Professional Documents
Culture Documents
Atividade (Sabado-Vespertino e Domingo Matutino)
Atividade (Sabado-Vespertino e Domingo Matutino)
Problema
Uma companhia que fabrica filmes fotográficos usa um densitômetro para medir a densidade de filmes
fotográficos. Para avaliar o densitômetro em várias densidades, a companhia conduziu um estudo de
estabilidade usando 3 pedaços de filme com densidades conhecidas de 1.5, 3 e 4.5.
Coleta de dados
Durante 30 dias, cada manhã um operador mediu 3 pedaços de filme (com densidades de 1.5, 3 e 4.5) 3
vezes cada e registrou todas as medições. O operador calibrou o densitômetro no início do estudo, mas
não novamente durante o período de coleta de dados.
Instruções
1) Use cartas Xbar e R para monitorar as medições para cada filme durante os 30 dias. Use os
valores de referência conhecidos para as médias (Opções Xbar-R, aba Parâmetros) para cada
uma das 3 densidades (1.5, 3 e 4.5).
Nota: Para gerar todas as três cartas de controle simultaneamente, entre com ‘Dens 1,5’, ‘Dens 3,0’ e
‘Dens 4,5’ na caixa de diálogo principal, e digite 1,5; 3 e 4,5 para a média (Opções de Xbarra-R, aba
Parâmetros).
Arquivo de dados
Densidade.MTW
Variável Descrição
Dens 1,5 Leituras de densidade para o filme com densidade referência conhecida de 1,5
Dens 3,0 Leituras de densidade para o filme com densidade referência conhecida de 3,0
Dens 4,5 Leituras de densidade para o filme com densidade referência conhecida de 4,5
Ok
Clique em
testes
Ok e na tela seguinte, ok
novamente
Carta Xbarra-R de Dens 1,5
1,504 LSC=1,503785
1,502
Média Amostral
__
1,500 X=1,5
1,498
1,496 LIC=1,496215
1 4 7 10 13 16 19 22 25 28
Amostra
0,0100
LSC=0,00952
Amplitude Amostral
0,0075
0,0050 _
R=0,0037
0,0025
0,0000 LIC=0
1 4 7 10 13 16 19 22 25 28
Amostra
__
3,00 X=3
2,99
LIC=2,98384
2,98
1 4 7 10 13 16 19 22 25 28
Amostra
0,04 LSC=0,04067
Amplitude Amostral
0,03
0,02 _
R=0,0158
0,01
0,00 LIC=0
1 4 7 10 13 16 19 22 25 28
Amostra
4,55 1
1
1
5 2 LSC=4,5246
6 __
4,50 X=4,5
LIC=4,4754
1 4 7 10 13 16 19 22 25 28
Amostra
0,060 LSC=0,06195
Amplitude Amostral
0,045
0,030 _
R=0,02407
0,015
0,000 LIC=0
1 4 7 10 13 16 19 22 25 28
Amostra
+1SL=1,501262
__
1,500 X=1,5
-1SL=1,498738
1,498
-2SL=1,497476
1,496 LIC=1,496215
-3SL=1,496215
1 4 7 10 13 16 19 22 25 28
Amostra
0,0100
LSC=0,00952
+3SL=0,00952
Amplitude Amostral
0,0075 +2SL=0,00758
+1SL=0,00564
0,0050 _
R=0,0037
0,0025
-1SL=0,00176
0,0000 LIC=0
-3SL=0
-2SL=0
1 4 7 10 13 16 19 22 25 28
Amostra
+1SL=3,00539
__
3,00 X=3
-1SL=2,99461
2,99 -2SL=2,98922
LIC=2,98384
-3SL=2,98384
2,98
1 4 7 10 13 16 19 22 25 28
Amostra
0,04 LSC=0,04067
+3SL=0,04067
Amplitude Amostral
+2SL=0,03238
0,03
+1SL=0,02409
0,02 _
R=0,0158
0,01
-1SL=0,00751
0,00 LIC=0
-3SL=0
-2SL=0
1 4 7 10 13 16 19 22 25 28
Amostra
4,55 1
1
1
5 2 +3SL=4,5246
LSC=4,5246
6 +2SL=4,5164
__
+1SL=4,5082
4,50 X=4,5
-1SL=4,4918
-2SL=4,4836
LIC=4,4754
-3SL=4,4754
1 4 7 10 13 16 19 22 25 28
Amostra
0,060 LSC=0,06195
+3SL=0,06195
Amplitude Amostral
+2SL=0,04932
0,045
+1SL=0,03670
0,030 _
R=0,02407
0,015
-1SL=0,01144
0,000 LIC=0
-3SL=0
-2SL=0
1 4 7 10 13 16 19 22 25 28
Amostra
Problema
Um fabricante de sabonetes está tendo problemas relacionados à embalagem do seu sabonete mais
vendido. As máquinas estão manchando o logotipo impresso nas embalagens no momento em que os
sabonetes são embalados.
Uma equipe de engenheiros deseja descobrir o que está causando estas manchas. A hipótese deles, é de
que os sabonetes produzidos estão excessivamente grandes. Assim, na hora de serem embalados em
caixas de papelão, os sabonetes são apertados uns contra os outros, ocasionando as manchas.
Para testar essa teoria, eles decidem examinar se os pesos das barras são consistentes ao longo do
tempo, usando cartas de controle para monitorar os pesos dos sabonetes.
A máquina que produz os sabonetes possui cinco cavidades. A máquina produz cinco diferentes moldes
em cada ciclo.
Coleta de dados
A equipe tem diferentes opções de como coletar os dados em subgrupos. Alguns membros da equipe
desejam coletar cinco sabonetes consecutivos de cada molde a cada hora, enquanto outros membros
querem coletar cinco sabonetes de um ciclo da máquina a cada hora. A equipe decide então, coletar os
dados de ambas as formas durante um estudo exploratório.
Instruções
1) Construa uma carta de controle onde os subgrupos são os cinco moldes. (Cada ciclo da
máquina é um subgrupo). Quais fontes de variação são capturadas dentro dos subgrupos? E
quais são capturadas ente os subgrupos?
2) Construa uma carta de controle para cada molde. (As cinco peças consecutivas coletadas a
cada hora formam um subgrupo).
Quais fontes de variação são capturadas dentro dos subgrupos? E quais são capturadas
entre os subgrupos?
3) Comente os resultados. Construa um boxplot (com múltiplos Y’s) que compare cinco
moldes. O que os resultados implicam com relação à carta de controle criada no passo 1?
Arquivo de dados
Sabonete.MTW
Variável Descrição
4,5 __
X=4,318
4,0
LIC=3,687
3,5
1 21 41 61 81 101 121 141 161 181
Amostra
LSC=2,312
2,0
Amplitude Amostral
1,5
_
R=1,093
1,0
0,5
0,0 LIC=0
1 21 41 61 81 101 121 141 161 181
Amostra
CTRL + E / todas as observações de uma carta estão em uma coluna
Ok e na tela seguinte, ok
novamente
Carta Xbarra-R de Molde1
1
5,2 1
LSC=5,108
Média Amostral
4,8 __
X=4,631
4,4
LIC=4,155
4,0
1 5 9 13 17 21 25 29 33 37
Amostra
2,0
LSC=1,748
Amplitude Amostral
1,5
1,0 _
R=0,827
0,5
0,0 LIC=0
1 5 9 13 17 21 25 29 33 37
Amostra
4,75
__
4,50 X=4,494
2
4,25 2
4,00
LIC=3,957
1 5 9 13 17 21 25 29 33 37
Amostra
2,0 LSC=1,969
Amplitude Amostral
1,5
_
1,0 R=0,931
0,5
0,0 LIC=0
1 5 9 13 17 21 25 29 33 37
Amostra
Carta Xbarra-R de Molde3
LSC=4,845
4,75 5
Média Amostral
4,50 __
X=4,352
4,25
4,00
LIC=3,860
1 5 9 13 17 21 25 29 33 37
Amostra
2,0
LSC=1,806
Amplitude Amostral
1,5
1,0 _
R=0,854
0,5
0,0 LIC=0
1 5 9 13 17 21 25 29 33 37
Amostra
4,4
Média Amostral
__
4,2
X=4,127
4,0
6
3,8
LIC=3,663
1 5 9 13 17 21 25 29 33 37
Amostra
LSC=1,701
1,6
Amplitude Amostral
1,2
_
0,8 R=0,804
0,4
0,0 LIC=0
1 5 9 13 17 21 25 29 33 37
Amostra
Carta Xbarra-R de Molde5
1
1
4,50 LSC=4,458
5
Média Amostral
4,25
__
4,00 X=3,985
2
3,75 6 6 2 2
3,50 LIC=3,512
1 5 9 13 17 21 25 29 33 37
Amostra
2,0
1
LSC=1,734
Amplitude Amostral
1,5
1,0 _
R=0,820
0,5
0,0 LIC=0
1 5 9 13 17 21 25 29 33 37
Amostra
6,0
5,5
5,0
Dados
4,5
4,0
3,5
3,0
Problema
Uma companhia fabrica cabos de fibra ótica usados para conexões de internet de alta velocidade. Tai
cabos não são suscetíveis a interferência de rádio e podem enviar uma grande quantidade de dados por
segundo. Um único pedaço da fibra ótica consiste de um núcleo de vidro fino com um revestimento que
tem um baixo índice de refração.
O índice de refração afeta a velocidade na qual os dados podem ser transmitidos através do cabo. Com o
intuito de reduzir o índice de refração, a companhia mudou o material que reveste o cabo.
Coleta de dados
Engenheiros mediram o índice de refração de cabos em subgrupos de tamanho 12 a cada 6 horas. Para
indicar se os dados foram coletados do processo original ou do processo modificado, eles registraram o
material de revestimento para cada cabo.
Instruções
1) Crie cartas de controle para avaliar a melhoria no processo. Você deve usar uma carta R ou S
para exibir a variabilidade do processo? Você precisa recalcular os limites de controle?
2) Comente os resultados obtidos.
Arquivo de dados
Refração.MTW
Variável Descrição
5 2 2
2 8
LSC=96,463
96 2 8 __
X=95,365
95
1 5 5 5 LIC=94,266
94 1
1 1 1
1
93 1 1 1 1
1 1
0 0 0 0 0 0 0 0 0
:0 :0 :0 :0 :0 :0 :0 :0 :0
06 06 06 06 06 06 06 06 06
2 2 2 2 2 2 2 2 2
/0 /0 /0 /0 /0 /0 /0 /0 /0
01 02 03 04 05 06 07 08 09
Data/Hora
2,0 LSC=2,041
DesvPad da Amostra
1,5 _
S=1,240
1,0
0,5 LIC=0,438
0 0 0 0 0 0 0 0 0
:0 :0 :0 :0 :0 :0 :0 :0 :0
06 06 06 06 06 06 06 06 06
2 2 2 2 2 2 2 2 2
/0 /0 /0 /0 /0 /0 /0 /0 /0
01 02 03 04 05 06 07 08 09
Data/Hora
1 1 1
96
LSC=95,147
__
94 X=94,111
1
5
1
LIC=93,076
0 0 0 0 0 0 0 0 0
:0 :0 :0 :0 :0 :0 :0 :0 :0
06 06 06 06 06 06 06 06 06
2 2 2 2 2 2 2 2 2
/0 /0 /0 /0 /0 /0 /0 /0 /0
01 02 03 04 05 06 07 08 09
Data/Hora
2,0 LSC=1,925
1,5 _
S=1,169
1,0
0,5 LIC=0,413
0 0 0 0 0 0 0 0 0
:0 :0 :0 :0 :0 :0 :0 :0 :0
06 06 06 06 06 06 06 06 06
2 2 2 2 2 2 2 2 2
/0 /0 /0 /0 /0 /0 /0 /0 /0
01 02 03 04 05 06 07 08 09
Data/Hora
Ok e na tela seguinte, ok
novamente
Problema
Coleta de dados
Instruções
1) Para avaliar o comportamento do processo ao longo do tempo, crie uma carta P para a
proporção de itens defeituosos. Mostre a data no eixo x. Calcule os limites de controle
usando o número médio de engrenagens inspecionadas por dia, caso seja apropriado.
2) Qual é o nível médio de itens defeituosos e a variação observada a cada dia?
3) Quão efetivo é o “alerta vermelho” na redução do nível de itens não-conformes?
Olhando a carta P, você tem alguma oportunidade de aprender mais sobre o processo?
Arquivo de dados
Engrenagens.MTW
Variável Descrição
Data Data em que os conjuntos fora fabricadas
Engrenagens_Insp Número de conjuntos de engrenagens que foram inspecionados em cada
dia.
Rejeitadas Número de conjuntos rejeitados em cada dia.
E depois ok novamente
Estatísticas
DesvPa
Variável Média d Mínimo Máximo
0,17 LSC=0,17167
0,16
0,15
Proporção
2 _
0,14 P=0,14165
0,13
0,12
0,11 LIC=0,11163
0,10 1 1
1/2 7/2 13/2 19/2 25/2 3/3 9/3 15/3 21/3 27/3
Data
Testes realizados com tamanhos amostrais desiguais
CTRL + E
E depois ok novamente
Carta P de Rejeitadas
0,18 1
LSC=0,17195
0,17
0,16
0,15
Proporção
2 _
0,14 P=0,14165
0,13
0,12
0,11 LIC=0,11135
0,10 1 1
1/2 7/2 13/2 19/2 25/2 3/3 9/3 15/3 21/3 27/3
Data
Problema
Como resultado da investigação anterior, engenheiros decidem ajustar o processo para obter
uma média próxima de 41 (ponto médio entre os limites de especificação). O limite inferior de
especificação (LIE) é 39 e o limite superior de especificação (LSE) é 43.
Coleta de dados
Operadores coletaram 50 amostras (cada uma de tamanho 5) usando o mesmo método descrito
no exemplo anterior e mediram a espessura do revestimento externo dos cabos. Eles
armazenaram os dados na worksheet 2 do arquivo do Minitab.
Instruções
Arquivo de dados
Revestimento.MPJ
Variavel Descrição
Centrado Espessura do revestimento após os engenheiros ajustarem a média do
processo
Variabilidade Espessura do revestimento após os engenheiros ajustarem o
Reduzida estabilizador de temperatura
Subgrupo Identificação do subgrupo.
Relatório de Process Capability Sixpack para Centrado
Carta Xbarra Histograma de Capacidade
LIE Alvo LSE
LSC=42,369
42 Global
Média Amostral
Dentro
__ Especificações
41 X=41,028 LIE 39
Alvo 41
LSE 43
40
LIC=39,687
1 6 11 16 21 26 31 36 41 46 39,00 39,75 40,50 41,25 42,00 42,75 43,50
_
R=2,325
2
0 LIC=0
1 6 11 16 21 26 31 36 41 46 38 40 42 44
Especs
30 35 40 45 50
Amostra
Avaliamos pelo processo do sixpack pode-se observar que os dados são normais. Observando o
histograma de capacidade, além da função de regressão está ajustada aos dados. Ou seja os dados
encontran-se sobrepostos as linhas de regressão, e seus respectivos desvios. Avaliando tambem a
normalidade dos dados amostrais no gráfico de valores por amostras, vemos que os dados amostrais
encontran-se distribuído de forma aleatória a linha central, não apresentando uma tendência, refurtando o
ajuste de normalidade. Tambem foi observado que não foi detectada detecção de causas especiais nos
limites de controle.
41
Relatório de Capacidade do Processo para Centrado
(usando 95,0% de confiança)
Desempenho
Observado Global Esperado Dentro Esperado
PPM < LIE 20000,00 19114,93 18070,81
PPM > LSE 16000,00 21958,76 20815,53
PPM Total 36000,00 41073,68 38886,34
Já aou avaliar a capacidade e capabilidade do processo, conseguimos observar que o processo não é
capaz, apresentando baixos índices de Cp e CpK. Avaliando os Parametros do processo percebse tambem
que tanto os PPU, PPK e CP e CPK estão próximos, indicando que o processo é centralizado e previsível,
contudo não atende os limites de especificação do cliente. Cp e Cpk <1. Indicando que o processo está
entregando os limites fora dos especificados pelo cliente.
Exercício 9: Redução da Variação
Problema
Agora, mesmo o processo estando aproximadamente centrado no alvo (ponto médio entre o
limite inferior de especificação (39) e o limite superior de especificação (43)), os valores de Cp e
Cpk ainda indicam que o processo não é capaz de atender as exigências do cliente.
Um experimento indica que uma alta proporção da variação mostrada é devido à temperatura do
estabilizador externo. Operadores ajustam o processo para tornar o estabilizador de temperatura
mais consistente e então coletar mais dados.
Coleta de dados
Operadores coletaram 50 amostras (cada uma de tamanho 5) usando o mesmo método descrito
no exemplo anterior e mediram a espessura do revestimento externo dos cabos. Eles
armazenaram os dados na worksheet 2 do arquivo do Minitab.
Instruções
Arquivo de dados
Revestimento.MPJ
Variável Descrição
Centrado Espessura do revestimento após os engenheiros ajustarem a média
do processo
Variabilidade Espessura do revestimento após os engenheiros ajustarem o
Reduzida estabilizador de temperatura
Subgrupo Identificação do subgrupo.
Relatório de Process Capability Sixpack para Variabilidade Reduzida
Carta Xbarra Histograma de Capacidade
LIE Alvo LSE
LSC=41,645
41,5 Global
Média Amostral
Dentro
__ Especificações
41,0 X=40,942 LIE 39
Alvo 41
LSE 43
40,5
LIC=40,239
1 6 11 16 21 26 31 36 41 46 39,0 39,6 40,2 40,8 41,4 42,0 42,6
_
R=1,218
1
0 LIC=0
1 6 11 16 21 26 31 36 41 46 39 40 41 42
Desempenho
Observado Global Esperado Dentro Esperado
PPM < LIE 0,00 110,97 102,49
PPM > LSE 0,00 45,40 41,54
PPM Total 0,00 156,37 144,03
Problema
Uma empresa química deseja avaliar a capacidade do seu processo em atender às especificações
do cliente.
Coleta de dados
Os químicos registraram o peso molecular para polímeros a cada 2 horas, usando subgrupos
racionais de tamanho 5. Os pesos moleculares têm uma tolerância de 2400 +- 300 e estão
divididos por 100 para a realização da análise.
Instruções
Arquivo de dados
Molecular.MPJ
Variável Descrição
Data Identificação do subgrupo (28/04 08:00,..., 30/04 10:00
Peso Peso molecular
Dados revisados Peso molecular
Relatório de Process Capability Sixpack para Peso
Carta Xbarra Histograma de Capacidade
30 1
LIE LSE
Global
Média Amostral
LSC=27,40 Dentro
Especificações
25 __
LIE 21
X=23,57
LSE 27
20 LIC=19,74
1
1 3 5 7 9 11 13 15 17 19 16 18 20 22 24 26 28 30
10
_
R=6,64
5
0 LIC=0
1 3 5 7 9 11 13 15 17 19 10 20 30
Especs
5 10 15 20
Amostra
Avaliamos pelo processo do sixpack pode-se observar que os dados são normais. Observando o
histograma de capacidade, além da função de regressão está ajustada aos dados p-valor >0,05. Ou seja os
dados encontran-se sobrepostos as linhas de regressão, e seus respectivos desvios. Avaliando tambem a
normalidade dos dados amostrais no gráfico (últimos 20 Subgrupos) de valores por amostras, vemos que
os dados amostrais encontran-se distribuído de forma aleatória a linha central, não apresentando uma
tendência, refurtando o ajuste de normalidade. Contudo foi detectada detecção de causas especiais nos
limites de controle.
Dentro
__ Especificações
24 LIE 21
X=23,545
LSE 27
20 LIC=19,665
1 3 5 7 9 11 13 15 17 19 16 18 20 22 24 26 28 30
LSC=14,22
8 _
R=6,73
0 LIC=0
1 3 5 7 9 11 13 15 17 19 15 20 25 30
Especs
5 10 15 20
Amostra
Como abordado no exercício foram detectados causas especiais, no qual foram removidos e novamente
foi realizado o estudo, desta forma ao observar o processo do sixpack pode-se perceber que os dados são
normais. Observando o histograma de capacidade, além da função de regressão está ajustada aos dados p-
valor >0,05. Ou seja os dados encontram-se sobrepostos as linhas de regressão, e seus respectivos
desvios. Avaliando também a normalidade dos dados amostrais no gráfico (últimos 20 Subgrupos) de
valores por amostras, vemos que os dados amostrais encontran-se distribuído de forma aleatória a linha
central, não apresentando uma tendência, refutando o ajuste de normalidade. E por ultimo como as causas
especiais foram removidas na nova simulação não houve a detecção de causas especiais nos limites de
controle.
LIE LSE
Dados do Processo Global
LIE 21 Dentro
Alvo *
LSE 27 Capacidade Global
Média Amostral 23,5449 Pp 0,36
N Amostral 90 PPL 0,31
DesvPad(Global) 2,77774 PPU 0,41
DesvPad(Dentro) 2,77256 Ppk 0,31
Cpm *
Capacidade Potencial (Dentro)
Cp 0,36
CPL 0,31
CPU 0,42
Cpk 0,31
16 18 20 22 24 26 28 30
Desempenho
Observado Global Esperado Dentro Esperado
% < LIE 20,00 17,98 17,93
% > LSE 13,33 10,68 10,63
% Total 33,33 28,66 28,57
Já ao avaliar a capacidade e capabilidade do processo, conseguimos observar que o processo não é capaz,
em ambos os testes (Passo 1 e 2), apresentando índices de Cp e CpK próximo < 1. Avaliando os
Parametros do processo percebse tambem que tanto os PP, PPK e CP e CPK. Percebe-se que ao remover
as causas especiais, houve uma pequena melhora na performance do processo avaliando PP e PPK,
contudo o Cp e Cpk que representa a capacidade real do processo, não houveram variações significativas,
uma vez que ao remover as causas especiais do processo ainda não atende os limites de especificação do
cliente. Cp e Cpk < 1. Indicando que o processo não está entregando os limites dentro dos especificados
pelo cliente.
Exercício 11: Resistência do Selamento das Sacolas Plásticas
Problema
Operadores selam as sacolas introduzindo a sacola plástica entre duas barras de metal, e
aquecendo uma delas. A resistência do selamento é a força necessária para abrir a sacola. O
limite inferior de especificação para resistência é de 5 Newtons, e o limite superior de
especificação é de 14,9 Newtons.
Coleta de dados
Instruções
Variável Descrição
Resistência Resistência do selamento das sacolas plásticas (Newtons)
Relatório de Process Capability Sixpack para Resistência
Carta I Histograma de Capacidade
LSC=17,09 LIE LSE
222222222 2 22 22222777777 2 2 22 _ Global
15 22 77 2 2 22222222222222222
Valor Individual
X=14,14 Dentro
7
Especificações
LIC=11,20 LIE 5,0
10 1 1 1
1 1 LSE 14,9
1
5 1
1
1
1 21 41 61 81 101 121 141 161 181 4 6 8 10 12 14 16
11
11 11
5 1 11 11
LSC=3,62
__
AM=1,11
2 3 22 2 22
0 222222222 2 2 2222 2222222222222 22222222222222222222 LIC=0
1 21 41 61 81 101 121 141 161 181 5 10 15 20
Especs
14,1
180 185 190 195 200
Observação
Percentual
50 50 Transformação de Box-Cox
AD = 21,688
10 10 Valor-P < 0,005
1 1
0,1 0,1 Lognormal
5 10 15 20 0 400000 800000 1200000 AD = 42,214
Resistência Resistência Valor-P < 0,005
Depois da transformação de Box-Cox (λ = 5)
Lognormal de 3 Parâmetros
Lognormal - IC de 95% Lognormal de 3 Parâmetros - IC de 95% AD = 35,907
Valor-P = *
99,9 99,9
99 99
90 90
Percentual
Percentual
50 50
10 10
1 1
0,1 0,1
5 10 20 2400 2405 2410 2415
Resistência Resistência - Limite
Percentual
10 10 Exponencial de 2 Parâmetros
AD = 75,754
Valor-P < 0,010
1 1
Weibull
0,1 0,1 AD = 24,730
0,01 0,1 1 10 100 0,01 0,1 1 10 100 Valor-P < 0,010
Resistência Resistência - Limite
Weibull de 3 Parâmetros
Weibull - IC de 95% Weibull de 3 Parâmetros - IC de 95% AD = 19,939
Valor-P < 0,005
99,9 99,9
90 90
50 50
Percentual
Percentual
10 10
1 1
0,1 0,1
5 10 2365 2370 2375
Resistência Resistência - Limite
Gráfico de Probabilidade para Resistência
Teste de Qualidade de Ajuste
Menor Valor Extremo - IC de 95% Maior Valor Extremo - IC de 95%
99,9 99,9 Menor Valor Extremo
90 AD = 19,910
50 99 Valor-P < 0,010
Percentual
Percentual
10 Maior Valor Extremo
90
AD = 46,704
Valor-P < 0,010
1 50
10 Gama
0,1 0,1 AD = 40,118
5 10 15 0 10 20 30 Valor-P < 0,005
Resistência Resistência
Gama de 3 Parâmetros
Gama - IC de 95% Gama de 3 Parâmetros - IC de 95% AD = 38,179
Valor-P = *
99,9 99,9
99 99
90 90
Percentual
Percentual
50 50
10 10
1 1
0,1 0,1
5 10 20 40 45 50 55
Resistência Resistência - Limite
Percentual
Loglogística
50 50
AD = 26,675
10 10 Valor-P < 0,005
1 1
Loglogística de 3 Parâmetros
0,1 0,1 AD = 22,733
5 10 15 20 5 10 20 Valor-P = *
Resistência Resistência
Transformação de Johnson
Loglogística de 3 Parâmetros - IC de 95% Normal - IC de 95% AD = 0,369
Valor-P = 0,425
99,9 99,9
99
99
90
90
Percentual
Percentual
50 50
10
10
1
1
0,1 0,1
2275 2280 2285 2290 -4 -2 0 2
Resistência - Limite Resistência
Depois da transformação de Johnson
Identificação de Distribuição para Resistência
Lognormal de 3 Parâmetros
* AVISO * O algoritmo de Newton-Raphson não convergiu depois de 100 iterações.
* AVISO * A convergência não foi alcançada para os critérios de estimativas dos parâmetros.
Exponencial de 2 Parâmetros
* AVISO * A matriz de variância/covariância dos parâmetros estimados não existe. O parâmetro
do limite é presumido como fixo para cálculos de intervalos de confiança.
Weibull de 3 Parâmetros
* AVISO * O algoritmo de Newton-Raphson não convergiu depois de 100 iterações.
* AVISO * A convergência não foi alcançada para os critérios de log-verossimilhança.
* AVISO * A matriz de variância/covariância dos parâmetros estimados não existe. O parâmetro
do limite é presumido como fixo para cálculos de intervalos de confiança.
Gama de 3 Parâmetros
* AVISO * O algoritmo de Newton-Raphson não convergiu depois de 100 iterações.
* AVISO * A convergência não foi alcançada para os critérios de log-verossimilhança.
* AVISO * A convergência não foi alcançada para os critérios de estimativas dos parâmetros.
Loglogística de 3 Parâmetros
* AVISO * O algoritmo de Newton-Raphson não convergiu depois de 100 iterações.
* AVISO * A convergência não foi alcançada para os critérios de log-verossimilhança.
* AVISO * A convergência não foi alcançada para os critérios de estimativas dos parâmetros.
Gráfico de Identificação de Distribuição para Resistência
Gráfico de Identificação de Distribuição para Resistência
Gráfico de Identificação de Distribuição para Resistência
Gráfico de Identificação de Distribuição para Resistência
Estatísticas Descritivas
Median
N N* Média DesvPad a Mínimo Máximo Assimetria Curtose
Distribuição AD P TRV P
2 6
LIE* -2,62745
7 LSE* 2,01549
_
0 X=-0,018
7
-2
LIC=-3,320
1 21 41 61 81 101 121 141 161 181 -2,25 -1,50 -0,75 0,00 0,75 1,50 2,25
2
__
AM=1,242
2
0 LIC=0
1 21 41 61 81 101 121 141 161 181 -4 -2 0 2
Pp 0,75
Ppk 0,65
0 Cpm * Especs
PPM 31069,38
180 185 190 195 200
Observação
Desempenho
Observado Global Esperado*
% < LIE 1,00 0,60
% > LSE 3,00 2,51
% Total 4,00 3,11