Você está na página 1de 211

ESTATÍSTICA

INDUSTRIAL

www.minitabbrasil.com.br
globaltech@minitabbrasil.com.br
Material Revisado e Adaptado por:

Julia Pinto de Carvalho


Coordenadora Técnica

suporte@minitabbrasil.com.br
Copyright Minitab Inc. 2003. All rights reserved. Rel 14 Ver 1.0 / www.minitabbrasil.com.br
Objetivos do curso

Neste curso, temos como principal objetivo:

z Modelar processos descrevendo o relacionamento existente entre as variáveis;


veis

z Avaliar o sistema de medição e inspeção de processos;

z Aprender os fundamentos básicos do Controle Estatístico de Processos (CEP);

z Detectar o melhor momento para implementar Cartas de Controle;


Controle

z Verificar se o processo é capaz de atender as especificações do cliente.


cliente

Tópicos abordados: Correlação, Regressão Simples e Múltipla,Gage R&R, Testes Destrutivos, Vício,
Linearidade, Estabilidade, Análise de Atributos, Cartas de Controle para dados contínuos e atributos,
Análise de Capacidade Normal, Não-normal e para atributos.

Copyright Minitab Inc. 2003. All rights reserved. Rel 14 Ver 1.0 / www.minitabbrasil.com.br
O Minitab

Há mais de 30 anos, a Minitab Inc. oferece softwares e serviços


para melhoria da qualidade, educação e pesquisa.

MINITAB Statistical Software:


•Facilidade de uso;
•Confiabilidade dos resultados obtidos;
•Conjunto de métodos eficazes e altamente abrangentes.

•Desenvolvimento de projetos com abordagem Seis Sigma e/ou


de qualquer outro projeto que vise à manutenção ou melhoria da
qualidade.

Copyright Minitab Inc. 2003. All rights reserved. Rel 14 Ver 1.0 / www.minitabbrasil.com.br
História

Minitab Statistical Software:

•Desenvolvido em 1972, na Pennsylvania State University;

•Objetivo: Auxiliar professores no ensino de Estatística;

•Utilizado por aproximadamente 4.000 escolas e universidades


pelo mundo;

•Ferramenta preferida para as empresas que focam esforços na


melhoria da qualidade.

Minitab Quality Companion

Copyright Minitab Inc. 2003. All rights reserved. Rel 14 Ver 1.0 / www.minitabbrasil.com.br
Correlação e Regressão

OBJETIVOS

z Medir o grau de associação linear entre duas variáveis usando


gráficos e estatísticas;
CAPÍTULO

z Medir o grau de associação linear entre duas ou mais variáveis


através da análise de correlação;
z Modelar a relação entre uma variável de resposta continua e uma ou
mais variáveis preditoras;
z Determinar o tamanho da relação entre uma variável de resposta
continua e uma ou mais variáveis preditoras.

Copyright Minitab Inc. 2003. All rights reserved. Rel 14 Ver 1.0 / www.minitabbrasil.com.br
Correlação

O QUE É CORRELAÇÃO?
• Coeficiente de correlação estimado (r): medição do grau de associação linear entre duas variáveis.
positiva ambas as variáveis possuem a tendência a crescer ou decrescer juntas.
• Correlação positiva:
negativa indica que uma variável cresce enquanto a outra decresce.
• Correlação negativa:

QUANDO USAR CORRELAÇÃO?


• Quando temos o banco de dados é constituído por duas variáveis contínuas e desejamos determinar se
existe uma relação linear entre elas.
• Coeficiente de correlação de Pearson: associação linear.

Copyright Minitab Inc. 2003. All rights reserved. Rel 14 Ver 1.0 / www.minitabbrasil.com.br
Correlação

POR QUE USAR CORRELAÇÃO

Nos ajuda a responder perguntas tais como:


z Existe algum tipo de relação linear entre as duas variáveis?
z Quão grande é esta relação?

Por exemplo:
z Existe uma relação entre a temperatura e viscosidade do óleo de cozinha?
z Quão forte é a relação entre a exposição aos raios ultravioleta e a redução da força do nylon?

Copyright Minitab Inc. 2003. All rights reserved. Rel 14 Ver 1.0 / www.minitabbrasil.com.br
Padrões típicos de associação

(Nota: Estes resultados não são iguais aos obtidos no exemplo)

De uma maneira geral, sempre que traçarmos um diagrama de dispersão com o intuito de estudarmos
a existência de relação linear entre as variáveis, o gráfico cairá em uma das quatro categorias de
associação ilustradas abaixo:

ASSOCIAÇÃO LINEAR POSITIVA

Em uma associação linear positiva,valores altos da variável X


estão associados com valores altos da variável Y, e vice-versa.

Copyright Minitab Inc. 2003. All rights reserved. Rel 14 Ver 1.0 / www.minitabbrasil.com.br
Padrões típicos de associação

ASSOCIAÇÃO LINEAR NEGATIVA

Em uma associação linear negativa, valores altos da


variável X (ou Y) estão associados com os valores baixos da
variável Y (ou X).

Copyright Minitab Inc. 2003. All rights reserved. Rel 14 Ver 1.0 / www.minitabbrasil.com.br
Padrões típicos de associação

ASSOCIAÇÃO NÃO-LINEAR

Em geral, uma associação não-linear é mais complexa de


ser visualizada. Por exemplo, em uma relação quadrática
como mostra a figura abaixo, valores altos e baixos da
variável X estão associados com valores altos de Y enquanto
valores medianos de X estão associados com os valores
baixos da variável Y (veja figura). Além desta também
podemos observar outras associações tais como:
senoidais, exponenciais, logarítmicas, etc.

Copyright Minitab Inc. 2003. All rights reserved. Rel 14 Ver 1.0 / www.minitabbrasil.com.br
Padrões típicos de associação

AUSÊNCIA DE ASSOCIAÇÃO

As variáveis do exemplo ao lado não apresentam nenhuma


espécie de associação. Os valores da variável X não estão
claramente associados como nenhum valor particular da
variável Y.

Copyright Minitab Inc. 2003. All rights reserved. Rel 14 Ver 1.0 / www.minitabbrasil.com.br
Coeficiente de Correlação

Use um α de 0,05 para o teste.

CORRELAÇÃO DE PEARSON

A amostra de coeficiente de correlação de Pearson (r) é calculado pela seguinte fórmula:

O valor resultante de r estará entre -1 e 1, onde:


z 1: indica correlação positiva perfeita.

z 0: indica ausência de correlação.

z -1: indica correlação negativa perfeita.

Copyright Minitab Inc. 2003. All rights reserved. Rel 14 Ver 1.0 / www.minitabbrasil.com.br
A Probabilidade de Significância

O P-VALOR

O P-Valor trata-se do resultado numérico de um teste de hipóteses onde testam-se as seguintes


hipóteses básicas:

z H0: O coeficiente de correlação ρ (lê-se rô) entre as variáveis é igual a zero (não é
significativo).
z H1: O coeficiente de correlação ρ entre as variáveis é diferente de zero (é significativo).

Copyright Minitab Inc. 2003. All rights reserved. Rel 14 Ver 1.0 / www.minitabbrasil.com.br
EXEMPLO 1: COMPARANDO SISTEMAS DE MEDIÇÃO

PROPOSTA
Medir o grau de associação linear entre duas variáveis usando correlação.

PROBLEMA
• Sistema de medição on-line para medir o pH (retornos mais rápidos e uma maior habilidade
em ajustar os sistema de medição em tempo real);
• Sistema atual:
atual laboratorial.
• Saber se os dois sistemas produzem leituras similares do pH.

DADOS COLETADOS
2 sistemas mediram o pH de 20 amostras aleatórias do limpador.
Copyright Minitab Inc. 2003. All rights reserved. Rel 14 Ver 1.0 / www.minitabbrasil.com.br
EXEMPLO 1: COMPARANDO SISTEMAS DE MEDIÇÃO

FERRAMENTAS
z Scatterplot;
z Correlation.

ARQUIVO DE DADOS: LABTEST.MPJ

Copyright Minitab Inc. 2003. All rights reserved. Rel 14 Ver 1.0 / www.minitabbrasil.com.br
Considerações finais

RESUMO E CONCLUSÕES

• Existe uma forte correlação linear positiva (0,959) entre as medições obtidas pelos dois
sistemas.
• O sistema on-line efetua medições maiores do que o sistema laboratorial,
laboratorial o que pode nos
indicar a necessidade de uma re-calibração.

⇒ O resultado desta breve análise nos indica que os sistemas mais baratos e fáceis de usar
podem ser colocados convenientemente no lugar dos sistemas de medição laboratoriais.
laboratoriais

Copyright Minitab Inc. 2003. All rights reserved. Rel 14 Ver 1.0 / www.minitabbrasil.com.br
Considerações finais

CONSIDERAÇÕES ADICIONAIS

O coeficiente de correlação de Pearson quantifica o grau de associação linear entre duas variáveis.

• Uma forte correlação linear não implica necessariamente em uma relação de causa e efeito entre
as variáveis.
veis
⇒ Ex: uma forte correlação entre 2 variáveis pode ser influenciada por uma 3° variável.

• Coeficiente de correlação de Pearson ≈ 0 ⇒ não aponta necessariamente a ausência de


associação ⇒ a associação pode ser não-linear.
⇒ Plote sempre um diagrama de dispersão.

OBS: Não podemos usar correlação se fixarmos valores de uma variável de forma que possamos estudar as
mudanças da outra.

Copyright Minitab Inc. 2003. All rights reserved. Rel 14 Ver 1.0 / www.minitabbrasil.com.br
Correlação entre Múltiplas Variáveis

O QUE É CORRELAÇÃO ENTRE MÚLTIPLAS VARIÁVEIS?

Efetuada através da análise da matriz de correlação ⇒ Correlação 2 a 2.

POR QUE USAR CORRELAÇÃO ENTRE VARIÁVEIS MÚLTIPLAS?

Para identificar:
z Pares de variáveis altamente correlacionadas;
correlacionadas
z Medições redundantes que podem ser eliminadas para simplificar a análise reduzindo o custo
dos dados coletados;
z Variáveis preditoras altamente correlacionadas,
correlacionadas antes de fazer uma Análise de Regressão.

QUANDO USAR CORRELAÇÃO ENTRE MÚLTIPLAS VARIÁVEIS?

Gerar todos os pares de correlações para um conjunto de variáveis quantitativas.

Copyright Minitab Inc. 2003. All rights reserved. Rel 14 Ver 1.0 / www.minitabbrasil.com.br
EXERCÍCIO 2:
CONTROLE DA QUALIDADE DA TAMPA DA GARRAFA

PROPOSTA

Demonstrar a relação entre as múltiplas variáveis usando a correlação.

PROBLEMA

• Supervisão do diâmetro das tampas de garrafas ao longo do tempo ⇒ Xbar.


• As tampas de garrafas são produzidas em 8 modelos de cavidades.

• 8 horas/dia coletando amostras de tampas, medindo e guardando seus dados.


• Identificar as cavidades altamente correlacionadas, reduzindo número e o total dos custos das
medições.

Copyright Minitab Inc. 2003. All rights reserved. Rel 14 Ver 1.0 / www.minitabbrasil.com.br
EXERCÍCIO 2:
CONTROLE DA QUALIDADE DA TAMPA DA GARRAFA

DADOS COLETADOS

Técnicos selecionaram uma amostra aleatória de cinco tampas por hora de cada cavidade. Os dados
da semana anterior, que contém 840 medições de cada cavidade, estão disponível para análise.

FERRAMENTAS

z Matrix Plot;
z Correlation.

ARQUIVO DE DADOS: BOTTLECAP.MPJ

Copyright Minitab Inc. 2003. All rights reserved. Rel 14 Ver 1.0 / www.minitabbrasil.com.br
Considerações finais

RESUMO E CONCLUSÕES
• A empresa pode economizar 3h de coleta de dados/dia reduzindo o n° de medições de 8 para 5;
• Existe o risco de perdermos sinais de falta de controle estatístico.

CONSIDERAÇÕES ADICIONAIS
Quão alta deve ser a correlação que justifique a eliminação das medições?
Devemos verificar a importância de:
z Detectar estados de falta de controle em cada cavidade.

o Importância desta detecção alta: necessário uma correlação mais forte para eliminação;

o Por outro lado, podemos ajustar o critério para uma correlação menor.

z Se o motivo da analise for eliminar 3 medições, observe somente as 3 correlações mais altas.

Copyright Minitab Inc. 2003. All rights reserved. Rel 14 Ver 1.0 / www.minitabbrasil.com.br
Regressão Linear Simples

O QUE É UMA REGRESSÃO LINEAR SIMPLES?

Examina as relações existentes entre a variável continua de resposta (Y) e a variável preditora
(X). Equação geral:

onde Y é a variável resposta; X é variável a preditora, β0 é a intersecção no eixo-Y (o valor de Y


quando X é igual a zero), β1 é o coeficiente angular da reta e ε são os erros aleatórios.

Copyright Minitab Inc. 2003. All rights reserved. Rel 14 Ver 1.0 / www.minitabbrasil.com.br
Regressão Linear Simples

QUANDO USAR A REGRESSÃO LINEAR SIMPLES

Temos uma variável contínua(Y) e uma preditora (X) para Y.


o A variável X pode ser ordinal ou contínua;
o Qualquer incerteza na medição de X é assumida como negligência comparado ao alcance em
que X é medido.

• Quando construímos um modelo de regressão, devemos obter uma amostra emparelhada para as
variáveis X e Y.
• Após traçado o modelo, poderemos realizar interpolações; ões porém, esta será apenas uma
“previsão”, não significando que o valor interpolado será necessariamente idêntico ao observado na
prática.

Copyright Minitab Inc. 2003. All rights reserved. Rel 14 Ver 1.0 / www.minitabbrasil.com.br
Regressão Linear Simples

Resíduo: diferença entre o valor interpolado e o valor real observado.

SUPOSIÇÕES:

Os erros (ou resíduos) são:


z Independentes;
z Normalmente distribuídos;
z Possuem variância constante (são homocedásticos).

A verificação das suposições listadas acima é feita através da Análise de Resíduos.

Copyright Minitab Inc. 2003. All rights reserved. Rel 14 Ver 1.0 / www.minitabbrasil.com.br
Regressão Linear Simples

POR QUE USAR UMA REGRESSÃO LINEAR SIMPLES?

Responder perguntas tais como:


z Quanto da variabilidade total da variável resposta Y é explicada pela variável preditora X?
z Considerando um valor pré-fixado de X, qual valor esperamos observar em Y?
z De quanto será a variação observada no valor da variável Y, quando aumentamos o valor
da variável X em uma unidade? (Variação marginal).

Por exemplo:
z Como o processo de temperatura está relacionado com a dureza do aço?
z Qual o valor predito para a dureza do aço se o mesmo for processado a uma temperatura
particular?
z Qual o variação esperada na dureza se a temperatura aumentar de 99ºC para 100ºC?

Copyright Minitab Inc. 2003. All rights reserved. Rel 14 Ver 1.0 / www.minitabbrasil.com.br
Regressão Linear Simples

R² (R-SQ)

• Representa a proporção da variabilidade da variável resposta que é explicada pela variável


preditora na equação de regressão.

• Os valores aceitáveis para R² variam dependendo do estudo.

Exemplos:

o Engenheiros estudando reações químicas podem requerer um R² de 90% ou mais;

o Um estudo sobre o comportamento humano (que é mais variável) pode ser satisfeito com
valores mais baixos de R².

R² Adjusted (R-SQ(ADJ))

• É sensível ao n° de termos incluídos em um modelo


Copyright Minitab Inc. 2003. All rights reserved. Rel 14 Ver 1.0 / www.minitabbrasil.com.br
O método dos mínimos quadrados

Os coeficientes da equação são escolhidos de maneira a minimizar a soma das diferenças


quadráticas entre os valores das respostas observados na amostra,
amostra e as previsões feitas pela
equação.

minimizadas como ilustra a


Em outras palavras, as distâncias verticais entre os pontos e linha são minimizadas,
figura. O resultado é chamado de reta de mínimos quadrados.

Atentar quanto a presença de outliers ⇒ geram um grande efeito no calculo da reta de mínimos
quadrados.

Copyright Minitab Inc. 2003. All rights reserved. Rel 14 Ver 1.0 / www.minitabbrasil.com.br
ANOVA

Usaremos o resultado da Análise de Variância (ANOVA) para avaliarmos se o modelo de regressão


simples é útil.
A ANOVA compara o modelo obtido a um modelo restrito que não usa a variável resposta (X) para
prever a variável preditora (Y):
z Modelo de regressão:
z Modelo restrito:
Modelo restrito: as mudanças que ocorrem em Y são devidas unicamente e exclusivamente aos erros
aleatórios (ε). Isto é equivalente ao modelo de regressão simples com coeficiente angular (β1)
igual a zero.
Assim, as hipóteses para a ANOVA são:
z H0: β1 é igual a zero.
z H1: β1 não é igual a zero.

Copyright Minitab Inc. 2003. All rights reserved. Rel 14 Ver 1.0 / www.minitabbrasil.com.br
ANOVA

E interpretaremos o Valor-P da seguinte maneira:

„ Valor-P < α : REJEITA-SE H0.


z O modelo de regressão é significativo em explicar parte da variabilidade total da
variável resposta;
z β1 é diferente de zero.

„ Valor-P > α : NÃO REJEITA-SE H0.


z O modelo de regressão não é significativo em explicar parte da variabilidade total da
variável resposta;
z β1 é igual a zero.

Copyright Minitab Inc. 2003. All rights reserved. Rel 14 Ver 1.0 / www.minitabbrasil.com.br
Interpretando os resultados

INTERVALOS DE CONFIANÇA
• Define o alcance dos valores para a média da população de Y.Y
• Para um valor dado de X, podemos estar 95% confiantes que a média da população de Y está
entre os limites indicados.

INTERVALOS DE PREDIÇÃO
• Define o alcance de um valor individual futuro de Y para um dado X.
• Se uma única observação futura foi coletada em um X especifico, estaremos 95% confiantes que o
Y estará entre os limites do intervalo de predição.
• Para um dado valor de X, podemos estar 95% confiantes de que a media da população de Y
estará entre as linhas indicadas.

Copyright Minitab Inc. 2003. All rights reserved. Rel 14 Ver 1.0 / www.minitabbrasil.com.br
EXEMPLO 3: IMPUREZAS NA TINTA

PROPOSTA
Avaliar a relação linear existente entre duas variáveis plotando a reta de regressão (Fitted Line
Plot).

PROBLEMA
O aumento no índice da mistura pode causar coagulação da tinta por certos pigmentos.
Pigmentos aglomerados são impurezas e afetam negativamente a performance da tinta.
Expto:
Expto entendermos melhor a relação entre o índice de mistura e nível de impureza.

DADOS COLETADOS
As impurezas foram medidas por lotes de tintas com o índice da mistura entre 20 a 42 rpm
(rotações por minuto).

Copyright Minitab Inc. 2003. All rights reserved. Rel 14 Ver 1.0 / www.minitabbrasil.com.br
EXEMPLO 3: IMPUREZAS NA TINTA

FERRAMENTAS

z Fitted Line Plot

ARQUIVO DE DADOS: PAINT.MPJ

Copyright Minitab Inc. 2003. All rights reserved. Rel 14 Ver 1.0 / www.minitabbrasil.com.br
Considerações finais

RESUMO E CONCLUSÕES
• Análise de Regressão Linear Simples:
Simples revela que o aumento da taxa de mistura está associado ao
crescimento das impurezas na tinta.
• Coeficiente angular da equação de regressão:
regressão quando aumentamos a taxa de mistura em 1rpm, o
nível de impureza cresce em media 0,4566.
• Valores atípicos na variável X podem ter uma grande influência no coeficiente se regressão e nos
P-Valores, e neste caso é melhor analisarmos os resíduos deletados.
deletados
• Valores atípicos na variável Y podem influenciar fortemente os resultados.
• Valores atípicos em ambas as variáveis:
veis o modelo de Regressão pode não ser adequado.

Copyright Minitab Inc. 2003. All rights reserved. Rel 14 Ver 1.0 / www.minitabbrasil.com.br
Considerações finais

CONSIDERAÇÕES ADICIONAIS

Não utilize a Analise de Regressão para se assegurar de que mudanças na variável preditora
causam mudanças na variável resposta.
resposta Se os valores das variáveis preditoras permitirem uma
variação aleatória, outros fatores podem influenciar em ambas as variáveis preditoras e repostas.

Não aplique os resultados obtidos pela equação de regressão em valores de X fora do intervalo dos
valores determinado pela amostra.

Esteja alerta para valores atípicos (outliers) quando usar uma regressão.
regressão Alguns valores atípicos
têm um grande efeito no calculo da reta de regressão via Método de Mínimos Quadrados. Em
alguns casos, a reta pode não representar os outros dados adequadamente.

Copyright Minitab Inc. 2003. All rights reserved. Rel 14 Ver 1.0 / www.minitabbrasil.com.br
Regressão Polinomial

O QUE É UMA REGRESSÃO POLINOMIAL?

• Examina as relações existentes entre a variável resposta continua (Y) e a variável preditora (X).
• O modelo polinomial pode incluir termos para os expoentes de X:X

Y é a variável resposta;
X é a variável preditora;
β0 o intercepto do eixo-y;
β1 é o coeficiente - termo linear;
β2 é o coeficiente - termo quadrático;
β3 é o coeficiente - termo cúbico;
ε são os erros aleatórios.

Copyright Minitab Inc. 2003. All rights reserved. Rel 14 Ver 1.0 / www.minitabbrasil.com.br
Regressão Polinomial

QUANDO USAR A REGRESSÃO POLINOMIAL?

Quando há evidências ou teorias que sugerem e existência de não-lineariedade entre as variáveis.

z X pode ser ordinal ou contínua;


z Teoricamente X deve ser fixo, na prática, contudo, é geralmente permitido que ele varie;
z Quaisquer incertezas nas medidas de X podem ser consideradas negligentes se comparadas
ao alcance em que X é medido.

Suposições sobre os erros:


erros

z São independentes (isto é, aleatórios);


z São normalmente distribuídos;
z Possuem variância constante para todos os valores de X.

Copyright Minitab Inc. 2003. All rights reserved. Rel 14 Ver 1.0 / www.minitabbrasil.com.br
Regressão Polinomial

POR QUE USAR A REGRESSÃO POLINOMIAL?

Responder perguntas, tais como:


z Quando aumentamos o X, observamos o aumento da variável Y para alguns valores e a
redução para outros?
z Qual valor podemos esperar de Y quando X é igual a um valor específico?

Por exemplo:
z A adição de mais cobre faz com que a força de ligação sempre fique mais forte ou ela
decresce em maiores concentrações?
z Quão forte podemos esperar que seja a liga se a mesma é feita de 0,015 de cobre?

Copyright Minitab Inc. 2003. All rights reserved. Rel 14 Ver 1.0 / www.minitabbrasil.com.br
EXEMPLO 4 :
DESIGN DE UM INTERRUPTOR DE PRESSÃO

PROPOSTA
Avaliar a relação quadrática existente entre duas variáveis usando a reta de regressão plotada
(Fitted Line Plot).

PROBLEMA
Acredita-se que o design inicial do interruptor de pressão não está atingindo o set-point de pressão
desejado.
desejado
diafragma relativamente mais fácil de ser modificada.
Concentrar seus esforços na espessura do diafragma,
Experiência: determinar a relação existente entre a espessura do diafragma e o set-point, para que
assim eles pudessem especificar a espessura apropriada para o design final.

Especificações para a pressão do set-point: 165 + 15 kilo Pascals (kPa).

Copyright Minitab Inc. 2003. All rights reserved. Rel 14 Ver 1.0 / www.minitabbrasil.com.br
EXEMPLO 4 :
DESIGN DE UM INTERRUPTOR DE PRESSÃO

DADOS COLETADOS

Os 25 interruptores são montados com um tipo de componente.


A espessura do diafragma varia entre 0,5 a 0,9 mm.
5 interruptores de cada espessura foram montados em ordem aleatória evitando o efeito
desconhecido do tempo.

FERRAMENTAS
z Scatterplot;

z Fitted Line Plot.

ARQUIVO DE DADOS: SWITCH.MPJ

Copyright Minitab Inc. 2003. All rights reserved. Rel 14 Ver 1.0 / www.minitabbrasil.com.br
Considerações finais

RESUMO E CONCLUSÕES

• A relação entre a espessura do diafragma e o set-point do interruptor foi melhor explicada pelo
modelo quadrático.
tico

• A melhor escolha para a espessura do diafragma é aproximadamente de 0,64mm.


0,64mm
Podemos obter este resultado substituindo 165 no SetPoint (Y) do modelo de regressão e
calculando o Dthickness (X) usando a equação quadrática.

CONSIDERAÇÕES ADICIONAIS

Erro puro

Quando tivermos replicações,


ões podemos estimar o erro puro.
puro
Erro puro (Lack-of-fit statistic - menu Regression): variabilidade observada na variável resposta Y
considerando um valor fixo para a variável preditora.

Copyright Minitab Inc. 2003. All rights reserved. Rel 14 Ver 1.0 / www.minitabbrasil.com.br
Considerações finais

CAPACIDADE DO PROCESSO

Podemos usar a variação não explicada dos dados para determinar se o processo é capaz de
atingir o alvo; podemos descobrir que:

z Os itens foram montados com a intenção da produção nos componentes;


z Os itens foram montados com a intenção da produção no processo;
z O modelo não mostra nenhuma diferença significativa.

• Se as suposições acima forem observadas, então S = 4,597mm é uma estimativa para a


variabilidade do processo.
processo
•Análise de Capacidade: para determinar se o processo é capaz de atingir os limites de
especificação definidos pelo cliente.

Copyright Minitab Inc. 2003. All rights reserved. Rel 14 Ver 1.0 / www.minitabbrasil.com.br
EXERCÍCIO A: ESCUDOS DE EROSÃO

PROPOSTA

Avaliar a relação existente entre duas variáveis usando a reta de regressão plotada (Fitted Line Plot).

PROBLEMA

Um produtor de energia deseja saber como se comporta a erosão de escudos de aço para turbinas a
vapor resistentes ao desgaste. Medir a resistência do desgaste é difícil, além de sair caro e ser
destrutível. Portanto, o produtor espera ser capaz de predizer o desgaste através da avaliação da
dureza do aço, que é mais conveniente e mais barata de ser mensurada.

DADOS COLETADOS

O desgaste e a dureza do aço foram medidas em 24 escudos de erosão selecionados aleatoriamente.

Copyright Minitab Inc. 2003. All rights reserved. Rel 14 Ver 1.0 / www.minitabbrasil.com.br
EXERCÍCIO A: ESCUDOS DE EROSÃO

INSTRUÇÕES

1. Use o Fitted Line Plot para visualizar a linha do modelo de regressão linear que tem “Abrasion”
como variável resposta e “Hardness” como variável preditora. Calcule os intervalos de confiança e
predição.
2. Use a análise de resíduos para verificar as suposições associadas ao modelo.

ARQUIVO DE DADOS: EROSION.MPJ

Copyright Minitab Inc. 2003. All rights reserved. Rel 14 Ver 1.0 / www.minitabbrasil.com.br
EXERCÍCIO B: ESCAPAMENTO DE DIESEL
PROPOSTA

Avaliar a relação existente entre duas variáveis usando Fitted Line Plot.

PROBLEMA

Investigar os efeitos da umidade no escapamento de caminhões a diesel.

INSTRUÇÕES

1. Coloque os dados em um diagrama de dispersão para visualizar a possível relação existente entre
as variáveis;
2. Use o Fitted Line Plot para visualizar o modelo de regressão que for mais apropriado para
descrever a relação existente entre as duas variáveis;
3. Verifique as suposições associadas ao modelo de regressão através da Análise de Resíduos.
Copyright Minitab Inc. 2003. All rights reserved. Rel 14 Ver 1.0 / www.minitabbrasil.com.br
EXERCÍCIO B: ESCAPAMENTO DE DIESEL

ARQUIVO DE DADOS: DIESEL.MPJ

Copyright Minitab Inc. 2003. All rights reserved. Rel 14 Ver 1.0 / www.minitabbrasil.com.br
Correlação e Regressão

OBJETIVOS

• Proceder com a análise de regressão com mais de


CAPÍTULO

uma variável explicativa;


explicativa
• Trabalhar com a presença de multicolinearidade
em regressão múltipla.

Copyright Minitab Inc. 2003. All rights reserved. Rel 14 Ver 1.0 / www.minitabbrasil.com.br
Regressão Múltipla

O QUE É A REGRESSÃO MÚLTIPLA?

A regressão múltipla examina a relação existente entre uma variável de resposta continua (Y)
e várias variáveis preditoras (X).
Equação geral:

Onde Y é a variável resposta, β0 é o intercepto do eixo-Y, β i's são os coeficientes associados


às variáveis preditoras xi´s e e são os erros aleatórios.

Copyright Minitab Inc. 2003. All rights reserved. Rel 14 Ver 1.0 / www.minitabbrasil.com.br
Regressão Múltipla

QUANDO USAR REGRESSÃO MÚLTIPLA?

Usamos a regressão linear múltipla quando temos uma variável resposta Y contínua,
mais de uma variável preditora X e os X's podem ser ordinais ou contínuos.

Antes de aceitarmos os resultados de uma Análise de Regressão, devemos verificar se as


seguintes suposições sobre os erros foram satisfeitas:
Os erros (ou resíduos) são:
• Independentes;
• Normalmente distribuídos;
• Possuem variância constante (são homocedásticos).
A verificação das suposições listadas acima é feita através da Análise de Resíduos.

Copyright Minitab Inc. 2003. All rights reserved. Rel 14 Ver 1.0 / www.minitabbrasil.com.br
Regressão Múltipla

POR QUE USAR REGRESSÃO MÚLTIPLA?

Regressão múltipla pode ajudar a responder perguntas como:


• Quanto da variabilidade total da variável resposta Y é explicada pelas variáveis preditoras X's?
• Considerando os valores pré-fixados das variáveis X's, qual valor esperamos observar em Y?
• De quanto será a variação observada no valor da variável resposta Y, quando aumentamos o
valor de uma das variáveis X em uma unidade? (Variação marginal).

Por exemplo,
• Como os processos de temperatura e porosidade estão relacionados com a dureza media do
aço?
• Quão duro podemos aceitar o aço que foi processado em uma temperatura particular por uma
certa quantidade de tempo?
• Quanto em média o aço endurecerá se a temperatura aumentar em 100ºC?

Copyright Minitab Inc. 2003. All rights reserved. Rel 14 Ver 1.0 / www.minitabbrasil.com.br
EXEMPLO 5: REDUZINDO O BARULHO DOS MOTORES

PROPOSTA

Avaliar a existência de relação linear entre múltiplas variáveis através da Análise de Regressão.
Regressão

PROBLEMA

Identificar a causa do barulho nas máquinas. As seguintes variáveis foram consideradas:


• Spark timing (ponto de centelhamento da vela);
• Air-fuel ratio (AFR)(razão ar-combustível);
• Intake temperature (temperatura de entrada);
• Exhaust temperature (temperatura de exaustão).

DADOS COLETADOS

Foram coletados dados de 13 máquinas selecionadas aleatoriamente, todas funcionando com gasolina
em uma avaliação octana de 87.

Copyright Minitab Inc. 2003. All rights reserved. Rel 14 Ver 1.0 / www.minitabbrasil.com.br
EXEMPLO 5: REDUZINDO O BARULHO DOS MOTORES

FERRAMENTAS
• Matrix Plot;
• Correlation;
• Regression.

ARQUIVO DE DADOS: KNOCK.MPJ

Copyright Minitab Inc. 2003. All rights reserved. Rel 14 Ver 1.0 / www.minitabbrasil.com.br
Considerações finais
RESUMO E CONCLUSÕES

A equação de regressão :
Knock = 23,8 0,296 Spark + 3,19 AFR + 0,359 Intake + 0,0134 Exhaust

• Este modelo é suficiente em explicar 98,8% de variabilidade total da variável Knock.


• Existem problemas de multicolinearidade no modelo, visto que a variável Spark é altamente
correlacionada com a variável Exhaust.

CONSIDERAÇÕES ADICIONAIS

• Nós não podemos usar a Análise de Regressão para afirmar que as mudanças nas variáveis preditoras
causam mudanças na variável resposta, a menos que os valores das variáveis preditoras tenham sido
fixados em níveis predeterminados em uma experiência controlada (como em um DOE).
• Se for permitido que os valores das variáveis preditoras mudem aleatoriamente, outros fatores que não
os presentes no modelo poderão influenciar nos resultados obtidos.

Copyright Minitab Inc. 2003. All rights reserved. Rel 14 Ver 1.0 / www.minitabbrasil.com.br
Considerações finais

Não devemos aplicar os resultados obtidos pela equação de regressão em valores de X fora do intervalo dos
valores determinados pela amostra.

As mensurações devem ser efetuadas com o máximo de precisão possível.

Supervisionar apenas os fatores potencialmente importantes.

multicolinearidade Quando variáveis preditoras são altamente correlacionadas:


Cuidado com a multicolinearidade.
o Estimar os coeficientes de regressão pode ser instável, pois eles podem variar bruscamente de
uma amostra para outra.
o Pode ser difícil de acessar a importância de termos individuais no modelo.

• Cuidado ao remover mais de uma variável preditora ao mesmo tempo.


• Utilize procedimentos como o Best Subsets ou o Stepwise.

Copyright Minitab Inc. 2003. All rights reserved. Rel 14 Ver 1.0 / www.minitabbrasil.com.br
Regressão via Best Subsets

QUAL É O MELHOR REGRESSÃO QUE PODEMOS CONSTRUIR?

• Best Subsets: avalia todas as combinações possíveis com as variáveis preditoras.


• O critério da análise do R² é adotado para escolher o melhor modelo;
• O uso de outro critério pode fornecer um modelo diferente.

Apenas a análise do R2 que nos indica qual é o melhor modelo.

Outros pontos devem ser considerados:


o A verificação das suposições associadas ao modelo através da Análise de Resíduos;
o A análise do R2adj.

Após a obtenção de um “modelo ótimo” via Best Subsets, ainda deveremos proceder com a
análise do modelo de Regressão como um todo.

Copyright Minitab Inc. 2003. All rights reserved. Rel 14 Ver 1.0 / www.minitabbrasil.com.br
Regressão via Best Subsets

QUANDO USAR OS MELHORES CONJUNTOS DE REGRESSÃO?

Usaremos o Best Subsets quando tivermos muitas variáveis preditoras em potencial.

POR QUE UTILIZAR O BEST SUBSETS?

O Best Subsets pode nos ajudar a responder questões tais como:


• Qual combinação de fatores será a mais eficiente em explicar a variabilidade total da
variável resposta?
• Qual é o melhor modelo de regressão possível de ser adotado quando desejamos usar
apenas 5 de 20 variáveis preditoras?

Por exemplo,
• Como um modelo construído com 10 variáveis de preditoras é melhor que um outro que
usa somente a temperatura e a velocidade de mistura?

Copyright Minitab Inc. 2003. All rights reserved. Rel 14 Ver 1.0 / www.minitabbrasil.com.br
Escolhendo um modelo apropriado

Evitar os seguintes problemas:


• A obtenção de modelos complexos e ineficientes com muitas variáveis preditoras;
• Coeficientes instáveis resultantes de redundância de correlações entre as variáveis preditoras;
• Inadequada habilidade resultante da presença de poucas variáveis preditoras.

VARIÁVEIS PREDITORAS LIVRES

Free predictors:
predictors as variáveis ali incluídas podem ou não ser incluídas no modelo.
models a variável faz necessariamente parte do modelo.
Predictors in all models:

Copyright Minitab Inc. 2003. All rights reserved. Rel 14 Ver 1.0 / www.minitabbrasil.com.br
Escolhendo um modelo apropriado

MALLOW´S CP

Adotaremos o modelo em que o Cp for menor e apresentar o valor mais próximo do número de parâmetros
do modelo.
Exemplo: para um modelo com 3 variáveis preditoras e com o intercepto do eixo-y (0), daremos
preferência ao modelo com Cp mais próximo de 4. A formula para o Cp é dada por:

Onde:
• SSEp é a soma dos quadrados dos erros para os modelos com p parâmetros (incluído a
intercessão);
• MSEm é o quadrado médio dos erros para o modelo com todas as m preditoras;
• n é o número de observações.

Copyright Minitab Inc. 2003. All rights reserved. Rel 14 Ver 1.0 / www.minitabbrasil.com.br
EXEMPLO 6: REDUZINDO O BARULHO DOS MOTORES

PROPOSTA

Selecionar um conjunto de variáveis para serem incluídas em um modelo de regressão múltipla


usando Best Subsets.

PROBLEMA

Identificar a causa do barulho das máquinas. As seguintes variáveis estão sendo consideradas:
• Spark timing (ponto de centelhamento da vela);
• Air-fuel ratio (AFR)(razão ar-combustível);
• Intake temperature (temperatura de entrada);
• Exhaust temperature (temperatura de exaustão).

Copyright Minitab Inc. 2003. All rights reserved. Rel 14 Ver 1.0 / www.minitabbrasil.com.br
EXEMPLO 6: REDUZINDO O BARULHO DOS MOTORES

DADOS COLETADOS

Os dados foram coletados de 13 máquinas selecionadas aleatoriamente.

FERRAMENTAS

• Best Subsets;
• Regression.

ARQUIVO DE DADOS: KNOCK.MPJ

Copyright Minitab Inc. 2003. All rights reserved. Rel 14 Ver 1.0 / www.minitabbrasil.com.br
Considerações finais

RESUMO E CONCLUSÕES

O melhor modelo para predizer a variável Knock é:


Knock = 16,5 + 3,21 AFR + 0,386 Intake + 0,0166 Exhaust

CONSIDERAÇÕES ADICIONAIS

Deveremos nos certificar de que as variáveis preditoras e respostas são realmente importantes
em predizer a variável resposta, para que todos os modelos em potencial sejam válidos na
prática.

Copyright Minitab Inc. 2003. All rights reserved. Rel 14 Ver 1.0 / www.minitabbrasil.com.br
EXEMPLO C: ÍNDICES DE MORTALIDADE NAS GRANDES
CIDADES DOS ESTADOS UNIDO

PROPOSTA
Avaliar a relação existente entre as variáveis múltiplas através da Regressão.

PROBLEMA
Determine qual das variáveis preditoras listadas na tabela são relacionadas ao índice de mortalidade por
idade (número de mortes por ano a cada 100.000 pessoas) nas 60 maiores cidades dos Estados Unidos.

DADOS COLETADOS
O dados são adaptados de um Web site Starlib: http://lib.stat.cmu.edu/datasets/pollution

INSTRUÇÕES
1. Use Stat > Regression > Regression (ou Stat > Regression > Best Subsets ou Stat > Regression
> Stepwise) para determinar quais termos são significativos considerando um nível de significância de 5%
(a = 0,05). Inclua todos os termos com Valores-P abaixo de 0,05. Elimine os termos um a um,
começando com o a variável que apresentar o maior Valor-P;
2. Faça a Análise de Resíduos procurando por padrões incomuns e outliers, e para verificar as suposições
relacionadas ao modelo de regressão múltipla.
Copyright Minitab Inc. 2003. All rights reserved. Rel 14 Ver 1.0 / www.minitabbrasil.com.br
EXEMPLO C: ÍNDICES DE MORTALIDADE NAS GRANDES
CIDADES DOS ESTADOS UNIDO

ARQUIVO DE DADOS: MORTALITY.MPJ

Copyright Minitab Inc. 2003. All rights reserved. Rel 14 Ver 1.0 / www.minitabbrasil.com.br
EXERCÍCIO D: DURAÇÃO DO SONO

PROPOSTA

Avaliar a relação existente entre as variáveis múltiplas através da Análise de Regressão.

PROBLEMA

Determine qual das variáveis preditoras listadas na tabela estão relacionadas com a
duração do sono nas 51 espécies em investigação. O índice de predação varia de 1 a 5,
onde 1 indica o menor nível de predação e 5 indica predação máxima. O índice de
exposição durante o sono também varia de 1 a 5, onde 1 indica que o animal dorme
totalmente protegido enquanto 5 indica que o animal sofre completa exposição enquanto
dorme.

DADOS COLETADOS

Os dados foram tirados do Web site: http://lib.stat.cmu.edu/datasets/sleep

Copyright Minitab Inc. 2003. All rights reserved. Rel 14 Ver 1.0 / www.minitabbrasil.com.br
EXERCÍCIO D: DURAÇÃO DO SONO
INSTRUÇÕES

1. Use Stat > Regression > Regression (ou Stat > Regression > Best Subsets ou Stat > Regression
> Stepwise) para determinar quais termos são significativos considerando um nível de significância de 5%
(a = 0,05). Inclua todos os termos com Valores-P abaixo de 0,05. Elimine os termos um a um, começando
com o a variável que apresentar o maior Valor-P;
2. Faça a Análise de Resíduos procurando por padrões incomuns e outliers, e para verificar as suposições
relacionadas ao modelo de Regressão Múltiplia.

ARQUIVO DE DADOS: SLEEP.MPJ

Copyright Minitab Inc. 2003. All rights reserved. Rel 14 Ver 1.0 / www.minitabbrasil.com.br
EXERCÍCIO E: O QI DE GÊMEOS IDÊNTICOS

PROPOSTA

Avaliação da relação existente entre múltiplas variáveis.

PROBLEMA

Determine qual das variáveis preditoras listadas na tabela são relacionadas ao QI de gêmeos
idênticos.

DADOS COLETADOS

Os dados foram tirados do Web site: http://lib.stat.cmu.edu/datasets/IQ_Brain_Size

Copyright Minitab Inc. 2003. All rights reserved. Rel 14 Ver 1.0 / www.minitabbrasil.com.br
EXERCÍCIO E: O QI DE GÊMEOS IDÊNTICOS

INSTRUÇÕES

1. Use Stat > ANOVA > General Linear Model para determinar quais termos são significativos
considerando um nível de significância de 5% (a = 0,05). Inclua todos os termos com Valores-P
abaixo de 0,05.
2. Faça a Análise de Resíduos procurando por padrões incomuns e outliers, e para verificar as
suposições relacionadas ao modelo de Regressão Múltipla.

ARQUIVOS DE PROGRAMAS: IQ.MPJ

Copyright Minitab Inc. 2003. All rights reserved. Rel 14 Ver 1.0 / www.minitabbrasil.com.br
Avaliação do Sistema de Medição e Inspeção (MSA)

OBJETIVOS
CAPÍTULO

• Determinar a adequacidade dos sistemas de medição;


• Determinar a estabilidade do sistema de medição em horas-extras
usando o MSA;
• Calcular estatísticas para acessar a linearidade e o vício do sistema de
medição.

Copyright Minitab Inc. 2003. All rights reserved. Rel 14 Ver 1.0 / www.minitabbrasil.com.br
Avaliação do Sistema de Medição

O QUE É AVALIAR UM SISTEMA DE MEDIÇÃO?

• A análise do sistema de medição: avalia as propriedades deste sistema, assegurando-nos da


adequacidade do mesmo para execução da função para a qual ele foi pré-destinado.
• Considere que a variação do processo é devido às fontes:
variation que é a variação natural do processo;
o Part-to-part variation:
variation que é a variação do sistema de medição.
o Measurement system variation:

QUANDO AVALIAR O SISTEMA DE MEDIÇÃO

• O sistema de medição deve discriminar a diferença entre os itens adequadamente para um


monitoramento do processo mais efetivo.
• Use a Avaliação do Sistema de Medição para confirmar se este sistema apresenta consistência,
acurácia e se é capaz de discriminar a diferença natural existente entre itens.

Copyright Minitab Inc. 2003. All rights reserved. Rel 14 Ver 1.0 / www.minitabbrasil.com.br
Avaliação do Sistema de Medição
PORQUE AVALIAR O SISTEMA DE MEDIÇÃO

Responder pelo menos uma das seguintes questões:


• O sistema de medição é capaz de discriminar adequadamente a diferença entre os itens?
• O sistema de medição apresenta-se estável ao longo do tempo?
• O sistema de medição apresenta-se exato ao abranger todos os itens?
Por exemplo:
• Um viscômetro é capaz de discriminar adequadamente a viscosidade de diferentes amostras
de tinta?
• A escala precisa ser periodicamente recalibrada para que a balança seja capaz de preencher
todos os pacotes de batata chips com exatidão?
• O termômetro é capaz de medir adequadamente todas as temperaturas usadas durante um
processo?

Copyright Minitab Inc. 2003. All rights reserved. Rel 14 Ver 1.0 / www.minitabbrasil.com.br
Gage R&R Study (crossed)

O QUE É UM GAGE R&R STUDY (CROSSED)

• O Gage R&R Study (crossed): expto usado para estimar o quanto da variação total do processo é
devido ao sistema de medição;

• Variação do sistema de medição é subdividida em:


o Repetibilidade: (cada operador mede cada item pelo menos duas vezes). Variação devido
ao aparelho de medição, ou variação observada quando um mesmo operador efetua as
medições de um mesmo item repetidamente;
o Reprodutibilidade: (pelo menos dois operadores devem estimar o mesmo item). Variação
devido aos diferentes operadores designados para efetuar as medições dos mesmos itens.

• Proceder as medições aleatoriamente.

Copyright Minitab Inc. 2003. All rights reserved. Rel 14 Ver 1.0 / www.minitabbrasil.com.br
Gage R&R Study (crossed)

QUANDO USAR O GAGE R&R STUDY (CROSSED)

Use o Gage R&R Study (crossed):


ão adotando-o posteriormente no
• Para avaliar ou qualificar previamente um sistema de medição,
monitoramento do processo ou em atividades de melhoria;
• Quando cada item de um estudo é mensurado múltiplas vezes.

Comparar a variação de um sistema de medição com a variação total do processo e/ou tolerância.

Copyright Minitab Inc. 2003. All rights reserved. Rel 14 Ver 1.0 / www.minitabbrasil.com.br
Gage R&R Study (crossed)

PORQUE USAR O GAGE R&R STUDY (CROSSED)

O Gage R&R Study pode responder questões tais como:


• A variabilidade de um sistema de medição é pequena se comparada com a variação natural do
processo?
• A variabilidade de um sistema de medição é pequena se comparada com os limites de especificação
do processo?
• Quanto da variabilidade do sistema de medição é devido à diferença entre os operadores?
• O sistema de medição é capaz de discriminar a diferença natural existente entre os itens?

Por exemplo:
• Quanto da variabilidade dos diâmetros mensurados com uma certa tendência é devido à
calibração?
• Quanto da variabilidade dos diâmetros mensurados com uma certa tendência é devido ao
operador?
• O sistema de medição é capaz de realizar a discriminação entre itens produzidos com tamanhos
diferentes?

Copyright Minitab Inc. 2003. All rights reserved. Rel 14 Ver 1.0 / www.minitabbrasil.com.br
Erros do Sistema de Medição

Os erros de um sistema de medição podem ser classificados dentro de duas categorias:


• Acurácia: é a diferença entre as medições realizadas por um instrumento de medição para um
item e os valores reais destes mesmos itens.
• Precisão: é a variação observada quando medimos um mesmo item repetidas vezes com um
mesmo equipamento.

Copyright Minitab Inc. 2003. All rights reserved. Rel 14 Ver 1.0 / www.minitabbrasil.com.br
Erros do Sistema de Medição

ACURÁCIA (EXATIDÃO)

Composta por três componentes:


• Vício: diferença entre o valor observado e o valor real ou padrão (obtido por um
equipamento ou operário padrão).
• Linearidade: diferença entre os valores viciados observados e as medições dos valores
esperados para essas taxas mensuradas.
• Estabilidade: a mensuração de quão boa será o desempenho do sistema ao longo do
tempo. A variação total obtida com resultados provenientes de um mesmo aparelho, no
qual mensuramos uma única característica ao longo do tempo.

Copyright Minitab Inc. 2003. All rights reserved. Rel 14 Ver 1.0 / www.minitabbrasil.com.br
Erros do Sistema de Medição

PRECISÃO

A precisão que pode ser chamada de medição da variação é composta por dois componentes:
Repetibilidade variação observada em 2 medições com um mesmo aparelho, ou quando
• Repetibilidade:
um mesmo operador procede com a leitura de um mesmo item repetidamente com o mesmo
aparelho.
Reprodutibilidade variação observada em 2 medições do sistema, ou a variação
• Reprodutibilidade:
observada quando diferentes operadores mensuram um mesmo item com o mesmo
aparelho.

Copyright Minitab Inc. 2003. All rights reserved. Rel 14 Ver 1.0 / www.minitabbrasil.com.br
Acessando o Sistema de Medição

Use o Gage R&R Study (Crossed) para acessar:


• Quanto que o sistema de medição é capaz de distinguir os diferentes itens;
• Verificar se os operadores estão efetuando as medições de forma consistente.

TOLERÂNCIA

É a amplitude do limite de especificação definido pelo cliente.

Fornecendo o valor da tolerância do processo, podemos estimar qual proporção da tolerância é devido à
variação no sistema de medição.

Copyright Minitab Inc. 2003. All rights reserved. Rel 14 Ver 1.0 / www.minitabbrasil.com.br
EXEMPL0 7: DIÂMETRO DO BOCAL DA BOMBA DE
COMBUSTÍVEL

PROPOSTA

Acessar como a precisão de um aparelho de medição e do operador afeta a variabilidade


do sistema de medição, usando o Estudo Cruzado de Medição R&R (Gage R&R Study).

PROBLEMA

O elaborador de um bocal para bomba de combustível instalou um novo sistema digital


de medição. Especialistas da área desejam determinar o quão eficiente é este sistema.

Copyright Minitab Inc. 2003. All rights reserved. Rel 14 Ver 1.0 / www.minitabbrasil.com.br
EXEMPL0 7: DIÂMETRO DO BOCAL DA BOMBA DE
COMBUSTÍVEL

DADOS COLETADOS

9 bocais foram selecionados aleatoriamente ao longo do início de todos processos que podem
provocar algum tipo de variação (máquina, tempo, turno, troca de turno) que representam
todos os bocais tipicamente produzidos.

O 1° operador efetuou as medições para cada um dos 9 bocais em ordem completamente


aleatória.
Os 9 bocais foram aleatorizados e um 2° operador efetuou novamente as medições dos
mesmos bocais.
Este processo foi repetido 2 vezes para cada operador, totalizando 36 medições.

Copyright Minitab Inc. 2003. All rights reserved. Rel 14 Ver 1.0 / www.minitabbrasil.com.br
EXEMPL0 7: DIÂMETRO DO BOCAL DA BOMBA DE
COMBUSTÍVEL

A especificação para o diâmetro dos bocais é de: 9012 + 4 microns (tolerância de oito microns).

FERRAMENTAS UTILIZADAS

• Gage R&R Study (Crossed).

ARQUIVO DE DADOS: NOZZLE.MPJ

Copyright Minitab Inc. 2003. All rights reserved. Rel 14 Ver 1.0 / www.minitabbrasil.com.br
EXEMPL0 7: DIÂMETRO DO BOCAL DA BOMBA DE
COMBUSTÍVEL
GAGE R&R STUDY (CROSSED)

1. Abra o arquivo NOZZLE.MPJ


2. Escolha Stat > Quality Tools > Gage Study > Gage R&R Study (Crossed);
3. Complete a caixa de diálogo, como mostramos abaixo:

4. Clique em Options;
5. Em Process tolerance, digite 8;
6. Clique em OK em cada todas as caixas de diálogo.
Copyright Minitab Inc. 2003. All rights reserved. Rel 14 Ver 1.0 / www.minitabbrasil.com.br
Considerações Finais
RESUMO E CONCLUSÕES

A variação devido ao sistema de medição contribui muito pouco com a variação total do processo,
confirmada por meio do estudo Gage R&R, por tabelas e por gráficos.

A contribuição da variação do sistema de medição pode ser observada tanto pelo %StudyVar quanto pelo
%Tolerance. Neste caso como ambos os percentuais foram menores que 10%, o sistema de medição pode
ser considerado aceitável de acordo com as normas da AIAG.

CONSIDERAÇÕES ADICIONAIS

A seguir apresentamos o guia da AIAG para um sistema de medição aceitável.

Copyright Minitab Inc. 2003. All rights reserved. Rel 14 Ver 1.0 / www.minitabbrasil.com.br
Considerações Finais

Resultados desejáveis de serem observados na análise gráfica para estudo da variação do sistema de medição:

IMPORTANTE: Assim como ocorre em outros estudos de MSA e de Planejamentos de Experimentos, é


absolutamente necessário que a análise realizada, bem como a coleta de dados,
dados seja completamente
aleatória para o Gage R&R, a fim de que os resultados obtidos sejam válidos e não apresentem
nenhuma espécie de vício.

Copyright Minitab Inc. 2003. All rights reserved. Rel 14 Ver 1.0 / www.minitabbrasil.com.br
Avaliação do Sistema de Medição

TOLERÂNCIA

A tolerância para a espessura dos itens é de 0,5mm. Entre com o valor da tolerância para comparar a
variação do sistema de medição com as especificações do cliente (USL - LSL = Tolerance).

VARIAÇÃO HISTÓRICA DO PROCESSO

Se forçarmos a obtenção de uma amostra que reflita a variação típica do processo, a variação part-to-
part estimada para o processo poderá não refletir a variação natural do processo, retornando valores
superestimados ou subestimados devido à amostra ter sido obtida com vício. Como resultado, seu
sistema poderá aparentar ser melhor (ou pior) do que realmente o é.

Neste caso, a estimação da variação histórica do processo nos é bastante útil. Com ela, o MINITAB
calcula o %Process que compara a variação do sistema de medição com a variação histórica do
processo.

Copyright Minitab Inc. 2003. All rights reserved. Rel 14 Ver 1.0 / www.minitabbrasil.com.br
EXEMPLO 8: ESPERRURA DO STILLCORD

PROPOSTA

Identificar problemas no sistema de medição, usando o Estudo Cruzado da Medição R&R (Gage R&R
Study) e um Gráfico de Colunas Emparelhadas.

PROBLEMA

Um produtor de pneus de bicicletas BMX está avaliando o sistema de medição utilizado para mensurar a
espessura do stillcord. O stillcord é introduzido no interior dos pneus para protegê-lo de perfurações. A
tolerância para a espessura do stillcord é de 0,05mm. O desvio padrão do processo é de 0,078mm.

DADOS COLETADOS

Uma amostra aleatória de 10 stillcords foi extraída do processo de produção para este estudo. Os itens
foram mensurados por três operadores diferentes, e cada operador mensurou o mesmo item duas vezes,
totalizando em 60 leituras. Os itens foram fornecidos para cada operador em ordem aleatória.

Copyright Minitab Inc. 2003. All rights reserved. Rel 14 Ver 1.0 / www.minitabbrasil.com.br
EXEMPLO 8: ESPERRURA DO STILLCORD

FERRAMENTAS UTILIZADAS

• Gage R&R Study (Crossed).


• Gage Run Chart

ARQUIVO DE DADOS: RIMSTRIP.MPJ

Copyright Minitab Inc. 2003. All rights reserved. Rel 14 Ver 1.0 / www.minitabbrasil.com.br
Considerações Finais

RESUMO E CONCLUSÕES

O sistema de medição adotado necessita de algumas melhorias.


Os operadores apresentaram problemas com o décimo item. Deve-se investigar o porque das dificuldades.

Talvez a variação entre os itens seja a fonte do efeito de interação observado.


⇒Implementar um procedimento padrão que especifique o local exato no qual a espessura será lida.

CONSIDERAÇÕES ADICIONAIS

Evite utilizar sempre o Gage R&R Study para avaliar a qualidade do sistema de medição:
• Não utilize o Gage R&R Study para avaliar a qualidade do sistema de medição de variáveis binárias
ou de atributos em escala.
escala Ex: escalas de 1 a 5, defeito e não defeito, etc.
• Não utilize esta metodologia para investigar outros processos, como o efeito que diferentes máquinas
ou operadores provocam nos itens produzidos.

Copyright Minitab Inc. 2003. All rights reserved. Rel 14 Ver 1.0 / www.minitabbrasil.com.br
EXERCÍCIO F: ACESSANDO A CONSISTÊNCIA EM
APARELHOS DE COLORIMETRIA

PROPOSTA

Identificar problemas no sistema de medição, usando o Estudo Cruzado de Medidas R&R (Gage R&R
Study).

PROBLEMA

Uma companhia de polímeros produz grânulos que são usados na fabricação de cases de computadores.
A consistência de cor desses grânulos é muito importante para o cliente. Vários técnicos mensuram
amostras desses plásticos regularmente.

O objetivo deste estudo Gage R&R é determinar o quanto da variação dos aparelhos de colorimetria
(leitores da cor) deve-se às leituras repetidas do aparelho (repetibilidade), e o quanto deve-se aos
diferentes técnicos que operaram o aparelho (reprodutibilidade).
Copyright Minitab Inc. 2003. All rights reserved. Rel 14 Ver 1.0 / www.minitabbrasil.com.br
EXERCÍCIO F: ACESSANDO A CONSISTÊNCIA EM
APARELHOS DE COLORIMETRIA
DADOS COLETADOS

A fim de verificar a cor dos grânulos, técnicos extraíram amostras para teste. Cada amostra foi obtida
prensando os grânulos de cada um dos 10 diferentes lotes de plástico dentro de um “wafer” que armazena
estes grânulos. Um total de 10 amostras, sendo uma de cada lote, foi extraída para análise.

Para este estudo, o L (branco-preto) é a escala para mensurar a resposta de interesse. A tolerância para este
processo é de duas unidades (2L).

INSTRUÇÕES

1. Use o Gage R&R Study (Crossed) para analisar os dados coletados.


2. Comente a adequacidade do sistema de medição.

ARQUIVO DE DADOS: GAGECOLOR.MPJ

Copyright Minitab Inc. 2003. All rights reserved. Rel 14 Ver 1.0 / www.minitabbrasil.com.br
EXERCÍCIO G: RESISTÊNCIA DO PAPEL À QUEBRA
PROPOSTA

Identificar adequacidade do sistema de medição quando as medidas são obtidas por meio de testes
destrutivos, usando o Gage R&R Study.

PROBLEMA

Uma fábrica de papel conduziu um estudo Gage R&R para verificar se o sistema de medição utilizado é capaz
de detectar a variação da resistência de seus produtos. O objetivo é verificar o quanto da variação da
resistência à quebra deve-se à repetibilidade (o mesmo aparelho ou o mesmo técnico efetuar as mesmas
medições) e o quanto se deve à reprodutibilidade (diferentes operadores medindo os mesmos itens) do
processo.

DADOS COLETADOS

Três técnicos, aleatoriamente escolhidos, mediram a resistência de 20 maços selecionados do processo. Para
cada maço, uma única folha de papel foi aleatoriamente extraída. Supondo que as propriedades físicas se
mantêm constantes em toda a extensão da folha, cada uma delas foi dividida em seis partes. Cada par de
amostra foi entregue a um técnico diferente, que procedeu com a leitura da resistência.
Copyright Minitab Inc. 2003. All rights reserved. Rel 14 Ver 1.0 / www.minitabbrasil.com.br
EXERCÍCIO G: RESISTÊNCIA DO PAPEL À QUEBRA

A seqüência na qual o técnico procedeu com a leitura também foi completamente aleatorizada. Um total
de duas amostras de cada folha dos 20 maços de papel foram entregues a cada técnico, totalizando na
leitura de 40 amostras.

NOTA: Sempre que o teste for destrutivo, cada maço é testado pelo operador; por isso o cruzamento
durante a análise é muito importante.

A resistência à quebra, medida em km, é o comprimento no qual o papel se quebra quando submetido
ao seu próprio peso enquanto suspenso. A tolerância para este processo é de 0,5km.

INSTRUÇÕES

3. Use o Gage R&R Study (Crossed) para analisar os dados coletados.


4. Comente a adequacidade do sistema de medição.

ARQUIVO DE DADOS: GAGECOLOR.MPJ

Copyright Minitab Inc. 2003. All rights reserved. Rel 14 Ver 1.0 / www.minitabbrasil.com.br
Gage R&R Study (Nested)

O QUE É UM GAGE R&R STUDY (NESTED)

• Estima quanto da variação observada em um sistema de medição pode ser atribuída à repetibilidade e à
reprodutibilidade,
reprodutibilidade quando os vários operadores não efetuaram medições nos mesmos itens.
• Compara a magnitude da variação entre os itens (part-to-part) e, opcionalmente, a tolerância e/ou a
variação histórica do processo.

QUANDO USAR O GAGE R&R STUDY (NESTED)

Use quando quiser compreender a variação associada ao sistema de medição, mas os vários operadores não
mensuraram os mesmos itens. Ex: testes destrutivos ou em testes em que há mudança física das
características de interesse.
• O tamanho da amostra é demasiadamente pequeno para que sejam fornecidas amostras
provenientes de um mesmo lote para cada operador.
• Os operadores mensuram itens provenientes de diferentes lotes selecionados aleatoriamente.

Copyright Minitab Inc. 2003. All rights reserved. Rel 14 Ver 1.0 / www.minitabbrasil.com.br
Gage R&R Study (Nested)

PORQUE USAR O GAGE R&R STUDY (NESTED)

O Gage R&R Study (Nested) pode responder questões como:


• A variabilidade do sistema de medição é pequena se comparada com a variabilidade natural do
processo de produção?
• A variabilidade do sistema de medição é pequena se comparada com com os limites de
especificação do cliente?
• Quanto da variabilidade do sistema de medição é causada pela diferença entre os operadores?
• O atual sistema de medição é capaz de captar a diferença natural existente entre os itens?

Por exemplo:
• Quanto da variabilidade da resistência dos elásticos é causada pelo extensômetro?
• Quanto da variabilidade da resistência dos elásticos é causada pelo operador que efetuou a
medição?
• O sistema de medição é capaz de discriminar a diferença natural de resistência existente entre os
itens?

Copyright Minitab Inc. 2003. All rights reserved. Rel 14 Ver 1.0 / www.minitabbrasil.com.br
EXEMPLO 9: TESTE DE IMPACTO DO ALUMÍNIO

PROPOSTA
Identificar adequacidade do sistema de medição quando as medidas são obtidas através de testes
destrutivos, usando o Gage R&R Study.

PROBLEMA
• Um fornecedor de componentes automotivos compra lingotes de alumínio para produzir os componentes
das trancas das portas;
• A resistência ao impacto do alumínio é uma propriedade crítica que deve ser monitorada;
• Certificar se cada carregamento está dentro das especificações;
• O teste de impacto é destrutivo.

DADOS COLETADOS
• Selecionou-se aleatoriamente 9 lingotes de alumínio da produção;
• Cada grupo de 3 lingotes foi entregue a um operador, sendo 3 operadores;
• Para cada lingote, 3 tipos de testes destrutivos de impacto foram preparados;
• Os operadores seguem procedimentos padrões;
• Foram utilizados 27 testes para conduzir o estudo Gage R&R.

Copyright Minitab Inc. 2003. All rights reserved. Rel 14 Ver 1.0 / www.minitabbrasil.com.br
EXEMPLO 9: TESTE DE IMPACTO DO ALUMÍNIO

FERRAMENTAS

• Gage R&R Study (Nested)

ARQUIVO DE DADOS: INGOTI.MPJ

Copyright Minitab Inc. 2003. All rights reserved. Rel 14 Ver 1.0 / www.minitabbrasil.com.br
Considerações finais

RESUMO E CONCLUSÕES
Devemos compreender melhor o sistema de medição, bem como corrigir a diferença existente entre os
operadores.

CONSIDERAÇÕES ADICIONAIS
Devemos assumir que os itens testados são idênticos o suficiente para serem tratados como iguais. Se
esta suposição for razoavelmente satisfeita, podemos prosseguir a análise.
Independente do tipo de estudo Gage R&R que for executado, é sempre importante que os itens
amostrais sejam mensurados aleatoriamente para que eles representem da melhor maneira possível
todos os resultados que podem ser observados no processo.

Copyright Minitab Inc. 2003. All rights reserved. Rel 14 Ver 1.0 / www.minitabbrasil.com.br
EXERCÍCIO H: PROMOVENDO MELHORIAS NO SISTEMA DE
MEDIÇÃO

PROPOSTA

Identificar adequacidade do sistema de medição quando as medidas são obtidas através de testes
destrutivos, usando oGage R&R Study.

PROBLEMA

Os resultados de uma pré-análise indicam uma alta variação entre os operadores de um processo. Em
particular, o operador 2 se destacou por apresentar valores sempre maiores que os demais operadores
envolvidos no estudo.

Uma revisão nos procedimentos de medição adotados pelos operadores revelou que o operador 2 não
estava utilizando a mesma ferramenta que os demais operadores. Sendo assim, foi necessário que todo
experimento fosse repetido para que os operadores utilizassem a mesma ferramenta.

Copyright Minitab Inc. 2003. All rights reserved. Rel 14 Ver 1.0 / www.minitabbrasil.com.br
EXERCÍCIO H: PROMOVENDO MELHORIAS NO SISTEMA DE
MEDIÇÃO

DADOS COLETADOS

Como antes, nove lingotes foram amostrados aleatoriamente da produção, sendo que cada grupo de três
foi alocado a um operador diferente. Os operadores prepararam os itens para o teste, que foram
codificados de acordo com o local do lingote no qual foi efetuada a medição no respectivo item. Em
particular, o lingote 2 representa sempre a medição efetuada no meio do lingote.

Os 27 dados coletados foram testados e a resistência de impacto foi anotada.

INSTRUÇÕES

1. Use o Gage R&R Study (Nested) para analisar os dados coletados.


2. Construa um Scatterplot do Strength vs. Ingot agrupado por Specimen para acessar a suposição de
homogeneidade dos lotes.

ARQUIVO DE DADOS: INGOT2.MPJ

Copyright Minitab Inc. 2003. All rights reserved. Rel 14 Ver 1.0 / www.minitabbrasil.com.br
Estudo da Linearidade e do Vício

O QUE É O ESTUDO DA LINEARIDADE E DO VÍCIO?

Acessa o vício potencial e a linearidade da operação quando um sistema de medição é utilizado.


• Vício: compara o processo com o padrão (referência);
• Linearidade: acessa as mudanças no vício sob os diferentes níveis de operação.
Para conduzirmos o estudo da linearidade e do vício do processo, é importante que:
1. Os itens amostrais representem bem todas as situações que serão observadas no processo,
processo
(no mínimo, 5 itens);
2. Efetuadas leituras repetidas de um mesmo item (no mínimo, 10 leituras de cada item);
3. As leituras em ordem completamente aleatória. ria

Copyright Minitab Inc. 2003. All rights reserved. Rel 14 Ver 1.0 / www.minitabbrasil.com.br
Estudo da Linearidade e do Vício

POR QUE EFETUAR O ESTUDO DA LINEARIDADE E DO VÍCIO?

Responder as seguintes questões:


• Os resultados de leitura apresentam algum vício agregado durante o processo de medição?
ão
• O equipamento utilizado deve ser recalibrado,
recalibrado a fim de que as medições efetuadas não
apresentem algum tipo de vício?
Por exemplo:
• O termômetro está efetuando medições não-viciadas da temperatura durante o processo?
• O micrômetro deve ser recalibrado sempre devido ao fato de estarmos sempre registrando um
pequeno vício no processo?

QUANDO DEVEMOS USAR O ESTUDO DA LINEARIDADE E DO VÍCIO?

Sempre que formos avaliar a qualidade do sistema de medição do processo.

Copyright Minitab Inc. 2003. All rights reserved. Rel 14 Ver 1.0 / www.minitabbrasil.com.br
EXEMPLO 10: ASSENTAMENTO DOS AZULEIJOS NO CHÃO

PROPOSTA

Determinar a linearidade e o vício de um sistema de medição usando o Gage Linearity and Bias Study.

PROBLEMA

• Proceder um estudo Gage para mensurar o assentamento dos azuleijos no chão;


• Validar os resultados obtidos e prosseguir com uma subseqüente análise de qualidade;
• Estimou-se o vício e a linearidade.
• σˆ = 0,75

DADOS COLETADOS

• 5 azulejos, com nível de assentamento conhecido, foram selecionados;


• Cada item foi medido 12 vezes em ordem aleatória.

Copyright Minitab Inc. 2003. All rights reserved. Rel 14 Ver 1.0 / www.minitabbrasil.com.br
EXEMPLO 10: ASSENTAMENTO DOS AZULEIJOS NO CHÃO

FERRAMENTAS

• Gage Linearity and Bias Study

ARQUIVO DE DADOS: GAGELIN.MPJ

Copyright Minitab Inc. 2003. All rights reserved. Rel 14 Ver 1.0 / www.minitabbrasil.com.br
Considerações finais

RESUMO E CONCLUSÕES

O processo apresenta um comportamento viciado, (superestimação comparado ao padrão).

Não há problemas com a linearidade no sistema de medição do processo, ⇒ βo não é significativo


(o sistema não apresentou tendência linear).

barras 0,4% para a linearidade e 3,5% para o vício.


Gráfico de barras:

Vício - possíveis razões:


• Valores padrões (de referência) incorretos;
• Calibração incorreta dos aparelhos;
• Uso inadequado dos instrumentos de medição pelos operadores.

Copyright Minitab Inc. 2003. All rights reserved. Rel 14 Ver 1.0 / www.minitabbrasil.com.br
Considerações finais

CONSIDERAÇÕES ADICIONAIS

A mensuração global do vício pode não ser significativa, porém, o cálculo dos vícios
individuais sempre serão significativos.
significativos

O valor estimado para o coeficiente angular da reta de regressão,


regressão bem como do intercepto do
eixo-y, devem ser utilizados para investigar potenciais problemas no sistema de medição
relacionados à linearidade.
linearidade

Copyright Minitab Inc. 2003. All rights reserved. Rel 14 Ver 1.0 / www.minitabbrasil.com.br
Análise de Atributos

OBJETIVOS

z Acesso à consistência das diferentes medições de cada operador


entre os diferentes operadores;
operadores
z Acesso ao nível de acertividade dos operadores por meio da
comparação das medições com um padrão conhecido, por
CAPÍTULO

intermédio da análise de várias amostras;


z Cálculo de estatísticas para acesso ao nível de concordância entre os
diferentes operadores;
operadores
z Cálculo de estatísticas para expressar o grau de associação entre os
diferentes operadores.
operadores

Copyright Minitab Inc. 2003. All rights reserved. Rel 14 Ver 1.0 / www.minitabbrasil.com.br
Análise de Atributos

O QUE É UMA ANÁLISE DE ATRIBUTOS?

• Acessa a consistência das respostas do operador e entre os operadores e compara as mensurações


efetuadas com os valores “padrão” ou “referência”;
• Classifica os itens,
itens como atributos, ou seja, como defeituosos ou perfeitos.
perfeitos
• Os dados podem ser binários, nominais ou ordinais:

Copyright Minitab Inc. 2003. All rights reserved. Rel 14 Ver 1.0 / www.minitabbrasil.com.br
Análise de Atributos

QUANDO USAR A ANÁLISE DE ATRIBUTOS?

z Comparar 2 ou mais operadores ou instrumentos que mensuram os mesmos itens;


z Acessar a consistência quando um mesmo operador ou instrumento de medição avalia o
mesmo item mais de uma vez;
vez
z Avaliar a exatidão quando um operador mensura os itens apenas uma vez,
vez e as taxas são
comparadas com um padrão.

Copyright Minitab Inc. 2003. All rights reserved. Rel 14 Ver 1.0 / www.minitabbrasil.com.br
Análise de Atributos

POR QUE USAR A ANÁLISE DE ATRIBUTOS?

Acessar a consistência ou o grau de acertividade (respostas são dados de atributos).

z Acessar a concordância de cada operador individualmente,


individualmente (cada operador deve medir o
mesmo item 2 vezes ou mais);
z Acessar a concordância das respostas entre os operadores;
operadores
z Comparar a respostas dos operadores com uma resposta padrão conhecida.

Por exemplo:

z Os operadores são concordantes em todas as mensurações de um mesmo item?


z Os operadores estão corretos em suas mensurações, quando comparadas com o padrão
fornecido pelo coordenador da qualidade?

Copyright Minitab Inc. 2003. All rights reserved. Rel 14 Ver 1.0 / www.minitabbrasil.com.br
Usando a estatística Kappa

• Representa o grau absoluto de concordância entre as mensurações;

• Ela trata todas as classificações erradas igualmente,


igualmente desconsiderando as suas magnitudes.

• Usada quando a classificação for binária, nominal ou ordinal;


ordinal

• Como ela não levar em conta a magnitude da diferença observada, também podemos
considerar outras estatísticas na análise.
lise

Copyright Minitab Inc. 2003. All rights reserved. Rel 14 Ver 1.0 / www.minitabbrasil.com.br
Usando a estatística Kappa

INTERPRETANDO A ESTATÍSTICA DE KAPPA

⇒ H0: Kappa = 0.

O nível mais forte de concordância absoluta é representado pelo maior o valor da estatística Kappa:
Kappa

z Se Kappa = 1, concordância perfeita muito maior do que a esperada;


z Se Kappa = 0, concordância é a mesma que estava sendo esperada por oportunidade de
acerto;
z Se Kappa < 0, concordância mínima muito menor do que a esperada.
esperada Isto raramente
acontece.

• Sugestão (AIAG): o valor para o coeficiente de Kappa deve ser superior a 0,75;
• Valores inferiores a 0,40 indicam uma concordância muito pobre,
pobre apontando sérios problemas
no sistema de medição por atributos do processo.

Copyright Minitab Inc. 2003. All rights reserved. Rel 14 Ver 1.0 / www.minitabbrasil.com.br
Exibindo avaliação da concordância

O Minitab mostra a seguinte avaliação, dependendo do estudo:

Copyright Minitab Inc. 2003. All rights reserved. Rel 14 Ver 1.0 / www.minitabbrasil.com.br
EXEMPLO 11: CONVERTEDOR CATALÍTICO
DE SUBSTRATO

PROPOSTA

Acessar a consistência e a exatidão da qualidade do substrato, usando a análise de atributos.

PROBLEMA

• Companhia de cerâmica;
cerâmica
• Substrato convertedor catalítico de cerâmica: estrutura em forma de favo de mel que suporta o
material do catalisador, o que reduz as emissões do escapamento.
• No estágio final da produção, a parte rachada é considerada defeituosa, devendo ser quebrada.

• Operadores seguram as partes contra a luz e para procurar por rachaduras.


• Novo operador está efetuando as mensurações das rachaduras nos diferentes itens efetivamente?
• Depto de qualidade: forneceu as mensurações padrão para cada item amostral.

Copyright Minitab Inc. 2003. All rights reserved. Rel 14 Ver 1.0 / www.minitabbrasil.com.br
EXEMPLO 11: CONVERTEDOR CATALÍTICO
DE SUBSTRATO

DADOS COLETADOS

• 4 operadores inspecionaram os 10 itens amostrais em ordem aleatória;


• Os itens foram reordenados e inspecionados novamente por cada operador;
• As respostas foram reportadas como “Pass” (perfeito) ou “Fail” (discordante com o padrão).

FERRAMENTAS

z Attribute Agreement Analysis.

ARQUIVO DE DADOS: SUBSTRATE.MPJ

Copyright Minitab Inc. 2003. All rights reserved. Rel 14 Ver 1.0 / www.minitabbrasil.com.br
Considerações finais

RESUMO E CONCLUSÃO

z Para cada seqüência, 2 de 4 operadores avaliaram todos os 10 itens corretamente;

z Brian discordou de si mesmo em um item, enquanto Anne deu um falso/positivo também em


um item.

⇒ Investigar por que esses erros ocorreram.

Copyright Minitab Inc. 2003. All rights reserved. Rel 14 Ver 1.0 / www.minitabbrasil.com.br
Considerações finais

CONSIDERAÇÕES ADICIONAIS

z A aleatorização é muito importante, pois evitamos um possível vício causado pela


memorização da ordem dos resultados pelos operadores;
z Estudamos a concordância para avaliar o desempenho dos operadores ao longo dos
diferentes itens produzidos.
produzidos Ex: é mais apropriado avaliar um operador com menos
repetições dos itens do que inspecionar de todos os itens produzidos.
z O Automotive Industry Action Group (AIAG) nos informa que:
Kappa > 0,75 → excelente concordância - Kappa < 0,40 → concordância pobre
z Muitas empresas possuem suas próprias faixas de interpretação para valores da estatística de
Kappa.

Copyright Minitab Inc. 2003. All rights reserved. Rel 14 Ver 1.0 / www.minitabbrasil.com.br
EXERCÍCIO I: CONVERTEDOR CATALÍTICO
DE SUBSTRATO

PROPOSTA

Acessar a consistência e a exatidão da qualidade do substrato, usando a análise de atributo.

PROBLEMA

Uma companhia de cerâmica produz substrato convertedor catalítico para uma empresa de
automóveis. O substrato de cerâmica é uma estrutura em forma de favo de mel que suporta o
material do catalisador, o que reduz as emissões do escapamento.

No estagio final da produção, um operador checa cada substrato procurando por rachaduras. A
parte rachada é considerada defeituosa, devendo ser quebrada.

Operadores seguram as partes contra a luz e para procurar por rachaduras. Os inspetores da
qualidade desejam saber se um novo operador está efetuando as mensurações das rachaduras nos
diferentes itens efetivamente. O departamento de qualidade acessou as amostras usadas neste
estudo, para então fornecer as mensurações consideradas padrão para cada item da amostra.
Copyright Minitab Inc. 2003. All rights reserved. Rel 14 Ver 1.0 / www.minitabbrasil.com.br
EXERCÍCIO I: CONVERTEDOR CATALÍTICO
DE SUBSTRATO
DADOS COLETADOS

Para esta análise, quatro operadores inspecionaram os 20 itens amostrais em ordem


completamente aleatória. Os itens foram reordenados e inspecionados novamente por cada
operador. As respostas foram reportadas como “Pass” (perfeito) ou “Fail” (discordante com o
padrão).

INSTRUÇÕES

1. Use Attribute Agreement Assessment para avaliar o sistema de medição.


2. Comente a adequação do sistema de mediação.

ARQUIVO DE DADOS: SUBSTRATE2.MPJ

Copyright Minitab Inc. 2003. All rights reserved. Rel 14 Ver 1.0 / www.minitabbrasil.com.br
EXEMPLO 12: AVALIAÇÃO DA BOLA DE FUTEBOL

PROPOSTA

Acessar a consistência e a exatidão quando os dados forem nominais,


nominais usando análise de
atributos.

PROBLEMA

• Inspeção visual de várias características;


sticas
• O fabricante separa os produtos baseado nas necessidades dos clientes.

DADOS COLETADOS

• 4 operadores selecionaram aleatoriamente 20 bolas de futebol, representando a produção.


• Cada operador avalia ou bola uma vez, classificando-a como: liga Júnior, Profissional ou
Amador.

As bolas de futebol foram apresentadas em uma ordem aleatória.


Copyright Minitab Inc. 2003. All rights reserved. Rel 14 Ver 1.0 / www.minitabbrasil.com.br
EXEMPLO 12: AVALIAÇÃO DA BOLA DE FUTEBOL

FERRAMENTAS

• Attribute Agreement Analysis.

ARQUIVO DE DADOS: SOCCER.MPJ

Copyright Minitab Inc. 2003. All rights reserved. Rel 14 Ver 1.0 / www.minitabbrasil.com.br
Considerações finais

RESUMO E CONCLUSÕES

z Os operadores concordaram em 18 das 20 avaliações que efetuaram nas bolas de futebol;

z Elaine, Frank e Michael avaliaram as 20 bolas corretamente, enquanto Yvonne cometeu 2


erros;

z Os erros de Yvonne foram determinados quando a bola deveria estar na liga Profissional ou
na liga Júnior.

z Seria apropriado verificar por que os erros foram cometidos.

Copyright Minitab Inc. 2003. All rights reserved. Rel 14 Ver 1.0 / www.minitabbrasil.com.br
Usando o coeficiente de concordância de Kendall

• Expressa o grau de concordância ao longo das múltiplas medições feitas pelos operadores ou
leituras entre diferentes os operadores.
• É sensível a desclassificações.

• Usamos o coeficiente de concordância Kendall quando as classificações são ordinais.


ordinais
• Dados ordinais são variáveis categóricas ordenadas.
• Exemplo: componentes defeituosos podem ser taxados dentro de uma escala que varia de 1 a 5.

Copyright Minitab Inc. 2003. All rights reserved. Rel 14 Ver 1.0 / www.minitabbrasil.com.br
Usando o coeficiente de concordância de Kendall

INTERPRETANDO COEFICIENTE DE CONCORDÂNCIA KENDALL

H0: Kendall = 0 , que indica a inexistência de associação entre as taxas.


Quanto mais forte a associação, maior será o valor do coeficiente de concordância Kendall.

z Um coeficiente de concordância Kendall = 1 indica uma associação perfeita;


z Um coeficiente de concordância Kendall = 0 indica ausência de associação.

Regra geral:
Kendall < 0,7 → o sistema de medição precisa de melhorias;
Kendall > 0,9 → é considerado muito bom.

Copyright Minitab Inc. 2003. All rights reserved. Rel 14 Ver 1.0 / www.minitabbrasil.com.br
EXEMPLO 13: AVALIAÇÃO DA PLACA IMPRESSA

PROPOSTA

Acessar a consistência e a exatidão quando os dados forem ordinais,


ordinais usando análise de atributos.

PROBLEMA

• Inspecionou-se visualmente as placas (PCBs) para assegurar sua qualidade;


• Eles acessaram amostras aleatórias de PCBs de um carregamento e, baseado-se nos
resultados, determinaram quando, o nível de qualidade é suficientemente alto;
Objetivo verificar o nível de acordo entre os operadores.
• Objetivo:

DADOS COLETADOS
• 3 inspetores taxaram 10 PCBs representativos da produção;
• Escala de 1 a 5;
⇒ 1 = péssima qualidade e 5 = ótima qualidade.
Copyright Minitab Inc. 2003. All rights reserved. Rel 14 Ver 1.0 / www.minitabbrasil.com.br
EXEMPLO 13: AVALIAÇÃO DA PLACA IMPRESSA

FERRAMENTAS

z Attribute Agreement Analysis.

ARQUIVO DE DADOS: PCBSTUDY.MPJ

Copyright Minitab Inc. 2003. All rights reserved. Rel 14 Ver 1.0 / www.minitabbrasil.com.br
Considerações finais

RESUMO E CONCLUSÕES

z Judith, Malcolm e Susan concordaram somente em 2 itens dos 10 avaliados;

z O alcance da estatística de Kappa variou entre -0,1111 a 0,5200;

z Quando consideramos apenas a concordância absoluta ao longo das taxas, em geral as taxas
específicas de concordância são muito pobres;

z Devido ao fato dos dados serem ordinais com cinco níveis, é mais apropriado usar o coeficiente
de concordância de Kendall para acessar o quanto que os operadores estão associados;

z Neste exemplo, o coeficiente de concordância de Kendall (0,940872) é bastante alto.

Copyright Minitab Inc. 2003. All rights reserved. Rel 14 Ver 1.0 / www.minitabbrasil.com.br
Considerações finais

CONSIDERAÇÕES ADICIONAIS

Dados ordinais considerar ambas: Kappa e Kendall.

z Kappa:
o Representa apenas as avaliações absolutas;
o Todas as subclassificações são tratadas igualmente.
z Kendall:
o Mede a associação entre as taxas;
o Considera-se a magnitude das subclassificações.

Copyright Minitab Inc. 2003. All rights reserved. Rel 14 Ver 1.0 / www.minitabbrasil.com.br
EXERCÍCIO J: AVALIAÇÃO DE MOLHOS DE PIMENTA

PROPOSTA

Acessar as respostas das avaliações consistentes quando os dados forem ordinais, usando a análise
de atributos.

PROBLEMA

Durante uma visita a New Orleands, Ryan e Miranda compraram 10 diferentes tipos de pimentas.
Eles desejam testar quando suas avaliações para os molhos de pimenta atingem o máximo de
concodância.

DADOS COLETADOS

Ryan e Miranda classificaram os 10 molhos de pimenta de acordo com a seguinte escala de pontos:
1 = fraco, 2 = picante, 3 = muito picante e 4 = incofortavelmente picante.
Copyright Minitab Inc. 2003. All rights reserved. Rel 14 Ver 1.0 / www.minitabbrasil.com.br
EXERCÍCIO J: AVALIAÇÃO DE MOLHOS DE PIMENTA

INSTRUÇÕES

Use a Análise de Atributos para verificar quando Ryan e Miranda concordam em suas avaliações.

ARQUIVO DE DADOS: HOTSAUCE.MPJ

Copyright Minitab Inc. 2003. All rights reserved. Rel 14 Ver 1.0 / www.minitabbrasil.com.br
Attribute Gage Study (Método Analítico)

Acessa a repetibilidade e o vício em um sistema binário de medição (“bom/ruim”), quando o sistema


de medição binário é usado no lugar de um sistema de medição para dados contínuos.

Ex: desejamos determinar quando o diâmetro do orifício está dentro da tolerância, usando a medida
“bom/ruim” ao invés de obtermos o diâmetro em um sistema contínuo atual.
Em quanto o sistema de medição binário concorda com os resultados do sistema de medição contínuo?

1°: Obter os valores padrão do sistema de medição contínuo para todos os itens;
2°: Estes mesmos itens serão mensurados pelo sistema de medição de atributos múltiplas vezes;
⇒O n° de vezes que cada item for aceito dentro da tolerância é contado para cada item de referência;
⇒ A repetibilidade e o vício de um sistema de medição binário é estimado, usando os resultados.

Minitab:
Minitab Gráfico de Probabilidade Normal, repetibilidade e o vício.

Copyright Minitab Inc. 2003. All rights reserved. Rel 14 Ver 1.0 / www.minitabbrasil.com.br
EXEMPLO 14: ESTUDO DA MEDIÇÃO DO
DIÂMETRO DO EMBÔLO

PROPOSTA

Acessar os vícios e as repetições o sistema de medição, usando o Attribute Gage Study (Método
Analítico).

PROBLEMA
• Em uma Análise de Atributos, mediu-se o diâmetro dos êmbolos;
• 100% dos êmbolos foram inspecionados pelo operador padrão, inspeção esta que pode ser
afetada por repetições e vícios;
• Tolerância é de + 0,01 cm.

DADOS COLETADOS
• 12 itens com valores de referência entre 0,016cm e 0,002cm são medidos pelo operador
padrão 20 vezes.
• O número de aceitações para cada item foi gravado como um atributo.

Copyright Minitab Inc. 2003. All rights reserved. Rel 14 Ver 1.0 / www.minitabbrasil.com.br
EXEMPLO 14: ESTUDO DA MEDIÇÃO DO
DIÂMETRO DO EMBÔLO

FERRAMENTAS

z Attribute Gage Study (Analytic Method)

ARQUIVO DE DADOS: ANALYTIC.MPJ

Copyright Minitab Inc. 2003. All rights reserved. Rel 14 Ver 1.0 / www.minitabbrasil.com.br
Considerações finais

RESUMO E CONCLUSÕES

As evidências deste estudo indicam que o sistema está viciado e requer alteração.

CONSIDERAÇÕES ADICIONAIS

Para mais informações, consulte o Minitab StatGuide.

Copyright Minitab Inc. 2003. All rights reserved. Rel 14 Ver 1.0 / www.minitabbrasil.com.br
Cartas de Controle: Dados Contínuos

OBJETIVOS

z Selecionar a carta de controle mais apropriada para dados


contínuos;
z Monitorar o processo e seu controle,
controle usando as cartas Xbar, R, S
CAPÍTULO

e I-MR;
z Determinar quando ocorre uma causa especial de variabilidade
no processo.

Copyright Minitab Inc. 2003. All rights reserved. Rel 14 Ver 1.0 / www.minitabbrasil.com.br
Cartas de controle

O QUE É UMA CARTA DE CONTROLE?

Uma carta de controle é um gráfico seqüencial desenvolvido especialmente para a ajudar a


identificar padrões anormais de variabilidade em um processo. As cartas Xbar e R são as cartas de
controle mais usadas.

Estrutura geral:

Copyright Minitab Inc. 2003. All rights reserved. Rel 14 Ver 1.0 / www.minitabbrasil.com.br
Cartas de controle

QUANDO USAR UMA CARTA DE CONTROLE?

Para monitorar os dados temporais para uma característica particular de qualidade,


qualidade como por
exemplo: a cor do produto, o peso ou a temperatura.

POR QUE USAR UMA CARTA DE CONTROLE?

Para as detectar mudanças ao longo do processo;


Para responder perguntas tais como:
z São os lotes de matéria-prima ou a variação de turno que causam a variação no processo?
z São causas especiais do processo ou causas naturais (como a temperatura ambiente) que
ocasionam a variação no processo?
z A variação entre as diferentes remessas (lotes) de produção é maior do que o esperado?

Copyright Minitab Inc. 2003. All rights reserved. Rel 14 Ver 1.0 / www.minitabbrasil.com.br
Seleção de cartas para dados de subgrupos

Copyright Minitab Inc. 2003. All rights reserved. Rel 14 Ver 1.0 / www.minitabbrasil.com.br
Cartas R

O QUE É UMA CARTA R?

Avalia a variação entre os subgrupos em uma ordem temporal.

QUANDO USAR A CARTA R?

Para comparar a variabilidade dos subgrupos ao longo do tempo.


tempo
É apropriado examinar uma carta R ou uma carta S antes de tentar interpretar uma carta de controle
da média do subgrupo (uma carta X ).
Os limites da carta X são obtidos com base nas variações dos subgrupos.

Cartas R:
R tradicionalmente usadas para análise de subgrupos pequenos.
pequenos
AIAG → usar a carta R ao invés da carta S quando o tamanho do subgrupo for inferior a oito.

Copyright Minitab Inc. 2003. All rights reserved. Rel 14 Ver 1.0 / www.minitabbrasil.com.br
Cartas R

POR QUE USAR A CARTA R?

Detectar quando estão ocorrendo variações no processo ao longo do tempo.

Responder perguntas tais como:


z A variação no processo se mantém estável ao longo de todo tempo?
z As diferentes matérias-primas causam mudança na variabilidade do processo?

Por exemplo, a carta pode detectar:


z Quando a variação na força das partes coladas aumentou porque o aplicador de cola liberou
quantidades inconsistentes de cola devido a entupimentos intermitentes.
z Quando a variação em perfurações de buracos localizados se tornou maior devido à perda de
espessura.

Copyright Minitab Inc. 2003. All rights reserved. Rel 14 Ver 1.0 / www.minitabbrasil.com.br
Causas especiais

Causa especial:
especial ocorrência incomum que não faz parte do processo, podendo ser benéficas ou
prejudiciais ao processo.

Quando o processo parece estar fora de controle estatístico, devemos procurar as causas especiais.

Investigando as razões para as causas especiais de variabilidade, podemos responder perguntas tais
como:
z Por que a média do processo é a maior que a esperada?
z Por que a proporção de erros é maior que a esperada?
z Por que existe mais variação que a esperada no processo?

Por exemplo:
z O nível de soda na máquina estava com um ajuste alto demais?
z A pessoa que estava operando a máquina foi treinada adequadamente?
z A tintura usada no processo de fazer papel era da cor errada?

Copyright Minitab Inc. 2003. All rights reserved. Rel 14 Ver 1.0 / www.minitabbrasil.com.br
Criando uma carta R

Criaremos uma carta R para examinar a variabilidade dos grupos de cores analisados antes de
criar a carta X.

SUBGRUPOS RACIONAIS

5 carcaças selecionadas por turno → um subgrupo.


Um subgrupo:
subgrupo
• Representa somente uma causa de variação comum no processo;
• Deve, se possível, ser livre de causas especiais de variação.
• Exemplos: itens fabricados ao mesmo tempo, ou criados por um mesmo operador.

Idealmente, a variabilidade em subgrupos racionais é limitada à variação inerente do processo.


Acessar a variabilidade → identificar e eliminar fontes de variação que são adversas ao processo.

Copyright Minitab Inc. 2003. All rights reserved. Rel 14 Ver 1.0 / www.minitabbrasil.com.br
Falta de controle e causas especiais

TESTE PARA CAUSAS ESPECIAIS

O Minitab inclui quatro testes para ajudar a identificar a não aleatoriedade da variação dos dados na
carta R. Podemos escolher um dos testes ou fazer todos eles:

z PONTO FORA DOS LIMITES DE CONTROLE: 1 ponto além de 3 desvios-padrão da linha central,
o que testa se a média do alcance dos valores está alta ou baixa.
z DESLOCAMENTO DA LINHA MÉDIA: 9 pontos consecutivos no mesmo lado da linha central,
que testa se uma série de valores consecutivos são maiores ou menores que a média.
z TENDÊNCIA: 6 pontos consecutivos, todos crescendo ou decrescendo, o que testa um
crescimento ou decrescimento sistemático dos valores amostrais.
z PERIODICIDADE: 14 pontos consecutivos, alternando em cima e em baixo, o que testa as
oscilações não aleatórias nos valores amostrais.

Copyright Minitab Inc. 2003. All rights reserved. Rel 14 Ver 1.0 / www.minitabbrasil.com.br
EXEMPLO 15: CONSISTÊNCIA DA COR

PROPOSTA

Avaliar a variação do processo, usando a carta R e a média do processo, usando a carta Xbar .

PROBLEMA

Uma companhia usa bolinhas plásticas para fabricar carcaças para monitores de computador. Eles
desejam avaliar se a cor da carcaça é consistente durante o tempo.

DADOS COLETADOS

5 carcaças foram selecionadas a cada 4 horas de produção durante um período de 8 dias.

Copyright Minitab Inc. 2003. All rights reserved. Rel 14 Ver 1.0 / www.minitabbrasil.com.br
EXEMPLO 15: CONSISTÊNCIA DA COR

FERRAMENTAS

z R Chart;
z Xbar Chart.

ARQUIVO DE DADOS: COLOR1.MPJ

Copyright Minitab Inc. 2003. All rights reserved. Rel 14 Ver 1.0 / www.minitabbrasil.com.br
Considerações Finais

RESUMO E CONCLUSÕES

A carta R indica que a variação dos subgrupos está sob controle estatístico. Agora, acessaremos a
média do processo usando a carta X .

CONSIDERAÇÕES ADICIONAIS

Use sempre a carta R para avaliar a variação do processo antes de analisar a carta X .

A variação do processo deve estar sob controle estatístico antes de acessar a estabilidade da média do
processo usando a carta X .
Se a variabilidade for inconstante durante o tempo, investigaremos se no processo:
z A variabilidade é menor que a esperada,
esperada para assim determinar se apenas as condições
operacionais são suficientes para reduzir a variabilidade.
z A variabilidade é maior,
maior para assim tentar melhorar o processo, eliminando as causas de
variabilidade excessiva.

Copyright Minitab Inc. 2003. All rights reserved. Rel 14 Ver 1.0 / www.minitabbrasil.com.br
Carta Xbar

O QUE É A CARTA X ?

Determinar se a média do processo está sob controle estatístico quando os dados forem coletados
em subgrupos apropriados.

QUANDO USAR A CARTA X ?

• Acessar a estabilidade da média do processo quando os dados são coletados usando


subgrupos racionais.
• Acessaremos a estabilidade da variação do processo usando a carta R ou a carta S antes de
avaliar a média do processo.

Copyright Minitab Inc. 2003. All rights reserved. Rel 14 Ver 1.0 / www.minitabbrasil.com.br
Carta Xbar

POR QUE USAR A CARTA X?

Para responder perguntas tais como:


z A média do processo está estável ao longo do tempo?
z A média do processo exibe um padrão incomum ao longo do tempo?

Por exemplo, uma carta X pode detectar:


z Quando uma broca foi instalada incorretamente em uma máquina, causando a mudança
na média do diâmetro do orifício;
z Quando a força média das peças coladas deslocar para baixo, devido ao fato da
consistência da cola aplicada ser insuficiente.

Copyright Minitab Inc. 2003. All rights reserved. Rel 14 Ver 1.0 / www.minitabbrasil.com.br
Falta de controle e causas especiais

TESTES PARA CAUSAS ESPECIAIS

A carta X tem mais testes para causas especiais do que a carta R. No exemplo, todos os oito testes
foram usados nesta carta:
z PONTO FORA DOS LIMITES DE CONTROLE: 1 ponto além de três desvios-padrão da linha
central, o que testa se a média do alcance dos valores está alta ou baixa;
z DESLOCAMENTO DA LINHA MÉDIA: 9 pontos consecutivos no mesmo lado da linha central,
que testa se uma série de valores consecutivos são maiores ou menores que a média;
z TENDÊNCIA: 6 pontos consecutivos, todos crescendo ou decrescendo, o que testa um
crescimento ou decrescimento sistemático dos valores amostrais;
z PERIODICIDADE: 14 pontos consecutivos, alternando em cima e em baixo, o que testa as
oscilações não aleatórias nos valores amostrais.

Copyright Minitab Inc. 2003. All rights reserved. Rel 14 Ver 1.0 / www.minitabbrasil.com.br
Falta de controle e causas especiais

z APROXIMAÇÃO DOS LIMITES DE CONTROLE: 2 de 3 pontos consecutivos entre 2 e 3 desvios-


padrão do mesmo lado da linha média;
z DESLOCAMENTO ACENTUADO DA MÉDIA: 4 de 5 pontos consecutivos (do mesmo lado), além
de um desvio-padrão da linha média;
z APROXIMAÇÃO DA LINHA MÉDIA: 15 pontos consecutivos (em ambos os lados) no limite de
um desvio-padrão da linha média;
z DISTANCIAMENTO DA LINHA MÉDIA: 8 pontos consecutivos (em ambos os lados), além de
um desvio-padrão da linha média.

Copyright Minitab Inc. 2003. All rights reserved. Rel 14 Ver 1.0 / www.minitabbrasil.com.br
Considerações Finais

RESUMO E CONCLUSÕES

• Um processo que está fora de controle estatístico exibe uma variação incomum, o que pode
ser devido à presença de causas especiais.

• Com a presença de vários pontos fora de controle, devemos investigar qual causa especial
que está afetando a consistência da cor.

Copyright Minitab Inc. 2003. All rights reserved. Rel 14 Ver 1.0 / www.minitabbrasil.com.br
Considerações Finais

CONSIDERAÇÕES ADICIONAIS

Usaremos a carta X para monitorar e detectar as mudanças na média do processo quando os dados
forem coletados em subgrupos.

Quando usar a carta X , considere:


z As cartas de controle para dados em subgrupos são sensíveis a grandes mudanças no processo.
z Para investigar as pequenas mudanças utilize as cartas CUSUM ou EWMA.
EWMA
z Os limites de controle são baseados na variabilidade dos subgrupos,
subgrupos então os subgrupos
devem ser selecionados cuidadosamente (produtos em condições similares).
z Assumindo normalidade, a probabilidade de exceder o limite de 3s será de 0,0027.
z A média de número das amostras necessárias antes afirmar que o processo está fora do
controle estatístico é algo em torno de 370 observações (1/0,0027). Neste exemplo, esperara-
se um falso alarme um dia por ano (assumindo independência entre os subgrupos).

Copyright Minitab Inc. 2003. All rights reserved. Rel 14 Ver 1.0 / www.minitabbrasil.com.br
Especificando parâmetros

Parâmetros:
Parâmetros são valores fixados (fornecidos pelo usuário) que serão usados no cálculo da linha
média e no cálculo dos limites de controle.

Extraídos de quando o processo encontrava-se sob controle estatístico.

VALORES CONHECIDOS

ricos estimativa confiável da média e do desvio a partir da análise de dados passados;


Valores históricos:
Podem ser utilizados como sendo a média e o desvio-padrão do processo atual.

NOTA: Em Xbar-R Options, você pode omitir certos subgrupos dos parâmetros de cálculo. Tome cuidado
quanto estiver omitindo valores. Tenha certeza que você entendeu todas as causas especiais de variação antes
de eliminar os dados correspondentes da análise.

Copyright Minitab Inc. 2003. All rights reserved. Rel 14 Ver 1.0 / www.minitabbrasil.com.br
EXEMPLO 16: CONSISTÊNCIA DA COR
- PARÂMETROS ESPECÍFICOS

PROPOSTA

Avaliar a variação do processo e a média,


dia usando cartas X e R.

PROBLEMA

A carta X revelou que o processo não está estatisticamente controlado.

Especificaremos uma média de 40 e um desvio-padrão de 0,96 para o processo (valores obtidos


com base na estimação sobre dados provenientes do processo sob controle estatístico).

Copyright Minitab Inc. 2003. All rights reserved. Rel 14 Ver 1.0 / www.minitabbrasil.com.br
EXEMPLO 16: CONSISTÊNCIA DA COR
- PARÂMETROS ESPECÍFICOS

DADOS COLETADOS

Pigmentos plásticos provenientes de diferentes fornecedores (vendedores) são usados na fabricação


das carcaças. Cinco carcaças foram selecionadas em intervalos de quatro horas em oito dias. A
data, a hora e o vendedor correspondente de cada medição de cor foram gravados.

FERRAMENTAS

z Xbar-R Chart.
Chart

ARQUIVO DE DADOS: COLOR2.MPJ

Copyright Minitab Inc. 2003. All rights reserved. Rel 14 Ver 1.0 / www.minitabbrasil.com.br
Considerações Finais

RESUMO E CONCLUSÕES

Parâmetros estimados de dados provenientes do processo estava estável → existem


evidências de que o processo encontra-se fora de controle estatístico.

Investigar mais para explicar a instabilidade do processo, e se a falta de controle é


devido às causas naturais do processo ou às causas específicas.
ficas

Copyright Minitab Inc. 2003. All rights reserved. Rel 14 Ver 1.0 / www.minitabbrasil.com.br
Considerações Finais

CONSIDERAÇÕES ADICIONAIS

• Usamos as cartas de controle para monitorar um processo;

• Fontes incomuns de variabilidade → uma carta X pode revelar as médias dos subgrupos
fora dos limites de controle;

• Investigue o processo para remover as fontes incomuns de variabilidade;

• Nem todas as causas especiais são prejudiciais ao processo;

• Estudar as possíveis mudanças no processo que possibilite a inclusão destas melhorias.

Copyright Minitab Inc. 2003. All rights reserved. Rel 14 Ver 1.0 / www.minitabbrasil.com.br
EXERCÍCIO K: ESTABILIDADE DA MEDIÇÃO DE UM
FILME FOTOGRÁFICO

PROPOSTA

Avaliar a variação do processo e a média, usando Cartas Xbar e R.

PROBLEMA

• Fábrica de filmes fotográficos;


• Uso de um transmissor decímetro para medir a densidade do filme;
• Estudo da estabilidade: 3 itens amostrais (filmes) com densidades conhecidas de 1,5; 3,0 e
3,5 para avaliar a densidade.

DADOS COLETADOS

• A cada manhã, durante 30 dias, 3 pedaços de filmes com densidades conhecidas de 1,5; 3,0 e
3,5 foram medidos 3 vezes cada;
• O decímetro foi calibrado somente no início do estudo;
• 1 operador gravou todas as medições.
Copyright Minitab Inc. 2003. All rights reserved. Rel 14 Ver 1.0 / www.minitabbrasil.com.br
EXERCÍCIO K: ESTABILIDADE DA MEDIÇÃO DE UM
FILME FOTOGRÁFICO

INSTRUÇÕES

1. Use as cartas X -R para monitorar as medições para cada filme com mais de 30 dias. Use os
valores conhecidos para as médias (Xbar-R Options, Parameters tab) para cada uma das três
densidades (1,5; 3,0 e 3,5).
2. Avaliar quanto que a medição é estável durante o período de estudo.

ARQUIVO DE DADOS: FILMDENS. MPJ

Copyright Minitab Inc. 2003. All rights reserved. Rel 14 Ver 1.0 / www.minitabbrasil.com.br
EXERCÍCIO L: APARÊNCIA DO SABONETE

PROPOSTA

Avaliar a variação do processo e a média, usando Cartas Xbar e R.

PROBLEMA

Um fabricante de sabonete está tendo problemas com a aparência do sabonete mais vendido.
Freqüentemente, o logotipo está sendo amassado quando o sabão é colocado dentro da embalagem.

Uma equipe de engenheiros foi recrutada para determinar a causa do amassado. A hipótese deles é
que a barra esteja muito grande para caber dentro das suas caixas.

A fim de teste, eles planejaram examinar quando o peso das barras é constante ao longo do tempo, e
assim eles decidiram usar cartas de controle para monitorar o peso das barras.

Para cada ciclo de máquinas, cinco diferentes formatos de barras são produzidas.
Copyright Minitab Inc. 2003. All rights reserved. Rel 14 Ver 1.0 / www.minitabbrasil.com.br
EXERCÍCIO L: APARÊNCIA DO SABONETE

DADOS COLETADOS

A equipe possui diferentes opiniões quanto à forma de coletar e subagrupar os dados. Alguns
membros do time desejam coletar cinco itens consecutivos de cada cavidade a cada hora,
enquanto os outros desejam coletar cinco barras de cada máquina no ciclo por hora. Sendo
assim, a equipe decidiu coletar os dados das duas maneiras durante este estudo exploratório.

Copyright Minitab Inc. 2003. All rights reserved. Rel 14 Ver 1.0 / www.minitabbrasil.com.br
EXERCÍCIO L: APARÊNCIA DO SABONETE

INSTRUÇÕES

1. Gere uma carta de controle apropriada para os subgrupos obtidos nos cinco moldes. (Cada ciclo
de cada máquina cria um subgrupo.) Quais as fontes de variação que são capturadas pelos
subgrupos e quais são capturadas entre os subgrupos?

2. Gere cartas de controle separadas para os subgrupos obtidos em cada molde. (As cinco partes
consecutivas coletadas a cada hora criam um subgrupo). Quais as fontes de variação que são
capturadas pelos subgrupos e quais são capturadas entre os subgrupos?

3. Comente os diferentes resultados. Crie um boxplot (com múltiplos Y) que compara os cinco
moldes. Quais são as implicações do resultado na carta de controle obtida por meio da instrução 1?

Copyright Minitab Inc. 2003. All rights reserved. Rel 14 Ver 1.0 / www.minitabbrasil.com.br
EXERCÍCIO L: APARÊNCIA DO SABONETE

ARQUIVO DE DADOS: BATHBAR.MPJ

Copyright Minitab Inc. 2003. All rights reserved. Rel 14 Ver 1.0 / www.minitabbrasil.com.br
Carta S

O QUE É A CARTA S?

É baseada no cálculo do desvio-padrão de cada subgrupo e apresentado em ordem temporal.

QUANDO USAR UMA CARTA S?

• Para comparar a variabilidade ocorrida entre os subgrupos de dados ao longo do tempo.

• As cartas S são usadas para averiguar a variabilidade de processos com amostras com mais de 10
itens;
AIAG → sugere o uso da carta S ao invés da carta R para subgrupos maiores que 9.

Copyright Minitab Inc. 2003. All rights reserved. Rel 14 Ver 1.0 / www.minitabbrasil.com.br
Carta S

POR QUE USAR UMA CARTA S?

Detectar quando a variabilidade do processo muda de acordo com o tempo.

Usaremos a carta S para responder questões, tais como:


z A variação do processo se mantém estável durante todo o tempo?
z São os diferentes tipos de matéria-prima que estão causando mudança de variabilidade no
processo?

Por exemplo, a carta S pode detectar:


z Quando a variação na força dos itens colados aumenta devido ao fato do aplicador de cola
ter injetado quantidades diferentes de cola devido a obstruções intermitentes.

Copyright Minitab Inc. 2003. All rights reserved. Rel 14 Ver 1.0 / www.minitabbrasil.com.br
EXEMPLO 17: O ENCOLHIMENTO NO PROCESSO
DE MOLDAGEM POR INJEÇÃO

PROPOSTA

Avaliar a variação do processo, a média e as melhorias observadas no mesmo, usando carta Xbar e S.

PROBLEMA

Expto: encolhimento excessivo de itens fabricados pelo processo de moldagem por injeção.
Um encolhimento médio de 5% é considerado inaceitável. vel
O processo também está apresentando uma variabilidade superior do que a desejada.
desejada

Estudo no design → investigar os fatores que podem afetar o encolhimento dos itens obtidos pelo
resultado a temperatura do molde for reduzida.
processo de injeção. Baseado no resultado, reduzida

Após a redução:
⇒ A modificação reduzirá o encolhimento.

Copyright Minitab Inc. 2003. All rights reserved. Rel 14 Ver 1.0 / www.minitabbrasil.com.br
EXEMPLO 17: O ENCOLHIMENTO NO PROCESSO
DE MOLDAGEM POR INJEÇÃO

DADOS COLETADOS

• Dados do encolhimento: subgrupos de tamanho 10 a cada 8 horas.


Benchmark dados iniciais;
o Benchmark:
Temperature dados do processo após a primeira mudança;
o Reduce Temperature:
Modification dados do processo após a segunda mudança.
o Molding Tool Modification:

FERRAMENTAS

z XBar-S Chart.

ARQUIVO DE DADOS: IMPROVE.MPJ

Copyright Minitab Inc. 2003. All rights reserved. Rel 14 Ver 1.0 / www.minitabbrasil.com.br
Considerações finais

RESUMO E CONCLUSÕES

• Os ajustes no processo reduziram a variação e a média do encolhimento do processo de injeção.


• Para acessar o processo antes de uma mudança, recalculamos os limites de controle sempre que a
mudança é feita.

CONSIDERAÇÕES ADICIONAIS

• Devemos recalcular os limites de controle quando o processo passar por uma mudança.
• Calculando os limites de controle por estágios, por exemplo, antes e depois de uma mudança,
podemos verificar a efetividade da mesma mudança no processo.

Copyright Minitab Inc. 2003. All rights reserved. Rel 14 Ver 1.0 / www.minitabbrasil.com.br
EXERCÍCIO M: ÍNDICE DE REFRAÇÃO EM UM
CABO DE FIBRA ÓTICA

PROPOSTA

Avaliar a variação do processo, a média e as melhorias observadas no mesmo, usando cartas Xbar e S.

PROBLEMA

• Fibra ótica,
tica usados para conexões de Internet de alta velocidade;
velocidade
• Não são suscetíveis a interferência de rádio e podem suportar uma grande quantidade de dados por
segundo;
• O que é: núcleo de vidro fino com um revestimento que tenha um baixo índice de refração;
• O índice de refração afeta a velocidade na qual os dados podem ser transmitidos via cabo;
• A companhia mudou o material que reveste o cabo na tentativa de diminuir o índice de refração.

DADOS COLETADOS

Amostra:
Amostra subgrupos de tamanho 12 a cada 6 horas;
2° coluna: dados do processo original ou do processo modificado.
modificado

Copyright Minitab Inc. 2003. All rights reserved. Rel 14 Ver 1.0 / www.minitabbrasil.com.br
EXERCÍCIO M: ÍNDICE DE REFRAÇÃO EM UM
CABO DE FIBRA ÓTICA

INSTRUÇÕES

1. Crie uma série de cartas de controle para verificar se realmente houve melhoria no processo.
Você deve usar uma carta R ou S para monitorar a variabilidade do processo? Você precisa
recalcular os limites de controle?
2. Comete os resultados obtidos.

ARQUIVO DE DADOS: REFRINDX.MPJ

Copyright Minitab Inc. 2003. All rights reserved. Rel 14 Ver 1.0 / www.minitabbrasil.com.br
Selecionando uma carta para dados individuais

Copyright Minitab Inc. 2003. All rights reserved. Rel 14 Ver 1.0 / www.minitabbrasil.com.br
Amplitude Móvel

O QUE É UMA CARTA DE CONTROLE COM AMPLITUDE MÓVEL?

• Monitorar e detectar as mudanças na variação do processo;


processo

• Dados são coletados como medições individuais ao invés de serem coletadas em subgrupos.

QUANDO USAR A CARTA DE CONTROLE COM AMPLITUDES MÓVEIS?

Acessaremos a variação via carta MR quando nenhum subgrupo for maior que um.
Usaremos a carta MR para avaliar estabilidade quando:
z Em testes destrutivos;
z Quando é necessário um longo tempo de ciclo para produção;
z Cada amostra representa um lote diferente;
z As saídas são contínuas e homogêneas.

Copyright Minitab Inc. 2003. All rights reserved. Rel 14 Ver 1.0 / www.minitabbrasil.com.br
Amplitude Móvel

POR QUE USAR A CARTA DE CONTROLE COM AMPLITUDE MÓVEL?

Para responder as seguintes perguntas:


z A variação do processo está sob controle estatístico?
z A variação do processo se mantém a mesma entre os itens, individualmente?

Por exemplo:
z A variabilidade do pH para um sabão líquido se mantém a mesma durante todo o processo?
z A variabilidade do peso do processo de empacotamento é estável durante todos os dias?

Copyright Minitab Inc. 2003. All rights reserved. Rel 14 Ver 1.0 / www.minitabbrasil.com.br
Carta de Controle para dados individuais

O QUE É UMA CARTA DE CONTROLE PARA DADOS INDIVIDUAIS?

• Plota os pontos individualmente;

• Determinar quando a média do processo está sob controle estatístico e quando dados
individuais são coletados, ao invés dos subgrupos de dados.

QUANDO USAR UMA CARTA INDIVIDUAL?

Quando nenhum subgrupo for maior que 1.

Usaremos a carta I para avaliar o controle do processo quando:


z Em um teste destrutivo;
z Quando é neessário um longo tempo de ciclo para produção;
z Cada amostra representa um lote diferente;
z As saídas são contínuas e homogêneas.
Copyright Minitab Inc. 2003. All rights reserved. Rel 14 Ver 1.0 / www.minitabbrasil.com.br
Carta de Controle para dados individuais

POR QUE USAR UMA CARTA INDIVIDUAL?

A Carta I pode ser usada para responder as seguintes perguntas:


z A variação do processo está sob controle estatístico?
z A variação do processo se mantém a mesma entre os itens, individualmente?

Por exemplo:
z A variabilidade do pH para um sabão líquido se mantém a mesma durante todo o processo?
z A variabilidade do peso do processo de empacotamento é estável durante todos os dias?

Copyright Minitab Inc. 2003. All rights reserved. Rel 14 Ver 1.0 / www.minitabbrasil.com.br
Avaliando a variação do processo

TESTES

Por default, o Minitab testará quando um ponto plotado estiver além de 3 desvios-padrão da linha
central.

z PONTO FORA DOS LIMITES DE CONTROLE: 1 ponto além de 3 desvios-padrão da linha


central, o que testa se a média do alcance dos valores está alta ou baixa;
z DESLOCAMENTO DA LINHA MÉDIA: 9 pontos consecutivos no mesmo lado da linha central,
que testa se uma série de valores consecutivos são maiores ou menores que a média;
z TENDÊNCIA: 6 pontos consecutivos, todos crescendo ou decrescendo, o que testa um
crescimento ou decrescimento sistemático dos valores amostrais;

Copyright Minitab Inc. 2003. All rights reserved. Rel 14 Ver 1.0 / www.minitabbrasil.com.br
Avaliando a variação do processo

z PERIODICIDADE: 14 pontos consecutivos, alternados em cima e em baixo, o que testa as


oscilações não aleatórias nos valores amostrais.
z APROXIMAÇÃO DOS LIMITES DE CONTROLE: 2 de 3 pontos consecutivos entre 2 e 3
desvios-padrão do mesmo lado da linha média;
z DESLOCAMENTO ACENTUADO DA MÉDIA: 4 de 5 pontos consecutivos (do mesmo lado)
além de um desvio-padrão da linha média;
z APROXIMAÇÃO DA LINHA MÉDIA: 15 pontos consecutivos (em ambos os lados) no limite
de um desvio-padrão da linha média;
z DISTANCIAMENTO DA LINHA MÉDIA: 8 pontos consecutivos (em ambos os lados) além de
um desvio-padrão da linha média.

Copyright Minitab Inc. 2003. All rights reserved. Rel 14 Ver 1.0 / www.minitabbrasil.com.br
EXEMPLO 18: PESO DO SORVETE

PROPOSTA

Usar uma carta I-MR para avaliar a média do processo.

PROBLEMA

• Avaliar a consistência do peso do sorvete Peachy Paterno;


• Sorvetes embalados em containers de meio galão;
• Objetivo: pesar 1150 gramas com desvio-padrão de 8,6 gramas.

Copyright Minitab Inc. 2003. All rights reserved. Rel 14 Ver 1.0 / www.minitabbrasil.com.br
EXEMPLO 18: PESO DO SORVETE

DADOS COLETADOS

• O peso de cada container foi gravado durante o dia de trabalho.

FERRAMENTAS

z I-MR Chart.

ARQUIVO DE DADOS: ICECREAM.MPJ

Variável Descrição
Fill Weight Peso do container com sorvete
Date/Time Data e hora que cada container foi cheio

Copyright Minitab Inc. 2003. All rights reserved. Rel 14 Ver 1.0 / www.minitabbrasil.com.br
Considerações finais

RESUMO E CONCLUSÕES

Devemos investigar porque a média foi superior a de um dia comum. Por exemplo, se foi devido a
eventos especiais para agradar certos clientes, ou se foi um motivo constante.

CONSIDERAÇÕES ADICIONAIS
Podemos usar uma carta histórica I para a melhoria do processo.
Quando traçamos uma carta I, devemos nos lembrar que:
z Se pequenas mudanças na média forem o interesse, use uma carta CUSUM ou EWMA;
z Limites de controle são baseados em um alcance móvel, quando o desvio-padrão não é
especificado. Se os dados são de um único lote, a carta pode subestimar o processo de
variabilidade durante o tempo.

Copyright Minitab Inc. 2003. All rights reserved. Rel 14 Ver 1.0 / www.minitabbrasil.com.br
EXERCÍCIO N: DIÂMETRO DO TRINCO DA PORTA

PROPOSTA

Usar uma carta I-MR com um pequeno processo de mudança.

PROBLEMA

• Em uma fábrica de trinco de portas, o diâmetro dos furos é um processo automatizado;


• Detectar se a média do diâmetro não está se deslocando do alvo desejado de 5mm;
• Mesmo as pequenas mudanças na média do processo são conhecidas como causa de perda de
material e taxas de retrabalho.
• O desvio-padrão do diâmetro do orifício é de 0,01mm.

DADOS COLETADOS

Mediram 30 trancas de portas consecutivas e decidiram controlar os dados graficamente para


procurar por evidências de uma condição não centralizada.

Copyright Minitab Inc. 2003. All rights reserved. Rel 14 Ver 1.0 / www.minitabbrasil.com.br
EXERCÍCIO N: DIÂMETRO DO TRINCO DA PORTA

INSTRUÇÕES

1. Crie uma carta I-MR para acessar o comportamento do processo. Use o valor alvo médio igual a 5 e
um desvio-padrão histórico, conforme indicado abaixo (I-MR Options).
2. Crie um gráfico CUSUM (Stat > Control Charts > Time-weighted Chart > CUSUM). Use um
subgrupo de tamanho 1 e o valor do alvo médio de 5. Entre com o desvio-padrão de 0,01mm,
clicando em CUSUM Options.
3. Avalie habilidade da carta de detectar pequenas mudanças no processo.

ARQUIVOS DE DADOS: LATCH.MPJ

Copyright Minitab Inc. 2003. All rights reserved. Rel 14 Ver 1.0 / www.minitabbrasil.com.br
Cartas de controle: Dados de atributos

OBJETIVOS

z Selecionar uma carta de controle apropriada quando tivermos dados


de atributos;
atributos
z Monitorar o controle do processo, usando cartas P, U e C;C
CAPÍTULO

z Determinar quando uma causa especial de variabilidade ocorreu.

Copyright Minitab Inc. 2003. All rights reserved. Rel 14 Ver 1.0 / www.minitabbrasil.com.br
Dados de atributos

O QUE SÃO DADOS DE ATRIBUTOS?

Dados de atributos:
atributos descrevem características de qualidade que são difíceis de serem quantificadas ou
medidas como variáveis contínuas.
Exemplos:
Exemplos n° de rachaduras na parte de cerâmica, a presença de qualquer imperfeição na superfície
pintada ou a ausência ou presença de um determinado componente. Os termos seguintes podem ser
usados para descrever dados deste tipo:

z Unidade não-adaptável: Quando um produto falha ao não atingir as necessidades devido a


presença de alguma não-conforme, a unidade é considerada uma unidade não-adaptável. Os
dados só podem assumir dois valores possíveis, como perfeito/defeituoso, aprovado/não-
aprovado e presente/ausente. São provenientes de uma distribuição Binomial.
z Não-conforme (também chamada de defeito): A falha está em uma única unidade. Por
exemplo, um item do vestuário pode apresentar descolorações indevidas, faltas de botões ou
imperfeições na costura. Em muitos casos, podem existir mais de uma não-conformidade em
uma única unidade. Os dados coletados são contados e em geral são provenientes da
distribuição Poisson.
Poisson

Copyright Minitab Inc. 2003. All rights reserved. Rel 14 Ver 1.0 / www.minitabbrasil.com.br
Dados de atributos

QUANDO USAR DADOS DE ATRIBUTOS?

Acessar variáveis que não podem ser medidas em uma escala contínua. Características de qualidade
são definidas como perfeito/defeituoso ou a contagem de não-conformidades são exemplos comuns
de dados de atributos.

POR QUE USAR DADOS DE ATRIBUTOS?

Usando as cartas de controle de atributos, podemos responder as seguintes perguntas:


z O n° ou a porcentagem de unidades não-conformes é estável no decorrer da produção?
z O n° ou a taxa de itens não-conformes aumenta com a continuidade do processo?

Copyright Minitab Inc. 2003. All rights reserved. Rel 14 Ver 1.0 / www.minitabbrasil.com.br
Cartas para Atributos vs. Cartas Contínuas

As cartas de atributos são apropriadas e úteis quando:

z Características qualitativas devem ser consideradas. Por exemplo: a presença ou ausência de


um defeito ou o n° de defeitos observados por unidade;

z A presença ou ausência de vários tipos de defeitos deve ser considerada. Por exemplo:
podemos colocar em uma carta quantos arranhões, bolhas ou manchas estão presentes em
cada unidade inspecionada;

z Dados não podem ser plotados em uma escala contínua.

Copyright Minitab Inc. 2003. All rights reserved. Rel 14 Ver 1.0 / www.minitabbrasil.com.br
Cartas para Atributos vs. Cartas Contínuas

Em alguns momentos, pode ser mais conveniente coletar dados contínuos ao invés coletar
dados de atributos,
atributos considerando que:

z Os dados de atributos informam menos sobre a distribuição dos dados.


dados Já os dados
contínuos contêm informações adicionais sobre o centro e a extensão da distribuição;

z Cartas de atributos requerem amostras maiores do que as cartas contínuas para


fornecer o mesmo nível de sensibilidade;

z Cartas de atributos não são úteis quando desejamos detectar pequenas mudanças no
processo.

Copyright Minitab Inc. 2003. All rights reserved. Rel 14 Ver 1.0 / www.minitabbrasil.com.br
Selecionando uma carta de controle de atributo

Copyright Minitab Inc. 2003. All rights reserved. Rel 14 Ver 1.0 / www.minitabbrasil.com.br
Distribuição Binomial

O QUE UMA DISTRIBUIÇÃO BINOMIAL?

A Distribuição Binomial está associada aos dados de atributos que podem assumir apenas duas
condições genericamente denominadas de sucesso/falha,
sucesso/falha caracterizando os itens não-conformes.

SUPOSIÇÕES

Para que a Distribuição Binomial seja apropriada, as seguintes suposições devem ser verificadas:
z Cada item é submetido a condições idênticas, sendo assim, a probabilidade de sucesso (ou
falha) é constante (a mesma) em todos os itens;
z Cada item pode apresentar somente uma das duas possibilidades de resposta (perfeito ou
defeituoso, aprovado ou reprovado, sucesso ou falha);
z Os itens são independentes,
independentes ou seja, o resultado apresentado em um deles não interfere no
resultado dos demais itens.

Copyright Minitab Inc. 2003. All rights reserved. Rel 14 Ver 1.0 / www.minitabbrasil.com.br
Distribuição Binomial

QUAL CARTA DE CONTROLE DEVE SER ADOTADA PARA DADOS COM DISTRIBUIÇÃO BINOMIAL?

Para acessar o controle estatístico processo, usaremos as seguintes linhas para determinar qual a
carta de controle de atributos devemos usar:

Copyright Minitab Inc. 2003. All rights reserved. Rel 14 Ver 1.0 / www.minitabbrasil.com.br
Distribuição Binomial

POR QUE USAR A DISTRIBUIÇÃO BINOMIAL?

A Distribuição Binomial é o modelo mais apropriado de ser adotado quando a suposições do


modelo são mantidas. Exemplos de dados que seguem uma distribuição binomial incluem:

z Se uma entrega chega mais cedo ou com atraso;


z Se uma semente germina ou não;
z Se uma garrafa de suco apresenta vazamentos ou não;
z Se um carregamento foi efetuado corretamente ou não.

Copyright Minitab Inc. 2003. All rights reserved. Rel 14 Ver 1.0 / www.minitabbrasil.com.br
Carta P

O QUE É A CARTA P?

Uma carta P monitora a proporção de unidades não-conformes durante um processo.


processo
Para criar este carta, cada unidade é declarada como conforme ou não-conforme.
A proporção (P) de unidades não-conformes observadas em cada subgrupo corresponde ao valor
que será plotado na carta.

Para cada subgrupo, a proporção de itens não-conformes (P) é calculado como:

nº itens ñ conformes
P=
tamanho do subgrupo

Copyright Minitab Inc. 2003. All rights reserved. Rel 14 Ver 1.0 / www.minitabbrasil.com.br
Carta P

QUANDO USAR UMA CARTA P?

Quando estivermos inspecionando a variação das unidades não-conformes.

Se o tamanho do subgrupo for constante, usaremos uma carta P ou NP. Uma carta NP mostrará o
n° total de itens não-conformes.

POR QUE USAR UMA CARTA P?

stico A carta P
Usaremos a carta P para verificar se um processo está ou não sob controle estatístico.
pode ser usada para responder perguntas,
perguntas tais como:

z A proporção de clientes insatisfeitos muda ao longo do tempo?


z O percentual de lâmpadas defeituosas varia de tempos em tempos?
z A taxa de defeito em placas de circuitos é constante ao longo do processo?

Copyright Minitab Inc. 2003. All rights reserved. Rel 14 Ver 1.0 / www.minitabbrasil.com.br
EXEMPLO 19: TAXAS DE NÃO-CONFORMES DO
ANEL DE PISTÃO

PROPOSTA

Usar a carta P para avaliar o controle do processo.

PROBLEMA

• Fábrica de anéis de pistão;


• N°de anéis não-conformes produzidos a cada dia;
• Reduzir a proporção de anéis defeituosos - ↑ taxa de defeitos ↓ desempenho da qualidade.

DADOS COLETADOS

A cada dia, todo anel de pistão fabricado é inspecionado e o n° total de anéis não-conformes é
registrado.

O anel de pistão é classificado como:


z Sucesso:
Sucesso se atingir as especificações;
z Falha:
Falha se não atingir as especificações.
Copyright Minitab Inc. 2003. All rights reserved. Rel 14 Ver 1.0 / www.minitabbrasil.com.br
EXEMPLO 19: TAXAS DE NÃO-CONFORMES DO
ANEL DE PISTÃO

FERRAMENTAS

z P Chart.
Chart

ARQUIVO DE DADOS: PISTON.MPJ

Copyright Minitab Inc. 2003. All rights reserved. Rel 14 Ver 1.0 / www.minitabbrasil.com.br
Considerações finais

RESUMO E CONCLUSÕES

Aproximadamente 8,2% dos anéis de pistão são não-conformes, o que é inaceitável para a equipe
de qualidade.

Devemos conduzir uma análise mais profunda procurando reduzir a proporção de itens defeituosos
ou não-conformes e usando ferramentas para melhoria da qualidade contínua.

Copyright Minitab Inc. 2003. All rights reserved. Rel 14 Ver 1.0 / www.minitabbrasil.com.br
Considerações finais

CONSIDERAÇÕES ADICIONAIS

• Usaremos a carta P para acessar o controle do processo quando inspecionarmos as unidades


não-conformes e os vários tamanhos de subgrupos;
• Sob controle não significa que as unidades estão conformes ou dentro das especificações do
cliente, mas somente que o processo opera de forma consistente.

• Quando os pontos dos dados superarem o UCL, investigaremos o processo a fim de descobrir o
que causa defeitos adicionais;
• Quando os pontos dos dados estiverem abaixo do LCL, também investigaremos o que causa a
redução dos defeitos;
• Erros de medição também devem ser considerados como causas potenciais de erro.

Copyright Minitab Inc. 2003. All rights reserved. Rel 14 Ver 1.0 / www.minitabbrasil.com.br
EXERCÍCIO O: INSPECIONAMENTO DOS
CONJUNTOS DE ENGRENAGENS

PROPOSTA

Usar a carta P para avaliar o controle do processo.

PROBLEMA

A cada manhã, o supervisor de uma linha de produção de conjuntos de engrenagem revê os números
da produção do dia anterior. Se a porcentagem de engrenagens defeituosas for maior do que a meta
de 14%, todo o departamento entre em estado de alerta vermelho. Neste caso, uma equipe de
engenheiros e um grupo de líderes passam o dia tentando reduzir o nível de defeito, promovendo,
assim, a melhoria do processo.

Um engenheiro recentemente treinado em Controle Estatístico de Processos (CEP), convenceu o


supervisor a coletar dados para análise, mas não a agir neste período, para que eles possam observar
as variações aleatórias do processo.

Copyright Minitab Inc. 2003. All rights reserved. Rel 14 Ver 1.0 / www.minitabbrasil.com.br
EXERCÍCIO O: INSPECIONAMENTO DOS
CONJUNTOS DE ENGRENAGENS

DADOS COLETADOS

Inspetores anotaram o número de engrenagens inspecionadas e rejeitadas a cada dia, durante um


período de dois meses.

INSTRUÇÕES

1. Para acessar o comportamento do processo durante o tempo, crie uma carta P para a proporção de
itens defeituosos. Coloque o tempo o eixo-x separado por dias (subgrupos). Calcule os limites de
controle usando a média das engrenagens inspecionadas por dia, caso seja apropriado.
2. O que é o nível médio de defeitos (não-conformes) observados a cada dia? O processo é capaz de
atingir a meta da companhia?
3. O quão efetivo o alerta vermelho é na redução do nível de itens não-conformes? Olhando na carta
P, você tem alguma oportunidade de aprender mais sobre o processo?

Copyright Minitab Inc. 2003. All rights reserved. Rel 14 Ver 1.0 / www.minitabbrasil.com.br
EXERCÍCIO O: INSPECIONAMENTO DOS
CONJUNTOS DE ENGRENAGENS

ARQUIVO DE DADOS: ASSEMBLY.MPJ

Copyright Minitab Inc. 2003. All rights reserved. Rel 14 Ver 1.0 / www.minitabbrasil.com.br
Distribuição de Poisson

O QUE É A DISTRIBUIÇÃO POISSON?

• Caracteriza dados contáveis,


veis como o n° de itens não-conformes observados;
• Uma não-conformidade descreve a falha em um único item;
item
• Cada item pode ter uma ou mais não-conformidades.
conformidades

SUPOSIÇÕES

z A contagem caracteriza um evento discreto;


discreto
z Eventos discretos ocorrem em áreas de oportunidade especificas;
especificas
z Eventos são independentes;
z A ocorrência do evento é proporcional à dimensão da oportunidade;
z Eventos são raros.
raros

Copyright Minitab Inc. 2003. All rights reserved. Rel 14 Ver 1.0 / www.minitabbrasil.com.br
Distribuição de Poisson

POR QUE USAR A DISTRIBUIÇÃO POISSON?

A distribuição Poisson é o modelo apropriado se as suposições forem verificadas. Exemplos de dados


que seguem a distribuição Poisson incluem:
z O n° de problemas relatados de não-conformes em uma placa de circuito;

z O n° de danificações em uma superfície de madeira;

z O n° de quedas de um pára-brisas.

Copyright Minitab Inc. 2003. All rights reserved. Rel 14 Ver 1.0 / www.minitabbrasil.com.br
Carta U

O QUE É UMA CARTA U?

• Monitora a média de itens não-conformes observados em um subgrupo.


• Para criar esta carta, cada item amostral é inspecionado e o número de itens não-conformes é
anotado.
• A média de não-conformidades por item (unidade - U) em cada subgrupo é plotada na carta.

Para cada subgrupo, U é calculado como:

nº de ñ conformidades
u=
tamanho do subgrupo

Copyright Minitab Inc. 2003. All rights reserved. Rel 14 Ver 1.0 / www.minitabbrasil.com.br
Carta U

QUANDO USAR A CARTA U?

Usaremos a carta U quando estivermos inspecionados o número de itens não-conformidades e o


tamanho do grupo estiver variando.
variando

constante usaremos a carta U ou C,C que plota o número de não-


Se o tamanho do subgrupo for constante,
conformidades.

Copyright Minitab Inc. 2003. All rights reserved. Rel 14 Ver 1.0 / www.minitabbrasil.com.br
Carta U

POR QUE USAR A CARTA U?

Responder perguntas, tais como:

z O papel de parede é fabricado em um processo sob controle estatístico quanto ao


número de defeitos?
z O número de reclamações relatadas para um serviço particular muda de acordo com o
período do ano?
z O número de bolhas em um pára-brisas se mantém sob controle estatístico durante todo
o processo de produção?

Copyright Minitab Inc. 2003. All rights reserved. Rel 14 Ver 1.0 / www.minitabbrasil.com.br
EXEMPLO 20: DEFEITOS NOS MÓVEIS

PROPOSTA

Usar a carta U para avaliar o controle do processo.

PROBLEMA

• Fabricante de móveis;
veis
• Reclamações do consumidor → problemas na superfície, cie incluindo: cor, arranhões, amassados,
fissuras e problemas nas finalizações das mesas de madeira.

DADOS COLETADOS

• Cada mesa foi checada para as não-conformidades indicadas acima.


• O n° de superfícies danificadas e o n° de peças inspecionadas foram
anotados durante 3 semanas.
Copyright Minitab Inc. 2003. All rights reserved. Rel 14 Ver 1.0 / www.minitabbrasil.com.br
EXEMPLO 20: DEFEITOS NOS MÓVEIS

FERRAMENTAS

z U Chart.
Chart

ARQUIVO DE DADOS: FURNITURE.MPJ

Copyright Minitab Inc. 2003. All rights reserved. Rel 14 Ver 1.0 / www.minitabbrasil.com.br
Considerações finais

RESUMO E CONCLUSÃO

O processo não aparenta estar sob controle estatístico, visto o ponto que foi observado além do
limite superior de controle.

Devemos investigar as prováveis causas de variação, tomando ações corretivas a fim de prevenir
esse tipo de ocorrência.

Devemos investigar porque a taxa de defeituosos é de 5%, em média, investigando a melhor forma
de melhorar o processo.

CONSIDERAÇÕES ADICIONAIS

Usaremos a carta U para acessar o controle do processo quando inspecionarmos as não-


conformidades em subgrupos de vários tamanhos.

Pode ser útil criar um diagrama de Pareto dos defeitos para ver qual tipo
deles é mais freqüênte.
Copyright Minitab Inc. 2003. All rights reserved. Rel 14 Ver 1.0 / www.minitabbrasil.com.br
Carta C

O QUE É A CARTA C?

Monitora o número de não-conformidades observadas em um determinado processo;

O inspetor analisa cada subgrupo e grava o número de não-conformidades observadas ,


plotando-as na carta.

Para cada subgrupo, C é definido como sendo:

c= número de não-conformes no subgrupo

Copyright Minitab Inc. 2003. All rights reserved. Rel 14 Ver 1.0 / www.minitabbrasil.com.br
Carta C

QUANDO USAR UMA CARTA C?

Usaremos a carta C quando inspecionarmos o número de não-conformidades e o tamanho do


subgrupo for constante.

Se o tamanho do subgrupo variar usaremos a carta U,


U que mostra a média de não-
conformidades observadas em cada unidade.

A carta C faz uso da distribuição de Poisson, logo, as suposições relacionadas à construção da


carta são as mesmas relacionadas à distribuição.

Copyright Minitab Inc. 2003. All rights reserved. Rel 14 Ver 1.0 / www.minitabbrasil.com.br
Carta C

POR QUE USAR UMA CARTA C?

Usaremos a carta de controle C quando o processo estiver sob controle estatístico.


A carta C pode ser usada para responder perguntas, tais como:

z O número de não-conformidades em um microchip é estável?


z O número de falhas em uma linha de produção se mantém estável ao longo de toda a
produção?
z O processo de fabricação de vidro mantém o número de bolhas de ar sob controle
estatístico?

Copyright Minitab Inc. 2003. All rights reserved. Rel 14 Ver 1.0 / www.minitabbrasil.com.br
EXEMPLO 21: QUALIDADE DOS CARTÕES DE VISITAS

PROPOSTA

Usar a carta P para avaliar o controle do processo e calcular os limites de controle, usando estágios
para avaliar o sucesso das melhorias.

PROBLEMA

• Fabricante de cartões de visitas;


• Controle de qualidade: diminuir o número de não-conformidades encontradas nos cartões;
• Antes, o processo estava sob controle estatístico;
• Comparou-se o desempenho do processo antes e depois da implementação;
• Inspecionou-se: presença de manchas, alinhamento, homogeneidade na cor da impressão e
presença de rugas.

DADOS COLETADOS

A cada dia (subgrupo), 250 cartões foram aleatoriamente selecionados;


Inspecionou-se o cartão → data e n° não-conformidades.
Copyright Minitab Inc. 2003. All rights reserved. Rel 14 Ver 1.0 / www.minitabbrasil.com.br
EXEMPLO 21: QUALIDADE DOS CARTÕES DE VISITAS

FERRAMENTAS

z C Chart.
Chart

ARQUIVO DE DADOS: CARDS.MPJ

Copyright Minitab Inc. 2003. All rights reserved. Rel 14 Ver 1.0 / www.minitabbrasil.com.br
Considerações finais

RESUMO E CONCLUSÃO

O processo de fabricação de cartões apresentou-se sob controle estatístico antes e depois do


processo de melhoria ser implementado.

A carta de controle indica que a iniciativa aparentemente reduziu o número médio de não-
conformidades.

CONSIDERAÇÕES ADICIONAIS

Usaremos a carta C sempre que acessarmos o controle do processo, quando inspecionarmos o


número de não-conformidades observadas e o tamanho do subgrupo for constante. Lembremo-nos
de que se o processo estiver sob controle não significa que as não-conformidades não existam ou
estejam dentro do valor médio desejado, mas somente que o processo opera de uma maneira
consistente e constante.

A criação de um diagrama de Pareto pode ser útil para verificar qual dos
defeitos ocorre com maior freqüência.
Copyright Minitab Inc. 2003. All rights reserved. Rel 14 Ver 1.0 / www.minitabbrasil.com.br