Escolar Documentos
Profissional Documentos
Cultura Documentos
CONTROLE ESTATÍSTICO
DE PROCESSO
- 2018 -
1ª edição 1998
CEP CEC UCP
Sumário
FIGURAS ................................................................................................................................................. 4
TABELAS ................................................................................................................................................. 5
1 INTRODUÇÃO ...................................................................................................................................... 6
1.1. UM POUCO DE HISTÓRIA........................................................................................................ 6
1.2. NORMAS DA QUALIDADE ....................................................................................................... 7
1.3. O CICLO DA QUALIDADE ......................................................................................................... 7
1.4. A ESTATÍSTICA E A ISO 9000 ................................................................................................... 7
1.5. DEFINIÇÕES DE C.E.Q .............................................................................................................. 8
1.6. FERRAMENTAS DE C.E.Q. ........................................................................................................ 8
2 ALGUNS CONCEITOS FUNDAMENTAIS DA ESTATÍSTICA ...................................................................... 9
2.1. MÉTODOS DE SUMARIZAÇÃO DE DADOS ............................................................................... 9
2.2. DISTRIBUIÇÃO DE FREQUÊNCIAS ............................................................................................ 9
2.3. GRÁFICOS DE DISTRIBUIÇÃO DE FREQUÊNCIA. .................................................................... 11
2.4. MEDIDAS DA MÉDIA E DISPERSÃO ....................................................................................... 12
2.5. A CURVA NORMAL ................................................................................................................ 12
2.6. LIMITES DE CONTROLE E ESPECIFICAÇÕES ........................................................................... 14
2.7. INTERPRETAÇÃO DE DADOS ................................................................................................. 16
2.7.1 Identificação de anormalidades no processo ................................................................... 16
2.7.2 Comparação do histograma com as especificações ou padrões ....................................... 16
2.7.3 Identificação e segregação dos fatores contribuintes ...................................................... 17
3 GRÁFICOS DE CONTROLE................................................................................................................... 22
3.1. O PROCESSO SOB CONTROLE ............................................................................................... 22
3.2. ESQUEMA GERAL DOS GRÁFICOS DE CONTROLE ................................................................. 22
3.3. DUAS FINALIDADES DOS GRÁFICOS DE CONTROLE .............................................................. 23
3.4. TIPOS DE VARIAÇÕES ............................................................................................................ 24
3.4.1. Variações aleatórias...................................................................................................... 24
3.4.2. Variações causais .......................................................................................................... 24
3.5. TIPOS DE GRÁFICOS DE CONTROLE ...................................................................................... 24
3.6. FORMAÇÃO DE SUBGRUPOS RACIONAIS.............................................................................. 24
3.7. ESCOLHA DO TAMANHO DA AMOSTRA ................................................................................ 25
4 CONTROLE DE VARIÁVEIS .................................................................................................................. 26
4.1. LIMITES DE CONTROLE NO SISTEMA NORTE-AMERICANO ................................................... 26
4.2. GRÁFICOS DA MÉDIA ............................................................................................................ 26
4.2.1. Gráfico da média quando a norma é conhecida ........................................................... 26
4.2.2. Gráfico da média para e desconhecidos. .............................................................. 27
4.2.3. Resumo ......................................................................................................................... 28
4.2.4. Interpretação do gráfico da média ............................................................................... 28
4.2.5. Exemplos: ..................................................................................................................... 29
4.3 GRÁFICOS DO DESVIO-PADRÃO ............................................................................................ 31
4.4 GRÁFICO DA AMPLITUDE...................................................................................................... 33
4.5. SISTEMA INGLÊS DE CONTROLE............................................................................................ 35
5 CONTROLE DE ATRIBUTOS ................................................................................................................ 38
5.1. CONDIÇÕES PARA O CONTROLE DE ATRIBUTOS................................................................... 38
5.2. GRÁFICO DA FRAÇÃO DEFEITUOSA ...................................................................................... 38
5.3. GRÁFICO DO NÚMERO TOTAL DE DEFEITUOSOS.................................................................. 40
5.4. GRÁFICO DE DEFEITOS POR UNIDADE .................................................................................. 40
5.5. GRÁFICO DO NÚMERO DE DEFEITOS NA AMOSTRA ............................................................. 42
6 ANÁLISE DOS GRÁFICOS DE CONTROLE............................................................................................. 44
6.1. CAPACIDADE DO PROCESSO ................................................................................................. 44
6.2. ÍNDICE DE CAPACIDADE DE PROCESSO - I.C.P. ..................................................................... 48
Agradecimento
A Ana Paula Moratelli pela dedicação e empenho na execução desta apostila.
FIGURAS
TABELAS
1 INTRODUÇÃO
Outras falhas da norma de inspeção por amostragem foram demonstradas pela indústria
eletrônica japonesa, face a baixíssima quantidade de defeitos que não são detectados pelas tabelas
em percentual das normas, pois os defeitos são contados em número de defeitos por milhões de peças
produzidas. Podendo responsabilizar, entre outros, por este “milagre”. Ishikawa introdutor do gráfico
“espinha de peixe” e impulsionador dos CCQ (círculos de controle da qualidade).
No Brasil podemos citar o professor José Ribeiro da Costa que introduziu a garantia da
qualidade na indústria nuclear brasileira, professora Paula Leite introdutor dos ensaios não destrutivos
e professor Jeremias Alves de Alencar introdutor da garantia de qualidade no setor de fabricação e
revisão de motores aeronáuticos.
1.2. NORMAS DA QUALIDADE
MIL-Q-9858 - Norma militar americana sobre garantia da qualidade.
ISO 9000 - Normas de gestão da qualidade, garantia da qualidade e diretriz de seleção e uso.
Segundo a ISO 9001 os requisitos de um sistema da qualidade são: responsabilidade da direção,
sistema da qualidade, análise dos contratos, controle do projeto, controle dos documentos, das
compras, identificação dos produtos, controle de processo, inspeção e ensaios, controle dos
equipamentos, status das inspeções e ensaios, controle de produtos não - conformes, ações corretivas,
manuseio, armazenagem, acondicionamento e entrega, registro da qualidade, auditorias da qualidade,
treinamento, manutenção e técnicas estatísticas.
Portanto, percebe-se que o controle da qualidade é um sistema amplo e complexo que
abrange todos os aspectos de uma empresa em um esforço que deve ser comum e cooperativo, tendo
em vista, estabelecer, adequar e assegurar a qualidade da produção em níveis econômicos para
satisfazer os desejos dos consumidores.
1.3. O CICLO DA QUALIDADE
Ciclo da qualidade é o conceito que inter-relaciona as fases da vida de um produto, definido
como processo contínuo que deve ser retroalimentado, aprimorando-se constantemente.
Figura 1 Ciclo da qualidade
A tabela 2 mostra os mesmos dados após sua tabulação. Note como a coluna “tabulação” torna
mais evidente a tendência central e a dispersão. A coluna “frequência” é meramente um registro do
número total de cada valor. E a coluna “frequência acumulada” mostra o número de bobinas com
resistência igual ou maior do que a associada com o valor da resistência.
Tabela 2 - Computação dos valores da Resistência (ohms) de 100 bobinas elétricas.
Resistência (ohms) Tabulação Frequência Frequência acumulada
3.45
3.44 I 1 1
3.43
3.42
3.41 II 2 3
3.40 II 2 5
3.39 IIII 4 9
3.38 IIII I 6 15
3.37 IIII III 8 23
3.36 IIII IIII III 13 36
3.35 IIII IIII IIII 14 50
3.34 IIII IIII II 12 62
3.33 IIII IIII 10 72
3.32 IIII IIII 9 81
3.31 IIII IIII 9 90
3.30 IIII 5 95
3.29 III 3 98
3.28 1
99
3.27 I 1
100
3.26 I
Total 100
2- Calcular o valor do intervalo da célula que é igual a diferença entre o maior e o menor valor
observado dividido pelo número de células. O resultado deve ser arredondado para um valor
conveniente.
X n
n 1
desvio padrão
n
(X n ) 2
n 1
n
ou
n n
fX n 2
__ 2 __ fX n
n 1
X onde : X n 1
n n
0 x ( x ) 2
1
2
P( x x 0 ) F( x 0 ) e 2 2
dx
(2.1)
( x ) 2
1
f (x) e 2 2
(2.2)
2
A área total sob a curva f (x) é igual à unidade; em virtude da simetria, as áreas à esquerda da
média são iguais às da direita.
Tábua de áreas da curva normal – se em lugar de x tomarmos
(x )
z , (2.3)
o que significa adotar como origem dos z o ponto em que x = e como unidade da escala dos z o
desvio padrão , teremos transformado a expressão (2.2) na distribuição normal reduzida:
z2
1
f (z) e 2
(2.4)
2
que tem os parâmetros (z) = 0 e 2 (z) = 1; por conveniência costuma-se referir essa distribuição
como a N (0;1). As áreas sob a curva permanecem as mesmas, mas agora podem ser tabeladas em
função dos valores de z (Ver Fig. 8, eixo dos z). Basta fazer a tábua das áreas para os valores positivos
de z, isto é, para a metade direita da curva; são os valores I (z), na Tábua 1 (Ver. Apêndice 8.1). Por
exemplo, a área desde z = 0 até z = 1,0, é I (1,0) = 0,3413 ou 34,13% da área total; consequentemente,
dentro do intervalo 1 temos 68,26% da área total da curva. Apresentamos na Tabela 5 alguns dos
mais importantes intervalos da distribuição normal, para as aplicações ao controle da qualidade.
L x x ( A 1 s) n (2.5)
ou
L x x 3R / d 2 (2.6)
Figura 9 - Especificação X Processo Lx, dado por (2.5) ou (2.6), constitui o intervalo da
distribuição normal reduzida, com z = (x- ) / = 3,00, o
qual conterá 9.973 peças de cada 10.000, deixando fora 27
em cada10.000 peças. Consequentemente, se definirmos a
tolerância (natural) do processo como sendo aquele que
contém todas as peças produzidas exceto 27 em cada
10.000, o intervalo 3 da especificação coincidirá
com a tolerância do processo (Ver na Fig. 9, a Fig. 3.6.1-a).
Admitindo-se que a variável sob controle tenha
distribuição normal, uma boa especificação terá, em geral,
o valor nominal (VN) coincidente com o valor médio do
processo ( ou seja estimativa x ), e uma tolerância
bilateral (LSE-LIE) igual a 3 (onde é o desvio - padrão
da distribuição das peças, no processo; se for
desconhecido emprega-se a estimativa S /C2).
Se a tolerância do processo não coincidir com a
tolerância da especificação, o processo de fabricação
deverá ser reajustado com relação à média ou à dispersão,
ou então se isso não for possível, a especificação deverá ser
modificada.
Se a tolerância do processo de fabricação for muito
menor que a tolerância da especificação (Ver Fig. 9 - 3.6.1-
b), os limites da especificação foram estabelecidos sem
considerar a realidade do processo de fabricação ou foi
escolhido um processo de tolerância demasiado estreita. A
consequência é maior custo de fabricação e um produto de
qualidade mais uniforme que aquela especificada como
necessária.
Se, ao contrário, a tolerância do processo for maior
que a tolerância da especificação (Ver Fig. 9 - 3.6.1-c),
haverá inevitavelmente uma quantidade de peças
inaceitáveis, maior do que a correspondente à tolerância
natural, que é de 27 em 10.000 peças. A especificação é,
neste caso, muito rigorosa, ou se não o for, haverá que criar
um processo de fabricação mais aperfeiçoado e preciso,
que apresenta menor dispersão que o atual.
Nos três casos mencionados, admite-se que a
média do processo de fabricação coincide com o valor
nominal da especificação; isso significa que o nível médio
de qualidade é satisfatório, muito embora a dispersão
possa ser maior do que a especificação (Fig. 9 - 3.6.1-c) ou,
ao contrário, menor (Fig. 9 - 3.6.1-b). O gráfico de controle
da média evidenciará, nesses casos, estar o nível de
qualidade do processo sob controle; a falta de controle na
dispersão será evidenciada pelo gráfico da amplitude ou pelo do desvio - padrão.
No entanto, outras situações poderão ocorrer, quando a Média do processo estiver acima do
valor nominal (Fig. 9 - 3.6.1-d, f) ou abaixo dele (Fig. 9 - 3.6.1-e); isso será também revelado pelo gráfico
da média, existindo então elevada porcentagem de peças inaceitáveis (área hachurada, na Fig. 9 -
3.6.1). se, além do deslocamento da média, existir também descontrole na dispersão (Fig. 9 - 3.6.1-
e,f), o gráfico da amplitude o indicará.
Nota-se que em ambos os casos os valores de z resultaram negativos. Isso ocorre porque as
porcentagens são menores que 50%. Quando as porcentagens forem maiores que 50% os valores de z
serão positivos.
Procuramos o valor de z na coluna correspondente a z. Essa coluna apresenta o valor de z com
apenas um decimal. Portanto, no caso da porcentagem abaixo procuramos z = -1,9. Corremos esta
linha até encontrar a coluna 0,04 que nos dá a segunda casa decimal de z. Lemos o valor que está
situado nessa linha e coluna e que corresponde em área ao valor de z = -1,94. Assim temos para:
z = - 1,94 pela tabela 0,0262, ou seja, 2,62% e para z = - 3,61 pela tabela (procedendo da mesma
forma) 0,00016, ou seja, 0,016%.
Figura 12 Exemplo B
Provavelmente houve inspeção de 100%, sendo que as peças com determinados valores foram
retiradas.
2.7.3.3 - Exemplo C
O histograma foi obtido a partir de dados coletados sobre o índice de viscosidade de um óleo
automotivo.
Figura 13 Exemplo C
Este histograma nos revela uma falta na calibragem (ou precisão) dos aparelhos de medição.
2.7.3.4 - Exemplo D
O histograma abaixo mostra as características de cargas de micro relês. Tendo-se observado
média muito próxima ao limite superior de especificação e dispersão muito grande, analisou-se esses
problemas através de gráficos de controle e métodos estatísticos, conseguindo-se uma redução do
número de defeitos, devido a característica de carga dos micro relés.
Figura 14 Exemplo D
Figura 15 Exemplo E
Foi descoberto que a matriz tinha enviado chapas de dois fornecedores A e B. As chapas destes
fornecedores foram testadas, separadamente, resultando nos histogramas abaixo:
2.7.3.6 - Exemplo F
O histograma abaixo foi obtido a partir de dados coletados do comprimento de uma peça que
estava sendo produzida em 6 tornos automáticos.
Figura 17 Exemplo F
No histograma de todas as máquinas nota-se uma amplitude muito grande. Logo a seguir,
desmembrando-se por máquina, verificamos que as máquinas 1, 4 e 5 são as que mais contribuem
para o aumento da amplitude
2.7.3.7 - Exemplo G
Comparação entre vários histogramas: mudanças na média ( x ) e no desvio padrão ( x).
Figura 18 Exemplo G
2.17a)
Nota-se: desvio-padrão constante. Mudança "mantida" na
média.
Obs.: regulagem anormal de máquina.
2.17b)
Nota-se: desvio-padrão constante. Mudança irregular na
média.
Possível interpretação: tentativas inglórias de ajustar a
máquina num mesmo valor.
2.17c)
Nota-se: desvio - padrão constante. Tendência na média
(crescente).
Possível interpretação: ferramenta desgastando
continuamente sem a devida compensação.
2.17d)
Nota-se: média constante. Acréscimo no desvio padrão.
Possível interpretação: desbalanceamento e consequente
aumento de vibrações
2.17e)
Nota-se: média irregular. Desvio-padrão irregular.
Possível interpretação: completo descontrole do
processo, entremeado de ações de manutenção que
reduzem a dispersão e ajustes inadequados da máquina
que deslocam as médias de um lado para outro.
3 GRÁFICOS DE CONTROLE
a) Verificar se o processo está sob controle, ou seja a sua estabilidade. Para isso, somente valores
observados em amostras são disponíveis; não existindo padrões de comparação, a linha média e os
limites de controle são baseados na informação fornecida pelas amostras. A variação entre os valores
amostrais, além daquela que poderia atribuir-se ao acaso, indicará falta de controle ou de estabilidade.
A situação é a da fase inicial de um programa de controle de fabricação.
b) Verificar se o processo permanece sob controle. Corresponde a verificar a conformidade do
processo de fabricação relativamente a uma norma preexistente. Para isso, além dos valores
observados nas amostras, dispõe-se de uma norma que estabelece o valor da linha média e dos limites
de controle. A variação dos valores amostrais, além daquela admitida na norma atribuível ao acaso,
indicará que o processo saiu de controle. A situação é a que existe quando se deseje manter a
fabricação em determinado nível de qualidade.
b) Em muitos casos, a distribuição das observações isoladas não é a normal; contudo, a média de
amostras, mesmo tão pequenas como as de n = 4, tem distribuição aproximada da normal.
c) O emprego de amostras pode ser realizado pela formação de “subgrupos racionais”. Essa
expressão significa que as amostras devem ser formadas de tal modo que, dentro de cada amostra, as
variações possam ser atribuídas apenas a causas aleatórias; mas entre as amostras as variações sejam
devidas a causas identificáveis, cuja presença seja suspeitada ou considerada possível. Desse modo,
cada amostra e satisfatoriamente uniforme e seus itens são fabricados em processo sob controle; a
análise das diferenças entre as amostras revelará se o processo, para o conjunto das amostras, está ou
não sob controle.
A formação de subgrupos racionais é alcançada pela obtenção de observações separadamente
para cada fonte (por exemplo, de matéria-prima oriunda de um só lote do fornecedor, ou de itens
produzidos por uma mesma máquina automática ou apenas por um operário) e para cada momento
da fabricação. Neste último aspecto, é muito importante que o registro e a identificação das
observações na ordem cronológica de sua obtenção; a vantagem será alcançar o controle no decurso
da fabricação.
Para a correta formação de subgrupos racionais, são necessárias conhecimento técnico e
familiaridade com as condições em que os itens são produzidos e as informações das amostras são
obtidas. As amostras devem ser extraídas junto á linha de produção, em séries curtas, e não depois
que itens de várias origens ou épocas tenham sido reunidos e, eventualmente, misturados nos
estoques.
3.7. ESCOLHA DO TAMANHO DA AMOSTRA
Pelos motivos explicados, o tamanho da amostra formada com subgrupos racional deve ser
igual ou maior do que 4. São muito empregados, nos gráficos de controle de variáveis, os tamanhos 4
ou 5.
Amostra de tamanho cinco tem a vantagem de facilitar o cálculo da média. Basta somar os
cinco números, ao total encontrado adicionar novamente o mesmo total e deslocar a vírgulas de uma
casa para a esquerda. Essa sequência de operação simples, quando realizada com o auxílio de
máquinas de somar de fita, tem a vantagem de fornecer um registro permanente na fita de papel, para
consultas futuras. Na mesma fita, em seguida a média de cada amostra, é calculada a respectiva
amplitude, igual ao maior valor menos o menor valor anteriormente registrados.
Nos gráficos de controle de atributos, as amostras devem ser bem maiores, dependendo o
tamanho n do valor da fração defeituosa P do processo. Um critério satisfatório é adotar n próximo de
10/P.
Mas, qualquer que seja o tamanho da amostra, deverá ele corresponder a subgrupos racionais,
cuja determinação se fará da melhor maneira possível de acordo com a unidade natural de fabricação.
Além disso, haverá toda vantagem em adotar um tamanho n constante, para os vários gráficos de
controle de um determinado processo de fabricação.
A experiência tem evidenciado que, na fase inicial, uma sequência de 25 de n = 4 itens ou de
20 amostras de 5 itens é suficiente para estabelecer a norma de controle de variáveis de um processo.
Para evidenciar falta de controle, um número elevado de subgrupo de 4 itens é mais adequado do que
poucos subgrupos de itens numerosos.
Para manter o processo sob controle, subgrupos de 4 ou 5 itens extraídos a intervalos regular
(de hora em hora, dia a dia, ou semanalmente), revelam-se suficientes. A escolha do intervalo
adequado para a extração das amostras depende do ritmo e da uniformidade do processo de
fabricação comparados ao custo do sistema de controle. Somente em cada caso particular será possível
decidir a respeito, com base na experiência.
4 CONTROLE DE VARIÁVEIS
LSC = A (4.1)
LIC = A
Para cada amostra (subgrupo racional) calcula-se a média x e marca-se no gráfico um ponto
cuja ordenada é x e cuja abcissa é o número de ordem da amostra (ou o tempo).
Esse procedimento, muito simples, emprega-se sempre que for dada a norma de controle, isto
é, conhecendo-se e . Quando os parâmetros forem desconhecidos, caso muito comum
especialmente na fase inicial do controle, será necessário calcular estimativas dos parâmetros as quais
1
x ( x1 x 2 ... x k ) (4.2)
k
onde x1 é a média da primeira amostra, x 2 a da segunda amostra e assim por diante.
A linha média é marcada LM = x .
3
Para facilitar, faz-se A1= , cujos valores em função de n, tamanho da amostra, são
c2 n
tabelados (Tábua 2 do apêndice 8.2). Resulta que os limitas ficam expressos por:
LSC = x A1 . s
LIC= x A2 . s (4.7)
LSC = x A2 . R
LIC = x A2 . R (4.10)
4.2.3. Resumo:
Para estabelecer o gráfico de controle de média, na fase inicial ou quando se desconhecem
e , observam-se os seguintes passos:
1. Fixar o tamanho das amostras n (usualmente 4 ou 5), e o número k de amostras (no mínimo
25, ou 20, respectivamente). Extrair as amostras, registrar os valores observados, e calcular para cada
uma x e R (s, somente se for n >10).
2. Calcular x , por (4.2) e marcar a linha média LM = x.
3. Calcular R ou s e os limites de controle x A2 R ou x A1 s, conforme o processo escolhido
para estimar ; marcar LSC e LIC.
4. Marcar os valores de x , para as amostras (do passo 1). Se forem encontrados pontos na zona
II, eles serão eliminados, recalculando-se a linha média e os limites.
5. O gráfico obtido constitui a norma de controle de fabricação; permitirá acompanhar o
processo, extraindo-se amostras e marcando-se os valores de x correspondentes.
Os valores de x deverão situar-se na zona I, para que o processo se mantenha sob controle.
Um ponto na zona II ou sobre a linha dos limites constitui indicação de que se deve investigar uma
causa identificável de perturbação no processo. Espera-se que 3 vezes em mil (ou melhor, 27 em
10.000) essa conclusão seja errônea, isto é, o processo ainda se mantenham sob controle.
Se de fato existir uma causa identificável, os pontos começarão a cair na zona II. Se a média do
processo se tiver alterado, valores de x aparecerão acima ou abaixo das linhas dos limites, conforme
a média tenha aumentada ou diminuindo, mantendo-se constante . Se, ao contrário, o desvio -
padrão é que se tiver alterado, os valores de x aparecerão acima e abaixo dos limites, como
indicação de que a dispersão do processo aumentou, e portanto aumentou. Se tiver havido redução
da dispersão, o fato não será evidenciado pelo gráfico da média.
O gráfico da média é sensível a variação na média do processo, mas insuficiente para
evidenciar todas as variações na dispersão. Por isso, seu emprego deverá conjugar-se a um gráfico de
controle da dispersão.
4.2.5. Exemplos:
Exemplo1: Construir para amostras de n =5 itens, o gráfico de controle da média de um
processo de fabricação de eixos com os seguintes características: média do processo = 5,60 mm e
desvio - padrão = 0,05 mm.
Neste caso, é dada a norma do controle. Consequentemente, a linha média é LM = 5,60 e os
limites de controle são calculados pelas fórmulas (4.1), com n = 5. Tem-se A=3/ 5 = 1,342 ou
diretamente tirado da Tábua 2 do apêndice.
Os limites são:
LSC = 5,60 + 1,342 . 0,05 = 5,667
LIC = 5,60 - 1,342 . 0,05 = 5,533
O gráfico da média está representado na Fig. 4.2.
Exemplo 2: Verificar se o processo de fabricação de eixo, definido pela norma: média do processo
=5,60 e desvio-padrão = 0,05, se mantém sob controle. Dez amostras, com n = 5, foram extraídas
de hora em hora; as médias x estão na Tabela 6 - Distribuição de eixos (especificação 5,60 0,15
mm) - (10 amostras de n = 5 itens)
As linhas média e de controle correspondentes já foram calculadas no exemplo 1, e o gráfico
traçado na Fig. 21.
Verificar-se que todos os pontos situam-se na Zona II , dispondo-se em torno da LM, sem configuração
especial ; por isso, que o processo de fabricação mantém-se sob controle.
Neste caso ainda não existe a norma de controle, desconhecendo-se a média e o desvio-
padrão do processo, os quais serão estimados a partir dos dados amostrais.
Na Tabela 7, já estão indicados a média x e a amplitude R de cada amostra A estimativa da média ,
calculado por (4.2), é x = 2815,2/20 = 140,76, por isso, no gráfico da média será marcada a LM =
140,76.
A amplitude média, calculada por (4.8), é R = 174/20 = 8,70. Os limites de controle, por (4.10), com A2
= 0,577 (Tábua 2 do apêndice 8.2), são:
A estimativa do desvio - padrão é obtido por (4.9), com d 2 = 2,326 (Tábua 2 do apêndice 8.2):
= 8,78/2,326 = 3,77.
Ficou, desse modo, estabelecida a norma de controle do processo para amostras de 5 itens,
com = 140,78 e = 3,77. O processo se manterá, doravante, sob controle se os valores de x
estiverem entre 135,71 e 145,85.
4.3 GRÁFICOS DO DESVIO-PADRÃO
Uma distribuição não pode ser caracterizada apenas por seu valor médio; é necessário
conhecer também uma medida da dispersão dos itens em torno da média. Por isso, o gráfico da média
não suficiente para evidenciar a ocorrência de valores demasiadamente afastados, acima ou abaixo da
média, os quais se poderão compensar deixando a média inalterada. Convém, portanto, estabelecer
um gráfico de controle da dispersão, escolhendo o gráfico do desvio-padrão ou o gráfico da amplitude.
A distribuição amostral do desvio-padrão s é a chi-quadrado, com v = n-1 graus de liberdade,
mas adotando-se o intervalo de 3-sigma da distribuição normal, para faixa de controle, verifica-se que
a aproximação normal é satisfatória, podendo ser tabelados coeficientes em função do tamanho da
amostra n (Tábua 2 do apêndice 8.2). Estes coeficientes são, a seguir, definidos.
A linha média, pela fórmula (4.5), é
s c2 (4.11)
s 2(n 1) 2nc2 2 1/ 2
/ 2n (4.12)
s 3s (4.13)
B1 c2
3
2n
2(n 1) 2nc2
2
1/ 2
B1 c2
3
2n
2(n 1) 2nc2
2
1/ 2
(4.14)
cujos valores estão tabelados (Tábua 2 do apêndice 8.2). Os limites de controle são calculados pelas
fórmulas:
LIC = B1
LSC = B2 (4.15)
quando for dado m, isto é, quando já se tiver a norma de controle estabelecida.
Para cada amostra (subgrupo racional) calcula-se o desvio-padrão s (Ver § 4.12), e marca-se
no gráfico um ponto cuja ordenada é s e a abscissa, o número de ordem da amostra ou o tempo (Ver
Fig. 23).
Estimativa do desvio-padrão - Quando não for conhecido, devemos calcular uma estimativa
sua pela formula (4.5), com o auxílio do fator c2 (Tábua 2 do apêndice 8.2).
Os limites de controle (4.13) tomam, então, a forma:
1
3
2(n 1) 2nc2
2
1/ 2
s (4.16)
c2 2n
B3 1
3
c2 2n
2(n 1) 2nc2
2
1/ 2
B4 1
3
c2 2n
2(n 1) 2nc2
2
1/ 2
(4.17)
LM= s (4.19)
R d2 (4.20)
R d3 (4.21)
d 2 3d 3 ( d 2 3d 3 ) . (4.22)
D1 d 2 3d 3
(4.23)
D2 d 2 3d 3
LIC D1
LSC D2 . (4.24)
A marcação dos pontos no gráfico da amplitude se faz de maneira análoga à dos casos anteriores (Ver
Fig. 24).
Estimativa do desvio-padrão - Quando se desconhece , deve-se calcular sua estimativa pela fórmula
(4.9). Neste caso, a linha média é dada pela média das amplitudes amostrais, de acordo com (2.7):
LM R (4.25)
(1 3d 3 / d 2 ) (4.26)
mas, fazendo-se
D3 1 ( 3d 3 / d 2 )
(4.27)
D4 1 ( 3d 3 / d 2 )
coeficientes que são tabelados em função de n (Tábua 2, apêndice 8.2), os limites de controle se
escrevem:
LIC D3 K
LSC D4 R (4.28)
A primeira solução vai incluir todas as 20 amostras. A amplitude média é R = 174/20 = 8,70,
que define a LM. Os limites de controle são calculados por (4.28), fazendo-se D3 = 0 e D4 = 2,115 (Tábua
2 do apêndice 8.2):
LIC = 0
LSC = 2,115 8,70 = 18,4.
Esses limites devem, porém, ser recalculados após a eliminação das amostras 6 e 10, cujos
valores x caíram na zona II, ao se tentar estabelecer o gráfico de x (Ver Exemplo 3, § 4.2.5). teremos,
então por (4.25) e (4.28):
LM R 158 / 18 8 ,78
LIC 0
LSC 2 ,115 8 ,78 18,6
que estão representados na Fig. 24, juntamente com os valores de R para todas as amostras. Observa-
se que, mesmo consideradas as amostras de número 6 e 10, a dispersão pelo gráfico de R se evidencia
estar sob controle.
4.5. SISTEMA INGLÊS DE CONTROLE
O sistema inglês de controle de fabricação (pela British Standard 600 R) é diferente do sistema
norte-americano, descrito nos parágrafos 4.1 a 4.4, acima.
Em vez de considerar as duas Zonas, separadas pelo valor crítico Z c= 3 , o sistema inglês
considera três zonas, separadas respectivamente pelos críticos Z c = 1,96 e Zc = 3,09.
Tais valores correspondem aos limites dos intervalos da distribuição normal reduzida dentro
dos quais a probabilidade é, respectivamente, 95% e 99,8%.
No sistema inglês, os gráficos apresentam três zonas (Ver Fig. 25), cuja significação é a
seguinte:
Zona I, denominada Zona de controle, deve conter a maioria dos pontos (95%) se o processo
estiver sob controle;
Zona II, denominada Zona de advertência, pode conter alguns pontos (4,8%); a presença de
um ponto nesta zona representa uma advertência quando à possível falta de controle, exigindo
atenção;
Zona III, denominada zona de ação, não deve conter praticamente qualquer ponto (0,2%)
quando o processo estiver sob controle; por isso, a presença de um ponto nesta zona representa quase
com certeza (risco de 0,2%) falta de controle, exigindo ação corretiva.
De modo análogo ao do sistema norte-americano, para facilitar o cálculo dos limites quando
não seja dada a norma (isto é, e são conhecidos), recorre-se a fatores tabelados (Tábua 3 do
apêndice 8.3), em função de n, tamanho da amostra. Neste caso, para amostras com 10 itens, no
máximo, o desvio -padrão é estimado por meio da amplitude média R (Ver fórmulas 4.8 e 4.9 no §
4.2), enquanto a estimativa da média será a média geral x (fórmula 4.2, § 4.2). No sistema inglês
não se usa o gráfico do desvio-padrão.
Exemplo 1: Construir pelo sistema inglês, o gráfico de controle da média do processo, cujos
valores em 20 amostras de n = 5 são os da tabela 7 (Exemplo 1, §4.2).
A linha média LM x 140,76.
Com a amplitude média R 8 ,70 e os fatores a1 = 0,377 e a2 = 0,594 (Tábua 3, apêndice 8.3) calcula-
se os limites de advertência:
LS0,095 = 140,76 + 0,377 . 8,70 = 144,04
LI0,095 = 140,76 – 0,377 . 8,70 = 137,48
e de ação:
LS0,998 = 140,76 + 0,594 . 8,70 = 145,93
LI0,998 = 140,76 – 0,594 . 8,70 = 135,59.
Gráfico das amplitudes – O gráfico das amplitudes, no sistema inglês, apresenta também três
zonas, com o mesmo significado explicado anteriormente. Observa-se, porém, que neste gráfico de
amplitude os limites não são simétricos em relação à amplitude média R . Isto explica porque são
necessários quatro fatores diferentes para calcular os limites (Ver Tábua 3, apêndice 8.3). As linhas a
marcar no gráfico são:
Exemplo 2: Construir, pelo sistema inglês, o gráfico das amplitudes do processo, cujos valores
observados em 20 amostras de 5 itens estão na Tabela 7.
Para construir o gráfico, calculam-se:
5 CONTROLE DE ATRIBUTOS
p
d (5.2)
n
para um conjunto de pelo menos K = 20 amostras de tamanho n.
A linha média será marcada para esse valor p , e os limites de controle serão.
LSC = p 3 p(1 p) / n
Quando o valor calculado para o LIC for negativo, deve-se adotar o valor LIC = 0. Quando p for
pequeno, isto é, menor que 0,10. Pode-se, como aproximação, substituir 1 - p pela unidade.
Marcados os limites, para cada amostra será calculada a fração defeituosa p = d/n, que será
marcada no gráfico. A interpretação do gráfico é a mesma já indicada anteriormente (Ver § 3.2. e §
4.2).
Exemplo 1: Para estabelecer o controle de atributos, foram extraídas 25 amostras de n = 50
peças cada uma. De acordo com critérios prefixado, as peças forma classificadas em perfeitas ou
defeituosas, resumindo-se os resultados da Tabela 8 - Fração Defeituosa (Resultados de 25 amostras;
n = 50 peças) a seguir.
1 1 0,02
2 2 0,04
3 3 0,06
4 3 0,06
5 5 0,10
6 4 0,08
7 4 0,08
8 4 0,08
9 2 0,04
10 2 0,04
11 4 0,08
12 4 0,08
13 4 0,08
14 5 0,01
15 4 0,08
16 4 0,08
17 5 0,01
18 1 0,02
19 5 0,10
20 2 0,04
21 0 0,00
22 5 0,10
23 3 0,06
24 3 0,06
25 1 0,02
Total 80
0,064 0,936
LSC = 0,064 + 3 = 0,064 + 0,105 = 0,169
50
LIC = 0,064 – 0,105 = (resultado negativo) =0
O gráfico de p está apresentado na Fig. 27. Verifica-se que todos os pontos estão dentro dos
limites; portanto, o processo está sob controle.
cj
uj (5.4)
nj
u3 u (5.5)
sendo:
u
n. total de defitos em todas as amostras
c j
u =278/25 = 11,12
251 21
u 10,00 ; como 10,00 3,16, tem - se :
23
LSC = 10,00 +3 10,00 = 19,48
LIC = 10,00 - 3 10,00 = 0,52
que podem ser tomadas como definitivos.
5.5. GRÁFICO DO NÚMERO DE DEFEITOS NA AMOSTRA
Quando as amostras forem todas de igual tamanho, isto é, n for constante, é conveniente
adotar o gráfico do número de defeitos, c, na amostra. Neste caso, o gráfico é equivalente ao gráfico
u, com mudança apenas na escala das ordenadas.
O gráfico do número de defeitos c é adequado quando não exista uma unidade natural do
produto, em geral apresentado em rolo ou lençol, e o problema consista em avaliar a uniformidade de
qualidade em determinados comprimentos iguais ou em áreas iguais do produto. É o caso de fios ou
de tecidos. Nota-se que o número n não precisa ser um inteiro; se a unidade convencionada for por
exemplo, 10 metros quadrados, amostras de 25 ou de 30 metros quadrados, constituem 2,5 ou 3,0
unidades.
A linha central do gráfico é dada por
c
número total de defeitos em todas as amostras
c (5.6)
número de amostras k
c3 c (5.7)
Exemplo 1: para controlar as falhas de continuidade de películas de esmalte em fios de cobre, foram
extraídas 20 amostras de 30 metros cada um. Os resultados dos ensaios realizados (de acordo com a
EB-60) estão na tabela 10 - Número de falhas em cada 30 m, de fio isolado com esmalte
A linha média é
c 144 / 20 7 ,20
O gráfico de c, número de defeitos, está apresentado na Fig. 28. Verifica-se que o processo
está sob controle, porque todos os pontos estão dentro dos limites de controle.
Observe-se que no caso acima não existe uma unidade natural de fabricação. A escolha foi de
amostras de uma unidade de 30 metros, mas poderia ter sido de amostras de 3 unidades de 10 metros
cada uma. O gráfico de número de defeitos não se modificaria. No entanto, o gráfico de defeitos por
unidade (Ver § 5.4) seria alterado por mudança na escala de ordenada. Para a unidade de 10 metros o
número de defeitos por unidade seria muito pequeno; isso dificultaria a análise e recomendaria a
ampliação da unidade, por exemplo, para 30 metros com a fusão de cada grupo de 3 unidades de 10
metros.
Amostra N0 de falhas
1 7
2 15
3 9
4 5
5 0
6 4
7 11
8 0
9 11
10 13
11 0
12 5
13 8
14 6
15 4
16 11
17 0
18 12
19 3
20 10
Nesse caso, o processo não está capacitado para produzir dentro dos limites das
especificações.
Pelo gráfico podemos ver que as características básicas são:
variação devido causas comuns (aleatórias) em torno da linha média e dentro dos limites de controle;
processo sob controle estatístico;
limites estabelecidos de ( x 4x ) estão fora dos limites das especificações;
porcentagem significativa de produtos não satisfaz as especificações;
só pode ser corrigido pela gerência/ supervisão através de mudança no sistema;
representam em média 85% dos problemas.
Estando o processo sob controle estatístico, sua capacidade foi determinada mostrando-se o
processo capaz de fornecer produtos de acordo com as especificações. Entretanto, num determinado
momento, ele passa a apresentar instabilidade que pode resultar em produtos inaceitáveis.
O gráfico mostra as principais características deste caso, que são:
limites estabelecidos com ( x 4x ) dentro das especificações;
processo capaz mais instável;
a distribuição da população não é em forma de sino perfeita, devido a existência de variáveis causais;
variações fora dos limites de controle devido causas especiais (fatores causais);
pode ocorrer porcentagem de produtos fora das especificações, devido as variações;
as causas das variações estão dentro do processo, logo, podem ser identificadas e eliminadas pelas
pessoas envolvidas diretamente com o processo (operador, supervisão local ou pessoal de apoio
imediato).
As ações requeridas neste caso devem ser no sentido de eliminar a instabilidade. Isto pode (e
deve) ser feito pelo próprio pessoal da área, utilizando-se das técnicas de análise e solução de
problemas.
Tabela 6.1
Assim, os processos que se situam nos níveis A ou B, exigem nenhum ou pouco controle
externo.
Para os processos que estão nos níveis C e D, providências corretivas são requeridas,
envolvendo:
a) mudar o sistema, quando nada mais pode ser melhorado dentro do processo, ou seja, o
processo dentro do seu nível tecnológico está dando o máximo que pode e as variações são
todas do tipo aleatórias;
b) melhorar o equipamento e / ou o processo, quando existe dentro do processo algum fator de
deficiência identificado (desgaste da máquina ou ferramentas, despreparo do operador,
flutuações excessivas, etc.);
c) alterar as especificações ou padrões, quando são excessivamente (e desnecessariamente)
rigorosos
Exemplo:
Verificar a capacidade da máquina n o 3.
Peças fabricadas: eixo do mecanismo do vidro da janela
Características: diâmetro de eixo
Especificações: 15,00mm 0,10mm
(campo da tolerância 15,10 - 14,90 = 0,20mm)
1 14,97
2 14,98
3 15,01
4 15,00
5 15,02
6 14,99
7 15,03
8 15,02
9 15,01
10 15,00
Cálculo da capacidade
Capacidade 2 R 2 0,06 = 0,12
Situação D. Aproximação da linha central redução das variações aleatórias devido a melhoria estável
no processo (Fig. 38). Novos limites devem ser determinados.
Figura 39 Ciclos
e os valores críticos da X2 (pontos que levam a determinados riscos de erro na decisão) são tabelados
em função dos graus de liberdade de parâmetros da distribuição em teste.
v = k - 1 – nº (6.4)
Exemplo:
Suponhamos que 250 valores medidos tenham sido agrupados, em cinco células, da seguinte
maneira:
X < 12 O1 = 7
12≤ X < 15 O2 = 49
15≤ X < 18 O3 = 109
18 ≤ X < 21 O4 = 67
X > 21 O5 = 18
Supondo que, por hipótese, a distribuição seja normal e que estimamos os seguintes
parâmetros dos valores observados:
16,998 17
2,7
Calculando as áreas sob a curva normal e multiplicando o valor encontrado por 250, temos:
12−17
p (X < 12) z= = 0,03 A = 0,03 E1 = 250 0,03 = 7,5
2,4
7. BIBLIOGRAFIA
COSTA, A. F. B.; EPPRECHT, E. K.; CARPINETTI, L. C. R. Controle Estatístico de Qualidade. 2 ed. São
Paulo: Atlas, 2005.
FEIGENBAUM, Armand V. Controle da Qualidade Total: métodos estatísticos aplicadas à qualidade.
Tradução de Regina Cláudia Loverri. Makron Books, 1994. 4v.
General Motors – Brasil. Controle Estatístico do Processo. Apostila. São Paulo, , GM, 1986.
GRANT, Eugene L. Statitical Quality Control, New York, Mcgraw-Hill Book Company, 1952.
JURAN, J.M. (Ed) (1951), Quality Control Handbook, , New York, Mcgraw-Hill, 1951.
LOURENÇO FILHO, R. C. B. Controle Estatístico da Qualidade. 2 ed. Rio de Janeiro: Livros Técnicos e
Científicos, 1986.
MONTGOMERY, D. C. Introdução ao Controle Estatístico da Qualidade. 4ª ed. LTC, 2004.
8 APÊNDICES
0,00 0,0000 0,60 0,2257 1,20 0,3849 1,80 0,4641 2,40 0,4918 3,00 0,4987
0,05 0,0199 0,65 0,2422 1,25 0,3944 1,85 0,4678 2,45 0,4929 3,05 0,4989
0,10 0,0398 0,70 0,2580 1,30 0,4032 1,90 0,4713 2,50 0,4938 3,10 0,4990
0,15 0,0596 0,75 0,2734 1,35 0,4115 1,95 0,4744 2,55 0,4946 3,15 0,4992
0,20 0,0793 0,80 0,2881 1,40 0,4192 2,00 0,4772 2,60 0,4953 3,20 0,4993
0,25 0,0987 0,85 0,3051 1,45 0,4279 2,05 0,4798 2,65 0,4960 3,25 0,4991
0,30 0,1179 0,90 0,3159 1,50 0,4332 2,10 0,4821 2,70 0,4965 3,30 0,4995
0,35 0,1368 0,95 0,3289 1,55 0,4394 2,15 0,4842 2,75 0,4970 3,35 0,4996
0,40 0,1554 1,00 0,3413 1,60 0,4452 2,20 0,4861 2,80 0,4974 3,40 0,4997
0,45 0,1736 1,05 0,3531 1,65 0,4505 2,25 0,4878 2,85 0,4978 3,50 0,4998
0,50 0,1915 1,10 0,3643 1,70 0,4554 2,30 0,4893 2,90 0,4981 3,70 0,4999
0,55 0,2088 1,15 0,3749 1,75 0,4599 2,35 0,4906 2,95 0,4984 3,90 0,5000
6 1,225 1,410 0,483 2,534 0,848 0 5,078 0 2,004 0,8686 1,1512 0,026 1,711 0,030 1,970
7 1,134 1,277 0,419 2,704 0,833 0,205 5,203 0,076 1,924 0,8882 1,1259 0,105 1,672 0,118 1,882
8 1,061 1,175 0,373 2,847 0,820 0,387 5,307 0,136 1,864 0,9027 1,1078 0,167 1,638 0,185 1,815
9 1,000 1,094 0,337 2,970 0,808 0,546 5,394 0,184 1,816 0,9139 1,0942 0,219 1,609 0,239 1,761
10 0,949 1,028 0,308 3,078 0,797 0,687 5,469 0,223 1,777 0,9227 1,0837 0,262 1,584 0,284 1,716
Tamanho
da Amostra Fator de Fator Fator Fator Fator Fator Fator
Advertência de Sup. de Sup. de Inf. de Inf. de de Trans-
n a1 Ação Ação Advert. Advert. Ação formação
a2 b1 b2 b3 b4 d2
Gráfico da média:
Linha média LM = x
Limite superior de advertência LS0,95 = x a1 R
Limite inferior de advertência LI0,95 = x a1 R
Gráfico da amplitude:
Linha média LM = R
Limite superior de ação LS0,998 = b1R
Limite superior de advertência LS0,95 = b2 R
Estimação de : R / d2
0,995 0,99 0,975 0,95 0,90 0,75 0,50 0,25 0,10 0,05 0,025 0,01 0,005 0,001
1 0,0000393 0,000 157 0,000982 0,00393 0,0158 0,102 0,455 1,323 2,706 3,841 5,024 6,635 7,879 10,828 1
2 0,0100 0,0201 0,0506 0,103 0,211 0,575 1,386 2,773 4,605 5,991 7,378 9,210 10,597 13,816 2
3 0,0717 0,115 0.216 0,352 0,584 1,213 2,366 4,108 6,251 7,815 9,348 11,345 12,838 16,266 3
4 0,207 0,297 0,484 0,711 1,064 1,923 3,357 5,385 7,779 9,488 11,143 13.277 14,860 18,467 4
5 0,412 0,554 0,831 1,145 1,610 2,675 4,351 6,626 9,236 11,070 12,832 15,086 16,750 20,515 5
6 0,676 0,872 1,237 1,635 2.204 3,455 5,348 7,841 10,645 12,592 14,449 16,812 18,548 22,458 6
7 0,989 1,239 1,690 2,167 2,833 4,255 6,346 9.037 12,017 14,067 16,013 18,475 20,278 24.322 7
8 1,344 1,646 2,180 2,733 3,490 5,071 7,344 10,219 13,362 15.507 17,535 20,090 21,955 26.125 8
9 1,735 2,088 2,700 3,325 4,168 5.899 8,343 11,389 14,684 16,919 19,023 21,666 23,589 27,877 9
10 2,156 2,558 3,247 3,940 4,865 6.717 9,342 12,549 15,987 18.307 20,483 23,209 25,188 29,588 10
11 2,603 3,053 3,816 4,575 5,578 7,584 10,341 13,701 17,275 19,675 21,920 24,725 26,757 31,264 11
12 3,074 3,571 4,404 5,226 6,304 8,438 11,340 14,845 18,549 21,026 23,337 26,217 28,300 32,909 12
13 3,565 4,107 5,009 5,892 7,042 9,299 12,340 15,984 19,812 22.362 24,736 27,688 29,819 34,528 13
14 4,075 4,660 5,629 6,571 7,790 10,165 13,339 17,117 21,064 23,685 26,119 29,141 31,319 36,123 14
15 4,601 5,229 6,262 7,261 8,547 11,036 14,339 18,245 22,307 24.996 27,488 30,578 32,801 37,697 15
16 5,142 5,812 6,908 7,962 9,312 11,912 15,338 19,369 23,542 26,296 28,845 32,000 34,267 39.252 16
17 5,697 6.408 7,564 8,672 10,085 12.792 16,338 20,489 24,769 27,587 30,191 33,409 35,718 40,790 17
18 6,265 7,015 8,231 9,390 10,865 13,675 17,338 21,605 25,989 28,869 31,526 34,805 37,156 43,312 18
19 6,844 7,633 8,907 10,117 11,651 14,562 18,338 22,718 27,204 30,144 32,852 36,191 38,582 43.820 19
20 7,434 8,260 9,591 10,851 12,443 15,452 19,337 23,828 28,412 31,410 34,170 37,566 39,997 45,315 20
21 8,034 8,897 10,283 11,591 13,240 16,344 20,337 24,935 29,615 32,671 35,479 38,932 41,401 46,797 21
22 8,643 9,542 10,982 12,338 14,041 17,240 21,337 26,039 30,813 33,924 36,781 40,289 42,796 48,268 22
23 9,260 10,196 11,688 13,091 14,848 18,137 22,337 27,141 32,007 35,172 38,076 41,638 44,181 49,728 23
24 9,886 10,856 12,401 13,848 15,659 19,037 22,337 28,241 33,196 36,415 39,364 42,980 45,558 51,179 24
25 10,520 11,524 13,120 14,611 16,473 19,939 24,337 29,339 34,382 37,652 40,646 44,314 46,928 52,620 25
26 11,160 12,198 13,844 15,379 17,292 20,843 25,336 30,434 35,563 38,885 41,923 45,642 48,290 54,052 26
27 11,808 12,879 14,573 16,151 18,114 21,749 26,336 31,528 36,741 40,113 43,194 46,963 49,645 55,476 27
28 12,461 13,565 15,308 16,928 18,939 22,657 27,336 32,620 37,916 41,337 44,461 48,278 50,993 56,892 28
29 13,121 14,256 16,047 17,708 19,768 23,567 28,336 33,711 39,087 42,557 45,722 49,588 52,336 58,302 29
30 13,787 14,953 16,791 18,493 20,599 24,478 29,336 34,800 40,256 43,773 46,979 50,892 53,672 59,703 30
40 20,707 22,164 24,433 26,509 29,051 33,660 39,335 45,616 51,805 55,758 59,342 63,691 '66,766 73,402 40
50 27,991 29,707 32,357 34,764 37,689 42,942 49,335 56,334 63,167 67,505 71,420 76,154 79,490 86,661 50
60 35,535 37,485 40,482 43,188 46,459 52,294 59,335 66,981 74,397 79,062 83,298 88,379 91,952 99,607 60