Apostila de Exercícios BB - Gabarito-2

Escola EDTI 3
Nome:____________________________________________________________
4 Apostila de exercícios – certificação Black Belt
Este material não pode ser copiado, reproduzido, reimpresso, utilizado em filmes ou gravações de vídeo ou
armazenado em dispositivos eletrônicos sem a permissão escrita dos detentores dos direitos de copyright. O
material não pode ser incorporado em programas de treinamento com exceção da supervisão de algum
instrutor da Escola EDTI.
Autores:
Ademir J Petenate, Escola EDTI
Marcelo M Petenate, Escola EDTI
Publicado por Escola EDTI®
Campinas, São Paulo
Impresso no Brasil
Escola EDTI 5
Sumário
Lean Six Sigma: introdução ............. 9
Exercício 1 ........................................................................................................................................................ 9
Exercício 2 ...................................................................................................................................................... 10
Exercício 3 ...................................................................................................................................................... 11
Fluxograma - Exercício 1 ................................................................................................................................ 13
Gráficos descritivos ....................... 14

Exercício 1 ...................................................................................................................................................... 14
Solução ....................................................................................................................................................... 14
Exercício 2 ...................................................................................................................................................... 20
Solução ....................................................................................................................................................... 20
Exercício 3 ...................................................................................................................................................... 22
Solução ....................................................................................................................................................... 22
Exercício 4 ...................................................................................................................................................... 23
Solução ....................................................................................................................................................... 23
Exercício 5 ...................................................................................................................................................... 29
Solução ....................................................................................................................................................... 29
Exercício 6 ...................................................................................................................................................... 33
Solução ....................................................................................................................................................... 33
Exercício 7 ...................................................................................................................................................... 35
Solução ....................................................................................................................................................... 35
Exercício 8 ...................................................................................................................................................... 41
Solução ....................................................................................................................................................... 41
Exercício 9 ...................................................................................................................................................... 43
Solução ....................................................................................................................................................... 43
Exercício 10: atividade transportadora .......................................................................................................... 46
Exercício 11: tempo para implementar um novo cliente .............................................................................. 52
Solução ....................................................................................................................................................... 53
Gráfico de Controle ........................57

Exercício 1 ...................................................................................................................................................... 57
Solução ....................................................................................................................................................... 57
Exercício 2 ...................................................................................................................................................... 59
Solução ....................................................................................................................................................... 59
Exercício 3 ...................................................................................................................................................... 63
Solução ....................................................................................................................................................... 63
Exercício 4 ...................................................................................................................................................... 65
Solução ....................................................................................................................................................... 65
Exercício 5 ...................................................................................................................................................... 67
Solução ....................................................................................................................................................... 67
Exercício 6 ...................................................................................................................................................... 69
Solução ....................................................................................................................................................... 69
Exercício 7 ...................................................................................................................................................... 71
Solução ....................................................................................................................................................... 71
Capabilidade ................................ 74
Exercício 1 ...................................................................................................................................................... 74
Solução ....................................................................................................................................................... 74
Transformação de variáveis ............77

Solução ....................................................................................................................................................... 77
Revisão Measure .......................... 82

Exercício 1 ...................................................................................................................................................... 82
Exercício 2 ...................................................................................................................................................... 84
Exercício 3 ...................................................................................................................................................... 85
Exercício 4 ...................................................................................................................................................... 86
Exercício 5 ...................................................................................................................................................... 89
Exercício 6 ...................................................................................................................................................... 92
Exercício 7 ...................................................................................................................................................... 97
Escola EDTI 7
MSA ...........................................100
Exercício 1 .................................................................................................................................................... 100
Solução ..................................................................................................................................................... 100
Exercício 2 .................................................................................................................................................... 103
Solução ..................................................................................................................................................... 103
Exercício 3 .................................................................................................................................................... 105
Solução ..................................................................................................................................................... 105
Análise AV/ NAV ..........................107

Solução ..................................................................................................................................................... 108
Balanceamento de Linha ............. 109

Solução ..................................................................................................................................................... 109
Correlação................................... 113
Exercício 1 .................................................................................................................................................... 113
Solução ..................................................................................................................................................... 113
Exercício 2 .................................................................................................................................................... 115
Solução ..................................................................................................................................................... 115
Exercício 3 .................................................................................................................................................... 118
Solução ..................................................................................................................................................... 118
Exercício 4 .................................................................................................................................................... 122
Solução ..................................................................................................................................................... 122
Experimento completamente aleatorizado

.................................................. 127
Solução ......................................................................................................................................................... 127
Experimento aleatorizado em blocos132

Experimento Fatorial Completo.... 135

Exercício 1 .................................................................................................................................................... 135
Solução ..................................................................................................................................................... 135
Exercício 2 .................................................................................................................................................... 140
Solução ..................................................................................................................................................... 141
Exercício 3 .................................................................................................................................................... 144
Solução ..................................................................................................................................................... 144
Exercício 4 .................................................................................................................................................... 146
Solução ..................................................................................................................................................... 146
Exercício 5 .................................................................................................................................................... 147
Solução ..................................................................................................................................................... 147
Experimento fatorial fracionado ... 150

Exercício 1 .................................................................................................................................................... 150
Solução ..................................................................................................................................................... 151
Regressão linear .......................... 153

Exercício 1 .................................................................................................................................................... 153
Solução ..................................................................................................................................................... 153
Exercício 2 .................................................................................................................................................... 157
Solução ..................................................................................................................................................... 157
Exercício 3 .................................................................................................................................................... 159
Solução ..................................................................................................................................................... 159
Escola EDTI 9
Lean Six Sigma: introdução

Exercício 1
Sua empresa está escrevendo uma declaração de objetivo para melhorar a eficiência. Convidaram-no a se
juntar ao time de melhoria. Hoje você está se reunindo com seus colegas de time para revisar alguns possíveis
objetivos. Leia cada descrição de objetivo na apostila e avalie-os. Quais são bons? Ruins? Péssimos? Por quê?
1. Pretendemos reduzir os refugos e melhorar a segurança dos nossos colaboradores.
a) Bom
b) Ruim
2. Iremos reduzir a incidência no número de refugos na injetora M25 em 45% até Junho de 2008.
a) Bom
b) Ruim
3. Reduziremos todos os tipos de problemas com refugos na empresa.
a) Bom
b) Ruim
4. Nossos dados mais recentes mostram que, em média, temos um índice de refugo de 5% na injetora
M25. Podemos reduzir esta média para 3% até dia 1 de Abril de 2008, e para 1,5% até 31 de Agosto
de 2008.
a) Bom
b) Ruim
Exercício 2
Você é o vice-presidente de qualidade em uma grande empresa, e está revisando vários projetos de melhoria
em andamento. Baseando-se no objetivo de cada projeto (ver apostila), defina se os indicadores a seguir são
medidas de processo, resultado ou equilíbrio.
Projeto 1 - objetivo: reduzir em 20% a incidência de refugos nas operações de usinagem, por meio da redução
do número de dias em que não é feita a limpeza da máquina, dentro de 5 meses.
1. Média do número de dias em que a limpeza da máquina é feita.
a) Medida de resultado
b) Medida de processo
c) Medida de equilíbrio
2. Porcentagem de refugos.
3. Custo com limpeza de máquinas.
Escola EDTI 11
Projeto 2 – objetivo: reduzir em 80% a incidência de não conformidades no processo de compras decorrentes
da não especificação correta do item a ser comprado, dentro de1 ano.
4. Porcentagem de não conformidades observadas no processo de compras.
5. Taxa de adesão dos colaboradores às medidas para reduzir as não conformidades.
Exercício 3
Para fixar os conceitos do Modelo de Melhoria, responda às perguntas da apostila.
1. A fase inicial do Modelo de Melhoria baseia-se em 3 questões destinadas a esclarecer os conceitos de:
a) Planejar, fazer, agir
b) Missão, objetivo, estratégia
c) Objetivo, medidas, mudança
d) Vontade, ideias e execução
Utilize o seguinte cenário para responder às questões 2-4: uma clínica ortopédica de uma movimentada
região metropolitana gostaria de melhorar o processo de agendamento de consultas.
2. Aplicando o Modelo de Melhoria ao projeto da clínica, qual das alternativas abaixo é a declaração de
objetivo mais razoável?
a) Implantar dois ciclos PDSA dentro de 6 meses do início do projeto
b) Aumentar em 50% o número de pacientes relatando estarem “muito satisfeitos” com o agendamento
da clínica dentro de 6 meses.
c) Modificar o processo de agendamento de forma a permitir que ambos, a recepcionista e enfermeira,

agendem consultas diretamente.
d) Criar um processo eficiente para agendamento de retorno no momento da saída dos pacientes.
3. Depois de montar um time e trabalhar as 3 questões do Modelo de Melhoria, a clínica ortopédica

decide designar uma enfermeira por dia para agendar todas as consultas de retorno. Esta seria sua
única responsabilidade naquele dia; e cinco enfermeiras se revezariam diariamente nesta tarefa. Com
a designação de um profissional dedicado exclusivamente ao agendamento dos retornos, o time
espera melhorar este processo. Qual a deve ser a próxima atividade do time?
a) Desenvolver as medidas do projeto
b) Testar a mudança utilizando o ciclo PDSA
c) Esclarecer a declaração de objetivo
4. Uma clínica ortopédica planeja mudanças de dimensionamento de pessoal para melhorar o

agendamento e realiza um pequeno teste de mudança com uma enfermeira e 3 pacientes na terça de
manhã. Qual o próximo passo que o time de melhoria deveria tomar?
a) Realizar uma breve pesquisa com a enfermeira e os pacientes para saber como foi o teste
b) Implantar o novo processo de agendamento baseando-se nas impressões iniciais de que tudo está
funcionando bem
c) Implantar um sistema de recompensa para as enfermeiras que agendarem o maior número de

consultas por dia.
Escola EDTI 13
Fluxograma - Exercício 1
Cinco unidades organizacionais eram responsáveis pelo processo de faturamento: vendas, entrada de
pedido, preparação da fatura, contabilidade e engenharia. O processo era o seguinte:
1. Vendas: vendas pega o pedido do cliente;
2. Entrada do pedido: pedido entra no sistema;
3. Entrada do pedido: departamentos notificados com a cópia da fatura;
4. Preparação da fatura: pedido é processado;
5. Engenharia: engenharia aprova mudanças?
a) Se não, vendas corrige o pedido com o cliente (passo 1)
b) Se sim, passo 6
6. Preparação da fatura: mudanças aprovadas por engenharia e vendas;
7. Preparação da fatura: fatura é preparada;
8. Preparação da fatura: Fatura enviada para o cliente;
9. Contabilidade: registro de vencimento retornado;
10. Contabilidade: vendas notificadas de faturas com 90 dias de atraso.
Elabore um fluxograma multifuncional utilizando os símbolos adequados para cada etapa do processo.
Gráficos descritivos
Exercício 1
Considere os dados de tempo de ciclo do arquivo “1-Tempo de ciclo”.
a) Faça um gráfico de tendência para o cenário 1.
b) Repita o procedimento para os outros cenários.
c) Padronize a escala do eixo vertical.
d) Coloque todos os gráficos no mesmo painel.
Solução
a) Faça um gráfico de tendência para o cenário 1.
O caminho para abrir a janela do gráfico de tendência é: Graph -> Time Series Plot
Escola EDTI 15
Após isso, uma janela irá se abrir. Nela você deve clicar em Simple
Após isso, na janela seguinte, clique em Series e escolha na coluna da esquerda o cenário que deseja plotar.
No caso é o cenário 1. Click em OK.
O Gráfico gerado será:
Time Series Plot of Cenário 1
7
Cenário 1
1 2 3 4 5 6 7 8 9 10 11 12 13 14
Index
b) Repita o procedimento para os outros cenários.
Na janela onde você escolhe os dados que deseja plotar, selecione todos.
Clique em ok e os seguintes gráficos serão gerados:

Escola EDTI 17
Time Series Plot of Cenário 1 Time Series Plot of Cenário 2
9 9
8 8
7 7
Cenário 2
Cenário 1
6 6
5 5
4 4
3 3
2 2
1 2 3 4 5 6 7 8 9 10 11 12 13 14 1 2 3 4 5 6 7 8 9 10 11 12 13 14
Index Index
9 9
8
8
7
7
6
Cenário 3
Cenário 4
6
5
5 4
4 3
2
3
1
2
0
1 2 3 4 5 6 7 8 9 10 11 12 13 14 1 2 3 4 5 6 7 8 9 10 11 12 13 14
Index Index
9 8
8
7
7
6
Cenário 5
Cenário 6
6
5
5
4
4
3
3
2 2
1 2 3 4 5 6 7 8 9 10 11 12 13 14 1 2 3 4 5 6 7 8 9 10 11 12 13 14
Index Index
c) Padronize a escala do eixo vertical.
Para editar o eixo vertical dos gráficos, devemos clicar duas vezes com o botão direito do gráfico no eixo. Com
isso uma janela de edição irá se abrir. Nela, editamos o que queremos na escala.
d) Coloque todos os gráficos no mesmo painel.
Para colocar todos os gráficos em um só painel devemos ir no menu superior em: Editor -> Layout tools.
Com isso um editor de gráficos irá se abrir. Nele podemos decidir como fazer a visualização dos gráficos.
Mexendo no valor do número de linhas e colunas da visualização podemos customizar a forma de
Escola EDTI 19
apresentação. Dando duplo clique nos gráficos, podemos escolher a posição dos mesmos dentro deste
layout. Clicando em Finish, o Minitab irá gerar a visualização montada.
Exercício 2
Considere os dados de gastos com treinamento do arquivo “2 Gasto mensal treinamento”.
a) Faça um gráfico de tendência dos gastos mensais com treinamento.
b) O processo está estável?
Solução
a) Faça um gráfico de tendência dos gastos mensais com treinamento.
Como no exercício 1a, vá em: Graph -> Time Series Plot, selecione a opção Simple. Na janela que se abrir,
escolha a coluna “gasto” como a série a ser plotada. Para padronizar o eixo X, clique no botão Time/Scale,
indicado em vermelho.
Ao fazer isso, uma nova janela se abrirá, nela clique em Stamp e em seguida no retângulo branco que irá
aparecer. Para selecionar a coluna do eixo X, então clique em “mês”. Como mostrado abaixo.
Escola EDTI 21
Clique então em OK e OK novamente e o seguinte gráfico será gerado:
Time Series Plot of gasto

106
104
102
100
gasto
98
96
94
92
90
0 1 01 01 01 01 01 02 2 2 2 2 2
20 20 20 20 20 20 20 00 00 00 00 00
v/ r/ n/ o/ t/ z/ v/ r/2 n /2 o/2 t /2 z /2
fe ab j u ag o u d e f e ab ju ag ou d e
mes
Como não há nenhum ponto muito afastado dos demais, nem outro evento que sugira uma causa especial, o
processo pode ser considerado estável.
Exercício 3
Considere os dados do número de passageiros de uma companhia aérea dos EUA do arquivo “3
N_PASSAGEIROS”.
a) Faça o gráfico de tendência do número de usuários.
Solução
a) Faça o gráfico de tendência do número de usuários.
O gráfico é plotado da mesma maneira que os anteriores: Graph -> Time Series Plot -> Simple. Em Series
escolha “n_pass” e dentro da janela do botão Time/Scale, em Stamp e selecione “data”. O gráfico gerado
será o seguinte:
Time Series Plot of n_pass
600
500
400
n_pass
300
200
100
49 50 51 5 2 53 54 5 5 57 58 59 60
19 19 19 19 19 19 19 19 19 19 19
B R G CT C B R
J AN FE AP JU
N
AU O DE FE AP JU
N
A UG
data
Neste gráfico podemos ver várias coisas interessantes, como uma tendência de aumento na média e na
variação do processo, bem como um efeito de sazonalidade.
Escola EDTI 23
Exercício 4
Considere os dados de vendas de uma loja durante 60 dias no arquivo “4 VENDAS”.
a) Faça o gráfico de tendências do número de vendas. Vamos usar outro caminho para fazer o
gráfico de tendência.
c) Faça o Dot Plot do número de vendas.
d) Faça o Histograma do número de vendas.
e) Calcule a média, desvio padrão, mediana, mínimo, máximo, Q1, Q3, amplitude e amplitude
interquartis para o número de vendas.
Solução
Os itens a) e b) devem ser resolvidos da mesma forma que os exercícios anteriores. Como conclusão não
observamos nenhum caso de causa especial, portanto o processo está estável.
c) Faça o Dot Plot do número de vendas.
Vá em: Graph -> Dotplot
Escolha a opção Simple

Na janela que se abrir, selecione para Graph Variable e coloque a coluna “N_vendas”. Clique em OK.
O seguinte gráfico será gerado:
Dotplot of N_vendas
170 180 190 200 210 220 230 240

N_vendas
Escola EDTI 25
d) Faça o Histograma do número de vendas.
Para montar o histograma vá em: Graph -> Histogram
Selecione a opção Simple
Selecione então “N_vendas” como variável e clique em OK.

O gráfico gerado será:
Histogram of N_vendas
18
16
14
12
Frequency
10
0
170 180 190 200 210 220 230 240
N_vendas
e) Calcule a média, desvio padrão, mediana, mínimo, máximo, Q1, Q3, amplitude e amplitude interquartis
para o número de vendas.
Para calcular estes valores vá em: Stat -> Basic Statistics -> Display Descriptive Statistics
Escola EDTI 27
Na janela que se abrir, selecione “N_vendas” como variável e clique no botão Statistics para selecionar quais
métricas o Minitab irá calcular.
Para este exercício, devemos escolher a média, o desvio padrão, os quartis, a mediana, o máximo, o mínimo
e a amplitude. Marque então estas opções na janela que se abrir.
Clique duplamente em OK e OK e o Minitab irá calcular estas métricas. Para visualizá-las, clique no ícone
Session Window no menu superior.
Escola EDTI 29
Exercício 5
Considere os dados de quatro conjuntos do arquivo “5 QUATRO_CONJUNTOS”.
a) Calcule a média e o desvio padrão de cada variável (X1, X2, X3, X4).
b) Faça o Dot Plot colocando todas as variáveis no mesmo gráfico.
c) Faça um gráfico de tendência de cada variável e coloque todos os gráficos em um mesmo painel.
d) O que você conclui a partir dos resultados?
Solução
a) Calcule a média e o desvio padrão de cada variável (X1, X2, X3, X4)
Para calcular estas métricas vá em: Stat -> Basic Statistics -> Display Descriptive Statistics.
Na janela que se abrir, selecione todas as variáveis e clique em Statistics para selecionar as métricas que
deseja.
b) Faça o dotplot com as variáveis em um mesmo gráfico.
Para isso, devemos ir em: Graph -> Dotplot.
Em seguida, clique na opção Multiple Y’s e Simple

Escola EDTI 31
Em seguida, selecione as variáveis.
Dotplot of X1; X2; X3; X4
X1
X2
X3
X4
36 42 48 54 60 66 72
Data
c) Faça um gráfico de tendência para cada variável e coloque todos na mesma janela.
Para montar os gráficos, vá em: Graph -> Time Series Plot.
Em seguida selecione a opção Simple e na janela de formação do gráfico selecione todas as variáveis.
Feito isso, os 4 gráficos serão gerados.
d) O que você conclui a partir dos resultados?
Os quatro conjuntos apresentaram as mesmas médias e desvio padrão. Contudo, analisando o Dot-Plot as
distribuições dos dados são muito diferentes. Além disso, os gráficos de tendência mostram
comportamentos muito diferentes ao longo do tempo, deixando clara a necessidade de se analisar dados
dessa maneira.
Escola EDTI 33
Exercício 6
Considere os dados de 18 meses do desempenho de entregas de uma empresa de logística. Uma mudança
foi feita entre os meses oito e nove do arquivo “6 entregas atrasadas”.
a) Calcule a porcentagem de entregas atrasadas por mês.
b) Faça o gráfico de tendência da porcentagem de entregas atrasadas.
Solução
a) Calcule a porcentagem de entregas atrasadas por mês.
Para usar a calculadora do Minitab devemos ir em: Calc -> Calculator
Na janela que se abrir, escolha a coluna onde quer guardar os novos dados calculados e também digite a
sentença que deseja calcular. No nosso caso vamos guardar na coluna C5 (em branco) e fazer
“n_atrasadas”/”n_entregas” *100.
Clique em OK e os dados serão calculados.
b) Faça o gráfico de tendência da porcentagem de entregas atrasadas.
Usamos o caminho ensinado no exercício 1 e 2, porém aqui a série que queremos plotar está na coluna C5
(que são os dados recém calculados). O gráfico gerado será o seguinte:
Time Series Plot of C5

40
35
30
25
C5
20
15
10
5
2 4 6 8 10 12 14 16 18
mes
A mudança segue as 4 características para que seja considerada uma melhoria:
- A mudança foi intencional
- O impacto foi medido em nosso indicador (percentual de entregas atrasadas)
- O impacto foi significativo (fomos de cerca de 27% em média para 10%)
- O impacto foi duradouro (seguiu sem voltar ao estado anterior por diversos meses)
Escola EDTI 35
Exercício 7
Considere o arquivo do worksheet “7 unitodos_completo”.
a) Calcule a frequência e a porcentagem de cada categoria da variável STATUS.
b) Faça o gráfico de barras do total da variável STATUS.
c) Faça o gráfico de barras da porcentagem da variável STATUS.
d) Faça o gráfico de setores da variável STATUS.
Solução
a) Calcule a frequência e a porcentagem de cada categoria da variável STATUS.
Para calcular a frequência e a porcentagem de uma determinada variável devemos ir em: Stat -> Tables ->
Tally Individual Variables.
Na janela que se abrir devemos selecionar as variáveis que queremos e o tipo de estatística que queremos
observar.
Clique então em OK e os resultados poderão ser visualizados no “pergaminho”.
b) Faça o gráfico de barras do total da variável “STATUS”.
Para elaborar o gráfico de barras, vá em: Graph -> Bar Chart.

Escola EDTI 37
Selecione a opção Simple.
Em seguida escolha na janela a variável que quer plotar e clique em OK.
Chart of STATUS
5000
4000
3000
Count
2000
1000
0
BOM MAU OUTROS
STATUS
c) Faça o gráfico de barras da porcentagem da variável “STATUS”.
Para fazer este gráfico, na janela de seleção de variáveis, devemos clicar em Bar Chart Options e selecionar
para mostrar Y como porcentagem.
O novo gráfico será:
Chart of STATUS
50
40
Percent
30
20
10
0
BOM MAU OUTROS
STATUS
Percent is calculated within all data.
Observe que os dados agora são mostrados como percentual no eixo Y e não mais como contagem.
Escola EDTI 39
d) Faça o gráfico de setores da variável “STATUS”.
Para fazer o gráfico de setores, vá em: Graph -> Pie Chart.
Selecione então a variável que deseja e trace o gráfico.

O gráfico gerado foi:
Pie Chart of STATUS

Category
BOM
MAU
OUTROS
Escola EDTI 41
Exercício 8
Considere os dados sobre defeitos obtidos em inspeção na saída da produção no arquivo de worksheet “8
defeito embalagem”.
a) Faça o gráfico de Pareto dos tipos de defeitos.
Solução
a) Faça o gráfico de Pareto dos tipos de defeitos.
Para fazer o gráfico de Pareto nós devemos ir em: Stat -> Quality Tools -> Pareto Chart.
Em seguida, precisamos informar ao Minitab onde estão as frequências dos erros. No nosso caso elas estão
na coluna “Frequencia”. Os títulos estão em “Tipo de defeito”.
Então clique em OK:
Pareto Chart of Tipo de defeito

140 100
120
80
100
Frequencia
Percent
80 60
60
40
40
20
20
0 0
Tipo de defeito l er
po nd
o ra da da
to te rra sa th
fu la o as O
em m m b
am
l ag la
ge ge sã
o a
se se ela es ix
o s pr ca
nã nã
o o im
nã
Frequencia 55 38 22 8 7 6
Percent 40,4 27,9 16,2 5,9 5,1 4,4
Cum % 40,4 68,4 84,6 90,4 95,6 100,0
É possível concluir que 3 tipos de defeito são responsáveis por mais de 80% dos nossos problemas. Agora
conseguimos focar melhor nossos esforços para diminuir a quantidade de defeitos em nossas embalagens.
Escola EDTI 43
Exercício 9
O Departamento de Contabilidade instituiu recentemente melhoria de processo e tem estudado as causas de

atrasos, trabalhos refeitos e excesso de horas extras. Dados preliminares indicam que um grande número de
faturas tem que ser processadas manualmente (chamadas telefônicas extras, documentos reencaminhados
e outros tipos de trabalho refeito) devido a erros ou informações incompletas nas ordens de compra. O
Diretor do Departamento de Contabilidade pediu ao Gerente do Departamento de Compras que investigasse
esse problema.
O Gerente de Compras decidiu selecionar uma amostra de 60 ordens por semana durante as últimas 20
semanas e enviar para revisão. As ordens com um ou mais erros foram identificadas. Os dados obtidos de
erros por semana estão no worksheet “9 Ativ_Processamento de Ordens de Compra_a”.
Para orientar as ações para reduzir a porcentagem de ordens com erros, as ordens foram analisadas e os tipos
de erros foram anotados. Os dados obtidos estão no worksheet “9 Ativ_Processamento de Ordens de
Compra_b”.
a) Qual o objetivo do esforço de melhoria descrito?
b) Qual o respectivo indicador?
c) Utilizando os dados worksheet “9 Ativ_Processamento de Ordens de Compra_a”, construa um

gráfico de tendência. O processo está estável?
d) Utilizando os dados do worksheet “9 Ativ_Processamento de Ordens de Compra_b”, faça uma

análise e indique qual o foco para reduzir o percentual de ordens com erros.
Solução
a) Qual o objetivo do esforço de melhoria descrito?
Reduzir a porcentagem de ordens com erros.
b) Qual o respectivo indicador?
Porcentagem de ordens com erros
c) Utilizando os dados worksheet “9 Ativ_Processamento de Ordens de Compra_a”, construa um

gráfico de tendência. O processo está estável?
Conforme feito nos exercícios anteriores, monte um gráfico de séries temporais(Graph>Time series Plot)
Time Series Plot of N ordens com erros
7
N ordens com erros
2 4 6 8 10 12 14 16 18 20
Index
O gráfico do número de ordens com erro por semana não mostra nenhum ponto muito afastado dos demais,
considerando que o processo está estável.
d) Utilizando os dados do worksheet “9 Ativ_Processamento de Ordens de Compra_b”, faça uma

análise e indique qual o foco para reduzir o percentual de ordens com erros.
Para fazer o gráfico de Pareto nós devemos ir em: Stat -> Quality Tools -> Pareto Chart.
Escola EDTI 45
Pareto Chart of tipo de erro

90 100
80
70 80
60
Percent
60
Count
50
40
40
30
20 20
10
0 0
tipo de erro o te o e o o s r
reç re g em li d ad ad d em ad t ro t he
f i á i d h r rr u
ap de or in
v nt fe
c o e o O
lt de ua de ço
fa os o oc q oc
o re
rm nt # na # er de
te po a úm en
tl a ç n
fa lta re
n
m
fa i fe se
d
Count 31 20 11 8 7 3 3 2 2 3
Percent 34,4 22,2 12,2 8,9 7,8 3,3 3,3 2,2 2,2 3,3
Cum % 34,4 56,7 68,9 77,8 85,6 88,9 92,2 94,4 96,7 100,0
A partir do gráfico de Pareto podemos observar que a “falta de preço”, “falta de termos de frete”, “falta de
ponto de origem” e “#oc inválido” são os principais problemas, somando juntos cerca de 80% dos erros
encontrados nas ordens de serviço.
Exercício 10: atividade transportadora
Leia o PDSA abaixo e responda as questões do PLAN utilizando os dados que estão no arquivo “10
Ativ_transportadora”
Projeto: Transportadora PDSA #: 1 Data: 4/11/2006
Objetivo: avaliar o efeito de mudanças no serviço de entregas
PLAN
Questões Predições
1. A companhia A instituiu um sistema do 1. Houve uma melhora significativa

reconhecimento no 13º mês. Como esse programa
2. Houve uma melhora significativa
impactou o indicador “entregas no prazo”?
3. De acordo com a equipe de A, uma melhoria de 25%

2. A companhia B redesenhou o processo para criar e
atribuir rotas da entrega. A mudança foi executada no 4. De acordo com a equipe de B, uma melhoria de 15%.
8º mês. Como essas mudanças impactaram o indicador (de 27% para 10%)
“entregas no prazo”?
3. Quanto de “melhoria” foi obtido pela transportadora

A?
4. Quanto de “melhoria” foi obtido pela transportadora

B?
Plano de coleta de dados
Serão coletados dados sobre número de entregas realizadas e número de entregas atrasadas. Para algumas das
entregas, um horário específico de entrega era solicitado. Para outras entregas, a solicitação era que fosse
entregue de manhã ou à tarde. Uma definição operacional para “entrega no prazo” foi desenvolvida que considera
cada uma destas exigências do cliente. Os dados foram capturados eletronicamente baseados nesta definição e
estão na tabela abaixo.
Escola EDTI 47
Plano de análise dos dados
Serão construídos gráficos de tendência da porcentagem de entregas atrasadas para as duas empresas.
DO
Algo saiu errado? Ocorreu algo que não fazia parte do plano?
Não houve problema para coletar os dados.
STUDY
Complete a análise dos dados. Foi possível responder as questões formuladas? Resuma o conhecimento obtido
nesse ciclo. Inclua a comparação com o que foi previsto
a) A transportadora A melhorou seu processo da entrega? A predição estava correta?
Solução: Houve um impacto um aumento na porcentagem de atrasos e deve ser coletado mais pontos para
verificar se ele se mantém. A predição não estava correta
b) A transportadora B melhorou seu processo da entrega? A predição estava correta?
Solução: Sim, houve uma diminuição na % de atrasos. A predição estava correta.
c) A companhia A instituiu um sistema do reconhecimento no 13º mês. A mudança foi melhoria?
Solução: Não a mudança não foi uma melhoria.
d) A companhia B redesenhou o processo de entrega no 8º mês. A mudança foi uma melhoria?
Solução: Sim, houve um impacto importante e duradouro.
e) Qual o desempenho esperado com respeito a entregas no prazo para as duas transportadoras?
Solução: Depois da mudança espera-se que a transportadora A tenha 27% de entregas atrasadas e para a
transportadora B espera-se 10% de entregas atrasadas.
ACT
Que decisões (ações) serão tomadas com o que foi aprendido?
Solução: Manter a mudança para a transportadora B e coletar mais informações para a transportadora A.
Qual será o objetivo do próximo ciclo PDSA?
Solução: Testar outra mudança para a transportadora A.
Gráficos utilizados para as conclusões.
Selecione Graph -> Time Series Plot e selecione With Groups. Coloque em Series “% atrasos A” e em
Categorical variables for grouping “faseA”, conforme a figura:
Escola EDTI 49
Clique em OK e o resultado será o gráfico:
Time Series Plot of % atrasos A

50 faseA
1
2
40
30
% atrasos A
20
10
2 4 6 8 10 12 14 16 18
mes
Faça o mesmo procedimento para a transportadora B
Time Series Plot of % atrasos B

40 faseB
1
2
35
30
% atrasos B
25
20
15
10
5
2 4 6 8 10 12 14 16 18
mes
Podemos observar a média para as duas transportadoras antes e depois da mudança, vá em Stat>Basic
Statistics>Display Descriptive Statistics...
Em Variables coloque “% atrasos “ e em By variables coloque faseA:
Em Statististics selecione apenas Mean como resultado no “pergaminho”(Session) será dado:

Escola EDTI 51
Repita o procedimento para a transportadora B

Exercício 11: tempo para implementar um novo cliente
Uma empresa de logística precisa “implementar” um cliente antes que começar a operar para o cliente
(transportar cargas). Para diversas implementações que foram feitas no passado foram coletados dados
sobre o tempo para implementar (como medir o tempo para implementar (Definição Operacional)?). Os
clientes do processo desejam que a implementação demore menos do que 70 horas. Os dados foram
estratificados por segmento de clientes. Os dados estão ordenados pela data do início da implementação e
estão disponíveis no arquivo “11 Ativ_tempo para implementar.mtw”
Ordem Tempo Segmento Ordem Tempo Segmento
(horas) (horas)
1 129 A 16 43 A
2 113 A 17 17 C
3 100 B 18 58 B
4 180 A 19 124 A
5 11 B 20 98 A
6 114 A 21 63 B
7 142 A 22 62 A
8 251 A 23 118 A
9 28 C 24 51 A
10 19 B 25 139 A
11 34 B 26 84 A
12 7 C 27 52 B
13 59 A 28 37 A
14 50 B 29 61 B
15 43 C 30 41 C
a) Qual é a distribuição do “tempo para implementar” um novo cliente? A distribuição depende

(difere) do segmento?
b) O processo está estável? Está estável em cada segmento?
c) Qual é o tempo médio de implementação (geral e por segmento)?
d) Qual é o desvio padrão do tempo de implementação (geral e por segmento)?
e) Qual é o percentual de implementações que está “fora de especificação” (geral e por segmento)?
Escola EDTI 53
Solução
a) Qual é a distribuição do “tempo para implementar” um novo cliente? A distribuição depende

(difere) do segmento?
A distribuição pode ser observada no histograma abaixo:
Histogram of tempo
12
10
8
Frequency
0
0 40 80 120 160 200 240
tempo
A distribuição por seguimento pode ser vista no gráfico abaixo, em que observa-se que a distribuição difere
por seguimento.
Histogram of tempo
segm en to
6 A
B
C
5
4
Frequency
0
0 40 80 120 160 200 240
tempo
b) O processo está estável? Está estável em cada segmento?
Com os gráficos abaixo podemos observar que considerando todo o processo e também por seguimento
podemos observar pontos extremos que se afastam dos demais. Com os gráficos de controle estudados no
próximo capítulo, podemos ter conclusões para precisas.
Time Series Plot of tempo
250
200
150
tempo
100
50
0
3 6 9 12 15 18 21 24 27 30
Index
Time Series Plot of tempo

segmento
250 A
B
C
200
150
tempo
100
50
0
3 6 9 12 15 18 21 24 27 30
Index
Escola EDTI 55
c) Qual é o tempo médio de implementação (geral e por segmento)?
d) Qual é o desvio padrão do tempo de implementação (geral e por segmento)?
e) Qual é o percentual de implementações que está “fora de especificação” (geral e por segmento)?
Para calcular o percentual dentro e fora é necessário criar uma forma lógica no Calc -> Calculator
Para calcular o percentual dentro e fora para cada setor, vá em Stat->Tables->Cross Tabulation and Chi-
Square... E configure os “segmentos” em Rows e a “Especificação” em Columns e selecione Counts e Row
percents :
Escola EDTI 57
Gráfico de Controle
Exercício 1
O absenteísmo em uma empresa com 90 funcionários foi medido por 20 dias e estão no worksheet “12
GC_ausencia”. Construa um gráfico de controle adequado para o percentual de ausências.
Solução
Para construir o gráfico de controle precisamos entender primeiro qual é o tipo de variável de interesse. Com
isso saberemos qual é o tipo de gráfico de controle mais adequado. No caso, o absenteísmo é uma variável
classificatória. O gráfico mais adequado para esta variável é o gráfico P.
Para traça-lo, vá em: Stat -> Control Charts -> Attributes Charts -> P.
Em seguida, selecione na janela que se abrir a coluna da variável “ausência”. No tamanho do subgrupo
selecione a coluna referente à variável “N_func”.
Clicando em OK, o seguinte gráfico será gerado:
P Chart of ausencias
UCL=0,2089
0,20
0,15
Proportion
_
P=0,11
0,10
0,05
LCL=0,0111
0,00
1 3 5 7 9 11 13 15 17 19
dia
Escola EDTI 59
Exercício 2
O número de acidentes por mês foi registrado durante dois anos e os dados estão no worksheet “13
GC_Acidentes”. Construa um gráfico de controle adequado para o indicador de número de acidentes por
mês.
Solução
Para construir o gráfico mais adequado, precisamos primeiro saber qual o tipo de variável. Neste exercício,
temos o número de acidentes, que é uma variável de contagem. O gráfico mais adequado para este tipo de
variável é o gráfico U. Para traça-lo, vá em: Stat -> Control Charts -> Attributes Charts -> U.
Na janela que se abrir, selecione a coluna “acidentes” como variável do gráfico e defina o subgrupo como
sendo igual a 1. O gráfico gerado será:
U Chart of N_Acidentes
25
1
Sample Count Per Unit 20
1
15
UCL=13,63
10
_
U=6,17
5
0 LCL=0
89 98
9
98
9 89 89 89 90 99
0
99
0
99
0
99
0 90
19 /1 /1 19 19 19 19 /1 /1 /1 /1 19
n/ ar ai ju
l/ t/ v/ n/ ar ai ul et v/
ja m m se n o j a
m m j s no
mes
Este gráfico nos mostra duas regiões bem distintas. Para traçar um gráfico mais adequado, pode-se dividi-lo
em dois estágios. Além disso, pode-se adequar a escala do mesmo, para saber onde é o ponto que divide
estes estágios. Para adequar a escala, clique em Scale na janela de seleção de variáveis. Na Janela que se
abrir, clique em Stamp, e selecione a variável “mês”. Clicando então em OK para a janela de escala.
Para ajustar os estágios, primeiramente crie uma coluna denominada “estágio” e numere cada observação
como sendo do estágio 1 ou do estágio 2.
Escola EDTI 61
Em seguida, vá novamente no botão do gráfico U e, na tela de seleção de variáveis, clique em U Chart Options.
Vá para a aba Stages, e selecione a coluna “estágio” para definir a troca de estágios.
Para que cada o gráfico mostre a média e os limites de controle do processo em cada estágio, clique em U
Chart Options, vá na aba Display e selecione Display control limit/center line labels for all stages.
O seguinte gráfico será gerado:
U Chart of N_Acidentes by estágios

1 2
25
1
20
Sample Count Per Unit
UCL=16,49
15
_
10 U=8
UCL=7,72
_
5 U=2,75
0
LCL=0 LCL=0
89 98
9
98
9 89 98
9 89 90 99
0
99
0 90 90 90
19 /1 /1 19 /1 19 19 /1 /1 19 19 19
n/ ar ai ju
l/ t v/ n/ ar ai ju
l/ t/ v/
ja m m se no ja m m se no
mes
Escola EDTI 63
Exercício 3
O valor (em milhares de reais) foi medido por dois anos e meio. Os dados estão no arquivo “14
INVENTARIO_DEP17”. Construa um gráfico de controle adequado para o indicador de inventário.
Solução
As variáveis para este exemplo são variáveis contínuas. Como o tamanho do subgrupo é 1, devemos fazer
então um gráfico de individuais. Para isso vá em: Stat -> Control Charts -> Variables Charts for Individuals -
> I-MR.
Em seguida, ajuste a escala para “mês” e selecione “inventário” nas variáveis para plotar.
O gráfico gerado é:
I-MR Chart of inventario

UCL=32,89
30
Individual Value
25 _
X=20,39
20
15
10
LCL=7,89
jan/2003 abr/2003 jul/2003 out/2003 jan/2004 abr/2004 jul/2004 out/2004 jan/2005 abr/2005 jul/2005
mes
16 UCL=15,36
12
Moving Range
8
__
MR=4,7
4
0
LCL=0
jan/2003 abr/2003 jul/2003 out/2003 jan/2004 abr/2004 jul/2004 out/2004 jan/2005 abr/2005 jul/2005
mes
Escola EDTI 65
Exercício 4
O tempo de operação de três máquinas idênticas num processo produtivo foi medido durante 20 semanas.
Os dados estão no arquivo “15 tempo de operação”. Construa um gráfico de controle adequado para o tempo
de operação.
Solução
Para este exercício nós temos variáveis contínuas, porém o tamanho de subgrupo é 3. O gráfico de mais
adequado para este exercício é o gráfico X/barra-S ou X/barra-R. Para traça-lo, vá em: Stat -> Control Charts
-> Control Charts for Subgroups -> Xbar-S.
Em seguida, a janela de seleção de variáveis irá se abrir. Ajuste a escala (clicando no botão Scale e
selecionando Stamp -> semanas) e selecione “tempo” como variável. Selecione que todas as observações
estão em uma mesma coluna e defina o tamanho do subgrupo como 3.
Em seguida, clique em OK e o Minitab volta o seguinte gráfico:
Xbar-S Chart of tempo

1
52
UCL=51,18
Sample Mean
48
__
X=45,8
44
40 LCL=40,42
1 3 5 7 9 11 13 15 17 19
semana
8
UCL=7,07
Sample StDev
4
_
S=2,75
2
0 LCL=0
1 3 5 7 9 11 13 15 17 19
semana
Escola EDTI 67
Exercício 5
Os dados de entregas atrasadas foram monitorados durante 8 meses antes e 10 meses depois de que uma
mudança para diminuir o atraso foi implementada. Os dados estão no arquivo “16 entregas atrasadas”.
a) Construa um gráfico de controle para o percentual de entregas atrasadas.
b) Existe evidência de melhoria?
c) Construa um novo gráfico de controle para o percentual de entregas atrasadas, agora separando
as fases antes e depois da mudança.
Solução
Neste caso queremos monitorar entregas atrasadas, que é uma variável de classificação, já que temos que
classificar entregas em “atrasadas” ou “não atrasadas”. Para esta variável, devemos usar um gráfico P. Para
traça-lo, vá em: Stat -> Control Charts -> Attributes Charts -> P.
Em seguida, defina a escala (em Scale) e após selecione “n_atrasadas” como a variável a ser plotada e
“n_entregas” como tamanho do subgrupo:
Para separar os estágios no gráfico em “antes” e “depois” da mudança, clique em P Chart Options, na aba
Stages e selecione “fase”. Em seguida, clique em Display e selecione Display control limit/center line labels
for all stages.
P Chart of n_atrasadas by fase

antes depois
UCL=0,3995
0,4
0,3 _
P=0,2696
Proportion
0,2 UCL=0,1910
_
LCL=0,1397 P=0,1010
0,1
0,0 LCL=0,0111
1 3 5 7 9 11 13 15 17
mes
Tests performed with unequal sample sizes
Escola EDTI 69
Exercício 6
Leia o contexto do exercício na apostila e utilize os dados do arquivo “17 Acidentes_transportadoras.mtw”

para responder às seguintes perguntas:
a) Os acidentes vêm de um processo estável?
b) Dado o sistema atual, as empresas são capazes de não ter mais do que dois acidentes por milhão
de quilômetros?
O padrão de segurança para o registro de acidentes no setor de transporte é de não mais do que 2 acidentes
por milhão de quilômetros. O Departamento de Transporte dos Estados Unidos coletou dados de acidentes
das 14 maiores empresas para o último ano a fim de avaliar seus desempenhos em segurança. Os dados são
apresentados no arquivo. Prepare um gráfico de controle apropriado e responda às perguntas acima.
Solução
a) Neste caso queremos monitorar o número de acidentes por milhões de quilômetros rodados, ou seja,
uma variável de contagem. Para esta variável, devemos usar um gráfico U. Para traça-lo, vá em: Stat
-> Control Charts -> Attributes Charts -> U.
Em seguida, selecione a variável “Acidentes” e defina como tamanho do subgrupo “km_rodados”:

Depois de escolhido o gráfico e colocado as variáveis, clique em Scale e selecione “Empresa”:
O gráfico gerado é o gráfico abaixo e mostra que o processo está estável:
U Chart of Acidentes
UCL=3,555
3
_
2 U=1,957
LCL=0,359
A B C D E F G H I J K L M N
Empresa
Tests are performed with unequal sample sizes.
b) Em média as empresas têm 2 acidentes por quilômetros rodados, porém eles não conseguem garantir
que não ocorram mais que 2, pois os limites superiores observados são maiores que 3.
Escola EDTI 71
Exercício 7
A Empresa de Transportes On-Time queria saber que tipo de prazos eles poderiam garantir a seus clientes
que têm rotas de Houston a Chicago. Eles decidiram coletar alguns dados sobre o tempo que seus motoristas
levavam na viagem de Houston para Chicago. Eles têm três motoristas que se revezam na viagem. Os dados
coletados estão no arquivo “18 Avaliação de Tempos de Entrega.mtw”. Prepare gráficos de controle
apropriados para esses dados e responda às seguintes perguntas:
a) O processo está em controle estatístico?
b) Caso contrário, quais são as possíveis explicações para causas especiais?
c) Liste algumas das causas especiais que afetariam o gráfico X-barra e liste as causas especiais que
seriam vistas por meio do gráfico R.
d) Que tempo deveria ser garantido para essa viagem?
Solução
a) O processo está em controle estatístico?
Para verificar se o processo está estável é necessário fazer um gráfico de controle. Como indicador temos o
tempo de viagem de 3 motoristas medidos em 20 semanas. Os gráficos de controle adequado para esta
análise é o X barra R ou S, dado que o tamanho do subgrupo é fixo.
Para esse gráfico, vá em Stat -> Control Charts -> Variables Charts for Subgroups -> Xbar-S:
Como nossas variáveis estão divididas em três colunas, ao configurar o gráfico selecione a opção
“Observations for a subgroup are in one row of columns” e em seguida selecione as colunas dos três
motoristas (A, B e C):
Como resposta temos o gráfico abaixo e como temos causas especiais podemos concluir que o processo não
está sob controle:
Xbar-S Chart of A; ...; C

1
52
UCL=51,18
Sample Mean
48
__
X=45,8
44
40 LCL=40,42
1 3 5 7 9 11 13 15 17 19
Sample
8
UCL=7,07
6
Sample StDev
4
_
S=2,75
2
0 LCL=0
1 3 5 7 9 11 13 15 17 19
Sample
Escola EDTI 73
b) Caso contrário, quais são as possíveis explicações para causas especiais?
Como causa especial temos o tempo médio observado na semana 13, em que ocorreu um tempo médio fora
do limite de controle. Como esta causa só foi observada no gráfico X-Barra, gráfico de médias, o que ocorreu
afetou todos os motoristas e não apenas um deles, caso contrário, observaríamos uma causa especial
também no gráfico S. Na semana 15, temos um desvio padrão fora do limite de controle, porém como na
semana 15 não observamos uma causa especial no gráfico acima (X barra), podemos concluir que apenas um
dos motoristas teve um tempo de entrega muito elevado.
c) Liste algumas das causas especiais que afetariam o gráfico X-barra e liste as causas especiais que
seriam vistas por meio do gráfico R.
No gráfico X-barra todos os motoristas atrasaram, pode ter havido problemas na estrada,
congestionamento, etc. No gráfico R apenas um motorista teve problema, por exemplo teve que trocar o
pneu.
d) Que tempo deveria ser garantido para essa viagem?
Como o processo não está sob controle estatístico não é possível garantir nenhum tempo para esta
viagem, após o processo estabilizar será possível garantir o tempo máximo e mínimo.
Capabilidade
Exercício 1
Os dados do arquivo ”wire.mtw” contém medidas de força de ruptura registrados em libras por polegadas
para 25 amostras, cada uma com tamanho de subgrupo diferente, de um processo de fabricação de fibras
metálicas.
Supondo que a força mínima que essas fibras devem ter é 56 libras por polegada, qual a Capabilidade desse
processo?
Solução
Precisamos traçar um gráfico de controle para saber se o processo está estável. Para isso vá em: Stat ->
Control Charts -> Control Charts for Subgroups -> Xbar-S. Nele plote os dados:
O gráfico gerado mostra que há estabilidade no processo.

Escola EDTI 75
Xbar-S Chart of Breakstrength

64
UCL=62,858
62
Sample Mean
__
60 X=59,977
58
LCL=57,095
56
1 3 5 7 9 11 13 15 17 19 21 23 25
Sample
4,8
UCL=4,218
3,6
Sample StDev
2,4 _
S=2,019
1,2
0,0 LCL=0
1 3 5 7 9 11 13 15 17 19 21 23 25
Sample
Tests performed with unequal sample sizes
Continuando a análise, vá em Stat -> Quality Tools -> Capability Analysis -> Normal.
Em seguida, selecione a variável “Breakstrengh” como sendo a de interesse e coloque os limites de

especificação. Note que o tamanho de subgrupo não é 1. Ele está definido pela coluna “Sample”, então
indique isso no Minitab. Como é desejado de nosso processo uma análise Quanto Maior Melhor(QMM), deve-
se estabelecer o limite inferior de especificação como o limite de força mínimo, estabelecido de 56, em Lower
spec:
A análise gerada será a seguinte:
Process Capability Report for Breakstrength
LSL
Process Data Overall
LSL 56 Within
Target *
USL * Overall Capability
Sample Mean 59,9766 Pp *
Sample N 124 PPL 0,63
StDev(Overall) 2,10095 PPU *
StDev(Within) 2,17479 Ppk 0,63
Cpm *
Potential (Within) Capability
Cp *
CPL 0,61
CPU *
Cpk 0,61
54 56 58 60 62 64 66
Performance
Observed Expected Overall Expected Within
PPM < LSL 24193,55 29194,45 33736,95
PPM > USL * * *
PPM Total 24193,55 29194,45 33736,95
Observe que apenas o valor do Cpk é mostrado, pois não é possível calcular a capabilidade teórica de
processos do tipo QMM. A capabilidade é de 0,61(Cpk) e o processo tem PPM de 33.737.
Escola EDTI 77
Transformação de variáveis
Um centro de atendimento ao consumidor mediu o tempo para responder e fechar uma reclamação de um
cliente. Os dados dos últimos 100 clientes atendidos estão no arquivo de dados “20 Decisao.mtw”.
Analise os dados originais. Caso a distribuição normal não seja adequada, transforme os dados usando o
Método Box-Cox.
Solução
Para fazer a análise dos dados, devemos ir em: Graph -> Probability Plot.
Em seguida, selecionamos a opção “Single”
Na janela que se abrir, precisamos selecionar como variável, a opção “tempo”, que é a que nós queremos
analisar.
Probability Plot of Tempo

Normal - 95% CI
99,9
Mean 12,31
StDev 9,656
99 N 100
AD 5,738
95 P-Value <0,005
90
80
70
Percent
60
50
40
30
20
10
5
0,1
-30 -20 -10 0 10 20 30 40 50 60
Tempo
Ele nos mostra que os dados não estão conforme a distribuição normal, logo precisamos adequá-la, usando
a transformação de Box-Cox.
Para usar a transformação de Box-Cox, devemos ir em: Stat -> Control Charts -> Box-Cox Transformation.
Escola EDTI 79
Na janela que se abriu, devemos então selecionar a opção “Tempo”, que queremos transformar. Colocamos
também o subgrupo como sendo de tamanho 1.
O gráfico gerado será o seguinte:
Box-Cox Plot of Tempo

Lower CL Upper CL
180 λ
(using 95,0% confidence)
160
Estimate -0,19
140 Lower CL -0,50

Upper CL 0,08
120 Rounded Value 0,00
100
StDev
80
60
40
20
Limit
0
-5 -4 -3 -2 -1 0 1 2
λ
Para prosseguir com a transformação, devemos ver o “rounded value” do lambda, que usaremos para fazer a
transformação dos dados. Para este caso, o valor é 0, o que significa que a transformação dos nossos dados
deve ser feita pela função logarítmica. Para fazer esta conversão, devemos ir em: Calc -> Calculator.
Em seguida, escolhemos uma coluna para guardar os dados e digitamos a fórmula para transformar os dados.
Conforme clicamos em ok, os dados serão gerados e guardados na coluna C5. Em seguida, repetimos o
procedimento do “Probability Plot” para checar a normalidade dos dados. O gráfico gerado é o seguinte:
Probability Plot of C5
Normal - 95% CI
99,9
Mean 0,9855
StDev 0,2973
99 N 100
AD 0,432
95 P-Value 0,299
90
80
70
Percent
60
50
40
30
20
10
5
0,1
0,0 0,5 1,0 1,5 2,0
C5
Escola EDTI 81
Como vemos, os novos dados são normais. Agora conseguimos analisar os dados
Revisão Measure
Exercício 1
Os dados no arquivo “engines.mpj” contém o peso de 25 motores de jato.
a) Qual gráfico de controle é adequado para verificar a estabilidade desse processo?
Variável contínua (peso do motor) com tamanho de subgrupo 1: Gráfico de individuais.
b) Quais suposições precisamos verificar para utilizar esse gráfico de controle?
Variável: é necessário verificar se os dados seguem uma distribuição normal
c) A distribuição dos dados é normal?
O Gráfico para verificar normalidade é o gráfico Probability Plot. Vá em Graphs -> Problability Plot.
Probability Plot of Weight

Normal - 95% CI
99
Mean 1254
StDev 9,242
95 N 25
AD 0,281
90 P-Value 0,612
80
70
Percent
60
50
40
30
20
10
5
1
1220 1230 1240 1250 1260 1270 1280 1290
Weight
Podemos observar pelo gráfico que os dados têm uma distribuição normal (o P-valor é maior que 0,05).
d) O processo está estável?
Para fazer o gráfico de controle e verificar a distribuição adequada vamos em: Stat -> Control Charts - >
Variables Charts for Individuals -> Individuals
Escola EDTI 83
I Chart of Weight
1280 UCL=1278,96
1270
Individual Value
1260
_
X=1253,92
1250
1240
1230
LCL=1228,88
1 3 5 7 9 11 13 15 17 19 21 23 25
Observation
Podemos verificar que o processo é estável com média 1253,92 e variação entre 1279 (LSC) e 1229 (LIC)
Exercício 2
Uma empresa inspeciona rolos de tecido para descobrir possíveis defeitos. Os rolos têm um metro de largura
e 30 metros de comprimento. Os dados no conjunto “fabric3.mpj” contém o número de defeitos encontrados
para cada 20 rolos de tecido.
Variável de atributo de contagem (defeitos) com tamanho de subgrupo podendo ser 1 (rolo) ou 30 (metros
quadrados): Gráfico U
b) Qual a distribuição dos dados acima citados?
Variável de contagem segue uma Distribuição de Poisson
c) Qual o tamanho do subgrupo?
Tamanho do subgrupo igual a 1 caso a taxa desejada seja “defeitos por rolo” ou 30 caso a taxa seja “defeitos
por metro quadrado” (cada rolo tem 30 metros quadrados).
d) Qual o DPU?
156 defeitos 156 defeitos

𝐷𝑃𝑈 = = 7,8 ou 𝐷𝑃𝑈 = = 0,26
20 rolo 600 m
O valor deve ser igual a média do gráfico de controle.

Escola EDTI 85
Exercício 3
Os dados do arquivo “wire.mpj” contém medidas de força de ruptura registrados em libras por polegadas
para 25 amostras de um processo de fabricação de fibras metálicas.
Variável contínua (força de ruptura) com tamanho de subgrupo variável: Gráfico X-Barra S
b) É preciso verificar a normalidade dos dados para construir esse gráfico? Por que?
Não, pois pelo teorema central do limite, a média segue para uma distribuição normal.
c) Qual o tamanho do subgrupo nesse caso?
O subgrupo é variável
Exercício 4
Os dados do arquivo “tratamento_térmico.mpj” se referem a resistência de molas depois de um tratamento

térmico. Essas molas são utilizadas por montadoras de veículos em seus sistemas de amortecimento.
Variável contínua (resistência da mola) com tamanho de subgrupo 3 (cada amostra tem 3 peças): Gráfico
Xbarra - S.
Para montar o gráfico de controle com as amostras espalhadas em colunas (como está no arquivo do Minitab)
é necessário alterar a configuração do gráfico. Vá em Stat -> Control Charts -> Variable Charts for Subgroup
-> Xbar-S e configure conforme indicado abaixo:
Escola EDTI 87
Xbar-S Chart of Peça 1; ...; Peça 3

1 1 1
1
44,0
1 1
1
UCL=43,651
Sample Mean
43,5
__
X=43,170
43,0
LCL=42,690
42,5 1 1 1
1 1 1
1 5 9 13 17 21 25 29 33 37 41 45
Sample
UCL=0,6318
0,60
0,45
Sample StDev
0,30 _
S=0,2460
0,15
0,00 LCL=0
1 5 9 13 17 21 25 29 33 37 41 45
Sample
Não. O processo apresenta alta variação entre as amostras (causas especiais estão no gráfico de médias) e
todas as causas especiais são do tipo “fora dos limites de controle”.
c) Os limites de especificação são 41.7 e 44.7. Qual a Capabilidade?
Assim como no gráfico de controle, há algumas configurações diferentes para gerar o estudo de capabilidade:
A capabilidade do processo (Cpk) é 1,86. Como Cpk é maior que 1 o processo é capaz de entregar dentro das
especificações, mas o problema da instabilidade deve ser resolvido
d) Qual a razão da diferença entre o Cpk e o Ppk?
O Ppk (indicador de performance) analisa os dados ignorando os subgrupos (como se todos fossem dados
individuais). Portanto indica que há maior variação nas peças individualmente do que nas amostras.
Escola EDTI 89
Exercício 5
Os dados do arquivo “fabric2.mpj” apresentam dados sobre o monitoramento de um processo de fabricação

de tecidos onde monitora-se os defeitos encontrados em cada amostra de tecido. O comprimento de cada
rolo de tecido varia e é especificado em na coluna squaremeters.
Variável de atributo de contagem (defeitos) com tamanho de subgrupo sendo a área de tecido produzida
(coluna squaremeters): Gráfico U
b) O processo esta estável?
Para verificar se o processo está estável precisamos fazer o gráfico de controle U, com o tamanho do
subgrupo variando de acordo com o comprimento. Porém, como já vimos antes de fazer o gráfico U,
podemos verificar se ele é adequado para os dados através do Diagnóstico. Vá em Stat -> Control Charts ->
Atribute Charts -> U Chart Diagnostic
U Chart Diagnostic for Defects

Poisson Probability Plot
Ratio of observed variation to expected variation = 170,1%

95% Upper Limit for ratio if process mean is constant = 154,4%
Using a U chart may result in an elevated false alarm rate. Consider using a Laney U′ chart instead.
The upper limit depends on the number of subgroups and the process mean.
O gráfico acima nos mostra que a distribuição de Poisson não tem um bom ajuste para os dados. Por isso
considere utilizar o gráfico Laney U. Para isso vá em Stat -> Control Charts -> Atribute Charts -> Laney U’
Escola EDTI 91
Laney U′ Chart of Defects

Sigma Z = 1,36881
0,8
0,7 UCL=0,6795
0,6
0,5
0,4
_
0,3 U=0,2880
0,2
0,1
0,0 LCL=0
1 3 5 7 9 11 13 15 17 19 21 23 25
Sample
Tests are performed with unequal sample sizes.
O processo está estável.
Observação: Se seus dados apresentam sobredispersão (maior variação que a representada pelo modelo) ou
subdispersão (menor variação que a representada pelo modelo), uma carta de atributos de Laney (uma Carta
P de Laney ou uma Carta U de Laney) pode distinguir entre a variação de causa comum e a variação de causa
especial com mais exatidão do que uma carta de atributos tradicional (por exemplo, uma Carta P ou
uma Carta U).
c) Qual o DPU?
O DPU é 0,288 - linha central do gráfico do gráfico de controle.

Exercício 6
Com o interesse de monitorar o tempo de espera para ser atendido em um call center o gerente de operações
sorteia uma ligação ao acaso e anota esse tempo. Sabemos que pela legislação o tempo de espera não pode
ser maior do que 10 minutos. Os dados estão no arquivo “tempo_atendimento.mpj”.
O gráfico adequado é o Gráfico de Individuais. Porém é necessário verificar a normalidade.
b) É preciso transformar a variável para utilizar esse gráfico de controle? Qual transformação é
adequada?
Precisamos verificar a normalidade dos dados. Vamos em Graphs - > Probability Plot
Probability Plot of tempo

Normal - 95% CI
99,9
Mean 2,044
StDev 2,155
99 N 100
AD 4,443
95 P-Value <0,005
90
80
70
Percent
60
50
40
30
20
10
5
0,1
-5 0 5 10 15
tempo
Verificamos que os dados não são normais (p-valor menor que 0,05). Para isso precisamos verificar qual a
melhor transformação. Vá em Stat -> Control Charts -> Box–Cox Transformation
Escola EDTI 93
Box-Cox Plot of tempo

Lower CL Upper CL
12 λ
(using 95,0% confidence)
Estimate 0,30
10
Lower CL 0,14
Upper CL 0,46
Rounded Value 0,30
8
StDev
2
Limit
0
-1 0 1 2 3
λ
A melhor transformação é elevar os dados à 0,30. Para isso vamos em Calc -> Calculator e:
Após transformação precisamos verificar novamente se a variável transformada segue uma distribuição
normal em Graphs - > Probability Plot
Probability Plot of C2
Normal - 95% CI
99,9
Mean 1,102
StDev 0,3854
99 N 100
AD 0,505
95 P-Value 0,198
90
80
70
Percent
60
50
40
30
20
10
5
0,1
0,0 0,5 1,0 1,5 2,0 2,5
C2
Os dados transformados seguem uma distribuição normal.
c) O processo está estável?
Agora podemos observar que os dados seguem uma distribuição Normal, podemos fazer agora o gráfico de
controle. Vá em Stat - > Control Charts -> Variables Charts for Inidividuals -> Individuals. O gráfico pode
ser feito com a variável transformada ou com a variável normal e aplicar a transformação direto para gerar os
gráficos:
Escola EDTI 95
I Chart of tempo
Using Box-Cox Transformation With λ = 0,30
2,5
UCL=2,263
2,0
Individual Value
1,5
_
X=1,103
1,0
0,5
0,0 LCL=-0,056
1 11 21 31 41 51 61 71 81 91
Observation
O gráfico gerado já é com a transformação. Com isso podemos observar que o processo está estável.
d) Qual a Capabilidade desse processo?
É dito no enunciado que o máximo estipulado pelo cliente é de 10 minutos. Vá em Stat - > Quality Tools ->
Capability Analysis -> Normal.
Precisamos aplicar a transformação também no cálculo da capabilidade.

Clicando em OK e em OK, temos:
Process Capability Report for tempo

Using Box-Cox Transformation With λ = 0,3
USL*
Process Data transformed data Overall
LSL * Within
Target *
USL 10 Overall Capability
Sample Mean 2,04427 Pp *
Sample N 100 PPL *
StDev(Overall) 2,15515 PPU 0,77
StDev(Within) 1,73976 Ppk 0,77
Cpm *
After Transformation
Potential (Within) Capability
LSL* *
Target* * Cp *
USL* 2,00715 CPL *
Sample Mean* 1,10349 CPU 0,78
StDev(Overall)* 0,388871 Cpk 0,78
StDev(Within)* 0,386474
0,4 0,8 1,2 1,6 2,0

Performance
Observed Expected Overall* Expected Within*
PPM < LSL * * *
PPM > USL 10000,00 10068,06 9687,94
PPM Total 10000,00 10068,06 9687,94
* Calculated with LSL*, USL*
A capabilidade do processo (Cpk) é 0,78. Portanto, como é menor que 1, o processo não é capaz de entregar
dentro das especificações do cliente, com PPM de 9687,94.
Escola EDTI 97
Exercício 7
Uma empresa de eletrônicos fabrica circuitos em lotes de 500 e gostaria de utilizar um gráfico de controle
para monitorar o processo. Trinta lotes são examinados, e as falhas em cada lote são contadas. Os dados
encontram-se no arquivo “circuits.mpj”.
Variável de atributo de classificação (cada peça no lote era “contada” como sendo defeituosa ou não): a
variável é o número de peças com defeito (Fail) e o subgrupo é 500 (número de peças em cada um dos lotes):
Gráfico P ou Laney P’, dependendo do resultado do diagnóstico
b) Qual o tamanho do subgrupo?
O tamanho do subgrupo é de 500 (circuitos no lote).
c) O processo está estável?
Primeiramente é necessário fazer um diagnóstico para verificar se o gráfico P pode ser utilizado. Vá em:
P Chart Diagnostic for Fail

Binomial Probability Plot
Ratio of observed variation to expected variation = 140,9%

95% Upper Limit for ratio if process P is constant = 149,3%
Using a P chart should not result in an elevated false alarm rate.
The upper limit depends on the number of subgroups, the average subgroup size, and the overall process P.
Podemos observar que o gráfico P pode ser utilizado sem elevar os resultados. Construindo um gráfico P
temos:
Escola EDTI 99
P Chart of Fail
0,04
UCL=0,03800
0,03
Proportion
_
0,02 P=0,01947
0,01
LCL=0,00093
0,00
1 4 7 10 13 16 19 22 25 28
Sample
O processo é estável. A média do gráfico P já nos mostra o percentual de circuitos produzidos com defeito:
1,947% (ou seja, PPM de 19.470).
d) Qual o PPM?
O PPM é dado por 0,01947 x 1.000.000 = 19.470

MSA
Exercício 1
Os dados do arquivo “28 R&R_mola.mtw” são provenientes de um estudo para avaliar um instrumento de
medição para medir o comprimento de elásticos. Nesse estudo foram utilizados 10 elásticos e 2 operadores,
sendo que cada operador mediu cada elástico duas vezes. Verifique se esse instrumento de medição é
adequado em relação a sua precisão.
Solução
Para fazer a análise do sistema de medição vá em Stat->Quality Tools->Gage Study->GageR&R Study

(Crossed):
Lembre-se que o estudo é cruzado pelo fato de cada operador medir as mesmas peças.
Observação: Use Estudo de medição R&R aninhado para avaliar a variação no seu sistema de medição quando
nenhum operador puder medir todas as peças (ex: estudos destrutivos, onde a peça não tem como ser
avaliada novamente).
Escola EDTI 101
1 - Componentes de variação – Colunas azuis indicam variância e colunas avermelhadas indicam desvio
padrão (variação do estudo). Pode-se observar que as colunas “Gage R&R”, “Repe” e “Repro” são
significativas quando comparadas a coluna “Part-to-Part”, que indica a variação do processo
2 – Gráfico de controle da amplitude (diferença) entre as medidas feitas por cada um dos operadores é estável
(não houveram causas especiais durante as medições)
3 – Gráfico comparando a média das medições por operador com a variação das medições
4 – Gráfico de medida por peça – os pontos cinzas indicam as 4 medições feitas (2 por operador) e o ponto
médio representa a média das medições.
5 – Boxplot comparando as medições por operador
6 – Gráfico de tendência da média das medições por operador
Podemos ver que o sistema de medição gera muita variação (gráfico 1) e que o operador 2 faz suas medições
geralmente acima das medições do operador 1.
Na “aba session” do Minitab temos o relatório com valores para análise:
O sistema de medição distingue apenas 2 categorias, logo é um sistema ruim, cuja variação R&R representa
cerca de 50% da variação dos dados, tornando o sistema muito impreciso.
Analisando as fontes de variação, é possível ver que a principal componente da variação responsável por isso
é a Reprodutibilidade (diferença entre pessoas diferentes realizando o mesmo procedimento). Portanto a
diferença observada entre as medições dos operadores é a responsável por tanta variação.
Sugere-se verificar o método de medição sendo utilizado pelos operadores para entender o motivo dessas
diferenças.
Escola EDTI 103
Exercício 2
Os dados do arquivo “MSA viés linearidade.mtw“ são provenientes de um estudo para avaliar a linearidade
e o viés de um instrumento de medição. Foram selecionadas peças com comprimento 4, 6, 8 e 10 e cada uma
dessas 4 peças foi medida 12 vezes. Avalie o viés e a linearidade desse instrumento de medição.
Solução
Para fazer a análise do viés do sistema de medição, vá em:

Gage Linearity and Bias Report for medida

Reported by:
Gage name: Tolerance:
Date of study: Misc:
Gage Linearity
Predictor Coef SE Coef P
Regression Constant 0,73667 0,07252 0,000
95% CI Slope -0,13167 0,01093 0,000
1,0 Data
Avg Bias
S 0,239540 R-Sq 71,4%
0,5 Gage Bias

Reference Bias P
Average -0,05333 0,04
2 0,491667 0,000
4 0,125000 0,293
6 0,025000 0,688
Bias
8 -0,291667 0,000
0,0 0
10 -0,616667 0,000
-0,5
-1,0
2 4 6 8 10
Reference Value
O sistema apresenta viés (medição desviada do que seria esperado) significativo.
As únicas medidas de peças que não apresentam viés significativo são para peças de tamanho 4 e 6, pois o
teste de hipótese (p-valor) é maior que 0,1; logo podemos considerar que essas peças são medidas conforme
o esperado.
Para peças de tamanho 2 temos um viés significativo de 0,49 (sou seja, quando medimos uma peça de
tamanho 2, o valor obtido não é 2, mas sim em torno de 2,49). O teste de hipótese indica que esse viés é
significativo para a medida (p-valor menor que 0,01).
Para peças de tamanho 8 temos um viés significativo de -0,29 (sou seja, quando medimos uma peça de
Para peças de tamanho 10 temos um viés significativo de -0,61 (sou seja, quando medimos uma peça de
Escola EDTI 105
Exercício 3
Dois médicos avaliam três radiografias de um paciente e classificam o paciente como doente (D) ou são (S).
No total foram avaliadas 20 radiografias e os dados se encontram no arquivo atributo_R&RMedico.mtw.
Verifique a qualidade desse sistema de medição.
Solução
Vá em Stat -> Quality Tools -> Attribute Agreement Analysis

Date of study:
Assessment Agreement Reported by:
Name of product:
Misc:
Within Appraisers Appraiser vs Standard

100 95,0% CI 100 95,0% CI
Percent Percent
90 90
80 80
Percent
Percent
70 70
60 60
50 50
40 40
1 2 1 2
Appraiser Appraiser
O gráfico da esquerda nos mostra a Repê de cada um dos medicos:
- O medico 1 mostrou 95% de repetibilidade (confira na apostila teória se esse valor é aceitável!).
- O medico 2 mostrou 85% de repetibilidade
O gráfico da direita nos mostra a efetividade de cada medico:
- O medico 1 mostrou 90% de efetividade (confira na apostila teória se esse valor é aceitável!)
- O medico 2 mostrou 65% de efetividade

Escola EDTI 107
Análise AV/ NAV

Imagine que você trabalha no setor de transportes de uma grande empresa. Você listou os passos mais
comuns do processo que seus clientes (os funcionários da empresa) têm de fazer para obter um carro para
viajar a trabalho. Descreva esse processo em um fluxograma de oportunidades do ponto de vista do cliente
(funcionário da empresa que necessita do carro).
Dicas:
1 ) Leia todos os passos; 2) Classifique cada passo como AV (VA) ou NVA (CA); 3) Lembre-se que não há uma
classificação certa ou perfeita, chegue com seu grupo a um resultado satisfatório.
Passos para se obter o carro:
1. Cliente liga p/ Transportes para verificar a disponibilidade de carro da empresa na data
2.
a. Se sim, cliente pede para reservar carro da frota, informando a data de uso e prontuário
b. Se não, cliente pede para alugar um carro, informando a data de uso e prontuário
3. Cliente preenche solicitação em papel (tanto faz, para carro da frota ou alugado)
4. Cliente passa solicitação para superior carimbar e assinar
5. Cliente espera retorno da solicitação carimbada e assinada
6. Cliente envia solicitação para transportes
7. Cliente liga para transportes para informar que foi enviada a solicitação
8. Transportes espera chegada da solicitação
9. Transportes providencia o carro (da empresa ou alugado) p/ a data de uso
10. Cliente liga para Transportes na véspera para ver se “está tudo ok”
11. Cliente passa no transportes para pegar a chave e ticket combustível
12. Cliente pega o carro

Solução
Conforme dito no enunciado, não há apenas uma maneira de avaliar. Uma solução seria elaborar um
diagrama ECRS e realizar as mudanças de acordo. Segue exemplo:
Com essa análise, encontramos apenas 3 atividades que são consideradas como “Agrega valor para o cliente”
com possibilidades para reduzir drasticamente a quantidade de etapas no processo, tornando-o mais ágil e
eficiente.
Escola EDTI 109
Balanceamento de Linha
1. Sabendo que o tempo Takt é 39 segundos, desenho o gráfico de tempo das atividades
2. Com base no gráfico proponha uma reorganização das atividades de modo a reduzir os desperdícios
3. Desenho o gráfico de tempo com a nova organização
Solução
Vá em Graph > Bar Chart, em seguida escolha a opção Values from a table e selecione o gráfico Stack em
One Column of Values:
Preencha da seguinte forma:
Como resultado você terá o gráfico:
Chart of Tempo
25 Atividade
embalar
teste final
aplicar o selante final
20 descarregar/ carregar carga da máquina
instalar a tampa de cobertura
instalar o retentor do capacitor
aplicar epoxi
instalar o controle do capacitor
15 aplicar resina epoxi
Tempo
instalar o anel com o clip

instalar suporte
inserção da graxa
colocar ímãs
10 colocar cola
anel de vedação
bucha de montagem
suporte de corte
5
0
Operador 1 2 3 4 5 6 7 8 9 0
or or or or or or or or or r1
r ad rad rad rad rad rad rad rad rad ado
e e pe pe pe pe pe pe pe er
op op o o o o o o o op
Este gráfico possui os tempos de cada operação realizada por cada operador, porém não mostra o tempo
Takt, que é de 39. Basta adicionar uma linha de referência clicando com o botão direito em cima do gráfico
no Minitab:
Escola EDTI 111
Adicionando a linha de referência em Y=39 teremos:
Chart of Tempo
40 Atividade
39 embalar
teste final
descarregar/ carregar carga da máquina
30 instalar o retentor do capacitor
aplicar epoxi
aplicar resina epoxi
Tempo

instalar suporte
20 inserção da graxa
colocar ímãs
colocar cola
anel de vedação
bucha de montagem
10 suporte de corte
0
Operador r 1 r 2 r3 r4 r 5 r6 r7 r 8 r9 10
ado ado ado ado ado ado ado ado ado dor
er er er er er er er er er ra
op op op op op op op op op ope
O desperdício de superprodução fica evidente com este gráfico acima. Temos mais pessoas do que
necessário, produzindo em um ritmo muito mais rápido e gerando muito estoque.
O tempo de ciclo (maior tempo de operação dentre todos os operadores) neste exercício é 22, o maior tempo
observado nesta linha. Como o tempo Takt é de 39, é necessário aumentar o tempo de ciclo. Para fazer isto
podemos diminuir o número de operadores, por exemplo o operador 1, poderá fazer, além das atividade 1,2
e 3, a atividade 4 demorando um tempo de 31 segundos para estes atividades não ultrapassando o tempo
Takt. Fazendo este ajuste para todas as atividades teremos uma nova tabela dada por:
Operador Atividade # Atividade Tempo

1 suporte de corte 3 operador 1
operador 1 2 bucha de montagem 12 operador 1
3 anel de vedação 7 operador 1
4 colocar cola 9 operador 1
operador 2
5 colocar ímãs 6 operador 1
operador 3 6 inserção da graxa 13 operador 2
7 instalar suporte 8 operador 2
operador 4
8 instalar o anel com o clip 8 operador 2
operador 5 9 aplicar resina epoxi 14 operador 3
10 instalar o controle do capacitor 8 operador 3
operador 6 11 aplicar epoxi 6 operador 3
12 instalar o retentor do capacitor 8 operador 3
13 instalar a tampa de cobertura 7 operador 4
operador 7
14 descarregar/ carregar carga da máquina 3 operador 4
operador 8 15 aplicar o selante final 15 operador 4
operador 9 16 teste final 18 operador 5
operador 10 17 embalar 12 operador 5
Podemos observar que o número de operadores foi reduzido de 10 para 5 e refazendo o gráfico teremos:
Chart of Tempo
40 Atividade
39 embalar
teste final
descarregar/ carregar carga da máquina
30 instalar o retentor do capacitor
aplicar epoxi
aplicar resina epoxi
Tempo

instalar suporte
20 inserção da graxa
colocar ímãs
colocar cola
anel de vedação
bucha de montagem
suporte de corte
10
0
operador 1 2 3 4 5
or o r r r r
ad ad do do do
r
er ra ra ra
pe e e e
o op o p op op
Esta situação está muito mais próxima do tempo Takt e as atividades muito mais balanceadas. Uma próxima
tentativa de melhoria poderia ser quebrar as atividades do operador 4 em menores atividades e distribui-las
entre outros operadores, pois os operadores 2 e 5 ainda tem espaço para trabalharem, porém para isto o
processo deve ser entendido com mais detalhes.
Escola EDTI 113
Correlação
Exercício 1
Considere os dados sobre os tempos de download de três provedores no arquivo “20 provedor_estrat”.
Qual provedor é mais rápido?
Solução
Para responder esta questão precisamos de uma maneira de comparar os dados, respeitando a variação nos
tempos dos provedores. A ferramenta mais adequada para esta comparação é o gráfico DotPlot. Para traça-
lo, vá em: Graph -> Dotplot.
Selecione a opção With Groups:

Em seguida, a janela de variáveis irá se abrir. Defina o “tempo” como variável e “provedor” como variável
categórica:
Clique em OK e então o DotPlot será gerado:
Dotplot of tempo
Provedor
C
18 20 22 24 26 28 30
tempo
Com esse gráfico, podemos ver que o provedor A é o mais rápido.

Escola EDTI 115
Exercício 2
Pediu-se a um grupo de gerenciamento de projeto que estudasse e melhorasse o sistema de entrega de

projetos.
Leia a descrição do exercício na apostila e encontre focos de mudança por meio de gráficos de dispersão. Os
dados estão no arquivo “21 Ativ_gerenc_projetos.mtw”.
Pediu-se a um grupo de gerenciamento de projeto que estudasse e melhorasse o sistema de entrega de

projetos. Depois de analisar os resultados de entrevistas, a equipe decidiu coletar as seguintes medidas dos
últimos 25 projetos: Verba original, Verba final, Custo total, Dias de atraso, Número de mudanças no projeto
e Índice de Satisfação (pontuação variando de 1 (não satisfeito) até 5 (muito satisfeito)).
Faça Gráficos de Dispersão para pares de variáveis e calcule a correlação entre elas. Comente os resultados
obtidos.
Solução
Como se tratam todos os dados de variáveis contínuas, vamos avaliar as correlações com gráficos de
dispersão. Para plotá-los, vá em Graph -> Scatterplot.
Selecione então a opção Simple e, em seguida, defina “satisfação” como variável resposta e todos os demais
itens como variáveis de entrada, conforme a figura abaixo:
Clicando em Ok, o Minitab gerará os 6 gráficos abaixo:

Escola EDTI 117
Scatterplot of satisfação vs custo total Scatterplot of satisfação vs verba original
4 4
s a t is fa ç ã o
s a t is fa ç ã o
3 3
2 2
500 750 1000 1250 1500 500 750 1000 1250 1500
custo total verba original
Scatterplot of satisfação vs CT-VF Scatterplot of satisfação vs verba final
4 4
s a t i s fa çã o
s a t i s fa çã o
3 3
2 2
-100 0 100 200 500 750 1000 1250 1500
CT-VF verba final
Scatterplot of satisfação vs dias_atraso_adiant Scatterplot of satisfação vs N_mudanças
4 4
s a t i s fa çã o
s a t i s fa çã o
3 3
2 2
-20 -10 0 10 20 5 10 15 20 25
dias_atraso_adiant N_mudanças
Analisando os gráficos gerados, podemos ver que apenas o número de dias atrasados tem uma correlação
com o índice de satisfação. Há uma relação negativa entre dias de atraso e meu índice de satisfação dos
cliente (quanto mais dias de atraso, maior a insatisfação do cliente em geral).
Portanto, evitar que os projetos sejam entregues com atraso pode ajudar a aumentar significativamente a
satisfação do cliente.
Exercício 3
Gorjeta em restaurante pode ser influenciada por muitos fatores incluindo o tipo de restaurante, tamanho,
localização da mesa, etc. Em um restaurante os garçons registraram os seguintes dados de todos os clientes
que atenderam num intervalo de dois meses e meio.
TOT_CONTA Total da conta
GORGETA Total da gorjeia
SEXO Sexo da pessoa que pagou a conta (0=masc, 1=fem)
FUMANTE Fumou no restaurante (0=não, 1=sim)
DIA 3=Quinta, 4=Sexta, 5=sábado, 6=domingo
PERIODO 0=dia, 1=noite
TAMANHO Número de pessoas na mesa
Os dados são provenientes de um estudo observacional. Não houve tentativa de alterar procedimentos
normais de atendimento que pudessem influenciar no quanto o cliente dava de gorjeta. Não se deve realizar
inferências a partir do estudo dos dados. A ênfase deve ser em explorar os dados e formular hipóteses a serem
verificadas em um estudo experimental a ser realizado no futuro. Explore os dados usando técnicas básicas
de descrição de dados e relações entre variáveis.
Os dados estão no arquivo “22 Ativ_Gorjeta.mtw”.
Solução
Vamos avaliar cada uma das possíveis correlações entre as variáveis e o total da gorjeta.
Primeiramente vamos analisar o total da conta versus o total da gorjeta. Aqui temos duas variáveis contínuas,
portanto temos que fazer um Gráfico de Dispersão para analisa-las. Para isso vá em Graph -> Scatterplot e
selecione a opção Simple e insira os dados:
Escola EDTI 119
Clique em OK e o Minitab irá gerar o gráfico:
Scatterplot of GORJETA vs TOT_CONTA

10
8
GORJETA
0
0 10 20 30 40 50
TOT_CONTA
Nele, podemos notar que há uma correlação positiva entre o total da conta e o valor da gorjeta.
Para correlacionar “sexo” (variável classificatória) com “total da gorjeta” (variável contínua), monte um Dot
Plot. Vá em Graph -> Dotplot, selecione a opção With Groups e insira os dados da seguinte maneira:
O gráfico a seguir será gerado:
Dotplot of GORJETA
SEXO
1
1,2 2,4 3,6 4,8 6,0 7,2 8,4 9,6
GORJETA
Each symbol represents up to 2 observations.
Observa-se que não há uma correlação forte entre essas variáveis.
O Dotplot também deve ser utilizado para avaliar a correlação de “Fumante”, “Dia”, “Período” e “Tamanho
da mesa” (todas variáveis classificatórias) com o “total da gorjeta” (variável numérica). Os gráficos que devem
ser gerados serão os seguintes:
Escola EDTI 121
Dotplot of GORJETA
3
4
DIA
6
1,2 2,4 3,6 4,8 6,0 7,2 8,4 9,6
GORJETA
Dotplot of GORJETA
FUMANTE
1
1,2 2,4 3,6 4,8 6,0 7,2 8,4 9,6
GORJETA
Dotplot of GORJETA
PERIODO
1
1,2 2,4 3,6 4,8 6,0 7,2 8,4 9,6
GORJETA
Dotplot of GORJETA
1
TAMANHO
2
3
4
5
6
1,2 2,4 3,6 4,8 6,0 7,2 8,4 9,6
GORJETA
Podemos ver que nenhuma dessas variáveis possui correlação com o valor da gorjeta.
Exercício 4
Objetivo: esta atividade tem o objetivo de ilustrar o uso de tabelas de contingência (tabelas cruzadas).
Fatos Importantes: o arquivo “23 Ativ_evento historico.mtw” contém dados sobre um evento histórico. A
população em risco totalizava 2201 pessoas. Esta população estava subdividida por classe social (I – alta, II –
média, III – baixa, e Outros), idade (criança ou adulto), sexo (masculino ou feminino) e sobrevivência
(sobreviveu ou não sobreviveu). Não é possível explicitar detalhes sobre a categoria “outros” da classe social,
pois forneceria a resposta do desafio. Use os dados do arquivo para construir tabelas.
Instruções: Examine os dados cuidadosamente. Procure por características interessantes. Para ajudar a
construir uma fotografia mais completa de cada variável explanatória (classe social, idade e sexo) e suas
relações com a variável resposta (sobrevivência), complete as questões abaixo. Após analisar os dados e
responder as questões abaixo, dê seu melhor palpite quanto a que evento histórico esse conjunto se refere.
a) Calcule o percentual geral de mortes.
b) Construa uma tabela de contingência entre Sobrevivência (Y) e sexo (X). Existe relação entre essas
duas variáveis?
c) Construa uma tabela de contingência entre Sobrevivência (Y) e classe social (X). Existe relação
entre essas duas variáveis?
d) Construa uma tabela de contingência entre Sobrevivência (Y) e idade (X). Existe relação entre
essas duas variáveis?
e) Para o sexo masculino e feminino, construa uma tabela de contingência entre Sobrevivência (Y)
e idade (X). Existe relação entre essas duas variáveis?
f) A que “evento raro” histórico este conjunto de dados se refere? Justifique sua resposta.
Solução
a) Calcule o percentual geral de mortes.
Para calcular o percentual de mortes, devemos fazer uma tabela. Para isso, vá em Stat-> Tables ->
Descriptive Statistics.
Escola EDTI 123
Neste primeiro momento deseja-se apenas obter a taxa de sobrevivência em porcentagem. Para isso,
selecione “sobrevivência” nas linhas e, em Categorical Variables assinale a opção de Total percents
(percentual total).
Clique em OK e o Minitab gerará uma tabela, acessível pelo “pergaminho”(Session Folder), destacado na
figura abaixo.
b) Construa uma tabela de contingência entre “sobrevivência” (Y) e “sexo” (X). Existe relação entre essas
duas variáveis?
Para criar esta visualização, vá em: Stat -> Tables -> Cross tabulation and Chi-Square...
Em seguida, insira os dados, dessa vez colocando a variável “sobrevivência” nas colunas e “sexo” nas linhas
da tabela, e selecione novamente porcentual (Row Percent).
Escola EDTI 125
Clicando em OK, a seguinte tabela será gerada na aba Session Folder:
c) Construa uma tabela de contingência entre Sobrevivência (Y) e classe social (X). Existe relação entre
essas duas variáveis?
A tabela é construída pelo mesmo procedimento, lembrando que sobrevivência fica na coluna. Os itens d) e
e) seguem o mesmo procedimento, apenas no item e) atente para colocar as variáveis “sexo” e ”idade” nas
linhas da tabela, conforme a figura abaixo.
Analisando as tabelas, vimos que:
- Há relação entre sobrevivência e sexo – O percentual de sobrevivência é maior para mulheres
- Há relação entre sobrevivência e idade - O percentual de sobrevivência é maior para crianças
- Há relação entre sobrevivência e classe social - O percentual de sobrevivência é maior para classes sociais
mais altas e menor para a classe “outros”
O evento histórico apresentado foi a tragédia do Titanic, onde foi dada preferência para mulheres e crianças
nos botes de salva vidas. As classes sociais mais altas ficavam próximas às saídas, enquanto classes baixas e
os funcionários do navio (que representam a classe “outros”) ficavam nos pisos inferiores, diminuindo o
percentual de sobreviventes dessas classes.
Escola EDTI 127
Experimento completamente aleatorizado

Uma empresa estava desenvolvendo um novo produto com sabor de frutas cítricas. O departamento de
vendas desenvolveu um estudo para verificar o efeito da cor do produto na preferência do consumidor.
Quatro cores estavam sob consideração: branca, laranja, rosa e verde limão. Vinte pontos de venda similares
em termos de potencial de venda foram selecionados. Cada cor foi alocada de forma aleatória a cinco pontos
de venda. Outras características do produto foram mantidas constantes, bem como o preço e a estratégia de
venda.
A resposta medida foi o número de itens vendidos por 1000 pessoas durante o período de teste. Os dados
obtidos estão no arquivo 05_doe_frutas cítricas.mtw. Compare e verifique se existem diferenças significavas
nas médias de vendas.
Solução
O primeiro passo é
Preenchemos conforme a figura abaixo:
E clicamos na opção Graphs, selecionando “Four in one” – Quatro em um:
Ao clicar em OK, teremos um gráfico para análise de resíduos e um relatório na aba session do Minitab.
Primeiramente, precisamos analisar os resíduos
Escola EDTI 129
Gráficos de Resíduo de preferencia

Gráfico de probabilidade normal Versus Ajustados
99
2
90
1
Percentual
Resíduos
50 0
-1
10
-2
1
-4 -2 0 2 4 27 28 29 30 31
Resíduos Valor ajustado
Histograma Versus Ordem

4 2
3 1
Frequência
Resíduos
0
2
-1
1
-2
0
-2 -1 0 1 2 2 4 6 8 10 12 14 16 18 20
Resíduos Ordem de Observação
- Gráfico de distribuição de probabilidade: Verifique se os pontos estão próximos da reta indicada. Como não
se espalham demais, os resíduos seguem uma distribuição normal
- Histograma: O histograma é razoavelmente simétrico, com maior frequência no centro (resíduo zero) e com
amplitude de variação entre +2 e -2
- Gráfico de versus ajustado: Aqui comparamos o resíduo de cada medida para cada cor (veja que há 4 “retas”
com pontos). Não há grandes diferenças de variação entre os pontos.
- Gráfico versus ordem: gráfico de tendência com todos os pontos analisados. Não aparenta nenhuma causa
especial
Está tudo certo com nosso resíduo. Agora vamos analisar o relatório na aba session:
O p-valor na análise de variância nos indica que há diferenças entre as cores (ou seja, há uma relação entre a
preferência dos clientes com a cor do produto). O teste feito é:
- H0 > as cores são iguais – rejeitada pois p-valor menor que 0,1
- H1 > As cores são diferentes – aceita pois p-valor menor que 0,01
Ao analisar o modelo gerado (também chamado de equação de regressão) temos que a cor que mais
influencia a preferência dos clientes positivamente é a cor verde.
Outra ferramenta para ajudar a análise está em Stat>>ANOVA>> One-way (um fator):
Escola EDTI 131
Interval Plot of preferencia vs cor

95% CI for the Mean
33
32
31
30
preferencia
29
28
27
26
25
24
branca laranja rosa verde
cor
The pooled standard deviation was used to calculate the intervals.
No gráfico acima estamos comparando as médias (pontos centrais) e margens de erro (fixas acima e abaixo
dos pontos) entre as cores.
Conseguimos ver que a cor verde tem a maior média e sua margem de erro “cruza” apenas com a margem de
erro da cor laranja. Ou seja, a cor verde com certeza é melhor que as cores branca e rosa (as duas cores com
as médias mais baixas), mas as cores laranja e verde devem ser consideradas estatisticamente semelhantes.
Se desejamos aumentar nosso indicador de preferência, sugere-se a utilização da cor verde ou cor laranja,
com mais evidências de que a cor verde trará melhor resultado.
Experimento aleatorizado em blocos

Considere o seguinte exemplo descrito no livro do BH&H (os dados estão no arquivo
06_doe_BHH_PENICILINA.mtw).
1. Um processo de produção de penicilina estava sendo investigado e o rendimento do processo era a

variável resposta
2. Quatro métodos de produção foram comparados
3. Uma das matérias primas do processo de produção apresentava muita variação de lote para lote
4. Cada lote era suficiente para produzir quatro bateladas
5. Foram utilizados cinco lotes de matéria prima no experimento
Análise o experimento e verifique se existe evidência de diferenças no rendimento médio entre os métodos
de produção.
O Primeiro passo é Stat>>ANOVA>>General Linear Model>>Fit General Linear Model
Preenchemos conforme a figura abaixo:

Escola EDTI 133
E clicamos na opção Graphs, selecionando Four in one

Residual Plots for rendimento

Normal Probability Plot Versus Fits
99
5,0
90
2,5
Residual
Percent
50 0,0
10 -2,5
-5,0
1
-10 -5 0 5 10 80 84 88 92 96
Residual Fitted Value
Histogram Versus Order

4,8
5,0
3,6
Frequency
2,5
Residual
2,4 0,0
1,2 -2,5
-5,0
0,0
-4 -2 0 2 4 6 2 4 6 8 10 12 14 16 18 20
Residual Observation Order
Ao que tudo indica, os resíduos estão OK. Agora na aba session vamos analisar o teste:
Estamos analisando dois fatores: tratamento aplicado e bloco. Os p-valores foram:
- P valor = 0,339 para tratamento. Ou seja, aceitamos a hipótese de que os tratamentos são iguais. Portanto
não há diferença significativa entre os tratamentos
- P valor = 0,041. Aqui estamos na região de incerteza do p-valor (ele está entre 0,1 e 0,01), portando o teste
é inconclusivo com relação aos blocos. Devemos realizar novos testes para ter certeza sobre o que fazer com
esse fator
Escola EDTI 135
Experimento Fatorial Completo

Exercício 1
Um experimento foi realizado para avaliar o efeito de Temperatura (T), Concentração e Catalisador no
rendimento de uma reação química. Foram utilizados dois níveis de cada fator:
a) A - Temperatura: 160ºC, 180ºC
b) B - Concentração: 20%, 40%
c) C - Catalisador: A, B.
Foi realizado um experimento fatorial completo, perfazendo um total de 8 rodadas experimentais. Os dados
estão no arquivo “24 doe_BHH_fat2^3_rend.mtw”. Analise-os e encontre a melhor receita.
Solução
Neste experimento já temos os dados ordenados. Portanto, o primeiro passo da análise é descobrir quais
efeitos são vitais. Para isso, vá em Stat->DOE->Factorial->Analyse Factorial Design...
Depois especifique a variável resposta “Rend” e em Graphs selecione para plotar o gráfico de Pareto, conforme figura
abaixo:
Em seguida, clique em Options e troque o Confidence level for all intervals para 1, conforme figura abaixo:
Clique em OK e você terá o gráfico abaixo:
Pareto Chart of the Effects

(response is Rend; α = 0,99)
Term 0,04
Factor Name
A A Temp
B Conc
C Catal
AC
BC
AB
ABC
0 5 10 15 20 25
Effect
Lenth’s PSE = 2,625
Escola EDTI 137
Pelo gráfico pode-se concluir que os efeitos vitais são os fatores A, AC e B. Como a interação entre A e C
está entre os fatores vitais, analisaremos apenas os fatores AC e B. Iremos analisar então o efeito do fator B.
Para isso, vá em Stat->DOE->Factorial->Factorial Plots...
Selecione primeiro o fator B (“Conc”), conforme figura abaixo
O gráfico a seguir é gerado

Main Effects Plot for Rend

Fitted Means
66
65
Mean of Rend
64
63
62
61
20 40
Conc
Onde concluímos que a concentração de 20% é melhor, pois aumenta o rendimento.
Em seguida, para anisarmos a interação entre A(“Temp”) e C(“Catal”), vá novamente em Stat->DOE-

>Factorial->Factorial Plots..., selecione os fatores e em Graphs, deixe selecionado apenas o Interaction Plot,
como mostra a figura:
O gráfico a seguir é gerado:

Escola EDTI 139
Interaction Plot for Rend

Fitted Means
Temp * Catal Catal
80 A
B
Mean of Rend 75
70
65
60
55
50
160 180
Temp
A partir da análise da interação dos fatores, conclui-se que a combinação dos fatores Temperatura a 180ºC
utilizando o Catalisador B é a que nos dá o melhor rendimento da reação.
Logo, a melhor “receita” para melhorar o rendimento da reação é Temperatura de 180ºC, Concentração
de 20% e Catalisador B.
Exercício 2
Nossa empresa utiliza clips de metal de dois tamanhos: pequeno e grande. Os funcionários estão reclamando
da qualidade dos clips que tem sido comprado – eles têm pouca durabilidade. O setor de compras foi acionado
para fazer algo para minimizar as reclamações. O processo de compras é o seguinte:
1- Compras necessita fazer um pedido;
2- Compras envia o pedido para diversos fornecedores cadastrados;
3- Compras recebe propostas;
4- Compras escolhe a proposta com menor custo;
5- Compras efetua a compra;
6- Compras recebe o pedido;
7 - Compras disponibiliza o produto no almoxarifado.
A equipe responsável pela melhoria levanta as seguintes informações junto ao setor de compras:
 Existem dois fornecedores cadastrados: ABC e CdM;
 A empresa utiliza dois tamanhos: P e G.
A equipe entra em contato com os fornecedores e expõe a reclamação quanto à qualidade do clips fornecido.
Os fornecedores informam que desenvolveram um novo processo para melhorar a qualidade dos clips que
consiste na aplicação de um tratamento térmico.
A equipe resolveu realizar um experimento fatorial 2 com os seguintes fatores e níveis:
Fator: Níveis
Fornecedor: ABC, CdM
Tamanho: P, G
Tratamento térmico: Sim, Não
Decidiu-se replicar o experimento, totalizando 16 corridas experimentais.
Variável resposta: número de dobras até quebrar.
Os dados estão no arquivo “25 doe_clip”. Analise-os.

Escola EDTI 141
Solução
Neste experimento, novamente, já temos os dados coletados. Portanto, o primeiro passo da análise é
descobrir quais efeitos são vitais em Stat->DOE->Factorial->Analyse Factorial Design...
Como resposta selecionaremos “Durabilidade” e em Graphs selecione para plotar o gráfico de Pareto e
gráfico Half-Normal, conforme figura abaixo:
Em seguida, clique em Options e troque o Confidence level for all intervals para 1, conforme figura abaixo:
Clique em OK e você terá os gráficos abaixo:
Half Normal Plot of the Standardized Effects

(response is Durabilidade; α = 0,99)
Effect Type
98 Significant
Factor Name
95 A A
B B
C C C
90
Percent
85
80
AB
70
ABC
60
50 AC
40 BC
30
B
20
10 A
0
0 1 2 3 4
Absolute Standardized Effect
Pareto Chart of the Standardized Effects

(response is Durabilidade; α = 0,99)
Term 0,013
Factor Name
C A A
B B
C C
AB
ABC
AC
BC
0 1 2 3 4
Standardized Effect
Nos gráficos acima observe que os fatores vitais são os que mais se distanciam da reta em vermelho, ou seja
a interação AB e o fator C. Isso também é mostrado no gráfico de pareto.
Agora vá em Stat->DOE->Factorial->Factorial Plot..., e configure, separadamente, para plotar o gráfico de

efeitos cruzados entre A(“Fornecedor”) e B(“Tamanho”) e o gráfico de efeito do fator C(“Tratamento”). Você
deve obter gráficos como os a seguir:
Escola EDTI 143
Interaction Plot for Durabilidade

Fitted Means
A*B B
20 P
G
19
Mean of Durabilidade
18
17
16
15
14
13
ABC CdM
A
Main Effects Plot for Durabilidade

Fitted Means
20
19
18
Mean of Durabilidade
17
16
15
14
13
12
11
N S
C
Dos gráficos observa-se que os fatores que aumentam a durabilidade são o fornecedor ABC se a empresa
comprar clips grandes, porém para comprar clips pequenos o fornecedor CdM apresenta maior durabilidade.
Independente do fornecedor e do tamanho do Clips, aplicar o tratamento térmico aumenta a durabilidade.
Exercício 3
Um experimento foi realizado para estudar o efeito de quatro fatores no rendimento de uma reação química.
A variável resposta foi a porcentagem de conversão.
Fatores Nível - Nível +
carga catalisador (lb) 10 15
temperatura (C0) 220 240
pressão (psi) 50 80
concentração (%) 10 12
Os dados do experimento estão no arquivo “9 doe_rend_%conv.mtw”. Analise-os.
Solução
Fazendo o gráfico Half Normal Plot podemos observar que os efeitos de A, AC, D e C são vitais. Então
analisaremos o efeito da interação AC e do efeito principal D.
Half Normal Plot of the Effects

(response is %Conv; α = 0,99)
Effect Type
98 Not Significant
Significant
A Factor Name
95
A Temp
B Pressao
90 D C Conc
D Carga_Catal
85
Percent
C
80
AC
70 AB
AD
60 ABC
50 ABD
BD
40 ACD
30 BCD
ABCD
20 B
10 BC
0
0 5 10 15 20 25
Absolute Effect
Escola EDTI 145
Agora vá em Stat->DOE->Factorial->Factorial Plot..., e configure, separadamente, para plotar o gráfico

de efeitos cruzados entre A(“Temp”) e C(“Conc”) e o gráfico de efeito do fator D(“Carga_Catal”). Você deve
obter gráficos como os a seguir:
Interaction Plot for %Conv

Fitted Means
Temp * Conc Conc
85 10
12
80
Mean of %Conv
75
70
65
60
55
220 240
Temp
Main Effects Plot for %Conv

Fitted Means
77
76
75
74
Mean of %Conv
73
72
71
70
69
68
10 15
Carga_Catal
Podemos observar nos gráficos acima que os fatores que aumentam o %(percentual) de rendimento da
reação química são:
 Concentração = 10
 Temperatura = 240
 Carga do Catalisador = 10
Exercício 4
Objetivo: Verificar se a mudança da resina provoca algum efeito na dureza da tinta (resposta), mesmo sob
diferentes condições dos fatores temperatura de processo, relação poliéster/resina e o tipo de poliéster. O
objetivo é trocar de resina caso não se verifique tais efeitos.
Fatores Nível - Nível +
tipo de resina atual alternativa
temperatura do processo 130 160
relação poli/resina baixa alta
tipo de poliéster tipo I tipo II
Os dados estão no arquivo “27 doe_contratipo2.mtw”. Podemos trocar o fornecedor de resina?
Solução
O primeiro passo da análise é descobrir quais efeitos são vitais e verificar se o tipo de resina influencia
significativamente a dureza da tinta. Para isso, vá em Stat->DOE->Factorial->Analyse Factorial Design... e
configure para plotar o gráfico tipo Half Normal ou de Pareto.
Pareto Chart of the Effects

(response is dureza; α = 0,99)
Term 0,02
B Factor Name
A tipo_resina
D
B temperatura
C C rel_poli_resina
CD D tipo_poli
AC
ABCD
AD
AB
BD
ABC
BC
ABD
A
ACD
BCD
0 5 10 15 20 25 30 35
Effect
Como mostra o gráfico acima, o tipo de resina não afeta significativamente a dureza do material, portanto,
não importa qual resina é utilizada.
Escola EDTI 147
Exercício 5
Objetivo: desenvolver uma tinta automotiva com uma formulação que contemple duas variáveis respostas
aparentemente discordantes: dureza (QMM) e flexibilidade (Qmm) (quando uma fórmula tem boa dureza sua
flexibilidade é ruim e vice-versa).
Os dados estão no arquivo “28 doe_tinta_dureza_flexib.mtw”. Analise-os.
Solução
Neste experimento, novamente, temos os dados já coletados. Portanto, o primeiro passo da análise é
descobrir quais efeitos são vitais em Stat->DOE->Factorial->Analyse Factorial Design.... Você deve obter
os gráficos a seguir para ”dureza” e “flexibilidade”:

(response is dureza; α = 0,99)
Effect Type
98 D Not Significant
Significant
95 DE Factor Name
A Ureia
AD
90 B Melanina tipo I
E C Melanina tipo II
BD
Percent
85 D Relac poli/mela
B
80 ABDE E tipo poliester
AB
AE
70 ADE
ABCD
AC
60 C
A
ACE
50 CD
BE
ABE
40 BC
CDE
ABCDE
30 ACDE
ABD
ABCE
CE
20 BCDE
BCE
BCD
10 ACD
BDE
0
0 5 10 15 20 25
Absolute Effect
Pelo gráfico, aos fatores que mais afetam o processo com relação a “dureza” são D, DE, AD e E. Logo,
trataremos dos fatores DE e AD, pois mudanças nesses fatores afetam também os fatores individuais.

(response is flex.; α = 0,99)
Effect Type
98 D Significant
Factor Name
95 A A Ureia
B Melanina tipo I
E C Melanina tipo II
90
CD D Relac poli/mela
ADE
Percent
85 E tipo poliester
DE
80 ABCD
ABE
AD
70 ABCE
ABC
CDE
60 ACE
B
ABCDE
AE
50 BE
BD
BCD
40 ACDE
AC
30 BDE
AB
ABD
BC
20 ACD
BCE
10 ABDE
CE
0 CBCDE
0 1 2 3 4 5 6 7 8 9
Absolute Effect
Do gráfico de fatores da “flexibilidade”, os fatores que mais afetam o processo são D, A e E. Logo, trataremos
dos fatore D, E e A, pois mudanças nesses fatores afetam também os fatores individuais.
Agora vá em Stat->DOE->Factorial->Factorial Plot..., e configure para plotar os gráficos de efeitos cruzados

entre os fatores A(“Ureia”) e D(“Relação poli/mela”) e os fatores D(“Relação poli/mela”) e E(“tipo de
poliester”). Para configurar, selecione a variável dureza, as variáveis que deseja relacionar e em Graphs
selecione apenas Interaction plot, conforme a figura.
Você deve obter os seguintes gráficos:
Interaction Plot for dureza

Fitted Means
Relac poli/m * tipo poliest tipo
poliest
110
Mean of dureza
P1
P2
100
90
80
70
baixa alta
Relac poli/m
Interaction Plot for dureza

Fitted Means
Ureia * Relac poli/m Relac
poli/m
Mean of dureza
100 baixa
alta
90
80
70
presente ausente
Ureia
Escola EDTI 149
Como deseja-se a maior dureza possível (Quanto Maior Melhor), deve-se definir a receita para dureza como:
D (“Relação poli/mela”) = “alta”; E(“tipo de poliester”) = P2 e A(“Ureia”) = “presente”.
Main Effects Plot for flex.

Fitted Means
Ureia Relac poli/mela tipo poliester
12
11
10
Mean of flex.
3
presente ausente baixa alta P1 P2
É pedido a menor “flexibilidade” possível (Quanto menor melhor), sendo a melhor receita para isso:
A(“Ureia”) = “presente”, D(“Relac poli/mela”) = “baixa” e E(“tipo poliester”) = P2.
Após as análises, conclui-se que a melhor receita é: A(“Ureia”) = “presente”, E(“tipo poliester”) = P2 e D(“Relac
poli/mela”) a definir, dependendo de qual das variáveis deseja-se atender mais.
Experimento fatorial fracionado

Exercício 1
Melhoria da eficiência de uma desbastadora
 A máquina em questão usa escovas de aço para a remoção de material
 Objetivo: melhorar a taxa de remoção de material
 Resposta: taxa de remoção de material em cm3 x 10-7 por revolução
Analise o experimento. Os dados estão no arquivo “14_doe_desbastadora”
a) Qual é a relação de identidade?
b) Quais são as relações de confundimento?
c) Quais efeitos fatoriais são significantes?
d) Qual é a melhor receita?

Escola EDTI 151
Solução
Para a análise do experimento fatorial fracionado o caminho é o mesmo do fatorial completo. Você deve fazer
as mesmas configurações e usar os mesmos gráficos (Pareto e Half-Normal):

(response is taxa de remocao; α = 0,99)
Effect Type
98 Significant
Factor Name
A profundidade
95
B larg escova
C num filam
90 B D tam filam
E diam filam
85
Percent
80
E
70
A
60
50 D
40 BE
30
20 BC
10 C
0
0 10 20 30 40
Absolute Effect
Temos como efeitos vitais para nosso processo os fatores “B”, “E” e “A”. Contudo, como estamos em um
experimento fracionado, devem ser consideradas as relações de confundimento (também chamadas de
“Aliases”). Após feita a análise do experimento elas estão na aba session:
Aliases
I + ABD + ACE + BCDE
A + BD + CE + ABCDE
B + AD + CDE + ABCE
C + AE + BDE + ABCD
D + AB + BCE + ACDE
E + AC + BCD + ABDE
BC + DE + ABE + ACD
BE + CD + ABC + ADE
A primeira equação é nossa relação de identidade: I + ABD + ACE + BCDE
As equações abaixo dela são todas as relações de confundimento do experimento. No caso, devemos analisar
as relações de confundimento dos fatores A, B e E, e obtemos que:
- A pode ser confundido com as interações de dois fatores BD e CE (importantes) e ABCDE (não há necessidade
de ser considerada, pois é interação de mais de 3 fatores)
- B pode ser confundido com a interação de dois fatores AD e outras interações de 3 fatores ou mais
- E pode ser confundido com a interação de dois fatores AC e outras interações de 3 fatores ou mais
Não há saída para as relações de confundimento. Sabe-se que em um experimento fatorial fracionado de
resolução 3 estamos confundindo fatores importantes. Contudo, o objetivo de experimentos fatoriais sempre é
entender mais sobre nosso processo e quais fatores podem ser vitais para ele. Caso deseje aumentar a resolução
do experimento, complete com mais rodadas experimentais.
Portanto a análise deve ser feita como no experimento completo e deve-se obter os melhores níveis para os
fatores A, B e E normalmente, com a consciência de que deve-se testar esses níveis posteriormente (um novo
PDSA) e caso a resposta obtida não seja a esperada, pode ser devido a outros fatores dentro das relações de
confundimento.
Escola EDTI 153
Regressão linear
Exercício 1
Uma empresa de seguros está interessada em estudar a relação entre o número de dias para pagar um pedido
de reembolso e o valor do reembolso, ou seja se o número de dias para pagar é influenciado pelo valor do
reembolso. Elabore um modelo de regressão linear para explicar esta influência. Os dados estão no arquivo
“amount.mtw” que contém 100 pedidos de reembolso.
Solução
Primeiramente vamos ajustar um modelo de regressão linear. Vá em Stat>Regression>Regression> Fit

Regression Model:
Agora precisamos selecionar os gráficos de resíduos para verificar se o modelo está bom. Clique em Graphs
e aparecerá a seguinte janela. Clique em “four in one”.
Residual Plots for Days_to_Pay

99,9
N 100
99
AD 0,856
5
P-Value 0,027
90
Residual
Percent
50
0
10
1
0,1 -5
-8 -4 0 4 8 4,5 5,0 5,5 6,0 6,5

20
5
15
Frequency
Residual
10
0
0 -5
-4 -2 0 2 4 6 1 10 20 30 40 50 60 70 80 90 100
Como podemos observar rejeitamos a hipótese de normalidade dos resíduos (p-valor menor que 0,05).
Uma opção é utilizar a transformação de Box Cox na variável resposta. Para isso, retorne ao menu de
regressão linear.
Escola EDTI 155
Clique em Options e selecione “Optimal 𝜆”
Com isso podemos observar o gráfico de resíduos, agora com as variáveis transformadas para gerar o melhor
modelo:
Residual Plots for Days_to_Pay

99,9
N 100
99 1,0
AD 0,201
P-Value 0,878
90
0,5
Residual
Percent
50 0,0
10 -0,5
1
-1,0
0,1
-1 0 1 2,1 2,2 2,3 2,4 2,5

20
1,0
15
Frequency
0,5
Residual
10 0,0
-0,5
5
-1,0
0
-0,8 -0,4 0,0 0,4 0,8 1,2 1 10 20 30 40 50 60 70 80 90 100
Com estes gráficos podemos observar a homogeneidade e normalidade dos resíduos e assim tirar conclusão
da regressão. Encontramos o relatório da regressão na aba session do Minitab:
Coefficients for Transformed Response

Term Coef SE Coef T-Value P-Value VIF
Constant 2,014 0,152 13,27 0,000
Amount_Due 0,000693 0,000346 2,00 0,048 1,00
Analisando os coeficientes, temos que a constante do nosso modelo de regressão faz parte da equação (p-
valor menor que 0,1 – aceito a hipótese de que a constante deve ser diferente de zero). Nosso coeficiente
multiplicando o débito está abaixo tem p-valor entre 0,1 e 0,01. Pelo princípio da parcimônia (queremos
simplificar a análise e não a tornar mais difícil) vamos considerar o coeficiente como sendo parte do modelo.
Regression Equation
Days_to_Pay^0,5 = 2,014 + 0,000693 Amount_Due
Como podemos analisar os dias do pagamento dependem do valor devido. Ou seja, agora conseguimos gerar
um modelo onde podemos prever, baseado no valor devido do cliente, quantos dias ele leva em média para
acertar a dívida
Apenas tome cuidado e preste muita atenção – a variável resposta “dias para pagar” está elevada a 0,5. Todo
valor que for obtido na equação deve ser “transformado de volta” (no caso, você precisará elevar o resultado
ao quadrado).
Escola EDTI 157
Exercício 2
O arquivo “calls.mtw” contém dados de um call center. Os dados são: dia da semana, período do dia, número
de chamadas atendidas e número de pessoas atendendo às chamadas. Use técnicas de regressão para
explorar a relação entre o número de chamadas e o número de pessoas atendendo.
Solução
Primeiramente faremos a análise de resíduos.
Residual Plots for CallsAnswd

99,9
N 240
99
AD 0,822 40
P-Value 0,033
90
20
Residual
Percent
50
0
10
-20
1
0,1 -40
-40 -20 0 20 40 0 25 50 75 100
40 40
Frequency
20
Residual
30
20 0
10 -20
0 -40
-30 -15 0 15 30 45 1 20 40 60 80 100 120 140 160 180 200 220 240
Como podemos observar alguns dados impactam na normalidade dos resíduos. Podemos aplicar a
transformação ótima nos dados (mesmos passos do exercício anterior) e teremos os novos resíduos:
Residual Plots for CallsAnswd

99,9
N 240 5,0
99
AD 0,316
P-Value 0,540
90 2,5
Residual
Percent
50 0,0
10
-2,5
1
0,1 -5,0
-5,0 -2,5 0,0 2,5 5,0 5 10 15 20

40
5,0
30
2,5
Frequency
Residual
20 0,0
10 -2,5
0 -5,0
-4,5 -3,0 -1,5 0,0 1,5 3,0 4,5 1 20 40 60 80 100 120 140 160 180 200 220 240
Como podemos observar agora os resíduos possuem normalidade e variação constante. Observando o
relatório de regressão na aba session, temos:
Coefficients for Transformed Response

Constant 2,133 0,289 7,37 0,000
Staff 0,4579 0,0116 39,62 0,000 1,00
Regression Equation
CallsAnswd^0,622569 = 2,133 + 0,4579 Staff
O modelo é bom, com ambos P-valores abaixo de 0,01 (ou seja, aceitamos a hipótese de que esses valores
dos coeficientes não são zero).
Podemos observar que o número de pessoas trabalhando influenciam no número de chamadas atendidas.
Para atendermos mais chamadas, precisamos de mais pessoas trabalhando na equipe.
Escola EDTI 159
Exercício 3
O arquivo “jobshop.mtw” contém dados sobre um sistema. As variáveis são tempo de produção (variável
resposta), número de setups, preço, número de características e número de rótulos (variáveis regressoras).
Explore relações usando técnicas de regressão.
Solução
Como temos múltiplas variável regressoras (nossos Xs), podemos utilizar a regressão linear múltipla. Para
isso vá em Stat>Regression>Regression> Fit Regression Model:
Adicione as covariáveis nos campos pertinentes:

Clique em Graphs para obter o gráfico dos resíduos, ” four in one”.
Residual Plots for ProdTime

99 50
90
25
Residual
Percent
50 0
10 -25
1 -50
-50 -25 0 25 50 50 100 150

12 50
9 25
Frequency
6 Residual 0
3 -25
0 -50
-40 -20 0 20 40 1 5 10 15 20 25 30 35 40 45 50
Podemos observar no Normal Probability Plot que os resíduos não tem distribuição normal. Podemos utilizar
uma transformação para obter a normalidade dos resíduos. Podemos tentar a transformação 𝜆 = 0,5
Clique em ok e em ok. Podemos observar novamente o gráfico de resíduos.

Escola EDTI 161
Residual Plots for ProdTime

99
2
90
1
Residual
Percent
50 0
-1
10
-2
1
-2 -1 0 1 2 6 8 10 12 14

10,0 2
7,5 1
Frequency
Residual 0
5,0
-1
2,5
-2
0,0
-2 -1 0 1 2 1 5 10 15 20 25 30 35 40 45 50
Agora vemos que os resíduos tem distribuição normal. Podemos fazer a seleção das variáveis que influenciam
o tempo de produção Para que o Minitab utilize um método de seleção de variáveis para definir o melhor
modelo. Clique em Stepwise, selecione o “Backward elimination” e Alpha de 0,05.
Com isso na aba session pode-se observar o modelo escolhido apenas com as variáveis que foram
significativas, nº de Setups e Features.
Coefficients
Constant -3,99 8,61 -0,46 0,646
Setups 5,86 1,16 5,03 0,000 1,50
Features 1,713 0,332 5,15 0,000 1,50
Regression Equation
ProdTime = -3,99 + 5,86 Setups + 1,713 Features
O que configuramos aqui foi para que o Minitab fizesse sozinho uma seleção para o melhor modelo possível
considerando os fatores mais importantes para o modelo (colocar mais variáveis no modelo não
necessariamente o deixa melhor!).
Veja que o modelo final utiliza apenas 2 dos 4 fatores que selecionamos E não houve necessidade de
transformar nenhuma variável para chegar nesse modelo. Ou seja, chegamos no modelo mais simples
possível que relaciona nosso tempo de produção com o número de Setups necessários durante o projeto e o
número de características (“Features”) pedidos pelo cliente. Dessa maneira conseguimos gerar uma previsão
de quanto tempo em média é possível entregar o produto pedido, baseado no que o cliente deseja.
OS EXERCÍCIOS EXTRAS DEVEM SER FEITOS PELO ALUNO UTILIZANDO TODAS AS FERRAMENTAS
APRESENTADAS E SERVEM COMO PEQUENOS “DESAFIOS” A SEREM CONQUISTADOS.
PORTANTO FICA A CARGO DO ALUNO REALIZÁ-LOS E, CASO APRESENTE DÚVIDAS AO ANALISAR

AS RESPOSTAS, BASTA LEVÁ-LAS A NOSSO SUPORTE.
Escola EDTI 163
A EDTI, com base em uma longa experiência de trabalho de consultoria em diversas indústrias, está
plenamente capacitada para treinar e orientar equipes em atividades de melhoria, desenvolver processos de
inovação e dar suporte à análise de dados (inteligência analítica) para subsidiar decisões de negócios.
Para permanecer no negócio e crescer as organizações precisam canalizar esforços para produzir
produtos e serviços que os clientes desejam e pelos quais estão dispostos a pagar. Um desafio
permanente da liderança é identificar oportunidades para aumentar o valor de seus produtos e
serviços sob a ótica dos clientes e envolver seus colaboradores em atividades que transformem as
oportunidades em realidade. Isso requer o domínio por parte da organização de um método
eficiente e eficaz de realizar melhorias.
A EDTI acredita que a formação sólida de seus consultores, aliada à experiência e conhecimento do
mercado, são fundamentais para ajudar a liderança da organização na exploração de oportunidades
de crescimento.
Dr. Ademir José Petenate, Sócio fundador da Escola EDTI e Professor da UNICAMP desde 1974

Apostila de Exercícios BB - Gabarito-2

Caricato da

Informazioni sul documento

Titolo originale

Copyright

Formati disponibili

Condividi questo documento

Condividi o incorpora il documento

Opzioni di condivisione

Hai trovato utile questo documento?

Questo contenuto è inappropriato?

Copyright:

Formati disponibili

Apostila de Exercícios BB - Gabarito-2

Caricato da

Copyright:

Formati disponibili

Escola EDTI 3

Ademir J Petenate, Escola EDTI

Marcelo M Petenate, Escola EDTI

Publicado por Escola EDTI®

Campinas, São Paulo

Gráficos descritivos ....................... 14

Gráfico de Controle ........................57

Transformação de variáveis ............77

Revisão Measure .......................... 82

Análise AV/ NAV ..........................107

Balanceamento de Linha ............. 109

Experimento completamente aleatorizado

Experimento aleatorizado em blocos132

Experimento Fatorial Completo.... 135

Experimento fatorial fracionado ... 150

Regressão linear .......................... 153

Lean Six Sigma: introdução

1. Pretendemos reduzir os refugos e melhorar a segurança dos nossos colaboradores.

3. Reduziremos todos os tipos de problemas com refugos na empresa.

1. Média do número de dias em que a limpeza da máquina é feita.

3. Custo com limpeza de máquinas.

4. Porcentagem de não conformidades observadas no processo de compras.

5. Taxa de adesão dos colaboradores às medidas para reduzir as não conformidades.

Para fixar os conceitos do Modelo de Melhoria, responda às perguntas da apostila.

a) Planejar, fazer, agir

b) Missão, objetivo, estratégia

c) Objetivo, medidas, mudança

d) Vontade, ideias e execução

a) Implantar dois ciclos PDSA dentro de 6 meses do início do projeto

c) Modificar o processo de agendamento de forma a permitir que ambos, a recepcionista e enfermeira,

3. Depois de montar um time e trabalhar as 3 questões do Modelo de Melhoria, a clínica ortopédica

a) Desenvolver as medidas do projeto

b) Testar a mudança utilizando o ciclo PDSA

c) Esclarecer a declaração de objetivo

4. Uma clínica ortopédica planeja mudanças de dimensionamento de pessoal para melhorar o

c) Implantar um sistema de recompensa para as enfermeiras que agendarem o maior número de

1. Vendas: vendas pega o pedido do cliente;

2. Entrada do pedido: pedido entra no sistema;

3. Entrada do pedido: departamentos notificados com a cópia da fatura;

4. Preparação da fatura: pedido é processado;

5. Engenharia: engenharia aprova mudanças?

a) Se não, vendas corrige o pedido com o cliente (passo 1)

6. Preparação da fatura: mudanças aprovadas por engenharia e vendas;

7. Preparação da fatura: fatura é preparada;

8. Preparação da fatura: Fatura enviada para o cliente;

9. Contabilidade: registro de vencimento retornado;

10. Contabilidade: vendas notificadas de faturas com 90 dias de atraso.

Considere os dados de tempo de ciclo do arquivo “1-Tempo de ciclo”.

a) Faça um gráfico de tendência para o cenário 1.

b) Repita o procedimento para os outros cenários.

c) Padronize a escala do eixo vertical.

d) Coloque todos os gráficos no mesmo painel.

a) Faça um gráfico de tendência para o cenário 1.

O Gráfico gerado será:

Time Series Plot of Cenário 1

b) Repita o procedimento para os outros cenários.

Clique em ok e os seguintes gráficos serão gerados:

Time Series Plot of Cenário 1 Time Series Plot of Cenário 2

Time Series Plot of Cenário 3 Time Series Plot of Cenário 4

Time Series Plot of Cenário 5 Time Series Plot of Cenário 6

c) Padronize a escala do eixo vertical.

d) Coloque todos os gráficos no mesmo painel.

Considere os dados de gastos com treinamento do arquivo “2 Gasto mensal treinamento”.