Aplicações Com Minitab-II PDF

INDUSTRIAL
ESTATSTICA
www.minitabbrasil.com.br
globaltech@minitabbrasil.com.br
Material Revisado e Adaptado por:
Julia Pinto de Carvalho
Coordenadora Tcnica
suporte@minitabbrasil.com.br
Copyright Minitab Inc. 2003. All rights reserved. Rel 14 Ver 1.0 / www.minitabbrasil.com.br
Objetivos do curso
Neste curso, temos como principal objetivo:
z
Modelar processos descrevendo o relacionamento existente entre as variveis;

veis
Avaliar o sistema de medio e inspeo de processos;
Aprender os fundamentos bsicos do Controle Estatstico de Processos (CEP);
Detectar o melhor momento para implementar Cartas de Controle;

Controle
Verificar se o processo capaz de atender as especificaes do cliente.

cliente
Tpicos abordados: Correlao, Regresso Simples e Mltipla,Gage R&R, Testes Destrutivos, Vcio,
Linearidade, Estabilidade, Anlise de Atributos, Cartas de Controle para dados contnuos e atributos,
Anlise de Capacidade Normal, No-normal e para atributos.
O Minitab
H mais de 30 anos, a Minitab Inc. oferece softwares e servios
para melhoria da qualidade, educao e pesquisa.
MINITAB Statistical Software:
Facilidade de uso;
Confiabilidade dos resultados obtidos;
Conjunto de mtodos eficazes e altamente abrangentes.
Desenvolvimento de projetos com abordagem Seis Sigma e/ou
de qualquer outro projeto que vise manuteno ou melhoria da
qualidade.
Histria
Minitab Statistical Software:

Desenvolvido em 1972, na Pennsylvania State University;
Objetivo: Auxiliar professores no ensino de Estatstica;
Utilizado por aproximadamente 4.000 escolas e universidades
pelo mundo;
Ferramenta preferida para as empresas que focam esforos na
melhoria da qualidade.
Minitab Quality Companion
Correlao e Regresso
OBJETIVOS
CAPTULO
Medir o grau de associao linear entre duas variveis usando

grficos e estatsticas;
Medir o grau de associao linear entre duas ou mais variveis
atravs da anlise de correlao;
Modelar a relao entre uma varivel de resposta continua e uma ou
mais variveis preditoras;
Determinar o tamanho da relao entre uma varivel de resposta
continua e uma ou mais variveis preditoras.
Correlao
O QUE CORRELAO?
Coeficiente de correlao estimado (r): medio do grau de associao linear entre duas variveis.
Correlao positiva:
positiva ambas as variveis possuem a tendncia a crescer ou decrescer juntas.
Correlao negativa:
negativa indica que uma varivel cresce enquanto a outra decresce.
QUANDO USAR CORRELAO?
Quando temos o banco de dados constitudo por duas variveis contnuas e desejamos determinar se
existe uma relao linear entre elas.
Coeficiente de correlao de Pearson: associao linear.
Correlao
POR QUE USAR CORRELAO
Nos ajuda a responder perguntas tais como:
z
Existe algum tipo de relao linear entre as duas variveis?
Quo grande esta relao?
Por exemplo:
z
Existe uma relao entre a temperatura e viscosidade do leo de cozinha?
Quo forte a relao entre a exposio aos raios ultravioleta e a reduo da fora do nylon?
Padres tpicos de associao

(Nota: Estes resultados no so iguais aos obtidos no exemplo)
De uma maneira geral, sempre que traarmos um diagrama de disperso com o intuito de estudarmos
a existncia de relao linear entre as variveis, o grfico cair em uma das quatro categorias de
associao ilustradas abaixo:
ASSOCIAO LINEAR POSITIVA
Em uma associao linear positiva,valores altos da varivel X
esto associados com valores altos da varivel Y, e vice-versa.
ASSOCIAO LINEAR NEGATIVA

Em uma associao linear negativa, valores altos da
varivel X (ou Y) esto associados com os valores baixos da
varivel Y (ou X).
ASSOCIAO NO-LINEAR
Em geral, uma associao no-linear mais complexa de
ser visualizada. Por exemplo, em uma relao quadrtica
como mostra a figura abaixo, valores altos e baixos da
varivel X esto associados com valores altos de Y enquanto
valores medianos de X esto associados com os valores
baixos da varivel Y (veja figura). Alm desta tambm
podemos observar outras associaes tais como:
senoidais, exponenciais, logartmicas, etc.
AUSNCIA DE ASSOCIAO
As variveis do exemplo ao lado no apresentam nenhuma
espcie de associao. Os valores da varivel X no esto
claramente associados como nenhum valor particular da
varivel Y.
Coeficiente de Correlao
Use um de 0,05 para o teste.
CORRELAO DE PEARSON
A amostra de coeficiente de correlao de Pearson (r) calculado pela seguinte frmula:
O valor resultante de r estar entre -1 e 1, onde:

z 1: indica correlao positiva perfeita.
z 0: indica ausncia de correlao.
z -1: indica correlao negativa perfeita.
A Probabilidade de Significncia
O P-VALOR
O P-Valor trata-se do resultado numrico de um teste de hipteses onde testam-se as seguintes
hipteses bsicas:
H0: O coeficiente de correlao (l-se r) entre as variveis igual a zero (no

significativo).
H1: O coeficiente de correlao entre as variveis diferente de zero ( significativo).
EXEMPLO 1: COMPARANDO SISTEMAS DE MEDIO
PROPOSTA
Medir o grau de associao linear entre duas variveis usando correlao.
PROBLEMA
Sistema de medio on-line para medir o pH (retornos mais rpidos e uma maior habilidade
em ajustar os sistema de medio em tempo real);
Sistema atual:
atual laboratorial.
Saber se os dois sistemas produzem leituras similares do pH.
DADOS COLETADOS
2 sistemas mediram o pH de 20 amostras aleatrias do limpador.
EXEMPLO 1: COMPARANDO SISTEMAS DE MEDIO
FERRAMENTAS
z
Scatterplot;
Correlation.
ARQUIVO DE DADOS: LABTEST.MPJ
Consideraes finais
RESUMO E CONCLUSES
Existe uma forte correlao linear positiva (0,959) entre as medies obtidas pelos dois
sistemas.
O sistema on-line efetua medies maiores do que o sistema laboratorial,
laboratorial o que pode nos
indicar a necessidade de uma re-calibrao.
O resultado desta breve anlise nos indica que os sistemas mais baratos e fceis de usar
podem ser colocados convenientemente no lugar dos sistemas de medio laboratoriais.
laboratoriais
Consideraes finais
CONSIDERAES ADICIONAIS
O coeficiente de correlao de Pearson quantifica o grau de associao linear entre duas variveis.
Uma forte correlao linear no implica necessariamente em uma relao de causa e efeito entre
as variveis.
veis
Ex: uma forte correlao entre 2 variveis pode ser influenciada por uma 3 varivel.
Coeficiente de correlao de Pearson 0 no aponta necessariamente a ausncia de
associao a associao pode ser no-linear.
Plote sempre um diagrama de disperso.
OBS: No podemos usar correlao se fixarmos valores de uma varivel de forma que possamos estudar as
mudanas da outra.
Correlao entre Mltiplas Variveis

O QUE CORRELAO ENTRE MLTIPLAS VARIVEIS?
Efetuada atravs da anlise da matriz de correlao Correlao 2 a 2.
POR QUE USAR CORRELAO ENTRE VARIVEIS MLTIPLAS?
Para identificar:
z Pares de variveis altamente correlacionadas;
correlacionadas
z Medies redundantes que podem ser eliminadas para simplificar a anlise reduzindo o custo
dos dados coletados;
z Variveis preditoras altamente correlacionadas,
correlacionadas antes de fazer uma Anlise de Regresso.
QUANDO USAR CORRELAO ENTRE MLTIPLAS VARIVEIS?
Gerar todos os pares de correlaes para um conjunto de variveis quantitativas.
EXERCCIO 2:
CONTROLE DA QUALIDADE DA TAMPA DA GARRAFA
PROPOSTA
Demonstrar a relao entre as mltiplas variveis usando a correlao.
PROBLEMA
Superviso do dimetro das tampas de garrafas ao longo do tempo Xbar.
As tampas de garrafas so produzidas em 8 modelos de cavidades.
8 horas/dia coletando amostras de tampas, medindo e guardando seus dados.
Identificar as cavidades altamente correlacionadas, reduzindo nmero e o total dos custos das
medies.
EXERCCIO 2:
CONTROLE DA QUALIDADE DA TAMPA DA GARRAFA
DADOS COLETADOS
Tcnicos selecionaram uma amostra aleatria de cinco tampas por hora de cada cavidade. Os dados
da semana anterior, que contm 840 medies de cada cavidade, esto disponvel para anlise.
FERRAMENTAS
z
z
Matrix Plot;
Correlation.
ARQUIVO DE DADOS: BOTTLECAP.MPJ
Consideraes finais
RESUMO E CONCLUSES
A empresa pode economizar 3h de coleta de dados/dia reduzindo o n de medies de 8 para 5;
Existe o risco de perdermos sinais de falta de controle estatstico.
Quo alta deve ser a correlao que justifique a eliminao das medies?
Devemos verificar a importncia de:
z Detectar estados de falta de controle em cada cavidade.
o Importncia desta deteco alta: necessrio uma correlao mais forte para eliminao;
o Por outro lado, podemos ajustar o critrio para uma correlao menor.
z Se o motivo da analise for eliminar 3 medies, observe somente as 3 correlaes mais altas.
Regresso Linear Simples

O QUE UMA REGRESSO LINEAR SIMPLES?
Examina as relaes existentes entre a varivel continua de resposta (Y) e a varivel preditora
(X). Equao geral:
onde Y a varivel resposta; X varivel a preditora, 0 a interseco no eixo-Y (o valor de Y

quando X igual a zero), 1 o coeficiente angular da reta e so os erros aleatrios.

QUANDO USAR A REGRESSO LINEAR SIMPLES
Temos uma varivel contnua(Y) e uma preditora (X) para Y.
o
A varivel X pode ser ordinal ou contnua;
Qualquer incerteza na medio de X assumida como negligncia comparado ao alcance em
o
que X medido.
Quando construmos um modelo de regresso, devemos obter uma amostra emparelhada para as
variveis X e Y.
Aps traado o modelo, poderemos realizar interpolaes;
es porm, esta ser apenas uma
previso, no significando que o valor interpolado ser necessariamente idntico ao observado na
prtica.

Resduo: diferena entre o valor interpolado e o valor real observado.
SUPOSIES:
Os erros (ou resduos) so:
z
Independentes;
Normalmente distribudos;
Possuem varincia constante (so homocedsticos).
A verificao das suposies listadas acima feita atravs da Anlise de Resduos.

POR QUE USAR UMA REGRESSO LINEAR SIMPLES?
Responder perguntas tais como:
z
Quanto da variabilidade total da varivel resposta Y explicada pela varivel preditora X?
z
Considerando um valor pr-fixado de X, qual valor esperamos observar em Y?
z
De quanto ser a variao observada no valor da varivel Y, quando aumentamos o valor
da varivel X em uma unidade? (Variao marginal).
Por exemplo:
z
Como o processo de temperatura est relacionado com a dureza do ao?
z
Qual o valor predito para a dureza do ao se o mesmo for processado a uma temperatura
particular?
z
Qual o variao esperada na dureza se a temperatura aumentar de 99C para 100C?

R (R-SQ)
Representa a proporo da variabilidade da varivel resposta que explicada pela varivel
preditora na equao de regresso.
Os valores aceitveis para R variam dependendo do estudo.
Exemplos:
o Engenheiros estudando reaes qumicas podem requerer um R de 90% ou mais;
o Um estudo sobre o comportamento humano (que mais varivel) pode ser satisfeito com
valores mais baixos de R.
R Adjusted (R-SQ(ADJ))
sensvel ao n de termos includos em um modelo
O mtodo dos mnimos quadrados

Os coeficientes da equao so escolhidos de maneira a minimizar a soma das diferenas
quadrticas entre os valores das respostas observados na amostra,
amostra e as previses feitas pela
equao.
Em outras palavras, as distncias verticais entre os pontos e linha so minimizadas,
minimizadas como ilustra a
figura. O resultado chamado de reta de mnimos quadrados.
Atentar quanto a presena de outliers geram um grande efeito no calculo da reta de mnimos
quadrados.
ANOVA
Usaremos o resultado da Anlise de Varincia (ANOVA) para avaliarmos se o modelo de regresso
simples til.
A ANOVA compara o modelo obtido a um modelo restrito que no usa a varivel resposta (X) para
prever a varivel preditora (Y):
z
Modelo de regresso:
Modelo restrito:
Modelo restrito: as mudanas que ocorrem em Y so devidas unicamente e exclusivamente aos erros
aleatrios (). Isto equivalente ao modelo de regresso simples com coeficiente angular (1)
igual a zero.
Assim, as hipteses para a ANOVA so:
z
H0: 1 igual a zero.
H1: 1 no igual a zero.

ANOVA
E interpretaremos o Valor-P da seguinte maneira:
Valor-P < : REJEITA-SE H0.

z
O modelo de regresso significativo em explicar parte da variabilidade total da

varivel resposta;
1 diferente de zero.
Valor-P > : NO REJEITA-SE H0.

z
O modelo de regresso no significativo em explicar parte da variabilidade total da

varivel resposta;
1 igual a zero.
Interpretando os resultados
INTERVALOS DE CONFIANA
Define o alcance dos valores para a mdia da populao de Y.Y
Para um valor dado de X, podemos estar 95% confiantes que a mdia da populao de Y est
entre os limites indicados.
INTERVALOS DE PREDIO
Define o alcance de um valor individual futuro de Y para um dado X.
Se uma nica observao futura foi coletada em um X especifico, estaremos 95% confiantes que o
Y estar entre os limites do intervalo de predio.
Para um dado valor de X, podemos estar 95% confiantes de que a media da populao de Y
estar entre as linhas indicadas.
EXEMPLO 3: IMPUREZAS NA TINTA

PROPOSTA
Avaliar a relao linear existente entre duas variveis plotando a reta de regresso (Fitted Line
Plot).
PROBLEMA
O aumento no ndice da mistura pode causar coagulao da tinta por certos pigmentos.
Pigmentos aglomerados so impurezas e afetam negativamente a performance da tinta.
Expto:
Expto entendermos melhor a relao entre o ndice de mistura e nvel de impureza.
DADOS COLETADOS
As impurezas foram medidas por lotes de tintas com o ndice da mistura entre 20 a 42 rpm
(rotaes por minuto).
EXEMPLO 3: IMPUREZAS NA TINTA

FERRAMENTAS
Fitted Line Plot
ARQUIVO DE DADOS: PAINT.MPJ
Consideraes finais
RESUMO E CONCLUSES
Anlise de Regresso Linear Simples:
Simples revela que o aumento da taxa de mistura est associado ao
crescimento das impurezas na tinta.
Coeficiente angular da equao de regresso:
regresso quando aumentamos a taxa de mistura em 1rpm, o
nvel de impureza cresce em media 0,4566.
Valores atpicos na varivel X podem ter uma grande influncia no coeficiente se regresso e nos
P-Valores, e neste caso melhor analisarmos os resduos deletados.
deletados
Valores atpicos na varivel Y podem influenciar fortemente os resultados.
Valores atpicos em ambas as variveis:
veis o modelo de Regresso pode no ser adequado.
Consideraes finais
No utilize a Analise de Regresso para se assegurar de que mudanas na varivel preditora
causam mudanas na varivel resposta.
resposta Se os valores das variveis preditoras permitirem uma
variao aleatria, outros fatores podem influenciar em ambas as variveis preditoras e repostas.
No aplique os resultados obtidos pela equao de regresso em valores de X fora do intervalo dos
valores determinado pela amostra.
Esteja alerta para valores atpicos (outliers) quando usar uma regresso.
regresso Alguns valores atpicos
tm um grande efeito no calculo da reta de regresso via Mtodo de Mnimos Quadrados. Em
alguns casos, a reta pode no representar os outros dados adequadamente.
Regresso Polinomial
O QUE UMA REGRESSO POLINOMIAL?
Examina as relaes existentes entre a varivel resposta continua (Y) e a varivel preditora (X).
O modelo polinomial pode incluir termos para os expoentes de X:X
Y a varivel resposta;
X a varivel preditora;
0 o intercepto do eixo-y;
1 o coeficiente - termo linear;
2 o coeficiente - termo quadrtico;
3 o coeficiente - termo cbico;
so os erros aleatrios.
Regresso Polinomial
QUANDO USAR A REGRESSO POLINOMIAL?
Quando h evidncias ou teorias que sugerem e existncia de no-lineariedade entre as variveis.
z
z
z
X pode ser ordinal ou contnua;

Teoricamente X deve ser fixo, na prtica, contudo, geralmente permitido que ele varie;
Quaisquer incertezas nas medidas de X podem ser consideradas negligentes se comparadas
ao alcance em que X medido.
Suposies sobre os erros:

erros
z
z
z
So independentes (isto , aleatrios);

So normalmente distribudos;
Possuem varincia constante para todos os valores de X.
Regresso Polinomial
POR QUE USAR A REGRESSO POLINOMIAL?
Responder perguntas, tais como:
z
Quando aumentamos o X, observamos o aumento da varivel Y para alguns valores e a
reduo para outros?
z
Qual valor podemos esperar de Y quando X igual a um valor especfico?
Por exemplo:
z
A adio de mais cobre faz com que a fora de ligao sempre fique mais forte ou ela
decresce em maiores concentraes?
z
Quo forte podemos esperar que seja a liga se a mesma feita de 0,015 de cobre?
EXEMPLO 4 :
DESIGN DE UM INTERRUPTOR DE PRESSO
PROPOSTA
Avaliar a relao quadrtica existente entre duas variveis usando a reta de regresso plotada
(Fitted Line Plot).
PROBLEMA
Acredita-se que o design inicial do interruptor de presso no est atingindo o set-point de presso
desejado.
desejado
Concentrar seus esforos na espessura do diafragma,
diafragma relativamente mais fcil de ser modificada.
Experincia: determinar a relao existente entre a espessura do diafragma e o set-point, para que
assim eles pudessem especificar a espessura apropriada para o design final.
Especificaes para a presso do set-point: 165 + 15 kilo Pascals (kPa).
EXEMPLO 4 :
DESIGN DE UM INTERRUPTOR DE PRESSO
DADOS COLETADOS
Os 25 interruptores so montados com um tipo de componente.
A espessura do diafragma varia entre 0,5 a 0,9 mm.
5 interruptores de cada espessura foram montados em ordem aleatria evitando o efeito
desconhecido do tempo.
FERRAMENTAS
z Scatterplot;
z Fitted Line Plot.
ARQUIVO DE DADOS: SWITCH.MPJ
Consideraes finais
RESUMO E CONCLUSES
A relao entre a espessura do diafragma e o set-point do interruptor foi melhor explicada pelo
modelo quadrtico.
tico
A melhor escolha para a espessura do diafragma aproximadamente de 0,64mm.
0,64mm
Podemos obter este resultado substituindo 165 no SetPoint (Y) do modelo de regresso e
calculando o Dthickness (X) usando a equao quadrtica.
Erro puro
Quando tivermos replicaes,
es podemos estimar o erro puro.
puro
Erro puro (Lack-of-fit statistic - menu Regression): variabilidade observada na varivel resposta Y
considerando um valor fixo para a varivel preditora.
Consideraes finais
CAPACIDADE DO PROCESSO
Podemos usar a variao no explicada dos dados para determinar se o processo capaz de
atingir o alvo; podemos descobrir que:
z
Os itens foram montados com a inteno da produo nos componentes;
Os itens foram montados com a inteno da produo no processo;
O modelo no mostra nenhuma diferena significativa.
Se as suposies acima forem observadas, ento S = 4,597mm uma estimativa para a

variabilidade do processo.
processo
Anlise de Capacidade: para determinar se o processo capaz de atingir os limites de
especificao definidos pelo cliente.
EXERCCIO A: ESCUDOS DE EROSO

PROPOSTA
Avaliar a relao existente entre duas variveis usando a reta de regresso plotada (Fitted Line Plot).
PROBLEMA
Um produtor de energia deseja saber como se comporta a eroso de escudos de ao para turbinas a
vapor resistentes ao desgaste. Medir a resistncia do desgaste difcil, alm de sair caro e ser
destrutvel. Portanto, o produtor espera ser capaz de predizer o desgaste atravs da avaliao da
dureza do ao, que mais conveniente e mais barata de ser mensurada.
DADOS COLETADOS
O desgaste e a dureza do ao foram medidas em 24 escudos de eroso selecionados aleatoriamente.
EXERCCIO A: ESCUDOS DE EROSO

INSTRUES
1. Use o Fitted Line Plot para visualizar a linha do modelo de regresso linear que tem Abrasion
como varivel resposta e Hardness como varivel preditora. Calcule os intervalos de confiana e
predio.
2. Use a anlise de resduos para verificar as suposies associadas ao modelo.
ARQUIVO DE DADOS: EROSION.MPJ
EXERCCIO B: ESCAPAMENTO DE DIESEL

PROPOSTA
Avaliar a relao existente entre duas variveis usando Fitted Line Plot.
PROBLEMA
Investigar os efeitos da umidade no escapamento de caminhes a diesel.
INSTRUES
1. Coloque os dados em um diagrama de disperso para visualizar a possvel relao existente entre
as variveis;
2. Use o Fitted Line Plot para visualizar o modelo de regresso que for mais apropriado para
descrever a relao existente entre as duas variveis;
3. Verifique as suposies associadas ao modelo de regresso atravs da Anlise de Resduos.
EXERCCIO B: ESCAPAMENTO DE DIESEL
ARQUIVO DE DADOS: DIESEL.MPJ
Correlao e Regresso
CAPTULO
OBJETIVOS
Proceder com a anlise de regresso com mais de

uma varivel explicativa;
explicativa
Trabalhar com a presena de multicolinearidade
em regresso mltipla.
Regresso Mltipla
O QUE A REGRESSO MLTIPLA?

A regresso mltipla examina a relao existente entre uma varivel de resposta continua (Y)
e vrias variveis preditoras (X).
Equao geral:
Onde Y a varivel resposta, 0 o intercepto do eixo-Y, i's so os coeficientes associados

s variveis preditoras xis e e so os erros aleatrios.
Regresso Mltipla
QUANDO USAR REGRESSO MLTIPLA?
Usamos a regresso linear mltipla quando temos uma varivel resposta Y contnua,
mais de uma varivel preditora X e os X's podem ser ordinais ou contnuos.
Antes de aceitarmos os resultados de uma Anlise de Regresso, devemos verificar se as
seguintes suposies sobre os erros foram satisfeitas:
Os erros (ou resduos) so:
Independentes;
Normalmente distribudos;
Possuem varincia constante (so homocedsticos).
A verificao das suposies listadas acima feita atravs da Anlise de Resduos.
Regresso Mltipla
POR QUE USAR REGRESSO MLTIPLA?
Regresso mltipla pode ajudar a responder perguntas como:
Quanto da variabilidade total da varivel resposta Y explicada pelas variveis preditoras X's?
Considerando os valores pr-fixados das variveis X's, qual valor esperamos observar em Y?
De quanto ser a variao observada no valor da varivel resposta Y, quando aumentamos o
valor de uma das variveis X em uma unidade? (Variao marginal).
Por exemplo,
Como os processos de temperatura e porosidade esto relacionados com a dureza media do
ao?
Quo duro podemos aceitar o ao que foi processado em uma temperatura particular por uma
certa quantidade de tempo?
Quanto em mdia o ao endurecer se a temperatura aumentar em 100C?
EXEMPLO 5: REDUZINDO O BARULHO DOS MOTORES
PROPOSTA
Avaliar a existncia de relao linear entre mltiplas variveis atravs da Anlise de Regresso.
Regresso
PROBLEMA
Identificar a causa do barulho nas mquinas. As seguintes variveis foram consideradas:
Spark timing (ponto de centelhamento da vela);
Air-fuel ratio (AFR)(razo ar-combustvel);
Intake temperature (temperatura de entrada);
Exhaust temperature (temperatura de exausto).
DADOS COLETADOS
Foram coletados dados de 13 mquinas selecionadas aleatoriamente, todas funcionando com gasolina
em uma avaliao octana de 87.
FERRAMENTAS
Matrix Plot;
Correlation;
Regression.
ARQUIVO DE DADOS: KNOCK.MPJ
Consideraes finais
RESUMO E CONCLUSES
A equao de regresso :
Knock = 23,8 0,296 Spark + 3,19 AFR + 0,359 Intake + 0,0134 Exhaust
Este modelo suficiente em explicar 98,8% de variabilidade total da varivel Knock.
Existem problemas de multicolinearidade no modelo, visto que a varivel Spark altamente
correlacionada com a varivel Exhaust.
Ns no podemos usar a Anlise de Regresso para afirmar que as mudanas nas variveis preditoras
causam mudanas na varivel resposta, a menos que os valores das variveis preditoras tenham sido
fixados em nveis predeterminados em uma experincia controlada (como em um DOE).
Se for permitido que os valores das variveis preditoras mudem aleatoriamente, outros fatores que no
os presentes no modelo podero influenciar nos resultados obtidos.
Consideraes finais
No devemos aplicar os resultados obtidos pela equao de regresso em valores de X fora do intervalo dos
valores determinados pela amostra.
As mensuraes devem ser efetuadas com o mximo de preciso possvel.
Supervisionar apenas os fatores potencialmente importantes.
Cuidado com a multicolinearidade.
multicolinearidade Quando variveis preditoras so altamente correlacionadas:
o Estimar os coeficientes de regresso pode ser instvel, pois eles podem variar bruscamente de
uma amostra para outra.
o Pode ser difcil de acessar a importncia de termos individuais no modelo.
Cuidado ao remover mais de uma varivel preditora ao mesmo tempo.
Utilize procedimentos como o Best Subsets ou o Stepwise.
Regresso via Best Subsets

QUAL O MELHOR REGRESSO QUE PODEMOS CONSTRUIR?
Best Subsets: avalia todas as combinaes possveis com as variveis preditoras.
O critrio da anlise do R adotado para escolher o melhor modelo;
O uso de outro critrio pode fornecer um modelo diferente.
Apenas a anlise do R2 que nos indica qual o melhor modelo.
Outros pontos devem ser considerados:
o A verificao das suposies associadas ao modelo atravs da Anlise de Resduos;
o A anlise do R2adj.
Aps a obteno de um modelo timo via Best Subsets, ainda deveremos proceder com a
anlise do modelo de Regresso como um todo.
Regresso via Best Subsets

QUANDO USAR OS MELHORES CONJUNTOS DE REGRESSO?
Usaremos o Best Subsets quando tivermos muitas variveis preditoras em potencial.
POR QUE UTILIZAR O BEST SUBSETS?
O Best Subsets pode nos ajudar a responder questes tais como:
Qual combinao de fatores ser a mais eficiente em explicar a variabilidade total da
varivel resposta?
Qual o melhor modelo de regresso possvel de ser adotado quando desejamos usar
apenas 5 de 20 variveis preditoras?
Por exemplo,
Como um modelo construdo com 10 variveis de preditoras melhor que um outro que
usa somente a temperatura e a velocidade de mistura?
Escolhendo um modelo apropriado
Evitar os seguintes problemas:

A obteno de modelos complexos e ineficientes com muitas variveis preditoras;
Coeficientes instveis resultantes de redundncia de correlaes entre as variveis preditoras;
Inadequada habilidade resultante da presena de poucas variveis preditoras.
VARIVEIS PREDITORAS LIVRES
Free predictors:
predictors as variveis ali includas podem ou no ser includas no modelo.
Predictors in all models:
models a varivel faz necessariamente parte do modelo.
Escolhendo um modelo apropriado

MALLOWS CP
Adotaremos o modelo em que o Cp for menor e apresentar o valor mais prximo do nmero de parmetros
do modelo.
Exemplo: para um modelo com 3 variveis preditoras e com o intercepto do eixo-y (0), daremos
preferncia ao modelo com Cp mais prximo de 4. A formula para o Cp dada por:
Onde:
SSEp a soma dos quadrados dos erros para os modelos com p parmetros (includo a
intercesso);
MSEm o quadrado mdio dos erros para o modelo com todas as m preditoras;
n o nmero de observaes.
PROPOSTA
Selecionar um conjunto de variveis para serem includas em um modelo de regresso mltipla
usando Best Subsets.
PROBLEMA
Identificar a causa do barulho das mquinas. As seguintes variveis esto sendo consideradas:
Spark timing (ponto de centelhamento da vela);
Air-fuel ratio (AFR)(razo ar-combustvel);
Intake temperature (temperatura de entrada);
Exhaust temperature (temperatura de exausto).
DADOS COLETADOS
Os dados foram coletados de 13 mquinas selecionadas aleatoriamente.
FERRAMENTAS
Best Subsets;
Regression.
ARQUIVO DE DADOS: KNOCK.MPJ
Consideraes finais
RESUMO E CONCLUSES
O melhor modelo para predizer a varivel Knock :
Knock = 16,5 + 3,21 AFR + 0,386 Intake + 0,0166 Exhaust
Deveremos nos certificar de que as variveis preditoras e respostas so realmente importantes
em predizer a varivel resposta, para que todos os modelos em potencial sejam vlidos na
prtica.
EXEMPLO C: NDICES DE MORTALIDADE NAS GRANDES

CIDADES DOS ESTADOS UNIDO
PROPOSTA
Avaliar a relao existente entre as variveis mltiplas atravs da Regresso.
PROBLEMA
Determine qual das variveis preditoras listadas na tabela so relacionadas ao ndice de mortalidade por
idade (nmero de mortes por ano a cada 100.000 pessoas) nas 60 maiores cidades dos Estados Unidos.
DADOS COLETADOS
O dados so adaptados de um Web site Starlib: http://lib.stat.cmu.edu/datasets/pollution
INSTRUES
1. Use Stat > Regression > Regression (ou Stat > Regression > Best Subsets ou Stat > Regression
> Stepwise) para determinar quais termos so significativos considerando um nvel de significncia de 5%
(a = 0,05). Inclua todos os termos com Valores-P abaixo de 0,05. Elimine os termos um a um,
comeando com o a varivel que apresentar o maior Valor-P;
2. Faa a Anlise de Resduos procurando por padres incomuns e outliers, e para verificar as suposies
relacionadas ao modelo de regresso mltipla.
EXEMPLO C: NDICES DE MORTALIDADE NAS GRANDES

CIDADES DOS ESTADOS UNIDO
ARQUIVO DE DADOS: MORTALITY.MPJ
EXERCCIO D: DURAO DO SONO

PROPOSTA
Avaliar a relao existente entre as variveis mltiplas atravs da Anlise de Regresso.
PROBLEMA
Determine qual das variveis preditoras listadas na tabela esto relacionadas com a
durao do sono nas 51 espcies em investigao. O ndice de predao varia de 1 a 5,
onde 1 indica o menor nvel de predao e 5 indica predao mxima. O ndice de
exposio durante o sono tambm varia de 1 a 5, onde 1 indica que o animal dorme
totalmente protegido enquanto 5 indica que o animal sofre completa exposio enquanto
dorme.
DADOS COLETADOS
Os dados foram tirados do Web site: http://lib.stat.cmu.edu/datasets/sleep
EXERCCIO D: DURAO DO SONO

INSTRUES
1. Use Stat > Regression > Regression (ou Stat > Regression > Best Subsets ou Stat > Regression
> Stepwise) para determinar quais termos so significativos considerando um nvel de significncia de 5%
(a = 0,05). Inclua todos os termos com Valores-P abaixo de 0,05. Elimine os termos um a um, comeando
com o a varivel que apresentar o maior Valor-P;
2. Faa a Anlise de Resduos procurando por padres incomuns e outliers, e para verificar as suposies
relacionadas ao modelo de Regresso Mltiplia.
ARQUIVO DE DADOS: SLEEP.MPJ
EXERCCIO E: O QI DE GMEOS IDNTICOS
PROPOSTA
Avaliao da relao existente entre mltiplas variveis.
PROBLEMA
Determine qual das variveis preditoras listadas na tabela so relacionadas ao QI de gmeos
idnticos.
DADOS COLETADOS
Os dados foram tirados do Web site: http://lib.stat.cmu.edu/datasets/IQ_Brain_Size
EXERCCIO E: O QI DE GMEOS IDNTICOS
INSTRUES
1. Use Stat > ANOVA > General Linear Model para determinar quais termos so significativos
considerando um nvel de significncia de 5% (a = 0,05). Inclua todos os termos com Valores-P
abaixo de 0,05.
2. Faa a Anlise de Resduos procurando por padres incomuns e outliers, e para verificar as
suposies relacionadas ao modelo de Regresso Mltipla.
ARQUIVOS DE PROGRAMAS: IQ.MPJ
Avaliao do Sistema de Medio e Inspeo (MSA)
CAPTULO
OBJETIVOS
Determinar a adequacidade dos sistemas de medio;

Determinar a estabilidade do sistema de medio em horas-extras
usando o MSA;
Calcular estatsticas para acessar a linearidade e o vcio do sistema de
medio.
Avaliao do Sistema de Medio

O QUE AVALIAR UM SISTEMA DE MEDIO?
A anlise do sistema de medio: avalia as propriedades deste sistema, assegurando-nos da
adequacidade do mesmo para execuo da funo para a qual ele foi pr-destinado.
Considere que a variao do processo devido s fontes:
o Part-to-part variation:
variation que a variao natural do processo;
o Measurement system variation:
variation que a variao do sistema de medio.
QUANDO AVALIAR O SISTEMA DE MEDIO
O sistema de medio deve discriminar a diferena entre os itens adequadamente para um
monitoramento do processo mais efetivo.
Use a Avaliao do Sistema de Medio para confirmar se este sistema apresenta consistncia,
acurcia e se capaz de discriminar a diferena natural existente entre itens.

PORQUE AVALIAR O SISTEMA DE MEDIO
Responder pelo menos uma das seguintes questes:
O sistema de medio capaz de discriminar adequadamente a diferena entre os itens?
O sistema de medio apresenta-se estvel ao longo do tempo?
O sistema de medio apresenta-se exato ao abranger todos os itens?
Por exemplo:
Um viscmetro capaz de discriminar adequadamente a viscosidade de diferentes amostras
de tinta?
A escala precisa ser periodicamente recalibrada para que a balana seja capaz de preencher
todos os pacotes de batata chips com exatido?
O termmetro capaz de medir adequadamente todas as temperaturas usadas durante um
processo?
Gage R&R Study (crossed)

O QUE UM GAGE R&R STUDY (CROSSED)
O Gage R&R Study (crossed): expto usado para estimar o quanto da variao total do processo
devido ao sistema de medio;
Variao do sistema de medio subdividida em:

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

QUANDO USAR O GAGE R&R STUDY (CROSSED)
Use o Gage R&R Study (crossed):
Para avaliar ou qualificar previamente um sistema de medio,
o adotando-o posteriormente no
monitoramento do processo ou em atividades de melhoria;
Quando cada item de um estudo mensurado mltiplas vezes.
Comparar a variao de um sistema de medio com a variao total do processo e/ou tolerncia.

PORQUE USAR O GAGE R&R STUDY (CROSSED)
O Gage R&R Study pode responder questes tais como:
A variabilidade de um sistema de medio pequena se comparada com a variao natural do
processo?
A variabilidade de um sistema de medio pequena se comparada com os limites de especificao
do processo?
Quanto da variabilidade do sistema de medio devido diferena entre os operadores?
O sistema de medio capaz de discriminar a diferena natural existente entre os itens?
Por exemplo:
Quanto da variabilidade dos dimetros mensurados com uma certa tendncia devido
calibrao?
Quanto da variabilidade dos dimetros mensurados com uma certa tendncia devido ao
operador?
O sistema de medio capaz de realizar a discriminao entre itens produzidos com tamanhos
diferentes?
Erros do Sistema de Medio

Os erros de um sistema de medio podem ser classificados dentro de duas categorias:
Acurcia: a diferena entre as medies realizadas por um instrumento de medio para um
item e os valores reais destes mesmos itens.
Preciso: a variao observada quando medimos um mesmo item repetidas vezes com um
mesmo equipamento.
ACURCIA (EXATIDO)
Composta por trs componentes:
Vcio: diferena entre o valor observado e o valor real ou padro (obtido por um
equipamento ou operrio padro).
Linearidade: diferena entre os valores viciados observados e as medies dos valores
esperados para essas taxas mensuradas.
Estabilidade: a mensurao de quo boa ser o desempenho do sistema ao longo do
tempo. A variao total obtida com resultados provenientes de um mesmo aparelho, no
qual mensuramos uma nica caracterstica ao longo do tempo.
PRECISO
A preciso que pode ser chamada de medio da variao composta por dois componentes:
Repetibilidade:
Repetibilidade variao observada em 2 medies com um mesmo aparelho, ou quando
um mesmo operador procede com a leitura de um mesmo item repetidamente com o mesmo
aparelho.
Reprodutibilidade:
Reprodutibilidade variao observada em 2 medies do sistema, ou a variao
observada quando diferentes operadores mensuram um mesmo item com o mesmo
aparelho.
Acessando o Sistema de Medio

Use o Gage R&R Study (Crossed) para acessar:
Quanto que o sistema de medio capaz de distinguir os diferentes itens;
Verificar se os operadores esto efetuando as medies de forma consistente.
TOLERNCIA
a amplitude do limite de especificao definido pelo cliente.
Fornecendo o valor da tolerncia do processo, podemos estimar qual proporo da tolerncia devido
variao no sistema de medio.
EXEMPL0 7: DIMETRO DO BOCAL DA BOMBA DE

COMBUSTVEL
PROPOSTA
Acessar como a preciso de um aparelho de medio e do operador afeta a variabilidade
do sistema de medio, usando o Estudo Cruzado de Medio R&R (Gage R&R Study).
PROBLEMA
O elaborador de um bocal para bomba de combustvel instalou um novo sistema digital
de medio. Especialistas da rea desejam determinar o quo eficiente este sistema.

COMBUSTVEL
DADOS COLETADOS
9 bocais foram selecionados aleatoriamente ao longo do incio de todos processos que podem
provocar algum tipo de variao (mquina, tempo, turno, troca de turno) que representam
todos os bocais tipicamente produzidos.
O 1 operador efetuou as medies para cada um dos 9 bocais em ordem completamente
aleatria.
Os 9 bocais foram aleatorizados e um 2 operador efetuou novamente as medies dos
mesmos bocais.
Este processo foi repetido 2 vezes para cada operador, totalizando 36 medies.

COMBUSTVEL
A especificao para o dimetro dos bocais de: 9012 + 4 microns (tolerncia de oito microns).
FERRAMENTAS UTILIZADAS
Gage R&R Study (Crossed).
ARQUIVO DE DADOS: NOZZLE.MPJ

COMBUSTVEL
GAGE R&R STUDY (CROSSED)

1. Abra o arquivo NOZZLE.MPJ
2. Escolha Stat > Quality Tools > Gage Study > Gage R&R Study (Crossed);
3. Complete a caixa de dilogo, como mostramos abaixo:
4. Clique em Options;
5. Em Process tolerance, digite 8;
6. Clique em OK em cada todas as caixas de dilogo.
Consideraes Finais
RESUMO E CONCLUSES
A variao devido ao sistema de medio contribui muito pouco com a variao total do processo,
confirmada por meio do estudo Gage R&R, por tabelas e por grficos.
A contribuio da variao do sistema de medio pode ser observada tanto pelo %StudyVar quanto pelo
%Tolerance. Neste caso como ambos os percentuais foram menores que 10%, o sistema de medio pode
ser considerado aceitvel de acordo com as normas da AIAG.
A seguir apresentamos o guia da AIAG para um sistema de medio aceitvel.
Consideraes Finais
Resultados desejveis de serem observados na anlise grfica para estudo da variao do sistema de medio:
IMPORTANTE: Assim como ocorre em outros estudos de MSA e de Planejamentos de Experimentos,

absolutamente necessrio que a anlise realizada, bem como a coleta de dados,
dados seja completamente
aleatria para o Gage R&R, a fim de que os resultados obtidos sejam vlidos e no apresentem
nenhuma espcie de vcio.

TOLERNCIA
A tolerncia para a espessura dos itens de 0,5mm. Entre com o valor da tolerncia para comparar a
variao do sistema de medio com as especificaes do cliente (USL - LSL = Tolerance).
VARIAO HISTRICA DO PROCESSO
Se forarmos a obteno de uma amostra que reflita a variao tpica do processo, a variao part-topart estimada para o processo poder no refletir a variao natural do processo, retornando valores
superestimados ou subestimados devido amostra ter sido obtida com vcio. Como resultado, seu
sistema poder aparentar ser melhor (ou pior) do que realmente o .
Neste caso, a estimao da variao histrica do processo nos bastante til. Com ela, o MINITAB
calcula o %Process que compara a variao do sistema de medio com a variao histrica do
processo.
EXEMPLO 8: ESPERRURA DO STILLCORD

PROPOSTA
Identificar problemas no sistema de medio, usando o Estudo Cruzado da Medio R&R (Gage R&R
Study) e um Grfico de Colunas Emparelhadas.
PROBLEMA
Um produtor de pneus de bicicletas BMX est avaliando o sistema de medio utilizado para mensurar a
espessura do stillcord. O stillcord introduzido no interior dos pneus para proteg-lo de perfuraes. A
tolerncia para a espessura do stillcord de 0,05mm. O desvio padro do processo de 0,078mm.
DADOS COLETADOS
Uma amostra aleatria de 10 stillcords foi extrada do processo de produo para este estudo. Os itens
foram mensurados por trs operadores diferentes, e cada operador mensurou o mesmo item duas vezes,
totalizando em 60 leituras. Os itens foram fornecidos para cada operador em ordem aleatria.
EXEMPLO 8: ESPERRURA DO STILLCORD

FERRAMENTAS UTILIZADAS
Gage R&R Study (Crossed).
Gage Run Chart
ARQUIVO DE DADOS: RIMSTRIP.MPJ
Consideraes Finais
RESUMO E CONCLUSES
O sistema de medio adotado necessita de algumas melhorias.
Os operadores apresentaram problemas com o dcimo item. Deve-se investigar o porque das dificuldades.
Talvez a variao entre os itens seja a fonte do efeito de interao observado.
Implementar um procedimento padro que especifique o local exato no qual a espessura ser lida.
Evite utilizar sempre o Gage R&R Study para avaliar a qualidade do sistema de medio:
No utilize o Gage R&R Study para avaliar a qualidade do sistema de medio de variveis binrias
ou de atributos em escala.
escala Ex: escalas de 1 a 5, defeito e no defeito, etc.
No utilize esta metodologia para investigar outros processos, como o efeito que diferentes mquinas
ou operadores provocam nos itens produzidos.
EXERCCIO F: ACESSANDO A CONSISTNCIA EM

APARELHOS DE COLORIMETRIA
PROPOSTA
Identificar problemas no sistema de medio, usando o Estudo Cruzado de Medidas R&R (Gage R&R
Study).
PROBLEMA
Uma companhia de polmeros produz grnulos que so usados na fabricao de cases de computadores.
A consistncia de cor desses grnulos muito importante para o cliente. Vrios tcnicos mensuram
amostras desses plsticos regularmente.
O objetivo deste estudo Gage R&R determinar o quanto da variao dos aparelhos de colorimetria
(leitores da cor) deve-se s leituras repetidas do aparelho (repetibilidade), e o quanto deve-se aos
diferentes tcnicos que operaram o aparelho (reprodutibilidade).
EXERCCIO F: ACESSANDO A CONSISTNCIA EM

APARELHOS DE COLORIMETRIA
DADOS COLETADOS
A fim de verificar a cor dos grnulos, tcnicos extraram amostras para teste. Cada amostra foi obtida
prensando os grnulos de cada um dos 10 diferentes lotes de plstico dentro de um wafer que armazena
estes grnulos. Um total de 10 amostras, sendo uma de cada lote, foi extrada para anlise.
Para este estudo, o L (branco-preto) a escala para mensurar a resposta de interesse. A tolerncia para este
processo de duas unidades (2L).
INSTRUES
1. Use o Gage R&R Study (Crossed) para analisar os dados coletados.
2. Comente a adequacidade do sistema de medio.
ARQUIVO DE DADOS: GAGECOLOR.MPJ
EXERCCIO G: RESISTNCIA DO PAPEL QUEBRA
PROPOSTA
Identificar adequacidade do sistema de medio quando as medidas so obtidas por meio de testes
destrutivos, usando o Gage R&R Study.
PROBLEMA
Uma fbrica de papel conduziu um estudo Gage R&R para verificar se o sistema de medio utilizado capaz
de detectar a variao da resistncia de seus produtos. O objetivo verificar o quanto da variao da
resistncia quebra deve-se repetibilidade (o mesmo aparelho ou o mesmo tcnico efetuar as mesmas
medies) e o quanto se deve reprodutibilidade (diferentes operadores medindo os mesmos itens) do
processo.
DADOS COLETADOS
Trs tcnicos, aleatoriamente escolhidos, mediram a resistncia de 20 maos selecionados do processo. Para
cada mao, uma nica folha de papel foi aleatoriamente extrada. Supondo que as propriedades fsicas se
mantm constantes em toda a extenso da folha, cada uma delas foi dividida em seis partes. Cada par de
amostra foi entregue a um tcnico diferente, que procedeu com a leitura da resistncia.
EXERCCIO G: RESISTNCIA DO PAPEL QUEBRA
A seqncia na qual o tcnico procedeu com a leitura tambm foi completamente aleatorizada. Um total
de duas amostras de cada folha dos 20 maos de papel foram entregues a cada tcnico, totalizando na
leitura de 40 amostras.
NOTA: Sempre que o teste for destrutivo, cada mao testado pelo operador; por isso o cruzamento
durante a anlise muito importante.
A resistncia quebra, medida em km, o comprimento no qual o papel se quebra quando submetido
ao seu prprio peso enquanto suspenso. A tolerncia para este processo de 0,5km.
INSTRUES
3. Use o Gage R&R Study (Crossed) para analisar os dados coletados.
4. Comente a adequacidade do sistema de medio.
ARQUIVO DE DADOS: GAGECOLOR.MPJ
Gage R&R Study (Nested)

O QUE UM GAGE R&R STUDY (NESTED)
Estima quanto da variao observada em um sistema de medio pode ser atribuda repetibilidade e
reprodutibilidade,
reprodutibilidade quando os vrios operadores no efetuaram medies nos mesmos itens.
Compara a magnitude da variao entre os itens (part-to-part) e, opcionalmente, a tolerncia e/ou a
variao histrica do processo.
QUANDO USAR O GAGE R&R STUDY (NESTED)
Use quando quiser compreender a variao associada ao sistema de medio, mas os vrios operadores no
mensuraram os mesmos itens. Ex: testes destrutivos ou em testes em que h mudana fsica das
caractersticas de interesse.
O tamanho da amostra demasiadamente pequeno para que sejam fornecidas amostras
provenientes de um mesmo lote para cada operador.
Os operadores mensuram itens provenientes de diferentes lotes selecionados aleatoriamente.

PORQUE USAR O GAGE R&R STUDY (NESTED)
O Gage R&R Study (Nested) pode responder questes como:
A variabilidade do sistema de medio pequena se comparada com a variabilidade natural do
processo de produo?
A variabilidade do sistema de medio pequena se comparada com com os limites de
especificao do cliente?
Quanto da variabilidade do sistema de medio causada pela diferena entre os operadores?
O atual sistema de medio capaz de captar a diferena natural existente entre os itens?
Por exemplo:
Quanto da variabilidade da resistncia dos elsticos causada pelo extensmetro?
Quanto da variabilidade da resistncia dos elsticos causada pelo operador que efetuou a
medio?
O sistema de medio capaz de discriminar a diferena natural de resistncia existente entre os
itens?
EXEMPLO 9: TESTE DE IMPACTO DO ALUMNIO
PROPOSTA
Identificar adequacidade do sistema de medio quando as medidas so obtidas atravs de testes
destrutivos, usando o Gage R&R Study.
PROBLEMA
Um fornecedor de componentes automotivos compra lingotes de alumnio para produzir os componentes
das trancas das portas;
A resistncia ao impacto do alumnio uma propriedade crtica que deve ser monitorada;
Certificar se cada carregamento est dentro das especificaes;
O teste de impacto destrutivo.
DADOS COLETADOS
Selecionou-se aleatoriamente 9 lingotes de alumnio da produo;
Cada grupo de 3 lingotes foi entregue a um operador, sendo 3 operadores;
Para cada lingote, 3 tipos de testes destrutivos de impacto foram preparados;
Os operadores seguem procedimentos padres;
Foram utilizados 27 testes para conduzir o estudo Gage R&R.
EXEMPLO 9: TESTE DE IMPACTO DO ALUMNIO
FERRAMENTAS
ARQUIVO DE DADOS: INGOTI.MPJ
Consideraes finais
RESUMO E CONCLUSES
Devemos compreender melhor o sistema de medio, bem como corrigir a diferena existente entre os
operadores.
Devemos assumir que os itens testados so idnticos o suficiente para serem tratados como iguais. Se
esta suposio for razoavelmente satisfeita, podemos prosseguir a anlise.
Independente do tipo de estudo Gage R&R que for executado, sempre importante que os itens
amostrais sejam mensurados aleatoriamente para que eles representem da melhor maneira possvel
todos os resultados que podem ser observados no processo.
EXERCCIO H: PROMOVENDO MELHORIAS NO SISTEMA DE

MEDIO
PROPOSTA
Identificar adequacidade do sistema de medio quando as medidas so obtidas atravs de testes
destrutivos, usando oGage R&R Study.
PROBLEMA
Os resultados de uma pr-anlise indicam uma alta variao entre os operadores de um processo. Em
particular, o operador 2 se destacou por apresentar valores sempre maiores que os demais operadores
envolvidos no estudo.
Uma reviso nos procedimentos de medio adotados pelos operadores revelou que o operador 2 no
estava utilizando a mesma ferramenta que os demais operadores. Sendo assim, foi necessrio que todo
experimento fosse repetido para que os operadores utilizassem a mesma ferramenta.
EXERCCIO H: PROMOVENDO MELHORIAS NO SISTEMA DE

MEDIO
DADOS COLETADOS
Como antes, nove lingotes foram amostrados aleatoriamente da produo, sendo que cada grupo de trs
foi alocado a um operador diferente. Os operadores prepararam os itens para o teste, que foram
codificados de acordo com o local do lingote no qual foi efetuada a medio no respectivo item. Em
particular, o lingote 2 representa sempre a medio efetuada no meio do lingote.
Os 27 dados coletados foram testados e a resistncia de impacto foi anotada.
INSTRUES
1. Use o Gage R&R Study (Nested) para analisar os dados coletados.
2. Construa um Scatterplot do Strength vs. Ingot agrupado por Specimen para acessar a suposio de
homogeneidade dos lotes.
ARQUIVO DE DADOS: INGOT2.MPJ
Estudo da Linearidade e do Vcio
O QUE O ESTUDO DA LINEARIDADE E DO VCIO?

Acessa o vcio potencial e a linearidade da operao quando um sistema de medio utilizado.
Vcio: compara o processo com o padro (referncia);
Linearidade: acessa as mudanas no vcio sob os diferentes nveis de operao.
Para conduzirmos o estudo da linearidade e do vcio do processo, importante que:
1. Os itens amostrais representem bem todas as situaes que sero observadas no processo,
processo
(no mnimo, 5 itens);
2. Efetuadas leituras repetidas de um mesmo item (no mnimo, 10 leituras de cada item);
3. As leituras em ordem completamente aleatria.
ria
Estudo da Linearidade e do Vcio

POR QUE EFETUAR O ESTUDO DA LINEARIDADE E DO VCIO?
Responder as seguintes questes:
Os resultados de leitura apresentam algum vcio agregado durante o processo de medio?
o
O equipamento utilizado deve ser recalibrado,
recalibrado a fim de que as medies efetuadas no
apresentem algum tipo de vcio?
Por exemplo:
O termmetro est efetuando medies no-viciadas da temperatura durante o processo?
O micrmetro deve ser recalibrado sempre devido ao fato de estarmos sempre registrando um
pequeno vcio no processo?
QUANDO DEVEMOS USAR O ESTUDO DA LINEARIDADE E DO VCIO?
Sempre que formos avaliar a qualidade do sistema de medio do processo.
EXEMPLO 10: ASSENTAMENTO DOS AZULEIJOS NO CHO
PROPOSTA
Determinar a linearidade e o vcio de um sistema de medio usando o Gage Linearity and Bias Study.
PROBLEMA
Proceder um estudo Gage para mensurar o assentamento dos azuleijos no cho;
Validar os resultados obtidos e prosseguir com uma subseqente anlise de qualidade;
Estimou-se o vcio e a linearidade.
= 0,75
DADOS COLETADOS
5 azulejos, com nvel de assentamento conhecido, foram selecionados;
Cada item foi medido 12 vezes em ordem aleatria.
EXEMPLO 10: ASSENTAMENTO DOS AZULEIJOS NO CHO
FERRAMENTAS
Gage Linearity and Bias Study
ARQUIVO DE DADOS: GAGELIN.MPJ
Consideraes finais
RESUMO E CONCLUSES
O processo apresenta um comportamento viciado, (superestimao comparado ao padro).
No h problemas com a linearidade no sistema de medio do processo, o no significativo
(o sistema no apresentou tendncia linear).
Grfico de barras:
barras 0,4% para a linearidade e 3,5% para o vcio.
Vcio - possveis razes:
Valores padres (de referncia) incorretos;
Calibrao incorreta dos aparelhos;
Uso inadequado dos instrumentos de medio pelos operadores.
Consideraes finais
A mensurao global do vcio pode no ser significativa, porm, o clculo dos vcios
individuais sempre sero significativos.
significativos
O valor estimado para o coeficiente angular da reta de regresso,
regresso bem como do intercepto do
eixo-y, devem ser utilizados para investigar potenciais problemas no sistema de medio
relacionados linearidade.
linearidade
Anlise de Atributos
OBJETIVOS
z
CAPTULO
Acesso consistncia das diferentes medies de cada operador

entre os diferentes operadores;
operadores
Acesso ao nvel de acertividade dos operadores por meio da
comparao das medies com um padro conhecido, por
intermdio da anlise de vrias amostras;
Clculo de estatsticas para acesso ao nvel de concordncia entre os
diferentes operadores;
operadores
Clculo de estatsticas para expressar o grau de associao entre os
diferentes operadores.
operadores
Anlise de Atributos
O QUE UMA ANLISE DE ATRIBUTOS?
Acessa a consistncia das respostas do operador e entre os operadores e compara as mensuraes
efetuadas com os valores padro ou referncia;
Classifica os itens,
itens como atributos, ou seja, como defeituosos ou perfeitos.
perfeitos
Os dados podem ser binrios, nominais ou ordinais:
Anlise de Atributos
QUANDO USAR A ANLISE DE ATRIBUTOS?
z
z
Comparar 2 ou mais operadores ou instrumentos que mensuram os mesmos itens;

Acessar a consistncia quando um mesmo operador ou instrumento de medio avalia o
mesmo item mais de uma vez;
vez
Avaliar a exatido quando um operador mensura os itens apenas uma vez,
vez e as taxas so
comparadas com um padro.
Anlise de Atributos
POR QUE USAR A ANLISE DE ATRIBUTOS?
Acessar a consistncia ou o grau de acertividade (respostas so dados de atributos).
z
z
z
Acessar a concordncia de cada operador individualmente,

individualmente (cada operador deve medir o
mesmo item 2 vezes ou mais);
Acessar a concordncia das respostas entre os operadores;
operadores
Comparar a respostas dos operadores com uma resposta padro conhecida.
Por exemplo:
z
z
Os operadores so concordantes em todas as mensuraes de um mesmo item?

Os operadores esto corretos em suas mensuraes, quando comparadas com o padro
fornecido pelo coordenador da qualidade?
Usando a estatstica Kappa
Representa o grau absoluto de concordncia entre as mensuraes;

Ela trata todas as classificaes erradas igualmente,
igualmente desconsiderando as suas magnitudes.
Usada quando a classificao for binria, nominal ou ordinal;

ordinal
Como ela no levar em conta a magnitude da diferena observada, tambm podemos
considerar outras estatsticas na anlise.
lise
Usando a estatstica Kappa

INTERPRETANDO A ESTATSTICA DE KAPPA
H0: Kappa = 0.
O nvel mais forte de concordncia absoluta representado pelo maior o valor da estatstica Kappa:
Kappa
z
z
Se Kappa = 1, concordncia perfeita muito maior do que a esperada;

Se Kappa = 0, concordncia a mesma que estava sendo esperada por oportunidade de
acerto;
Se Kappa < 0, concordncia mnima muito menor do que a esperada.
esperada Isto raramente
acontece.
Sugesto (AIAG): o valor para o coeficiente de Kappa deve ser superior a 0,75;
Valores inferiores a 0,40 indicam uma concordncia muito pobre,
pobre apontando srios problemas
no sistema de medio por atributos do processo.
Exibindo avaliao da concordncia

O Minitab mostra a seguinte avaliao, dependendo do estudo:
EXEMPLO 11: CONVERTEDOR CATALTICO

DE SUBSTRATO
PROPOSTA
Acessar a consistncia e a exatido da qualidade do substrato, usando a anlise de atributos.
PROBLEMA
Companhia de cermica;
cermica
Substrato convertedor cataltico de cermica: estrutura em forma de favo de mel que suporta o
material do catalisador, o que reduz as emisses do escapamento.
No estgio final da produo, a parte rachada considerada defeituosa, devendo ser quebrada.
Operadores seguram as partes contra a luz e para procurar por rachaduras.
Novo operador est efetuando as mensuraes das rachaduras nos diferentes itens efetivamente?
Depto de qualidade: forneceu as mensuraes padro para cada item amostral.
EXEMPLO 11: CONVERTEDOR CATALTICO

DE SUBSTRATO
DADOS COLETADOS
4 operadores inspecionaram os 10 itens amostrais em ordem aleatria;
Os itens foram reordenados e inspecionados novamente por cada operador;
As respostas foram reportadas como Pass (perfeito) ou Fail (discordante com o padro).
FERRAMENTAS
z
Attribute Agreement Analysis.
ARQUIVO DE DADOS: SUBSTRATE.MPJ
Consideraes finais
RESUMO E CONCLUSO
z
z
Para cada seqncia, 2 de 4 operadores avaliaram todos os 10 itens corretamente;

Brian discordou de si mesmo em um item, enquanto Anne deu um falso/positivo tambm em
um item.
Investigar por que esses erros ocorreram.
Consideraes finais
A aleatorizao muito importante, pois evitamos um possvel vcio causado pela

memorizao da ordem dos resultados pelos operadores;
Estudamos a concordncia para avaliar o desempenho dos operadores ao longo dos
diferentes itens produzidos.
produzidos Ex: mais apropriado avaliar um operador com menos
repeties dos itens do que inspecionar de todos os itens produzidos.
O Automotive Industry Action Group (AIAG) nos informa que:
Kappa > 0,75 excelente concordncia - Kappa < 0,40 concordncia pobre
Muitas empresas possuem suas prprias faixas de interpretao para valores da estatstica de
Kappa.
EXERCCIO I: CONVERTEDOR CATALTICO

DE SUBSTRATO
PROPOSTA
Acessar a consistncia e a exatido da qualidade do substrato, usando a anlise de atributo.
PROBLEMA
Uma companhia de cermica produz substrato convertedor cataltico para uma empresa de
automveis. O substrato de cermica uma estrutura em forma de favo de mel que suporta o
material do catalisador, o que reduz as emisses do escapamento.
No estagio final da produo, um operador checa cada substrato procurando por rachaduras. A
parte rachada considerada defeituosa, devendo ser quebrada.
Operadores seguram as partes contra a luz e para procurar por rachaduras. Os inspetores da
qualidade desejam saber se um novo operador est efetuando as mensuraes das rachaduras nos
diferentes itens efetivamente. O departamento de qualidade acessou as amostras usadas neste
estudo, para ento fornecer as mensuraes consideradas padro para cada item da amostra.
EXERCCIO I: CONVERTEDOR CATALTICO

DE SUBSTRATO
DADOS COLETADOS
Para esta anlise, quatro operadores inspecionaram os 20 itens amostrais em ordem
completamente aleatria. Os itens foram reordenados e inspecionados novamente por cada
operador. As respostas foram reportadas como Pass (perfeito) ou Fail (discordante com o
padro).
INSTRUES
1. Use Attribute Agreement Assessment para avaliar o sistema de medio.
2. Comente a adequao do sistema de mediao.
ARQUIVO DE DADOS: SUBSTRATE2.MPJ
EXEMPLO 12: AVALIAO DA BOLA DE FUTEBOL
PROPOSTA
Acessar a consistncia e a exatido quando os dados forem nominais,
nominais usando anlise de
atributos.
PROBLEMA
Inspeo visual de vrias caractersticas;
sticas
O fabricante separa os produtos baseado nas necessidades dos clientes.
DADOS COLETADOS
4 operadores selecionaram aleatoriamente 20 bolas de futebol, representando a produo.
Cada operador avalia ou bola uma vez, classificando-a como: liga Jnior, Profissional ou
Amador.
As bolas de futebol foram apresentadas em uma ordem aleatria.
EXEMPLO 12: AVALIAO DA BOLA DE FUTEBOL
FERRAMENTAS
ARQUIVO DE DADOS: SOCCER.MPJ
Consideraes finais
RESUMO E CONCLUSES
Os operadores concordaram em 18 das 20 avaliaes que efetuaram nas bolas de futebol;
Elaine, Frank e Michael avaliaram as 20 bolas corretamente, enquanto Yvonne cometeu 2

erros;
Os erros de Yvonne foram determinados quando a bola deveria estar na liga Profissional ou
na liga Jnior.
Seria apropriado verificar por que os erros foram cometidos.
Usando o coeficiente de concordncia de Kendall
Expressa o grau de concordncia ao longo das mltiplas medies feitas pelos operadores ou
leituras entre diferentes os operadores.
sensvel a desclassificaes.
Usamos o coeficiente de concordncia Kendall quando as classificaes so ordinais.
ordinais
Dados ordinais so variveis categricas ordenadas.
Exemplo: componentes defeituosos podem ser taxados dentro de uma escala que varia de 1 a 5.
Usando o coeficiente de concordncia de Kendall

INTERPRETANDO COEFICIENTE DE CONCORDNCIA KENDALL
H0: Kendall = 0 , que indica a inexistncia de associao entre as taxas.
Quanto mais forte a associao, maior ser o valor do coeficiente de concordncia Kendall.
z
Um coeficiente de concordncia Kendall = 1 indica uma associao perfeita;
Um coeficiente de concordncia Kendall = 0 indica ausncia de associao.
Regra geral:
Kendall < 0,7 o sistema de medio precisa de melhorias;
Kendall > 0,9 considerado muito bom.
EXEMPLO 13: AVALIAO DA PLACA IMPRESSA
PROPOSTA
Acessar a consistncia e a exatido quando os dados forem ordinais,
ordinais usando anlise de atributos.
PROBLEMA
Inspecionou-se visualmente as placas (PCBs) para assegurar sua qualidade;
Eles acessaram amostras aleatrias de PCBs de um carregamento e, baseado-se nos
resultados, determinaram quando, o nvel de qualidade suficientemente alto;
Objetivo:
Objetivo verificar o nvel de acordo entre os operadores.
DADOS COLETADOS
3 inspetores taxaram 10 PCBs representativos da produo;
Escala de 1 a 5;
1 = pssima qualidade e 5 = tima qualidade.
EXEMPLO 13: AVALIAO DA PLACA IMPRESSA
FERRAMENTAS
ARQUIVO DE DADOS: PCBSTUDY.MPJ
Consideraes finais
RESUMO E CONCLUSES
Judith, Malcolm e Susan concordaram somente em 2 itens dos 10 avaliados;
O alcance da estatstica de Kappa variou entre -0,1111 a 0,5200;
Quando consideramos apenas a concordncia absoluta ao longo das taxas, em geral as taxas
especficas de concordncia so muito pobres;
Devido ao fato dos dados serem ordinais com cinco nveis, mais apropriado usar o coeficiente
de concordncia de Kendall para acessar o quanto que os operadores esto associados;
Neste exemplo, o coeficiente de concordncia de Kendall (0,940872) bastante alto.
Consideraes finais
Dados ordinais considerar ambas: Kappa e Kendall.
Kappa:
o
Representa apenas as avaliaes absolutas;
Todas as subclassificaes so tratadas igualmente.
Kendall:
o
Mede a associao entre as taxas;
Considera-se a magnitude das subclassificaes.
EXERCCIO J: AVALIAO DE MOLHOS DE PIMENTA
PROPOSTA
Acessar as respostas das avaliaes consistentes quando os dados forem ordinais, usando a anlise
de atributos.
PROBLEMA
Durante uma visita a New Orleands, Ryan e Miranda compraram 10 diferentes tipos de pimentas.
Eles desejam testar quando suas avaliaes para os molhos de pimenta atingem o mximo de
concodncia.
DADOS COLETADOS
Ryan e Miranda classificaram os 10 molhos de pimenta de acordo com a seguinte escala de pontos:
1 = fraco, 2 = picante, 3 = muito picante e 4 = incofortavelmente picante.
EXERCCIO J: AVALIAO DE MOLHOS DE PIMENTA
INSTRUES
Use a Anlise de Atributos para verificar quando Ryan e Miranda concordam em suas avaliaes.
ARQUIVO DE DADOS: HOTSAUCE.MPJ
Attribute Gage Study (Mtodo Analtico)

Acessa a repetibilidade e o vcio em um sistema binrio de medio (bom/ruim), quando o sistema
de medio binrio usado no lugar de um sistema de medio para dados contnuos.
Ex: desejamos determinar quando o dimetro do orifcio est dentro da tolerncia, usando a medida
bom/ruim ao invs de obtermos o dimetro em um sistema contnuo atual.
Em quanto o sistema de medio binrio concorda com os resultados do sistema de medio contnuo?
1: Obter os valores padro do sistema de medio contnuo para todos os itens;
2: Estes mesmos itens sero mensurados pelo sistema de medio de atributos mltiplas vezes;
O n de vezes que cada item for aceito dentro da tolerncia contado para cada item de referncia;
A repetibilidade e o vcio de um sistema de medio binrio estimado, usando os resultados.
Minitab:
Minitab Grfico de Probabilidade Normal, repetibilidade e o vcio.
EXEMPLO 14: ESTUDO DA MEDIO DO

DIMETRO DO EMBLO
PROPOSTA
Acessar os vcios e as repeties o sistema de medio, usando o Attribute Gage Study (Mtodo
Analtico).
PROBLEMA
Em uma Anlise de Atributos, mediu-se o dimetro dos mbolos;
100% dos mbolos foram inspecionados pelo operador padro, inspeo esta que pode ser
afetada por repeties e vcios;
Tolerncia de + 0,01 cm.
DADOS COLETADOS
12 itens com valores de referncia entre 0,016cm e 0,002cm so medidos pelo operador
padro 20 vezes.
O nmero de aceitaes para cada item foi gravado como um atributo.
EXEMPLO 14: ESTUDO DA MEDIO DO

DIMETRO DO EMBLO
FERRAMENTAS
Attribute Gage Study (Analytic Method)
ARQUIVO DE DADOS: ANALYTIC.MPJ
Consideraes finais
RESUMO E CONCLUSES
As evidncias deste estudo indicam que o sistema est viciado e requer alterao.
Para mais informaes, consulte o Minitab StatGuide.
Cartas de Controle: Dados Contnuos
OBJETIVOS
CAPTULO
Selecionar a carta de controle mais apropriada para dados

contnuos;
Monitorar o processo e seu controle,
controle usando as cartas Xbar, R, S
e I-MR;
Determinar quando ocorre uma causa especial de variabilidade
no processo.
Cartas de controle
O QUE UMA CARTA DE CONTROLE?
Uma carta de controle um grfico seqencial desenvolvido especialmente para a ajudar a
identificar padres anormais de variabilidade em um processo. As cartas Xbar e R so as cartas de
controle mais usadas.
Estrutura geral:
Cartas de controle
QUANDO USAR UMA CARTA DE CONTROLE?
Para monitorar os dados temporais para uma caracterstica particular de qualidade,
qualidade como por
exemplo: a cor do produto, o peso ou a temperatura.
POR QUE USAR UMA CARTA DE CONTROLE?
Para as detectar mudanas ao longo do processo;
Para responder perguntas tais como:
z
So os lotes de matria-prima ou a variao de turno que causam a variao no processo?
z
So causas especiais do processo ou causas naturais (como a temperatura ambiente) que
ocasionam a variao no processo?
z
A variao entre as diferentes remessas (lotes) de produo maior do que o esperado?
Seleo de cartas para dados de subgrupos
Cartas R
O QUE UMA CARTA R?
Avalia a variao entre os subgrupos em uma ordem temporal.
QUANDO USAR A CARTA R?
Para comparar a variabilidade dos subgrupos ao longo do tempo.
tempo
apropriado examinar uma carta R ou uma carta S antes de tentar interpretar uma carta de controle
da mdia do subgrupo (uma carta X ).
Os limites da carta X so obtidos com base nas variaes dos subgrupos.
Cartas R:
R tradicionalmente usadas para anlise de subgrupos pequenos.
pequenos
AIAG usar a carta R ao invs da carta S quando o tamanho do subgrupo for inferior a oito.
Cartas R
POR QUE USAR A CARTA R?
Detectar quando esto ocorrendo variaes no processo ao longo do tempo.
Responder perguntas tais como:
z
A variao no processo se mantm estvel ao longo de todo tempo?
z
As diferentes matrias-primas causam mudana na variabilidade do processo?
Por exemplo, a carta pode detectar:
z
Quando a variao na fora das partes coladas aumentou porque o aplicador de cola liberou
quantidades inconsistentes de cola devido a entupimentos intermitentes.
z
Quando a variao em perfuraes de buracos localizados se tornou maior devido perda de
espessura.
Causas especiais
Causa especial:
especial ocorrncia incomum que no faz parte do processo, podendo ser benficas ou
prejudiciais ao processo.
Quando o processo parece estar fora de controle estatstico, devemos procurar as causas especiais.
Investigando as razes para as causas especiais de variabilidade, podemos responder perguntas tais
como:
z
Por que a mdia do processo a maior que a esperada?
z
Por que a proporo de erros maior que a esperada?
z
Por que existe mais variao que a esperada no processo?
Por exemplo:
z
O nvel de soda na mquina estava com um ajuste alto demais?
z
A pessoa que estava operando a mquina foi treinada adequadamente?
z
A tintura usada no processo de fazer papel era da cor errada?
Criando uma carta R

Criaremos uma carta R para examinar a variabilidade dos grupos de cores analisados antes de
criar a carta X.
SUBGRUPOS RACIONAIS
5 carcaas selecionadas por turno um subgrupo.
Um subgrupo:
subgrupo
Representa somente uma causa de variao comum no processo;
Deve, se possvel, ser livre de causas especiais de variao.
Exemplos: itens fabricados ao mesmo tempo, ou criados por um mesmo operador.
Idealmente, a variabilidade em subgrupos racionais limitada variao inerente do processo.
Acessar a variabilidade identificar e eliminar fontes de variao que so adversas ao processo.
Falta de controle e causas especiais

TESTE PARA CAUSAS ESPECIAIS
O Minitab inclui quatro testes para ajudar a identificar a no aleatoriedade da variao dos dados na
carta R. Podemos escolher um dos testes ou fazer todos eles:
z
PONTO FORA DOS LIMITES DE CONTROLE: 1 ponto alm de 3 desvios-padro da linha central,
o que testa se a mdia do alcance dos valores est alta ou baixa.
DESLOCAMENTO DA LINHA MDIA: 9 pontos consecutivos no mesmo lado da linha central,
que testa se uma srie de valores consecutivos so maiores ou menores que a mdia.
TENDNCIA: 6 pontos consecutivos, todos crescendo ou decrescendo, o que testa um
crescimento ou decrescimento sistemtico dos valores amostrais.
PERIODICIDADE: 14 pontos consecutivos, alternando em cima e em baixo, o que testa as
oscilaes no aleatrias nos valores amostrais.
EXEMPLO 15: CONSISTNCIA DA COR

PROPOSTA
Avaliar a variao do processo, usando a carta R e a mdia do processo, usando a carta Xbar .
PROBLEMA
Uma companhia usa bolinhas plsticas para fabricar carcaas para monitores de computador. Eles
desejam avaliar se a cor da carcaa consistente durante o tempo.
DADOS COLETADOS
5 carcaas foram selecionadas a cada 4 horas de produo durante um perodo de 8 dias.

FERRAMENTAS
R Chart;
Xbar Chart.
ARQUIVO DE DADOS: COLOR1.MPJ
Consideraes Finais
RESUMO E CONCLUSES
A carta R indica que a variao dos subgrupos est sob controle estatstico. Agora, acessaremos a
mdia do processo usando a carta X .
Use sempre a carta R para avaliar a variao do processo antes de analisar a carta
A variao do processo deve estar sob controle estatstico antes de acessar a estabilidade da mdia do
processo usando a carta X .
Se a variabilidade for inconstante durante o tempo, investigaremos se no processo:
z
A variabilidade menor que a esperada,
esperada para assim determinar se apenas as condies
operacionais so suficientes para reduzir a variabilidade.
z
A variabilidade maior,
maior para assim tentar melhorar o processo, eliminando as causas de
variabilidade excessiva.
Carta Xbar
O QUE A CARTA X ?
Determinar se a mdia do processo est sob controle estatstico quando os dados forem coletados
em subgrupos apropriados.
QUANDO USAR A CARTA X ?
Acessar a estabilidade da mdia do processo quando os dados so coletados usando
subgrupos racionais.
Acessaremos a estabilidade da variao do processo usando a carta R ou a carta S antes de
avaliar a mdia do processo.
Carta Xbar
POR QUE USAR A CARTA
X?
Para responder perguntas tais como:

z
A mdia do processo est estvel ao longo do tempo?
A mdia do processo exibe um padro incomum ao longo do tempo?
Por exemplo, uma carta X pode detectar:

z
Quando uma broca foi instalada incorretamente em uma mquina, causando a mudana
na mdia do dimetro do orifcio;
Quando a fora mdia das peas coladas deslocar para baixo, devido ao fato da
consistncia da cola aplicada ser insuficiente.

TESTES PARA CAUSAS ESPECIAIS
A carta X tem mais testes para causas especiais do que a carta R. No exemplo, todos os oito testes
foram usados nesta carta:
z
PONTO FORA DOS LIMITES DE CONTROLE: 1 ponto alm de trs desvios-padro da linha
central, o que testa se a mdia do alcance dos valores est alta ou baixa;
que testa se uma srie de valores consecutivos so maiores ou menores que a mdia;
crescimento ou decrescimento sistemtico dos valores amostrais;
PERIODICIDADE: 14 pontos consecutivos, alternando em cima e em baixo, o que testa as
APROXIMAO DOS LIMITES DE CONTROLE: 2 de 3 pontos consecutivos entre 2 e 3 desviospadro do mesmo lado da linha mdia;
DESLOCAMENTO ACENTUADO DA MDIA: 4 de 5 pontos consecutivos (do mesmo lado), alm
de um desvio-padro da linha mdia;
APROXIMAO DA LINHA MDIA: 15 pontos consecutivos (em ambos os lados) no limite de
um desvio-padro da linha mdia;
DISTANCIAMENTO DA LINHA MDIA: 8 pontos consecutivos (em ambos os lados), alm de
um desvio-padro da linha mdia.
Consideraes Finais
RESUMO E CONCLUSES
Um processo que est fora de controle estatstico exibe uma variao incomum, o que pode
ser devido presena de causas especiais.
Com a presena de vrios pontos fora de controle, devemos investigar qual causa especial
que est afetando a consistncia da cor.
Consideraes Finais
Usaremos a carta X para monitorar e detectar as mudanas na mdia do processo quando os dados
forem coletados em subgrupos.
Quando usar a carta X , considere:
z
As cartas de controle para dados em subgrupos so sensveis a grandes mudanas no processo.
z
Para investigar as pequenas mudanas utilize as cartas CUSUM ou EWMA.
EWMA
z
Os limites de controle so baseados na variabilidade dos subgrupos,
subgrupos ento os subgrupos
devem ser selecionados cuidadosamente (produtos em condies similares).
z
Assumindo normalidade, a probabilidade de exceder o limite de 3s ser de 0,0027.
z
A mdia de nmero das amostras necessrias antes afirmar que o processo est fora do
controle estatstico algo em torno de 370 observaes (1/0,0027). Neste exemplo, esperarase um falso alarme um dia por ano (assumindo independncia entre os subgrupos).
Especificando parmetros
Parmetros:
Parmetros so valores fixados (fornecidos pelo usurio) que sero usados no clculo da linha
mdia e no clculo dos limites de controle.
Extrados de quando o processo encontrava-se sob controle estatstico.
VALORES CONHECIDOS
Valores histricos:
ricos estimativa confivel da mdia e do desvio a partir da anlise de dados passados;
Podem ser utilizados como sendo a mdia e o desvio-padro do processo atual.
NOTA: Em Xbar-R Options, voc pode omitir certos subgrupos dos parmetros de clculo. Tome cuidado
quanto estiver omitindo valores. Tenha certeza que voc entendeu todas as causas especiais de variao antes
de eliminar os dados correspondentes da anlise.

- PARMETROS ESPECFICOS
PROPOSTA
Avaliar a variao do processo e a mdia,
dia usando cartas X e R.
PROBLEMA
A carta X revelou que o processo no est estatisticamente controlado.
Especificaremos uma mdia de 40 e um desvio-padro de 0,96 para o processo (valores obtidos
com base na estimao sobre dados provenientes do processo sob controle estatstico).

- PARMETROS ESPECFICOS
DADOS COLETADOS
Pigmentos plsticos provenientes de diferentes fornecedores (vendedores) so usados na fabricao
das carcaas. Cinco carcaas foram selecionadas em intervalos de quatro horas em oito dias. A
data, a hora e o vendedor correspondente de cada medio de cor foram gravados.
FERRAMENTAS
z
Xbar-R Chart.
Chart
ARQUIVO DE DADOS: COLOR2.MPJ
Consideraes Finais
RESUMO E CONCLUSES
Parmetros estimados de dados provenientes do processo estava estvel existem

evidncias de que o processo encontra-se fora de controle estatstico.
Investigar mais para explicar a instabilidade do processo, e se a falta de controle
devido s causas naturais do processo ou s causas especficas.
ficas
Consideraes Finais
Usamos as cartas de controle para monitorar um processo;

Fontes incomuns de variabilidade uma carta X pode revelar as mdias dos subgrupos
fora dos limites de controle;
Investigue o processo para remover as fontes incomuns de variabilidade;
Nem todas as causas especiais so prejudiciais ao processo;
Estudar as possveis mudanas no processo que possibilite a incluso destas melhorias.
EXERCCIO K: ESTABILIDADE DA MEDIO DE UM

FILME FOTOGRFICO
PROPOSTA
Avaliar a variao do processo e a mdia, usando Cartas Xbar e R.
PROBLEMA
Fbrica de filmes fotogrficos;
Uso de um transmissor decmetro para medir a densidade do filme;
Estudo da estabilidade: 3 itens amostrais (filmes) com densidades conhecidas de 1,5; 3,0 e
3,5 para avaliar a densidade.
DADOS COLETADOS
A cada manh, durante 30 dias, 3 pedaos de filmes com densidades conhecidas de 1,5; 3,0 e
3,5 foram medidos 3 vezes cada;
O decmetro foi calibrado somente no incio do estudo;
1 operador gravou todas as medies.
EXERCCIO K: ESTABILIDADE DA MEDIO DE UM

FILME FOTOGRFICO
INSTRUES
1. Use as cartas X -R para monitorar as medies para cada filme com mais de 30 dias. Use os
valores conhecidos para as mdias (Xbar-R Options, Parameters tab) para cada uma das trs
densidades (1,5; 3,0 e 3,5).
2. Avaliar quanto que a medio estvel durante o perodo de estudo.
ARQUIVO DE DADOS: FILMDENS. MPJ
EXERCCIO L: APARNCIA DO SABONETE

PROPOSTA
Avaliar a variao do processo e a mdia, usando Cartas Xbar e R.
PROBLEMA
Um fabricante de sabonete est tendo problemas com a aparncia do sabonete mais vendido.
Freqentemente, o logotipo est sendo amassado quando o sabo colocado dentro da embalagem.
Uma equipe de engenheiros foi recrutada para determinar a causa do amassado. A hiptese deles
que a barra esteja muito grande para caber dentro das suas caixas.
A fim de teste, eles planejaram examinar quando o peso das barras constante ao longo do tempo, e
assim eles decidiram usar cartas de controle para monitorar o peso das barras.
Para cada ciclo de mquinas, cinco diferentes formatos de barras so produzidas.
DADOS COLETADOS
A equipe possui diferentes opinies quanto forma de coletar e subagrupar os dados. Alguns
membros do time desejam coletar cinco itens consecutivos de cada cavidade a cada hora,
enquanto os outros desejam coletar cinco barras de cada mquina no ciclo por hora. Sendo
assim, a equipe decidiu coletar os dados das duas maneiras durante este estudo exploratrio.
INSTRUES
1. Gere uma carta de controle apropriada para os subgrupos obtidos nos cinco moldes. (Cada ciclo
de cada mquina cria um subgrupo.) Quais as fontes de variao que so capturadas pelos
subgrupos e quais so capturadas entre os subgrupos?
2. Gere cartas de controle separadas para os subgrupos obtidos em cada molde. (As cinco partes
consecutivas coletadas a cada hora criam um subgrupo). Quais as fontes de variao que so
capturadas pelos subgrupos e quais so capturadas entre os subgrupos?
3. Comente os diferentes resultados. Crie um boxplot (com mltiplos Y) que compara os cinco
moldes. Quais so as implicaes do resultado na carta de controle obtida por meio da instruo 1?
ARQUIVO DE DADOS: BATHBAR.MPJ
Carta S
O QUE A CARTA S?
baseada no clculo do desvio-padro de cada subgrupo e apresentado em ordem temporal.
QUANDO USAR UMA CARTA S?
Para comparar a variabilidade ocorrida entre os subgrupos de dados ao longo do tempo.
As cartas S so usadas para averiguar a variabilidade de processos com amostras com mais de 10
itens;
AIAG sugere o uso da carta S ao invs da carta R para subgrupos maiores que 9.
Carta S
POR QUE USAR UMA CARTA S?
Detectar quando a variabilidade do processo muda de acordo com o tempo.
Usaremos a carta S para responder questes, tais como:
z
A variao do processo se mantm estvel durante todo o tempo?
z
So os diferentes tipos de matria-prima que esto causando mudana de variabilidade no
processo?
Por exemplo, a carta S pode detectar:
z
Quando a variao na fora dos itens colados aumenta devido ao fato do aplicador de cola
ter injetado quantidades diferentes de cola devido a obstrues intermitentes.
EXEMPLO 17: O ENCOLHIMENTO NO PROCESSO

DE MOLDAGEM POR INJEO
PROPOSTA
Avaliar a variao do processo, a mdia e as melhorias observadas no mesmo, usando carta Xbar e S.
PROBLEMA
Expto: encolhimento excessivo de itens fabricados pelo processo de moldagem por injeo.
Um encolhimento mdio de 5% considerado inaceitvel.
vel
O processo tambm est apresentando uma variabilidade superior do que a desejada.
desejada
Estudo no design investigar os fatores que podem afetar o encolhimento dos itens obtidos pelo
processo de injeo. Baseado no resultado,
reduzida
resultado a temperatura do molde for reduzida.
Aps a reduo:
A modificao reduzir o encolhimento.
EXEMPLO 17: O ENCOLHIMENTO NO PROCESSO

DE MOLDAGEM POR INJEO
DADOS COLETADOS
Dados do encolhimento: subgrupos de tamanho 10 a cada 8 horas.
o Benchmark:
Benchmark dados iniciais;
o Reduce Temperature:
Temperature dados do processo aps a primeira mudana;
o Molding Tool Modification:
Modification dados do processo aps a segunda mudana.
FERRAMENTAS
z
XBar-S Chart.
ARQUIVO DE DADOS: IMPROVE.MPJ
Consideraes finais
RESUMO E CONCLUSES
Os ajustes no processo reduziram a variao e a mdia do encolhimento do processo de injeo.
Para acessar o processo antes de uma mudana, recalculamos os limites de controle sempre que a
mudana feita.
Devemos recalcular os limites de controle quando o processo passar por uma mudana.
Calculando os limites de controle por estgios, por exemplo, antes e depois de uma mudana,
podemos verificar a efetividade da mesma mudana no processo.
EXERCCIO M: NDICE DE REFRAO EM UM

CABO DE FIBRA TICA
PROPOSTA
Avaliar a variao do processo, a mdia e as melhorias observadas no mesmo, usando cartas Xbar e S.
PROBLEMA
Fibra tica,
tica usados para conexes de Internet de alta velocidade;
velocidade
No so suscetveis a interferncia de rdio e podem suportar uma grande quantidade de dados por
segundo;
O que : ncleo de vidro fino com um revestimento que tenha um baixo ndice de refrao;
O ndice de refrao afeta a velocidade na qual os dados podem ser transmitidos via cabo;
A companhia mudou o material que reveste o cabo na tentativa de diminuir o ndice de refrao.
DADOS COLETADOS
Amostra:
Amostra subgrupos de tamanho 12 a cada 6 horas;
2 coluna: dados do processo original ou do processo modificado.
modificado
EXERCCIO M: NDICE DE REFRAO EM UM

CABO DE FIBRA TICA
INSTRUES
1.
Crie uma srie de cartas de controle para verificar se realmente houve melhoria no processo.
Voc deve usar uma carta R ou S para monitorar a variabilidade do processo? Voc precisa
recalcular os limites de controle?
2.
Comete os resultados obtidos.
ARQUIVO DE DADOS: REFRINDX.MPJ
Selecionando uma carta para dados individuais
Amplitude Mvel
O QUE UMA CARTA DE CONTROLE COM AMPLITUDE MVEL?
Monitorar e detectar as mudanas na variao do processo;
processo
Dados so coletados como medies individuais ao invs de serem coletadas em subgrupos.
QUANDO USAR A CARTA DE CONTROLE COM AMPLITUDES MVEIS?
Acessaremos a variao via carta MR quando nenhum subgrupo for maior que um.
Usaremos a carta MR para avaliar estabilidade quando:
z
Em testes destrutivos;
z
Quando necessrio um longo tempo de ciclo para produo;
z
Cada amostra representa um lote diferente;
z
As sadas so contnuas e homogneas.
Amplitude Mvel
POR QUE USAR A CARTA DE CONTROLE COM AMPLITUDE MVEL?

Para responder as seguintes perguntas:
z
A variao do processo est sob controle estatstico?
A variao do processo se mantm a mesma entre os itens, individualmente?
Por exemplo:
z
A variabilidade do pH para um sabo lquido se mantm a mesma durante todo o processo?
A variabilidade do peso do processo de empacotamento estvel durante todos os dias?
Carta de Controle para dados individuais

O QUE UMA CARTA DE CONTROLE PARA DADOS INDIVIDUAIS?
Plota os pontos individualmente;
Determinar quando a mdia do processo est sob controle estatstico e quando dados
individuais so coletados, ao invs dos subgrupos de dados.
QUANDO USAR UMA CARTA INDIVIDUAL?
Quando nenhum subgrupo for maior que 1.
Usaremos a carta I para avaliar o controle do processo quando:
z
Em um teste destrutivo;
z
Quando neessrio um longo tempo de ciclo para produo;
z
Cada amostra representa um lote diferente;
z
As sadas so contnuas e homogneas.
Carta de Controle para dados individuais

POR QUE USAR UMA CARTA INDIVIDUAL?
A Carta I pode ser usada para responder as seguintes perguntas:
z
A variao do processo est sob controle estatstico?
A variao do processo se mantm a mesma entre os itens, individualmente?
Por exemplo:
z
A variabilidade do pH para um sabo lquido se mantm a mesma durante todo o processo?
A variabilidade do peso do processo de empacotamento estvel durante todos os dias?
Avaliando a variao do processo

TESTES
Por default, o Minitab testar quando um ponto plotado estiver alm de 3 desvios-padro da linha
central.
z
PONTO FORA DOS LIMITES DE CONTROLE: 1 ponto alm de 3 desvios-padro da linha

central, o que testa se a mdia do alcance dos valores est alta ou baixa;
que testa se uma srie de valores consecutivos so maiores ou menores que a mdia;
crescimento ou decrescimento sistemtico dos valores amostrais;
Avaliando a variao do processo
PERIODICIDADE: 14 pontos consecutivos, alternados em cima e em baixo, o que testa as

APROXIMAO DOS LIMITES DE CONTROLE: 2 de 3 pontos consecutivos entre 2 e 3
desvios-padro do mesmo lado da linha mdia;
DESLOCAMENTO ACENTUADO DA MDIA: 4 de 5 pontos consecutivos (do mesmo lado)
alm de um desvio-padro da linha mdia;
APROXIMAO DA LINHA MDIA: 15 pontos consecutivos (em ambos os lados) no limite
de um desvio-padro da linha mdia;
DISTANCIAMENTO DA LINHA MDIA: 8 pontos consecutivos (em ambos os lados) alm de
um desvio-padro da linha mdia.
EXEMPLO 18: PESO DO SORVETE
PROPOSTA
Usar uma carta I-MR para avaliar a mdia do processo.
PROBLEMA
Avaliar a consistncia do peso do sorvete Peachy Paterno;
Sorvetes embalados em containers de meio galo;
Objetivo: pesar 1150 gramas com desvio-padro de 8,6 gramas.
EXEMPLO 18: PESO DO SORVETE

DADOS COLETADOS
O peso de cada container foi gravado durante o dia de trabalho.
FERRAMENTAS
z
I-MR Chart.
ARQUIVO DE DADOS: ICECREAM.MPJ

Varivel
Fill Weight
Date/Time
Descrio
Peso do container com sorvete
Data e hora que cada container foi cheio
Consideraes finais
RESUMO E CONCLUSES
Devemos investigar porque a mdia foi superior a de um dia comum. Por exemplo, se foi devido a
eventos especiais para agradar certos clientes, ou se foi um motivo constante.
Podemos usar uma carta histrica I para a melhoria do processo.
Quando traamos uma carta I, devemos nos lembrar que:
z
z
Se pequenas mudanas na mdia forem o interesse, use uma carta CUSUM ou EWMA;
Limites de controle so baseados em um alcance mvel, quando o desvio-padro no
especificado. Se os dados so de um nico lote, a carta pode subestimar o processo de
variabilidade durante o tempo.
EXERCCIO N: DIMETRO DO TRINCO DA PORTA
PROPOSTA
Usar uma carta I-MR com um pequeno processo de mudana.
PROBLEMA
Em uma fbrica de trinco de portas, o dimetro dos furos um processo automatizado;
Detectar se a mdia do dimetro no est se deslocando do alvo desejado de 5mm;
Mesmo as pequenas mudanas na mdia do processo so conhecidas como causa de perda de
material e taxas de retrabalho.
O desvio-padro do dimetro do orifcio de 0,01mm.
DADOS COLETADOS
Mediram 30 trancas de portas consecutivas e decidiram controlar os dados graficamente para
procurar por evidncias de uma condio no centralizada.
EXERCCIO N: DIMETRO DO TRINCO DA PORTA
INSTRUES
1. Crie uma carta I-MR para acessar o comportamento do processo. Use o valor alvo mdio igual a 5 e
um desvio-padro histrico, conforme indicado abaixo (I-MR Options).
2. Crie um grfico CUSUM (Stat > Control Charts > Time-weighted Chart > CUSUM). Use um
subgrupo de tamanho 1 e o valor do alvo mdio de 5. Entre com o desvio-padro de 0,01mm,
clicando em CUSUM Options.
3. Avalie habilidade da carta de detectar pequenas mudanas no processo.
ARQUIVOS DE DADOS: LATCH.MPJ
Cartas de controle: Dados de atributos
OBJETIVOS
CAPTULO
Selecionar uma carta de controle apropriada quando tivermos dados

de atributos;
atributos
Monitorar o controle do processo, usando cartas P, U e C;C
Determinar quando uma causa especial de variabilidade ocorreu.
Dados de atributos
O QUE SO DADOS DE ATRIBUTOS?
Dados de atributos:
atributos descrevem caractersticas de qualidade que so difceis de serem quantificadas ou
medidas como variveis contnuas.
Exemplos:
Exemplos n de rachaduras na parte de cermica, a presena de qualquer imperfeio na superfcie
pintada ou a ausncia ou presena de um determinado componente. Os termos seguintes podem ser
usados para descrever dados deste tipo:
z
Unidade no-adaptvel: Quando um produto falha ao no atingir as necessidades devido a

presena de alguma no-conforme, a unidade considerada uma unidade no-adaptvel. Os
dados s podem assumir dois valores possveis, como perfeito/defeituoso, aprovado/noaprovado e presente/ausente. So provenientes de uma distribuio Binomial.
No-conforme (tambm chamada de defeito): A falha est em uma nica unidade. Por
exemplo, um item do vesturio pode apresentar descoloraes indevidas, faltas de botes ou
imperfeies na costura. Em muitos casos, podem existir mais de uma no-conformidade em
uma nica unidade. Os dados coletados so contados e em geral so provenientes da
distribuio Poisson.
Poisson
Dados de atributos
QUANDO USAR DADOS DE ATRIBUTOS?
Acessar variveis que no podem ser medidas em uma escala contnua. Caractersticas de qualidade
so definidas como perfeito/defeituoso ou a contagem de no-conformidades so exemplos comuns
de dados de atributos.
POR QUE USAR DADOS DE ATRIBUTOS?
Usando as cartas de controle de atributos, podemos responder as seguintes perguntas:
z
O n ou a porcentagem de unidades no-conformes estvel no decorrer da produo?
O n ou a taxa de itens no-conformes aumenta com a continuidade do processo?
Cartas para Atributos vs. Cartas Contnuas
As cartas de atributos so apropriadas e teis quando:

z
Caractersticas qualitativas devem ser consideradas. Por exemplo: a presena ou ausncia de

um defeito ou o n de defeitos observados por unidade;
A presena ou ausncia de vrios tipos de defeitos deve ser considerada. Por exemplo:
podemos colocar em uma carta quantos arranhes, bolhas ou manchas esto presentes em
cada unidade inspecionada;
Dados no podem ser plotados em uma escala contnua.
Cartas para Atributos vs. Cartas Contnuas
Em alguns momentos, pode ser mais conveniente coletar dados contnuos ao invs coletar
dados de atributos,
atributos considerando que:
z
Os dados de atributos informam menos sobre a distribuio dos dados.

dados J os dados
contnuos contm informaes adicionais sobre o centro e a extenso da distribuio;
Cartas de atributos requerem amostras maiores do que as cartas contnuas para
fornecer o mesmo nvel de sensibilidade;
Cartas de atributos no so teis quando desejamos detectar pequenas mudanas no
processo.
Selecionando uma carta de controle de atributo
Distribuio Binomial
O QUE UMA DISTRIBUIO BINOMIAL?
A Distribuio Binomial est associada aos dados de atributos que podem assumir apenas duas
condies genericamente denominadas de sucesso/falha,
sucesso/falha caracterizando os itens no-conformes.
SUPOSIES
Para que a Distribuio Binomial seja apropriada, as seguintes suposies devem ser verificadas:
z
Cada item submetido a condies idnticas, sendo assim, a probabilidade de sucesso (ou
falha) constante (a mesma) em todos os itens;
Cada item pode apresentar somente uma das duas possibilidades de resposta (perfeito ou
z
defeituoso, aprovado ou reprovado, sucesso ou falha);
Os itens so independentes,
z
independentes ou seja, o resultado apresentado em um deles no interfere no
resultado dos demais itens.
Distribuio Binomial
QUAL CARTA DE CONTROLE DEVE SER ADOTADA PARA DADOS COM DISTRIBUIO BINOMIAL?
Para acessar o controle estatstico processo, usaremos as seguintes linhas para determinar qual a
carta de controle de atributos devemos usar:
Distribuio Binomial
POR QUE USAR A DISTRIBUIO BINOMIAL?

A Distribuio Binomial o modelo mais apropriado de ser adotado quando a suposies do
modelo so mantidas. Exemplos de dados que seguem uma distribuio binomial incluem:
z
Se uma entrega chega mais cedo ou com atraso;
Se uma semente germina ou no;
Se uma garrafa de suco apresenta vazamentos ou no;
Se um carregamento foi efetuado corretamente ou no.
Carta P
O QUE A CARTA P?
Uma carta P monitora a proporo de unidades no-conformes durante um processo.
processo
Para criar este carta, cada unidade declarada como conforme ou no-conforme.
A proporo (P) de unidades no-conformes observadas em cada subgrupo corresponde ao valor
que ser plotado na carta.
Para cada subgrupo, a proporo de itens no-conformes (P) calculado como:
P=
n itens conformes
tamanho do subgrupo
Carta P
QUANDO USAR UMA CARTA P?
Quando estivermos inspecionando a variao das unidades no-conformes.
Se o tamanho do subgrupo for constante, usaremos uma carta P ou NP. Uma carta NP mostrar o
n total de itens no-conformes.
POR QUE USAR UMA CARTA P?
Usaremos a carta P para verificar se um processo est ou no sob controle estatstico.
stico A carta P
pode ser usada para responder perguntas,
perguntas tais como:
z
z
z
A proporo de clientes insatisfeitos muda ao longo do tempo?

O percentual de lmpadas defeituosas varia de tempos em tempos?
A taxa de defeito em placas de circuitos constante ao longo do processo?
EXEMPLO 19: TAXAS DE NO-CONFORMES DO

ANEL DE PISTO
PROPOSTA
Usar a carta P para avaliar o controle do processo.
PROBLEMA
Fbrica de anis de pisto;
Nde anis no-conformes produzidos a cada dia;
Reduzir a proporo de anis defeituosos - taxa de defeitos desempenho da qualidade.
DADOS COLETADOS
A cada dia, todo anel de pisto fabricado inspecionado e o n total de anis no-conformes
registrado.
O anel de pisto classificado como:
z
Sucesso:
Sucesso se atingir as especificaes;
Falha:
z
Falha se no atingir as especificaes.
EXEMPLO 19: TAXAS DE NO-CONFORMES DO

ANEL DE PISTO
FERRAMENTAS
z
P Chart.
Chart
ARQUIVO DE DADOS: PISTON.MPJ
Consideraes finais
RESUMO E CONCLUSES
Aproximadamente 8,2% dos anis de pisto so no-conformes, o que inaceitvel para a equipe
de qualidade.
Devemos conduzir uma anlise mais profunda procurando reduzir a proporo de itens defeituosos
ou no-conformes e usando ferramentas para melhoria da qualidade contnua.
Consideraes finais
Usaremos a carta P para acessar o controle do processo quando inspecionarmos as unidades
no-conformes e os vrios tamanhos de subgrupos;
Sob controle no significa que as unidades esto conformes ou dentro das especificaes do
cliente, mas somente que o processo opera de forma consistente.
Quando os pontos dos dados superarem o UCL, investigaremos o processo a fim de descobrir o
que causa defeitos adicionais;
Quando os pontos dos dados estiverem abaixo do LCL, tambm investigaremos o que causa a
reduo dos defeitos;
Erros de medio tambm devem ser considerados como causas potenciais de erro.
EXERCCIO O: INSPECIONAMENTO DOS

CONJUNTOS DE ENGRENAGENS
PROPOSTA
Usar a carta P para avaliar o controle do processo.
PROBLEMA
A cada manh, o supervisor de uma linha de produo de conjuntos de engrenagem rev os nmeros
da produo do dia anterior. Se a porcentagem de engrenagens defeituosas for maior do que a meta
de 14%, todo o departamento entre em estado de alerta vermelho. Neste caso, uma equipe de
engenheiros e um grupo de lderes passam o dia tentando reduzir o nvel de defeito, promovendo,
assim, a melhoria do processo.
Um engenheiro recentemente treinado em Controle Estatstico de Processos (CEP), convenceu o
supervisor a coletar dados para anlise, mas no a agir neste perodo, para que eles possam observar
as variaes aleatrias do processo.

DADOS COLETADOS
Inspetores anotaram o nmero de engrenagens inspecionadas e rejeitadas a cada dia, durante um
perodo de dois meses.
INSTRUES
1. Para acessar o comportamento do processo durante o tempo, crie uma carta P para a proporo de
itens defeituosos. Coloque o tempo o eixo-x separado por dias (subgrupos). Calcule os limites de
controle usando a mdia das engrenagens inspecionadas por dia, caso seja apropriado.
2. O que o nvel mdio de defeitos (no-conformes) observados a cada dia? O processo capaz de
atingir a meta da companhia?
3. O quo efetivo o alerta vermelho na reduo do nvel de itens no-conformes? Olhando na carta
P, voc tem alguma oportunidade de aprender mais sobre o processo?

ARQUIVO DE DADOS: ASSEMBLY.MPJ
Distribuio de Poisson
O QUE A DISTRIBUIO POISSON?
Caracteriza dados contveis,

veis como o n de itens no-conformes observados;
Uma no-conformidade descreve a falha em um nico item;
item
Cada item pode ter uma ou mais no-conformidades.
conformidades
SUPOSIES
z
z
z
z
z
A contagem caracteriza um evento discreto;

discreto
Eventos discretos ocorrem em reas de oportunidade especificas;
especificas
Eventos so independentes;
A ocorrncia do evento proporcional dimenso da oportunidade;
Eventos so raros.
raros
Distribuio de Poisson
POR QUE USAR A DISTRIBUIO POISSON?
A distribuio Poisson o modelo apropriado se as suposies forem verificadas. Exemplos de dados

que seguem a distribuio Poisson incluem:
z
O n de problemas relatados de no-conformes em uma placa de circuito;
O n de danificaes em uma superfcie de madeira;
O n de quedas de um pra-brisas.
Carta U
O QUE UMA CARTA U?
Monitora a mdia de itens no-conformes observados em um subgrupo.

Para criar esta carta, cada item amostral inspecionado e o nmero de itens no-conformes
anotado.
A mdia de no-conformidades por item (unidade - U) em cada subgrupo plotada na carta.
Para cada subgrupo, U calculado como:
u=
n de conformidades
tamanho do subgrupo
Carta U
QUANDO USAR A CARTA U?
Usaremos a carta U quando estivermos inspecionados o nmero de itens no-conformidades e o

tamanho do grupo estiver variando.
variando
Se o tamanho do subgrupo for constante,
constante usaremos a carta U ou C,C que plota o nmero de noconformidades.
Carta U
POR QUE USAR A CARTA U?
Responder perguntas, tais como:
z
O papel de parede fabricado em um processo sob controle estatstico quanto ao

nmero de defeitos?
O nmero de reclamaes relatadas para um servio particular muda de acordo com o
perodo do ano?
O nmero de bolhas em um pra-brisas se mantm sob controle estatstico durante todo
o processo de produo?
EXEMPLO 20: DEFEITOS NOS MVEIS

PROPOSTA
Usar a carta U para avaliar o controle do processo.
PROBLEMA
Fabricante de mveis;
veis
Reclamaes do consumidor problemas na superfcie,
cie incluindo: cor, arranhes, amassados,
fissuras e problemas nas finalizaes das mesas de madeira.
DADOS COLETADOS
Cada mesa foi checada para as no-conformidades indicadas acima.
O n de superfcies danificadas e o n de peas inspecionadas foram
anotados durante 3 semanas.
EXEMPLO 20: DEFEITOS NOS MVEIS

FERRAMENTAS
z
U Chart.
Chart
ARQUIVO DE DADOS: FURNITURE.MPJ
Consideraes finais
RESUMO E CONCLUSO
O processo no aparenta estar sob controle estatstico, visto o ponto que foi observado alm do
limite superior de controle.
Devemos investigar as provveis causas de variao, tomando aes corretivas a fim de prevenir
esse tipo de ocorrncia.
Devemos investigar porque a taxa de defeituosos de 5%, em mdia, investigando a melhor forma
de melhorar o processo.
Usaremos a carta U para acessar o controle do processo quando inspecionarmos as noconformidades em subgrupos de vrios tamanhos.
Pode ser til criar um diagrama de Pareto dos defeitos para ver qual tipo
deles mais freqnte.
Carta C
O QUE A CARTA C?
Monitora o nmero de no-conformidades observadas em um determinado processo;

O inspetor analisa cada subgrupo e grava o nmero de no-conformidades observadas ,
plotando-as na carta.
Para cada subgrupo, C definido como sendo:
c= nmero de no-conformes no subgrupo
Carta C
QUANDO USAR UMA CARTA C?
Usaremos a carta C quando inspecionarmos o nmero de no-conformidades e o tamanho do
subgrupo for constante.
Se o tamanho do subgrupo variar usaremos a carta U,
U que mostra a mdia de noconformidades observadas em cada unidade.
A carta C faz uso da distribuio de Poisson, logo, as suposies relacionadas construo da
carta so as mesmas relacionadas distribuio.
Carta C
POR QUE USAR UMA CARTA C?
Usaremos a carta de controle C quando o processo estiver sob controle estatstico.
A carta C pode ser usada para responder perguntas, tais como:
z
z
O nmero de no-conformidades em um microchip estvel?

O nmero de falhas em uma linha de produo se mantm estvel ao longo de toda a
produo?
O processo de fabricao de vidro mantm o nmero de bolhas de ar sob controle
estatstico?
EXEMPLO 21: QUALIDADE DOS CARTES DE VISITAS
PROPOSTA
Usar a carta P para avaliar o controle do processo e calcular os limites de controle, usando estgios
para avaliar o sucesso das melhorias.
PROBLEMA
Fabricante de cartes de visitas;
Controle de qualidade: diminuir o nmero de no-conformidades encontradas nos cartes;
Antes, o processo estava sob controle estatstico;
Comparou-se o desempenho do processo antes e depois da implementao;
Inspecionou-se: presena de manchas, alinhamento, homogeneidade na cor da impresso e
presena de rugas.
DADOS COLETADOS
A cada dia (subgrupo), 250 cartes foram aleatoriamente selecionados;
Inspecionou-se o carto data e n no-conformidades.
EXEMPLO 21: QUALIDADE DOS CARTES DE VISITAS
FERRAMENTAS
z
C Chart.
Chart
ARQUIVO DE DADOS: CARDS.MPJ
Consideraes finais
RESUMO E CONCLUSO
O processo de fabricao de cartes apresentou-se sob controle estatstico antes e depois do
processo de melhoria ser implementado.
A carta de controle indica que a iniciativa aparentemente reduziu o nmero mdio de noconformidades.
Usaremos a carta C sempre que acessarmos o controle do processo, quando inspecionarmos o
nmero de no-conformidades observadas e o tamanho do subgrupo for constante. Lembremo-nos
de que se o processo estiver sob controle no significa que as no-conformidades no existam ou
estejam dentro do valor mdio desejado, mas somente que o processo opera de uma maneira
consistente e constante.
A criao de um diagrama de Pareto pode ser til para verificar qual dos
defeitos ocorre com maior freqncia.

Aplicações Com Minitab-II PDF

Uploaded by

Document Information

Original Title

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Aplicações Com Minitab-II PDF

Uploaded by

Copyright:

Available Formats

INDUSTRIAL

Modelar processos descrevendo o relacionamento existente entre as variveis;

Avaliar o sistema de medio e inspeo de processos;

Aprender os fundamentos bsicos do Controle Estatstico de Processos (CEP);

Detectar o melhor momento para implementar Cartas de Controle;

Verificar se o processo capaz de atender as especificaes do cliente.

Minitab Statistical Software:

Medir o grau de associao linear entre duas variveis usando

Existe algum tipo de relao linear entre as duas variveis?

Quo grande esta relao?

Existe uma relao entre a temperatura e viscosidade do leo de cozinha?

Padres tpicos de associao

Padres tpicos de associao

ASSOCIAO LINEAR NEGATIVA

Padres tpicos de associao

Padres tpicos de associao

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

H0: O coeficiente de correlao (l-se r) entre as variveis igual a zero (no

EXEMPLO 1: COMPARANDO SISTEMAS DE MEDIO

EXEMPLO 1: COMPARANDO SISTEMAS DE MEDIO

ARQUIVO DE DADOS: LABTEST.MPJ

Correlao entre Mltiplas Variveis

ARQUIVO DE DADOS: BOTTLECAP.MPJ

Regresso Linear Simples

onde Y a varivel resposta; X varivel a preditora, 0 a interseco no eixo-Y (o valor de Y

Regresso Linear Simples

Regresso Linear Simples

Possuem varincia constante (so homocedsticos).

A verificao das suposies listadas acima feita atravs da Anlise de Resduos.

Regresso Linear Simples

Regresso Linear Simples

O mtodo dos mnimos quadrados

H0: 1 igual a zero.

H1: 1 no igual a zero.

Valor-P < : REJEITA-SE H0.

O modelo de regresso significativo em explicar parte da variabilidade total da

Valor-P > : NO REJEITA-SE H0.

O modelo de regresso no significativo em explicar parte da variabilidade total da

EXEMPLO 3: IMPUREZAS NA TINTA

EXEMPLO 3: IMPUREZAS NA TINTA

Fitted Line Plot

ARQUIVO DE DADOS: PAINT.MPJ

X pode ser ordinal ou contnua;

Suposies sobre os erros:

So independentes (isto , aleatrios);

Os itens foram montados com a inteno da produo nos componentes;

Os itens foram montados com a inteno da produo no processo;

O modelo no mostra nenhuma diferena significativa.

Se as suposies acima forem observadas, ento S = 4,597mm uma estimativa para a

EXERCCIO A: ESCUDOS DE EROSO

EXERCCIO A: ESCUDOS DE EROSO

EXERCCIO B: ESCAPAMENTO DE DIESEL

EXERCCIO B: ESCAPAMENTO DE DIESEL

ARQUIVO DE DADOS: DIESEL.MPJ

Proceder com a anlise de regresso com mais de

O QUE A REGRESSO MLTIPLA?

Onde Y a varivel resposta, 0 o intercepto do eixo-Y, i's so os coeficientes associados

EXEMPLO 5: REDUZINDO O BARULHO DOS MOTORES

EXEMPLO 5: REDUZINDO O BARULHO DOS MOTORES

Regresso via Best Subsets

Regresso via Best Subsets

Escolhendo um modelo apropriado

Evitar os seguintes problemas: