MINITAB Statistical Analysis

Média, Mediana e Quartil

Amplitude – Max – Min

Desvio Padrão – Verificação de Variabilidade

Distribuição Normal

Gráficos
 Barras (Colunas e Barras)

 Setores (Pizza e Rosca)

 Séries Temporais (Ideia de Sazonalidade) – (Define)

Sensitivity: Internal
  Pareto (Measure) – “80% dos defeitos relacionam-se á 20% das causas potenciais.”
1. Problemas Vitais
2. Problemas Triviais

 Histograma/Diagrama de Distribuição de Frequência (Define)/(Measure)

 Boxplot

Outlier – Valor que é muito váriavel a base.

Sensitivity: Internal
 Cartas de Controle
É um conjunto de pontos (amostras) ordenados, no tempo, que são interpratados com
linhas horizontais. O LSC e o LIC.

Com isso podemos descrever se ele está fora de controle estatístico, ou seja, ele não é
estável e não é possível fazer o seu controle.

Causas Especiais
Fora do Limite de Controle – Passou da LIC ou do LSC

Sequência – 7 ou mais pontos consecutivos aparecem em apenas um dos lados da linha

média.

Tendência – Sete ou mais pontos consecutivos apresentam um movimento contínuo

ascendente ou descendente.

Aproximação dos Limites de Controle – Ocorrência de 2 de três pontos consecutivos

entre as linhas +2sigma e +3sigma ou entre as linhas -2sigma e -3sigma.

Sensitivity: Internal
 Tipos de Cartas de Controle

Variável

Cartas X e AM – Subgrupo = 1
Carta X e R – Subgrupo maior que 1 e menor que 10

Sensitivity: Internal
 Atributo

Carta P (%) ou NP - Defeitos

Carta U (%) ou C – Quantidade de Defeitos

Mapa de Análise Estatística (Analyze)

- Se meu objetivo é correlacionar duas váriaveis para demonstrar como a alteração de uma
variável altera o comportamento da outra.

Exemplo: Você deseja correlacionar o número de horas de estudo (variável X) com a nota
em uma prova (variável Y).

Sensitivity: Internal
 Váriavel X e Y (Dados Contínuos)

 Correlação
 Diagrama de Dispersão
 Regressão Linear Simples

Váriavel X e Y (Dados Discretos/Atributos)

 Teste Qui-Quadrado

- Se meu objetivo é utilizar uma variável e demonstrar que sua estratificação gera
resultados diferentes (fatores de estratificação representam minha causa), então:

Exemplo: Analisar como a localização geográfica de clientes (variável de estratificação)

afeta a receita média mensal de uma empresa.

Variável Y (Dados Contínuos) – Fatores de Estratificação (Dados Discretos)

 Teste de Hipóteses
 Teste de Igualdade de Variâncias
 ANOVA
 Cartas Multi-Vari

Causalidade x Correlação

Sensitivity: Internal
 Duas variáveis podem estar altamente correlacionadas, mas uma não é causa da outra!

Para validarmos a existência da causalidade devemos verificar na prática, conhecendo o

processo, se a relação causa e efeito pode acontecer, ou seja, se é fisicamente possível.

Coeficiente de Correlação
Quando r próximo de 0, não há correlação.

Quando r próximo de +1, a correlação é positiva. (Aumento de uma váriavel, gera aumento
na outra)

Quando r próximo de -1, a correlação é negativa. (Aumento de uma váriavel, gera

diminuição na outra)

Regressão Linear Simples e Teste de Hipóteses

Regressão Linear Simples
É o modelo matemático que pode explicar a dependência entre a váriavel de entrada (x) e a
váriavel de saída (y), considerando que apenas duas váriaveis estarão envolvidas.

Avaliação de Adequação do Modelo

 P-valor da regressão: existe correlação entre as váriaveis. (<0,05 – é significativa; >

0,05 – não é significativa.)
 Análise de resíduos: define se a equação é realmente adequada, o resíduo é a
diferença entre o valor real e o valor correspondente estimado pelo modelo de
regressão linear; (média zero, variância constante, não são correlacionados, tem
distribuição normal)
 Coeficiente de determinação (R^2): define a representatividade da variável x para
explicar o comportamente da variável y. (Quanto mais próximo de 100%, maior a
representatividade da variável x ao explicar o comportamento da variabilidade que
ocorre com a variável y. Sendo idial um R^2 acima de 50%)

Exemplo:

Sensitivity: Internal
 Muito importante para a predição de valores, pois ao mudarmos o x na equação, podemos
obter o valor de y.

Teste de Hipóteses
O teste de hipótese é baseado na utilização de uma amostra com o objetivo de testar uma
afirmação sobre um parâmetro ou característica da população.

Exemplo Simples: Tempo médio de espera, Loja A = 5; Loja B = 3,5. A loja B tem um tempo
de espera menor, de acordo com o teste poderemos saber se esses resultados advem
somente dessas amostras ou se de fato, o tempo de espera da Loja B, será sempre menor.

Exemplos:

Sensitivity: Internal
 Existem sempre duas hipóteses:

 Hipótese Nula – O tempo médio de espera é igual nas duas lojas.

 Hipótese Alternativa – Existe diferença entre o tempo médio nas duas lojas.

Existem quatros probabilidades de ocorrência:

 Rejeitar a hipótese nula quando ela é verdadeira. (Erro tipo 1)

 Não rejeitar a hipótese nula quando ela é verdadeira. (Decisão Correta)
 Rejeitar a hipótese nula quando a hipótese alternativa é verdadeira. (Decisão
Correta)
 Não rejeitar a hipótese nula quando a hipótese alternativa é verdadeira. (Erro tipo 2)

Regra de decisão do teste:

 Se p-valor < 0,05 Rejeitar a hipótese nula

 Se p-valor >= 0,05 Não rejeitar a hipótese nula

Determinação de Poder do Teste

Sensitivity: Internal
 É possivel também, calcular quantas amostras seriam necessárias para um poder de teste
maior, basta não adicionar o número de amostras, e adicionar a porcentagem que você
desejava.

Tipos de Teste de Hipóteses

Teste t para 1 Amostra – Analisa se a média de um conjunto de dados (amostra)

apresentam diferença significativa em um valor especifícado. – Dados Contínuos

Teste t para 2 Amostras – Analisa se as médias de dois conjuntos de dados independentes,

diferem-se significativamente. – Dados Contínuos

Teste t pareado (2 Amostras) – Analisa se a média de um mesmo conjunto de dados,

porém segregado por algo (manhã, tarde por exemplo) e verifica se diferem-se
significativamente. – Dados Contínuos

Teste para 1 Proporção – Analisa se a proporção de uma amostra difere-se

significativamente de um valor especifícado. – Dados Discretos

Teste para 2 Proporções – Analisa se as proporções de duas amostras apresentam

diferença significativa. – Dados Discretos

ANOVA, Multi-Vari, Teste Qui-Quadrado e DOE

Sensitivity: Internal
 Análise de Variância – ANOVA

Técnica para comparar a média de duas amostras.

Hipótese Nula - Média por Linha = Média por Linha

Hipótese Alternativa – Pelo menos uma das linhas possuí uma média significativamente
diferente.

Cartas - Multi-Vari

Percepção da variabilidade das variáveis de entrada e sua significância nas variáveis de

saída.

Exemplo:

Um analista quer saber se variáveis como Turno, Dia e Período do Turno, impactam no
percentual de impurezas no seu aditivo. O percentual máximo deve ser 7%

Sensitivity: Internal
Sensitivity: Internal
 Conclusão: Ao final dos turnos é visto que o teor de impureza tende a aumentar.

Teste Qui-Quadrado

Seu objetivo é parecido com as cartas Multi-Vari, o Teste Qui-Quadrado são para dados
discretos, ou seja, contagem de atributos.

Hipótese Nula – Não há associação entre as variáveis

Hipótese Alternativa – Há associação entre as variáveis

Exemplo:

Uma pesquisa foi feita para saber se mais homens ou mulheres compram ou não
refrigerante na farmácia. Uma tabela com a contagem de Sim e Não foi feita e será analisada
pelo Teste Qui-Quadrado.

Sensitivity: Internal
 Regra de Seleção:

Planejamento de Experimentos (DOE – Design of Experience) - (Improve)

Trata-se de uma verificação sobre qual é a variável de entrada que possuí maior influência
na variável de resposta.

Além disso, é possível verificar a mudança de mais de uma variável e qual a significância
dela na variável resposta.

Sensitivity: Internal
Sensitivity: Internal
 Exemplo:

Você quer fazer um bolo de aniversário, mas não tem o livro de receitas, como você pode
experimentar os ingredientes para conseguir chegar no seu resultado esperado que é o bolo
bem feito.

Fatores = Variáveis Controláveis

Fator = Variáveis que eu controlo x Ruído = Váriaveis que eu não controlo

Fator Quantitativo – Quantidade de Farinha

Fator Qualitativo – Tipo de Chocolate

Etapas:

Planejamento Execução Análise

Definição do Problema Execução do Experimento Análise dos Dados

Escolha dos Fatores e Níveis Conclusão e Ação
Seleção da Variável Resposta
Escolha do Tipo de Experimento

Tipos de Experimentos

Experimento de 1 fator e vários níveis;

Sensitivity: Internal
 - Escolha de um fator

- Escolha de dois ou mais níveis

P-Valor = 0,000 – Rejeitar a hipótese nula, são diferentes.

Sensitivity: Internal
 Experimento de vários fatores (k fatores) com 2 níveis por fator;

- Definir os fatores

- Definir dois níveis apenas = (+) & (-)

Interação – Combinação de dois ou mais fatores para ver qual a influência deles na variável
resposta.

Análise de Experimento

Minitab – Análise de Experimento Fatorial

Significância dos valores

Linha vermelha = Horizonte de Significância

Gráficos Fatoriais – Efeitos Principais

Sensitivity: Internal
 Graficos Fatorias – Interações

Sensitivity: Internal
 Otimizador de Respostas

Capabilidade do Processo & Análise do Sistema de

Medição
Capabilidade do Processo
Capaz/Capabilidade = Estar dentro de uma faixa de especificação proveniente de clientes
internos ou externos.

LIE (Limite Inferior de Especificação) x LSE (Limite Superior de Especificação)

Sensitivity: Internal
 Índices de Valores

Dicas de Análise

Sensitivity: Internal
 No Lean Seis Sigma – Excelência Total

Cp = 2 & Cpk = 1,5 a 2,0

Transformação Box-Cox
Quando os dados não possuírem distribuição normal, a transformação é uma alternativa
para se usar a capabilidade de processos.

No caso, após a transformação, será possível visualizar a capabilidade do processo.

Sensitivity: Internal
 Nível Sigma do Processo – Nível de Qualidade do Processo

Para calcular, devemos ver quantos desvios cabe dentro da média, até chegar em um dos
limites. Na condição teórica, a média estaria no meio, porém na realidade nunca
aconteceria isso, então tem um limite de erro de 1,5 Sigma. Ou seja, 4,5 Sigma até o limite
de capacidade, é o mesmo que 6 Sigma, na condição teórica.

1 Sigma – 691.463 ppm (69,15 %)

2 Sigma – 308.537 ppm (30,8 %)

3 Sigma – 66.807 ppm (6,6%)

4 Sigma – 6.210 ppm (0,62%)

5 Sigma – 233 ppm (0,0233%)

6 Sigma – 3,4 ppm (0,0034%)

Exemplo:

Sensitivity: Internal
 Análise do Sistema de Medição (MSA) – Dados Contínuos/Quantitativos
Fornece informações sobre a % de variação nos dados que surgem a partir do erro do
processo de medição.

Acuracidade - Diferença entre a medição realizada e o seu valor real – Mede de fato o valor
real/Acertar o centro do alvo/medir três vezes igual

Sensitivity: Internal
 Repetibilidade – Capacidade da medição do operador ser igual. A peça 1, medida 3 vezes,
deve conter o mesmo valor.

Exemplo: Um operador, mede 3 vezes um cabo em aço com uma espessura de 2mm, mas
ele mede 3mm.

Precisão – Variabilidade observada quando se mede a mesma peça repetidas vezes com o
mesmo equipamento/Acertar o local certo/medir o valor certo

Reprodutibilidade – Capacidade entre mais de um operador, de medição de uma mesma

peça, deve ser igual entre cada um dos operadores.

Exemplo: 4 Operadores, medem um cabo de aço, cada um da um valor diferente.

Tipos de Análise – R&R

GR&R (Gauge Repeatability & Reproducibility) – Variação do Sistema de Medição x

Variação Total.

Exemplo: Proporção de Variação do Sistema de Medição em relação a variação total

observada no processo.

P/T (Precisão sobre a Tolerância) – Compara a capacidade do sistema de medição com a

faixa de especificação, ou seja, a fração da tolerância devido a variação do sistema de
medição.

Exemplo: 0,1 mm de erro, é a tolerância máxima permitida na medição da espessura dos

cabos de aço.

Discriminação – Capacidade do Sistema de Medição de Detectar pequenas mudanças.

Relacionada com número de categorias.

Sensitivity: Internal
 Exemplo: Se a espessura do cabo de aço é de 0,2mm, não adiante medir com uma régua de
polegadas.

Critérios de Definição do Sistema

Exemplo:
Balança – 10g (Só mede de 10 em 10) – Menos precisa
Balança -1g (Só mede de 1 em 1) – Mais precisa

GRR <= 10% & > 30%

P/T <= 10% & > 30%

Discriminação > 4 Categorias & <= 4 Categorias

- Caso seja reprovado em qualquer um dos testes, os dados não são confiáveis.

Sensitivity: Internal
 Explicação Gráfica

Sensitivity: Internal
Sensitivity: Internal
 Variação no Sistema de Medição

Vício – Ocorrência de valores que estão diferentes da média.

Linearidade – Constância de vício (certo 2, medido 2,1 – 2,2 – 2,3...)

Sensitivity: Internal
Sensitivity: Internal
 Análise do Sistema de Medição (MSA) – Dados Discretos/Qualitativos

Sensitivity: Internal
 Critérios de Avaliação

Sensitivity: Internal
 Análise Gráfica

Sensitivity: Internal
Sensitivity: Internal
Sensitivity: Internal