Baixe o app para aproveitar ainda mais
Prévia do material em texto
CONTROLE DE QUALIDADE Hudson A Bode, Dr hudson.bode@fatec.sp.gov.br 1° Semestre de 2015 1 INTRODUÇÃO AO CONTROLE ESTATÍSTICA DA QUALIDADE 2 O que é Estatística? A Estatística é a ciência que visa obter conclusões sobre como se comporta uma população, sem que para isto tenhamos que analisar 100% dos elementos desta população, mas analisando somente uma parte dela (amostra). A Estatística nos fornece informações importantes para as tomadas de decisões! INTRODUÇÃO AO CONTROLE ESTATÍSTICA DA QUALIDADE 3 Estatística para todo o lado Pesquisas de mercado Pesquisas eleitorais Levantamento de censo eleitoral A maioria dos indicadores econômicos são baseados em amostras e etc... Estatística Descritiva É o processo de descrever como se comporta a população de dados que temos em mãos. A partir das amostras é possível descrever claramente como se comporta uma população, desde que estas sejam corretamente retiradas. A este processo chamamos de “Inferência”, ou seja, inferir significa tirar conclusões sobre o todo analisando apenas uma pequena parte das informações. Definições Termos usados na Estatística População : Todo os elementos de interesse (100%) N : Tamanho da População Amostra : Uma parte da população a ser analisada N : Tamanho da Amostra (amostragem) INTRODUÇÃO AO CONTROLE ESTATÍSTICA DA QUALIDADE 4 Coleta de dados Censo: inspeciona todos os elementos de uma população. Parâmetros: valor desconhecido associado a uma característica (média=µ, variância=𝜎2) Amostra: é uma parte representativa da população. Estimador: função que estima o valor de um Parâmetro baseando-se nas observações (média = 𝑥 , variância =𝑠2) População Amostra (𝑥1, 𝑥2,..., , 𝑥𝑛) EstimaçãoEstimação 𝑥 𝑠 INTRODUÇÃO AO CONTROLE ESTATÍSTICA DA QUALIDADE 5 1 - Medidas de tendência central da distribuição Média aritmética É a soma dos valores dos elementos dividida pelo número de elementos Anotamos a temperatura de uma pessoa de 1 em 1 hora, durante 8 horas. Qual a média da temperatura? Valores observados: 37, 37, 38, 39, 37, 39, 39⁰C. O tamanho da amostra é n = 7 𝑺𝒐𝒎𝒂 𝒅𝒆 𝒕𝒐𝒅𝒐𝒔 𝒐𝒔 𝒅𝒂𝒅𝒐𝒔 𝑵° 𝒕𝒐𝒕𝒂𝒍 𝒅𝒆 𝐝𝐚𝐝𝐨𝐬 𝒙 = 1 2 1... n i n i x x x x x n n 037 37 38 39 37 39 38 39 7 Cx INTRODUÇÃO AO CONTROLE ESTATÍSTICA DA QUALIDADE 6 1 - Medidas de tendência central da distribuição Médiana Ela não é influenciada pelos dados atípicos Deve-se ordenar os dados em ordem crescente Qual a mediana da temperatura? Valores observados: 37, 37, 38, 39, 37, 39, 39ºC. Valores ordenados: 37, 37, 37, 38, 39, 39, 39ºC n = 7 é ímpar – mediana valor central 𝑥 = 38ºC 1 2 ( 2) ( 2 1) 2 n n n x x x x n ímpar n par Qual a mediana da temperatura? Valores observados: 67, 86, 43, 89, 54, 73ºC Valores ordenados : 43, 54, 67, 73, 86, 89ºC n = 6 é par Para achar a Mediana, calculamos: (6/2) =3 e (6/2)+1= 4 3º e 4º elementos 67 e 73 (respectivamente). Então a mediana sera 𝑥=(67+73/2)=70 INTRODUÇÃO AO CONTROLE ESTATÍSTICA DA QUALIDADE 7 1 - Medidas de tendência central da distribuição Moda Observação que ocorre com mais frequência Qual a moda da temperatura ? Valores observados: 37, 37, 38, 39, 37, 39, 39ºC Duas modas : 37 e 39ºC INTRODUÇÃO AO CONTROLE ESTATÍSTICA DA QUALIDADE 8 1 - Medidas de tendência central da distribuição A média amostral corresponde ao centro de massa dos dados da amostra. A variabilidade nos dados amostrais é medida pela variância amostral. Notamos que a variância amostral é simplesmente a soma dos quadrados dos desvios de cada observação em relação à média amostral , devidida pelo tamanho da amostra menos um. A raiz quadrada é chamada desvio padrão amostral S, como uma medida de variabilidade. Resulta que 2 2 1 1 n i i x x S n 2 1 1 n i i x x S n 𝒙 O desvio padrão não reflete a magnitude dos dados amostrais, reflete apenas a dispersão em torno da média. Em uma distribuição de probabilidades é necessário: P(x) = 1, onde x toma todos valores possíveis 0 P(x) 1 para todo o x. A distribuição de probabilidades indica a percentagem de vezes que, em grande quantidade de observações, podemos esperar a ocorrência de vários resultados de uma variável aleatória. Distribuição de Probabilidades Distribuições de probabilidade Distribuições descontínuas ou discretas Distribuições contínuas Envolvem distribuições de probabilidades de variáveis aleatórias relativas a dados que podem ser contados. Exemplos: Número de ocorrências por amostras Número de ocorrências por unidade num intervalo de tempo Número de fumantes presentes em eventos esportivos Distribuições Descontínuas ou Discretas Uniforme ou Retangular Binomial Binomial Negativa ou de Pascal Geométrica Poisson Multinomial ou Polinomial Hipergeométrica Formas da distribuição descontínua DISTRIBUIÇÕES CONTÍNUAS UNIFORME OU RETANGULAR NORMAL BIVARIADA NORMAL EXPONENCIAL LOGNORMAL WEIBULL QUI-QUADRADO 2 t DE STUDENT F DE SNEDECOR GAMA BETA ERLANG ( formas) Distribuições Contínuas Quando se usa as distribuições contínuas? A variável aleatória discreta apresenta um grande número de resultados; A variável aleatória em questão é contínua. Os ponteiros de um relógio podem parar em qualquer dos infinitos pontos do círculo logo a probabilidade de parar em um ponto é zero. Nas distribuições contínuas utilizam-se a probabilidade da ocorrência em um intervalo P(a < x < b); Em uma distribuição contínua, a probabilidade é dada pela área contida no intervalo considerado. Distribuições Contínuas 13 Distribuições contínuas – quando a variável sendo medida é expressa em uma escala contínua. A distribuição de probabilidade dos diâmetros dos pistões é contínua. Distribuições discretas – quando o parâmetro sendo medido só pode assumir certos valores, tais como os inteiros. A distribuição do número de defeitos em placas de circuito é um exemplo. A média µ de uma distribuição de probabilidade é uma medida da tendência central da distribuição, ou da sua posição. Sendo definida como: 1 N i i x N A amostragem (N) é o número de amostras consideradas para um estudo. Ex: 5 grupos de 30 elementos cada, logo: N=5x30(n)=150 1 ( ) , ( ),i i i xf x dx x continuo x p x x discreta Distribuição de Probabilidades INTRODUÇÃO AO CONTROLE ESTATÍSTICA DA QUALIDADE 14 1 - Medidas de tendência central da distribuição Relação entre média e mediana → fornece a forma da dispersão Distribuição simétrica 10 12 14 16 18 𝑥 = 14 = 𝑥 = 14 Distribuição assimétrica à direita 10 12 14 16 23 𝑥 = 15 > 𝑥 = 14 Distribuição assimétrica à esquerda 05 12 14 16 18 𝑥 = 13 < 𝑥 = 14 Mediana tem maior robustez a dados atípicos do que a média INTRODUÇÃO AO CONTROLE ESTATÍSTICA DA QUALIDADE 15 2 - Medidas de variabilidade Observações individuais apresentam dispersão em torno do valor médio. Isto chama-se variabilidade dos dados. Tanto na natureza quanto nos processos industriais, nunca temos dois produtos idênticos. Por menor que sejam, as diferenças sempre existem. Estas diferenças são devidas às variações nas condições dos processos envolvidos na criação de determinado elemento. Existem 3 maneiras de descrever a Variação (ou tambémconhecida como Dispersão): Amplitude, Variância e Desvio Padrão. Medidas de dispersão indicam o afastamento dos valores observados em relação a média aritmética da amostra estuda. INTRODUÇÃO AO CONTROLE ESTATÍSTICA DA QUALIDADE 2 - Medidas de variabilidade Amplitude (Range) É a medida da faixa de variação dos dados. Só considera os 2 valores extremos encontrados. Amplitude: R = Xmax - Xmin Exemplo: 8,5 8,7 8,9 10,1 10,5 10,7 11,5 11,9 R = 11,9 - 8,5 = 3,4 A amplitude é fácil de calcular e fornece uma ideia da magnitude da faixa de variação dos dados. Não informa a respeito da dispersão dos valores que caem entre os dois extremos. Ela é influenciada pelos dados atípicos Quando n <10 pode resultar em uma medida de variação bastante satisfatória. A amplitude é influenciada por valores extremos! 16 INTRODUÇÃO AO CONTROLE ESTATÍSTICA DA QUALIDADE 2 - Medidas de variabilidade Variância : Quadrado da distância de todos os valores 𝑥𝑖 em relação a sua média. A dispersão, espalhamento ou variabilidade na distribuição é expressa pela variância σ2. A definição de variância é Quando a variável aleatória é discreta com N valores igualmente prováveis, teremos E podemos observar que, neste caso, a variância é a média dos quadrados das distâncias de cada elemento da população à média. Existe uma semelhança com a variância amostral 𝑺𝟐. 17 2 2 2 1 ( ) ( ) , ( ),i i i x f x dx x continuo x p x x discreta 2 2 1 ( ) N i i x N INTRODUÇÃO AO CONTROLE ESTATÍSTICA DA QUALIDADE 2 - Medidas de variabilidade Desvio-padrão : À medida que a variabilidade aumenta, a variância 𝝈𝟐 também aumenta. A variância é expressa no quadrado da unidade da variável original. Por exemplo, se estamos medindo voltagens, a unidade da variância é (volts)𝟐. Assim, é costume utilizar a raiz quadrada da variância, chamada desvio padrão σ. Segue que 18 2 2 1 ( ) N i i x N O desvio padrão é uma medida de dispersão ou espalhamento da população expressa na unidade original. Duas distribuições com a mesma média e diferentes desvios padrão como mostra a figura. INTRODUÇÃO AO CONTROLE ESTATÍSTICA DA QUALIDADE 2 - Medidas de variabilidade 19 2 2 1 ( ) N i i x N 2 2 1 ( ) N i i x N 2 2 1 1 n i i x x S n 2 2 1 1 n i i x x S S n Desvio padrão da população Desvio padrão da população Variância da amostra Desvio padrão da amostra INTRODUÇÃO AO CONTROLE ESTATÍSTICA DA QUALIDADE 2 - Medidas de variabilidade 20 Exemplo Amostra: 10 12 14 16 18 (anos) A média é 14 meses, a variância e o desvio padrão são 2 2 2 2 2 2 2 21 (10 14) (12 14) (14 14) (16 14) (18 14) 9,98 1 5 1 n i i x x S meses n 9,98 3,16S meses INTRODUÇÃO AO CONTROLE ESTATÍSTICA DA QUALIDADE 3 - Distribuição Probabilidades - Normal Uma distribuição de probabilidade é um modelo matemático que relaciona um certo valor da variável em estudo com a sua probabilidade de ocorrência. Há dois tipos de distribuição de probabilidade: Distribuições Discretas: Quando a variável que está sendo medida só pode assumir certos valores, como por exemplo os valores inteiros: 0, 1, 2, etc. Distribuição Binomial, Poisson Distribuições Contínuas: Quando a variável que está sendo medida é expressa em uma escala contínua, como no caso de uma característica dimensional. Distribuição Normal 21 IMPORTÂNCIA DA DISTRIBUIÇÃO NORMAL Retrata com boa aproximação, as distribuições de frequência de muitos fenômenos naturais e físicos Serve como aproximação das probabilidades binomiais (sim ou não) quando n é grande Representa a distribuição das médias e proporções em grandes amostras, o que tem relevante implicação na amostragem (a mais importante) Distribuição Normal 1. A curva normal tem a forma de sino 2. É simétrica em relação a média 3. Prolonga-se de - a + (apenas em teoria) (assintótica) 4. Fica completamente especificada por sua média e seu desvio padrão; há uma distribuição normal para cada par (média e desvio padrão) 5. A área total sob a curva é considerada 100% ou igual a 1 6. A área sob a curva entre dois pontos é a probabilidade de uma variável normalmente distribuída tomar um valor entre esses pontos 7. A probabilidade de uma variável aleatória normalmente distribuída tomar exatamente determinado valor (pontual) é zero (característica da distribuição contínua) 8. A área sob a curva entre a média e um ponto arbitrário é função do número de desvios padrões entre a média e aquele ponto Distribuição Normal - Características A probabilidade de uma variável aleatória tomar um valor entre dois pontos quaisquer é igual à área sob a curva normal entre aqueles pontos µ a b P (a < x < b) = área hachurada sob a curva Distribuição Normal INTRODUÇÃO AO CONTROLE ESTATÍSTICA DA QUALIDADE 3 - Distribuição Probabilidades - Normal A distribuição normal, provavelmente, a mais importante distribuição, tanto na teoria quanto na prática da estatística, se x é uma variável aleatória normal. Então a distribuição de probabilidade de x é definida como segue. 25 2 1 21( ) 2 x f x e x A média da distribuição normal é µ ( ) e a variância é σ2>0. x A aparência visual de uma distribuição normal é a de uma curva simétrica, unimodal, em forma de sino. OBSERVAÇÃO: x - µ = distância do ponto considerado à média x - µ z = número de desvios padrões a contar da média. Ex.: 2,5 desvios padrões z = valor z ou score z. Pode-se obter valores negativos de z para valores de x inferiores à média Distribuição Normal x – ponto considerado da distribuição. µ - média da distribuição. - desvio padrão da distribuição. INTRODUÇÃO AO CONTROLE ESTATÍSTICA DA QUALIDADE 3 - Distribuição Probabilidades - Normal A distribuição normal, provavelmente, a mais importante distribuição, tanto na teoria quanto na prática da estatística, se x é uma variável aleatória normal. Então a distribuição de probabilidade de x é definida como segue. 27 2 1 21( ) 2 xa P x a F a e dx a P x a P z 1 1 a P x a P x a P z A distância entre a média e um ponto qualquer é dado em número de desvios padrões (z) Normal padronizada Normal não padronizada µ x 0 z PP Distribuição Normal x z 70 80 90 100 110 120 130 -3 -2 -1 0 +1 +2 +3 µ = 100,0 = 10,0 escala efetiva escala padronizada Escala efetiva X Escala padronizada Distribuição Normal Como calcular Z ? µ x x - µ (x - µ)/ = z média desvio padrão valor considerado diferença diferença relativa 40 1 42 2 2 30 2,5 37,5 7,5 3 25 2 23 -2 -1 22 4 22 0 0 183 13,5 -4,5 -1,5 37 38 39 40 41 42 43 escala efetiva -3 -2 -1 0 +1 +2 +3 (42 – 40)/1 = 2 S = 1 Distribuição Normal Como calcular o valor efetivo Passando do valor z para o valor efetivo µ z µ + z resultado média desvio padrão valor z cálculo valor efetivo 20 1 3 20 + 3(1) 23 72 5 0,3 72 + 5(0,3) 73,5 50 3 -1 50 + 3(-1) 47 60 2 -2 60 + 2(-2) 56 Distribuição Normal -3 -2 -1 0 +1 +2 +3 68% 95,5% 99,7% Distribuição Normal 1,0 00 01 02 03 04 05 06... 1,2 . . . 1,1 1,25 . . . 0,3944 olhando a tabela Distribuição Normal - Consultando a tabela Probabilidade de uma variável aleatória normal tomar um valor z entre a média e o ponto situado a z desvios padrões z área entre a média e z 1,00 0,3413 1,50 0,4332 2,13 0,4834 2,77 0,4972 área tabelada = área desejada 0 z Distribuição Normal - Consultando a tabela z P(0 < x < z) P(x > z) = 0,5 – P(0 < x < z) 0 z Distribuição Normal - Consultando a tabela 0 z Distribuição Normal - Tabela Determinando a área entre dois pontos quaisquer Exemplos Determinando a área (probabilidade) sob a curva entre dois pontos entorno da média 0,1359 0 +1 +2 0,3413 0,4772 -1 0 +1 0,3413 0,3413 Distribuição Normal - Cálculo da probabilidade 1) Após 28 dias de curagem, o cimento de uma certa marca tem uma resistência compressiva média de 4000psi. Suponha que a resistência tem uma distribuição normal com desvio-padrão de 120psi. Qual a probabilidade de se comprar um pacote de cimento com resistência compressiva de 28 dias menor que 3850psi? N(;) = N(4000,120) psi X = 3850psi %56,101056,0)25,1( ZP 3850 4000 -1,25 Área em vermelho = z = -1,25 = 0,3944 Área desejada = 0,50 – 0,3944 = 0,1056 = 10,56% 25,1 120 40003850 X z P(z ≤ -1,25) Distribuição Normal - Exemplos N(,) = N(50;15) dias X = 31 dias 2) Uma grande empresa faz uso de milhares de lâmpadas elétricas que permanecem acessas continuamente. A vida de uma lâmpada pode ser considerada como uma variável aleatória normal com vida média de 50 dias e desvio-padrão de 15 dias. Se no dia 1º de agosto foram instaladas 8000 lâmpadas novas, aproximadamente quantas deverão ser substituídas no dia 1º de setembro? 27,1 15 5031 X z %20,101020,03980,05000,0log3980,0)27,1( oZP Consultando a tabela: Deverão ser substituídas um total de (0,1020x 8.000) = 816 lâmpadas Distribuição Normal - Exemplos X Z f(x) 50 0 31 -1,27 3520 3) Uma indústria siderúrgica produz tubos de aço cujo comprimento pode ser considerado uma variável normalmente distribuída com média =10,00 metros, e desvio padrão igual a = 0,09 metros. Quanto refugo a indústria espera produzir se o comprimento dos tubos de aço tiver que ser no máximo, igual a 10,20 m? N(,) = N(10;0,09) metros X = 10,20m 22,2 09,0 1020,10 X z %32,10132,04868,05,0)22,2()22,2( ZPZP f(x) 10 X10,20 0 2,22 Z Distribuição Normal - Exemplos Consultando tabela temos: 4) O tempo médio que demora para uma viatura de uma determinada cia da PMMG de Ipatinga atender a uma chamada de emergência é de 8 minutos com desvio-padrão de 3 minutos. Considere o tempo médio como uma variável normalmente distribuída para calcular a probabilidade de uma chamada esperar menos de 4 minutos. CASO PRÁTICO DO USO DA ESTATÍSTICA NA QUESTÃO LOGÍSTICA DA PRESTAÇÃO DE SERVIÇOS %18,90918,04082,05,0)33,1()4( ZPxP Consultando a tabela: 33,1 3 84 X z N(,) = N(8;3) minutos X < 4 minutos f(x) X8 0 4 Z-1,33 Distribuição Normal - Exemplos 5) Um máquina produz peças com o diâmetro médio de 2,00” e o desvio-padrão de 0,01”. As peças que se afastam da média por mais de 0,03” são consideradas defeituosas. Qual é a percentagem de peças defeituosa? ESTATÍSTICA NO CONTROLE DA PRODUÇÃO INDUSTRIAL )3()3()97,1()03,2( ZPZPxouPxP 3 01,0 203,2 1 X z f(x) 2 X2 0 3 Z 2,031,97 -3 N(,) = N(2,00;0,01) X1 = 2,03 e X2=1,97 3 01,0 297,1 2 X z Consultando tabela: %28,00014,00014,0)3()3( ZPZP Distribuição Normal - Exemplos 6) A vida média de uma marca de televisão é de 8 anos com desvio-padrão de 1,8 anos. A campanha de lançamento diz que todos os produtos que tiverem defeito dentro do prazo de garantia serão substituídos por novos. Se você fosse o gerente de produção, qual seria o tempo de garantia que você especificaria para ter no máximo 5% de trocas. ESTATÍSTICA E A ASSISTÊNCIA TÉCNICA 05,0049471,0 )(65,1 050503,0049471,0 )64,1(65,1 Zx 6449,105,0 Z X z 8,1 8 6449,1 X N(,) = N(8;1,8) anos X=? z -1,65 0,049471 ? 0,05 -1,64 0,050503 )( oZ anosX 04,5 Distribuição Normal - Exemplos 44 EXERCÍCIO AULA CÁLCULO CURVA DE APRENDIZADO INTRODUÇÃO AO CONTROLE ESTATÍSTICA DA QUALIDADE 45 Bibliografia Complementar [1] Douglas C. Montgomery - Introducao ao Controle Estatistico da Qualidade, LTC, 4ª Ed, 2004. [2] Adriano Reis – Material de aula de Controle de Qualidade , FATEC – 1º semestre de 2013. [3] Samuel Bloch Silva – Material de Aula de DIP, ITA - 1º semestre de 2015.
Compartilhar