ANÁLISE DE

DADOS COM
MINITAB
PROF. FERNANDA C. B. P. QUEIROZ
ENGENHARIA DA QUALIDADE - 2019
https://support.minitab.com/pt-br/minitab/18/getting-
started/introduction/
2
Explorar os dados

▰ Os dados são organizados em colunas e também são

chamados de variáveis. O nome e o número da
coluna estão sobre cada coluna.
▰ 1. Abra os dados amostrais DadosEnvio.MTW.

3
Exemplo: Centro de expedição

▰ Uma empresa que vende livros online tem três centros de

expedição regionais.

▰ Cada centro de expedição usa um sistema informatizado

diferente para inserir e processar os pedidos. A empresa
deseja identificar o sistema informatizado mais eficiente e
usá-lo em todos os centros de expedição.
4
 Coluna com
Coluna com
dados em texto
dados de data/hora

Nome da coluna Coluna com

dados numéricos

5
 Coluna da
Descrição
worksheet
Centro O centro de expedição: Oriente, Central, ou Ocidente.

Ordem A data e hora em que um cliente faz um pedido.

Chegada A data e hora em que um cliente recebe um pedido.
Dias A diferença entre as datas de chegada e de pedido.
Status No prazo indica que o livro foi recebido a tempo.
Pedido pendente indica que o livro não pode ser enviado
ainda, pois não está em estoque.
Atrasado indica que o livro foi recebido seis ou mais dias
após o envio do pedido.
Distância A distância entre o centro de expedição e o local de
entrega.
6
1.Selecione Estat > Estatísticas Básicas > Exibição de Estatísticas
Descritivas.
2. Em Variáveis, insira Dias.
3. Em Por variáveis (opcional), insira Centro

7
8
1. Selecione Estat > Estatísticas Básicas > Exibição de
Estatísticas Descritivas. Ctrl+E
2. Em Variáveis, insira Dias.
3. Em Por variáveis (opcional), insira Centro Status.

9
10
1.Selecione Gráfico > Histograma
2. Selecione Com Ajuste e depois clique em OK.
3. Em Variáveis do gráfico, insira Dias

11
 Histograma de Dias
Normal
50
Média 3,802
DesvPad 1,354
N 302

40

ncia
30
uê
Freq

20

10

0
1 2 3 4 5 6 7

Dias

12
1.Selecione Gráfico > Histograma
2. Selecione Com Ajuste e depois clique em OK.
3. Em Variáveis do gráfico, insira Dias
4. Clique em Múltiplos Gráficos, e depois na guia Por
variáveis.
5. Em Por variáveis com grupos em painéis separados,
insira Centro

13
 Histograma de Dias
Normal

1 2 3 4 5 6 7
Central Oriente Central
20
Média 3,984
DesvPad 1,280
15
N 99
10 Oriente
Média 4,452
Freq ncia
5 DesvPad 1,252
N 101
uê

0
Ocidente Ocidente
20
Média 2,981
15
DesvPad 1,090
N 102
10

0
1 2 3 4 5 6 7
Dias
Variável de painel: Centro

Os histogramas parecem ter a forma aproximada de um sino e serem

simétricos em torno da média, o que indica que os tempos de entrega de
14
cada centro têm distribuição aproximadamente normal.
 Exemplo: Controle de Qualidade

▰ Um engenheiro de controle da qualidade precisa assegurar que

as tampas em frascos de shampoo sejam fixadas corretamente.
▰ Se as tampas ficarem largas, elas poderão se soltar durante o
transporte.
▰ Se forem muito apertadas, poderão ser difíceis de remover.
O valor ideal do torque para fixar as tampas é 18.
O engenheiro coleta uma amostra aleatória de 68 frascos
e testa o torque necessário para remover as tampas.

Coluna da worksheet Descrição

Torque O torque necessário para remover a
tampa
Máquina A máquina que apertou a tampa: 1 ou 2

16
▰ Como parte da investigação inicial, o engenheiro analisa as
estatísticas e os gráficos descritivos para avaliar a
distribuição dos dados.

1. Abra os dados amostrais, TorqueTampa.MTW.

2. Selecione Estat > Estatísticas Básicas > Sumário Gráfico.
3. Em Variáveis, insira Torque.
4. Clique em OK.
 Relatório Resumo para Torque
Teste de normalidade de Anderson-Darling
A-Quadrado 2,04
Valor-p <0,005

Média 21,265
DesvPad 6,422
Variância 41,242
Assimetria 0,786618
Curtose -0,288434
N 68

Mínimo 10,000
1o. Quartil 16,000
Mediana 20,000
3o Quartil 24,750
Máximo 37,000
Intervalo de 95% de Confiança para Média

12 18 24 30 36
19,710 22,819
Intervalo de 95% de Confiança para Mediana
17,000 21,521
Intervalo de 95% de Confiança para DesvPad
5,495 7,729

Intervalos de 95% de Confiança

Média

Mediana

18,0 19,5 21,0 22,5

• O torque médio necessário para remover as tampas é 21,265, com um
desvio padrão de 6,422.

• Histograma mostra uma ampla dispersão, com muitos valores caindo longe
do valor-alvo de 18.

• Intervalo de confiança de 95% mostra que uma faixa provável para o torque
médio da população está entre 19,710 e 22,819, que é maior do que a meta
de 18.

• Para investigar a diferença entre o torque médio e o valor alvo, o

engenheiro poderia usar um teste t com 1 amostra.
1. Selecione Estat > Estatísticas Básicas > Exibição de
Estatísticas Descritivas.
2. Em Variáveis, insira Torque.
3. Em Por variáveis (opcional), insira Máquina.
1. O valor médio do torque para a Máquina 1 está mais próximo do alvo de 18 do que
o valor de torque médio para Máquina 2.

2. O torque médio necessário para remover as tampas da Máquina 1 é 18,667, e o

torque médio necessário para remover a tampa da Máquina 2 é 24,19.

3. A distribuição dos dados a partir da Máquina 1 também é menos variável. O

desvio padrão é 4,395 para a Máquina 1 e é 7,12 por Máquina 2.

4. Para determinar se existe uma diferença significativa nas médias da população, o

engenheiro poderia fazer um teste t de 2 amostras.
 Boxplot

Gráfico que apresenta a variabilidade de um conjunto de dados

 Histograma de Torque por Máquina
Relatório Resumo

Distribuição de Dados
Compare o centro e a variabilidade entre as amostras.

1.Selecione Assistente > 10

Análise
gráfica > Histograma 5

ncia
2.Coluna Y, insira Torque. 0

uê
2

Freq
10

3.Coluna X,
5
insira Máquina.
0

4.Clique em OK. 12 18 24
Torque
30 36

Estatísticas 1 2

N 36 32
Média 18,667 24,188
DesvPad 4,3948 7,1185
Mínimo 10 14
Máximo 30 37
1.Selecione Gráfico > Gráfico 40
Gráfico de Valores Individuais de Torque versus Máquina

de valores individuais > Um

Y > Com Grupos. 35

30

2.Em Variáveis do gráfico,

Torque
25

insira Torque.
20

3.Em Variáveis categóricas 15

para agrupamento (1-4, a 10

mais externa primeiro), 1 2

Máquina
insira Máquina.
4.Clique em OK.
 Boxplot de Torque
40

35

1.Selecione Gráfico > Boxplot >

Um Y > Com Grupos. 30

2.Em Variáveis do gráfico,

Torque
25

insira Torque.
20
3.Em Variáveis categóricas
para agrupamento (1-4, a mais 15

externa primeiro), 10

insira Máquina. 1 2

4.Clique em OK. Máquina

25
Exemplo: Medindo a Exatidão e a Precisão
Proposta

Análise de precisão e exatidão de um sistema de medição em experimentação,

usando estatísticas descritivas e um boxplot.

▰ Problema

Engenheiros elaboram um sistema de medição para mensurar um item crítico

de um processo de montagem. Para avaliar a exatidão e precisão do sistema,
os engenheiros planejam um experimento no qual dois operadores efetuaram
repetidas mensurações do mesmo item.

26
Estatística descritiva
Dados Coletados
Os engenheiros selecionaram um item considerado padrão com comprimento
conhecido de 25 mm. Cada operador mediu este item padrão 50 vezes.

Ferramentas
➢Calculadora;
➢Exibição de estatísticas descritivas;
➢Boxplot

Arquivo de Dados: Comprimento.MPJ

27
Calculando Valores

Antes de analisar os dados, use a calculadora do Minitab para transformar

os dados, subtraindo 25 das medidas efetuadas, o que quantificará as diferenças entre
a medida efetuada e a medida real.

Esta diferença expressa o vício das mensurações. O Minitab armazena os valores

transformados em uma coluna específica.

Calculadora
1. Abra a planilha Comprimento.MPJ;
2. Selecione Calc>Calculadora;
3. Complete a caixa de diálogo, como mostra a figura a seguir

28
Próximo Passo
Analise os dados transformados para
avaliar a exatidão e a precisão das
mensurações.

29
Use estatísticas descritivas para determinar a exatidão e precisão das medições
efetuadas pelos operadores.

Devido ao fato das medições dos dois operadores estarem em uma mesma coluna,
use

Por variáveis> Operador,

e então o Minitab mostrará as estatísticas estratificadas por cada operador.

30
31
Para uma única medição, a exatidão refere-se ao quão
perto da medida real está o valor
mensurado pelo operador.

Para várias medições, a exatidão refere-se ao quão

perto a média dos valores medidos está do valor real do
item. Neste caso o valor real do item é 25.

A precisão refere-se à variabilidade das medições

realizadas. Use uma medida de variabilidade, como o
desvio-padrão, para avaliar a precisão.

32
Interpretando Resultados

Examine a Worksheet. Na nova coluna, intitulada Viés, note que:

➢O valor 0 (zero) indica que o valor mensurado é igual para o valor do item
padrão;
➢Um número positivo indica o valor mensurado é maior que o valor do item
padrão;
➢Um número negativo indica o valor mensurado é menor que o valor do item
padrão

33
Interpretando os Resultados

Compare os Boxplots dos dois operadores. O gráfico sustenta os resultados obtidos

por meio da análise descritiva, além de fornecer um detalhamento maior por mostrar
a amplitude das medições feitas por cada operador. Por exemplo, o gráfico mostra
que

➢O Operador 2 obtém medidas consistentemente maiores que o valor padrão de

25mm;
➢As medidas do Operador 1, que alcançam 0,01mm abaixo ou acima da medida
padrão, são menos consistentes que as do Operador 2.

34
 Boxplot de Comprimento
25,015

25,010
❑ Quem é mais exato?
25,005

Comprimento
25,000

❑ Quem é mais preciso? 24,995

24,990

1 2
Operator

35
Resumo e Conclusões

Usando estatísticas descritivas e o boxplot, descobrimos que:

✓O Operador 1 aparentemente faz suas medidas com mais exatidão;

✓O Operador 2 aparentemente faz suas medidas com mais precisão. Além disso, ele
obtém medidas consistentes maiores que o padrão de 25mm.

36
Teste de normalidade

▰ Os testes de normalidade são utilizados para verificar se a

distribuição de probabilidade associada a um conjunto de
dados pode ser aproximada pela distribuição normal.

https://www.inf.ufsc.br/~andre.zibetti/probabilidade/distribuicao_amost
ral.html
1. Selecione Estat > Estatísticas Básicas > Teste de Normalidade.

Os resultados do teste indicam se você deve rejeitar ou deixar de

rejeitar a hipótese nula de que os dados são provenientes de uma
população distribuída normalmente

H0 – Os dados seguem uma distribuição normal

H1 – Os dados não seguem uma distribuição normal

Valor p>0,05 aceita H0

Valor p<0,05 rejeita H0
39
40
41
42
Exercícios

43
A Figura exibe diagramas de caixa
comparativos para um índice da
qualidade para produtos de três
fábricas.

A inspeção deste gráfico mostra que

há muita variabilidade na fábrica 2 e
que as fábricas 2 e 3 precisam
melhorar seu desempenho

MONTGOMERY, Douglas C.. Introdução ao Controle Estatístico da

Qualidade, 7ª edição. LTC, 06/2016. VitalBook file.
Um fabricante de fertilizante para plantas deseja desenvolver uma
fórmula de fertilizante que proporcione o maior aumento do
crescimento das plantas.

Para testar fórmulas de fertilizante, um cientista prepara três grupos

de 50 mudas idênticas:
• um grupo de controle sem fertilizante
• um grupo com o fertilizante do fabricante
chamado GrowFast
• um grupo com um fertilizante de um concorrente
chamado SuperPlant
Como parte da investigação inicial, o cientista cria um boxplot das alturas
das plantas nos três grupos, para avaliar as diferenças no crescimento das
plantas sem fertilizante, plantas com o fertilizante do fabricante e plantas
com o fertilizante do concorrente.

1.Abra os dados das amostras, CrescimentoDePlanta.MTW.

Coluna da Tipo de
Descrição
worksheet variável

Fertilizante O fertilizante Fator

usado: Nenhum, GrowFast (fertilizante do teste)
ou SuperPlant (fertilizante do concorrente)
Altura A altura da planta Resposta

46
1.Abra os dados das amostras, CrescimentoDePlanta.MTW.
2.Analise as estatísticas descritivas
3.Normalidade
4.Faça análise gráfica
5.Qual o melhor fertilizante? Por que?

47
 Boxplot de Altura
40

35

30

25
Altura

20

15

10

GrowFast Nenhum SuperPlant

Fertilizante
Interpretar os resultados

GrowFast produz as plantas mais altas no geral.

SuperPlant também aumenta a altura das plantas, mas s variabilidade

é maior, e SuperPlant não tem efeito positivo sobre uma grande
proporção das mudas.

O gráfico mostra que GrowFast causa o aumento maior e mais

consistente da altura das plantas.