Apostila de Minitab

Prévia do material em texto

Minitab Versão 18
André Almeida
1
1
Sobre o Instrutor
André Almeida – 38 Anos
Especialista: Lean / NPI / Qualidade
Engenheiro de Produção – UFAM;
Técnico em Mecânica – ETFAM;
Master Black Belt – Six Sigma – IQF;
Histórico do Profissional:
2000 ~ 2010 – Honda – NPI (Montagem do Motor)
2010 ~ 2011 – Continental – Qualidade Automotiva
2010 ~ Atual – Instrutor de Lean / Qualidade (interno)
2012 ~ 2013 – NCR – Supervisor de Produção
2013 ~ 2014 – Dafra – NPI (Motor e Chassis)
2013 ~ 2015 – Empreendedor – Manut. Predial
2015 ~ 2017 – Voith Hydro – Lean / Melhoria Contínua
2017 ~ 2018 – Visteon – Superv. Engenharia Industrial
2018 ~ Atual – Decathlon – Desenv de Produto
2017 ~ Atual – Instrutor Qualynorte e AA - Lean / Qualidade
2
3
PORTFÓLIO DE TREINAMENTOS
(empresas ou funcionários pertencentes a elas que já dei treinamentos)
Apresente-se
Tempo de Carreira e onde trabalha
Se estudante, Onde estuda e qual período
4
O Minitab
O Minitab Statistical Software foi desenvolvido pela primeira vez em 1972 por Barbara F. Ryan, Thomas A. Ryan, Jr., e Brian L. Joiner, da Penn State, que desejavam incorporar computadores ao ensino dos cursos de estatística na faculdade. Nessa época, os alunos utilizavam calculadoras de mesa para realizar cálculos estatísticos entediantes.
5
Minitab 18
Introdução:
O Minitab em sua versão nº 18 é um programa que requer conhecimento prévio em estatística. A facilidade do programa é evitar o cálculo manual na maioria dos estudos em Fábricas, em campo e em laboratórios científicos.
Antes de iniciar sua análise, abra o Minitab e examine a interface de usuário do Minitab. Na barra de ferramentas do Windows, selecione Iniciar > Todos os programas > Minitab > Minitab 18.
Como padrão, o Minitab é aberto com duas janelas visíveis e uma minimizada.
Janela Session
A janela Session exibe os resultados de sua análise em formato texto. Além disso, é possível digitar comandos no painel Linha de Comandos, em vez de usar os menus do Minitab.
A LINHA DE COMANDOS não será o foco deste treinamento.
6
7
Interface de uma “Worksheet”
Projetos e Worksheets
8
Tipos de dados
9
Na worksheet, cada linha representa um único pedido de livro. As colunas contêm as seguintes informações:
• Centro: nome do centro de expedição
• Pedido: data e hora do pedido
• Chegada: data e hora da entrega
• Dias: tempo de entrega em dias
• Status: status da entrega
“No Prazo” indica que o livro foi recebido a tempo. “Pedido em Atraso” indica que o livro não pode ser enviado ainda, pois não está em estoque. “Late” indica que o livro foi recebido seis ou mais dias após o envio do pedido.
• Distância: distância entre o centro de expedição e o local de entrega
10
1. Criação de Gráficos de Dados
11
Reorganizar o histograma em painéis:
Para o gráfico criado, você precisa reorganizar os três painéis para que as comparações entre as médias
e as variações sejam mais fáceis.
1. Clique com o botão direito no histograma e depois selecione Painel.
2. Na guia Organização, em Linhas e Colunas, selecione Personalizado. Em Linhas, insira 3. Em Colunas, insira 1.
Clique em Ok
Interpretar o resultado
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 cada centro têm distribuição aproximadamente normal.
As médias mostram que na Zona Oeste demora menos para receber os livros.
Os dados da zona oeste é mais agrupado (menos disperso), o que torna o envio para esta zona mais eficiente que outras zonas.
12
Criar um gráfico de dispersão com grupos
13
1. Selecione Assistente > Análise Gráfica.
2. Em Gráfico de Relações entre variáveis, clique em Gráfico de Dispersão (Grupos).
3. Em Coluna Y, insira Dias.
4. Em Coluna X, insira Distância.
5. Em Número de colunas de X, selecione 1.
6. Em X1, insira Centro.
7. Clique em Ok.
14
Relatório Resumo
O relatório resumo contém gráficos de dispersão de dias em relação à distância por centro de expedição sobrepostos no mesmo gráfico. Este relatório também fornece gráficos de dispersão menores para cada centro de expedição.
Relatório de Diagnóstico
15
O relatório de diagnóstico fornece orientação sobre possíveis padrões em seus dados. Os pontos no gráfico de dispersão não mostram relações aparentes entre dias e distância. A linha de regressão ajustada de cada centro é relativamente plana, o que indica que a proximidade do local de entrega em relação ao centro de expedição não afeta o tempo de entrega.
Relatório de estatísticas descritivas
16
O relatório de estatísticas descritivas contém as estatísticas descritivas de cada centro de expedição.
O cartão de relatório fornece informações sobre como verificar dados incomuns. O cartão de relatório também indica que parece haver uma relação entre a variável Y e as variáveis X. A variável Y é Dias e as variáveis X são Distância e Centro. Lembre-se de que o gráfico de dispersão indica que não parece haver uma relação entre dias e a distância. No entanto, pode haver uma relação entre dias e o centro de expedição, que você explorará em mais detalhes mais à frente.
Criar um Layout de Gráficos
17
Mantenha o gráfico selecionado; com isso, clique em Editor > Ferramenta de Layout
18
Adicionar anotações no layout do gráfico
19
Salvar um projeto do Minitab
20
Parte 1
2. Qualidade e Controle (CEP)
Qualidade é o grau com que os produtos ou serviços atendem às necessidades dos clientes. Os objetivos comuns dos profissionais da área de qualidade incluem reduzir taxas de defeito, fabricar produtos dentro das especificações e padronizar o tempo de entrega.
O Minitab oferece muitos métodos para ajudá-lo a avaliar a qualidade de modo quantitativo e objetivo. Esses métodos incluem cartas de controle, ferramentas de planejamento da qualidade, avaliações dos sistemas de medição (análise de sistema de medições), capacidade do processo e análise de sobrevivência/confiabilidade. Este capítulo se concentra nas cartas de controle e na capacidade do processo.
21
Tipo de Dados
Contínuo
(Variáveis)
Discreto
(Atributos)
n = 5
n > 6
X-R
X-S
Média e
Amplitude
Média e
Desvio-Padrão
Taxa de Defeitos
Número de Defeitos
P
NP
C
Percentual
De
Defeitos
Num Lote
Conversão
Para
Unidades
De Defeitos
Num Lote
Quantidade
De
Defeitos
por
unidade
U
Percentual
De
Defeitos
Em uma
unidade
Tabela de Constantes das Cartas de Amplitudes e Desvios-Padrões
22
Criar uma carta Xbarra-S
23
24
Criar uma carta Xbarra-S
25
Criar uma carta Xbarra-S
15/3/2019
Adicionar mais dados à worksheet
26
Você precisa adicionar os dados de data/hora a C1 e os dados numéricos a C2.
1. Clique na worksheet para ativá-la.
2. Clique em qualquer célula em C1 e pressione a tecla End para ir até a parte inferior da worksheet.
3. Adicione a data 24/3/2019, à linhas 201
a. Insira 24/3/2019 na linha 201 em C1.
b. Selecione a célula que contenha 24/3/2019, e aponte para a alça Autofill no canto inferior direito da célula.
Quando o ponteiro se transformar em um sinal de cruz ( + ), pressione a tecla Ctrl e arraste o ponteiro à linha 210 para preencher as células com o valor repetido de data. Ao pressionar a tecla Ctrl e mantê-la pressionada, uma cruz sobrescrita aparece acima do símbolo de cruz do Autofill ( ++). A cruz sobrescrita indica que valores repetidos, em vez de sequenciais, serão acrescentados às células.
4. Adicione os seguintes dados a C2, começando na linha 201:
3,60 2,40 2,80 3,21 2,40 2,75 2,79 3,40 2,58 2,50
À medida que você inserir dados, pressione Enter para mover-se para a próxima célula abaixo. Se a seta de direção de entrada de dados apontar para a direita, clique na seta para que ela aponte para baixo.
27
Atualizar a carta de controle
28
Criar uma carta Xbarra-R
29
Conforme dito, o ideal para utilizar na análise estatística de CartaXbarra-R é até 5 colunas de subgrupos. Isto por que a análise de Amplitudes acima desta quantidade, o recomendável é utilizar a carta Xbarra-S, muito embora possam ser utilizadas ambas as cartas para variáveis sem prejuízo.
Aqui vamos comparar dados atuais aos dados históricos de um conjunto de torques coletados, em 3 etapas!
1. Abra o arquivo Análise de Capacidade e X-R.mtw
2. Vá em Estat > Cartas de Controle > Cartas de Variáveis para Subgrupos > Xbarra R
3. Selecione as colunas C1, C2 e C3.
4. Modifique a janela de diálogo para a opção As observações de um subgrupo estão em uma linha das colunas.
5. Clique na caixa de diálogo vazia, e após, clique no botão Selecionar.
6. Clique em Ok.
Criar uma carta Xbarra-R
30
Interpretar os dados:
Existem diversos pontos na carta de Média Amostral e na carta de Amplitude amostral fora dos Limites de Controle. É necessário descobrir qual das amostras está “sujando” os valores, e se for recente, corrigir o processo produtivo.
Criar uma carta P - Atributos
Use Carta P para monitorar a proporção de itens com defeito onde cada item podem ser classificado em uma de duas categorias, como aprovação ou reprovação. Utilize esta carta de controle para monitorar a estabilidade do processo ao longo do tempo para que seja possível identificar e corrigir as instabilidades em um processo.
31
Por exemplo, um gerente de um serviço de entregas usa uma carta P para monitorar a proporção de veículos de entrega que não estão operacionais a cada dia durante 2 meses. Um veículo que esteja não operacional é considerado um item defeituoso.
A carta mostra que, em média, 8% dos veículos de entrega estão não operacionais em qualquer dia em especial. A proporção de unidades defeituosas para o dia 19 está fora de controle. O gerente deve identificar qualquer causa especial que possa contribuir para a taxa anormalmente alta de defeituosos.
Criar uma carta P - Atributos
1. Abra o arquivo Gráfico P.mtw
2. Clique em Estat > Cartas de Controle > Cartas de Atributo > P
3. Na caixa de Diálogo Variáveis, Duplo clique na coluna C2. Em Tamanhos dos Subgrupos, clique em Quantidade Produzida.
4. Clique em Ok.
32
Perceba que o Limite Superior de Controle está com a barra sem padrão reto. Isso se dá por que as produções variaram a cada medição de defeitos. Caso queira um gráfico com o LSC reto, cálcule a média das produções utilizando os comandos de Estatísticas Básicas (em capítulos anteriores).
Utilizando a média sem valores centesimais das produções calculada em 1125, clique novamente em Estat > Cartas de Controle > Cartas de Atributo > P
Na caixa de Diálogo Tamanhos dos Subgrupos, digite 1125 e clique em Ok.
O gráfico apresentará o LSC como uma reta.
Interpretação: 
Perceba que existem pontos fora dos limites.
Sobreponha o ponteiro do mouse no ponto, e identifique no seu conjunto amostral a razão para o descontrole no processo.
Criar uma carta NP - Atributos
A carta NP também representa graficamente itens defeituosos. No entanto, ao passo que a carta P representa graficamente a proporção de itens defeituosos, a carta NP representa graficamente o número de itens defeituosos.
33
Criar uma carta U
Use Carta U para monitorar o número de defeitos por unidade, em que cada item pode ter vários defeitos. Utilize esta carta de controle para monitorar a estabilidade do processo ao longo do tempo para que seja possível identificar e corrigir as instabilidades em um processo.
Por exemplo, um fabricante de Motos deseja monitorar o número de Defeitos em cada motocicleta. Os técnicos registraram o número de defeitos para cada motocicleta. Cada subgrupo tem um número diferente de motocicletas. O fabricante utiliza uma carta U para monitorar o número médio de defeitos por motocicleta.
1. Abra o arquivo Gráfico U.mtw
Estat > Cartas de Controle > Cartas de Atributos > U
2. Na caixa de diálogo Variáveis, duplo clique em C2 e na caixa Tamanhos dos Subgrupos, duplo clique em C1.
3. Clique em ok.
34
Perceba que o Limite Superior de Controle está com a barra sem padrão reto. Isso se dá por que as produções variaram a cada medição de defeitos. Caso queira um gráfico com o LSC reto, cálcule a média das produções utilizando os comandos de Estatísticas Básicas (em capítulos anteriores).
Utilizando a média das produções calculada em 1125, clique novamente em Estat > Cartas de Controle > Cartas de Atributo > P
Na caixa de Diálogo Tamanhos dos Subgrupos, digite 101,6 e clique em Ok.
O gráfico apresentará o LSC como uma reta.
Interpretação: 
Perceba que existem pontos fora dos limites.
Sobreponha o ponteiro do mouse no ponto, e identifique no seu conjunto amostral a razão para o descontrole no processo.
Criar uma carta C - Atributos
A carta C também representa graficamente itens defeituosos. No entanto, ao passo que a carta U representa graficamente a proporção de itens defeituosos, a carta C representa graficamente o número de itens defeituosos.
Realizar uma Análise de Capabilidade de Dados e Deslocamento do Centro
35
Centralizar
Processo
Reduzir
“espalhamento”
X
X
X
X
X
X
X
X
X
X
X
X
X
X
X
X
X
X
X
X
X
X
X
X
X
X
X
X
X
X
X
X
X
X
X
X
X
X
X
X
X
X
Fora do Alvo
Imprevisível
No Alvo!
Situações
Indesejáveis
Situação Ideal!
36
Alvo
USL
LSL
Alvo
USL
LSL
Alvo
USL
LSL
Centralizar
Processo
Reduzir
“Espalhamento”
Fora do Alvo
Imprevisível
No alvo!
Defeitos
LSL – Limite Inferior
de Especificação
 USL – Limite Superior
de Especificação
Menor variação significa Menos defeitos & Maior rendimento de processo
36
Situações Indesejáveis
Exemplo: Um processo de Torque
37
Unidade: N.m
(Honda: kgf.cm2)
Problema: queremos verificar se o processo atual de Torque de um determinado parafuso consegue entregar resultados dentro dos limites de especificação.
Limite Superior Especificado (LSE) = 135 N.m 
Ponto central = 110 N.m 
Limite Inferior Especificado (LIE) = 85 N.m 
Informação: Os limites de Especificação são definidos no projeto do produto, pelo Engenheiro, após estudos e testes, demonstrando a tolerância aplicada ao processo devido acomodação de peças e desgaste.
1. Abra o arquivo Análise de Capacidade e X-R.mtw
2. Vá em Estat > Ferramentas da Qualidade > Análise de Capacidade > Normal
3. Vamos analisar a primeira coluna de dados. Estes dados foram coletados aleatoriamente, no mês posterior à coleta dos dados populacionais. Na caixa de Diálogo, mantenha marcado Coluna Única, e clicando no espaço vazio, Duplo clique na coluna C1. Em Tamanho de Subgrupo, Duplo Clique na Coluna C1.
4. Digite os valores nas Especificações, Média histórica e Desvio padrão histórico.
5. Cique em Armazenamento. Marque Cp ou Z. Bench, Cpk, PP ou Z. Bench, Ppk e PPM Total. Clique em Ok.
5. Em Opções, digite em Alvo: 110.
6. Clique em Ok e Ok.
38
Estudar os dados
Média Populacional e Desvio Padrão Populacional: É importante coletar informações Populacionais, como parâmetro inicial, um ponto de partida para a melhoria. É considerado dado “populacional” medições de censo, ou em ambientes fabris, medições entre 3 meses a 1 ano, contendo o mínimo mensal de 30 medições (para se obter relevância estatística e volume capaz de afirmar que o processo está num comportamento Normal). Após medições, temos que o processo em questão tem as seguintes medidas:
Média populacional: (mi) μ = 112,577 N.m
Desvio Padrão Populacional: (sigma) σ = 12,1027
39
Algumas informações para compreensão
(muitas vezes, a tradução do Minitab não foi feita de forma adequada)
Alvo = Ponto Central
da especificação.
Média Amostral # = μ
(ou seja, média populacional)
N amostral = quantidade de itens medidos
DesvPad (Global) = Desvio Padrão da Performance Atual (Observation 1)
DesvPad (Dentro) # = σ
(ou seja, desvio padrão populacional)
Capacidade Global = (Performance Atual – Observation 1)
Pp = Capabilidade da Performance atual
PPL = Capabilidade da metade inferior
PPU = Capabilidade da metade superior
Ppk = Desviodo centro (é igual ao menor valor entre PPU e PPL)
Capacidade Potencial (Dentro) = Performance histórica
Cp = Capabilidade histórica
CPL = Capabilidade da metade inferior
CPU = Capabilidade da metade superior
Cpk = Desvio do centro (é igual ao menor valor entre PPU e PPL)
Desempenho (Foco no PPM Total – conforme tabela à seguir)
PPM Total Global Esperado = performance atual
PPM Total Dentro Esperado = performance histórica
40
	Índice de Capabilidade (aplicável a Pp e Ppk)	Interpretação
	Cpk = Cp	Processo está exatamente no centro dos limites de especificação e alinhado ao ponto médio.
	Cpk (ou Cp) < 1	Processo não está adequado. Precisa de controles que diminuam a variação dos resultados imediatamente!
	1<=Cpk (ou CP) <= 1,33	O processo está adequado. Ainda é possível melhorar mais.
	Cp (ou Cpk) >= 1,33	O processo está muito controlado e centralizado
	Cp (ou Cpk) >= 1,66	O processo está extremamente controlado e centralizado
Cp / Cpk
CPL
CPU
FAÇA OS DEMAIS EXERCÍCIOS EM SALA DE AULA
3. Diagrama de Causa e Efeito
41
4. Regressão de Dados
42
1. Abra o arquivo Regressão.mtw
2. Vá em Estat > Regressão > Gráfico de Linha Ajustada.
3. Em Resposta (Y), duplo clique na coluna de Pureza, e em Preditor (X), duplo clique em Nível de Hidrocarbonetos
43
Dependendo do tipo de linha, uma função específica será exibido
Expansão dessa teoria para regressão linear Múltipla
Muitas vezes temos várias possíveis variáveis que podem influenciar no processo.
Os dados à seguir são provenientes de uma pesquisa de satisfação de pacientes em hospitais, como são mostrados no Worksheet.
44
1. Abra o arquivo Regressão Múltipla.mtw
2. Vá em Estat > Regressão > Regressão > Ajuste do Modelo de Regressão.
3. Em Respostas, duplo clique em Satisfação. Em Preditores contínuos, Selecione as colunas C1 até C5, e clique em Selecionar. Clique em Ok.
45
Maior fator de relevância no resultado (Satisfação) é o que tem Valor-P < α=0,05.
Neste caso, a Idade.
Equação de Regressão Múltipla
5. Analisar dados
46
Parte 2
5. Clique em Estatísticas;
6. Desmarque Primeiro Quartil, Mediana, Terceiro Quartil.
Interpretar os resultados
47
Qual zona possui:
a) Mais pedidos pendentes?
b) Mais pedidos entregues com atraso?
c) Mais pedidos entregues no Prazo?
6. Comparar duas ou mais médias
48
https://operdata.com.br/blog/comparacoes-multiplas-teste-de-tukey/
48
49
6. Clique em OK.
7. Clique em Gráficos.
Para vários comandos estatísticos, o Minitab inclui gráficos que ajudam na interpretação dos resultados e na validação de suposições estatísticas. gráficos internos. Esses gráficos são chamados gráficos internos.
8. Em Diagrama de pontos, marque Gráfico de Intervalos, Gráfico de valores individuais e Boxplot de dados.
9. Em Gráficos de resíduos, selecione Quatro em um.
50
Interpretar a saída da janela Session
O processo de decisão de um teste de hipótese é baseado no valor-p, que indica a probabilidade de se rejeitar falsamente a hipótese nula quando ela é verdadeira.
• Se o valor-p é menor ou igual a um nível de significância (denotado por α ou alfa) predeterminado, a hipótese
nula deve ser rejeitada e a hipótese alternativa deve ser afirmada.
• Se o valor-p é maior que o nível α, a hipótese nula não pode ser rejeitada e a hipótese alternativa não tem apoio.
Com um α 0,05, o valor-p (0,0000) na tabela Análise de Variância fornece evidência suficiente para concluir que os
tempos de entrega médios para pelo menos dois dos centros de expedição são significativamente diferentes.
51
Gráfico de probabilidade normal
Use esse gráfico para detectar não-normalidade. Pontos que seguem aproximadamente uma linha reta indicam que os resíduos seguem uma distribuição normal.
Histograma
Use este gráfico para detectar vários picos, outliers e não normalidade. Procure um histograma normal, que é aproximadamente simétrico e com formato de sino.
Versus Ajustados
Use este gráfico para detectar variância não constante, termos faltantes de ordem superior e outliers. Procure por resíduos que estão dispersos aleatoriamente em torno de zero.
Versus Ordem
Use este gráfico para detectar a dependência dos resíduos em relação ao tempo. Inspecione o gráfico para se certificar de que os resíduos não exibam um padrão óbvio.
Para os dados de expedição, os quatro gráficos de resíduos não indicam violação das suposições estatísticas. O modelo ANOVA para 1 fator ajusta os dados relativamente bem.
52
Cada gráfico indica que o tempo de entrega varia por centro de expedição, o que é consistente com os histogramas do capítulo anterior. O boxplot para o centro de expedição da Zona Leste tem um asterisco. Um asterisco identifica um outlier. Este outlier é uma ordem que tem um tempo de entrega anormalmente longo.
Examine o gráfico de intervalos novamente. O gráfico de intervalos exibe intervalos de confiança de 95% para cada média. Mantenha o ponteiro sobre os pontos no gráfico para visualizar as médias. Mantenha o ponteiro sobre as barras de intervalo para visualizar os intervalos de confiança de 95%. 
https://operdata.com.br/blog/como-interpretar-analise-de-variancia-anova/
https://operdata.com.br/blog/comparacoes-multiplas-teste-de-tukey/
52
53
Interpretar o gráfico de intervalo de confiança de 95% de Tukey
O gráfico de intervalo de confiança de 95% de Tukey é o melhor gráfico para ser usado para determinar os intervalos prováveis das diferenças e para avaliar a significância prática dessas diferenças. Os intervalos de confiança Tukey mostram as seguintes comparações pareadas:
• A média do centro de expedição leste menos a média do centro de expedição central
• A média do centro de expedição oeste menos a média do centro de expedição central
• A média do centro de expedição oeste menos a média do centro de expedição leste
Salvar o projeto
54
7 - O Planejamento de Experimento
55
Quando se encontra as causas raízes dos defeitos, o ideal é planejar o experimento, visando otimizar sempre os resultados.
56
57
58
59
60
61
62
Os efeitos são estatisticamente significativos quando seus valores-p na tabela Coeficientes Codificados são menores do que α. Em um α padrão de 0,05, os seguintes efeitos são significativos:
• Os efeitos principais do sistema de processamento de pedidos (Sist Pedidos) e o procedimento de embalagem (Pacote)
• O efeito da interação do sistema de processamento de pedidos e o sistema de embalagem (Sist Pedido*Pacote)
63
8 – Análise do Sistema de Medição
64
O departamento de Qualidade é o responsável pelas áreas de Inspeção da Fábrica. Ao contrário do Controle Estatístico do Processo, medido pelas Cartas de Controle, na Análise do Sistema de Medição o que está em avaliação é o seguinte:
Repetibilidade: Variação do Equipamento de Medição; a variação dos valores medidos quando um avaliador mede as mesmas características da mesma parte com o mesmo equipamento de medição várias vezes em um tempo relativamente curto. (Equipment Variation – EV)
Reprodutibilidade: Variação por Avaliador; a diferença das médias de medição entre os avaliadores quando vários avaliadores mediram as mesmas características da mesma parte usando o mesmo equipamento de medição. (Appraiser Variation – AV)
Na indústria automotiva, esta análise é mais conhecida como MSA – Measurement System Analysis.
65
X – bar = Análise de Média e de Range (oscilação)
ANOVA = Análise de Variância
Nested = medição destrutiva
Crossed = Medição cruzada
Tipos de Sistema de Medição
Gage R&R por Atributos
66
1. Abra Gage R&R - Atributos.mtw
2. Note a coluna C1 com os Part Numbers, as colunas C2 a C4 com as medições do Avaliador Tom; As colunas C5 a C7 com as medições do Avaliador Dick; e as colunas C8 a C10 com as medições do Avaliador Harry. Por fim, note a coluna C11 com as medições dos experts, como referências no posto de medição.
3. Vá em Estat >Ferramentas da Qualidade > Análise de Concordância de Atributos e clique.
4. Marque a opção Múltiplas colunas, selecione as colunas de C2 até C10, e clique em Selecionar.
5. Na caixa Número de Avaliadores, digite 3. O mesmo na caixa Número de ensaios.
6. Na caixa Nomes dos avaliadores (opcional), digite Tom Dick Harry (sem vírgulas, com espaços).
7. Na caixa Atributo/Padrão conhecido duplo clique na coluna C11.
8. Clique em Opções, e marque a caixa Exibir tabela de discordância. Clique em Ok e Ok.
67
Interpretar os Resultados
Entre os avaliadores, o gráfico da esquerda mostra a maior variação de critério entre eles. O Avaliador Tom tem o maior nível de variação entre os avaliadores Dick e Harry, que possuíram variações menores, quando comparados entre si. Neste caso, o avaliador Tom precisa diminuir sua variação com relação aos colegas, com treinamento ou mudança de metodologia.
Entre o padrão, há uma maior variação entre os avaliadores e a decisão dos experts, o que mostra que Tom aumentou ainda mais a diferença de entendimento. Contudo, a variação de Dick e Harry aumentou, o que demonstra necessidade de revisão de ambos em relação ao padrão.
68
Gage R&R por Variáveis
No estudo de Comparação de medidores e análise no sistema de medição, há necessidade de, se não mensalmente, trimestralmente validar o sistema de aprovação e reprovação da fábrica. Isso é necessário para verificar rotineiramente se os colaboradores estão reprovando o que deveriam, e aprovando o que deveriam, e que não há falha de entendimento e nem variação do equipamento de medição. O Minitab oferece suporte para estudos de variação. O foco deste estudo é o estudo com peças cruzadas.
69
Interpretar os resultados
A tabela de ANOVA para dois fatores inclui termos para peça, operador e interação entre operador e peça. Se o valor de p de uma interação for ≥ 0,05, o Minitab omite a interação do modelo completo, porque não é significativo. Neste exemplo, o valor de p é 0,974, de modo que o Minitab gera uma segunda tabela ANOVA para dois fatores que omite a interação do modelo final.
Use os componentes de variância (VarComp) para comparar a variação de cada fonte de erro da medição da variação total. Nestes resultados, a coluna %Contribution na tabela medição R&R mostra que a variação peça a peça é 92,24%. Este valor é muito maior do que a medição R&R total, que é 7,76%. Assim, grande parte da variação é devida a diferenças entre as peças.
Use %Study Var para comparar a variação sistema de medição para a variação total. A medição R&R total é igual a 27,86% da variação do estudo. 
Os gráficos também fornecem as seguintes informações sobre o sistema de medição:
- No gráfico Componentes de Variação, o %Contribution de peça a peça é maior do que a de a medição R&R total. Assim, grande parte da variação é devida a diferenças entre as peças.
- A carta R pelo Operador mostra que o Operador B mede as peças de forma inconsistente.
- Na carta Xbarra pelo Operador, a maioria dos pontos está fora dos limites de controle. Assim, grande parte da variação é devida a diferenças entre as peças.
- O gráfico Por Peça mostra que as diferenças entre as peças são grandes.
- No gráfico Por Operador, as diferenças entre os operadores são menores do que as diferenças entre as peças, mas são significativas (valor de p = 0,00). As medições do operador C são um pouco mais baixas do que as medições dos outros operadores.
- No gráfico Interação Operator*Peça, as linhas são aproximadamente paralelas e o valor de p para a interação Operador*Peça encontrado na tabela é 0,974. Estes resultados indicam que não existe interação significativa entre cada Peça e Operador.
70
Avenida Carvalho Leal, 1627
Bairro Cachoeirinha
CEP 69065-001 - Manaus – AM
andre.almeida.leanconsultant@gmail.com
(92) 98116-9915