Fernando

FUNDAMENTOS DO CONTROLE DE QUALIDADE NO PROCESSO DE FIAO. FUNDAMENTALS OF QUALITY CONTROL IN THE SPINNING PROCESS
Fernando Luiz Miranda de Vasconcelos

RESUMO
A concorrncia em escala mundial obriga as empresas a buscar maior eficincia administrativa e operacional. As tcnicas de controle estatstico de processo (CEP) so uma das ferramentas que permitem a melhoria da qualidade e produtividade nas empresas. Desenvolvido e largamente aplicado nas indstrias, o CEP tem grande potencial de utilizao na indstria txtil. Tendo em vista o desenvolvimento desse potencial, esse trabalho tem por objetivo avaliar os efeitos da utilizao do controle de qualidade em operaes de processamento da matria prima objetivando um melhor desempenho no processo txtil utilizando-se como ferramenta de anlise o CEP. A utilizao do controle na operao na indstria proporcionou reduo da variabilidade de dados de profundidade de trabalho mdia em 38,4% e aumento de 45,0% dos dados desejados. Palavras-chave: melhoria da qualidade, produtividade e melhor desempenho, CEP. ABSTRACT The world competition forces the companies to look for higher administrative and operational efficiency. The techniques of statistical control of process (ZIP CODE) are one of the tools that allow the improvement of the quality and productivity in the companies. Developed and extensively applied in the industries, the ZIP CODE technique represents a great potential to be used in the textile industry. As a result of the development of this potential, this work was carried out with the objective to evaluate the effects of quality control in operations of processing of raw material aiming at a better performance in textile processing, using ZIP CODE as an analysis tool the for this purpose. The use of the control in the industrial operation provided a reduction on the average of the work data depth of 38,4% and an increase of 45,0% of the desired data. Keywords: Quality: improvement, productivity, performance, ZIP CODE.

1.

INTRODUO
O Controle Estatstico do Processo uma ferramenta de anlise que tem sido usada naquelas atividades onde se deseja meios de controle da qualidade no ambiente de trabalho. Os mtodos estatsticos no so novos, seus conceitos so conhecidos desde a Revoluo Industrial, com a introduo do termo controle de qualidade. Foi, porm, a partir da 2 Guerra Mundial, quando o exrcito americano exigiu a adoo do Controle Estatstico da Qualidade para

Fernando

reduzir o nmero de peas defeituosas fabricadas pela indstria blica, que a questo envolvendo controle estatstico e qualidade teve um enorme incremento. Hoje em dia, a teoria original do CEP, alm de ter sido impulsionada com sucesso pelos japoneses, seguindo os conceitos introduzidos por Deming e Juran, foi tambm expandida em seus procedimentos para aumentar sua eficincia, impulsionada pelo trabalho de dois japoneses, Taguchi e Ishikawa. A seguir ser apresentado um breve histrico da qualidade. Na seqncia ser introduzida a teoria bsica do CEP, uma reviso dos conceitos estatsticos bsicos e a questo da construo e anlise dos grficos de controle. 2. HISTRICO DA QUALIDADE O conceito de qualidade tem sido usado desde o comeo dos tempos. A prpria evoluo do ser humano ao longo do tempo, determinou a evoluo do conceito de qualidade. Segundo Paladini (1995), "pode-se dividir a histria evolutiva da qualidade em seis perodos que marcam preocupaes bem definidas e esforos marcantes em busca de melhores produtos, processos e servios". Os seis perodos descritos por Paladini so os seguintes: Antigidade: perodo caracterizado pela alta qualidade das artes e extrema preciso da arquitetura na Grcia, pela perfeio das pirmides e das descobertas fundamentais em Matemtica no Egito e pela consistncia das construes Romanas, demonstrando preocupao com qualidade; Idade mdia: perodo caracterizado pelo aparecimento dos primeiros padres da qualidade para bens e servios e nveis bsicos de desempenho de mo de obra, a partir do crescimento de pequenas empresas e da diversificao de suas linhas de produo; De 1900 a 1930: perodo caracterizado pelo surgimento de procedimentos da avaliao da qualidade de produtos e servios, com a estruturao de tcnicas de inspeo. Inicia-se a industrializao, com organizaes maiores e mais complexas. Surgem os primeiros grficos de controle, desenvolvidos por Walter Shewhart e os mtodos de controle estatstico da qualidade em empresas. Surge no incio do sculo o "Journal of the American Statistical Society", que se mantm at hoje como um dos mais importantes na rea da qualidade; Dcadas de 30 e 40: perodo caracterizado pelo desenvolvimento das tcnicas estatsticas nos processos produtivos e das tcnicas de estruturao dos planos de amostragem; so fixadas as bases do controle estatstico da qualidade; a Segunda Guerra Mundial desencadeou o desenvolvimento de tcnicas de inspeo e controle de qualidade; so criados inmeros grupos de pesquisa em universidades e institutos pblicos e privados, sendo fundada a American Society for Quality Control"; tornam-se conhecidas as normas do sistema MIL-STD-105, para avaliao da qualidade por atributos, de origem militar;

Fernando

Anos 50: perodo de solidificao dos sistemas MIL-STD-105, MIL-STD-414 e H107/108, tabelas de planos de amostragem simples, dupla e mltipla para a avaliao da qualidade por atributos e variveis e produo contnua; adaptao das normas militares indstria em geral. Advento da qualidade no Japo e sua enorme popularizao, a partir dos trabalhos de Deming e Juran, em 1955, e de Ishikawa, que introduziu as tcnicas de controle de processos. Anos 60, 70 e 80: perodo caracterizado pelo surgimento do conceito de Controle de Qualidade Total, devido a Armand Feigebaun, com a extenso do conceito de qualidade para toda a empresa, antes restrito ao cho de fbrica; no Japo surge o conceito dos crculos de qualidade, dentro de um modelo que viria mais tarde a ser conhecido como a abordagem participativa da qualidade; surgem os diagramas de causa e efeito e os de controle de variaes em processos produtivos, com os mtodos de Taguchi (1976/77); o advento do computador facilita o uso de tcnicas estatsticas; as leis de proteo ao consumidor mostram a importncia que se tem dado ao consumidor. Como se pode notar o conceito de qualidade foi evoluindo atravs dos tempos. Nos dias de hoje, alm da busca da maior garantia da qualidade ao projeto do produto e da preocupao com os efeitos dos produtos e servios sobre o meio ambiente, busca-se o desenvolvimento de padres, ou seja, normalizaes internacionais, como o caso da ISO 9000. Paladini (1995), lista os seguintes elementos como marca registrada principal de nossa poca em termos da qualidade: garantia da qualidade a nvel de projeto do produto; efetivao de tcnicas e mtodos para a garantia da qualidade; ao de produtos e servios sobre o meio ambiente; estruturao das auditorias da qualidade; abordagem sistmica da qualidade, com o uso de computadores e outros recursos de informtica.

A seguir apresenta-se a viso da qualidade segundo alguns dos maiores especialistas no assunto: 1. Feigebaun: "Qualidade quer dizer o melhor para certas condies do cliente. Essas condies so: o verdadeiro uso e o preo de venda"; 2. Campos: "Um produto e servio com qualidade aquele que atende perfeitamente, de forma confivel, de forma acessvel, de forma segura e no tempo certo s necessidades do cliente; 3. Ishikawa: "Qualidade significa busca contnua das necessidades do consumidor, atravs de: qualidade do produto, servio, administrao, pessoas, atendimento e prazo certo".

Fernando

3.

Exigncias de Mercado e suas especificaes tcnicas de Controle de Qualidade no Sistema Produtivo na Garantia de Qualidade no Produto Acabado Txtil Nesta nova exigncia do mercado a partir deste ponto mostraremos um estudo da Fundao Vanzolini sobre a competitividade da Indstria Txtil Mundial e do Brasil onde conforme leitura deste documento chegamos a uma concluso bastante criteriosa sobre como dever ficar as formas de produo em txtil, ento se faz necessrio pensar uma forma mais eficiente de controlar e ter qualidade, neste ponto estaremos mais convencidos que o CEP ficar mais evidente a sua utilizao nos processos produtivos.

4.

A NOVA FORMA DE PENSAR A INDSTRIA TXTIL NOS PASES QUE J ESTO DESENVOLVIDOS Como todos os setores produtivos, mas de maneira ainda mais enftica, a indstria txtil e confeco passou de uma condio de mercado vendedor para mercado comprador. A Empresa Benetton a primeira empresa cujo funcionamento ilustrou essa nova dinmica: entender o que o cliente passou a querer, transmitindo rapidamente essa informao para trs, para ter um sistema produtivo bastante eficiente e flexvel, que respondia rapidamente s demandas identificadas. A produo passou a ser puxada (sistema kamban) ao invs das vendas serem empurradas. O alvo passou a ser produtos-mercados antes de produzir. Consequentemente, a questo da relao com o consumidor se tornou o ponto importante e crucial na competio por todos mercados txteis. No caso dos pases desenvolvidos, as empresas do setor de confeces foram gradualmente se desfazendo das operaes de menor valor agregado, mais especificamente as atividades de montagem, as quais foram sendo realocadas em pases em desenvolvimento. Passaram ento a se concentrar nas atividades de Marketing, Design e de Desenvolvimento de Produtos. Tal como ocorreu em fibras qumicas, observa-se uma clara tendncia das grandes empresas ocidentais de abandonarem a produo de commodities e, mantendo a liderana tecnolgica e/ou mercadolgica, passarem a organizadoras de cadeias produtivas (Global Commodity Chains ou Value Global Chains) atravs da terceirizao da produo. Como coloca Gorini (2000) as indstrias txteis norte-americanas e europias passaram a investir pesadamente em novas tecnologias de concepo, processos, vendas e produto, tornandose cada vez mais capital-intensivas. Desistindo de concorrer nas faixas dominadas pelos artigos de pequeno valor agregadas provenientes da sia, elas procuraram se especializar em nichos mais lucrativos e de qualidade diferenciada, aberta pelas novas fibras qumicas e pelos novos processos produtivos. Buscando maximizar a sua proximidade com os maiores mercados consumidores, elas apostaram em tcnicas voltadas para a diminuio do tempo de concepo, produo e comercializao dos artigos txteis, de modo a permitir que a produo fosse puxada pelas demandas volteis da moda que passaram a predominar no setor. Para os pases em desenvolvimento, a indstria txtil-confeces tem sido uma porta de entrada no mercado internacional. Isto se aplica de modo especial para os pases asiticos, que a iniciaram dentro de uma estratgia essencialmente manufatureira. Posteriormente, passaram a dominar

Fernando

determinadas etapas do processo produtivo, de design e mesmo de marketing. Suas empresas evoluram em suas estratgias competitivas, tornando-se hoje empresas globais. Nesse novo contexto, as cadeias produtivas da indstria txtil-confeces passaram a ser comandadas pelos compradores. So cadeias nas quais os grandes varejistas, os comercializadores e os fabricantes de marcas globais desempenham papeis centrais, organizando redes de produo descentralizadas. Ao contrrio das cadeias impulsionadas pelo produtor (como a automobilstica, a aeronutica, a de computadores, etc), a governance em cadeias comandadas pelo comprador no derivam da escala, do volume e dos avanos tecnolgicos, mas sim de combinaes nicas de pesquisa de mercado, design, vendas, comercializao e servios financeiros de alta qualidade.(Gereffi, 1994). Assim, cada cadeia produtiva na indstria txtil-confeces tem uma estrutura de governance uma empresa ou um conjunto de empresas - que, por dominar posies estratgicas principalmente em relao ao mercado, estabelece como devero se comportar as demais empresas participantes da cadeia e que resultados podero almejar. 5. FUNDAMENTOS BSICOS DAS FERRAMENTAS DE ESTATSTICAS APLICADAS AO CONTROLE DE QUALIDADE TXTIL E A CERTIFICAO PARA ISSO 9000 VERSO 2000 A histria do controle da qualidade to antiga quanto a prpria indstria txtil. Antes da revoluo industrial, a qualidade era controlada, principalmente, pela imensa experincia dos artesos da poca. O moderno sistema industrial iniciou uma nova era tcnica, onde o operrio deixou de ser responsvel pela fabricao de todo o produto, ficando responsvel por apenas parte deste. neste contexto que surge a inspeo. O objetivo principal era assegurar peas intercambiveis e produtos uniformes. Assim, a inspeo visava separar os itens no conformes, a partir do estabelecimento das especificaes e dos limites de tolerncia. No nicio, a inspeo era realizada em todos os itens produzidos. Com o crescimento da demanda e a conseqente intensificao da produo em massa, mtodos estatsticos comearam a ser usado na indstria, como alternativa inspeo 100 % de uma produo em franco crescimento. Surge, ento, a inspeo por amostragem. A simples inspeo final, entretanto, no melhorava a qualidade dos produtos fornecidos, apenas fornecia informaes sobre o nvel de qualidade destes e separava os itens conformes dos no conformes. A preocupao constante com os custos e com a produtividade deu origem seguinte indagao: Como utilizar as informaes obtidas com a inspeo para melhorar a qualidade dos produtos?. Este considerado o comeo do Controle Estatstico do Processo.

Fernando

6.

O QUE CEP ? Controle estatstico do processo (CEP) o ramo do controle da qualidade que consiste na coleta, anlise e interpretao de dados para utilizao nas atividades de melhoria e controle da qualidade de produtos e servios. As principais ferramentas do CEP so: DIAGRAMA DE PARETO Esse diagrama classifica os problemas de acordo com a causa e o fenmeno. DIAGRAMA DE CAUSA E EFEITO - So usados para analisar as caractersticas de um processo ou situao e os fatores que contribuem para eles. HISTOGRAMA usado para determinar os problemas atravs da verificao do formato da disperso, do valor central e da natureza da disperso. CARTAS DE CONTROLE Servem para descobrir as tendncias anormais com ajuda dos grficos de linhas. DIAGRAMA DE DISPERSO Mostra a relao entre os dados correspondentes atravs da relao entre os pontos marcados no diagrama de disperso. GRFICOS Muitos tipos de grficos so empregados, dependendo do formato desejado e do propsito da anlise. FOLHAS DE VERIFICAO So projetadas para tabular os resultados, atravs da verificao rotineira da situao.

6.1

Aplicabilidade de Medidas de Posio (Desvio Padro) Desvio Padro: O seu significado e suas interpretaes no mundo dos dados. A partir de agora, vamos entrar nesta forma de aprimorar a interpretao do desvio padro acerca dos dados coletados no processo. 1 - Quando a curva de freqncia da populao em estudo tem uma forma caractersticas das curvas normais; 2 Quando a curva de freqncia da populao em estudo tem qualquer forma. Portanto, analisaremos detidamente o 1 caso:

6.2

Construindo o desvio padro: Para entender a construo do desvio padro deve-se, primeiro, analisar a natureza dos desvios dos valores da varivel em relao a sua prpria mdia. Para isto retoma-se o exemplo dos trs alunos, cujas mdias eram iguais, mas seus desempenhos diferentes. Analisando os desvios observa-se que os trs ensaios tm desempenhos diferentes, enquanto o ensaio A constante em seu desempenho, o segundo vai progredindo aos poucos e o terceiro tem uma queda abrupta no seu desempenho e no consegue se recuperar. Ou seja, apesar dos trs ensaios terem o mesmo desempenho mdio, ele tem variabilidades diferentes.

Fernando

Analisando os desvios dos valores da varivel em relao a mdia.

Aluno A

Ensaio1 Ensaio2 Ensaio3 8 8 8 0 0 0

Ensaio4 Ensaio5 Soma dos desvios (Xi-X) 8 8 (Xi - X)= 0 + 0 + 0 + 0 + 0 (Xi - X)=0 10 (Xi X)=(-2) + (-2) + 0 + 2 + 2 (Xi X)=0

Desvios

0 8

8 -2 0 +2

10

Desvios

-2 8

+2

10

10

10 -2 -2 +3

5 (Xi X)=(-2) + (-2) + (-2)+3 + 3 (Xi X)=0

Desvios

-2 8

+3

Poderia se pensar em construir um desvio mdio, como sendo a soma dos desvios dividida pelo nmero de observaes, porm, a soma dos desvios igual a zero. Ento, como construir uma medida de disperso? Como o problema a compensao dos valores positivos com os negativos, a pergunta : como converter os valores negativos em positivos? De duas maneiras: tomando valor absoluto (distncia) ou elevando ao quadrado cada desvio. Assim tm-se o desvio mdio e a varincia.

Desvio

Varincia

Desvio
2

DM =

Xi X
i =1

(X
n i =1

X)

S = s2

Assim, o Desvio Mdio (DM) a mdia dos valores absolutos dos desvios e a varincia (S2) a mdia dos quadrados dos desvios.

Fernando

Mas ao calcular a varincia elevou-se ao quadrado cada desvio, ou seja, os desvios foram aumentados; ento, preciso retirar esse efeito, assim, deve-se extrair a raiz quadrada da varincia, dando origem ao desvio padro (S). Calculando o desvio mdio, a varincia e o desvio padro:
Aluno A Desvios |desvios| (desvio)2 B Desvios |desvios| (desvio)2 C Desvios |desvios| (desvio)2 Prova1 8 0 0 0 6 -2 2 4 10 -2 2 4 Prova2 8 0 0 0 6 -2 2 4 10 -2 2 4 Prova3 8 0 0 0 8 0 0 0 10 -2 2 4 Prova4 8 0 0 0 10 +2 2 4 5 +3 3 9 Prova5 8 0 0 0 10 +2 2 4 5 +3 3 9 Soma 40 0 0 0 40 0 8 16 40 0 12 30 Mdia 8 0 DM=0 S2=0 8 0 DM=1,6 S2=3,2 8 0 DM=2,4 S2=6,0 Raiz quadrada

S=0

S=1,79

S=2,45

Observa-se que o desvio padro sempre maior ou igual ao desvio mdio, e isto devido ao fato de ter elevado ao quadrado cada desvio, aumentando desproporcionalmente o peso dos valores extremos. Lembrar que o fato de ter extrado a raiz quadrada da varincia no elimina completamente o efeito de ter elevado ao quadrado cada desvio, uma vez que a raiz quadrada de uma soma no igual a soma da raiz quadrada de cada somando.

7.

TESTE DE HIPTESES A estatstica como ferramenta auxiliar na tomada de decises

A maioria das situaes de tomada de decises ocorre em situao de incerteza, porque baseada nos dados de uma amostra proveniente de uma populao. Nesses casos, a estatstica fornece um poderoso instrumento para a tomada de decises. Tentaremos, atravs de um exemplo, explorar a lgica desse tipo de tomada de deciso estatstica. Suponha que voc tem R$20. 000,00 (vinte mil reais) na poupana e est pensando investir esse capital na construo e funcionamento de um posto de gasolina, em um ponto movimentado de So Paulo. Suponha, tambm, que para o posto ser rentvel (pagar o investimento inicial e dar um lucro maior do que a poupana), o nmero mdio () de veculos que passam por aquele ponto por dia (parmetro) deve ser maior a 2000 (hiptese estatstica, chamada de hiptese nula Ho).

Fernando

Este um problema clssico de teste de hipteses, pois voc decidir aceitar ou rejeitar a hiptese nula, em funo dos resultados de uma amostra. Isto porque seria impossvel examinar o nmero de veculos que passam todos os dias por aquele ponto (populao), alm da disponibilidade de recursos financeiros, entre outros. Ao pegarmos uma amostra de uma populao estamos lidando com leis de probabilidades, logo voc no tem condio de saber se sua hiptese nula verdadeira ou falsa, voc apenas pode medir as probabilidades envolvidas na sua tomada de deciso. No nosso exemplo, aceitar a hiptese nula, de que o nmero de veculos que passam pelo ponto maior de 2000, implicar em voc tirar o dinheiro da poupana e investir no posto de gasolina; mas, a hiptese nula pode ser falsa, e a, todo o empreendimento estar fadado ao fracasso, voc perder seu capital. O custo de uma deciso errada pode ser muito grande, em termos financeiros, de vidas humanas, etc. Vejamos como o quadro decisrio: Aceitar a hiptese nula (Ho) quando ela verdadeira uma deciso correta. No nosso exemplo significa construir o posto e realmente passam 2000 ou mais veculos por dia, logo o investimento ser rentvel, voc recuperar seu capital e ter um retorno financeiro acima do rendimento da caderneta de poupana. Rejeitar uma hiptese falsa, tambm, uma deciso correta, no caso, significa no construir o posto, deixar o dinheiro na poupana, uma vez que o posto no tinha chances de ser rentvel. Entretanto, existem dois tipos de erro ao tomarmos esse tipo de deciso. O primeiro erro rejeitar a hiptese nula (Ho) quando ela verdadeira, chamada de erro de tipo I; no nosso exemplo, significa deixar de construir o posto quando ele seria rentvel, neste caso, a perda no inclui valores fsicos financeiros, apenas o valor fictcio que se deixou de ganhar. O segundo erro aceitar a hiptese nula (Ho) quando ela falsa, chamada de erro de tipo II, no exemplo significa construir o posto, quando por aquele ponto passam menos do que 2000 veculos, o que implicaria a perda do capital.

Tabela 8. Quadro de deciso em condio de incerteza. (Postura inovadora)

passam mais de 2000 veculos por dia: Ho: > 2000 Hiptese (Ho) ser verdadeira: Hiptese (Ho) ser falsa Ho: > 2000 Ho: < 2000 (o posto ser rentvel) (o posto est fadado ao fracasso) Aceitar a hiptese Constri o posto e rentvel Constri o posto e ele no rentvel. Perde o capital (construir o posto) Erro de tipo II Deciso correta Beta () (1-) Deciso Rejeitar a hiptese (deixar o dinheiro na poupana) No constri o posto, porm seria No constri o posto e no era rentvel rentvel (deixa de lucrar) Deciso correta Erro de tipo I (1-) Alfa ()

Hiptese nula Ho

Fernando

A teoria estatstica nos possibilita medir todas as probabilidades envolvidas na questo, logo podemos nos prevenir, controlando a probabilidade de cometer o erro mais grave. A probabilidade de cometer o erro de tipo I (rejeitar a hiptese nula Ho quando ela verdadeira) simbolizada por alfa (), tambm, conhecida como nvel de significncia. = nvel de significncia erro de tipo I

= P (Rejeitar Ho / Ho verdadeira) J a probabilidade de cometer o erro de tipo II (aceitar a hiptese nula Ho quando ela falsa) simbolizada por beta (), que est relacionado com o poder do teste. = P (Aceitar Ho / Ho falsa) erro de tipo II

Essas probabilidades, alfa e beta, se relacionam inversamente, quando diminumos alfa, beta cresce e vice-versa, e no d para controlar as duas simultaneamente, a menos que se aumente o tamanho da amostra, o que implica no aumento de custos operacionais e de tempo, o que pode inviabilizar a pesquisa. Todos os testes estatsticos foram delineados para controlar alfa () o nvel de significncia, sendo que beta () deixado livre. Por essa razo, a formulao da hiptese nula deve ser feita de tal forma que o erro mais grave recaia em alfa. No nosso exemplo analisando os dois tipos de erros, verificamos que o erro mais grave recai em beta. A pergunta : como devemos formular a hiptese nula Ho, de tal forma que o pior erro caia em alfa? Neste caso, s trocar a hiptese, negando a afirmao inicial. Vejamos o que acontece no quadro decisrio: Tabela 9. Mudana no quadro decisrio ao mudar a hiptese. (Postura conservadora) Hiptese nula Ho passam 2000 ou menos veculos por dia: Ho: < 2000 Hiptese (Ho) ser verdadeira: Hiptese (Ho) ser falsa Ho: < 2000 Ho: > 2000 (o posto est fadado ao fracasso) (o posto ser rentvel) Deixa de construir o posto quando seria No constri o posto e no era rentvel (deixa de lucrar) rentvel Deciso correta Erro de tipo II (1-) Beta () Constri o posto e ele no Constri o posto e rentvel rentvel (perde o capital) Erro de tipo I Deciso correta Alfa () ( 1- )

Deciso

Aceitar a hiptese (deixar o dinheiro na poupana) Rejeitar a hiptese (construir o posto)

Fernando

Verificamos que ao negarmos a hiptese que desejamos testar asseguramos que o pior erro recaia em alfa, que controlado pelo pesquisador. Este tipo de formulao conhecido como postura conservadora. Ou seja, estamos mais propensos a deixar o dinheiro na poupana (ou deixar do jeito que est) do que investir no risco (mudar para o novo) e, arriscaremos, somente, quando houver evidncias da amostra muito fortes a favor do novo. Portanto, devemos ser cuidadosos na formulao de hipteses para saber qual o tipo de erro que estamos controlando. O nvel de significncia fixado pelo pesquisador. convencional trabalhar com alfa igual a 1%, 5% ou 10%, sendo que em alguns casos podemos usar nveis maiores. A escolha do nvel de significncia () estar de acordo com a margem de segurana e da gravidade das conseqncias de vir a ocorrer o erro de tipo I. Aplicabilidade destas Ferramentas usando Planilha Eletrnica Excel 7.1 Histograma Para desenhar histogramas usando o Excel temos dois caminhos: Usar os prprios recursos grficos do Excel Usar a ferramenta de anlise Histograma, includa em um macro do Excel denominada "Ferramentas de Anlise". Para Inserir a Macro "FERRAMENTAS DE ANLISE"

Selecione, com o mouse, o menu FERRAMENTAS e escolha ento a opo SUPLEMENTOS.... No caso da verso em ingls, o menu selecionado o Tools e a opo Add-Ins....

Fernando

Selecione a opo FERRAMENTAS DE ANLISE e clique em OK. Para a verso em ingls, a opo deve ser Analysis Toolpak, no se esquecendo de clicar em OK. Antes de usar as ferramentas de anlise, devemos preparar uma planilha com os dados que sero analisados.

Planilha Exemplo 01
7.2 Diagrama de disperso O diagrama de disperso fornece uma representao visual da relao existente entre duas variveis, consiste em uma nuvem de pontos. Podemos traar uma reta, um modelo matemtico da associao entre essas variveis chamadas Retas de Regresso.

Fernando

Suponha uma empresa que deseja avaliar se o coeficiente de variao do Ttulo de pavio nas maaroqueira tem uma regresso. Para tal, necessrio que se colete os dados de Ttulo o seu respectivo coeficiente de variao.

RESUMO DOS RESULTADOS Exemplo P 5

RESUMO DOS RESULTADOS Exemplo P 4

Estatstica de regresso R mltiplo 65535 R-Quadrado -1043,954912 R-quadrado ajustado -1044,079912 Erro padro 2,557846519 Observaes 9

Estatstica de regresso R mltiplo 65535 R-Quadrado -736,386684 R-quadrado ajustado -736,511684 Erro padro 2,565851349 Observaes 9

2,69402573888713 Plotagem de ajuste de linha

15,000 7,1 7,1 Previsto(a) 7,1

2,69402573888713 Plotagem de ajuste de linha

15,000 7,309 7,309 10,000 5,000 0,000 Previsto(a) 7,309 0 1 2 3

10,000 5,000 0,000 0 1 2 3 2,694025739

2,694025739

8.

BIBLIOGRAFIA
1. Neufeld, John L.

Fernando

2. 3. 4.

Estatstica aplicada administrao usando Excel / John L. Neufeld : traduo Jos Luiz Celeste; reviso tcnica Cyro C. Patarra. So Paulo: Prentice Hall, 2003. Lapponi, Juan Carlos. Estatstica usando Excel / Juan Carlos Lapponi. So Paulo: Lapponi Treinamento e Editora, 2000

ENDEREO / ADDRESS

Fernando Luiz Miranda de Vasconcelos fluiz@pe.senai.br