Baixe o app para aproveitar ainda mais
Prévia do material em texto
Estatística Básica e Variação de Processos Autor: Sérgio Tenório dos Santos Neto Controle: Curso LSS FATEC Guaratinguetá Objetivos de aprendizagem slide 2 Compreender a importância das medições para entendimento de um problema, os conceitos de Tendência Central e Variabilidade, e os conceitos de População e Amostra. Adquirir bagagem para compreender a importância da estatística em projetos de melhoria Lean Six Sigma. O que é Estatística? slide 3 É uma ciência que se preocupa com a organização, descrição, análise e interpretação dos dados experimentais. Basicamente podemos dividir em duas partes: Descritiva e a Indutiva ou Inferencial. É uma importante ferramenta que auxilia na TOMADA DE DECISÃO. Exemplo: O governo precisa da estatística para coletar os dados censitários da população, para planejar e executar as melhorias para todos os cidadãos. O que é uma Medida? slide 4 É uma avaliação quantificada de uma caraterística ou nível de rendimento baseada em dados observados. Exemplos: Tempo Tamanho Valores Monetários Velocidades Consumos Medir ? Qual o Objetivo ? slide 5 Definir o baseline, ou linha base Conhecer e compreender os dados Estabelecer a base para as futuras melhorias População slide 6 Uma População é definida por todos os valores que se enquadram em uma caracteristica particular retirada de um produto ou processo. A população pode variar dependendo do interesse de qual variável o observador quer estudar. A letra N é utilizada para caracterizar o número de valores numa população. Amostra slide 7 A Amostra é um subconjunto de dados retirados de uma população, finitos, tendo as mesmas caracteristicas da população. A letra minúscula n é utilizada para especificar o número de valores de uma amostra (o tamanho da amostra). Amostragem slide 8 Vantagens • Economia de tempo e dinheiro • Simplificação do processo de coleta Desvantagens • Inseri um nível de incerteza por não ter todos os dados Utilização de um Pequeno conjunto de dados para Representar o Todo Variáveis slide 9 É o conjuntos de resultados possíveis que pode acontecer com algum fenômeno estudado. Podem ser: Quantitativa: É quando o resultado é expresso em números. Qualitativa: É quando o resultado pode ser classificado em tipos ou atributo. Medir a Tendência Central e a Variabilidade é necessário para descrever uma base de dados Medições Estatísticas slide 10 O conceito de Tendência Central é comum para a maioria das pessoas. É calculado como a "média" de uma base de dados. Também temos a medição de Variabilidade, uma parte importante da compreensão do processo e da filosofia seis sigma. Tendência Central slide 11 A Tendência Central é a propriedade dos dados tenderem a um agrupamendo em torno de um ponto "central". O "centro" pode ser a média matemática, observação mais freqüente ou ponto de dados no centro do grupo Média, moda e mediana são cálculos comuns da tendência central Tendência Central C o n ta r Medir Média slide 12 A Média é um cálculo aritmético de um conjunto de dados. • É o cálculo de tendência central, não um cálculo da variação. • A média é necessária para realização de alguns cálculos estatísticos de variação x = Média da amostra xi = Ponto i dos dados n = Tamanho da amostra N X N i i 1 n X X n i i 1 Média da Amostra Média da População N = Tamanho da População = Média da População Média e Moda slide 13 Exemplo de Média Vamos voltar a um grupo dos 10 estudantes: 32, 33, 34, 34, 35, 37, 37, 39, 41, 44 Qual o valor da média? X = (32 + 33 + 34 + 34 + 35 + 37 + 37 + 39 + 41 + 44)/10 = 36,6 Moda A Moda é o valor observado com maior freqüencia em um grupo No exemplo acima temos duas modas (34 e 37) Mediana slide 14 A mediana divide a população ou a amostra em duas partes iguais. Para efetuar o cálculo deve-se atentar para o número de variáveis que está sendo estudado e deixá-las sempre em ordem crescente. Exemplo 1: Um grupo de 11 estudantes tiveram suas idades perguntadas e chegou nos resultados: 17 , 21, 18, 19, 19, 20, 22, 17, 18, 19, 20 Mediana slide 15 Exemplo 2: Um grupo de 10 estudantes tiveram suas idades perguntadas e chegou nos resultados: 17 , 21, 18, 18, 20, 21, 17, 18, 19, 20 Variabilidade slide 16 A Variabilidade reconhece que o processo não produz sempre resultados idênticos A Variabilidade pode ser causada por forças identificáveis que atuam no processo ou através de breves flutuações no processo Amplitude, desvio padrão e variação são cálculos comuns de variabilidade C o n ta r Medir Amplitude slide 17 Um cálculo de variabilidade facilmente definido é a Amplitude. O Mínimo é o valor menor num conjunto de dados. O Máximo é o valor maior num conjunto de dados. A Amplitude é a diferença entre o Máximo e o Mínimo; Amplitude = Máximo – Mínimo Vide o grupo de dados com 12, 13, 14, 14, 15, 17, 17, 19, 21, 24 . Por observação, o Mínimo = 12, o Máximo = 24 Sendo, assim a Amplitude é calculada: 24 - 12 = 12 Desvio Padrão slide 18 Uma medida de variabilidade freqüentemente utilizada é o Desvio Padrão O Desvio Padrão é definido como: Numa definição mais intuitiva, pense nele como a "distância média entre cada ponto dos dados até à média“. 2 1 )( N i i N XDesvio Padrão População 2 1 1 )( n i i n xx s Desvio Padrão Amostra Variância slide 19 A Variância é outra medida de variabilidade que pode ser avaliada. Note que a Variância é o quadrado dos Desvio Padrão da População e da Amostra. 2 1 2 )( N i i N X Variância da População Variância da Amostra 2 1 2 1 )( n i i n xx s Apresentando Dados Estatísticos slide 20 Um método comum de resumir e apresentar dados estatísticos é através da utilização de apresentações gráficas. Os Gráficos de séries temporais mostram valores de dados individuais representados graficamente na ordem seqüencial pela qual foram gerados. Os Gráficos Seqüenciais e Gráficos de Controle são usados normalmente em gráficos de séries temporais. Os Gráficos de Dados Agrupados mostram valores de dados gerados durante o período de tempo de interesse agrupados juntos pela sua freqüência de ocorrência. Histogramas, box plots e gráficos de pontos são normalmente utilizados para dados agrupados. Histograma slide 21 Também conhecido como o gráfico de distribuição de frequências, é a representação na forma de barras de dados previamente tabulados. 0 2 4 6 8 10 12 14 1 |--- 3 3 |--- 5 5|--- 7 7|--- 9 9 |--- 11 11 |--- 13 13|--- 15 15|--- 17 Histograma Gráfico de Setores slide 22 Neste gráfico os valores são divididos proporcionalmente às medidas dos ângulos do círculo. 28% 22% 26% 11% 13% Engenheiros Economistas Administradores Contadores Outros Séries Temporais vs. Gráficos de Dados Agrupados slide 23 Tempo (eixo horizontal) R es po st a (e ix o ve rt ic al ) Gráfico de Séries de Valores Cada ponto é a resposta medida em determinado ponto do tempo. Gráfico de Dados Agrupados Agrupa todos os pontos por Períodos de Tempo, numa única apresentação Período de Tempo Gráficos Seqüências slide 24 Os Gráficos Seqüenciais (ou gráficos de séries temporais) apresentam medições de dados no eixo y contra o tempo no eixo x num único gráfico. Os pontos de dados estão ligados por uma linha para acentuar as mudanças que ocorrem entre os pontos. Os Gráficos Seqüenciais são fáceis de construir e compreender, tornando-os úteis para detectar hábitos e mudanças significativasno processo subjacente de gerar dados. Gráfico de Controle slide 25 Os Gráficos de Controle são semelhantes aos Gráficos Seqüenciais uma vez que apresentam medições de dados no eixo y contra o tempo do eixo x. Permitem-nos determinar se o processo é estável e identificar ocorrências de uma variação anormal. Os Gráficos de Controle de dados contínuos providenciam informação em medições individuais no gráfico superior e variabilidade no gráfico inferior. Gráficos de Pontos slide 26 Os Gráficos de Pontos apresentam um ponto para cada observação ao longo de uma linha numerada. Se existirem várias ocorrências de uma observação, ou se as observações se encontram muito juntas, então os pontos serão apresentados verticalmente. Quartis, Decis e Percentis slide 27 BoxPlots slide 28 1 2 3 4 0 10 20 Line Product S a le s Boxplots of Sales by Product Line Boxplots, também chamados gráficos de caixa, são particularmente úteis para mostrar as caraterísticas da distribuição dos dados. No Minitab, você pode criar um único boxplot, ou um gráfico que contenha um boxplot para dados dentro de cada categoria de uma variável agrupada. A Distribuição Normal, ou curva de Gauss slide 29 A maioria dos dados tendem a seguir a distribuição normal ou curva com forma de sino. Uma das caraterísticas chave da distribuição normal é a relação entre a forma da curva e o desvio padrão (). 99,73% da área da distribuição normal está contida entre - 3 sigma e +3 sigma a partir da média. Outra forma de o expressar é que 0,27% dos dados caem fora dos 3 desvios padrões, a partir da média. O nome "distribuição normal", foi inventado por Charles S. Peirce, Francis Galton e Wilhelm Lexis, por volta de 1875. http://pt.wikipedia.org/wiki/Charles_Sanders_Peirce http://pt.wikipedia.org/wiki/Francis_Galton http://pt.wikipedia.org/wiki/Wilhelm_Lexis A Distribuição Normal slide 30 99,73% dos dados ficam a menos de 3 da média, 95,46% dos dados ficam a menos de 2 da média e 68,26% dos dados ficam a menos de 1 da média. 1 ƒ(x) 2 1 2 3 3 68,26% 95,46% 99,73% Exatidão vs Precisão slide 31 Exatidão – A capacidade de ficar no alvo, de acordo com o medido pela média. Este processo é exato, mas não preciso. O problema é amplitude. Precisão – Consistência de um processo, de acordo com o medido pelo desvio padrão. Este processo é preciso, não exato. O problema é centro. Desejado Desejado Corrente Corrente USL USL LSL LSL Exatidão vs Precisão Ilustrada slide 32 Desejado Desejado Corrente Corrente USL USL LSL LSL Exatidão vs Precisão Comparada slide 33 Vamos dizer que surgiu essa situação. Como corrigir? A teoria diz que é mais fácil mudar a média (centro/exatidão) do que mudar o desvio padrão (amplitude/precisão). Sugestão: Assim, primeiro reduzimos a variação através da diminuição do desvio padrão, nos concentra na mudança da média. observação: Assim que reduzir o desvio padrão, vai mudar a média ao mesmo tempo! Desejado Corrente USL LSL Qual o Aspecto da Variação Reduzida slide 34 Processo com maior variação USL LSL 1 Desvio Padrão Alvo Processo Centro Processo com variação reduzida USL LSL Alvo Processo Centro 1 Desvio Padrão Compreendendo a Variação slide 35 Todos os produtos, serviços e processos apresentam variação. O Modelo Shewhart ou Deming (o modelo causa comum – causa especial) decompõe a variação em: Variação assinalável (adequado a causas "especiais" que podemos isolar). Variação de causas comuns. Quando um parâmetro está sob controle estatístico, implica uma variação estável e previsível (variação de causa comum). Isso não significa uma variação "boa" ou desejável. Um parâmetro que está fora de controle implica uma variação instável e imprevisível. É assunto de causas comuns E especiais de variação. Um processo pode estar sob controle estatístico e não ser capaz de produzir consistentemente produtos ou serviços dentro dos limites da especificação. Tipo de variação slide 36 A Causa Especial de Variação deve-se a causas assinaláveis que podemos identificar. Não é aleatória e varia ao longo do tempo. Geralmente, é causada por uma força que age sobre o processo a partir do exterior. Essa variação pode ser eliminada através da eliminação da força exterior que age sobre o processo. A Causa Comum de Variação é aleatória, estável e consistente ao longo do tempo. É uma parte inerente do processo e só pode ser mudada através da mudança do próprio processo. De acordo com Deming, entre 85% e 95% de toda a variação é Causa Comum; 5% a 15% de toda a variação é uma Causa Especial. Variação de Causa Especial slide 37 São exemplos de variação de causa especial: Maquinaria Falta de energia Utilização da ferramenta errada Desgaste, material, ângulo da ferramenta Taxa de alimentação Setup do operador/erro Escritório Trabalhadores de férias Perda de um documento 2520151050 80 70 60 50 Sample Number S am pl e M ea n X-Bar Chart for Process B X =70.98 UCL=77.27 LCL=64.70 Causas Especiais Variação de Causa Comum slide 38 São exemplos de variação de causa comum: Maquinaria Vibração das máquinas Tensão da rede Mudança de setup Escritório Experiência dos trabalhadores Tempo de resposta do servidor da Internet 2520151050 75 70 65 Sample Number S am pl e M ea n X-Bar Chart for Process A X =70.91 UCL=77.20 LCL=64.62 Manipulação slide 39 Manipulação, ou super-controle, é quando são feitos ajustamentos constantes a um processo baseado em medições individuais, resultados de testes, etc. Exemplos: ajustamento de processos, termostato, etc. Manipulação é uma forma de sobrerreagir aos dados. Uma das fontes mais comuns de causas especiais de variação é a falsificação Esta é uma grande oportunidade de melhoramento disponível na maioria das empresas atuais. Podemos Tolerar a Variação? slide 40 Existirá sempre alguma variação presente. Podemos tolerar essa variação se: O processo está no alvo. O processo mostra apenas uma variação estável e previsível. A variação é pequena quando comparada às especificações do processo. Precisamos reconhecer que a variação deve ser minimizada. Se nosso processo mostra uma variação inaceitável, mude (não mexa) o processo. Podemos utilizar ferramentas gráficas e estatísticas para ajudar a medir e assegurar que nosso processo fica no alvo e tem apenas uma variação estável e previsível. Gráficos de Séries Temporais slide 41 Ferramentas Comuns Gráficos Seqüências Gráficos de Controle Permita a detecção de tendências e padrões nos dados Permita a identificação de “outliers” – pontos de dados distantes do resto do grupo que não parecem se enquadrar no grupo principal Se um processo está sob controle estatístico, seus pontos de dados irão exibir um padrão e quantidade de variação aleatória, estável e consistente em seus gráficos de séries temporais. Dados Agrupados por Pontos slide 42 Ferramentas Comuns Histogramas Gráficos de Pontos Box Plots Utilizados para apresentar e calcular: Tendências Centrais (Média). Variação (Desvio Padrão). Forma da Curva de Distribuição
Compartilhar