Quality Improvement in

the Modern Business

Enviroment

Autor: Luís Almeida 1

Área: DET – COORDENAÇÃO EPI
 Métodos estatísticos úteis no controlo e melhoria da 2
qualidade

A estatística é um conjunto de técnicas úteis para tomar decisões sobre um processo ou

uma população com base numa análise da informação contida numa amostra dessa
população.

Os métodos estatísticos desempenham um papel vital no controlo e melhoria da

qualidade. Fornecem os principais meios através dos quais um produto é amostrado,
testado e avaliado, e a informação contida nesses dados é utilizada para controlar e
melhorar o processo e o produto!

Autor: Luís Almeida

Ano Académico: 2023/2024
 Métodos estatísticos úteis no controlo e melhoria da 3
qualidade

Além disso, a estatística é a linguagem em que os engenheiros de desenvolvimento, o

fabrico, o aprovisionamento, a gestão e outras componentes funcionais da empresa
comunicam sobre a qualidade.

Faremos uma breve introdução à estatística descritiva, mostrando como técnicas gráficas
e numéricas simples podem ser utilizadas para resumir a informação em dados de amostra.
A utilização de distribuições de probabilidade para modelar o comportamento dos
parâmetros do produto num processo ou lote é então discutida.

Autor: Luís Almeida

Ano Académico: 2023/2024
 Descrição da Variação 4

Não há duas unidades de produto produzidas por um processo que sejam idênticas. É
inevitável que haja alguma variação.

A título de exemplo, o conteúdo líquido de uma lata de refrigerante varia ligeiramente de

lata para lata e a tensão de saída de uma fonte de alimentação não é exactamente a
mesma de uma unidade para outra.

Autor: Luís Almeida

Ano Académico: 2023/2024
 Descrição da Variação 5

A estatística é a ciência que analisa dados e tira conclusões, tendo em conta a variação
dos dados. Existem vários métodos gráficos que são muito úteis para resumir e apresentar
dados. Uma das técnicas gráficas mais úteis é a representação de caule e folhas.

Suponha que os dados são representados por x1, x2, . . . , xn e que cada número xi é
composto por pelo menos dois dígitos. Para construir um diagrama de caule e folhas,
dividimos cada número xi em duas partes: um caule, constituído por um ou mais dos dígitos
iniciais; e uma folha, constituída pelos restantes dígitos.

Autor: Luís Almeida

Ano Académico: 2023/2024
 Descrição da Variação 6

Por exemplo, se os dados consistirem em informação sobre a percentagem de defeitos

entre 0 e 100 em lotes de semicondutores, então podemos dividir o valor 76 no caule 7 e na
folha 6. Em geral, devemos escolher relativamente poucos caules em comparação com o
número de observações. Normalmente, é melhor escolher entre 5 e 20 caules.

Uma vez escolhido um conjunto de caules, estes são listados ao longo da margem
esquerda do ecrã e, ao lado de cada caule, todas as folhas correspondentes aos valores
de dados observados são listadas pela ordem em que são encontradas no conjunto de
dados.

Autor: Luís Almeida

Ano Académico: 2023/2024
 Descrição da Variação 7

Os dados apresentados representam uma amostra do tempo de ciclo, em dias, para

processar e pagar os pedidos de indemnização do seguro de saúde dos trabalhadores de
uma grande empresa. Construa um diagrama de caule e folhas para estes dados.

Autor: Luís Almeida

Ano Académico: 2023/2024
 Descrição da Variação 8

O quinquagésimo percentil da distribuição dos dados é designado por mediana da

amostra. A mediana pode ser considerada como o valor dos dados que divide
exactamente a amostra ao meio, com metade das observações menores do que a
mediana e metade maiores.

Se n, o número de observações, for ímpar, é fácil encontrar a mediana. Basta organizar por
ordem crescente. Em seguida, a mediana será a observação na posição [(n - 1)/2 + 1]
nesta lista. Se n for par, a mediana é a média da (n/2) e (n/2 + 1) observações ordenadas.

Autor: Luís Almeida

Ano Académico: 2023/2024
 Descrição da Variação 9

Como, no nosso exemplo, n = 40 é um número par, a mediana é a média das duas

observações com as posições 20 e 21, ou seja:

Autor: Luís Almeida

Ano Académico: 2023/2024
 Descrição da Variação 10

O primeiro e o terceiro quartis são ocasionalmente designados pelos símbolos Q1 e Q3,

respectivamente, e o intervalo interquartil IQR = Q3 - Q1 é ocasionalmente utilizado como
uma medida de variabilidade. Para os dados relativos aos sinistros de seguros, o intervalo
interquartil é IQR = Q3 - Q1 = 39 - 26,5 = 12,5.

Autor: Luís Almeida

Ano Académico: 2023/2024
 Descrição da Variação 11

Por último, embora a apresentação de caule e folhas seja uma excelente forma de mostrar
visualmente a variabilidade dos dados, não tem em conta a ordem temporal das
observações.

O tempo é frequentemente um factor muito importante que contribui para a variabilidade

nos problemas de melhoria da qualidade.

Autor: Luís Almeida

Ano Académico: 2023/2024
 Descrição da Variação 12

É claro que podemos simplesmente traçar os valores dos dados em função do tempo; este
tipo de gráfico é designado por gráfico de séries temporais ou gráfico de execução.

Autor: Luís Almeida

Ano Académico: 2023/2024
 Descrição da Variação 13

Esta visualização indica claramente que o tempo é uma importante fonte de variabilidade
neste processo. Mais especificamente, o tempo de ciclo de processamento para os
primeiros 20 pedidos é substancialmente mais longo do que o tempo de ciclo para os
últimos 20 pedidos.

Algo pode ter mudado no processo (ou ter sido deliberadamente alterado pelo pessoal
operacional) que é responsável pela melhoria do tempo de ciclo..

Autor: Luís Almeida

Ano Académico: 2023/2024
 Histograma 14

Um histograma é um resumo mais compacto dos dados do que um diagrama de caule e

folhas. Para construir um histograma para dados contínuos, temos de dividir os dados em
intervalos, que são normalmente designados por intervalos de classe, células ou caixas.

Se possível, as caixas devem ter a mesma largura para melhorar a informação visual no
histograma.

Autor: Luís Almeida

Ano Académico: 2023/2024
 Histograma 15

A selecção do número de posições deve ser feita com algum discernimento, para que se
possa desenvolver uma visualização razoável. O número de posições depende do número
de observações e da quantidade de dispersão dos dados. Um histograma que utilize um
número demasiado pequeno ou demasiado grande de posições não será informativo.

Em geral, considera-se que entre 5 e 20 posições é satisfatório na maioria dos casos e que o
número de posições deve aumentar com n. A escolha de um número de posições
aproximadamente igual à raiz quadrada do número de observações funciona bem na
prática..

Autor: Luís Almeida

Ano Académico: 2023/2024
 Histograma 16

Uma vez determinado o número de compartimentos e os limites inferior e superior de cada

compartimento, os dados são ordenados nos compartimentos e é efectuada uma
contagem do número de observações em cada compartimento. Para construir o
histograma, utilize o eixo horizontal para representar a escala de medida dos dados e a
escala vertical para representar as contagens ou frequências.

Por vezes, as frequências em cada posição são divididas pelo número total de
observações (n) e, assim, a escala vertical do histograma representa as frequências
relativas. São desenhados rectângulos sobre cada posição e a altura de cada retângulo é
proporcional à frequência (ou frequência relativa). A maioria dos pacotes estatísticos
constrói histogramas.
Autor: Luís Almeida
Ano Académico: 2023/2024
 Descrição da Variação 17

O quadro apresenta a espessura de uma camada metálica em 100 lâminas de silício

resultante de uma deposição química em fase vapor (CVD) numa fábrica de
semicondutores. Construa um histograma para estes dados.

Autor: Luís Almeida

Ano Académico: 2023/2024
 Histograma 18

Como o conjunto de dados contém 100 observações, calculamos que cerca de 10

compartimentos fornecerão um histograma satisfatório.

Autor: Luís Almeida

Ano Académico: 2023/2024
 Histograma 19

Observe que o ponto médio do primeiro compartimento é 415Å e que o histograma tem
apenas oito compartimentos que contêm uma frequência diferente de zero. Um
histograma, tal como um gráfico de caule e folhas, dá uma impressão visual da forma da
distribuição das medições, bem como alguma informação sobre a variabilidade inerente
aos dados.

Observe a distribuição razoavelmente simétrica ou em forma de sino dos dados de

espessura do metal.

Autor: Luís Almeida

Ano Académico: 2023/2024
 Histograma 20

A maioria dos softwares tem uma configuração padrão para o número de

compartimentos. Os histogramas podem ser relativamente sensíveis à escolha do número e
da largura dos compartimentos. Para pequenos conjuntos de dados, os histogramas
podem mudar drasticamente de aspeto se o número e/ou a largura dos compartimentos
forem alterados.

Por esta razão, preferimos pensar no histograma como uma técnica mais adequada para
conjuntos de dados maiores contendo, digamos, 75 a 100 ou mais observações.

Autor: Luís Almeida

Ano Académico: 2023/2024
 Histograma 21

Uma vez que o número de observações na espessura da camada é moderadamente

grande (n = 100), a escolha do número de caixas não é especialmente importante, e os
histogramas transmitem informações muito semelhantes.
Histograma com 15 posições para os dados da espessura da camada metálica

Autor: Luís Almeida

Ano Académico: 2023/2024
 Histograma 22

Note que, ao passar dos dados originais ou de um diagrama de caule e folhas para um
histograma, perdemos, de certa forma, alguma informação, porque as observações
originais não são preservadas.

Esta perda de informação é geralmente pequena quando comparada com a concisão e

a facilidade de interpretação do histograma, em especial no caso de amostras grandes.

Autor: Luís Almeida

Ano Académico: 2023/2024
 Histograma 23

Os histogramas são sempre mais fáceis de interpretar se as caixas tiverem a mesma largura.
Se as caixas forem de largura desigual, é habitual desenhar rectângulos cujas áreas (em
oposição às alturas) são proporcionais ao número de observações nas caixas.

A figura a seguir mostra uma variação do histograma (ou seja, o gráfico de frequência
acumulada). Nesse gráfico, a altura de cada barra representa o número de observações
que são menores ou iguais ao limite superior do compartimento.

Autor: Luís Almeida

Ano Académico: 2023/2024
 Histograma 24

As frequências acumuladas são frequentemente muito úteis na interpretação de dados.

Por exemplo, podemos ler directamente na que cerca de 75 dos 100 wafers têm uma
espessura de camada metálica inferior a 460Å.
Um gráfico de frequência cumulativa dos dados de espessura do metal

Autor: Luís Almeida

Ano Académico: 2023/2024
 Histograma 25

As distribuições de frequência e os histogramas também podem ser utilizados com dados

qualitativos, categóricos ou de contagem (discretos). Em algumas aplicações, haverá uma
ordenação natural das categorias (como caloiro, segundo ano, júnior e sénior), enquanto
noutras a ordem das categorias será arbitrária (como masculino e feminino).

Quando se utilizam dados categóricos, as barras devem ser desenhadas de forma a terem
a mesma largura..

Autor: Luís Almeida

Ano Académico: 2023/2024
 Histograma 26

Para construir um histograma para dados discretos ou de contagem, comece por

determinar a frequência (ou frequência relativa) para cada valor de x. Cada um dos
valores de x corresponde a um compartimento. O histograma é desenhado traçando as
frequências (ou frequências relativas) na escala vertical e os valores de x na escala
horizontal.

Em seguida, por cima de cada valor de x, desenha-se um retângulo cuja altura é a

frequência (ou frequência relativa) correspondente a esse valor.

Autor: Luís Almeida

Ano Académico: 2023/2024
 Histograma 27

A tabela apresenta o número de defeitos de acabamento superficial na tinta de base

encontrados por inspecção visual de capôs de automóveis que foram pintados por um
novo processo de pintura experimental. Construa um histograma para estes dados.

Defeitos de acabamento superficial em capotas de automóveis pintadas

Autor: Luís Almeida

Ano Académico: 2023/2024
 Bibliographic References 28

Allen, T. T. (2019). Introduction to engineering statistics and lean six sigma: Statistical quality
control and design of experiments and systems. Springer London.

Montgomery, D. C. (2019). Introduction to statistical quality control. John wiley & sons.

Oakland, J., & Oakland, J. S. (2007). Statistical process control. Routledge.

Selvamuthu, D., & Das, D. (2018). Introduction to statistical methods, design of experiments
and statistical quality control. Singapore: Springer Singapore.

Sower, V. E. (2017). Statistical process control for managers. Business Expert Press.
Autor: Luís Almeida
Ano Académico: 2023/2024
MUITO OBRIGADO PELA ATENÇÃO!

29
Volenti Nihil Difficili -“A quem quer, nada é difícil”