Avaliação de Sistemas de Medição

Série Werkema de Excelência Empresarial

2ªED IÇ ÃO

Cristina Werkema
Obrigado por adquirir este e-book
Esta obra é acompanhada de conteúdo complementar. Para acessá-lo, encaminhe a
confirmação de compra deste e-book para pin@elsevier.com.br, solicitando seu código de
acesso.
Sumário

Capa

Folha de rosto

Obrigado por adquirir este e-book

Cadastro

Copyright

Agradecimentos

Epígrafe

Prefácio

Capítulo 1. Por que avaliar um sistema de medição?

1 O Processo - Ou Sistema - De Medição

2 Variabilidade Dos Sistemas De Medição

3 Avaliação De Sistemas De Medição E Lean Seis Sigma

Capítulo 2. Avaliação de sistemas de medição por variáveis

1 Terminologia

2 Avaliação Da Discriminação

3. Avaliação Da Precisão

4 Avaliação Do Vício E Da Linearidade

Capítulo 3. Avaliação de sistemas de medição por atributos
1 Introdução

2 Definições E Exemplos

2.1 Precisão

3. Critérios Para Avaliação De Sistemas De Medição Por Atributos

Anexo A. Valores do fator de correção d2

Anexo B. Comentários e referências

Capítulo 1

Capítulo 2

Capítulo 3

Anexo C. Referências
Capítulo 1

Capítulo 2

Capítulo 3

Edital
Cadastro

Preencha a ficha de cadastro no final deste livro e receba gratuitamente

informações sobre os lançamentos e as promoções da Editora
Campus/Elsevier.
Consulte também nosso catálogo completo e últimos lançamentos em
www.elsevier.com.br
Copyright
© 2012, Elsevier Editora Ltda.

Todos os direitos reservados e protegidos pela Lei no 9.610, de 19/02/98.

Nenhuma parte deste livro, sem autorização prévia escrita da editora, poderá ser
reproduzida ou transmitida sejam quais forem os meios empregados: eletrônicos,
mecânicos, fotográficos, gravação ou quaisquer outros.

Revisão: C&C Criações e Textos Ltda.

Editoração Eletrônica: C&C Criações e Textos Ltda.

Elsevier Editora Ltda.

Conhecimento sem Fronteiras
Rua Sete de Setembro, 111 – 16o andar
20050-006 – Centro – Rio de Janeiro – RJ – Brasil

Rua Quintana 753 – 8o andar

04596-011 – Brooklin – São Paulo – SP

Serviço de Atendimento ao Cliente

0800-0265340
sac@elsevier.com.br

ISBN 978-85-352-5386-3
ISBN (versão eletrônica): 978-85-352-5387-0

Nota: Muito zelo e técnica foram empregados na edição desta obra. No entanto, podem
ocorrer erros de digitação, impressão ou dúvida conceitual. Em qualquer das hipóteses,
solicitamos a comunicação à nossa Central de Atendimento, para que possamos
esclarecer ou encaminhar a questão. Nem a editora nem o autor assumem qualquer
responsabilidade por eventuais danos ou perdas a pessoas ou bens, originados do uso
desta publicação.

CIP-Brasil. Catalogação-na-fonte.
Sindicato Nacional dos Editores de livros, RJ
W52la
2. ed.

Werkema, Cristina
Avaliação de sistemas de medição / Cristina Werkema. – 2. ed. – Rio de
Janeiro: Elsevier, 2011. (Werkema de excelência empresarial)

Inclui bibliografia

ISBN 978-85-352-5386-3

1. Engenharia da produção. 2. Six sigma (Padrão de controle de qualidade). 3.

Medição. 4. Controle de processos. 5. Controle de qualidade. 6. Administração
da qualidade. I. Título. II. Série.

11-6114. CDD: 658.5

CDU: 658.5
Agradecimentos
Ao Universo, pela infinita benevolência.
“You start to wake up… in thankfulness, not in fear. I sn’t it about time? I know who is
here, I know who is listening, I know who is reading. I sn’t it about time, when you open
your eyes in the morning for the first time you can say: ‘Thank God that I know who I
am. Thank S pirit for being my partner and my family. Thank God I am on Earth at this
time in my life’.”
Kryon
Live Kryon Channelling – Wilmington, North Carolina, USA – July 23, 2011
As channelled by Lee Carroll for Kryon (www.kryon.com)
Epígrafe
“A flor respondeu: – Bobo! Acha que abro minhas pétalas para que vejam? Não faço isso
para os outros, é para mim mesma, porque gosto. Minha alegria consiste em ser e
desabrochar.”
Arthur Schopenhauer
Prefácio
A avaliação de sistemas de medição é essencial para a prática gerencial. N as palavras de
Kaoru I shikawa, “Realizar medições é tão importante, que é possível dizer que qualquer
avanço em controle da qualidade depende do progresso dos sistemas de medição.
Portanto, é óbvio que antes de analisar um processo devemos avaliar, sob os pontos de
vista da estatística e da engenharia, os métodos de medição utilizados”.
Também vale destacar que, no programa Lean S eis S igma, a avaliação dos sistemas de
medição é uma atividade obrigatória durante as etapas dos métodos D MA I C e D MA D V
sempre que for necessário garantir a confiabilidade dos dados empregados. O u seja: a
importância para as empresas do conhecimento e uso rotineiro dos procedimentos para
avaliação de sistemas de medição é inquestionável.
N este livro são apresentadas as principais técnicas estatísticas para avaliação do grau
de confiabilidade dos dados gerados por sistemas de medição, de forma totalmente
®
integrada ao software MI N I TA B . O objetivo é que esta obra seja uma fonte de consulta
para os profissionais que atuam no Lean S eis S igma ou que exerçam outras atividades
relacionadas à coleta e análise de dados como base para a tomada de decisões.
CAPÍ T ULO 1

Por que avaliar um sistema de medição?

“Tudo o que é realmente notável e inspirador é criado por pessoas que podem trabalhar em
liberdade.”
Albert Einstein

1 O processo - ou sistema - de medição

A s decisões envolvidas no gerenciamento dos processos produtivos de uma empresa
devem ser baseadas em dados, que muitas vezes são resultantes da realização de
medições (Figura 1.1). S endo assim, é fundamental avaliar se os sistemas de medição1
fornecem resultados confiáveis antes de se tomar uma decisão com base em dados
gerados por esses sistemas. N as palavras do D r. Kaoru I shikawa: “Realizar medições é
tão importante, que é possível dizer que qualquer avanço em controle da qualidade
depende do progresso dos sistemas de medição. Portanto, é óbvio que antes de analisar
um processo devemos avaliar, sob os pontos de vista da estatística e da engenharia, os
métodos de medição utilizados.”

FIGURA 1.1 A importância das medições para o gerenciamento de um processo produtivo

 É importante observar que a obtenção das medições de alguma variável ou
característica de interesse associada a um processo de produção de bens ou de
fornecimento de serviços também se constitui em um processo, estando então sujeita à
atuação de diversas fontes de variação. A Figura 1.2, que ilustra essa ideia, apresenta um
fluxograma do processo de medição de uma característica da qualidade de uma peça,
destacando algumas das possíveis fontes de variação envolvidas em cada etapa do
processo de medição.

FIGURA 1.22 Fluxograma do processo de medição de uma característica da qualidade de uma peça

2 Variabilidade dos sistemas de medição

D e modo geral, é possível dizer que os principais fatores responsáveis pela variabilidade
associada aos processos de medição são:
♦ Desgaste de componentes do instrumento de medição3.
♦ Posição em que o item a ser medido é colocado no aparelho de medição.
♦ Condições ambientais (por exemplo, temperatura, umidade, iluminação, poluição do
ar, vibração).
♦ Emprego de procedimentos de medição inadequados.
 ♦ Treinamento insuficiente dos avaliadores.
♦ Falta de calibração4 do aparelho de medição.
Q uando a medição passa a ser visualizada como um processo sujeito à variabilidade e,
portanto, a incertezas, é imediato perceber a necessidade da quantificação das fontes de
variação associadas à medição.
O leitor deve observar que é a atuação dessas fontes de variação a causa de a medição
da característica de interesse resultar em um número que difere, em maior ou menor
extensão, do valor real da característica que está sendo medida, o que gera o chamado
erro de medição5. Portanto, é claro que é totalmente inapropriado assumir como
verdadeiro que os processos de medição utilizados pela empresa fornecem dados
confiáveis (com erro tolerável), sem que antes tenham sido quantificadas as fontes de
variação (incertezas) associadas à medição. O s trabalhos conduzidos com esse objetivo
são conhecidos como estudos para avaliação da capacidade de processos (ou sistemas) de
medição/inspeção ou, mais resumidamente, como avaliação de sistemas de medição.
Vale ainda ressaltar que os estudos para avaliação de sistemas de medição são
especialmente importantes nas seguintes situações:
♦ Avaliações de instrumentos de medição após a realização de ajustes ou consertos.
♦ Avaliação de novos operadores, instrumentos ou métodos de medição.
♦ Comparação de instrumentos de medição similares.
A s técnicas de análise usadas na avaliação de sistemas de medição dependem da
natureza do resultado da medição, isto é, se esse resultado é uma variável (que pode
assumir valores em uma escala contínua) ou um atributo (que somente pode assumir um
valor único de um conjunto finito de possíveis categorias – usualmente, categoria
perfeita ou defeituosa). A avaliação de sistemas de medição por variáveis é discutida no
capítulo 2 e por atributos no capítulo 3.

3 Avaliação de sistemas de medição e Lean Seis Sigma

A avaliação de sistemas de medição deve ser utilizada em todas as etapas dos métodos
DMAIC (especialmente nas fases M easure, Analyze e Control) e DMADV, para garantir a
confiabilidade dos dados empregados, conforme é apresentado nas Figuras 1.3 e 1.4.
FIGURA 1.3 Seis Sigma
FIGURA 1.4 Seis Sigma
CAPÍ T ULO 2

Avaliação de sistemas de medição por

variáveis
“Aqueles que desejam abrir mão da liberdade para obter segurança não terão – nem merecem
– nenhuma das duas.”
Benjamin Franklin

1 Terminologia
A ntes de iniciarmos a discussão dos estudos para avaliação de sistemas de medição por
variáveis é necessário apresentar a terminologia básica utilizada.

1.1 Discriminação Ou Resolução

S egundo o manual de referência Análise dos Sistemas de M edição – M SA, 3o edição (I Q A –
I nstituto da Q ualidade Automotiva, 2004), a discriminação é a quantidade de mudança
com relação a um valor de referência que um instrumento pode detectar e
confiavelmente indicar. A discriminação é também denominada legebilidade, resolução,
menor unidade de leitura, limite da escala ou limite de detecção. A medida da
discriminação é tipicamente o valor da menor graduação na escala do instrumento. S e as
graduações são amplas, então meia graduação poderá ser usada. A Figura 2.11 ilustra o
conceito de discriminação.
 FIGURA 2.11 Conceito de discriminação

1.2 Vício Ou Tendência

O vício é a diferença entre o valor real da característica medida e a média de medições
repetidas dessa característica.
O conceito de vício está ilustrado na Figura 2.2. O leitor deve notar que o vício
representa uma superestimação ou subestimação sistemática do valor verdadeiro que
está sendo medido. Por exemplo, se um instrumento fornece leituras da concentração de
uma substância química sempre 5 ppm superiores ao valor verdadeiro medido, é possível
dizer que esse instrumento apresenta um vício positivo de 5 ppm.

FIGURA 2.2 Conceito de vício

É importante destacar que o valor real da característica medida é, de fato, uma

quantidade abstrata que será sempre desconhecida. N o entanto, esse valor real pode ser
estimado como a média das medidas da característica de interesse obtidas por meio do
emprego de um equipamento de medição do mais alto nível (por exemplo, de um
laboratório de metrologia), que sabemos fornecer medidas confiáveis. A média das
medidas obtidas nessas condições é denominada valor de referência e é então utilizada
como o valor real.
A lguns exemplos de fatores que podem fazer com que um sistema de medição
apresente um vício significativo são:
♦ Calibração inadequada do instrumento de medição.
♦ Utilização incorreta do instrumento por parte do operador.
♦ Condições ambientais (por exemplo, excesso de calor ou frio).
 ♦ Método de medição inadequado.
♦ Instrumento de baixa qualidade quanto ao projeto ou manufatura.
♦ Deformação da peça ou do instrumento de medição.

1.3 Linearidade
A linearidade é a diferença entre os valores do vício ao longo do intervalo de operação
esperado do sistema de medição.
O conceito de linearidade está ilustrado na Figura 2.32.

FIGURA 2.32 Conceito de linearidade

A s mesmas causas que podem fazer com que um sistema de medição apresente um
vício elevado podem gerar um valor não aceitável para a linearidade.

1.4 Precisão
A precisão quantifica a proximidade entre as medidas individuais da característica de
interesse geradas pelo sistema de medição.
O conceito de precisão está ilustrado na Figura 2.4.

FIGURA 2.4 Conceito de precisão

A precisão dos sistemas de medição está relacionada aos conceitos de repetibilidade e

reprodutibilidade, que serão apresentados nos itens 1.6 e 1.7.

1.5 Exatidão Ou Acurácia

A exatidão quantifica a proximidade entre o valor real da característica medida e os
resultados fornecidos pelo sistema de medição.
A Figura 2.5 mostra o relacionamento existente entre os conceitos de vício, precisão e
exatidão. N essa figura, que já é clássica, o centro de cada alvo representa o valor
verdadeiro da característica medida e os pontos são as medições repetidas dessa
característica, obtidas por meio do sistema de medição avaliado. O bserve que as Figuras
2.5(a) e (c) são aquelas que não indicam a presença de vício, já que as medições estão
centradas no alvo. J á nas Figuras 2.5 (a) e (b) as medições estão muito próximas entre si,
o que indica uma elevada precisão. A Figura 2.5 (a) é a única que apresenta medições
exatas, já que o vício é baixo é a precisão é elevada.
 FIGURA 2.5 Relacionamento entre os conceitos de vício, precisão e exatidão

1.6 Repetibilidade
A repetibilidade de um sistema de medição é a variação nas medidas obtidas quando um
avaliador utiliza o instrumento para medir repetidas vezes a característica de interesse
dos mesmos itens.
A quantificação da repetibilidade será identificada neste texto pelo símbolo σre pe .
A Figura 2.6 apresenta a repetibilidade de dois diferentes sistemas de medição.
 FIGURA 2.6 Conceito de repetibilidade

É importante observar que medidas repetidas de uma característica de interesse,

realizadas por um único operador, resultam em uma distribuição de valores se o
instrumento de medição utilizado apresentar discriminação suficiente. N a maioria das
situações essa distribuição pode ser bem aproximada por uma distribuição normal.
N esse caso, 99,73% das medidas deverão pertencer ao intervalo média ± 3 × desvio-padrão,
sendo o desvio-padrão da distribuição justamente a quantificação da repetibilidade σ re pe
do instrumento de medição. Portanto, para que o aparelho apresente uma repetibilidade
adequada, a amplitude 6σre pe da distribuição das medidas deve ser pequena quando
comparada com o comprimento da faixa de especificação (LS E – LI E), onde LS E = limit
superior de especificação e LI E = limite inferior de especificação. Essa ideia é ilustrada na
Figura 2.6.
N a seção 3 será apresentada a forma de condução de um estudo para avaliação da
repetibilidade de um sistema de medição. N o entanto, também é possível fazer uma
avaliação visual da repetibilidade por meio da construção de um D iagrama de D ispersão.
Para a construção desse diagrama são selecionados n itens do produto fabricado pelo
processo considerado e a característica de interesse de cada um desses itens é medida
duas vezes, em ordem aleatória, por um único avaliador. A seguir, os n pares de pontos
obtidos são grafados em um D iagrama de D ispersão. S e forem obtidas grandes
diferenças entre as medidas, ou seja, se os pontos estiverem muito afastados da linha de
45 graus, esse resultado indica que o sistema de medição tem baixa repetibilidade (veja a
Figura 2.7). O leitor deve notar que, em uma situação ideal, a primeira e a segunda
medidas realizadas para um mesmo item seriam iguais e então todos os pontos estariam
sobre a linha de 45 graus apresentada no diagrama.

FIGURA 2.7 Avaliação da repetibilidade de sistemas de medição por meio de Diagramas de Dispersão

D e acordo com o manual de referência Análise dos Sistemas de M edição – M SA, 3ª edição
(I Q A – I nstituto da Q ualidade Automotiva, 2004)3, um sistema de medição pode ter
repetibilidade inadequada devido a elevada variação dentro:
♦ da peça (amostra ou item medido): forma, posição, acabamento superficial,
conicidade, consistência.
♦ do instrumento: reparo, desgaste, falha do dispositivo de fixação, baixa qualidade,
manutenção precária, projeto inadequado.
♦ do método: ajuste, técnica operacional, fixação da peça, aperto do dispositivo.
♦ do avaliador: técnica, posição, falta de experiência, habilidade de manipulação,
treinamento no manuseio, sentimento/sensibilidade pessoal, fadiga.
♦ do ambiente: flutuações na temperatura, umidade, vibração, iluminação, limpeza.
A partir do exposto no parágrafo anterior é fácil perceber porque a repetibilidade
também é conhecida como variação dentro do sistema de medição.

A le rt a s qua nt o à a va lia çã o da re pe t ibilida de

 N os estudos para avaliação de sistemas de medição é aconselhável que a
quantificação da repetibilidade seja a primeira atividade a ser realizada, antes
da análise das outras fontes de variação. Essa recomendação é importante
porque uma repetibilidade inadequada dificulta a estimação das outras
fontes de variabilidade associadas à medição.
D e modo geral, a avaliação da repetibilidade deve ser realizada logo após a
compra de um novo instrumento de medição e antes da coleta dos dados
necessários à condução de análises de interesse sobre o processo produtivo
considerado.

1.7 Reprodutibilidade
A reprodutibilidade de um sistema de medição é a variação na média das medidas
obtidas quando diferentes avaliadores utilizam o instrumento para medir repetidas vezes
a característica de interesse dos mesmos itens.
A quantificação da reprodutibilidade será identificada neste texto pelo símbolo σre pro.
A Figura 2.8 apresenta a reprodutibilidade, associada a dois avaliadores, de dois
diferentes sistemas de medição.
 FIGURA 2.8 Conceito de reprodutibilidade

Vale destacar que, como nas empresas é comum que vários avaliadores (operadores)
utilizem um mesmo instrumento de medição, é importante que os aparelhos sejam
projetados de forma que diferentes avaliadores obtenham resultados similares. N o
entanto, conforme destaca o manual de referência Análise dos Sistemas de M edição – M SA
3ª edição (I Q A – I nstituto da Q ualidade Automotiva, 2004)4, “essa situação é muito real
para instrumentos manuais influenciados pela habilidade do operador. Contudo, não é
real para processos de medição em que o operador não se constitui na maior fonte de
variação, como, por exemplo, sistemas automáticos. Por essa razão, a reprodutibilidade é
conhecida como variação das médias entre sistemas ou condições de medição.”
N a seção 3 será apresentada a forma de condução de um estudo para avaliação da
reprodutibilidade de um sistema de medição.
N o caso de instrumentos de medição dependentes da habilidade do avaliador, alguns
exemplos de fatores que podem implicar em uma reprodutibilidade inadequada são:
♦ Utilização de diferentes procedimentos de medição por parte dos avaliadores.
♦ Treinamento insuficiente dos avaliadores.
♦ Projeto inadequado do instrumento, de modo a permitir interpretações subjetivas.
J á para sistemas de medição altamente automatizados, em que faz mais sentido avaliar
a diferença entre as médias de medições realizadas em diferentes instantes de tempo, a
baixa reprodutibilidade geralmente é consequência de variações nas condições
ambientais.

1.8 Relacionamento Entre Os Conceitos Da Terminologia

Básica
A pós a compreensão da terminologia básica, o leitor poderá apreciar a Figura 2.9, que
ilustra o relacionamento entre os elementos que devem ser analisados em um estudo
para avaliação de sistemas de medição por variáveis.

FIGURA 2.9 Elementos a serem analisados em estudos para avaliação de sistemas de medição por variáveis

Para finalizar a seção, é importante destacar que a I SO (I nternational O rganization for

Standardization) e a ASTM (American Society for Testing and M aterials)não recomendam o
uso do termo exatidão (ou acurácia) como alternativa para vício ou tendência, conforme é
feito em algumas organizações.

2 Avaliação da Discriminação
Um dos problemas que frequentemente surgem associados aos sistemas de medição é a
utilização de unidades de medida inadequadas, de forma que não é possível realizar uma
distinção apropriada entre valores imediatamente próximos da característica que está
sendo medida. A ocorrência desse problema pode ser detectada de forma simples por
meio da interpretação apropriada de Cartas de Controle X-barra e R5, conforme será
mostrado no exemplo a seguir.
Exemplo 2.1
Para o monitoramento da estabilidade de seu processo produtivo, uma fábrica
de tubos de PVC coleta, a cada hora, uma amostra de cinco unidades do
mesmo modelo e mede, em uma posição predeterminada, a espessura de cada
tubo. A seguir, a espessura média e a amplitude das espessuras são
calculadas e esses valores são grafados nas Cartas de Controle X-barra e R,
respectivamente.
O s valores da espessura dos tubos são registrados em centímetros, sendo a
menor unidade de medida (discriminação) do instrumento atualmente
utilizado pela empresa igual a 0,001cm. A indústria gostaria de passar a
utilizar outro instrumento de medição, cuja discriminação é 0,01cm, mas
antes de fazer a troca deseja avaliar se a nova unidade de medida será
adequada, permitindo uma distinção significativa entre valores
imediatamente próximos da espessura dos tubos.
Para realizar a avaliação, a empresa coletou 25 amostras de tamanho n = 5 e
mediu, por meio do instrumento atualmente empregado, a espessura dos
tubos que constituíam as amostras. O s dados obtidos são apresentados na
Tabela 2.1. A partir dos dados dessa Tabela foram construídas as Cartas de
Controle X-barra e R apresentadas naFigura 2.10. A análise das cartas indicou
que o processo estava sob controle estatístico em relação à espessura dos
tubos de PVC.

Tabela 2.1
Medidas da espessura (cm) dos tubos de PVC
 FIGURA 2.10 Cartas de Controle X-barra e R: dados registrados em 0,001cm

Com o objetivo de avaliar a adequação do novo instrumento de medição

cuja discriminação é 0,01, cada medida da espessura apresentada na Tabela
2.1 foi arredondada, como se tivesse sido obtida por meio do emprego de um
instrumento cuja menor unidade de medida é 0,01cm. O s novos dados
gerados por esse procedimento são mostrados na Tabela 2.2. Com base nesses
dados foram construídas novas Cartas de Controle X-barra e R (F igura 2.116).
A análise dessas cartas agora indica que o processo estava fora de controle
estatístico, apesar de as cartas anteriores terem indicado o contrário.

Tabela 2.2
Medidas da espessura (cm) dos tubos de PVC: dados arredondados
 FIGURA 2.116 Cartas de controle X-barra e R: dados registrados em 0,01cm

É importante ressaltar que os pontos fora de controle na Figura 2.11 não

foram provocados por anomalias no processo produtivo – na verdade, eles são
o resultado do arredondamento das medidas da espessura dos tubos. D e
modo geral, o arredondamento excessivo dos dados pode indicar uma
situação de falta de controle estatístico do processo produtivo, quando na
verdade o processo está sob controle.

C om o const ruir a F igura 2 .1 0 ut iliz a ndo o M I N I T A B ®

1) Digite os dados do exemplo nas colunas C1 a C5 e nomeie essas
colunas, conforme a estrutura mostrada abaixo:
2) Selecione Stat → Control Charts → Variables Charts for Subgroups →
Xbar-R…
 A ocorrência desse tipo de problema pode ser facilmente identificada por meio da
observação do número de valores possíveis para a amplitude das amostras dentro dos
limites de controle da carta R.
7
Uma regra prática apresentada por D . J . Wheeler e R. W. Lyday estabelece que se há
cinco ou menos valores possíveis para a amplitude das amostras dentro dos limites de
controle da carta R, então a discriminação não é adequada, não permitindo uma distinção
apropriada entre valores imediatamente próximos da característica que está sendo
medida.
O leitor deve observar que, na Figura 2.10, há 28 valores possíveis para a amplitude das
amostras dentro dos limites de controle da carta R: 0,000; 0,001; 0,002; …; 0,026; 0,027.
Esse fato é uma evidência de que não há problemas com a unidade de medição
empregada para coletar os dados utilizados na construção da carta (discriminação =
0,001cm).
J á na carta R da Figura 2.11 há apenas três valores possíveis dentro dos limites de
controle: 0,00; 0,01 e 0,02. Portanto, a indústria fabricante de tubos de PVC pode concluir
que não é apropriado substituir o instrumento de medição atual pelo novo equipamento
cuja discriminação é 0,01cm. S e esse instrumento passar a ser utilizado, as cartas de
controle não poderão ser interpretadas como ferramentas que refletem o comportamento
do processo produtivo, já que qualquer ponto fora de controle pode ser o resultado da
discriminação inadequada do instrumento de medição.
Para concluir o exemplo, é importante destacar que a falta de controle indicada pelas
cartas da Figura 2.11 é resultado da falta de capacidade do instrumento de medição, cuja
discriminação é 0,01cm, em refletir a variabilidade natural da espessura dos tubos
produzidos. Q uando os dados foram arredondados para gerar a Tabela 2.2, simulando a
utilização do novo aparelho de medição, muita informação sobre a variabilidade do
processo foi perdida no arredondamento, sendo geradas várias amostras cujas
amplitudes eram iguais a zero. Esse fato fez com que a amplitude R das medidas da
espessura dos tubos fosse subestimada, o que diminuiu o afastamento entre os limites
de controle das cartas X-barra e R, gerando pontos fora dos limites de controle, quando,
na verdade, não existiam causas especiais de variação atuando no processo produtivo.

Exercício 2.1
Uma empresa utiliza Cartas de Controle X-barra e R para monitorar uma
variável que é atualmente medida e registrada com quatro decimais, conforme
mostrado na Tabela 2.3. A empresa poderá passar a medir essa variável por
meio de um novo aparelho que registra apenas duas casas decimais?
 Tabela 2.3
Dados do exercício 2.1

3. Avaliação da precisão
3.1 Introdução
A variabilidade total presente em um conjunto de dados, gerados por um processo
produtivo e medidos por meio de um sistema de medição, pode ser dividida em duas
parcelas:
♦ Variabilidade inerente às unidades do produto ou peças (resultante do processo
produtivo).
♦ Variabilidade (precisão) inerente ao sistema de medição.
Se
 então é possível escrever:

Como a variabilidade do sistema de medição (precisão) é constituída por dois

componentes – repetibilidade e reprodutibilidade – a equação anterior pode ser escrita
como:

A Figura 2.12 ilustra a decomposição da variabilidade total do conjunto de dados.

FIGURA 2.12 Decomposição da variabilidade total dos dados resultantes de um estudo para avaliação de
sistemas de medição

As parcelas de variação mostradas na Figura 2.12 podem ser separadas e estimadas por
meio das técnicas apresentadas a seguir.

3.2 Análise Gráfica De Cartas De Controle

Exemplo 2.2
N o gerenciamento da rotina de uma indústria são coletados dados referentes
à concentração de um elemento químico em um produto fabricado pela
empresa. Como foi adquirido recentemente um novo aparelho para medir a
concentração do elemento químico, a indústria decidiu realizar um estudo
para avaliar a capacidade do sistema de medição.
N o estudo foram selecionadas vinte unidades do produto e três avaliadores
responsáveis pela realização das medições. Cada avaliador utilizou o novo
instrumento para medir duas vezes a concentração do elemento químico em
cada unidade do produto. Os dados, mostrados na Tabela 2.4, foram coletados
de acordo com as diretrizes que serão discutidas na seção 3.3.1.

Tabela 2.4
Medidas da concentração do elemento químico obtidas para a avaliação
da precisão do sistema de medição do exemplo 2.2
 A s Cartas de Controle X-barra e R construídas para os dados obtidos no
estudo são apresentadas na Figura 2.13.
 FIGURA 2.13 Cartas de Controle X-barra e R para o exemplo 2.2

1 Interpretação da carta R
A carta R avalia a consistência do sistema de medição.
U m sistema de medição é definido como consistente se a carta de controle R
construída para medidas repetidas de um mesmo item indica um estado de controle
estatístico.
O leitor deve notar que os valores de R representam as diferenças entre medidas feitas
no mesmo item, por meio do emprego do mesmo instrumento de medição e pelo mesmo
avaliador. N o exemplo 2.2 a carta R indica uma situação sob controle estatístico. I sso
significa que os avaliadores não estão encontrando dificuldades em fazer medidas
consistentes da concentração do elemento químico. S e tivessem ocorrido pontos fora dos
limites de controle na carta R, esse fato seria uma indicação da presença de causas
especiais de variação atuando no processo de medição, tais como dificuldades dos
avaliadores na utilização do instrumento ou necessidade de calibração do aparelho.
S empre que a carta R mostrar falta de controle estatístico, as causas especiais de
variação deverão ser encontradas e eliminadas e, posteriormente, deverão ser coletados
novos dados para que a avaliação do sistema de medição possa ser reiniciada.
2 Interpretação da carta X-barra
A carta X-barra retrata a habilidade do sistema de medição em fazer a distinção entre
diferentes concentrações do elemento químico. O fato de essa carta apresentar vários
pontos fora dos limites de controle já era esperado, porque existe uma grande
variabilidade entre os valores da concentração considerados no estudo (mínimo = 24,0
ppm e máximo = 43,8 ppm).
D e modo geral, como em estudos para avaliação de sistemas de medição os limites de
controle da carta X-barra são calculados com base na variação entre as medidas feitas
para um mesmo item, não levando em conta a variação existente entre diferentes itens
resultantes do processo produtivo, o resultado esperado e desejável é que essa carta
mostre um estado de falta de controle estatístico. N a realidade, quanto mais pontos fora
dos limites de controle existirem na carta X-barra, melhor será o sistema de medição,
porque ele possuirá uma boa habilidade para distinguir os diferentes itens resultantes do
processo produtivo.
Por outro lado, se a carta X-barra mostrar um estado de controle estatístico, o sistema
de medição será de pouca utilidade para fazer a distinção entre diferentes itens do
produto. N esse caso, antes de se pensar na implementação de ações para melhoria do
processo produtivo, devem ser consideradas alternativas para melhoria ou substituição
do sistema de medição utilizado. I sso ocorre porque o sistema de medição, sob a forma
atual, será incapaz de detectar se as ações de melhoria serão realmente efetivas.

3.3 Análise Numérica

3.3.1 Cálculo da precisão com base nas cartas de controle X-barra e R

Exemplo 2.3
A inda com base na situação do exemplo 2.2, serão apresentados os cálculos
para estimação da repetibilidade, reprodutibilidade e precisão do sistema de
medição.

1 Estimação Da Repetibilidade

A repetibilidade do sistema de medição pode ser estimada a partir da média das

amplitudes obtidas para os três avaliadores, R1, R2 e R3:
 Utilizando r, a repetibilidade do sistema de medição pode ser estimada por meio da
expressão:

onde d2 é um fator de correção, obtido na tabela A .18 (A nexo A), que depende dos
seguintes parâmetros:
♦ número de vezes em que uma mesma unidade do produto é medida pelo mesmo
avaliador (m).
♦ número de unidades do produto multiplicado pelo número de avaliadores (g).
Para o exemplo, m = 2 e g = 20 × 3 = 60, o que leva a d2 = 1,12838. Portanto,

2 Estimação Da Reprodutibilidade

A reprodutibilidade quantifica, essencialmente, a variabilidade resultante quando

diferentes avaliadores utilizam o sistema de medição. O leitor deve observar que os
valores de yi diferem devido à existência de diferenças entre os avaliadores, já que todos
eles medem as mesmas unidades do produto.
Para estimar a reprodutibilidade é necessário definir:

A reprodutibilidade do sistema de medição pode então ser estimada por meio da

equação:

onde
n = número de vezes que cada item é medido.
k = número de itens medidos.
d2 = fator de correção, obtido na tabela A .18 (A nexo A), em função dos seguintes
parâmetros:
♦ número de avaliadores (m).
♦ g = 1 (porque há apenas um cálculo de amplitude).
N a equação anterior, se for obtida a raiz quadrada de um número negativo, σre pro será
considerada igual a zero.
Para o exemplo 2.3:

3 Estimação Da Precisão

Já foi apresentado anteriormente que:

Portanto, para o exemplo 2.3:

Conforme já foi discutido na seção I , uma boa estimativa da capacidade do sistema de

medição é dada por 6 × σme dição (aproximação pela distribuição normal). Para o exemplo, é
então obtido:

É muito útil comparar a capacidade do sistema de medição com o comprimento da

faixa de especificação (LS E – LI E) para a variável considerada, por meio do cálculo da
percentagem da tolerância da medição (PT medição).
A percentagem da tolerância da medição é definida por

Para o exemplo, as especificações estabelecem que, para que o produto possa ser
considerado de boa qualidade, a concentração do elemento químico deve pertencer ao
intervalo (30 ; 40) ppm. Isto é, LSE = 40 ppm e LIE = 30 ppm. Logo,
4 Estimação Da Variabilidade Das Unidades Do Produto (Peças)

A variabilidade das unidades do produto (peças) utilizadas no estudo pode ser estimada
por meio da equação:

onde
Rp = amplitude das médias das peças.
d2 = fator de correção, obtido na tabela A .18 (A nexo A), em função dos seguintes
parâmetros:
♦ número de peças (m).
♦ g = 1 (porque há apenas um cálculo de amplitude).
Para o exemplo 2.3:

5 Estimação Da Variabilidade Total

Já foi apresentado anteriormente que:

Portanto,

Para o exemplo 2.3:

6 Critérios Para Avaliação De Sistemas De Medição

6.1 Classificação com base na percentagem da tolerância da medição

O critério usado para avaliação de sistemas de medição, com base na percentagem da

tolerância, é mostrado na Figura 2.14.

FIGURA 2.14 Critério para avaliação de sistemas de medição com base na percentagem da tolerância da
medição

N o exemplo 2.3 o sistema de medição é inaceitável, devendo ser adotadas ações

corretivas para melhoria da repetibilidade, já que:

6.2 Classificação com base na percentagem da contribuição da medição para a variabilidade total

Também é útil comparar a variabilidade do sistema de medição com a

variabilidade total , por meio do cálculo da percentagem da contribuição da
medição (PCmedição).
A percentagem da contribuição da medição é definida por:
 Para o exemplo 2.3,

O critério usado para avaliação de sistemas de medição, com base na percentagem da

contribuição, é mostrado na Figura 2.15.

FIGURA 2.15 Critério para avaliação de sistemas de medição com base na percentagem da contribuição da
medição

7 Saída Do Software MINITAB®

As Figuras 2.16 e 2.17 mostram a saída do software MI N I TA B® – procedimento Gage R&R

S tudy (Crossed) – para os exemplos 2.2 e 2.3. É importante ressaltar que, quando todas as
unidades do produto são medidas por todos os avaliadores, como no caso dos exemplos,
esse é o procedimento adequado. N a situação em que cada unidade do produto é medida
por um único avaliador, deve ser utilizado o procedimento Gage R&R S tudy (N ested),
conforme apresentado na seção 3.4.
FIGURA 2.16 Saída do MINITAB® para os exemplos 2.2 e 2.3: primeira parte (método de análise = Cartas de
Controle X-barra e R)
 FIGURA 2.17 Saída do MINITAB® para os exemplos 2.2 e 2.3: segunda parte (método de análise = Cartas de
Controle X-barra e R)

O leitor deve notar que os resultados mostrados na Figura 2.16 coincidem com aqueles
obtidos anteriormente, a menos de pequenas diferenças nas últimas casas decimais, em
função de erros de arredondamento.
A inda na Figura 2.16, vale destacar que a coluna %S tudy Var (%S V) – percentagem da
variação do estudo – compara o desvio-padrão de cada fonte de variação com o desvio-
padrão total:

A soma dos itens da coluna %Study Var não totaliza 100%.

A seguir, os gráficos da Figura 2.17 são apresentados individualmente e comentados.
FIGURA 2.18 Gráfico das percentagens da contribuição, da variação do estudo e da tolerância

FIGURA 2.19 Cartas de Controle X-barra e R

FIGURA 2.20 Gráfico de valores individuais e médias das medições para cada unidade do produto

FIGURA 2.21 Gráfico de valores individuais e médias das medições para cada avaliador
A le rt a s qua nt o à cole t a de da dos pa ra a a va lia çã o da
pre cisã o de sist e m a s de m e diçã o por va riá ve is
S ão apresentadas a seguir, com base no trabalho de J . L. Hradesky9, algumas
diretrizes para a coleta de dados para a avaliação da repetibilidade e
reprodutibilidade de sistemas de medição.
♦ A forma de condução do estudo deve ser previamente explicada aos
avaliadores.
♦ O método de medição deve ser avaliado para que seja possível verificar
se ele está sendo cumprido e se está correto.
♦ As unidades do produto que serão medidas devem ser selecionadas
aleatoriamente da produção.
♦ As unidades escolhidas podem ou não estar dentro das especificações
estabelecidas para a característica da qualidade de interesse. É
aconselhável selecionar itens distribuídos em toda a faixa de
especificação.
♦ Cada unidade deve ser rotulada com um número ou código para facilitar
sua identificação e a coleta de dados.
♦ Pelo menos 10 unidades do produto devem ser medidas no estudo.
♦ Cada unidade do produto deve ser medida uma vez, em ordem aleatória,
e as leituras devem ser registradas em uma folha de verificação
apropriada.
♦ Cada unidade do produto deve ser medida uma segunda vez, também
em ordem aleatória, e as leituras devem ser registradas em uma outra
folha de verificação. É importante manter registros separados para que
os avaliadores não sejam influenciados pelos resultados obtidos
anteriormente.
♦ As medições das unidades do produto devem continuar, até que o
número desejado de medidas por unidade seja alcançado. Cada grupo
de medições deve ser registrado em uma folha de verificação separada.

C om o const ruir a s F igura s 2 .1 6 e 2 .1 7 ut iliz a ndo o

M I N I TA B ®
1) Digite os dados do exemplo nas colunas C1 a C3 e nomeie essas
colunas, conforme a estrutura mostrada abaixo:
Medida Avaliador Unidade
29.7 1 1
28.3 1 1
33.9 1 2
32.5 1 2
28.3 1 3
29.7 1 3
… … …
… … …
29.7 3 18
32.5 3 18
35.4 3 19
35.4 3 19
26.9 3 20
24.0 3 20

2) Selecione Stat → Quality Tools → Gage Study → Gage R&R Study

(Crossed)…

3) Selecione a coluna Unidade para o campo Part numbers:, a coluna

Avaliador para o campo Operators:, a coluna Medida para o campo
 Measurement data: e a opção Xbar and R para o campo Method of
Analysis.

4) Clique em Options…, digite 10 no campo Process tolerance: e clique

OK duas vezes.
3.3.2 Cálculo da precisão com base no método da análise de variância
(ANOVA)
Conforme definido no manual de referência Análise dos Sistemas de M edição – M SA, 3ª
edição (I Q A – I nstituto da Q ualidade Automotiva, 2004)10, “a A nálise de Variância
(A N O VA) é uma técnica estatística padrão que pode ser utilizada para analisar o erro de
medição e outras fontes de variabilidade dos dados pertinentes a um estudo de sistemas
de medição. N a A nálise de Variância, esta pode ser decomposta em quatro categorias:
peças, avaliadores, interação entre peças e avaliadores e o erro de replicação devido ao
dispositivo de medição (repetibilidade).” A decomposição da variabilidade nessas quatro
categorias é ilustrada na Figura 2.23.
FIGURA 2.22 Gráfico da interação entre avaliadores e unidades do produto (peças)
 FIGURA 2.23 Decomposição da variabilidade dos dados resultantes de um estudo para avaliação de sistemas
de medição por meio da técnica ANOVA

Uma vantagem do método da A nálise de Variância é a sua capacidade de calcular a

magnitude do efeito da interação entre avaliadores e unidades do produto (peças). A s
Figuras 2.24 e 2.25 mostram a saída do software MI N I TA B® gerada para os exemplos 2.2 e
2.3 quando é usado o método A N O VA , sendo queos principais elementos dessa saída
são destacados nos retângulos. Para a obtenção das Figuras 2.24 e 2.25, a única alteração a
ser feita no procedimento apresentado nas páginas anteriores consiste em selecionar, na
etapa 3, a opção ANOVA para o campo Method of Analysis.
FIGURA 2.24 Saída do MINITAB® para os exemplos 2.2 e 2.3: primeira parte (método de análise = ANOVA)
 FIGURA 2.25 Saída do MINITAB® para os exemplos 2.2 e 2.3: segunda parte (método de análise = ANOVA)

A interpretação dos elementos destacados na Figura 2.24 é realizada a seguir.

1 Two-Way ANOVA Table With Interaction

♦ P = p-valor11 do teste para avaliar se a interação entre avaliadores e unidades do

produto (peças) é significativa:
Ho: A interação entre avaliadores e peças não é significativa.
H1: A interação entre avaliadores e peças é significativa.
– Se P ≥ 0,10, a interação entre avaliadores e peças não é significativa (isto é: “vale” a
hipótese Ho).
– Se P < 0,10, a interação entre avaliadores e peças é significativa (isto é: “vale” a
 hipótese H1).
N o exemplo, como P = 0,863 > 0,10, é possível concluir que a interação entre avaliadores
e peças (U nidade * Avaliador) não é signifcativa. O leitor deve notar que essa conclusão
está de acordo com a análise visual do gráfico da Figura 2.22.
Vale destacar que, quando P > 0,2512, o MI N I TA B® realiza novamente a A nálise de
Variância, agora sem considerar a interação, e apresenta os resultados na tabela Two-
Way A N O VA Table Without I nteraction . N esse caso, os parâmetros apresentados na
parte da saída intitulada Gage R&R são calculados sem considerar a presença da
interação.

2 Gage R&R

Source VarComp %Contribution (of VarComp)

Total Gage R&R 1.7899 8.05
Repeatability 1.7701 7.96
Reproducibility 0.0198 0.09
Avaliador 0.0198 0.09
Part-To-Part 20.4563 91.95
Total Variation 22.2461 100.00

A saída acima é composta dos mesmos elementos já apresentados na Figura 2.16, a

menos do item Avaliador, que é agora explicitado em associação à reprodutibilidade. N o
exemplo, a reprodutibilidade é composta apenas pela fonte de variação Avaliador,
porque a interação U nidade * Avaliador não é significativa. É importante destacar que os
resultados obtidos no exemplo por meio do método da A nálise de Variância são bastante
similares aos obtidos anteriormente n a Figura 2.16, por meio da técnica das Cartas de
Controle X-barra e R.O s resultados gerados pelas duas técnicas irão diferir quando a
interação entre avaliadores e peças for significativa, situação em que o método da
Análise de Variância deverá ser o preferido, por ser mais exato.
A interpretação da Figura 2.25 é a mesma da Figura 2.17.
Exemplo 2.2
U m Black Belt de uma indústria de autopeças está realizando um estudo para
avaliação do sistema de medição usado para medir uma dimensão do
principal produto fabricado pela empresa, cuja faixa de especificação é 81 ± 3.
A s vinte unidades do produto (peças) selecionadas foram medidas três vezes
pelos dois avaliadores e os resultados obtidos estão apresentados na Tabela
2.5. Quais devem ser as conclusões do Black Belt?

Tabela 2.5
Dados do exercício 2.2

Exemplo 2.3
Considere um estudo para avaliação de um sistema de medição por variáveis
para um produto de sua empresa, realizado sob as seguintes condições:
♦ Serão avaliadas 15 unidades do produto selecionadas aleatoriamente da
linha de produção.
♦ Os grupos que irão realizar as medições deverão ter dois avaliadores, um
responsável pela aleatorização e um coordenador.
♦ Dois avaliadores irão medir duas vezes a característica da qualidade de
interesse das unidades do produto.
As unidades do produto deverão ser medidas da seguinte forma:
1. O responsável pela aleatorização deverá numerar todas as unidades do
produto de 1 a 15.
2. O responsável pela aleatorização deverá sortear a ordem na qual as
unidades do produto serão medidas.
3. O primeiro avaliador deverá medir as 15 unidades do produto na ordem
determinada e informar os resultados ao coordenador.
4. O coordenador deverá registrar os dados coletados na folha de verificação
apropriada (veja a Figura 2.26).
 FIGURA 2.26 Folha de verificação do coordenador do estudo para avaliação do sistema de
medição por variáveis do exercício 2.3

5. As etapas de 2 a 4 deverão ser repetidas para o segundo avaliador.

6. As etapas de 2 a 5 deverão ser repetidas para a segunda série de medições.
S eguem abaixo algumas observações importantes sobre a forma de
condução do estudo:
♦ Um avaliador não deverá ter contato com o outro avaliador no momento
 das medições, com o objetivo de evitar influências externas nos resultados.
♦ O avaliador deverá utilizar os procedimentos operacionais padrão
habitualmente empregados pela empresa para fazer as medições.
♦ O avaliador não deverá ter contato, na segunda medição, com a folha de
verificação da primeira medição.
A pós a condução do estudo e coleta dos dados, avalie o sistema de medição
por variáveis.

3.4 Avaliação Da Precisão De Sistemas De Medição Não

Replicáveis
3.4.1 Introdução
N em todos os sistemas de medição permitem a replicação das leituras da medida de
interesse para cada uma das unidades de produto selecionadas. N essa categoria se
enquadram os sistemas de medição destrutiva (ensaios destrutivos) – por exemplo, teste
destrutivo de solda ou resistência à compressão – e os sistemas nos quais a unidade de
produto sofre modificações durante o uso, teste ou manipulação – por exemplo, sistemas
de medição na linha para os quais a replicação é impedida devido à automação.
Para a avaliação da precisão de sistemas de medição não replicáveis, é necessária a
escolha de diversos conjuntos (usualmente pares) de unidades do produto (designadas
peças), cujos elementos individuais sejam muito similares, de modo que eles possam ser
considerados como uma mesma unidade do produto.
S e cada conjunto de unidades do produto for medido por todos os operadores (ou
avaliadores), os dados deverão ser analisados por meio do procedimento G age R&R
Study (Crossed) do software MI N I TA B®. Essa situação, para dois avaliadores e duas
medidas repetidas por avaliador, é ilustrada na Figura 2.27.
 FIGURA 2.27 Exemplo em que cada conjunto de unidades do produto é medido por todos os avaliadores

S e cada conjunto de unidades do produto for medido por um único avaliador, os dados
deverão ser analisados por meio do procedimento G age R&R Study (N ested) do
MI N I TA B®, que utiliza como método de análise a técnica A N O VA (A nálise d
Variância). Essa situação, para dois avaliadores e duas medidas repetidas por avaliador, é
ilustrada na Figura 2.28.

FIGURA 2.28 Exemplo em que cada conjunto de unidades do produto é medido por apenas um avaliador
 A situação acima (Nested) é a mais frequente na prática, devido à dificuldade de se
obter unidades do produto muito similares para constituírem os conjuntos. Também
devido a essa dificuldade são usualmente empregados pares de unidades de produtos
para compor cada conjunto.

3.4.2 Método da Análise de Variância – Experimentos Hierárquicos

(Nested)
Q uando cada unidade do produto é medida somente por um operador, deve ser utilizada
a técnica de A nálise de Variância para Experimentos H ierárquicos (N ested), não sendo
possível o emprego do método das Cartas de Controle X-barra e R.
N a A nálise de Variância para Experimentos Hierárquicos, como cada operador mede
um conjunto diferente de peças, não é possível a avaliação da reprodutibilidade e, sendo
assim, a decomposição da variabilidade segue a estrutura mostrada na Figura 2.29.

FIGURA 2.29 Decomposição da variabilidade dos dados resultantes de um estudo para avaliação de sistemas
de medição por meio da técnica ANOVA no caso de Experimentos Hierárquicos (Nested)

Exemplo 2.4
N a indústria Boxes-R-Us, uma importante característica da qualidade é a
resistência à compressão de um produto, medida por meio de um ensaio
destrutivo e cujas especificações são 7,00 ± 0,40. A empresa suspeita que o
sistema de medição apresente uma elevada variação e, para confirmar essa
possibilidade, decidiu coletar dados para estudá-lo (Tabela 2.6).

Tabela 2.6
Medidas da resistência à compressão, obtidas para a avaliação do
sistema de medição do exemplo 2.4
Nota: Na tabela acima, a unidade do produto número I para o operador I é, na verdade, diferente da unidade
do produto número I para os operadores 2 e 3.0 mesmo comentário vale para as demais unidades do
produto.

As Figuras 2.30 e 2.31 mostram a saída do MINITAB® – procedimento Gage

R&R Study (N ested) – para o exemplo 2.4. D e acordo com o critério para
avaliação apresentado na Figura 2.14, é possível concluir que o sistema de
medição deve ser classificado como inaceitável.
FIGURA 2.30 Saída do MINITAB® para o exemplo 2.4: primeira parte
 FIGURA 2.31 Saída do MINITAB® para o exemplo 2.4: segunda parte

C om o const ruir a s F igura s 2 .3 0 e 2 .3 1 ut iliz a ndo o

M I N I TA B ®
1) Digite os dados do exemplo nas colunas C1 a C3 e nomeie essas
colunas, conforme a estrutura mostrada abaixo:

Medida Operador Peça

7.10 1 1
7.14 1 1
6.80 1 2
6.76 1 2
7.47 1 3
7.41 1 3
7.16 1 4
7.18 1 4
6.72 1 5
6.68 1 5
7.01 1 6
6.96 1 6
7.21 1 7
7.26 1 7
6.89 1 8
6.93 1 8
7.79 1 9
7.70 1 9
6.52 1 10
6.56 1 10
7.03 2 1
7.09 2 1
6.74 2 2
6.57 2 2
… … …
… … …
7.62 3 9
7.51 3 9
6.48 3 10
6.38 3 10

2) Selecione Stat → Quality Tools → Gage Study → Gage R&R Study

(Nested)…
Exercício 2.4
 Uma característica da qualidade de um produto, cujas especificações são 4,80
± 0,15, é medida por meio de um ensaio destrutivo. Utilize os dados da Tabela
2.7 para avaliar se a precisão do sistema de medição pode ser considerada
aceitável.

Tabela 2.7
Medidas para a avaliação do sistema de medição do exercício 2.4

Nota: Na tabela acima, a unidade do produto número I para o avaliador A é, na verdade, diferente da unidade
do produto número I para o avaliador B. O mesmo comentário vale para as demais unidades do produto.

4 Avaliação do Vício e da Linearidade

Conforme definido no início deste capítulo, o vício (bias, em inglês) é a diferença entre o
valor real (valor de referência) da característica medida e a média de medições repetidas
dessa característica. A linearidade (linearity) é a diferença entre os valores do vício ao
longo do intervalo de operação esperado do sistema de medição.
O procedimento para avaliação do vício e da linearidade será apresentado por meio do
exemplo 2.5.
Exemplo 2.5
Um supervisor de uma empresa selecionou cinco peças provenientes do
processo produtivo, de modo a cobrir o intervalo de operação do sistema de
medição cujo vício e linearidade estavam sendo avaliados. Cada peça foi
inicialmente medida por um laboratório de metrologia, para determinação do
valor de referência. A seguir, de modo aleatório, um avaliador mediu doze
vezes cada uma das peças. Os dados obtidos são mostrados na Tabela 2.8.

Tabela 2.8
Dados do exemplo 2.5

O s valores calculados para o vício são apresentados na Tabela 2.9 e a saída

do MINITAB®, com a análise completa dos dados, é mostrada na Figura 2.32.

Tabela 2.9
Resultados intermediários para o exemplo 2.5
 FIGURA 2.32 Saída do MINITAB® para o exemplo 2.5

A análise dos resultados da Tabela 2.9 e do gráfico da Figura 2.32 mostra

claramente que o vício sofre variações significativas ao longo do intervalo de
operação do sistema de medição, o que indica linearidade inaceitável.
A interpretação dos principais elementos da Figura 2.32 é realizada a
seguir.
Equação de regressão linear simples ajustada aos dados
♦ Coef = valores para o intercepto (Constant) e inclinação (Slope) da reta de
regressão.
Para o exemplo:
• Intercepto = 0,73667.
• Inclinação = -0,13167.
• Equação de regressão:
Vício = 0,73667 – 0,13167 × (Valor de Referência)
♦ P = p-valor do teste para avaliar se o intercepto é igual a zero ou a
inclinação é igual a zero.
• Teste de hipóteses referente à inclinação (valor P associado à linha
identificada como Slope na saída do MINITAB®):
H0: inclinação = 0 (vício constante ou linearidade aceitável).
H1 inclinação ≠ 0 (vício variável ou linearidade inaceitável).
– Se P ≥ 0,10, a linearidade é aceitável (isto é: “vale” a hipótese H0).
– Se P < 0,10, a linearidade é inaceitável (isto é: “vale” a hipótese H1).

C om o const ruir a F igura 2 .3 2 ut iliz a ndo o M I N I T A B ®

1) Digite os dados do exemplo nas colunas C1 a C3 e nomeie essas
colunas, conforme a estrutura mostrada abaixo:

Peça Referência Medida

1 2 2.7
1 2 2.5
1 2 2.4
1 2 2.5
1 2 2.7
1 2 2.3
1 2 2.5
1 2 2.5
1 2 2.4
1 2 2.4
1 2 2.6
1 2 2.4
2 4 5.1
2 4 3.9
… … …
… … …
2 4 4.1

2 4 3.8
… … …
… … …
5 10 9.3
5 10 9.4
 No exemplo 2.5, como P = 0,000, é possível concluir que a linearidade é inaceitável.
• Teste de hipóteses referente ao intercepto (valor P associado à linha identificada
como Constant na saída do MINITAB ®):
H0: intercepto = 0 (ausência de vício, dado que a linearidade é aceitável).
H1 intercepto ≠ 0 (presença de vício, dado que a linearidade é aceitável).
– Se P ≥ 0,10, o vício está ausente (isto é: “vale” a hipótese H0).
– Se P < 0,10, o vício está presente (isto é: “vale” a hipótese H1).
N o exemplo 2.5, como a linearidade é inaceitável, não faz sentido realizar o teste para o
intercepto.
♦ R-Sq (R2) = coeficiente de determinação (0 < R-Sq < 1). Quanto mais próximo de 1 (ou
de 100%) for R-Sq, melhor o ajuste da equação de regressão aos dados.
N o exemplo 2.5, R-sq = 71,4%, o que indica que o modelo linear pode não ser
apropriado aos dados. O leitor deve notar que, mesmo se considerarmos o modelo linear
adequado, a reta de referência Vício = 0 “corta” os limites da faixa de confiança, em lugar
de permanecer contida dentro desses limites. A situação ideal – isto é, linearidade e vício
aceitáveis – corresponde à reta V ício = 0 totalmente contida dentro do intervalo de
confiança.
Conforme destacado no início deste capítulo, os fatores abaixo podem ser a causa do
vício e da linearidade inaceitáveis detectados no exemplo 2.5:
♦ Calibração inadequada do instrumento de medição.
♦ Utilização incorreta do instrumento por parte do operador.
♦ Condições ambientais (por exemplo, excesso de calor ou frio).
♦ Método de medição inadequado.
♦ Instrumento de baixa qualidade quanto ao projeto ou manufatura.
♦ Deformação da peça ou do instrumento de medição.

Exercício 2.5
Com base nos dados da Tabela 2.10, avalie o vício e a linearidade do sistema
de medição considerado.

Tabela 2.10
Dados do exercício 2.5
CAPÍ T ULO 3

Avaliação de sistemas de medição por

atributos
“A liberdade reside na capacidade de ousar.”
Robert Frost

1 Introdução
Em um sistema de medição (classificação ou inspeção) por atributos, o resultado da
medição é um valor único de um conjunto finito de possíveis categorias (usualmente,
categoria perfeita ou defeituosa). Essa característica faz com que ele seja distinto de um
sistema de medição por variáveis, no qual podem ser obtidos como resultados valores em
uma escala contínua.
N o caso da avaliação de sistemas de medição por atributos, como não é possível
calcular a percentagem da faixa de especificação “utilizada” pela capacidade do sistema
de medição, é colocada ênfase na avaliação da capacidade ou da eficácia do avaliador em
detectar repetidamente itens perfeitos ou defeituosos e da tendência com que o avaliador
rejeita unidades perfeitas e aceita unidades defeituosas.
Como exemplos de sistemas de medição por atributos é possível citar o uso de um
calibrador passa / não passa ou de inspeção visual para a classificação de uma peça como
perfeita (conforme) ou defeituosa (não conforme).
É importante destacar que, apesar da situação mais comum envolver apenas dois
resultados possíveis (perfeito/defeituoso), alguns sistemas de medição por atributos
podem gerar mais de duas categorias distintas. Um exemplo é a nota atribuída ao sabor
de uma marca de chocolate em um experimento de degustação, por meio de uma
pontuação em uma escala de 1 a 9, onde 1 = desgosto muitíssimo, 2 = desgosto muito, 3 =
desgosto, 4 = desgosto pouco, 5 = não gosto nem desgosto, 6 = gosto um pouco, 7 = gosto,
8 = gosto muito, 9 = gosto muitíssimo.
A estrutura para avaliação de sistemas de medição por atributos é apresentada na
Figura 3.1.
 FIGURA 3.1 Estrutura para avaliação de sistemas de medição por atributos

2 Definições e exemplos

Exemplo 3.1
Uma empresa fabricante de produtos alimentícios estava utilizando o método
DMAIC para resolver o problema aumento do número de embalagens de tortas
congeladas defeituosas, a partir de julho de 2006. N a etapa Measure do DMAIC, a
empresa decidiu avaliar o sistema de inspeção que vinha sendo utilizado para
a detecção de embalagens defeituosas, com o objetivo de verificar se o mesmo
era confiável. N esse sistema, as embalagens eram visualmente inspecionadas
para que os possíveis defeitos - embalagem rasgada, amassada, aberta, com
data de validade do produto ilegível, entre outros - pudessem ser detectados.
S e uma embalagem apresentasse um ou mais defeitos ela deveria ser
classificada como defeituosa e, a seguir, ser separada do restante da produção.
Participaram do estudo três avaliadores responsáveis pela inspeção das
embalagens. Vinte embalagens (nove perfeitas e 11 defeituosas) foram
utilizadas na avaliação, após terem sido previamente inspecionadas e
classificadas pelo engenheiro que trabalhava no gerenciamento do processo
de produção.
Cada avaliador inspecionou três vezes cada uma das embalagens e os
resultados obtidos estão apresentados na Tabela 3.1. N essa tabela, P significa
embalagem perfeita e D embalagem defeituosa.

Tabela 3.1
Dados coletados no estudo para avaliação do sistema de medição por
atributos da empresa fabricante de produtos alimentícios

A análise dos dados, a partir do uso do MI N I TA ®B, é feita de acordo com o

detalhamento mostrado a seguir.
2.1 Precisão
A avaliação da precisão é feita por meio da comparação dos resultados dos avaliadores,
independentemente do padrão, e é dividida em dois componentes: repetibilidade e
reprodutibilidade.

2.1.1 Repetibilidade
A repetibilidade representa a capacidade de o avaliador repetir a mesma resposta
quando avalia repetidas vezes o mesmo item, de modo independente do padrão.
A avaliação da repetibilidade é feita por meio da comparação dos resultados para um
mesmo avaliador.
N a saída do MI N I TA ®B, o resultado da avaliação da repetibilidade é apresentado na
parte intitulada Within Appraisers, conforme mostra a Figura 3.2.

FIGURA 3.2 Saída parcial do MINITAB: avaliação da repetibilidade para o exemplo da empresa fabricante de
produtos alimentícios

A interpretação da Figura 3.2 é mostrada a seguir:

♦ Para 19 das 20 embalagens inspecionadas, o avaliador A foi capaz de repetir a mesma
resposta nas três vezes em que inspecionou o mesmo item (apenas no caso da
embalagem 6 esse resultado não ocorreu). Sendo assim, sua repetibilidade, medida
em termos percentuais, é (19 / 20) × 100 = 95,00%. O intervalo de 95% de confiança
apresentado [95 % CI: (75.13, 99.87)] indica que é possível concluir, com 95% de
certeza, que o verdadeiro valor para a repetibilidade do avaliador A está entre 75,13%
e 99,87%.
♦ Já o avaliador B não foi capaz de repetir a mesma resposta nas três inspeções do
mesmo item no caso das embalagens 5, 11, 15 e 17, o que gerou os resultados
mostrados na Figura 3.2.
♦ Os resultados obtidos para o avaliador C foram idênticos aos do avaliador A.
2.1.2 Reprodutibilidade
A reprodutibilidade representa a capacidade de os avaliadores escolherem a mesma
resposta quando avaliam o mesmo item, de forma independente do padrão.
A avaliação da reprodutibilidade é feita por meio da comparação dos resultados entre
todos os avaliadores.
N a saída do MI N I TA ®B, o resultado da avaliação da reprodutibilidade é apresentado
na parte intitulada Between A ppraisers, conforme mostra a Figura 3.3. O bservando a
Figura, é possível concluir que os três avaliadores classificaram da mesma forma, em
todas as repetições, 11 das 20 embalagens inspecionadas (11 / 20 × 100 = 55,00%). A
análise da Tabela 3.1 mostra que essas 11 embalagens são: 1, 2, 3, 4, 9, 10, 12, 14, 16, 18 e
19.

FIGURA 3.3 Saída parcial do MINITAB®: análise da avaliação da reprodutibilidade para o exemplo da empresa
fabricante de produtos alimentícios

2.2 Vício
A avaliação do vício é feita por meio da comparação dos resultados dos avaliadores com o
padrão, o que pode gerar concordância ou discordância.

2.2.1 Concordância global

A concordância global representa a capacidade de os avaliadores escolherem a resposta
correta quando avaliam todos os itens, em todas as repetições.
A avaliação da consistência global é feita por meio da comparação com o padrão dos
resultados entre todos os avaliadores.
Na saída do MINITAB®, o resultado da avaliação da concordância global é apresentado
na parte intitulada A ll A ppraisers vs Standard, conforme mostra a Figura 3.4.
O bservando a figura, é possível concluir que os três avaliadores classificaram da mesma
forma e de acordo com o padrão, em todas as repetições, 11 das 20 embalagens
inspecionadas (itens 1, 2, 3, 4, 9, 10, 12, 14, 16, 18 e 19), o que resulta em uma
concordância global de 55,00%.
 FIGURA 3.4 Saída parcial do MINITAB®: avaliação da concordância global para o exemplo da empresa
fabricante de produtos alimentícios

2.2.2 Concordância individual

A concordância individual representa a capacidade de cada avaliador escolher a resposta
correta, de acordo com o padrão, quando avalia todos os itens, em todas as repetições.
A avaliação da concordância individual é feita por meio da comparação com o padrão
dos resultados de cada avaliador.
N a saída do MI N I TA ®B, o resultado da avaliação da concordância individual é
apresentado na parte intitulada Each A ppraiser vs Standard, conforme mostra a Figura
3.5.
 FIGURA 3.5 Saída parcial do MINITAB®: avaliação da concordância individual para o exemplo da empresa
fabricante de produtos alimentícios

A interpretação da Figura 3.5 é mostrada a seguir:

♦ Para 18 das 20 embalagens inspecionadas (90.00%), o avaliador A foi capaz de repetir a
resposta correta (de acordo com o padrão) nas três vezes em que inspecionou o
mesmo item (apenas no caso das embalagens 6 e 8 esse resultado não ocorreu). O
intervalo de 95% de confiança apresentado [95 % CI: (68.30, 98.77)] indica que é
possível concluir, com 95% de certeza, que o verdadeiro valor para a concordância
individual do avaliador A está entre 68,30% e 98,77%.
♦ O avaliador B não foi capaz de repetir a resposta correta nas três inspeções do mesmo
item no caso de sete embalagens (itens 5, 7, 11, 13, 15, 17 e 20), obtendo o pior
resultado para a concordância individual (65.00%).
♦ O avaliador C repetiu a resposta correta nas três vezes em que inspecionou o mesmo
item para 16 das 20 embalagens avaliadas (80.00%). Os erros ocorreram nas
embalagens 6, 7, 13 e 20.
♦ No que diz respeito à concordância individual, o avaliador A apresentou o melhor
desempenho e o avaliador C o pior.

2.2.3 Discordância
2.2.3 Discordância
A discordância representa a capacidade de cada avaliador escolher a resposta incorreta
(diferente do padrão), quando avalia todos os itens, em todas as repetições. A s respostas
incorretas podem ser identificadas como classificação errada, alarme falso e mistura ou
inconsistência.
♦ Classificação errada:
A classificação errada representa a aceitação de um item defeituoso, isto é, classificar
como perfeito um item que é defeituoso (P / D), o que é um erro grave. O percentual
de classificação errada é calculado por meio da expressão:

♦ Alarme falso:
O alarme falso representa a rejeição de um item perfeito, isto é, classificar como
defeituoso um item que é perfeito (D / P). Esse erro não é tão grave quanto o anterior,
mas deve ser evitado, já que a rejeição de um item perfeito implica na realização de
trabalho e reinspeção desnecessários. O percentual de alarme falso é calculado por
meio do quociente:

♦ Mistura ou inconsistência:
A mistura ou inconsistência ocorre quando há resultados contraditórios nas
avaliações de um mesmo item, que é avaliado como perfeito e também como
defeituoso, nas diferentes repetições (um exemplo de mistura ocorre com a
embalagem 6, para os avaliadores A e C, conforme mostra a Tabela 3.1). O percentual
de mistura é calculado de acordo com a expressão abaixo:

Na saída do MINITAB®, o resultado da avaliação da discordância é apresentado na

parte intitulada Each Appraiser vs Standard, conforme mostra a Figura 3.6.
 FIGURA 3.6 Saída parcial do MINITAB®: avaliação da discordância para o exemplo da empresa fabricante de
produtos alimentícios

A interpretação da Figura 3.6 é mostrada a seguir:

♦ O avaliador A não cometeu classificação errada, mas cometeu um alarme falso (item 8)
e uma mistura (item 6). Sendo assim, o percentual de alarme falso é (1 / 9) × 100 =
11,11% e o de mistura é (1 / 20) × 100 = 5,00%.
♦ O avaliador B cometeu 3 classificações erradas [(3 / 11) × 100 = 27,27%], nenhum
alarme falso e 4 misturas [(4 / 20) × 100 = 20,00%].
♦ O avaliador C cometeu 3 classificações erradas [(3 / 11) × 100 = 27,27%], nenhum
alarme falso e 1 mistura [(1 / 20) × 100 = 5,00%].
♦ No quesito discordância, o melhor desempenho é o do avaliador A e o pior o do
avaliador B.
A saída completa do MI N I TA ®B com a análise dos dados da Tabela 3.1 é mostrada nas
Figuras 3.7 e 3.8.
FIGURA 3.7 Saída completa do MINITAB®: avaliação do sistema de medição por atributos do exemplo da
empresa fabricante de produtos alimentícios
FIGURA 3.8 Saída gráfica do MINITAB® para avaliação da repetibilidade e da concordância individual dos
avaliadores do exemplo da empresa fabricante de produtos alimentícios

Exemplo 3.2
1
Uma empresa que atua no setor de educação deseja medir o desempenho de
cinco avaliadores recentemente contratados para corrigir a porção dissertativa
de um teste. É importante que os avaliadores possuam a habilidade de
classificar as dissertações de modo consistente com os padrões estabelecidos.
Q uinze dissertações, previamente corrigidas por um dos supervisores da
empresa, foram classificadas pelos cinco avaliadores de acordo com uma
escala de cinco pontos (−2, -l, 0, l, 2).
O s resultados obtidos estão apresentados na Tabela 3.2 e a saída completa
®
do MI N I TA B com a análise dos dados é mostrada nas Figuras 3.9 e 3.10. A
interpretação dos resultados é discutida na próxima seção.

Tabela 3.2
Dados coletados no estudo para avaliação do sistema de medição por
atributos do exemplo 3.2
FIGURA 3.9 Saída completa do MINITAB®: avaliação do sistema de medição por atributos do
exemplo 3.2
 FIGURA 3.10 Saída gráfica do MINITAB® para avaliação da concordância individual dos
avaliadores do exemplo 3.2

C om o const ruir a s F igura s 3 .7 e 3 .8 ut M iz a ndo o

M I N I TA B ®
1) Digite os dados do exemplo nas colunas C1 a C4 e nomeie essas
colunas, conforme a estrutura mostrada abaixo:
2) Selecione Stat → Quality Tools → AttribUte Agreement Analysis…

3) Selecione a coluna Resposta para o campo Attribute column:, a coluna

 No.Embalagem para o campo Samples:, a coluna Avaliador para o
campo Appraisers: e a coluna Real para o campo Known
standard/attribute:.
4) Clique em Information…, digite as informações conforme abaixo e
clique OK.
5) Clique em Results…, selecione a opção Percentages of assessment
agreement within and between appraisers e clique OK duas vezes.
C om o const ruir a s F igura s 3 .9 e 3 .1 0 ut iliz a ndo o
M I N I TA B ®
1) Abra a planilha ESSAYMTW do software MINITAB®
2) Selecione Stat → Quality Tools → AttribUte Agreement Analysis…..

3) Selecione a coluna Rating para o campo Attribute column:, a coluna

Sample para o campo Samples:, a coluna Appraiser para o campo
Appraisers: e a coluna Attribute para o campo Known
standard/attribute:. Ative a opção Categories of the attribute data are
ordered
 4) Clique em Results…, selecione a opção Percentages of assessment
agreement within and between appraisers e clique OK duas vezes.

3. Critérios para avaliação de sistemas de medição por

atributos
A avaliação de sistemas de medição por atributos é feita com base nos percentuais de
concordância individual, classificação errada e alarme falso, de acordo com os critérios
apresentados na Tabela 3.3. S empre que um avaliador ou instrumento for classificado
como marginal ou inaceitável, haverá necessidade de adoção de ações corretivas. A pós a
implementação das ações corretivas o estudo deverá ser refeito.

Tabela 3.3
Critérios para avaliação de sistemas de medição por atributos
Continuação Do Exemplo 3.1
A partir da análise dos resultados obtidos na seção anterior e dos critérios
constantes na Tabela 3.3, é possível classificar os avaliadores da empresa
fabricante de produtos alimentícios do exemplo 3.1 conforme apresentado na
Figura 3.11.

FIGURA 3.11 Conclusões do estudo realizado para avaliação do sistema de medição por
atributos da empresa fabricante de produtos alimentícios

A Figura 3.11 mostra que o sistema de medição por atributos tem diferentes
níveis de desempenho quanto à concordância individual, alarme falso e
classificação errada, de forma dependente do avaliador. N enhum dos
avaliadores apresenta resultados aceitáveis (ou inaceitáveis) nas três
categorias. N esse contexto, podem surgir as seguintes perguntas, a serem
consideradas pela empresa:
♦ Os critérios para aceitação ou rejeição das embalagens estão
suficientemente claros ou necessitam de melhorias?
♦ Os avaliadores necessitam de treinamento?
♦ O ambiente no qual as inspeções são realizadas pode ser melhorado?
♦ Quais são os impactos desse sistema de medição para o cliente?
Continuação Do Exemplo 3.2
A partir da análise dos resultados mostrados nas Figuras 3.9 e 3.10 e dos
critérios constantes na Tabela 3.3, os avaliadores da empresa do exemplo 3.2
podem ser classificados conforme apresentado na Figura 3.12. O leitor deve
notar que, quando o sistema de medição por atributos pode gerar mais de
duas categorias distintas como resposta, os percentuais de classificação errada
e alarme falso não são calculados.

FIGURA 3.12 Conclusões do estudo realizado para avaliação do sistema de medição por
atributos do exemplo 3.2

A le rt a s qua nt o à cole t a de da dos pa ra a a va lia çã o de

sist e m a s de m e diçã o por a t ribut os
O s itens utilizados para a avaliação de sistemas de medição por atributos não
são selecionados aleatoriamente, mas sim por pessoal especializado
(supervisor ou staff) e devem ser previamente avaliados como perfeitos ou
defeituosos. A Tabela 3.4 apresenta uma sugestão para o número mínimo de
itens que devem ser selecionados e para o número mínimo de inspeções por
item. A amostra deve ser composta por cerca de 50% de itens perfeitos e 50%
de itens defeituosos.

Tabela 3.4
Tamanho das amostras para a avaliação de sistemas de medição por
atributos

Número de avaliadores Número mínimo de itens Numero mínimo de inspeções por item

1 24 5
2 18 4
 3 ou mais 12 3

A pós a seleção, cada avaliador inspeciona os itens uma vez, em ordem

aleatória, registrando os resultados da classificação em uma folha de
verificação. Cada um dos avaliadores repete a inspeção, registrando os
resultados em folhas de verificação separadas, para que os avaliadores não
sejam influenciados pelos resultados obtidos anteriormente. A s inspeções
continuam até que o número desejado de classificações seja obtido.

Exercício 3.1
Uma seguradora deseja avaliar seu sistema para classificação de solicitações
de pagamento de seguro-saúde, que podem ser identificadas como perfeitas
ou defeituosas.
Participaram do estudo três avaliadores responsáveis pela classificação das
solicitações.
Q uinze solicitações de seguro-saúde (oito perfeitas e sete defeituosas)
foram utilizadas na avaliação, após terem sido previamente inspecionadas e
classificadas por um dos gestores da empresa.
Cada avaliador inspecionou três vezes cada uma das solicitações e os
resultados obtidos estão apresentados na Tabela 3.5. N essa tabela, P significa
solicitação perfeita e D solicitação defeituosa.

Tabela 3.5
Dados coletados no estudo para avaliação do sistema de medição por
atributos da seguradora
 Avalie o sistema de medição por atributos utilizado pela seguradora para
classificação das solicitações de seguro-saúde.

Exercício 3.2
Considere um estudo para avaliação de um sistema de medição por atributos
para um produto de sua empresa, realizado sob as seguintes condições:
♦ Serão avaliadas doze unidades do produto selecionadas aleatoriamente e
previamente classificadas como perfeitas ou defeituosas.
♦ Os grupos que irão realizar as medições deverão ter três avaliadores, um
responsável pela aleatorização e um coordenador.
♦ Três avaliadores irão inspecionar a característica da qualidade de interesse
das unidades do produto.
As unidades do produto deverão ser avaliadas da seguinte forma:
1. O responsável pela aleatorização deverá numerar todas as unidades do
produto de 1 a 12.
2. O responsável pela aleatorização deverá sortear a ordem na qual as
unidades do produto serão avaliadas.
3. O primeiro avaliador deverá inspecionar as 12 unidades do produto na
ordem determinada e informar os resultados ao coordenador.
4. O coordenador deverá registrar os dados coletados na folha de verificação
apropriada (ver Figura 3.13).
 FIGURA 3.13 Folha de verificação do coordenador do estudo para avaliação do sistema de
medição por atributos do exercício 3.2

5. As etapas 2 a 4 deverão ser repetidas para o segundo e o terceiro

avaliadores.
 6. As etapas 2 a 5 deverão ser repetidas para a segunda e a terceira série de
medições.
Seguem abaixo algumas observações sobre a forma de condução do estudo:
♦ Um avaliador não deverá ter contato com o outro avaliador no momento
das inspeções, com o objetivo de evitar influências externas nos
resultados.
♦ O avaliador deverá utilizar os procedimentos operacionais padrão
habitualmente empregados pela empresa para fazer as inspeções.
♦ O avaliador não deverá ter contato, na segunda avaliação, com a folha de
verificação da primeira avaliação (idem em relação à terceira avaliação).
A pós a condução do estudo e coleta dos dados, avalie o sistema de medição
por atributos.
ANE X O A

Valores do fator de correção d2

Tabela A.1
Valores do fator de correção d2

tabela extraída do manual de referência “Análise dos Sistemas de Medição - MSA, 3ª edição” (IQA - Instituto da Qualidade
Automotiva, 2004), p. 195
ANE X O B

Comentários e referências

Capítulo 1
1. Segundo o manual de referência “Análise dos Sistemas de Medição – MSA, 3ª edição”
(IQA – Instituto da Qualidade Automotiva, 2004), um “sistema de medição é a
coleção de instrumentos ou dispositivos de medição, padrões, operações, métodos,
dispositivos de fixação, software, pessoal, ambiente e premissas usadas para atribuir
um valor à característica sendo medida; o processo completo utilizado para obter
medições”.
2. A Figura 1.2 foi adaptada de Kane, V. E., Defect Prevention: Use of Simple Statistical
Tools. New York: Marcel Dekker, Inc., 1989. p. 614.
3. Neste texto serão utilizados como sinônimos os termos instrumento de medição,
equipamento de medição, aparelho de medição e medidor.
4. De acordo com a norma ISO 10012-1, calibração é a “operação que tem por objetivo
levar o instrumento de medição a uma condição de desempenho e ausência de erros
sistemáticos, adequados ao seu uso”.
5. De acordo com a norma ISO 1001 2-1, erro de medição é definido como o “resultado
de uma medição menos o valor real do mensurando”.

Capítulo 2
1. A Figura 2.1 foi extraída do manual de referência “Análise dos Sistemas de Medição –
MSA, 3ª edição”. IQA – Instituto da Qualidade Automotiva, 2004. p. 44.
2. A Figura 2.3 foi extraída do manual de referência “Análise dos Sistemas de Medição –
MSA, 3ª edição”. IQA – Instituto da Qualidade Automotiva, 2004. p. 51.
3. Manual de referência “Análise dos Sistemas de Medição – MSA, 3ª Edição”. IQA –
Instituto da Qualidade Automotiva, 2004. p. 53.
4. Manual de referência “Análise dos Sistemas de Medição – MSA, 3ª edição”. IQA –
Instituto da Qualidade Automotiva, 2004. p. 53.
5. As Cartas de Controle X-barra e R são apresentadas em detalhes em outro volume da
Série Seis Sigma.
6. O procedimento para construção da Figura 2.11 é análogo ao apresentado
anteriormente para a Figura 2.10.
7. Wheeler, D. J.; Lyday, R. W., Evaluating the Measurement Process, 2. ed. Knoxville: SPC
Press, Inc., 1989. p. 6.
8. A Tabela A.1 foi extraída do manual de referência “Análise dos Sistemas de Medição
– MSA, 3ª edição”. IQA – Instituto da Qualidade Automotiva, 2004. p.195.
9. Hradesky J. L., Productivity & Quality Improvement: A Practical Guide to Implementing
Statistical Process Control. New York: McGraw-Hill, Inc., 1988.
10. Manual de referência “Análise dos Sistemas de Medição – MSA, 3ª edição”. IQA –
Instituto da Qualidade Automotiva, 2004. p.117.
11. As técnicas “Análise de Variância” e “Testes de Hipóteses”, bem como o conceito de
p-valor, são apresentados em outro volume da Série Seis Sigma.
12. O valor padrão 0,25 usado pelo MINITAB® pode ser alterado em Options…, na caixa
de diálogo Alpha to remove interaction term:.
13. O exemplo 2.5 foi extraído do texto intitulado Measurement Systems Analysis.
publicado pelo software MINITAB®, p. 7.

Capítulo 3
1. O exemplo 3.2 foi extraído do texto intitulado Measurement Systems Analysis,
publicado pelo software MINITAB® p. 24.
ANE X O C

Referências

Capítulo 1
1. IQA – Instituto Da Qualidade Automotiva. In: Análise dos Sistemas de Medição – MSA:
Manual de Referência. 3 São Paulo: IQA; 2004;225.
2. Kane VE. In: Defect Prevention: Use of Simple Statistical Tools. New York: Marcel Dekker
Inc.; 1989;712.

Capítulo 2
1. Hradesky JL. In: Productivity & Quality Improvement: A Practical Guide to Implementing
Statistical Process Control. New York: McGraw-Hill, Inc.; 1988;320.
2. IQA – Instituto Da Qualidade Automotiva. In: Análise dos Sistemas de Medição – MSA:
Manual de Referência. 3 São Paulo: IQA; 2004;225.
3. Minitab. In: Measurement Systems Analysis. State College: Minitab. Inc.; 2003;31.
4. Werkema Cristina. Avaliação da Qualidade de Medidas. Série Ferramentas da
Qualidade Belo Horizonte: Fundação Christiano Ottoni, Escola de Engenharia da UFMG.
1996;13:98.
5. Wheeler DJ, Lyday RW. In: Evaluating the Measurement Process. 2 Knoxville: SPC Press,
Inc; 1989;114.

Capítulo 3
1. Minitab. In: Measurement Systems Analysis. State College: Minitab. Inc.; 2003;31.
Edital1
Por esse instrumento faço saber
que é verdade
o que de mim dizem.
É verdade o que alardeiam os inimigos
e os amigos enfatizam.
Sou tudo o que me pespegam.
Quando me acanalham, é verdade,
e é verdade
– quando me embalam.
Jovem, indignado,
tentei com engenho & arte
separar do trigo
a outra parte.
Já não consigo. Renegar o joio
é ter o trigo empobrecido.
Quando me atiram pedras, é justo.
Quando me atiram estrelas, quem sabe?
Não vou de mim, de vós, viver a contrapelo.
Sou como Ulisses
na ida e no regresso:
a soma dos descaminhos
a contradição em progresso.
Affonso Romano de Sant’ Anna
1
“Edital”, poema extraído do livro “Poesia Reunida: 1965–1999”, de Affonso Romano de Sant’Anna. Porto Alegre: L&PM,
2004. p. 136.