 12
28 946 915 926 946 933 31
29 947 925 936 947 939 22
30 934 925 937 950 937 25
Total 8125 724
- Clculos
g
X i
28125
X= i =1
= = 937,48
g 30
R i
724
R= i =1
= = 24,13
g 30
LC x = X = 937,48
LCR = R = 24,133
LICR = D 3 R = 0 ( 24,13) = 0
54
X-bar
955,07
937,48
919,90
5 10 15 20 25 30
55,074
24,133
0,0000
5 10 15 20 25 30
- Grfico X s
(X i X) 2
s= i =1
(5.19)
n 1
onde:
n= tamanho do subgrupo.
s i
s= i =1
(5.20)
g
g
X i
X= i =1
(5.21)
g
onde:
g = tamanho da amostra.
LSC X = X + A 3 s (5.22a)
LC X = X (5.22b)
LIC X = X A 3 s . (5.22c)
LSC s = B 4 s (5.22a)
LSC s = s (5.22b)
LICs = B 3 s . (5.22c)
onde:
A3, B3, B4 = fatores retirados da Tabela do Anexo A, para clculo dos limites de
controle.
- Exemplo
s i
349,681
s= i =1
= = 11,66
g 30
X i
17249
X= i =1
= = 574,96
g 30
LC x = X = 574,96
LC s = s = 11,656
LICs = B 3 s = (0)(11,66) = 0
X-bar
593,94
574,96
555,98
5 10 15 20 25 30
26,413
11,656
0,0000
5 10 15 20 25 30
- Grfico x individual
O grfico de controle para medidas individuais pode ser interpretado como
um grfico de controle X comum. O grfico de controle para medidas
individuais bastante insensvel a pequenas mudanas na mdia do processo
e deve ser aplicado em situaes no qual o tamanho usado para controle de
processo n = 1, ou melhor, nos casos em que a inspeo automtica e a
tecnologia de medida so usadas, sendo cada unidade fabricada analisada, ou
58
X
X= (2.23)
K
Rm
Rm = K 1 (2.24)
2o) Clculo dos limites de controle do X
LSC x = X E 2 .R m (5.25a)
LC x = X (5.25b)
LSC x = X + E 2 .R m (5.25c)
com:
3
E2 = .
d2
3o) Clculo dos limites de controle do Rm
LSC Rm = D 4 .R m (5.26a)
LMRm = R m (5.26b)
LIC Rm = D 3 .R m (5.26c)
onde:
R m = amplitude mvel;
E2 = fator para clculo dos limites de controle (Anexo B);
1 Caso:
Um ponto alm da zona A, isto , acima do limite
superior de controle ou abaixo do limite inferior
de controle.
60
continuao...
2 Caso:
Nove pontos sucessivos de um mesmo lado do
valor central, ou seja, todos acima ou abaixo da
linha mdia.
3 Caso:
Seis pontos sucessivos aumentando ou
diminuindo constantemente.
4 Caso:
Quatorze pontos sucessivos alternando-se para
cima e para baixo.
5 Caso:
Dois em trs pontos sucessivos na mesma zona
A ou alm dela.
6 Caso:
Quatro em cinco pontos sucessivos, situados na
zona A ou B ou alm dela, de um mesmo lado
do grfico.
7 Caso:
Quinze pontos sucessivos situados na zona C,
acima ou abaixo da linha central.
8 Caso:
Oito pontos sucessivos de ambos os lados da
linha central fora da zona C.
- Exemplo
Para verificar a estabilidade e a variabilidade da umidade da barbotina,
usou-se o grfico de controle X individual, devido amostra desta varivel ser
unitria, ou seja, n = 1. Para isso, foram seguidos alguns passos:
61
continuao...
51 6,4 0,4 111 6,5 0,2
52 6,6 0,2 112 6,7 0,2
53 6 0,6 113 6,4 0,3
54 6,4 0,4 114 6,3 0,1
55 6,4 0 115 6,5 0,2
56 6,5 0,1 116 6,1 0,4
57 6,2 0,3 117 6,5 0,4
58 6,6 0,4 118 6,1 0,4
59 6,4 0,2 119 5,9 0,2
60 6,5 0,1 120 6,5 0,6
Total 753,3 31,0
- Clculos
X 753,3
X = = = 6,28
K 120
Rm 31
Rm = K 1 = 120 1 = 0,26
D4 = 3,267 e D3 = 0 (Anexo B).
LSC Rm = D4 . R m = 3,267. 0,26 = 0,85095
LM Rm = R m =0,2605
LICRm = D3 . R m = 0 . 0,26 = 0
3
E2 = = 2,660
d2
E2 = 2,660 foi retirado da tabela do Anexo B.
LSC x = X + E2 . Rm = 6,28 + 2,660. 0,26 = 6,9701
LC x = X = 6,2775
X-bar
6,9701
6,2775
5,5849
20 40 60 80 100 120
,85095
,26050
0,0000
20 40 60 80 100 120
- Exerccios
continuao...
12 49,5 0,6 27 49,1 1,3
13 50,5 1 28 49,2 0,1
14 50,1 0,4 29 49,9 0,7
15 49,6 0,5 30 49,3 0,6
--- --- -- Total 1494,2 22,1
R x = 49,81 , LSC x = 51,83 , LIC x = 47,79
R m = 0,76 , LSC Rm = 2,48 , LIC Rm = 0,0
A batelada 24 no atende s especificaes do produto.
- Capacidade do processo
Capacidade do produto = 6
=
(x x) 2
.
n 1
No existe uma relao matemtica ou estatstica entre limite de controle
e limite de especificao. Os limites de controle so definidos em funo da
variabilidade do processo e medido pelo desvio padro. Os limites de
especificao so estabelecidos no projeto pelos engenheiros, pela
administrao ou pelo cliente.
6 = capacidade do processo.
BIBLIOGRAFIA
Grfico para a Mdia Grfico para o Desvio Padro Grfico para a Amplitude
Fatores para os Limites Fatores para a Fatores para os Limites de Fatores para a
n Fatores para os Limites de Controle
de Controle Linha Central Controle Linha Central
1 1
A A2 A3 c4 c4 B3 B4 B5 B6 d2 d2 d3 D1 D2 D3 D4
2 2,121 1,880 2,659 0,7979 1,2533 0 3,627 0 2,606 1,128 0,8865 0,953 0 3,686 0 3,267
3 1,732 1,023 1,954 0,8862 1,1284 0 2,568 0 2,276 1,693 0,5907 0,888 0 4,358 0 2,575
4 1,500 0,729 1,628 0,9213 1,0854 0 2,266 0 2,088 2,059 0,4857 0,880 0 4,698 0 2,282
5 1,342 0,577 1,427 0,9400 1,0638 0 2,089 0 1,964 2,326 0,4299 0,864 0 4,918 0 2,115
6 1,225 0,483 1,287 0,9515 1,0510 0,030 1,970 0,029 1,874 2,534 0,3946 0,848 0 5,078 0 2,004
7 1,134 0,419 1,182 0,9594 1,0423 0,118 1,882 0,113 1,806 2,704 0,3698 0,833 0,204 5,204 0,076 1,924
8 1,061 0,373 1,099 0,9650 1,0363 0,185 1,815 0,179 1,751 2,847 0,3512 0,820 0,388 5,306 0,136 1,864
9 1,000 0,337 1,032 0,9693 1,0317 0,239 1,761 0,232 1,707 2,970 0,3367 0,808 0,547 5,393 0,184 1,816
10 0,949 0,308 0,975 0,9727 1,0281 0,284 1,716 0,276 1,669 3,078 0,3249 0,797 0,687 5,469 0,223 1,777
11 0,905 0,285 0,927 0,9754 1,0252 0,321 1,679 0,313 1,637 3,173 0,3152 0,787 0,811 5,535 0,256 1,744
12 0,866 0,266 0,886 0,9776 1,0229 0,354 1,646 0,346 1,610 3,258 0,3069 0,778 0,922 5,594 0,283 1,717
13 0,832 0,249 0,850 0,9794 1,0210 0,382 1,618 0,374 1,585 3,336 0,2998 0,770 1,025 5,647 0,307 1,693
14 0,802 0,235 0,817 0,9810 1,0194 0,406 1,594 0,399 1,563 3,407 0,2935 0,763 1,118 5,696 0,328 1,672
15 0,775 0,223 0,789 0,9823 1,0180 0,428 1,572 0,421 1,544 3,472 0,2880 0,756 1,203 5,741 0,347 1,653
16 0,750 0,212 0,763 0,9835 1,0168 0,448 1,552 0,440 1,526 3,532 0,2831 0,750 1,282 5,782 0,363 1,637
17 0,728 0,203 0,739 0,9845 1,0157 0,466 1,534 0,458 1,511 3,588 0,2787 0,744 1,356 5,820 0,378 1,622
18 0,707 0,194 0,718 0,9854 1,0148 0,482 1,518 0,475 1,496 3,640 0,2747 0,739 1,424 5,856 0,391 1,608
19 0,688 0,187 0,698 0,9862 1,0140 0,497 1,503 0,490 1,483 3,689 0,2711 0,734 1,487 5,891 0,403 1,597
20 0,671 0,180 0,680 0,9869 1,0133 0,510 1,490 0,504 1,470 3,735 0,2677 0,729 1,549 5,921 0,415 1,585
21 0,655 0,173 0,663 0,9876 1,0126 0,523 1,477 0,516 1,459 3,778 0,2647 0,724 1,605 5,951 0,425 1,575
22 0,640 0,167 0,647 0,9882 1,0119 0,534 1,466 0,528 1,448 3,819 0,2618 0,720 1,659 5,979 0,434 1,566
23 0,626 0,162 0,633 0,9887 1,0114 0,545 1,455 0,539 1,438 3,858 0,2592 0,716 1,710 6,006 0,443 1,557
24 0,612 0,157 0,619 0,9892 1,0109 0,555 1,445 0,549 1,429 3,895 0,2567 0,712 1,759 6,031 0,451 1,548
25 0,600 0,153 0,606 0,9896 1,0105 0,565 1,435 0559 1,420 3,931 0,2544 0,708 1,806 6,056 0,459 1,541
Para n > 25
3 3 4(n 1) 3 3 3 3
A= , A3 = , c4 , B3 = 1 , B4 = 1 + , B5 = c 4 , B6 = c 4 +
n c4 n 4n 3 c 4 2(n 1) c 4 2(n 1) 2(n 1) 2(n 1)
69