Manual - MSA - Análise Do Sistma de Medição - 4 Edição

MSA quarta edio
Anlise dos Sistemas de

Medio

MSA quarta edio - Anlise dos Sistemas de Medio
Em junho 2010 foi lanada a 4 edio do manual de anlise de sistemas de
medio. Esta verso traz mudanas significativas em relao a terceira edio. Na
nossa opinio, as principais mudanas se concentram nos critrios para anlise dos
resultados. Porm, tambm tivemos mudanas em tcnicas estatsticas. A seguir,
apresentamos uma breve discusso sobre as principais mudanas.
O MSA 4 edio apresenta algumas alteraes em relao terceira edio. As
principais mudanas referem-se ao:
Sistema de Calibrao;
Critrio e forma de anlise da tendncia e lineraridade dos sistemas de medio;
Critrio para analisar o RR;
Melhor interpretao e anlise de sistemas atributivos (passa/no passa);
Uso de tcnicas alternativas para avaliar sistemas de medio no replicveis;

A seguir, comentamos as principais modificaes da quarta edio:
1. Na pgina 10 da quarta edio foi adicionado um tpico especfico sobre o
sistema de calibrao. Em resumo, uma organizao deve ter um laboratrio
interno de calibrao ou uma organizao externa que controle e mantenha os
elementos dos eventos de calibrao. O sistema de calibrao parte do escopo do
sistema de gesto da qualidade da organizao e deve constar nos requisitos de
auditoria interna. Quando o evento da calibrao realizado por um fornecedor
externo (comercial ou no) este pode (ou deve) ser acreditado conforme ISO/IEC
17025. Quando no existir um laboratrio acreditado, o servio de calibrao deve
ser realizado pelo fornecedor do equipamento.
2. Na pgina 77 da quarta edio foi alterado os critrios de anlise dos resultados
(seo D). Primeiro, foi adicionado um critrio para anlise do processo de fixao
e montagem do dispositivo de medio. Os critrios para anlise da tendncia e
linearidade so similares, com algumas alteraes na forma de clculo e
interpretao dos resultados. Os critrios para anlise da variabilidade (RR)
mudaram na sua essncia:
Ao iniciarmos uma anlise nos sistemas de medio de uma organizao, til
identificarmos as prioridades para os quais os sistemas de medio devem,
inicialmente, focar. Desde que a variao total (ou final) baseada na combinao
da variao do processo e do sistema de medio
,
quando o CEP est sendo aplicado para controlar o processo ou coletar dados, e o
grfico de controle indica que o processo est sob controle estatstico (estvel) e a
variabiliade total aceitvel, o sistema de medio pode ser considerado aceitvel
para o uso e no requer uma re-anlise separada. Se uma condio de fora de
controle ou uma no conformidade for detectada, devemos primeiro analisar o
sistema de medio.
Comentrios: Se temos um grfico de CEP em determinada caracterstica, que est
estvel e com boa capacidade, NO NECESSRIO APLICAR O MSA para avaliar o
sistema de medio. A no ser que seja detectado um ponto fora de controle ou
uma no conformidade.
A seguir, temos a tabela de anlise do RR.
RR Deciso Comentrios
Abaixo
de 10%
Sistema de
medio
geralmente
considerado
aceitvel
Recomendvel, especialmente til quando tentamos ordenar ou
classificar peas ou quando for requerido um controle apertado
do processo.
Entre
10% e
30%
Poder ser aceito
para algumas
aplicaes
A deciso deve ser baseada primeiro, por exemplo, na
importncia da aplicao da medio, custo do dispositivo de
medio, custo do retrabalho ou reparo. O sistema de medio
deve ser aprovado pelo cliente.
Acima
de 30%
Considerado
inaceitvel
Todos os esforos devem ser tomados para melhorar o sistema
de medio. Esta condio pode ser resolvida pelo uso de uma
estratgia apropriada para a medio; por exemplo, utilizar a
mdia de diversas medies da mesma caracterstica da mesma
pea a fim de reduzir a variabilidade da medida final.

A anlise do NDC a mesma, ou seja, o NDC deve ser maior ou igual a cinco.Temos
uma pequena modificao no clculo deste ndice para evitar valores iguais a zero.
Cuidado: O uso do RR como nico ndice para avaliar um sistema de medio
no aceitvel.
Ao aplicar os critrios de aceitao como simples valores de corte (thresholds),
assumimos que as eststicas so estimativas determinsticas da variabilidade do
sistema de medio (o que no so). Especificar os valores de corte como critrio
pode levar a um comportamento inadequado. Por exemplo, o fornecedor pode ser
criativo ao encontrar um determinado valor de RR, eliminando as principais
fontes de variao (como a interao pea X operador) ou simplesmente manipular
o estudo.
Comentrios: Infelizmente este um fato que ocorre em muitas empresas no
Brasil. O cliente impe um RR abaixo de 10% e o fornecedor manipula os dados.
NO DEVEMOS TER UM CRITRIO SIMPLES (NICO) PARA TODOS OS SISTEMAS DE
MEDIO. Cada aplicao deve ser avaliada individualmente.
Quando analisamos a variao de um sistema de medio importante olhar para
cada aplicao individualmente, para sabermos o que requerido e como esta
medio ser utilizada. Por exemplo: a preciso requerida da medio de
temperatura poder ser diferente para aplicaes no similares. Um termostato para
sala pode regular a temperatura para conforto de um humano e ser barato, porm
tem um RR acima de 30%. Isto aceitvel para esta aplicao. Mas, em um
laboratrio, no qual pequenas variaes de temperatura podem impactar nos
resultados dos testes, uma medio e controle de temperatura mais sofisticados
devem ser requeridos. Este termostato ser mais caro e tambm vamos requerer
uma menor variabilidade (menor valor de RR).
Estudos de Sistema de Medio por varivel:
1. Estabilidade: Nada mudou.
2. Tendncia (pgina 88): Neste estudo, tivemos algumas alteraes. Primeiro, foi
introduzido o mtodo da amostra independente (teste t-Student) para avaliar a
tendncia. O mtodo da mdia e amplitude no consta na quarta edio. Como
critrio, podemos analisar o P-valor ou o intervalo de confiana. Segundo, para
relizarmos a anlise da tendncia, precisamos validar variabilidade associada com
a repetitividade (o desvio padro dos dados),

no qual o desvio padro dos dados e a variao total baseada na
variao do processo (prefervel) ou na tolerncia do processo dividida por 6. Se a
for alta (ver tabela acima), ento o sistema de medio pode ser inadequado.
Desde que a anlise de tendncia admite que a repetitividade aceitvel,
continuar com a anlise pode nos levar a um resultado contraditrio ou errado, isto
, a anlise pode indicar uma tendncia estatisticamente nula, enquanto que seu
valor absoluto pode ultrapassar o que aceitvel para o equipamento.
Comentrio: Finalmente retiraram o mtodo da mdia e amplitude. Apenas no
mtodo do grfico de CEP para anlise da tendncia temos referncia ao mtodo
da mdia e amplitude, caso tenhamos avaliado a estabilidade com o grfico Xbar e
R. Outro ponto a validao da repetitividade antes de concluirmos sobre a
tendncia. Aqui, na nossa opinio, melhor realizar o estudo de RR antes da
tendncia. Ao realizarmos o RR podemos validar a repetitividade.
3. Linearidade: Tambm precisamos validar a variabilidade associada com a
repetitividade, antes de concluirmos sobre a linearidade.
4. Repetitividade e Reprodutibilidade: Foram mantidos os trs mtodos:
amplitude, mdia e amplitude e ANOVA. Porm, o mtodo da ANOVA o
recomendado (pgina 101), pois este mais completo e flexvel.
4.1 Mtodo da Amplitude: Nada foi alterado.
4.2 Mtodo da Mdia e amplitude: Primeiro, o nmero mnimo de peas mudou de
5 para 10 peas. A principal alterao est na determinao da variabilidade do
processo. Em geral, temos quatro mtodos para determinar a variao de processo
(pgina 121):
Variao de processo atual
o variao de processo obtida atravs peas utilizadas no estudo de RR;
o utilizar quando as peas selecionadas representam a variao de processo
esperada;
Variao de um processo alternativo
o utilizar quando no temos um nmero suficiente de peas que representam o
processo, mas existe um processo cuja variao de processo similar;
Valor alvo do Pp (ou Ppk)
o utilizar quando no temos um nmero suficiente de peas que representam o
processo e no temos um processo com variao similar, ou o novo processo
esperado ter uma variabilidade menor do que o processo atual;
Tolerncia
o quando o sistema de medio utilizado para um tipo de processo e o processo
tem Pp menor que 1;
Comentrio: Um dos principais pontos para determinarmos os ndices do RR a
variao do processo. Em geral, as 10 peas selecionadas para o estudo do RR no
representam bem a variao do processo. Neste sentido, a quarta edio enfatiza o
uso do histrico do processo, do valor alvo do Pp ou da tolerncia.
4.3 ANOVA: Nenhuma alterao. Porm, vale as mesmas observaes sobre a
estimativa da variao do processo que fizemos no mtodo da mdia e amplitude.
Estudos de Sistema de Medio por atributo:
Inicialmente foi dado nfase na detrminao da rea cinza (pgina 132). Considere
um sistema de medio por atributo que compara cada pea com os limites de
especificao, o sistema aceita a pea se a mesma est entre as especificaes e
rejeita caso contrrio (conhecido como sistema passa no passa). Como qualquer
sistema de medio, existe uma rea cinza em torno dos limites de especificao
no qual o sistema de medio comete erros de classificao.
Desde que no conhecemos, a priori, a rea cinza, devemos realizar estudos do
sistema de medio. Entretanto, para determinarmos as reas de risco em torno
dos limites de especificao, precisamos escolher aproximadamente 25% da peas
prximas ao limite inferior e 25% da peas prximas ao limite superior. Nos
casos em que difcil fazer tais peas, a equipe pode decidir utilizar uma
porcentagem menor, apesar de reconhecer que esta atitude pode aumentar a
variabilidade dos resultados. Se no for possvel fazer peas prximas aos limites
de especificao a equipe deveria reconsiderar o uso de um sistema de medio
por atributos para este processo. Para cada caracterstica, as peas devem ser
medidas por um sistema de medio por variveis com variabilidade aceitvel.
Quando uma caracterstica no pode ser medida por um sistema de medio por
variveis (exemplo, visual), utilizamos outros meios, como a classificao por
especialistas. Trs operadores so escolhidos e cada operador realiza trs
medies de cada pea.
Comentrio: Dentre as peas escolhidas (por exemplo 50) que utilizamos para
realizar o estudo de um sistema de medio por atributo, devemos escolher 25%
(em torno de 12) prximas ao limite inferior de especificao e 25% (em torno de
12) prximas ao limite superior de especificao.
Tamanho da amostra (pgina 140):
Outro ponto interessante da quarta edio em relao a sistemas de medio por
atributo o tamanho da amostra. Qual a quantidade de peas que devemos utilizar
para realizar o estudo de sistema de medio por atributo? Para desespero dos
usurios a resposta o suficiente. O propsito de se estudar um sistema de
medio (atributo ou varivel) est em conhecer suas propriedades. Um nmero
suficiente de amostras deve ser selecionado para cobrir uma amplitude esperada
de operao. No caso de sistema por atributo, a regio de interesse so as reas
cinza. Se a capacidade do processo boa, ento uma amostra pequena pode no
conter muitas peas na rea cinza. Isto signficia que um processo com boa
capacidade requer uma amostra maior.
No exemplo citado na quarta edio, para um Pp=Ppk=0,5 (no qual esperamos 13%
de peas no conformes), foi selecionado 50 peas para realizar o estudo do
sistema de medio por atributo.
Um alternativa para evitarmos amostras grandes, consiste em escolher as peas
diretamente na rea cinza para assegurar que o efeito da variabilidade do avaliador
ser visualizado.
Mtodo da deteco de sinais (pgina 143): Um procedimento alternativo para
avaliar um sistema de medio por atributo e que foi dado bastante nfase. Na
quarta edio, temos uma descrio bem mais detalhada do que encontramos na
terceira edio.
Mtodo analtico: Foi corrigido algumas contas. Por exemplo, na pgina 146, o
valor da estatstica t foi corrigido.
Neste mdulo, vamos apresentar as principais ferramentas para anlise dos sistema
de medio conforme manual de anlise de sistema de medio da indstria
automobilstica (MSA quarta edio). Apesar de seguirmos a indstria
automobilstica, os mtodos apresentados neste mdulo se aplicam a qualquer
sistema de medio.
Sistema de Medio: o conjunto de operaes, procedimentos, dispositivos de
medio e outros equipamentos, software e pessoal usado para atribuir um nmero
caracterstica que est sendo medida; o processo completo usado para obter as
medidas.

1 - Anlise dos Sistemas de Medio
1.1 - Sistema de Medio
1.2 - Planejamento e Estratgia
2 - Sistema de Medio Replicvel
2.1 - Estabilidade
2.2 - Tendncia
2.3 - Tendncia e Linearidade
2.4 - Repetitividade e Reprodutibilidade
2.4.1 - Modelo da ANOVA: com interao entre pea e operador
2.4.2 - Modelo da ANOVA: sem interao entre pea e operador
2.4.3 - Modelo da ANOVA: sem operador
2.4.4 - Curvas de Desempenho
2.4.5 - Anlise grfica do RR
3 - Anlise de Sistema de Medio - No Replicvel
3.1 - Estabilidade
3.2 - RR No-Replicvel (Mtodo Hierrquico)
4 - Sistema de Medio por Atributo
4.1 - Mtodo Analtico
4.1.1 - Estudo do sistema de medio do tipo atributo
4.1.2 - Descrio do estudo do sistema de medio do tipo atributo
4.1.3 - Mtodo analtico via modelo linear
5 - Aplicaes do MSA
5 - Aplicaes do MSA
5.1 - Sistema de Medio de Dureza: HRC
5.2 - Medio da posio real em uma flange
5.3 - Sistema de medio visual
5.4 - Pesagem de materia-prima e MP
5.5 - Sistema de medio dimensional do Farol veicular
5.6 - Sistema de Medio para altura do rebite
5.7 - Sistema de medio de Torque aplicado com um torqumetro digital
6 - Apndice
6 - Apndice
6.1 - Distribuio t-Student
6.2 - Tabela de d2
7 - Referncias

Dados de medio tem sido utilizados nas mais diferentes maneiras. A deciso de
ajustar ou no um processo de fabricao baseada em dados de medio. Dados
de medio ou dados derivados destes so comparados aos limites de Controle
Estatstico do Processo. Caso esta comparao indicar que o processo est fora do
controle estatstico, algum tipo de ajuste dever ser feito. Caso contrrio, o
processo poder prosseguir sem ajustes.
Outra importante utilizao de dados de medio em planejamento de
experimentos. Um planejamento de experimentos permite conhecer o efeito de
diferentes fatores que podem variar dentro de um processo, como por exemplo:
matria prima, condies de operao, tipos de ajustes de mquinas, entre outros.
Neste caso, a anlise do efeito destes fatores dependem de dados de medies de
uma pea, por exemplo. Em geral, estudos que exploram esta relao so
denominados pelo Dr. W. E. Deming de estudos analticos. O estudo analtico
aquele que aumenta o conhecimento sobre o sistema de causas que afetam o
processo. Estes estudos esto entre as mais importantes aplicaes de dados de
medio, visto que recentemente eles tm conduzido ao melhor entendimento de
produtos e processos.
Os benefcios obtidos com a utilizao de procedimentos baseados em dados so
diretamente determinados pela qualidade dos dados de medio utilizados. Se a
qualidade for baixa, o benefcio do procedimento provavelmente ser baixo. De
maneira similar, se a qualidade for alta, o benefcio dever ser alto tambm. Desta
forma, devem ser tomados os devidos cuidados na obteno dos dados, pois o
benefcio decorrente da utilizao destes dados devem superar os custos de sua
obteno.
A qualidade dos dados de medio est relacionada com as propriedades
estatsticas de medies mltiplas obtidas pelo sistema de medio. Suponhamos
que um sistema de medio que est operando sob condies estabilizadas seja
utilizado para coleta de vrias medies de uma certa caracterstica de uma pea.
Se as medidas obtidas estiverem todas prximas do valor de referncia, ento a
qualidade dos dados ser dita alta. Da mesma forma, se algumas ou todas as
medidas estiverem afastadas do valor de referncia, ento a qualidade dos dados
ser considerada baixa.
As propriedades estatsticas mais utilizadas para caracterizar a qualidade dos dados
so tendncias e varincias. A propriedade chamada tendncia refere-se
localizao dos dados com relao ao valor de referncia, a propriedade chamada
de varincia refere-se disperso dos dados. Porm, outras propriedades
estatsticas, como a taxa de classificao incorretas, podero ser apropriadas em
alguns casos, como os sistemas de medio por atributo.
Uma das razes mais comuns que gera dados de baixa qualidade a variao muito
grande dos dados. Grande parte da variao em um conjunto de medies devido
interao entre o sistema de medio e o seu meio. Se esta interao gerar
variao muita alta, a qualidade dos dados poder ser to baixa que eles no tero
utilidade.
Boa parte do trabalho de gesto de sistemas de medio visa monitorar e controlar
variaes. Dentre outras coisas, isto significa que devemos conhecer a forma como
o sistema de medio interage com seu ambiente, de modo que sejam gerados
somente dados de qualidade aceitvel.
1.1 - Sistema de Medio
O principal ponto para anlise consiste em interpretarmos o sistema de medio
como um processo. Desta forma, importante ressaltarmos que no estamos
avaliando simplesmente os equipamentos, mas o processo no qual utilizamos os
equipamentos, o mtodo e as pessoas para obtermos o resultado da medio.
Sistema de Medio: a coleo de instrumentos ou dispositivos de medio,
padres, operaes, mtodos, dispositivos de fixao, software, pessoal, ambiente
e premissas utilizadas para quantificar a unidade de medio ou corrigir a avaliao
de uma caracterstica sendo medida; o processo completo para obter medies.

Medio o conjunto de operaes com objetivo de determinar o valor de uma
grandeza. Estas operaes podem ser realizadas automaticamente. (ISO GUM,
2008).

Figura 1.1.1: Sistema de medio

O objetivo de uma medio determinar o valor de uma grandeza a ser medida. Esta medio
comea com uma apropriada especificao da grandeza, do mtodo e procedimento de
medio.

Exemplo 1.1.1:
Considere um sistema de medio para medir o dimetro de um conector de torneira com
tolerncia de +/- 0,5 mm.

Figura 2: Medio de um conector de torneiras

Antes de qualquer anlise estatstica devemos obter uma boa definio do sistema de
medio. Abaixo, apresentamos de forma simplificada o sistema de medio para medir o
dimetro do conector.
Definio do sistema de medio:
Equipamento de medio: paqumetro digital de resoluo 0,01mm;
Observe que o equipamento de medio (paqumetro) apresenta uma resoluo
adequada para a caracterstica que vamos medir, pois temos uma tolerncia de +/-
0,5 mm, o que corresponde a uma faixa de 1 mm. Ao dividirmos a tolerncia por
10, obtemos que a exatido mnima requerida de 0,1 mm. Como o paqumero
digital tem resoluo de 0,01 mm, conclumos que este adequado para realizar
tal medio.
Mtodo de medio:
Posicionar o paqumetro no centro do conector;

Figura 1.1.2 : mtodo de medio
Executar a medida

Erro de Medio

Toda medio tem imperfeies que do origem a erros no resultado da medio.
Tradicionalmente, um erro visto como tendo dois componentes, a saber, um
componente aleatrio e um componente sistemtico.
Um sistema de medio ideal produziria somente medies corretas a cada vez
que fosse utilizado. No entanto, sistemas de medio com tal propriedade no
existem. O erro de medio definido por:

Figura 4: Erro de medio
Erro um conceito idealizado e os erros no podem ser conhecidos exatamente. Na
prtica, associamos uma varivel aleatria (por exemplo, a distribuio normal)
para representar o erro de medio.

Figura 1.1.3: Erro de medio
Incerteza: ;
RR: .
No confundir com erro!
Em geral, existe uma certa confuso entre o significado de RR e a incerteza de
medio. A incerteza de medio um termo utilizado internacionalmente para
descrever a qualidade de uma medida. At alguns anos atrs, este termo era
frequentemente associado com a qualidade de equipamentos de medio.
Entretanto, devido a importncia de alguns ensaios, o conceito de incerteza de
medio foi estendido para estabelecer a qualidade dos ensaios.
A incerteza de medio um valor associado ao resultado da medio que descreve
uma faixa no qual esperamos conter o valor verdadeiro da medida, com um
determinado nvel de confiana.
No processo de calibrao, no qual avaliamos um equipamento de
medio, a incerteza de medio corresponde ao desvio padro (ou, mltiplo dele)
associado s medies do equipamento de medio obtidas sob condies ideiais de
medio (calibrao). Na calibrao, o equipamento comparado com respeito a
um padro de referncia em um laboratrio com condies ambientais controladas.
Alm disso, utilizamos um tcnico devidamente capacitado para realizar tal
comparao.
Em um ensaio, devemos considerar o sistema de medio como um processo, no
qual temos os equipamentos, mtodos, software, pessoal, tudo envolvido na
medio. O RR tem como objetivo quantificar a variabilidade associada s
medies do sistema de medio (equipamentos, mtodo e pessoal) obtidas sob
condies reais de utilizao do sistema de medio.
Assim, podemos interpretar a incerteza em uma calibrao como a incerteza
devido aos equipamento que utilizamos, enquanto que o RR caracteriza as
variaes devido s interaes do sistema de medio com o meio em que est
inserido (principalmente, o mtodo, pessoas, meio ambiente, produto, entre
outros). De forma geral, a incerteza de medio detemina um intervalo de
confiana associado ao resultado da medio, enquanto que o RR se preocupa em
avaliar as fontes de variao e determinar adequabilidade do sistema de medio
para controlar o processo ou avaliar um produto. Quando estudamos um ensaio,
muitas vezes utilizamos tcnicas como o RR para auxiliar na determinao da
incerteza de medio.
Tipos de Erros:
Dois tipo de erros sero caractersticos deste estudo:
Erro Aleatrio
O erro aleatrio aquele que ocorre de forma inesperada e com intensidade que
danifica nossas medies. Este erro representa as pequenas variaes que ocorrem
em medidas repetidas de uma grandeza. Estas variaes tem como causa,
alteraes ambientais ou espaciais, variao devido ao equipamento de medio,
interferncia eltrica entre outras. Embora no seja possvel compensar o erro
aleatrio, ele pode geralmente ser reduzido se aumentarmos o nmero de
observaes ou se melhorarmos a tecnoclogia do sistema de medio (melhor
ambiente, novos equipamentos ou treinamento dos tcnicos). Interpretamos o erro
aleatrio como uma vairvel aleatria com mdia zero.
Erro Sistemtico
O erro sistematico aquele que ocorre em todas as medies mais ou menos com a
mesma intensidade. Assim como o erro aleatrio, o erro sistematico no pode ser
eliminado, porm ele, freqentemente, pode ser reduzido. Suponha que um erro
sistemtico se origina de um efeito reconhecido de uma grandeza de influncia em
um resultado de medio. Se este efeito pode ser quantificado e, se for
significativo com relao exatido requerida da medio, uma correo ou fator
de correo pode ser aplicado para compensar o efeito. Supomos que, aps esta
correo, a esperana ou valor esperado do erro sistemtico seja zero.

Abaixo apresentamos o diagrama de Ishikawa (espinha de peixe) para descrever os
principais componentes do erro de medio:

Figura 1.1.4 : Diagrama de Ishikawa
Exemplo 1.1.2:
Descrio dos principais componentes do erro de medio para o sistema de
medio do dimetro do conector de torneira.

Figura 1.1.5 : Diagrama de Ishikawa para o conector de torneira
clique aqui para efetuar o download dos dados utilizados nesse exemplo

Para entender como executar essa funo do Software Action, voc pode consultar:

Para entender como executar essa funo do Software Action, voc pode consultar o
manual do usurio.

Requisitos de um sistema de medio

Um sistema de m qualidade poder mascarar a variao real do processo ou
produto conduzindo a concluses erradas:

Figura 1.1.6: Sistema de m qualidade
Existem certas propriedades fundamentais que definem um bom sistema de
medio:

Uma adequada discriminao ou sensibilidade. O incremento de medida deve ser
pequeno o suficiente para detectar variaes no processo ou nos limites de
especificao. A regra comum conhecida como regra do dez, que consiste em
definir a discriminao do sistema de medio dividindo a tolerncia (ou variao
do processo) em 10 partes.
O sistema de medio deve estar sob controle estatstico. Isto significa que sob
condies de repetitividade, as variaes do sistema de medio so devidas
causas comuns e no causas especiais.
Para controle de produto, a variabilidade do sistema de medio deve ser pequena
comparada com limites de especificao. Comparar a variabilidade do sistema de
medio com as tolerncias do produto.
Para controle do processo, a variabilidade do sistema de medio deve demonstrar
uma resoluo efetiva e pequena comparada com a variao do processo de
manufatura. Comparar a variabilidade do sistema de medio com 6-sigma da
variao do processo e/ou variao total.

Figura 1.1.7: Avaliao do erro de medio

1.2 - Planejamento e Estratgia
Nem toda caracterstica do processo ou produto requer uma anlise detalhada
como a que estamos desenvolvendo. Para sistemas de medio simples, como os
sistemas determinados por paqumetros, micrmetros ou calibradores, muitas vezes
no requerem uma anlise detalhada. A regra bsica para escolher o sistema a ser
avaliado se este identificado no plano de controle ou importante para
determinar a rejeio ou no do processo ou produto. Outro indicativo o nvel de
tolerncia determinado para a dimenso especfica e a criticidade perante ao
cliente. Porm,
o bom senso o guia em qualquer caso.

Diretrizes para anlise do sistema de medio

Discriminar as grandezas relacionadas nos planos de controle;
Identificar os sistemas de medio
Definir as prioridades
- Cliente
- Refugo
- Complexidade
Identificar uma equipe multifuncional
Para cada sistema de medio priorizado:
- Desenvolver um fluxograma do processo de medio;
- Treinar os envolvidos;
- Desenvolver o diagrama de Ishikawa;
- Escolher as ferramentas estatsticas;
- Montar um cronograma de aplicao das ferramentas;
- Documentar as solues e as correes;
- Institucionalizar a mudana.

Modelo de Erro de medio

Fontes de Erro Componentes Fator ou Parmetro
P Peas
Pea, Amostra, Mensurando, Unidade sobre
Teste, Artefato, Padro de Variao
Desconhecido
I Instrumento
Equipamento de Medio, Unidade de Medio, Clula de
Medio
Meios de Comparao
S Padro
Escala, Referncia, Artefato, Padro de Verificao,Padro
de Consenso, Material Padro, Classe,Critrio de Aceitao
Valor de Referncia ou
Critrio de Aceitao
M Mtodo
Treinamento On-the-job, Instruo de Trabalho,Plano de
Controle, Mtodo, Plano de Inspeo,Programa de Teste
Como
O Operador
Instrumentista, Tcnico de Teste ou
Calibrao, Inspetor
Quem
E
Meio
Ambiente
Temperatura, Umidade, Contaminao,
Housekeeping,Iluminao, Posio, Vibrao,
InterfernciaEletromagntica, Rudo, Tempo e Ar
Condies de Medio
e Rudo
A Concepo
Estatstica, Operacional, Calibrao, Constantes,Valor de
Handbook, Estabilidade Trmica,Elasticidade
Medio Confivel

O sistema de medio replicvel aquele para o qual podemos medir diversas
vezes a mesma caracterstica de uma pea sem danific-la. Por exemplo, o sistema
de medio do dimetro do conector de torneiras replicvel, pois podemos medir
o mesmo conector diversas vezes sob condies de repetitividade.

2.1 - Estabilidade
Definies
Estabilidade a quantidade de variao total na tendncia do sistema ao longo do
tempo em uma dada pea ou pea padro. Antes de estudarmos qualquer
propriedade estatstica do sistema de medio, vamos analisar a capacidade do
sistema manter tais propriedades ao longo do tempo. O objetivo da estabilidade
consiste em avaliarmos:
A interao do sistema de medio e o meio ambiente;
Desgaste de componentes;
Ajuste de dispositivos e sensores.

Diretrizes para sistema replicvel
Selecionar e identificar uma pea;
Preparar formulrio para coleta de dados e dirio de bordo (data,
horrio,operador, equipamento de medio);
Medir periodicamente (dirio, semanal, quinzenal ou mensal) a pea com 3 a 5
medies por vez (subgrupo racional);
Aps 20 ou mais sub-grupos racionais, construir o grfico

e R, conforme descrito
abaixo.

Tabela
Limites dos Grficos
N
o
de element.
amostra (n)
A
2
D
3
D
4

Grfico das Mdias 2 1,880 0 3,267
LSC = Limite Superior = + A
2
R
3 1,023 0 2,574
LC = Limite Central =
4 0,729 0 2,282
LIC = Limite Inferior = - A
2

5 0,577 0 2,114
Grfico das Amplitudes R 6 0,483 0 2,004
LSC = Limite Superior = D
4
7 0,419 0,076 1,924
LC = Limite Central = 8 0,373 0,136 1,864
LIC = Limite Inferior = D
3
9 0,337 0,184 1,816
10 0,308 0,223 1,777

Critrios de Avaliao
Analisar os grficos e R. Primeiramente o grfico R e na sequencia o grfico :
Pontos fora dos limites de controle.
7 ou mais pontos consecutivos crescentes ou decrescentes.
7 ou mais pontos consecutivos acima ou abaixo da linha mdia.
Caso os grficos e R estejam fora de controle, investigar as causas e estabelecer
aes corretivas.
Se o processo apresentar falta de estabilidade, identifique as causas, estabelea
ao corretiva. Repita o estudo de estabilidade;
Se o processo for estvel, prossiga com o estudo do sistema de medio;
Se no for possvel estabilizar o processo de medio, realizar os estudos ao longo
do tempo para identificar as variaes de longo prazo.

Discriminao do sistema de medio no estudo de estabilidade

Capacidade do sistema de medio de detectar e indicar de forma confivel,
pequenas variaes da grandeza que est sendo medida.
Uma forma de quantificar o poder discriminador expressando a menor variao da
grandeza que o sistema de medio pode detectar.
Critrio de avaliao:
Verificar se o grfico de controle R no apresenta muitas amplitudes iguais a zero
(acima de 30 %). Caso isso ocorra, existe uma boa evidncia de que o equipamento
de medio no tem resoluo adequada para esta medio. Neste caso, faa uma
anlise crtica.

Exemplo 2.1.1
O tcnico de processo deve realizar um estudo sobre a estabilidade do sistema de
medio para avaliar o dimetro de uma barra de ao com um micrmetro. O
tcnico selecionou 1 pea, que foi medida em uma frequncia diria e tamanho de
sub-grupo 3, por um avaliador. Os valores esto na Tabela 1.
Tabela 2.1.1: Dimetros da barra de ao
Data Horrio
Medidas
1 2 3
6/ago 09:15 4,202 4,201 4,202
13/ago 16:35 4,201 4,202 4,203
20/ago 14:13 4,199 4,198 4,200
27/ago 09:40 4,200 4,201 4,201
4/set 15:28 4,200 4,201 4,200
11/set 10:39 4,202 4,201 4,200
19/set 15:10 4,200 4,201 4,200
25/set 09:25 4,200 4,199 4,199
1/out 15:40 4,198 4,199 4,199
8/out 09:25 4,200 4,202 4,200
16/out 16:10 4,202 4,203 4,203
24/out 10:05 4,201 4,202 4,201
1/nov 13:40 4,199 4,199 4,198
8/nov 14:55 4,200 4,200 4,201
14/nov 11:00 4,199 4,198 4,199
22/nov 15:50 4,200 4,199 4,200
29/nov 09:42 4,201 4,201 4,200
7/dez 08:20 4,199 4,200 4,199
12/dez 15:30 4,200 4,201 4,199
20/dez 11:05 4,199 4,199 4,200
28/dez 15:30 4,201 4,200 4,199
4/jan 16:00 4,200 4,200 4,202
10/jan 15:15 4,203 4,204 4,203
15/jan 16:00 4,204 4,203 4,203

Dos dados da tabela tomamos a mdia dos valores da coluna Mdia e a mdia dos
valores da coluna Amplitude e obtemos

= 4,200486 e = 0,001292
Os limites de controle so calculados da seguinte forma: Grfico R
Como temos 3 elementos em nossa amostra, obtemos um valor de D
3
= 0 e D
4
=
2,574, com isso:

LSC = 2,574*0,001292 = 0,003325
LIC = 0*0,001292 = 0

Grfico
Tamanho da amostra n = 3, A
2
= 1,023, obtemos os seguintes limites de controle:
LSC = 4,200486+1,023*0,001292 = 4,201807
LIC = 4,200486 -1,023*0,001292 = 4,199165

A interpretao do estudo de estabilidade no simples e exige um bom
conhecimento sobre a necessidade do sistema de medio. No caso acima,
observamos que o sistema de medio apresenta alguns sintomas de instabilidade,
temos 8 pontos consecutivos abaixo da linha central no grfico da amplitude e
diversos pontos fora dos limites de controle no grfico da mdia. Porm, devemos
avaliar os resultados com bastante cuidado. Primeiro, observamos que a amplitude
mdia de 0,0012mm est muito prxima da resoluo do equipamento e tem como
limite superior 0,003 mm, que em geral, similar ao erro mximo permissvel
para avaliar o certificado de calibrao deste tipo de equipamento. Segundo, a
maior diferena entre as mdias de medies da barra de metal foi 0,004mm, no
qual temos contribuies da falta de homogeneidade da barra (ovalizao).
Resumindo, temos sintomas de instabilidade na aplicao do sistema de medio,
porm, esta instabilidade resulta em variaes de no mximo 0,004mm. Portanto,
a aceitabilidade ou no do sistema de medio deve levar em conta a aplicao e a
necessidade de medies mais ou menos criteriosas. Dependendo da aplicao do
sistema de medio, podemos aceitar ou no este sistema de medio. Se
rejeitarmos este sistema de medio, precisamos de um plano de ao para
eliminarmos as causas especiais. Caso contrrio, aceitamos a instabilidade do
sistema como desprezvel.

manual do usurio.

Exemplo 2.1.2
O tcnico de processo deve realizar um estudo sobre a estabilidade do sistema de
medio para avaliar o dimetro interno do bloco compressor no processo de
usinagem (Brunidora). O tcnico selecionou 1 pea, que foi medida em uma
frequncia diria e tamanho de sub-grupo 3, por um avaliador. Os valores esto na
Tabela 2.
Tabela 2.1.2: Dimetros interno do bloco
Data Horrio Medida 1 Medida 2 Medida 3
12/8/2011 08:00 85,011 85,012 85,012
12/8/2011 14:30 85,011 85,011 85,011
13/8/2011 02:40 85,010 85,011 85,010
13/8/2011 10:30 85,009 85,010 85,011
15/8/2011 08:25 85,010 85,011 85,011
15/8/2011 14:35 85,011 85,011 85,010
16/8/2011 02:10 85,010 85,011 85,010
16/8/2011 10:10 85,011 85,012 85,012
16/8/2011 15:30 85,009 85,009 85,009
17/8/2011 02:45 85,012 85,011 85,012
17/8/2011 17:30 85,010 85,009 85,009
18/8/2011 05:10 85,012 85,012 85,011
18/8/2011 10:30 85,011 85,011 85,010
18/8/2011 16:30 85,010 85,009 85,008
19/8/2011 21:15 85,009 85,010 85,009
22/8/2011 09:40 85,010 85,009 85,010
22/8/2011 18:00 85,011 85,011 85,011
22/8/2011 02:30 85,012 85,011 85,011
23/8/2011 17:40 85,009 85,009 85,009
23/8/2011 02:45 85,010 85,011 85,011

Dos dados da tabela tomamos a mdia dos valores da coluna Mdia e a mdia dos
valores da coluna Amplitude e obtemos = 85,0104 e = 0,0009
Os limites de controle so calculados da seguinte forma: Grfico R
Como temos 3 elementos em nossa amostra, obtemos um valor de D
3
= 0 e D
4
=
2,574, com isso:

LSC = 2,574*0,0009 = 0,00232
LIC = 0*0,0009 = 0

Grfico

Tamanho da amostra n = 3, A
2
= 1,023, obtemos os seguintes limites de controle:
LSC = 85,0104+1,023*0,0009 = 85,0114
LIC = 85,0104 -1,023*0,0009 = 85,0095

Interpretao: Observe que temos diversos pontos de fora de controle no grfico
da mdia, isto quer dizer que temos causas especiais de variao agindo no sistema
de medio. Porm, observe que os pontos abaixo esto em torno de 85,009 mm e
os pontos acima esto em torno de 85,0120 mm, o que significa uma variaao
mxima de 3 microns. Portanto, a deciso sobre a aceitabilidade deste sistema de
medio depende da aplicao do sistema de medio.

manual do usurio.
2.2 - Tendncia

Definies
Tendncia a diferena entre a mdia das medidas de uma grandeza e o valor de
referncia para a grandeza medida, realizadas por um avaliador com o mesmo
equipamento e mtodo

Diretrizes para estudo de tendncia:
Selecionar um item da produo cuja medida caia na faixa central da variao do
processo;
Determinar o valor de referncia do item escolhido em relao a um padro
rastrevel. Aqui, podemos utilizar laboratrios externos, como os laboratrios
acreditados no INMETRO (VR);
Um avaliador, treinado no uso do sistema de medio que est sendo analisado,
mede o item 10 vezes ou mais (o MSA sugere 12);
Calcular a mdia das medies (x) e a tendncia;

Exemplo 2.2.1:

Vamos avaliar a tendncia de um sistema de medio para medir a altura de um
"MP3 Player", com tolerncia de 0,7 mm. Esta altura medida com um altmetro.
Um MP3 Player foi selecionado (prximo ao valor nominal) e, aps 10 medies
realizadas por uma mquina de medio por coordenadas, foi determinado o valor
de referncia VR = 89,73 mm. A seguir, o mesmo MP3 Player foi medido 12 vezes
com o sistema de medio em anlise. Os dados so:
Amostra Medidas
1 89,77
2 89,79
3 89,77
4 89,78
5 89,74
6 89,72
7 89,72
8 89,75
9 89,74
10 89,77
11 89,78
12 89,74
VR 89,73

A partir destes dados temos que:
a) Mdia = 89,7558 mm
b) Tendncia = (mdia) - (valor de referncia) = 89,7558 - 89,73 = + 0,0258 mm
Devemos interpretar que em mdia, os valores medidos por esse avaliador com esse
instrumento e esse mtodo so superiores ao valor de referncia em 0,0258 mm.
Para realizarmos a anlise da tendncia, precisamos validar a variabilidade
associada com a repetitividade (o desvio padro dos dados), para isto calculamos

no qual s o desvio padro dos dados e a variao total VT baseada na variao
do processo (prefervel) ou na tolerncia do processo dividida por 6. Se a %VE for
alta (ver tabela acima), ento o sistema de medio pode ser inadequado. Desde
que a anlise de tendncia admite que a repetitividade aceitvel, continuar com
a anlise pode nos levar a um resultado contraditrio ou errado, isto , a anlise
pode indicar uma tendncia estatisticamente nula, enquanto que seu valor
absoluto pode ultrapassar o que aceitvel para o equipamento. Neste ponto, o
MSA quarta edio sugere como critrio para analisar a %VE o mesmo utilizado para
anlise do RR.

Critrio para avaliar a tendncia
a) Intervalo de Confiana
A tendncia aceitvel ao nvel de significncia a se o zero pertencer ao intervalo
de confiana (1 - ) * 100% com limites:

no qual corresponde ao quantil da distribuio t-Student. Aqui,
utilizamos um nvel de significncia de 5 %.
b) Teste de Hipteses
Equivalentemente, podemos realizar o seguinte teste de hipteses para avaliar a
tendncia:

Para isso, note que a estatstica t dada por:

sendo s o desvio padro das medidas, n o nmero de medidas e t
n-1
a distribuio t-
Student com n-1 graus de liberdade.
Portanto, obtemos a seguinte regra de deciso para um nvel de significncia
Se |t| > t
(n-1;1- /2)
rejeitamos H
0
, ou seja, a tendncia significativa do ponto de
vista estatstico;
Se |t| t
(n-1;1- /2)
no rejeitamos H
0
, ou seja, a tendncia no significativa do
ponto de vista estatstico.
A Figura 2.2.1 ilustra a regio crtica do teste, isto , os valores de t para os quais
rejeitamos H
0
.

Figura 2.2.1: Regio de rejeio.
c) P-valor
O P-valor representa o menor nvel de significncia para o qual rejeitamos .
Logo, para um nvel de significncia = 0,05 adotado, rejeitamos se o P-valor
obtido for menor que 0,05, enquanto que no rejeitamos se o P-valor for maior
que 0,05, esse fato observamos na (Figura 2.2.2). Para o teste t, o P-valor
calculado na forma
p - valor = 2 x P(t
n -1
> |t|)
Com isso, rejeitamos H
0
quando o p-valor for menor que o nvel de significncia
proposto (usualmente 0,05), caso contrrio (p-valor > ) no rejeitamos H
0
.

Figura 2.2.2: P-valor.
Exemplo 2.2.2
Considerando os dados do Exemplo 2.2.1 e um valor de igual a 0,05, temos que:
n = 12
s = 0,02392
t
(n-1;1 - /2)
= t
(11;0,975)
= 2,201.
Neste exemplo, vamos utilizar a tolerncia do processo para determinar a variao
total (VT). Ao dividirmos a tolerncia por 6, obtemos que

Como s = 0,02392, temos que a %VE do processo dada por

Desde que a %VE baixa, temos uma variabilidade aceitvel.
Com isso, o intervalo de confiana com 95% de confiana para a tendncia obtido
atrves dos limites inferior (LI) e superior (LS):

Concluso: Como zero no faz parte do intervalo, a tendncia encontrada (0,0258
mm) significativa ao nvel 5%.
Equivalentemente, podemos realizar o teste para a hiptese H
0
: Tendncia = 0.
Para testar esta hiptese, tomamos

Como t = 3,741 > t
(n-1;1- /2)
= 2,201, rejeitamos a hiptese H
0
, ou seja, a tendncia
diferente de zero com nvel de confiana de 95%. A hiptese H
0
tambm pode ser
avaliada pelo p-valor, que calculado como:
p-valor = 2 x P(t
n-1
> |t|) = 2 x (1 - P(t
11
> 3,741)) = 0,00325.
Como o p-valor menor que o adotado (0,05), rejeitamos H
0
ao nvel de
significncia de 5%.
Interpretao dos resultados: Como sempre, devemos conhecer a aplicao do
sistema de medio para realizarmos uma boa anlise crtica. Neste caso, temos
uma tendncia de 0,0258 mm com limite superior de 0,041mm (intervalo de
confiana para a tendncia). O equipamento utilizado para medio um
altmetro digital de resoluo de 0,01mm. Este equipamento apresenta incerteza
de medio em torno de 0,03mm com exatido (especificao do fabricante)
tambm em torno de 3 centssimos de milmetro. Observe que a exatido proposta
pelo fabricante est acima da tendncia encontrada e prxima do limite superior
(0,041 mm). Alm disso, temos uma tolerncia para a pea de 0,7 mm.
Obviamente, temos uma oportunidade de melhoria, pois o zero est fora do
intervalo de confiana. Porm, a necessidade de um plano de ao depende da
necessidade de medidas mais ou menos precisas, ou seja, depende da aplicao do
sistema de medio.
Veja a seguir os resultados obtidos pelo software Action para o mesmo exemplo.

manual do usurio.
Anlises da tendncia
Se a tendncia for relativamente grande, procure por estas possveis causas:
1. Erro na medida da pea padro;
2. Componentes gastos;
3. Dispositivo de medio feito para dimenso errada;
4. Dispositivo de medio medindo caracterstica errada;
5. Dispositivo de medio calibrado inadequadamente;
6. Dispositivo de medio utilizado de maneira imprpria pelo avaliador.

Exemplo 2.2.3:
Um engenheiro est avaliando um novo sitema de medio para monitorar um
processo. Uma anlise do sistema de medio indicou que no deve haver
preocupao com a linearidade, pois a faixa de interesse pequena. Uma nica
pea foi escolhida de tal forma que esteja prxima ao valor nominal dos processos.
A pea foi medida por um sistema de medio sofisticado para determinar seu valor
de referncia (reference value = 6). A pea foi ento medida 15 vezes por um
operador e o valor da variabilidade total do processo de 2,5, este valor ser
utilizado para validar a repetitividade do sistema de medio. Os valores so dados
na tabela abaixo.
Trials Measurement Tendncia
1 5,8 -0,2
2 5,7 -0,3
3 5,9 -0,1
4 5,9 -0,1
5 6,0 0,0
6 6,1 0,1
7 6,0 0,0
8 6,1 0,1
9 6,4 0,4
10 6,3 0,3
11 6,0 0,0
12 6,1 0,1
13 6,2 0,2
14 5,6 -0,4
15 6,0 0,0

n = 15
s = 0,212

Como s = 0,212, temos que a %VE do processo dada por

Desde que a %VE baixa, temos uma variabilidade aceitvel.
Com isso, o intervalo de confiana com 95% de confiana para a tendncia obtido
atrves dos limites inferior (LI) e superior (LS):

Concluso: Como zero faz parte do intervalo, a tendncia encontrada (0,006667
mm) no significativa ao nvel 5%.
Equivalentemente, podemos realizar o teste de hipteses para H
0
: Tendncia = 0.
Para testar esta hiptese, tomamos

Como no rejeitamos a hiptese H
0
, ou seja, a
tendncia desprezvel ao nvel de confiana de 95%. A hiptese H
0
tambm pode
ser avaliada pelo p-valor, que calculado como:
p-valor = 2 x P(t
n-1
> |t|) = 2 x (1 - P(t
14
> 0,12178)) = 0,9048.
Como o p-valor maior que o adotado (0,05), no rejeitamos H
0
ao nvel de
significncia de 5%.

manual do usurio.

Exemplo 2.2.4
Uma medida dimensional controlada com um sistema de medio utilizando um
micrmetro de resoluo 0,002 mm. A especificao desta caracterstica
dimensional 13,000 0,020 mm. O avaliador quer saber se o sistema de medio
apresenta tendncia. Para isto, ele escolheu uma pea cuja medida prxima ao
valor nominal (13,000 mm), com a pea sendo medida atravs de um sistema de
medio com um banco micromtrico de resoluo de 0,0005 mm. Foram
realizadas vrias medidas da pea com o banco micromtrico obtendo uma mdia
de 13,001 mm. A seguir, fazemos 12 leituras da mesma pea com o sistema de
medio utilizando o micrmetro.
Leituras
13,002
13,002
13,004
13,002
13,004
13,002
13,004
13,002
13,000
13,000
13,000
13,002


Interpretao dos Resultados: Desde que o zero est fora do intervalo de
confiana temos uma tendncia significativa (de 0,001mm, com limite superior de
0,00194 mm) ao nvel de confiana de 95%. O equipamento utilizado no sistema de
medio um micrmetro de resoluo de 0,002mm com incerteza de medio em
torno de 0,003 mm. Observe que o equipamento atende ao requisito do MSA de boa
discriminao, pois ao dividirmos a tolerncia (0,04 mm) por 10 obtemos como erro
mximo permissvel 0,004 mm, tanto a resoluo quanto a incerteza esto abaixo
de 0,004mm. Nesta situao, no qual o limite superior para a tendncia est
abaixo da resoluo do instrumento e o instrumento apresenta discriminao
adequada, conclumos que a tendncia detectada desprezvel.

manual do usurio.
2.3 - Tendncia e Linearidade
A linearidade mede a variao da tendncia para diferentes valores de referncia
na faixa de interesse. A linearidade avaliada via a inclinao da reta formada
pelos diferentes valores de referncia em relao a respectiva tendncia. Quanto
menos inclinada a reta, melhor ser a qualidade do sistema de medio.

Diretrizes
Diretrizes para o estudo de tendncia e linearidade para sistema replicvel:
Selecionar uma amostra de peas (no mnimo 5) cujas medidas se distribuam ao
longo da faixa de interesse;
Determinar os valores de referncia das peas. Mais uma vez podemos utilizar
laboratrios acreditados no INMETRO ou laboratrio interno;
Avaliador que utiliza o sistema de medio deve medir cada uma das peas no
mnimo 10 vezes (o MSA sugere 12), em seqncia aleatria;
Determinar a tendncia para cada medio (Tendncia = Resultado da medio -
Valor de Referncia);
Representar graficamente a (tendncia) x ( valor de referncia);

Avaliao
Para avaliarmos a tendncia e linearidade, vamos tomar o ajuste da tendncia em
relao ao valor de referncia:
Tendncia = a + b*(valor de referncia) + Erro de ajuste
Coeficiente de Determinao (R
2
): grau de ajuste da reta;
Intercepto (a);
Inclinao (b);
Apresentamos algumas das mtricas utilizadas na quarta edio do MSA:
Linearidade = |b|
%Linearidade = |b|* (100%)
Linearidade em relao escala de medio (amplitude da faixa nominal):
L(escala) = |b|*(max - min)

Regresso Linear

O modelo de regresso linear dado por:
T
ij
= a+b VR
i
+
ij
(2.3.1)
em que
g : nmero de peas ( 5);
m : nmero de medies por pea ( 12);
T
ij
: corresponde a j-sima tendncia do i-simo valor de referncia (corpo de
prova);
VR
i
: corresponde ao valor de referncia i;

ij
uma varivel aleatria normal com mdia zero e desvio-padro
(independentes);
a e b so os parmetros, que juntos definem a reta da regresso.

Estimativas

Neste sentido, o MSA 4
a
edio prope como critrio as seguinte ferramentas:
1. Teste dos coeficientes de regresso;
2. Banda de confiana para a reta de regresso.
A seguir, vamos estudar os dois critrios. Para facilitar os clculos, estabelecemos
a seguinte tabela:
Tabela 2.3.1: Entrada de dados e clculos de linearidade
Medio VR T VR
2
T
2
VR*T
Z
11
VR
1
T
11
VR
2
1
T
2
11
VR
1
*T
11

Z
12
VR
1
T
12
VR
2
1
T
2
12
VR2 *T
12

Z
1m
VR
1
T
1m
VR
2
1
T
2
1m
VR
1
*T
1m

Z
21
VR
2
T
21
VR
2
2
T
2
21
VR
2
*T
21

Z
2m
VR
1
T
2m
VR
2
2
T
2
2m
VR
2
*T
2m

Z
g1
VR
g
T
g1
VR
2
g
T
2
g1
VR
g
*T
g1

Z
gm
VR
g
T
gm
VR
2
g
T
2
gm
VR
g
*T
gm

soma VR
i
soma T
ij
soma VR
2
i
soma T
2
ij
soma VR
i
T
ij

Estimativas

As mdias da tendncia e do valor de referncia so dados por:

Notaes bsicas

O modelo ajustado dado por:

para todo i = 1,...,g e j = 1,...,m.
As estimativas de mnimos quadrados e so dadas por:

O R
2
dado por:

ou seja, a razo entre o produto (S
xy
S
xy
) pelo produto (S
xx
S
yy
). E temos,

Metodologias

A seguir, vamos apresentar duas metodologias para testarmos a significncia
estatstica dos coeficientes da regresso.
1) Teste dos Coeficientes da Regresso Linear Simples:
1.1) Teste para o Coeficiente Angular

Estatstica do teste

no qual

O valor de t* deve ser comparado com uma distribuio t- Student com g*m-2 graus
de liberdade para um determinado nvel de significncia (ver tabela da
distribuio t-Student).
Se |t| t(g*m-2; 1-( /2)) no rejeitamos H
0
, ou seja, rejeitamos a hiptese de que
o coeficiente angular seja significativo;
Se t > t(g*m-2; 1-( /2)) rejeitamos H
0
, ou seja, no rejeitamos a hiptese de que o
coeficiente angular seja significativo.

Outra forma de definirmos um critrio para avaliarmos o teste de hiptese o P-
valor.

1.2) Teste para o intercepto

Estatstica do teste

em que,

Este valor deve ser comparado com uma distribuio t - Student com (g*(m-2))
graus de liberdade para um determinado nvel de significncia (ver tabela da
distribuio t-Student).
Se |t| j t(g * m-2; 1-( /2)) no rejeitamos H
0
, ou seja, rejeitamos a hiptese de
que o intercepto seja significativo;
Se |t| j > t(g * m-2; 1-( /2)) rejeitamos H
0
, ou seja, no rejeitamos a hiptese de
que o intercepto seja significativo.
Outra forma de definirmos um critrio para avaliarmos o teste de hiptese o P-
valor. O P-valor representa o menor nvel de significncia para o qual rejeitamos
H
0
. Logo, para um nvel de significncia = 0,05 adotado, rejeitamos H
0
se o P-valor
obtido for menor que 0,05, enquanto que no rejeitamos H
0
se o P-valor for maior
que 0,05.

Critrio: A tendncia e a linearidade so consideradas no significativas quando
no rejeitamos as hipteses H
0
nos dois testes realizados acima.
2) Intervalo de Confiana para reta de regresso:

em que VR representa o Valor de Referncia no ponto que calculamos o intervalo
de confiana.
Critrio: a linha relativa a tendncia igual a zero deve estar completamente
contida dentro dos limites acima.
Obs: As estimativas dos coeficientes e o intervalo de confiana esto descritos na
Norma MSA 4
a
edio pgina 97.

Exemplo 2.3.1
O engenheiro do sistema de medio estava interessado em determinar a
linearidade de um sistema de medio. Cinco peas padro, que se distribuem por
toda a faixa de variao do processo, foram medidas 15 vezes no laboratrio de
medio para se determinar o valor de referncia. Neste caso, o metrologista
utilizou um instrumento de medio com uma resoluo melhor do que o
instrumento utilizado normalmente. Aps determinar o valor de referncia, um
avaliador realizou 12 medies de cada pea padro nas condies reais de
utilizao do sistema de medio. Os valores esto resumidos na Tabela abaixo.
Aqui, temos g=5 (nmero de peas) e m=12 (leituras em cada pea ).

Medies 2,0 Tendncia 4,0 Tendncia 6,0 Tendncia 8,0 Tendncia 10,0 Tendncia
1 2,7 0,7 5,1 1,1 5,8 -0,2 7,6 -0,4 9,1 -0,9
2 2,5 0,5 3,9 -0,1 5,7 -0,3 7,7 -0,3 9,3 -0,7
3 2,4 0,4 4,2 0,2 5,9 -0,1 7,8 -0,2 9,5 -0,5
4 2,5 0,5 5 1 5,9 -0,1 7,7 -0,3 9,3 -0,7
5 2,7 0,7 3,8 -0,2 6 0 7,8 -0,2 9,4 -0,6
6 2,3 0,3 3,9 -0,1 6,1 0,1 7,8 -0,2 9,5 -0,5
7 2,5 0,5 3,9 -0,1 6 0 7,8 -0,2 9,5 -0,5
8 2,5 0,5 3,9 -0,1 6,1 0,1 7,7 -0,3 9,5 -0,5
9 2,4 0,4 3,9 -0,1 6,4 0,4 7,8 -0,2 9,6 -0,4
10 2,4 0,4 4 0 6,3 0,3 7,5 -0,5 9,2 -0,8
11 2,6 0,6 4,1 0,1 6 0 7,6 -0,4 9,3 -0,7
12 2,4 0,4 3,8 -0,2 6,1 0,1 7,7 -0,3 9,4 -0,6

Estimao dos Parmetros do exemplo
A seguir, vamos estimar os parmetros e aplicar a metodologia definida pelo MSA 4
a

Edio.

Tabela 2.3.2: Tabela de dados
Pea Medies VR T VR
2
T
2
VR*T
1 2,7 2 0,7 4 0,49 1,4
2 2,5 2 0,5 4 0,25 1
3 2,4 2 0,4 4 0,16 0,8
4 2,5 2 0,5 4 0,25 1
5 2,7 2 0,7 4 0,49 1,4
6 2,3 2 0,3 4 0,09 0,6
7 2,5 2 0,5 4 0,25 1
8 2,5 2 0,5 4 0,25 1
9 2,4 2 0,4 4 0,16 0,8

12 9,4 10 -0,6 100 0,36 -6
Soma 360 -3,2 2640 11,82 -82,4
Mdia 6 -0,053333
Primeiramente precisamos determinar as mdias das variveis T (tendncia) e VR
(valor de referncia).

Assim, encontramos as somas de quadrados empricas.

A seguir, utilizamos as somas de quadrados empricas para encontrarmos
estimativas dos parmetros da reta de regresso. Aqui, temos que

e

A reta estimada dada por:

Tendncia estimada = 0,7366 - 0,13167 *(Valor de Referncia)
Com isso, obtemos que a %linearidade = 13,2%. Isto que dizer que a tendncia
varia em mdia 13,2% da faixa de estudo (10-2=8) entre o incio e o final da
faixa. Vamos aplicar os dois critrios de avaliao da linearidade, os testes dos
parmetros e o intervalo de confiana para a reta de regresso. Para isto,
calculamos o quadrado mdio do erro (QME) por:

Caso 1: Teste de hipteses: Inicialmente, vamos testar o coeficiente angular (b).

A estatstica do teste dada por:

no qual o erro padro associado estimativa do coeficiente angular calculada
por:

Portanto, o valor da estatstica t-Student dado por:

Para uma distribuio t-Student com 58 graus de liberdade encontramos
t(g*m-2; 1- /2) = 2,0017.
Desde que t* = 12,044 > 2,0017 rejeitamos a hiptese de que a linearidade no seja
significativa. Com isso, conclumos que a linearidade significativa ao nvel de
confiana de 5%.
Na seqncia, vamos realizar o teste para o intercepto

Neste caso, a estatstica do teste dada por:

no qual,

Com isso, obtemos que

Para uma distribuio t-Student com 58 graus de liberdade encontramos t(g*m-2; 1-
/2) = 2,0017. Desde que t* = 10,16 > 2,0017 rejeitamos a hiptese de que o
intercepto no seja significativo. Com isso, conclumos que o intercepto
significativo ao nvel de confiana de 5%.
Concluso: Desde que o coeficiente angular (linearidade) foi considerado
significativo, o sistema de medio apresenta uma linearidade significativa com
95% de confiana ( = 0,05).
Caso 2: Intervalo de confiana para a reta de regresso. A seguir, apresentamos na
Tabela 6 o clculo dos limites do intervalo, considerando as seguintes expresses:
Tabela 2.3.3: Limites do intervalo
Valor de Referncia
(VR)
LI LS
2 0,4128 0,5704
4 -0,1593 0,4093
6 -0,0995 0,1495
8 -0,3549 -0,2283
10 -0,7098 -0,5234

manual do usurio.

Exemplo 2.3.2
Como aplicao de um estudo de tendncia e linearidade, vamos avaliar um
sistema de medio para medir a temperatura de um forno via um pirmetro
ptico. Para isto, vamos fazer um estudo por comparao com um termo elemento
padro. Tomamos 5 nveis de temperatura

Padro Medidas VR Tolerncia
1 748,8 750 100
1 749,8 750 100
1 748,8 750 100
1 748,8 750 100
1 748,8 750 100
1 748,8 750 100
1 747,7 750 100
1 747,7 750 100
1 747,7 750 100
1 748,7 750 100
1 749,7 750 100
1 750,7 750 100
2 848,8 850 100
2 848,8 850 100
2 848,8 850 100
2 847,2 850 100
2 847,2 850 100
2 847,2 850 100
2 846,1 850 100
2 846,1 850 100
2 846,2 850 100
2 846,3 850 100
2 847,3 850 100
2 848,3 850 100
3 946,9 950 100
3 946,9 950 100
3 946,9 950 100
3 945,8 950 100
3 944,8 950 100
3 944,8 950 100
3 943,6 950 100
3 943,6 950 100
3 943,6 950 100
3 945,1 950 100
3 946,1 950 100
3 947,1 950 100
4 1045,4 1050 100
4 1045,4 1050 100
4 1045,4 1050 100
4 1044,9 1050 100
4 1043,9 1050 100
4 1044,9 1050 100
4 1042 1050 100
4 1042 1050 100
4 1042 1050 100
4 1045,6 1050 100
4 1046,6 1050 100
4 1047,6 1050 100
5 1141,9 1150 100
5 1141,3 1150 100
5 1142,9 1150 100
5 1144,3 1150 100
5 1143,5 1150 100
5 1140,9 1150 100
5 1141,9 1150 100
5 1142,2 1150 100
5 1142,1 1150 100
5 1140 1150 100
5 1140,7 1150 100
5 1142,7 1150 100

Veja a seguir os resultados obtidos pelo software Action para o mesmo exemplo

Interpretao: Neste estudo, realizamos uma anlise da tendncia do sistema de
medio ao longo da escala de interesse. Atravs da tabela da Anlise da
Tendncia, observamos que o zero est fora do intervalo de confiana, para todos
os valores de referncia. Com isso, conclumos que temos tendncia significativa ao
longo da escala do sistema de medio. Alm disso, o sistema de medio
apresenta uma linearidade tambm significativa (P-valor de 1,8*10^(-9)) de 0,016,
o que quer dizer que a tendncia apresenta uma variao mdia de 1,6% ao longo
da faixa de interesse (750 a 1150). No grfico, observamos que a linha do ponto
zero (linha vermelha) no est inserida na banda de confiana (linhas azuis), o que
refora o fato de que o sistema de medio apresenta uma linearidade significativa
ao nvel de significncia de 5%.
Porm, para avaliarmos adequadamente a tendncia e a linearidade deste sistema
de medio, precisamos de entender melhor o sistema de medio e sua aplicao.
Neste caso, temos uma medio de temperatura, na escala de 750
o
C a 1150
o
C,
realizada atravs de um pirmetro ptico posicionado a dez metros da pea. Nesta
distncia, o pirmetro ptico apresenta uma exatido de 2% da leitura. Por
exemplo, em 1150 graus Celsius temos uma exatido de 0,02*1150=23 graus Celsius.
Observe que o maior valor de tendncia, no ponto de 1150, foi de 10 graus Celsius.
Portanto, a maior tendncia encontrada est abaixo da exatido garantida pelo
equipamento. Alm disso, temos uma tolerncia de 100 graus Celsius e por motivos
de segurana, medimos a pea a uma distncia de 10 metros.
Em resmo, dependendo da importncia da aplicao para o restante do processo, o
sistema de medio pode ser considerado aceitvel para o controle do processo.
Caso contrrio, devemos elaborar um plano de ao.
Um ponto bastante comentado pelos usurios a interpretao do R
2
. No caso
particular do estudo de linearidade de um sistema de medio, valores altos de R
2

pode siginificar que tivemos um bom ajuste linear. Nesta situao, conclumos que
a linearidade (ou coeficiente angular) significativa do ponto de vista estatstico.
Portanto em um estudo de linearidade interessante termos um coeficiente de
determinao R
2
baixo (menor que 0,2). Neste exemplo, temos um R
2
igual a 0,75 o
que alto.

manual do usurio.
Neste mdulo, vamos apresentar um mtodo para estimarmos a variabilidade
associada ao sistema de medio. Como apresentado no mdulo anlise dos
sistemas de medio, a variabilidade decomposta em dois termos:
Repetitividade - VE
Variao das medidas obtidas por um nico operador, utilizando o mesmo
equipamento de medio e mtodo, ao medir repetidas vezes uma mesma
grandeza de uma nica pea (corpo de prova).
Reprodutibilidade - VO
Variao das mdias obtidas por diferentes operadores utilizando o mesmo
equipamento de medio para medir repetidamente uma mesma grandeza de uma
nica pea (corpo de prova).
Repetibilidade e Reprodutibilidade (RR)
a soma das variaes devido falta de Repetitividade e Reprodutibilidade.

Como em qualquer anlise, o planejamento fundamental para que faamos uma
boa anlise da repetitivdade e reprodutibilidade:
1) A tcnica a ser utilizada deve ser planejada. Por exemplo, tem alguns sistemas
de medio cujo o efeito da reprodutibilidade desprezvel, por exemplo, para
sistemas de medio automticos no qual a nica interferncia do operador
apertar um boto. Neste caso, planejamos o estudo sem a reprodutibilidade (MSA,
pgina 73).
2) O nmero de operadores, nmero de peas e o nmero de rplicas devem ser
determinados atravs dos critrios:
Criticidade da medida, dimenses crticas requerem mais peas e/ou rplicas;
Quando lidamos com peas pesadas ou de difcil manuseio, utilizamos menos
peas e mais rplicas;
Requisito do cliente;
3) Os operadores devem ser escolhidos entre todos os que utilizam o sistema de
medio;
4) A seleo das peas crtica para uma boa anlise do RR. Esta seleo depende
do propsito do sistema de medio e da disponibilidade de peas que representem
o processo de produo. Na pgina 73, o manual MSA estabelece os seguintes
propsitos:
Controle de Produto: sistemas de medio cujo resultado e critrio de deciso
determinam a conformidade ou no conformidade do produto com relao s
especificaes (inspeo 100% ou por amostragem). Neste caso, as peas
selecionadas no precisam cobrir toda a faixa de variao do processo.
Controle de Processo: sistemas de medio cujo resultado e critrio de deciso
determinam a estabilidade e/ou capacidade do processo de produo (CEP,
Grfico Farol, Melhoria Contnua). Neste caso, a disponibilidade de peas que
cobrem toda a faixa de variao do processo de produo fundamental. Muitas
vezes, um estudo complementar para determinar a capacidade do processo
requerido e recomendado para avaliar a adequabilidade do sistema de medio
para o controle do processo.
O instrumento de medio deve ter uma discriminao de pelo menos um dcimo
da tolerncia ou variao do processo de produo.
Assegurar que o mtodo de medio est medindo a dimenso correta e que o
mtodo corretamente aplicado.

Variabilidade interna do produto
Em muitos sistemas de medio, a variao interna (ou, inerente) das peas, como
ovalizao, podem inflacionar nossa estimativa da repetitividade. A variabilidade
interna pode ser avaliada e separada da repetitividade. O procedimento mais
complexo e consiste basicamente em:
Obter a medida em vrios pontos da pea;
Trabalhar com os valores mdios (ou valores mximo e/ou mnimo) para cada
pea;
partir destes experimentos estimar a variabilidade interna.
A variabilidade interna deve sempre ser objeto de estudo para a melhoria do
processo produtivo.
ndice RR:
A partir do propsito do sistema de medio (Controle de Produto ou Controle de
Processo), devemos estabelecer um ndice para "facilitar" a intepretao do RR:
Controle de Processo: Comparar a variabilidade do sistema de medio (RR) com a
variao esperada do processo de produo.
Controle de Produto: Comparar a variabilidade do sistema de medio (RR) com a
tolerncia do produto.
Variabilidade entre partes (variabilidade do processo de produo) - VP
a variao das medidas observada entre os itens produzidos pelo processo, isto ,
a variabilidade observada nas peas. Salientamos que a variabilidade entre as
partes pode ser obtida partir de um estudo de capacidade do processo ou partir
do prprio estudo para determinar o RR.
Variabilidade total
a soma das variaes devidas ao sistema de medio e ao processo.

ou

Com isso, podemos calcular o ndice RR da seguinte forma:
Controle de Produto

Controle de Processo

Os critrios para anlise do RR esto definido na pgina 78 do MSA. Para um
sistema de medio cujo propsito analisar um processo, uma regra geral para
aceitar um sistema de medio definido na seguinte tabela:
RR Deciso Comentrios
Abaixo
de 10%
Sistema de
medio
geralmente
considerado
aceitvel
Recomendvel, especialmente til quando tentamos ordenar ou
classificar peas ou quando for requerido um controle apertado
do processo.
Entre
10% e
30%
Poder ser aceito
para algumas
aplicaes
A deciso deve ser baseada primeiro, por exemplo, na
importncia da aplicao da medio, custo do dispositivo de
medio, custo do retrabalho ou reparo. O sistema de medio
deve ser aprovado pelo cliente.
Acima
de 30%
Considerado
inaceitvel
Todos os esforos devem ser tomados para melhorar o sistema
de medio. Esta condio pode ser resolvida pelo uso de uma
estratgia apropriada para a medio; por exemplo, utilizar a
mdia de diversas medies da mesma caracterstica da mesma
pea a fim de reduzir a variabilidade da medida final.

Outra estatstica que avalia a variabilidade de um sistema de medio nmero de
cateorias distintas (NDC). Esta estatstica indica o nmero de categoria dentro do
qual as medies do processo podem ser divididas. O NDC deve ser maior ou igual a
cinco e aplicado somente para sistema de medio cujo o propsito analisar um
processo (pgina 78 do MSA). O NDC definido por:

Cuidado: O uso do RR como nico ndice para avaliar um sistema de medio
no aceitvel.
Ao aplicar os critrios de aceitao como simples valores de corte (thresholds),
assumimos que as estatsticas so estimativas determinsticas da variabilidade do
sistema de medio (o que no so). Especificar os valores de corte como critrio
pode levar a um comportamento inadequado. Por exemplo, o fornecedor pode ser
"criativo" ao encontrar um determinado valor de RR, eliminando as principais fontes
de variao (como a interao pea X operador) ou simplesmente manipular o
estudo.
Comentrios: Infelizmente este um fato que ocorre em muitas empresas no
Brasil. O cliente impe um RR abaixo de 10% e o fornecedor manipula os dados.
NO DEVEMOS TER UM CRITRIO SIMPLES (NICO) PARA TODOS OS SISTEMAS DE
MEDIO. Cada aplicao deve ser avaliada individualmente.
Quando analisamos a variao de um sistema de medio importante olhar para
cada aplicao individualmente, para sabermos o que requerido e como esta
medio ser utilizada. Por exemplo: a preciso requerida da medio de
temperatura poder ser diferente para aplicaes no similares. Um termostato para
sala pode regular a temperatura para conforto de um humano e ser barato, porm
tem um RR acima de 30%. Isto aceitvel para esta aplicao. Mas, em um
laboratrio, no qual pequenas variaes de temperatura podem impactar nos
resultados dos testes, uma medio e controle de temperatura mais sofisticados
devem ser requeridos. Este termostato ser mais caro e tambm vamos requerer
uma menor variabilidade (menor valor de RR).

Diretrizes para o estudo de RR - Replicvel

Como em qualquer anlise, um bom planejamento deve ser realizado para que
possamos conduzir o estudo de RR.
1. Selecionar aleatoriamente operadores que utilizam e conhecem bem o
sistema de medio a ser estudado. Em geral recomendamos trs
operadores. Se isto no for vivel, utilizar pelo menos dois operadores. Caso
o operador no influencie na medio, no avalie a reprodutibilidade.
2. Utilizar equipamentos de medio devidamente calibrados.
3. Selecionar de 5 a 15 peas da produo cujas dimenses varram o campo de
variao do processo
o Se o sistema de medio for utilizado para processos com campos de
variao muito distintos, recomendamos realizar estudos RR distintos.
o Sempre que possvel procure obter g = (nmero de peas) X (nmero de
operadores) maior que 15. Se isto no for possvel, aumente o nmero de
leituras por peas.
4. Escolher o mtodo de conduzir e analisar o estudo.
o Anlise de Varincia (ANOVA).
Para sistemas de medio no qual o resultado da medio utilizado para
determinar a "conformidade" ou "no conformidade" do produto com respeito a uma
especificao as amostras selecionadas NO precisam abranger toda a
especificao. Alm disso, a anlise do RR deve ser realizada em relao
tolerncia. Neste caso, calculamos a porcentagem RR em relao tolerncia.
Para o caso em que o sistema de medio controla o processo, isto , o resultado
da medio utilizado para determinar a estabilidade, tendncia e variabilidade
do processo, atravs de um estudo de CEP, devemos utilizar a variao do processo
para avaliar o RR. Neste caso, devemos escolher bem as peas, pois estas devem
abranger toda a faixa de variao do processo. Se for possvel, devemos realizar um
estudo independente para estimar a variabilidade do processo. Assim, calculamos a
porcentagem RR em relao variabilidade total.
A seguir, descrevemos os passos para aplicarmos o mtodo da ANOVA.
1
o
Passo
Selecionar as peas de tal forma que representem a variao natural do processo.
Em geral, tomamos peas de lotes distintos de produo. Identificar as peas.
2
o
Passo
Selecionar os operadores de forma a envolver todos os turnos. Os operadores
devem ter treinamento para utilizar o sistema de medio. O nmero de
operadores vezes o nmero de peas deve ser maior que 15. Caso o operador no
influencie na medio, escolhemos apenas um operador e no avaliamos a
reprodutibilidade.
3
o
Passo
Cada operador mede trs ou mais vezes cada pea em ordem aleatria.
4
o
Passo
Aleatorizar as medies.

5
o
Passo

Operador Pea
Medidas
R

1 2 3
A
1

2

3

4

5

6

7

8

9

10

B
1

2

3

4

5

6

7

8

9

10

C
1

2

3

4

5

6

7

8

9

10

Mdia

Tabela 2.4.1: Leituras.
2.4.1 - Modelo da ANOVA: com interao entre pea e operador
Anlise de varincia (ANOVA) Mtodo Cruzado

A anlise de varincia (ANOVA) uma tcnica estatstica clssica que pode ser
utilizada para avaliar o erro de medio e outras fontes de variabilidade dos dados
pertinentes ao sistema de medio. O experimento cruzado de dois fatores com
interao o modelo clssico de RR. Tipicamente, os dois fatores so referidos
como "peas" e "operadores". Neste captulo consideramos este primeiro modelo de
RR, em que modelamos o experimento com dados balanceados e ambos fatores so
aleatrios.
As vantagens do mtodo da ANOVA comparada ao mtodo da Mdia e amplitude,
so:
1. Capaz de tratar diversas estruturas de experimentos;
2. Estimar a varincia com mais exatido e preciso;
3. Extrair mais informaes sobre os dados, tal como o efeito da interao
entre peas e avaliadores;
As desvantagens so a complexidade dos clculos e a necessidade de um
conhecimento bsico de estatstica para que o usurio possa interpretar os
resultados.

Modelo Estatstico

O modelo com dois fatores balanceados e com efeitos cruzados com interao
dado por

Para este modelo um parmetro comum a todos os tratamentos e representa a
mdia geral dos dados, e o efeito devido ao i-simo e ao j-simo nvel do
fator P (pea) e O (operador) e so variveis aleatrias independentes com mdia
zero e varincias e respectivamente e a interao entre os fatores P e O,
que tambm tem distribuio normal com mdia zero e varincia A varivel
aleatria corresponde ao erro aleatrio experimental, isto , a variabilidade
no explicada pelo modelo devido a variaes presentes em diversas fontes no
consideradas no estudo. Este tem distribuio normal com mdia zero e varincia

Resumindo,

Agora, vamos desenvolver a anlise de varincia para o modelo de efeitos
aleatrios. A partir de consideraes dos dados, temos:

Alm disso, assumimos que o erro tem distribuio Normal com mdia zero e
varincia e que os erros so mutuamente independentes. Com isso, temos que

Agora, para o efeito , assumimos que tem distribuio Normal com mdia zero e
varincia Assumimos tambm que os efeitos so mutuamente independentes.
Assim,

Para o efeito , assumimos que tem distribuio Normal com mdia zero e
Assim,

Por fim temos que para o efeito , assumimos que tem distribuio Normal com
mdia zero e varincia Assumimos tambm que os efeitos so mutuamente
independentes. Assim,

A anlise de varincia para o modelo (2.4.1.1) obtida pela decomposio da
variao total como segue

em que

Assim, obtemos a tabela da ANOVA da seguinte forma
Fator
Graus de
Liberdade
Soma de
Quadrados
Quadrados
Mdios
F
Fator Pea P
p-1

Fator Operador O
o-1

Interao entre Pea e
Operador PxO
(p-1)(o-1)

Repetitividade po(r-1)

Agora, faremos um breve resumo dos valores esperados dos quadrados mdios.
Fator
Graus de
Liberdade
Quadrados
Mdios
Valor Esperado dos Quadrados
Mdios
Fator Pea P p-1

Fator Operador O o-1

Interao entre Pea e
Operador PxO
(p-1)(o-1)

Repetitividade po(r-1)

Tabela 2.4.1.1: Valores Esperados dos Quadrados Mdios.

Estatstica

Tabela 2.4.1.2: Resumo dos Quadrados mdios e mdias para o modelo (2.4.1.1).
A tabela 2.4.1.3 representa os estimadores pontuais do modelo (2.4.1.1).
Representao do Modelo Estimador Pontual

ou

ou

ou

ou

Tabela 2.4.1.3: Resumo dos Estimadores pontuais para o modelo (2.4.1.1).
Aqui, realizamos os seguintes testes
Teste do efeito do fator pea:

a estatstica de teste apropriada

e a regra de deciso ao nvel de significncia

Teste do efeito do fator operador:



Teste do efeito da interao entre pea e operador:



A seguir, calculamos as fontes de variao partir da tabela (2.4.1.3) e dividimos
em passos como a seguir:
6
o
Passo
Faa a anlise grfica: Construir o grfico de controle e S ou e R.
7
o
Passo
Calcular a Repetitividade

8
o
Passo
Calcular a Reprodutibilidade como

sendo V
oper
e VI dados pelas expresses

9
o
Passo
Calcular o RR

10
o
Passo
Calcular a variao entre peas

11
o
Passo
Calcular a variao total

12
o
Passo
Tabela de % de contribuio
Fontes de Variao Varincia % Contribuio
Repetitividade (VE)

Operador (Voper)

Pea x Operador (VI)

Pea (VP)

RR (RR)

Total (VT) 100
Tabela 2.4.1.4: Tabela de contribuio - com interao.
Os valores utilizados para preencher a Tabela 2.4.1.2 vem das expresses (2.4.1.6)
at (2.4.1.9)
13
o
Passo
Tabela de % em relao variao total e ou % de tolerncia
Fonte de variao Desvio Padro % Variao Total % Tolerncia
Repetitividade VE

Reprodutibilidade VO

Operador Voper

Pea x Operador VI

Pea VP

RR RR

Tabela 2.4.1.5: Tabela de % da variao total e ou % de tolerncia - com
interao.
at (2.4.1.9). Na Tabela 2.4.1.3, o valor normalmente escolhido para k 5,15.
Entretanto, por facilidades de interpretao desse ndice com o ndice de Pp (e ou
Cp) recomendado utilizar k=6.
Sugesto de regra para anlise das variaes:
Tolerncia: Sistema de medio aplicado em inspees finais e inspeo de
recebimento;
Variao total: Sistema de medio utilizado durante o processo produtivo.
%RR menor que 10% sistema de medio aceitvel.
%RR entre 10% e 30% sistema de medio marginal, podendo ser aceito
dependendo da situao, custos, etc.
%RR maior que 30% sistema de medio inaceitvel, sendo necessrio melhor-
lo ou substitu-lo.

14
o
Passo
O ndc representa a capacidade de discriminar categorias de peas em um sistema
de medio considerando a variao do processo. Este ndice nos fornece o nmero
de faixas que podemos dividir a variao do processo. O ndc dado pelo maior
inteiro menor ou igual ao valor:

O manual da indstria automobilstica (MSA) apresenta como critrio um ndc 5.
Isto quer dizer que o sistema de medio capaz de identificar 5 tipos distintos de
peas dentro do campo de variao do processo. Se um sistema de medio
avaliado pela tolerncia, o ndice ndc no deve ser considerado.
15
o
Passo
Realizar uma anlise dos dados para avaliar as caractersticas do sistema.
Se a repetitividade for grande quando comparada com a reprodutibilidade, as
razes podem ser:
1. O dispositivo de medio precisa de manuteno;
2. O dispositivo de medio dever ser reprojetado para ter maior robustez;
3. A fixao ou posio para a medio precisam ser melhorados;
4. Existe uma excessiva variao prpria da pea.
Se a reprodutibilidade for grande comparada com a repetitividade, ento as
possveis causas podem ser:
1. O operador precisa ser melhor treinado em como usar e ler o dispositivo de
medio;
2. As marcaes no mostrador do dispositivo de medio no so claras;
3. Algum tipo de dispositivo pode ser necessrio para ajudar o operador a usar
o dispositivo de medio mais consistentemente.

Exemplo 2.4.1.1
Considere um sistema de medio para medir o dimetro externo do mancal. O
engenheiro da qualidade realizou um experimento com 10 peas, 3 operadores e 3
repeties para cada operador e pea. Os dados referentes a esse experimento
esto dispostos na Tabela abaixo.
Tabela 2.4.1.6: Medies do dimetro interno do mancal
Pea Medio Operador
1 114,958 1
2 114,957 1
3 114,962 1
4 114,963 1
5 114,965 1
6 114,963 1
7 114,967 1
8 114,963 1
9 114,963 1
10 114,967 1
1 114,962 1
2 114,956 1
3 114,963 1
4 114,965 1
5 114,966 1
6 114,965 1
7 114,969 1
8 114,97 1
9 114,955 1
10 114,965 1
1 114,958 1
2 114,6 1
3 114,965 1
4 114,966 1
5 114,967 1
6 114,964 1
7 114,97 1
8 114,97 1
9 114,955 1
10 114,966 1
1 114,957 2
2 114,958 2
3 114,962 2
4 114,963 2
5 114,965 2
6 114,962 2
7 114,967 2
8 114,968 2
9 114,952 2
10 114,967 2
1 114,961 2
2 114,957 2
3 114,963 2
4 114,966 2
5 114,967 2
6 114,963 2
7 114,97 2
8 114,968 2
9 114,955 2
10 114,964 2
1 114,958 2
2 114,959 2
3 114,965 2
4 114,965 2
5 114,966 2
6 114,965 2
7 114,97 2
8 114,97 2
9 114,954 2
10 114,966 2
1 114,958 3
2 114,958 3
3 114,953 3
4 114,965 3
5 114,967 3
6 114,962 3
7 114,967 3
8 114,968 3
9 114,953 3
10 114,966 3
1 114,961 3
2 114,96 3
3 114,963 3
4 114,966 3
5 114,968 3
6 114,965 3
7 114,968 3
8 114,969 3
9 114,953 3
10 114,965 3
1 114,958 3
2 114,958 3
3 114,964 3
4 114,965 3
5 114,966 3
6 114,965 3
7 114,969 3
8 114,971 3
9 114,955 3
10 114,967 3


Comeamos nossa anlise estatstica no passo 5, pois os passos anteriores so
referente a escolha das peas e operadores e a coleta de dados.
5
o
Passo

Clculo do

Com auxlio da Tabela 2.4.1.6, vamos calcular
Pea
Mdias

Mdia das Mdias

Desv. quadrticos

1 114,9590 114,9631 0,00001699
2 114,9581 114,9631 0,00002511
3 114,9622 114,9631 0,00000081
4 114,9649 114,9631 0,00000312
5 114,9663 114,9631 0,00001031
6 114,9638 114,9631 0,00000043
7 114,9686 114,9631 0,00002952
8 114,9686 114,9631 0,00002952
9 114,9539 114,9631 0,00008525
10 114,9659 114,9631 0,00000765
SOMA = 0,00020873
Portanto,

Clculo do

Operador
Mdias

Mdia das Mdias

Desv. quadrticos

A 114,9619 114,9631 0,00000158
B 114,9636 114,9631 0,00000023
C 114,9639 114,9631 0,00000060
SOMA = 0,00000241
Portanto,

Clculo do QME
Para o clculo do QME devemos calcular a mdia e varincia dentro de cada casela
ij da Tabela 2.4.1.6, isto , para cada combinao de pea i e operador j. Na
Tabela abaixo, calculamos os valores das mdias das medies dentro de cada
casela.
Tabela 2.4.1.7: Valores das mdias dentro de cada casela
PEA
OPERADOR
1 2 3
1 114,9577 114,9613 114,9580
2 114,9577 114,9577 114,9590
3 114,9590 114,9630 114,9647
4 114,9637 114,9657 114,9653
5 114,9657 114,9670 114,9663
6 114,9623 114,9643 114,9647
7 114,9670 114,9690 114,9697
8 114,9663 114,9690 114,9703
9 114,9527 114,9543 114,9547
10 114,9667 114,9647 114,9663
Usando as Tabelas 2.4.1.6 e 2.4.1.7, podemos encontrar os valores de

partir da frmula (2.4.1.4). Para a primeira pea, temos que

Procedendo da mesma forma para as demais peas, obtemos a Tabela 2.4.1.8 com valores de

Tabela 2.4.1.8: Valores de

PEA
OPERADOR
1 2 3
1 0,00000033 0,00000033 0,00000000
2 0,00000033 0,00000433 0,00000100
3 0,00002700 0,00000000 0,00000033
4 0,00000133 0,00000033 0,00000033
5 0,00000133 0,00000100 0,00000033
6 0,00000033 0,00000133 0,00000033
7 0,00000000 0,00000100 0,00000033
8 0,00000833 0,00000100 0,00000033
9 0,00000033 0,00000133 0,00000033
10 0,00000033 0,00000133 0,00000033
Com isso, partir da frmula (2.4.1.8) obtemos o valor de QME como:

Procedendo da mesma maneira como no exemplo anterior podemos obter SQT

como

Com os valores de e

obtidos acima, podemos calcular as somas de quadrado

Com o valor obtido para QME, podemos obter SQE como

partir destas somas de quadrado podemos obter a soma de quadrado e o
quadrado mdio da interao pea e operador como

6
o
Passo
Faa a anlise grfica: Construir o grfico de controle e S para avaliar as mdias
e as amplitudes de cada repetio por operador.
7
o
Passo
Calcular a repetitividade como

8
o
Passo
partir das equaes (2.4.1.7) e (2.4.1.8), temos que

Com isso, temos pela equao (2.4.1.9) que a reprodutibilidade dada por

9
o
Passo

10
o
Passo

13
o
Passo
A Tabela 2.4.1.7 mostra a porcentagem de cada desvio padro em relao
variao total.
Fonte de variao Desvio padro %
Repetitividade 0,001345775 26,19048299
Reprodutibilidade 0,001367615 26,61550832
Operador 0,001031400 20,07234423
Peca x Operador 0,000898100 17,47816582
Pea 0,004766740 92,76676839
RR 0,001918719 37,34068401
Total 0,005138413 100
Tabela 2.4.1.7: Porcentagem da variao total
14
o
Passo

Resultados desse exemplo obtidos com o software Action:

Concluso: O sistema de medio precisa ser melhorado, pois temos uma %RR de
37,4% e um valor de ndc=3, o que considerado baixo. Observe que neste caso,
tanto a repetitividade quanto a reprodutibilidade esto altas (acima de 26%) e
temos interao entre as peas e os operadores, isto significa que temos peas
mais complicadas de serem medidas do que outras. Alm disso, observe que no
grfico R, o operador A apresenta pontos fora dos limites de controle, o que nos diz
que este no entendeu adequadamente o procedimento de medio. Em resumo,
temos diversas oportunidades de melhoria.


manual do usurio.

Exemplo 2.4.1.2
Exemplo do Manual de Anlises do Sistema de Medio (MSA 4 edio) pgina 118.
A coleta de dados do dispositivo de medio apresentada na tabela a seguir.
Operador Pea Medida
1 1 0,29
1 2 -0,56
1 3 1,34
1 4 0,47
1 5 -0,8
1 6 0,02
1 7 0,59
1 8 -0,31
1 9 2,26
1 10 -1,36
1 1 0,41
1 2 -0,68
1 3 1,17
1 4 0,5
1 5 -0,92
1 6 -0,11
1 7 0,75
1 8 -0,2
1 9 1,99
1 10 -1,25
1 1 0,64
1 2 -0,58
1 3 1,27
1 4 0,64
1 5 -0,84
1 6 -0,21
1 7 0,66
1 8 -0,17
1 9 2,01
1 10 -1,31
2 1 0,08
2 2 -0,47
2 3 1,19
2 4 0,01
2 5 -0,56
2 6 -0,2
2 7 0,47
2 8 -0,63
2 9 1,8
2 10 -1,68
2 1 0,25
2 2 -1,22
2 3 0,94
2 4 1,03
2 5 -1,2
2 6 0,22
2 7 0,55
2 8 0,08
2 9 2,12
2 10 -1,62
2 1 0,07
2 2 -0,68
2 3 1,34
2 4 0,2
2 5 -1,28
2 6 0,06
2 7 0,83
2 8 -0,34
2 9 2,19
2 10 -1,5
3 1 0,04
3 2 -1,38
3 3 0,88
3 4 0,14
3 5 -1,46
3 6 -0,29
3 7 0,02
3 8 -0,46
3 9 1,77
3 10 -1,49
3 1 -0,11
3 2 -1,13
3 3 1,09
3 4 0,2
3 5 -1,07
3 6 -0,67
3 7 0,01
3 8 -0,56
3 9 1,45
3 10 -1,77
3 1 -0,15
3 2 -0,96
3 3 0,67
3 4 0,11
3 5 -1,45
3 6 -0,49
3 7 0,21
3 8 -0,49
3 9 1,87
3 10 -2,16

manual do usurio.
2.4.2 - Modelo da ANOVA: sem interao entre pea e operador
Modelo Estatstico

O modelo com dois fatores balanceados e com efeitos cruzados sem interao
dado por

mdia geral dos dados, e o efeito devido ao i-simo e ao j-simo nvel do
fator P (pea) e O (operador) e so variveis aleatrias independentes com
distribuies normais com mdia zero e varincias e respectivamente. A
varivel aleatria corresponde ao erro aleatrio experimental, isto , a
variabilidade no explicada pelo modelo devido a variaes presentes em diversas
fontes no consideradas no estudo. Este tambm tem distribuio normal com
mdia zero, porm a varincia
Resumindo,

aleatrios. partir de consideraes dos dados, temos:


Assim,

Para o efeito , assumimos que tem distribuio Normal com mdia zero e
Assim,

A anlise de varincia para o modelo (2.4.2.1) obtida pela decomposio da
variao toral como segue

em que

Fator
Graus de
Liberdade
Soma de
Quadrados
Quadrados Mdios
F
Fator Pea P
p-1

Fator Operador O
o-1

Repetitividade por-p-o+1

Agora, faremos um breve resumo dos valores esperados dos quadrados mdios.
Fator
Graus de
Liberdade
Quadrados
Mdios
Mdios
Fator Pea P p-1

Fator Operador O o-1

Repetitividade por-p-o+1


Estatstica


ou

ou

ou




Teste do efeito do fator operador:



6
o
Passo
7
o
Passo
Calcular a repetitividade

8
o
Passo
Calcular a reprodutibilidade

9
o
Passo
Calcular o RR

10
o
Passo
Calcular a variao entre as peas

11
o
Passo

12
o
Passo
Repetitividade (VE)

Reprodutibilidade (VO)

Pea (VP)

RR (RR)

Total (VT) 100
Tabela 2.4.2.4: Tabela de contribuio - sem interao
at (2.4.2.6).

13
o
Passo
Os valores utilizados para preencher a tabela a seguir (Tabela 2.4.2.5) vem das
expresses (2.4.2.2) at (2.4.2.6).
Repetitividade VE


Pea VP

RR RR

Tabela 2.4.2.5: Tabela de % da variao total e ou % de tolerncia - sem interao

Sugesto de regra para anlise das variaes

Tolerncia: Sistema de medio aplicado em inspees finais e inspeo de
recebimento;
Variao total: Sistema de medio utilizado durante o processo produtivo.
%RR menor que 10% sistema de medio aceitvel.
%RR entre 10% e 30% sistema de medio marginal, podendo ser aceito
dependendo da situao, custos, etc.
%RR maior que 30% sistema de medio inaceitvel, sendo necessrio melhor-
lo ou substitu-lo.

14
o
Passo
Calcular o ndc (Nmero de categorias distintas)
O ndc representa a capacidade de discriminar categorias de peas em um sistema
de medio considerando a variao do processo. Este ndice nos fornece o nmero
de faixas que podemos dividir a variao do processo. O ndc dado pelo maior
inteiro menor ou igual ao valor:

O manual da indstria automobilstica (MSA) apresenta como critrio um ndc 5.
Isto quer dizer que o sistema de medio capaz de identificar 5 tipos distintos de
peas dentro do campo de variao do processo. Se um sistema de medio
avaliado pela tolerncia, o ndice ndc no deve ser considerado.
15
o
Passo
Realizar uma anlise dos dados para avaliar as caractersticas do sistema.
Se a repetitividade for grande quando comparada com a reprodutibilidade, as
razes podem ser:
O dispositivo de medio precisa de manuteno;
O dispositivo de medio dever ser reprojetado para ter maior robustez;
A fixao ou posio para a medio precisam ser melhorados;
Existe uma excessiva variao prpria da pea.
Se a reprodutibilidade for grande comparada com a repetitividade, ento as
possveis causas podem ser:
1. O operador precisa ser melhor treinado, bem como usar e ler o dispositivo
de medio;
2. As marcaes no mostrador do dispositivo de medio no so claras;
3. Algum tipo de dispositivo pode ser necessrio para ajudar o operador a usar
o dispositivo de medio mais consistentemente.

Exemplo 2.4.2.1
Num estudo realizado para analisar a eficincia do sistema de medio da altura
do rdio, utilizamos o altmetro. Foram selecionados 5 peas aleatoriamente
em turnos de produo diferentes e identificados apropriadamente. Os
operadores que foram previamente treinados, ao pegarem os rdios com este
cdigo de data, acionam um programa que ir armazenar as leituras em um banco
de dados para RR. Obtemos os dados apresentados na Tabela 2.4.2.6
Pea
OPERADOR A OPERADOR B OPERADOR C
Mdia
I II III I II III I II III
1 10,12 10,06 10,08 10,15 10,20 10,07 10,22 10,01 10,16 10,1189
2 10,14 10,15 10,20 10,26 10,30 10,20 10,26 10,26 10,32 10,2322
3 10,25 10,22 10,40 10,40 10,30 10,47 10,52 10,47 10,35 10,3756
4 10,13 10,16 10,11 10,14 10,13 10,18 10,15 10,11 10,10 10,1344
5 10,87 10,82 10,76 10,76 10,89 10,75 10,84 10,86 10,78 10,8144
6 10,88 10,85 10,82 10,90 10,91 10,87 10,91 10,92 10,89 10,8833
Mdia 10,3900 10,4277 10,4516 10,4264
Tabela 2.4.2.6: Leituras


5
o
Passo
Clculo do SQP
Pea
Mdias Mdia Desv. Quad
1 10,11888889 10,426481 0,094612907
2 10,23222222 10,426481 0,037736473
3 10,37555556 10,426481 0,002593401
4 10,13444444 10,426481 0,08528535
5 10,81444444 10,426481 0,150515634
6 10,88333333 10,426481 0,208714054
soma 0,579457819

Clculo do QME
Clculo do SQE

Com isso, obtemos que

6
o
Passo
Faa a anlise grfica: construir o grfico de controle e R para avaliar as mdias
e as amplitudes de cada repetio por operador.
7
o
Passo

8
o
Passo

9
o
Passo

10
o
Passo

11
o
Passo

13
o
Passo - Tabela de % em relao variao total
Fonte de variao Desvio Padro % Variao Total
Repetitividade 0,0582 16,81
Reprodutibilidade 0,0293 8,46
Pea 0,3398 98,21
RR 0,0651 18,829
Total 0,3460 100,00
14
o
Passo



manual do usurio.
Concluso: Temos um bom sistema de medio. A porcentagem RR baixa (19%) e
alm disso, temos um ndc=7, o que nos diz que este sistema tem boa capacidade
de discriminar peas.
2.4.3 - Modelo da ANOVA: sem operador
Modelo Estatstico

O modelo de um fator aleatrio com dados balanceados e as dedues so
similares ao modelo da ANOVA com efeitos fixos.

mdia geral dos dados, o efeito devido ao i-simo nvel do fator. A varivel
aleatria corresponde ao erro aleatrio experimental, isto , a variabilidade no
explicada pelo modelo devido a variaes presentes em diversas fontes no
consideradas no estudo.
Resumindo,

aleatrios. A partir de consideraes dos dados, temos:


Assim,

A tcnica da ANOVA est associada a partio da variabilidade total dos dados em
componentes. A soma de quadrados total definida como medida da variabilidade
total dos dados,

isto ,

Fator
Graus de
Liberdade
Soma de
Quadrados
Quadrados
Mdios
F
Fator Pea P
p-1

Repetitividade p(r-1)

Agora, mostramos um breve resumo dos valores esperados dos quadrados mdios.
Fator
Graus de
Liberdade
Quadrados
Mdios
Mdios
Fator Pea P p-1

Repetitividade p(r-1)


Estatstica


ou

ou




6
o
Passo
7
o
Passo
Calcular a repetitividade

8
o
Passo
Calcular o RR

9
o
Passo
Calcular a variao entre as peas

10
o
Passo

11
o
Passo
Repetitividade (VE)

Pea (VP)

RR (RR)

Total (VT) 100
Tabela 2.4.3.4: Tabela de contribuio - sem interao
at (2.4.3.5).
12
o
Passo
Os valores utilizados para preencher a tabela a seguir (Tabela 2.4.3.5) vem das
expresses (2.4.3.2) at (2.4.3.5).
Repetitividade VE

Pea VP

RR RR

Tabela 2.4.3.5: Tabela de % da variao total e ou % de tolerncia - sem interao

Exemplo 2.4.3.1
Considere o estudo realizado para analisar a eficincia do sistema de medio para
medir o dimensional da porta de uma mquina escavadeira. O sistema de medio
utiliza uma mquina de medio por coordenada com CNC. Neste caso,
consideramos que o operador no influncia a medio, fato que nos levou a
considerar apenas um operador e 15 peas na anlise.

Pea
Rplicas
Mdia
Desvio
Padro
Amplitudes
I II III
1 461,28 461,5 461,2 461,327 0,1553 0,3
2 458,17 458,62 458,61 458,467 0,2569 0,45
3 460,57 460,28 460,32 460,39 0,1571 0,29
4 459,28 459,66 459,58 459,507 0,2 0,38
5 461,28 461,12 461,18 461,193 0,0808 0,16
6 460,25 460,68 460,28 460,403 0,24 0,43
7 458,82 458,95 458,66 458,81 0,1452 0,29
8 461,58 461,1 461,18 461,287 0,2571 0,48
9 459,36 459,52 459,57 459,483 0,1067 0,21
10 459,62 459,34 459,54 459,5 0,1442 0,28
11 461,38 461,57 461,53 461,4933 0,1001 0,19
12 458,67 459,03 458,98 458,8933 0,195 0,36
13 462,57 462,28 462,32 462,39 0,1571 0,29
14 459,58 459,66 459,28 459,5067 0,2003 0,38
15 461,76 461,12 461,15 461,3433 0,3611 0,64

Desvio Padro entre as Mdias das peas

6 Passo
Faa a anlise grfica: construir o grfico de controle e R para avaliar as mdias e as amplitudes de cada
repetio por operador.
7 Passo

8 Passo

9 Passo

10 Passo

11 Passo

13 Passo - Tabela de % em relao variao total
VARIAO TOTAL E/OU TOLERNCIA
Desvio padro Variao total (%)
Repetitividade 0,197073027 16,40808397
Peas 1,184794492 98,64468957
Repetitividade e reprodutibilidade 0,197073027 16,40808397
Total 1,201072757 100
14 Passo


Exemplo 2.4.3.2
Exemplo do Manual de Anlises do Sistema de Medio (MSA 4 edio) pgina 118.
A coleta de dados do dispositivo de medio apresentada na tabela a seguir.
Operador Pea Medida
1 1 0,29
1 2 -0,56
1 3 1,34
1 4 0,47
1 5 -0,8
1 6 0,02
1 7 0,59
1 8 -0,31
1 9 2,26
1 10 -1,36
1 1 0,41
1 2 -0,68
1 3 1,17
1 4 0,5
1 5 -0,92
1 6 -0,11
1 7 0,75
1 8 -0,2
1 9 1,99
1 10 -1,25
1 1 0,64
1 2 -0,58
1 3 1,27
1 4 0,64
1 5 -0,84
1 6 -0,21
1 7 0,66
1 8 -0,17
1 9 2,01
1 10 -1,31
2 1 0,08
2 2 -0,47
2 3 1,19
2 4 0,01
2 5 -0,56
2 6 -0,2
2 7 0,47
2 8 -0,63
2 9 1,8
2 10 -1,68
2 1 0,25
2 2 -1,22
2 3 0,94
2 4 1,03
2 5 -1,2
2 6 0,22
2 7 0,55
2 8 0,08
2 9 2,12
2 10 -1,62
2 1 0,07
2 2 -0,68
2 3 1,34
2 4 0,2
2 5 -1,28
2 6 0,06
2 7 0,83
2 8 -0,34
2 9 2,19
2 10 -1,5
3 1 0,04
3 2 -1,38
3 3 0,88
3 4 0,14
3 5 -1,46
3 6 -0,29
3 7 0,02
3 8 -0,46
3 9 1,77
3 10 -1,49
3 1 -0,11
3 2 -1,13
3 3 1,09
3 4 0,2
3 5 -1,07
3 6 -0,67
3 7 0,01
3 8 -0,56
3 9 1,45
3 10 -1,77
3 1 -0,15
3 2 -0,96
3 3 0,67
3 4 0,11
3 5 -1,45
3 6 -0,49
3 7 0,21
3 8 -0,49
3 9 1,87
3 10 -2,16


manual do usurio.
2.4.4 - Curvas de Desempenho
Objetivo da curva de desempenho

A construo de uma curva de desempenho do dispositivo de medio (GPC, do
ingls Gage Performance Curve) tem como objetivo ilustrar como varia a
probabilidade de aceitao (P
a
) de uma pea em funo do seu valor de referncia
(VR). Uma vez que o erro de medio foi caracterizado, isto , sua mdia e desvio
padro so determinados, torna-se possvel calcular a probabilidade de aceitao
da pea dado eu valor de referncia. Admitindo que o erro normalmente
distribudo com mdia igual a tendncia (b) e o desvio padro () igual ao RR,
conclui-se que o valor da medio de uma pea tem distribuio normal com mdia
igual a VR+b e desvio padro igual ao RR.

Probabilidade de aceitao

Portanto, a probabilidade de aceitar uma pea com valor de referncia igual a VR
dada por

sendo LIE e LSE os Limites Inferior e Superior de Especificao, respectivamente.
Podemos reescrever essa frmula como

sendo a funo de distribuio acumulada da normal padro N(0,1).

Exemplo 2.4.4.1

Considere um processo de produo de uma haste cujos limites de especificao
so dados por LIE = 0,6 mm e LSE = 1 mm. Uma anlise do sistema de medio foi
realizada encontrando uma tendncia b = 0,05 mm e RR = 0,05 mm. Determine a
probabilidade de aceitar peas cujos valores de referncia (VR) so 0,5 mm, 0,7
mm e 0,9 mm.
Para a pea com valor de referncia VR = 0,5 mm, a probabilidade de aceitao
dada por

Para a pea com valor de referncia VR = 0,7 mm a probabilidade de aceitao
dada por

Enquanto que para a pea com valor de referncia VR = 0;9 mm a probabilidade de
aceitao dada por

Fazendo o clculo desta probabilidade de aceitao para vrios valores de VR,
obtemos a curva GPC ilustrada na Figura 2.4.4.1.

Figura 2.4.4.1: Curva GPC.

A Figura 2.4.4.2 ilustra a curva GPC para um sistema de medio ideal.

Figura 2.4.4.2: Curva GPC ideal.
2.4.5 - Anlise grfica do RR
Neste mdulo faremos uma discusso dos principais grficos associados ao estudo
de repetitividade e reprodutibilidade. Para isso, usamos na anlise grfica um
experimento com 3 operadores, 5 peas e 3 medidas por operador para cada pea.
A seguir resumimos o experimento na tabela (2.4.5.1).

Operador Pea
Medidas
R
1 2 3
A
1

2

3

4

5

B
1

2

3

4

5

C
1

2

3

4

5

Mdia

Tabela 2.4.5.1: Leituras.
partir da tabela (2.4.5.1) e da tabela de constantes para calcular os limites de
controle e (ver Apndice do contedo estatstico do CEP), definimos os
limites dos grficos:
Para as mdias:
Limite Superior de Controle:

Linha Central:

Limite Inferior de Controle:

Para as amplitudes:
Limite Superior de controle:

Linha Central:

Limite Inferior de Controle:

A seguir, vamos estudar os casos mais comuns ocorridos em um estudo de RR.
Caso 1: discriminao do sistema de medio

Figura 2.4.5.1: Discriminao do sistema de medio.

Concluso: A Figura 2.4.5.1 indica que h uma falta de discriminao do Sistema
de Medio. Em geral, a resoluo do equipamento de medio pode ser
inadequada. De acordo com o manual da indstria automobilstica (MSA), a maioria
dos pontos do Grfi
co da amplitude (Figura 2.4.5.1) devem ser diferentes de zero.

Caso 2: anlise do grfico R - treinamento

Figura 2.4.5.2: Anlise do grfico R - treinamento.

Concluso: A Figura 2.4.5.2 apresenta um problema relacionado ao treinamento no
mtodo. Tambm podemos ter problemas com o mtodo utilizado, talvez o mtodo
exige uma habilidade manual que nem todas as pessoas possuem.

Caso 3: anlise do grfico R - mtodo

Figura 2.4.5.3: Anlise do grfico R - mtodo.
Concluso: Quando temos um grfico da amplitude conforme mostra a Figura
2.4.5.3 devemos verificar se os pontos (alm dos limites) entre os avaliadores no
correspondem a mesma pea. Caso afirmativo, avalie a pea. Caso no seja a
mesma pea, o mtodo precisa ser revisado, pois os avaliadores no esto
conseguindo reproduzi-lo.

Caso 4: anlise de repetitividade

Figura 2.4.5.4: Anlise de repetitividade.

Concluso: De acordo com a Figura 2.4.5.4 quanto mais pontos fora dos limites de
controle melhor. A amplitude entre as linhas de controle, LSC - LIC = 2A
2
reflete
a repetitividade do sistema de medio, enquanto os pontos refletem a
variabilidade entre as peas (processo produtivo). Neste caso, comparamos a
repetitividade do SM (limites de controle) com a variabilidade do processo
produtivo (pontos no grfico). De acordo com o manual da indstria automobilstica
(MSA), quando analisamos o RR pela variao total, a maioria dos pontos do Grfi
co da mdia (Figura 2.4.5.4) devem estar fora dos limites de controle.

Caso 5: anlise de reprodutibilidade

Figura 2.4.5.5: Anlise de reprodutibilidade.
Concluso: Neste caso, vamos comparar as medies entre os avaliadores. Como os
avaliadores esto medindo as mesmas peas, as medies devem ser similares,
conforme a Figura 2.4.5.5. Ento, quanto mais paralela for a reta que une as
mdias em relao ao eixo x melhor.

Caso 6: interao pea versus sistema de medio

Figura 2.4.5.6: Interao pea versus sistema de medio.
Concluso: No grfico das peas, vide Figura 2.4.5.6, avaliamos a consistncia do
Sistema de Medio em relao s peas usando os seguintes critrios:
a) As peas so distintas, portanto, o Sistema de Medio deve identific-las.
Assim, as medies das peas no podem estar alinhadas.
b) Se uma pea variar mais que as outras (como a pea 2 por exemplo), significa
que o Sistema de Medio teve mais dificuldade em avaliar esta pea. Analise a
pea e identifique a causa.

Caso 7: interao pea versus avaliador

Figura 2.4.5.7: Grfico sem interao.

Figura 2.4.5.8: Grfico com interao.
Observamos na Figura 2.4.5.7 que no h interao entre avaliadores e pea, uma
vez que, as medies das peas praticamente no variam de acordo com o
avaliador. Ao contrrio, na Figura 2.4.5.8, notamos que a mdia das medies
aumentam ou diminuem, dependendo do avaliador. Por exemplo, a mdia das
medies do avaliador C menor para a pea 2 e maior para a pea 4.
O sistema de medio no replicvel corresponde aos sistemas de medio cujas
leituras no podem ser repetidas em cada pea, inclumos os sistemas onde as
peas sofrem alteraes durante o ensaio ou so destrudas. A seguir apresentamos
alguns mtodos de anlise, que nos permite obter informao sobre a Variabilidade
do processo e a sua Estabilidade.

3.1 - Estabilidade
Neste mdulo, apresentamos uma estratgia para avaliar a estabilidade de sistemas
de medio no replicveis. A seguir, apresentamos a tcnica da diviso de
amostras.
Diretrizes
Processo de produo sob controle estatstico;
A pea no degrada durante o tempo de realizao do experimento;
Disponibilidade de um grande nmero de peas;
Caso seja possvel, utilizar padres de referncia que sejam representativos do
processo, ao invs de peas;

Mtodos de anlise:
1 Passo:
Para a realizao deste ensaio ser necessria a utilizao de uma grande
quantidade de peas (50 ou mais) cujas caractersticas como matria-prima
utilizada, mquina que as produziu, temperatura do processo e operador sejam as
mais uniformes possveis.
2 Passo:
Selecionamos, aproximadamente, metade das peas e as medimos na sequncia e
em um pequeno perodo de tempo. Nosso objetivo determinar a variao de curto
prazo do sistema de medio. Atravs destas medies elaboramos o grfico de CEP
I-MR, sendo I os valores individuais e MR as amplitudes mveis - com o qual
verificamos, a variabilidade do processo. Os limites de controle destes grficos so
calculados de acordo com a Tabela 3.1.1.
3 Passo:
As peas restantes so medidas periodicamente (dirio, semanal, mensal), em
seqncia, e se possvel em horrios diferentes nos casos em que se acredita que
esta condio possa ser relevante para se avaliar a estabilidade. Na sequncia,
elaboramos o grfico I-MR com os mesmos lmites de controle obtidos no passo 2.
Se todos os pontos estiverem dentro dos limites de controle conclumos que o
processo est estvel.
Esta tcnica compara a variao de curto prazo (passo 2), no qual as medies so
realizadas na sequncia e em um pequeno perodo de tempo, com a variao de
longo prazo (passo 3), no qual as medies so realizadas a longo do tempo. Se as
variaes de curto prazo e longo prazo so similares, conclumos que o sistema
estvel.

Limites dos Grficos
N
o
de leituras
agrupadas (n)
E
2
D
3
D
4

Grfico dos Val. Individuais (I) 2 2,66 0 3,267
LSC = Limite Superior = + E
2
3 1,77 0 2,574
LC = Limite Central = 4 1,46 0 2,282
LIC = Limite Inferior = -E
2
5 1,29 0 2,114
Grfico das Amplitudes R 6 1,18 0 2,004
LSC = Limite Superior = D
4
7 1,11 0,076 1,924
LC = Limite Central = 8 1,05 0,136 1,864
LIC = Limite Inferior = D
3
9 1,01 0,184 1,816
10 0,98 0,223 1,777
Tabela 3.1.1: Valores de E
2
, D
3
e D
4

Exemplo 3.1.1
Considere a caracterstica resistncia trao realizada com corpos-de-prova de
ao.
Objetivo:
Estudar a estabilidade do sistema de medio de trao.

Descrio do Experimento:
Produzir um lote de corpos de prova bastante homogneo (mesma corrida);
Os corpos de prova no degradam durante o tempo de realizao do experimento;
Disponibilidade de um grande nmero de corpos de prova.

1
o
Passo:
Para a realizao do experimento utilizamos 32 corpos de prova cujas
caractersticas como matria-prima utilizada, mquina que as produziu, processo e
avaliador sejam as mais uniformes possveis.

2
o
Passo:
Utilizando 16 corpos de prova (metade do lote), realizamos um estudo de
estabilidade do processo I-MR com o qual verificamos, atravs dos limites de
controle, a variabilidade do processo. Estes 16 corpos de prova so medidos no
mesmo dia (Tabela 3.1.2).
3
o
Passo:
As 16 peas restantes so medidas periodicamente (semanal) em horrios
diferentes (Tabela 3.1.3). Como critrio para a avaliao da estabilidade utilizamos
a anlise do grfico de controle I-MR, com os mesmos limites de controle obtidos
no 2 passo.
1. Resistncia a trao (MPA)
Medio de 16 corpos de prova, realizadas no mesmo dia (Passo 2);
Avaliador: A
Mquina: Amsler
Corrida: 0782697
Data: 26/02/03
Para os dados da Tabela 3.1.2, obtemos os valores da mdia e da amplitude mdia
como
= 1160,625
= 22,533
Tabela 3.1.2: Medies do mesmo dia
Leituras
1164 1135
1171 1195
1181 1164
1155 1161
1159 1151
1119 1171
1119 1193
1166 1166

Com isso, obtemos os limites de controle para as medies individuais como

e os limites de controle para a amplitude como

sendo os valores de E
2
, D
3
e D
4
obtidos da Tabela 3.1.2 com n = 2.
Abaixo, apresentamos os grficos de valores individuais e amplitudes mveis para
as peas que foram medidas no mesmo dia:


manual do usurio.

A estimativa do desvio padro de curto prazo dada por

em que o valor de d
2
obtido pela Tabela de d2 com g > 15 (nmero de amplitudes
para calcular ) e m = 2 (nmero de medidas utilizadas para calcular cada
amplitude).
Portanto, temos que o desvio padro estimado dado por

No passo 3, os 16 corpos de prova restantes so medidos semanalmente, com os
resultados apresentados na Tabela 22.
Medio de 16 corpos de prova, realizadas semanalmente (Passo 3);
Avaliador: A
Mquina : Amsler
Corrida: 0782697
Abaixo, apresentamos os grficos de valores individuais e amplitudes mveis para
as peas que foram medidas ao longo do tempo:
Tabela 3.1.3: Tabela com as 16 medies restantes
Data Horrio Resistncia
07/03/2003 10:30 1117
14/03/2003 15:35 1152
19/03/2003 12:35 1182
25/03/2003 08:25 1206
01/04/2003 10:45 1195
10/04/2003 07:35 1175
17/04/2003 08:55 1171
25/04/2003 11:05 1161
30/04/2003 09:05 1137
05/05/2003 13:00 1182
12/05/2003 14:20 1153
21/05/2003 12:50 1188
29/05/2003 09:10 1168
05/06/2003 09:35 1141
09/06/2003 11:00 1177
11/06/2003 09:00 1142

Utilizando os mesmos limites de controle dos grfico de valores individuais e
amplitudes mveis com as medies do mesmo dia (16 corpos de prova), montamos
o grfico de valores individuais e amplitudes mveis para as medies realizadas
semanalmente, conforme Figura 15.

Figura 3.1.1: Grfico de valores individuais e amplitude mveis, = 1160;625 e =
19;97.

Concluso: Ao analisar o grfico das amplitudes mveis, observamos que no h
nenhum ponto fora dos limites de controle, o mesmo acontecendo para o grfico de
valores individuais. Assim, conclumos que o sistema de medio est estvel com
relao resistncia trao.


manual do usurio.
3.2 - RR No-Replicvel (Mtodo Hierrquico)
Neste mdulo, vamos analisar a variabilidade (estudo de RR) de sistemas de
medio no replicveis. Ao realizarmos o estudo de RR de um sistema de medio
replicvel, obtemos um arranjo experimental conforme a Tabela 3.2.1. Entretanto,
para um sistema de medio no replicvel este arranjo no possvel, pois no
podemos medir a mesma pea vrias vezes. Como exemplo, considere o
teste destrutivo de solda onde uma porca soldada arrancada de uma pea e a
quantidade mxima de fora antes do arrancamento medida. A solda destruda
no processo, portanto no pode ser avaliada novamente. Portanto, no podemos
medir a mesma pea mais de uma vez e neste caso, o arranjo descrito na Tabela
3.2.1 no se aplica.

Operador 1 Operador 2
Pea Parte I Parte II Parte III Parte I Parte II Parte III
1 1 1 1 1 1 1
2 2 2 2 2 2 2
3 3 3 3 3 3 3
4 4 4 4 4 4 4
5 5 5 5 5 5 5
6 6 6 6 6 6 6
7 7 7 7 7 7 7
8 8 8 8 8 8 8
9 9 9 9 9 9 9
10 10 10 10 10 10 10
Tabela 3.2.1: Leituras.

A primeira medida a ser feita antes de abordar um estudo RR no replicvel
garantir que todas as condies que englobam o teste sejam definidas,
padronizadas e controladas - operadores devem ser similarmente qualificados e
treinados, a iluminao deve ser adequada e sempre controlada, instrues de
trabalho devem ser detalhadas e operacionalmente definidas, condies ambientais
devem ser controladas dentro de um grau adequado, equipamentos devem ser
calibrados e receber manuteno adequada, etc. Em segundo lugar, antes de fazer
um estudo de um sistema de medio no replicvel, necessrio verificar se o
processo de produo estvel e capaz.
Depois disto, uma vez que a pea no pode ser reavaliada devido alteraes em
sua estrutura (ou destruio), diversas peas semelhantes (homogneas) devem ser
escolhidas para o estudo e deve ser feita a suposio de que as peas so idnticas
(ou similares). Os conjuntos de peas homogneas so denominados lotes. Neste
caso, temos o arranjo experimental definido na Tabela 3.2.2, no qual a pea 1
tratada como lote 1-1, 1-2, 1-3, 1-4, 1-5, 1-6, isto , so peas distintas que so
tratadas como se fossem uma mesma pea. Desta forma, as peas devem ser
amostradas consecutivamente (dentro de um mesmo lote de produo) sendo
idnticas (ou similares) o suficiente para que elas possam ser tratadas como se
fossem a mesma pea. Se o processo de interesse no satisfizer esta suposio,
este mtodo no ir funcionar. Geralmente se estas peas so tiradas da produo
de modo consecutivo, sob condies de produo semelhantes o mximo possvel,
esta exigncia cumprida.

Estudo da variabilidade do sistema de medio de trao

OPERADOR 1 OPERADOR 2
Lote Parte 1 Parte 2 Parte 3 Parte 1 Parte 2 Parte 3
1A. . . 1F 1-1 1-2 1-3 1-4 1-5 1-6
2A. . . 2F 2-1 2-2 2-3 2-4 2-5 2-6
3A. . . 3F 3-1 3-2 3-3 3-4 3-5 3-6
4A. . . 4F 4-1 4-2 4-3 4-4 4-5 4-6
5A. . . 5F 5-1 5-2 5-3 5-4 5-5 5-6
6A. . . 6F 6-1 6-2 6-3 6-4 6-5 6-6
7A. . . 7F 7-1 7-2 7-3 7-4 7-5 7-6
8A. . . 8F 8-1 8-2 8-3 8-4 8-5 8-6
9A. . . 9F 9-1 9-2 9-3 9-4 9-5 9-6
10A. . . 10F 10-1 10-2 10-3 10-4 10-5 10-6
Tabela 3.2.2: Leituras
No arranjo experimental definido para sistemas replicveis (ver Tabela 3.2.1),
todas as combinaes de nveis entre os fatores (pea e operador) esto bem
definidas. Neste caso, temos o cruzamento entre todos os nveis de todos os
fatores (experimentos fatoriais cruzados).
Por outro lado, no arranjo experimental definido para sistemas no replicveis (ver
Tabela 3.2.2), os nveis do fator lote (peas similares) ocorrem em combinao com
os nveis do fator operador, por exemplo, a pea 1-1 foi medida apenas pelo
operador A. Tais arranjos experimentais so denominados hierrquicos ("nested'').
Na figura 3.2.1, apresentamos um esquema hierrquico aplicado a um sistema de
medio no replicvel.

Figura 3.2.1:Croqui de um experimento hierrquico.

Modelo Estatstico

Denotamos por o valor da medida da k-sima parte, do operador i para a pea
j.

em que,
= constante
= efeito aleatrio devido ao operador, (nmero de
operadores).Assumimos que tem distribuio normal com mdia zero e varincia
.
= efeito aleatrio devido ao j-simo lote hierarquizado sob o i-simo operador,
(nmero de lotes).
= erro associado a cada observao, hierarquizado em relao aos operadores
e lotes, (nmero de partes, rplicas).
A anlise de varincia para o modelo estatstico acima obtida pela decomposio
da variao total como segue

Desta forma a quebra da variabilidade definida por:

em que

Neste caso, a tabela da ANOVA fica da seguinte forma:
Fator GL
Soma de
Quadrados
Quadrados Mdios F
Operador

Lote Hierrquico ao Operador

Repetitividade

Total

No modelo hierrquico com fatores aleatrios (operador e pea), temos os
seguintes valores para a esperana dos quadrados mdios e as estatsticas
associados ao testes de influncia dos fatores.
E(QM)
A: Aleatrio
B: Aleatrio
E(QMO)

E(QML(O))

E(QME)

Testes Estatsticos Apropriados
Teste para A: Aleatrio
B: Aleatrio
Fator A

Fator B(A)

Teste do efeito do lote hierarquizado ao operador:



Teste do efeito do operador:



A seguir, apresentamos os clculos dos componentes de varincia:
1. Repetitividade

2. Variao devido ao operador

3. Variao dos lotes hierarquizados ao operador

4. Repetitividade e Reprodutibilidade

5. Variao total

6. Tabela dos ndices
Fonte de Variao Desvio Padro % de Variao %Tolerncia
Repetitividade VE


Pea VP

RR RR

Exemplo 3.2.1
Considere a caracterstica resistncia trao realizada com corpos-de-prova de
ao.
Objetivo:
Avaliar a reprodutibilidade e a repetitividade do sistema de medio.
Descrio do experimento
Selecionar 5 corridas de ao (p = 5), com pouca variabilidade dentro das corridas e
a variabilidade natural do processo (de produo) entre as corridas;
De cada corrida foi processado uma barra ;
Cada barra foi dividido em seis partes;
As partes do corpo de prova foram submetidas ao sistema de medio, onde foram
medidas a Resistncia (2 avaliadores (o = 2); 3 partes por avaliador ( r = 3 )).
Unidade: MPA;
Tolerncia: 130 MPA
Os resultados esto abaixo:
Avaliador 1 : Aval. 1.
Avaliador 2 : Aval. 2.
Corrida Avaliador Resistncia
1 1 1168
1 1 1170
1 1 1171
2 1 1179
2 1 1155
2 1 1159
3 1 1161
3 1 1179
3 1 1170
4 1 1190
4 1 1182
4 1 1197
5 1 1135
5 1 1150
5 1 1130
1 2 1142
1 2 1164
1 2 1177
2 2 1173
2 2 1175
2 2 1148
3 2 1184
3 2 1159
3 2 1182
4 2 1190
4 2 1188
4 2 1188
5 2 1139
5 2 1137
5 2 1151

Aplicao
A soma dos quadrados dada pelas seguintes frmulas

Desta forma, temos a tabela da ANOVA
Considerando que os fatores so aleatrios, vamos analisar se existe diferena
significativa entre os avaliadores, para isso usamos a estatstica de teste

Ao nvel = 0,05 de significncia temos

Como , no rejeitamos a hiptese , portanto conclumos que no existe
diferena entre os avaliadores.
Avaliamos agora, a variabilidade entre as corridas, atravs da estatstica de teste

Ao nvel = 0,05 de significncia temos

Como , rejeitamos a hiptese , portanto conclumos que existe
variabilidade entre as corridas analisadas.
Repetitividade

Variao devido ao operador

Variao dos lotes hierarquizados ao operador

Repetitividade e Reprodutibilidade

Variao total

Desvio padro entre as corridas: 16,64 MPA;
Repetitividade: variabilidade devido ao Sistema de Medio mais a variabilidade da
barra (falta de homogeneidade da barra);
Repetitividade do sistema de medio: 10,97 MPA;
Os avaliadores no influenciam de forma significativa na variabilidade do sistema
de medio;
A variabilidade entre as corridas significativa com relao a repetitividade.

Concluses

O sistema de medio apresenta uma repetitividade alta e uma reprodutibilidade
desprezvel. A repetividade do sistema de medio apresenta um ndice de 55%
com relao variao total. Alm disso, atravs do grfico da mdia (Xbarra),
observamos que a disperso dos pontos e as linhas de controle (linhas vermelhas)
esto muito prximas (a maioria dos pontos esto dentro das linhas de controle).
Com isso, conclumos que a repetitividade do sistema de medio e a variao do
processo produtivo (variabilidade entre as barras) so similares, como consequncia
no conseguimos realizar melhoria contnua atravs dos dados gerados por este
sistema de medio. Portanto, o sistema de medio no est adequado para
controlar o processo.
Resultados obtidos pelo Action:


manual do usurio.
Definies
Um sistema de medio por atributo (exemplo: calibrador tampo), classifica a
pea em defeituosa ou no. Um dos principais objetivos da anlise de sistemas de
medio por atributo est na compreenso e preveno dos erros de classificao.
Para isto, propomos os seguintes passos para analisar um sistema de medio por
atributo:
1. Analisar criticamente o relatrio de calibrao do dispositivo de medio;
2. Preparar uma norma interna de uso, manuseio e interpretao do dispositivo
de medio. Treinar todos os usurios;
3. Realizar a coleta de dados para anlise do sistema de medio;
4. Calcular o grau de concordncia em relao ao(s);
o Sistema referncia: avaliar o projeto e a aplicabilidade do dispositivo;
o Operadores: avaliar a consistncia do dispositivo e o treinamento no uso e
manuseio;
5. Taxa de erro: probabilidade do operador aprovar uma pea que no atende
as especificaes;
6. Taxa de falso alarme: probabilidade do operador reprovar uma pea que
atende as especificaes;
7. Mtodo de Deteco de Sinais: calcular as regies com maior probabilidade
de falha do sistema de medio por atributo. Estimar a variabilidade do
sistema de medio.

Coleta de dados

A coleta de dados e a anlise do sistema de medio por atributo conduzida
conforme os passo descritos a seguir:
Passo 1: Selecionar um nmero suficiente de peas dentre as quais tenhamos peas
defeituosas e no defeituosas. Qual a quantidade de peas que devemos utilizar
para realizar o estudo de sistema de medio por atributo? Para desespero dos
usurios a resposta o "suficiente". O propsito de se estudar um sistema de
medio (atributo ou varivel) est em conhecer suas propriedades. Um nmero
suficiente de amostras deve ser selecionado para cobrir uma amplitude esperada
de operao. No caso de sistema por atributo, a regio de interesse so as reas
cinza. Se a capacidade do processo boa, ento uma amostra pequena pode no
conter muitas peas na rea cinza. Isto significa que um processo com boa
capacidade requer uma amostra maior.
No exemplo citado na quarta edio, para um Pp=Ppk=0,5 (no qual esperamos 13%
de peas no conformes), foi selecionado 50 peas para realizar o estudo do
sistema de medio por atributo.
Um alternativa para evitarmos amostras grandes, consiste em escolher as peas
diretamente na rea cinza para assegurar que o efeito da variabilidade do avaliador
ser visualizado.
Considere um sistema de medio por atributo que compara cada pea com os
limites de especificao, o sistema aceita a pea se a mesma est entre as
especificaes e rejeita caso contrrio (conhecido como sistema passa no passa).
Como qualquer sistema de medio, existe uma rea cinza em torno dos limites de
especificao no qual o sistema de medio comete erros de classificao.
Desde que no conhecemos, a priori, a rea cinza, devemos realizar estudos do
sistema de medio. Entretanto, para determinarmos as reas de risco em torno
dos limites de especificao, precisamos escolher aproximadamente 25% da peas
"prximas" ao limite inferior e 25% da peas "prximas" ao limite superior. Nos casos
em que difcil fazer tais peas, a equipe pode decidir utilizar uma porcentagem
menor, apesar de reconhecer que esta atitude pode aumentar a variabilidade dos
resultados. Se no for possvel fazer peas prximas aos limites de especificao a
equipe deveria reconsiderar o uso de um sistema de medio por atributos para
este processo. Para cada caracterstica, as peas devem ser medidas por um
sistema de medio por variveis com variabilidade aceitvel. Quando uma
caracterstica no pode ser medida por um sistema de medio por variveis
(exemplo, visual), utilizamos outros meios, como a classificao por especialistas.
Passo 2: Selecionar os operadores, no mnimo 2. A sugesto da quarta edio que
devemos escolher trs operadores.
Passo 3: Cada operador deve medir no mnimo trs vezes cada pea.
Passo 4: Para cada dupla de operadores, apresentar os dados da seguinte maneira.
OP-B OP-B
OP-A 1 - C 2 - NC Total
1 - C
2 - NC
Total
Aqui, utilizamos a seguinte notao:
1 : pea classificada como aprovada;
2 : pea classificada como reprovada;
o
11
: nmero de classificaes aprovadas para o avaliador A e aprovadas para o
avaliador B;
o
12
: nmero de classificaes aprovadas para o avaliador A e reprovadas para o
avaliador B;
o
21
: nmero de classificaes reprovadas para o avaliador A e aprovadas para o
avaliador B;
o
22
: nmero de classificaes reprovadas para o avaliador A e reprovadas para o
avaliador B;
o
1
=o
11
+o
12
: total de aprovaes do avaliador A;
q
1
=o
21
+o
22
: total de reprovaes do avaliador A;
o
2
=o
11
+o
21
: total de aprovaes do avaliador B;
q
2
=o
12
+o
22
: total de reprovaes do avaliador B;
n : total de medies por avaliador =o
1
+q
1
=o
2
+q
2

Passo 5: Calcular as propores observadas
OP-B OP-B
OP-A 1 - C 2 - NC Total
1 - C

2 - NC

Total

1
Passo 6: Calcular as propores esperadas
OP-B OP-B
OP-A 1 - C 2 - NC
1 - C

2 - NC

Passo 7: Calcular o coeficiente Kappa

Passo 8: Critrio: o coeficiente Kappa deve ser superior a 0,75. Se o Kappa for
inferior a 0,75 dizemos que no existe uma boa concordncia entre os avaliadores.

Exemplo 4.1.1
Considere um sistema de medio, no qual foram selecionadas 50 peas, 3
avaliadores com trs medies por pea (cada avaliador). Os dados esto
apresentados na Tabela abaixo. Aqui consideramos 0 No Conforme e 1 Conforme.
Para esta caracterstica temos como limite inferior de engenharia 0,45 (LIE) e como
limite superior de engenharia 0,55 (LSE).
Tabela 4.1.1: MSA Atributos
Pea
Operador 1 Operador 2
Operador 3 Padro
Valor
Referncia
1 1 1 1 1 0,476901
1 1 1 1 1 0,476901
1 1 1 1 1 0,476901
2 1 1 1 1 0,509015
2 1 1 1 1 0,509015
2 1 1 1 1 0,509015
3 0 0 0 0 0,576459
3 0 0 0 0 0,576459
3 0 0 0 0 0,576459
4 0 0 0 0 0,566152
4 0 0 0 0 0,566152
4 0 0 0 0 0,566152
5 0 0 0 0 0,57036
5 0 0 0 0 0,57036
5 0 0 0 0 0,57036
6 1 1 1 1 0,544951
6 1 1 0 1 0,544951
6 0 0 0 1 0,544951
7 1 1 1 1 0,465454
7 1 1 0 1 0,465454
7 1 1 1 1 0,465454
8 1 1 1 1 0,502295
8 1 1 1 1 0,502295
8 1 1 1 1 0,502295
9 0 0 0 0 0,437817
9 0 0 0 0 0,437817
9 0 0 0 0 0,437817
10 1 1 1 1 0,515573
10 1 1 1 1 0,515573
10 1 1 1 1 0,515573
11 1 1 1 1 0,488905
11 1 1 1 1 0,488905
11 1 1 1 1 0,488905
12 0 0 0 0 0,559918
12 0 0 1 0 0,559918
12 0 0 0 0 0,559918
13 1 1 1 1 0,542704
13 1 1 1 1 0,542704
13 1 1 1 1 0,542704
14 1 1 1 1 0,454518
14 1 1 0 1 0,454518
14 0 1 0 1 0,454518
15 1 1 1 1 0,517377
15 1 1 1 1 0,517377
15 1 1 1 1 0,517377
16 1 1 1 1 0,531939
16 1 1 1 1 0,531939
16 1 1 1 1 0,531939
17 1 1 1 1 0,519694
17 1 1 1 1 0,519694
17 1 1 1 1 0,519694
18 1 1 1 1 0,484167
18 1 1 1 1 0,484167
18 1 1 1 1 0,484167
19 1 1 1 1 0,520496
19 1 1 1 1 0,520496
19 1 1 1 1 0,520496
20 1 1 1 1 0,477236
20 1 1 1 1 0,477236
20 1 1 1 1 0,477236
21 1 1 0 1 0,45231
21 1 0 1 1 0,45231
21 0 1 0 1 0,45231
22 0 0 1 0 0,545604
22 0 1 1 0 0,545604
22 1 0 0 0 0,545604
23 1 1 1 1 0,529065
23 1 1 1 1 0,529065
23 1 1 1 1 0,529065
24 1 1 1 1 0,514192
24 1 1 1 1 0,514192
24 1 1 1 1 0,514192
25 0 0 0 0 0,599581
25 0 0 0 0 0,599581
25 0 0 0 0 0,599581
26 0 0 0 0 0,547204
26 1 0 0 0 0,547204
26 0 0 1 0 0,547204
27 1 1 1 1 0,502436
27 1 1 1 1 0,502436
27 1 1 1 1 0,502436
28 1 1 1 1 0,521642
28 1 1 1 1 0,521642
28 1 1 1 1 0,521642
29 1 1 1 1 0,523754
29 1 1 1 1 0,523754
29 1 1 1 1 0,523754
30 0 0 0 0 0,561457
30 0 0 0 0 0,561457
30 0 1 0 0 0,561457
31 1 1 1 1 0,503091
31 1 1 1 1 0,503091
31 1 1 1 1 0,503091
32 1 1 1 1 0,50585
32 1 1 1 1 0,50585
32 1 1 1 1 0,50585
33 1 1 1 1 0,487613
33 1 1 1 1 0,487613
33 1 1 1 1 0,487613
34 0 0 0 0 0,449696
34 0 0 1 0 0,449696
34 1 1 1 0 0,449696
35 1 1 1 1 0,498698
35 1 1 1 1 0,498698
35 1 1 1 1 0,498698
36 1 1 1 1 0,543077
36 1 1 0 1 0,543077
36 0 1 1 1 0,543077
37 0 0 0 0 0,409238
37 0 0 0 0 0,409238
37 0 0 0 0 0,409238
38 1 1 1 1 0,488184
38 1 1 1 1 0,488184
38 1 1 1 1 0,488184
39 0 0 0 0 0,427687
39 0 0 0 0 0,427687
39 0 0 0 0 0,427687
40 1 1 1 1 0,501132
40 1 1 1 1 0,501132
40 1 1 1 1 0,501132
41 1 1 1 1 0,513779
41 1 1 1 1 0,513779
41 1 1 1 1 0,513779
42 0 0 0 0 0,566575
42 0 0 0 0 0,566575
42 0 0 0 0 0,566575
43 1 1 1 1 0,46241
43 0 1 1 1 0,46241
43 1 1 0 1 0,46241
44 1 1 1 1 0,470832
44 1 1 1 1 0,470832
44 1 1 1 1 0,470832
45 0 0 0 0 0,412453
45 0 0 0 0 0,412453
45 0 0 0 0 0,412453
46 1 1 1 1 0,493441
46 1 1 1 1 0,493441
46 1 1 1 1 0,493441
47 1 1 1 1 0,486379
47 1 1 1 1 0,486379
47 1 1 1 1 0,486379
48 0 0 0 0 0,587893
48 0 0 0 0 0,587893
48 0 0 0 0 0,587893
49 1 1 1 1 0,483803
49 1 1 1 1 0,483803
49 1 1 1 1 0,483803
50 0 0 0 0 0,446697
50 0 0 0 0 0,446697
50 0 0 0 0 0,446697

Passo 4: Tabelas de frequncias

Tabela 25: Tabela de frequncia - A x B
Op. B
Op. A 1-C 2-NC Total
1-C 97 3 100
2-NC 6 44 50
Total 103 47 150

Tabela 26: Tabela de frequncia - A x C

Op. C

1-C 92 8 100
2-NC 7 43 50
Total 99 51 150

Tabela 27: Tabela de frequncia - B x C

Op. C

Op. B 1-C 2-NC Total
1-C 94 9 103
2-NC 5 42 47
Total 99 51 150

Na seqncia, calculamos o coeficiente Kappa para todas as combinaes de
avaliadores. Inicialmente, vamos calcular as propores observadas (Passo 5):

Tabela 28: Tabela de propores observadas - A x B

Op. B

1-C 0,647 0,02 0,667
2-NC 0,04 0,293 0,333
Total 0,687 0,313 1

Tabela 29: Tabela de propores observadas - A x C

Op. C

1-C 0,613 0,053 0,667
2-NC 0,0467 0,287 0,333
Total 0,66 0,34 1

Tabela 30: Tabela de propores observadas - B x C

Op. C

1-C 0,627 0,06 0,687
2-NC 0,033 0,28 0,313
Total 0,66 0,34 1

A seguir, calculamos as propores esperadas ( Passo 6 ):
Tabela 31: Tabela de propores esperadas - A x B

Op. B
Op. A 1-C 2-NC
1-C 0,458 0,209
2-NC 0,229 0,104

Tabela 32: Tabela de propores esperadas - A x C

Op. C
Op. A 1-C 2-NC
1-C 0,44 0,227
2-NC 0,22 0,113

Tabela 33: Tabela de propores esperadas - B x C

Op. C
Op. B 1-C 2-NC
1-C 0,453 0,233
2-NC 0,207 0,107

Finalmente, calculamos o Kappa entre os avaliadores (Passo 7):

Concluso: Como o Kappa maior que 0,75 (0,863) conclumos que existe
concordncia entre os avaliadores A e B.

concordncia entre os avaliadores A e C.

concordncia entre os avaliadores B e C.

Calculando o coeficiente Kappa com relao ao padro
Tabelas de frequncias ( Passo 4 ):

Tabela 34: Tabela de frequncia - A x Padro
REF
1-C 97 3 100
2-NC 5 45 50
Total 102 48 150
Tabela 35: Tabela de frequncia - B x Padro

REF

1-C 100 3 103
2-NC 2 45 47
Total 102 48 150
Tabela 36: Tabela de frequncia - C x Padro

REF

Op. C 1-C 2-NC Total
1-C 93 6 99
2-NC 9 42 51
Total 102 48 150
Vamos calcular agora as propores observadas ( Passo 5 ):

Tabela 37: Tabela de propores observadas - A x Padro

REF

1-C 0,647 0,02 0,667
2-NC 0,033 0,3 0,333
Total 0,68 0,32 1
Tabela 38: Tabela de propores observadas - B x Padro

REF

1-C 0,667 0,02 0,687
2-NC 0,013 0,3 0,313
Total 0,68 0,32 1
Tabela 39: Tabela de propores observadas - C x Padro

REF

Op. C 1-C 2-NC Total
1-C 0,62 0,04 0,66
2-NC 0,06 0,28 0,34
Total 0,68 0,32 1
Agora as propores esperadas ( Passo 6 ):
Tabela 40: Tabela de propores esperadas - A x Padro
REF
Op. A 1-C 2-NC
1-C 0,453 0,213
2-NC 0,227 0,107
Tabela 41: Tabela de propores esperadas - B x Padro
REF
Op. B 1-C 2-NC
1-C 0,467 0,220
2-NC 0,213 0,1
Tabela 42: Tabela de propores esperadas - C x Padro
REF
Op. C 1-C 2-NC
1-C 0,449 0,211
2-NC 0,231 0,109
Finalmente, calculamos o Kappa entre os avaliadores e o padro (Passo 7):
Avaliador A e o padro:

Avaliador B e o padro:

Avaliador C e o padro:

Algumas definies
Nesta Seo, vamos continuar a anlise do sistema de medio. Pretendemos
avaliar os erros de classificao em relao peas conformes e no conformes.
Temos
Taxa de erro: a probabilidade do avaliador classificar uma pea como sendo
Aprovada, quando na verdade esta pea Reprovada;

Taxa de falso alarme: a probabilidade do avaliador classificar uma pea como
sendo Reprovada, quando na verdade esta pea Aprovada.

Taxa de concordncia: a probabilidade do avaliador classificar uma pea
conforme o sistema de referncia (e ou ele mesmo).
em que:
Ap
Aval
= Medies que o avaliador considera aprovada;
Rep
Aval
= Medies que o avaliador considera reprovada;
Ap
Pad
= Medies que o sistema de referncia considera aprovada;
Rep
Pad
= Medies que o sistema de referncia considera reprovada.
Ento:

Assim:
Taxa de erro:

Taxa de falso alarme:

Taxa de concordncia:

Passos para o clculo

Para calcularmos a probabilidade de falha e a taxa de falso alarme, propomos os
seguintes passos:

Passo 8: Considere a tabela de freqncia observada, conforme passo 4. Porm,
tomamos a tabela de frequncia observada de cada operador em relao ao valor
de referncia, na forma

Referncia Referncia
Avaliador 1-C 2-NC Total
1-C o
11
o
12
o
1

2-NC o
21
o
22
q
1

Total o
2
q
2
n
Aqui, utilizamos a seguinte notao:
1 : pea classificada como aprovada;
2 : pea classificada como reprovada.
o
11
: nmero de classificaes aprovadas para o avaliador e aprovadas para a
referncia;
o
12
: nmero de classificaes aprovadas para o avaliador e reprovadas para a
referncia;
o
21
: nmero de classificaes reprovadas para o avaliador e aprovadas para a
referncia;
o
22
: nmero de classificaes reprovadas para o avaliador e reprovadas para a
referncia;
o
1
= o
11
+o
12
: total de aprovaes do avaliador;
q
1
= o
21
+o
22
: total de reprovaes do avaliador;
o
2
= o
11
+o
21
: total de aprovaes do a referncia;
q
2
= o
12
+o
22
: total de reprovaes do a referncia;
n : total de medies = o
1
+q
1
= o
2
+q
2

Passo 9: Calcular os ndices:
9.1 - Taxa de falha

9.2 - Probabilidade de falso alarme

9.3 - Concordncia

Critrios para anlise
A seguir, apresentamos os critrios para anlise da taxa de falha, probabilidade de
falso alarme e concordncia (Tabela 43).
Tabela 43: Critrio de deciso
Deciso Sistema de Medio Concordncia
Taxa de
Erro
Taxa de Falso
Alarme
Aceitvel para o avaliador 90% 2% 5%
Marginal aceitvel para o avaliador, pode
necessitar a melhoria
80% 5% 10%
Inaceitvel para o avaliador, necessita a
melhoria
< 80% > 5% > 10%

Exemplo 4.1.2
Voltando ao Exemplo 4.1.1, vamos calcular as Taxas de Erro e Falso Alarme para
cada Avaliador.
Vamos construir as tabelas com o numeros de medies para cada operador:
Avaliador A

Tabela 44: Nmero de medies por referncia e pelo Avaliador A
Avaliador A
Referncia
Total
Aprova Reprova
Aprova 97 3 100
Reprova 5 45 50
Total 102 48 150
Portanto, para o avaliador A temos:
9.1 - Taxa de falha


9.3 - Concordncia

Avaliador B
Tabela 45: Nmero de medies por referncia e pelo Avaliador B

Avaliador B
Referncia
Total
Aprova Reprova
Aprova 100 3 103
Reprova 2 45 47
Total 102 48 150

Portanto, para o avaliador B temos:
9.1 - Taxa de falha


9.3 - Concordncia

Avaliador C
Tabela 46: Nmero de medies por referncia e pelo Avaliador C
Avaliador C
Referncia
Total
Aprova Reprova
Aprova 93 6 99
Reprova 9 42 51
Total 102 48 150

Portanto, para o Avaliador C temos:
9.1 - Taxa de falha


9.3 - Concordncia

Exemplo 4.1.2 - Tabela avaliadores
Avaliadores Concordncia Taxa de Erro
Taxa de Falso Alarme
A 84% 6,3% 4,9%
B 90% 6,3% 2%
C 80% 12,5% 8,8%

Concordncia entre os Avaliadores

Concordncia entre Padro e cada Avaliador


manual do usurio.

Concluso: Como todos os valores de Kappa esto acima de 0,75, conclumos que
os operadores concordam entre si e com o padro. Porm, as taxas de erro dos
operadores ( , , ) esto acima do especificado
pelo manual MSA, que de 5%. Desta forma, temos uma oportunidade de melhoria.

Deteco de sinais

Uma alternativa para estimar a Banda Cinza (ver Figura 18), uma regio no qual
o dispositivo apresenta probabilidade alta de m classificao, usar a teoria da
Deteco do Sinal.

Figura 18: Banda cinza.
Passos:

Valor de Referncia Cdigo

0,599581 -
0,587893 -
0,576459 -
0,57036 -
0,566575 -

0,566152 -
0,561457 x
0,559918 x
0,547204 x
0,545604 x
0,544951 x
0,543077 x
0,542704 +

0,531939 +
0,529065 +
0,523754 +
0,521642 +
0,520496 +
0,519694 +
0,517377 +
0,515573 +
0,514192 +
0,513779 +
0,509015 +
0,50585 +
0,503091 +
0,502436 +
0,502295 +
0,501132 +
0,498698 +
0,488905 +
0,493441 +
0,488184 +
0,487613 +
0,486379 +
0,484167 +
0,483803 +
0,477236 +
0,476901 +

0,470832 +
0,465454 x
0,46241 x
0,454518 x
0,45231 x
0,449696 x
0,446697 -

0,437817 -
0,427687 -
0,412453 -
0,409238 -
Tabela 4.1.2: Valores de Referncia ordenados.
Passo 1: Determine a tolerncia (limites de especificao). Por exemplo da tabela
4.1.1, temos:

Ento, temos que a tolerncia dada por:

Este o valor a ser usado para calcular o RR.

Orientaes:
Se , compare o sistema de medio com o processo;
Se , compare o sistema de medio com a tolerncia.
Esta "regra" equivale a comparar o sistema de medio com o que for mais
restritiva (processo ou tolerncia).
No exemplo 4.1.1, o . Como a variao do processo superior
tolerncia, vamos comparar a variao do sistema de medio com a tolerncia.
Passo 2: Ordene os dados em ordem decrescente (maior para o menor) com base
nos valores de referncia das peas (veja tabela 4.1.2).
Passo 3: Identificar os pontos final e inicial das duas reas cinza. Na tabela 4.1.2
mostrado na coluna cdigo.

Sinal Descrio
Aceita com Concordncia Total

Rejeita com Concordncia Total

No Concordncia
Atravs da amplitude dos intervalos referentes s reas cinza determinamos sua
mdia, que ser comparada com a tolerncia ou 6 sigma da variao do processo (6
* desvio padro do processo).
Passo 4: Referindo-se ao grfico acima.
Seja
distncia entre a ltima pea aceita por todos os avaliadores para a
primeira pea rejeitada por todos. Esta distncia equivalente para a regio cinza
II em torno do acima.

Passo 5:
Seja,
distncia entre a ltima pea aceita por todos os avaliadores na zona III para
a primeira pea rejeitada por todos os avaliadores na zona I.
distncia ente a ltima pea aceita por todos os avaliadores para a primeira
pea rejeitada por todos (para cada especificao).
Ento,

uma estimativa da largura da rea da regio II e
Zona I peas em concordncia por todos os avaliadores a ser rejeitada
Zona III peas em concordncia por todos os avaliadores a ser aceita
Zona II
peas questionveis sem ter 100% de concordncia, em torno do limite de cada
especificao
Voltando ao exemplo 4.1.1, usando a tolerncia de 0,100, temos:

ou a estimativa da

.

Exemplo 4.1.3:

Considere um sistema de medio (Calibrador), no qual foram selecionadas 50
peas, 3 avaliadores com trs medies por pea (cada avaliador). Os dados esto
apresentados na Tabela 6.26. Faa um estudo por Atributo com o Limites de
Especificao Inferior e Superior de 142,10 mm e 143,10 mm, respectivamente.
Onde NC no conforme e C conforme.

Pea
Operador
Padro
Valor do
A B C Padro
1 C NC NC C 143,06
1 C NC NC C 143,06
1 C NC NC C 143,06
2 C C C C 142,68
2 C C C C 142,68
2 C C C C 142,68
3 NC NC NC NC 145,28
4 C C C C 142,54
4 C C C C 142,54
4 C C C C 142,54
6 C C C C 142,8
6 C C C C 142,8
6 C C C C 142,8
7 C C C C 142,28
7 C C C C 142,28
7 C C C C 142,28
8 C C C C 143
8 C C C C 143
8 C C NC C 143
9 C C C C 142,9
9 C C C C 142,9
9 C C C C 142,9
10 C C C C 142,1
10 NC C C C 142,1
10 C NC NC C 142,1
11 C C C C 142,3
11 C C C C 142,3
11 C C C C 142,3
12 NC NC NC NC 142,08
12 NC NC NC NC 142,08
12 C NC NC NC 142,08
13 NC NC NC C 142,13
13 C C NC C 142,13
13 C NC NC C 142,13
14 NC NC NC NC 143,63
14 NC NC NC NC 143,63
14 NC NC NC NC 143,63
16 C NC NC C 143,1
16 C NC C C 143,1
16 C NC C C 143,1
17 C C C C 142,5
17 C C C C 142,5
17 C C C C 142,5
18 NC NC NC NC 143,19
18 NC NC NC NC 143,19
18 NC NC NC NC 143,19
19 C C C C 142,3
19 C C C C 142,3
19 C C C C 142,3
20 C C C C 142,75
20 C C C C 142,75
20 C C C C 142,75
21 C C C C 142,28
21 C C C C 142,28
21 C C C C 142,28
22 C C NC C 142,94
22 C C C C 142,94
22 C C NC C 142,94
23 NC NC NC NC 143,15
23 NC NC NC NC 143,15
23 NC NC NC NC 143,15
24 C NC C C 143,08
24 NC NC NC C 143,08
24 C C NC C 143,08
25 C C C C 142,11
25 C C C C 142,11
25 C NC NC C 142,11
26 C C C C 143
26 C C C C 143
26 C C NC C 143
27 NC NC NC NC 143,22
27 NC NC NC NC 143,22
27 NC NC NC NC 143,22
29 C C C C 142,85
29 C C C C 142,85
29 C C C C 142,85
30 C C C C 142,73
30 C C C C 142,73
30 C C C C 142,73
31 C C C C 142,59
31 C C C C 142,59
31 C C C C 142,59
32 C C C C 142,89
32 C C C C 142,89
32 C C C C 142,89
33 C C NC C 143,02
33 C C C C 143,02
33 C C NC C 143,02
34 NC NC NC NC 142
34 NC NC NC NC 142
34 NC NC NC NC 142
35 C C C C 142,25
35 C C C C 142,25
35 C C C C 142,25
36 C C C C 142,33
36 C C C C 142,33
36 C C C C 142,33
37 C C NC C 143,05
37 C C C C 143,05
37 C C NC C 143,05
38 C C C C 142,82
38 C C C C 142,82
38 C C C C 142,82
39 C C C C 142,89
39 C C C C 142,89
39 C C C C 142,89
40 C C C C 142,49
40 C C C C 142,49
40 C C C C 142,49
41 NC NC NC NC 141,95
41 NC NC NC NC 141,95
41 NC NC NC NC 141,95
42 C C NC C 142,13
42 C NC NC C 142,13
42 C NC NC C 142,13
43 C C C C 142,45
43 C C C C 142,45
43 C C C C 142,45
44 C C C C 142,68
44 C C C C 142,68
44 C C C C 142,68
45 C C C C 142,26
45 C C C C 142,26
45 C C C C 142,26
46 C C C C 142,27
46 C C C C 142,27
46 C C C C 142,27
47 C C C C 142,31
47 C C C C 142,31
47 C C C C 142,31
48 C C C C 142,68
48 C C C C 142,68
48 C C C C 142,68
49 C C C C 142,59
49 C C C C 142,59
49 C C C C 142,59
50 C C C C 142,25
50 C C C C 142,25
50 C C C C 142,25
Tabela 4.1.3: tabela de dados.

Resultados obtidos pelo Software Action:


manual do usurio.
Concluso: Os avaliadores 1 e 2 esto com os valores de Kappa acima de 0,75,
conclumos que os operadores 1 e 2 concordam entre si e com o padro. Porm, o
operador 3 tem uma concordncia ruim com os outros avaliadores e o padro e as
taxas de erro dos operadores ( , , ) esto abaixo do
especificado pelo manual MSA, que de 5%. Desta forma, temos uma oportunidade
de melhoria.
Uma forma barata e rpida das empresas controlarem seus processos e produtos
consiste na utilizao de sistemas de medio passa no passa (go / no go). Estes
sistemas classificam as peas em defeituosas ou no, sem determinar o valor
numrico da caracterstica da qualidade em anlise. Apesar de baratos e geis,
estes sistemas de medio so passveis de falhas, o que pode ser crucial para a
confiabilidade das empresas perante seus clientes. O sistema de medio passa no
passa determina se a caracterstica da pea pertence ao intervalo entre os limites
de engenharia.

Figura 4.1.1: Sistema de medio passa no passa.

A Figura 4.1.1 ilustra o sistema de medio passa no passa.
LIE = Limite inferior de engenharia;
LSE = Limite superior de engenharia.

Para classificar a pea, o sistema de medio passa no passa apresenta duas
faces. A face passa confeccionada com algumas fraes da unidade da
caracterstica da qualidade acima do LIE, enquanto que a face no passa
confeccionada com algumas fraes da unidade da caracterstica da qualidade
abaixo do LSE, conforme Figura 4.1.2.

Figura 4.1.2: Configurao do sistema de medio passa no passa.

Aqui, propomos um modelo de regresso logstica, que associa o valor numrico da
pea com a probabilidade do sistema medio passa no passa classificar a pea
como aprovada (ou, no defeituosa). Apesar do valor numrico ser determinado por
um sistema de medio confivel, este apresenta erros de medio. Por isso,
importante incorporarmos estes erros ao modelo logstico.

Figura 4.1.3: Faixas de classificao.

Quando uma pea est "prxima" aos limites de engenharia, o sistema de medio
passa no passa est suscetvel a cometer erros de classificao. Assim, de acordo
com a Figura 4.1.3 temos trs faixas:
Faixa I - A pea considerada reprovada pelo sistema de medio referncia e pelo
sistema de medio passa no passa.
Faixa II - Regio prxima aos limites de engenharia que nos leva a erros de
classificao pelo sistema de medio passa no passa.
Faixa III - A pea considerada reprovada pelo sistema de medio referncia e pelo
sistema de medio passa no passa.
4.1.1 - Estudo do sistema de medio do tipo atributo

Na sequncia, apresentamos o experimento proposto pelo manual MSA(2002) para
avaliarmos um sistema de medio passa no passa via o mtodo analtico. Como
os lados passa e no passa so confeccionados juntos, na prtica avaliamos apenas
um dos lados. Assim, vamos tomar o lado referente ao limites superior de
engenharia (LSE) para anlise. Aqui, realizamos o seguinte experimento:
Selecionamos peas na produo que estejam em torno do LSE, vide (Figura
4.1.1.1);

Figura 4.1.1.1: Pea analisada - carter de automvel.
As peas so medidas em um sistema de medio confivel (referncia). Neste
caso, determinamos o valor numrico da caracterstica da qualidade, vide Figuras
4.1.1.2 e 4.1.1.3;

Figura 4.1.1.2: Zeragem do relgio
comparador por um anel padro.
Figura 4.1.1.3: Relgio comparador.
As mesmas peas so avaliadas pelo sistema passa no passa (calibrador tampo
liso) n vezes, vide Figuras 4.1.1.4 e 4.1.1.5.

Figura 4.1.1.4: Calibrador tampo liso - lado
passa.

Figura 4.1.1.5: Calibrador tampo liso - lado
no passa.
Selecionamos as peas de tal forma que a menor (maior) pea seja aprovada
(reprovada) em todas as avaliaes.

Para ilustrar, consideramos o sistema de medio passa no passa calibrador
tampo liso que classifica as peas em defeituosas ou no, vide Figuras 4.1.1.4 e
4.1.1.5. Esse sistema de medio aplicado na empresa para controlar a
caracterstica dimetro dos furos de fixao no carter do automvel (Figura
4.1.1.1), com especificao de LIE = , LSE = e Valor Nominal =
. Para um dispositivo de medio de limite duplo, por convenincia,
somente o limite superior ser analisado (no-passa), tomando as devidas
suposies de linearidade e uniformidade do erro (Figura 4.1.2.1).
4.1.2 - Descrio do estudo do sistema de medio do tipo atributo
Selecionamos 8 peas na linha de produo que foram enviadas ao laboratrio de
medidas dimensionais para determinarmos o valor numrico da caracterstica da
qualidade da pea, isto , o valor do dimetro, medido pelo relgio comparador
(Figura 4.1.1.2) zerado por um anel padro (Figura 4.1.1.3).
Aps medirmos as peas, estas retornaram linha de produo onde foram medidas
n = 20 vezes (cada pea) pelo sistema de medio passa no passa (o tampo liso).
As peas esto distribudas conforme Figura .
Aps a realizao do experimento resumimos os dados conforme Tabela 4.1.2.1.
Para facilitar a anlise da tendncia, subtramos o LSE do resultado da medio da
pea pelo sistema de medio referncia, conformemostra a Tabela 4.1.2.2.
Pea Dimetro Aprovao
Total de
Medies
1 9,64 20 20
2 9,65 20 20
3 9,67 20 20
4 9,68 8 20
5 9,7 5 20
6 9,71 3 20
7 9,73 0 20
8 9,75 0 20

Pea Dimetro Aprovao
Total de
Medies
1 -0,06 20 20
2 -0,05 20 20
3 -0,03 20 20
4 -0,02 8 20
5 0 5 20
6 0,01 3 20
7 0,03 0 20
8 0,05 0 20

Tabela 4.1.2.1:Dados do experimento Tabela 4.1.2.2: Dados Padronizados
As Figuras 4.1.2.1, 4.1.2.2 e 4.1.2.3 apresentam as medies das peas em relao
ao LSE.

Figura 4.1.2.1: Classificao das peas no sistema de medio passa - no passa.

Figura 4.1.2.2: Disposio das peas no
sistema de medio passa - no passa em
torno do LSE.

Figura 4.1.2.3: Diferena entre o dimetro e o
LSE.
4.1.3 - Mtodo analtico via modelo linear
Considere uma pea onde controlamos uma caracterstica da qualidade, por
exemplo, o dimetro. Denotamos por a probabilidade da pea ser aprovada pelo
sistema de medio passa no passa. Na prtica, importante relacionarmos o
valor numrico da caracterstica da qualidade da pea ( ) com a probabilidade de
aceitao da mesma pelo sistema de medio passa no passa. Assim, a pea
enviada ao laboratrio para medio da caracterstica da Qualidade. Na nossa
aplicao, a pea medida por um relgio comparador com resoluo de
, onde subtramos o LSE de todas as medies, conforme Tabela 4.1.2.2 .
De forma geral, tomamos

para todo peas. Em particular, o MSA(2002) toma o modelo
probito,

onde representa a funo de distribuio acumulada da distribuio normal
padro e
: representa a mdia das medies das peas subtrada do LSE com a aplicao do
sistema passa no passa (tendncia),
: varincia das medies das peas com aplicao do sistema de medio
passa no passa.
Assim, podemos definir as grandezas de interesse como os parmetros tendncia (
) e repe-titividade ( ), onde o nmero de aplicaes do sistema de
medio passa no passa em cada pea. Atravs da expresso (4.1.3.1), temos que

e

O manual MSA(2002) prope que as probabilidades sejam estimadas segundo a
expresso (4.1.3.4) e que o mtodo de mnimos quadrados seja aplicado para
estimarmos a tendncia e a repetitividade.

Figura 4.1.3.1: Estimativa da probabilidade de aceitao da pea versus valor da
pea.
Na Figura 4.1.3.1, podemos visualizar o valor da medio da pea ( ) com relao
s estimativas da probabilidade de aceitao de cada pea. Com estas estimativas,
aplicamos o modelos de regresso linear simples para estimarmos os parmetros de
interesse.

A partir dos resultados de nosso experimento (Tabela 4.1.2.2), obtemos as
estimativas para a probabilidade de aceitao da pea e para o quantil associado
conforme Tabela 4.1.3.1.
Pea Aprovao Total

1 -0,06 20 20 0,975 1,959
2 -0,05 20 20 0,975 1,959
3 -0,03 20 20 0,975 1,959
4 -0,02 8 20 0,425 -0,189
5 0 5 20 0,275 -0,597
6 0,01 3 20 0,175 -0,934
7 0,03 0 20 0,025 -1,959
8 0,05 0 20 0,025 -1,959
Tabela 4.1.3.1: Dados observados versus quantis da distribuio Normal.
As estimativas de mnimos quadrados so dadas por,

Com isso, conclumos que a estimativa da tendncia do sistema de medio passa
no passa dada por . Alm disso, a repetitividade do sistema de
medio passa no passa dada por:

Apesar da estimativa da tendncia ser pequena em relao tolerncia ,
obtemos que a repetitividade alta.

Figura 4.1.3.2: Regresso ajustada = .
Um ponto importante para anlise consiste em testarmos se a tendncia do sistema
de medio passa no passa significativa do ponto de vista estatstico. Para isto,
o manual MSA(2002) prope um teste para avaliarmos a tendncia,

A estatstica do teste proposta pelo MSA (2002) dada por, sob ,

Na aplicao, obtemos p-valor de 0,007472 e com isso, rejeitamos para
. Portanto o sistema de medio passa no passa apresenta uma tendncia
significativa de -0,008 mm. Para uma tolerncia ( Tol = LSE - LIE = 9,7 - 9,3 = 0,4
mm) de 0,4 mm conclumos que a tendncia representa 2%. Em geral, uma
tendncia desta ordem ( 2% da tolerncia ) no incomoda. No nosso exemplo, esta
tendncia foi detectada devido s caractersticas metrolgicas do sistema de
medio que mediu as peas ( resoluo de 0,01 mm e incerteza e 0,006 mm ).
A partir da expresso (4.1.3.1) calculamos a estimativa da probabilidade do sistema
de medio passa no passa aprovar a pea. Assim, considerando ,
temos que:

A Figura 4.1.3.3 apresenta os resultados das estimativas da probabilidade do
sistema de medio passa no passa aprovar peas para diferentes valores da
caracterstica da qualidade destas peas. Na seqncia, apresentamos o grfico
(Figura 4.1.3.4) para que possamos visualizar a probabilidade de aceitao em
funo do valor da caracterstica da qualidade da pea, em nosso exemplo do seu
dimetro. Este grfico importante para que o grupo de engenharia possa avaliar a
faixa de valores do dimetro da pea onde o sistema de medio passa no passa
possa cometer erros de classificao.

Figura 4.1.3.3: Dados observados versus probabilidade da pea ser aprovada.

Figura 4.1.3.4: Probabilidade da pea ser aprovada versus caracterstica da
qualidade.

Exemplo 4.1.3.1
Um dispositivo de medio por atributo est sendo usado para medir uma dimenso
que tem tolerncia de . O Dispositivo de medio usado em inspeo
automtica 100%, de fim de linha, e afetado pela repetitividade e tendncia.
Para fazer o estudo de dispositivo de medio de atributo, 8 peas com medidas
padro em intervalos de 0,002 e -0,016 a -0,002 so passadas pelo dispositivo de
medio 20 vezes cada. Os nmeros de aceitaes para cada pea esto na Tabela
4.1.3.1:

Aprovao
-0,016 0
-0,014 3
-0,012 8
-0,01 20
-0,008 20
-0,006 20
-0,004 20
-0,002 20
Tabela 4.1.3.2: Dados do experimento
Uma vez que existem dois valores de referncia com , no mnimo quatro
peas a mais devem ser encontradas. Conseqentemente, necessrio passar
peas com valores de referncia nos pontos mdios dos intervalos existentes. Estes
valores de referncia e os nmeros de aceitao esto mostrados na Tabela
4.1.3.3:

Aprovao
-0,015 1
-0,013 8
-0,011 16
Tabela 4.1.3.3: Continuao dos dados do experimento.
Agora ns temos cinco valores de referncia com . O procedimento exige
que mais de uma pea seja encontrada com . Conseqentemente, a
seguinte pea mostrada na Tabela 4.1.3.4 avaliada:

Aprovao
-0,0105 18
Tabela 4.1.3.4: Pea avaliada.
Ressaltamos que essas medidas esto dispostas ao redor do Limite Inferior. Por
exemplo:

Figura 4.1.3.5: Classificao das peas no sistema de medio passa - no passa.
Agora que os critrios de coleta dos dados foram satisfeitos, calculamos e
, conforme Tabela 4.1.3.5.

Aprovao Total

-0,016 0 20 0,025 -1,959
-0,015 1 20 0,075 -1,439
-0,014 3 20 0,175 -0,934
-0,013 5 20 0,275 -0,597
-0,012 8 20 0,425 -0,189
-0,011 16 20 0,775 0,755
-0,0105 18 20 0,875 1,150
-0,01 20 20 0,975 1,959
-0,008 20 20 0,975 1,959
Tabela 4.1.3.5: Clculos.
Traando o grfico de regresso, de com relao a , temos que:

Figura 4.1.3.6: Regresso ajustada = .
Portanto a equao :

Assim:

Para determinar a repetitividade, precisamos encontrar o valor correspondente a:
e , logo temos
Para :

Para :

Deste modo:

Ou ainda,

Para verificar se a tendncia significativa, fazemos:

Como , ento rejeitamos a hiptese nula, ou seja, a
tendncia diferente de zero.
Considerando a probabilidade do dispositivo de medio aprovar a pea
dada por

A Figura apresenta o resultado da probabilidade do dispositivo de medio aprovar
a pea para valores
da varivel .

Figura 4.1.3.7: Resultados.
Tomando-se os dados da Figura 4.1.3.7 temos o grfico valores de referncia versus
a probabilidade da pea ser aprovada, conforme Figura 4.1.3.8:

Figura 4.1.3.8: Grfico Valores de referncia versus a probabilidade da pea ser
aprovada.
5 - Aplicaes do MSA
Nesta seo, vamos mostrar algumas aplicaes do MSA a sistemas de medies.
Todos os casos apresentados so reais e foram elaborados pelo cliente com a
participao da equipe ESTATCAMP.
5.1 - Sistema de Medio de Dureza: HRC
Sistema de medio de dureza: HRC
Considere o sistema de medio de dureza de uma pea dentada (foto 6.1) na
escala HRC. Ao medirmos a dureza da pea em um determinado ponto, provocamos
uma alterao na pea em torno deste ponto e consequentemente, no podemos
repetir a medio da dureza nesta regio. Assim, podemos interpretar o sistema de
medio de dureza como um sistema no replicvel. Porm, em algumas
aplicaes, existe uma regio na pea em que a dureza homognea e neste caso,
podemos utilizar esta regio para avaliarmos a medio de dureza, considerando
este sistema como replicvel. Em resumo, dependendo das caractersticas da pea
a ser medida, podemos interpretar o sistema de medio de dureza como
replicvel ou no.
Na aplicao que faremos a seguir, temos uma regio bastante homognea em
relao dureza, fato que nos permite considerar o sistema de medio como
replicvel. Apesar de termos uma regio com dureza homognea, esta no
constante e esta variao (mesmo que pequena) ser adicionada repetitivdade do
sistema de medio. Na sequncia, apresentamos uma descrio do sistema de
medio.
Fase 1: Descrio do Sistema de Medio
Utilizamos esta fase para realizarmos uma reviso do sistema de medio e o
planejamento para a aplicao do MSA. Aqui, importante definirmos a equipe
responsvel pela anlise, os setores que aplicam o sistema de medio e a
necessidade da medio. Por exemplo, a pea que medimos a dureza (Foto 6.1)
afeta a segurana do usurio final. Por isso, importante que tenhamos um
sistema de medio confivel.

Figura 6.1: foto da pea com Setor dentado.

Para a caracterstica dureza, o cliente especificou um valor mnimo de 55 HRC.
Como temos apenas limite inferior, no temos tolerncia no processo. Neste caso,
a exatido pode ser definida atravs da criticidade da medio em comum acordo
com o cliente. Para esta aplicao, definimos uma exatido de 0,5 HRC.
Para que a equipe possa conhecer melhor o sistema de medio e sua aplicao,
fazemos uma anlise de cenrio atravs das seguintes questes:
Importncia/impacto no produto?
Reclamaes de Clientes?
Histrico de Falhas?
caracterstica especial?
Condies Ambientais?
Sistema de medio utilizado para CEP?
Fase 2: Mtodo de Medio:
A fase I nos prepara para fazermos uma boa descrio do sistema de medio.
Assim, reunimos a equipe para realizarmos a descrio do sistema de medio e
elaborarmos o diagrama de Ishikawa.
Descrio do sistema de medio de dureza: HRC
1. Zerar durmetro com o padro
2. Configurar com o padro 91,44 HR15N
3. Limpar da pea (lavagem/ar)
4. Posicionar o durmetro
5. Aproximar pea manual no durmetro/penetrador
6. Aplicar carga
7. Realizar leitura
Tambm definimos as variveis de parametrizao do Sistema de Medio
Varivel: Dureza;
Descrio: medida realizada com 15N e transformada para HRC;
Especificao: mnimo de 55 HRC.
Outro ponto importante para a anlise do sistema de medio o diagrama de
Ishikawa, ou diagrama de causa e Efeito. Com toda a equipe reunida (nesta fase
importante contarmos com a presena de operadores), realizamos um
brainstorming sobre as principais causas de variao no sistema de medio. O
diagrama de Ishikawa fundamental para definirmos os pontos crticos e a tcnicas
estatsticas que utilizaremos para avaliar o sistema de medio.

Diagrama de Causa e Efeito (Ishikawa)


manual do usurio.

Um dos itens crtico de um sistema de medio so os equipamentos utilizados para
realizarmos as medies. Os equipamentos so calibrados por laboratrios
apropriados e os certificados de calibrao devem ser avaliados criticamente com
relao a critrios previamente definidos. Nesta aplicao, o durmetro (Mitutoyo
ATK-F1000 - N 014.00084) tem resoluo de 0,1 HRC, calibrado anualmente e
tem erro mximo permissvel de 0,3HRC. Com isso, garantimos a exatido
requerida de 0,5 HRC. Na sequncia, apresentamos uma foto do durmetro.

Figura 6.2: foto do Durmetro.


Com a descrio do sistema de medio e o diagrama de Ishikawa planejamos a
aplicao das tcnicas estatsticas. Na maioria dos processos, realizamos
basicamente trs anlises: estabilidade, RR e tendncia e linearidade. A seguir,
descrevemos o planejamento para aplicao das anlises estatsticas.
Fase 3: Planejamento dos Estudos.
Estabilidade: Selecionamos 1 pea para ser medida ao longo do tempo. Nesta
aplicao, faremos trs subgrupos racionais de medies por dia durante uma
semana (20 subgrupos).
Tendncia: A mesma pea selecionada para a estabilidade ser utilizada para o
estudo de tendncia. Neste caso, definimos o valor de referncia em um sistema de
medio confivel, neste exemplo, utilizamos o sistema de medio do cliente.
Repetitividade: 10 peas de lotes de produo "distintos", sendo 3 medies por
pea realizados em ordem aleatria.
Reprodutibilidade: No se aplica, pois o operador no influencia no sistema de
medio.
Linearidade: No se aplica, pois a faixa de medio pequena.

Aps a coleta de dados, vamos executar a anlise estatstica.

Estabilidade

Subgurpo Data Horrio Pessoa Equipamento Medida 1 Medida 2
Medida
3
1 31/5/2010 08:00 A Durmetro 61,0 62,3 59,5
2 31/5/2010 14:00 A Durmetro 59,5 61,3 61,8
3 31/5/2010 23:00 B Durmetro 60,0 59,2 62,5
4 1/6/2010 08:00 A Durmetro 61,8 58,6 58,2
5 1/6/2010 14:00 A Durmetro 63,0 59,0 60,8
6 1/6/2010 23:00 B Durmetro 59,1 60,0 61,7
7 2/6/2010 08:00 A Durmetro 62,3 58,6 61,3
8 2/6/2010 14:00 A Durmetro 61,8 62,3 63,5
9 2/6/2010 23:00 B Durmetro 60,8 61,3 61
10 3/6/2010 08:00 A Durmetro 62,3 59,0 60,8
11 3/6/2010 14:00 A Durmetro 60,8 58,2 60
12 3/6/2010 23:00 B Durmetro 56,8 59,5 60,8
13 4/6/2010 08:00 A Durmetro 58,6 59,0 56,5
14 4/6/2010 14:00 A Durmetro 60,0 62,3 61,8
15 4/6/2010 23:00 B Durmetro 61,3 61,0 62,3
16 7/6/2010 08:00 A Durmetro 61,0 59,5 60
17 7/6/2010 14:00 A Durmetro 61,8 63,0 59,1
18 7/6/2010 23:00 B Durmetro 62,3 61,8 60,8
19 8/6/2010 08:00 A Durmetro 58,6 59,0 60
20 8/6/2010 14:00 A Durmetro 58,6 62,3 61,3
21 8/6/2010 23:00 B Durmetro 60,8 60,0 60,8



manual do usurio.
Algumas sugestes de concluso:
Sistema estvel ao longo do tempo. Todos os pontos esto dentro das linhas de
controle.
Tendncia: No estudo de tendncia, vamos considerar a variao total para validar
a repetitivdade do sistema de medio. Atravs de uma aplicao de CEP,
detectamos que variao de 10 HRC (desvio padro do processo).

Medidas
61,0
59,5
60,0
61,8
63,0
59,1
62,3
61,8
60,8
62,3
60,8
56,8
58,6
60,0
61,3
62,3
61,3
59,2
58,6
59,0
60,0
58,6
62,3
61,3
59,0
58,2
59,5
59,0
62,3
61,0
59,5
61,8
62,5
58,2
60,8
61,7
61,3
63,5
61
60,8
60
60,8
56,5
61,8
62,3

VR VT
60,4 10



manual do usurio.

Como o zero faz parte do intervalo de confiana, consideramos o que sistema de
medio no apresenta tendncia significativa ao nvel de confiana de 95%.

RR - Repetitividade e Reprodutibilidade

Peas Medidas
1 60,0
2 65,0
3 62,3
4 61,3
5 65,0
6 62,3
7 59,5
8 59,0
9 59,0
10 61,8
1 61,8
2 65,0
3 61,3
4 61,8
5 64,0
6 63,5
7 58,2
8 58,6
9 59,4
10 60,8
1 61,3
2 65,7
3 62,3
4 61,3
5 64,5
6 64,0
7 57,8
8 60,0
9 60,4
10 61,8



manual do usurio.

Anlise grfica:
O sistema apresenta uma boa discriminao e repetitividade e mantem-se
consistente entre as peas.
Anlise dos ndices:
Apesar de obtermos um RR de 29%, devemos lembrar que estamos lidando com um
sistema de medio no-replicvel (dureza). Como no podemos medir a pea no
mesmo ponto, isto causa um aumento natural na repetitividade, com a incluso da
variao interna da pea.
Portanto, concluimos que o sistema de medio compatvel com o processo.
5.2 - Medio da posio real em uma flange
Sistema de medio para posio real de uma flange de entrada
O sistema de medio da posio real uma sistema de medio dimensional
replicvel, pois podemos realizar diversas medies da pea sem danific-la.
Desenvolveremos um estudo de MSA para um sistema de Medio de posio Real
para Flange de entrada.
necessidade da medio. Por exemplo, a flange que medimos a posio real (Foto
6.1) afeta a segurana do usurio final. Por isso, importante que tenhamos um

Figura 6.1: foto da Flange.
Para a caracterstica posio real, o cliente especificou um valor mximo de 0,8
mm para o mximo e 0,2 para o mnimo . Como temos apenas limite inferior, no
temos tolerncia no processo. Neste caso, a exatido pode ser definida atravs da
criticidade da medio em comum acordo com o cliente. Para esta aplicao,
definimos uma exatido de 0,02 mm.
Histrico de Falhas?
Condies Ambientais?
Descrio do sistema de medio da posio real: mm
1. Adquirir o desenho da pea atualizado com o cliente
2. Preparar a pea (limpeza com pano e lcool)
3. Tirar rebarbas da pea (lima)
4. Fixar a pea no prisma magntico conforme indicao do desenho do cliente
5. Criar o programa conforme informado pelo desenho
6. Efetuar a medio (conforme solicitao em desenho pelo cliente)
7. Como temos duas posies reais, mencionadas em desenho (0,10 (2 furos) e
0,25(6 furos)), utilizamos os resultados mnimo e mximo dos dois resultados
Varivel: posio real medida em milmetros (mm);
Especificao: 0,2 mm.


manual do usurio.

relao a critrios previamente definidos. Nesta aplicao, a mquina de medio
por coordenada (Zeiss) tem resoluo de 0,001 mm, calibrado anualmente e tem
erro mximo permissvel de 0,004 mm para o ponto de medio em questo. Com
isso, garantimos a exatido requerida de 0,02 mm. Na sequncia, apresentamos
uma foto da mquina de medio por coordenada.

Figura 6.2: foto da Mquina de Medio por Coordenada.

Figura 6.3: foto da Mquina de Medio por Coordenada.

Tendncia: A mesma pea selecionada para a estabilidade ser utilizada para o
estudo de tendncia. Neste caso, definimos o valor de referncia em um sistema de
medio confivel, neste exemplo, utilizamos o sistema de medio do cliente.
Repetitividade: 10 peas de lotes de produo "distintos", sendo 3 medies por
pea realizados em ordem aleatria.
Reprodutibilidade: No se aplica, pois o operador no influencia no sistema de
medio.
Linearidade: No se aplica, pois a faixa de medio pequena.


Estabilidade

Subgurp
o
Data
Horri
o
Pesso
a
Equipament
o
Mnimo Mximo
Medid
a 1
Medid
a 2
Medid
a 3
Medid
a 1
Medid
a 2
Medid
a 3
1
31/5/201
0
07:30 A
Tridimension
al
0,077 0,073 0,073 0,182 0,182 0,181
2
31/5/201
0
13:00 A
Tridimension
al
0,048 0,068 0,077 0,181 0,188 0,181
3
31/5/201
0
16:00 A
Tridimension
al
0,078 0,078 0,074 0,180 0,183 0,182
4 1/6/2010 07:00 A
Tridimension
al
0,076 0,069 0,066 0,181 0,180 0,174
5 1/6/2010 13:10 A
Tridimension
al
0,066 0,068 0,066 0,178 0,178 0,178
6 1/6/2010 16:15 A
Tridimension
al
0,068 0,060 0,079 0,177 0,185 0,177
7 2/6/2010 07:30 A
Tridimension
al
0,076 0,076 0,075 0,176 0,179 0,178
8 2/6/2010 13:25 A
Tridimension
al
0,075 0,076 0,075 0,178 0,178 0,178
9 2/6/2010 16:00 A
Tridimension
al
0,074 0,076 0,078 0,177 0,179 0,178
10 3/6/2010 07:10 A
Tridimension
al
0,075 0,075 0,077 0,179 0,177 0,177
11 3/6/2010 13:30 A
Tridimension
al
0,075 0,076 0,071 0,178 0,178 0,178
12 3/6/2010 16:00 A
Tridimension
al
0,076 0,077 0,077 0,178 0,177 0,178
13 7/6/2010 09:00 A
Tridimension
al
0,076 0,076 0,073 0,173 0,177 0,177
14 7/6/2010 13:20 A
Tridimension
al
0,077 0,075 0,075 0,175 0,179 0,177
15 7/6/2010 16:30 A
Tridimension
al
0,071 0,078 0,075 0,177 0,178 0,179
16 8/6/2010 07:15 A
Tridimension
al
0,075 0,075 0,075 0,178 0,177 0,177
17 8/6/2010 14:00 A
Tridimension
al
0,074 0,074 0,074 0,178 0,178 0,178
18 8/6/2010 16:30 A
Tridimension
al
0,074 0,074 0,076 0,178 0,178 0,178
19 9/6/2010 07:30 A
Tridimension
al
0,076 0,075 0,073 0,177 0,176 0,177
20 9/6/2010 13:40 A
Tridimension
al
0,076 0,074 0,075 0,177 0,177 0,179
21 9/6/2010 16:00 A
Tridimension
al
0,073 0,075 0,075 0,179 0,178 0,179


Anlise de estabilidade para a medida mnima

Anlise de estabilidade para a medida mxima


manual do usurio.

Algumas sugestes de concluso
Sistema instvel ao longo do tempo. Observe que os pontos de instabilidade foram
gerados no incio do processo de coleta de dados. Provavelmente, tivemos
problemas com a limpeza da pea. Neste caso, devemos identificar o problema
(limpeza), tomar uma ao corretiva e realizar novamente o estudo.


1. Anlise do RR para a medida mnima

Pea Medida Mnima
1 0,076
2 0,099
3 0,01
4 0,012
5 0,04
6 0,072
7 0,04
8 0,18
9 0,086
10 0,13
1 0,077
2 0,104
3 0,009
4 0,01
5 0,041
6 0,074
7 0,02
8 0,155
9 0,087
10 0,131
1 0,077
2 0,105
3 0,011
4 0,01
5 0,041
6 0,074
7 0,021
8 0,156
9 0,087
10 0,128



manual do usurio.

2. Anlise do RR para a medida mxima

Pea Medida Mxima
1 0,178
2 0,196
3 0,168
4 0,182
5 0,186
6 0,279
7 0,202
8 0,377
9 0,201
10 0,471
1 0,179
2 0,197
3 0,166
4 0,178
5 0,185
6 0,285
7 0,216
8 0,373
9 0,202
10 0,481
1 0,179
2 0,2
3 0,165
4 0,175
5 0,185
6 0,285
7 0,213
8 0,367
9 0,203
10 0,476



manual do usurio.

Algumas sugestes de Concluso

Anlise grfica:
O sistema apresenta uma boa discriminao e repetitividade e mantem-se
consistente entre as peas.
Anlise dos ndices:
Obtivemos um RR de 3,61% para o mximo e 11,43% para o mnimo.Portanto,
concluimos que a variabilidade do sistema de medio adequado ao processo.

Tendncia

A pea selecionada no estudo de estabilidade foi medida pelo cleinte para que
possamos estabelecer o valor de referncia. Validaremos a repetitividade atravs
do RR feita anteriormente.

1. Anlise de tendncia para a medida mnima: VR=0,1mm e VP=0,051345.

Dados
0,077
0,071
0,077
0,073
0,075
0,075
0,075
0,074
0,076
0,073
0,075
0,075



manual do usurio.

2. Anlise de tendncia para a medida mxima: VR=0,2mm e VP=0,102732.
Dados
0,177
0,178
0,178
0,177
0,177
0,179
0,177
0,178
0,178
0,177
0,179
0,179




manual do usurio.

Observamos que o sistema de medio apresenta uma tendncia significativa (zero
no pertence ao intervalo de confiana) ao nvel de confiana de 95%. Neste caso,
o fornecedor e o cliente devem tomar uma deciso sobre o sistema de medio.
5.3 - Sistema de medio visual
Sistema de Medio visual
Nesta seo, apresentamos uma anlise de um sistema de medio para anlise de
defeitos com inspeo visual.

Fase 1:Descrio do Sistema de Medio

necessidade da medio. Por exemplo, a pea que medimos a dureza (Foto 6.1)
Histrico de Falhas?
Condies Ambientais?

Fase 2: Tipos de defeitos e procedimentos de uso e manuseio:

1. Tipo de defeitos: Risco, Batidas, Ressaltos, Marcas na Face, Sucata (vrios
defeitos, sem recuperao), Rosca Incompleta, Sem Rosca, Rosca
Danificada, Sem Chanfro, Rebarba.
2. Detalhamento completo na visualizao dos defeitos.



manual do usurio.


Repetitividade: 50 peas, 20 conforme(C) e 30 no-conforme(NC).
Reprodutibilidade: 50 peas, 20 conforme(C) e 30 no-conforme(NC), 3 medies
pea por operador

Pea Operador A Operador B Padro
1 C C C
1 C C C
1 C C C
2 NC NC NC
2 NC NC NC
2 NC NC NC
3 NC NC NC
3 NC NC NC
3 NC NC NC
4 NC NC NC
4 NC NC NC
4 NC NC NC
5 NC NC NC
5 NC NC NC
5 NC NC NC
6 C NC C
6 C NC C
6 C NC C
7 NC NC NC
7 NC NC NC
7 NC NC NC
8 NC NC NC
8 NC NC NC
8 NC NC NC
9 C C C
9 C C C
9 C C C
10 C C C
10 C C C
10 C C C
11 NC NC NC
11 NC NC NC
11 NC NC NC
12 NC NC NC
12 NC NC NC
12 NC NC NC
13 C NC C
13 C NC C
13 C NC C
14 NC NC NC
14 NC NC NC
14 NC NC NC
15 C C C
15 C C C
15 NC C C
16 NC NC NC
16 NC NC NC
16 NC NC NC
17 C C C
17 C C C
17 C C C
18 C C C
18 C C C
18 C C C
19 C C C
19 C C C
19 C C C
20 NC NC NC
20 NC NC NC
20 NC NC NC
21 NC NC NC
21 NC NC NC
21 NC NC NC
22 C C C
22 C C C
22 NC C C
23 C C C
23 C C C
23 C C C
24 NC NC NC
24 NC NC NC
24 NC NC NC
25 NC NC C
25 NC NC C
25 NC NC C
26 NC NC NC
26 NC NC NC
26 NC NC NC
27 NC NC NC
27 NC NC NC
27 NC NC NC
28 NC NC NC
28 NC NC NC
28 NC NC NC
29 NC NC NC
29 NC NC NC
29 NC NC NC
30 C C C
30 C C C
30 C C C
31 C NC C
31 C C C
31 C C C
32 NC NC NC
32 NC NC NC
32 NC NC NC
33 NC NC NC
33 NC NC NC
33 NC NC NC
34 NC NC NC
34 NC NC NC
34 NC NC NC
35 C C C
35 C C C
35 C C C
36 NC NC NC
36 NC NC NC
36 NC NC NC
37 C C C
37 C C C
37 NC C C
38 NC NC NC
38 NC NC NC
38 NC NC NC
39 NC NC NC
39 NC NC NC
39 NC NC NC
40 NC NC NC
40 NC NC NC
40 NC NC NC
41 C C C
41 C C C
41 C C C
42 NC NC NC
42 NC NC NC
42 NC C NC
43 NC NC NC
43 NC NC NC
43 NC NC NC
44 NC NC NC
44 NC NC NC
44 NC NC NC
45 C C C
45 C NC C
45 C NC C
46 NC NC NC
46 NC NC NC
46 NC NC NC
47 NC NC NC
47 NC NC NC
47 NC NC NC
48 NC NC NC
48 NC NC NC
48 NC NC NC
49 C C C
49 C C C
49 C C C
50 C C C
50 C C C
50 C C C



manual do usurio.

Algumas sugestes de concluso
Todos os ndices foram muito bons, exceto o falso alarme do operador 2. Desde que
o falso alarme est associado a peas boas que so refugadas, o que no acarreta
prejuzos ao cliente, consideramos o sistema de medio adequado ao processo.
5.4 - Pesagem de materia-prima e MP
Pesagem de matria-prima e MP
Considere o sistema de medio de pesagem de matria-prima e MP (foto 5.4.1) em
quilogramas. Ao medirmos a massa de matria-prima em um determinado ponto,
podemos repetir o processo de medio. Assim, podemos interpretar o sistema de
medio de pesagem de matria-prima como um sistema replicvel. Na aplicao
que faremos a seguir, nos permite considerar o sistema de medio como
replicvel. Na sequncia, apresentamos uma descrio do sistema de medio.
necessidade da medio. Por exemplo, o equipamento a ser medido uma balana
de preciso (Foto 5.4.1). O dosamento de quantidade incorreta de matria-prima
ou MP, impacta na qualidade, ou seja, resultado do produto. Por isso,
importante que tenhamos um sistema de medio confivel.

Figura 6.1: foto da balana de preciso.

Para a caracterstica da balana, desvio de +/- 1% para a matria-prima, tolerancia
2% (outras) e + 0,5%, - 0,3% para Metal Precioso. Assim, temos 0,8% de tolerncia.
Neste caso, a exatido pode ser definida atravs da criticidade da medio em
comum acordo com o cliente. Para esta aplicao, definimos um erro mximo
permissvel de 0,1% de calibrao.
Histrico de Falhas?
Condies Ambientais?
Descrio do sistema de medio de pesagem de matria-prima.
1. Certificar se a balana est zerada
2. Colocar o recipiente que seja usado para quantificar o material
3. Verificar a tara do recipiente
4. Tarar a balana e quantificar o material a ser fracionado
5. Conferir o valor do material embalado
Varivel: Matria-prima ou MP (kg);
Descrio: medida realizada em quilogramas;
Especificao: mnimo de 0,001kg e mximo de 10kg.



manual do usurio.

relao a critrios previamente definidos. Nesta aplicao, a calibrao da balana
s aprovado quando o erro mais a incerteza de calibrao em cada ponto medido
no ultrapassar 0,1% na faixa de 5 a 12kg e tem erro mximo permissvel de 0,1%
da calibrao.
Estabilidade: Selecionamos 3 amostras para ser medida ao longo do tempo. Nesta
aplicao, faremos trs subgrupos racionais de medies por dia durante duas
semanas (20 subgrupos).
Tendncia e Linearidade: Faremos 10 medies em pelo menos 5 pontos,
procurando abranger a escala total de uso do equipamento. Neste caso, definimos
o valor de referncia em um sistema de medio confivel, neste exemplo,
utilizamos o sistema de medio do cliente.
Repetitividade: 10 medies distribudos por 2 operadores em pelo menos 5 pontos
distintos.
Reprodutibilidade: No se aplica, pois o operador no causa interferncia (dupla
checagem em processo normal).


Estabilidade

Leitura (g) Padro (g) Diferena (g)
456,3 456,1 0,20
456,4 456,2 0,20
456,4 456,1 0,30
456,1 456,2 -0,10
456,2 456,6 -0,40
456,2 456,1 0,10
456,2 456,2 0,00
456,2 456,1 0,10
456,2 456,2 0,00
456,1 456,1 0,00
456,2 456,2 0,00
456,2 456,2 0,00
456,1 456,1 0,00
456,0 456,1 -0,10
456,1 456,1 0,00
456,2 456,1 0,10
456,2 456,1 0,10
456,0 456,1 -0,10
456,1 456,1 0,00
456,0 456,0 0,00



manual do usurio.

O sistema apresenta alguns pontos de instabilidade em todas as faixas de
utilizao. Porm, em todas as faixas o sistema apresentou uma pequena variao
em comparao com a tolerncia (0,8% do valor especificado). Com isso,
conclumos que o sistema apresenta uma estabilidade coerente com a aplicao.
Tendncia e Linearidade: No estudo de tendncia e linearidade, vamos considerar
a variao total para validar a repetitivdade do sistema de medio. Atravs de
uma aplicao de CEP, detectamos que variao de 10 HRC (desvio padro do
processo).
Leitura (g) VR (g) Tolerncia
456,35 456,15 3,6492
456,35 456,15 3,6492
456,45 456,15 3,6492
456,05 456,15 3,6492
455,75 456,15 3,6492
456,25 456,15 3,6492
456,15 456,15 3,6492
456,25 456,15 3,6492
456,15 456,15 3,6492
456,15 456,15 3,6492
919,315 919,215 7,35372
919,315 919,215 7,35372
919,215 919,215 7,35372
919,115 919,215 7,35372
919,515 919,215 7,35372
919,315 919,215 7,35372
919,215 919,215 7,35372
919,215 919,215 7,35372
919,415 919,215 7,35372
919,415 919,215 7,35372
2443,305 2443,105 19,54484
2443,605 2443,105 19,54484
2442,605 2443,105 19,54484
2443,105 2443,105 19,54484
2443,805 2443,105 19,54484
2443,305 2443,105 19,54484
2443,405 2443,105 19,54484
2443,505 2443,105 19,54484
2443,405 2443,105 19,54484
2443,305 2443,105 19,54484
5458,995 5457,895 43,66316
5459,095 5457,895 43,66316
5458,995 5457,895 43,66316
5458,495 5457,895 43,66316
5459,295 5457,895 43,66316
5458,995 5457,895 43,66316
5458,495 5457,895 43,66316
5458,695 5457,895 43,66316
5458,895 5457,895 43,66316
5458,895 5457,895 43,66316
7544,205 7542,805 60,34244
7544,505 7542,805 60,34244
7544,505 7542,805 60,34244
7544,105 7542,805 60,34244
7544,305 7542,805 60,34244
7544,405 7542,805 60,34244
7543,505 7542,805 60,34244
7543,905 7542,805 60,34244
7543,905 7542,805 60,34244
7543,905 7542,805 60,34244
10407,02 10406,32 83,25056
10407,22 10406,32 83,25056
10407,22 10406,32 83,25056
10407,12 10406,32 83,25056
10407,82 10406,32 83,25056
10408,12 10406,32 83,25056
10407,22 10406,32 83,25056
10407,32 10406,32 83,25056
10407,22 10406,32 83,25056
10407,22 10406,32 83,25056




manual do usurio.

O sistema de medio apresenta uma linearidade significativa ao longo da faixa de
utilizao do sistema (450 a 10400) com valor descritivo de abaixo de 5% (P-valor=
1,33775E-14). O sistema apresenta uma linearidade de 0,0001 em relao ao
resultado da medio, que em porcentagem dado por 0,01% do resultado.
Observe que a tolerncia representa 0,8% do valor especificado. Portanto, a
linearidade detectada pequena quando comparada com a tolerncia. Com isso,
conclumos que o sistema de medio apresenta uma tendncia e linearidade
compatvel com o processo.
Anlise crtica Tendncia e Linearidade: Como a maior tendncia detectada foi no
ponto de 10000g abaixo de 1.8g, que menor que o critrio de aceitao do
equipamento (0,1% da leitura = 10g), conclumos que o sistema de medio atende
aos requisitos do processo.


Leitura (g) Padro (g) Diferena (g)
456,3 456,1 -0,20
456,4 456,2 -0,20
456,4 456,1 -0,30
456,1 456,2 0,10
456,2 456,6 0,40
456,2 456,1 -0,10
456,2 456,2 0,00
456,2 456,1 -0,10
456,2 456,2 0,00
456,1 456,1 0,00
456,2 456,2 0,00
456,2 456,2 0,00
456,1 456,1 0,00
456,0 456,1 0,10
456,1 456,1 0,00
456,2 456,1 -0,10
456,2 456,1 -0,10
456,0 456,1 0,10
456,1 456,1 0,00
456,0 456,0 0,00

Tolerncia
3,6492



Assim, o ndice da repetitividade em relao tolerncia dada por


manual do usurio.
Repetitividade: Variabilidade compatvel com o processo
Anlise crtica Repetitividade: O valor de Repetitividade foi calculado em diversos
pontos na faixa de trabalho do sistema de medio, no qual detectamos valores
abaixo de 30% da tolerncia. Porm os pontos iniciais apresentam uma variao
maior (em torno de 23%) e conforme aumentamos o ponto na escala o valor de
repetitividade decresce percentualmente.
A tolerncia de 0,8% utilizado nesta etapa do processo (fracionamento de metal)
garante que o material fracionado esteja dentro de uma tolerncia 4% na etapa
final do processo.
Sendo assim conclumos que o sistema est adequado para o processo.
5.5 - Sistema de medio dimensional do Farol veicular
O procedimento que descreveremos a seguir um sistema de medio dimensional
replicvel, pois podemos realizar diversas medies da pea sem danific-la.
Desenvolveremos um estudo de MSA para um sistema de Medio dimensional do
Farol veicular.


necessidade da medio. Por exemplo, o dimensional do Farol (Foto 5.5.1) afeta o
encaixe na carroceria do veculo. Por isso, importante que tenhamos um sistema
de medio confivel.

Figura 5.5.1: Pea fixada na bancada.

Para a caracterstica dimensional do farol, o cliente especificou um valor de
tolerncia do processo de 4 mm. Neste caso, a exatido pode ser definida atravs
da criticidade da medio em comum acordo com o cliente. Para esta aplicao,
Histrico de Falhas?
Condies Ambientais?

Fase 2: Mtodo de Medio

Descrio do sistema de medio dimensional do farol
Fixao do Farol na Gaiola
Fixao da Gaiola na Bancada
Posicionar o Relgio Comparador no primeiro ponto de medio
Realizar leitura
Posicionar o Relgio Comparador nos demais pontos (2 a 12) e realizar a medio
Varivel: medio por comparao do dimensional do Farol;
Descrio: medies por comparao ao longo de 12 pontos de medio;
Especificao: tolerncia de 4 mm.




manual do usurio.

acreditados ao INMETRO e os certificados de calibrao devem ser avaliados
criticamente com relao a critrios previamente definidos. Nesta aplicao, o
relgio comparador tem resoluo de 0,01 mm com erro mximo permissvel de
0,03 mm. Com isso, garantimos a exatido requerida de 0,4 mm. Na sequncia,
apresentamos uma foto do relgio comparador.

Figura 5.5.2: Relgio comparador posicionado no ponto 1

Figura 5.5.3: Relgio comparador posicionado no ponto 6.


Fase 3: Planejamento dos Estudos


Repetitividade e Reprodutibilidade: 5 peas de lotes de produo "distintos", sendo
3 medies por pea realizados em ordem aleatria por cada operador.

Linearidade: A mesma pea selecionada para a estabilidade ser utilizada para o
estudo de linearidade ao longo dos 12 pontos de medio. Neste caso, definimos o
valor de referncia em um sistema de medio confivel, neste exemplo,


Estabilidade

Nesta aplicao exemplificaremos apenas para o ponto 1, sendo os demais pontos
aplicados de forma anloga.

Data Hora M1 M2 M3
21/01/2011 10:33:00 0 -0,02 -0,01
25/01/2011 10:25:00 0 0 -0,02
31/01/2011 11:33:00 0 0 -0,01
01/02/2011 10:55:00 0 0,01 0
02/02/2011 14:40:00 0 -0,01 0
03/02/2011 11:54:00 0 -0,01 -0,01
04/02/2011 14:43:00 0,01 0,01 0
07/02/2011 14:38:00 0,03 0,03 0,01
08/02/2011 14:39:00 0 0,01 0,01
09/02/2011 14:35:00 0 0 0
15/02/2011 10:07:00 -0,02 -0,01 -0,01
16/02/2011 14:17:00 0,01 0 -0,01
17/02/2011 14:28:00 -0,01 -0,02 -0,02
18/02/2011 14:40:00 0 -0,01 -0,01
21/02/2011 11:27:00 0 -0,01 -0,02
22/02/2011 11:02:00 0 0,01 -0,01
23/02/2011 14:46:00 0,04 0,03 0,03
28/02/2011 14:03:00 0 -0,01 0
01/03/2011 11:09:00 0 0 0
03/03/2011 10:22:00 0 -0,01 -0,01
04/03/2011 11:18:00 -0,02 -0,02 -0,03
08/03/2011 11:34:00 0,01 0 0
09/03/2011 11:40:00 0 0 0,01
10/03/2011 13:28:00 0,02 0,02 0,01
11/03/2011 10:23:00 0,01 0,01 0,01



manual do usurio.


Observamos instabilidade nos 12 pontos de medio. Porm o resultado geral
bom, visto que a variao encontrada pequena (variao mxima de 0,07 mm)
comparadas com a tolerncia do produto.
Anlise Crtica Estabilidade: observamos amplitude mxima de 0,07 mm, que
representa cerca de 1,75\% da tolerncia, correspondendo a uma variao pequena
do pondo vista prtico. Observe que do ponto de vista da exatido do instrumento
(para um relgio comparador centesimal temos uma exatido ao redor de 0,03 mm)
a instabilidade detectada (variaes de at 0,07 mm)
significativa. Provavelmente esta variao tem como causa o dispositivo de fixao
e a prpria pea.

Repetitividade e Reprodutitividade (RR)

Anlise do RR para o ponto 1:

Pea Operador Medida
1 1 -0,95
2 1 -0,41
3 1 -0,47
4 1 -0,53
5 1 -0,8
1 2 -0,87
2 2 -0,42
3 2 -0,5
4 2 -0,53
5 2 -0,76
1 3 -0,9
2 3 -0,42
3 3 -0,48
4 3 -0,49
5 3 -0,83
1 1 -0,89
2 1 -0,4
3 1 -0,51
4 1 -0,57
5 1 -0,79
1 2 -0,87
2 2 -0,42
3 2 -0,54
4 2 -0,59
5 2 -0,82
1 3 -0,91
2 3 -0,43
3 3 -0,54
4 3 -0,61
5 3 -0,81



manual do usurio.


Observamos uma variabilidade compatvel com o processo. Todos os ndices de RR
esto abaixo de 10% (pgina 78 da norma do MSA 4 edio) em relao a tolerncia
do produto (4 mm).
Tendncia e Linearidade

Para realizarmos a anlise da Linearidade, validaremos a variabilidade associada
com a repetitividade usando a variao total obtida no estudo de RR.

Ponto Valor de Referncia Histrico (Variao Total)
1 -0,01 0,206806
2 0,03 0,355426
3 0,87 0,216434
4 -0,81 0,441185
5 -0,6 0,283815
6 0,05 0,229691
7 0,59 0,194622
8 -0,98 0,195215
9 -0,92 0,080622
10 -0,47 0,148387
11 0,25 0,212301
12 -0,52 0,157431

partir do histrico realizaremos o estudo da Tendncia e Linearidade, como na
tabela 5.5.1
Ponto Medida VR Histrico
1 -0,01 -0,01 0,206806
1 -0,01 -0,01 0,206806
1 -0,03 -0,01 0,206806
1 -0,03 -0,01 0,206806
1 -0,02 -0,01 0,206806
1 -0,02 -0,01 0,206806
1 -0,02 -0,01 0,206806
1 -0,03 -0,01 0,206806
1 -0,02 -0,01 0,206806
1 -0,02 -0,01 0,206806
2 -0,01 0,03 0,355426
2 -0,02 0,03 0,355426
2 0 0,03 0,355426
2 0,02 0,03 0,355426
2 -0,01 0,03 0,355426
2 -0,01 0,03 0,355426
2 -0,01 0,03 0,355426
2 0 0,03 0,355426
2 0 0,03 0,355426
2 0 0,03 0,355426
3 0,85 0,87 0,216434
3 0,84 0,87 0,216434
3 0,87 0,87 0,216434
3 0,88 0,87 0,216434
3 0,86 0,87 0,216434
3 0,84 0,87 0,216434
3 0,84 0,87 0,216434
3 0,86 0,87 0,216434
3 0,86 0,87 0,216434
3 0,86 0,87 0,216434
4 -0,81 -0,81 0,441185
4 -0,8 -0,81 0,441185
4 -0,82 -0,81 0,441185
4 -0,82 -0,81 0,441185
4 -0,82 -0,81 0,441185
4 -0,81 -0,81 0,441185
4 -0,82 -0,81 0,441185
4 -0,81 -0,81 0,441185
4 -0,82 -0,81 0,441185
4 -0,81 -0,81 0,441185
5 -0,69 -0,6 0,283815
5 -0,7 -0,6 0,283815
5 -0,7 -0,6 0,283815
5 -0,7 -0,6 0,283815
5 -0,68 -0,6 0,283815
5 -0,68 -0,6 0,283815
5 -0,66 -0,6 0,283815
5 -0,67 -0,6 0,283815
5 -0,67 -0,6 0,283815
5 -0,67 -0,6 0,283815
6 0,04 0,05 0,229691
6 0,03 0,05 0,229691
6 0,05 0,05 0,229691
6 0,04 0,05 0,229691
6 0,02 0,05 0,229691
6 0,03 0,05 0,229691
6 0,03 0,05 0,229691
6 0,04 0,05 0,229691
6 0,04 0,05 0,229691
6 0,04 0,05 0,229691
7 0,5 0,59 0,194622
7 0,55 0,59 0,194622
7 0,51 0,59 0,194622
7 0,53 0,59 0,194622
7 0,52 0,59 0,194622
7 0,56 0,59 0,194622
7 0,54 0,59 0,194622
7 0,55 0,59 0,194622
7 0,54 0,59 0,194622
7 0,54 0,59 0,194622
8 -1,02 -0,98 0,195215
8 -0,96 -0,98 0,195215
8 -0,99 -0,98 0,195215
8 -0,96 -0,98 0,195215
8 -1,01 -0,98 0,195215
8 -0,96 -0,98 0,195215
8 -1 -0,98 0,195215
8 -0,96 -0,98 0,195215
8 -0,97 -0,98 0,195215
8 -0,96 -0,98 0,195215
9 -0,99 -0,92 0,080622
9 -0,98 -0,92 0,080622
9 -0,99 -0,92 0,080622
9 -0,99 -0,92 0,080622
9 -0,93 -0,92 0,080622
9 -0,96 -0,92 0,080622
9 -0,99 -0,92 0,080622
9 -0,99 -0,92 0,080622
9 -0,97 -0,92 0,080622
9 -0,96 -0,92 0,080622
10 -0,52 -0,47 0,148387
10 -0,51 -0,47 0,148387
10 -0,53 -0,47 0,148387
10 -0,52 -0,47 0,148387
10 -0,48 -0,47 0,148387
10 -0,51 -0,47 0,148387
10 -0,52 -0,47 0,148387
10 -0,49 -0,47 0,148387
10 -0,52 -0,47 0,148387
10 -0,51 -0,47 0,148387
11 0,27 0,25 0,212301
11 0,28 0,25 0,212301
11 0,27 0,25 0,212301
11 0,28 0,25 0,212301
11 0,26 0,25 0,212301
11 0,27 0,25 0,212301
11 0,26 0,25 0,212301
11 0,27 0,25 0,212301
11 0,26 0,25 0,212301
11 0,27 0,25 0,212301
12 -0,55 -0,52 0,157431
12 -0,54 -0,52 0,157431
12 -0,57 -0,52 0,157431
12 -0,56 -0,52 0,157431
12 -0,53 -0,52 0,157431
12 -0,54 -0,52 0,157431
12 -0,55 -0,52 0,157431
12 -0,55 -0,52 0,157431
12 -0,55 -0,52 0,157431
12 -0,54 -0,52 0,157431
Tabela 5.5.1: Tabela para realizao do estudo de Tendncia e Linearidade.


manual do usurio.

Tendncia e Linearidade: O sistema de medio no tem uma linearidade
significativa ao longo dos pontos de utilizao do sistema (1 a 12) pois o p-valor
encontrado est acima de 5% (P-valor= 0,16).
Anlise crtica Tendncia e Linearidade: Apesar de no termos linearidade
significativa, a maioria dos pontos apresenta tendncia significativa do ponto de
vista estatstico (p-valor abaixo de 5%). A maior tendncia detectada (ponto 4)
de -0,08 mm que est acima do erro mximo permissvel para o relgio comparador
(aproximadamente 0,03 mm). Porm, esta tendncia mxima representa 2% da
tolerncia, o que pode ser considerado desprezvel do ponto de vista prtico.
5.6 - Sistema de Medio para altura do rebite
O procedimento que descreveremos a seguir um sistema de medio replicvel,
pois podemos realizar diversas medies da pea sem danific-la. Desenvolveremos
um estudo de MSA para um sistema de Medio para altura do rebite tubular.


necessidade da medio. Por exemplo, altura do rebite (Foto 5.6.1) garante o
revestimento til para desgaste em um disco de embreagem, com isso evita a
patinao da embreagem. Por isso, importante que tenhamos um sistema de
medio confivel.

Figura 5.6.1: Foto do disco de embreagem.

Para a caracterstica altura do rebite tubular, o cliente especificou um valor de
tolerncia do processo de 0,4 mm. Neste caso, a exatido pode ser definida atravs
da criticidade da medio em comum acordo com o cliente. Para esta aplicao,
Para que a equipe possa conhecer melhor o sistema de medio e sua aplicao, fazemos uma anlise de
cenrio atravs das seguintes questes:
Histrico de Falhas?
Condies Ambientais?

Fase 2: Mtodo de Medio

Descrio do sistema de medio da altura do rebite tubular.
Posicionamento do disco de embreagem na bancada
Fixao da base do paqumetro na guarnio do disco de embreagem
Realizao da leitura
Varivel: medio da altura da haste do disco de embreagem;
Descrio: medies da altura;
Especificao: tolerncia de 0,4 mm. (+/- 0,2 mm)




manual do usurio.

acreditados ao INMETRO e os certificados de calibrao devem ser avaliados
criticamente com relao a critrios previamente definidos. Nesta aplicao, o
paqumetro tem resoluo de 0,01 mm, calibrado anualmente. O erro mximo
permissvel da calibrao do paqumetro de 0,03 mm. Com isso, garantimos a
exatido requerida de 0,04 mm. Na sequncia, apresentamos uma foto da medio
da altura do pino tubular.

Figura 5.6.2: Posicionamento do paqumetro.

Figura 5.6.3: Medio da altura do rebite tubular.


Fase 3: Planejamento dos Estudos


Repetitividade e Reprodutibilidade: 10 peas de lotes de produo "distintos",
sendo 3 medies por pea realizados em ordem aleatria por cada operador.
Nesta aplicao, escolhemos 3 operadores.

Linearidade: Foram selecionadas 5 peas (em pontos distintos), no qual definimos o
valor de referncia em um sistema de medio confivel, neste exemplo,


Estabilidade

Nesta aplicao exemplificaremos a aplicao.



manual do usurio.


Sistema de Medio estvel ao longo do tempo.
Anlise Crtica Estabilidade: no grfico de amplitude indica que h uma falta de
discriminao do Sistema de Medio, pois temos muitos pontos iguais a zero. Em
geral, a resoluo do equipamento de medio pode ser inadequada.

Repetitividade e Reprodutitividade (RR)

Anlise do RR para o ponto 1:



manual do usurio.


Observamos uma variabilidade compatvel com o processo.
Anlise Crtica
O RR do Sistema de Medio de 0,03 mm, que compatvel com o instrumento
utilizado (paqumetro). Alm disso, este RR representa 18% em relao variao
total e tem um ndice NDC de 7 categorias. Tambm observamos que a
reprodutibilidade quase nula, o que significa que o impacto dos operadores
pequeno. De forma geral, a variabilidade do sistema de medio compatvel para
o controle do processo.
Tendncia e Linearidade

Para realizarmos a anlise da Linearidade, validaremos a variabilidade associada
com a repetitividade usando a variao total obtida no estudo de RR.

Tabela 5.5.1: Tabela para realizao do estudo de Tendncia e Linearidade.


manual do usurio.

Tendncia e Linearidade: O sistema de medio apresenta uma linearidade no
significativa ao nvel de 5% (P-valor= 0,62). Tambm observamos que todas as
tendncias foram consideradas no significativas (ver grfico). Com isso,
conclumos que o sistema de medio apresenta uma tendncia e linearidade
desprezveis.

5.7 - Sistema de medio de Torque aplicado com um torqumetro digital
Sistema de medio de Torque aplicado com um torqumetro digital

Considere o sistema de medio de torque aplicado com um toqumetro digital
(foto 5.7.1) na escala Nm. Ao medirmos o torque em um parafuso, provocamos uma
alterao na pea em torno deste ponto e consequentemente, no podemos repetir
a medio de torque nesta regio. Assim, podemos interpretar o sistema de
medio de torque como um sistema no replicvel.
Na aplicao a seguir, vamos adotar a seguinte estratgia:
Escolher um tipo de pea (motor MWM Euro 5). Como o sistema de medio no
replicvel, medimos a pea apenas uma vez. Portanto, vamos utilizar diversos
motores do mesmo modelo. Tambm importante escolher alguns pontos
especficos do motor para o acompanhamento. Escolhemos trs pontos de
aplicao de torque.
Determinar a periodicidade do estudo: escolhemos uma vez por semana.

necessidade da medio. Por exemplo, a pea que medimos o torque (Foto 5.7.1)

Figura 5.7.1: foto da medio do torque aplicado a parafusos.
Para a caracterstica torque, temos um torqumetro digital de resoluo de 0,1 Nm
e com tolerncia de 30 Nm. Para esta aplicao, temos uma exatido de 6 Nm.
Histrico de Falhas?
Condies Ambientais?
Descrio do sistema de medio de torque aplicado com um toqumetro digital:
Nm
1. Conectar um transdutor de torque (equipamento padro) ao parafuso
2. Aplicar o torque ao parafuso em uma pea (com o torqumetro)
3. Registar o valor de torque obtido no torqumetro e no equipamento padro
(transdutor de torque)
Ishikawa, ou diagrama de causa e efeito. Com toda a equipe reunida (nesta fase



manual do usurio.
relao a critrios previamente definidos. Nesta aplicao, o torqumetro digital
tem resoluo de 0,1 Nm. Com isso, garantimos a exatido requerida de 6 Nm. Na
sequncia, apresentamos uma foto do torqumetro digital.

Estabilidade: Selecionamos trs pontos de torque do motor acompanhados ao
longo do tempo (uma vez por semana). Anlise atravs do grfico Xbarra e R;
Tendncia: comparao com o transdutor padro. Uma anlise de tendncia por
ponto;
Repetitividade: trs pontos de medio com 25 rplicas;
Reprodutibilidade: No vamos realizar o ensaio de reprodutibilidade;
Observao: as trs anlise foram feitas com a mesma tabela de dados.


Ponto 1 Ponto 2 Ponto 3
Dat
a
Torquime
tro
Transdu
tor
Tendn
cia
Torquime
tro
Transdu
tor
Tendn
cia
Torquime
tro
Transdu
tor
Tendn
cia
1 351,9 351,9 0 316,5 317,06 -0,56 359,3 361,87 -2,57
2 353,3 362,89 -9,59 334,2 337,68 -3,48 344,3 346,74 -2,44
3 357,2 363,04 -5,84 316,4 319,66 -3,26 347,5 351,51 -4,01
4 347,2 352,79 -5,59 326,8 335,18 -8,38 342 343,31 -1,31
5 355,2 364,86 -9,66 324,1 327,88 -3,78 348,7 352,49 -3,79
6 340,7 342,22 -1,52 329,3 332,2 -2,9 355,5 359,46 -3,96
7 352,8 353,9 -1,1 326,9 336,69 -9,79 351 355,63 -4,63
8 347 355,29 -8,29 326,1 326 0,1 356,5 360,32 -3,82
9 354,6 357,91 -3,31 327,6 327,52 0,08 353,3 352,64 0,66
10 347,2 350,48 -3,28 339,6 339,51 0,09 350 360,18 -10,18
11 348,8 354,02 -5,22 331,1 337,11 -6,01 349,3 355,24 -5,94
12 351,1 359,25 -8,15 325,4 327,68 -2,28 350,9 355,52 -4,62
13 343,1 343,6 -0,5 341,8 345,09 -3,29 355,2 356,71 -1,51
14 352,2 359,02 -6,82 320,5 329,73 -9,23 357 361,48 -4,48
15 357,2 364,09 -6,89 314,7 315,64 -0,94 341 342,29 -1,29
16 354,6 355,24 -0,64 330,5 334,77 -4,27 347,3 347,94 -0,64
17 350,8 357,62 -6,82 346,2 348,61 -2,41 346 356,14 -10,14
18 346,6 347,68 -1,08 318,4 320,18 -1,78 353,1 357,9 -4,8
19 347,1 353,13 -6,03 322,5 329,13 -6,63 342,7 348,82 -6,12
20 353,5 361,27 -7,77 336 339,81 -3,81 345,6 347,74 -2,14
21 353,3 356,44 -3,14 321,8 326,13 -4,33 347,5 354,7 -7,2
22 357,2 359,42 -2,22 334,9 338,32 -3,42 352,2 357,54 -5,34
23 353,4 353,26 0,14 341,3 347,58 -6,28 353,3 355,86 -2,56
24 353 354,13 -1,13 335,4 339,97 -4,57 353,8 358,23 -4,43
25 347,9 348,44 -0,54 319,8 324,13 -4,33 357,9 358,85 -0,95

Estabilidade

Semana T1 T2 T3
1 0 -0,56 -2,57
2 -9,59 -3,48 -2,44
3 -5,84 -3,26 -4,01
4 -5,59 -8,38 -1,31
5 -9,66 -3,78 -3,79
6 -1,52 -2,9 -3,96
7 -1,1 -9,79 -4,63
8 -8,29 0,1 -3,82
9 -3,31 0,08 0,66
10 -3,28 0,09 -10,18
11 -5,22 -6,01 -5,94
12 -8,15 -2,28 -4,62
13 -0,5 -3,29 -1,51
14 -6,82 -9,23 -4,48
15 -6,89 -0,94 -1,29
16 -0,64 -4,27 -0,64
17 -6,82 -2,41 -10,14
18 -1,08 -1,78 -4,8
19 -6,03 -6,63 -6,12
20 -7,77 -3,81 -2,14
21 -3,14 -4,33 -7,2
22 -2,22 -3,42 -5,34
23 0,14 -6,28 -2,56
24 -1,13 -4,57 -4,43
25 -0,54 -4,33 -0,95


manual do usurio.
Sistema estvel ao longo do tempo. Todos os pontos esto dentro das linhas de
controle.
Tendncia: vamos aplicar o estudo de tendncia nos trs pontos de torque do
motor. A seguir, temos o estudo no primeiro ponto.
Semana T1
1 0
2 -9,59
3 -5,84
4 -5,59
5 -9,66
6 -1,52
7 -1,1
8 -8,29
9 -3,31
10 -3,28
11 -5,22
12 -8,15
13 -0,5
14 -6,82
15 -6,89
16 -0,64
17 -6,82
18 -1,08
19 -6,03
20 -7,77
21 -3,14
22 -2,22
23 0,14
24 -1,13
25 -0,54


Agora, vamos aplicar o estudo de tendncia no ponto 2.

Semana T2
1 -0,56
2 -3,48
3 -3,26
4 -8,38
5 -3,78
6 -2,9
7 -9,79
8 0,1
9 0,08
10 0,09
11 -6,01
12 -2,28
13 -3,29
14 -9,23
15 -0,94
16 -4,27
17 -2,41
18 -1,78
19 -6,63
20 -3,81
21 -4,33
22 -3,42
23 -6,28
24 -4,57
25 -4,33

Por fim, vamos aplicar o estudo de tendncia no ponto 3.
Semana T3
1 -2,57
2 -2,44
3 -4,01
4 -1,31
5 -3,79
6 -3,96
7 -4,63
8 -3,82
9 0,66
10 -10,18
11 -5,94
12 -4,62
13 -1,51
14 -4,48
15 -1,29
16 -0,64
17 -10,14
18 -4,8
19 -6,12
20 -2,14
21 -7,2
22 -5,34
23 -2,56
24 -4,43
25 -0,95

manual do usurio.
Nos trs pontos de torque do motor, a linha do zero no faz parte do intervalo de
confiana, aa tendncias encontradas so significativas ao nvel de significncia de
5%.


Ponto Tendncia
1 0
1 -9,59
1 -5,84
1 -5,59
1 -9,66
1 -1,52
1 -1,1
1 -8,29
1 -3,31
1 -3,28
1 -5,22
1 -8,15
1 -0,5
1 -6,82
1 -6,89
1 -0,64
1 -6,82
1 -1,08
1 -6,03
1 -7,77
1 -3,14
1 -2,22
1 0,14
1 -1,13
1 -0,54
2 -0,56
2 -3,48
2 -3,26
2 -8,38
2 -3,78
2 -2,9
2 -9,79
2 0,1
2 0,08
2 0,09
2 -6,01
2 -2,28
2 -3,29
2 -9,23
2 -0,94
2 -4,27
2 -2,41
2 -1,78
2 -6,63
2 -3,81
2 -4,33
2 -3,42
2 -6,28
2 -4,57
2 -4,33
3 -2,57
3 -2,44
3 -4,01
3 -1,31
3 -3,79
3 -3,96
3 -4,63
3 -3,82
3 0,66
3 -10,18
3 -5,94
3 -4,62
3 -1,51
3 -4,48
3 -1,29
3 -0,64
3 -10,14
3 -4,8
3 -6,12
3 -2,14
3 -7,2
3 -5,34
3 -2,56
3 -4,43
3 -0,95



manual do usurio.

No estudo, obtemos um RR= 2,9 Nm (correspondente a 29% da tolerncia). O RR foi
considerado satisfatrio, pois o sistema no replicvel, sendo este valor
contaminado por variaes do produto e do padro.
6 - Apndice
Nesta seo, esto as tabelas usadas ao longo do contedo estatstico do MSA 4
edio.
6.1 - Distribuio t-Student
Valores tais que

GL \ 0,20 0,10 0,05 0,02
1 3,078 6,314 12,706 31,821
2 1,886 2,920 4,303 6,965
3 1,638 2,353 3,182 4,541
4 1,533 2,132 2,776 3,747
5 1,576 2,015 2,571 3,365
6 1,440 1,943 2,447 3,143
7 1,415 1,895 2,365 2,998
8 1,397 1,860 2,306 2,896
9 1,383 1,833 2,262 2,821
10 1,372 1,812 2,228 2,764
11 1,363 1,796 2,201 2,718
12 1,356 1,782 2,179 2,681
13 1,350 1,771 2,160 2,650
14 1,345 1,761 2,145 2,624
15 1,341 1,753 2,131 2,602
16 1,337 1,745 2,120 2,583
17 1,333 1,740 2,110 2,567
18 1,330 1,734 2,101 2,552
19 1,328 1,729 2,093 2,539
20 1,325 1,725 2,086 2,528
21 1,323 1,721 2,080 2,518
22 1,321 1,717 2,074 2,508
23 1,319 1,714 2,069 2,500
24 1,318 1,711 2,064 2,492
25 1,316 1,708 2,060 2,485
26 1,315 1,706 2,056 2,479
27 1,314 1,703 2,052 2,473
28 1,313 1,701 2,048 2,467
29 1,311 1,699 2,045 2,462
30 1,310 1,697 2,042 2,457
40 1,303 1,684 2,021 2,423
60 1,296 1,671 2,000 2,390
120 1,289 1,658 1,980 2,358
maior 1,282 1,645 1,960 2,326
6.2 - Tabela de d2
g
m: Nmero de dados para calcular cada Amplitude
2 3 4 5 6 7 8 9 10 11 12 13 14 15
1
1,41
1
1,91
2
2,24
2,9
2,48
3,8
2,67
4,67
2,83
5,5
2,96
6,3
3,08
7
3,18
7,7
3,27
8,3
3,35
9
3,42
9,6
3,49
10,2
3,55
10,8
2
1,28
1,9
1,81
3,8
2,15
5,7
2,40
7,5
2,60
9,2
2,77
10,8
2,91
12,3
3,02
13,8
3,13
15,1
3,22
16,5
3,30
17,8
3,38
19,0
3,45
20,2
3,51
21,3
3
1,23
2,8
1,77
5,7
2,12
8,4
2,38
11,1
2,58
13,6
2,75
16,0
2,89
18,3
3,01
20,5
3,11
22,6
3,21
24,6
3,29
26,5
3,37
28,4
3,43
30,1
3,50
31,9
4
1,21 1,75 2,11 2,37 2,57 2,74 2,88 3,00 3,10 3,2 3,28 3,36 3,43 3,49
3,7 7,5 11,2 14,7 18,1 21,3 24,4 27,3 30,1 32,7 35,3 37,7 40,1 42,4
5
1,19
4,6
1,74
9,3
2,10
13,9
2,36
18,4
2,56
22,6
2,73
26,6
2,87
30,4
2,99
34,0
3,10
37,5
3,19
40,8
3,28
44,0
3,35
47,1
3,42
50,1
3,49
52,9
6
1,18
5,5
1,73
11,1
2,09
16,7
2,35
22,0
2,56
27,0
2,73
31,8
2,87
36,4
2,99
40,8
3,10
45,0
3,19
49,0
3,27
52,8
3,35
56,5
3,42
60,1
3,49
63,5
7
1,17
6,4
1,73
12,9
2,09
19,4
2,35
25,6
2,55
31,5
2,72
37,1
2,87
42,5
2,99
47,6
3,10
52,4
3,19
57,1
3,27
61,6
3,35
65,9
3,42
70,0
3,48
74,0
8
1,17
7,2
1,72
14,8
2,08
22,1
2,35
29,2
2,55
36,0
2,72
42,4
2,87
48,5
2,98
54,3
3,09
59,9
3,19
65,2
3,27
70,3
3,35
75,2
3,42
80,0
3,48
84,6
9
1,16
8,1
1,72
16,6
2,08
24,9
2,34
32,9
2,55
40,4
2,72
47,7
2,86
54,5
2,98
61,1
3,09
67,3
3,18
73,3
3,27
79,1
3,35
84,6
3,42
90,0
3,48
95,1
10
1,16
9,0
1,72
18,4
2,08
27,6
2,34
36,5
2,55
44,9
2,72
52,9
2,86
60,6
2,98
67,8
3,09
74,8
3,18
81,5
3,27
87,9
3,34
94,0
3,42
99,9
3,48
105,6
11
1,16
9,9
1,71
20,2
2,08
30,3
2,34
40,1
2,55
49,4
2,72
58,2
2,86
66,6
2,98
74,6
3,09
82,2
3,18
89,6
3,27
96,6
3,34
103,4
3,41
109,9
3,48
116,2
12
1,15
10,7
1,71
22
2,07
33,1
2,34
43,7
2,55
53,8
2,72
63,5
2,85
72,6
2,98
81,3
3,09
89,7
3,18
90,7
3,27
105,4
3,34
112,7
3,41
119,9
3,48
126,7
13
1,15
11,6
1,71
23,8
2,07
35,8
2,34
47,3
2,55
58,3
2,71
68,7
2,85
78,6
2,98
88,1
3,09
97,1
3,18
105,8
3,27
114,1
3,34
122,1
3,41
129,8
3,48
137,3
14
1,15
12,5
1,71
25,7
2,07
38,6
2,34
51
2,54
62,8
2,71
74
2,85
84,7
2,98
94,9
3,08
104,6
3,18
113,9
3,27
122,9
3,34
131,5
3,41
139,8
3,48
147,8
15
1,15
13,4
1,71
27,5
2,07
43,1
2,34
54,6
2,54
67,2
2,71
79,3
2,85
90,7
2,989
101,6
3,08
112,1
3,18
122,1
3,26
131,7
3,34
140,9
3,41
149,8
3,48
158,3
>15 1,128 1,693 2,059 2,326 2,534 2,704 2,847 2,97 3,078 3,173 3,258 3,336 3,407 3,472
Observao: a primeira linha de cada clula corresponde ao valor de e a segunda
linha ao valor dos graus de liberdade ( ). A linha correspondente ao valor > 15
corresponde ao O valor de m correspondente ao nmero de leituras, enquanto
que o valor de g corresponde ao nmero de amplitudes.
7 - Referncias
[1] BIPM, IEC, IFCC, ISO, IUPAC, IUPAP, OIML,Guide to the Expression of Uncertainty in
Measurement, 1995.
[2] NBR ISO 10012, Sistemas de Gesto de Medio - Requisitos para os processos de
medio e equipamento de medio, 04/2004.
[3] MSA, Anlise dos Sistemas de medio, quarta edio.
[4] Verso Brasileira do documento de referncia EA-4/02: Expresso da incerteza de
medio na calibrao, INMETRO.
[5] Montgomery, Douglas C., Design and Analysis of Experiments - Fourth Edition - Ed. John
Wiley & Sons, 1997.
[6] ISO GUM (2008), Avaliao de dados de Medio - Guia para a expresso de incerteza
de medio, 1 edio brasileira.

Manual - MSA - Análise Do Sistma de Medição - 4 Edição

Diunggah oleh

Informasi Dokumen

Deskripsi Asli:

Hak Cipta

Format Tersedia

Bagikan dokumen Ini

Bagikan atau Tanam Dokumen

Opsi Berbagi

Apakah menurut Anda dokumen ini bermanfaat?

Apakah konten ini tidak pantas?

Hak Cipta:

Format Tersedia

Manual - MSA - Análise Do Sistma de Medição - 4 Edição

Diunggah oleh

Hak Cipta:

Format Tersedia

MSA quarta edio

Anlise dos Sistemas de

Anda mungkin juga menyukai