Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
Alexandre Schuler
2010
INTRODUO
NDICE
1. Probabilidade, 1
2. Testes Estatsticos, 7
3. Grficos de Controle, 16
4. Inspeo de Qualidade, 30
5. Tabelas teis, 35
Obs.: Os Captulos 1 e 2 so destinados disciplina Estatstica Aplicada aos Processos
Qumicos. Os Captulos 3 e 4 so especficos para as disciplinas: Controle Estatstico (Qumica
Industrial) e Controle de Qualidade Industrial (Engenharia Qumica), a cujos alunos o Autor
recomenda rever o assunto dos captulos anteriores.
ii
Exerccio 1.2. Para a distribuio normal com = 200 e = 50, determinar os valores de X tais que se
tenha a probabilidade = P(|xX|) = 0,05 (5%).
Resposta: Deseja-se, em outras palavras, determinar um par de valores para X, simtricos em relao
mdia, de modo a se ter P = 1 - = 0,90 (figura 4).
Os dois termos, em mdulo, so iguais, cada um, a 0,50 0,05 = 0,45. Examinando a Tabela 1,
encontra-se, para A = 0,4505 (o valor mais prximo de 0,45), z = 1,65. Como x = z, fica: X = 200
1,65x50 = 200 82,5. Finalmente, X1 = 117,5 e X2 = 282,5.
1
Exerccio 1.3. Verificar se a mdia amostral X = 5,75 mm, de n = 5 dimetros de eixos representa
diferena estatisticamente significativa em relao mdia da populao normal, com = 5,60 mm e
= 0,10 mm.
Resposta:
OBSERVAO: Em outras palavras, pretende-se verificar se o valor 5,75 pertence populao
representada pelo par ,.
Agora, a equao 1.1 toma a forma da equao abaixo, por se tratar de uma mdia. Logo,
z = (5,75 5,60).5/0,10 = 3,36
z=
(X ) n
(equao 1.2)
Como o valor 5,75 est distante de 5,60 em mais de 3, conclui-se que a diferena d = 5,75
5,60 = 0,15 mm, para n = 5, estatisticamente significativa. De fato, consultando a Tabela 1, observase que a probabilidade de 5,75 pertencer quela populao muito baixa (P = 1 0,9996 = 0,0004 ou
0,04%).
Exerccio 1.4. Num processo industrial tem-se = 10,00 com = 0,02. Qual a probabilidade de se
encontrar, numa amostra retirada aleatoriamente desse processo, um resultado igual ou maior que:
a) 10,03 ?
b) 10,04 ?
1
f ( x) =
e
2
( x )2
2 2
1
e
3,33 2
(10151000 ) 2
2 x 3, 332
225
Figura 1
c) A probabilidade de se encontrar um pacote com qualquer peso menor que 990 g calculada do
mesmo modo que a resposta (b):
P(X < 990) z = (1000 990)/3,33 = 3,00 A = 0,4987
Resultado: 0,5000 0,4987 = 0,13%
Exerccio 1.6. Calcular os coeficientes da reta e o coeficiente de correlao do fenmeno abaixo (a
correlao entre concentrao do analito e o sinal de um instrumento analtico). Verificar onde termina
a linearidade, admitindo que o coeficiente de correlao no pode ser menor que 0,999.
#
01 02 03
04
05
06
07
08
09
10
Conc. 1
2
5
10
20
50
100
200
500
1000
Sinal 321 643 1597 3207 6394 16054 32090 64268 142250 228456
Resposta:
a) Para calcular os coeficientes da reta de regresso e o coeficiente de correlao, preenche-se o quadro
abaixo:
Ponto no
1
2
N
Totais
x
x1
x2
xn
xi
y
y1
y2
yn
yi
x*y
x1.y1
x2.y2
xn.yn
(xi.yi)
x2
x12
x22
xn2
xi2
y2
y12
y22
yn2
y2
Seja y = b.x + a a equao da reta de regresso. Nesse caso, os valores de a e b so dados por:
b = (x.y - nx.y)/[(x)2 - nx2] = {[(1,888 103) (4,9528 105)] 10 3,1662 108)}/[(1,888
103)2 10 1,303 106)]
b = (9,3509 108 3,1662 109)/(3,5645 106 1,303 107) = - 2,2311 109/- 9,4658 106
b = 2,357 102 = 235,7
a = (y - bx) / n = [(4,9528 105) (2,3559 102 1,888 103)]/10 = [(4,9528 105) (4,4500
105)]/10
a = 0,5028 104 = 5028
Equao da reta: y = 235,7x + 5028
O Coeficiente de correlao (r) calculado com auxlio da equao:
r=
nxi.yi - xiyi
{[nxi - (xi) 2 ][nyi 2 - (yi) 2 ]}1/ 2
2
Resolvendo, fica:
r = [(10 3,1662 108) - (1,8880 103 4,9528 105)]/{[10 1,303 106 (1,8880 103)2][10
7,7899 1010 (4,9528 105)2]}1/2
r = [(3,1662 109) - (9,3509 108)]/{[10 1,303 106 (1,8880 103)2][10 7,7899 1010 (4,9528
105)2]}1/2
r = (2,2311 109)/[(9,4655 106)(5,3369 1011)]1/2
r = 2,2311 109/2,2476 109
r = 0,9927
Removendo o ltimo ponto (1000; 228456) e recalculando tudo, fica:
Equao da reta: y = 287,0 x + 1325
Coeficiente de correlao: r = 0,9987.
Como o r ainda ficou menor que 0,999 devemos remover agora o penltimo ponto (500; 142250).
Recalculando mais uma vez, fica:
Equao da reta: y = 17,8x 12
4
Resposta:
Inicialmente construdo o grfico (Figura 5), com auxlio de alguma ferramenta computacional. No
exemplo foi empregado o aplicativo Excel, do Microsoft Office. Essa planilha tambm calcula os
coeficientes da reta, alm do coeficiente de correlao. Mas para fins didticos, os diversos parmetros
foram calculados manualmente, pelo mtodo dos mnimos quadrados (Quadro 2).
PF (oC) PFE (oC)
75,2
77,4
87,3
89,9
94,8
97,6
107,5
110,7
115,4
118,9
122,7
126,3
135,5
139,5
148,9
154,1
157,2
162,0
164,8
169,5
Substncia
A
B
C
D
E
F
G
H
I
J
180,0
170,0
160,0
150,0
140,0
130,0
120,0
110,0
100,0
90,0
80,0
70,0
70,0
90,0
110,0
130,0
150,0
170,0
Mdia
X
75,2
87,3
94,8
107,5
115,4
122,7
135,5
148,9
157,2
164,8
1209,3
120,93
Y
77,4
89,9
97,6
110,7
118,9
126,3
139,5
154,1
162
169,5
1245,9
124,59
X.Y
5820,48
7848,27
9252,48
11900,25
13721,06
15497,01
18902,25
22945,49
25466,4
27933,6
159287,3
X2
5655,04
7621,29
8987,04
11556,25
13317,16
15055,29
18360,25
22171,21
24711,84
27159,04
154594,4
Y2
(Mdia-X)2 (Mdia-Y)2
5990,76 2091,2329
2226,8961
8082,01 1130,9769
1203,3961
9525,76
682,7769
728,4601
12254,49
180,3649
192,9321
14137,21
30,5809
32,3761
15951,69
3,1329
2,9241
19460,25
212,2849
222,3081
23746,81
782,3209
870,8401
26244 1315,5129
1399,5081
28730,25 1924,5769
2016,9081
164123,2
8353,761
8896,549
Quadro 2 Dados para clculo dos diversos parmetros relacionados com o grfico da Figura 1.
Equaes:
Clculo do coeficiente angular a: a = (nx.y x. y)/[ nx2 (x)2]
Clculo do coeficiente linear b: b = (y ax) / n
nxi.yi - xiyi
{[nxi 2 - (xi) 2 ][nyi 2 - (yi) 2 ]}1/ 2
2
yi y a 2 x i x
N-2
2
yi y a 2 x i x
N-2
1
( x i ) 2
N
2
x i
TESTES ESTATSTICOS
Exerccio 2.1. Antes de realizar um tratamento estatstico de dados experimentais, necessrio
orden-los e aplicar o teste Q para eliminao de eventuais erros grosseiros. Examine o seguinte
conjunto de dados: 1,752; 1,760; 1,758; 1,762; 1,757; 1,761 e 1,759.
Resposta:
Ordenando, fica: 1,752; 1,757; 1,758; 1,759; 1,760; 1,761 e 1,762. O dado aparentemente
discrepante o menor (1,752). Aplicando o Teste Q, fica:
Q1 =
X 2 X1
X n X1
Q1 =
Resposta:
Com n 1 = 8, tem-se que Qtab = 0,390. Logo, se mais duas leituras fossem efetuadas e seus
valores se situassem entre 1,757 e 1,762 (para que R no aumente nem diminua a diferena X2 X1), o
valor 1,752 deveria ser descartado.
Exerccio 2.3. As anlises de uma amostra de minrio de ferro deram os seguintes resultados (n=10):
7,08; 7,21; 7,12; 7,09; 7,16; 7,14; 7,07; 7,14; 7,18 e 7,11. Calcular a mdia, a mediana, a primeira
estimativa do desvio padro (s) e a segunda estimativa (sR).
Resposta:
Ordenando: 7,07; 7,08; 7,09; 7,11; 7,12; 7,14; 7,14; 7,16; 7,18; 7,21.
i) Mdia: X = 7,13
ii) Mediana: M = (7,12 + 7,14)/2 = 7,13
iii) Primeira estimativa do desvio padro:
7,07
0,06
0,0036
7,08
0,05
0,0025
7,09
0,04
0,0016
s=
7,11
0,02
0,0004
2
i
n 1
7,12
0,01
0,0001
7,14
0,01
0,0001
7,14
0,01
0,0001
7,16
0,03
0,0009
7,18
0,05
0,0025
7,21
0,08
0,0064
di2
0,0182
0,0182
= 0,002022 = 0,045.
9
Analista 1
3,88
3,90
3,92
3,94
X 1 = 3,91
R1 = 0,06
Analista 2
3,83
3,84
3,86
3,87
X 2 = 3,85
R2 = 0,04
Comparar a exatido e a preciso relativa entre eles (como n = 4 << 10, usar a segunda estimativa do
desvio padro). Como seria a exatido absoluta de cada analista se o valor verdadeiro ( ) fosse 3,95?
Resposta:
a) Preciso:
sR = Kn.R, onde K(n = 4) = 0,4857
s R1 = 0,06 x 0,4857 = 0,029142 s R2 1 = 0,000849
s R2 = 0,04 x 0,4857 = 0,019428 s R2 2 = 0,000377
s r21
Fcalc =
2
R2
0,000849
= 2,25
0,000377
X1 X 2
2
1
S +S
n 1
2
2
3,91 3,85
0,000849 + 0,000377
3
0,06
0,001227
3
0,06
0,06
= 2,967
0,000409 0,02022
c) Exatido absoluta:
i) do analista 1
t=
X1 n
sR
(3,95 3,91) 4
0,04 x 2
0,08
=
=
= 2,745
0,029142
0,029142 0,029142
X2 n
sR
(3,95 3,85) 4
0,10 x 2
0,20
=
=
= 10,294
0,019428
0,019428 0,019428
Resposta:
a) Ordenao: 3,2; 3,9; 4,0; 4,0; 4,1; 4,2; 4,3
b) Aplicando o teste Q para 3,2:
Q1 =
Concluso: Agora, Qtab = 0,560 < Qcalc. Apesar de haver diminudo a diferena (X2 X1) e
conseqentemente tambm o valor de Q1 (j que a amplitude se manteve constante), o valor mximo
para Q (Qtab) diminui bastante. Como conseqncia, agora possvel verificar que o resultado 3,2 deve
ser eliminado.
9
10
Exerccio 2.7. Calcular os limites de confiana (LC) com 95% de probabilidade para os seguintes
resultados experimentais (anlise de cobre): n = 4; X = 8,27%; s = 0,17%.
Resposta:
A relao a ser utilizada LC = X
t.s
n
3,182 0,17
4
Exerccio 2.8. Se houvessem sido realizadas 12 repeties, quais seriam os limites de confiana do
exerccio anterior ?
Resposta:
Para n = 12, ttab =2,201. Logo,
LC = 8,27 2,201 x
0,17
12
Exerccio 2.9. Aplicar o teste t para o exerccio anterior, sabendo que = 7,91.
Resposta:
t=
tcalc
X n
s
(8,27 7,91) 12 = 7,34
=
0,17
ttab = 2,201
Concluso: com ttab < tcalc, existe um erro sistemtico nessa anlise.
Exerccio 2.10. Dois analistas analisaram uma mesma amostra diversas vezes, encontrando os resultados
abaixo. Existe uma diferena significativa entre suas precises?
0,4109
= 9,3
0,0441
11
Como o Ftabelado 5,4 a maior probabilidade de que ambos sejam igualmente precisos. Prosseguindo,
aplicando agora o teste t (pergunta b), comparando cada um com o valor verdadeiro, fica:
Analista 1:
t=
XA n
s
(83,88 83,54) 4
= 2,83
0,24
(83,54 83,13) 6
= 9,13
0,11
Analista 2:
t=
XA n
s
O ttabelado para n = 4 (Analista 1) 3,182. Comparando esse valor com o tcalculado (2,83), conclui-se que
o analista 1 exato. Para o analista 2 o ttabelado 2,571 (n = 6). Comparando esse valor com o tcalculado
(9,13), conclui-se que o analista 2 inexato.
Exerccio 2.12. Uma amostra sinttica com = 7,91 foi analisada por um mesmo analista em dois
equipamentos, encontrando-se os resultados abaixo. Que concluses podem ser tiradas desses
resultados ?
Equipamento 1
8,35
8,36
8,37
8,38
8,39
Equipamento 2
8,37
8,38
8,40
8,41
8,43
11
12
Resposta:
a) Clculo da mdia e da disperso
Equipamento 1
8,37
X
R
0,04
SR
0,01720
Obs.: Kn = 0,4299
Equipamento 2
8,40
0,06
0,02579
8,40 8,37
(0,0172)
+ (0,02579 )
4
0,03
= 1,94
0,0155
Concluso: Como ttab > tcalc, os dois equipamentos apresentam a mesma exatido.
ii) Preciso (Ftab = 6,4)
F=
(0,02579)2
(0,0172)2
0,00066512
= 2,25
0,00029584
Concluso: Como Ftab > Fcalc, ambos os equipamentos apresentam a mesma preciso.
Exatido absoluta (ttab = 2,776).
(8,37 7,91)
Equipamento 1: t1 =
0,01720
Equipamento 2: t 2 =
(8,40 7,91)
0,02579
= 59,8
= 42,5
Elemento
As
Co
La
Sb
Th
A
132
0,54
4,01
2,81
0,62
Conc. (g/g)
B desvio-padro
122
2
0,61
0,026
3,60
0,20
2,77
0,26
0,75
0,044
12
13
Resposta:
LC =
t.s/ n ;
Como n = 3,
Co: t =
La: t =
Sb: t =
Th: t =
XA n
s
XA n
s
XA n
s
XA n
s
XA n
s
= =
= =
= =
= =
= =
132 122 3
2
= 8,66
0,61 0,54 3
0,026
4,01 3,60 3
0,2
2,81 2,77 3
0,026
0,75 0,62 3
0,044
= 4,66
= 3,55
= 0,27
= 5,12
Como o ttabelado 4,303 (para todos os elementos), chega-se mesma concluso acima.
13
14
Exerccio 2.14. Calcular o nmero ideal de repeties para a determinao do teor de um agrotxico
numa amostra de gua cujo contedo esperado () 1 ppb, a partir dos seguintes resultados:
Xi
0,89
0,94
1,01
1,02
1,11
1,07
0,92
1,08
0,95
1,11
X = 1,01
di
0,12
0,07
0,00
0,01
0,10
0,06
0,09
0,07
0,06
0,10
di2
0,0144
0,0049
0,0000
0,0001
0,0100
0,0036
0,0081
0,0049
0,0036
0,0100
di2 = 0,0596
Resposta:
a) s =
2
i
n 1
s=
0,0596
= 0,08138
9
Frmulas a empregar:
erro absoluto = = t s
n
1,414
1,732
2,000
2,236
2,450
2,646
t
12,706
4,303
3,182
2,776
2,571
2,447
0,7313
0,2022
0,1295
0,1010
0,0854
0,0753
Dif.
73,13
20,22
12,95
10,10
8,54
7,53
52,91
7,27
2,85
1,56
1,01
Concluso: A 3a repetio diminui o erro em 52,91 pontos percentuais, a 4a repetio diminui em 7,27
p.p., enquanto que a 5a repetio diminui em apenas 2,85 p.p. Usando esse raciocnio, chega-se
concluso que 3 repeties so suficientes. Outro critrio a se adotar seria o de estabelecer um erro
mximo (por exemplo 10%). Nesse caso, o ideal seria efetuar 5 repeties.
Exerccio 2.15. Um analista coletou duas amostras de minrio de ferro, encontrando os resultados
abaixo (5 leituras de cada amostra; Kn = 0,43). Dizer se as duas amostras so estatisticamente iguais,
em teor.
Leitura
1
2
3
4
5
Am. 1
17,6
17,3
18,1
17,7
17,8
Am. 2
18,6
18,3
18,9
18,6
18,1
14
15
Resposta:
Leitura
X
R
SR
t=
Am. 1
17,7
0,8
0,344
18,5 17,7
(0,344)
+ (0,344 )
4
Am. 2
18,5
0,8
0,344
0,8
= 3,29 > ttab = 2,776
0,2432
15
16
3 GRFICOS DE CONTROLE
Exerccio 3.1. Os valores de x observados em amostras de n = 4 itens constam do quadro abaixo.
Construir o grfico da mdia X (GC-X), empregando a amplitude R para o clculo dos limites de
controle (norma desconhecida; sistema americano).
AMOSTRA
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
x1
40
49
39
41
47
48
45
42
40
42
35
39
41
40
40
39
46
44
43
38
40
45
40
42
42
MEDIDAS INDIVIDUAIS
x2
x3
44
46
41
42
45
43
42
42
42
39
45
40
45
44
36
41
46
45
45
44
39
44
40
36
39
39
48
39
43
46
44
37
36
40
41
39
41
42
38
37
42
46
41
41
38
39
48
35
39
40
x4
45
44
44
36
46
36
40
37
36
37
38
38
46
38
39
40
45
43
42
42
40
46
42
37
42
MDIAS
42,00
46,75
40,75
40,50
46,00
42,75
41,00
39,25
39,50
39,75
39,25
39,50
43,50
40,00
38,00
40,50
45,75
43,25
42,75
40,50
39,50
45,75
39,25
38,50
40,75
41,40
6
5
5
7
2
12
8
6
6
5
10
3
5
6
4
2
1
4
4
4
1
4
7
6
4
5,08
Resposta:
LM = X = 41,40;
R = 5,08; n = 4
LC = LM A2 R; A2 = 0,729 (procurar na Tabela 6, para n = 4)
LC = 41,40 0,729 x 5,08 = 41,40 3,70
LIC = 37,70; LSC = 45,10
Analisando os valores individuais X , observam-se 4 amostras com mdia fora dos limites
(no caso, acima do LSC): 2, 5, 17 e 22. Eliminando-as, fica (vide quadro na pgina seguinte):
Resposta final:
LM = X = 40,55;
R = 5,46; n = 4
LC = LM A2 R; A2 = 0,729 (procurar na Tabela 6, para n = 4)
LC = 40,55 0,729 x 5,46 = 40,55 3,96
LIC = 36,59; LSC = 44,51
16
17
x1
1
3
4
6
7
8
9
10
11
12
13
14
15
16
18
19
20
21
23
24
25
MEDIDAS INDIVIDUAIS
x2
x3
40
39
41
48
45
42
40
42
35
39
41
40
40
39
44
43
38
40
40
42
42
44
41
42
43
42
42
42
39
45
40
45
44
36
41
45
45
44
39
40
36
39
39
39
43
44
37
36
40
41
39
41
42
38
37
42
41
41
38
39
35
39
40
x4
45
44
36
36
40
37
36
37
38
38
46
38
39
40
43
42
42
40
42
37
42
MDIAS
42,00
40,75
40,50
42,75
41,00
39,25
39,50
39,75
39,25
39,50
43,50
40,00
38,00
40,50
43,25
42,75
40,50
39,50
39,25
38,50
40,75
40,55
6
5
7
12
8
6
6
5
10
3
5
6
4
2
4
4
4
1
7
6
4
5,46
Exerccio 3.2. Com os valores do exerccio anterior, construir o grfico da amplitude (GC-R).
Resposta:
Como foram eliminados quatro pontos no exerccio anterior, deve-se comear com os vinte e um
restantes. Nesse caso, tem-se:
LM = 5,46; LIC = 5,46.D3 e LSC = 5,46.D4 (valores de D3 = 0,000 e D4 = 2,282 tirados da Tabela 8
para n = 4). Logo:
LIC = 0,0 e LSC = 12,46
Como o maior valor de R 12, todos os pontos devem ser mantidos. Em caso contrrio, como este GC
trabalha em conjunto com o GC-X, o mesmo tambm deveria ser alterado.
Exerccio 3.3. Construir os GCs da mdia e da amplitude a partir das seguintes informaes:
X1
X2
X3
X4
X5
250,5
249,5
248,2
249,8
251,1
249,6
251,2
249,6
251,3
248,4
248,2
248,4
249,2
250,3
249,2
249,7
250,3
250,7
248,7
248,9
251,0
249,3
251,1
249,3
250,6
R
249,8
249,7
249,8
249,9
249,6
249,8
2,8
2,8
2,9
2,6
2,7
2,8
17
18
Resposta:
d
11
9
15
11
22
14
7
10
6
2
11
6
9
18
7
10
8
11
14
21
16
4
11
8
9
270
d/n
0,11
0,09
0,15
0,11
0,22
0,14
0,07
0,10
0,06
0,02
0,11
0,06
0,09
0,18
0,07
0,10
0,08
0,11
0,14
0,21
0,16
0,04
0,11
0,08
0,09
= d/n
LM = 270/2500 = 0,108
Como LM > 0,1 empregar a frmula geral2:
LC =
3 [ (1- )/n]1/2
18
19
A Figura 6 mostra que agora todos os pontos encontram-se dentro dos novos limites.
Grfico de Controle da Frao Defeituosa
0,25
0,25
pontos fora de controle
LSC
0,20
0,20
LSC
0,15
LM
0,10
Leitura
Leitura
0,15
0,05
0,10
LM
0,05
LIC
0,00
LIC
0,00
0
10
15
20
25
Nmero da amostra
10
15
20
25
Nmero da amostra
Figura 5
Figura 6
Amostra
1
2
3
4
5
6
7
8
9
10
d
8
7
12
5
18
2
10
16
14
6
98
Resposta:
No sistema ingls, temos dois limites: LC1 (1,96 ) e LC2 (3,09 ). Como LC2 > LC (sistema
americano), basta examinar a regio de advertncia:
19
20
LC1 = 9,8 1,96 X 2,973 = 9,8 5,827. Logo: LIC = 3,973 4 e LSC = 15,627 16.
Examinando a distribuio normal, vemos que 34% dos 10 pontos (3 pontos) podem estar entre LC1 e
LC2. Examinando os dados, vemos que exatamente 3 pontos (amostras 5, 6 e 8) esto na regio de
advertncia. Logo, temos uma distribuio normal.
Exerccio 3.7. Numa fbrica de sabonetes foram colhidas do processo k = 25 amostras com n =
50 itens. Dizer, usando o grfico da frao defeituosa:
1
1
0,02
2
2
0,04
3
5
0,10
4
6
0,12
5
3
0,06
6
5
0,10
7
2
0,04
8
1
0,02
9
1
0,02
10
0
0,00
11
0
0,00
12
1
0,02
x
d
d/n
13
0
0,00
14
1
0,02
15
0
0,00
16
2
0,04
17
1
0,02
18
0
0,00
19
0
0,00
20
1
0,02
21
1
0,02
22
0
0,00
23
0
0,00
24
1
0,02
25
0
0,00
20
21
LM = 0,0413
LC = 115,75 3 [115,75 (1-0,0413)]1/2 = 115,75 3 (115,75 X 0,9587)1/2 = 115,75 3 X 10,53 LC =
115,75 31,59
LIC = 84,16
LSC = 147,34
Concluso: examinando os dados, observamos que todos esto abaixo do Limite Superior de Controle.
Logo, o processo est sob controle.
Exerccio 3.9. Numa determinada indstria existem duas linhas de produo. Aps anlise com 5
repeties de um total de 10 amostras de cada linha, foram obtidos os seguintes resultados. Interprete-os.
AMOSTRA
1
2
3
4
5
6
7
8
9
10
LINHA 1
LINHA 2
LEITURA R LEITURA R
5,67
8
5,50
3
5,90
7
5,58
8
5,52
9
5,66
5
5,60
6
5,76
9
5,55
8
5,68
7
5,39
8
5,65
8
5,79
7
5,61
14
5,67
8
5,59
7
5,51
5
5,51
9
5,66
6
5,64
6
Resposta:
= 5,63;
2 = 5,62;
1
= 7,20
2 = 7,60
1
Equaes:
Mdia: LM = ; LC = A2 (A2 = 0,577)
Amplitude: LM =
LIC = D3 e LSC = D4 (D3 = 0 e D4 = 2,115)
Clculos:
Mdia:
LM1 = 5,63
LC1 = 5,63 0,577 X 7,20 = 5,63 4,15
LIC1 = 1,48
LSC1 = 9,78
LM2 = 5,62
LC2 = 5,62 0,577 X 7,60 = 5,62 4,38
LIC2 = 1,24
LSC2 = 10,00
Amplitude:
LM1 = 7,2; LIC = 0 e LSC = 2,115 X 7,2 = 15,2
21
22
Resposta:
LC = LM 3 / n
LM = 1627; = 230
LC = 1627 3 X 230/41/2 = 1627 345
LIC = 1282 e LSC = 1972
Exerccio 3.11. Amostras de 5 itens foram analisadas e os valores de X e R foram calculados para
cada amostra. Para as 25 primeiras amostras foram encontrados X = 358,50 e R = 9,80. Calcular
os limites de controle para GC-X e GC-R.
Resposta:
b) GC-X:
LM = 358,50/25 = 14,34 e R = 9,80/25 = 0,39
LC = 14,34 0,39.A2; A2 = 0,577
LC = 14,34 0,22
LIC = 14,12 e LSC = 14,56
c) GC-R:
LM = R = 9,80/25 = 0,39
LIC = 0 e LSC = 2,115 x 0,39 = 0,82
Exerccio 3.12. Se os limites de especificao para o processo do exerccio anterior fossem dados por
14,40 0,45, que concluses poderiam ser tiradas dos dados, para o GC-X?
22
23
Resposta:
LSE = 14,85 > LSC = 14,56
LIE = 13,95 < LIC = 14,12
Logo, o processo, enquanto sob controle, atende especificao (seus limites ficam dentro dos limites
de especificao).
Exerccio 3.13. Da inspeo de 30 amostras com n = 4 obtiveram-se X = 12660 e s = 945. Supor o
processo sob controle. Pede-se:
a)
b)
c)
d)
os limites do GC-X;
os limites do GC-s;
a estimativa do desvio-padro do processo;
a porcentagem das amostras que ficaro fora da especificao, se LIE for igual a 400.
Respostas:
a)
b)
c)
d)
LC = 12660/30 1,88.945/30 = 422 59; LIC = 363 e LSC = 481 (A1 = 1,88; Tabela 6).
LIC = 0 e LSC = 2,266.945/30 = 71 (B3 e B4; Tabela 7)
s = c2. (ver Tabela 7) = s/c2 = 31,5/0,7979 = 39,5
Obs.: confrontar com o exerccio 1.1.
i) Clculo do :
z = ( X -xi)/ = (422-363)/ = 3 = 59/3 = 19,7
ii) Clculo de P(x>400):
Na tabela de distribuio normal (Tabela 1), para z = 1,10, encontra-se A = 0,3643. Como pedido o
percentual que fica abaixo de 400, resulta:
A = 0,50 0,3643 = 0,1357 ou 13,6%
Exerccio 3.14. So usados grficos de controle em uma fbrica de resistncias eltricas. Os valores
X (Ohm) e R so calculados a partir de amostras com 3 itens. Para um total de 20 amostras foram
encontrados X = 8620 e R = 910. Calcular:
23
24
No GC-R:
LIC = 0 e LSC = 117,2
b)
= (431-384,5)/3 = 15,5
LIE = 400; LSE = 460
z1 = (431-400)/15.5 = 2 47,72%
Logo, P1 = 50 47,72 = 2,28% de probabilidade de sair abaixo do LIE.
z2 = (460-431)/15.5 = 1,87 46,78%
Logo, P2 = 50 46,78 = 3,22% de probabilidade de sair acima do LSE.
Conseqentemente, h uma probabilidade de 2,28% + 3,22% = 5,5% de sarem produtos fora da
especificao.
Exerccio 3.15. Construir, para amostras com 5 itens, o GC-s de um processo com = 5,60 e = 0,05.
Resposta:
LM = s = c2. = 0,8407 x 0,05 = 0,042
LIC = B1. = 0
LSC = B2. = 1,745 x 0,05 = 0,089
Exerccio 3.16. Uma fbrica tem 6 linhas de produo. Anlise das mesmas forneceu os seguintes
resultados (n = 50):
LINHA
1
2
3
4
5
6
X
2,34
2,39
2,25
2,34
2,38
2,37
s
0,11
0,16
0,18
0,11
0,09
0,08
= 2,345
= 0,12
25
X = 1,72 e R = 1,59
LC = 1,80 0,729 x 1,59
LC = 1,80 1,16; LIC = 0,64; LSC = 2,96
b) GC-R:
LIC = 1,59 x 0 = 0; LSC = 1,59 x 2,282 = 3,63
Como agora o processo est sob controle, possvel analisar a situao:
a) Existe um grande percentual de valores de xi abaixo da linha mdia anterior (2), sugerindo que o
valor mdio do caracterstico em anlise diminuiu estatisticamente. Se, por exemplo, trata-se do
teor de uma impureza em um dado produto, isso bom. Mas pode ser o contrrio.
b) Por outro lado, o GC-R, tambm com diminuio da linha mdia, indica que houve uma melhora
na variabilidade do processo.
25
26
HORA
x1
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
1,7
0,8
1,0
0,4
1,4
1,8
1,6
2,5
2,9
1,1
1,7
4,6
2,6
2,3
1,9
1,3
2,8
1,7
1,6
1,7
MEDIDAS INDIVIDUAIS
x2
x3
2,2
1,5
1,4
-0,6
2,3
2,0
1,0
1,6
2,0
1,1
3,6
2,8
2,8
2,1
1,6
2,0
1,6
3,6
0,6
1,0
1,9
2,1
1,0
0,7
2,8
1,1
1,5
1,8
0,5
3,1
2,5
3,5
3,2
2,1
1,8
3,9
0,6
0,9
1,0
0,5
x4
1,2
0,9
1,3
0,2
2,7
0,1
2,0
1,2
2,2
1,6
1,8
1,9
1,5
1,7
1,4
0,8
0,2
1,5
0,8
2,2
MDIAS
1,75
1,33
1,18
0,18
2,3
1,25
1,53
1,78
1,9
1,73
2,4
3,2
2,53
2,05
1,68
2
1,3
1,93
1
1,35
1,72
1,0
1,3
0,4
1,3
1,4
1,9
1,0
1,3
2,4
2,0
1,9
2,7
1,7
0,6
0,5
3,1
2,6
2,7
1,0
1,7
1,63
AMOSTRA
1
2
3
4
5
6
7
8
9
10
11
12
13
d
1
2
3
3
5
4
4
4
2
2
3
3
3
p
0,02
0,04
0,06
0,06
0,10
0,08
0,08
0,08
0,04
0,04
0,06
0,06
0,06
AMOSTRA
14
15
16
17
18
19
20
21
22
23
24
25
TOTAL
d
5
4
4
5
1
5
2
0
5
3
3
1
80
p
0,10
0,08
0,08
0,10
0,02
0,10
0,04
0,00
0,10
0,06
0,06
0,02
26
27
Exerccio 3.19. Calcular os limites de controle para o GC-np com os mesmos dados acima.
Resposta:
u=
278
= 11,12 ; LM = 11,12 e LC = 11,12 3 11,12 = 11,12 10,00
25
LIC = 1,12 e LSC = 21,12
O veculo 20, com 27 defeitos, deve voltar linha de montagem. Recalculando os limites:
u=
251
= 10,46 ; LM = 10,46 e LC = 10,46 3 10,46 = 10,46 9,70
24
LIC = 0,76 e LSC = 20,16
Agora, o veculo 15, com 21 defeitos, tambm deve voltar linha de montagem. Recalculando mais
uma vez os limites:
u=
230
= 10,00 ; LM = 10,00 e LC = 10,00 3 10,00 = 10,00 9,49
23
LIC = 0,51 0 e LSC = 19,49 19
VECULO
1
2
3
4
5
6
7
8
9
10
11
12
13
c
7
14
13
17
7
11
6
11
16
13
17
10
7
VECULO
14
15
16
17
18
19
20
21
22
23
24
25
TOTAL
c
8
21
12
8
9
5
27
9
15
3
7
5
278
Exerccio 3.21. Construir o GC-c com os dados obtidos de uma fbrica de fio de cobre, onde se faz um
inventrio do nmero de falhas na pelcula do esmalte isolante em peas com 30 metros de
comprimento. Foram examinadas 20 peas. Os dados encontram-se na pgina seguinte.
PEA
1
2
3
4
5
6
7
c PEA c PEA
7
8
0
15
15
9
11
16
9
10 13
17
5
11
0
19
0
12
5
19
4
13
8
20
11 14
6 TOTAL
c
4
11
0
12
3
10
134
134
= 6,70 ; LC = 6,70 3 6,70 = 6,70 7,76; LIC =
20
0 e LSC = 14,46
Resposta: c =
27
28
c=
119
= 6,26 ; LC = 6,26 3 6,26 = 6,26 7,50; LIC = 0 e LSC = 13,76
19
Exerccio 3.22. muito importante a definio da dimenso da amostra (no confundir com tamanho,
n). Se, por exemplo, houvessem sido examinados 20 peas de fio com apenas 10 metros de
comprimento, poderiam ter sido encontrados os seguintes resultados:
PEA
1
2
3
4
5
6
7
8
9
10
11
c PEA c
45
2
12
2
Resposta: c =
= 2,25 ; LC = 2,25 3 2,25 = 2,25 4,5; LIC = 0 e LSC =
5
13
3
20
3
14
2 6,75
2
15
1
0
16
4 Nesse caso, o item 2 passaria pelo teste!
1
17
0
4
19
4
0
19
1
4
20
3
4 TOTAL 45
0
Exerccio 3.23. Uma fbrica comeou com uma produo muito baixa, aumentando-a com o tempo. O
Controle de Qualidade registrou o tamanho do refugo ao longo de todo esse tempo (Quadro abaixo).
Interpretar os resultados.
Notao:
Pt = prod. total; Pu = prod. til; Ref = refugo; Pmin = prod. mnima; Po = prod. tima e Pmax = prod. mxima.
Pt
0
10
20
30
40
50
60
70
80
90
100
110
120
Pu
0
2
5
15
30
45
50
55
60
58
55
50
45
Ref
0
8
12
15
10
5
10
15
20
32
45
60
75
Ref%
0
80
60
50
25
10
17
21
25
36
45
55
63
Pu/Ref
0
0,25
0,42
1,00
3,00
9,00
5,00
3,67
3,00
1,81
1,22
0,83
0,60
O grfico abaixo (Figura 7) mostra que a produo tima se d com Pt = 50 , que a partir de Pt = 80 a
produo til comea a cair em termos absolutos, que a fbrica s tem rentabilidade na faixa
compreendida entre Pmin e Pmax e que abaixo de Pmin o custo de produo exageradamente alto.
28
29
Figura 7
29
30
4. INSPEO DE QUALIDADE
Exerccio 4.1. Numa partida com N = 50 e D = 2, qual a probabilidade de aceitao (PA) e a
probabilidade de rejeio (PR), inspecionando-se uma amostra com n = 10 e a = 1?
Resposta:
A equao
onde as letras maisculas indicam valores do lote (especificao) e as letras minsculas indicam
valores da amostra (reais). A probabilidade de aceitao (PA) dada pela relao:
F (a) = P (0 d a)
e a probabilidade de rejeio (PR) dada pela relao:
1 F(a) = P (d > a)
Para calcular F(a) para um dado valor de a deve ser efetuado o somatrio:
onde f(d) representa o modelo de distribuio escolhido (no caso, a hipergeomtrica, pois n/N =
0,2 > 0,1). Para efeito de simplificao, doravante sero omitidos os nmeros que indicam os limites
do somatrio.
Clculos:
Como N = 50, D = 2 e n = 10, temos:
Para a = 0:
f(d) = [2!/0!(2 0)!] X {(50 2)!/[10![(50 2) (10 0)!]} X [10!(50 10)!/50!]
f(d) = 1 X [48!/10!(48 10)!] X 10!40!/50!
f(d) = (48!/10!38!) X (10!40!/50!)
com outra apresentao:
30
31
Refazendo o clculo para a = 1, fica f (d) = 0,326. Logo, PA = 0,637 + 0,326 = 0,963 ou 96,3%.
Finalmente, PR = 1 0,963 = 0,037 ou 3,7%.
Exerccio 4.2. Foram extradas 50 amostras de um lote de tamanho 1000, cuja frao defeituosa
conhecida P = 0,04. Calcular PA e PR para a = 2, a = 3 e a = 6. Usar a distribuio binomial.
Resposta:
Equaes:
F(d) = n!/d!(n-d)! x Pd x Q(n-d), onde Q = 1 P
Clculos:
Para d = 0: f(d) = 50!/0!(50-0)! x (0,04)0 x (1 0,04)(50 0) = 1 x 1 x (0,96)50 = 0,130
Para d = 1: f(d) = 0,270
Para d = 2: f(d) = 0,276
Para d = 3: f(d) = 0,184
Para d = 4: f(d) = 0,090
Para d = 5: f(d) = 0,034
Para d = 6: f(d) = 0,010
Fazendo o somatrio, fica:
Para a = 2: F (a) = 0,130 + 0,270 + 0,276 = 0,676
Para a = 3: F (a) = 0,676 + 0,184 = 0,860
Para a = 6: F (a) = 0,860 + 0,090 + 0,034 + 0,010 = 0,994
Logo, considerando que PA = F (a) e PR = 1 F (a), temos:
Para a = 2: PA = 0,676; PR = 0,324
Para a = 3: PA = 0,860; PR = 0,140
Para a = 6: PA = 0,994; PR = 0,006
Exerccio 4.3. Recalcular o exerccio anterior, usando a distribuio de Poisson.
Resposta:
Equaes:
m = n.P e F (a) = md/(em.d!)
Clculos:
m = 50 X 0,04 = 2
em = e2 = (2,72)2 = 0,07344 1/e2 = 1/7,3984 = 0,135
Para d = 0: f(d) = 20 x 0,135/0! = 0,135
Para d = 1: f(d) = 21 x 0,135/1! = 0,270
Para d = 2: f(d) = 22 x 0,135/2! = 0,270
Para d = 3: f(d) = 23 x 0,135/3! = 0,180
Para d = 4: f(d) = 24 x 0,135/4! = 0,090
31
32
N = 5000
P1 = NQA = 1%
P2 = NQI = 8%
= 5%
= 10%
O Plano empregado o de inspeo simples, com Nvel de Inspeo I. Determinar n e a. Em seguida,
empregando a distribuio de Poisson, recalcular o plano.
Resposta:
33
Para o comprador: PA = {[(60 x 0,08)0/e(60 x 0,08)] x 1/0!} + {[(60 x 0,08)1/e(60 x 0,08)] x 1/1!} + {[(60 x
0,08)2/e(60 x 0,08)] x 1/2!} = 1/e4,8 + 4,8 x 1/e4,8 + 23,04 x 1/e4,8 x
PA = 0,00835 + 0,04008 + 0,0962 = 0,1446 = 14,5% = 14,5% > 10%.
Comparemos os resultados encontrados at agora com os valores desejados:
Situao Valor de a Valor de n Valor de Valor de
esperada
2
80
5
10
tentativa 1
2
80
4,5
4,7
tentativa 2
2
60
2,1
14,5
Infelizmente essa opo elevou o valor de consideravelmente, levando-nos a tentar trabalhar com um
valor de n intermedirio (70).
Tentativa 3
Para o fabricante: PA = {[(70 x 0,01)0/e(70 x 0,01)] x 1/0!} + {[(70 x 0,01)1/e(70 x 0,01)] x 1/1!} + {[(70 x
0,01)2/e(70 x 0,01)] x 1/2!}
PA = 1/e0,7 + 0,7 x 1/e0,7 + 0,49 x 1/e0,7 x
PA = 0,4976 + 0,7 x 0,4976 + 0,49 x 0,4976/2 = 0,4976 + 0,3483 + 0,1219 = 96,8% = 100 96,8 =
3,2% < 5%
Para o comprador: PA = {[(70 x 0,08)0/e(70 x 0,08)] x 1/0!} + {[(70 x 0,08)1/e(70 x 0,08)] x 1/1!} + {[(70 x
0,08)2/e(70 x 0,08)] x 1/2!}
PA = 1/e5,6 + 5,6 x 1/e5,6 + 31,36 x 1/e5,6 x
PA = 0,00376 + 0,021056 + 0,05896 = 0,0838 = 8,4% = 8,4% < 10%.
Como agora o Comprador se deu por satisfeito, o Plano definitivo :
N = 5000; n = 70; a = 2; P1 = 1%; P2 = 8%; = 3,2% e = 8,4%.
Exerccio 4.5. Uma amostra de tamanho n = 100 retirada da produo. Admite-se que NQ pode
variar entre 0% e 20%. Calcular e construir a CCO para a = 10, empregando a equao de Poisson.
Dica: quanto mais pontos, mais bem definida fica a curva.
Resposta: Atribuir vrios valores para P (porcentagem de defeituosos), entre 0,0 e 0,2 (0% e 20%) e
calcular o correspondente valor de PA. A CCO construda colocando-se P na abcissa e PA na
ordenada.
Equaes:
m = n.P; PA = md/(em.d!)
Desenvolvimento: calcular m e PA para cada valor de P.
1) P = 0% = 0
m = 100 x 0 = 0
PA = (00/e0) x 1/0! + (01/e0) x 1/1! + (02/e0) x 1/2! + (03/e0) x 1/3! + (04/e0) x 1/4! + (05/e0) x 1/5! +
(06/e0) x 1/6! + (07/e0) x 1/7! + (08/e0) x 1/8! + (09/e0) x 1/9! + (010/e0) x 1/10!
33
34
PA = (1/1) x 1/1 + (0/1) x 1/1 + (0/1) x 1/2 + (0/1) x 1/6 + (0/1) x 1/24 + (0/1) x 1/120 + (0/1) x 1/720
+ (0/1) x 1/5040 + (0/1) x 1/40320 + (0/1) x 1/362880 + (0/1) x 1/3628800
PA = 1 + 0 + 0 + 0 + 0 + 0 + 0 + 0 + 0 + 0 + 0
PA = 1 = 100%
2) P = 0,5% = 0,005
m = 100 x 0,01 = 1
PA = (10/e1) x 1/0! + (11/e1) x 1/1! + (12/e1) x 1/2! + (13/e1) x 1/3! + (14/e1) x 1/4! + (15/e1) x 1/5! +
(16/e1) x 1/6! + (17/e1) x 1/7! + (18/e1) x 1/8! + (19/e1) x 1/9! + (110/e1) x 1/10!
PA = (1/2,72) x 1/1 + (1/2,72) x 1/1 + (1/2,72) x 1/2 + (1/2,72) x 1/6 + (1/2,72) x 1/24 + (1/2,72) x
1/120 + (1/2,72) x 1/720 + (1/2,72) x 1/5040 + (1/2,72) x 1/40320 + (1/2,72) x 1/362880 + (1/2,72) x
1/3628800
PA = 0,36765 + 0,36765 + 0,18382 + 0,061274 + 0,01532 + 0,003064 + 0,0005106 + 0,00007294 +
0,000009118 + 0,000001013 + 0,0000001013
PA = 0,9994 = 99,94%
Obs.: Como o leitor deve ter observado, o clculo manual bastante trabalhoso, verdadeiramente
exaustivo. Para facilitar, importante o conhecimento de aplicativos (programas computacionais) que
faam esse trabalho braal por ns. Uma vez calculados vrios valores de PA, os mesmos so
colocados num grfico (na ordenada) e correlacionados com os correspondentes valores de P (na
abcissa). Este grfico pode, por exemplo, ser construdo manualmente, em papel milimetrado, mas
tambm com auxlio de algum aplicativo (o prprio Excel ou o Origin, entre outros tantos disponveis
no mercado especializado).
34
35
5. TABELAS TEIS
As tabelas apresentadas a seguir devero ser utilizadas para a melhor compreenso dos
exerccios, bem como a resoluo de exerccios equivalentes.
35
36
TABELA 1 (Captulo 1)
REAS
zo
zo
zo
zo
zo
zo
0,00
0,01
0,02
0,03
0,04
0,05
0,06
0,07
0,08
0,09
0,10
0,11
0,12
0,13
0,14
0,15
0,16
0,17
0,18
0,19
0,20
0,21
0,22
0,23
0,24
0,25
0,26
0,27
0,28
0,29
0,30
0,31
0,32
0,33
0,34
0,35
0,36
0,37
0,38
0,39
0,40
0,41
0,42
0,43
0,44
0,45
0,46
0,47
0,48
0,49
0,50
0,51
0,52
0,53
0,54
0,55
0,56
0,57
0,58
0,59
0,0000
0,0040
0,0080
0,0120
0,0160
0,0199
0,0239
0,0279
0,0319
0,0359
0,0398
0,0438
0,0478
0,0517
0,0557
0,0596
0,0636
0,0675
0,0714
0,0753
0,0793
0,0832
0,0871
0,0910
0,0948
0,0987
0,1026
0,1064
0,1103
0,1141
0,1179
0,1217
0,1255
0,1293
0,1331
0,1368
0,1406
0,1443
0,1480
0,1517
0,1554
0,1591
0,1628
0,1664
0,1700
0,1736
0,1772
0,1808
0,1844
0,1879
0,1915
0,1950
0,1985
0,2019
0,2054
0,2088
0,2123
0,2157
0,2190
0,2224
0,60
0,61
0,62
0,63
0,64
0,65
0,66
0,67
0,68
0,69
0,70
0,71
0,72
0,73
0,74
0,75
0,76
0,77
0,78
0,79
0,80
0,81
0,82
0,83
0,84
0,85
0,86
0,87
0,88
0,89
0,90
0,91
0,92
0,93
0,94
0,95
0,96
0,97
0,98
0,99
1,00
1,01
1,02
1,03
1,04
1,05
1,06
1,07
1,08
1,09
1,10
1,11
1,12
1,13
1,14
1,15
1,16
1,17
1,18
1,19
0,2257
0,2291
0,2324
0,2357
0,2389
0,2422
0,2454
0,2486
0,2517
0,2549
0,2580
0,2611
0,2642
0,2673
0,2704
0,2734
0,2764
0,2794
0,2823
0,2852
0,2881
0,2910
0,2939
0,2967
0,2995
0,3023
0,3051
0,3078
0,3106
0,3133
0,3159
0,3186
0,3212
0,3238
0,3264
0,3289
0,3315
0,3340
0,3365
0,3389
0,3413
0,3438
0,3461
0,3485
0,3508
0,3531
0,3554
0,3577
0,3599
0,3621
0,3643
0,3665
0,3686
0,3708
0,3729
0,3749
0,3770
0,3790
0,3810
0,3830
1,20
1,21
1,22
1,23
1,24
1,25
1,26
1,27
1,28
1,29
1,30
1,31
1,32
1,33
1,34
1,35
1,36
1,37
1,38
1,39
1,40
1,41
1,42
1,43
1,44
1,45
1,46
1,47
1,48
1,49
1,50
1,51
1,52
1,53
1,54
1,55
1,56
1,57
1,58
1,59
1,60
1,61
1,62
1,63
1,64
1,65
1,66
1,67
1,68
1,69
1,70
1,71
1,72
1,73
1,74
1,75
1,76
1,77
1,78
1,79
0,3849
0,3869
0,3888
0,3907
0,3925
0,3944
0,3962
0,3980
0,3997
0,4015
0,4032
0,4049
0,4066
0,4082
0,4099
0,4115
0,4131
0,4147
0,4162
0,4177
0,4192
0,4207
0,4222
0,4236
0,4251
0,4265
0,4279
0,4292
0,4306
0,4319
0,4332
0,4345
0,4357
0,4370
0,4382
0,4394
0,4406
0,4418
0,4429
0,4441
0,4452
0,4463
0,4474
0,4484
0,4495
0,4505
0,4515
0,4525
0,4535
0,4545
0,4554
0,4564
0,4573
0,4582
0,4591
0,4599
0,4608
0,4616
0,4625
0,4633
1,80
1,81
1,82
1,83
1,84
1,85
1,86
1,87
1,88
1,89
1,90
1,91
1,92
1,93
1,94
1,95
1,96
1,97
1,98
1,99
2,00
2,01
2,02
2,03
2,04
2,05
2,06
2,07
2,08
2,09
2,10
2,11
2,12
2,13
2,14
2,15
2,16
2,17
2,18
2,19
2,20
2,21
2,22
2,23
2,24
2,25
2,26
2,27
2,28
2,29
2,30
2,31
2,32
2,33
2,34
2,35
2,36
2,37
2,38
2,39
0,4641
0,4649
0,4656
0,4664
0,4671
0,4678
0,4686
0,4693
0,4699
0,4706
0,4713
0,4719
0,4726
0,4732
0,4738
0,4744
0,4750
0,4756
0,4761
0,4767
0,4772
0,4778
0,4783
0,4788
0,4793
0,4798
0,4803
0,4808
0,4812
0,4817
0,4821
0,4826
0,4830
0,4834
0,4838
0,4842
0,4846
0,4850
0,4854
0,4857
0,4861
0,4864
0,4868
0,4871
0,4875
0,4878
0,4881
0,4884
0,4887
0,4890
0,4893
0,4896
0,4898
0,4901
0,4904
0,4906
0,4909
0,4911
0,4913
0,4916
2,40
2,41
2,42
2,43
2,44
2,45
2,46
2,47
2,48
2,49
2,50
2,51
2,52
2,53
2,54
2,55
2,56
2,57
2,58
2,59
2,60
2,61
2,62
2,63
2,64
2,65
2,66
2,67
2,68
2,69
2,70
2,71
2,72
2,73
2,74
2,75
2,76
2,77
2,78
2,79
2,80
2,81
2,82
2,83
2,84
2,85
2,86
2,87
2,88
2,89
2,90
2,91
2,92
2,93
2,94
2,95
2,96
2,97
2,98
2,99
0,4918
0,4920
0,4922
0,4925
0,4927
0,4929
0,4931
0,4932
0,4934
0,4936
0,4938
0,4940
0,4941
0,4943
0,4945
0,4946
0,4948
0,4949
0,4951
0,4952
0,4953
0,4955
0,4956
0,4957
0,4959
0,4960
0,4961
0,4962
0,4963
0,4964
0,4965
0,4966
0,4967
0,4968
0,4969
0,4970
0,4971
0,4972
0,4973
0,4974
0,4974
0,4975
0,4976
0,4977
0,4977
0,4978
0,4979
0,4979
0,4980
0,4981
0,4981
0,4982
0,4982
0,4983
0,4984
0,4984
0,4985
0,4985
0,4986
0,4986
3,00
3,01
3,02
3,03
3,04
3,05
3,06
3,07
3,08
3,09
3,10
3,11
3,12
3,13
3,14
3,15
3,16
3,17
3,18
3,19
3,20
3,21
3,22
3,23
3,24
3,25
3,26
3,27
3,28
3,29
3,30
3,31
3,32
3,33
3,34
3,35
3,36
3,37
3,38
3,39
3,40
3,42
3,44
3,46
3,48
3,50
3,54
3,58
3,62
3,66
3,70
3,74
3,78
3,82
3,86
3,90
0,4987
0,4987
0,4987
0,4988
0,4988
0,4989
0,4989
0,4989
0,4990
0,4990
0,4990
0,4991
0,4991
0,4991
0,4992
0,4992
0,4992
0,4992
0,4993
0,4993
0,4993
0,4993
0,4994
0,4994
0,4994
0,4994
0,4994
0,4995
0,4995
0,4995
0,4995
0,4995
0,4995
0,4996
0,4996
0,4996
0,4996
0,4996
0,4996
0,4997
0,4997
0,4997
0,4997
0,4997
0,4997
0,4998
0,4998
0,4998
0,4999
0,4999
0,4999
0,4999
0,4999
0,4999
0,4999
0,5000
36
37
37
38
TABELA 2 (Captulo 2)
P(%)
n1
90
95
99
0,886
0,941
0,988
0,679
0,765
0,889
0,557
0,642
0,760
0,482
0,560
0,698
0,434
0,507
0,637
0,330
0,390
0,550
0,275
0,320
0,490
10
0,230
0,270
0,435
38
39
TABELA 3 (Captulo 2)
n
2
3
4
5
6
7
8
9
10
Kn
eficincia*
0,8862
1,00
0,5908
0,99
0,4857
0,98
0,4299
0,96
0,3946
0,93
0,3698
0,91
0,3512
0,89
0,3367
0,87
0,3249
0,85
39
40
TABELA 4 (Captulo 2)
(n -1)
de B
1
2
3
4
5
6
7
8
9
10
1
161
18,5
10,1
7,7
6,6
6,0
5,6
5,3
5,1
5,0
2
200
19
8,6
6,9
5,8
5,1
4,7
4,5
4,3
4,1
(n - 1) PARA O MTODO A
3
4
5
6
7
8
216 225 230 234 237 239
19,2 19,2 19,3 19,3 19,4 19,4
9,9 9,1 9,0 8,9 8,8 8,8
6,6 6,4 6,3 6,2 6,1 6,1
5,4 5,2 5,1 5,0 4,9 4,8
4,8 4,5 4,4 4,3 4,2 4,2
4,4 4,1 4,0 3,9 3,6 3,7
4,1 3,8 3,7 3,6 3,5 3,4
3,9 3,6 3,5 3,4 3,3 3,2
3,7 3,5 3,3 3,2 3,1 3,1
9
241
19,4
8,8
6,0
4,8
4,1
3,6
3,3
3,1
3,0
10
242
19,4
8,8
6,0
4,8
4,1
3,6
3,3
3,1
3,0
40
41
TABELA 5 (Captulo 2)
n-1
90
P(%)
95
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
25
30
6,314
2,920
2,353
2,132
2,015
1,943
1,895
1,860
1,833
1,812
1,796
1,782
1,771
1,761
1,753
1,746
1,740
1,734
1,729
1,725
1,708
1,697
1,645
12,706
4,303
3,182
2,776
2,571
2,447
2,365
2,306
2,262
2,228
2,201
2,179
2,160
2,145
2,131
2,120
2,110
2,101
2,093
2,086
2,060
2,042
1,960
99
63,657
9,925
5,841
4,608
4,032
3,707
3,499
3,355
3,250
3,169
3,106
3,055
3,012
2,977
2,947
2,921
2,891
2,878
2,861
2,845
2,787
2,750
2,576
41
42
TABELA 6 (Captulo 3)
A
2,121
1,732
1,500
1,342
1,225
1,134
1,061
A1
3,760
2,394
1,880
1,596
1,410
1,277
1,175
A2
1,880
1,023
0,729
0,577
0,483
0,419
0,373
9
10
1,000
0,949
1,094
1,028
0,337
0,308
Frmulas:
a) Norma conhecida:
LM =
LC = LM + A
b) Norma desconhecida:
LM = X
LC = LM + A1. s
LC = LM + A2. R
ou
TABELA 7 (Captulo 3)
c2
0,5642
0,7236
0,7979
0,8407
0,8686
0,8882
0,9027
0,9139
0,9227
B1
0,000
0,000
0,000
0,000
0,026
0,105
0,167
0,219
0,262
B2
1,843
1,858
1,808
1,745
1,711
1,672
1,638
1,609
1,584
B3
0,000
0,000
0,000
0,000
0,030
0,118
0,185
0,239
0,284
B4
3,267
2,568
2,266
2,089
1,970
1,882
1,815
1,761
1,716
Frmulas:
a) Norma conhecida:
LM = s = c2.
LIC = B1.
LSC = B2.
b) Norma desconhecida
LM = s
LIC = B3. s
LSC = B4. s
42
43
TABELA 8 (Captulo 3)
d2
1,128
1,693
2,059
2,326
2,534
2,704
2,847
2,970
3,078
D1
0,000
0,000
0,000
0,000
0,000
0,205
0,387
0,546
0,687
D2
3,686
4,358
4,698
4,918
5,078
5,203
5,307
5,394
5,469
D3
0,000
0,000
0,000
0,000
0,000
0,076
0,136
0,184
0,223
D4
3,267
2,575
2,282
2,115
2,004
1,924
1,864
1,816
1,777
Frmulas:
a) Norma conhecida: LM = d2.; LIC = D1.; LSC = D2.
b) Norma desconhecida: LM = R ; LIC = D3. R ; LSC = D4. R
43
44
TABELA 9 (Captulo 4)
Cdigo de letras dos nveis de inspeo, para uso das Tabelas 9, 10 e 11.a,b,c.
Tamanho do lote (N)
000.002 a 000.008
000.009 a 000.015
000.016 a 000.025
000.026 a 000.050
000.051 a 000.100
000.101 a 000.150
000.151 a 000.300
000.301 a 000.500
000.501 a 001.000
001.001 a 003.000
003.001 a 010.000
010.001 a 035.000
035.001 a 150.000
150.001 a 500.000
500.001 acima
I
B
B
B
C
C
D
E
F
G
H
J
K
L
M
N
Nveis de Inspeo
II III S-1 S-2 S-3
B B B B B
B C B B B
C D B B B
D E B B B
E F B B C
F G B B C
G H B C D
H J B C D
J K C C E
K L C D E
L M C D F
M N C D F
N P D E G
P Q D E G
Q R D E H
S-4
B
B
B
C
C
D
E
E
F
G
G
H
J
J
K
44
45
TABELA 10 (Captulo 4)
Tamanho
da
amostra
A
B
C
D
E
F
G
H
J
K
L
M
N
P
Q
R
2
3
5
8
13
20
32
50
80
125
200
315
500
800
1250
2000
0,10
a
0,15
a
||
||
||
||
||
||
||
||
1
2
3
4
6
0
1
2
3
4
6
8
2
3
4
6
8
11
1
2
3
5
7
10
14
||
||
||
||
1
2
3
5
7
10
0,65
||
||
||
||
||
1
2
3
5
7
0,40
||
||
||
||
||
||
1
2
3
5
||
||
||
||
||
||
||
0,25
2
3
4
6
8
11
15
1
2
3
5
7
10
14
21
2
3
4
6
8
11
15
22
||
||
||
||
0
1
1
2 2
3 3
4 5
6 7
8
||
||
0
1
1
2
3 3
4 5
6 7
8 10 11
||
0
1
1
2
2
3
4 5
6 7
8 10 11 14 15
0
1
1
2 2
3
3
5
6 7
8 10 11 14 15 21 22
1
2 2
3 3
4
5
7
8 10 11 14 15 21 22
1
2 2
3 3
4 5
6
7
10 11 14 15 21 22
||
1
2 2
3 3
4 5
6 7
8
10
14 15 21 22
||
||
2
3 3
4 5
6 7
8 10 11
14
21 22
||
||
||
3
4 5
6 7
8 10 11 14 15
21
||
||
||
||
5
6 7
8 10 11 14 15 21 22
||
||
||
||
||
7
8 10 11 14 15 21 22
||
||
||
||
||
||
10 11 14 15 21 22
||
||
||
||
||
||
||
14 15 21 22
||
||
||
||
||
||
||
||
21 22
||
||
||
||
||
||
||
||
||
1,0
||
||
||
||
||
||
||
||
||
||
150,0
250,0
400,0
7
10
14
21
30
8
11
15
22
31
10
14
21
30
44
11
15
22
31
45
14
21
30
44
15
22
31
45
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
650,0
a
1000,0
a
21 22
30 31
44 45
30 31
44 45
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
= Empregue o primeiro plano abaixo da seta. Quando o tamanho da amostra (n) for igual ou maior do que o tamanho da partida (N), realize inspeo completa.
= Empregue o primeiro plano acima da seta.
a = Nmero de Aceitao.
r = Nmero de Rejeio.
45