DISTRIBUIÇÃO NORMAL
Seu aspecto gráfico é semelhante a um sino e, para sua construção, são necessários dois parâmetros: “ µ “ ( média ) e “s “ ( desvio
padrão ). A curva teórica é simétrica em relação à média e a representação matemática da função densidade de probabilidade é dada por:
Sendo esta, uma curva de probabilidade, a área limitada pela mesma, é igual a 1.
A curva normal tem as extremidades de forma assíntota, ou seja, vai de “ menos infinito ” a “ mais infinito ”.
O ponto máximo coincide com a média e o ponto de inflexão da curva determina o desvio padrão. A área sob a curva normal costuma ser dividida em zonas de probabilidades, cada uma com a mesma base, isto é ± 1 s .
Portanto, para calcular a probabilidade ( Pz ), acima ( ou abaixo ), de um número “ x ” ( qualquer ) , calcula-se ( z ) e procura-se ( Pz ) ( ou vice versa ) na tabela. A tabela foi construída considerando-se uma curva normal teórica de ® µ = 0 e s = 1
CÁLCULO DE “
Z
“
LIE = Limite Inferior Especificado LSE = Limite Superior Especificado
Limites de
Especificação “Z”
% dentro dos
limites PPM ± 1s 1,0 68,26 317.400 ± 2s 2,0 95,44 45.600
± 3s 3,0 99,74 2.600
± 4s 4,0 99,99366 63,4
± 5s 5,0 99,999942 0,58
± 6s 6,0 99,9999998 0,002
A nossa tabela de valores de “Pz” em função de “Z”, corresponde a metade ( 50%) da curva de distribuição normal, ou seja:
𝒇(𝒙) =
𝟏
𝝈 × √𝟐 × 𝝅
× 𝒆
-𝟏𝟐.(𝒙-𝝁) 𝝈 0
𝟐
Texto Texto Texto Texto Texto Texto
Título
±1s = 68,26% -1s +1s
-2s +2s
-3s +3s
±2s = 95,44% ±3s = 99,74%
±4s= 99,99366 ±5s = 99,999942 ±6s = 99,9999998
considerando um processo com ± 6s, temos:
para +6s = 0,001x10-6, ou seja 0,001ppm;
para – 6s = 0,001x10-6, ou seja 0,001ppm;
então, no total, temos 0,002x10-6,
e assim para os demais números de “Zs”
100% 50% 50%
ATENÇÃO:
Para encontrarmos a porcentagem total, devemos ter em conta a soma dos valores encontrados em função de Zie Zs.
Texto Texto Texto Texto Texto Texto
Título
Probalidade perdida Probalidade
ganha
𝐙
𝐢=
𝐱4 − 𝐋𝐈𝐄
𝛔
𝐙
𝐬=
𝐋𝐒𝐄 − 𝐱4
𝛔
Para facilitar o trabalho do cálculo da área sob a curva, podemos escrever a fórmula acima da seguinte forma:
𝑃
>=
𝜎 × √2 × 𝜋
1
× 𝑒
-DE×>FDe acordo com levantamentos na prática, temos que para um processo considerado com média centralizada e, completamente estável, vale o estudo acima, contudo dificilmente se tem o processo centralizado constantemente por todo o tempo. Após várias cartas de acompanhamento de um determinado processo a Motorola percebeu uma variação da média e, adotou como variação da média um desvio de ±1,5s ( fig. 1), logo para um processo estável com ±6s, teremos, como “média” ao longo do tempo 3,4ppm ao
invés de 0,002ppm, ou seja o processo estará trabalhando no final, com aproximadamente ± 4,7s.
V
Informações sobre cálculo do ppm
Exemplos:
1
– O padrão internacional estabelece, como a máxima concentração de mercúrio Hg por grama de água pótáveligual a 5,0 x 10-4mg/g, qual é essa quantidade expressa em ppm?
Lembrando:
2
- (PUCC-SP) – No rótulo de uma garrafa de “´água mineral” lê-se, entre outras coisas:Com base nesses dados, determinar a massa de bicarbonato de cálcio no volume da garrafa. Dados: ppm= mg de soluto/litro de solução aquosa
Sabendo que 1 ppm = 1 mg de soluto/litro de solução, temos 20ppm = 20 mg/l, então:
3
- (Unifesp) – Dentre os metais pesados que contaminam nosso solo e águas há o chumbo (Pb), que apresentauma concentração de 20ppm. Qual a quantidade de Pb em mg, numa amostra de 100g da costa terrestre?
Então: 20ppm é igual a 20g de Pb em 106 de crosta terrestre. Figura 1 T ex to T ex to T ex to T ex to T ex to T ex to Título T ex to T ex to T ex to T ex to T ex to T ex to Título
Texto Texto Texto Texto Texto Texto
Título
1,5s A A
1𝑙 20𝑚𝑔
1,5𝑙 𝑋 ≫ 𝑋 =1,5 × 201 ≫ 𝑋 = 30𝑚𝑔 = 0,03𝑔
𝑝𝑝𝑚 =𝑚𝑔𝐾𝑔 ≫5. 1010-T-S𝐾𝑔 ≫ 5. 10𝑚𝑔 -D𝑚𝑔
𝐾𝑔 ≫ 5. 10-D𝑝𝑝𝑚 ≫ 0,5𝑝𝑝𝑚
𝑝𝑝𝑚 =101 𝑝𝑎𝑟𝑡𝑒 𝑑𝑜 𝑠𝑜𝑙𝑢𝑡𝑜\𝑝𝑎𝑟𝑡𝑒𝑠 𝑑𝑎 𝑠𝑜𝑙𝑢çã𝑜 =𝑚𝑎𝑠𝑠𝑎 𝑑𝑎 𝑠𝑜𝑙𝑢çã𝑜 𝑒𝑚 𝐾𝑔 =𝑚𝑎𝑠𝑠𝑎 𝑑𝑒 𝑠𝑜𝑙𝑢𝑡𝑜 𝑒𝑚 𝑚𝑔 1000𝑙1𝑔
20𝑔 10\𝑔
𝑥 100𝑔 ≫20 × 10010\ ≫ 2. 10-S𝑔 ≫ 2𝑚𝑔
Conteúdo: 1,5l
TABELA DOS VALORES DE
“ Pz “
EM FUNÇÃO DE
“ Z “
| z | x,x0 x,x1 x,x2 x,x3 x,x4 x,x5 x,x6 x,x7 x,x8 x,x9
3,9x 0,00005 0,00005 0,00004 0,00004 0,00004 0,00004 0,00004 0,00004 0,00003 0,00003
3,8x 0,00007 0,00007 0,00007 0,00006 0,00006 0,00006 0,00006 0,00005 0,00005 0,00005
3,7x 0,00011 0,00010 0,00010 0,00010 0,00009 0,00009 0,00008 0,00008 0,00008 0,00008
3,6x 0,00016 0,00015 0,00015 0,00014 0,00014 0,00013 0,00013 0,00012 0,00012 0,00011
3,5x 0,00023 0,00022 0,00021 0,00020 0,00019 0,00019 0,00019 0,00018 0,00017 0,00017
3,4x 0,00034 0,00032 0,00031 0,00030 0,00029 0,00028 0,00027 0,00026 0,00025 0,00024
3,3x 0,00048 0,00047 0,00045 0,00043 0,00042 0,00040 0,00039 0,00038 0,00036 0,00035
3,2x 0,00069 0,00066 0,00064 0,00062 0,00060 0,00058 0,00056 0,00054 0,00052 0,00050
3,1x 0,00097 0,00094 0,00090 0,00087 0,00084 0,00082 0,00079 0,00076 0,00074 0,00071
3,0x 0,00135 0,00131 0,00126 0,00122 0,00118 0,00114 0,00111 0,00107 0,00104 0,00100
2,9x 0,00190 0,00180 0,00180 0,00170 0,00160 0,00160 0,00150 0,00150 0,00140 0,00140
2,8x 0,00260 0,00250 0,00240 0,00230 0,00230 0,00220 0,00210 0,00210 0,00200 0,00190
2,7x 0,00350 0,00340 0,00320 0,00320 0,00310 0,00300 0,00290 0,00280 0,00270 0,00260
2,6x 0,00470 0,00450 0,00440 0,00430 0,00410 0,00400 0,00390 0,00380 0,00370 0,00360
2,5x 0,00620 0,00600 0,00590 0,00570 0,00550 0,00540 0,00520 0,00510 0,00490 0,00480
2,4x 0,00820 0,00800 0,00780 0,00750 0,00730 0,00710 0,00690 0,00680 0,00660 0,00640
2,3x 0,01070 0,01040 0,01020 0,00990 0,00960 0,00910 0,00910 0,00890 0,00870 0,00840
2,2x 0,01390 0,01360 0,01320 0,01290 0,01250 0,01220 0,01190 0,01160 0,01130 0,01100
2,1x 0,01790 0,01740 0,01700 0,01660 0,01620 0,01580 0,01540 0,01500 0,01460 0,01430
2,0x 0,02280 0,02220 0,02170 0.02120 0,02070 0,02020 0,01970 0,01920 0,01880 0,01830
1,9x 0,02870 0,02810 0,02740 0,02680 0,02620 0,02560 0,02500 0,02440 0,02390 0,02330
1,8x 0,03590 0,03510 0,03440 0,03360 0,03290 0,03220 0,03140 0,03070 0,03010 0,02940
1,7x 0,04460 0,04360 0,04270 0,04180 0,04090 0,04010 0,03920 0,03840 0,03750 0,03670
1,6x 0,05480 0,05370 0,05260 0,05160 0,05050 0,04950 0,04850 0,04750 0,04650 0,04550
1,5x 0,06680 0,06550 0,06430 0,06300 0,06180 0,06060 0,05940 0,05820 0,05710 0,05590
1,4x 0,08080 0,07930 0,07780 0,07640 0,07490 0,07350 0,07210 0,07080 0,06940 0,06810
1,3x 0,09680 0,09510 0,09340 0,09180 0,09010 0,08850 0,08690 0,08530 0,08380 0,08230
1,2x 0,11510 0,11310 0,11120 0,10930 0,10750 0,10560 0,10380 0,10200 0,10030 0,09850
1,1x 0,13570 0,13350 0,13140 0,12920 0,12710 0,12510 0,12300 0,12100 0,11900 0,11700
1,0x 0.15870 0,15620 0,15390 0,15150 0,14920 0,14690 0,14460 0,14230 0,14010 0,13790
0,9x 0,18410 0,18140 0,17880 0,17620 0,17360 0,17110 0,16850 0,16600 0,16350 0,16110
0,8x 0,21190 0,20900 0,20610 0,20330 0,20050 0,19770 0,19490 0,19220 0,18940 0,18670
0,7x 0,24200 0,23890 0,23580 0,23270 0,22970 0,22660 0,22360 0,22060 0,21770 0,21480
0,6x 0,27430 0,27090 0,26760 0,26430 0,26110 0,25780 0,25460 0,25140 0,24830 0,24510
0,5x 0,30850 0,30500 0,30150 0,29810 0,29460 0,29120 0,28770 0,28430 0,28100 0,27760
0,4x 0,34460 0,34090 0,33720 0,33360 0,33000 0,32640 0,32280 0,31920 0,31560 0,31210
0,3x 0,38210 0,37830 0,37450 0,37070 0,36690 0,36320 0,35940 0,35570 0,35200 0,34830
0,2x 0,42070 0,41680 0,41290 0,40900 0,40520 0,40130 0,39740 0,39360 0,38970 0,38590
0,1x 0,46020 0,45620 0,45220 0,44830 0,44430 0,44040 0,43640 0,43520 0,42860 0,42470
0,0x 0,50000 0,49600 0,49200 0,48800 0,48400 0,48010 0,47610 0,47210 0,46810 0.46410
Exemplo: - Z=2,56 ð ( 2,5x na primeira coluna e, na 8ª x,x6 ð 2,56 ð Pz =0,0052 – 0,520%)
| z | 4,0 4,1 4,2 4,3 4,4 4,5 4,6 4,7 4,8 4,9
x10-6 31,671 20,658 13,346 8,54 5,4125 3,3975 2,1125 1,3010 0,7935 0,4790
| z | 5,0 5,1 5,2 5,3 5,4 5,5 5,6 5,7 5,8 5,9
x10-6 0,2865 0,1700 0,0995 0,0580 0,0335 0,0190 0,0105 0,0060 0,0035 ,0020
| z | 6,0
x10-6 0,0010
a) % de peças abaixo de 6300
b) % de peças acima de 7100
c) % de peças entre 6300 e 6700
d) % de peças entre 6200 e 6700
______________________________________________________________________________________
e) % de peças entre 6100 e 6300
6500 6300
6500 7100
6500 6100 6300
𝑍
a=
6500 − 6300
200
= 1,0 ⇒ 𝑡𝑎𝑏 ↣ 𝑃
>a= 0,1587 ↣ 𝟏𝟓, 𝟖𝟕%
𝑍
l=
7100 − 6500
200
= 3,0 ⇒ 𝑡𝑎𝑏 ↣ 𝑃
>l= 0,00135 ↣ 𝟎, 𝟏𝟑𝟓%
𝑍
a= 𝑍
l=
6500 − 6300
200
= 1,0 ↣ 𝑡𝑎𝑏 ↣ 𝑃
>al= 2 × 0,1587 = 0,3174
= 𝟑𝟏, 𝟕𝟒%
𝑍
aq=
6500 − 6300
200
= 1,0 ⇒ 𝑡𝑎𝑏 ⇒ 𝑃
>rstt= 0,1587
𝑍
aF=
6500 − 6100
200
= 2,0 ⇒ 𝑡𝑎𝑏 ⇒ 𝑃
>rqtt= 0,0228
𝑃
>rstt− 𝑃
>rqtt↣ (0,1587 − 0,0228) = 0,1359 ⇒ 𝟏𝟑, 𝟓𝟗%
6500
6300 6700
6500 6200 6700
𝑍
a=
6500 − 6200
200
= 1,5 ↣ 𝑡𝑎𝑏 ↣ 𝑃
>a= 0,06680 ↣ 𝟔, 𝟔𝟖%
𝑍
l=
6700 − 6500
200
= 1,0 ↣ 𝑡𝑎𝑏 ↣ 𝑃
>l↣ 0,1587 ↣ 𝟏𝟓, 𝟖𝟕%
EXERCÍCIOS: Sabendo-se que na produção de uma determinada peça, uma dimensão tem distribuição normal, em função dos dados, determinar:
a) % para x < 98mm, com média “µ” = 100 e “s”= 5
b) % para “x” entre 90mm e 105mm, com µ = 100 e s = 5
c) Qual o valor do “s“, para obtermos 25,78% de peças acima de 102mm, em um processo
que apresenta µ = 100 ?
d) Qual o valor do “
s
“ para obter 95,44% entre 98mm e 102mm, comµ
= 100?e) No intervalo, µ = 100 e x = 98, qual deve ser o valor do “s“ para obtermos 6 sigmas?
f) Qual o valor do LSE acima do qual temos 10% de peças com µ=100 e s=5?
g) quantos “s“ simetricamente em relação a média, incluirão 86% de todas as peças?
Lembrete: Conforme indicado no fascículo de “Inspeção por Amostragem”...
A Distribuição Binomial pode ser aproximada da normal se: np > 5 e n(1-p) > 5
Exemplo:
Num lote de 1000 baterias para computadores, com fração defeituosa 0,05%, foram retiradas, de acordo com a NBR 5426, 125 peças de amostra. Qual a probabilidade de encontrarmos 10 peças defeituosas??
p = 0,05
n = 125 Vamu lá!
logo: As necessidades estão atendendo!!
Primeiro para que possamos calcular a probabilidade aplicando Distribuição Binomial, precisamos fazer os cálculos de 0 defeituosas, até 10 defeituosas...TRABALHOSO!!!
Pois temos, na Distribuição Binomial
Lembrando...
e assim até X=10, teremos no total = 0,9508
Aplicando a Distribuição Normal:
Como sabemos a nossa tabela contempla 50% da curva, então:
EXEMPLOS:
(l) Um eixo deve ser produzido obedecendo a especificação
F = 10 ± 0,1 mm.Peças fora de tol. são rejeitadas, somente peças acima da tolerância podem ser corrigidas a um custo de $51,00u.m. por peça.
a) Fabricação com 𝑥̿ = 10,0𝑚𝑚 𝑒, 𝜎z̅ = 0,05𝑚 custa $ 102,00 u.m. por peça.
b) Outro processo com 𝑥̿ = 10,0𝑚𝑚 𝑒, 𝜎z̅= 0,10𝑚 custa $ 85,00 u.m. por peça. Qual o processo a ser adotado? ( supor distribuição normal)
𝒂) 𝑍a= 𝑍l=10,0 − 9,90,05 = 2,0 ⇒ 𝑡𝑎𝑏 ⇒ 𝑃>= 0,0228 ⟺ [2 × (0,5 − 0,0228)] = 0,9544
0,9544 de uma peça custa $ 102,00 ð 2,28% é recuperável a $ 51,00 = $ 1,16 então temos:
(0,9544 + 0,0228)= 0,9772 de uma peça ( pois as peças abaixo da tol., não se recuperam), custa= 102,00 + 1,16= 103,16, logo o custo por peça recuperada será:
103,16
0,9772 = $𝟏𝟎𝟓, 𝟓𝟕𝒖. 𝒎. 𝒑𝒐𝒓 𝒑𝒆ç𝒂
𝒃) 𝑍a= 𝑍l=10,0 − 9,90,1 = 1,0 ⇒ 𝑡𝑎𝑏 ⇒ 𝑃>= 0,1587 ⟺ [2 × (0,5 − 0,1587)] = 0,6826
0,6826 de uma peça custa $85,00 ð 0,1587 é recuperável a $51,00 = $ 8,09
(0,6826 + 0,1587)=0,8413 de uma peça (pois as peças abaixo da tol,. não se recuperam), custa = 85,00 + 8,09 = 93,09, Logo o custo por peça recuperada será:
93,09
0,8413 = $ 𝟏𝟏𝟎, 𝟔𝟓𝒖. 𝒎. 𝒑𝒐𝒓 𝒑𝒆ç𝒂 𝑃 =(‡-z)!×z!‡! ↣(DE‰-Š)!׊!DE‰! × 0,5Š× 0,5DŠ≫ 1 × 0,0156 × 0,001 =
0,000156
Média = 𝑥̅ = 𝑛 × 𝑝 ↣ 125 × 0,05 = 6,25 ↣ 𝐱4 = 𝟔, 𝟐𝟓
𝐷𝑒𝑠𝑣𝑖𝑜 𝑃𝑎𝑑𝑟ã𝑜 = 𝜎 = •𝑛 × 𝑝 × 𝑞 ↣ •125 × 0,05 × 0,95 ↣ •5,94 = 2,44 ↣ 𝛔 = 𝟐, 𝟒𝟒
𝑍a=6,25 − 9,52,44 =2,44 = 1,23 ↣ 𝑃3 >= 0,10930
𝑍a‘=6,25 − 10,52,44 =2,44 = 1,64 ↣ 𝑃4 >‘= 0,0505
𝑛 × 𝑝 = 125 × 0,05 =
6,5
𝑛 × (1 − 𝑝) ↣ 𝑛 × 𝑞 = 125 × 0,95
= 11,87
𝑭(𝒂) = “ ”𝒏𝒙– × 𝒑𝒙
𝒙—𝒂
𝒙—𝒐
× 𝒒(𝒏-𝒙)
Texto Texto Texto Texto Texto Texto
Título 1,23
1.64
Texto Texto Texto Texto Texto Texto
Título 1.64
(2)-
A dimensão de uma peça é 250,0𝑚𝑚, +0,2−0,5 o processo produtivo tem 𝜎z̅ 0,15mm, pergunta-se:
a) Regulando a 𝑥̿ para 250mm, calcular a % total de peças rejeitadas;
a) Sabendo-se que o custo de recuperação é 5 vezes maior para peças menores, determinar entre as regulagens abaixo, qual a mais econômica, justificar.
c) qual deve ser o desvio padrão para um processo ±6𝜎, com a média centrada?
(3) A capacidade máxima de um elevador é de 500Kg. Se a distribuição “x” dos pesos dos usuários é suposta:
( µ = 70Kg ; s = 10Kg). Pergunta-se:a) Qual a probabilidade de 7 passageiros (n=7) ultrapassarem esse limite?
b) Qual a probabilidade de 6 passageiros (n=6) ultrapassarem esse limite?
(4) A máquina de empacotar um determinado produto o faz segundo uma distribuição normal, com uma média (
µ ) e desvio padrãos = 10g. Pergunta-se:
a) Em quanto deve ser regulado o peso médio “m” para que apenas 10% dos pacotes tenham menos do que 500g?
Pela tabela ð P(z) = 0,1 então Z @ 1,28 logo:
b) Com a máquina de empacotar assim regulada, qual a probabilidade de que o peso total de 4 pacotes escolhidos ao acaso seja inferior a 2 Kg?
Peso de 4 pacotes = 2 Kg Peso de 1 pacote = 500 g
(5) Na análise de um estudo de Distribuição Normal, cuja especificação é 25,0 ±0,2, encontramos as seguintes porcentagens: acima
do LSE=7,35% e, abaixo do LIE=2,74%. Qual o valor do 𝜎z̅ ?𝑍 =𝜇 − 𝑥𝜎 =𝜇 − 50010 ⇒ 𝜇 = 500 + (10 × 𝑍)
𝜇 = 500 + (10 × 1,28) ⇒ 500 + 12,8 = 𝟓𝟏𝟐, 𝟖𝒈
𝜎z̅=√𝑛𝜎 =√410=102 = 5 𝑍 =512,80 − 5005 =12,85 = 2,56 ⇒ 𝑡𝑎𝑏 ⇒ 𝑃>= 0,00052 ⇒ 𝟎, 𝟓𝟐%
𝑥̅ =5007 = 71,429 𝜎z̅=10
√7= 3,78 𝑍 =
𝑥 − 𝜇
𝜎 =71,429 − 703,78 = 0,378 ⇒ 𝑡𝑎𝑏 ⇒ 𝑃>= 0,352 ⇒ 𝟑𝟓, 𝟐%
𝑥̅ =5006 = 83,33 𝜎z̅= 10
√6= 4,082 𝑍 =𝑥 − 𝜇𝜎 =83,33 − 704,08 = 3,27 ⇒ 𝑡𝑎𝑏 ⇒ 𝑃>= 0,00054 ⇒ 𝟎, 𝟎𝟓𝟒%
𝑅D→ 𝑥̅ = 249,85 𝑅E→ 𝑥̅ = 250,0 𝑒 𝜎z̅= 0,125
a)
𝑍a =E‰Š,Š-ESŸ,‰Š,D‰ = 3,33 → 𝑃>= 0,00043 + 𝑍l=E‰Š,E-E‰Š,ŠŠ,D‰ = 1,33 → 𝑃>= 0,09180 ==0,09223
b
1) - R
1Z¡= Z¢=249,85 − 249,50,15 = 2,33 → P¤= 0,0099,
como o custo de recuperação das menores é 5x o custo das maiores, então: 0,0099 x 5= 0,05 + 0,0099 = 0,0599
b
2) – R
2Z¡=250 − 249,50,125 = 4 → P¤= 31,67 × 10-\× 5 (custo da recuperação das menores) = 0,000158
Z¢=E‰Š,E-E‰ŠŠ,DE‰ = 1,6 → P¤= 0,05480 → TOTAL = 0,000158 + 0,05480 = 0,05496
Z
¡= Z
¢= 6 =
249,85 − 249,5
𝜎
z
≫ 𝜎
z=
0,35
6 = 𝟎, 𝟎𝟓𝟖𝟑
𝑃>= 0,0735 → 𝑍l= 1,45 → 1,45 =𝐿𝑆𝐸 − 𝑥̅𝜎
z̅ → 1,45 × 𝜎¸4 = 25,2 − 𝑥̅ → −[(1,45 × 𝜎z̅) − 25,2] = 𝑥̅
𝑃>= 0,0274 → 𝑍a= 1,92 → 1,92 =𝑥̅ − 𝐿𝐼𝐸𝜎
¸4 → 1,92 × 𝜎z̅= 𝑥̅ − 24,8 → 𝑥̅ = [(1,92 × 𝜎z̅) + 24,8]
−(1,45 × 𝜎z̅) + 25,2 = (1,92 × 𝜎z̅) + 24,8 → −1,45𝜎z̅− 1,92𝜎z̅= 24,8 − 25,2 → −3,37𝜎z̅= −0,4 → 𝜎z̅=−3,37−0,4
HISTOGRAMAS
É uma forma de representação da distribuição de frequência através de um gráfico de colunas
CONSTRUÇÃO:
1º passo:
Coleta de dados.Retirar no mínimo 20 amostras ( N ) de 5 elementos ( n ) cada uma. Essa coleta de dados deverá abranger todo um ciclo de trabalho, procurando evitar mudanças como: MP, Troca de Operador, etc.
Ex.: Inspeção de um eixo com especificação: 6,0 ± 0,5 mm
.
6.0 5.9 6.0 6.0 5.9 6.0 5.9 6.0 5.9 6.0 5.9 6.0 5.9
5.9 5.7 5.9 5.7 5.7 5.9 5.8 5.7 5.7 5.9 5.7 5.7 5.8
5.8 5.4 5.8 6.1 6.2 6.1 5.8 6.1 5.8 6.1 5.8 6.1 5.8
6.3 6.4 6.2 6.3 5.5 6.2 6.4 6.2 6.4 6.2 6.3 6.4 6.3
5.5 5.4 5.5 5.4 5.6 5.2 5.6 5.1 5.6 6.6 5.6 5.4 5.6
6.0 6.0 5.9 5.9 6.0 6.0 5.9 5.9 6.0 5.9 6.0 5.9
5.9 5.7 5.8 5.7 5.9 5.7 5.9 5.7 5.7 5.9 5.7 5.9
6.1 5.8 6.1 6.1 6.1 6.1 6.2 6.1 5.4 6.1 6.2 5.8
6.2 5.4 6.4 6.4 6.3 5.5 6.3 5.5 5.5 6.3 6.4 6.3
6.6 5.3 5.3 6.5 6.5 6.5 6.5 5.6 5.3 5.6 5.6 6.7
2º passo:
Cálculo da amplitude®
3º passo:
Determinação do número de classes ( K )O número de classes pode ser encontrado como sendo uma aproximação de
A tabela, abaixo, nos dá uma orientação do nº de classes em função do nº de elementos.
4º passo:
Determinação do tamanho de classe:
5º passo:
Distribuição dos valores em classes.
A tabulação dos dados deverá ser de forma excludente, portanto é preciso definir fronteiras, uma das maneiras é considerar nos extremos de cada classe a metade da unidade da precisão do instrumento.
6º passo:
Tabulação dos dados ( Anotar os dados separando-os por classes )nº
classe
limites
frequência
quant
1 5,0 - 5,2 4,95 - 5,15 1
2 5,2 - 5,4 5,15 - 5,35 ¨ 4
3 5,4 - 5,6 5,35 - 5,55 ¨¨¨ 12
4 5,6 - 5,8 5,55 - 5,75 ¨¨¨¨¨ 21
5 5,8 - 6,0 5,75 - 5,95 ¨¨¨¨¨¨¨¨ 32
6 6,0 - 6,2 5,95 - 6,15 ¨¨¨¨¨¨ 25
7 6,2 - 6,4 6,15 - 6,35 ¨¨¨¨ 16
8 6,4 - 6,6 6,35 - 6,55 ¨¨ 11
9 6,6 - 6,8 6,55 - 6,75 3
OBS.: É comum utilizar, na tabulação dos dados, a coluna de frequência para se ter uma idéia da curva de distribuição dos dados.
7º passo: Construção do histograma: eixo horizontal ( abcissas ) = classes
eixo vertical ( ordenadas ) = frequência
8º passo:
Polígono de frequência. Determina-se unindo os pontos médios superiores das colunas.
( N * n )
K
30 - 50 5 - 7
51 - 100 6 - 10
101 - 250 7 - 12
> 250
10 - 20
√25 × 5 → √125 = 11,18
ℎ =
𝑅
𝐾 → ℎ =
1,6
11 → ℎ = 0,145 → ℎ ≅ 0,2
𝑅 = 𝑋
¼áz− 𝑋
¼í‡↑→ 6,7 − 5,1 = 𝟏, 𝟔
ANÁLISE DE HISTOGRAMA
A análise se faz pelo formato da curva, se esse formato for bem próximo a de um sino, podemos concluir que a distribuição é normal e apresenta somente variações aleatórias.
ATENÇÃO:
Nos casos em que não ocorre o formato “SINO”, năo devem ser utilizados os estimadores estatísticos, nesses casos, após detecção e eliminação das variações causais, nova coleta deverá ser realizada.
Exemplos
Histograma Truncado Histograma com 2 ou mais Modas Histograma com muitas variações nas alturas das
colunas
provavelmente anteriormente já houvera uma inspeção selecionadora
uma análise poderá mostrar, provavelmente, duas fontes de fornecimento.
neste caso verificar a calibragem do aparelho de medição
MODA – A moda (Mo) é o valor que mais se repete, ou seja, o valor pais provável a ser obtido.
É a única medida de dispersão que pode ter mais de um valor, podendo ser o conjunto: Amodal = Ex.: 2,3,4,5,6 – ( nenhum valor se repete)
Monomodal = Ex.: 3,4,5,5,6,7,8 – ( o valor 5 se repete)
Bimodal = Ex.: 1,2,3,3,4,5,5,6,7 – ( os valores 3 e 5 se repetem)
MEDIANA – A mediana (Me) é o valor que separa o conjunto em dois subconjuntos de mesmo tamanho.
Para o cálculo correto da mediana, os valores devem estar ordenados do menor para o maior valor. Se “n” for ímpar, a posição da mediana é o valor central – (Ex.: 2,3,4,5,6 – Me = 4)
Se “n” for par, a mediana é a média dos dois valores centrais, cuja posição é calculada pela média dos dois elementos centrais – [Ex.: 2,3,4,5,6,7 – (4+5/2)=4,5], cabe perceber que a mediana não precisa, necessariamente, fazer parte do conjunto de dados.
C VARIAÇÕES
ALEATÓRIAS
D VARIAÇÕES
CAUSAIS
Fazem parte da natureza do processo, podem ser controladas
São, de certa forma, imprevisíveis, devem ser detectadas e eliminadas rapidamente. Ex.: quebra de ferramenta
1º Caso: Média < Mediana < Moda - a curva da distribuição tem ASSIMETRIA NEGATIVA
2º Caso: Média = Mediana = Moda - a curva da distribuição é SIMÉTRICA
Exercícios:
1. No setor de envase de uma empresa o controle do peso de cada embalagem primária segue a especificação: 500g ±10g, na embalagem secundária cabem 40 pacotes.
O cliente define, como média, na amostragem, no máximo 1,5% abaixo do peso e, adota como inspeção:
Considerando o processo estável com média 495g, pergunta-se: a) Qual deve ser o valor do “s” do processo para atender o cliente?
b) Qual a probabilidade do cliente encontrar:
1. 0 (zero) embalagem abaixo do peso mínimo?
2. Exatamente 1 (uma) embalagem abaixo do peso mínimo? 3. Até 1 (uma) embalagem abaixo do peso mínimo?
Um determinado produto com especificação 8,0 ± 0,1mm, tem um custo de produção igual R$ 2,95, o processo tem uma distribuição normal com média igual a 7,95mm e, desvio padrão igual a 0,05mm. O custo para recuperação de peças abaixo da mínima custa o dobro das acima da máxima. Após apresentar o resultado a gerência pediu que a média fosse centralizada
a) Qual % de peças abaixo da mínima?
b) Qual a porcentagem total de peças rejeitadas, para se levantar o custo de recuperação das rejeitadas?
c) Após a centralização da média qual a % abaixo da mínima?
d) Qual o valor da média seria adequada para termos no máximo 0,5% de peças abaixo da mínima?
N Nível Tipo Regime NQA Tab. “1” n Ac Re
40 II SIMPLES ATENUADA 1,0
Nome:______________________________________________________Número______________T______
EXERCÍCIOS:
(1)-Em um processo com a característica 50,0±0,5, determinou-se a porcentagem abaixo do LIE=0,023% e, acima
do LSE=6,68%. Qual deverá ser o σÂ4 para atender essa determinação?
(2)- Para um eixo com um diâmetro de 3 ± 0,018mm, um fornecedor propôs o mesmo preço e prazo dos demais fornecedores. Enviou os registros do controle, conforme abaixo. Qual a porcentagem de rejeição desse fornecedor?
(3)-Dado um processo sob controle estatístico, com média 170mm e um desvio padrão 8mm, qual a probabilidade de
obtermos peças com valores entre 154mm e 186mm?
(4)- Uma dimensão de 8,0±0,05mm, está sob controle estatístico com média centrada, qual deverá ser o valor do desvio padrão para obtermos 95% de peças OK?
(5)-No controle estatístico de um componente eletrônico obtivemos resistência média de 48W, com desvio padrão de
1,25W. A especificação define uma resistência mínima de 45W. Qual a porcentagem de componentes serão rejeitados?