UNIVERSIDADE FEDERAL DO PARÁ

FACULDADE DE ENGENHARIA CIVIL

PRODUTIVIDADE DO REVESTIMENTO DE ARGAMASSA - ESTATÍSTICA DESCRITIVA

ESTATÍSTICA APLICADA À ENGENHARIA

ALUNOS:
ANDREW CARNEIRO - 201906740093
AUGUSTO JOSÉ FILHO – 201906740074
FRANCISCO VIANA - 201906740135
ORLANDO TAVARES - 201806740202
RUI ANDERSON OLIVEIRA – 201906740084
VALBERTONI FONSECA - 201906740085

Fevereiro de 2024
 SUMÁRIO

1. INTRODUÇÃO .................................................................................................. 03

1.1. Contexto ...................................................................................................... 03

1.2. Objetivo ....................................................................................................... 04

2. METODOLOGIA ............................................................................................... 04

3. APRESENTAÇÃO DOS DADOS BRUTOS....................................................... 04

3.1. Dados Brutos ............................................................................................... 04

3.2. Organização dos Dados em Rol................................................................... 06

4. TRATAMENTO ESTATÍSTICO E ANÁLISE ..................................................... 07

4.1. Distribuição de Frequências e Amplitude .................................................... 07

4.2. Descrição Gráfica e Intervalo de Classes .................................................... 08

5. CONSIDERAÇÕES FINAIS ...............................................................................16

6. BIBLIOGRAFIA................................................................................................. 17

2
1. Introdução
Nesse trabalho são apresentados a justificativa para o desenvolvimento do tema, a
formulação dos objetivos da pesquisa estatística por meio do levantamento dos dados, a
metodologia da pesquisa utilizada juntamente com a estrutura utilizada para seu
desenvolvimento.

1.1. Contexto

O melhoramento da produtividade de mão de obra no setor de revestimento tem

sido objeto de análises e pesquisas em diversos artigos científicos. O aumento da
eficiência e a redução de custos tornam-se essenciais para empresas que buscam se
manter competitivas em um mercado cada vez mais dinâmico e desafiador. Neste
contexto, o presente trabalho baseia-se em quatro artigos que abordam aspectos
relacionados ao estudo da produtividade nesse segmento da construção civil, oferecendo
a quantidade de serviço que foi executado assim como o tempo necessário para
execução. Cada pesquisa destaca fatores específicos que influenciam diretamente no
desempenho da mão de obra no serviço de revestimento, contribuindo para a
compreensão mais abrangente das melhores práticas e estratégias a serem adotadas.
Este trabalho sintetizará os dados de produtividade (RUP – Razão unitária de produção)
desses artigos, com objetivo de mostrar uma visão global da variação desses valores por
meio da estatística descritiva, proporcionando uma visão sobre as tendências e variações
das RUP’s destas obras.
Características das obras em que foram realizados os estudos dos artigos:

Obra 1
 Obra vertical, localizada no centro da cidade de Campo Mourão – Paraná;
 Área de revestimento = 612,33 m²/apartamento;
 Pavimentos = 6;
 Apartamentos = 24.

Obra 2
 Obra edifício residencial multifamiliar, localizado no município de Ijuí/RS;
 O estudo acompanha a execução no 10º Pavimento do edifício que por
sua vez tinha como área total 497,22m².

Obra 3

3
  Empreendimento residencial constituído de 20 apartamentos, localizado
na cidade de Campo Mourão – PR;
 Cada unidade possui aproximadamente 357,50 m² de reboco interno.

Obra 4
 Edificação horizontal de alto padrão residencial, localizada no município
de Goiânia;
 Área de revestimento = 1339,1 m²;
 Pavimentos = 2.

1.2. Objetivos

O objetivo do trabalho concentra-se na utilização dos métodos estatísticos como

ferramenta de estudo e análise da produtividade da mão de obra, analisando a RUP do
serviço de revestimento interno com argamassa retirados dos artigos em questão.
Utilizando para isso, das técnicas que a estatística descritiva dispõe para estudar e
analisar qualitativa e quantitativamente o caso.

2. Metodologia

A metodologia da estatística descritiva envolve um conjunto de técnicas e

procedimentos para resumir, organizar e apresentar dados de maneira informativa.
Abaixo estão os passos típicos envolvidos na metodologia da estatística descritiva:

1) Coleta de dados;
2) Organização dos dados;
3) Apresentação dos dados por meio de gráficos, tabelas, Histogramas e Box-
Plot;
4) Medidas de posição;
5) Medidas de dispersão;
6) Medidas de simetria;
7) Medidas de curtose ou Achatamento;
8) Curva normal ou distribuição de Gauss.

3. Apresentação dos Dados Coletados

3.1. Dados Bruto (dados coletados sem organização ou ordem)

4
 A tabela abaixo possui um total de 40 itens, com informações dos quantitativos
que foram executados e da numeração da obra. Além disso, é exibido as RUP’s
diárias para execução de 1 m² de revestimento.

Apresentação dos dados brutos

Itens Obras Quantidade (m²) RUPd (Hh/m²)
1 45 1,103
2 45 5,319
3 36 0,726
4 45 0,671
5 40 2,309
OBRA 1
6 45 2,875
7 45 0,672
8 45 1,527
9 45 1,135
10 27 0,72
11 7,125 0,56
12 58,766 0,2
13 17,345 0,21
14 47,025 0,38
15 56,6 0,27
OBRA 2
16 62,48 0,22
17 25,925 0,46
18 59,2 0,2
19 15,75 0,33
20 19,72 0,45
21 38,86 3,5
22 26,97 5,04
23 46,4 1,65
24 40,51 3,36
25 33,8 4,02
OBRA 3
26 43,58 3,12
27 41,81 3,25
28 13,05 0,92
29 8,27 2,18
30 21,31 2,75
31 102,4 0,39
32 115 0,35
33 121,6 0,33
34 128 0,31
35 144 0,24
OBRA 4
36 136,8 0,29
37 156 0,26
38 156 0,26
39 148,8 0,24
40 130,5 0,27

5
3.2. Organização dos Dados em ROL (em ordem crescente de RUP):

Itens RUPd (Hh/m²)

1 0,200
2 0,200
3 0,210
4 0,220
5 0,240
6 0,240
7 0,260
8 0,260
9 0,270
10 0,270
11 0,290
12 0,310
13 0,330
14 0,330
15 0,350
16 0,380
17 0,390
18 0,450
19 0,460
20 0,560
21 0,671
22 0,672
23 0,720
24 0,726
25 0,990
26 1,040
27 1,103
28 1,120
29 1,135
30 1,160
31 1,250
32 1,310
33 1,527
34 1,770
35 2,070
36 2,309
37 2,370
38 2,460
39 2,875
40 5,319
TOTAL 38,817

A ordenação crescente facilita a aplicação de medidas estatísticas essenciais. A

mediana, por exemplo, necessita diretamente da organização dos dados, pois ela é o
valor central em um conjunto de dados ordenado. Os quartis e outras estatísticas também

6
 se beneficiam da ordem crescente, permitindo uma análise mais eficaz e a interpretação
adequada da variabilidade dos dados.

4. Tratamento Estatístico e Análises: Apresentação das tabelas, gráficos e medidas,

discussão sobre os resultados;

4.1. Distribuição de Frequências e Amplitude

a) Distribuição de frequência

A distribuição de frequência organiza os dados de acordo com a ocorrência e

mostra quantas vezes cada categoria ocorre, permitindo uma compreensão nítida e
organizada da distribuição dos valores em um conjunto de dados. Os dados são
organizados em categorias ou intervalos, mostrando a frequência (número de
observações) em cada categoria. Ela é particularmente útil quando lidamos com
conjuntos de dados extensos, pois simplifica a interpretação e identificação de padrões.

Dados RUP Fi fa fr
1 0,200 2 2 5%
2 0,210 1 3 8%
3 0,220 1 4 10%
4 0,240 2 6 15%
5 0,260 2 8 20%
6 0,270 2 10 25%
7 0,290 1 11 28%
8 0,310 1 12 30%
9 0,330 2 14 35%
10 0,350 1 15 38%
11 0,380 1 16 40%
12 0,390 1 17 43%
13 0,450 1 18 45%
14 0,460 1 19 48%
15 0,560 1 20 50%
16 0,671 1 21 53%
17 0,672 1 22 55%
18 0,720 1 23 58%
19 0,726 1 24 60%
20 0,990 1 25 63%
21 1,040 1 26 65%
22 1,103 1 27 68%
23 1,120 1 28 70%
24 1,135 1 29 73%

7
 25 1,160 1 30 75%
26 1,250 1 31 78%
27 1,310 1 32 80%
28 1,527 1 33 83%
29 1,770 1 34 85%
30 2,070 1 35 88%
31 2,309 1 36 90%
32 2,370 1 37 93%
33 2,460 1 38 95%
34 2,875 1 39 98%
35 5,319 1 40 100%
TOTAL: 40

b) Amplitude: Diferença entre o maior e o menor valor da variável em estudo. (é

uma medida de dispersão)
 Maior valor: 5,319
 Menor valor: 0,200

𝐴 = 𝑀𝑎𝑖𝑜𝑟 𝑣𝑎𝑙𝑜𝑟 − 𝑀𝑒𝑛𝑜𝑟 𝑣𝑎𝑙𝑜𝑟 → 𝐴 = 5,319 − 0,200 = 𝟓, 𝟏𝟏𝟗

4.2. Descrição Gráfica e Intervalo de Classes:

a) Intervalo de Classes

As variáveis quantitativas contínuas só podem ser descritas graficamente

quando agrupadas em classes ou intervalos. O número de classes a ser dividido um
conjunto de informações ou dados varia em decorrência de muitos fatores, como o
grau de precisão requerido, a relevância do estudo, mas fundamentalmente, depende
do número de dados.

Cálculo do número de classes, amplitude e amplitude amostral:

 Amplitude Amostral (AA):

𝑨𝑨 = 𝟓, 𝟏𝟏𝟗
Mesmo valor da amplitude

 Regra de Sturges: Para o cálculo do número de classes

𝐾 = 1 + 3,3. 𝑙𝑜𝑔(𝑛) → 𝑘 = 1 + 3,3. 𝑙𝑜𝑔(40) ≈ 6,29 → 𝑲 = 𝟔 𝑪𝒍𝒂𝒔𝒔𝒆𝒔

8
 Método simples, baseado no número de amostras, que nos permite encontrar o
número de classes necessários para representar graficamente um conjunto de dados
estatísticos.

 Amplitude (h) do intervalo de classe:

𝐴𝐴 5,119
ℎ= = → 𝒉 = 𝟎, 𝟖𝟓𝟑𝟐
𝐾 6

Diferença entre os limites superiores e inferiores de cada classe

 Tabela de Intervalo de Classe:

Representação tabular da distribuição de frequência quando os dados são

agrupados em intervalos. Tabela é usada para organizar e apresentar de forma clara as
frequências de observações dentro de cada intervalo.

Intervalo de
Classe Início Fim fi Fr Fac
Classe
1 0,200 |- 1,053 0,200 1,040 26 65,00% 65,00%
2 1,053 |- 1,906 1,103 1,770 8 20,00% 85,00%
3 1,906 |- 2,759 2,070 2,460 4 10,00% 95,00%
4 2,759 |- 3,612 2,875 2,875 1 2,50% 97,50%
5 3,612 |- 4,465 - - - - -
6 4,465 |- 5,320 2,460 2,875 1 2,50% 100,00%
TOTAL: 40 100,00%

b) Descrição gráfica: Histograma

HISTOGRAMA
30

20

10

0
0,200 |- 1,053 1,053 |- 1,906 1,906 |- 2,759 2,759 |- 3,612 3,612 |- 4,465 4,465 |- 5,32

Mostra a representação visual da distribuição de dados, sendo que o eixo vertical

representa a frequência ou a densidade de ocorrências. Os histogramas são

9
 frequentemente utilizados para visualizar a forma que os dados estão distribuído e
identificar padrões e tendências.

Histograma com Polígono de frequência (ou distribuição de frequência):

Para o cálculo da curva de distribuição foi utilizado a função

DIST.NORM.N(x;média;desv_padrão;cumulativo).
Mínimo 0,200 Pontos Valor FDM
Máximo 5,319 1 0,154 0,284
Média 0,97 2 0,282 0,312
n° dados 40 3 0,410 0,337
Classes 6 4 0,537 0,359
Incremento 0,853 5 0,665 0,376
Desv. Pad. 1,01 6 0,793 0,387
7 0,921 0,393
Incremento2 0,13
8 1,049 0,392
9 1,177 0,385
10 1,305 0,372
11 1,433 0,354
12 1,561 0,332
13 1,689 0,306
14 1,817 0,278
15 1,945 0,248
16 2,073 0,218
17 2,201 0,188
18 2,329 0,160
19 2,457 0,134
Histograma com Curva de Distribuição 20 2,585 0,111
30 0.500 21 2,713 0,090
22 2,841 0,072
25 23 2,969 0,056
0.400
24 3,097 0,044
20
0.300 25 3,225 0,033
15 26 3,353 0,025
0.200 27 3,481 0,018
10 28 3,609 0,013
29 3,737 0,010
5 0.100
30 3,865 0,007
31 3,993 0,005
0 0.000
32 4,121 0,003
33 4,249 0,002
34 4,377 0,001
35 4,505 0,001
Distribuição estatística que é simétrica e forma uma curva 36 4,633 0,001
em forma de sino (bell curve). Essa distribuição é completamente 37 4,761 0,000
caracterizada por dois parâmetros: a média e o desvio padrão. 38 4,889 0,000
39 5,017 0,000
40 5,145 0,000

10
4.3. Medidas de posição

 Média Aritmética simples (X):

𝑋1 + 𝑋2 + ⋯ + 𝑋𝑛 38,817
𝑥= → 𝑥= = 𝟎, 𝟗𝟕
𝑛 40

O valor médio do conjunto de dados é 0,97

 Média Aritmética Ponderada:

Classe Intervalo de Classe Início Fim fi Valor Médio (XM) (XM).(fi)

1 0,200 |- 1,053 0,200 1,040 26 0,620 16,120
2 1,053 |- 1,906 1,103 1,770 8 1,437 11,492
3 1,906 |- 2,759 2,070 2,460 4 2,265 9,060
4 2,759 |- 3,612 2,875 2,875 1 2,875 2,875
5 3,612 |- 4,465 - - - - -
6 4,465 |- 5,32 2,460 2,875 1 2,668 2,668
Somatório 40 42,215

∑ 𝑋𝑖. 𝑃𝑖 42,215
𝑀é𝑑𝑖𝑎 𝑝𝑜𝑛𝑑. = = = 1,055
∑ 𝑃𝑖 40
A média ponderada é igual a 1,055, ou seja, os intervalos de classe têm pesos
diferentes. Portanto, os dados com maior frequência terão um impacto maior na média
ponderada final.

 Média Interna Simples:

Média Interna simples (10%): Excluindo 10% dos valores inferiores e superiores:
10% de 40 é igual a 4, logo teremos que excluir 4 valores da extremidade superior e 4 da
inferior.

38,817 − (0,2 + 0,2 + 0,21 + 0,22 + 2,37 + 2,46 + 2,875 + 5,319)

𝑋= = 0,6241
40

 Média Interna Ponderada:

É necessário agrupar os dados em intervalos de classes, novamente excluindo

os 10% dos extremos inferiores e superiores.

0,240 0,240 0,260 0,260 0,270 0,270 0,290 0,310 0,330 0,330

0,350 0,380 0,390 0,450 0,460 0,560 0,671 0,672 0,720 0,726

0,990 1,040 1,103 1,120 1,135 1,160 1,250 1,310 1,527 1,770

2,070 2,309

11
Fazendo o cálculo do intervalo de classe, temos:

Regra de Sturges: 5
Amplitude Amostral: 2,069
Amplitude do intervalo de classe (h): 0,414

Valor Médio
Classes Intervalo de classes Início Fim Fi (XM).(fi)
(XM)
1 0,240 |- 0,654 0,240 0,560 16 0,400 6,400
2 0,654 |- 1,068 0,671 1,040 6 0,856 5,133
3 1,068 |- 1,482 1,103 1,310 6 1,207 7,239
4 1,482 |- 1,896 1,527 1,770 2 1,649 3,297
5 1,896 |- 2,31 2,070 2,309 2 2,190 4,379
SOMA 32 15,813 26,448

∑ 𝑋𝑖. 𝑃𝑖 26,448
𝑀é𝑑𝑖𝑎 𝑝𝑜𝑛𝑑. = = = 0,8265
∑ 𝑃𝑖 32

 Média Quadrática

→ 𝑹𝑴𝑸 = 𝟏, 𝟑𝟗

 Média Geométrica

. → 𝑿𝑮 = 𝟎, 𝟒𝟒𝟒

 Média Harmônica

→ 𝑿 = 𝟎, 𝟒𝟔

 Mediana

Valor
Classe Intervalo de Classe Início Fim fi Médio (XM).(fi)
(XM)
1 0,200 |- 1,053 0,200 1,040 26 0,620 16,120
2 1,053 |- 1,906 1,103 1,770 8 1,437 11,492
3 1,906 |- 2,759 2,070 2,460 4 2,265 9,060

12
 4 2,759 |- 3,612 2,875 2,875 1 2,875 2,875
5 3,612 |- 4,465 - - - - -
6 4,465 |- 5,32 2,460 2,875 1 2,668 2,668
Somatório 40 42,215
A classe modal é a 1° classe, pois ela possui maior frequência

→ 𝑴𝒅 = 𝟎, 𝟖𝟔

 Moda:

Moda de CZUBER ( Considerada a moda mais técnica)

Temos como referência que a 1° classe é a classe modal

→ 𝑴𝑶𝒄𝒛𝒖𝒃𝒆𝒓 = 𝟎, 𝟓𝟕

4.4. Medidas de dispersão

Classe Intervalo de classe Início Fim fi Méd. Arit. (Xi) Xi - X (Xi-X) ² fi*(xi-x) ²
1 0,200 |- 1,053 0,200 1,040 26 0,845 0,195 0,038 0,989
2 1,053 |- 1,906 1,103 1,770 8 1,576 -0,194 0,038 0,301
3 1,906 |- 2,759 2,070 2,460 4 2,64 0,180 0,032 0,130
4 2,759 |- 3,612 2,875 2,875 1 3,228 0,353 0,125 0,125
5 3,612 |- 4,465 - - - - - - -
6 4,465 |- 5,32 2,460 2,875 1 5,374 2,499 6,245 6,245
TOTAL: 40 16,797 7,789
 Variância

𝜮𝒇 𝒊 (𝒙 𝒊 −𝒙
̅) 𝟕,𝟕𝟖𝟗
𝑺𝟐 = = = 0,195
(∑ 𝒇𝒊) 𝟒𝟎 13
 A variância indica a dispersão dos dados; quanto menor, mais os dados estão
agrupados em torno da média.

 Desvio Padrão

𝒔 = √𝟎, 𝟏𝟗𝟓 = 0,4415

O desvio padrão fornece uma medida da dispersão em termos das unidades

originais dos dados, tornando-a mais facilmente interpretável.

 Coeficiente de variação (CV)

𝒔(𝒙) 𝟎, 𝟒𝟒𝟏𝟓
𝑪𝒗 = = = 𝟎, 𝟒𝟐
̅𝒙 𝟏, 𝟎𝟔

Esse valor expressa a variabilidade de um conjunto de dados como uma

porcentagem da média

 Coeficiente de variação de Thorndike (CVT)

𝒔(𝒙) 𝟎, 𝟒𝟒𝟏𝟓
𝒄𝒗𝑻 = × 𝟏𝟎𝟎 = × 𝟏𝟎𝟎% = 𝟓𝟏, 𝟑𝟒
𝑴𝒅 𝟎, 𝟖𝟔

Portanto, o coeficiente possui um valor de alta dispersão

4.5. Medidas de Simetria

 Primeiro Coeficiente de Pearson

x̅− M0 (1,06 − 0,57)

ASSⅈMETRⅈA = = = 1,11
s 0,4415

 Segundo Coeficiente de Pearson

3(x − Md) 3(1,06 − 0,86)
ASSⅈMETRⅈA = = = 1,359
s 0,4415
14
  Coeficiente de Simetria

Classe Intervalo de classe Início Fim fi Méd. Arit. (Xi) X - Xi (Xi-X) ³

1 0,200 |- 1,053 0,20 1,04 26,00 0,62 0,420 0,074
2 1,053 |- 1,906 1,10 1,77 8,00 1,44 0,334 0,037
3 1,906 |- 2,759 2,07 2,46 4,00 2,27 0,195 0,007
4 2,759 |- 3,612 2,88 2,88 1,00 2,88 0,000 0,000
5 3,612 |- 4,465 - - - - - -
6 4,465 |- 5,32 2,46 2,88 1,00 2,67 0,208 0,009
TOTAL: 40 0,128

→ 𝐶𝑜𝑒𝑓. 𝑑𝑒 𝑠𝑖𝑚𝑒𝑡𝑟𝑖𝑎 = 0,038

4.6. Medidas de Curtose ou Achatamento

Classe Intervalo de classe Início Fim fi Méd. Arit. (Xi) X - Xi (Xi-X)4 s4

1 0,200 |- 1,053 0,2 1,040 26 0,620 0,420
0,031
2 1,053 |- 1,906 1,103 1,770 8 1,437 0,334
0,012
3 1,906 |- 2,759 2,07 2,460 4 2,265 0,195
0,001 0,038
4 2,759 |- 3,612 2,875 2,875 1 2,875 0,000
-
5 3,612 |- 4,465 - - - - - -
6 4,465 |- 5,32 2,46 2,875 1 2,668 0,208
0,002
Total 40
0,047

→ 𝐶𝑜𝑒𝑓. 𝑑𝑒 𝑐𝑢𝑟𝑡𝑜𝑠𝑒 = −2,968

Curtose negativa indica que a

distribuição tem caudas mais leves que a normal

15
4.7. Diagrama de Caixa ou Box-plot

O Box-plot fornece uma visão geral da distribuição estatística de um conjunto de

dados. Ele é particularmente útil para visualizar a centralidade, a dispersão, os valores
atípicos (outliers) e a simetria ou assimetria dos dados.

mediana 0,86
1° quartil 0,29
2° quartil 0,62
3° quartil 1,18
Limite inferior - 0,57
Limite Superior 2,53

5. Considerações Finais ou conclusão.

1°) Qual a produtividade a ser utilizada para fins de planejamento e orçamento?

O valor de RUP igual 0,98 e 1,055, que é a média aritmética simples e ponderada,
sendo muito importante, pois fornece um valor representativo central do conjunto de
números. Além disso, ela permite resumir o conjunto de dados, facilitando a análise ao
fornecer um valor representativo, ajudando a identificar a tendências e avaliar o
desempenho geral.
Para a média ponderada de 1,055, a importância é maior, pois esse valor
representa o valor médio com seus respectivos pesos, ou seja, representa a participação
do valor em relação a um total

16
2°) Quais os valores mínimos e máximo dessa produtividade com 80 % de
probabilidade?

Para 80%
Z= 0,85
X= 1,055
Desvio = 0,4415

Os valores máximo e mínimo, tiveram respectivamente seus valores iguais à

Xmax = 1,43 e Xmin = 0,68

6. Bibliografia

Artigo 1:
“ANÁLISE DA PRODUTIVIDADE DA MÃO DE OBRA NO SERVIÇO DE
REVESTIMENTO INTERNO COM ARGAMASSA”
Por Camila Forigo, UTFPR - Campo Mourão, Paraná

Artigo 2:
“ESTUDO DO CONSUMO DE MATERIAIS E PRODUTIVIDADE DE MÃO DE
OBRA EM REVESTIMENTOS ARGAMASSADOS”
Por Maísa Bronstrup e Leonardo Gerlach Donatti, Unijuí

Artigo 3:
“ESTUDO COMPARATIVO DA PRODUTIVIDADE DA MÃO DE OBRA NO
SERVIÇO DE REVESTIMENTO COM REBOCO”;
Por Gustavo Pianho dos Santos; UTFPR - Campo Mourão 2023.

Artigo 4:
“AVALIAÇÃO DA RAZÃO UNITARIA DE PRODUÇÃO PARA OS SERVIÇOS DE
ALVENARIA E REBOCO EM OBRAS DE ALTO PADRÃO”
Por Ariosvaldo Junio Regis; Gustavo Cândido; Klaiston Batista; Verônica
Azevedo; Helen Oliveira.

17