Documente Academic
Documente Profesional
Documente Cultură
Dcima Edio
2010
CONTROLE ESTATSTICO
Dcima Edio
2010
SUMRIO
CAPTULO 1 INTRODUO, 1
1.1. Histrico, 1
1.2. Definies fundamentais, 1
1.3. Objetivos, 2
1.4. Erros e Incertezas em Qumica Analtica, 3
CAPTULO 2 OPERAES COM NMEROS EXPERIMENTAIS, 9
2.1. Generalidades, 9
2.2. Regras de arredondamento, 9
2.3. Algarismos significativos, 10
2.4. Operaes com nmeros experimentais, 10
CAPTULO 3 O USO DE GRFICOS EM QUMICA ANALTICA, 12
3.1. Introduo, 12
3.2. Grficos de Calibrao, 12
3.3. Interpolao e Extrapolao, 13
3.4. Determinao do Ponto de Inflexo, 14
3.5. Regresso Linear, 15
3.6. Grficos de Barras, 19
CAPTULO 4 FUNDAMENTOS DA ESTATSTICA, 20
4.1. Probabilidade, 20
4.2. Distribuio de probabilidade, 22
4.3. Distribuio binomial, 23
4.4. Distribuio de Poisson, 25
4.5. Distribuio hipergeomtrica, 25
4.6. Probabilidade Estatstica, 26
4.7. Erros estatsticos, 26
4.8. Distribuio gaussiana, 27
4.9. Estimativa do valor mdio, 29
4.10. Estimativa da disperso, 30
CAPTULO 5 CONTROLE DE QUALIDADE ANALTICA, 31
5.1. Introduo, 31
5.2. Parmetros e Testes Estatsticos, 31
5.3. Estatstica Simplificada, 38
BIBLIOGRAFIA CONSULTADA, 97
APNDICE 1 AVALIAO DO FINAL DA REGIO LINEAR, 99
APNDICE 2 AUXLIO DO COMPUTADOR, 111
APNDICE 3 DESENHANDO GRFICOS NO COMPUTADOR, 115
APNDICE 4 APROXIMANDO A BINOMIAL DA GAUSSIANA, 117
APNDICE 5 ENTENDENDO A ESTATSTICA, 122
APNDICE 6 TESTE DE NORMALIDADE, 130
APNDICE 7 METROLOGIA, 137
APNDICE 8 VALIDAO DE MTODOS ANALTICOS, 139
APNDICE 9 QUANTIFICANDO A CAPACIDADE DE UM PROCESSO, 142
APNDICE 10 GC: ESTUDO DE CASOS, 145
APNDICE 11 GCs: UMA ANLISE MAIS DETALHADA, 148
APNDICE 12 MAIS DETALHES SOBRE A CCO, 165
APNDICE 13 UMA PLANILHA EXCEL PARA CCO, 172
APNDICE 14 AS SETE FERRAMENTAS DA QUALIDADE, 174
APNDICE 15 ANLISE DE VARINCIA, 179
APNDICE 16 TQM versus GEIQ, 185
APNDICE 17 TABELAS TEIS, 187
NDICE DE ASSUNTOS, 194
PREFCIO
Tudo comeou com um curso de extenso, oferecido para estudantes e tcnicos
das indstrias da Regio Metropolitana do Recife. No incio era uma pequena apostila, com cerca
de vinte pginas. Com a criao da disciplina Controle Estatstico de Qualidade para o curso de
engenharia qumica e mais tarde da disciplina Controle Estatstico para o curso de qumica
industrial, o presente texto foi crescendo gradativamente (atualizado a cada semestre letivo). Hoje
chega a cerca de duzentas pginas, enriquecido com exerccios de aplicao (num volume
suplementar, intitulado Caderno de Exerccios), extrados, em sua grande maioria, das provas
realizadas ao longo desses anos, todos eles resolvidos. Mas, como no controle estatstico, nunca se
chega ao fim. O Autor pretende estar sempre atualizando o texto, solicitando para esse fim
sugestes e a crtica construtiva de seus Leitores, ao mesmo tempo em que espera que a leitura
seja til para aqueles que se iniciam no controle estatstico, em qualquer uma de suas inmeras
aplicaes. Entretanto, altamente recomendado o aprofundamento de cada detalhe atravs da
leitura adicional dos importantes textos citados nas Referncias Bibliogrficas, os quais serviram
de base para a construo deste livro. O Autor recomenda fortemente a leitura do livro de Paul G.
Hoel (Matemtica Estatstica, Ref. 20), que apresenta uma elegante deduo para a maioria das
equaes empregadas ao longo do presente livro. Os Captulos 1 a 4 discutem as bases estatsticas
para os demais captulos. O Captulo 5 trata do Controle de Qualidade Analtica. O Captulo 6
trata do Controle de Processos, com nfase nos Grficos de Controle. Os Captulos 7 e 8 tratam
da Inspeo de Qualidade e o Captulo 9 da Gesto da Qualidade. Finalmente, os Apndices 1 a
16 trazem informaes complementares aos diversos temas abordados neste livro e o Apndice 17
traz um conjunto de tabelas que auxiliam na resoluo da maioria dos problemas relacionados
com o texto. Para facilitar, essas tabelas tambm se encontram no suplemento Caderno de
Exerccios, que acompanha o livro texto. A inteno do Autor com os inmeros apndices foi
compactar o texto bsico (Captulos 1 a 9), de modo a tornar sua leitura mais agradvel e
objetiva.
Boa leitura!
Alexandre Schuler
1 - INTRODUO
1.1. Histrico
O conceito de controle estatstico de qualidade foi introduzido na
dcada de 1920 por Shewhart, que na poca era o responsvel pela inspeo de
componentes para centrais telefnicas produzidas pela empresa americana Bell
Telephone. Desde aquela poca e at o incio da 2a Guerra Mundial, menos de 20
empresas americanas haviam adotado a idia de Shewhart1. Foi o Japo o primeiro
pas a adotar, em larga escala, os conceitos prprios do controle estatstico. Em
pesquisa realizada em 1977, Saniga e Shirland (Ref. 5) verificaram que apenas cerca
de 70% das empresas americanas empregavam mtodos de controle estatstico e
ainda assim, utilizando apenas as tcnicas mais simples, como a "amostragem
simples" e o "grfico da mdia". Segundo pesquisa no oficial, realizada em 1990,
cerca de 80% das empresas brasileiras no utilizavam a informtica e 54% das
empresas entrevistadas desconheciam totalmente o assunto.
1.2. Definies fundamentais
Qualidade Qualidade algo difcil de definir. Para os propsitos deste
livro pode significar adequao ao uso ou ainda atender a alguma
especificao ou atender s expectativas do consumidor.
Universo - So todos os indivduos de uma populao2, entendendo-se por
indivduo um item de produo ou uma grandeza desse item; e por populao
todas as peas de um dado lote ou da produo anual, por exemplo.
Amostra - uma pequena poro do universo, tomada a partir de
critrios pr-estabelecidos, na esperana de ser representativa daquele.
Mdia - o valor numrico que melhor representa uma populao, em
termos quantitativos. Normalmente a mdia aritmtica dos indivduos
que a compem.
1
2
Alguns das referncias citadas no final do livro fazem uma boa reviso histrica. interessante conhecer.
As expresses indivduo e populao so provenientes do uso mais extensivo da Estatstica na rea das cincias sociais.
1.4.3. Incerteza
Na seo anterior foram discutidos os conceitos de preciso e
exatido. Modernamente, por ter havido muita confuso no emprego desses
termos (muita gente ainda confunde preciso com exatido), os rgos
normalizadores (ver Apndices 7 e 8), a expresso erro estatstico foi
substituda por incerteza, enquanto que a expresso erro sistemtico foi
substituda por erro.
1.4.4. Medies usadas em Qumica Analtica
1.4.4.1. Classificao
Os mtodos analticos so classificados em dois tipos gerais:
a) mtodos qumicos (via mida);
b) mtodos fsico-qumicos (instrumentais)
Inerentes a cada mtodo, os erros podem ser de trs tipos:
1. Grosseiro
2. Do operador
3. Do instrumento
O erro grosseiro, devido falta de ateno ou de treinamento
adequado, ser objeto de estudo no captulo 5. O erro do operador aqui referido o
erro decorrente de caractersticas fsicas do operador. Por exemplo, numa titulao a
deteco do ponto de viragem feita com auxlio do olho humano. Portanto,
dependendo da acuidade visual do operador, esse ponto poder ser observado com
maior ou menor antecedncia. Quanto aos erros dos instrumentos, sero discutidos
aqui, especificamente, os erros de leitura, que esto relacionados com a preciso
(incerteza) do instrumento.
Em qualquer medio que se faa fatalmente ser cometido um
erro, seja grande ou pequeno, devido a limitaes do instrumento, do mtodo
(a)
(b)
2 X 1 cm
= 0 , 023 ou 2,3%
87 cm
2 X 0,1 cm
= 0 , 0023 ou 0,23%
87,2 cm
1.4.4.3. Pesagem
Numa pesagem, normalmente preciso pesar inicialmente o
recipiente (tarar) e depois o conjunto (material + recipiente). Por diferena
obtm-se o peso do material. O erro mximo relativo associado pesagem de
10g de um material, com uma balana de 1g ser:
2 =
2 x1
= 0,2 ou 20%
10
Pergunta: Por que o erro absoluto multiplicado por 2 (nos dois exemplos)?
Pipeta volumtrica
(1 marca)
CAPACIDADE(mL)
abs (mL)
25
0,050
50
0,100
1
2
RECIPIENTE
CAPACIDADE (mL)
abs (mL)
0,015
10
0,025
0,010
25
0,050
0,020
50
0,075
0,014
100
0,120
10
0,019
250
0,180
25
0,031
500
0,350
50
0,037
1000
0,500
Pipeta graduada
Balo volumtrico
Esta tabela apenas ilustrativa. Cada fabricante deve explicitar a incerteza de seu produto. Vidraria de laboratrio
acompanhada dessa informao bem mais cara e identificada como vidraria certificada (ver Apndice 7).
As balanas modernas de laboratrio possuem o recurso da tara, em que a balana zerada antes e aps a colocao do
recipiente. Nesse caso, deve ser considerada apenas uma leitura e o erro no multiplicado por 2.
Exemplos:
2,324 2,32
2,478 2,48
3,725 3,72
3,715 3,72
4,2652 4,27
4,2153 4,22
10
2,719
14,32
17,04
eliminar
2,324
1,13
3,45
11
Multiplicao ou diviso:
3,137 x 7,2 = 22,5864 23
15, 3 7 8 2,4 = 6,4075 6,4
Obs.: Arredondar apenas no final6, deixando o resultado com o mesmo nmero
de algarismos significativos que o nmero de menor preciso.
O exemplo a seguir ilustra o que foi discutido:
Para determinar o fator de uma soluo de HCl 0,1M foi
realizada uma titulao com 2,500 g (balana com sensibilidade de 0,001 g) de
carbonato de sdio, empregando-se uma bureta de 50 mL (consultar a Tabela
1.1; pgina 7). Foram gastos 48,2 mL da soluo. Existe mais de um modo de
clculo, mas todos resultam na seguinte diviso:
f = 48,2/47,177 = 1,0218 1,02
Esse exemplo mostra que o costume de sempre representar f com
quatro dgitos aps a vrgula totalmente errneo. Caso a bureta empregada
tivesse dois algarismos aps a vrgula, seria ento possvel escrever um fator
com quatro algarismos significativos, mas no necessariamente quatro
algarismos significativos aps a vrgula.
6
7
Se os clculos forem realizados no Excel, lembrar de somente programar arredondamento na clula onde ficar o resultado final.
O nmero 47,12 obtido a partir da estequiometria da reao.
12
13
c)
O grfico mais legvel aquele cuja reta forma um ngulo de 45o com os eixos. Esse
ngulo pode ser conseguido com uma adequada seleo das escalas, mas observando
o item (d) abaixo.
Absorvncia
A = .c.b
Concentrao
14
com maior precauo, posto que a suposta linearidade talvez esteja sendo
obedecida apenas no trecho C1Cn. Um exemplo disso a curva de absoro
colorimtrica com solues concentradas (Fig. 3.2). Observa-se que acima de
uma determinada concentrao, a lei de Beer no obedecida. Na interpolao
(ou extrapolao) numrica, faz-se uso de uma tbua de logaritmos, ou mais
simplesmente, da equao 3.1 (ver Figura 3.3). A interpolao numrica ,
evidentemente, mais precisa que a interpolao grfica.
y' =
( y 2 y1 )( x ' x 1 )
+ y1
x 2 x1
(Equao 3.1)
15
16
a = (x y - nx.y)/[(x)2 - nx2]
b = (y - ax) / n
(Equao 3.2a)
(Equao 3.2b)
N
Totais
x
x1
x2
xn
xi
y
y1
y2
yn
yi
x*y
x1.y1
x2.y2
xn.yn
(xi.yi)
x2
x12
x22
xn2
xi2
Quadro 3.1 - Ordenao dos dados para aplicao do mtodo dos mnimos quadrados.
9
Os valores de regresso somente tm significado se a incerteza dos valores dos x for pelo uma ordem de grandeza
inferior incerteza dos valores de y. Nesse caso, eles correspondem a uma correo (ajuste) dos valores
experimentais de y.
17
r=
nxi.yi - xiyi
{[nxi - (xi) 2 ][nyi 2 - (yi) 2 ]}1/ 2
2
(Equao 3.3)
NOTA: Evidentemente, possvel aproveitar o quadro proposto para o clculo dos coeficientes da
reta de regresso, bastando acrescentar uma coluna contendo os valores de yi2. Se o valor de r for
negativo, tem-se uma correlao inversa e se r for positivo, tem-se uma correlao direta. Entendese por uma boa correlao aquela cujo valor de r se aproxima da unidade (+1 ou 1). A intensidade
de uma correlao pode ser avaliada pelo valor absoluto de r, conforme mostrado no Quadro 3.2.
Valor de r
at 0,19
0,20 a 0,39
0,40 a 0,69
0,70 a 0,89
0,90 a 1,00
Interpretao
insignificante
Fraca
moderada
Forte
muito forte
10
Uma correta avaliao estatstica (Captulos 4 e 5 e Apndice 1) deve substituir essa afirmao emprica.
18
Valor Crtico de r
0,88
0,82
0,76
0,71
0,67
0,64
0,61
0,58
Coeficiente de determinao
19
Nmero de estudantes
0
1
Intervalos de notas
20
4. FUNDAMENTOS DA ESTATSTICA
4.1. Probabilidade
Os exemplos mostrados a seguir pretendem explicar os vrios casos (tipos) aqui descritos.
21
22
23
Px =
n!
P x Qn x
x!(n x)!
(Equao 4.1)
Onde:
x = nmero de eventos favorveis n = nmero total de eventos.
n! = 1 x 2 x 3 x ... x (n-1) x n
P = probabilidade de algo ocorrer
Q = probabilidade de algo no ocorrer = 1 P
Exemplo 10: Recalcular o exemplo 4 (probabilidade de dar cara 2 vezes em 2 lanamentos de
uma moeda) utilizando a equao 4.1.
24
Px =
2!
1 1
2!(2 2)! 2 2
2 2
= 0,25 = 25%
Exemplo 11: Calcular a probabilidade de dar cara 5 vezes em 12 lanamentos de uma moeda.
Resposta: Nesse caso, x = 5, n = 12, P = 0,5. Resolvendo, fica:
5
Px =
125
12!
1 1
5!(12 5)! 2 2
= 0,18%
Exemplo 12: Recalcular o Exemplo 3 com auxlio da equao 4.1. A probabilidade de ser
selecionado um s (x = 1) numa nica tentativa (n = 1) :
1
Px =
11
1!
4 48
1!(1 1)! 52 52
= 0,077 = 7,7%
Exemplo 13: Calcular a probabilidade de ser selecionado, numa nica tentativa (n = 1), o s
de espada (x = 1):
1
Px =
11
1!
1 51
1!(1 1)! 52 52
= 0,019 = 1,9%
50!
0
20 0
(0,04) (1 0,04)
= 0,130 = 13,0%
0!(50 0)!
b) Probabilidade de um defeituoso:
Px =
12
50!
1
201
(0,04) (1 0,04) = 0,270 = 27,0%
1!(50 1)!
A rigor, a distribuio binomial somente pode ser empregada quando a relao n/N igual ou menor que 0,1.
25
50!
2
202
(0,04) (1 0,04) = 0,276 = 27,6%
2!(50 2)!
Px =
x =0
n!
P x Q n x
x!(n x)!
(Equao 4.2)
mx
m
x = 0 (e .x!)
x=n
Px =
(Equao 4.3)
Alm de exigir um n muito grande, a distribuio e Poisson exige um p pequeno e, como a distribuio binomial, uma
relao n/N 0,1.
26
x =n
F( x ) = f ( x )
x =0
(Equao 4.4)
Onde:
f ( x) =
D!
( N D)!
n!( N n)!
(Equao 4.5)
(Equao 4.6)
27
xo
( x )2
2 2
dx
(Equao 4.7)
1
f ( x) =
e
2
( x )2
2 2
Na realidade, a distribuio normal aplicvel a variveis contnuas, enquanto que as demais so aplicveis a variveis discretas.
28
(x )
(Equao 4.9)
z2
1
e 2
2
(Equao 4.10)
xi
lim
=
n n
(Equao 4.11)
O parmetro z de fato uma medida de x (ou ) em unidades de desvio padro, ou seja, z mede a quantidade de
desvios padro existentes no intervalo |x - | (ver exerccios de nos 1.1 a 1.5 do Caderno de Exerccios, do Autor).
29
xi
Nesse momento, o Leitor deve se reportar ao Apndice 4, para melhor compreender como se chega a essa importante concluso.
Para determinar a mediana, necessrio colocar todos os valores, independentemente de repetio, em ordem
crescente numrica. Ex.: Os valores 2, 4, 2, 1, 1, 3, 5 so assim ordenados: 1, 1, 2, 2, 3, 4, 5. A mediana 2.
17
30
Xi
10,018
10,025
10,030
10,045
X= 10,030
M= 10,028
R= 0,027
X, M
X e M foi bem
31
5.1. Introduo
Esse tipo de avaliao denomina-se Teste de Normalidade e est discutido no Apndice 6. Em princpio, um teste
estatstico somente deve ser realizado aps confirmao de que o conjunto de dados tem distribuio normal.
32
x2 x1
R
xn xn 1
Qn =
R
(Equao 5.1.a)
Q1 =
(Equao 5.1.b)
10,1
10,1
10,2
10,2
10,3
10,3
10,3
10,3
10,3
10,4
10,4
10,4
10,4
10,4
10,4
10,4
10,5
10,4
10,5
10,5
10,5
10,5
10,6
10,6
10,7
10,7
(a)
Freqncia
Freqncia
10,4
10,4
10
10
5
4
3
(b)
6
5
4
3
2
1
0
10,0
10,4
10,4
10,1
10,2
10,3
10,4
10,5
10,6
0
10,0
10,7
10,1
10,2
10,3
10,4
10,5
10,6
10,7
Valores de Xi
Valores de Xi
di
n
(Equao 5.2)
33
s=
x -X
(Equao 5.3a)
n -1
s m = s/ n
sr =
y i y a 2 x i x
s b = sr
sa =
N-2
1
(x i ) 2
N
2
x i
s 2r
xi x
sc =
sr
a
yc y
1 1
+ +
2
n N a x x2
i
Exemplo 1: Uma amostra foi analisada por um instrumento cujo sinal proporcional concentrao do analito. A partir de cinco
solues de diferentes concentraes do analito obteve-se a curva representada pelo Quadro 5.1 e pela Figura 5.2. Determinar a
concentrao da amostra (Ca) e seu respectivo desvio padro sabendo que a intensidade do seu sinal foi 2,65 (leitura nica).
4,5
4,0
3,5
3,0
2,5
Sinal
Ponto
% Analito
Sinal
1
0,35
1,09
2
0,80
1,78
3
1,08
2,60
4
1,38
3,03
5
1,75
4,01
Quadro 5.1 Dados para construo da Curva de Calibrao.
2,0
r = 0,994; r2 = 0,988
1,5
1,0
0,5
0,0
0,0
0,2
0,4
0,6
0,8
1,0
1,2
1,4
1,6
1,8
2,0
Concentrao
34
90
0,886
0,679
0,557
0,482
0,434
0,330
0,275
0,230
P(%)
95
0,941
0,765
0,642
0,560
0,507
0,390
0,320
0,270
99
0,988
0,889
0,760
0,698
0,637
0,550
0,490
0,435
35
.0
0,0000
0,6827
0,9545
0,9973
.2
0,1585
0,7699
0,9722
-
.4
0,3108
0,8385
0,9836
-
.6
0,4515
0,8904
0,9907
-
.8
0,5763
0,9281
0,9959
-
5.2.3. Teste t
A principal e mais direta aplicao da distribuio Gaussiana foi
desenvolvida em 1908, pelo qumico ingls William Sealey Gosset (1876-1937),
sob o pseudnimo de Student (estudante em ingls). O teste t empregado para
avaliao da exatido de um procedimento analtico. O coeficiente t, definido na
seo anterior, pode ser calculado, a partir dos dados experimentais, com auxlio
das equaes 5.4 ou 5.5. Como pode ser notado, a Equao 5.4 permite avaliar a
exatido com que X estima o valor de , posto que, com auxlio da Tabela 5.3,
pode ser verificado se a diferena X - (ou no) maior que a permitida, para
um dado valor de n. Em outras palavras, se t calculado (tcalc) maior que t tabelado
(ttab), deve-se concluir que houve um desvio maior que o estatisticamente permitido.
O valor de t tabelado procurado na Tabela 5.3 para (n - 1). sugerido ao leitor
comparar esse tipo de interpretao com aquele empregado para o teste Q.
t=
X n
s
(Equao 5.4)
36
x1 x 2
1 1 (n1 - 1)s12 + (n2 - 1)s 22
+
n1 n 2
n1 + n2 - 2
t=
x1 x 2
s12 + s 22
n -1
(Equao 5.5a)
(Equao 5.5b)
Obs. 1 - Quando utilizada a Equao 5.5a, procura-se na Tabela 5.3 o valor correspondente a 2n-2,
onde n o nmero de medies em paralelo realizadas com cada mtodo.
Obs. 2 - Quando n o mesmo, utiliza-se a Equao 5.5b; quando n diferente, utiliza-se a
Equao 5.5a.
Obs. 3 - Nos dois casos (eq 5.4 e Equao 5.5), a interpretao feita do seguinte modo:
a) localiza-se t calculado na Tabela 4.3.
b) observa-se19 que:
5.2.4. Teste F
O teste F, em contraposio ao teste t, empregado para avaliao
da preciso relativa de dois mtodos analticos. O parmetro s uma medida da
preciso. Entretanto, o simples conhecimento do valor numrico de s de pouco
auxlio para o analista, enquanto que o clculo de F, a partir da equao:
19
Na prtica costume considerar apenas a coluna central (P = 95%). Neste caso, se tcalc > ttab, conclui-se que a diferena
significativa. Caso contrrio (tcalc ttab), a diferena no significativa.
37
F=
s2A
s2B
(Equao 5.6)
1
2
3
4
5
6
7
8
9
10
P(%)
90
95
6,314 12,706
2,920 4,303
2,353 3,182
2,132 2,776
2,015 2,571
1,943 2,447
1,895 2,365
1,860 2,306
1,833 2,262
1,812 2,228
11
1,796
2,201
3,106
12
1,782
2,179
3,055
n1
99
63,657
9,925
5,841
4,608
4,032
3,707
3,499
3,355
3,250
3,169
n1
P(%)
95
2,160
2,145
2,131
2,120
2,110
2,101
2,093
2,086
2,060
2,042
13
14
15
16
17
18
19
20
25
30
90
1,771
1,761
1,753
1,746
1,740
1,734
1,729
1,725
1,708
1,697
99
3,012
2,977
2,947
2,921
2,891
2,878
2,861
2,845
2,787
2,750
38
8
9
10
1 161/4052 200/4999 216/5403 225/5625 230/5764 234/5859 237/5928 239/5981 242/6056 242/6056
2 18,5/98,5 19,0/99,0 19,2/99,2 19,2/99,2 19,3/99,3 19,3/99,3 19,4/99,4 19,4/99,4 19,4/99,4 19,4/99,4
3 10,1/34,1 9,6/30,8 9,3/29,5 9,1/28,7 8,9/28,9 8,9/27,9 8,9/27,7 8,8/27,5 8,8/27,2 8,8/27,2
4 7,7/21,2 6,9/18,0 6,6/16,7 6,4/16,0 6,2/15,5 6,2/15,2 6,1/15,0 6,0/14,8 6,0/14,5 6,0/14,5
5 6,6/16,3 5,8/13,3 5,4/12,1 5,2/11,4 5,1/11,0 5,0/10,7 4,9/10,5 4,8/10,3 4,8/10,1 4,7/10,1
4,8/9,8
4,5/9,2
4,4/8,8
4,3/8,5
4,2/8,3
4,2/8,1
4,1/7,9
4,1/7,9
6 6,0/13,7 5,1/10,9
4,7/9,6
4,4/8,4
4,1/7,8
4,0/7,5
3,9/7,2
3,8/7,0
3,7/6,8
3,6/6,6
3,6/6,6
7 5,6/12,2
4,5/8,6
4,1/7,6
3,8/7,0
3,7/6,6
3,6/6,4
3,5/6,2
3,4/6,0
3,4/5,8
3,4/5,8
8 5,3/11,3
4,3/8,0
3,9/7,0
3,6/6,4
3,5/6,1
3,4/5,8
3,3/5,6
3,2/5,5
3,1/5,3
3,1/5,3
9 5,1/10,6
4,1/7,6
3,7/6,6
3,5/6,0
3,3/5,6
3,2/5,4
3,1/5,2
3,1/5,1
3,0/4,8
3,0/4,8
10 5,0/10,0
3,9/6,9
3,5/6,0
3,3/5,4
3,1/5,1
3,0/4,8
2,9/4,6
2,8/4,5
2,8/4,4
2,8/4,3
12 4,8/9,3
Observao: Em cada quadrcula, o primeiro nmero corresponde a 95% de Probabilidade e o segundo nmero
a 99% de Probabilidade.
(n -1) para o mtodo B (denominador)
(Equao 5.7)
onde sR uma segunda estimativa do desvio padro, Kn uma constante que varia
com n (ver Tabela 5.5) e R a amplitude (do ingls Range). A ltima coluna da
Tabela 5.5 mostra a eficincia de sR na estimativa de . Na prtica, a estatstica
simplificada aplicada quando n 10.
5.4. Nmero Ideal de Medies
39
Kn
0,8862
0,5908
0,4857
0,4299
0,3946
0,3698
0,3512
0,3367
0,3249
eficincia*
1,00
0,99
0,98
0,96
0,93
0,91
0,89
0,87
0,85
t.s R
n
(eq. 5.8a)
L=
100
(eq. 5.8b)
20
21
Essa informao muito importante. O Autor sugere que nesse momento seja consultado o Apndice 8.
O valor de t obtido da Tabela 5.3, para cada valor de n.
40
AMOSTRA A
AMOSTRA B
1,04
15,10
1,03
14,90
0,98
14,95
sAR = 0, 029
n
2
3
4
5
6
1,414 12,706
1,732 4,303
2,000 3,182
2,236 2,776
2,449 2,571
1,02
15,05
0,96
14,94
1,02
15,02
1,03
14,97
1,05
14,99
sBR = 0, 065
amostra A: = 1%
L Diferena
0,260 26,0
0,072 7,2
18,8
0,046 4,6
2,6
0,036 3,6
1,0
0,030 3,0
0,6
amostra B: = 15%
L Diferena
0,584 3,9
0,161 1,1
2,8
0,103 0,7
0,4
0,081 0,5
0,2
0,068 0,4
0,1
conc 1%
0,3
conc 15%
0,2
0,1
0
0
nmero de repeties
41
R=
1
Ri
m
(Equao 5.9)
(Equao 5.10.a)
(Equao 5.10.b)
n
2
3
4
5
a
2,77
3,31
3,63
3,86
b
2,46
1,96
1,76
1,66
42
43
22
A incerteza de instrumentos de medio pode ser encontrada na Tabela 1.1 ou deduzida do prprio texto (Captulo 1).
44
O sinal gerado no detector registrado, sob a forma de um pico (fig. 3.5, p. 15).
45
X=
R=
sR =
F(s) =
F(sR) =
Ftab =
A
17,3
17,4
17,4
17,5
B
17,0
17,2
17,6
17,8
17,4
0,2
0,097
19,85
16,06
9,9
17,4
0,8
0,389
46
Objetivos:
47
1
10,01
10,09
9,91
10,03
9,95
2
10,02
10,07
9,95
10,01
9,92
medio
3
4
10,00
9,98
10,05
10,06
9,93
9,92
10,04
10,00
9,94
9,93
5
9,99
10,07
9,93
10,02
9,96
i1 (%)
0,48
0,47
0,48
0,48
0,48
Soma da incerteza na pipetagem com a incerteza do balo volumtrico (ver Tabela 1.1, pgina 7).
48
i1
20
0,02
0,2
i2
0,05
0,05
0,05
i3
1
1
1
i4
0,05
0,05
0,05
i5
1
0,19
i6
0,05
0,05
itotal
20,10
2,17
1,54
X1
0,809
1,023
1,012
soluo 1
X2
0,811
1,021
1,009
0,810
1,022
1,010
X a = 0,980;
X b = 0,999;
X c = 0,995;
X1
0,968
1,005
0,986
soluo 2
X2
0,970
1,007
0,983
0,969
1,006
0,984
Ra = 0,352;
sa = 0,1763;
Rb = 0,052;
sb = 0,0266;
Rc = 0,026;
sc = 0,0136;
X1
1,161
0,971
0,988
soluo 3
X2
1,161
0,969
0,991
saR = 0,208
sbR = 0,031
scR = 0,015
com sR:
a F1 = 43,76
b
a F1 = 45,06
b
a F2 = 163,53
c
a F2 = 192,27
c
b F3 = 3,74
c
b F3 = 4,27
c
Ftab = 19
1,162
0,970
0,990
49
Os clculos mostram que apenas entre (b) e (c) existe uma boa
concordncia, em termos de preciso (exatamente as tcnicas de melhor
preciso). Aplicao do teste t (usando s ou sR e Equao 5.5b), leva concluso
que as trs tcnicas so exatas (ttab = 4,3):
ta = 0,20; tb = 0,06; tc = 0,64
5.9. Confiabilidade Analtica
O conceito de limites de confiana (p. 34) implica na aceitao de
uma ocorrncia inevitvel dos erros estatsticos (incertezas). Todo o trabalho do
analista consiste em utilizar uma metodologia que minimize essa incerteza. A
confiabilidade da anlise demonstrada atravs da forma com que representado o
resultado. Para segurana do laboratrio, aconselhvel a auto-avaliao permanente
do trabalho na sua rotina (Controle de Qualidade Analtica). Essa avaliao
normalmente efetuada com auxlio de uma ferramenta simples, mas poderosa e
eficiente: o grfico de controle (Captulo 6). Mas o ideal a realizao de uma
avaliao estatstica completa, denominada Validao de Mtodos Analticos
(Apndice 8).
5.10. A Expresso do Resultado Analtico
Para explicitar o grau de confiabilidade em uma anlise,
necessrio indicar os limites de confiana. Na prtica, no lugar da expresso X
+ 3, comum os limites serem definidos a partir da amplitude. Assim, um
resultado Re representado como:
Re = X R/2
De acordo com esse procedimento, o conjunto de dados A do
exemplo apresentado na pgina 45 deve ser expresso como 17,4 + 0,1. Do
mesmo modo, o conjunto de dados B deve ser expresso como 17,4 + 0,4.
Entretanto, caso o mtodo tenha sido submetido a uma avaliao estatstica
completa, recomenda-se o uso da expresso geral ( t.Kn.R / n em vez de R),
onde n o nmero de replicatas.
50
Re = X t.K n .
R
n
ou
Re = M t.K n .
R
n
51
6 - GRFICOS DE CONTROLE
6.1. Finalidades
O Grfico de Controle um instrumento simples, sob o ponto de
vista de elaborao e utilizao, alm de prtico. Entretanto, pela quantidade de
informaes que ele fornece, uma arma eficiente e poderosa para o controle de
um processo. Realmente, a simples visualizao de um GC permite verificar se
o objeto em avaliao est sob controle ou no24.
6.2. Especificao
Antes de montar um GC, obviamente necessrio estabelecer os
critrios de controle. Esses critrios podem ser oriundos de:
a) mercado consumidor;
b) projeto;
c) normas oficiais.
O mercado consumidor divide-se em dois grupos: as indstrias de
processamento intermedirio (ex.: fbrica de artefatos de borracha) e o
consumidor final. Este ltimo, embora o mais atingido pela falta de controle,
quem menos se faz ouvir, por causas vrias, tais como falta de comunicao,
falta de organizao, cultura, etc., muitas delas mantidas pelo prprio sistema,
seja ele entendido como o poder pblico ou como o setor produtivo. O setor
pblico no o faz, por desinteresse, entre outras razes. A indstria, como um
todo (o leitor deve aqui se reportar Seo 1.1), por acreditar que controle de
qualidade significa custo adicional, embora na realidade este resulte em
aumento da lucratividade.
O prprio projeto de uma fbrica implica em uma especificao.
Melhor dizendo: por mais perfeito que seja o controle, h uma limitao que
24
O objetivo efetivo distinguir variaes comuns (aleatrias) de variaes provocadas por causas especiais.
52
25
Ver Apndice 7.
53
n = (t.s) / (d. X )
26
54
onde t encontrado na Tabela 5.3 (p. 37) para n tendendo para infinito (t=1,96),
s avaliado com auxlio da Equao 5.3 (p. 33), d o desvio (relativo mdia,
em porcentagem) mximo aceitvel e X a mdia esperada para a populao em
estudo. No caso de controle de processo, deve ser dada importncia frequncia
de amostragem. Aqui tambm so importantes a experincia em controle
estatstico e o conhecimento do processo. Evidentemente, a prpria preciso da
tcnica de mensurao de um caracterstico influi no tamanho da amostra.
Segundo Ruy de C. B. Loureno Filho (Ref. 22), um critrio
satisfatrio adotar n prximo de 10/P27.
Conforme ser visto nos prximos captulos, o tipo de plano de
amostragem, o nvel (severidade) de inspeo, a relao entre os riscos do
produtor e do consumidor e a relao entre preciso e o custo do controle
ajudam a estabelecer o tamanho da amostra.
55
VF
UP C
28
56
57
Figura 6.2 Grfico de Controle. A regio dentro dos limites de controle chama-se Zona de Controle.
58
LSC = LM + 3P/ n
(Equao 6.1a,b)
atributo
59
(Equao 6.2)
1
X1 + X 2 ..... + X k
k
(Equao 6.3)
29
Na realidade, trata-se de uma mdia de vrias (k) mdias. Portanto, o correto seria empregar a notao X . Mas a outra
notao mais simples, por isso ser adotada neste livro.
60
' = [ 2( n 1) 2 nc22 ] 2 . / 2n
Assim:
1
LSC = B2 .
61
LC = {1 [2(n-1)-2nc22]1/2} s
Igualmente como B1 e B2, so tabelados aqui os valores entre
colchetes (Tabela A17.2):
LIC = B3 . s
LSC = B4 . s
e a linha mdia LM = s .
Kn
= d2 .
e
e
onde D1 e D2 so encontrados na Tabela A17.3. Quando no conhecido, fazse uso da Equao 5.7 e da Tabela 5.5 (p. 39) e LM fica igual a R.
Consequentemente,
62
LC = (1 3 d3 Kn) R
Fazendo:
1 - (3.d3 . Kn) = D3
LIC = D3. R
LSC = D4 . R
p =
LIC = p 3 p / n
LSC = p + 3 p / n
63
ci
,
n i
c
,
k
64
LSC = c + 3 c
65
66
Figura 6.4.a,b Grficos de mostrando uma sequncia (a) e uma tendncia (b). O
nmero de pontos que caracterizam cada tipo de arranjo
indicado na Norma.
iv.
Falta de Variabilidade
Se por um lado apenas 0,3% dos pontos podem cair fora da zona
de controle, por outro no aceitvel que um nmero excessivamente grande de
pontos permanea prximo a LM, como na Fig. 6.5.b. Entre outras causas,
encontram-se amostragem incorreta ou tendenciosa e mensurao realizada com
instrumentos inadequados (baixa sensibilidade) ou por inspetores inexperientes.
Figura 6.5.a,b Grficos de mostrando uma sequncia (a) e uma tendncia (b). O
nmero de pontos que caracterizam cada tipo de arranjo
indicado na Norma.
V) Variabilidade Excessiva
Ao contrrio do caso anterior, a variabilidade excessiva (o oposto
daquele) indica uma diminuio na capacidade do processo. As causas podem
ser as mais variadas e todo o processo deve ser prontamente examinado. por
essa razo, tambm, que no se deve realizar to somente o controle do produto
67
final. Quanto maior for o nmero de pontos de amostragem, mais fcil fica a
avaliao.
6.7.5. Concluses
Como se pode observar tanto a confeco de um grfico de
controle, quanto a sua interpretao, so tarefas de fcil realizao.
Evidentemente os detalhes da especificao ficam por conta de cada usurio. No
Apndice 11, outros modelos mais avanados de grficos de controle so
discutidos.
68
7 - INSPEO DA QUALIDADE
7.1. Inspeo Completa versus Inspeo por Amostragem
A Inspeo de Qualidade tem como principal objetivo julgar um
produto visando a sua aquisio (Inspeo para Aceitao). Existem casos em
que necessria a inspeo completa (de todos os itens do lote ou partida),
tambm denominada inspeo 100%. Incluem-se entre esses poucos casos,
aqueles em que no se consegue evitar a heterogeneidade do lote. Entretanto,
alm de onerosa, a inspeo completa no pode ser realizada quando o teste
destrutivo.
A Inspeo por Amostragem, por sua vez, alm de ser mais
barata, mais rpida. Admitindo-se a possibilidade de falha humana na Inspeo
Completa, pode-se dizer que uma Inspeo por Amostragem bem planejada
pode ser to eficiente quanto a Inspeo Completa, em termos de evitar a
aceitao de produtos defeituosos.
69
7.3. No-conformidade
Se um item de produo, ao ser avaliado, seja na verificao de
uma varivel, seja de um atributo, apresentar-se fora de especificao, ser
considerado no-conforme. A existncia de itens no-conformes caracteriza uma
no-conformidade. O objetivo da inspeo de qualidade exatamente
quantificar essa no-conformidade.
70
71
Figura 7.2 Uma CCO tpica, com seus parmetros mais importantes.
1,0
(a) n = 100; a = 4
(b) n = 15; a = 0
(c) n = 100; a = 0
0,8
0,6
0,4
0,2
0,0
0,00
0,05
0,10
0,15
0,20
Qualidade do Lotes
72
Probabilidade de Aceitao
1,0
0,8
N = 100; n = 10
N = 1000; n = 100
N = 4000; n = 400
0,6
0,4
0,2
0,0
0
10
15
20
P%
73
8 PLANOS DE INSPEO
8.1. Introduo
Entende-se por plano de inspeo um conjunto de aes que
visam avaliar um produto (normalmente um lote de produo), com a finalidade
de aceitao. Tais planos de aceitao so regidos, no Brasil, por normas
emanadas da ABNT Associao Brasileira de Normas Tcnicas. Constam
desses planos as seguintes informaes:
a) Tamanho do Lote (N);
b) Nvel de inspeo;
c) Tamanho da Amostra (n);
d) Regime de inspeo;
e) Procedimento de Amostragem;
f) Nvel de Qualidade Aceitvel (NQA);
g) Nmero de Aceitao (a);
h) Curva Caracterstica de Operao (CCO);
i) Outras aes complementares, descritas mais adiante.
O NQA, a CCO e o nmero de aceitao (a) j foram descritos no
captulo anterior.
74
75
Tabela 8.1 - Cdigo de letras dos nveis de inspeo, para uso das Tabelas do Apndice 17.
I
B
B
B
C
C
D
E
F
G
H
J
K
L
M
N
Nveis de Inspeo
II III S-1 S-2 S-3
B B B B B
B C B B B
C D B B B
D E B B B
E F B B C
F G B B C
G H B C D
H J B C D
J K C C E
K L C D E
L M C D F
M N C D F
N P D E G
P Q D E G
Q R D E H
S-4
B
B
B
C
C
D
E
E
F
G
G
H
J
J
K
31
76
Inspecionar a amostra
de tamanho n
da
Aceitar o Lote
d>a
Rejeitar o Lote
b) Amostragem Dupla
Como o prprio nome revela, a amostragem dupla consiste em se
tomar duas amostras, de tamanhos no necessariamente iguais e fazendo a1 o
nmero de aceitao da primeira amostra (de tamanho n1) e a2 o nmero de
aceitao total das duas amostras (n2 o tamanho da segunda amostra). O
Esquema 8.2 explica o procedimento para aceitao de lotes por amostragem
dupla. As variaes citadas no item anterior so vlidas tambm para a
amostragem dupla, bem como para as demais tcnicas.
c) Amostragem sequencial
A amostragem sequencial semelhante amostragem dupla. A
diferena bsica que no se definem a priori os tamanhos das vrias amostras. O
nmero de amostras, isto , a extenso da sequncia tambm definida a posteriori.
Os clculos matemticos so menos elementares que os utilizados at aqui.
Entretanto, existe um mtodo grfico que embora simples, bastante til. O
exemplo mostrado a seguir exemplifica a tcnica de elaborao do grfico
(Esquema 8.3) e de utilizao do mesmo.
77
EXEMPLO:
Plano: P1 = 0,10; = 0,02; P2 = 0,30 e = 0,04.
Faz-se uso das equaes:
A = log
m1 =
1
;
B
;
g1 + g2
B = log
m2 =
1
;
A
;
g1 + g2
g1 = log
S =
P2
;
P1
g2
g1 + g2
g2 = log
1 P1
1 P2
a n = S. n m1
rn = S.n + m2
78
Aceitao
zona de rejeio
Rejeio
zona de indeciso
3
2
zona de aceitao
1
0
-1 0
15
30
45
60
75
90
-2
tens Inspecionados
Com os dados acima, traam-se os eixos coordenados, colocandose na abscissa o nmero de itens inspecionados e na ordenada o nmero de itens no
conformes. Em seguida, traam-se as retas correspondentes s equaes de an e
de rn. Para aplicao do grfico, o inspetor vai simplesmente plotando os valores
acumulados de d. Enquanto o tracejado (interligao dos pontos plotados) permanecer
na regio entre as duas retas (indeciso), prossegue-se com a inspeo. Quando um
ponto cair fora dessa regio, interrompe-se a inspeo, rejeitando-se (ou aceitando-se) o
lote, dependendo do ponto cair na regio superior (de rejeio) ou na regio
inferior (de aceitao).
d) Amostragem Mltipla
A amostragem mltipla tambm uma extenso da amostragem
dupla, tomando-se oito (8) amostras. O Esquema 8.4 ilustra bem a metodologia.
79
80
81
82
83
84
85
86
Mapeamento do processo
O incio de um trabalho de mapeamento de um processo
produtivo a elaborao de um fluxograma, onde as diversas etapas desse
processo so interligadas numa sequncia lgica. A Figura 9.1 um exemplo de
fluxograma.
87
Critrio 1
5
2
4
Critrio 2
3
3
2
Critrio 3
4
5
3
Produto
60
30
24
Anlise de disperso
Esta ferramenta tem como objetivo avaliar a intensidade da
correlao entre duas variveis (causa e efeito). A varivel independente (causa)
colocada na abscissa e a varivel dependente (efeito) colocada na ordenada.
A Figura A3.2 do Apndice 3 mostra um grfico de disperso. Uma forte
correlao (ver coeficiente de regresso, na pgina 17) fortalece a idia de que a
causa em estudo deve ser de fato a causa do problema. Maiores detalhes sero
discutidos no Apndice 14.
Planejamento de experimentos
Essa ferramenta extremamente til, na medida em que auxilia
na minimizao do nmero de experimentos necessrios para a obteno de
informao til. Tais procedimentos estatsticos permitem, atravs da realizao
de experimentos programados, a anlise de vrios fatores, seus nveis de
importncia e seus efeitos em um processo com muitas variveis. A
Quimiometria, nos dias de hoje, j se constitui em um ramo da Qumica
Analtica.
Anlise de varincia
88
32
89
Programas e Mtodos
A gesto para a qualidade pode ser estruturada em programas e
mtodos especficos, tais como:
Programa 5S
Benchmarking
Reengenharia
Kaizen
Just-in-Time
Anlise de Valor
Desdobramento da Funo Qualidade (DFQ)
Gesto de Cliente
Gesto das relaes com o Cliente
Senso de Utilizao
Senso de Ordenao
Senso de Limpeza
Senso de Sade
SHITSUKE
90
Senso de Autodisciplina
Liberao de espaos
Reaproveitamento e/ou melhor aproveitamento dos recursos
Combate ao excesso de burocracia
Diminuio de custos
Economia de tempo
Diminuio do cansao fsico
Melhoria do fluxo de pessoas e materiais
Maior facilidade para encontrar objetos e informaes
O seisou assim esquematiza os procedimentos de limpeza:
Bem-estar pessoal
Conservao de equipamentos
Preveno de acidentes
Sentimento de excelncia transmitido aos clientes
91
Praticar os sensos
Identificar e eliminar fontes de risco e de insalubridade
Cuidar do corpo e da mente
Estimular um clima de confiana, amizade e solidariedade
Embelezar o local de trabalho
Manter excelentes condies de higiene nas reas comuns
Os benefcios esperados so:
92
93
Diviso de responsabilidades;
Um layout adequado;
Um fluxograma coerente;
Um bom gerenciamento dos fornecedores.
So considerados mtodos do JIT:
Kanban (mais matria-prima para um novo lote somente quando o atual ficar
pronto);
Jidoka (autonomia para o operador parar a produo);
classificao:
94
Quanto s necessidades
Quanto hierarquizao
Funo de uso
Funo necessria
Funo principal
Funo de Status
Funo desnecessria
Funo secundria
Custo fixo
Custo varivel
Custo do material
Custo de impostos e taxas
Custo da mo-de-obra
Quanto aos elementos
Custo financeiro
Custo de depreciao
Custos diversos
Custo de amortizao
Custo global
Custo mdio
Quanto dimenso
Custo unitrio
Custo de reposio
Custo de aquisio Custo de manuteno
Quanto natureza
Custo de estoque
Custo de divulgao
Custo de produo Custo de comercializao
Valor de uso
Valor de status
Valor de custo
Valor de revenda
95
Os requisitos do cliente;
A importncia de cada requisito;
Os requisitos do projeto;
O relacionamento dos requisitos do cliente com os do projeto;
O relacionamento entre os requisitos do projeto;
O benchmarking interno;
O benchmarking externo;
A quantificao de cada requisito do projeto.
96
97
BIBLIOGRAFIA CONSULTADA
Abaixo apresentada uma lista de livros que serviram de fonte de
consulta na elaborao deste texto.
1. A. F. Branco Costa, E. K. Epprecht e L. C. R. Carpinetti, Controle Estatstico de
Qualidade, 2a Ed. Editora Atlas S. A. So Paulo, 2005.
2. A. I. Vogel, A Text-book of Quantitative Inorganic Analysis, including Elementary
Instrumental Analysis, 3a Ed. Longman Group Limited, London, 1961.
3. A. J. Duncan, Quality Control and Industrial Statistics, 4a Ed. Richard D. Irwin,
Inc. USA, 1974.
4. D. A. Skoog, D. M. West e F. J. Holler, Fundamentals of Analytical Chemistry, 7a
Ed. Thomson Learning Inc. USA, 1996.
5. E. M. Saniga e L. E. Shirland, Quality Control in Practice: A survey, Quality
Progress, 1977 May, pp 30-33.
6. E. P. Paladini et al., Gesto da Qualidade Teoria e Casos, Editora
Campus/Elsevier, So Paulo, 2006.
7. E. W. Clurczak, Validao de Mtodos em Espectroscopia para Anlises
Farmacuticas, Pharmaceutical Technology, junho, 1998.
8. F. P. Gomes, Curso de Estatstica Experimental, Escola Superior de Agricultura
Luiz de Queiroz, Piracicaba, S. Paulo, 1973.
9. G. Bendolan, Validao de Mtodos Cromatogrficos, So Paulo, 2000.
10. H. Kume, Mtodos Estatsticos para Melhoria da Qualidade, 6a Ed. Editora Gente,
So Paulo, 1993 (trad.).
11. H. G. Brittain, Validao de Mtodos Analticos no Cromatogrficos,
Pharmaceutical Technology, junho, 1998.
12. INMETRO INSTITUTO Nacional de Metrologia, Normalizao e Qualidade
Industrial, Orientaes sobre Validao de Mtodos e Ensaios Qumicos (DOQCGCRE-008), Reviso 01, maro de 2003.
13. J. C. Miller e J. N. Miller, Statistics for Analytical Chemistry, Ellis Horwood
Limited, West Sussex, England, 1984.
98
14. K. Ishikawa, Controle de Qualidade Total, Editora Campus Ltda., 6a Ed., Rio de
Janeiro, 1993 (trad.).
15. K. Eckschlager, Error, Measurement, and Results in Chemical Analysis, Van
Nostrand Reinhold Company, New York, 1969 (trad. Ingles: R. A. Chalmers,
University of Aberdeen).
16. L. S. Viveiros de Castro, Exerccios de Estatstica, 9a Ed. Editora Cientfica, Rio de
Janeiro, 1964.
17. M. E. Swartz e I. S. Krull, Validao de Mtodos Cromatogrficos, Pharmaceutical
Technology, junho, 1998.
18. M. V. Rodrigues, Aes para a Qualidade, Qualymark Editora, Ltda., So Paulo, 2004.
19. M. R. Spiegel, Estatstica, Editora McGraw-Hill do Brasil Ltda. (Coleo Schaum),
trad. Pedro Cosentino, So Paulo, 1972.
20. Paul G. Hoel, Estatstica Matemtica, Editora Guanabara Dois, Quarta Edio,
1980 (traduo).
21. R. Kieffer e L. Torbeck, Validao e Condies do Processo, Pharmaceutical
Technology, agosto, 1998.
22. R. C. B. Loureno Filho, Controle Estatstico de Qualidade, Livros Tcnicos e
Cientficos Editora, Rio de Janeiro, 1984.
23. S. Vieira e R. Wada, Estatstica Introduo Ilustrada, Editora Atlas, So Paulo, 1986.
24. S. K. Ekambaram, A Base Estatstica dos Grficos de Controle de Qualidade, Editora
Polgono, So Paulo, 1972 (trad. Portugus: Miguel Cezar Santoro, EPUSP).
25. V. Mirshawka, Controle da Qualidade Industrial, Centro de Desenvolvimento da
Qualidade Industrial, So Paulo, 1986.
26. V. Mirshawka, Testes de Qualidade, Nobel, So Paulo, 1987.
27. V. Mirshawka, Manuteno Preditiva, Makron Books do Brasil Editora Ltda., So
Paulo, 1991.
99
1. Introduo
Em Qumica Analtica (particularmente na Anlise Instrumental)
comum a necessidade de construo de uma curva de calibrao, que um
grfico de disperso, onde uma propriedade fsica do analito correlacionada
com a sua concentrao. Muito embora em alguns instrumentos se trate de fato
de uma curva, muitas vezes (e isso desejvel33) o comportamento de fato
linear. Entretanto, mesmo nesses casos, a linearidade s obedecida em um
intervalo de concentrao. A seguir so abordados alguns procedimentos
relacionados com a confiabilidade de tais curvas.
2. Faixa de Linearidade
O intervalo onde o comportamento linear, denominado Faixa de
Linearidade ou Regio Linear, tem incio no Limite de Deteco34 (ou,
preferencialmente, j que o objetivo uma quantificao, no Limite de
Quantificao35). O limite superior do intervalo linear, assim como o Limite de
Deteco/Quantificao, deve ser alvo de avaliao peridica. que esses
limites variam, para um mesmo analito, em funo de caractersticas do
instrumento que por sua vez tambm variam com o tempo. Exemplo disso um
espectrofotmetro, cujo desempenho depende, entre outros fatores, do tempo de
uso da lmpada.
33
No trecho no linear a inclinao tende para zero, diminuindo a sensibilidade da curva em distinguir duas
concentraes diferentes.
34
Limite de Deteco (LD) a menor quantidade do analito que pode ser detectado. De acordo com a ANVISA
(Resoluo - RE n 899, de 29 de maio de 2003), pode ser estimado com base na relao de trs vezes o rudo da linha
de base, com auxlio da relao LD = 3 DP/b, onde DP o desvio padro de a, onde a e b so os coeficientes da
equao da reta de regresso resultante da calibrao.
35
O Limite de Quantificao (LQ) calculado do mesmo modo que o LD, com auxlio da equao LD = 10 DP/b (tambm de
acordo com a Resoluo - RE n 899, de 29 de maio de 2003 da ANVISA), constituindo-se na concentrao mnima
determinvel com preciso e exatido aceitveis.
100
36
101
#
01
02
03
04
05
06
07
08
09
10
11
Conc.
0,01
0,02
0,05
0,10
0,20
0,50
1,00
2,00
5,00
10,00
20,00
Sinal
1,720
3,314
8,833
18,026
36,909
86,405
166,870
316,130
701,160
1229,750
2025,150
Sinal/Conc.
172,00
165,70
176,66
180,26
184,54
172,81
166,87
158,06
140,23
122,98
101,26
102
r
Aumento
0,9929
0,9971
0,42
0,9984
0,13
0,9995
0,11
0,9997
0,02
0,9996
n/c
0,9999
n/c
0,9999
n/c
0,9996
n/c
Sinal
2000
1500
1000
500
0
0
10
15
20
Concentrao
25
103
1400
y = 124,71x + 21,457
1200
Sinal
1000
800
600
400
200
0
0
10
12
Concentrao
700
600
Sinal
500
400
300
200
100
0
0
Concentrao
300
Sinal
250
200
150
100
50
0
0
0,5
1,5
Concentrao
2,5
104
180
y = 167x + 1,1592
160
140
Sinal
120
100
80
60
40
20
0
0
0,2
0,4
0,6
0,8
1,2
Concentrao
Sinal
y = 173,33x + 0,4457
0,1
0,2
0,3
0,4
0,5
0,6
Concentrao
35
30
Sinal
25
20
15
10
5
0
0
0,05
0,1
0,15
0,2
Concentrao
0,25
105
Sinal
20
18
16
14
12
10
8
6
4
2
0
y = 182,15x - 0,2236
0,02
0,04
0,06
0,08
0,1
0,12
Concentrao
Sinal
y = 179,24x - 0,1575
0,01
0,02
0,03
0,04
0,05
0,06
Concentrao
Sinal/Concentrao
190
185,47
170
148,27
150
130
110
90
0,01
0,1
10
100
Concentrao
106
sr =
sb = sr
yi y a 2 x i x
N-2
1
(x i ) 2
N
2
x i
(equao A1.1)
(equao A1.2)
(equao A1.3)
(equao A1.4)
x i
y
e y= i
n
n
107
Mdia 3,53
417,66
Quadro A1.3 Dados para uso do terceiro procedimento.
As equaes A1.1 e A1.2 fornecem, respectivamente: a = 104,15
e b = 49,526. As equaes A1.3 e A1.4 fornecem, respectivamente, o desvio
padro da reta (sr) e o desvio padro de b (sb):
sr = 82,60 e sb = 28,94
Aplicando o valor de s b expresso b t.s b/ n ,
considerando o valor de t (Student) para n 1 = 10 e um nvel de
confiana de 95% (2,228), os Limites de Confiana de b so dados por:
LC = 49,53 19,44
108
Quadro A1.5 Nmero do sapato e altura (m) de rapazes (M) e moas (F).
109
110
sa =
s 2r
xi x
37
111
112
113
Probabilidade de Aceitao
1,0
0,9
0,8
0,7
0,6
a=0
a=4
a = 12
0,5
0,4
0,3
0,2
0,1
0,0
0
10
15
20
25
Nmero de Defeituosos
Figura A.2.3 Curva Caracterstica de Operao (CCO) obtida com o Origin.
PA (probabilidade de
aceitao)
1,000
a=0
0,500
a=1
a=2
0,000
0
0,05
0,1
0,15
114
c) Statistica
O Statistica um aplicativo da StatSoft Brasil
(www.statsoft.com.br). A nova verso 6.0 apresenta as seguintes caractersticas:
1.
2.
3.
4.
115
40
20
0
1
Varivel
1,459
1,458
ndice de refrao
Freqncia
60
r = - 0,86
1,457
1,456
1,455
75
80
85
90
95
100
105
116
12
10
8
6
4
2
X Axis
Z Ax
is
117
Leitura
9,988
9,973
9,986
9,980
9,975
9,982
9,986
9,982
9,981
9,990
Repetio
11
12
13
14
15
16
17
18
19
20
Leitura
9,980
9,986
9,978
9,971
9,982
9,983
9,988
9,975
9,980
9,994
Repetio
21
22
23
24
25
26
27
28
29
30
Leitura
9,992
9,984
9,981
9,987
9,978
9,983
9,982
9,991
9,981
9,969
Repetio
31
32
33
34
35
36
37
38
39
40
Leitura
9,985
9,977
9,976
9,983
9,976
9,990
9,988
9,971
9,986
9,978
Repetio
41
42
43
44
45
46
47
48
49
50
Leitura
9,986
9,982
9,977
9,977
9,986
9,978
9,983
9,980
9,984
9,979
M
s
Mx. Mn. Amplitude
X
9,982 9,982 0,0054 9,990 9,973
0,017
9,982 9,982 0,0059 9,994 9,971
0,023
9,982 9,982 0,0060 9,994 9,969
0,025
9,982 9,982 0,0060 9,994 9,969
0,025
9,982 9,982 0,0056 9,994 9,969
0,025
Grupos de dados extrados do Quadro A4.1, com
seus respectivos parmetros estatsticos (mdia,
mediana, desvio-padro, valor maior, valor menor e
amplitude).
118
Itens no Intervalo
2
0
2
2
2
2
10
% no Intervalo
20,0
0,0
20,0
20,0
20,0
20,0
100,0
119
Intervalo
9,971-9,973
9,974-9,976
9,977-9,979
9,980-9,982
9,983-9,985
9,986-9,988
9,989-9,991
9,992-9,994
Total
Itens no Intervalo
2
2
1
7
1
5
1
1
20
% no Intervalo
10,0
10,0
5,0
35,0
5,0
25,0
5,0
5,0
100,0
Itens no Intervalo
2
1
2
5
9
4
3
3
1
30
% no Intervalo
6,7
3,3
6,7
16,7
30,0
13,3
10,0
10,0
3,3
100,0
Itens no Intervalo
3
1
5
6
10
6
4
4
1
40
% no Intervalo
7,5
2,5
12,5
15,0
25,0
15,0
10,0
10,0
2,5
100,0
120
Intervalo
9,969-9,971
9,972-9,974
9,975-9,977
9,978-9,980
9,981-9,983
9,984-9,986
9,987-9,989
9,990-9,992
9,993-9,995
Total
Itens no Intervalo
3
1
7
9
12
9
4
4
1
50
% no Intervalo
6,0
2,0
14,0
18,0
24,0
18,0
8,0
8,0
2,0
100,0
Freqncia (%)
30
20
10
0
1
Intervalos
Freqncia (%)
30
20
10
0
1
Intervalos
121
40
Freqncia (%)
30
20
10
0
1
Intervalos
Freqncia (%)
30
20
10
0
1
Intervalos
Freqncia (%)
30
20
10
0
1
Intervalos
122
Teste de Hipteses
H0
Ru Inocente
Deus
Jri
H1
absolveu condenou
Decis o
Correta
Parabns!
(1-)
Deciso
Errada
Deus
Jri
Ru Culpado
absolveu condenou
Deciso
Errad a
Decis o
Correta
Erro Tipo I
()
Erro Tipo II
()
Parabns!
(1-)
Falha da Justia
Falha da Justia
123
Logo,
38
z=
( X ) n
(equao A5.1)
(5,75 - 5,60). 5
= 3,36
0,1
Entende-se por acerto a concordncia entre a informao do teste estatstico e a realidade da populao.
124
Teste de Hipteses
H0
H1
confirmou
errou
Deus
Teste
confirmou
X fora
dos Limites
X dentro
dos Limites
X fora
dos Limites
X dentro
dos Limites
Parabns!
(1-)
Erro Tipo I
()
Erro Tipo II
()
Parabns!
(1-)
125
Um operador (analista);
Um instrumento analtico;
Os materiais (reagentes, vidraria, a prpria amostra, etc.);
Um mtodo;
Um conjunto de condies ambientais (temperatura, presso, umidade,
pH, etc.).
126
127
repeties, n, que foi o mesmo para ambos. Para simplificar, os desvios padro
so iguais nos dois conjuntos. Para tanto, foram imaginadas as seguintes
situaes (Quadro A5.1):
Situao
1
2
3
4
5
6
7
8
9
Mdia
A
B
9,9 10,0
9,9 10,0
9,9 10,0
9,9 10,0
9,9 10,0
9,9 10,0
9,9 10,0
9,9 10,0
9,9 10,0
Desvio padro
Situao
0,02
0,02
0,02
0,2
0,2
0,2
0,5
0,5
0,5
3
5
7
3
5
7
3
5
7
10
11
12
13
14
15
16
17
18
Mdia
A
B
9,7 10,0
9,7 10,0
9,7 10,0
9,7 10,0
9,7 10,0
9,7 10,0
9,7 10,0
9,7 10,0
9,7 10,0
Desvio padro
0,02
0,02
0,02
0,2
0,2
0,2
0,5
0,5
0,5
3
5
7
3
5
7
3
5
7
Quadro A5.1 Pares de conjuntos de dados com diferentes valores de desvio padro,
nmero de repeties e diferena entre as mdias.
tcalculado
9,354
9,354
9,354
0,935
0,935
0,935
0,374
0,374
0,374
ttabelado
4,303
2,776
2,447
4,303
2,776
2,447
4,303
2,776
2,447
Concluso (1)
SIM
SIM
SIM
NO
NO
NO
NO
NO
NO
Situao
10
11
12
13
14
15
16
17
18
tcalculado
28,062
28,062
28,062
2,806
2,806
2,806
1,122
1,122
1,122
ttabelado
4,303
2,776
2,447
4,303
2,776
2,447
4,303
2,776
2,447
Concluso (1)
SIM
SIM
SIM
NO
SIM
SIM
NO
NO
NO
Quadro A5.2 Resultado do teste t aplicado aos pares de conjuntos de dados do Quadro A4.1.
128
10
B
8
6
4
2
0
9
9,5
10
10,5
11
10
B
8
6
4
2
0
9
9,5
10
10,5
11
8
6
4
2
0
9
9,5
10
10,5
11
8
6
4
2
0
9
9,5
10
10,5
11
129
10
B
8
6
4
2
0
9
9,5
10
10,5
11
8
6
4
2
0
9
9,5
10
10,5
11
8
6
4
2
0
9
9,5
10
10,5
11
130
12
39
131
0
0
12
Frequncia simples
74
86
88
89
99
104
107
109
110
111
113
115
134
1
1
1
1
2
1
2
1
1
1
1
1
1
Frequncia Acumulada
absoluta
Relativa
1
6,3
2
12,5
3
18,8
4
25,0
6
37,5
7
43,8
9
56,3
10
62,5
11
68,8
12
75,0
13
81,3
14
87,5
15
93,8
132
133
99,5
99
98
95
90
80
70
60
50
40
30
20
y = 0,0577x - 5,90421
r = 0,97397
10
5
2
1
0,5
60
70
80
90
100
110
120
130
140
150
Dados
1
2n
134
(i 0,5)
e i o nmero da amostra.
n
xi x
s
Dados
74
86
88
89
99
99
104
107
107
109
110
111
113
115
134
zi
-1,99
-1,17
-1,03
-0,96
-0,27
-0,27
0,07
0,27
0,27
0,41
0,48
0,55
0,69
0,82
2,13
F(zi)a
0,0594
0,1469
0,2177
0,2546
0,3783
0,6217
0,7704
0,8264
0,8770
0,8869
0,8869
0,8869
0,8869
0,8869
0,8869
F0,5
0,03
0,10
0,17
0,23
0,30
0,37
0,43
0,50
0,57
0,63
0,70
0,77
0,83
0,90
0,97
g
0,03
0,05
0,05
0,02
0,08
0,26
0,34
0,33
0,31
0,25
0,19
0,12
0,05
0,01
0,08
gmax
x = 103; s = 14,6
Quadro A6.2 Dados para teste de normalidade pelo
mtodo de Kolmogorov-Smirnov.
(a) As probabilidades so obtidas da Tabela A6.2, a partir dos
valores de zi. Com valores de zi negativos subtrair o valor tabelado
de 0,5. Para valores de zi positivos, somar 0,5 ao valor tabelado.
135
Dcrtico
0,20904
0,24932
0,24518
0,23857
0,23272
0,22377
0,21671
0,21072
0,20621
n
12
13
14
15
16
17
18
19
20
Dcrtico
0,20329
0,19379
0,19057
0,18648
0,18263
0,17906
0,17419
0,16963
0,16720
136
zo
zo
zo
zo
zo
zo
0,00
0,01
0,02
0,03
0,04
0,05
0,06
0,07
0,08
0,09
0,10
0,11
0,12
0,13
0,14
0,15
0,16
0,17
0,18
0,19
0,20
0,21
0,22
0,23
0,24
0,25
0,26
0,27
0,28
0,29
0,30
0,31
0,32
0,33
0,34
0,35
0,36
0,37
0,38
0,39
0,40
0,41
0,42
0,43
0,44
0,45
0,46
0,47
0,48
0,49
0,50
0,51
0,52
0,53
0,54
0,55
0,56
0,57
0,58
0,59
0,0000
0,0040
0,0080
0,0120
0,0160
0,0199
0,0239
0,0279
0,0319
0,0359
0,0398
0,0438
0,0478
0,0517
0,0557
0,0596
0,0636
0,0675
0,0714
0,0753
0,0793
0,0832
0,0871
0,0910
0,0948
0,0987
0,1026
0,1064
0,1103
0,1141
0,1179
0,1217
0,1255
0,1293
0,1331
0,1368
0,1406
0,1443
0,1480
0,1517
0,1554
0,1591
0,1628
0,1664
0,1700
0,1736
0,1772
0,1808
0,1844
0,1879
0,1915
0,1950
0,1985
0,2019
0,2054
0,2088
0,2123
0,2157
0,2190
0,2224
0,60
0,61
0,62
0,63
0,64
0,65
0,66
0,67
0,68
0,69
0,70
0,71
0,72
0,73
0,74
0,75
0,76
0,77
0,78
0,79
0,80
0,81
0,82
0,83
0,84
0,85
0,86
0,87
0,88
0,89
0,90
0,91
0,92
0,93
0,94
0,95
0,96
0,97
0,98
0,99
1,00
1,01
1,02
1,03
1,04
1,05
1,06
1,07
1,08
1,09
1,10
1,11
1,12
1,13
1,14
1,15
1,16
1,17
1,18
1,19
0,2257
0,2291
0,2324
0,2357
0,2389
0,2422
0,2454
0,2486
0,2517
0,2549
0,2580
0,2611
0,2642
0,2673
0,2704
0,2734
0,2764
0,2794
0,2823
0,2852
0,2881
0,2910
0,2939
0,2967
0,2995
0,3023
0,3051
0,3078
0,3106
0,3133
0,3159
0,3186
0,3212
0,3238
0,3264
0,3289
0,3315
0,3340
0,3365
0,3389
0,3413
0,3438
0,3461
0,3485
0,3508
0,3531
0,3554
0,3577
0,3599
0,3621
0,3643
0,3665
0,3686
0,3708
0,3729
0,3749
0,3770
0,3790
0,3810
0,3830
1,20
1,21
1,22
1,23
1,24
1,25
1,26
1,27
1,28
1,29
1,30
1,31
1,32
1,33
1,34
1,35
1,36
1,37
1,38
1,39
1,40
1,41
1,42
1,43
1,44
1,45
1,46
1,47
1,48
1,49
1,50
1,51
1,52
1,53
1,54
1,55
1,56
1,57
1,58
1,59
1,60
1,61
1,62
1,63
1,64
1,65
1,66
1,67
1,68
1,69
1,70
1,71
1,72
1,73
1,74
1,75
1,76
1,77
1,78
1,79
0,3849
0,3869
0,3888
0,3907
0,3925
0,3944
0,3962
0,3980
0,3997
0,4015
0,4032
0,4049
0,4066
0,4082
0,4099
0,4115
0,4131
0,4147
0,4162
0,4177
0,4192
0,4207
0,4222
0,4236
0,4251
0,4265
0,4279
0,4292
0,4306
0,4319
0,4332
0,4345
0,4357
0,4370
0,4382
0,4394
0,4406
0,4418
0,4429
0,4441
0,4452
0,4463
0,4474
0,4484
0,4495
0,4505
0,4515
0,4525
0,4535
0,4545
0,4554
0,4564
0,4573
0,4582
0,4591
0,4599
0,4608
0,4616
0,4625
0,4633
1,80
1,81
1,82
1,83
1,84
1,85
1,86
1,87
1,88
1,89
1,90
1,91
1,92
1,93
1,94
1,95
1,96
1,97
1,98
1,99
2,00
2,01
2,02
2,03
2,04
2,05
2,06
2,07
2,08
2,09
2,10
2,11
2,12
2,13
2,14
2,15
2,16
2,17
2,18
2,19
2,20
2,21
2,22
2,23
2,24
2,25
2,26
2,27
2,28
2,29
2,30
2,31
2,32
2,33
2,34
2,35
2,36
2,37
2,38
2,39
0,4641
0,4649
0,4656
0,4664
0,4671
0,4678
0,4686
0,4693
0,4699
0,4706
0,4713
0,4719
0,4726
0,4732
0,4738
0,4744
0,4750
0,4756
0,4761
0,4767
0,4772
0,4778
0,4783
0,4788
0,4793
0,4798
0,4803
0,4808
0,4812
0,4817
0,4821
0,4826
0,4830
0,4834
0,4838
0,4842
0,4846
0,4850
0,4854
0,4857
0,4861
0,4864
0,4868
0,4871
0,4875
0,4878
0,4881
0,4884
0,4887
0,4890
0,4893
0,4896
0,4898
0,4901
0,4904
0,4906
0,4909
0,4911
0,4913
0,4916
2,40
2,41
2,42
2,43
2,44
2,45
2,46
2,47
2,48
2,49
2,50
2,51
2,52
2,53
2,54
2,55
2,56
2,57
2,58
2,59
2,60
2,61
2,62
2,63
2,64
2,65
2,66
2,67
2,68
2,69
2,70
2,71
2,72
2,73
2,74
2,75
2,76
2,77
2,78
2,79
2,80
2,81
2,82
2,83
2,84
2,85
2,86
2,87
2,88
2,89
2,90
2,91
2,92
2,93
2,94
2,95
2,96
2,97
2,98
2,99
0,4918
0,4920
0,4922
0,4925
0,4927
0,4929
0,4931
0,4932
0,4934
0,4936
0,4938
0,4940
0,4941
0,4943
0,4945
0,4946
0,4948
0,4949
0,4951
0,4952
0,4953
0,4955
0,4956
0,4957
0,4959
0,4960
0,4961
0,4962
0,4963
0,4964
0,4965
0,4966
0,4967
0,4968
0,4969
0,4970
0,4971
0,4972
0,4973
0,4974
0,4974
0,4975
0,4976
0,4977
0,4977
0,4978
0,4979
0,4979
0,4980
0,4981
0,4981
0,4982
0,4982
0,4983
0,4984
0,4984
0,4985
0,4985
0,4986
0,4986
3,00
3,01
3,02
3,03
3,04
3,05
3,06
3,07
3,08
3,09
3,10
3,11
3,12
3,13
3,14
3,15
3,16
3,17
3,18
3,19
3,20
3,21
3,22
3,23
3,24
3,25
3,26
3,27
3,28
3,29
3,30
3,31
3,32
3,33
3,34
3,35
3,36
3,37
3,38
3,39
3,40
3,42
3,44
3,46
3,48
3,50
3,54
3,58
3,62
3,66
3,70
3,74
3,78
3,82
3,86
3,90
0,4987
0,4987
0,4987
0,4988
0,4988
0,4989
0,4989
0,4989
0,4990
0,4990
0,4990
0,4991
0,4991
0,4991
0,4992
0,4992
0,4992
0,4992
0,4993
0,4993
0,4993
0,4993
0,4994
0,4994
0,4994
0,4994
0,4994
0,4995
0,4995
0,4995
0,4995
0,4995
0,4995
0,4996
0,4996
0,4996
0,4996
0,4996
0,4996
0,4997
0,4997
0,4997
0,4997
0,4997
0,4997
0,4998
0,4998
0,4998
0,4999
0,4999
0,4999
0,4999
0,4999
0,4999
0,4999
0,5000
137
APNDICE 7 METROLOGIA.
A Metrologia a cincia das medies. Seu objetivo assegurar a
necessria preciso do processo produtivo, de modo a garantir a qualidade de
produtos e servios. Para tanto, exige a correta calibrao de instrumentos de
medio e a conseqente confiabilidade dos ensaios. Evidentemente, a
Metrologia tambm exige o conhecimento dos pesos e medidas e dos sistemas
de unidades. Desse modo, a Metrologia a base da Confiabilidade Analtica,
preconizada pelas normas ISO 9000 e ISO 17025.
A Metrologia est dividida em trs grandes reas:
A Metrologia Cientfica, que utiliza instrumentos
laboratoriais, pesquisas e metodologias cientficas que
tm por base padres de medio nacionais e
internacionais com o objetivo de atingir altos nveis de
qualidade.
A Metrologia Industrial cujos sistemas de medio
controlam processos produtivos industriais e so
responsveis pela garantia da qualidade dos produtos
acabados.
A metrologia Legal, que est relacionada a sistemas de
medio usados nas reas de sade, segurana e meio
ambiente.
138
139
Conceito
Analito
Amostra
Matriz
Alquota
Branco
Replicata
Exceo (outlier)
Preciso
Repetitividade
Preciso Intermediria
Reprodutibilidade
Exatido (a)
Recuperao (R)
Limite de deteco (LD)
Limite de quantificao (LQ)
Linearidade
Faixa de trabalho
Especificidade
Seletividade
Robustez
Sensibilidade
Sensitividade
Coeficiente de correlao (r)
Coeficiente de determinao (r2)
Material de referncia certificado
Incerteza (I)
140
Definio
Substncia objeto da anlise (identificao e/ou quantificao).
Material a ser analisado contendo (ou suspeito de conter) o analito.
Conjunto de todos os componentes naturais de uma amostra, exceto o analito.
Frao idealmente representativa da amostra, retirada para anlise (ensaio, exame).
Soluo obtida seguindo o mesmo procedimento para a preparao da amostra, sem adicion-la.
Cada uma das leituras repetidas de uma amostra.
Em um conjunto de replicatas, um valor suspeito de estar dotado de erro grosseiro.
Grau de concordncia entre medidas de uma mesma amostra.
Preciso medida sob condies idnticas (mesmo analista, mesmo instrumental, mesma ocasio, etc.).
Como a Repetitividade, alterando uma das variveis (analista, instrumental, ocasio, etc.).
Preciso medida entre diferentes laboratrios.
Medida da diferena entre a mdia aritmtica das replicatas e um valor aceito como verdadeiro.
Medida da eficincia do procedimento analtico em expor deteco toda a massa do analito existente na amostra.
Menor concentrao do analito em uma amostra que pode ser detectada. Existe o limite de deteco do mtodo e do instrumento de medio.
Menor concentrao do analito em uma amostra que pode ser quantificada com a preciso exigida.
Habilidade de produzir um sinal diretamente proporcional concentrao do analito.
Faixa de interesse da concentrao do analito.
Capacidade de medir o analito na presena de outros componentes existentes na matriz (o mtodo no detecta os demais).
Capacidade de medir o analito na presena de outros componentes existentes na matriz (o mtodo detecta os demais, mas distingue uns dos outros).
Capacidade de um mtodo de no sofrer influncia de alteraes nas condies analticas.
Mede a intensidade da variao do sinal (resposta) com a concentrao do analito.
Expresso empregada em espectrofotometria, equivalente ao Limite de Deteco.
Mede a intensidade da correlao entre duas variveis.
Mede a proporo da variabilidade de uma varivel que explicada pela variabilidade de outra.
Padro cuja concentrao certificada por organismos reconhecidos e confiveis (NIST, etc.).
Mede a impreciso global do mtodo. Associada mdia X das replicatas, exprime o Resultado Final (Re = X I)
Conceito
Exceo (outlier)
Repetitividade
Preciso Intermediria
Reprodutibilidade
Exatido
Recuperao (adio de padro)
Limite de deteco(b)
Limite de quantificao(b)
Linearidade
Faixa de trabalho
Especificidade
Seletividade
Robustez
Sensibilidade
Incerteza
141
Teste/Parmetro
Teste Q.
Teste t.
Teste t.
Teste t.
Ver Recuperao.
R (%) = 100 x (C1 C2)/C3.(a)
Concentrao que gera um sinal igual ao dobro do rudo.
Concentrao que gera um sinal dez vezes maior que o rudo.
Coeficiente de correlao (regresso linear). Ver Apndice 1.
No usa estatstica.
No usa estatstica.
Teste t.
Teste t.
Coeficiente angular da reta de regresso.
t.s/
142
LSE - LIE
6 P
(Equao A9.1)
143
3p
3p
Cpm =
(Equao A9.2)
LSE - LIE
(Equao A9.3)
6 2p + ( E - p ) 2
P
5
6
7
8
9
10
7
6
P
1
1
1
1
1
1
0,5
0,5
Cp
1
1
1
1
1
1
2
2
Cpk
1,000
0,667
0,333
0,000
- 0,333
- 0,667
0,667
1,333
Com
1,000
0,707
0,447
0,316
0,243
0,196
0,485
0,894
PFE (a)
0,27
2,27
15,87
50,00
84,13
97,73
2,27
0,00
Quadro A9.1 Valores de ICP para diferentes situaes (LIE = 2 e LSE = 8).
40
Esta notao indica que deve ser considerado o termo que corresponder ao menor valor.
144
P o r c e n t a g e m d e it e n s n o - c o n f o r m e s
1 ,0
0 ,5
0 ,0
-0 ,5
-1 ,0
0
20
40
60
80
100
C pk
145
finalmente:
146
2) Caso 2
147
X1
143
141
142
137
137
145
137
144
140
132
137
142
136
142
139
140
134
138
140
145
X2
137
142
137
147
146
144
145
142
132
135
142
142
142
144
146
145
147
145
145
145
LM = 140,76
LIC = 135,74
LSC = 145,78
X3
145
147
145
142
142
146
144
143
144
136
142
143
140
140
143
142
143
141
143
137
X4
137
140
140
137
142
148
137
135
145
130
145
140
139
138
140
139
141
137
144
138
X5
mdia
138
140,0
140
142,0
132
139,2
135
139,6
140
141,4
149
146,4
140
140,6
144
141,6
141
140,4
141
134,8
143
141,8
135
140,4
137
138,8
143
141,4
139
141,4
137
140,6
142
141,4
141
140,4
138
142,0
140
141,0
Mdias
140,76
LM = 140,78; Rmdio= 8,78
LIC = 135,71
LSC = 145,85
R
8
7
13
12
9
5
8
9
13
11
8
8
6
6
7
8
13
8
7
8
8,70
148
149
150
Teste de Hipteses
H0
H1
Errou
GC Errou
X dentro
dos Limites
X fora
dos Limites
X dentro
dos Limites
X fora
dos Limites
Parabns
Alarme Falso
No deteco
Poder
Confirmou
151
( LSC 1 )
[ 0 + k 1 ( 0 + 0 )]
= k n
(Equao A11.1)
1 0
mede a intensidade do deslocamento da linha mdia
0
(descentralizao do processo). A diviso por 0 visa manter a unidade de
medida em termos de desvio-padro. Como se v, Pd depende de e de n
(tamanho da amostra).
onde =
152
41
42
Tambm conhecido como comprimento mdio da corrida (Em ingls: Average Run Lenght - ARL).
At ento tem sido usada uma abertura (LSC LIC) igual a 3, mas esse nmero pode variar. Genericamente, vale k.
153
0,25
0,50
0,75
1,00
1,25
1,50
2,00
3,00
z
2,646
2,293
1,939
1,586
1,232
0,879
0,172
-1,243
3
Pd
0,004
0,011
0,026
0,056
0,109
0,189
0,432
0,892
Z
2,567
2,134
1,701
1,268
0,835
0,402
-0,464
-2,196
4
Pd
0,005
0,017
0,045
0,102
0,202
0,345
0,677
0,986
z
2,500
2,000
1,500
1,000
0,500
0,000
-1,000
-3,000
5
Pd
0,006
0,023
0,067
0,159
0,308
0,500
0,841
0,999
z
2,441
1,882
1,323
0,764
0,205
-0,354
-1,472
-3,708
9
Pd
0,007
0,030
0,093
0,222
0,419
0,638
0,929
1,000
z
2,250
1,500
0,750
0,000
-0,750
-1,500
-3,000
-6,000
Pd
0,012
0,067
0,227
0,500
0,773
0,933
0,999
1,000
16
z
2,000
1,000
0,000
-1,000
-2,000
-3,000
-5,000
-9,000
Pd
0,023
0,159
0,500
0,841
0,977
0,999
1,000
1,000
Poder
1,200
1,000
n=2
0,800
n=3
n=4
0,600
n=5
0,400
n=9
0,200
n = 16
0,000
1
Deslocamento
154
Durao da produo;
Custo da inspeo;
Durao da inspeo;
Estabilidade do processo;
Prejuzo por no atuar no processo.
A rigor, podem ser consideradas duas frequncias especiais de
amostragem:
155
(Equao A11.2)
5. Outros tipos de GC
Alm dos grficos de variveis j estudados no Captulo 6 ( X , R
e s ), outros grficos foram criados em anos mais recentes, que so muito teis
na tarefa bsica de deteco de no-conformidades, particularmente em
processos cuja variabilidade muito pequena. So eles o grfico CUSUM e o
grfico EWMA.
Grfico CUSUM
156
Si = (X j 0 )
(Equao A11.3)
j=1
(Equao A11.4)
(Equao A11.5)
C i+ = max 0, x i ( 0 + K ) + C i+1
C i = max 0, ( 0 K ) x i + C i1
157
C 0+ = C 0 = 0 e K =
0 1
(Equao A11.6)
dados por:
2i
LC = 0 k 0
1 (1 )
2
158
2-
159
Tabela A11.1 Dados para construo dos grficos das Figuras A11.4-6
#
Xi Xi-10 Si
Yi
#
Xi Xi-10 Si
Yi
1 11,58 1,58 1,58 10,173 26 9,01 -0,99 -0,22 9,929
2 12,23 2,23 3,81 10,343 27 11,05 1,05 0,83 9,837
3 8,82 -1,18 2,63 10,201 28 10,55 0,55 1,38 9,959
4 9,63 -0,37 2,26 10,157 29 8,57 -1,43 -0,05 10,018
5 10,49 0,49 2,75 10,205 30 10,04 0,04 -0,01 9,873
6 9,01 -0,99 1,76 10,085 31 10,82 0,82 0,81 9,890
7 9,48 -0,52 1,24 10,025 32 11,16 1,16 1,97 9,983
8 10,15 0,15 1,39 10,037 33 10,31 0,31 2,28 10,100
9 9,93 -0,07 1,32 10,026 34 11,92 1,92 4,20 10,121
10 9,93 -0,07 1,25 10,017 35 10,73 0,73 4,93 10,301
11 9,04 -0,96 0,29 9,919 36 9,83 -0,17 4,76 10,344
12 10,20 0,20 0,49 9,947 37 11,65 1,65 6,41 10,293
13 10,53 0,53 1,02 10,005 38 10,16 0,16 6,57 10,428
14 9,47 -0,53 0,49 9,952 39 11,44 1,44 8,01 10,402
15 10,32 0,32 0,81 9,989 40 11,39 1,39 9,40 10,505
16 9,29 -0,71 0,10 9,919 41 11,52 1,52 10,92 10,594
17 11,41 1,41 1,51 10,068 42 10,18 0,18 11,10 10,687
18 9,66 -0,34 1,17 10,027 43 11,82 1,82 12,92 10,636
19 11,17 1,17 2,34 10,141 44 13,27 3,27 16,19 10,754
20 10,79 0,79 3,13 10,206 45 10,41 0,41 16,60 11,006
21 11,06 1,06 4,19 10,292 46 12,40 2,40 19,00 10,946
22 7,87 -2,13 2,06 10,050 47 10,59 0,59 19,59 11,092
23 9,49 -0,51 1,55 9,994 48 8,77 -1,23 18,36 11,041
24 8,74 -1,26 0,29 9,868 49 10,28 0,28 18,64 10,814
25 10,48 0,48 0,77 10,173 50 11,26 1,26 19,90 10,761
Esta tabela na realidade uma cpia de uma planilha elaborada no
Excel, aplicativo que facilita bastante o trabalho.
160
161
EWMA
esto,
14,00
13,00
12,00
11,00
10,00
9,00
8,00
7,00
6,00
1
11
21
31
41
51
41
51
11
21
31
-5,00
162
11,2
11,0
EWMA
10,8
10,6
10,4
10,2
10,0
9,8
9,6
1
11
21
31
41
51
Dados
163
1 i=k
xi
k i =1
164
1 i=k
AM i
k 1 i =1
3
AM
d2
43
165
F( a ) = P x Q n x
(Equao A12.1)
x =0
F ( x) =
x =0
n!
.P x .Q n x
x!(n x)!
(Equao A12.2)
onde Q = 1 P e a n.
Distribuio de Poisson
F ( x ) = m x .e m / x!
x =0
(Equao A12.3)
166
Distribuio hipergeomtrica
A distribuio hipergeomtrica aplicada quando n/N > 0,10. A
correspondente expresso matemtica :
x =a
D ND N
F( x ) =
x =0 x n x n
(Equao A12.4)
Para facilitar a colocao dos dados, a equao A12.4 pode ser escrita,
invertendo o ltimo termo, como:
x=a
F ( x) =
x =0
D!
( N D )!
n!( N n)!
.
.
x!( D x)! (n x)![( N D ) (n x)]!
N!
(Equao A12.5)
167
EXEMPLO 1:
O tamanho do lote N = 1000, o tamanho da amostra n = 50 e P = 0,04.
Calcular a probabilidade de aceitao e a probabilidade de rejeio da partida,
com a = 2, com a = 3 e com a = 6, usando a distribuio binomial.
Resposta:
A Equao A12.2 um somatrio. Para facilitar, cada termo44 ser calculado em
separado:
f(x=0) = 50!/(0!50!) x 0,040 x 0,9650 = 0,130 f(x=4) = 50!/(4!46!) x 0,044 x 0,9646 = 0,090
f(x=1) = 50!/(1!49!) x 0,041 x 0,9649 = 0,271 f(x=5) = 50!/(5!45!) x 0,045 x 0,9645 = 0,035
f(x=2) = 50!/(2!48!) x 0,042 x 0,9648 = 0,276 f(x=6) = 50!/(6!44!) x 0,046 x 0,9644 = 0,011
f(x=3) = 50!/(3!47!) x 0,043 x 0,9647 = 0,184
Efetuando o somatrio:
F (2) = 0,677; 1 F (2) = 0,323
F (3) = 0,861; 1 F (3) = 0,139
F (6) = 0,997; 1 F (6) = 0,003
EXEMPLO 2:
Resolver o exemplo 1 com auxlio da distribuio de Poisson.
Resposta:
Aplicando a Equao A12.3 para cada termo e sabendo que e = 2,718 e
P = 0,04 m = n.P = 2, temos:
f(x=0) = 20.e- 0 /0! = 0,135
f(x=1) = 21.e- 1 /1! = 0,271
f(x=2) = 22.e- 2 /2! = 0,271
f(x=3) = 23.e- 3 /3! = 0,180
168
EXEMPLO 3:
Numa partida de N = 50, com D = 2, qual a probabilidade de aceitao e a
probabilidade de rejeio da partida, inspecionando-se uma amostra com n =
10 e a = 1?
2!
(50 2)!
10! (50 10)!
.
.
0! ( 2 0)! (10 0)![(50 2) (10 0)]!
50!
Para x = 1, tem-se:
f (1) =
2!
(50 2)!
10!(50 10)!
.
.
1! (2 1)! (10 1)![(50 2) (10 1)]!
50!
Logo:
f(0) = 0,637
f(1) = 0,326
Prob. de aceitao: F (1) = P (0 d 1) = 0,637 (x=0) + 0,326 (x=1) = 0,963 = 96,3%
Prob. de rejeio: 1 F(1) = 1 0,963 = 0,037 = 3,7%.
e)
f)
g)
h)
169
Procedimento:
i) De posse dos dados a e b, localiza-se na Tabela 8.1 (p. 75) a letra
de cdigo do plano pretendido: L.
ii) As informaes c e d levam Tabela A17.4 (pgina 190), onde
so localizados: o tamanho da amostra (n = 200) no cruzamento
com a segunda coluna e o nmero de aceitao (a = 5), no
cruzamento com a coluna do NQA de 1%.
iii) Para conferir a eficcia do plano, preciso recalcular e , o que
deve ser feito de acordo com o modelo de Poisson45 (Equao A12.3;
p. 167):
x =a
F ( x ) = m x .e m / x!
x =0
O modelo de Poisson foi escolhido porque n/N < 0,1 e P < 10%.
170
Probabilidade de Aceitao
1,0
0,8
(a) n = 84; a = 3
(b) n = 200; a = 5
0,6
0,4
0,2
0,0
0,00
0,05
0,10
0,15
0,20
Inspeo Retificadora
At o momento foi discutido apenas um tipo de inspeo,
denominada inspeo para aceitao. Entretanto, existem situaes em que no
conveniente simplesmente rejeitar todo um lote. Pelo contrrio, s vezes
melhor corrigir o lote (melhorar sua qualidade). Esse tipo de inspeo
denominado inspeo retificadora. Ao longo da inspeo retificadora, objetivase eliminar um determinado nmero de no-conformidades. Evidentemente,
resulta da uma melhor qualidade, conhecida como qualidade mdia resultante
(QMR). Trata-se de clusulas adicionadas ao contrato de fornecimento, as quais
podem ser resumidas como segue (aplicando-se inspeo por amostragem
simples):
Clusula 1: Substituir por itens perfeitos todos os defeituosos encontrados na amostra, se o lote
seria aceito (d a).
Clusula 2: Realizar inspeo completa, substituindo todos os itens no-conformes, se o lote
houvesse sido rejeitado (d > a).
171
No caso da Clusula 2 acima, em princpio, no haver noconformidade aps a inspeo retificadora. Entretanto, no caso da Clusula 1,
ainda restaro, em princpio, (N-n).P defeituosos, ocorrendo na proporo dada
pela CCO (Pa). Assim, a QMR pode ser calculada pela relao:
QMR = P.Pa.(N-n)/N
Na maioria dos casos, aplicada a distribuio de Poisson ou a
distribuio binomial (n/N < 0,1). Nesse caso, o termo (N-n)/N aproxima-se da
unidade, ficando a equao acima simplificada para:
QMR = P.Pa
O grfico da Figura A12.2 descreve a variao da QMR com a
qualidade do lote. O valor mximo da QMR chama-se Qualidade Mdia
Resultante Limite (QMRL; ver Figura A12.2) e tambm empregado como
item de proteo para o Comprador.
3,0
2,5
QMR
2,0
1,5
1,0
QMRL
0,5
0,0
0
10
15
20
P%
P%
0,1
0,5
1,0
2,0
3,0
4,0
5,0
6,0
7,0
8,0
9,0
QMR
0,10000
0,49954
0,98930
1,81956
2,25988
2,26849
1,97702
1,55673
1,13566
0,78065
0,51168
P%
10,0
11,0
12,0
13,0
14,0
15,0
16,0
17,0
18,0
20,0
QMR
0,32260
0,19692
0,11697
0,06787
0,03860
0,02157
0,01186
0,00644
0,00345
0,00096
172
173
174
Diagrama de causa-efeito;
Diagrama de Pareto;
Histograma;
Folha de verificao;
Grfico de disperso;
Fluxograma;
Grfico (ou Carta) de controle.
175
Empresa:
Unidade/Setor:
Processo:
Lista de Verificao
Especificao Desvio
Verificaes
10
15
20
Freqncia
5
4
3
2
1
0
-1
-2
-3
-4
-5
LSE
Linha Mdia
LIE
Total:
Inspetor:
Data:
Horrio:
Lista de Verificao
Defeito
Verificao
Subtotal
A
B
C
D
E
TOTAL
Total rejeitado
Inspetor:
Data:
Horrio:
176
177
178
179
d i2
n 1
46
comum encontrar-se na Literatura a expresso ANOVA, acrnimo do termo ingls Analysis of Variance.
180
i=n
j =1
i =1
SQ d = ( d i2 ) j
Por outro lado, o valor de SQe dado por:
j= k
SQ e = n j ( x j x ) 2
j=1
onde N = n k.
A estatstica ANAVA 47:
F=
s e2
s d2
Mtodo
1
2
3
181
Valores de xi
x1
x2
x3
x4
x5
45,06 45,20 45,08 45,24 45,16
44,96 44,80 44,96 44,86 44,90
45,14 45,24 45,22 45,30 45,18
Procedimento:
O procedimento mostrado a seguir foi detalhado para facilitar a
construo de uma planilha eletrnica (Excel, por exemplo).
a) Calcular o nmero total de dados:
N = k n = 3 5 = 15
onde k o nmero de grupos (no exemplo, mtodos analticos) e n o nmero
de valores em cada grupo (leituras por repetio em cada mtodo).
b) Calcular a mdia de cada grupo (mtodo) e a mdia geral:
X1 = 45,15 ; X 2 = 44,90 ; X 3 = 45,22 e X = 45,09
c) Subtrair de cada dado o valor da mdia geral arredondado para menos
(no exemplo, 45):
Mtodo
1
2
3
Valores de xi
x1
x2
x3
x4
x5
0,06 0,20 0,08 0,24 0,16
-0,04 -0,20 -0,04 -0,14 -0,10
0,14 0,24 0,22 0,30 0,18
182
Valores de xi
Total
x1
x2
x3
x4
x5
0,06 0,20 0,08 0,24 0,16 0,74
-0,04 -0,20 -0,04 -0,14 -0,10 -0,52
0,14 0,24 0,22 0,30 0,18 1,08
Valores de xi
Total
x1
x2
x3
x4
x5
0,0036 0,0400 0,0064 0,0576 0,0256 0,1332
0,0016 0,0400 0,0016 0,0196 0,0100 0,0728
0,0196 0,0576 0,0484 0,0900 0,0324 0,2480
i)
183
j)
0,14211
= 29,86
0,00476
184
185
186
187
A
2,121
1,732
1,500
1,342
1,225
1,134
1,061
1,000
0,949
A1
3,760
2,394
1,880
1,596
1,410
1,277
1,175
1,094
1,028
A2
1,880
1,023
0,729
0,577
0,483
0,419
0,373
0,337
0,308
Frmulas:
a) Norma conhecida:
LM =
LC = LM + A
b) Norma desconhecida:
LM = X
LC = LM + A1. s
LC = LM + A2. R
ou
C2
0,5642
0,7236
0,7979
0,8407
0,8686
0,8882
0,9027
0,9139
0,9227
B1
0,000
0,000
0,000
0,000
0,026
0,105
0,167
0,219
0,262
B2
1,843
1,858
1,808
1,745
1,711
1,672
1,638
1,609
1,584
B3
0,000
0,000
0,000
0,000
0,030
0,118
0,185
0,239
0,284
B4
3,267
2,568
2,266
2,089
1,970
1,882
1,815
1,761
1,716
Frmulas:
a) Norma conhecida:
LM = s = c2.
LIC = B1.
LSC = B2.
b) Norma desconhecida
LM = s
LIC = B3. s
LSC = B4. s
188
d2
1,128
1,693
2,059
2,326
2,534
2,704
2,847
2,970
3,078
D1
0,000
0,000
0,000
0,000
0,000
0,205
0,387
0,546
0,687
D2
3,686
4,358
4,698
4,918
5,078
5,203
5,307
5,394
5,469
D3
0,000
0,000
0,000
0,000
0,000
0,076
0,136
0,184
0,223
D4
3,267
2,575
2,282
2,115
2,004
1,924
1,864
1,816
1,777
Frmulas:
a) Norma conhecida: LM = d2.; LIC = D1.; LSC = D2.
b) Norma desconhecida: LM = R ; LIC = D3. R ; LSC = D4. R
189
Letra
de
cdigo
Tamanho
da
amostra
A
B
C
D
E
F
G
H
J
K
L
M
N
P
Q
R
2
3
5
8
13
20
32
50
80
125
200
315
500
800
1250
2000
0,10
a
0,15
a
||
||
||
||
||
||
||
||
1
2
3
4
6
0
1
2
3
4
6
8
2
3
4
6
8
11
1
2
3
5
7
10
14
||
||
||
||
1
2
3
5
7
10
0,65
||
||
||
||
||
1
2
3
5
7
0,40
||
||
||
||
||
||
1
2
3
5
||
||
||
||
||
||
||
0,25
2
3
4
6
8
11
15
1
2
3
5
7
10
14
21
2
3
4
6
8
11
15
22
||
||
||
||
0
1
1
2 2
3 3
4 5
6 7
8
||
||
0
1
1
2
3 3
4 5
6 7
8 10 11
||
0
1
1 2
2
3
4 5
6 7
8 10 11 14 15
0
1
1
2 2 3
3
5
6 7
8 10 11 14 15 21 22
1
2 2
3 3 4
5
7
8 10 11 14 15 21 22
1
2 2
3 3
4 5 6
7
10 11 14 15 21 22
||
1
2 2
3 3
4 5
6 7 8
10
14 15 21 22
||
||
2
3 3
4 5
6 7
8 10 11
14
21 22
||
||
||
3
4 5
6 7
8 10 11 14 15
21
||
||
||
||
5
6 7
8 10 11 14 15 21 22
||
||
||
||
||
7
8 10 11 14 15 21 22
||
||
||
||
||
||
10 11 14 15 21 22
||
||
||
||
||
||
||
14 15 21 22
||
||
||
||
||
||
||
||
21 22
||
||
||
||
||
||
||
||
||
1,0
||
||
||
||
||
||
||
||
||
||
= Empregue o primeiro plano abaixo da seta. Quando o tamanho da amostra (n) for igual ou maior do que o tamanho da partida (N), realize inspeo completa.
= Empregue o primeiro plano acima da seta.
a = Nmero de Aceitao.
r = Nmero de Rejeio.
150,0
250,0
400,0
7
10
14
21
30
8
11
15
22
31
10
14
21
30
44
11
15
22
31
45
14
21
30
44
15
22
31
45
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
650,0
a
1000,0
a
21 22
30 31
44 45
30 31
44 45
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
190
Ordem
da
Amostra
Tamanho
da amostra
simples acumul.
0,15
a
r
0,25
a
r
0,40
a
r
0,65
a
r
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
1,0
0,10
a
r
1a
2a
2
2
2
4
||
||
||
||
||
||
||
||
||
||
||
||
||
||
1a
2a
3
3
3
6
||
||
||
||
||
||
||
||
||
||
||
||
1
2a
5
5
5
10
||
||
||
||
||
||
||
||
||
||
1a
2a
8
8
8
16
||
||
||
||
||
||
||
||
1a
2a
13
13
13
26
||
||
||
||
||
||
1a
2a
20
20
20
40
||
||
||
||
1a
2a
32
32
32
64
||
||
1a
2a
50
50
50
100
1a
2a
80
80
80
160
1a
2a
125
125
125
250
1a
2a
200
200
200
400
1a
2a
315
315
315 0
630 1
1a
2a
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
400,0
a
r
650,0
a
r
1000,0
a
r
0
1
2
2
0
3
3
4
1
4
4
5
2
6
5
7
3
8
7
9
5
9
12 13
7 11
18 19
11 16
26 27
17 22
37 38
25 31
56 57
0
1
2
2
0
3
3
4
1
4
4
5
2
6
5
7
3
8
7
9
5
9
12 13
7 11
18 19
11 16
26 27
17 22
37 38
25 31
56 57
||
0
1
2
2
0
3
3
4
1
4
4
5
2
6
5
7
3
8
7
9
5 9
12 13
7 11
18 19
11 16
26 27
17 22
37 38
25 31
56 57
||
||
||
0
1
2
2
0
3
3
4
1
4
4
5
2
6
5
7
3
8
7
9
5
9
12 13
7 11
18 19
11 16
26 27
17 22
37 38
25 31
56 57
||
||
||
||
||
0
1
2
2
0
3
3
4
1
4
4
5
2
6
5
7
3
8
7
9
5
9
12 13
7 11
18 19
11 16
26 27
||
||
||
||
||
||
||
||
||
0
1
2
2
0
3
3
4
1
4
4
5
2
6
5
7
3
8
7
9
5
9
12 13
7 11
18 19
11 16
26 27
||
||
||
||
||
||
||
||
||
||
||
||
||
0
1
2
2
0
3
3
4
1
4
4
5
2
6
5
7
3
8
7
9
5
9
12 13
7 11
18 19
11 16
26 27
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
0
1
2
2
0
3
3
4
1
4
4
5
2
6
5
7
3
8
7
9
5
9
12 13
7 11
18 19
11 16
26 27
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
0
1
2
2
0
3
3
4
1
4
4
5
2
6
5
7
3
8
7
9
5
9
12 13
7 11
18 19
11 16
26 27
||
||
||
||
||
||
||
||
||
||
||
||
||
0
1
2
2
0
3
3
4
1
4
4
5
2
6
5
7
3
8
7
9
5
9
12 13
7 11
18 19
11 16
26 27
0
1
2
2
0
3
3
4
1
4
4
5
2
6
5
7
3
8
7
9
5
9
12 13
7 11
18 19
11 16
26 27
2
2
0
3
3
4
1
4
4
5
2
6
5
7
3
8
7
9
5
9
12 13
7 11
18 19
11 16
26 27
500 500 0
500 1000 3
3
4
1
4
4
5
2
6
5
7
3
8
7
9
5
9
12 13
7 11
18 19
11 16
26 27
1a
2a
800 800 1
800 1600 4
4
5
2
6
5
7
3
8
7
9
5 9
12 13
7 11
18 19
11 16
26 27
1a
2a
1250 1250 2
1250 2500 6
5
7
3
8
7
9
5
9
12 13
7 11
18 19
11 16
26 27
250,0
a
r
* * * * * * * * *
||
||
||
||
||
||
||
||
||
||
||
||
||
150,0
a
r
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
= Empregue o primeiro plano abaixo da seta. Quando o tamanho da amostra (n) for igual ou maior do que o tamanho da partida (N), realize inspeo completa.
= Empregue o primeiro plano acima da seta. a = Nmero de Aceitao. r = Nmero de Rejeio.
* = Empregue o correspondente plano de amostragem simples, ou o plano duplo imediatamente abaixo, se existir.
191
Ordem
da
amostra
Tamanho
da
amostra
Tamanho
da amostra
acumulada
0,10
a r
0,15
a
r
0,25
a
r
0,40
a
r
0,65
a
r
1,0
a
A
B
C
150,0
a
r
250,0
a
r
400,0
a
r
650,0
a
r
1000,0
a
r
* * * * * * * * * * * * * *
1
2
3
4
5
6
7
1
2
3
4
5
6
7
1
2
3
4
5
6
7
1
2
3
4
5
6
7
2
2
2
2
2
2
2
3
3
3
3
3
3
3
5
5
5
5
5
5
5
8
8
8
8
8
8
8
2
4
6
8
10
12
14
3
6
9
12
15
18
21
5
10
15
20
25
30
35
8
16
24
32
40
48
56
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
#
#
0
0
1
1
2
||
||
||
||
||
||
||
||
||
||
||
||
2
2
2
3
3
3
3
#
#
0
0
1
1
2
#
0
0
1
2
3
4
2
2
2
3
3
3
3
2
3
3
4
4
5
5
#
#
0
0
1
1
2
#
0
0
1
2
3
4
#
0
1
2
3
4
6
2
2
2
3
3
3
3
2
3
3
4
4
5
5
3
3
4
5
6
6
7
#
2
#
2
0
2
0
3
1
3
1
3
2
3
#
2
0
3
0
3
1
4
2
4
3
5
4
5
#
3
0
3
1
4
2
5
3
6
4
6
6
7
#
4
1
5
2
6
3
7
5
8
7
9
9 10
#
0
0
1
2
3
4
#
0
1
2
3
4
6
#
1
2
3
5
7
9
0
1
3
5
7
10
13
2
3
3
4
4
5
5
3
3
4
5
6
6
7
4
5
6
7
8
9
10
4
6
8
10
11
12
14
#
0
1
2
3
4
6
#
1
2
3
5
7
9
0
1
3
5
7
10
13
0
3
6
8
11
14
18
3
3
4
5
6
6
7
4
5
6
7
8
9
10
4
6
8
10
11
12
14
5
8
10
13
15
17
19
#
1
2
3
5
7
9
0
1
3
5
7
10
13
0
3
6
8
11
14
18
1
4
8
12
17
21
25
4
5
6
7
8
9
10
4
6
8
10
11
12
14
5
8
10
13
15
17
19
7
10
13
17
20
23
26
0
1
3
5
7
10
13
0
3
6
8
11
14
18
1
4
8
12
17
21
25
2
7
13
19
25
31
37
4
6
8
10
11
12
14
5
8
10
13
15
17
19
7
10
13
17
20
23
26
9
14
19
25
29
33
38
0
3
6
8
11
14
18
1
4
8
12
17
21
25
2
7
13
19
25
31
37
5
8
10
13
15
17
19
7
10
13
17
20
23
26
9
14
19
25
29
33
38
1
4
8
12
17
21
25
2
7
13
19
25
31
37
||
||
||
||
= Empregue o primeiro plano abaixo da seta. Quando o tamanho da amostra (n) for igual ou maior do que o tamanho da partida (N), realize inspeo completa.
= Empregue o primeiro plano acima da seta.
a = Nmero de Aceitao. r = Nmero de Rejeio.
* = Empregue o correspondente plano de amostragem simples, ou o plano de amostragem mltipla imediatamente abaixo, se existir.
#
7
10
13
17
20
23
26
9
14
19
25
29
33
38
||
||
||
||
||
||
||
||
||
2
7
13
19
25
31
37
4
11
19
27
36
45
53
9
14
19
25
29
33
38
12
19
27
34
40
47
54
||
||
||
||
||
||
||
||
||
4
11
19
27
36
45
53
6
17
29
40
53
65
77
12
19
27
34
40
47
54
16
27
39
49
58
68
78
||
||
||
||
||
||
||
||
||
6
17
29
40
53
63
77
12
27
39
49
58
68
78
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
192
Ordem
da
amostra
Tamanho
da
amostra
1
2
3
4
5
6
7
1
2
3
4
5
6
7
1
2
3
4
5
6
7
1
2
3
4
5
6
7
13
13
13
13
13
13
13
20
20
20
20
20
20
20
32
32
32
32
32
32
32
50
50
50
50
50
50
50
a
r
Tamanho
da amostra
acumulada
13
26
39
52
65
78
91
20
40
60
80
100
120
140
32
64
96
128
150
192
224
50
100
150
200
250
300
350
0,10
a r
0,15
a
r
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
0,25
a
r
0,65
a
r
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
0,40
a
r
#
#
0
0
1
1
2
2
2
2
3
3
3
3
#
#
0
0
1
1
2
#
0
0
1
2
3
4
2
2
2
3
3
3
3
2
3
3
4
4
5
5
#
#
0
0
1
1
2
#
0
0
1
2
3
4
#
0
1
2
3
4
6
2
2
2
3
3
3
3
2
3
3
4
4
5
5
3
3
4
5
6
6
7
3 0
3 1
5 1
6 3
8 4 10 7 14
2 0
||
||
||
2 0
3 1
4 2
6 3
8 6 10 8 13 13 19
4 2
5 3
7 5 10 8 13 12 17 19 25
3 1
||
||
||
4 3
6 5
8 7 11 11 15 17 20 25 29
3 2
|
|
|
|
||
5 4
6 7
9 10 12 14 17 21 23 31 33
3 3
||
||
||
3 4
5 6
7 9 10 13 14 18 19 25 26 37 38
2 #
3 #
4 0
4 0
5 1
7 2
9
||
||
||
3 0
3 1
5 1
6 3
8 4 10 7 14
||
||
||
||
3 1
4 2
6 3
8 6 10 8 13 13 19
4 2
5 3
7 5 10 8 13 12 17 19 25
||
||
||
||
4 3
6 5
8 7 11 11 15 17 20 25 29
|
|
|
|
||
|
|
5 4
6 7
9 10 12 14 17 21 23 31 33
||
||
||
||
5 6
7 9 10 13 14 18 19 25 26 37 38
3 #
4 0
4 0
5 1
7 2
9
|
|
|
|
|
|
||
3 1
5 1
6 3
8 4 10 7 14
|
|
|
|
|
|
||
||
4 2
6 3
8 6 10 8 13 13 19
5 3
7 5 10 8 13 12 17 19 25
||
||
||
||
||
6 5
8 7 11 11 15 17 20 25 29
|
|
|
|
|
|
||
|
|
6 7
9 10 12 14 17 21 23 31 33
|
|
|
|
|
|
||
|
|
7 9 10 13 14 18 19 25 26 37 38
4 0
4 0
5 1
7 2
9
||
||
||
||
||
5 1
6 3
8 4 10 7 14
||
||
||
||
||
||
6 3
8 6 10 8 13 13 19
7 5 10 8 13 12 17 19 25
||
||
||
||
||
||
8 7 11 11 15 17 20 25 29
|
|
|
|
|
|
|
|
||
|
|
9 10 12 14 17 21 23 31 33
||
||
||
||
||
||
10 13 14 18 19 25 26 37 38
1,0
a
#
#
0
0
1
1
2
#
0
0
1
2
3
4
#
0
1
2
3
4
6
#
1
2
3
5
7
9
= Empregue o primeiro plano abaixo da seta. Quando o tamanho da amostra (n) for igual ou maior do que o tamanho da partida (N), realize inspeo completa.
= Empregue o primeiro plano acima da seta.
= Nmero de Aceitao.
= Nmero de Rejeio.
= Empregue o correspondente plano de amostragem simples, ou o plano de amostragem mltipla imediatamente abaixo, se existir.
150,0
a
r
250,0
a
r
400,0
a
r
650,0
a
r
1000,0
a
r
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
193
Ordem
da
amostra
Tamanho
da
amostra
1
2
3
4
5
6
7
1
2
3
4
5
6
7
1
2
3
4
5
6
7
1
2
3
4
5
6
7
1
2
3
4
5
6
7
80
80
80
80
80
80
80
125
125
125
125
125
125
125
200
200
200
200
200
200
200
315
315
315
315
315
315
315
500
500
500
500
500
500
500
A
r
#
Tamanho
da amostra
acumulada
80
160
240
320
400
480
560
125
250
375
500
625
750
875
200
400
600
800
1000
1200
1400
315
630
945
1260
1575
1890
2205
500
1000
1500
2000
2500
3000
3500
0,10
a r
||
||
||
||
#
2
#
2
0
2
0
3
1
3
1
3
2
3
#
2
0
3
0
3
1
4
2
4
3
5
4
5
#
3
0
3
1
4
2
5
3
6
4
6
6
7
#
4
1
5
2
6
3
7
5
8
7
9
9 10
0,15
a
r
#
2
#
2
0
2
0
3
1
3
1
3
2
3
#
2
0
3
0
3
1
4
2
4
3
5
4
5
#
3
0
3
1
4
2
5
3
6
4
6
6
7
#
4
1
5
2
6
3
7
5
8
7
9
9 10
0
4
1
6
3
8
5 10
7 11
10 12
13 14
0,25
a
r
#
2
0
3
0
3
1
4
2
4
3
5
4
5
#
3
0
3
1
4
2
5
3
6
4
6
6
7
#
4
1
5
2
6
3
7
5
8
7
9
9 10
0
4
1
6
3
8
5 10
7 11
10 12
13 14
0
5
3
8
6 10
8 13
11 15
14 17
18 19
0,40
a
r
#
3
0
3
1
4
2
5
3
6
4
6
6
7
#
4
1
5
2
6
3
7
5
8
7
9
9 10
0
4
1
6
3
8
5 10
7 11
10 12
13 14
0
5
3
8
6 10
8 13
11 15
14 17
18 19
1
7
4 10
8 13
12 17
17 20
21 23
25 26
0,65
a
r
#
4
1
5
2
6
3
7
5
8
7
9
9 10
0
4
1
6
3
8
5 10
7 11
10 12
13 14
0
5
3
8
6 10
8 13
11 15
14 17
18 19
1
7
4 10
8 13
12 17
17 20
21 23
25 26
2
9
7 14
13 19
19 25
25 29
31 33
37 38
6 3
8 4 10 7 14
||
||
||
||
||
||
||
8 6 10 8 13 13 19
10 8 13 12 17 19 25
||
||
||
||
||
||
||
11 11 15 17 20 25 29
|
|
|
|
|
|
|
|
|
|
|
|
||
12 14 17 21 23 31 33
||
||
||
||
||
||
||
14 18 19 25 26 37 38
5 1
7 2
9
||
||
||
||
||
||
||
8 4 10 7 14
|
|
|
|
|
|
|
|
|
|
|
|
||
|
|
10 8 13 13 19
13 12 17 19 25
||
||
||
||
||
||
||
||
15 17 20 25 29
|
|
|
|
|
|
|
|
|
|
|
|
||
|
|
17 21 23 31 33
||
||
||
||
||
||
||
||
19 25 26 37 38
7 2
9
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||
10 7 14
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||
||
13 13 19
17 19 25
||
||
||
||
||
||
||
||
||
20 25 29
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||
|
|
23 31 33
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||
|
|
26 37 38
9
||
||
||
||
||
||
||
||
||
14
||
||
||
||
||
||
||
||
||
||
19
25
||
||
||
||
||
||
||
||
||
||
29
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||
|
|
33
||
||
||
||
||
||
||
||
||
||
38
1,0
a
0
1
3
5
7
10
13
0
3
6
8
11
14
18
1
4
8
12
17
21
25
2
7
13
19
25
31
37
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
= Empregue o primeiro plano abaixo da seta. Quando o tamanho da amostra (n) for igual ou maior do que o tamanho da partida (N), realize inspeo completa.
= Empregue o primeiro plano acima da seta.
= Nmero de Aceitao.
= Nmero de Rejeio.
= Aceitao no permitida com este tamanho de amostra.
||
||
||
||
||
150,0
a
r
250,0
a
r
400,0
a
r
650,0
a
r
1000,0
a
r
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
194
NDICE DE ASSUNTOS
A
Alarme falso 149, 151, 155
Alarme verdadeiro 152
Algarismos significativos 10
Amostra 1, 29
Amostragem dupla 54, 76
Amostragem mltipla 54, 78
Amostragem sequencial 54, 76
Amostragem simples 54, 75
Amplitude 2, 30
Amplitude mvel 163
Anlise de valor 84, 89, 93
Anlise de varincia 85, 87, 179
Arranjos 65, 148
Arredondamento 9
B
Benchmarking 84, 89, 92
Brainstorming 85, 177
C
Calibrao 12, 33, 99, 137
Capacidade 50, 55, 56, 60, 66, 73, 80, 85, 114, 140
Caracterstico 52, 54, 56, 57, 58
Ciclo PDCA 83, 185
5 "S" 84, 89
Coeficiente de correlao 17, 100, 133, 140, 159, 180
Coeficiente de determinao 18, 140
Coeficiente de regresso 17, 87
Confiabilidade analtica 49, 137
Controle 1, 2
Controle analtico 2
Controle estatstico 2
Controle operacional 2
Curva caracterstica de operao 70, 73, 113
Curva de calibrao 12, 33, 99
D
Defeito, conceito de 53
Desvio padro 2, 27, 32, 38, 59
Diagrama de Ishikawa 174
Diagrama de Pareto 85, 174
Diferena mxima permitida 40
Disperso 2, 3, 27, 30, 86, 115, 132, 145, 174
Distribuio binomial 23, 70, 117, 121, 165
Distribuio de frequncias 19
Distribuio de Poisson 23, 25, 63, 165
Distribuio de probabilidades 22
Distribuio gaussiana 27
Distribuio hipergeomtrica 23, 25, 165
Distribuio normal 25, 117, 123, 130, 150, 158
Distribuio normal reduzida 28
E
Erro absoluto 6
Erro aditivo 4
Erro proporcional 4
Erro relativo 6
Erros 3, 4, 15, 26
Erros determinados 4
Erros grosseiros 30, 31
Erros indeterminados 4
Especificao 1, 51, 56, 67, 90, 142
Estimativa da disperso 30
Estimativa do valor mdio 29
Eventos com probabilidade condicional 20
Eventos equiprovveis 20
Eventos independentes 21
Eventos mutuamente exclusivos 21
Exatido 3, 29, 35, 126, 140, 180
Extrapolao 13
F
Ferramentas da qualidade 82, 174
Fluxograma 85, 174
Folha de verificao 174
Frequncia 2, 19, 22, 27, 35, 118, 127, 178
Frequncia de amostragem 54, 55, 154
G
Gesto da qualidade 82
Grfico CUSUM 155
Grfico de calibrao 13
Grfico de controle da amplitude 58, 61
Grfico da frao defeituosa 58, 62
Grfico da mdia 58, 59
Grfico do desvio padro 58, 60
Grfico do nmero de defeitos por amostra 58, 63
Grfico do nmero de defeitos por unidade 58, 63
Grfico do nmero de defeituosos 58, 63
Grfico do sistema americano 57
Grfico do sistema ingls 57
Grfico EWMA 156, 158
Grficos de controle 49, 51, 57, 67, 85, 111, 139, 146, 148
195
J
Just-in-time 84, 89, 93
L
Limites de controle 56, 58
Limites de especificao 56, 68, 142
Limites de confiana 34, 49, 100, 102
Linha mdia de controle 142
Linha mdia de especificao 142
Lista de verificao 174
Q
Qualidade 1
Qualidade de conformidade 53
Qualidade do projeto 53
Qualidade Limite 69
R
Reengenharia 84, 89, 92
Regime de inspeo 73, 74, 169
Regras suplementares de deciso 153
Regresso 15, 33, 87, 106, 111, 141
Repetitividade 140
Reprodutibilidade 126, 140
Risco do consumidor 69
Risco do produtor 69
Robustez 126, 139, 140
Mdia 1, 29
Mediana 29
Metrologia 50, 52, 137
Modelos de gesto 82
Tamanho da amostra 46, 53, 73, 74, 79, 151, 154, 163, 166
Tamanho do lote 73, 75
Tempo at o sinal 154
Teste de hipteses 122, 148
Sistema de qualidade 82
Subgrupo racional 53, 55, 148, 154
U
Universo 1
V
Validao 49, 139
Valor verdadeiro 3, 16, 26, 38, 58
Varivel contnua 23, 52
Varivel discreta 23, 52
Z
Zona de ao 57
Zona de advertncia 57
Zona de controle 57, 58, 64
196