Abnt Iso TR 10017 - 2000 PDF

DEZ 2000 ABNT ISO/TR 10017
Guias de técnicas estatísticas para

NBR ISO 9001:1994
ABNT – Associação
Brasileira de
Normas Técnicas
Sede:
Rio de Janeiro
Av. Treze de Maio, 13 28º andar
andar
CEP 20003-900 – Caixa Postal 1680
Rio de Janeiro – RJ Origem: Projeto ABNT ISO/TR 10017:2000
10017:2000
Tel.: PABX (021) 210-3122
Fax: (021) 220-1762/220-6436 ABNT/CB-25 - Comitê
Comitê Brasileiro
Brasileiro da Qualidade
Qualidade
Endereço eletrônico: CE-25:000.06
CE-25:000.06 - Comissão de Estudo de Técnicas Estatísticas
www.abnt.org.br
ABNT ISO/TR 1001710017 - Guidance on statistical techniques
techniques for ISO 9001:1994
9001:1994
Descriptors: Quality management. Quality assurance. Quality assurance system.
Statistic. Quality
Este Relatório Técnico é equivalente
equivalente ao ISO/TR 10017:1999
Válido a partir de 29.01.2001
Copyright © 2000,
ABNT–Associação Brasileira Palavras-chave:
Palavras-chave: Gestão da qualidade.
qualidade. Garantia
Garantia da qualidade.
qualidade. 21 páginas
de Normas Técnicas
Printed in Brazil/ Sistema de garantia da qualidade.
qualidade. Estatística.
Impresso no Brasil Qualidade
Todos os direitos reservados
Sumário
Prefácio
Introdução
1 Objetivo
2 Termos e definições
3 Identificação das necessidades potenciais de técnicas estatísticas
4 Descrição das técnicas estatísticas identificadas
ANEXO
A Visão das técnicas estatísticas identificadas que podem ser utilizadas para apoiar os requisitos das seções da
NBR ISO 9001
Bibliografia
Prefácio
O ABNT ISO/TR 10017 é equivalente ao ISO/TR 10017:1999, o qual, segundo as regras da ISO, é publicado quando os
dados coletados pelo Comitê Técnico (ISO/TC) têm um caráter diferente daqueles pertinentes à norma (por exemplo:
“estado da arte”). O Relatório Técnico constitui-se em um documento de natureza estritamente informativa.
Este Relatório Técnico circulou para comentários entre os associados da ABNT inscritos no ABNT/CB-25, através do Edital
n 04/2000, de 28/04/2000.
!"
Este Relatório Técnico contém o anexo A, de caráter informativo.

Introdução
O objetivo deste Relatório
Relatório Técnico é auxiliar uma organização na identificação de técnicas estatísticas que
que possam ser
úteis no desenvolvimento, implementação ou manutenção de um Sistema da Qualidade de acordo com a
NBR ISO 9001:1994.
Nesse contexto, a utilização de técnicas estatísticas é resultante da variabilidade que pode ser observada no comporta-
mento e na saída de praticamente todos os processos, mesmo sob condições de aparente estabilidade. Tal variabilidade
pode ser observada nas características quantificáveis de produtos e processos, e pode vir a existir em vários estágios de
todo o ciclo de vida dos pro dutos desde pesquisa de mercado até o serviço ao cliente e disposição final.
Técnicas estatísticas podem ajudar a medir, descrever, analisar, interpretar e modelar tal variabilidade, mesmo com uma
quantidade de dados relativamente limitada. A análise estatística de tais dados pode ajudar a obter um melhor
entendimento da natureza, extensão e causa da variabilidade. Isso poderia ser útil para resolver e também prevenir
problemas que possam resultar de tal variabilidade.
Técnicas estatísticas podem então permitir uma melhor utilização de dados disponíveis para auxiliar na tomada de decisão
e conseqüentemente ajudar a melhorar a qualidade dos produtos e processos nos estágios de projeto, desenvolvimento,
produção, instalação e serviços associados.
2 ABNT ISO/TR 10017:2000
É intenção deste Relatório Técnico fornecer diretrizes e auxiliar uma organização na consideração e seleção de técnicas
estatísticas apropriadas às suas necessidades. O critério para determinação das necessidades de técnicas estatísticas e a
adequação de sua seleção permanece como prerrogativa da organização.
As técnicas estatísticas
e statísticas descritas
d escritas neste Relatório Técnico são também relevantes para uso com outras normas da família
NBR ISO 9000. Em particular, o anexo D da NBR ISO 9000-1:1994 apresenta uma referência cruzada das seções e tópicos
correspondentes nas NBR ISO 9001, NBR ISO 9002, NBR ISO 9003 e NBR ISO 9004-1 (edições 1994).
1 Objetivo
Este Relatório Técnico fornece um guia para seleção de técnicas estatísticas apropriadas que podem ser úteis para uma
organização no desenvolvimento, implementação ou manutenção de um Sistema da Qualidade, de acordo com a
NBR ISO 9001. Isso é feito por meio da análise dos requisitos da NBR ISO 9001 que envolvem o uso de dados
quantitativos e então identificando e descrevendo aquelas técnicas estatísticas que podem ser úteis, quando aplicáveis, a
tais dados.
A listagem
lis tagem das técnicas estatísticas citadas neste Relatório Técnico não é completa nem exaustiva, e não deve impedir o
uso de qualquer outra técnica (estatística ou outra qualquer) que a organização julgue beneficiá-la. Além disso, este
Relatório Técnico não tem a intenção de prescrever quais técnicas estatísticas devam ser usadas, nem recomendar como
estas devem ser implementadas.
Este Relatório Técnico não tem objetivos contratuais, regulamentares ou de certificação. Não é intenção usá-lo como uma
lista de verificação mandatória para atender aos requisitos da NBR ISO 9001:1994. A justificativa para a utilização de
técnicas estatísticas é que sua aplicação poderia ajudar a melhorar a eficácia de um Sistema da Qualidade.
2 Termos e definições
Para os efeitos deste Relatório Técnico, aplicam-se os termos e definições das NBR ISO 8402, ISO 3534 (todas as partes)
e IEC 60050.
Referências neste Relatório Técnico a “produto” são aplicáveis à categoria genérica de produto, de serviço, equipamentos,
informações, materiais processados, ou uma combinação destes, conforme Notas 1 e 2 que acompanham a definição de
“produto” na NBR ISO 8402.
3 Identificação das necessidades potenciais de técnicas estatísticas
A necessidade de dados quantitativos que pode estar associada à implementação de seções e subseções da
NBR ISO 9001 está identificada na tabela 1. Foi listada a necessidade de dados quantitativos versus uma ou mais técnicas
estatísticas apropriadas que potencialmente podem ser aplicadas a tais dados, e cuja aplicação poderia beneficiar a
organização.
Onde nenhuma necessidade de dados quantitativos pôde ser prontamente associada com uma seção ou subseção da NBR
ISO 9001, nenhuma técnica estatística está id entificada.
Tomou-se cuidado ao citar somente aquelas técnicas que são bem conhecidas, e que têm sido largamente aplicadas com
reconhecido benefício aos usuários.
Cada uma das técnicas estatísticas listadas na tabela 1 está descrita resumidamente na seção 4 com o objetivo de auxiliar
a organização a avaliar a relevância e o valor das técnicas estatísticas citadas, e para ajudar na decisão de usá-las ou não
em um contexto específico.
Tabela 1 - Necessidade envolvendo dados quantitativos e técnica(s) estatística(s) de suporte
Seção/subseção da Necessidades envolvendo o uso de dados Técnica(s) estatística(s)
NBR ISO 9001:1994 quantitativos
4.1 Responsabilidade da
administração
4.1.1 Política da qualidade Necessidade de avaliar a extensão na qual a Amostragem
política da qualidade está implementada na
organização
4.1.2 Organização
4.1.2.1 Responsabilidade Nenhuma identificada
e autoridade
4.1.2.2 Recursos Nenhuma identificada
4.1.2.3 Representante da Nenhuma identificada
administração
4.1.3 Análise crítica pela Necessidade de avaliação quantitativa do Estatística descritiva; Amostragem;
administração desempenho da organização em relação aos Cartas de controle; Análise de
seus objetivos séries temporais
4.2 Sistema da qualidade
4.2.1 Generalidades Nenhuma identificada
4.2.2 Procedimentos do Nenhuma identificada
sistema da qualidade
4.2.3 Planejamento da Nenhuma identificada
qualidade
ABNT ISO/TR 10017:2000 3
Tabela 1 (continuação)
4.3 Análise crítica de
contrato
4.3.2 Análise crítica
4.3.2.a Análise crítica Nenhuma identificada
4.3.2.b Análise crítica Nenhuma identificada
4.3.2.c Análise crítica Necessidade de análise do orçamento, Análise de medição;
contrato ou pedido e para garantir que o Análise da capabilidade do
fornecedor seja capaz de atender aos processo; Análise da
requisitos confiabilidade;
Amostragem
4.3.3 Emenda a um Nenhuma identificada
contrato
4.3.4 Registros Nenhuma identificada
4.4 Controle de projeto
4.4.2 Planejamento de Nenhuma identificada
projeto e de
desenvolvimento
4.4.3 Interfaces técnicas Nenhuma identificada
e organizacionais
4.4.4 Entrada de projeto Necessidade de identificar e analisar Análise de medição;
criticamente os requisitos de entrada Análise da capabilidade do
quanto à adequação e solucionar processo; Análise da
diferenças confiabilidade; Tolerância
estatística
4.4.5.a Saída de projeto Necessidade de avaliar se as saídas de Estatísticas descritiva;
projeto satisfazem aos requisitos de Teste de hipóteses;
entrada Análise de medição;
Análise da capabilidade do
processo; Análise da
confiabilidade;
Amostragem; Tolerância
estatística
4.4.5.b Saída de projeto Nenhuma identificada
4.4.5.c Saída de Projeto Necessidade de identificar as Análise de regressão;
características críticas de projeto Análise da confiabilidade;
Simulação
4.4.6 Análise crítica de Nenhuma identificada
projeto
4.4.7 Verificação de Necessidade de assegurar que o projeto Planejamento de
projeto atenda aos requisitos estabelecidos experimento, Teste de
hipótese; Análise de medição;
Análise de regressão; Análise
da confiabilidade;
Amostragem; Simulação
4.4.8 Validação de Necessidade de assegurar que o produto Teste de hipótese; Análise
projeto atenda às necessidades e/ou requisitos do de regressão; Análise da
cliente confiabilidade; Amostragem;
Simulação
4.4.9 Alterações de Nenhuma identificada
projeto
4 ABNT ISO/TR 10017:2000
4.5 Controle de
documentos e dados
4.5.2 Aprovação e Nenhuma identificada
emissão de documentos e
dados
4.5.3 Alterações em Nenhuma identificada
documentos e dados
4.6 Aquisição
4.6.2.a Avaliação de Necessidade de avaliar subcontratados com Estatística descritiva; Teste
subcontratados base na sua capacidade de atender requisitos de hipótese; Análise da
capabilidade do processo;
Amostragem
4.6.2.b Avaliação de Nenhuma identificada
subcontratados
4.6.2.c Avaliação de Necessidade de descrever e resumir o Estatística descritiva
subcontratados desempenho dos subcontratados
4.6.3 Dados para Nenhuma identificada
aquisição
4.6.4 Verificação do
produto adquirido
4.6.4.1 Verificação pelo Nenhuma identificada
fornecedor nas
instalações do
subcontratado
4.6.4.2 Verificação pelo Nenhuma identificada
cliente do produto
subcontratado
4.7 Controle de produto Nenhuma identificada
fornecido pelo cliente
4.8 Identificação e Nenhuma identificada
rastreabilidade de produto
4.9 Controle de processo
4.9.a Controle de Nenhuma identificada
processo
4.9.b Controle de Necessidade de assegurar a adequabilidade Estatística descritiva; Análise
processo dos equipamentos de medição; Análise da
capabilidade do processo
4.9.c Controle de Nenhuma identificada
processo
4.9.d Controle de Necessidade de monitorar e controlar Estatística descritiva;
processo adequadamente parâmetros do processo e Planejamento de
características do produto experimentos; Análise de
regressão; Amostragem;
Cartas de controle; Análise de
séries temporais
4.9.e Controle de Necessidade de aprovar processos e Estatística descritiva; Análise
processo equipamentos de medição; Análise da
capabilidade do processo
4.9.f Controle de processo Nenhuma identificada
4.9.g Controle de Necessidade de manutenção adequada de Estatística descritiva; Análise
processo equipamento para assegurar a continuidade da capabilidade do processo;
da capabilidade do processo Análise da confiabilidade;
Simulação
ABNT ISO/TR 10017:2000 5
4.10 Inspeção e ensaios
4.10.1 Generalidades Necessidade de definir atividades de Teste de hipóteses; Análise
inspeção e ensaios para verificar se os da confiabilidade;
requisitos do produto são atendidos Amostragem
4.10.2 Inspeção e ensaios
no recebimento Estatística descritiva; Teste
4.10.2.1 Inspeção e Necessidade de verificar se o produto de hipótese; Análise da
ensaios no recebimento recebido está em conformidade com os confiabilidade; Amostragem
requisitos especificados
4.10.2.2 Inspeção e Nenhuma identificada
ensaios no recebimento
4.10.2.3 Inspeção e Nenhuma identificada
ensaios no recebimento
4.10.3.a Inspeção e Necessidade de inspecionar e ensaiar Estatística descritiva; Teste
ensaios durante o produto conforme requerido de hipóteses; Análise da
processo confiabilidade; Amostragem
4.10.3.b Inspeção e
ensaios durante o
processo
4.10.4 Inspeção e ensaios Necessidade de verificar se o produto Estatística descritiva; Teste
finais acabado atende aos requisitos especificados de hipóteses; Análise da
confiabilidade; Amostragem
4.10.5 Registros de Nenhuma identificada
inspeção e ensaios
4.11 Controle de
equipamentos de
inspeção, medição e
ensaios
4.11.2.a Procedimento de Necessidade de avaliar a capabilidade de Estatística descritiva; Análise
controle equipamentos de inspeção, medição e de medição; Análise da
ensaios capabilidade do processo;
Cartas de controle
4.11.2.b Procedimento de Nenhuma identificada
controle
4.11.2.c Procedimento de Necessidade de definir o processo para a Estatística descritiva; Análise
controle calibração de equipamentos de inspeção, de medição; Análise da
medição e ensaios capabilidade do processo;
Cartas de controle
4.11.2.d Procedimento de Nenhuma identificada
controle
4.11.2.e Procedimento de Nenhuma identificada
controle
4.11.2.f Procedimento de Necessidade de avaliar a validade dos Estatística descritiva; Teste
controle resultados de inspeção e ensaios anteriores de hipóteses; Análise da
confiabilidade; Amostragem;
Cartas de controle
4.11.2.g Procedimento de Nenhuma identificada
controle
4.11.2.h Procedimento de Nenhuma identificada
controle
4.11.2.i Procedimento de Nenhuma identificada
controle
4.12 Situação de inspeção Nenhuma identificada
e ensaios
6 ABNT ISO/TR 10017:2000
4.13 Controle de produto

não-conforme
4.13.2.a Análise crítica e Nenhuma identificada

disposição de produto
não-conforme
4.13.2.b Análise crítica e Nenhuma identificada

não-conforme
4.13.2.c Análise crítica e Nenhuma identificada

não-conforme
4.13.2.d Análise crítica e Nenhuma identificada

não-conforme
4.14 Ação corretiva e

ação preventiva
4.14.2.a Ação corretiva Necessidade de avaliar a eficiência do Estatística descritiva;

processo de tratamento de reclamações de Amostragem
clientes e de relatórios de não-conformidades
de produto
4.14.2.b Ação corretiva Necessidade de examinar a causa da não- Estatística descritiva;

conformidade relacionada ao produto, Planejamento de
processo ou sistema da qualidade experimento; Análise de
medição; Análise da
capabilidade do processo;
Análise de regressão; Análise
da confiabilidade;
Amostragem; Simulação,
Cartas de controle; Tolerância
estatística; Análise de séries
temporais
4.14.2.c Ação corretiva Nenhuma identificada
4.14.2.d Ação corretiva Necessidade de avaliar a eficácia da ação Estatística descritiva; Teste
corretiva de hipóteses; Análise de
séries temporais
4.14.3.a Ação preventiva Necessidade de listar e analisar dados de Estatística descritiva; Análise
produtos ou processos relacionados com de regressão; Análise de
não-conformidades atuais ou potenciais séries temporais
4.14.3.b Ação preventiva Nenhuma identificada
4.14.3.c Ação preventiva Necessidade de assegurar a eficácia da ação Estatística descritiva; Teste
preventiva de hipóteses; Análise de
séries temporais
4.14.3.d Ação preventiva Nenhuma identificada

ABNT ISO/TR 10017:2000 7
Tabela 1 (conclusão)
4.15 Manuseio,
armazenamento,
embalagem, preservação
e entrega
4.15.2 Manuseio Nenhuma identificada
4.15.3 Armazenamento Necessidade de avaliar a deterioração do Estatística descritiva; Teste
produto em estoque e de determinar de hipóteses; Análise da
intervalos adequados entre as avaliações confiabilidade; Amostragem;
Análise de séries temporais
4.15.4 Embalagem Necessidade de avaliar os processos de Estatística descritiva; Análise
embalagem, acondicionamento e marcação da capabilidade do processo;
em conformidade com os requisitos Amostragem; Cartas de
especificados controle
4.15.5 Preservação Necessidade de avaliar a adequação da Estatística descritiva; Teste
preservação e segregação do produto de hipóteses; Amostragem;
enquanto o mesmo estiver sob controle do Análise de séries temporais
fornecedor
4.15.6 Entrega Necessidade de avaliar a adequação da Estatística descritiva;
proteção da qualidade do produto após a Amostragem
inspeção e os ensaios finais
4.16 Controle de registro Nenhuma identificada
da qualidade
4.17 Auditorias internas Necessidade potencial de amostragem no Estatística descritiva;
da qualidade planejamento e condução de auditorias Amostragem
internas; e necessidade de resumir os dados
das auditorias e verificação da eficácia
4.18 Treinamento Nenhuma identificada
4.19 Serviços associados Necessidade de verificar se os serviços Estatística descritiva;
associados atendem aos requisitos Amostragem
especificados
4.20 Técnicas estatísticas Consideração da técnica
estatística adequada
4.20.1 Generalidades Esta seção alerta para a identificação da
necessidade de técnicas estatísticas
4.20.2 Procedimentos Nenhuma identificada
Os resultados da tabela 1 estão resumidos no anexo A, que apresenta uma visão do escopo das técnicas estatísticas e a
extensão na qual ela pode ser usada para apoiar a implementação da NBR ISO 9001.
4 Descrições das técnicas estatísticas identificadas
4.1 Generalidades
As seguintes técnicas estatísticas ou famílias de técnicas, que podem auxiliar uma organização a atingir suas
necessidades, estão identificadas na seção 3:
—- estatística descritiva;
—- projeto de experimentos;
—- teste de hipóteses;
—- análise de medição;
—- análise da capabilidade do processo;
—- regressão;
—- análise da confiabilidade;
8 ABNT ISO/TR 10017:2000
—- amostragem;
—- simulação;
—- cartas de controle;
—- tolerância estatística;
—- análise de séries temporais.
Como afirmado anteriormente, o critério usado na seleção das técnicas listadas acima é que estas sejam bem conhecidas
e largamente utilizadas, e cuja aplicação tenha tido resultados benéficos para os usuários.
A escolha da técnica e a maneira da sua aplicação dependerão das circunstâncias e do o bjetivo da utilização, o qual difere
caso a caso.
Uma breve descrição de cada uma das técnicas estatísticas ou família de técnicas listadas acima é fornecida em 4.2 a
4.13. As descrições são destinadas a auxiliar um leitor leigo a avaliar a aplicabilidade potencial e os benefícios da
utilização de técnicas estatísticas na implementação dos requisitos de um Sistema da Qualidade. Entretanto, a real
aplicação das técnicas estatísticas citadas aqui requererá mais orientações e experiência do que é fornecido neste
Relatório Técnico.
Existe uma grande quantidade de informação em técnicas estatísticas de domínio público, de fontes tais como textos,
jornais, relatórios, manuais da indústria e outras fontes de informação, que podem auxiliar a organização na efetiva
utilização das técnicas estatísticas1). Entretanto, está além do escopo deste Relatório Técnico citar essas fontes e a busca
de tais informações fica a critério de cada organização.
4.2 Estatística descritiva
4.2.1 O que é
O termo estatística descritiva se refere a procedimentos para resumir e apresentar dados quantitativos, de forma que
revele as características da distribuição de dados.
As características dos dados que são tipicamente de interesse são sua tendência central (mais freqüentemente descrita
pela média, e também pela moda ou mediana) e sua amplitude ou dispersão (usualmente medidas pela amplitude, desvio-
padrão ou variância). Outra característica de interesse é a distribuição de dados, para a qual há medidas quantitativas que
descrevem a forma da distribuição (tal c omo o coeficiente de assimetria, que descreve a s imetria).
As informações fornecidas pela estatística descritiva podem freqüentemente ser expressas por uma variedade de métodos
gráficos. Estes vão desde simples gráficos na forma de setores ( pizza), gráficos de barras, histogramas, gráficos de
dispersão e de tendência, até gráficos de natureza mais complexa envolvendo escala especializada, tais como gráficos de
probabilidade e gráficos envolvendo variáveis e dimensões múltiplas.
Os métodos gráficos são úteis porque eles freqüentemente revelam características incomuns dos dados, que não
poderiam ser detectados rapidamente em uma análise quantitativa. Eles têm um uso extenso em análise de dados quando
explorando ou verificando as relações entre variáveis, e na estimação de parâmetros que descrevem tal relacionamento.
Também, eles têm uma aplicação importante no resumo e apresentação de dados complexos ou na relação de dados em
uma maneira efetiva, especialmente para audiências não especialistas.
Os métodos gráficos são muitas vezes usados implicitamente em muitas das técnicas estatísticas referidas neste Relatório
Técnico, e devem ser vistos como um componente vital da análise estatística.
4.2.2 É usada para
A estatística descritiva é usada para resumir e caracterizar dados. Geralmente é o passo inicial na análise de dados
quantitativos, e freqüentemente constitui o primeiro passo para o uso de outros procedimentos estatísticos.
As características dos dados amostrais podem servir como base para fazer inferência acerca das características das
populações, com uma margem de erro e um nível de confiança prefixados e considerando que as premissas estatísticas
assumidas foram satisfeitas.
4.2.3 Benefícios
A estatística descritiva oferece uma maneira eficiente e relativamente simples de resumir e caracterizar dados, e também
oferece uma maneira conveniente de apresentar tais informações. É facilmente compreendida e pode ser usada para
análise e tomada de decisões em todos os níveis.
_________________
1)
Listadas na bibliografia estão as normas ISO e IEC e relatórios técnicos relativos a técnicas estatísticas. Eles são citados aqui para
informação; este Relatório Técnico não demonstra conformidade com os m esmos.
ABNT ISO/TR 10017:2000 9
4.2.4 Limitações e cuidados

A estatística descritiva fornece medidas quantitativas (como média e desvio-padrão) de características de uma amostra de
dados. Contudo, essas medidas estão sujeitas a limitações devido ao tamanho da amostra e do método de amostragem
empregado. Também, estas medidas quantitativas não podem ser assumidas como estimativas válidas de características
de uma população da qual a amostra foi retirada, a menos que as premissas associadas com a amostragem estejam
satisfeitas.
4.2.5 Exemplos de aplicações
A estatística descritiva tem aplicação útil em quase todas as áreas onde dados quantitativos sejam coletados. Alguns
exemplos de tais aplicações são:
 resumir parâmetros-chave de características de um produto (tais como média e amplitude);
 descrever o desempenho de alguns parâmetros do processo, como temperatura de forno;
 caracterizar o tempo de remessa ou tempo de resposta e m serviço industrial;
 resumir dados de pesquisas de clientes.
4.3 Projeto de experimentos
4.3.1 O que é
Projeto de experimentos (abreviado como “PE”, ou às vezes chamado de experimento projetado) refere-se a investigações
desenvolvidas de forma planejada, as quais dependem da avaliação estatística dos resultados para obter-se conclusões
com um nível de confiança definido.
O arranjo específico e a forma com que os experimentos são conduzidos chama-se “projeto de experimentos” e este
projeto é direcionado pelo objetivo prático e as condições sob as quais os experimentos devem ser conduzidos.
PE significa induzir mudança(s) no sistema sob investigação, e avaliar estatisticamente o efeito de tal(is) mudança(s) no
sistema. Seu objetivo pode ser validar alguma(s) característica(s) de um sistema ou investigar a influência de um ou mais
fatores em alguma(s) característica(s) de um sistema.
4.3.2 É usado para
PE pode ser usado para avaliar uma característica de um produto, processo ou sistema, com um nível de confiança
estabelecido. Ele pode ser usado com o propósito de validar por meio de um padrão especificado ou para avaliação
comparativa de sistemas diferentes.
PE é particularmente útil para investigar sistemas complexos cujo resultado pode ser potencialmente influenciado por um
grande número de fatores. O objetivo do experimento pode ser maximizar ou otimizar a característica de interesse, ou
reduzir sua variabilidade. PE pode ser usado para identificar os fatores mais influentes no sistema, a extensão de sua
influência e a relação (interação), se existir, entre os fatores. Os resultados podem ser usados para facilitar o projeto e
desenvolvimento do produto ou processo, ou para controlar o u melhorar um sistema existente.
A informação de um projeto de experimento pode ser usada para formular um modelo matemático que descreva a(s)
característica(s) do sistema sob estudo, como uma função dos fatores de influência e com certas limitações (citadas
resumidamente abaixo), de modo que o modelo possa ser usado para fins de previsão.
4.3.3 Benefícios
Na estimativa ou validação de uma característica de interesse, existe a necessidade de se assegurar que os resultados
obtidos não são devidos ao acaso. Isto se aplica a avaliações feitas contra algum padrão preestabelecido e, em maior
grau, na comparação de dois ou mais sistemas. PE permite fazer estas avaliações com um nível de confiança
estabelecido.
A maior vantagem do PE é a sua relativa eficiência e economia em investigar os efeitos de fatores múltiplos num processo,
se comparados ao se investigar cada fator individualmente. Além disso, sua habilidade de identificar a interação entre
certos fatores pode levar a um profundo conhecimento do processo. Tais benefícios são acentuados especialmente
quando se trata de processos complexos, ou seja, processos que envolvam um grande número de fatores potenciais de
influência.
Finalmente, na investigação de um sistema, existe o risco de se assumir incorretamente casualidades, onde há chance de
existir correlação entre duas ou mais variáveis. O risco deste erro pode ser reduzido pelo uso dos princípios do projeto de
experimento.
Algum nível de variação inerente (freqüentemente chamado de “ruído”) está presente em todos os sistemas, e isto pode
algumas vezes mascarar os resultados das investigações e levar a conclusões incorretas. Outras fontes potenciais de erro
incluem o efeito de que se possa confundir fatores desconhecidos (ou simplesmente não reconhecidos) que podem estar
presentes, ou as dependências entre os vários fatores no sistema. O risco devido a estes erros pode ser mitigado por um
experimento bem elaborado, por exemplo, através da escolha do tamanho da amostra ou outras considerações no projeto
do experimento, mas estes riscos nunca podem ser totalmente eliminados, e devem ser considerados na elaboração das
conclusões.
Também, rigorosamente falando, os resultados do experimento são válidos para os fatores e faixas de valores nele
considerados. Entretanto, deve-se tomar cuidado na extrapolação (ou interpolação) muito além da faixa dos valores
considerados no experimento.
Finalmente, a teoria do PE faz certas premissas fundamentais, tais como a existência de uma relação canônica entre um
modelo matemático e a realidade física que es tá sendo estudada, cuja validade ou adequação estão sujeitas a debates.
10 ABNT ISO/TR 10017:2000

Uma aplicação familiar do PE é na avaliação de produtos ou processos como, por exemplo, na validação do efeito de um
tratamento médico, ou na avaliação da eficácia relativa de vários tipos de tratamento. Exemplos industriais desta aplicação
incluem testes de validação de produtos em relação a algum padrão de desempenho especificado.
PE é largamente usado para identificar fatores de influência em processos complexos e, assim, controlar ou melhorar um
valor médio, ou reduzir a variabilidade de alguma característica de interesse, como rendimento do processo, durabilidade
do produto, nível de ruído, etc. Tais experimentos são freqüentemente encontrados na produção, por exemplo, de
componentes eletrônicos, automobilísticos e químicos. Também são usados nas mais diversas áreas como agricultura e
medicina. O escopo de aplicações permanece potencialmente vasto.
4.4 Teste de hipóteses
4.4.1 O que é
Teste de hipóteses é um procedimento estatístico para determinar, com um risco prefixado, se um conjunto de dados
(tipicamente de uma amostra) está compatível com as hipóteses dadas. As hipóteses podem pertencer a uma distribuição,
ou modelo estatístico particular, ou dizer respeito ao valor de um parâmetro da distribuição (t al como sua média).
O procedimento para teste de hipóteses envolve a avaliação de evidência (em forma de dados) para decidir se a hipótese
dada, relativa ao modelo estatístico ou parâmetro, deve ou não deve ser rejeitada.
4.4.2 É usado para
O teste de hipóteses é amplamente utilizado para permitir que se conclua, com um nível de confiança definido, se uma
hipótese relativa a um parâmetro da população (estimado de uma amostra) é válida ou não. O procedimento pode ser,
dessa forma, aplicado para testar se um parâmetro populacional satisfaz ou não a um critério particular; ou pode ser usado
para testar a diferença entre duas ou mais populações.
Teste de hipóteses também é usado para testar suposições de modelos, tais como se a distribuição de uma população é
normal, se a amostra de dados é aleatória, etc.
O teste de hipótese é explicitamente ou implicitamente utilizado em muitas das técnicas estatísticas citadas neste Relatório
Técnico, tais como amostragem, cartas de controle, projeto de experimento, análise de regressão, análise de medição, etc.
Junto com o teste de hipóteses, uma faixa de valores na qual o parâmetro em questão pode plausivelmente estar contido
(chamado de “intervalo de confiança”) pode ser construído p ara fornecer informações suplementares.
4.4.3 Benefícios
O teste de hipóteses permite que seja feita uma afirmação sobre um parâmetro populacional, com um nível de confiança
prefixado. Assim, ele pode ajudar na tomada de decisões que dependam de um parâmetro.
Teste de hipóteses pode similarmente permitir que sejam feitas afirmações sobre a natureza da distribuição da população,
como também de propriedades da própria amostra.
Para assegurar a validade das conclusões do teste de hipóteses, é essencial que as premissas estatísticas assumidas
sejam adequadamente satisfeitas, principalmente que as amostras sejam independentes e aleatoriamente selecionadas.
Em nível teórico, há algumas discussões so bre como um teste de hipóteses pode ser usado para fazer inferências válidas.
Teste de hipóteses tem aplicação genérica quando uma afirmação sobre um parâmetro de uma ou mais populações tem
que ser feita. Este procedimento pode ser usado:
 para testar se a média (ou desvio-padrão) de uma população satisfaz a um valor dado, tal como um objetivo ou padrão;
para testar se as médias de duas populações são diferentes, como quando se comparam diferentes lotes de

componentes;
 para testar se a proporção de unidades defeituosas de uma população não excede um valor dado;
 para testar a diferença das proporções de unidades defeituosas na saída de dois processos;
 para testar se a amostra foi retirada aleatoriamente de uma única população;
 para testar se a distribuição de uma população é normal;
 para testar se uma observação em uma amostra é um " outlier" , isto é, um valor extremo de valida de questionável.
4.5 Análise de medição
4.5.1 O que é
Análise de medição (também chamada de “análise de sistema de medição”) é um conjunto de procedimentos para avaliar a
incerteza de sistemas de medição de acordo com as condições na qual o sistema opera. Erros de medição também podem
ser analisados usando os mesmos métodos que são usados para análise de características de produtos.
4.5.2 É usada para
Incertezas de medição deveriam ser levadas em consideração sempre que os dados são coletados. Análise de medição é
usada para avaliar, com um nível de confiança preestabelecido, se um sistema de medição está adequado a seus fins.
É usada para quantificar a variação de várias fontes, como a variação devida ao avaliador (isto é, a pessoa que realiza a
medição) ou variação do próprio instrumento de medição. É também usada para descrever a variação devida ao sistema de
medição como uma proporção da variação total do processo, ou a variação total permitida.
ABNT ISO/TR 10017:2000 11
4.5.3 Benefícios
Análise de medição fornece uma maneira quantitativa e de baixo custo para selecionar um instrumento de medição, ou para
decidir se um instrumento é capaz de avaliar o parâmetro do produto ou processo sob exame. Análise de medição fornece
uma base para comparar e conciliar diferenças na medição, pela quantificação da variação das várias fontes no seu próprio
sistema de medição.
Mesmo nos casos mais simples, análise de medição deve ser conduzida por especialistas treinados. A menos que se tenha
cuidado e experiência no uso desta aplicação, os resultados da análise de medição podem levar a uma falsa e
potencialmente cara superestimação tanto nos resultados da medição quanto na aceitação do produto. Por outro lado, uma
subestimação pode resultar na troca desnecessária de sistemas de medição adequados.
a) Determinação da incerteza de medição: A quantificação das incertezas de medição pode servir de apoio a uma
organização em garantir a seus clientes (internos e externos) que seus processos de medição são capazes de medir
adequadamente o nível de qualidade a ser alcançado. A análise da incerteza de medição pode freqüentemente salientar
a variabilidade em áreas que são críticas para a qualidade do produto, e assim auxiliar a organização na alocação de
recursos em tais áreas para melhorar ou manter a qualidade.
b) Seleção de novos instrumentos: A análise de medição pode auxiliar na escolha de um novo instrumento pela verificação
da proporção de variação associada com o instrumento.
c) Determinação das características de um método particular (exatidão, precisão, repetitividade, reprodutibilidade, etc.):
Permite a seleção do(s) método(s) de medição mais apropriado(s) a ser(em) usado(s) como suporte para garantia da
qualidade do produto. Permite também à organização balancear o custo e eficácia de vários métodos de medição em
relação ao seu efeito na qualidade do produto.
d) Ensaios de proficiência: Um sistema de medição de uma organização pode ser avaliado e quantificado pela comparação
de seus resultados de medição com aqueles resultados obtidos de outros sistemas de medição. Além de garantia aos
clientes, eles podem também ajudar uma organização a melhorar seus métodos e treinar sua equipe no que tange à
análise de medição.
4.6 Análise da capabilidade do processo
4.6.1 O que é
Análise da capabilidade do processo é a verificação da variabilidade e distribuição inerente a um processo, de modo a
estimar sua capacidade de produzir resultados que estejam de acordo com a variação permitida pelas especificações.
Quando o dado é uma variável mensurável (do produto ou processo), a variabilidade inerente do processo é estabelecida
em termos da “faixa” do processo quando está sob controle estatístico (ver 4.11), e é normalmente medida como seis
desvios-padrão (6σ) da distribuição do processo. Se o dado do processo é uma variável normalmente distribuída (“forma de
sino”), esta faixa abrangerá (na teoria) 99,73% da população.
A capabilidade do processo pode ser convenientemente expressa como um índice que relaciona a variabilidade atual do
processo à tolerância permitida pela especificação. Um índice amplamente usado de capabilidade para dados variáveis é
“C p”, uma razão da tolerância total dividido por 6σ, que é uma medida da capabilidade teórica de um processo que está
perfeitamente centrado entre os limites da especificação. Outro índice amplamente usado é o “C pk ”, que descreve a
capabilidade real de um processo que pode ou não estar centrado. Outros índices de capabilidade têm sido propostos para
melhor representação da variabilidade de curto ou longo p razo e para a variação em torno do valor da meta pretendida pa ra
o processo.
Quando os dados do processo envolvem “atributos” (por exemplo: percentual de não-conformidades ou número de não-
conformidades), a capabilidade do processo é estabelecida como uma proporção média de unidades não-conformes ou
taxa média de não-conformidades.
4.6.2 É usada para
A análise da capabilidade de processo é usada para determinar a habilidade de um processo em produzir resultados que
consistentemente atendam à especificação e para estimar a quantidade de produtos não-conformes que pode ser
esperada.
Este conceito pode ser aplicado para avaliar a capabilidade de qualquer subconjunto de processo, tal como para uma
máquina específica. A análise da “capabilidade da máquina” pode ser usada, por exemplo, para avaliar um equipamento
específico ou para avaliar sua contribuição para a capabilidade total do processo.
4.6.3 Benefícios
A análise da capabilidade do processo fornece uma avaliação da variabilidade inerente de um processo e uma estimativa
da porcentagem de itens não-conformes que pode ser esperada. Isso permite que a organização estime os custos de não-
conformidade e pode ajudar a orientar decisões, visando a melhoria do processo.
O estabelecimento de padrões mínimos para a capabilidade do processo pode orientar a organização na seleção de
processos e equipamentos que possam gerar produtos a ceitáveis.
12 ABNT ISO/TR 10017:2000

O conceito de capabilidade se aplica estritamente a um processo sob controle estatístico. Conseqüentemente, a análise da
capabilidade do processo pode ser realizada em conjunto com métodos de controle para fornecer uma verificação do
controle em processo.
Estimativas de porcentagem de produtos não-conformes estão sujeitas à premissa da normalidade. Quando a normalidade
não acontece na prática, tais estimativas devem ser tratadas com cautela, especialmente no caso de processos com altas
taxas de capabilidade.
Índices de capabilidade podem ser mal int erpretados quando a distribuição do processo é substancialmente não normal.
Estimativas da porcentagem de unidades não-conformes devem ser baseadas em métodos de análise desenvolvidos para
tais distribuições. Por outro lado, no caso de processos que estão sujeitos a causas sistemáticas de variação, tal como uso
de ferramentas, devem ser usadas aproximações especializadas para c alcular e interpretar a capabilidade.
Capabilidade do processo é usada para estabelecer especificações de engenharia para produtos manufaturados, de forma
a garantir que variações dos componentes do produto estejam consistentes com a tolerância final permitida para o produto
montado. Por outro lado, quando são necessárias tolerâncias apertadas, os fabricantes de componentes são solicitados a
atingir níveis especificados de capabilidade d o processo para assegurar alta produção com o mínimo de desperdício.
Altas metas de capabilidade do processo (por exemplo, C p ≥ 2) são algumas vezes usadas em componentes e níveis de
subsistemas para alcançar a qualidade acumulada desejada e confiabilidade de sistemas complexos.
A análise da capabilidade de máquinas é u sada para avaliar a capabilidade de uma máquina para produzir ou executar de
acordo com requisitos estabelecidos. Isto ajuda na tomada de decisões de aquisição ou reparo.
Fabricantes de equipamento para indústria automotiva, aeroespacial, eletrônica, de alimentos, farmacêutica e médica
usam rotineiramente capabilidade de processo como um critério principal para avaliar subcontratados e produtos. Isso
permite ao fabricante minimizar a inspeção direta na aquisição de produtos e materiais.
Algumas empresas de manufatura e serviços acompanham os índices de capabilidade para identificar a necessidade de
melhoria do processo, ou para verificar a eficácia de tais melhorias.
4.7 Análise de regressão
4.7.1 O que é
A análise de regressão relaciona o comportamento de uma característica de interesse (geralmente chamada de “variável
dependente”) com fatores causadores potenciais (geralmente chamados de “variáveis independentes”). Tal relacionamento
é especificado por um modelo que pode vir das ciências, da economia, da engenharia, etc. O objetivo é auxiliar no
entendimento da causa potencial de variação na resposta e explicar quanto cada fator contribui para aquela variação. Isto
é obtido relacionando estatisticamente a variação na variável resposta com a variação das variáveis independentes e
obtendo o melhor ajuste através da mi nimização dos desvios entre a resposta estimada e a resposta real.
4.7.2 É usada para
A análise de regressão permite o usuário fazer o seguinte:
 testar a hipótese sobre a influência das variáveis independentes na variável dependente, e usar esta informação para
descrever a mudança estimada na resposta para uma dada mudança na variável independente;
 prever o valor da variável dependente, para valores dados das variáveis independentes;
 prever (com nível preestabelecido de confiança) a faixa de valores dentro dos quais a resposta se encontra, dando
valores específicos para as variáveis independentes;
 estimar a direção e o grau de associação entre a variável de resposta e uma variável independente (contudo esta
associação não implica em causa). Esta informação pode ser usada, por exemplo, para determinar o efeito de mudar
um fator, tal como a temperatura na produção de um processo, enquanto outros fatores se mantêm constantes.
4.7.3 Benefícios
A análise de regressão pode fornecer subsídios para as relações entre vários fatores e a resposta de interesse, e este
subsídio pode ajudar a tomar decisões relativas ao processo sob estudo e, em última análise, melhorar o processo.
O subsídio produzido pela análise de regressão deve-se à sua capacidade de descrever padrões em dados de processo
de forma concisa, comparar subconjuntos de dados diferentes, mas relacionados, e analisar relações de causa e efeito
potenciais. Quando as relações são bem modeladas, a análise de regressão pode fornecer uma estimativa da ordem de
grandeza relativa do efeito das variáveis independentes, bem como a influência relativa destas variáveis. Esta informação
é potencialmente valiosa no controle ou melhoria de resultados do processo.
A análise de regressão também pode fornecer estimativas da grandeza e fonte de influências na resposta que provenham
de fatores não medidos ou omitidos na análise. Esta informação pode ser usada para melhorar o sistema de medição ou
controlar o processo.
A análise de regressão pode ser usada para prever o valor da variável dependente, para valores dados de uma ou mais
variáveis independentes; de forma semelhante, ela pode ser usada para previsão do efeito das mudanças nas variáveis
independentes para uma variável dependente prevista ou existente. Ela pode ser útil para conduzir tais análises antes de
investir tempo ou dinheiro num problema, quando a eficácia desta ação não é conhecida.
ABNT ISO/TR 10017:2000 13

Na modelagem de um processo, é necessária habilidade para definir a melhor especificação para o modelo de regressão e
no uso de diagnósticos para melhorar o modelo. A presença de variáveis omitidas, erro(s) de medição e outras fontes de
variações não explicadas na variável dependente pode comprometer a modelagem. Premissas específicas que suportam o
modelo de regressão em questão e características dos dados disponíveis determinam qual técnica de estimação é
apropriada em um problema de análise de regressão.
A inclusão ou omissão de uma simples observação ou um pequeno grupo de observações pode influenciar a estimativa da
variável dependente. Assim, observações influentes precisam ser entendidas e distinguidas de “dados espúrios” (“outliers”),
isto é, valores extremos cuja validade deve ser questionada onde for possível.
É importante simplificar o modelo através da minimização do número de variáveis independentes. A inclusão de variáveis
desnecessárias pode mascarar a influência de variáveis independentes e reduzir a precisão das previsões do modelo.
Todavia, omitir uma variável independente importante pode limitar seri amente o modelo e a utilidade dos resultados
A análise de regressão é usada para modelar características de produção, tais como desempenho, tempo de ciclo,
probabilidade de falha de um ensaio ou inspeção, e vários padrões de deficiências em processos. A análise de regressão é
usada para identificar os fatores mais importantes nestes processos, e a grandeza e natureza de sua contribuição na
variação da característica de interesse.
A análise de regressão é usada para prever resultados de um experimento, ou de estudos controlados, prospectivo ou
retrospectivo, da variação em materiais ou condições de produção.
A análise de regressão é também usada para verificar a substituição de um método de medição por outro, isto é,
substituindo um método destrutivo ou que consuma tempo por um não-destrutivo ou economizador de tempo.
Exemplos de aplicação não linear de regressão incluem modelagem de concentração de drogas em função do tempo e
massa dos componentes; modelagem de reações químicas em função do tempo, temperatura e pressão, etc.
4.8 Análise da confiabilidade
4.8.1 O que é
Análise da confiabilidade é a aplicação de métodos analíticos e de engenharia para avaliação, previsão e garantia de
desempenho livre de problemas no tempo em estudo2 ) de um produto ou sistema.
As técnicas usadas na análise da confiabilidade freqüentemente requerem o uso de métodos estatísticos para lidar com
incertezas, características aleatórias ou probabilidade de ocorrência (de falhas, etc.) no tempo. Tais análises geralmente
envolvem o uso de modelos estatísticos adequados para caracterizar variáveis de interesse, tais como tempos de falha, ou
tempo entre falhas. Os parâmetros destes modelos estatísticos são provenientes de dados empíricos obtidos de teste de
laboratório ou de fábrica ou de operação no campo.
Análise da confiabilidade engloba outras técnicas (tais como modelo de falha ou análise de efeito) que focam a natureza
física e causas de falha e a prevenção ou redução de falhas.
4.8.2 É usada para
Análise da confiabilidade é usada para os seguintes propósitos:
 verificar se medidas especificadas da confiabilidade foram alcançadas com base nos dados de um teste de duração
limitada e envolvendo um número específico de unidades testadas;
 prever a probabilidade de operação livre de problemas ou outra medida de confiabilidade, tais como taxas de falhas ou
tempo entre falhas de componentes ou sistemas;
 modelar modos de falha e traçar cenários de desempenho de produtos ou serviços;
 quantificar dados estatísticos de parâmetros de projeto, tais como tensão e resistência usada para projeto probabilístico;
 identificar componentes críticos ou de alto risco e prováveis modos e mecanismos de falhas prováveis e para apoiar a
pesquisa de causas e medidas de prevenção.
As técnicas estatísticas empregadas na análise da confiabilidade permitem níveis de confiança estatísticos associados à
estimativa de parâmetros e modelos de confiabilidade q ue são desenvolvidos e para predições feitas usando tais modelos.
4.8.3 Benefícios
A análise da confiabilidade fornece uma medida quantitativa do desempenho do produto ou serviço, em relação às falhas
ou interrupções de serviço. Atividades de confiabilidades são intimamente associadas com a contenção de riscos em
sistemas operacionais. A confiabilidade é freqüentemente um fator de influência na percepção da qualidade do produto ou
serviço e na satisfação do cliente.
Os benefícios de se usarem técnicas estatísticas na análise da confiabilidade incluem:
 a capacidade de predizer e quantificar as prováveis falhas e outras medidas de confiabilidade, que estejam dentro do
limites de confiança estabelecidos;
 os subsídios para orientar decisões relativas a diferentes alternativas de projeto usando redundâncias diferentes e
estratégias mitigadoras;
_________________
2)
Análise da confiabilidade está relativamente próxima ao vasto campo da “dependabilidade”, que inclui mantenabilidade e disponi-
bilidade. Essas e outras técnicas relacionadas e aproximações são definidas e discutidas nas publicações da IEC citadas na bibliografia.
14 ABNT ISO/TR 10017:2000
 o desenvolvimento de critérios objetivos de aceitação ou rejeição para executar teste de aceitação para demonstrar que
requisitos de confiabilidade foram atendidos;
 a capacidade para planejar a manutenção preventiva ótima e programar trocas baseadas na análise da confiabilidade
do desempenho do produto, ou dados de serviço e desgaste.
Uma condição básica da análise da confiabilidade é que o desempenho de um sistema em estudo pode estar
razoavelmente caracterizado por uma distribuição estatística. A exatidão da estimativa da confiabilidade dependerá,
entretanto, da validade desta condição.
A complexidade da análise da confiabilidade é composta quando modos de falha múltipla estão presentes, os quais podem
ou não estar em conformidade com a mesma distribuição estatística. Também, quando o número de falhas observado em
um teste de confiabilidade é pequeno, isto pode afetar seriamente a confiança estatística e a precisão associada para
estimar a confiabilidade.
Outra consideração refere-se à condição sob a qual o teste da confiabilidade é conduzido, e isto é particularmente
acentuado quando o teste envolve alguma forma de “esforço acelerado” ("accelerated stress”), isto é, esforço que é
significativamente maior do que aquele que o produto estará submetido em condições normais. Pode ser difícil determinar a
relação entre as falhas observadas no teste e no desempenho do produto em condições normais de operação e isso se
somará à incerteza das predições da co nfiabilidade.
Exemplos típicos de aplicações da análise da confiabilidade incluem:
— verificação de que componentes ou produtos podem alcançar os requisitos de confiabilidade estabelecidos;
— projeção do custo comparativo do ciclo de vida do produto, baseada na análise da confiabilidade na introdução de um
novo produto;
— orientação na tomada de decisão para fazer ou comprar produtos de reposição, baseada na análise da sua
confiabilidade e no efeito estimado das metas de entrega e redução de custos relativos a falhas projetadas;
— projeção sobre a maturidade do produto de software baseada nos resultados de teste, melhorias da qualidade e
crescimento da confiabilidade e estabelecimento de metas de entrega do software compatíveis com os requisitos de
mercado;
— determinação das características dominantes do desgaste de um produto para ajudar na melhoria do projeto do produto
ou para planejar o programa adequado de manutenção do serviço e as medidas necessárias.
4.9 Amostragem
4.9.1 O que é
Amostragem é um método estatístico sistemático para obter informação sobre algumas características de uma população,
através do estudo de uma fração representativa (por exemplo, amostra) da população. Existem várias técnicas que podem
ser empregadas, tais como aleatórias simples, sistemática, seqüencial, skip-lot etc., e a escolha da técnica é determinada
pelo propósito da amostragem e as condições sobre as quais ela será conduzida.
4.9.2 É usada para
A amostragem pode ser dividida, de uma maneira não muito precisa, em duas grandes áreas não exclusivas: "amostragem
de aceitação" e "amostragem de pesquisa".
A amostragem de aceitação está relacionada com a tomada de decisão com respeito a aceitar ou não aceitar um “lote” (por
exemplo: um grupo de itens), baseado no resultado de uma(s) amostra(s) selecionada(s) daquele “lote”. Uma grande gama
de planos de amostragem de aceitação está disponível para satisfazer requisitos e aplic ações específicas.
A amostragem de pesquisa é usada em estudos analíticos ou contábeis para estimar valores de uma ou mais
características na população, ou para estimar como aquelas características são distribuídas na população. Uma vez que a
amostragem de pesquisa é freqüentemente associada à votação onde a informação é obtida da opinião das pessoas sobre
o assunto, ela pode ser aplica da igualmente para todos os dados obtidos para outros propósitos, tais como auditorias.
A amostragem exploratória usada em estudos contábeis para ter informação sobre a(s) característica(s) de uma população
ou um subconjunto da população é uma forma especializada de amostragem de pesquisa. Assim é a amostragem de
produção que pode ser executada para conduzir, p or exemplo, a uma análise da capabilidade do processo.
4.9.3 Benefícios
Um plano de amostragem construído adequadamente oferece economia de tempo, custo e trabalho, quando comparado
tanto com o censo da população total quanto com a inspeção 100% de um lote. Onde a inspeção do produto envolve
ensaios destrutivos, a amostragem é o único meio prático para obter informações pertinentes.
A amostragem oferece um meio econômico e rápido de obter informação preliminar relativa ao valor ou distribuição de uma
característica de interesse em uma população.
ABNT ISO/TR 10017:2000 15

Quando for construir um plano de amostragem, muita atenção deve ser dada para as decisões relativas ao tamanho da
amostra, freqüência de amostragem, seleção da amostra, base de subgrupos e vários outros aspectos da metodologia da
amostragem.
A amostragem requer que a amostra seja escolhida de forma não tendenciosa, isto é, amostra deve ser representativa da
população em que ela foi retirada. Se isso não é feito, ela resultará numa estimativa inadequada das características da
população. No caso de amostragem de aceitação, amostras não representativas podem resultar tanto em rejeições
desnecessárias de lotes bons quanto na aceitação inadvertida de lotes com qualidade inadequada.
Mesmo com amostras não tendenciosas, a informação resultante de amostras está sujeita a um grau de erro. A magnitude
desse erro pode ser reduzida pegando-se uma amostra de tamanho maior, mas ele não pode ser totalmente eliminado.
Dependendo da questão específica e do contexto da amostragem, o tamanho da amostra necessário para alcançar o nível
de confiança e precisão desejados pode ser e xageradamente grande.
Uma aplicação freqüente de amostragem de pesquisa é em pesquisa de mercado, para estimar (dizer) a proporção de uma
população que pode comprar um determinado produto. Uma outra aplicação é em auditorias de inventários, para estimar
as porcentagens de itens que estejam em conformidade com os critérios especificados.
Amostragem é usada para conduzir processos de verificação de operadores, máquinas ou produtos, de modo a monitorar
variações, e para definir ações corretivas e preventivas.
A amostragem de aceitação é amplamente usada na indústria para fornecer algum nível de garantia que o material
recebido atenda a requisitos predefinidos.
4.10 Simulação
4.10.1 O que é
A simulação é um termo coletivo para procedimentos nos quais um sistema (teórico ou empírico) é representado
matematicamente por um programa de computador para solução de problema. Se a representação envolve conceitos da
teoria da probabilidade, em particular variáveis aleatórias, a simulação é chamada de “método de Monte Carlo”.
4.10.2 É usada para
No contexto da ciência teórica, a simulação é usada se nenhuma teoria abrangente é conhecida para solução do problema
(ou, se conhecida, impossível ou difícil para resolver), e onde a solução pode ser obtida através da força brutal do
computador. No contexto empírico, a simulação é usada se o sistema pode ser adequadamente descrito por um programa
de computador. A simulação é também uma ferramenta de ajuda no ensino da estatística.
A evolução relativamente barata da capacidade de computação está resultando na aplicação de simulação pa ra problemas
que até agora não haviam sido tentados.
4.10.3 Benefícios
Na ciência teórica, a simulação (em particular o método de Monte Carlo) é usada se cálculos explícitos para soluções de
problemas são impossíveis ou muito trabalhosos para fazê-los diretamente (por exemplo, integração n-dimensional). Da
mesma forma, no contexto empírico, a simulação é usada quando as investigações são impossíveis ou muito caras.
O benefício da simulação é que el a permite uma solução com economia de tempo e dinheiro.
O benefício de uma simulação no ensino da estatística é óbvio, uma vez que ela pode ilustrar efetivamente variações
aleatórias.
Na ciência teórica, a comprovação baseada em razões conceituais é preferível à simulação, uma vez que a simulação
freqüentemente não fornece razões compreensíveis para o resultado.
A simulação por computador de métodos empíricos está sujeita à limitação de que o modelo pode não ser adequado, isto
é, ele pode não representar suficientemente o problema. Conseqüentemente não pode ser considerado um substituto para
a experimentação e investigação real.
Projetos de grande porte (tal como o programa espacial) usam rotineiramente o método de Monte Carlo. As aplicações não
são limitadas a qualquer tipo de indústria específica. As áreas típicas de aplicação incluem tolerâncias estatísticas,
simulação de processos, teoria e previsão da confiabilidade. Algumas aplicações específicas são: modelar a variação em
subconjuntos mecânicos; modelar o perfil de vibração em montagens complexas; determinar a programação ótima de
manutenção preventiva; conduzir análises de custos e outras em projeto e processos produtivos para otimizar a alocação
de recursos.
4.11 Cartas de controle
4.11.1 O que é
Uma carta de controle é um gráfico derivado de amostras que são periodicamente coletadas de um processo e plotadas
seqüencialmente. Pode-se notar também nas cartas de controle os "limites de controle" que descrevem a variabilidade
inerente do processo quando estável. A função da carta de controle é possibilitar a estabilidade do processo, e isto é feito
examinando os dados plotados em relação aos li mites de controle.
16 ABNT ISO/TR 10017:2000
Qualquer variável (dado medido) ou atributo (dado contado) representando uma característica de interesse de um produto
ou processo pode ser representada graficamente. No caso de dados de variáveis, é normalmente usada uma carta de
controle para monitorar mudanças no centro do processo, e uma outra carta de controle para monitorar as mudanças na
variabilidade do processo.
Para dados de atributos, as cartas de controle expressam usualmente o número ou a proporção de unidades não-
conformes, encontradas em amostras retiradas de um processo.
A forma convencional da carta de controle para dados de variáveis é o gráfico de “Shewhart ”. Existem outras formas de
carta de controle, cada uma com propriedades que são adequadas para aplicações em circunstâncias especiais. Exemplos
disso são as "cartas de somas cumulativas", que permitem detectar pequenas mudanças no processo, e "cartas de média
móvel" (uniformes ou ponderadas), que servem para suavizar variações curtas a fim de revelar tendências persistentes.
Uma carta de controle é usada para detectar mudanças em um processo. O dado plotado, que pode ser uma leitura
individual ou algo estatístico como a média de amostras, é comparado com os limites de controle. No nível mais simples,
um ponto plotado que caia fora dos limites de controle sinaliza para uma provável mudança no processo, possivelmente
devido a alguma "causa identificável". Isso indica a necessidade de se investigar a causa da leitura "fora de controle" e
fazer ajustes no processo, onde necessário. Isso auxilia a manutenção da estabilidade do processo e a melhoria contínua
dos processos ao longo do mesmo.
O uso de cartas de controle pode ser refinado para produzir indicações mais rápidas de mudanças no processo ou
aumentar a sensibilidade para pequenas mudanças, por meio do uso de critérios adicionais para interpretação dos modelos
e tendências dos dados plotados
4.11.3 Benefícios
Em adição à possibilidade de melhor visualização ao usuário, as cartas de controle facilitam a resposta apropriada a
variações do processo pela distinção da variável aleatória que é inerente em um processo estável, de uma variação que é
provavelmente devido a "causas identificáveis". O papel e o valor das cartas de controle em vários processos relativos às
atividades estão identificados a seguir:
a) Controle de processo: cartas de controle de variáveis são usadas para detectar alterações no centro do processo ou
variabilidade do processo, de forma a se iniciarem ações corretivas, assim mantendo ou restaurando a estabilidade do
processo.
b) Análise da capabilidade do processo: se o processo está sob uma condição estável, os dados das cartas de controle
podem ser usados subseqüentemente para estimar a capabilidade do processo.
c) Análise do sistema de medição: através da incorporação de limites de controle que refletem a variabilidade inerente de
um sistema de medição, uma carta de controle pode mostrar se o sistema de medição é capaz de detectar a
variabilidade do produto ou do processo de interesse. Cartas de controle podem também ser utilizadas para monitorar a
medição do processo propriamente dito.
d) Análise de causa e efeito: correlação entre eventos de processo e modelos de cartas de controle pode ajudar a inferir a
causa identificável assinalada e planejar ações efetivas.
e) Melhoria contínua: cartas de controle são usadas para monitorar e auxiliar na identificação de causas de variações de
processo e para ajudar a reduzir causas de variação.
É importante retirar amostras do processo de modo que possa revelar a melhor variação de interesse, e tal amostragem é
conhecida como "subgrupo racional". Isto é importante para o uso e interpretações efetivos das cartas de controle e para
entender as fontes de variações do processo.
Processos curtos apresentam dificuldades especiais, assim como dados suficientes são raros para estabelecer limites de
controle apropriados.
Há um risco de "alarmes falsos" quando se interpretam cartas de controle; isto é, corre-se o risco de concluir erradamente
que ocorreu uma mudança no processo, quando não é o caso. Este risco pode ser minimizado, mas nunca eliminado.
Empresas do setor automobilístico, eletrônico, defesa e outros freqüentemente solicitam que seus fornecedores
mantenham cartas de controle para características críticas como evidência da continuidade da estabilidade e capabilidade
do processo.
As cartas de controle são usadas como ferramenta de trabalho para encontrar soluções de problemas. Elas têm sido
aplicadas em todos os níveis das organizações para dar suporte no reconhecimento de problemas e na análise da causa
básica.
As cartas de controle são usadas em indústrias mecanizadas para reduzir intervenções desnecessárias no processo
habilitando os empregados na distinção entre a variação que é inerente ao processo e a variação que pode ser atribuída a
uma "causa identificável".
As cartas de controle de amostras características tais como tempo médio de resposta, taxas de erro e freqüência de
reclamações são usadas para medir, diagnosticar e melhorar o desempenho em indústrias de serviço.
ABNT ISO/TR 10017:2000 17
4.12 Tolerância estatística

4.12.1 O que é
Tolerância estatística é um procedimento que tem a finalidade de estabelecer os limites aceitáveis de um atributo ou
variável. Ela utiliza-se de distribuições est atísticas, de dimensões relevantes dos componentes para determinar a tolerância
total para a unidade montada.
Quando da montagem de componentes individuais em um módulo, freqüentemente o fator crítico ou requisito em termos
de montagem e intercambiabilidade de tais mó dulos não são as dimensões dos componentes individuais mas, ao contrário,
a dimensão total obtida como um resultado da montagem.
Valores extremos para a dimensão total, isto é, valores muito maiores ou menores ocorrem somente se as dimensões de
todos os componentes individuais encontrarem-se no limite inferior ou superior de suas faixas individuais relevantes das
tolerâncias. Na estrutura da cadeia de tolerâncias, se as tolerâncias individuais são adicionadas na tolerância dimensional
total, então alguns se referem a isto como a tolerância total aritmética
Para a determinação estatística das tolerâncias totais, assume-se que em montagens envolvendo um grande número de
componentes individuais, dimensões de uma extremidade da amplitude das tolerâncias individuais serão balanceadas por
dimensões do outro extremo da amplitude das tolerâncias. Por exemplo, uma dimensão individual posicionada na
extremidade inferior de uma tolerância pode ser equilibrada com uma outra dimensão (ou combinação de dimensões) no
lado superior da tolerância. No campo da estatística, a dimensão total terá aproximadamente uma distribuição normal sob
certas circunstâncias. Este fato é completamente independente da distribuição das dimensões individuais e pode,
conseqüentemente, ser usado para estimar a amplitude da tolerância da dimensão total do módulo montado. Alterna-
tivamente, dando a tolerância dimensional total, ela pode ser usada para determinar a amplitude da tolerância admissível
dos componentes individuais.
4.12.3 Benefícios
Dado um conjunto individual de tolerâncias (que não precisam ser as mesmas) o cálculo da tolerância estatística total
renderá uma tolerância dimensional total que será significantemente menor d o que a tolerância dimensional to tal, calculada
aritmeticamente.
Isto significa que, dada uma tolerância dimensional total, tolerâncias estatísticas permitirão o uso de tolerâncias mais
largas para dimensões individuais do que para aquelas determinadas pelo cálculo aritmético. Em termos práticos isso pode
ser um benefício significativo, uma vez que tolerâncias mais largas são associadas a métodos de produção mais simples e
mais efetivos economicamente.
Tolerância estatística requer primeiramente que se estabeleça qual a proporção de módulos montados pode aceitar
posicionamento fora da amplitude da tolerância da dimensão t otal. Os seguintes requisitos devem ser atendidos para que a
tolerância estatística seja factível (sem necessitar de métodos avançados):
—- as dimensões individuais reais podem ser consideradas como variável aleatória não correlacionada;
—- a cadeia dimensional é linear;
—- a cadeia dimensional tem pelo menos quatro unidades;
—- as tolerâncias individuais são da mesma ordem de grandeza;
—- as distribuições das dimensões individuais da cadeia dimensional são conhecidas.
É óbvio que alguns desses requisitos só podem ser atendidos se a fabricação dos componentes individuais em questão
puder ser controlada e monitorada continuamente. No caso de um produto ainda em desenvolvimento, experiência e
conhecimento de engenharia devem guiar a aplicação do cálculo da tolerância estatística.
A teoria da tolerância estatística é normalmente aplicável na montagem de partes que envolvem relações aditivas ou casos
envolvendo subtrações simples (por exemplo: eixo e furo). Setores industriais que usam a tolerância estatística incluem
indústrias mecânicas, eletrônica e química. A teoria é também aplicada em simulação de computador para determinar
tolerâncias ótimas.
4.13 Análise de séries temporais
4.13.1 O que é
Análise de séries temporais (algumas vezes chamada de análise de tendência) é uma família de métodos para estudar
uma coleção de observações feitas seqüencialmente no tempo. Os métodos incluem:
— plotar uma série temporal, freqüentemente chamada de gráfico de tendência, de alguma característica de interesse no
eixo y (vertical) e o período no eixo x (horizontal);
— achar padrões de passo pelo enfoque estatístico de como cada observação está correlacionada com a observação
imediatamente anterior a ela, e repetindo isto para cada período de passo sucessivo (usando uma ferramenta chamada
função de autocorreção);
— encontrar padrões que sejam cíclicos ou sazonais, para entender como fatores causais do passado representam
influência no futuro (usando uma ferramenta chamada função de densidade espectral);
— usar ferramentas estatísticas dos campos de econometria e engenharia de controle para prever observações futuras
ou entender quais fatores causais contribuíram mais para as variações na série temporal.
18 ABNT ISO/TR 10017:2000

A análise de séries temporais é usada para descrever padrões em séries de dados ao longo do tempo e identificar "outliers"
(isto é, valores extremos cuja validade deve ser investigada) para ajudar a entender os padrões ou para fazer ajustes, e
para detectar quando um ponto muda a direção de uma tendência. Outro uso é para explicar padrões em séries temporais
em relação a outras séries temporais, com todos os objetivos inerentes da análise de regressão.
A análise de séries temporais é usada para prever valores futuros da série temporal, representado através dos limites
inferior e superior, conhecido como intervalo de previsão. É muito usada na área de controle e freqüentemente aplicada em
processos automatizados. Neste caso, o modelo probabilístico é ajustado aos dados históricos da série temporal, valores
futuros são previstos e então parâmetros específicos de processo são ajustados para manter o processo no alvo ou com a
menor variação possível.
4.13.3 Benefícios
Os métodos de análise de séries temporais são usados no planejamento, na engenharia de controle, na identificação de
uma mudança em um processo, em previsões g erais e na medição do efeito de alguma inte rvenção ou ação externa.
A análise de séries temporais é útil também para comparar o desempenho projetado de um processo com os valores pre-
determinados na série temporal, caso uma mudança específica aconteça.
Os métodos de análise de séries temporais podem fornecer um entendimento sobre possíveis elementos de causa e efeito.
Métodos existem para separar causas sistemáticas (ou identificáveis) de causas variáveis e de padrões cíclicos sazonais
numa série temporal.
A análise de séries temporais é freqüentemente útil para entender como um processo se comportará sob condições
específicas e quais ajustes (se necessário) podem influenciar o processo em direção a algum valor-alvo ou quais ajustes
podem reduzir a variabilidade no processo.
As limitações e cuidados citados para análise de regressão também se aplicam à análise de séries temporais. Quando se
modela um processo para entender causas e efeitos, é preciso um nível significante de habilidade para se selecionar o
modelo mais apropriado e para usar ferramentas de diagnósticos para melhorar o modelo.
Se incluída ou omitida da análise, uma única observação ou um pequeno conjunto de observações pode ter influência
significante no modelo. Por esse motivo, observações influentes podem ser entendidas e distinguidas dos "outliers" nos
dados.
Diferentes técnicas de estimações de séries temporais podem apresentar vários graus de sucesso, dependendo dos
padrões das séries temporais e do número de períodos para os quais as estimativas são desejadas, relativas ao número de
períodos de tempo para cada série de dados temporais disponível. A escolha de um modelo deve considerar o objetivo da
análise, a natureza dos dados, o custo relativo e as propriedades preditivas e analíticas dos vários modelos.
A análise de séries temporais é aplicada para estudar padrões de desempenho ao longo do tempo, por exemplo, medidas
de processo, reclamações dos clientes, não-conformidades, resultados de produtividade e de ensaios.
Prever aplicações inclui predição de peças sobressalentes, absenteísmo, pedidos de clientes, necessidade de material,
consumo de eletricidade, etc.
A análise de séries temporais casuais é usada p ara desenvolver modelos preditivos de demanda. Por exemplo, no con texto
da confiabilidade, ela é usada para prever o número de eventos num dado período de tempo e a distribuição de tempo dos
intervalos entre eventos, tais como desgaste ("outages") de equipamentos.
_________________
/ANEXO A
A
B
N
T
Anexo A (informativo) I S
Visão das técnicas estatísticas identificadas que podem ser utilizadas para apoiar os requisitos das seções da NBR ISO 9001
O
T /
Teste
Estatística Projeto de Análise de Análise da Análise de Análise da Cartas Tolerância
Análise de R
Itens da ISO 9001:1994 de capabilidade Amostragem Simulação séries
descritiva experimentos medição do processo regressão confiabilidade de controle estatística
1
hipóteses temporais
0
0
4.1 Responsabilidade da X X X X
1
7
administração
:2
0
4.2 Sistema da qualidade 0
0
4.3 Análise crítica de contrato X X X X
4.4 Controle do projeto X X X X X X X X X X
4.5 Controle de documentos
e de dados
4.6 Aquisição X X X X
fornecido pelo cliente
4.8 Identificação e
rastreabilidade do produto
4.9 Controle de processo X X X X X X X X X X
4.10 Inspeção e ensaios X X X
4.11 Controle de X X X X X X X
equipamentos de Inspeção e
ensaios
4.12 Situação de inspeção e
ensaios
não-conforme
4.14 Ação corretiva e ação X X X X X X X X X X X X
preventiva
4.15 Manuseio, X X X X X X X
armazenamento,
embalagem, preservação e
entrega
4.16 Controle de registros da
qualidade
4.17 Auditorias internas da X X
qualidade
4.18 Treinamento
4.19 Serviços associados X X
4.20 Técnicas estatísticas Esta seção trata da identificação da necessidade de técnicas estatísticas
1
9
_________________
/Bibliografia
20 ABNT ISO/TR 10017:2000
Bibliografia
Publicações da ISO relativas a técnicas estatísticas:
[1] ISO 2602 (1980): Statistical interpretation of test results - Estimation of the mean - Confidence interval
[2] ISO 2854 (1976): Statistical interpretation of data - Techniques of estimation and test relating t o means and variances
[3] ISO 2859-0 (1995): Sampling procedures for inspection by attributes - Part 0: Introduction to the ISO 2859 attribute
sampling system
[4] ISO 2859-1 (1989): Sampling procedures for inspection by attributes - Part 1: Sampling plans indexed by acceptable
quality level (A QL) for lot-by-lot inspection
[5] ISO 2859-2 (1985): Sampling procedures for inspection by attributes - Part 2: Sampling plans indexed by limiting quality
(LQ) for isolated lot inspection
[6] ISO 2859-3 (1991): Sampling procedures for inspection by attributes - Part 3: Skip-lot sampling procedures
[7] ISO 3207 (1975): Statistical interpretation of data - Determination of statistical tolerance interval
[8] ISO 3301 (1975): Statistical interpretation of data - Comparison of two means in the case of paired observations
[9] ISO 3494 (1976): Statistical interpretation of data - Power of tests relating to means and variances
[10] IS0 3534-1(1993): Statistics - Vocabulary and Symbols - Part 1: Probability a nd General Statistical terms
[11] IS03534-2(1993): Statistics -Vocabulary and Symbols - Part 2: Statistical Quality Control
[12] IS0 3534-3 (1985): Statistics - Vocabulary and Symbols - Part 3: Design of Experiments
[13] IS0 3951(1989): Sampling procedures and charts for inspection by variables for percent nonconforming
[14] ISO 5479 (1997): Tests for departure from the normal distribution
[15] ISO 5725-1 (1994): Accuracy (trueness and precision) of measurement methods and results - Part 1: General
principles and definitions
[16] ISO 5725-2 (1994): Accuracy (trueness and precision) of measurement methods and results - Part2: the basic method
for determination of repeatability and reproducibility of a standard measurement method
[17] ISO 5725-3 (1994): Accuracy (trueness and precision) of measurement methods and results - Part 3: Intermediate
20 ABNT ISO/TR 10017:2000
Bibliografia
Publicações da ISO relativas a técnicas estatísticas:
[1] ISO 2602 (1980): Statistical interpretation of test results - Estimation of the mean - Confidence interval
[2] ISO 2854 (1976): Statistical interpretation of data - Techniques of estimation and test relating t o means and variances
[3] ISO 2859-0 (1995): Sampling procedures for inspection by attributes - Part 0: Introduction to the ISO 2859 attribute
sampling system
[4] ISO 2859-1 (1989): Sampling procedures for inspection by attributes - Part 1: Sampling plans indexed by acceptable
quality level (A QL) for lot-by-lot inspection
[5] ISO 2859-2 (1985): Sampling procedures for inspection by attributes - Part 2: Sampling plans indexed by limiting quality
(LQ) for isolated lot inspection
[6] ISO 2859-3 (1991): Sampling procedures for inspection by attributes - Part 3: Skip-lot sampling procedures
[7] ISO 3207 (1975): Statistical interpretation of data - Determination of statistical tolerance interval
[8] ISO 3301 (1975): Statistical interpretation of data - Comparison of two means in the case of paired observations
[9] ISO 3494 (1976): Statistical interpretation of data - Power of tests relating to means and variances
[10] IS0 3534-1(1993): Statistics - Vocabulary and Symbols - Part 1: Probability a nd General Statistical terms
[11] IS03534-2(1993): Statistics -Vocabulary and Symbols - Part 2: Statistical Quality Control
[12] IS0 3534-3 (1985): Statistics - Vocabulary and Symbols - Part 3: Design of Experiments
[13] IS0 3951(1989): Sampling procedures and charts for inspection by variables for percent nonconforming
[14] ISO 5479 (1997): Tests for departure from the normal distribution
[15] ISO 5725-1 (1994): Accuracy (trueness and precision) of measurement methods and results - Part 1: General
principles and definitions
[16] ISO 5725-2 (1994): Accuracy (trueness and precision) of measurement methods and results - Part2: the basic method
for determination of repeatability and reproducibility of a standard measurement method
[17] ISO 5725-3 (1994): Accuracy (trueness and precision) of measurement methods and results - Part 3: Intermediate
measures of the precision of a standard measurement method
[18] ISO 5725-4 (1994): Accuracy (trueness and precision) of measurement methods and results - Part 4: Basic methods for
the determination of the trueness of a standard measurement method
[19] ISO 5275-5 (1998): Accuracy (trueness and precision) of measurement methods and results - Part 5: Alternative
methods for the determination of the precision of a standard measurement method on o measurement methods and
[20] ISO 5275-6 (1994): Accuracy (trueness and precision) of measurement methods and results - Part 6: Use and practice
of accuracy values
[21] ISO 7870 (1993): Control charts - General guide and introduction
[22] ISO TR 7871(1997): Guide to quality control and data analysis using cusum techniques
[23] ISO 7873 (1993): Control charts for arithmetic average with warning limits
[24] ISO 7966 (1993): Acceptance control charts
[25] ISO 8402 (1994): Quality management and quality assurance - Vocabulary
[26] ISO 8258 (1991): Shewhart control charts
[27] ISO 8422 (1991): Sequential sampling plans for inspection by attributes
[28] ISO 8423 (1991): Sequential sampling lans for inspection by variables for percent nonconformíng (known standard
deviation)
[29] ISO/-IR 8550 (1994): Guide for selection of an acceptance sampling system, scheme or plan for inspection of discrete
items in lots
[30] ISO 8595 (1999): Interpretation of statistical data - Estimation of a median
[31] IS0 9004-4(1993): Quality management and system elements - Part 4: Guidelines for quality improvement
[32] ISO 11 095 (1996): Linear calibration using reference materials
[33] ISO 11453 (1996): Statistical interpretation of data - Tests and confidence intervals relating to proportions
[34] ISO 11843-1 (1997): Decision limit - Defection limit - Capability of detection - Part 1:Terms and definitions
[35] ISO TR 13425 (1995): Guide for the selection of statistical methods in standardization and specification
[36] ISO Guide 33 (1989): Uses of certified reference materials
[37] ISO Guide 35 (1989): Certification of reference materials - General and statistical principles
[38] ISO/IEC Guide 43 (1997): Proficiency testing by interlaboratory comparisons
ABNT ISO/TR 10017:2000 21
[39] ISO Handbook (1995): Statistical methods for quality control

Volume 1: Terminology and symbols; Acceptance sampling
Volume 2: Measurement methods and results; Interpretation of statistical data- Process control
Publicações da ISO/IEC relativas à análise da confiabilidade:
[40] ISO 9000-4 /IEC 60300-1 (1993): Dependability management - Part 1: Dependability programme management
Publicações da IEC relativas à análise da confiabilidade:
[41] IEC 60050 (191), (1990): International electrotechnical vocabulary (IEV), Chapter 191,Dependability and quality of
service
[42] IEC 60300-2(1995):Dependability management - Part 2: Dependability programmeelements and tasks

[43] IEC 60300-3-9(1995): Dependability management - Part 3: Application guide - Section 9: Risk analysis of technological
systems
[44] IEC 60812 (1985): Analysis techniques for system reliability - Procedure for failure mode and effects analisys
[45] IEC 60863 (1986): Presentation of reliability, maintainability end availability predictions
[46] IEC 61014 (1989): Programmes for reliability growth
[47] IEC 61025 (1990): Fault tree analysis (FTA)
[48] IEC 61070 (1991): Compliance test procedures for steady - state availability
[49] IEC61078 (1991): Analysis techniques for dependability - Reliability block diagrammethod
[50] IEC 61123 (1991): Reliability testing - Compliance test plansfor success ratio
[51] IEC 61124 (1997): Reliability testing - Compliance test for constant failure rate and constant failure intensity
[52] IEC 61163-1 (1995): Reliability stress screening - Part 1: Repairable ite msmanufactured in lots
[53] IEC 61164 (1995): Reliability growth - Statistical test and estimation methods
[54] IEC 61165 (1995): Application of Markov techniques
[55] IEC 61649 (1997): Goodness-of-fit tests, confidence intervals and lower confidence limits for Weibull distributed data
[56] IEC 61650 (1997): Reliability data analysis techniques - Procedures for comparison of two constant failure rates and
two constant failure (event) intensities
_________________

Abnt Iso TR 10017 - 2000 PDF

Încărcat de

Informații document

Titlu original

Drepturi de autor

Formate disponibile

Partajați acest document

Partajați sau inserați document

Opțiuni de partajare

Vi se pare util acest document?

Este necorespunzător acest conținut?

Drepturi de autor:

Formate disponibile

Abnt Iso TR 10017 - 2000 PDF

Încărcat de

Drepturi de autor:

Formate disponibile

DEZ 2000 ABNT ISO/TR 10017

Guias de técnicas estatísticas para

Este Relatório Técnico contém o anexo A, de caráter informativo.

4.13 Controle de produto

4.13.1 Generalidades Nenhuma identificada

4.13.2.a Análise crítica e Nenhuma identificada

4.13.2.b Análise crítica e Nenhuma identificada

4.13.2.c Análise crítica e Nenhuma identificada

4.13.2.d Análise crítica e Nenhuma identificada

4.14 Ação corretiva e

4.14.1 Generalidades Nenhuma identificada

4.14.2.a Ação corretiva Necessidade de avaliar a eficiência do Estatística descritiva;

4.14.2.b Ação corretiva Necessidade de examinar a causa da não- Estatística descritiva;

4.14.2.c Ação corretiva Nenhuma identificada

4.14.3.b Ação preventiva Nenhuma identificada

4.14.3.d Ação preventiva Nenhuma identificada

4 Descrições das técnicas estatísticas identificadas

—- análise da capabilidade do processo;

—- análise de séries temporais.

4.2 Estatística descritiva

4.2.2 É usada para

4.2.4 Limitações e cuidados

4.3.5 Exemplos de aplicações

4.6.4 Limitações e cuidados

4.7.4 Limitações e cuidados

4.9.4 Limitações e cuidados

4.12 Tolerância estatística

4.13.2 É usada para

20 ABNT ISO/TR 10017:2000

[39] ISO Handbook (1995): Statistical methods for quality control

[42] IEC 60300-2(1995):Dependability management - Part 2: Dependability programmeelements and tasks

S-ar putea să vă placă și