Apostila Curso Minitab

Bem - vindo!
Bem-vindo ao Treinamento do Software Minitab oferecido pela Werkema Consultores.
Seis Sigma
Ns estamos aqui para aprender mais sobre:

Introduo ao Software Minitab Operaes com Arquivos Operaes com Banco de Dados. Estatsticas Bsicas. Cartas de Controle. Capacidade de Processos. Anlise de Regresso. Avaliao de Sistemas de Medio. Testes de Hipteses. Anlise de Varincia. Planejamento de Experimentos.
Treinamento MINITAB 15 Bsico e Intermedirio
ndice
Captulos
Mdulo Bsico
1 2 3 4 5 6 7 8 9 10 11
Introduo ao Software Minitab Operaes com Arquivos Operaes com Banco de Dados Estatsticas Bsicas Cartas de Controle Capacidade de Processos Anlise de Regresso Avaliao de Sistemas de Medio
03 21 47 125 209 267 297 317
Mdulo Intermedirio
Testes de Hipteses Anlise de Varincia Planejamento de Experimentos 341 367 383
Captulo 1
Introduo ao Software Minitab
Consultores
WERKEMA
Ao final deste captulo voc ser capaz de: Identificar os diferentes itens do MINITAB, suas diversas janelas, o ambiente de trabalho, o menu, a barras de ferramentas, o gerenciador de janelas e os tipos de dados mais comuns. 1.1 - Iniciando o MINITAB Para iniciar um trabalho no MINITAB, voc tem duas opes: 1.a opo: Localize e selecione com um duplo clique o cone do MINITAB 15 for Windows.
2.a opo: MINITAB 15.
MINITAB
Na Barra de Tarefas, selecione Iniciar > Programas > MINITAB 15 for Windows >
1.2 - Terminando um projeto no MINITAB Para sair do MINITAB, selecione a opo File > Exit. 1.3 - Conhea um pouco de sua estrutura Um arquivo de projeto do MINITAB contm 7 janelas que so essenciais para a utilizao do software. A funo de cada janela est descrita a seguir: Worksheet uma janela composta por uma planilha eletrnica dividida em linhas e colunas. Nela estaro contidos os dados que sero analisados. Um projeto do MINITAB pode possuir diversas Worksheets. Apesar de bastante similar s planilhas eletrnicas do Excel , as Worksheets do MINITAB no permitem a insero de frmulas e a ferramenta de auto-completar (arrastar) tem seu uso restrito. Uma Worksheet pode conter 4.000 colunas e aproximadamente 10.000.000 de linhas (dependendo da quantidade de memria do computador).
3 Curso de Minitab
Figura 1.1: A janela Worksheet
Session Tambm chamada de janela de sesso. Nela possvel visualizar em formato de texto os resultados das anlises estatsticas realizadas pelo MINITAB .
Graph
Figura 1.2: A janela Session
a janela de exibio grfica do software onde podemos visualizar os grficos construdos. Em um mesmo projeto do MINITAB podemos manter abertos simultaneamente uma quantidade mxima de 200 grficos.
Figura 1.3: A janela Graph

4 Copyright 2006 Werkema Editora
Info Esta janela mostra, de forma reduzida, informaes contidas em cada uma das planilhas do projeto.
Figura 1.4: A janela Info
History uma janela que contm o histrico do projeto, isto , registra todos os comandos executados pelo usurio. Estes comandos podem ser re-executados desde que copiados desta janela para a opo Comand Line Editor (esta funcionalidade ser ensinada nos captulos posteriores).
5 Curso de Minitab
Figura 1.5: A janela History
Report Pad: Esta janela funciona como um editor de textos e pode ser utilizada para confeco de relatrios funcionando como um caderno de anotaes. Nela possvel adicionar grficos, anlises estatsticas e comentrios. Promovendo assim, um relatrio prtico, rpido e completo. O relatrtio confeccionado pode ser salvo com a extenso .RTF (Rich Text Format) e posteriormente poder ser aberto pelo word.
Figura 1.6: A janela Report Pad
Project Manager Esta janela gerencia os projetos disponibilizando um acesso fcil e rpido a todas outras janelas abertas. A organizao desta janela feita atravs de pastas estruturadas em formato de rvore.
7 Curso de Minitab
Figura 1.7: A janela Project Manager
Quando um arquivo de projeto ou um projeto salvo no MINITAB, as informaes contidas em todas as janelas so automaticamente salvas.
1.4 - Como inserir dados em uma planilha do MINITAB Para digitar dados em uma planilha do MINITAB, siga os seguintes procedimentos: 1. Maximize a janela Worksheet , caso deseje ter uma visualizao melhor da planilha. 2. Posicione o cursor na linha 1 da coluna C1. 3. Digite os dados desejados, pressionando Enter quando desejar mudar de clula. Cada varivel representada por uma coluna de clulas. Existem trs tipos de formato para os dados: Numricos: So dados de formato numrico. Podem ser nmeros inteiros (Ex: 10; 2; 5; 7), fracionados (Ex: 2,54; 3,15; 2,145) ou na escala cientfica (Ex: 1 e+01; 1,23 e+02; 2,3 e-01). Texto: So dados em formato de texto (Ex: Mquina I; Mquina II; Mquina III). Data/hora: So dados em formato de data (Ex: 12/01/1980; 12/03; Setembro) ou hora (Ex: 12:59; 23:50:12; 21:00). Se os dados no so numricos o MINITAB identifica o formato dos dados da coluna e mostra no topo da coluna uma identificao. Quando os dados so de data/hora mostrada a letra D e quando so dados de texto mostrada a letra T. O MINITAB dispe de comandos especficos para a leitura de arquivos de dados. Maiores detalhes sobre este comando sero apresentados no Captulo 2. De acordo com o procedimento anterior, digite os seguintes dados e veja o que acontece!!!
Tabela 1: Exemplo de diferentes formatos de dados no MINITAB
Nome Frederico Paulo Renato Pedro Altura 1,70 1,75 1,68 1,73 Data de Nascimento 04/05/1980 10/02/1977 08/10/1950 23/12/1965
9 Curso de Minitab
Confira o resultado:
Figura 1.8: Exemplo da formatao dos dados no MINITAB
1.5 - cones de Atalhos O objetivo desta sesso apresentar os cones de atalho disponveis na maioria das janelas do MINITAB. Alguns cones de atalho mais especficos no sero abordados nesta sesso. O MINITAB apresenta diversos cones de atalho em sua barra de ferramentas. Alguns destes cones de atalho j so bem conhecidos pela similaridade com outros softwares, outros nem tanto. A barra de atalhos do MINITAB possui o seguinte formato:
A seguir apresentado cada cone de atalho e suas respectivas funes:
1.5.1 - cones comuns maioria dos softwares
O MINITAB, assim como a maioria dos softwares disponibiliza, dentre seus cones de atalho, os seguintes comandos: Abrir: Permite que um projeto escolhido seja aberto (Worksheets no podem ser abertas atravs deste cone) Salvar: Salva o projeto corrente com o nome que ele j possui. Caso ele ainda no possua nome, uma janela ser aberta para que o nome do projeto e sua pasta no computador sejam escolhidos. Imprimir: Imprime a janela que estiver ativa dentre Session, Worksheet. Graph, Info, History e Report Pad. Recortar: Recorta itens ou textos selecionados, retirando-os do local onde estavam e colocando-os na rea de transferncia do computador. Copiar: Copia itens ou textos selecionados, mantendo-os do local onde estavam e colocando-os na rea de transferncia do computador. Colar: Transfere para a posio selecionada os itens ou textos existentes na rea de transferncia do computador. Desfazer: Permite que o ltimo, e somente o ltimo, comando realizado seja desfeito. Ao ser clicado pela segunda vez, este comando refaz o comando que ele havia acabado de desfazer. Refazer: Permite que o ltimo, e somente o ltimo, comando desfeito seja refeito.
11 Curso de Minitab
1.5.2 - cones comuns ao MINITAB Edit Last Dialog: mostra a ltima caixa de dilogo utilizada pelo MINITAB. Comando Anterior: Localiza na janela Session o comando realizado anterior aquele ponto. Prximo comando: Localiza na janela Session o comando realizado posterior aquele ponto. Localizao Rpida: Localiza o objeto de interesse na janela habilitada. Procurar Prxima: Localiza o prximo objeto de interesse na janela habilitada. Cancelar: Aborta a execuo de macros. Ajuda: Disponibiliza informaes sobre os tpicos de ajuda escolhidos pelo usurio. StatGuide: Guia de informaes estatsticas. Mostra a interpretao da sada e da anlise estatstica realizada pelo software. Janela Session: Coloca a janela Session como janela ativa. Janela de Dados Correntes: Coloca a Worksheet como janela ativa. Janela Project Manager: Apresenta a janela Project Manager esquerda da tela corrente. Fechar Todos os Grficos: Fecha todos os grficos existente no projeto. Uma vez fechados, estes grficos no podem ser recuperados.
1.5.3 - Como utilizar o Project Manager O Project Manager funciona como um gerenciador de arquivos disponibilizando um acesso fcil todos os componentes do projeto, organizando-o na estrutura de rvore. Com esta ferramenta, cada cone apresentado a seguir representa uma pasta de trabalho, de forma que seu uso fica bastante simplificado. A janela Project Manager sempre mostrada esquerda da tela, e do lado direito mostra-se a janela selecionada. Para visualizar a utilizao dessa ferramenta, abra o arquivo Descrio do Minitab.MPJ. Mostrar Pasta de Trabalho Session : Na janela Project Manager, aparecer um resumo de todos os comandos executados. Na janela Session aparecero todas as respostas no grficas do MINITAB.
Mostrar Pasta de Trabalho Worksheet: Na janela Project Manager, aparecer o nome de todas as Worksheets existentes no projeto. Na janela Worksheet aparecer a planilha selecionada pelo usurio.
13 Curso de Minitab
Mostrar Pasta de Trabalho Graph: Na janela Project Manager, aparecero todos os grficos existentes no projeto. Na janela Graph aparecer o grfico selecionado pelo usurio.
Mostrar Pasta de Trabalho Info: Na janela Project Manager aparecero informaes sobre as colunas da Worksheet e ao lado aparecer a Worksheet selecionada pelo usurio.
Mostrar Pasta de Trabalho History: Na janela Project Manager, aparecero todas as pastas do projeto. Na janela History aparecero os comando na linguagem de programao que o MINITAB utiliza para executar suas operaes e macros.
15 Curso de Minitab
Mostrar Pasta de Trabalho Report Pad: Na janela Project Manager, aparecero todas as pastas do projeto. Na janela Report Pad aparecer um pgina de edio de texto na qual o usurio poder escrever o seu relatrio.
Mostrar tens relacionados: Na janela Project Manager, aparecero todas as pastas do projeto, na janela Related Documents mostra todos os itens relacionados (links) por ventura existentes no projeto.
Mostrar matriz de Planejamento: Na janela Project Manager aparecero todas as pastas do projeto. Na janela Show Design aparecero informaes sobre o ltimo experimento planejado no MINITAB, ou aquele que se encontre em uma Worksheet pr-selecionada.
17 Curso de Minitab
Captulo 2
Operaes com Arquivos
Consultores
WERKEMA
Ao final deste captulo voc ser capaz de: reconhecer e utilizar os tipos de arquivo mais usados no software, abrir arquivos de outros programas e configurar o software para impresso de diferentes janelas. O menu File nos permite abrir, fechar, imprimir e executar diversos tipos de arquivos e comandos. Este menu se subdivide em diversas partes e esta subdiviso est relacionada aos dois principais tipos de arquivos disponveis no MINITAB; os de extenso MPJ (MINITAB Project) e os de extenso MTW (MINITAB Worksheet). 2.1 - Criando Projetos e Planilhas O comando New nos permite iniciar dois tipos de arquivo. Os arquivos de projeto e os arquivos de Worksheet. Para selecion-los escolha a opo File > New...;
Figura 2.1: O comando New
A escolha do arquivo que ser aberto dever ser feita na seguinte janela:
21 Curso de Minitab
MINITAB Worksheet: Cria uma nova planilha de dados dentro de um projeto j existente; MINITAB Project: Cria um novo projeto (arquivo com uma ou mais planilhas de dados, grficos, etc). 2.2 - Arquivos de projeto Arquivos de extenso MPJ so denominados projetos e englobam diversos itens, entre eles: grficos, relatrios, planilhas de dados etc... Para melhor entender esta estrutura observe o exemplo: Exemplo 2.1 Um contador havia concludo a anlise anual de um de seus principais clientes e desejava verificar se as despesas e receitas computadas estavam corretas e, alm disso, manter o controle de seus arquivos (nomeando-os de forma organizada). Os dados foram armazenados no projeto Contabilidade.MPJ e para analis-los vamos acompanhar os seguintes passos: 1. Escolha a opo File > Open Project...;
Figura 2.2: O comando Open Project
2. Escolha o projeto Contabilidade.MPJ;
23 Curso de Minitab
O MINITAB oferece a possibilidade de visualizao do arquivo antes de abri-lo utilizando para isso o comando Preview. O comando Project Description permite visualizar a descrio do projeto. O comando Options permite modificar as opes de abertura do arquivo. 3. Selecione a opo Abrir e verifique se os dados so apresentados conforme figura;
A coluna Despesas representa os gastos do perodo em estudo, a coluna Receitas representa o capital recebido e a coluna Perodo os trimestres a que se referem s receitas e despesas. Alm disso, o contador havia construdo um grfico de acompanhamento. 4. Escolha a opo File > Project Description...;
Figura 2.3: O comando Project Description
5. Em Creator digite Contabilidade XYZ; 6. Em Date(s) digite 07 de Setembro 1888; 7. Em Comments digite Planilha referente s despesas e receitas da empresa Z em 1888;
25 Curso de Minitab
8. Selecione OK; 9. Escolha a opo File > Save Project As...;
Figura 2.4: O comando Save Project As
10. Em Nome do Arquivo digite Contabilidade da empresa Z - 1888;
11. Selecione Salvar ; O contador possui agora um arquivo, que um projeto do MINITAB, contendo uma descrio bsica dos dados e o salvou com o nome Contabilidade da empresa Z - 1888.MPJ. Para que o contador inicie um novo projeto ele deve executar os seguintes passos: 12. Escolha a opo File > New...; 13. Selecione a opo MINITAB Project;
27 Curso de Minitab
14. Selecione OK. Verifique a apresentao do novo projeto:
Figura 2.5: O comando New Project
15. Escolha a opo File > Exit.
Figura 2.6: O comando Exit
Este ltimo comando fechar o MINITAB. Caso estivssemos dentro de um arquivo com vrios grficos e dados, o MINITAB nos perguntaria se desejariamos ou no salvar o projeto. 2.3 - Arquivos de Planilhas Arquivos de extenso MTW so denominados planilhas e contm apenas uma base de dados. Exemplo 2.2 O exemplo anterior mostrou um arquivo de projeto que possuia uma planilha de dados com as receitas e despesas da Empresa Z no ano de 1888. Agora, o contador da empresa deseja agregar duas outras planilhas de dados ao arquivo do projeto Contabilidade da Empresa Z -1888.MPJ.
29 Curso de Minitab
Uma das planilhas j se encontra pronta no Excel e a outra deve ser digitada conforme a Tabela 2.1:
Tabela 2.1: Despesas
Despesas Operacionais R$ 150.000 R$ 189.000 R$ 191.000 R$ 214.000 Despesas Administrativas R$ 80.000 R$ 100.000 R$ 120.000 R$ 110.000 Perodo Primeiro trimestre Segundo trimestre Terceiro trimestre Quarto trimestre
Para efetuar este trabalho vamos seguir os passos abaixo: 1. Abra o MINITAB; 2. Escolha a opo File>Open Project e abra o projeto Contabilidade da empresa Z - 1888.MPJ ;
3. Escolha a opo File > Open Worksheet...;
Figura 2.7: O comando Open Worksheet
Save Current Worksheet As...>: Salva apenas a Worksheet do projeto. Os grficos e comentrios da Session no so salvos; Worksheet Description...>: Similar ao comando Project Description, onde se detalha o contedo da planilha; Close Worksheet...>: Fecha a planilha de dados ativa mantendo os demais itens do projeto abertos. 4. Em Arquivos do tipo selecione a opo Excel(*xls);
31 Curso de Minitab
5. Selecione a planilha Receitas Diretas e Indiretas.xls;
Observe que o campo Arquivo do tipo est selecionando um arquivo do Excel. O MINITAB reconhece vrios tipos de arquivo (Excel, Quattro Pro, Lotus 1-2-3 e arquivos de base de dados). Na opo Options podemos dar instrues para que o processo de abertura do arquivo seja efetuado segundo padres especficos. A opo Preview nos permite visualizar o arquivo antes de abri-lo. A opo Description permite a visualizao da descrio do arquivo se houver alguma descrio disponvel. A opo Merge faz com que os dados sejam abertos em uma Worksheet j disponvel no MINITAB.
6. Selecione Abrir. Ao executar o comando acima o MINITAB disponibilizar duas Worksheets abertas conforme figura abaixo:
OBS.: Se o arquivo do Excel possuir mais de uma planilha, o MINITAB abrir cada uma em Worksheets diferentes.
33 Curso de Minitab
Para digitar os dados da Tabela 2.1 em uma nova Worksheet, siga os seguintes comandos: 7. Escolha a opo File > New... > MINITAB Worksheet;
8. Selecione OK; 9. Maximize a nova Worksheet e digite os dados da Tabela 2.1;
OBS.: Os dados devem ser digitados sem o R$ para que o MINITAB os reconhea como dados numricos. 10. Escolha a opo File > Exit...;
11. Selecione a opo Sim se desejar salvar o documento e No se desejar sair do MINITAB sem salvar. Se desejar abortar a operao clique em Cancelar.
Se for salvo o arquivo conter todas a trs planilhas de dados e o grfico produzido pelo contador.
35 Curso de Minitab
2.4 - Arquivos de Grficos O comando Open Graph permite abrir grficos sem a necessidade de abrir todo o projeto. Os grficos podem estar contidos em um arquivo de projeto anteriormente trabalhado, ou podem ser arquivos com a extenso .MGF. Quando um grfico aberto separadamente do projeto em que ele foi construdo conseguimos editar apenas ferramentas de formatao (Ex: Tamanho de fonte, cor de fundo, ttulos, etc...).
Figura 2.8: O comando Open Graph
2.5 - Outros arquivos O comando Other Files possui trs funcionalidades: Import Special Text: Importa arquivos de extenses .TXT e .DAT para o MINITAB.
Figura 2.9: O comando Import Special Files
Export Special Text: Exporta dados do MINITAB para arquivos com as extenses .TXT e .DAT.
37 Curso de Minitab
Figura 2.10: O comando Export Special Text
Run a Exec: Permite que o MINITAB execute macros do MINITAB criados por um processador de texto como o Word ou o Bloco de Notas.
Figura 2.11: O comando Run an Exec

2.6 - Salvar janelas O comando Save Session Windows As... permite salvar informaes do MINITAB tais como Session, Worksheet, Graph ou Report Pad. A execuo deste comando funciona apenas quando a janela que desejamos salvar est ativa.
Figura 2.12: O comando Save Session Windows As
39 Curso de Minitab
Figura 2.13: O comando Save Worksheets As
Figura 2.14: O comando Save Graphs As
Figura 2.15: O comando Save Report As
2.7 - Imprimir informaes das janelas Os comandos Print Setup e Print permitem a configurao e a impresso das janelas disponveis no Project Manager. Dessa forma, podemos imprimir informaes da Session, Worksheet, Info, Graphs, History, Report Pad, Related documents e Design. Supondo que desejamos imprimir as informaes de uma Worksheet, o comando Print Worksheets fornecer a seguinte janela:
41 Curso de Minitab
Figura 2.16: O comando Print Worksheets
Nela podemos solicitar que o MINITAB imprima ou no os ttulos das linhas, das colunas, nome das colunas, linhas de grade e, alm disso, podemos dar ttulo impresso e orientar a forma de formatao da coluna (centralizada, justificada, etc...). Ainda para a Worksheet o comando Print Setup permite selecionarmos a configurao do papel utilizado pela impressora:
Figura 2.17: O comando Print Setup
2.8 - Desfazer e Reverter comandos O comando Edit>Undo nos permite desfazer a ltima operao realizada e o Edit >Redo reverter o ltimo Edit > Undo. Algumas vezes aparecer Edit > Cant Undo ou Edit >Cant Redo, mostrando que no possvel executar a operao de reverso. O MINITAB bloqueia a execuo destes comandos por mais de uma vez, por exemplo, se voc apagou uma coluna de dados e posteriormente apagou outra coluna, vocs s conseguir recuperar a ltima coluna apagada. importante frisar que alguns comandos mais complexos no podem ser desfeitos (em geral isso acontece com comandos relacionados a clculos estatsticos).
OBS.: A restrio acima no se aplica aos grficos. Durante sua execuo ou manuteno os comandos Edit > Undo e Edit>Redo estaro disponveis de forma bem ampla (50 vezes).
2.9 - Limpar e Apagar Dados O comando Edit>Clear nos permite excluir dados de uma planilha sem alterar a quantidade de observaes. Por exemplo, o comando Edit>Clear, para a linha 4 da coluna 1 (Torque), gera a sada abaixo. Observe que no lugar do Torque de 5,7 foi inserido o smbolo *.
43 Curso de Minitab
Se usarmos o comando Edit > Delete, o valor 5,7 ser eliminado e a quantidade de observaes reduzida para apenas 4.
2.10 - Copiar, Cortar e Colar Os comandos Edit>Copy, Edit>Cut e Edit>Paste funcionam praticamente como nos demais softwares da Microsoft. A nica diferena substancial se encontra no item Edit>Paste que permite duas formas de execuo quando trabalhamos com dados j digitados na Worksheet. Quando utilizamos o comando Edit>Past, e temos as seguintes opes:
O item Insert above the active cell, shifting cells down to make room desloca os dados existentes e cola os novos valores. O Item Replace the active cell cola os novos valores sobre os valores existentes O comando Use this choice for the rest of this session muda o padro de colagem e faz com que a seleo anterior seja sempre a utilizada para o resto da projeto.
Captulo 3
Operaes com Bancos de Dados
Consultores
WERKEMA
Ao final deste captulo voc ser capaz de: copiar, dividir, adicionar dados, classificar, ordenar, mesclar, substituir, gerar dados, sortear dados e utilizar a calculadora do MINITAB.
3.1 - Subset Worksheet Este comando utilizado para sub-dividir uma planilha maior em planilhas menores utilizando como referncia alguma coluna da Worksheet. Exemplo 3.1 Um gerente administrava quatro galpes de uma fbrica e precisava controlar as perdas de material dentro de cada um destes galpes. Para isso ele montou uma planilha no MINITAB, com os dados ordenados em diferentes colunas, durante 24 meses. Era de interesse do gerente separar as linhas relativas ao primeiro ano em uma nova planilha. Os dados foram digitados na Worksheet Galpes.MTW. Para executar este trabalho necessrio acompanhar os seguintes passos: 1. Abra a Worksheet Galpes.MTW;
47 Curso de Minitab
As colunas Galpo 1, 2, 3 e 4 so referentes as perdas dos 4 galpes nos ltimos 24 meses e a coluna Ms, os meses que cada perda referente. 2. Escolha a opo Data > Subset Worksheet...;
Figura 3.1: O comando Subset Worksheet
3. Em Name digite Galpes (Ano 1); 4. Em Include or Exclude ative a opo Specify which rows to include; 5. Em Specify Which Rows to Include ative a opo Row numbers e digite 1:12 (da linha 1 at a linha 12);
Nesta caixa de dilogo poderamos ter ativado outra clulas, como Specify which rows to exclude, que geraria, por exemplo, uma planilha com os dados da linha 13 em diante. Alm da ativao desta opo poderamos ter ativado ainda as opes Rows that match e Brushed rows, onde deveramos dizer qual a condio para excluso ou incluso de linhas e quais as linhas marcadas devem ser selecionadas ou excludas.
6. Selecione OK; 7. Maximize a nova Worksheet, Galpes (Ano 1).
Resultados Obtidos: O MINITAB apresentar a seguinte sada:
49 Curso de Minitab
Percebe-se que as primeiras 12 linhas da planilha principal foram includas na nova planilha. OBS: Feche o projeto aps a anlise dos resultados. 3.2 Split Worksheet Este comando permite dividir uma planilha em duas ou mais planilhas usando uma varivel como referencia. No h limites para diviso, porm, com um nmero muito elevado de planilhas, seria muito mais difcil gerenciar o trabalho. Exemplo 3.2 Suponha que o gerente do exemplo anterior, possua agora uma planilha com os dados dos quatro galpes empilhados uns sobre os outros e precisava montar uma planilha para cada galpo. Os dados foram digitados na Worksheet Galpes Empilhados.MTW. Para executar este trabalho necessrio acompanhar os seguintes passos: 1. Abra a Worksheet Galpes Empilhados.MTW;
A coluna Galpes representa o galpo estudado, a coluna Perdas as perdas referentes a cada galpo e a coluna Ms os meses no qual os dados foram coletados. Estas colunas seguem a ordenao do nmero dos galpes. 2. Escolha a opo Data > Split Worksheet...;
51 Curso de Minitab
Figura 3.2: O comando Split Worksheet
3. Em By variable selecione a varivel Galpes;
O item Include missing as BY level se ativado ir criar uma planilha a parte para os valores que apresentarem dados missing ( * ). 4. Selecione OK.
Resultados Obtidos:
O MINITAB criou quatro novas planilhas, sendo uma para cada galpo. OBS: Feche o Projeto aps a anlise dos resultados.
3.3 Merge Worksheet
Permite a unificao de duas planilhas. A unificao pode ser feita para todas as colunas presentes na planilha ou apenas para colunas especificadas pelo usurio.
Exemplo 3.3
O Vice-Presidente de uma organizao internacional desejava unificar as informaes das receitas referentes ao mercado Latino e Europeu que estavam divididas em duas planilhas. O Vice-Presidente havia recebido de seus subordinados duas planilhas de dados em arquivos diferentes, Mercado Latino.MTW e Mercado Europeu.MTW. Para manipular as planilhas necessrio acompanhar os seguintes passos: 1. Abra as Worksheets Mercado Latino.MTW e Mercado Europeu.MTW;
53 Curso de Minitab
2. Para melhor visualiz-las selecione na barra de ferramentas o cone Show Worksheets Folder;
3. Selecione em Project Manager as duas Worksheets ao mesmo tempo utilizando a tecla Shift;
4. Posicione o cursor do mouse sobre os itens marcados em azul (Mercado Latino.MTW e Europeu.MTW) e aperte o boto direito do mouse; 5. Selecione a opo Tile;
55 Curso de Minitab
O MINITAB mostrar a seguinte tela:
6. D um clique com o mouse em qualquer ponto da Worksheet Mercado Latino.MTW. Observe que esta planilha possui agora a sua barra superior na cor azul o que indica que ela a Worksheet ativa. 7. Escolha a opo Data > Merge Worksheets;
Figura 3.3: O comando Merge Worksheet
8. Selecione a Worksheet Mercado Europeu.MTW; 9. Em Output Worksheet name digite Mercado Internacional.
57 Curso de Minitab
A opo By Columns utilizada para padronizar as combinaes das Worksheets possibilitando a incluso ou excluso de itens que apresentem valores de mising ou valores duplicados. 10. Selecione a opo Include Columns...; 11. Em Exclude Columns, tanto para o campo referente ao Mercado Latino quanto para o campo Mercado Europeu, insira a varivel Despesas utilizando o item < para efetuar tal procedimento;
Este comando far com que a coluna Despesas seja excluda da Worksheet criada. 12. Selecione OK; 13. Selecione OK na caixa de dilogo principal; 14. Maximize a Worksheet Mercado Internacional.
Resultados Obtidos:
O MINITAB apresenta uma nova planilha com os dados acima separados em quatro colunas. As duas primeiras relacionadas ao Mercado Latino e as duas ltimas relacionadas ao Mercado Europeu e para ambas as colunas Planta e Receitas. OBS.: Feche o Projeto aps a anlise dos resultados. 3.4 - Copy (Columns to Columns) Este comando faz cpias de colunas para colunas dentro da Worksheet. Exemplo 3.4 1. Abra um novo projeto do MINITAB. 2. Maximize a Worksheet 1;
59 Curso de Minitab
3. Na linha de ttulo da coluna C1 digite a letra A. Na linha 1 o nmero 5 e na linha 2 o nmero 10;
4. Na linha de ttulo da coluna C2 digite a letra B. Na linha 1 o nmero 2 e na linha 2 o nmero 1;
5. Escolha a opo Data > Copy > Columns to Columns...;
Figura 3.4 - O comando Copy > Columns to Columns
6. Em Copy from columns selecione as variveis A e B; 7. Em Store Copied Data in Columns selecione o filtro In current Worksheet, in columns e digite C3 e C4 (com um espao entre elas); 8. Ative a opo Name the columns containing the copied data;
61 Curso de Minitab
A opo Name the columns containing the copied data nomeia as colunas dos dados copiados. A opo Subset the Data... permite a incluso ou excluso de linhas na Worksheet durante o processo de cpia. 9. Selecione OK. Resultados Obtidos:
O MINITAB copiou os valores da coluna C1 e C2 e os colou nas colunas C3 e C4.
3.5 Unstack Columns Este comando permite que valores contidos em uma coluna com dados empilhados da sejam separados com base em uma varivel de referncia. Exemplo 3.5 O supervisor de uma central de atendimento havia recebido um arquivo de MINITAB com os tempos de atendimento a clientes de vrias centrais de atendimento distintas, porm ele estava interessado em visualizar os dados separadamente, de acordo com a central. Os dados foram armazenados na Worksheet Centrais de Atendimento.MTW. Para manipula-los necessrio acompanhar os seguintes passos: 1. Abra a Worksheet Centrais de Atendimento.MTW;
A coluna Tempo Mdio da Ligao (seg) representa os tempos de atendimento a clientes (em segundos) de todas as centrais. A coluna Central de Atendimento representa a central coletada.
63 Curso de Minitab
2. Escolha a opo Data > Unstack Columns...;
Figura 3.5: O comando Unstack Columns
3. Em Unstack the data in selecione a varivel Tempo Mdio da Ligao (seg); 4. Em Using subscripts in selecione a varivel Central de Atendimento; 5. Ative a opo After last column in use (isso alocar os dados na mesma Worksheet aps a ltima coluna em uso);
6. Selecione OK; 7. Maximize a Worksheet Resultados Obtidos:
65 Curso de Minitab
O MINITAB separa os dados empilhados em trs colunas distintas: C3, C4 e C5 de acordo com a central de atendimento. OBS: Feche o Projeto aps a anlise dos resultados.
3.6 Stack Este comando empilha dados desempilhados em uma nica coluna, como mostrado a seguir: 3.6.1 Columns Este comando empilha dados presentes em vrias colunas em uma nica coluna. Exemplo 3.6 O gerente de produo de uma fbrica de impressoras havia coletado dados do volume de produo de trs linhas de uma de suas plantas fabris e desejava empilhar os dados, que estavam divididos em trs colunas, para posteriormente avaliar a fbrica como um todo. Os dados foram digitados na Worksheet Produo Impressoras.MTW. Para efetuar este trabalho necessrio acompanhar os seguintes passos: 1. Abra a Worksheet Produo Impressoras.MTW;
As colunas Produo Linha 1, Linha 2 e 3 representam os volumes de produo das linhas de produo. 2. Escolha a opo Data > Stack > Columns...;
67 Curso de Minitab
Figura 3.6: O comando Stack > Columns
3. Em Stack the following columns selecione as variveis Produo Linha 1, Produo Linha 2 e Produo Linha 3; 4. Em Store stacked data in ative a opo New Worksheet; 5. Em Name, digite Dados Empilhados;
O comando Block of Columns realiza as mesmas tarefas do comando Columns porm, deve ser utilizada quando desejamos empilhar blocos de colunas; O comando Rows empilha as linhas da Worksheet corrente em uma coluna da Worksheet.
A opo Column of current worksheet empilha os dados em uma coluna determinada pelo usurio na planilha corrente. A opo Store subscripts in aloca os subscritos em uma coluna pr-determinada pelo usurio na planilha corrente. Esta varivel de preenchimento opcional.
6. Selecione OK;
69 Curso de Minitab
Resultados Obtidos:
O MINITAB criou uma nova Worksheet com nome Dados Empilhados e armazenou os dados das trs colunas na C1 (Linhas de produo) e C2 (Tempo) da nova planilha.
3.7 Transpose Columns Este comando transpe linhas em colunas e vice-versa.
Exemplo 3.7 Um Gerente estava estudando a eficincia operacional dos ltimos seis meses de diversas unidades da fbrica na qual trabalhava. Os dados que ele possua estavam organizados por colunas, onde cada coluna representava uma fbrica diferente. O Gerente gostaria de organizar os dados de forma que cada coluna passasse a representar o ms em estudo. Os dados foram digitados na Worksheet Fbricas Eficincia.MTW. Para analis-los necessrio acompanhar os seguintes passos: 1. Abra a Worksheet Fbricas Eficincia.MTW;
2. Escolha a opo Data > Transpose Columns...;
71 Curso de Minitab
3. Em Transpose the following columns selecione as variveis referentes s Fbricas I, II, III, IV, V e VI utilizando a coluna [Shift]; 4. Em seguida selecione a opo Select; 5. Ative a opo In new worksheet; 6. Em Name digite Dados Transpostos; 7. Em Create variable names using column selecione a varivel Meses;
8. Selecione OK e maximize a Worksheet;

Resultados obtidos:
O MINITAB cria uma nova Worksheet mudando a ordenao dos dados. OBS.: Feche o projeto aps a avaliao dos resultados.
73 Curso de Minitab
3.8 Sort Este comando ordena dados numricos, de texto ou de data/hora em ordem crescente e decrescente. Exemplo 3.8 O departamento de marketing de uma empresa de microeletrnica resolveu analisar o histrico de vendas da empresa e para isso precisou ordenar os dados para melhor visualizar este desempenho. Os dados foram digitados na Worksheet Departamento de Marketing.MTW. Para efetuar a ordenao acompanhe os seguintes passos: 1. Abra a Worksheet Departamento de Marketing.MTW;
Na coluna Ano foram digitados os anos em que foram coletados os dados de interesse, na coluna Vol. Vendas foram digitados os volumes vendidos, a coluna Receitas tm o montante financeiro recebido com as vendas, na coluna Nmero de Pontos de Venda foi digitado o nmero total de lojas e na coluna Gastos com MKT foram digitados os gastos com propaganda da empresa. 2. Selecione a opo Data > Sort...;
Figura 3.7: O comando Sort
3. Em Sort column(s) selecione todas as variveis (visto que no desejamos perder a correspondncia entre as colunas); 4. Na primeira opo By column selecione a varivel Ano; 5. Na segunda opo By Column selecione a varivel Receitas; 6. Ative a opo Original column(s);
75 Curso de Minitab
Poderamos ativar a opo Descending para ordenar as colunas de forma descendente. Alm disso, poderamos ordenar os dados e armazena-los em outra planilha atravs da opo New Worksheet ou armazenar na planilha original, porm em outras colunas fazendo uso da opo Column(s) of current Worksheet. 7. Selecione OK.
Resultados Obtidos:
Podemos verificar que a primeira e terceira coluna esto ordenadas e as outras colunas acompanharam a ordenao realizada. OBS: Feche o projeto aps a anlise dos resultados. 3.9 Rank Este comando cria em uma coluna um ndice para mostrar qual a ordenao dos dados. Esta ordenao respeita a ordem do menor para o maior valor criando assim um Ranking. Exemplo 3.9 O engenheiro metalrgico de uma empresa desejava criar um Ranking do percentual de carbono medidos em vrias barras de ao produzidas por diferentes fornos. Os dados foram digitados na Worksheet Barras de Ao.MTW. Para executar este comando acompanhe os seguintes passos: 1. Abra a Worksheet Barras de Ao.MTW;
77 Curso de Minitab
Na coluna Forno temos os fornos em que foram produzidas as barras e na coluna Percentual de Carbono a medio realizada. 2. Escolha a opo Data > Rank...;
Figura 3.8: O comando Rank
3. Em Rank data in selecione a varivel Percentual de Carbono; 4. Em Store ranks in digite Ranking;
79 Curso de Minitab
5. Selecione OK. Resultados Obtidos:
O MINITAB criou uma coluna com nmeros de 1 a 10 indicando que o menor valor 2,02 (equivalente ao valor 1 na coluna Ranking) e que o maior valor 2,31 (equivalente ao valor 10 na coluna Ranking). OBS: Feche o projeto aps a anlise dos resultados. 3.10 Delete Rows Este comando utilizado para apagar vrias linhas da Worksheet ao mesmo tempo. Exemplo 3.10 O comprimento e dimetro de vrias peas provenientes da laminao vinham sendo medidos, porm alguns deles foram medidos de forma errnea e deveriam ser apagados da planilha de dados. O dados foram digitados na Worksheet Comprimento e Dimetro.MTW. Para executar este comando necessrio acompanhar os seguintes passos:
1. Abra a Worksheet Comprimento e Dimetro.MTW;
As colunas Comprimento contm as medidas do comprimento (em metros) e as colunas Dimetro contm as medidas do dimetro (em centmetros). 2. Escolha a opo Data > Delete Rows...;
81 Curso de Minitab
Figura 3.9: O comando Delete Rows
3. Em Delete rows (eg. 1:4 12) digite 5:8 (escrevendo desta forma o MINITAB entende que deve apagar os itens das linhas 5, 6, 7 e 8); 4. Em From columns selecione as variveis Comprimento_3, Dimetro_3, Comprimento_4 e Dimetro_4;
5. Selecione OK.
Resultados Obtidos:
O MINITAB eliminou as linhas 5, 6,7 e 8 das variveis selecionadas. OBS.: Feche o projeto aps a anlise dos resultados. 3.11 Code Este comando codifica para determinado grupo de variveis. Estes cdigos podem ser digitados em uma coluna ou criados a partir de uma tabela de converso. Podemos converter dados de todos os tipos: numrico, texto ou data/hora. Exemplo 3.11 Um operador coletou alguns dados que eram referentes ao % de cromo em barras de ao. Logo depois da coleta o operador digitou os dados na Worksheet Barras de Ao - Cr.MTW. Depois de ter digitado os dados na Worksheet ele observou que, por desateno, em todas as vezes que o valor 2,05 ocorria, ele digitava o valor 2,50 o que levaria a concluses erradas na anlise dos dados.
83 Curso de Minitab
Para evitar o trabalho desnecessrio de procurar os dados errados e redigitar estes dados na Worksheet ele resolveu substituir todos os valores 2,50 pelos valores 2,05. Para efetuar a troca dos valores, acompanhe os seguintes passos: 01. Abra e maximize a Worksheet Barras de Ao - Cr.MTW;
A coluna ID indica a indicao da barra de ferro que foi coletada e a coluna Percentual de Cromo indica a medio do percentual de cromo para cada barra de ao. 02. Escolha a opo Data > Code > Numeric to Numeric...;
Figura 3.14: O comando Code > Numeric to Numeric
03. Em Code data from columns selecione a varivel Percentual de Cromo; 04. Em Into columns selecione a varivel Percentual de Cromo; 05. Na primeira linha do campo Original values (eg, 1:4 12) digite o valor 2,50 (que o valor que desejamos substituir); 06. Na primeira linha do campo New digite o valor 2,05 (que o valor real que deveria ser digitado);
85 Curso de Minitab
07. Selecione OK; 08. Maximize a Worksheet. Resultados Obtidos:
Podemos observar que na coluna Percentual de Cromo todos os valores iguais 2,50 foram trocados pelo valor 2,05. Feche o projeto aps a anlise dos resultados.
Exemplo 3.12 Uma empresa de entregas de correspondncia vinha enfrentando alguns problemas no seu processo de entrega o que estava gerando grande insatisfao por partes dos clientes; O responsvel pelo projeto de melhoria do processo de entrega havia coletado, atravs de uma folha de verificao, 3000 problemas ocorridos no ltimo dia, em alguns estados do Brasil; Porm por um descuido, ao montar a sua base de dados ele classificou cada estado de forma numrica (1, 2, 3, ... etc) e isto dificultaria a anlise dos dados;
87 Curso de Minitab
Dessa forma, utilizando uma tabela de converso ele ir transformar as informaes numricas em siglas, representando cada estado. Ele utilizar para esta tarefa uma tabela de converso. Para transformar os dados acompanhe os seguintes passos: 1. Abra a worksheet Problemas nas entregas.MTW;
A coluna Tipo de problema contm os problemas observados. A coluna Cdigo do estado contm o cdigo numrico de cada estado. A coluna Estado contm a sigla de cada estado e a coluna Cdigo Padro o cdigo correspondente a sigla de cada estado. 2. Escolha a opo Data > Code > Use Conversion Table...;
3. Em Input column selecione a coluna Cdigo do estado; 4. Em Output columns selecione a coluna Cdigo do estado; 5. Em Column of Original Values selecione a coluna Cdigo Padro; 6. Em Column of New Values selecione a coluna Estado;
89 Curso de Minitab
7. Selecione OK; 8. Maxime a Worksheet;

Resultados Obtidos:
O MINITAB trocou os valores que estavam anteriormente na coluna Cdigo do estado pelas siglas de cada estado. OBS.: Feche o projeto aps a anlise dos resultados.
3.12 Change Data Type Este comando efetua a transformao de dados numricos, de texto e data/hora. Exemplo 3.13 Um operador estava medindo a tenso eltrica de um escritrio e ao digitar os dados no MINITAB no percebeu que os mesmos foram reconhecidos com texto, necessitando assim de uma codificao dos dados para numricos. Os dados coletados foram digitados na Worksheet Medidas de Tenso.MTW. Para efetuar a transformao acompanhe os seguintes passos: 1. Abra a Worksheet Medidas de Tenso.MTW; 2. Escolha a opo Data > Change Data Type > Text to Numeric...;
Figura 3.11: O comando Change Data Times > Text to numeric
91 Curso de Minitab
3. Em Change text columns selecione a varivel Tenso; 4. Em Store numeric columns selecione novamente a varivel Tenso;
5. Selecione OK; 6. Maximize a Worksheet. Resultados Obtidos:
O MINITAB transformou os dados de texto da coluna Tenso, em dados numricos e que foram alocandos na mesma coluna de referncia. OBS: Feche o projeto aps a anlise dos resultados. 3.13 Extract from Data/Time Este comando extrai de dados em formato de data/hora valores numricos e de texto. Exemplo 3.14 O gerente de uma fbrica vinha acompanhando a produo diria de uma das linhas de produo de placas eletrnicas e desejava extrair dos dados digitados apenas o ms referente a produo. Os dados coletados foram digitados na Worksheet Produo Diria.MTW. Para efetuar este trabalho acompanhe os seguintes passos: 1. Abra a Worksheet Produo Diria.MTW;
Na coluna Produo temos os volumes produzidos e na coluna Dia o dia em que foi medido o volume produzido.
93 Curso de Minitab
2. Escolha a opo Data > Extract from Data/Time > To Numeric...;
Figura 3.12: O comando Extract Date/Time > To Numeric
3. Em Extract from date/time column selecione a varivel Dia; 4. Em Store numeric column in digite Ms; 5. Ative a opo Month;
Se fosse de nosso interesse poderamos extrair o ano (Year), o trimestre (Quarter), a semana (Week), o dia do ms (Day of month) e dia da semana (Day of week). Se possussemos horrios em nossa Worksheet poderamos extrair valores como hora (Hour), minutos (Minutes), segundos (Second) e milsimos de segundo (Hundredth).
6. Selecione OK; 7. Maximize a Worksheet.
95 Curso de Minitab
Resultados Obtidos:
O MINITAB criou a coluna Ms e nela alocou uma lista com os meses a que cada produo se refere. O MINITAB tambm pode extrair estes meses na formatao de texto atravs do comando Data > Extract from Date/Time > To Text... (Jan, Fev, etc...). OBS.: Feche o projeto aps a anlise dos resultados.
3.14 Calculator A calculadora do MINITAB utilizada para efetuarmos operaes matemticas bsicas, comparaes lgicas, calcular funes (mdias, desvio-padro, entre outras). Trabalharemos alguns exemplos para demonstrar como o MINITAB reconhece e executa estas operaes. Antes de iniciarmos a execuo de exemplos, importante destacar algumas regras bsicas para utilizar a calculadora: O MINITAB reconhece o hfen como smbolo de subtrao; A potenciao feita pelo smbolo **; Devemos colocar valores de texto entre aspas duplas. Exemplo: Azul. Valores vazios devem ser indicados entre aspas simples, ex. *; As operaes so realizadas ao longo das linhas. Quando o MINITAB detecta um valor vazio ou no consegue efetuar uma operao ele indica este valor com o smbolo de vazio * (para colunas numricas) e valor em branco (para colunas de texto); As operaes so calculadas na seguinte ordem: funes matemticas, operaes de coluna, exponenciao, not, multiplicao e diviso, adio e subtrao, operaes de comparao, e e ou; - Operaes de igualdade so executadas da esquerda para a direita; - Para mudar a ordem de execuo das operaes devemos fazer uso de parnteses ( ); Se a ltima operao avaliada uma expresso numrica o MINITAB armazena um resultado numrico, se for uma funo com data/tempo, o armazenamento feito como data/tempo; 3.14.1 - As Funes da Calculadora Vamos listar algumas das funes disponveis no MINITAB , porm, a forma de execuo para todas as funes no sero apresentadas visto que os comandos so similares aos exemplos que iremos executar: Absolute Value Calcula o modulo de um nmero ou vrios nmeros. Ceiling Efetua o arredondamento dos dados, ex. ceiling (5.367, 0) gera o nmero igual a 6. O arredondamento deste comando efetuado a maior.
97 Curso de Minitab
Floor Similar ao comando anterior, porm o arredondamento realizado a menor. Round Efetua o arredondamento da forma mais conhecida, fazendo a aproximao do inteiro mais prximo obedecendo o nmero de casas decimais de interesse do usurio. Signs Converte nmeros positivos em +1, nmeros negativos em -1 e valores iguais a 0 (zero) em 0 (zero). Square Root Calcula a raiz quadrada. Sum of squares, uncorrected Calcula a soma dos quadrados excluindo os valores * da base de clculo. Range Calcula a diferena entre o maior valor e o menor valor. Rank Calcula e armazena o Ranking de uma coluna de dados. Comandos que apresentam escrito o item Row calculam funes ao longo das linhas e no das colunas. Exemplo: O comando Means(rows) calcula a mdia das linhas. Exemplo 3.14 O supervisor de uma fbrica de tanques de armazenamento de gua precisava calcular o volume dos tanques cilndricos produzidos nos ltimos turnos de trabalho, pois havia uma desconfiana de que os turnos produziam tanques com volumes diferentes. Para efetuar este trabalho o supervisor mediu o raio e a altura destes tanques, para os trs turnos de trabalho, conforme figura abaixo:
Raio
Altura
O volume de um cilindro dado pela frmula:

Volume = (Raio 2 * ) * Altura
Os dados foram armazenados na Worksheet Produo Tanques.MTW. Para aprendermos a utilizar a calculadora do MINITAB necessrio acompanhar os seguintes passos: 1. Abra a Worksheet Produo Tanques.MTW;
As colunas com o smbolo R referem-se s medies dos Raios e as colunas com a palavra Alt. Representam a Altura medida (os dados foram coletados em dm).
99 Curso de Minitab
2. Escolha a opo Calc > Calculator...;
Figura 3.13: O comando Calculator
3. Em Store result in variable digite Volume (manh); 4. Em Expression selecione a coluna Manh R e ento selecione ** seguido do nmero 2;
5. Selecione * e em seguida escolha a constante Pi presente na opo Functions;
101 Curso de Minitab
6. Selecione * e em seguida selecione a coluna Manh Alt.;
7. Selecione OK; 8. Selecione na barra de ferramentas o cone Edit Last Dialog; 9. Em Store result in variable modifique (manh) por (tarde); 10. Em Expression troque as palavras Manh por Tarde;
11. Selecione OK; 12. Repita os passos 9, 10 e 11 para o turno da noite; Resultados Obtidos:
O supervisor possui agora trs colunas com os valores de volume para cada uma das amostras nos trs turnos. Entretanto isso no mostra muito claramente se h ou no grandes diferenas entre os turnos, mas o supervisor acredita que o turno da noite esta produzindo tanques com volumes maiores que os dos outros. Com o objetivo de obter uma quantificao da diferena entre os volumes o supervisor calculou a mdia dos volumes de cada turno, utilizando os seguintes comandos: 13. Selecione o cone Edit Last Dialog; 14. Em Store result in variable digite Mdia (manha); 15. Em Expression localize a funo Mean dentro das demais funes.
16. Selecione a varivel Volume (manh). Esta varivel ser alocada entre os parntesis do comando Mean;
17. Selecione OK; 18. Repita a operao acima para os outros turnos; Resultados Obtidos:
Atravs dos resultados podemos perceber que o turno da noite apresenta um volume mdio prximo a 11.000 litros. Concluso O supervisor deve avaliar o processo produtivo do turno da noite para entender o que pode estar acontecendo. interessante frisar que para afirmarmos que a diferena estatisticamente significativa seria necessrio efetuar um teste de hipteses. OBS.: Feche o projeto aps as anlises dos resultados. 3.15 - Make Patterned Data A gerao de dados padronizados no MINITAB funciona como o processo de autopreenchimento, muito usado no Excel. O MINITAB oferece uma srie de alternativas, Simple Set of Numbers, Arbitrary Set of Numbers, Text Values, Simple Set of Date/Time Values e Arbitrary Set of Date/Time Values. Para entender o funcionamento destes comandos observe o exemplo a seguir: Exemplo 3.15 O Dono de uma padaria estava preocupado com produo diria de pes, pois dos trs fornos da empresa um vinha apresentando um desempenho abaixo do esperado (baixa produtividade / hora). Com o objetivo de iniciar uma anlise mais minuciosa das causas, ele coletou a temperatura dos fornos durante os 10 primeiros dias do ms de janeiro de 2004, porm, esqueceu de separar os fornos anotando tudo na seguinte seqncia: Temperatura do forno 1 Temperatura do forno 2 Temperatura do forno 3 Para criar uma referncia numrica no MINITAB, de forma a facilitar a identificao de cada um dos fornos, necessrio acompanhar os seguintes passos: 1. Abra a Worksheet Temperatura Padaria.MTW;
A coluna Temperatura contm os dados de temperatura coletados pelo Dono da padaria nos ltimos 10 dias para os trs fornos. Primeira Alternativa Simple Set of Numbers 2. Escolha a opo Calc > Make Partterned Data > Simple Set of Numbers...;
Figura 3.14: O comando Make Partterned Data >Simple Set of Numbers
3. Em Store patterned data in digite Fornos; 4. Em From first value digite 1; 5. Em To last value digite 3; 6. Em In steps of digite 1; 7. Em List each value digite 1; 8. Em List the whole sequence digite 10;
9. Selecione OK; Segunda Alternativa Text Values: 10. Escolha a opo Calc > Make Partterned Data > Text Values...;
Figura 3.15: O comando Make Partterned Data > Text Values
11. Em Store patterned data in digite Fornos2; 12. Em Text values (eg, red light blue) digite Forno 1 Forno 2 Forno 3 deixando um espao entre os textos; 13. Em List each value digite 1; 14. Em List the whole sequence digite 10;
15. Selecione OK; 16. Maximize a Worksheet;
Resultados Obtidos:
O Dono da padaria agora possui um ndice numrico na coluna Fornos e um ndice de texto na coluna Fornos2 indicando em que forno foram medidas as temperaturas. Exemplo 3.15 (continuao) Para no perder a referencia da data em que foram medidas as temperaturas ele resolveu incluir uma outra coluna. Para efetuar este trabalho necessrio acompanhar os seguintes passos: 17. Escolha a opo Calc > Make Partterned Data > Simple Set of Date/Time Values...;
Figura 3.16: O comando Make Partterned Data > Simple Set of Date/Time Values
18. Em Store patterned data in digite Data; 19. No campo Patterned Sequence, digite em From first date/time a data 01/01/2004. 20. Em To last date/time digite a data 10/01/2004; 21. Em In steps of digite 1; em Step unit selecione Day 22. Em Number of times to list each value digite 3; 23. Em Number of times to list the sequence digite 1;
24. Selecione OK; Resultados Obtidos
O Dono da padaria possui agora as referncias dos fornos e das datas de coletas das temperaturas medidas por ele. OBS: Feche o projeto aps a anlise dos resultados. 3.16 - Set Base / Randon Data O comando Set Base determina uma semente para a seleo/gerao de amostras no MINITAB. O comando Randon Data seleciona amostras aleatrias (com e sem reposio) partir de um conjunto de dados existentes ou ainda gera amostras partir de distribuies de freqncia. Trabalharemos aqui com a distribuio Normal, que a distribuio de freqncia mais utilizada na estatstica. O MINITAB oferece ainda, uma srie abrangente de distribuies que no sero trabalhadas neste texto. O tpico est dividido em duas partes, na primeira trabalharemos a amostragem aleatria e na segunda parte trabalharemos a gerao de dados. Exemplo 3.16 O fabricante de eixos para motores eltricos desejava realizar uma amostragem para verificar se os eixos produzidos se encontram dentro das especificaes (13 a 16 cm). O volume de produo diria era de 300 eixos e o fabricante desejava verificar apenas 10% desse volume. Os dados foram armazenados na Worksheet Amostragem Eixo.MTW. Para compreender melhor o exemplo acompanhe os seguintes passos: 1. Abra a Worksheet Amostragem Eixo.MTW;
3.16.1 - Set Base O comando Set Base armazena um nmero que servir como base (ou semente) para gerao de amostras ou distribuies de base idntica. atravs deste comando que podemos efetuar amostragens iguais (padronizadas). 2. Escolha a opo Calc > Set Base...;
Figura 3.17: O comando Set Base
3. Em Set base of random data generator to digite 1;
4. Selecione OK; 3.16.2 Randon Data 3.16.2.1 - Sample from Columns O comando Sample from Columns nos permite efetuar amostragens aleatrias, com ou sem reposio, de determinadas colunas da Worksheet. 5. Escolha a opo Calc > Randon Data > Sample from Columns...;
Figura 3.18: o comando Randon Data > Sample from Columns
6. Em Sample digite 30; 7. Selecione A varivel Dimetro Eixo; 8. Em Store samples in digite Amostra;
Poderamos tambm efetuar uma amostragem aleatria com reposio, bastando ativar a opo Sample with replacement. 9. Selecione OK; 10. Maximize a Worksheet; O fabricante de eixos pode gerar uma amostragem idntica a primeira, bastando repetir os passos 2 a 8. Veja os resultados caso se decida por realizar outra amostragem idntica:
Para gerar uma nova amostra, diferente das outras duas j geradas Execute novamente os passos 5, 6, 7 e 8;
Resultados Obtidos:
O fabricante de eixos possui agora trs colunas de amostras, sendo que as duas primeiras foram executadas de acordo com a base estabelecida atravs do comando Set Base e a terceira coluna foi criada segundo uma base prpria do MINITAB. OBS.: Feche o projeto aps a anlise dos resultados. 3.16.2.2 - Normal Este comando utilizado para gerarmos amostras provenientes de distribuies normais. Exemplo 3.17 O engenheiro de uma fbrica de impressoras pediu ao gerente de produo informaes sobre o ltimo teste realizado nas impressoras produzidas pela fbrica. Este teste media a quantidade de pginas que a impressora era capaz de imprimir at a troca do toner. Por telefone o gerente disse ao engenheiro que os testes nas ltimas 100 impressoras mostraram que ela estava imprimindo em mdia 5880 pginas com desvio padro de 130 pginas e alm disso, a quantidade de pginas impressas tinha uma distribuio normal.
Para ter uma idia de como era o desempenho das impressoras o engenheiro decidiu gerar um conjunto de dados fictcio no MINITAB. Para entender melhor o comando utilizado pelo engenheiro, acompanhe os seguintes passos: 1. Escolha a opo Calc > Random Data > Normal...;
Figura 3.19: O comando Random Data > Normal
2. Em Generate digite 100; 3. Em Store in Column(s) digite Impressoras; 4. Em Mean digite 5880; 5. Em Standard Deviation digite 130;
Este comando permitir que sejam gerados 100 valores numricos distintos de uma distribuio mdia e desvio-padro iguais a 5880 e 130 respectivamente. 6. Selecione OK; 7. Maximize a Worksheet. Resultados Obtidos
O MINITAB criou um conjunto de 100 nmeros com mdia igual 5880 e desvio de 130. Com estes dados o engenheiro pode ter uma idia de como est o desempenho das impressoras. OBS 1: Feche o projeto aps a anlise dos resultados. OBS 2.: Os dados gerados no exemplo acima podem estar diferentes dos dados gerados pelo leitor, porm a lgica de execuo a mesma.
Captulo 4
Estatsticas Bsicas
Consultores
WERKEMA
Ao final deste captulo voc ser capaz de: extrair as estatsticas bsicas de um conjunto de dados, gerar grficos (grfico de disperso, grfico de barras, setores, pareto, histograma, boxplot, seqencial), configurar os grficos gerados e elaborar relatrios analticos dentro do MINITAB.
Este captulo tem o objetivo de iniciar o uso do MINITAB na anlise de dados provenientes de processos onde exista variabilidade. Os dados so medidas que descrevem algum fenmeno de interesse e podem ser classificados na seguinte estrutura:
Dados
Discretos
Contnuos
Qualitativos
Quantitativos
Nominais
Ordinais
Quantitativos
Figura 4.1: Resumo da classificao dos dados
Exemplo - Perfil dos Estudantes Uma Universidade de Belo Horizonte est interessada em conhecer o perfil dos estudantes aprovados no vestibular para o 1 semestre de 2004. No processo seletivo, a nota mxima que pode ser obtida 210 pontos. Utilizando o banco de dados com as informaes destes estudantes iremos construir diversos grficos e anlises. Para visualizar o banco de dados montado pela Universiade abra a Worksheet Vestibular1.MTW.
Estas colunas possuem as seguintes descries: Aluno: refere-se identificao dos alunos que passaram no vestibular; Nota_vestibular: refere-se s notas obtidas por esses alunos no vestibular; Mdia_3 ano: refere-se mdia das notas de todas as matrias cursadas no 3 ano; Horas_estudo/dia: refere-se ao nmero de horas estudadas por dia; Escola: diz se o aluno fez o 3 ano em escola pblica ou particular; Cidade: diz se o aluno de Belo Horizonte, se ele veio do interior ou de outro estado; rea: refere-se rea de conhecimento para a qual o aluno prestou vestibular: biolgicas, humanas ou exatas; Sexo: refere-se ao sexo dos alunos; Idade: refere-se idade dos alunos.
4.1 - Scatterplot O comando Scatterplot utilizado para mostrar o relacionamento entre duas variveis ou para mostrar o comportamento de uma varivel ao longo do tempo(podendo neste caso ser chamado de grfico seqencial). Popularmente este grfico conhecido como grfico de disperso. Exemplo 4.1 Para entender melhor a construo do grfico de disperso verificaremos se existe relao entre a mdia das notas do 3 ano vs. a nota do vestibular e o nmero de horas de estudo por dia vs. nota do vestibular. Para analis-los necessrio acompanhar os seguintes passos: 1. Escolha a opo Graph > Scatterplot...;
Figura 4.2: O comando Scatterplot
2. Ative a opo Simple;
A opo With Groups utilizada quando queremos diferenciar por meio de smbolos dados provenientes de diversos grupos. A opo With Regression constri um grfico de disperso com uma reta de regresso. A opo With Regression and Groups constri um grfico de regresso com uma linha de regresso, diferenciando os dados provenientes de diversos grupos. A opo With Connect Line constri um grfico de disperso com pontos conectados por linhas. A opo With Connect and Groups constri um grfico de disperso com pontos de diversos grupos conectados por linhas.
3. Selecione OK; 4. Na primeira linha, em Y variables selecione a varivel Nota_vestibular e em X variables selecione a varivel Mdia_3 ano. 5. Na segunda linha, em Y variables selecione a varivel Nota_vestibular e em X variables selecione a varivel Horas_estudo/dia;
6. Selecione a opo Scale... > Reference Lines; 7. Em Show reference lines for Y positions digite 105 Este comando insere uma linha de referncia no eixo Y no valor referente nota 105 que representa 50% do total da prova do vestibular
O comando Show reference lines for X positions insere uma linha de referncia nas posies do eixo X. 8. Selecione OK; 9. Selecione a opo Labels... > Title/Footnote 10. Em Title digite o ttulo do grfico (Ex: Relao das notas do vestibular com as notas do 3 ano e as horas de estudo);
Subtitle 1: utilizado para dar um subttulo ao grfico. O subttulo aparecer abaixo do ttulo. Subtitle 2: utilizado para dar um segundo subttulo ao grfico. O segundo subttulo aparecer abaixo do primeiro subttulo. Footnote 1: utilizado para escrever uma nota de rodap na parte inferior esquerda do grfico. Footnote 2: utilizado para escrever uma segunda nota de rodap que aparecer abaixo da primeira nota de rodap.
11. Selecione OK; 12. Selecione a opo Multiple Graphs...; 13. Ative a opo In separate panels of the same graph;
Overlaid on the same graph: Mostra os grficos na mesma janela grfica. In separate panels on the same graph: Mostra os grficos lado a lado na mesma janela grfica. On separate graphs: Mostra os grficos em janelas separadas.
14. Selecione OK; 15. Selecione OK na caixa de dilogo principal.
Resultados obtidos:
Figura 4.3: Grfico de disperso das notas do vestibular vs. notas do 3 ano e horas de estudo por dia
Vamos fazer uma pequena alterao no ttulo do eixo Y (Nota_vestibular), o novo ttulo para este eixo dever ser Nota obtida no vestibular. Para executar esta alterao siga os seguintes passos: 16. Escolha a opo Editor > Select Item > Y Axis Label.
Figura 4.4: O comando Select Item > Y Axis Label
Observe que o ttulo do eixo Y foi selecionado aps a execuo desse comando:
17. Escolha a opo Editor > Edit Y Axis Label...;
Figura 4.5: O comando Edit Y Axis Label
18. Em Text delete Nota_vestibular e digite Nota obtida no vestibular;
19. Selecione OK.
Figura 4.6: Grfico de disperso das notas do vestibular vs. notas do 3 ano e horas de estudo por dia
Os grficos mostram a relao das notas do vestibular com a mdia das notas do 3 ano e a relao das notas do vestibular com o nmero de horas de estudo por dia. Atravs da linha de referncia, percebemos que apenas um aluno obteve menos de 50% do valor total da prova. Concluso Os resultados evidenciam o forte relacionamento positivo entre a nota do vestibular e a mdia das notas do 3 ano, ou seja, espera-se que quanto maior for a nota obtida no 3 ano, maior ser a nota obtida no vestibular. O nmero de horas de estudo por dia e a nota no vestibular tambm apresentaram um relacionamento positivo, porm, um pouco menos acentuado. Suponha que o responsvel pela construo do grfico resolveu escrever essas concluses no Report Pad, dessa forma, vamos enviar o grfico para l. Para executar esta tarefa, siga os seguintes passos: 20. Clique com o boto direito do mouse sobre o grfico e selecione a opo Append Graph to Report. Observe que os comandos disponveis nesta opo so os mesmo exibidos no comando Editor.
21. Selecione agora a opo Report Pad na barra do Project Manager. A seguinte tela aparecer:
22. Nesta janela poderemos escrever as concluses tambm no Report Pad, por exemplo:
23. Selecione a opo File > Save Report As....
24. Em nome do arquivo digite um nome para o arquivo, por exemplo: Exemplo 4_1. Com este comando ser possvel salvar o relatrio do Report Pad com o formato *.RTF (Rich Text Format), e depois abri-lo no Word.
25. Selecione a opo Salvar. OBS.: Feche o projeto aps a anlise dos resultados.
4.2 Histogram O comando Histogram traa um histograma para os dados. Este grfico muito til para estudar a simetria e a variabilidade dos dados quantitativos. Os dados so divididos em intervalos denominados classes. As barras do histograma representam o nmero de observaes que se localizam dentro de cada classe. Para entender melhor o histograma, verificaremos como as notas do vestibular esto distribudas por rea do conhecimento: humanas, biolgicas e exatas. Para analis-las necessrio acompanhar os seguintes passos: Exemplo 4.2 1. Abra a Worksheet Vestibular1.MTW;
2. Escolha a opo Graph > Histogram;
Figura 4.7: O comando Histogram
3. Ative a opo With Fit;
A opo Simple constri um histograma simples. A opo With Outline and Groups constri vrios histogramas de acorodo com o agrupamento dos dados no mesmo grfico. A opo With Fit and Groups constri vrias curvas de probabilidade no mesmo grfico comparando diferentes grupos.
4. Selecione OK; 5. Em Graph variables selecione a varivel Nota_vestibular;
6. Selecione a opo Labels> Title/Footnotes 7. Em Title digite Histogramas das notas do vestibular por rea do conhecimento;
8. Selecione a aba Data Labels; 9. Ative a opo Use y-value labels;
None: No ser aplicado nenhum rtulo aos dados. Use y-value labels: Cada ponto ter um rtulo que corresponder com o seu valor do eixo Y. Use labels from column: Cada ponto ser rotulado de acordo com os valores armazenados em uma coluna de dados. necessrio selecionar uma coluna do tipo texto, numrica ou data/hora que contenha estes rtulos.
10. Selecione OK; 11. Selecione a opo Data View...; 12. Em Data Display ative as opes Bar e Symbols;
Symbols: Permite que cada ponto seja representado por um smbolo. Project lines: Projeta uma linha conectando cada ponto sua coordenada no eixo X. Area: Mostra uma rea que representa o comportamento dos dados.
13. Selecione OK; 14. Selecione a opo Multiple Graphs...; 15. Selecione a aba By Variables; 16. Em By variables with groups in separate panels selecione a varivel rea;
By variables with groups in separate panels: Mostra um painel grfico para cada combinao distinta dos nveis das variveis, todos na mesma janela grfica. By variables with groups on separate graphs: Mostra um painel grfico para cada combinao distinta dos nveis das variveis, cada painel em uma janela grfica diferente. Resultados obtidos: 17. Selecione OK; 18. Selecione OK na caixa de dilogo principal.
Figura 4.8: Histograma das notas do vestibular
Concluses Atravs dos grficos, parece que a distribuio das notas da rea de biolgicas foi a que mais aproximouse da distribuio Normal e a que apresentou maior simetria. A distribuio das notas da rea de exatas foi a que obteve menor variabilidade (desvio padro = 17,45). OBS: Minimize a janela grfica aps analisar os resultados. 4.3 Boxplot O comando Boxplot utilizado para traar o grfico Boxplot. Este grfico utilizado para estudar vrias caractersticas de um conjunto de dados: locao, disperso, forma e presena de observaes discrepantes (outlier), sendo tambm muito til para comparar dois ou mais conjuntos de dados. Para facilitar o entendimento dessa ferramenta, vamos construir um Boxplot das notas do vestibular estratificado por cidade. Acompanhe os seguintes passos: Exemplo 4.3 1. Escolha a opo Graph > Boxplot...;
Figura 4.9: O comando Boxplot
2. Ative a opo With Groups;
Em One Y: - A opo Simple constri um Boxtplot para cada uma varivel. Em Multiple Ys: A opo Simple constri Boxplots simples para duas ou mais variveis no mesmo grfico. A opo With Groups constri Boxplots para diferentes grupos, de duas ou mais variveis, no mesmo grfico. 3. Selecione OK; 4. Em Graph variables selecione a varivel Nota_vestibular; 5. Em Categorical variables for grouping (1-4, outermost first) selecione a varivel Cidade;
6. Selecione a opo Labels ...> Title/Footnotes; 7. Em Title digite Boxplot das notas do vestibular por cidade;
8. Selecione OK; 9. Selecione a opo Data View...; 10. Ative as opes Interquatile range box, Outlier symbols e Mean symbol;
11. Selecione OK; 12. Selecione OK na caixa de dilogo principal. Resultados obtidos:
Mdia
Figura 4.10: Boxplot das notas do vestibular estratificado por cidade
Observando as Boxplots verificamos que parece no haver diferena entre as notas do vestibular dos alunos de Belo Horizonte, do interior e de outros estados. As notas dos alunos que vieram de outros estados foram as que obtiveram maior variabilidade. As notas dos alunos de Belo Horizonte foram as que apresentaram a distribuio mais simtrica ~ (mdia = mediana). possvel perceber a presena de outliers nas notas dos alunos de Belo Horizonte e nas notas dos alunos que vieram do interior. Para detectar a linha correspondente ao outlier, o MINITAB oferece a opo Brush. Com ela vamos identificar o outlier obtido nas notas do alunos de Belo Horizonte. Acompanhe os passos a seguir: 13. Clique com o boto direito do mouse sobre o grfico Boxplot:
14. Selecione a opo Brush;
Figura 4.11: O comando Brush
15. Ao ativar este comando, selecione o outlier das notas dos alunos de Belo Horizonte;
A linha que corresponde ao outlier (linha 24) foi indicada na caixa Brushing e marcada na Worksheet com um ponto ( ). Desta forma, a nota 204,8 que est na linha 24 foi a maior nota obtida no vestibular, sendo considerada um outlier. OBS: Minimize o grfico aps a anlise dos resultados. 4.4 Bar Chart O comando Bar Chart constri um grfico de barras. Este grfico utilizado para comparar dados categricos. No grfico de barras a altura de cada barra proporcional freqncia da categoria correspondente, Os espaos entre as barras que representam as vrias categorias mostradas no grfico. Exemplo 4.4 Para entender melhor a forma de construo do grfico de barras, vamos verificar se na universidade entraram mais alunos de Belo Horizonte, do interior ou de outros estados e se eles estudaram em escola pblica ou particular. Acompanhe os passos a seguir: 1. Escolha a opo Graph > Bar Chart...;
Figura 4.12: O comando Bar Chart

2. Em Bars represent escolha a opo Counts of unique values; 3. Ative a opo Cluster;
A opo Simple constri um grfico de barras simples. A opo Stack constri um grfico de barras com categorias empilhadas. Em Bars represent, alm da opo Count of unique values existem as seguintes opes: A Funcion of a variable utilizada quando os dados so quantitativos e queremos construir um grfico de uma funo destes dados, como por exemplo, a mdia. Values from a table utilizada quando os dados esto sumarizados em uma tabela e queremos construir um grfico que tenha a freqncia em cada categoria. 4. Selecione OK; 5. Em Categorical variables (2-4, outermost first) selecione as variveis Cidade e Escola;
6. Selecione a opo Chart Options...; 7. Ative a opo Increasing Y; 8. Ative a opo Show Y Percent; 9. Em Take Percent and/or Accumulate selecione a opo Across all categories;
A opo Default ordena as barras de acordo com a ordem alfabtica. A opo Decreasing Y ordena as barras de forma decrescente. A opo Show Y as Percent usa a porcentagem na escala do eixo Y. A opo Accumulate Y across X usa a freqncia acumulada na escala do eixo Y. A opo Across all categories aplica a porcentagem ou a freqncia acumulada em todas as categorias. A opo Within categories at level 1 (outermost) aplica a porcentagem ou a freqncia acumulada nas categorias da primeira varivel selecionada.
10. Selecione OK; 11. Selecione a opo Labels> Title/Footnote; 12. Em Title digite Grfico de barras estratificado por cidade e escola;
13. Selecione OK; 14. Selecione a opo Data View... > Data Display 15. Ative a opo Bars; 16. Em Categorical variables for atribute assignment selecione a varivel Escola;
17. Selecione OK; 18. Selecione a opo Multiple Graphs...; 19. Em By variables with groups on separate graphs selecione a varivel Sexo;
20. Selecione OK; 21. Selecione OK na caixa de dilogo princiapal. Resultados obtidos:
Figura 4.13: Grfico de barras estratificado por cidade e escola referente aos alunos do sexo feminino
O grfico mostra que a maioria dos alunos do sexo feminino aprovada no vestibular de Belo Horizonte e veio de escola particular. Os alunos de outros estados so a minoria. Dentre os alunos que no so de Belo Horizonte, o nmero de alunos que veio de escola pblica e particular o mesmo.
Figura 4.14: Grfico de barras estratificado por cidade e escola referente aos alunos do sexo masculino
O grfico mostra que a maioria dos alunos do sexo masculino tambm de Belo Horizonte e veio de escola particular. A maior parte dos alunos que vieram do interior e de outro estado, estudou em escola pblica. Aps a criao dos grficos, se quisermos empilhar as categorias da varivel Escola no grfico referente aos alunos do sexo masculino, devemos proceder da seguinte maneira: 22. D um clique com o boto direito do grfico sobre o grfico de barras para alunos do sexo masculino e selecione a opo Graph Options;
23. Ative a opo Stack values of innermost categorical variable;
24. Selecione a opo OK. O MINITAB fornece o seguinte resultado:
Figura 4.15: Grfico de barras estratificado por cidade e escola referente aos alunos do sexo masculino (categorias empilhadas)
Podemos observar no grfico traado que cada categoria da varivel Cidade represenbtada por uma barra e estas, por sua vez, mostra a escola que cada aluno estudou. OBS: Minimize os grficos aps a anlise dos resultados.
4.5 Pie Chart O comando Pie Chart (ou popularmente conhecido grfico de pizza) utilizado para apresentar as freqncias relativas ou percentuais de dados qualitativos. O grfico de pizza dividido em setores que correspondem s freqncias relativas de cada categoria.
Exemplo 4.5 Para entender melhor o grfico de pizza, vamos apresentar o nmero de alunos aprovados em cada uma das reas do conhecimento (humanas, biolgicas e exatas) atravs dos seguintes passos: 1. Escolha a opo Graph > Pie Chart...;
Figura 4.16: O comando Pie Chart
2. Ative a opo Chart countof unique values data; 3. Em Categorical variables selecione a varivel rea;
A opo Chart values from a table deve ser ativada quando os dados esto tabelados. Uma coluna dever conter o nome das categorias e na outra as freqncias observadas.
4. Selecione a opo Labels...>Title/Footnotes; 5. Em Title digite Grfico de pizza estratificado por rea do conhecimento;
6. Selecione a aba Slice Labels; 7. Ative a opo Percent;
A opo Category name inclui o nome da categoria em cada setor. A opo Frequency inclui a freqncia da categoria em cada setor. A opo Draw a line from label to slice desenha uma linha do nome da categoria ao setor. 8. Selecione OK; 9. Selecione a opo Multiple Graphs...> By Variables; 10. Em By variables with groups on same page selecione a varivel Sexo;
11. Selecione OK; 12. Seleciona a opo Pie Chart Options...; 13. Em Start angle digite 45. Esta opo faz com que o grfico comece a ser traado partir do ngulo de 45.
A opo Increasing volume ordena os setores de forma crescente. A opo Decreasing volume ordena os setores de forma decrescente. A opo Combine slices of _____ percent or less into one group indica uma porcentagem mnima para agrupamento de setores pouco significativos. Esta categoria ser denominada Outros.
14. Selecione OK na caixa de dilogo principal. Resultados obtidos:
Figura 4.17: Grfico de pizza estratificado por rea do conhecimento
O grfico mostra que a maioria dos alunos do sexo feminino (43,1%) optaram pela rea de humanas, enquanto que a maioria dos alunos do sexo Masculino (41,8%) optaram pela rea de exatas. No sexo feminino a menor procura pela rea de exatas e no sexo masculino a menor procura pela rea biolgica. OBS: Feche o projeto aps a anlise dos resultados. 4.6 Times Series Plot O comando Times Series Plot utilizado quando queremos avaliar o comportamento dos dados ao longo do tempo. O MINITAB traa os dados na ordem em que eles esto na Worksheet em intervalos de tempo iguais. Popularmente, este grfico conhecido como grfico seqencial. Exemplo 4.6 A Universidade do exemplo geral, aps analisar o perfil dos alunos aprovados no vestibular do 1 semestre de 2004, decidiu avaliar o comportamento das notas mdias dos alunos aprovados desde o ano de sua fundao. O primeiro vestibular da Universidade foi realizado em julho de 1994, e a partir da vem ocorrendo em perodos semestrais. Desta forma, a equipe responsvel pela anlise dos dados obteve as mdias das notas dos alunos aprovados em cada semestre, para que elas pudessem ser avaliadas ao longo do tempo. Os dados foram armazenados na Worksheet Vestibular2.MTW. Para analis-los necessrio acompanhar os seguintes passos: 1. Abra a Worksheet Vestibular2.MTW;
A coluna Ms/Ano refere-se ao perodo em que ocorreu o vestibular. A coluna Notas refere-se mdia das notas dos alunos aprovados no vestibular naquele perodo. 2. Escolha a opo Graph > Times Series Plot...;
Figura 4.18: O comando Times Series Plort

3. Ative a opo Simple;
A opo With Groups constri grficos de sries temporais para diferentes grupos de uma determinada varivel. A opo Multiple constri grficos de sries temporais para duas ou mais variveis no mesmo grfico. A opo Multiple With Groups constri grficos de sries temporais para diferentes grupos de duas ou mais variveis no mesmo grfico. 4. Selecione OK; 5. Em Series selecione a varivel Notas;
6. Selecione a opo Time/Scale...; 7. Em Time Scale ative a opo Stamp; 8. Em Stamp columns (1-3, innermost first) selecione a varivel Ms/Ano;
A opo Index faz com que a escala do eixo X tenha nmeros inteiros como rtulo. A opo Calendar inclui uma escala de tempo no eixo-X (dia, ms, ano, etc) A opo Clock inclui uma escala de tempo no eixo-X (segundo, minuto, hora, etc...)
9. Selecione a opo Labels... > Title/Footnote; 10. Em Title digite Comportamento das notas dos alunos aprovados no vestibular; 11. Em Subtitle 1 digite Perodo: Jul/94 a Jan/04;
12. Selecione a aba Data Labels; 13. Ative a opo Use row numbers;
Figura 4.19: Grfico de sries temporais das mdias das notas dos alunos aprovados no vestibular
Observando o grfico verificamos que no perodo de julho/94 a julho/97 as mdias das notas dos alunos aprovados no vestibular apresentaram tendncia decrescente. A partir de janeiro/98 as notas comearam a aumentar, ocorrendo uma pequena queda em julho/00. A maior mdia das notas foi obtida em janeiro/04. OBS: Feche o projeto aps a anlise dos resultados. 4.7 Pareto Chart O comando Pareto Chart que utilizado para comparar uma distribuio de freqncias de dados qualitativos. Este grfico dispe a informao de forma a permitir a concentrao dos esforos para alcanar as melhorias em reas onde os maiores ganhos podem ser obtidos, ou seja, ele torna evidente e visual a priorizao de problemas e projetos.
Exemplo 4.7 Um gerente de produo recebeu de seus superiores uma meta que era a de diminuir, em 50% as perdas de matria prima da fbrica. Durante uma semana, com o objetivo de verificar quais eram as causas para a grande quantidade de perdas, ele coletou todas as perdas que foram observadas dentro da fbrica e para cada uma das perdas qual havia sido a fonte causadora. Os dados foram armazenados na Worksheet Materia Prima.MTW. Para analis-los necessrio acompanhar os seguintes passos: 1. Abra a Worksheet Materia Prima.MTW;
A coluna ID representa a identificao da pea e a coluna Perdas da Matria Prima descreve quais os motivos das perdas da matria prima. 2. Selecione a opo Stat > Quality Tools > Pareto Chart...;
Figura 4.20: O comando Pareto Chart
3. Ative a opo Chart defects data in e selecione a varivel Perdas da Matria Prima; 4. Em Combine defects after the first digite 95 (isto indica que, aps os primeiros 95% valores observados, os valores restantes sero combinados em uma nica barra do grfico);
5. Selecione a opo Options...; 6. Em X axis label digite Causas como ttulo para o eixo X do grfico; 7. Em Y axis label digite Freqncia como ttulo para o eixo Y do grfico; 8. Em Title digite Grfico de Pareto para Perdas na Produo;
A opo Do not chart cumulative percent deixa de mostrar a freqncia acumulada das variveis;
9. Selecione OK; 10. Selecione OK na caixa de dilogo principal. Resultados Obtidos:
Figura 4.21: Grfico de Pareto para Perdas na Produo
O grfico de Pareto mostra as causas da perda de matria prima na produo. Estas causas esto ordenadas de acordo com a classificao dos poucos vitais para os muito triviais. Observamos que, pela freqncia em que ocorrem, as causas so ordenadas em: Estoque, Fornecedor, Transporte, Linha de Produo, Clima e Outros (Outros representado pelos valores que no excedem 5% do tamanho da amostra estudada, neste caso, a nica causa de perda de matria prima que ocorre nesta classe Operador).
Concluso Podemos observar no Grfico de Pareto que, para atingir a meta delineada, o gerente de produo deve focar a ateno principalmente nos problemas ocorridos no Estoque e nos problemas que so provenientes do Fornecedor, pois juntos estes dois problemas somam aproximadamente 60% das perdas de matria prima. Se reduzirmos cada uma destes problemas uma ordem de 84% conseguiremos reduzir as perdas de matria prima em aproximadamente 50,4%, que o interesse do gerente de produo. OBS.: Feche o projeto aps a anlise dos resultados. Exemplo 4.8 Considere agora, que ao invs reduzir 50% das perdas de mtria prima o Gerente de Produo recebeu uma outra meta que era a de reduzir em 70% os custos associados s perdas de matria prima na linha de produo. Cada estgio em que a perda detectada possui um custo associado e este varia de acordo com o motivo da perda. Considerando os mesmos dados do exemplo anterior, o Gerente de Produo tabulou seus dados em uma tabela de freqncias e logo aps calculou quais foram os custos associados perda da matria prima. Observe a seguinte tabela:
Tabela 4.1: Custos associados perda da Matria prima (de acordo com a causa da perda)
Custo Unitrio (em R$) Custo Total 25 925 18 504 552 23 286 22 66 22 66 22
Freqncia Causa da Perda 37 Estoque Fornecedor 28 Transporte 24 Linha de Produo 13 Clima 3 Operador 3
Os dados deste exemplo foram armazenados na Worksheet Custos.MTW. Para analis-los necessrio acompanhar os seguintes passos: 1. Abra a Worksheet Custos.MTW;
A coluna Causa da Perda representa as causas das perdas da matria prima. A coluna Freqncia representa a freqncia com a qual ocorreram as perdas. A coluna Custo Unitrio (em R$) representa o custo associado perda da matria prima no estgio em que ela ocorreu e a coluna Custo Total representa o produto entre o nmero de defeitos em cada causa e o custo total de cada defeito. 2. Escolha a opo Stat > Quality Tools > Pareto Chart...;
3. Ative a opo Chart defects table. 4. Em Labels in selecione a varivel Causa da Perda. 5. Em Frequencies in selecione a varivel Custo total (pois nossa varivel de interesse agora so os custos); 6. Mantenha o valor de 95% em Combine defects after the first;
7. Selecione a opo Options...; 8. Em X axis label digite Causas como ttulo para o eixo X do grfico; 9. Em Y axis label digite Custos como ttulo para o eixo Y do grfico; 10. Desative as a opo Do not chart cumulative percent; 11. Em Title digite Grfico de Pareto para os custos referentes perda de matria prima;
Figura 4.22: Grfico de Pareto para os custos referentes perda de matria prima
Os custos esto ordenados de acordo com a classificao dos poucos vitais para os muito triviais. Observamos que, pela freqncia em que ocorrem, os custos so ordenadas em: Estoque, Transporte, Fornecedor, Linha de Produo, Clima e Outros (Outros representado pelos valores no excedem 5% do tamanho da amostra estudada, neste caso, o nico custo da perda de matria prima que ocorre nesta classe o custo relacionado ao Operador). Podemos observar que, em comparao com a figura 4.21, as classes Transporte e Fornecedor foram trocadas de posio. Isto acontece porque os custo associados perda de matria prima no Transporte maior que o custo relacionado perda da matria prima com problemas advindos do fornecedor. Concluso Podemos observar que, para atingir a meta delegada ao Gerente de produo (reduzir em 70% os custos), devemos focar a ateno nos problemas ocorridos no Estoque, Transporte e Fornecedor, pois juntos estes trs problemas somam aproximadamente 83% dos custos referentes s perdas de matria prima. Se reduzirmos cada uma destes problemas a uma ordem de 90%, 86% e 75% respectivamente, conseguiremos reduzir os custos relacionados s perdas de matria prima em exatamente 70%, que o interesse do gerente de produo. OBS.: Feche o projeto aps a anlise dos resultados. Exemplo 4.9 Duas Linhas de produo dentro da mesma fbrica eram responsveis por fazer a montagem de refrigeradores do mesmo modelo. Estas Linhas de produo funcionavam independentemente uma da outra, ou seja, no necessariamente um problema apresentado nos refrigeradores fabricados em uma das linhas seria encontrado na outra linha. Durante uma semana, amostras foram selecionadas das linhas de produo e os defeitos dos refrigeradores produzidos por cada linha foram anotados (Defeitos A, B, C, D e E). Suponha que as diretrizes da fbrica indicam que este ano dever ocorrer uma reduo de 30% os defeitos nos refrigeradores.
1. Abra a Worksheet Linhas de Produo.MTW;
A coluna ID representa a Identificao dos refrigeradores. A coluna Tipo de Defeito mostra os tipos de defeitos anotados para cada refrigerador e a coluna Linha de Produo representa a linha de produo na qual o refrigerador foi montado. 2. Escolha a opo Stat > Quality Tools > Pareto Chart...;
3. Ative a opo Chart defects data in e selecione a varivel Tipo de Defeitos; 4. Em BY variable in selecione a varivel Linha de Produo; 5. Ative a opo One group per graph, independent ordering of bars para que os grficos sejam feitos separadamente de, de acordo com a Linha de Produo e que as suas barras sejam escolhidas de forma independente; 6. Mantenha o valor de 95% em Combine defects after the first;
A opo Default (all on same graph, same ordering of bars) constri dois grficos de Pareto que so subdivididos de acordo com a coluna inserida em BY variables in. Estes grficos so apresentados conjuntamente. Suas barras seguem a mesma ordem. A opo One chart per graph, same ordering of bars constroi dois grficos de Pareto que so subdivididos de acordo com a coluna inserida em BY variables in. Os grficos so construdos em janelas separadas. Suas barras seguem a mesma ordem.
7. Selecione a opo Options...; 8. Em X axis label digite Causas como ttulo para o eixo X do grfico; 9. Em Y axis label digite Freqncia como ttulo para o eixo Y do grfico; 10. Desative a opo Do not chart cumulative percent; 11. Em Title digite Grfico de Pareto para tipos de defeito de acordo com a linha de produo;
Resultados Obtidos:
Grfico 4.23: Grficos de Pareto para tipos de defeito de para a acordo com a linha de produo
Observamos que para a Linha de Produo 1 os tipos dos defeitos seguem a ordem: Defeito B, Defeito C, Defeito E, Defeito A, e Outros, enquanto a Linha de Produo 2 os defeitos seguem a ordem: Defeito A, Defeito C, Defeito B, Defeito E, Defeito E. Concluses Conclumos que para alcanar a meta delineada, cada linha de produo deveria reduzir independentemente os seus defeitos poucos vitais. Uma das possveis opes para diminuir o nmero de defeitos seria: Linha de Produo 1: Diminuir os defeitos do tipo B em 50% e os defeitos do tipo C em 30%. Linha de Produo 2 temos: Diminuir os defeitos do tipo A em 45% e os defeitos do tipo C em 40%. Seguindo estas determinaes a empresa atingiria uma diminuio de 32,2% do nmero de defeitos superando as metas da empresa. OBS.: Feche o projeto aps a anlise dos resultados. 4.8 - Basics Statistics Como a prpria traduo diz, o comando Basics Statistics fornece estatsticas bsicas sobre os conjuntos de dados que estamos analisando. As informaes fornecidas por este comando tem grande valor na anlise inicial dos dados, pois atravs delas, temos uma idia de como se comporta o nosso processo.
4.8.1 - Display Descriptive Statistics O comando Display Descriptive Statistics mostra as estatsticas descritivas de um determinado conjunto de dados.
Exemplo 4.10 O Gerente de Qualidade de uma empresa que produz peas para motores est interessado em realizar algumas anlises iniciais sobre o dimetro das peas que so produzidas pela empresa (em mm). Como esta uma anlise inicial, o Gerente est interessado em obter as estimativas mais importantes para descrever o seu conjunto de dados. As medidas estatsticas mais relevantes para o estudo destas peas so: O dimetro mdio das peas; O menor dimetro observado; O maior dimetro observado; A variao do dimetro dessas peas (varincia e desvio-padro); O dimetro mediano das peas; O primeiro e o terceiro quartis destes dados. O valor alvo desejado para o dimetro das peas de 11,5 mm com uma faixa de tolerncia aceitvel de 0,5 mm. Dentro desta anlise inicial, o Gerente tambm tem o interesse em visualizar grficos que mostram a ele alguma possvel observao anormal no conjunto de dados. O gerente selecionou aleatoriamente 20 peas produzidas pela fbrica e salvou os dados na Worksheet Peas.MTW. Para analisa-los necessrio acompanhar os seguintes passos: 1. Abra o Worksheet Peas.MTW;
A coluna Dimetro (em mm) refere-se ao dimetro das peas em estudo. 2. Escolha a opo Stat > Basic Statistics > Display Descriptive Statistics...;
Figura 4.24: O comando Basics Descriptive Statistics
3. Em Variables selecione a varivel Dimetro;
4. Selecione a opo Statistics...; 5. Desative as opes SE of mean, N missing; 6. Ative a opo Variance;
Coefficient of variation: Calcula o coeficiente de variao (mostra o desvio padro como uma porcentagem da mdia). Interquartile range: Calcula a distncia entre o terceiro e o primeiro quartis. Trimmed mean: Calcula a mdia aparada dos dados (exclui 5% das menores observaes e 5% das maiores observaes e calcula a mdia do restante dos valores). Sum: Calcula o somatrio de todas as variveis. Range: Calcula a amplitude dos dados (o valor da maior observao subtrada da menor observao). N missing: Mostra a quantidade de valores ausentes presentes no banco de dados. Os dados ausentes (missings) so representados por um asteristo (*). N total: Mostra o tamanho total da amostra somando os dados presentes e os dados ausentes (missings). Cumulative N: Mostra o nmero cumulativo de entradas (valores numricos vlidos). Percent: Mostra a porcentagem de observaes de um determinado grupo dentro da amostra. Esta ferramenta usada com maior eficincia quando possumos amostras divididas por subgrupos. Cumulative percent: Mostra a porcentagem acumulada das observaes quando estas so divididas por subgrupos dentro das amostras. Esta ferramenta usada com maior eficincia quando possumos amostras divididas por subgrupos. Sum of squares: Eleva cada uma das observaes ao quadrado e depois realiza o somatrio destas quantidades. Skewness: Calcula uma constante para executar o teste de simetria dos dados. Quando esta constante igual a zero, os dados possuem distribuio simtrica. Quando esta constante negativa, os dados apresentam distribuio assimtrica esquerda e quando positiva, os dados apresentam distribuio assimtrica direita. Kurtosis: Mede o quo agudo o pico da distribuio (Curtose). Quando a Curtose igual (ou bastante prximo) zero, indica que o pico da distribuio parecido com o de uma distribuio normal. Quando a Curtose negativa, indica que o pico da distribuio mais suave que o de uma distribuio normal e quando a Curtose positiva, indica que o pico da distribuio mais afiado que o de uma distribuio normal. MSSD: Calcula a mdia dos quadrados das diferenas sucessivase divide o valor por 2.
7. Clique OK; 8. Selecione a opo Graphs...; 9. Ative as opes Histogram of data, Histogram of data, with normal curve, Individual vale plot, Boxplot of data;
10. Selecione OK; 11. Selecione Ok na caixa de dilogo principal. Resultados Obtidos:
Descriptive Statistics: Dimetro
Variable Dimetro N 20 Mean 11,493 StDev 1,741 Variance 3,030 Minimum 9,200 Q1 9,855 Median 11,355 Q3 13,178 Maximum 13,970
Figura 4.25: Sada da janela Session - Estatsticas descritivas do Dimetro das peas As 20 peas analisadas pelo Gerente apresentaram dimetro mdio de 11,493 mm, desvio-padro igual a 1,741 mm e varincia igual a 3,030 mm2. O menor dimetro observado nesta amostra foi igual a 9,2 mm enquanto o maior foi igual a 13,97 mm. O dimetro mediano foi de 11,355 mm. Quanto aos quartis, podemos afirmar que 25% das peas analisadas apresentam dimetro inferior de 9,855 mm, 25% das peas analisadas apresentam dimetro maior que 13,178 mm e 50% das peas analisadas tem dimetro entre 9,855 mm e 13,179 mm.
O MINITAB disponibilizou, ao final do calculo das estatstica descritivas quatro grficos complementares anlise dos dados. Suponha que o Gerente quisesse fazer uma juno destes grficos em apenas um grfico, para isto, acompanhe os seguintes passos: 12. Seleciona a opo Show Graphs Folder na barra de ferramentas do Project Manager. O MINITAB mostrar a seguinte tela:
13. Utilizando a tecla [Shift] e o mouse selecione, do lado esquerdo da tela, os quatro grficos simultaneamente e clique com o boto direito do mouse sobre um desses grficos:
14. Selecione a opo Layout Tool. O MINITAB mostrar em uma janela os quatro grficos lado a lado, como podemos verificar na figura abaixo:
Figura 4.26: O comando Layout Tool
Os botes Rows e Columns permitem que sejam inseridas linhas e colunas na janela grfica, esta janela permitir a insero de novos grficos na janela Layout. Os botes > e < so utilizados para a insero ou remoo dos grficos na janela Layout.
15. Selecione a opo Finish. Aps executar este comando teremos o grfico desejado pelo gerente.
Figura 4.27: Grficos descritivos do comportamento dos dimetros das peas
Atravs dos Histogramas e do grfico de Valores Individuais verificamos que os dimetros das peas claramente apresentam indcios da existncia de dois grupos de variveis. O primeiro grupo est com o dimetro centrado em torno de 9,8 mm enquanto o outro grupo est com o dimetro centrado em torno de 13 mm. O Boxplot no apresentou nenhum valor atpico na varivel dimetro.
Concluso Observarmos que em mdia o dimetro das peas fornecem um valor aceitvel em relao ao valor alvo destas peas, porm, podemos observar que os dimetros apresentam uma grande variabilidade em relao s especificaes (11 e 12 mm), que neste caso, no so atendidas. Observamos que tanto o valor mnimo (9,2 mm) quanto o valor mximo (13,97 mm) esto fora da especificao, o que nos leva a acreditar que existe a necessidade de procurarmos formas de reduzir a variabilidade dos dados encontrando possveis causas para a formao dos dois grupos detectados na anlise. Caso aes corretivas no sejam adotadas a produo de peas ter altos ndices de refugo gerando prejuzos e perda de produtividade da empresa.
Exemplo 4.11 Com o objetivo de aprofundar a anlise dos dimetros das peas estudadas no exemplo anterior, o Gerente verificou que a possvel formao dos grupos detectada anteriormente poderia ser causada pela existncia de peas provenientes de duas mquinas que faziam a usinagem das peas e por uma possvel falta de ajuste, as mquinas realizavam o trabalho de forma diferente. O Gerente resolveu verificar qual mquina havia produzido cada uma das peas (Mquina A e Mquina B) e repetiu a anlise levando em conta esta nova informao. Os resultados obtidos esto salvos na Worksheet Peas (por mquina).MTW e para analis-los devemos acompanhar os seguintes passos: 1. Abra a Worksheet Peas (por mquina).MTW;
A coluna Dimetro refere-se ao dimetro das peas em estudo sendo estas peas estratificadas de acordo com a mquina que ela produzida, o que observado na coluna Mquina. 2. Escolha a opo Stat > Basic Statistics > Display Descriptive Statistics;
3. Em Variables selecione a varivel Dimetro; 4. Em By variables (optional) selecione a varivel Mquina;
5. Selecione a opo Statistics.... Verifique se esta janela apresenta a seguinte configurao:
6. Clique OK; 7. Selecione a opo Graphs...; 8. Ative todas as opes de grficos, conforme mostrado na figura abaixo:
9. Selecione OK; 10. Selecione OK na caixa de dilogo principal. Resltados obtidos:

Descriptive Statistics: Dimetro
Variable Dimetro Mquina A B Mquina A B N 10 10 Mean 13,134 9,851 StDev 0,483 0,419 Variance 0,233 0,176 Minimum 12,130 9,200 Q1 12,853 9,448 Median 13,165 9,870
Variable Dimetro
Q3 13,408 10,110
Maximum 13,970 10,580
Figura 4.28: Sada da Janela Session - Estatstica descritiva para o Dimetro das peas Observa-se que os desvios-padro dos dimetros estratificados de acordo com as mquinas (0,483 mm e 0,419 mm) so aproximadamente iguais e que as mdias so bastante diferentes (13,134 mm e 9,851 mm) o que tambm verificado para a mediana (13,165 mm e 9,870 mm). Os grficos apresentam o seguinte resultado:
Figura 4.29: Grficos descritivos do comportamento dos dimetros das peas estratificados por mquina
Verificamos que os Histogramas e que o grfico de Valores Individuais fornecem as mesmas interpretaes obtidas no exemplo anterior, porm, observamos no Boxplot que existe uma diferena visual entre os dimetros das peas das duas maquinas. Alm disso nenhum ponto atpico foi observado. As caixas dos Boxplots tem tamanho aproximadamente igual, o que comprova que a variabilidade dos dimetros, de acordo com a mquina, so aproximadamente iguais. Concluso Observamos que a suspeita levantada pelo Gerente era verdadeira. A existncia dos dois grupos presentes no banco de dados poderiam ser referente s diferentes mquinas que eram responsveis pela produo das peas. O Gerente dever adotar alguma ao corretiva, fazendo com que as mquinas sejam igualmente ajustadas, fato que parece no estar ocorrendo. Estes ajustes, alm de procurar centralizar a mdia dos dimetros no valor nominal de 11,5 mm, devero reduzir a variabilidade das peas, para que estas possam ser produzidas de acordo com as especificaes.
4.8.2 - Store Descriptive Statistics O comando Store Descriptive Statistics permite ao usurio do MINITAB que, ao realizar uma estatstica descritiva, possa alocar os resultados destas anlises nas colunas da Worksheet. Este comando pode ser bastante til quando desejamos utilizar os valores das estatsticas descritivas para realizar alguma outra anlise. Exemplo 4.12 O Gerente de Produo do exemplo anterior deseja alocar janela Worksheet os valores da mdia e do desvio-padro dos dimetros das peas produzidas de acordo com a Mquina utilizada. 1. Em Variables selecione a varivel Dimetro; 2. Em By variables (optional), selecione a varivel Mquinas;
3. Selecione a opo Statistics...; 4. Desative a opo N nonmissing; 5. Ative a opo Standard deviation;
6. Selecione OK; 7. Selecione OK na caixa de dilogo principal; 8. Maximize a Worksheet: Resultados obtidos:
Figura 4.30: Resultados obtidos pelo comando Store Descriptive Statistics
Os valores de interesse do Gerente, estratificados pelo tipo de Mquina, esto apresentados nas colunas C3 identifica a mquina, a coluna C4 mostra a mdia de cada mquina e a coluna C5 mostra o desvio padro de cada mquina. OBS: Feche o projeto aps a anlise dos resultados. 4.9 - Graphical Summary O comando Graphical Summary constri um grfico que sintetiza todas as anlises descritivas de um conjunto de dados, favorecendo o usurio, que possuir um maior nmero de informaes em um nico grfico. O grfico gerado, apresenta os resultados abaixo: Histograma dos dados com a curva Normal; Boxplot dos dados; Mdia; Mediana; Desvio padro; Teste de Normalidade de Anderson-Darling; Quartis, mnimo valor observado e mximo valor observado; Intervalo de confiana, para a mdia, a mediana, desvio padro. Exemplo 4.13 Um Meteorologista est estudando a temperatura mdia mensal (em C) da cidade de So Paulo nos anos de 1997 at 1999. O ponto inicial do seu estudo realizar algumas estatsticas descritivas que mostrem o comportamento da sua varivel de interesse. Alguns grficos e intervalos de confiana para a mdia (com alfa = 0,10 de significncia) ajudariam bastante o Meteorologista em seus estudos. Os dados esto armazenados na Worksheet Temperatura.MTW. Para analis-los necessrio acompanhar os seguintes passos: 1. Abra a Worksheet Temperatura.MTW;
A coluna Temperatura (C) refere-se a temperatura mdia mensal da cidade de So Paulo no perodo de 01/1997 at 12/1999. 2. Selecione a opo STAT > Basics Statistics > Graphical Summary;
Figura 4.31: O comando Graphical Summary
3. Em Variables selecione a varivel Temperatura (C); 4. Em Confidence Level digite 90,0. Este comando construir um intervalo de confiana de 90% para os dados.
O campo By Variables (optional) estratifica a varivel que utilizada no estudo de acordo com um determinado subgrupo. 5. Selecione OK. Resultados obtidos:
Figura 4.32: Sumrio grfico da temperatura na cidade de So Paulo
Verificamos as mdias das temperaturas mensais da cidade de So Paulo possuem distribuio normal porm levemente assimtrica esquerda (Skewness = -0,252324). A temperatura mdia da cidade de So Paulo foi de 25,703 0C, com um desvio-padro de 5,456 0 C, valor mnimo de 13,2 0C e valor mximo de 39,7 0C. Observamos que existem um total de 4 pontos atpicos no Boxplot sendo que 3 deles esto localizados direita do primeiro quartil e um esquerda do terceiro quartil. A temperatura mediana da cidade de So Paulo foi de 26,50 C. Trs intervalos de confiana foram traados, um nvel de 90% de significncia, para a temperatura mdia (24,166; 27,239), a temperatura mediana (24,827; 27,035) e o desvio-padro da temperatura (4,574; 6,810).
Concluses O Meteorologista pode concluir que existem alguns pontos no convencionais no banco de dados, provavelmente estes pontos foram obtidos ou em invernos ou veres muito rgorosos, o que pode ter sido provocado pelo aquecimento global ou pelo fenmeno El Nio. A temperatura mdia ficou em torno de 25,7 0C. OBS: Feche o projeto aps a anlise dos resultados.
Captulo 5
Cartas de Controle
Consultores
WERKEMA
Ao final deste captulo voc ser capaz de construir diferentes cartas de controle, tanto para variveis quanto para atributos.
5.1 - Seleo de Cartas de Controle O fluxo descrito na Figura 5.1 mostra os tipos de carta de controle existentes e quando cada uma deve ser utilizada.
Figura 5.1: Seleo de grficos de controle conforme os tipos de dados disponveis 5.2 Configuraes dos testes da aleatoriedade de carta de controle Internamente so implementados no MINITAB alguns testes que detectam a falta de aleatoriedade do processo quando estes so estudados por cartas de controle; Estes testes consideram, por exemplo, pontos fora do limite de controle, seqncia entre os pontos, tendncia e localizao dos pontos em zonas limtrofes aos limites de controle, etc... Para configurar esses testes siga os seguintes passos: 1. Abra o software MINITAB; 2. Escolha a opo Tools > Options...;
Figura 5.2: O comando Tools>Options
3. Selecione a opo Control Charts and Quality Tools;
4. Selecione o smbolo [+] que se localiza ao lado direito da opo Control Charts and Quality Tools de tal forma que a janela apresente a seguinte configurao:
5. Selecione a opo Tests; 6. Em K points in a row on same side of center line (Teste 2) digite 7. Este teste verificar a existncia de seqncia de 7 pontos consecutivos (ou mais) presentes de um mesmo lado da linha mdia; 7. Em K points in a row, all increasing or all decreasing (Teste 3) digite 6. Este teste verificar a existncia de tendncia crescente ou decrescente em um conjunto de 7 ou mais pontos consecutivos;
8. Selecione a opo Perform selected tests for causes;
9. Selecione o primeiro, segundo, terceiro e quinto testes. Estes testes, da forma como esto sendo selecionados pelo MINITAB, estaro sempre disponveis quando construirmos cartas de controle, mesmo depois que fechamos o software;
10. Selecione OK; 11. Escolha a opo File > Exit. Aps executar esta seqncia de comandos o MINITAB salvar internamente em sua memria as modificaes realizadas. Agora que j fizemos as mudanas necessrias nos testes vamos construir as cartas de controle disponveis no MINITAB. Obs.: Os testes selecionados no passo 9 so os mesmo adotados no cursos do Programa Seis Sigma da Werkema Consultores. Fica a critrio do usurio a escolha dos demais testes.
5.3 Variables Charts for Individuals Carta de controle para amostras individuais Este comando traa cartas de controle individuais, ou seja, quando possumos tamanho de amostra igual a 1 ( n = 1); Amostras de tamanho igual a 1 podem ocorrer nas seguintes condies: A inspeo automatizada, ou seja, todas as unidades produzidas so analisadas; A escassez dos dados impede a formao de amostras maiores que uma unidade; No existe critrio lgico para a formao de amostras maiores que uma unidade. 5.3.1 Carta I-MR (X-AM) Este comando fornece duas cartas de controle, uma para os valores Individuais (I) do nosso processo e a outra para a Amplitude Mvel (MR) avaliando a variao de longo e curto prazo. Exemplo 5.1 Uma fbrica de equipamentos pesados deseja verificar se o nmero de incidentes dirios que ocorrem na fbrica e prejudicam a linha de produo, possuem ocorrncia aleatria ou no. de interesse da alta administrao que o nmero de incidentes no supere a marca de 20 incidentes/ dia. Estes incidentes podem ser enumerados como: Falta de um insumo na linha de produo; Sobrecarga no sistema de estocagem, ou seja, no havia carregadeiras suficientes para escoar os produtos acabados da linha de produo para o estoque; Deteco de problemas graves em algum equipamento, que levava a parada de produo e a reviso completa do sistema, entre outras. A avaliao do processo foi feita diariamente no perodo compreendido de 01/03/2000 at 31/03/ 2000 e os resultados obtidos esto armazenados na Worksheet Incidentes.MTW. Para analis-los necessrio acompanhar os seguintes passos: 1. Abra a Worksheet Incidentes.MTW;
A coluna Dia refere-se ao dia em que o Nmero de Incidentes foi observado. 2. Escolha a opo Stat > Control Charts > Variables Charts for Individuals > I-MR...;
Figura 5.3: O comando I-MR

3. Em Variables selecione a varivel Nmero de Incidentes;
4. Selecione a opo I-MR Options... > Estimate; 5. Em Method for estimating standard deviation, certifique se para o campo Subgroup size = 1 a opo Average moving range est selecionada; 6. Em Length of moving range digite 2. Este ser o comprimento adotado na obteno da mdia mvel;
A aba Parameters utilizada quando conhecemos, de estudos passados, os valores dos parmetros do processo. Quando estes valores no so conhecidos, os parmetros so estimados de acordo com a mdia e o desvio-padro da amostra. A aba Stages determina diferentes estgios para o clculo da carta de controle fazendo com que cada um dos estgios possuam seus prprios limites de controle, mdia, desvio-padro, etc... A aba Box-Cox realiza a transformao de Box-Cox para a varivel resposta. A aba Display determina quais os resultados sero apresentados. O filtro Omit the following samples when estimating parameters (eg, 3 12:15) ou Use the following samples when estimating parameters (eg, 3 12:15) so utilizados para omitir ou acrescentar pontos na carta de controle, respectivamente.
7. Selecione a aba S Limits. 8. No campo Display control limits at na opo These multiples of the standard deviation digite os valores 2 3. Este comando insere linhas na carta de controle nas posies -3, -2, 2 e 3.
Os campos Place bounds on control limits of Individual Chart e Place bounds on control limits of MR Chart verificam se os limites de controle para a carta X e para a carta MR esto presentes dentro de uma faixa especificada pelo usurio. Se os limites de controle superam estes valores, os limites inseridos nos respectivos campos so utilizados e neste caso so nomeados de LB (Limite Inferior Limitado) ou UB (Limite Superior Limitado). 9. Selecione a aba Tests. 10. Certifique se os testes abaixo esto selecionados:
11. Selecione OK; 12. Selecione a opo Labels...> Title/Footnotes; 13. Em Title digite o ttulo do grfico: Carta I-MR para o Nmero de Incidentes mensais; 14. Em Footnote 1 digite o perodo de cobertura do estudo: Perodo: 01/03/2000 31/03/2000;
15. Selecione OK; 16. Selecione a opo Scale...; 17. Em X Scale selecione a opo Stamp; 18. Em Stamp columns (1-3, innermost first) selecione a varivel Dia. Este comando colocar rtulos no eixo X e estes rtulos sero relacionados ao dia em que o nmero de incidentes ocorreu;

Resultados Obtidos:
Figura 5.4: Carta I-MR para o nmero de incidentes mensais
Observamos que a carta de controle construda no apresentou nenhum valor fora dos limites de controle e alm disso nenhum dos testes de aleatoriedade foram violados o que indica que a quantidade de incidentes ocorridos, tanto no curto quanto no longo prazo esto sob controle estatstico.
Concluses Verifica-se que alm de no apresentar falta de controle, a carta de controle I apresenta limite superior de controle igual a 16,54 incidentes. Este valor est abaixo dos 20 incidentes/dia desejados pela alta administrao, podemos concluir a partir da que o nmero de incidentes apresentam um bom comportamento. OBS.: Feche o projeto aps a anlise dos resultados.
5.4 Variables Charts for Subgroups O comando Variables Charts for Subgroups constri cartas de controle para variveis amostradas de acordo com o tamanho do subgrupo. Este comando dividido em diferentes tipos de cartas de controle: Para subgrupos de tamanho entre 2 e 10 (2 < n < 10) so utilizadas as Cartas X-R. Para subgrupos de tamanho maior que 10 ( n > 10) so utilizadas as cartas X-S. 5.4.1 Xbar-R O comando Xbar-R refere-se construo das cartas X-R, asquais que so utilizadas para subgrupos de tamanho entre 2 e 10. Ao escolhermos este comando as duas cartas so traadas simultaneamente. Exemplo 5.2 Uma fbrica produz parafusos que so utilizados na indstria automotiva. O responsvel pela qualidade deste produto desejava verificar se o processo de produo destes parafusos estava sob controle, para isso, a cada hora ele coletou 4 parafusos da linha de produo e repetiu este procedimento 20 vezes. Aps isto, resolveu utilizar as cartas X-R para verificar se o processo est sob controle estatstico. Os dados foram armazenados na Worksheet Parafuso automotivo1.MTW. Para analis-los devemos acompanhar os seguintes passos:
1. Abra a Worksheet Parafuso automotivo1.MTW;
A coluna Comprimento representa o comprimento nominal de cada um dos parafusos avaliados no estudo. A coluna Horas representa a hora em que o parafuso utilizado no estudo foi coletado. 2. Escolha a opo Stat > Control Charts > Variables Charts for Subgroups > Xbar-R...;
Figura 5.5: O comando Xbar-R
3. Como os dados esto organizados em uma coluna, selecione o filtro All observations for a chart are in one column; 4. Selecione a varivel Comprimento; 5. Em Subgroup sizes selecione a varivel Horas;
Ao construirmos uma carta de controle X-R, bastante til visualizarmos as linhas de referncia de 1,5s, 2s e 3s. Estas linhas ajudam a determinar as aproximaes dos limites de controle e aproximao da linha mdia. A linha 3s automaticamente traada para todas as cartas de controle ela representa os seus limites de controle das cartas. Precisamos primeiramente, determinar qual a forma de estimao do desvio-padro (s) da carta de controle, voltando ao exemplo, acompanhe os seguintes passos: 6. Selecione a opo XBar-R Options...;
7. Na aba Estimate, no campo Method for estimating standard deviation, para Subgroup size > 1 ative a opo Rbar. Esta opo calcula o desvio-padro baseado no clculo do valor de R.
A opo Pooled standard deviation calcula o desvio-padro combinado das observaes no levando em conta o valor de R. A opo Use unbiasing constant utiliza uma estimativa no viciada para a estimativa do desvio-padro (s).
8. Selecione a aba S Limits. 9. No campo Display control limits at para These multiples of the standard deviation digite os valores 1,5 2 3.
O Campo When subgroup sizes are unequal, calculate control limits permite que o usurio escolha a maneira de como os limites de controle so calculados quando os subgrupos so de tamanhos diferentes.
10. Selecione a aba Tests e verifique se os seguintes testes esto habilitados:
11. Selecione a aba Storage. 12. Em Store these estimates for each chart escolha as opes Means e Standard deviations. Esta marcao faz com que os valores estimados da mdia e do desvio-padro de cada carta de controle sejam alocados na Worksheet.
O campo Stores these values for each point aloca janela Worksheet cada um dos valores utilizados na construo da carta de controle. 13. Selecione OK; 14. Selecione a opo Labels...> Title /Footnotes 15. Em Title digite o ttulo da carta de controle: Carta XBarra-R para o comprimento dos parafusos automotivos. 16. Em Subtitle 1 digite: Amostras coletadas durante 20 horas;
Resultados Obtidos:
Grfico 5.6: Carta de Controle X-R para o comprimento dos parafusos automotivos
A Carta X forneceu uma mdia igual a 15,00092 mm. O Limite Superior de Controle (LSC) foi igual a 15,03261 mm e o Limite Inferior de Controle (LIC) igual a 14,96922 mm. A carta R forneceu uma amplitude mdia igual a 0,0435. O seu Limite Superior de Controle (LSC) foi igual a 0,09933 e o Limite Inferior de Controle (LIC) igual a 0. Observamos que nenhuma destas duas cartas apresentou qualquer ponto fora de controle e os testes no localizaram nenhuma ocorrncia no aleatria no processo. Os valores da mdia e do desvio-padro esto alocados nas colunas MEAN1 e STDE1 da Worksheet, como podemos visualizar a seguir:
Concluso Observamos que o processo de produo dos parafusos automotivos est sob controle estatstico, dessa forma, podemos dizer que o processo est produzindo itens de acordo com as variaes aleatrias permissveis. Verificamos que a mdia do processo igual a 15,00009 e o desvio-padro igual a 0,0211297. Como o processo encontra-se sob controle estatstico, podemos assumir como limites de controle para o processo, os limites de controle fornecidos por estas duas cartas estudadas. OBS: Feche o projeto aps a anlise dos resultados.
Exemplo 5.2 (Continuao) Suponha que os limites de controle do exemplo anterior foram adotados como sendo os limites de controle do processo. Dessa forma, a cada hora, 4 parafusos eram coletados e o ponto referente a esta amostra era plotado nas cartas de controle. Passado alguns dias, o responsvel pela qualidade resolveu coletar algumas amostras do seu processo para construir uma carta de controle de acordo com os parmetros estabelecidos anteriormente verificando assim se o processo continuava sob controle. Os dados foram armazenados na Worksheet Parafuso automotivo2.MTW. Para analis-los corretamente necessrio acompanhar os seguintes passos: 1. Abra a Worksheet Parafuso automotivo2.MTW;
2. Escolha a opo Stat > Control Charts > Variables Charts for Subgroups > Xbar-R...;
3. Selecione o filtro All observations for a chart are in one column; 4. Selecione a varivel Comprimento; 5. Em Subgroup sizes selecione a varivel Horas;
6. Selecione a opo Xbar-R Options...> Parameters. 7. Como possumos os valores histricos da mdia e do desvio-padro do processo, em Mean digite o valor 15,0009 (valor da mdia da carta de controle do exemplo anterior). 8. Em Standard deviation digite o valor 0,02113 (valor do desvio-padro estimado no exemplo anterior).
9. Selecione a aba Estimate. 10. No Campo Method for estimating standard deviation, para Subgroup size > 1 ative a opo Rbar;
11. Selecione a aba S Limits. 12. No campo Display control limits at para These multiples of the standard deviation digite os valores 1,5 2 3;
13. Selecione OK; 14. Selecione a opo Labels...; 15. Em Title digite o ttulo da carta de controle: Carta XBarra-R para o comprimento dos parafusos automotivos. 16. Em Subtitle 1 digite: Amostras para a verificao dos limites de controle; 17. Selecione OK; 18. Selecione OK na caixa de dilogo principal.
Resultados obtidos:
Figura 5.7: Carta de Controle X-R para o comprimento de parafusos automotivos (verificao dos limites de controle)
Observamos que a carta de controle X apresenta quatros pontos fora de controle. Estes pontos podem ser analisados da seguinte maneira: Trs pontos observados foram destacados com o valor 1 indicando que o Teste 1 (ponto alm do limite de 3s); Um ponto foi destacado com o valor 5 indicando que o Teste 5 (2 de 3 pontos entre 2 e 3s). A carta R apresenta trs pontos fora de controle. Estes pontos podem ser analisados da seguinte maneira: Os trs pontos foram destacados com o valor 2, indicando que o Teste 2 (sete ou mais pontos do mesmo lado da linha central). A janela Session apresenta a seguinte sada:
Test Results for Xbar Chart of Comprimento

TEST 1. One point more than 3,00 standard deviations from center line. Test Failed at points: 6; 11; 14 TEST 5. 2 out of 3 points more than 2 standard deviations from center line (on one side of CL). Test Failed at points: 18
Test Results for R Chart of Comprimento

TEST 2. 7 points in a row on same side of center line. Test Failed at points: 10; 11; 12
Figura 5.8: Resultados da janela Session para a Carta X-R
A mensagem exibida para a carta X mostra quais testes foram violados e explica detalhadamente o que cada um dos destes testes verificava, alm disso indica quais pontos foram problemticos. Para o Teste 1 temos como pontos problemticos os pontos 6, 11 e 14 e para o Teste 5 o ponto 18. Para a carta R, observamos que apenas um teste foi violado, o Teste 2. Este Teste detectou os pontos 10,11 e 12 como pontos fora de controle. Concluses Conclumos que o processo de produo dos parafusos utilizados na indstria automotiva, de acordo com os limites de controle calculados no exemplo anterior, encontram-se fora de controle estatstico. Portanto necessrio realizar uma minuciosa anlise do processo para que as possveis causas do problema sejam descobertas e isoladas. Caso tais causas no sejam descobertas, necessrio realizar uma nova coleta de dados e tentar estabelecer novos limites de controle para o processo. OBS: Feche o projeto aps a anlise dos resultados. 5.4.2 Xbar-S As cartas X-S so utilizadas quando possumos subgrupos de tamanho maiores que 10. A carta S possui a mesma interpretao da carta R, porm aqui, em cada subgrupo, ao invs de calcularmos a amplitude R de cada subgrupo, calcula-se o valor do desvio-padro. Todas as anlises que so feitas na carta X-R se aplicam a esta carta.
Exemplo 5.3 Uma fbrica de barras de chocolate est interessada em verificar se o seu processo de fabricao est sob controle estatstico. de interesse da empresa verificar se o peso de suas barras de chocolate esto com o peso nominal no valor de 180 gramas, com um limite inferior de especificao igual a 175 gramas (para no ser penalizado pelo rgo que regulamenta o peso das embalagens) e com limite superior de especificao igual a 185 gramas (para que a empresa no perca matria-prima vendendo produtos acima do peso). Como a empresa estava produzindo em larga escala os seus produtos, ela resolveu selecionar aleatoriamente 14 barras de chocolate de cada lote que era produzido, at obter amostras de 20 lotes seqenciais. Os dados deste exemplo esto armazenados na Worksheet Chocolate.MTW. Para analis-los necessrio acompanhar os seguintes passos: 1. Abra a Worksheet Chocolate.MTW;
As amostras esto organizadas no MINITAB por linha, ou seja, cada linha da janela Worksheet equivalente a um lote (ou subgrupo) num total de 20 lotes, e para cada lote temos 14 amostras. 2. Escolha a opo Stat > Control Charts > Variables Charts for Subgroups > Xbar-S...;
Figura 5.9: O comando Xbar - S
3. Como o conjunto de dados est organizado por linhas, selecione o filtro Observations for a subgroup are in one row of columns; 4. Selecione todas as 14 colunas referentes s amostras;
5. Selecione a opo Select;
6. Selecione a opo XBar-S Options... > Estimate; 7. No campo Method for estimating standard deviation, para Subgroup size > 1 ative a opo Sbar; 8. Ative a opo Use unbiasing constant;
9. Selecione a aba S Limits. 10. No campo Display control limits at para These multiples of the standard deviation digite os valores 1,5 , 2 e 3;
11. Selecione OK; 12. Selecione a opo Labels...> Title/Footnotes; 13. Em Title digite o ttulo da carta de controle: Carta XBarra-S para o peso das Barras de Chocolate;
Resultados obtidos:
Figura 5.10: Carta de controle X-S para o peso das Barras de Chocolate
Atravs das cartas de controle construdas verifica-se que nenhum dos pontos foi localizado fora dos limites de controle, alm disso, o MINITAB no detectou qualquer configurao no aleatria na carta de controle, dessa forma podemos dizer que o processo est sob controle estatstico. Concluso Como o processo que determina o peso das barras de chocolate est sob controle estatstico, podemos concluir que o processo est operando sob as mesmas condies de operao e dessa forma podemos dizer que este um processo previsvel. Podemos observar tambm que, apesar de previsvel,o processo est com o limite superior de controle acima do valor especificado de 185 gramas, o que nos leva a creditar que o processo est operando fora das especificaes. Mais detalhes sobre problemas como este estaro decritos no Captulo 6 Capacidade de Processos. OBS.: Feche o MINITAB aps a anlise dos resultados.
5.5 Attributes Charts As cartas de controle para atributos tm caractersticas semelhantes s cartas de controle por variveis, porm, nas cartas de controle por atributos no possumos uma descrio mensurvel da varivel de interesse. Neste caso a classificao ou contagem dos itens feito qualitativamente verififcando se estes satisfazem ou no a uma condio de interesse. 5.5.1 Carta P O comando P traa a carta de controle para propores de itens no conformes (defeituosos) que so produzidas pelo processo na qual se deseja avaliar. A carta de controle P pode ser representada tanto para subgrupos de tamanhos iguais quanto para subgrupos de tamanhos diferentes. Para subgrupos diferentes, recomendvel utilizar a carta P apenas para subgrupos que no variem o tamanho da amostra em 25% , para que dessa forma, os resultados obtidos possam ser coerentes. A carta de controle P fundamentada na distribuio Binomial.
Exemplo 5.4
Uma Indstria Metalrgica fabricava conexes de ferro galvanizado que eram utilizados na juno de tubos de metal e tubos de PVC. As conexes, depois de fundidas, devem passar por um processo de rebarbamento, onde as rebarbas so retiradas para que a conexo tenha condies de uso adequadas. Muitas conexes, mesmo depois de passar pelo processo de rebarbamento, ainda possuam rebarbas, o que era considerado uma no-conformidade. O setor de qualidade tinha interesse em manter a proporo de conexes no conformes a um nvel de 5% das peas produzidas. Com o desejo de verificar se o processo estava sob controle estatstico e se estava atendendo as expectativas, foi realizada uma inspeo 100% em 24 lotes das conexes em estudo. Cada lote (com 150 conexes) foi aleatoriamente escolhido dentro dos lotes produzidos em cada hora de um dia de produo da fbrica. Os dados foram armazenados na Worksheet Conexes.MTW. Para analis-los necessrio acompanhar os seguintes passos:
1. Abra a Worksheet Conexes.MTW;
A coluna Conexes no conformes representa o nmero de conexes no conformes em cada um dos lotes extrados da linha de produo. 2. Escolha a opo Stat > Control Charts > Attributes Charts > P ...;
Figura 5.11: O comando Atribute Charts > P

3. Em Variables selecione a varivel Conexes no conformes 4. Em Subgroup sizes digite 150 (este valor representa o tamanho do lote);
5. Selecione a opo P Chart Options... 6. Selecione a aba Tests; 7. Verifique se os testes selecionados apresentam a seguinte configurao:
8. Selecione OK; 9. Selecione a opo Labels...> Title/Footnotes; 10. Em Title digite Carta P para a proporo de conexes no conformes;
Figura 5.12: Carta P para a proporo de conexes no conformes

Observa-se que existe um ponto fora dos limites de controle (detectado pelo Teste 1). Este ponto representado pelo ponto 18. possvel observar tambm que a proporo mdia de itens defeituosos de 0,0908 e que o limite superior de controle de proporo igual a 0,1612. Com exceo do ponto fora dos limites de controle, nenhuma outra observao apresentou problemas de falta de controle. A Session apresenta o seguinte resultado:
Test Results for P Chart of Conexes no conformes

TEST 1. One point more than 3,00 standard deviations from center line. Test Failed at points: 18
Figura 5.13: Resultados da janela Session para a Carta P
Quando detectamos pontos fora de controle muitas vezes, estes pontos podem estar relacionados fontes especiais que causaram momentaneamente a falta de controle do processo ou ainda, a coleta de dados pode ter sido feita de maneira incorreta, o que leva aquele ponto a no condizer com a realidade dos demais pontos. Ao detectar o ponto 18 como um ponto fora dos limites de controle, o responsvel pela carta verificou no histrico do problema que a amostra 18 havia sido inspecionada por um funcionrio que no estava bem treinado para executar o servio, dessa forma, ao fazer a inspeo ele considerava como no conforme, conexes que estava conformes. Como o ponto no estava condizente com os demais pontos, o responsvel resolveu omitir o resultado daquele ponto do calculo da carta P sem no entanto excluir o ponto da carta de controle, dessa , forma, ele realizou os seguintes passos: 13. Escolha a opo Stat > Control Charts > Attributes Charts > P ...;
Como acabamos de analisar o banco de dados e no abrimos um novo projeto, o MINTAB mostra os comando realizados na analise anterior:
14. Selecione a opo P Chart Options... > Estimate; 15. Selecione o filtro Omit the following subgroups when estimating parameters (eg, 3 12:15) e na lacuna abaixo do filtro, digite 18 (este comando excluir o ponto 18 da estimativa dos limites de controle e do clculo da mdia);
Figura 5.14: Carta P para a proporo de conexes no conformes (omitindo o ponto 18 do calculo dos parmetros)
Observa-se que o valor da proporo mdia de itens defeituosos de 0,0875 (a anterior era igual a 0,0908) e o limite superior de controle igual a 0,1568 (o anterior era igual a 0,1612). importante salientar que o ponto fora de controle ainda detectado pelos testes, porm ele no mais influencia nos valores dos parmetros da carta de controle. Concluso Observamos atravs dos resultados obtidos, que a proporo de conexes no conformes est sob controle (pois como comentado anteriormente, a 18 amostra no havia sido corretamente analisada). Uma importante observao que deve ser feita sobre a capacidade do processo em atender a exigncia de produzir no mximo 5% de peas defeituosas. O limite superior de controle que igual a 15,68% e est acima dos 5% desejados. Problemas deste tipo sero discutidos mais profundamente no Captulo 6 - Capacidade de Processos. OBS.: Feche o projeto aps a anlise dos resultados. Exemplo 5.5 Seguindo a linha de raciocnio do exemplo anterior, o responsvel pela carta de controle, ao invs de coletar aleatoriamente um dos lotes produzidos a cada hora de produo ele resolveu fazer a inspeo em conexes de diferentes lotes produzidos durante uma hora. Como nem sempre a mesma quantidade de conexes avaliadas era a mesma, as amostras selecionadas no possuam os mesmos tamanhos. Os dados referentes a este exemplo foram armazenados na Worksheet Conexes_2.MTW. Para analislos acompanhe os seguintes passos: 1. Abra a Worksheet Conexes_2.MTW;
A coluna Conexes no conformes representa o nmero de conexes no conformes em cada amostra extrada da linha de produo da Indstria Metalrgica. Os tamanhos das amostras esto armazenados na coluna Tamanho da amostra. ...; 2. Escolha a opo Stat > Control Charts > Attributes Charts > P
3. Em Variables selecione a varivel Conexes no conformes; 4. Em Subgroup sizes selecione a varivel Tamanho da Amostra;
6. Selecione a opo Labels...> Title/Footnotes; 7. Em Title digite o ttulo para a carta de controle: Carta P para a proporo de conexes no conformes. 8. Em Subtitle 1 digite para conexes produzidas em diversos lotes durante 24 horas;
Resultados obtidos:
Figura 5.15: Carta P para a proporo de conexes no conformes em amostras selecionadas aleatoriamente e de tamanhos diferentes
No observamos nenhum ponto fora dos limites de controle e nenhuma configurao no aleatria entre os dados. Um fato importante que podemos observar que como as amostras so de tamanhos diferentes, os limites de controle no seguem o mesmo comportamento no decorrer da carta. Os valores exibidos na carta como limites de controle superior e inferior, so na verdade os valores referentes aos valores dos limites de controle da ltima amostra. Uma maneira fcil de observarmos que as amostras no possuem o mesmo tamanho observar a nota de rodap exibida no grfico que diz que os testes realizados foram executados com tamanhos de amostras diferentes. Concluses O processo de produo das conexes metlicas pode ser considerado sob controle estatstico, porm, a proporo mdia (5%) de peas defeituosas est acima daquilo que considerado como sendo o ideal para a empresa. Meios de diminuir a proporo de itens defeituosos devero ser adotadas. OBS.: Feche o projeto aps a anlise dos resultados.
5.5.2 NP A carta NP realiza as anlises idnticas s da Carta P porm, ao invs de utilizar a proporo de itens , defeituosos (no conformes) para traar a carta de controle, a carta NP traa a carta atravs do nmero de itens defeituosos (no conformes). A carta NP muitas vezes utilizada no sentido de facilitar a apresentao dos resultados, pois como nela contabilizamos o nmero de itens defeituosos, no h a necessidade pensarmos em termos de propores. O uso da carta NP desaconselhado quando possumos amostras de tamanhos diferentes e no desejamos utilizar um tamanho mdio para as amostras, pois a linha central do grfico passa a possuir degraus assim como os limites de controle, o que dificulta a interpretao da variao da carta de controle. Exemplo 5.6 A empresa atacadista do ramo de hortifrutigranjeiros est interessada em estudar a quantidade de tomates imprprios para o consumo que um fornecedor entrega a ele todos os dias. O fornecedor j havia sido advertido uma vez que as caixas de tomate deveriam conter no mximo 10 tomates imprprios para o consumo. O nmero de tomates contidos em uma caixa igual a 95. A empresa atacadista analisou, aleatoriamente, uma das caixas fornecidas pelo fornecedor durante 20 dias. Os dados esto armazenados na Worksheet Tomate.MTW. Para analis-los necessrio acompanhar os seguintes passos: 1. Abra a Worksheet Tomate.MTW;
A coluna Tomates Imprprios representa o nmero de tomates imprprios para o consumo em cada caixa de tomates. 2. Escolha a opo Stat > Control Charts > Attributes Charts > NP ...;
Figura 5.16: O comando NP
3. Em Variables selecione a varivel Tomates imprprios; 4. Em Subgroup sizes digite 95;
5. Selecione a opo Labels...> Title/Footnotes; 6. Em Title digite Carta NP para nmero de tomates imprprios para consumo;
7.
Selecione OK;
8. Selecione OK na caixa de dilogo principal.
Resultados obtidos:
Figura 5.17: Carta NP para nmeros de tomates imprprios para consumo
Observa-se claramente que os pontos tendem a seguir uma seqncia ascendente com o passar do tempo. O nmero mdio de tomates imprprios para o consumo igual a 7,6 e que o limite superior de controle igual a 15,53 tomates. A Session exibe o seguinte resultado:
Test Results for NP Chart of Tomates imprprios

TEST 2. 7 points in a row on same side of center line. Test Failed at points: 19; 20
Figura 5.18: Resultados da janela Session para a Carta NP gerada.
Onde possvel verificar que o Teste 2 detectou mais que 7 pontos em linha do mesmo lado da linha central, sendo estes pontos os pontos 19 e 20. Concluses Concluimos que o nmero de tomates imprprios para o consumo no est sob controle estatstico, alm disso, observa-se que com o passar do tempo o nmero de tomates imprprios vem aumentando o que pode ser ocasionado por um eventual descuido do fornecedor quanto qualidade dos seus produtos. Alm disso o limite superior de controle, que igual 15,53 tomates, est acima do valor mximo tolerado (10 tomates). Conclumos que a empresa atacadista dever tomar providncias em relao a este fato. OBS.: Feche o projeto aps a anlise dos resultados. 5.5.3 Carta C A carta C traa o nmero de defeitos dentro de uma unidade do produto. Sabemos que se uma unidade de produto considerada defeituosa, pelo menos um defeito existe naquela unidade. Consideramos como defeito qualquer caracterstica que no satisfaa uma determinada especificao. A carta C utilizada em situaes onde se faz necessrio controlar o nmero total de defeitos em uma unidade do produto. A distribuio estatstica que serve como base na construo para as cartas C a distribuio de Poisson. Exemplo 5.7 Uma fbrica de refrigeradores estava interessada em estudar a qualidade de seus produtos. Quando o refrigerador era considerado defeituoso, ele era enviado para o re-trabalho o que influenciava negativamente na produtividade da empresa (pois consumia vrios operrios/hora de trabalho).
O setor de qualidade da empresa resolveu fazer uma carta C para tomar as devidas providncias sobre este problema, e para isto coletou aleatoriamente em um dia de produo 25 refrigeradores igualmente espaados no tempo e submeteram cada refrigerador inspeo. Os dados foram armazenados na Worksheet Refrigeradores.MTW. Para analis-los necessrio acompanhar os seguintes passos: 1. Abra a Worksheet Refrigeradores.MTW;
2. Escolha a opo Stat > Control Charts > Attributes Charts > C...;
Figura 5.19 - O comando Atributes Charts > C

3. Em Variables selecione a varivel Nmero de Defeitos;
4. Selecione a opo Labels... > Title/Footnotes; 5. Em Title digite Carta C para nmero de defeitos em refrigeradores;
Resultados obtidos:
Figura 5.20: Carta C para o nmero de defeitos em refrigeradores
Observamos que nenhum ponto foi superior aos limites de controle e nenhuma configurao no aleatria foi detectada. O nmero mdio de defeitos por refrigerador foi igual a 2,64 defeitos enquanto o limite superior de controle igual a 7,51 defeitos por refrigerador. Concluses Conclumos que a carta C est sob controle estatstico. Porm, o limite superior de controle est muito elevado, ou seja, refrigeradores com 7 defeitos ainda seriam tidos como normais para o processo. necessrio fazer um estudo mais aprofundado no processo de fabricao dos refrigeradores a fim de diminuir a variabilidade do nmero de defeitos nos refrigeradores e alm disso diminuir o nmero mdio de defeitos de cada refrigerador. OBS.: Feche o projeto aps a anlise dos resultados. 5.5.4 - Carta U A carta U segue a mesma linha de raciocnio da carta C, porm, na carta U ao invs de coletarmos apenas uma observao do item estudado, coletando amostras e formando assim subgrupos racionais com os itens selecionados.
De posse do total de defeitos em cada subgrupo e do tamanho de cada subgrupo traamos a carta U que mede o nmero mdio de defeitos por item estudado. Exemplo 5.8 Considere a situao proposta no exemplo anterior, porm, ao invs de coletarmos 25 refrigeradores igualmente espaados no tempo, foram coletadas 20 amostras, cada uma com 4 refrigeradores. Para cada uma destas amostras foram contabilizados a soma total de defeitos de cada um dos refrigeradores. Os dados foram armazenados na Worksheet Refrigeradores_2.MTW. Para analis-los necessrio acompanhar os seguintes passos: 1. Abra a Worksheet Refrigeradores_2.MTW;
A coluna Defeitos (por amostra) representa o nmero de defeitos observados em cada amostra de 4 refrigeradores.
2. Escolha a opo Stat > Control Charts > Attributes Charts > U...;
Figura 5.21: O comando Attributes Charts > U
3. Em Variables insira a varivel Defeitos (por amostra) 4. Em Subgroup sizes digite 4;
5. Selecione a opo Labels...> Title/Footnotes; 6. Em Title digite Carta U para nmero mdio de defeitos por refrigerador; 7. Em Subtitle 1 digite Subgrupos de tamanho =4;
8. 9.
Selecione OK; Selecione OK na caixa de dilogo principal.
Resultados Obtidos:
Figura 5.22: Carta U para o nmero mdio de defeitos por refrigerador com tamanho de amostra igual a 4
Observamos que nenhum ponto da carta de controle ultrapassou os limites de controle, alm disso, no existem evidncias que nos levam a rejeitar a hiptese de aleatoriedade. O nmero mdio de defeitos igual a 2,575 e o limite superior de controle igual a 4,982 e o limite inferior de controle igual a 0,168.
Concluses
Conclumos que o processo de fabricao dos refrigeradores est sob controle estatstico, porm, observamos que processo no vem sendo capaz de atender as expectativas da empresa, dado que o limite superior de controle est muito elevado. necessrio realiar um estudo mais aprofundado no processo de fabricao dos refrigeradores a fim de diminuir o nmero de defeitos nos refrigeradores. OBS.: Feche o projeto aps a anlise dos resultados.
Captulo 6
Capacidade de Processos
Consultores
WERKEMA
Ao final deste captulo voc ser capaz de analisar a capacidade de processos sob diferentes aspectos (performance esperada e observada).
O comando Capability Analysis faz a anlise de capacidade de processos. Este comando deve ser utilizado depois que observamos que o processo analisado encontra-se sob controle estatstico (o que verificado por uma carta de controle). Realizando esta anlise estamos aptos a dizer se um processo capaz ou no de produzir itens dentro das especificaes desejadas. Os ndices mais utilizados no clculo da capacidade de processos so o Cp e o Cpk. Estes ndices medem, respectivamente, a capacidade potencial e a capacidade real de um processo. Considerando que um processo esteja fornecendo valores centrados no valor nominal dos limites de especificao, o Cp nos d a seguinte interpretao:
CLASSIFICAO DO PROCESSO
VALOR DE Cp
COMPARAO DO HISTOGRAMA COM AS ESPECIFICAES
PROPORO DE DEFEITUOSOS (p)
LIE
CAPAZ OU ADEQUADO (VERDE)
LSE
p 64 ppm
Cp 1,33
LIE
ACEITVEL (AMARELO)
LSE
1 Cp < 1,33
64 ppm < p 0,27 %
LIE
INCAPAZ OU INADEQUADO (VERMELHO)
LSE
Cp < 1
p > 0,27 %
Figura 6.1: Classificao de processos a partir do ndice Cp

Quando o processo no est produzindo valores centrados no valor nominal o Cp fornece valores pouco conclusivos com o processo. Para solucionar este problema devemos calcular o valor do Cpk. Uma comparao entre os valores do Cp e do Cpk pode ser observada na Figura 6.2:
LIE
(a)
38 44 50 56 62
s=2
LSE
Cp = 2,0 Cpk = 2,0
s=2
(b)
38 44 50 53 56 62
Cp = 2,0 Cpk = 1,5
s=2
(c)
38 44 50 56 62
Cp = 2,0 Cpk = 1,0
s=2
(d)
38 44 50 56 62
Cp = 2,0 Cpk = 0
s=2
(e)
38 44 50 56 62 65
Cp = 2,0 Cpk = -0,5
Figura 6.2: Relacionamento entre os ndices Cp e Cpk
Quando observamos a performance destes ndices simultaneamente, podemos tomar as seguintes aes na melhoria da capacidade do processo:
Cpk
Baixo
Reduzir a variabilidade do processo
Alto
Baixo
LIE LSE
IMPOSSVEL
Cp
Deslocar a mdia do processo Situao ideal - Manter
Alto
LIE
LSE
LIE
LSE
Figura 6.3: Ao que deve ser adotada para melhorar a capacidade do processo, em funo da comparao das magnitudes de Cp e Cpk
6.1 - Capability Analysis (Normal Distribution) O Comando Capability Analysis (Normal Distribution) realiza a anlise de capacidade do processo para dados normalmente distribudos. Exemplo 6.1 Estudaremos a capacidade do processo responsvel por produzir parafusos automotivos descrito no Exemplo 5.2. Os parafusos deveriam possuir comprimento nominal especificado igual a 15 mm com tolerncia de 0,05 mm. Coletando 20 amostras de 4 parafusos cada, concluiu-se no Exemplo 5.2, que o processo estava sob controle estatstico. necessrio agora verificar se o processo estudado capaz de produzir itens dentro das especificaes. Os dados foram armazenados na Worksheet Parafuso automotivo1.MTW. Para analis-los devemos acompanhar os seguintes passos: 1. Abra a Worksheet Parafuso automotivo1.MTW;
A coluna Comprimento representa o comprimento nominal de cada um dos parafusos avaliados no estudo. A coluna Horas representa a hora em que o parafuso utilizado no estudo foi coletado. Como os dados esto sob controle estatstico necessrio verificar se os mesmos possuem distribuio Normal. Essa tarefa ser executa com os seguintes passos: 2. Escolha a opo Graph > Histogram...;
3. Selecione a opo With Fit;
4. Em Graph variables selecione a varivel Comprimento;
5. Selecione a opo Labels...>Titles/Footnotes; 6. Em Title digite Histograma com a curva normal para o comprimento dos parafusos;
7. Selecione OK duas vezes; O histograma com a curva normal fornece os seguintes resultados:
Figura 6.4: Histograma com a curva normal para o dimetro dos parafusos
Como podemos observar, parece haver indcios de que os dados coletados do processo seguem a distribuio normal. Desta forma, vamos proceder com o clculo dos ndices de capacidade do processo. 8. Escolha a opo Stat > Quality Tools > Capability Analysis > Normal ...;
Figura 6.5: O comando Capability Analysis > Normal
9. Em Data are arranged as ative a opo Single column. 10. Para este campo selecione a varivel Comprimento. 11. Em Subgroup size selecione a varivel Horas; 12. Em Lower spec digite 14,95 ; 13. Em Upper spec digite 15,05;
A opo Boundary indica que o valor especificado para o Limite Superior ou Inferior de especificao um valor no qual a chance de obtermos um valor menor (no caso do Limite Inferior de Especificao) ou maior (no caso do Limite Superior de Especificao) nula. A opo Historical mean realiza os clculos dos ndices de capacidade analisando o processo de acordo com a mdia histrica dos dados. Quando o valor da mdia histrica no for especificada os clculos sero baseados na mdia da amostra. A opo Historical standard deviation realiza os clculos dos ndices de capacidade analisando o processo de acordo com o desvio-padro histrico dos dados. Quando o valor do desviopadro no for especificado os clculos sero baseados no desvio-padro da amostra. A opo Box-Cox permite a utilizao da transformao de Box-Cox no clculo dos ndices de capacidade para o processo estudado. A opo Storage permite que o usurio aloque os resultados da anlise de capacidade do processo, em colunas da janela Worksheet. 14. Selecione a opo Estimate; 15. No campo Methods of estimating standard deviation (for subgroup size > 1),selecione a opo Rbar;
A opo Use unbiasing constants utiliza um estimador no viciado para estimar o desvio padro dos dados do estudo. A opo Methods of estimating standard deviation (for subgroup size = 1), deve ser utilizada quando possumos subgrupos de tamanho igual a 1. A opo Use moving range of length determina o comprimento de clculo da amplitude mvel. 16. Selecione OK; 17. Selecione a opo Options; 18. Em Target (adds Cpm to table) (valor alvo) digite 15; 19. Em Title digite Anlise de Capacidade para um processo normalmente distribudo;
A opo Calculate statistics using a:__ sigma tolerance especifica a faixa de tolerncia do processo, de acordo com o desvio-padro que ser utilizado para calcular os coeficientes de capacidade do processo. Normalmente utilizado nesta escala o valor 6 (equivalente a 3 desviospadro para cada limite de especificao). O campo Perform Analysis permite ao usurio escolher a forma de se fazer a anlise de capacidade, ou seja, se ser feita uma anlise considerando as informaes dentro dos subgrupos (Within subgroup analysis) ou considerando todas as informaes conjuntamente (Overall analysis). Pode-se ainda utilizar as duas formas conjuntamente. O campo Display permite ao usurio a escolha da forma de se apresentar os resultados. Normalmente as formas mais utilizadas so aquelas que esto escolhidas por default. 20. Selecione OK; 21. Selecione OK na caixa de dilogo principal.
Resultados Obtidos:
Figura 6.6: Anlise de Capacidade para um processo normalmente distribudo
Vamos dividir a anlise da Figura 6.6 de acordo com os grupos de informaes que so exibidos neste grfico: Histograma do processo O histograma traado nos mostra o comportamento do processo estudado. Nele, podemos observar como encontra-se distribudo cada um dos subgrupos de acordo com os limites de especificao fornecidos. Pode-se avaliar no histograma a capacidade do processo de acordo com as distribuies traadas com a variao dentro dos subgrupos (StDev(within)) e a variao total (StDev(Overall)). Process Data Observamos que a o comprimento mdio dos parafusos igual a 15,00009 mm e que possumos um total de 80 observaes em nosso estudo. O desvio-padro estimado dentro dos subgrupos (0,02113 mm) menor que o desvio-padro entre os subgrupos (0,02142 mm).
Potential (Within) Capability O desvio padro considerado neste campo do grfico o desvio padro calculado dentro dos subgrupos (StDev (Within)). Neste campo que podemos observar quais os valores dos ndices de capacidade Cp, CPL, CPU, Cpk e CCpk (este ltimo obtido de forma similar ao Cpk, porm utilizando o valor Target do processo). Estes ndices possuem os valores 0,79, 0,80 0,77, 0,77, e 0,79, respectivamente. Em alguns casos, de acordo com a realidade do mercado e com a utilizao de ferramentas para a qualidade como o Seis Sigma, usualmente, um processo considerado aceitvel quando os valores destes ndices so maiores que 2. Overall Capability Os valores de Pp, PPL, PPU e Ppk so calculados da mesma maneira que os valores de Cp, CPL, CPU e Cpk porm, o desvio-padro utilizado o desvio total da amostra (StDev(Overall)). Todas as consideraes feitas em Potential (Within) Capability so vlidas aqui. Os valores de Pp, PPL, PPU e Ppk so, respectivamente, 0,78, 0,79, 0,76 e 0,76.
Exp. Within Performance Este campo exibe a performance esperada do processo quando utilizamos como fonte de variao o desvio calculado dentro dos subgrupos (StDev(Within)). Os valores aqui fornecidos esto na escala PPM (partes por milho). A quantidade esperada de itens que estejam com suas medidas abaixo do Limite Inferior de Especificao (PPM < LSL) igual a 7981,07. A quantidade esperada de itens que estejam com suas medidas acima do Limite Superior de Especificao (PPM > USL) igual a 10093,30. O nmero total de itens que esperamos encontrar fora dos limites de especificao (PPM Total) igual a 18073,37. Exp. Overall Performance Este campo exibe a performance esperada do processo. Quando utilizamos como fonte de variao o desvio total da amostra (StDev(Overall)). A quantidade esperada de itens que estejam com suas medidas abaixo do Limite Inferior de Especificao (PPM < LSL) igual a 8729,04. A quantidade esperada de itens que estejam com suas medidas acima do Limite Superior de Especificao (PPM > USL) igual a 10975,37. O nmero total de itens que esperamos encontrar fora dos limites de especificao (PPM Total) igual a 19704,41 .
Concluses Podemos concluir, de acordo com os resultados obtidos, que o processo no est sendo capaz de produzir itens dentro das especificaes. Podemos observar que o valor do Cp e do Cpk so menores que 1, o que mostra que medidas drsticas devero ser adotadas neste processo. Observamos tambm que o nmero de itens fora da especificao, a cada milho de itens produzidos est bastante elevada em relao a escalas mnimas de aceitveis. Todas as observaes descritas acima nos indicam que a variao do processo alta e dessa forma, afim de tornar o processo capaz de produzir itens dentro das especificaes, devemos rever o processo o mais rpido possvel, buscando encontrar quais as fontes de variao e trabalhando para diminulas. OBS.: Feche o projeto aps a anlise dos resultados.
6.2 - Capability Sixpack
O comando Capability Sixpack combina 6 ferramentas que podem ser utilizadas para fornecer melhor entendimento sobre a capacidade de um processo. As anlises so feitas de acordo com processos normais, no normais, e considerando a variabilidade dentro e entre os subgrupos:
6.2.1 Normal
O comando Normal utilizado quando possumos um processo que fornecem dados que seguem uma distribuio normal e desejamos verificar se este processo ou no capaz. Este comando ir realizar de uma s vez a carta XBarra (ou de valores individuais), a carta R (ou Sbarra), um grfico seqencial, um histograma, um grfico de normalidade e um grfico com a anlise de capacidade do processo.
Exemplo 6.2
Uma indstria cervejeira desejava fazer um estudo sobre a capacidade do processo que era responsvel por realizar o envasamento das garrafas de cerveja. Uma garrafa de cerveja deveria possuir 600ml como valor nominal para o volume total de cerveja. Este valor pode possuir uma variao de 5ml para que no houvessem problemas tcnicos quando o valor excedia os 605ml (exploso da garrafa quando a mesma passava pelo processo de pasteurizao) ou problemas em relao direitos dos consumidores quando a quantidade de cerveja era inferior a 595ml. Foram coletadas 20 amostras, com 10 garrafas de cerveja cada, no decorrer do dia. Os dados foram armazenados na Worksheet Cerveja.MTW. Para analis-los necessrio acompanhar os seguintes passos: 1. Abra a Worksheet Cerveja.MTW;
A coluna Cerveja fornece a quantidade de cerveja observada em cada garrafa de cerveja que foi utilizada na realizao do estudo. A cada intervalo de 10 garrafas temos a formao de um subgrupo. 2. Escolha a opo Stat > Quality Tools > Capability Sixpack > Normal...;
Figura 6.7: O comando Capability Sixpack > Normal...
3. Como os dados esto organizados em colunas, no campo Data are arranged as na opo Single column escolha a varivel Cerveja; 4. Em Subgroup size digite 10; 5. Em Lower spec digite o valor 595; 6. Em Upper spec digite o valor 605;
O comando Historical mean deve ser utilizado quando possumos a mdia histrica da varivel que est sendo estudada. O comando Historical standard deviation deve ser utilizado quando possumos a mdia histrica da varivel que est sendo estudada. O comando Box-Cox realiza a transformao de Box-Cox nos dados do estudo na tentativa de estabilizar a varincia dos dados. 7. Selecione a opo Tests... Esta opo nos permite selecionar os testes que sero realizados nas cartas de controle para verificar se o processo encontra-se sob controle estatstico, dessa forma, verifique se os testes tm as seguintes configuraes;
OBS.: Apesar do segundo teste dizer que ser realizado o teste de sequncia de 9 pontos, o MINITAB utiliza a sequncia de 7 pontos. 8. Selecione OK; 9. Selecione a opo Estimate...; 10. Em Methods of estimating standard deviation (for subgroup size > 1) ative a opo Sbar (pois temos tamanho de amostra igual a 10);
A opo Use unbiasing constants utiliza um estimativa no viciada para o desvio-pardo dos dados. O campo (for subgroup size = 1) dever ser utilizado para escolhermos a forma de estimar o desvio-padro dos dados quando os subgrupos possuem tamanho igual a 1. A opo Use moving range of length utilizado quando queremos escolher o nmero de termos que devero ser incorporados no calculo da amplitude mvel. utilizado somente quando possumos subgrupos de tamanho 1. 11. Selecione OK; 12. Selecione a opo Options...; 13. Em Target (adds Cpm to table) digite 600; 14. Em Title digite Anlise de Capacidade para volume de Cerveja;
A opo Break out data for last especifica a quantidade final dos subgrupos que sero mostrados no grfico seqencial, por exemplo, se temos 30 subgrupos e se o valor deste campo for igual a 20, apenas os 20 ltimos subgrupos sero mostrados na carta. Por default, este campo tem o valor igual a 25. A opo Calculate statistics using: ___ sigma tolerance especifica a faixa de tolerncia do processo em nmeros de desvios-padro. Por default este valor igual a 6. 15. Selecione OK; 16. Selecione OK na caixa de dilogo principal.
Resultados obtidos:
Figura 6.8: Anlise de Capacidade para volume de Cerveja
Observamos que nenhum dos testes das cartas de controle foram violados. O histograma mostra que a distribuio dos dados apresenta distribuio prxima normal. A variao dentro dos subgrupos forneceu um desvio-padro igual a 0,520238 e sua comparao as especificaes fornece um Cp igual a 3,2, um Cpk igual a 3,19 e um CCpk igual a 3,20. A variao total do conjunto de dados fornece um desvio padro igual a 0,5187 e sua anlise fornece um Pp igual a 3,21, um Ppk igual a 3,2 e um Cpm igual a 3,21.
Concluses Como os dados esto sob controle estatstico (segundo as cartas de controle observadas), possuem distribuio normal (segundo o histograma), encontra-se centrado no valor alvo do processo , com os valores de Cp= 3,2, Cpk= 3,19, CCpk=3,20, Pp=3,21, Ppk=3,2 e Cpm=3,21. Ento, podemos dizer que existe uma faixa bastante confivel e dessa forma podemos dizer que o processo capaz de atender, com bastante folga, s expectativas da indstria cervejeira. OBS.: Feche o projeto aps a anlise dos resultados. 6.3 - Cause and Efect Este comando responsvel pela construo do diagrama de causa-e-efeito. O diagrama de causa-e-efeito (tambm conhecido como diagrama de Ishikawa ou espinha-depeixe) utilizado para sumarizar e apresentar possveis causas do problema considerado, atuando como guia para a identificao da causa fundamental deste problema e para a determinao der medida corretivas que devero ser adotadas. Exemplo 6.3 O responsvel pela qualidade dos parafusos automotivos fabricados pela indstria do Exemplo 6.2.1 verificou que, apesar de estar sobre o controle estatstico, o processo no era capaz de produzir parafusos dentro da especificao, dessa forma, ele resolveu construir um diagrama de causa e efeito para determinar quais medidas corretivas deveriam ser adotadas para resolver este problema, que estava relacionado a grande variabilidade do processo. Realizando um Brainstorming com sua equipe de trabalho foram determinadas e organizadas as causas para este problema. Os dados para a construo do diagrama de causa-e-efeito foram armazenados na Worksheet Parafuso automotivo3.MTW. Para construir o grfico devemos seguir os seguintes passos: 1. Abra a Worksheet Parafuso automotivo3.MTW;
2. Selecione a opo Stat > Quality Tools > Cause-and-Effect;
Figura 6.9: O comando Cause - And - Effect
3. Para a primeira linha, na coluna Causes, selecione a coluna Mo de Obra. Na coluna Label (esta coluna dar um ttulo para cada espinha do diagrama) digite Mo de Obra. 4. Para a segunda linha, na coluna Causes, selecione a coluna Mquinas. Na coluna Label digite Mquinas. 5. Para a terceira linha, na coluna Causes, selecione a coluna Matria Prima. Na coluna Label digite Matria Prima. 6. Para a quarta linha, na coluna Causes, selecione a coluna Mtodos.Na coluna Label digite Mtodos. 7. Para a quinta linha, na coluna Causes, selecione a coluna Medidas.Na coluna Label digite Medidas. 8. Para a sexta linha, na coluna Causes, selecione a coluna Meio Ambiente. Na coluna Label digite Meio Ambiente.
9. Em Effect digite o problema estudado, neste caso, digite Variabilidade Elevada; 10. Em Title digite o ttulo Diagrama de Causa-e-Efeito para a elevada variabilidade;
A opo Do not label the braches inibe os ttulos das espinhas do diagrama. A opo Do not display empty branches inibe a construo de espinhas que por ventura estejam vazias. 11. Selecione OK; O MINITAB fornece o seguinte resultado:
Figura 6.10:Diagrama de causa-e- efeito para a variabilidade elevada

Podemos observar pelo diagrama construdo que uma das possveis causas para os problemas relacionados mo de obra a desateno dos funcionrios. Conversando um pouco mais com sua equipe o responsvel enumerou duas causas secundrias para a desateno dos funcionrios. Estas causas eram os salrios baixos e a insatisfao dos funcionrios. Para adicionar estas causas secundrias neste grfico siga os seguintes passos: 12. Selecione a opo Edit Last Dialogn ou precione simultaneamente as teclas [Ctrl] + [E]. A a seguinte janela ser disponibilizada:
13. Na linha referente Mo de Obra selecione o comando Sub...; 14. Na linha referente desateno insira a coluna Desateno;
15. Selecione OK duas vezes. O MINITAB constri um novo diagrama de causa-e-efeito como mostrado abaxio:
Figura 6.11: Diagrama de causa-e- efeito para a variabilidade elevada
OBS.: Feche o projeto aps a anlise dos resultados.
294
Pgina deixada em branco intencionalmente. Copyright 2006 Werkema Editora
Captulo 7
Anlise de Regresso
Consultores
WERKEMA
Ao final deste captulo voc ser capaz de elaborar anlises de regresso simples e mltipla, bem como analisar os resultados fornecidos pelo software. A tcnica de anlise de regresso utilizada quando desejamos obter um modelo matemtico que mostre o relacionamento entre duas ou mais variveis de interesse; Por ser uma tcnica de fcil aplicao e que fornece, na maioria das vezes, resultados bem confiveis, largamente utilizada na maioria das reas do conhecimento; 7.1 Regression O comando Regression realiza anlises de regresso simples ou mltipla. Atravs deste comando possvel ajustar o modelo, armazenar estatsticas da regresso, verificar as suposies dos resduos, gerar estimativas pontuais, gerar predies e intervalos de confiana e efetuar testes de falta de ajuste. 7.1.1 Regresso Simples A anlise de regresso simples utilizada quando desejamos correlacionar apenas duas variveis, a varivel resposta (Y) e a varivel independente (X), tambm chamada de varivel preditora. Para a obteno de um bom modelo de regresso necessrio que essas variveis sejam correlacionadas, pois dessa forma, o modelo proposto ser bem eficaz. Para compreender melhor a utilizao dessa tcnica observe o seguinte exemplo:
Exemplo 7.1 O Diretor do setor financeiro de uma empresa que fabrica componentes para computador deseja investigara relao entre a taxa de cmbio praticada pelo mercado e o faturamento da empresa nos ltimos 24 meses e alm disso gostaria de saber qual seria o faturamento da empresa se a taxa de cmbio fosse igual a R$3,12. Os dados deste exemplo esto salvos na Worksheet Faturamento1.MTW. Para compreender esta ferramenta acompanhe os seguintes passos:
1. Abra a Worksheet Faturamento1.MTW;
As colunas Faturamento e Taxa de Cmbio referem-se ao faturamento da empresa e s taxas de cmbio mensais praticadas pelo mercado nos ltimos 24 meses. 2. Escolha a opo Stat > Regression > Regression...;
Figura 7.1: O comando Regression
3. Em Response selecione a varivel Faturamento; 4. Em Predictors selecione a varivel Taxa de Cmbio;
5. Selecione a opo Graphs...; 6. Em Residuals for Plots ative a opo Regular; 7. Em Residual Plots ative a opo Four in one;
A opo Standardized e Deleted os resduos so divididos pela estimativa de seu desvio-padro, facilitando a deteco de outliers. O que os difere que em Deleted o modelo de regresso ajustado sem os outliers. A opo Residuals versus the variables utilizada para construir grficos dos resduos contra cada uma das variveis de interesse. 8. Selecione OK;
9. Selecione a opo Options...; 10. Ative a opo Fit intercept; 11. Em Prediction intervals for new observations digite 3,12 (este comando estimar a o faturamento da empresa quando a taxa de cmbio for igual a R$3,12) 12. Em Confidence level digite 95;
A opo Weights realiza uma regresso ponderada. A opo Variance inflation factors detecta a presena de multicolinearidade entre as variveis preditoras. A opo Durbin-Watson statistic verifica se os resduos so autocorrelacionados. A opo PRESS and predicted R-square avalia a habilidade preditiva do modelo e verifica o quanto o modelo bom para prever valores da varivel resposta para novas observaes. A opo Pure error verifica a adequao do modelo quando os dados tm replicao. A opo Data subsetting verifica a adequao do modelo quando os dados no tm replicao. Em Storage, as opes Fits, SEs of fits, Confidence limits e Prediction limits alocam na Worksheet os valores preditos para novas observaes, a estimativa do erro padro dos valores preditos e os limites inferior e superior do intervalo de confiana e do intervalo de predio, respectivamente.
Resultados obtidos:
Regression Analysis: Faturamento versus Taxa de Cmbio
The regression equation is Faturamento = 33,4 - 7,82 Taxa de Cmbio
Predictor Constant Taxa de Cmbio
Coef 33,355 -7,8212
SE Coef 2,148 0,7189
T 15,53 -10,88
P 0,000 0,000
S = 0,362887
R-Sq = 84,3%
R-Sq(adj) = 83,6%
Analysis of Variance Source Regression Residual Error Total DF 1 22 23 SS 15,586 2,897 18,483 MS 15,586 0,132 F 118,36 P 0,000
Predicted Values for New Observations New Obs 1
Fit 8,9528
SE Fit 0,1219
95% CI (8,7001; 9,2055)
95% PI (8,1589; 9,7467)
Values of Predictors for New Observations Taxa de Cmbio 3,12
New Obs 1
Figura 7.2: Anlise de regresso para o faturamento da empresa versus a taxa de cmbio
Verificamos que a equao de regresso igual a:
O valor-p obtido para os dois coeficientes ( coeficiente de determinao .
) igual a 0,000 e o valor do
Na anlise de varincia (Analysis of Variance) o valor-p para a regresso tambm igual a 0,000. Podemos observar que o valor previsto para o faturamento da empresa 8,9528.
O intervalo de confiana para a mdia dos valores previstos a 95% [8,7001;9,2055]. O intervalo de confiana para um valor pontual a 95% [8,1589;9,7467].
Figura 7.3: Anlise dos resduos
No histograma (Histogram of the Residuals) suas barras no apresentam formato de um sino de forma clara, mas mesmo assim, podemos dizer que os dados parecem ter distribuies normais. O grfico dos resduos versus valores ajustados (Residuals Versus the Fitted Values) e o grfico dos resduos versus ordem dos dados (Residuals Versus the Order of the Data) apresentam uma distribuio aleatria dos dados. Concluses Atravs da equao de regresso verificamos que medida que a taxa de cmbio aumenta em uma unidade, isto representa uma perda de 7,82 milhes de reais no faturamento da empresa.
A estimao dos coeficientes e a anlise de varincia mostraram a existncia de relacionamento linear significativo entre as variveis, considerando um nvel de significncia de 5%. Atravs do coeficiente de determinao percebemos que a varivel Taxa de Cmbio explica aproximadamente 85% da variabilidade da varivel Faturamento. Aps considerarmos todas as anlises realizadas, conclumos que a equao de regresso foi bem ajustada para este conjunto de dados. Dessa forma, se o valor da taxa de cmbio for igual a R$3,12, o provvel faturamento da empresa ser de 8,9528 milhes de reais, tendo como intervalo, a 95% de confiana, os valores 8,1589 e 9,7467 milhes de reais. OBS.: Feche o projeto aps a anlise dos resultados. 7.1.2 - Regresso Mltipla A anlise de regresso mltipla deve ser utilizada sob as mesmas condies da regresso linear simples, porm, na regresso mltipla possumos mais de uma varivel independente (X1, X2, ...). Para a obteno de um bom modelo de regresso necessrio que essas variveis independentes sejam correlacionadas com a varivel resposta e praticamente no correlacionadas entre si (a correlao entre X1 e X2, X1 e X3, ..., Xn-1e Xn praticamente nula). Para compreender melhor a utilizao dessa tcnica observe o seguinte exemplo:
Exemplo 7.2 O Diretor do exemplo anterior resolveu adicionar ao modelo a taxa de inflao do ms em estudo. Com esta nova informao, ele deseja verificar se os dados iro se ajustar melhor equao de regresso, o que poder aumentar a previsibilidade da varivel resposta. Alm disso ele quer realizar previses supondo valores de taxa de cmbio igual a R$3,15 e inflao de 1,3%. Os dados esto digitados na Worksheet Faturamento2.MTW. Para executar esta tarefa devemos seguir os seguintes passos: 1. Abra a Worksheet Faturamento2.MTW;
2. Escolha a opo Stat > Regression > Regression...;
3. Em Response selecione a varivel Faturamento; 4. Em Predictors selecione as variveis Taxa de Cmbio e Inflao;
5. Selecione a opo Options...; 6. Ative a opo Fit intercept; 7. Em Prediction intervals for new observations digite os valores 3,15 e 1,3 (a ordem destas informaes deve ser fornecida de acordo com a ordem em que as variveis preditoras foram inseridas o campo Predictors); 8. Em Confidence level digite 95;
Resultados obtidos:
Regression Analysis: Faturamento versus Taxa de Cmbio; Inflao
The regression equation is Faturamento = 30,9 - 5,84 Taxa de Cmbio - 3,14 Inflao
Predictor Constant Taxa de Cmbio Inflao
Coef 30,911 -5,843 -3,143
SE Coef 2,230 1,080 1,361
T 13,86 -5,41 -2,31
P 0,000 0,000 0,031
S = 0,331701
R-Sq = 87,5%
R-Sq(adj) = 86,3%
Analysis of Variance Source Regression Residual Error Total DF 2 21 23 SS 16,1727 2,3105 18,4832 MS 8,0863 0,1100 F 73,50 P 0,000
Source Taxa de Cmbio Inflao
DF 1 1
Seq SS 15,5861 0,5866
Predicted Values for New Observations New Obs 1
Fit 8,4204
SE Fit 0,1814
95% CI (8,0432; 8,7977)
95% PI (7,6342; 9,2067)
Values of Predictors for New Observations Taxa de Cmbio 3,15
New Obs 1
Inflao 1,30
Figura 7.4: Anlise de regresso para o faturamento vs Taxa de Cmbio e Inflao
Verificamos que a equao de regresso obtida para esses dados igual a:

Faturamento = 30,9 5,84 Taxa de Cmbio 3,14 Inflao
O valor-p obtido para os coeficientes ( 0 = 30,911 , 1 = 5,143 e 2 = 3,143 ) so menores que 0,05 e o valor do coeficiente de determinao R 2 = 87,5% . O valor do coeficiente de determinao ajustado igual a R 2 adj = 87,5% . Na anlise de varincia o valor-p para a regresso igual a 0,000. Observamos que o valor previsto para o faturamento da empresa 8,4204. Seu intervalo de confiana para valores pontuais 95% igual a [7,6342;9,2067]. J o intervalo para a mdia das observaes previstas, o intervalo de confiana a 95% igual a [8,0432; 8,7977]. Concluses Atravs da equao de regresso verificamos que os coeficientes das variveis Taxa de Cmbio e Inflao so negativos, o que quer dizer que quanto maiores forem estas variveis, menor ser o faturamento da empresa. Ao aumentarmos a inflao em uma unidade percentual, mantendo a taxa de cmbio constante, teremos uma perda de 3,14 milhes de reais no faturamento da empresa. Quando mantemos a inflao constante e aumentamos a taxa de cmbio em uma unidade, a empresa ter uma perda de 5,84 milhes de reais. A estimao dos coeficientes e a anlise de varincia mostraram a existncia de um relacionamento linear significativo entre as variveis, considerando um nvel de significncia de 5%. Atravs do coeficiente de determinao ajustado (que o mais recomentado quando usamos mais de uma varivel resposta) percebemos que as variveis Taxa de Cmbio e Inflao explicam aproximadamente 86,3% da variabilidade da varivel Faturamento. Se o valor da taxa de cmbio for igual a R$3,15 e a inflao for igual a 1,30%, o provvel faturamento da empresa ser de 8,4204 milhes de reais, tendo como intervalo, a 95% de confiana, os valores 7,6342 e 9,2067 milhares de reais. OBS.: Feche o projeto aps a anlise dos resultados.
7.3 Fitted Line Plot Este comando ajusta uma reta de regresso simples aos dados, permitindo visualizar a adequao da equao atravs de um grfico. O Fitted Line Plot ajusta modelos que seguem equaes lineares, quadrticas e cbicas. Para compreender melhor a funcionalidade deste comando vamos construir o grfico com os dados do exemplo da regresso simples salvos na Worksheet Faturamento1.MTW. acompanhe os seguintes passos: Exemplo 7.3 1. Abra a Worksheet Faturamento1.MTW;
2. Escolha a opo Stat > Regression > Fitted Line Plot;
Figura 7.5: O comando Fited Line Plot
3. Em Response(Y) selecione a varivel Faturamento; 4. Em Response(X), selecione a varivel Taxa de Cmbio; 5. Em Type of Regression Model ative a opo Linear;
6. Selecione a opo Options..., 7. Em Display Options selecione as opes Display confidence interval e Display prediction interval; 8. Em Confidence level digite 95,0; 9. Em Title digite o ttulo Modelo de regresso ajustado;
10. Selecione OK; 11. Selecione OK na caixa de dilogo principal. Resultados obtidos
Figura 7.6: Grfico de regresso com intervalos de predio e confiana
Verificamos que a equao gerada exatamente a mesma que obtivemos ao realizar a anlise de regresso linear simples. Verificamos que os pontos que representam o banco de dados so bem ajustados pela reta de regresso, o que justifica o elevado valor de R 2 (aproximadamente 84%). A visualizao desta reta permite acompanhar o comportamento dos dados, bem como prever valores para este conjunto de variveis. Os limites de confiana e predio nos fornecem os possveis valores estimados do faturamento baseando-se em um dado valor da taxa de cmbio, desde que a taxa de cmbio no extrapole os valores apresentados no grfico. OBS.: Feche o projeto aps a anlise dos resultados.
Captulo 8
Avaliao de Sistemas de Medio
Consultores
WERKEMA
Ao final deste captulo voc ser capaz de avaliar sistemas de medio por variveis e atributos efetuando todas as anlises grficas necessrias. Quando estudamos um conjunto de dados provenientes do nosso processo pressupomos que os dados sejam altamente confiveis e que eles mostrem como nosso processo realmente opera. A variabilidade total presente em um conjunto de dados pode ser dividida em duas partes: Uma relacionada a variabilidade inerente do processo e a outra ligada a acurcia (preciso) inerente ao sistema de medio utilizado na obteno dos dados (instrumentos, operadores, meio etc). A acurcia (exatido) de um instrumento de medio quantifica a proximidade existente entre o valor real da caracterstica medida e os resultados fornecidos pelo aparelho. A Anlise do Sistema de Medio uma tcnica estatstica utilizada para verificar at que ponto o instrumento de medio influencia nos dados coletados. Antes de aprender a utilizar o MINITAB para estudar esta tcnica podemos visualizar na Figura 8.1 os componentes que compem a acurcia.
Acurcia
Vcio
Preciso
Repetibilidade
Reprodutibilidade
Figura 8.1: Componentes da acurcia
A Figura 8.2 nos permite visualizar quais so os impactos dos do vcio e da preciso na acurcia de um conjunto de dados.
(a)
(b)
(c)
(d)
(a) Alto Vcio + Baixa Preciso = Baixa Acurcia. (b) Baixo Vcio + Baixa Preciso = Baixa Acurcia. (c) Alto Vcio + Alta Preciso = Baixa Acurcia. (d) Baixo Vcio + Alta Preciso = Alta Acurcia.
Figura 8.2: Relacionamento entre os conceitos de vcio, preciso e acurcia
Como podemos observar, o vcio de um instrumento de medio quantifica a diferena existente entre o valor real da caracterstica medida e os valores fornecidos pelo instrumento avaliado.
Vcio de B
R A
=
Distribuio dos resultados fornecidos pelo instrumento A (no viciado). Distribuio dos resultados fornecidos pelo instrumento B (viciado). R = valor verdadeiro da caracterstica medida. i = mdia de distribuio dos resultados fornecidos pelo instrumento i, i = A, B.
Figura 8.3: Conceito de vcio
A preciso de um instrumento de medio quantifica a proximidade entre as medidas individuais da caracterstica geradas pelo aparelho e pode ser dividida em duas partes: Uma associada a repetibilidade (variao nas medidas obtidas quando um operador utiliza o instrumento para medir repetidas vezes o mesmo item) e reprodutibilidade (variao na mdia das medidas obtidas quando diferentes operadores utilizam o instrumento para medir repetidas vezes os mesmos itens).
Repetibilidade Inadequada
6repe
Instrumento I
LIE
LSE
Repetibilidade Adequada
6repe
Instrumento II
LIE
LSE
Figura 8.4: Conceito de repetibilidade
Reprodutibilidade Inadequada
Operador A
Operador B
Instrumento I
LIE
LSE
Reprodutibilidade Adequada
Instrumento II
Operador A Operador B
LIE
LSE
Figura 8.5: Conceito de reprodutibilidade
8.1 - Gage R&R Study (Crossed) O comando Gage R&R Study (Crossed) realiza a avaliao do sistema de medio para variveis contnuas verificando onde originada a variao presente em estudos de preciso (repetibilidade e reprodutibilidade); Existem dois mtodos de avaliao da variao do sistema de medio para variveis contnuas, um deles feito atravs de uma carta X R , o outro, atravs de uma ANOVA (Analysis of Variance). Abordaremos nesta apostila apenas a avaliao realizada pela carta . Uma forma usual de verificarmos qual o comportamento do sistema de medio, quando no possumos uma faixa de tolerncia especificada, fazer a anlise do percentual de contribuio (%Contribution (of VarComp)) da variao relacionada repetibilidade e reprodutibilidade (Total Gage R&R). Esses valores devero ser interpretados da seguinte maneira: Se %Contribution (of VarComp) < 1%, o sistema de medio aceitvel; Se %Contribution (of VarComp) estiver entre 1% e 10%, o sistema de medio considerado aceitvel com restries; Se %Contribution (of VarComp) > 10%, o sistema de medio inaceitvel. Para fixar estes conceitos vamos executar o exemplo abaixo: Exemplo 8.1 Um candidato a Black Belt estava interessado em avaliar se o sistema de medio responsvel por medir o comprimento de parafusos que eram utilizados na montagem de um motor eltrico era confivel. Ele desejava verificar se o sistema estava fornecendo valores aceitveis e caso no estivesse, quais mudanas deveriam ser implementadas no setor responsvel pela produo destes parafusos. O Black Belt planejou um estudo no qual, aps selecionar 15 parafusos com caractersticas diferentes, ele fez com que todos os 4 operadores responsveis pela medio fizessem 3 medies em cada um dos parafusos (respeitando uma ordem aleatria na medio e alm disso sem que os operadores soubessem que estavam sendo avaliados). Os dados foram armazenados na Worksheet Motor Eltrico.MTW. Para analis-los necessrio acompanhar os seguintes passos:
1. Abra a Worksheet Motor Eltrico.MTW;
A coluna Parafuso representa os 15 parafusos escolhidos para o estudo. A coluna Operador indica qual operador realizou determinada medio no parafuso e a coluna Medidas representa a medida do parafuso encontrada pelo operador. 2. Escolha a opo Stat > Quality Tools > Gage Study > Gage R&R Study (Crossed)...;
Figura 8.6: O comando Gage R&R Study (Crossed)
3. Em Part numbers selecione a varivel Parafuso; 4. Em Operators selecione a varivel Operador; 5. Em Measurement data selecione a varivel Medidas; 6. Em Method of Analysis ative a opo Xbar and R;
7. Selecione a opo Gage Info...; 8. Em Gage name digite Estudo do sistema de medio para o comprimento do parafuso; 9. Em Date of study digite 01/01/1900; 10. Em Reported by digite Fulano de Tal; 11. Em Gage Tolerance digite 10%;
12. Selecione OK; 13. Escolha a opo Options...; 14. Em Title digite Avaliao do Sistema de Medio (Xbarra-R);
A opo Study variation permite ao usurio escolher quantos desvios-padro sero utilizados para estimar a coluna %Study Var. A opo Process tolerance utilizada quando possumos o valor da faixa de especificao do processo. A opo Historical standard deviation utilizada quando possumos o valor histrico do desvio-padro. As opes Do not display percent contribution e Do not display percent study variation inibem a apresentao das porcentagens de contribuio de cada componente da variao da porcentagem relacionada ao estudo da variao, respectivamente. A opo Draw figures on separate graphs, one figure per graph quando selecionada, faz com que cada grfico construdo no estudo do sistema de medio seja alocado em uma pgina diferente.
Gage R&R Study - XBar/R Method %Contribution (of VarComp) 0,36 0,36 0,00 99,64 100,00
Source Total Gage R&R Repeatability Reproducibility Part-To-Part Total Variation
VarComp 0,00701 0,00701 0,00000 1,94931 1,95631
Source Total Gage R&R Repeatability Reproducibility Part-To-Part Total Variation
StdDev (SD) 0,08370 0,08370 0,00000 1,39618 1,39868
Study Var (6 * SD) 0,50221 0,50221 0,00000 8,37705 8,39209
%Study Var (%SV) 5,98 5,98 0,00 99,82 100,00
Number of Distinct Categories = 23
Figura 8.7: Sada da janela Session para o estudo do sistema de medio dos comprimentos dos parafusos
O percentual de contribuio da variao relacionada ao sistema de medio na variao total do processo de 0,36% (%Contribution (of VarComp) do Total Gage R&R igual a 0,36%). Este ndice pode ser decomposto por: O percentual de contribuio da repetibilidade na variao total do processo de 0,36% (%Contribution (of VarComp) da repetibilidade igual a 0,36%). O percentual de contribuio da reprodutibilidade na variao total do processo de 0% (%Contribution (of VarComp) da reprodutibilidade igual a 0%). O percentual de contribuio variao dos parafusos na variao total do processo de 99,64% (%Contribution (of VarComp) da variao dos parafusos igual a 99,64%).
Figura 8.8 - Estudo do sistema de medio para o comprimento do parafuso
A partir da Figura 8.8 observamos que os valores obtidos na anlise da janela Session so coerentes. O grfico Components of Variation mostra a comparao das porcentagens de cada fonte de variao. A carta R mostra que todos os pontos esto dentro dos limites de controle o que indica que as medies realizadas por cada operador em cada um dos parafusos consistente. A carta X mostra que existem vrios pontos fora dos limites de controle o que indica que as medies realizadas por cada operador em cada um dos parafusos tambm consistente. No grfico Medidas by Parafuso observamos que a variao dos parafusos bastante grande. Podemos verificar que o menor parafuso apresenta em mdia o comprimento de 6,35 mm e o maior parafuso apresenta em mdia o comprimento de 11,31 mm. No grfico Medidas by Operador observamos que os operadores apresentam comportamento praticamente idntico nas medies realizadas. No grfico Operador * Parafuso Interaction verificamos que o comportamento de cada operador na medio de cada parafuso praticamente idntico. Concluses: Como o percentual de contribuio da variao relacionada ao sistema de medio foi menor que 1% e como os grficos nos mostram que os operadores trabalham praticamente da mesma maneira, podemos concluir que o sistema de medio adequado e que os dados obtidos no estudo do processo so bastante confiveis. OBS.: Feche o projeto aps a anlise dos resultados. 8.2 - Attribute Agreement Analysis O comando Attribute Agreement Analysis realiza a anlise de sistemas medio por atributos. Alguns exemplos de variveis em forma de atributos so: Estudar uma pea e determinar se esta pea defeituosa ou no-defeituosa; Verificar o nmero de itens conformes e no-conformes dentro de um lote de peas utilizadas na montagem de um aparelho eltrico; Atribuir valores binrios uma varivel de interesse.
Exemplo 8.3 Uma empresa que fabricava refrigeradores vinha recebendo em seu Servio de Atendimento ao Consumidor diversas reclamaes sobre a qualidade de seus produtos. Uma fatia importante dessas reclamaes estava ligada a qualidade da pintura dos refrigeradores, que muitas vezes, apresentava arranhados em sua superfcie. O Engenheiro de qualidade, responsvel pelo setor de inspeo final, para verificar o que estava acontecendo, resolveu fazer um estudo com os dois operadores pela inspeo final do produto. Para realizar este estudo ele selecionou 15 refrigeradores da linha de produo em que 8 refrigeradores tinham problemas na pintura e deveriam ser re-trabalhados e 7 estavam aptos para a venda ao consumidor. Aleatoriamente cada um dos operadores realizou duas medidas em cada um dos refrigeradores. Os dados esto codificados OK: Refrigerador liberado e NOK: Refrigerador no liberado.Um detalhe importante era que os operadores no sabiam que estavam sendo avaliados. Os resultados desse estudo esto apresentados na Tabela 8.1.
Tabela 8.1: Resultado da avaliao da qualidade da pintura dos refrigeradores
Identificao Padro de da pea referncia 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 NOK NOK OK OK NOK OK OK NOK OK OK NOK OK NOK NOK NOK Operador I Avaliao 1 Avaliao 2 NOK NOK NOK OK OK OK OK NOK OK OK OK NOK NOK NOK NOK NOK NOK NOK OK OK OK OK NOK OK OK NOK OK NOK NOK OK NOK NOK OK OK OK OK OK NOK OK OK NOK OK NOK NOK NOK NOK NOK OK OK OK OK OK NOK OK OK NOK OK NOK NOK NOK Operador II
Os dados para a execuo deste exemplo foram armazenados na Worksheet Avaliao dos refrigeradores.MTW. Para analis-los necessrio acompanhar os seguintes passos: 1. Abra a Worksheet Avaliao dos refrigeradores.MTW;
A coluna Amostra contem o nmero do refrigerador avaliado. A coluna Operador identifica os operadores. A coluna Padro contm a classificao padro que mostra a classificao correta do refrigerador e a coluna Avaliao apresenta a avaliao do operador em cada uma das duas inspees realizadas. 2. Escolha a opo Stat > Quality Tools > Attribute Agreement Analysis...;
Figura 8.9: O comando Attribute Agreement Analysis
3. No campo Data are arranged as em Attribute column selecione a varivel Avaliao; 4. Em Samples selecione a varivel Amostra; 5. Em Appraisers selecione a varivel Operador; 6. Em Known standard/attribute selecione a varivel Padro;
A opo Multiple columns utilizada quando possumos dados divididos segundo cada operador, ou seja, as medidas feitas por cada operador devem estar alocadas a colunas diferentes. A opo Categories of the attribute data are ordered deve ser utilizado quando possumos dados que possuem mais de dois nveis e so ordinais. A opo Options... utilizada quando desejamos calcular a estatstica Kappa. Uma outra funo contida em Options a possibilidade de alterar-se o nvel de significncia utilizado na construo dos intervalos de confiana, por defaut o intervalo de confiana de 0,95%.
7. Selecione a opo Graphs...; 8. Ative as opes Trials per appraiser (no graph for single trial) e Trials per appraiser and known standard/attribute para que o MINITAB exiba os grficos do estudo realizado. 9. Desative a opo Display figures on one graph, dessa forma teremos dois grficos, um em cada janela grfica;
10. Selecione OK; 11. Selecione a opo Results...; 12. Ative a opo Percentages of assessment agreement within and between appraisers. Esta opo far com que apenas as comparaes entre os operadores e a anlise feita por cada operador seja avaliada e impressa na janela Session;
A opo Display nothing, quando utilizada, no imprime nenhuma sada na janela Session. A opo In addition, kappa and Kendalls (ordinal data) coefficients imprime na janela Session, alm do que impresso na opo Percentages of assessment agreement within and between appraisers, os coefientes Kappa e Kendall.
13. Selecione OK; 14. Selecione OK na caixa de dilogo principal. Resultados Obtidos: Os resultados apresentados na janela Session sero apresentados separadamente para facilitar o entendimento do leitor:
Within Appraisers Assessment Agreement Appraiser Operador I Operador II # Inspected 15 15 # Matched 12 15 Percent 80,00 100,00 95 % CI (51,91; 95,67) (81,90; 100,00)
# Matched: Appraiser agrees with him/herself across trials.
Figura 8.10: Anlise do sistema de medio por atributos (Parte I)
A Figura 8.10 mostra a quantidade de vezes que cada operador classificou igualmente cada refrigerador avaliado nas duas avaliaes realizadas. O Operador I avaliou igualmente 12 dos 15 refrigeradores analisados (80% do total). Espera-se, com 95% de confiana que este operador avalie igualmente entre 52% e 96% os itens inspecionados. J o Operador II avaliou igualmente 15 dos 15 refrigeradores analisados (100% do total). Esperase, com 95% de confiana que este operador avalie igualmente entre 82% e 100% dos itens inspecionados.
Figura 8.11: Anlise do sistema de medio por atributos (Parte II)
A Figura 8.11 mostra a quantidade de vezes que cada operador classificou igualmente cada refrigerador avaliado nas duas medies realizadas em comparao com o padro de referncia. O Operador I avaliou 14 dos 15 refrigeradores analisados (66,67% do total) nas duas avaliaes conforme o padro de referncia. Espera-se, com 95% de confiana que este operador avalie igualmente, de acordo com o padro, entre 38% e 88% dos itens inspecionados. J o Operador II avaliou 12 dos 15 refrigeradores analisados (93,33% do total) nas duas avaliaes conforme o padro de referncia. Espera-se, com 95% de confiana que este operador avalie igualmente, de acordo com o padro de referncia, entre 68% e 100% dos itens inspecionados.
Assessment Disagreement Appraiser Operador I Operador II # OK / NOK 1 1 Percent 12,50 12,50 # NOK / OK 1 0 Percent 14,29 0,00 # Mixed 3 0 Percent 20,00 0,00
# OK / NOK: Assessments across trials = OK / standard = NOK. # NOK / OK: Assessments across trials = NOK / standard = OK. # Mixed: Assessments across trials are not identical.
Figura 8.12: Anlise do sistema de medio por atributos (Parte III)
A Figura 8.12 mostra as comparaes entre os valores obtidos nas avaliaes de cada Operador e o valor do padro de referncia, alm disso, faz uma contagem do nmero de vezes que cada Operador classifica de forma diferente os refrigeradores avaliados.
Tanto o Operador I quanto o Operador II classificaram um refrigerador que era conforme (de acordo com o padro) como no-conforme nas duas avaliaes realizadas. Este erro representa 12,5% dos erros daquele Operador ao avaliar peas conformes, ou seja, espera-se que 12,5% das peas conformes sejam avaliadas de forma incorreta. O Operador I classificou um refrigerador que era no-conforme (de acordo com o padro) como conforme nas duas avaliaes realizadas. Este erro representa 14,29% dos erros daquele Operador ao avaliar peas no-conformes, ou seja, espera-se que 14,29% das peas no-conformes sejam avaliadas de forma incorreta. A coluna #Mixed representa o nmero refrigeradores no qual as avaliaes realizadas forneceram resultados divergentes. O Operador I classificou de forma diferente 3 refrigeradores nos 15 refrigeradores avaliados o que representa um total de 20%. OBS.: Os valores da coluna #Mixed so complementares aos valores interpretados na primeira parte da sada analisada.
Between Appraisers Assessment Agreement # Inspected 15 # Matched 11 Percent 73,33 95 % CI (44,90; 92,21)
# Matched: All appraisers' assessments agree with each other.
Figura 8.13: Anlise do sistema de medio por atributos (Parte IV)
A Figura 8.13 mostra a quantidade de avaliaes simultneas de cada Operador que forneceram o mesmo resultado. Verifica-se que dos 15 refrigeradores avaliados 11 deles (73,33%) apresentaram o mesmo resultado em todas as avaliaes realizadas pelos operadores. Podemos dizer, com 95% de confiana que o nmero de refrigeradores que sero avaliados da mesma maneira pelos operadores esta entre 45% e 92%.
All Appraisers vs Standard Assessment Agreement # Inspected 15 # Matched 10 Percent 66,67 95 % CI (38,38; 88,18)
# Matched: All appraisers' assessments agree with the known standard.
Figura 8.14: Anlise do sistema de medio por atributos (Parte V)
A Figura 8.14 mostra a quantidade de avaliaes simultneas de cada Operador que forneceram o mesmo resultado em comparao com o padro de referncia. Verifica-se que dos 15 refrigeradores avaliados 10 deles (66,67%) apresentaram o mesmo resultado em todas as avaliaes realizadas pelos operadores em relao ao padro de referncia. Podemos dizer, com 95% de confiana que o nmero de refrigeradores que sero avaliados da mesma maneira pelos operadores em relao ao padro de referncia est entre 38% e 88%.
Figura 8.15:Comparao das anlises idnticas realizadas por cada operador
Captulo 9
Teste de Hipteses
Consultores
WERKEMA
Ao final deste captulo voc ser capaz de realizar testes de hipteses para diferena de uma mdia, duas mdias, uma proporo e duas propores.
9.1 Sample Z
O comando 1-Sample Z utilizado para calcular o teste de hipteses para a mdia. Esse teste baseado na distribuio normal e para que ele seja utilizado necessrio que o desvio-padro seja conhecido. Um intervalo de confiana tambm traado ao calcularmos este teste.
Exemplo 9.1
A filial de uma indstria que fabrica impressoras est interessada em verificar se a eficincia das suas impressoras est apresentando resultados prximos aqueles exigidos pela matriz da empresa. A eficincia de uma impressora era medida atravs da quantidade de pginas impressas at que o toner fosse trocado. A matriz determinava que as impressoras produzidas deveriam imprimir em mdia 5880 pginas com um desvio-padro de 130 pginas. Era de conhecimento de todos que a quantidade de pginas impressas pela impressora seguia uma distribuio normal. O gerente de qualidade resolveu verificar como as impressoras produzidas pela filial vinha se comportando, para isto ele selecionou aleatoriamente da linha de produo 30 impressoras e observou quantas pginas eram impressas. Em seguida o gerente estabeleceu as hipteses que deveriam ser testadas:
H 0 : = 5880 H1 : 5880
Os dados coletados pelo gerente de qualidade foram armazenados na Worksheet Teste de impressoras.MTW e para analis-los vamos acompanhar os seguintes passos: 1. Abra a Worksheet Teste de impressoras.MTW;
A coluna Pginas impressas refere-se quantidade de pginas impressas por cada uma das 30 impressoras utilizadas no estudo. 2. Escolha a opo Stat > Basic Statistics > 1-Sample Z...;
Figura 9.1: O comando 1-SampleZ

3. Ative a opo Sample in columns e selecione a coluna Pginas impressas. 4. Em Standard deviation, digite 130; 5. Em Test mean digite 5880;
A opo Summarized data utilizada quando possumos apenas o tamanho da amostra (Sample size) e a mdia (Mean) das observaes j sumarizados. 6. Selecione a opo Graphs...; 7. Ative a opo Boxplot of data;
8. Selecione OK; 9. Selecione a opo Options; 10. Em Confidence level digite 95,0; 11. Em Alternative escolha a opo not equal;
12. Selecione OK duas vezes.
Resultados obtidos:
One-Sample Z: Pginas impressas

Test of mu = 5880 vs not = 5880 The assumed standard deviation = 130
Variable Pginas impressa
N 30
Mean StDev 5858,03 145,69
SE Mean 95% CI 23,73 (5811,51; 5904,55)
Z -0,93
P 0,355
Figura 9.2: Sada da janela Session para teste Z
A estatstica de teste Z igual a -0,93 e o valor-p igual a 0,355. O nmero mdio de pginas impressas foi igual a 5858,03 e o desvio-padro igual a 145,69 pginas. Um intervalo de 95% de confiana nos diz que, a quantidade de pginas impressas pelas impressoras ser de 5811 a 5904 pginas.
Figura 9.3: Boxplot para o nmero de pginas impressas pelas 30 impressoras estudadas
O Boxplot mostra como o nmero de pginas impressas se distribui. Alm disso possvel verificar que o valor da mdia estabelecido na hiptese nula (marcada em H0) est presente dentro do intervalo de confiana estabelecido para a mdia amostral.
Concluso
Atravs das anlises acima o gerente de qualidade decidiu no rejeitar a hiptese nula um nvel de 5% de significncia, ou seja, o nmero mdio de pginas impressas pela impressora antes de trocar o toner no diferente da quantidade de pginas estipulado pela matriz. Dessa forma, o gerente de qualidade decidiu no alterar em nada o seu processo de produo pois as impressoras estavam atendendo as determinaes da matriz.
9.2 - 1 Sample t
O comando 1-Sample t tambm realiza teste de hipteses e calcula um intervalo de confiana para a mdia, porm, para utilizar este teste no necessrio conhecer o desvio-padro do processo. O teste t mais indicado para pequenas amostras provindas de uma distribuio normal.
Exemplo 9.2
No exemplo anterior o teste-t mais apropriado que o teste-Z pois, como na prtica o desvio padro populacional no conhecido, utilizamos o desvio-padro amostral para fazer o teste de hipteses, desta forma, vamos utilizar o teste-t para analisar os dados anteriores. 1. Escolha a opo Stat > Basic Statistics > 1-Sample t...;
Figura 9.4: O comando 1-Sample t
2. Ative a opo Sample in columns e selecione a coluna Pginas impressas. 3. Em Test mean digite 5880;
A opo Summarized data utilizada quando temos o tamanho da amostra (Sample size), a mdia (Mean) e o desvio-padro (Standard deviation) das observaes j sumarizados. 4. Selecione a opo Graphs...; 5. Ative a opo Boxplot of data;
6. Selecione OK; 7. Selecione a opo Options; 8. Em Confidence level digite 95,0. 9. Em Alternative escolha a opo not equal;
10. Selecione OK duas vezes
Resultados obtidos:
One-Sample T: Pginas impressas
Test of mu = 5880 vs not = 5880
Variable Pginas impressa
N Mean 30 5858,03
StDev 145,69
SE Mean 26,60
95% CI T (5803,63;5912,43) -0,83
P 0,416
Figura 9.5: Sada da janela Session para o teste 1-Sample t
A estatstica de teste T obtida igual a -0,83 e o valor-p igual a 0,416. O nmero mdio de pginas impressas 5858 e o desvio-padro igual a 145,69 pginas. O intervalo de confiana com 95% confiana de 5803 a 5912 pginas impressas.
Figura 9.6: Boxplot para o nmero de pginas impressas pela impressora
O Boxplot mostra como o nmero de pginas impressas se distribui. Alm disso possvel verificar que o valor da mdia estabelecido na hiptese nula (marcada em H0) est presente dentro do intervalo de confiana estabelecido para a mdia amostral.
Concluso
Como o valor-p do teste de hipteses igual a 0 e como o valor estabelecido na hiptese nula est contido dentro do intervalo de confiana traado para a mdia amostral um nvel de 5% de significncia, podemos dizer que o nmero mdio de pginas impressas pela impressora antes de trocar o toner no diferente da quantidade de pginas estipulado pela matriz. O resultado dessa anlise anlogo ao resultado do Exemplo 9.1. OBS.: Feche o projeto aps a anlise dos resultados.
9.3 - 2 Sample t
O comando 2-Sample t realiza um teste de hipteses para duas amostras independentes e calcula um intervalo de confiana para a diferena entre as mdias dessas duas amostras. Neste caso o desviopadro populacional desconhecido.
Exemplo 9.3
Um Professor de Matemtica estava interessado em estudar o tempo em que pessoas de sexos diferentes gastavam para fazer uma prova de matemtica. Dessa forma, em uma das suas turmas, no dia em que aplicou a prova, ele anotou, sem que os alunos soubessem, o tempo gasto pelos alunos para fazer a prova. A turma estudada pelo Professor tinha um total de 15 homens e 17 mulheres e alm disso ele desconfiava que as mulheres gastavam menos tempo para realizar a prova. Dessa forma, as seguintes hipteses foram testadas:
H 0 : Mulheres = Homens H1 : Mulheres < Homens
Os dados esto armazenados na Worksheet Prova de Matemtica.MTW. Para analis-los vamos acompanhar os seguintes passos: 1. Abra a Worksheet Prova de Matemtica.MTW;
As colunas Mulheres e Homens representa o tempo gasto (em minutos) pelas mulheres e pelos homens para realizar a prova de Matemtica. 2. Escolha a opo Stat > Basic Statistics > 2-Sample t...;
Figura 9.7: O comando 2-Sample t
3. Ative a opo Sample in different columns. 4. Em First selecione a coluna Mulheres; 5. Em Second selecione a coluna Homens;
A opo Samples in one column utilizada quando as duas amostras esto em uma nica coluna e suas identificaes em outra coluna. A opo Summarized data utilizada quando temos o tamanho da amostra, a mdia (Mean) e o desvio-padro (Standard deviation) das duas amostras. A opo Assume equal variances utilizada quando sabemos que a varincia das duas amostras so iguais.
6. Selecione a opo Graphs...; 7. Ative a opo Boxplot of data;
8. Selecione OK; 9. Selecione a opo Options...; 10. Em Confidence level digite 95,0; 11. Em Test difference digite 0 ; 12. Em Alternative escolha a opo less than;
Resultados obtidos:
Two-Sample T-Test and CI: Mulheres; Homens
Two-sample T for Mulheres vs Homens N 17 15 Mean 39,88 43,67 StDev 2,00 2,13 SE Mean 0,48 0,55
Mulheres Homens
Difference = mu (Mulheres) - mu (Homens) Estimate for difference: -3,78431 95% upper bound for difference: -2,53886 T-Test of difference = 0 (vs <): T-Value = -5,17
P-Value = 0,000
DF = 28
Figura 9.8: Sada da janela Session para o teste 2-Sample t
A estatstica de teste T obtida igual a -5,17 e o valor-p igual a 0,000. A diferena mdia entre o tempo gasto pelas mulheres e o tempo gasto pelos homens de aproximadamente 3 minutos e 48 segundos (3,78 minutos). O intervalo de confiana superior para a diferena entre as mdias dos dois sexos foi igual a -2,5388. As mdias obtidas para as Mulheres e para os Homens foram iguais a 39,88 e 43,67 minutos. Os dois sexos apresentam praticamente o mesmo desvio-padro.
Figura 9.9: Boxplot para o tempo gasto para fazer a prova de matemtica
O grfico apresenta as distribuies dos dados de acordo com o sexo dos alunos avaliados. Neste grfico apesar de no possuirmos o intervalo de confiana para as diferenas entre os tempos, podemos observar que existe diferenas entre a mdia de tempo gasto pelas mulheres e da mdia de tempo gasto pelos homens.
Concluses
Rejeitamos a hiptese nula um nvel de 5% de significncia, ou seja, existe diferena entre os tempos gastos pelas Mulheres e pelos Homens para fazer a prova de matemtica (valor-p = 0,000). Verificamos que as mulheres gastaram menos tempo para terminar a prova (em torno de 40 minutos) enquanto que os homens (em torno de 43 minutos e 40 segundos) para terminar a prova.
9.4 - 1 Proportion
O comando 1 Proportion realiza testes de hipteses para uma proporo de acordo com a distribuio binomial. O MINITAB fornece o valor-p para o teste realizado e um intervalo de confiana sobre a proporo observada de modo a facilitar as concluses sobre o teste. O MINITAB permite que o teste de uma proporo seja feito atravs de dados sumarizados, como veremos no exemplo a seguir.
Exemplo 9.4
Uma Companhia telefnica, de acordo com as normas de uma Agncia Reguladora, deveria atender no mnimo 98% dos usurios que ligassem para a Companhia para apresentar alguma reclamao um nvel de significncia 1%. Com o intuito de fiscalizar esta Companhia, a Agncia Reguladora selecionou aleatoriamente 10.000 usurios que ligaram para a Companhia telefnica e descobriram que 9.623 usurios foram atendidos conforme determinao da norma. Qual a deciso que a Agncia Reguladora dever tomar com relao Companhia Telefnica? As seguintes hipteses sero testadas:
H 0 : p 0,98 H1 : p < 0,98

Para analisar estes dados necessrio acompanhar os seguintes passos:
1. Abra o software MINITAB; 2. Escolha a opo Stat > Basic Statistics > 1 Proportion...;
Figura 9.10: O comando 1 Proportion 3. Ative a opo Summarized data; 4. Em Number of trials digite 10000; 5. Em Number of events digite 9623; 6. Em Hipothesized propotion digite 0,98
7. Selecione a opo Options...; 8. Em Confidence Level digite o valor 99,0; 9. Em Alternative escolha a opo less than. 10. Ative a opo Use test and interval based on normal distribution
11. Selecione OK duas vezes.
Resultados obtidos:
Test and CI for One Proportion Test of p = 0,98 vs p < 0,98 99% Upper Bound 0,966731
Sample 1
X 9623
N 10000
Sample p 0,962300
Z-Value -12,64
P-Value 0,000
O nmero de clientes que foram atendidos igual a 9623, o que representa uma proporo de 0,9623 de clientes atendidos de acordo com a norma. Observamos que o limite superior calculado para esta proporo igual a 0,966731 e que o valor da estatstica Z igual a -12,64 o que fornece um valor-p igual 0,000.
Concluso
Conclumos que a hiptese nula (H0 ) dever ser rejeitada ao nvel de 1% de significncia, ou seja, a proporo de clientes atendidos de acordo com a norma menor que 98% assim, conclumos que a Companhia Telefnica no vem cumprindo as normas estabelecidas pela Agncia Reguladora e dessa forma dever ser severamente punida. OBS.: Feche o projeto aps a anlise dos resultados.
9.5 - 2 Proportions
O comando 2 Proportions utilizado para comparar a diferena, segundo uma distribuio Binomial, entre a proporo de uma determinada varivel de interesse presente em duas amostras independentes (amostras que no so influenciadas pela ocorrncia da outra varivel, ou que no possuam uma mesma causa fundamental). Para entender o funcionamento deste comando observe o exemplo a seguir:
Exemplo 9.7
Uma indstria possui dois fornecedores para uma pea que utilizada na montagem de um motor eltrico. Observa-se que as estas peas vem apresentando um alto nmero de defeitos o que representa um enorme prejuzo para a empresa. O Departamento de Controle de Qualidade deseja descobrir se existe diferena significativa entre os fornecedores assim, a indstria passaria a comprar as peas apenas do fornecedor que fornecesse as melhores peas. O gerente de produo inspecionou um lote de cada um dos fornecedores e desejando verificar se dois fornecedores eram estatisticamente diferentes a um nvel de significncia = 0,01 . Os resultados obtidos pelo gerente de produo foram sumarizados de acordo com a Tabela 9.1.
Tabela 9.1 Dados sumarizados do componente do motor eltrico

Fornecedor Tamanho do lote A 5000 B 6000 N de peas com Proporo problema de defeitos 300 300/5000 = 0,060 350 350/6000 = 0,058
As seguintes hipteses foram testadas:
H 0 : p1 p2 = 0 H1 : p1 p2 0
Para analisar estes dados necessrio acompanhar os seguintes passos: 1. Abra o software MINITAB; 2. Escolha a opo Stat > Basics Statistics > 2 Proportions...;
Figura 9.11: O comando 2 Proportions
3. Escolha a opo Summarized data; 4. Na linha First e na coluna Trials digite 5000. 5. Na coluna Events digite 300; 6. Na linha Second e na coluna Trials digite 6000; 7. Na coluna Events digite 350;
A opo Samples in one column utilizada quando possumos as duas amostras testadas na mesma coluna e, neste caso, o indicador de cada amostra est presente em uma segunda coluna. A opo Samples in different columns e utilizada quando as duas amostras que sero testadas esto separadas em duas colunas diferentes (First e Second).
8. Selecione a opo Options...; 9. Em Confidence level digite 99,0. 10. Em Test difference digite o valor 0,0 (pois estamos interessados em saber se eles so diferentes); 11. Em Alternative escolha a opo not equal;
A opo Use pooled estimate of p for teste calcula uma proporo p combinada para as duas amostras e a partir desta proporo realiza o teste de hipteses.
12. Selecione a opo OK duas vezes.
Resultados Obtidos:
Test and CI for Two Proportions Sample 1 2 X 300 350 N 5000 6000 Sample p 0,060000 0,058333
Difference = p (1) - p (2) Estimate for difference: 0,00166667 99% CI for difference: (-0,00997742; 0,0133108) Test for difference = 0 (vs not = 0): Z = 0,37 P-Value = 0,712
A proporo de itens defeituosos para a o primeiro fabricante igual a 0,06 e a proporo de itens defeituosos para o segundo fabricante igual 0,058333. Verificamos que a diferena entre as duas propores igual a 0,0016667 e que a estatstica Z igual a 0,37 com um valor-p igual a 0,712. O intervalo de confiana a 99% de significncia de (-0,00997742; 0,0133108).
Concluso
Conclumos ao nvel de 1% de significncia que no devemos rejeitar a hiptese nula do nosso teste, ou seja, no existe diferena significativa entre os fabricantes e neste caso ambos produzem praticamente a mesma proporo de itens defeituosos. Verificamos atravs do intervalo de confiana que o valor zero (0) est contido neste intervalo o que implica que os dados realmente no apresentam diferena significativa. OBS.: Feche o projeto aps a anlise dos resultados.
Captulo 10
Anlise de Varincia
Consultores
WERKEMA
Ao final deste captulo voc ser capaz de realizar a anlise de varincia para um ou dois fatores dentro do MINITAB. A Analise de Varincia uma tcnica estatstica que utilizada para testar a hiptese de igualdade entre mdias de diferentes grupos de variveis. A diferena bsica entre a Anlise de Varincia e o teste de hipteses de mdias que, nos testes de hiptese podemos testar no mximo a igualdade de duas mdias enquanto a Anlise de Varincia permite o teste de duas mdias ou mais. 10.1- One-Way O comando One-Way realiza a Anlise de Varincia para apenas um fator, fornecendo estimativas e comparaes dos efeitos dos tratamentos e a estimativa da varincia de cada nvel do fator. Como etapa preliminar, queremos determinar se existe ou no diferenas estatisticamente significantes entre as mdias dos tratamentos m1, m2, m3,..., mr (sendo mr o valor da mdia da populao para todos os possveis valores da varivel resposta utilizando o tratamento r). Para utilizar o comando One-Way, a varivel resposta deve ser armazenada em uma coluna e a identificao dessa varivel em outra coluna da Worksheet. Observe o exemplo abaixo: Exemplo 10.1 Um fabricante de tintas tem recebido reclamaes de clientes quanto ao rendimento dos gales de tinta ltex vinlico econmico, que se encontra bem abaixo do rendimento mdio de 40 metros quadrados por galo. O gerente de qualidade decidiu realizar um experimento, comparando o rendimento dos gales de tinta de acordo com os fornecedores de matria-prima, que era fornecida por trs fornecedores diferentes. Dessa forma o gerente de qualidade estabeleceu as seguintes hipteses:
H 0 : Fornecedor A = Fornecedor B = Formecedor C H 1 : Pelo menos um dos fornecedores diferente
Os dados esto armazenados na Worksheet Tinta1.MTW e para analis-los necessrio acompanhar os seguintes passos: 1. Abra a Worksheet Tinta1.MTW;
A coluna Rendimento (varivel resposta) refere-se ao rendimento dos gales de tinta ltex vinlico econmico e a coluna Fornecedor (fator) refere-se ao fornecedor de matria-prima (A, B ou C). 2. Escolha a opo Stat > ANOVA > One-Way...;
Figura 10.1: O comando ANOVA > One Way

3. Em Response selecione a varivel Rendimento; 4. Em Factor selecione a varivel Fornecedor; 5. Em Confidence level digite 95,0;
Ao ativar as opes Store residuals e Store fits, os resduos e os valores ajustados sero armazenados na Worksheet. 6. Selecione a opo Comparisons...; 7. Ative a opo Tukeys, family error rate. O teste de Tukey realiza comparaes mltiplas entre as mdias dos diferentes nveis dos fatores atravs de intervalos de confiana.
As opes Fishers, individual error rate, Dunnetts, individual error rate e Hsus MCB, individual error rate constroem intervalos de confiana para as diferenas entre todas as combinaes dos nveis dos fatores. 8. Selecione OK duas vezes.
Resultados obtidos:
One-way ANOVA: Rendimento versus Fornecedor
Source Fornecedor Error Total S = 3,313 DF 2 27 29 SS 1568,5 296,4 1864,9 MS 784,2 11,0 F 71,45 P 0,000
R-Sq = 84,11%
R-Sq(adj) = 82,93%
Level A B C
N 10 10 10
Mean 24,043 41,119 36,652
StDev 4,182 3,215 2,260
Individual 95% CIs For Mean Based on Pooled StDev ----+---------+---------+---------+----(---*---) (---*--) (--*---) ----+---------+---------+---------+----24,0 30,0 36,0 42,0
Pooled StDev = 3,313
Tukey 95% Simultaneous Confidence Intervals All Pairwise Comparisons among Levels of Fornecedor Individual confidence level = 98,04%
Fornecedor = A subtracted from: Fornecedor B C Lower 13,399 8,931 Center 17,076 12,609 Upper 20,754 16,286 +---------+---------+---------+--------(---*----) (----*---) +---------+---------+---------+---------8,0 0,0 8,0 16,0
Fornecedor = B subtracted from: Fornecedor C Lower -8,145 Center -4,468 Upper -0,790 +---------+---------+---------+--------(---*----) +---------+---------+---------+---------8,0 0,0 8,0 16,0
Figura 10.2: Sada da janela Session para a anlise de varincia com um nico fator
O valor-p obtido para o fator Fornecedor igual a 0,000 e o coeficiente de determinao R2 = 84,11%. O rendimento mdio dos fornecedores A, B e C igual a 24,043; 41,119 e 36,652, respectivamente. Observando as comparaes mltiplas de Tukey, verificamos que nenhum intervalo de confiana incluiu o zero mostrando que o rendimento do galo de tinta para cada um dos trs fornecedores de matria prima apresenta resultados diferentes. Concluses Por meio desses resultados, conclumos, ao nvel de 5% de significncia, que existe diferena estatisticamente significativa entre as mdias dos rendimentos dos gales de tinta dos fornecedores de matria prima A, B e C. Para comparar as mdias desses fornecedores, foi utilizado o mtodo de comparaes mltiplas de Tukey, atravs do qual conclumos com 95% de confiana, que o menor rendimento dos gales foi obtido pelo fornecedor A, enquanto que o maior rendimento foi obtido pelo fornecedor B. Atravs do coeficiente de determinao percebemos que a varivel Fornecedor explica aproximadamente 84% da variabilidade da varivel Rendimento. OBS.: Feche o projeto aps a anlise dos resultados. 10.2 - Two-Way O comando Two-Way realiza anlises de varincia com dois fatores. Quando temos mais de um fator necessrio verificar se h interao entre eles. Para verificar a forma de execuo da anlise de varincia para dois fatores observe o exemplo abaixo: Exemplo 10.2 Voltando ao primeiro exemplo, o fabricante de tintas suspeitou que o tempo de mistura dos componentes da tinta poderia tambm estar afetando o rendimento dos gales de tinta ltex vinlico econmico.
O gerente de qualidade decidiu realizar um experimento para comparar o rendimento dos gales dos trs fornecedores e dos tempos de mistura. Iremos utilizar o comando Two-Way para testar a influncia desses dois fatores no rendimento dos gales de tinta. Nos tempos de mistura, os nveis utilizados foram 40 e 60 minutos. As hipteses testadas tero o seguinte formato:
H 0 : Fornecedor A = Fornecedor B = Formecedor C H 1 : Pelo menos um dos fornecedores diferente H 0 : Tempo de mistura = 40 = Tempo de mistura = 60 H 1 : Os tempos de mistura so diferentes
H 0 : No existe int erao entre o tempo de mistura e os fornecedores H 1 : Existe int erao entre o tempo de mistura e os fornecedores
Os dados esto armazenados na Worksheet Tinta2.MTW. Para analis-los necessrio acompanhar os seguintes passos: 1. Abra a Worksheet Tinta2.MTW;
A coluna Rendimento (varivel resposta) refere-se ao rendimento dos gales de tinta ltex vinlico econmico, a coluna Fornecedor (fator A) refere-se ao fornecedor de matria-prima (A, B ou C) e a coluna Tempo de mistura (fator B) refere-se ao tempo de mistura dos componentes da tinta (40min ou 60min). 2. Escolha a opo Stat > ANOVA > Two-Way...;
Figura 10.3: O comando Two-Way
3. Em Response selecione a varivel Rendimento; 4. Em Row factor selecione a varivel Fornecedor e ative a opo Display means; 5. Em Column factor selecione a varivel Tempo de mistura e ative a opo Display means; 6. Em Confidence level digite 95,0;
Ao ativar a opo Fit additive model, o modelo ser ajustado sem o termo de interao.
7. Selecione OK na caixa de dilogo principal.
Resultados obtidos:
Two-way ANOVA: Rendimento versus Fornecedor; Tempo de mistura
Source Fornecedor Tempo de mistura Interaction Error Total S = 2,606 DF 2 1 2 24 29 SS 1568,49 114,84 18,56 162,97 1864,86 MS 784,243 114,841 9,280 6,791 F 115,49 16,91 1,37 P 0,000 0,000 0,274
R-Sq = 91,26%
R-Sq(adj) = 89,44%
Fornecedor A B C
Mean 24,0430 41,1194 36,6517
Individual 95% CIs For Mean Based on Pooled StDev ---+---------+---------+---------+-----(--*--) (--*-) (--*--) ---+---------+---------+---------+-----24,0 30,0 36,0 42,0
Tempo de mistura 40 60
Mean 35,8946 31,9815
Individual 95% CIs For Mean Based on Pooled StDev -------+---------+---------+---------+-(-----*------) (------*------) -------+---------+---------+---------+-32,0 34,0 36,0 38,0
Figura 10.4: Sada Session para a anlise de varincia para dois fatores
Os valores-p obtidos para os fatores Fornecedor e Tempo de mistura so iguais a 0,000. J para a interao entre os dois fatores, o valor-p igual a 0,274. O coeficiente de determinao R2 = 91,26%. O rendimento mdio dos fornecedores A, B e C igual a 24,043; 41,119 e 36,652, respectivamente. O rendimento mdio dos tempos de mistura igual a 35,8946 para o tempo de 40min e 31,9815 para o tempo de mistura de 60min.
Concluses Por meio desses resultados conclumos, ao nvel de 5% de significncia, que o fornecedor e o tempo de mistura afetam o rendimento dos gales de tinta ltex vinlico econmico. J a interao entre eles no foi significativa, pois o valor-p maior que 0,05. Pelos intervalos de 95% de confiana, conclumos que o menor rendimento dos gales foi obtido pelo fornecedor A, enquanto que o maior rendimento foi obtido pelo fornecedor B. O tempo de mistura de 40min foi o que obteve maior rendimento. Atravs do coeficiente de determinao percebemos que as variveis Fornecedor e Tempo de mistura explicam aproximadamente 91% da variabilidade da varivel Rendimento. 10.3 - Interaction plot O comando Interaction Plot constri um grfico de interao para uma ANOVA de dois fatores. Atravs do grfico de interao podemos observar se o efeito da interao entre os nveis dos fatores estudados ou no significativo. Quando o efeito da interao significativo, as linhas traadas no sero paralelas, mostrando que para algumas combinaes podemos ter resultados diferentes de outras combinaes A ausncia da interao mostrar paralelismo entre as linhas traadas no grfico. Para facilitar o entendimento do efeito da interao vamos construir um grfico de interao para o experimento realizado no Exemplo 10.2.
Exemplo 10.2 Suponha que o gerente de qualidade, no satisfeito com o resultado apresentado na anlise de varincia construda no exemplo anterior resolveu construir um grfico para testar se a interao era realmente insignificante para o modelo. Para construir o grfico acompanhe os seguintes passos: 1. Selecione a opo Stat > ANOVA > Interaction Plot;
Figura 10.5: O comando Interaction Plot
2. No campo Responses seleciona a coluna Rendimento; 3. No campo Factors selecione as colunas Tempo de mistura e Fornecedor;
O comando Display full interaction plot matrix traa dois grficos de interao trocando as posies dos fatores. Na prtica os dois grficos fornecem o mesmo resultado. 4. Selecione a opo Options...; 5. Em Title digite o ttulo: Grfico de interao entre os fornecedores e o tempo de mistura
O comando Minimum for Y (response) scale e Maximum for Y (response) scale devem ser utilizados quando desejamos estabelecer um valor mnimo e/ou mximo para ser traado no eixo Y do grfico.
6. Selecione OK duas vezes. Resultados Obtidos: O MINITAB traa o seguinte grfico de interao:
Figura 10.6: Grfico de interao para o fornecedor e o tempo de mistura
Observamos que nenhuma das linhas se cruzam, o que mostra que a interao entre os fatores realmente no existe. Concluses Observamos que se o nosso objetivo for aumentar o rendimento do galo de tinta ltex vinlico econmico, devemos trabalhar sempre com a matria prima fornecida pelo Fornecedor B e alm disso devemos utilizar um tempo de mistura de 40 minutos. OBS.: Feche o projeto aps a anlise dos resultados.
Captulo 11
Planejamento de Experimentos
Consultores
WERKEMA
Ao final deste captulo voc ser capaz de planejar experimentos fatoriais 2K completos e fracionados e poder construir os grficos dos efeitos principais e de interao. Em muitos casos, para otimizar um processos necessrio realizar experimentos estatisticamente planejados, de forma que dados apropriados sejam coletados. As alteraes propositais so feitas nas variveis de entrada de um processo, de modo que se possa avaliar as possveis alteraes sofridas pela varivel resposta. O MINITAB nos fornece os seguintes tipos de experimentos: Factorial Response surface Mixture Taguchi Neste curso trataremos apenas dos experimentos fatoriais. 11.1- Experimento Factorial Completo Exemplo 11.1 Uma fbrica de brinquedos desenvolveu um helicptero de papel, com objetivo de alcanar uma fatia importante do mercado de brinquedos desse tipo. Com a primeira linha de helicpteros j lanada no mercado, comearam a surgir inmeras reclamaes de clientes insatisfeitos com o produto. Baseado em estudos anteriores, sabia-se que o nvel de satisfao das crianas que brincavam com o helicptero era proporcional ao tempo de vo do brinquedo, desta forma, aps a realizao de um brainstorming, a empresa decidiu verificar se a largura do corpo, a forma do corpo, a largura da asa e o comprimento da asa influenciavam no tempo de vo do helicptero e determinar a condio tima de fabricao do brinquedo.
Os nveis para os fatores foram definidos da seguinte forma: Fator A: Largura do corpo 1,5 cm e 2 cm Fator B: Forma do corpo Tubular e No tubular Fator C: Largura da asa 1,5 cm e 2 cm Fator D: Comprimento da asa 4,75 cm e 5,75 cm A fbrica decidiu realizar duas replicaes para cada combinao dos nveis dos fatores. Para iniciar o experimento, foi criada uma tabela com todas as possveis combinaes entre os nveis dos fatores (experimento fatorial completo). Os experimentos foram feitos de forma aleatria, ou seja, a ordem de realizao dos ensaios individuais do experimento foi determinada ao acaso. A aleatorizao permite que os efeitos de fatores nocontrolados, que afetam a varivel resposta e que podem estar presentes durante a realizao do experimento, sejam balanceados entre todas as medidas. Este balanceamento evita possveis confundimentos na avaliao dos resultados devido atuao destes fatores. A coluna Ordem de execuo dos ensaios mostra a ordem em que os experimentos foram realizados. Aps sua realizao, foram anotados todos os tempos de vo do helicptero (em segundos).
384 Copyright 2006 Cristina Werkema
Tabela 11.1: Medidas do tempo de vo dos helicpteros obtidas no experimento 24 realizado pela fbrica de brinquedos
Ordem de execuo 10 4 22 17 29 18 16 31 13 12 3 15 27 24 25 2 7 30 23 28 14 20 26 32 6 19 1 5 8 21 9 11 Largura_corpo 1,5 2,0 1,5 2,0 1,5 2,0 1,5 2,0 1,5 2,0 1,5 2,0 1,5 2,0 1,5 2,0 1,5 2,0 1,5 2,0 1,5 2,0 1,5 2,0 1,5 2,0 1,5 2,0 1,5 2,0 1,5 2,0 Forma_corpo Tubular Tubular No-Tubular No-Tubular Tubular Tubular No-Tubular No-Tubular Tubular Tubular No-Tubular No-Tubular Tubular Tubular No-Tubular No-Tubular Tubular Tubular No-Tubular No-Tubular Tubular Tubular No-Tubular No-Tubular Tubular Tubular No-Tubular No-Tubular Tubular Tubular No-Tubular No-Tubular Largura_asa Comprimento_asa 1,5 4,75 1,5 4,75 1,5 4,75 1,5 4,75 2,0 4,75 2,0 4,75 2,0 4,75 2,0 4,75 1,5 5,75 1,5 5,75 1,5 5,75 1,5 5,75 2,0 5,75 2,0 5,75 2,0 5,75 2,0 5,75 1,5 4,75 1,5 4,75 1,5 4,75 1,5 4,75 2,0 4,75 2,0 4,75 2,0 4,75 2,0 4,75 1,5 5,75 1,5 5,75 1,5 5,75 1,5 5,75 2,0 5,75 2,0 5,75 2,0 5,75 2,0 5,75 Tempo 4,837 5,639 1,701 3,636 3,366 2,382 3,874 4,890 3,210 2,500 3,358 4,056 3,668 2,789 5,614 6,661 5,694 3,076 0,787 6,798 4,649 4,815 3,615 0,372 2,764 4,117 3,720 5,656 3,764 1,889 4,257 4,492
O processo de criao da matriz de planejamento est descrito a seguir.
Create Factorial Design O comando Create Factorial Design cria experimentos fatoriais completos e fracionados com k fatores e dois nveis cada fator. Este comando tambm permite criar experimentos Plackett Burman e experimentos com mais de dois nveis para cada fator, porm, eles no sero abordados aqui. 01. Escolha a opo Stat > DOE > Factorial > Create Factorial Design...;
Figura 11.1: O comando Create Factorial Design
02. Em Type of Design ative a opo 2-level factorial (default generators); 03. Em Number of factors escolha o valor 4 ;
A opo 2-level factorial (specify generators) deve ser ativada quando queremos especificar nossos prprios geradores do experimento. A opo Plackett-Burman design deve ser ativada quando queremos gerar um experimento de Plackett-Burman. A opo General full factorial design dever ser ativada quando os fatores do experimento tm mais de dois nveis. 04. Selecione a opo Display Available Designs...; 05. Selecione a opo Designs...; 06. Ative a opo Full factorial; 07. Em Number of center points escolha o valor 0. Os pontos centrais, quando adicionados ao experimento, permitem detectar a curvatura da superfcie de resposta. Eles podem ser utilizados apenas quando os fatores so quantitativos. No exemplo, temos fatores quantitativos e qualitativos. 08. Em Number of replicates escolha o valor 2; 09. Em Number of blocks escolha o valor 1;
A opo fraction, 8, IV, 2**(4-1) deve ser ativada quando queremos realizar um experimento fatorial fracionado. 10. Selecione OK; 11. Selecione a opo Factors...; 12. Em Name digite Largura_corpo para o fator A; 13. Para o fator B digite Forma_corpo; 14. Para o fator C digite, Largura_asa; 15. Para o fator D digite Comprimento_asa; 16. Em Type escolha a opo Numeric para os fatores A, C e D e Text para o fator B; 17. Em Low digite 1,5 para o fator A, Tubular para o fator B, 1,5 para o fator C e 4,75 para o fator D; 18. Em High digite 2 para o fator A, No-tubular para o fator B, 2 para o Fator C e 5,75 para o fator D;
19. Selecione OK; 20. Selecione a opo Options...; 21. Em Fold Design ative a opo Do not fold; 22. Desative a opo Randomize runs. A opo Randomize runs (aleatorizar os ensaios) foi desativada para que o MINITAB criasse uma tabela semelhante Tabela 11.1. Quando o planejamento de um experimento est sendo iniciado, esta opo deve ser ativada para aleatorizar a ordem de realizao dos experimentos. 23. Ative a opo Store design in Worksheet;
24. Selecione OK; 25. Selecione OK na caixa de dilogo principal;
Resultados obtidos:
Figura 11.2: Tabela de um experimento fatorial completo
O MINITAB construiu uma tabela com todas as combinaes possveis entre os nveis dos fatores. Feche o projeto do MINITAB. Analyze Factorial Design O comando Analyze Factorial Design realiza uma anlise do experimento criado, construindo grficos dos efeitos, que ajudam no estabelecimento de concluses. Este comando tambm nos permite calcular e armazenar valores preditos da varivel resposta para novas observaes do experimento. 01. Abra a Worksheet Helicptero.MTW. Observe que estes dados so os mesmo apresentados na Tabela 11.1.
A coluna StdOrder refere-se ordem padro de realizao dos experimentos. A coluna RunOrder refere-se ordem aleatria de realizao dos experimentos. A coluna CenterPt refere-se aos pontos centrais. A coluna Blocks refere-se ao nmero de blocos. As colunas Largura_corpo e Forma_corpo referem-se largura e forma do corpo do helicptero, respectivamente. As colunas Largura_asa e Comprimento_asa referem-se largura e ao comprimento da asa do helicptero, respectivamente. A coluna Tempo refere-se ao tempo de vo do helicptero, em segundos.
02. Escolha a opo Stat > DOE > Factorial > Analyze Factorial Design...;
Figura 11.3: O comando Analyse Factorial Design
03. Em Responses selecione a varivel Tempo;
04. Selecione a opo Graphs...; 05. Em Effects Plots ative as opes Normal e Pareto; 06. Em Alpha digite 0,05;
Resultados obtidos:
Factorial Fit: Tempo versus Largura_corpo; Forma_corpo; ...
Estimated Effects and Coefficients for Tempo (coded units) Term Constant Largura_corpo Forma_corpo Largura_asa Comprimento_asa Largura_corpo*Forma_corpo Largura_corpo*Largura_asa Largura_corpo*Comprimento_asa Forma_corpo*Largura_asa Forma_corpo*Comprimento_asa Largura_asa*Comprimento_asa Largura_corpo*Forma_corpo* Largura_asa Largura_corpo*Forma_corpo* Comprimento_asa Largura_corpo*Largura_asa* Comprimento_asa Forma_corpo*Largura_asa* Comprimento_asa Largura_corpo*Forma_corpo* Largura_asa*Comprimento_asa Effect 0,3056 0,2705 -0,0283 0,1490 0,8987 -0,8702 -0,0800 0,5361 1,3686 0,4974 -0,5704 -0,1454 0,2766 0,0533 0,8260 Coef 3,8327 0,1528 0,1352 -0,0141 0,0745 0,4494 -0,4351 -0,0400 0,2681 0,6843 0,2487 -0,2852 -0,0727 0,1383 0,0266 0,4130 SE Coef 0,2401 0,2401 0,2401 0,2401 0,2401 0,2401 0,2401 0,2401 0,2401 0,2401 0,2401 0,2401 0,2401 0,2401 0,2401 0,2401 T 15,96 0,64 0,56 -0,06 0,31 1,87 -1,81 -0,17 1,12 2,85 1,04 -1,19 -0,30 0,58 0,11 1,72 P 0,000 0,534 0,581 0,954 0,760 0,080 0,089 0,870 0,281 0,012 0,316 0,252 0,766 0,573 0,913 0,105
S = 1,35844
R-Sq = 58,84%
R-Sq(adj) = 20,26%
Analysis of Variance for Tempo (coded units) Source Main Effects 2-Way Interactions 3-Way Interactions 4-Way Interactions Residual Error Pure Error Total DF 4 6 4 1 16 16 31 Seq SS 1,517 31,835 3,407 5,458 29,526 29,526 71,743 Adj SS 1,517 31,835 3,407 5,458 29,526 29,526 Adj MS 0,3792 5,3059 0,8516 5,4582 1,8454 1,8454 F 0,21 2,88 0,46 2,96 P 0,932 0,043 0,763 0,105
Unusual Observations for Tempo Obs 8 24 StdOrder 8 24 Tempo 4,89000 0,37200 Fit 2,63100 2,63100 SE Fit 0,96057 0,96057 Residual 2,25900 -2,25900 St Resid 2,35R -2,35R
R denotes an observation with a large standardized residual.
Figura 11.4: Resultados da anlise do experimento fatorial
Estimated Coefficients for Tempo using data in uncoded units Term Constant Largura_corpo Forma_corpo Largura_asa Comprimento_asa Largura_corpo*Forma_corpo Largura_corpo*Largura_asa Largura_corpo*Comprimento_asa Forma_corpo*Largura_asa Forma_corpo*Comprimento_asa Largura_asa*Comprimento_asa Largura_corpo*Forma_corpo* Largura_asa Largura_corpo*Forma_corpo* Comprimento_asa Largura_corpo*Largura_asa* Comprimento_asa Forma_corpo*Largura_asa* Comprimento_asa Largura_corpo*Forma_corpo* Largura_asa*Comprimento_asa Coef -75,065 55,1386 -241,920 42,3460 10,7820 134,258 -30,1985 -8,0655 129,361 42,4875 -5,7560 -73,9470 -23,7095 4,42600 -22,9150 13,2160
Alias Structure I Largura_corpo Forma_corpo Largura_asa Comprimento_asa Largura_corpo*Forma_corpo Largura_corpo*Largura_asa Largura_corpo*Comprimento_asa Forma_corpo*Largura_asa Forma_corpo*Comprimento_asa Largura_asa*Comprimento_asa Largura_corpo*Forma_corpo*Largura_asa Largura_corpo*Forma_corpo*Comprimento_asa Largura_corpo*Largura_asa*Comprimento_asa Forma_corpo*Largura_asa*Comprimento_asa Largura_corpo*Forma_corpo*Largura_asa*Comprimento_asa
Figura 11.4: Resultados da anlise do experimento fatorial(continuao)
Os resultados acima nos mostram as estimativas dos efeitos e os coeficientes de cada fator e suas interaes em unidades codificadas. A interao entre os fatores Forma_corpo e Comprimento_asa foi o nico termo que apresentou valor-p menor que 0,05. A tabela de anlise de varincia apresentou os valores-p para os efeitos principais, interaes duas a duas, trs a trs e quatro a quatro onde apenas as interaes de segunda ordem foram significativas. O MINITAB tambm calculou os coeficientes para unidades no codificadas. O coeficiente de determinao R2 = 58,84% o que nos indica que os dados esto explicando apenas 58,84% do tempo de vo do helicptero.
Figura 11.5: Grfico de normalidade para os efeitos
Figura 11.6: Grfico de pareto para os efeitos
Atravs do grfico de normalidade verificamos que a interao BD foi significativa esto mais afastados da reta. O grfico de Pareto tambm nos mostra que a mesma interao ultrapassou a linha de Lenth um nvel de 5% de significncia. Concluso Por meio desses resultados conclumos, ao nvel de 5% de significncia, que a interao entre a forma do corpo do helicptero e o comprimento da asa exerce efeito sobre o tempo de vo do helicptero. Factorial Plots O comando Factorial Plots constri grficos de efeitos principais, grficos de interao e grficos cbicos para experimentos fatoriais completos ou fracionados e experimentos de Plackett-Burman. Para entender melhor o Factorial Plots, vamos utilizar os dados do exemplo anterior. Como o nico efeito significativo foi a interao entre a forma do corpo e o comprimento da asa, construiremos um grfico de interao entre esses fatores atravs dos passos a seguir: 01. Escolha a opo Stat > DOE > Factorial > Factorial Plots...;
Figura 11.7: O comando Factorial Plots
02. Ative a opo Interaction Plot; 03. Em Type of Means to Use in Plots ative a opo Data Means; 04. Ative a opo Interaction Plot e respectivo a ela, selecione a opo Setup;
A opo Main Effects Plot constri os grficos de efeitos principais. A opo Cube Plot constri os grficos em forma de cubo mostram o relacionamento entre os fatores. A opo Fitted Means calcula os efeitos de acordo com os valores preditos para cada nvel do fator. 05. Em Responses selecione a varivel Tempo; 06. Em Selected selecione as variveis Forma_corpo e Comprimento_corpo que esto em Available atravs da seta ;
07. Selecione a opo Options...; 08. Em Title digite Grfico de interao entre a forma do corpo e o comprimento da asa;
A opo Draw full interaction plot matriz deve ser ativada quando temos interaes de ordem superior a dois. Ao ativar esta opo ser mostrada uma matriz completa da interao entre os fatores, ou seja, visualizar 02 grficos numa mesma janela. Apenas haver inverso dos fatores nos eixos e legenda.

Resultados obtidos:
Figura 11.8: Grfico de interao entre os fatores Forma do corpo e Comprimento da asa
Atravs do grfico podemos perceber que quando utilizamos um helicptero com a forma do corpo no tubular e comprimento da asa de 5,75 cm obtivemos maior tempo de vo. Concluso Com base nos resultados obtidos, a fbrica de brinquedos dever construir os helicpteros com corpo no tubular e comprimento da asa de 5,75 para obter maior tempo de vo. Desta forma, a fbrica poder aumentar as vendas do produto, diminuindo as reclamaes e aumentando o nvel de satisfao das crianas. OBS.: Feche o projeto aps a anlise dos resultados. 11.2- Experimento Fatorial Fracionado A Rede de lanchonetes Mais Sabor possui cerca de 20 lanchonetes espalhadas por Minas Gerais que, diante da oportunidade de crescimento est interessada em entrar no ramo de restaurantes com um perfil um pouco diferente. A idia , alm de vender o de costume em suas lanchonetes (variedades de sucos e lanches naturais, diversos doces/sobremesas e bebidas, deseja inserir a refeio mais saborosa da regio. Aps algumas pesquisas realizadas detectou-se que quanto maior o tempo de permanncia dos clientes no estabelecimento, maior seria a satisfao do cliente para com o restaurante. O que poderia acarretar mais lucro visto que, mais tempo de permanncia mais oportunidade de vendas. Vale ressaltar que o espao para o novo restaurante comporta quase mil pessoas. Com isto o gerente da rede resolveu realizar um experimento para verificar quais fatores contribuem com uma maior permanncia de seus clientes no restaurante. Aps brainstorming realizado pela equipe de funcionrios foram levantados diversos fatores dos quais foram priorizados os seguintes:
Fatores Tipo de refeio Tipo de programao Tipo de assento Temperatura ambiente Tipo de bebida
Nveis (-) A lacarte (-) TV (-) Cadeira (-) Sem ar ligado (-) Sem lcool (+) Self service (+) Som ambiente (+) Sof (+) Com ar ligado (+) Com lcool
Por motivos de tempo em obter o resultado e tambm financeiros, o gerente decidiu realizar um experimento fatorial fracionado (25 1) executando apenas uma vez cada combinao. O tempo era medido a partir do momento em que o cliente entra no estabelecimento, ou seja, o cliente recebe um ticket com hora e minutos j marcados e quando sai, o entrega na portaria. O Gerente efetuou as combinaes referentes ao experimento fatorial e realizou o experimento com cada configurao. O tempo de permanncia para cada condio, bem como a planilha e a ordem de execuo do experimento so apresentados na Tabela 11.2.
Tabela 11.2: Medidas do tempo de permanncia do cliente dentro do restaurante obtidas no experimento 25-1 realizado pelo Gerente
Ordem de execuo 6 12 2 11 15 14 3 16 4 9 8 10 7 13 1 5 Tipo de refeio A lacarte Self service A lacarte Self service A lacarte Self service A lacarte Self service A lacarte Self service A lacarte Self service A lacarte Self service A lacarte Self service Tipo de programao TV TV Som ambiente Som ambiente TV TV Som ambiente Som ambiente TV TV Som ambiente Som ambiente TV TV Som ambiente Som ambiente Tipo de assento Cadeira Cadeira Cadeira Cadeira Sof Sof Sof Sof Cadeira Cadeira Cadeira Cadeira Sof Sof Sof Sof Temperat. Ambiente Sem ar cond. Sem ar cond. Sem ar cond. Sem ar cond. Sem ar cond. Sem ar cond. Sem ar cond. Sem ar cond. Com ar cond. Com ar cond. Com ar cond. Com ar cond. Com ar cond. Com ar cond. Com ar cond. Com ar cond. Tipo de bebida Com lcool Sem lcool Sem lcool Com lcool Sem lcool Com lcool Com lcool Sem lcool Sem lcool Com lcool Com lcool Sem lcool Com lcool Sem lcool Sem lcool Com lcool Tempo (min) 298 317 191 365 316 314 154 346 288 349 133 345 292 330 194 352
O processo de criao da matriz de planejamento est descrito a seguir. Create Factorial Design Iremos criar a matriz de planejamento para o exemplo: 1. Escolha a opo Stat > DOE > Factorial > Create Factorial Design...;
2. Em Type of Design ative a opo 2-level factorial (default generators); 3. Em Number of factors escolha o valor 5;
4. Selecione a opo Display Available Designs...;
Esta tela auxilia na seleo de um experimento apropriado, no nmero de ensaios a serem realizados e alertar sobre a resoluo do experimento. Quanto maior for a resoluo de um experimento fatorial fracionado, menor ser o nmero de interaes de baixa ordem que devero ser consideradas no significantes para que se possa estimar isoladamente os efeitos de interesse.
5. Selecione OK; 6. Selecione a opo Designs...; 7. Ative a opo 1/2 fraction, 16, V 2**(5-1); , 8. Em Number of center points per block escolha o valor 0; 9. Em Number of replicates for corner points escolha o valor 1; 10. Em Number of blocks escolha o valor 1;
11. Selecione OK; 12. Selecione a opo Factors...; 13. Em Name digite para o fator A, Tipo de refeio, para o fator B, Tipo de Programao, para o fator C, Tipo de assento, para o fator D, Temperatura Ambiente e para o fator E, Tipo de bebida. 14. Em Type escolha a opo Text para todos os fatores; 15. Em Low digite para o fator A, A lacarte para o fator B, TV para o fator C, Cadeira para o fator D, Sem Ar Cond. e para o fator E Sem lcool; 16. Em High digite para o fator A, Self Service, para o fator B, Som Ambiente, para o Fator C, Sof, para o fator D,Com Ar cond. e para o fator E,Com lcool.
17. Selecione OK; 18. Selecione a opo Options; 19. Em Fold Design ative a opo Do not fold; 20. Desative a opo Randomize runs; 21. Ative a opo Store design in worksheet;
22. Selecione OK; 23. Selecione OK na caixa de dilogo principal; Resultados obtidos:
O MINITAB construiu uma tabela com a metade das combinaes possveis entre os nveis dos fatores, num total de 16 ensaios (25-1 = 16). Se o Gerente tivesse optado por um experimento fatorial completo, seriam realizados 32 ensaios (25 = 32). 24. Feche o MINITAB.
Analyze Factorial Design 1. Abra a Worksheet Restaurante.MTW. Observe que estes dados so os mesmo apresentados na Tabela 11.2.
2. Escolha a opo Stat > DOE > Factorial > Analyze Factorial Design...;
3. Em Responses selecione a varivel Tempo (min);
4. Selecione a opo Graphs...; 5. Em Effects Plots ative as opes Normal e Pareto; 6. Em Alpha digite 0,10;
Figura 11.9: A sada da janela Session para a anlise de experimento Fatorial Fracionado
Os resultados acima mostram as estimativas dos efeitos e os coeficientes de cada fator e suas interaes em unidades codificadas. Como foi realizada apenas uma replicao, no foi possvel calcular a estimativa do erro, e portanto, no temos os valores-p dos fatores, nem na tabela de anlise de varincia.
Figura 11.10: Grfico de normalidade para os efeitos
Figura 11.11: Grfico de pareto para os efeitos
O grfico de normalidade aponta que os fatores A, B e a interao AB so os efeitos que esto afastados da reta, portanto significativos. O grfico de Pareto tambm nos mostra que os fatores A, B e a interao AB so os fatores que ultrapassam a linha de Lenth, no entanto, o efeito de A est confundido com a interao BCDE, o fator B est confundido com a interao ACDE e a interao AB est confundido com a interao CDE. Como uma interao de terceira e quarta ordem so mais difceis de ocorrer, iremos desprez-la e considerar apenas os efeitos de A, B e a interao AB. A resoluo V permitida para a realizao do experimento. Portanto, como os fatores A e B so dependentes (a interao significativa), devemos analisar os seus efeitos de forma conjunta, dessa forma, devemos construir apenas o grfico da interao AB. Concluso Conclumos, ao nvel de 10% de significncia, que apenas o fator A (Tipo de Refeio), o fator B (Tipo de programao) e a interao AB exercem influncia sobre o tempo de permanncia do cliente no Restaurante. Factorial Plots 1. Escolha a opo Stat > DOE > Factorial > Factorial Plots...;
2. Ative a opo Interaction Plot 3. Em Type of Means to Use in Plots ative a opo Data Means;
4. Selecione a opo Setup do Interaction Plot; 5. Em Responses selecione a varivel Tempo (min); 6. Em Selected selecione as variveis Tipo de refeio e Tipo de Programao que esto em Available;
7. Selecionar a opo Options...; 8. Em Title digite Grfico de Interao entre tipo de refeio e tipo de programao
9. Selecione OK; 10. Selecione OK; 11. Selecione OK na caixa de dilogo principal. Resultados obtidos:
Figura 11.12: Grfico de interao entre o tipo de refeio e o tipo de programao
Atravs do grfico podemos perceber que o maior tempo de permanncia do restaurante ocorre quando temos a refeio servida como self service e com Som ambiente. Concluso Com base nos resultados obtidos, o gerente dever adotar no restaurante o servio de self service e com som ambiente para que o tempo de permanncia dos clientes no restaurante ser o maior possvel. Em relao ao tipo de assento, temperatura ambiente e tipo de bebida qualquer um dos dois nveis podero ser adotados, ou ainda ser adotados de forma conjunta. OBS: Feche o projeto aps a anlise dos resultados.

Apostila Curso Minitab

Hochgeladen von

Dokumentinformationen

Originaltitel

Copyright

Verfügbare Formate

Dieses Dokument teilen

Dokument teilen oder einbetten

Freigabeoptionen

Stufen Sie dieses Dokument als nützlich ein?

Sind diese Inhalte unangemessen?

Copyright:

Verfügbare Formate

Apostila Curso Minitab

Hochgeladen von

Copyright:

Verfügbare Formate

Bem - vindo!

Bem-vindo ao Treinamento do Software Minitab oferecido pela Werkema Consultores.

Ns estamos aqui para aprender mais sobre:

Treinamento MINITAB 15 Bsico e Intermedirio

03 21 47 125 209 267 297 317

2.a opo: MINITAB 15.

Figura 1.1: A janela Worksheet

Figura 1.2: A janela Session

Figura 1.3: A janela Graph

Figura 1.4: A janela Info

Figura 1.5: A janela History

6 Copyright 2006 Werkema Editora

Figura 1.6: A janela Report Pad

Figura 1.7: A janela Project Manager

8 Copyright 2006 Werkema Editora

Figura 1.8: Exemplo da formatao dos dados no MINITAB

A seguir apresentado cada cone de atalho e suas respectivas funes:

10 Copyright 2006 Werkema Editora

1.5.1 - cones comuns maioria dos softwares

12 Copyright 2006 Werkema Editora

14 Copyright 2006 Werkema Editora

16 Copyright 2006 Werkema Editora

18 Copyright 2006 Werkema Editora

Figura 2.1: O comando New

22 Copyright 2006 Werkema Editora

Figura 2.2: O comando Open Project

2. Escolha o projeto Contabilidade.MPJ;

24 Copyright 2006 Werkema Editora

Figura 2.3: O comando Project Description

8. Selecione OK; 9. Escolha a opo File > Save Project As...;

Figura 2.4: O comando Save Project As

10. Em Nome do Arquivo digite Contabilidade da empresa Z - 1888;

26 Copyright 2006 Werkema Editora

14. Selecione OK. Verifique a apresentao do novo projeto:

Figura 2.5: O comando New Project

15. Escolha a opo File > Exit.

28 Copyright 2006 Werkema Editora

Figura 2.6: O comando Exit

3. Escolha a opo File > Open Worksheet...;

30 Copyright 2006 Werkema Editora

Figura 2.7: O comando Open Worksheet

5. Selecione a planilha Receitas Diretas e Indiretas.xls;

8. Selecione OK; 9. Maximize a nova Worksheet e digite os dados da Tabela 2.1;

34 Copyright 2006 Werkema Editora

Figura 2.8: O comando Open Graph

36 Copyright 2006 Werkema Editora

Figura 2.9: O comando Import Special Files

Figura 2.10: O comando Export Special Text

Figura 2.11: O comando Run an Exec

Figura 2.12: O comando Save Session Windows As

Figura 2.13: O comando Save Worksheets As

Figura 2.14: O comando Save Graphs As

40 Copyright 2006 Werkema Editora

Figura 2.15: O comando Save Report As

Figura 2.16: O comando Print Worksheets

Figura 2.17: O comando Print Setup

42 Copyright 2006 Werkema Editora

44 Copyright 2006 Werkema Editora

Figura 3.1: O comando Subset Worksheet

48 Copyright 2006 Werkema Editora

6. Selecione OK; 7. Maximize a nova Worksheet, Galpes (Ano 1).

Resultados Obtidos: O MINITAB apresentar a seguinte sada:

50 Copyright 2006 Werkema Editora