Tipos de dados para análise de capacidade

Para escolher a análise de capacidade adequada, determine que tipo de dados que você tem. Os dois tipos principais de dados para análise de capacidade são dados contínuos e dados de atributos. O Minitab oferece as opções de normal e não-normal para análise de dados contínuos e binomial e de Poisson para dados de atributos.

Se você puder optar por coletar tanto dados contínuos como atributo de dados, tente coletar dados contínuos, porque eles normalmente fornecem mais informações e são mais objetivos. Os dados de atributo são mais fáceis de coletar e, portanto, são usados mais frequentemente quando é difícil obter medições contínuas.

Dados contínuos

Os dados contínuos medem uma característica de uma parte ou de um processo, como o comprimento, peso ou temperatura. Os dados, com frequência, incluem valores decimais. Por exemplo, um fabricante de alimentos quer investigar se o peso de um produto cerealífero é consistente ao longo do tempo. Para coletar dados, um analista da qualidade registra os pesos de uma amostra de caixas de cereais.

Os dados contínuos de processos industriais, frequentemente, seguem uma distribuição normal. Os dados contínuos que não são normalmente distribuídos podem serguir um tipo específico de distribuição não-normal, como uma distribuição Weibull ou uma distribuição exponencial. Algumas vezes, você pode transformar dados não-normais para ajustá-los a uma distribuição normal.

Dados de atributos

Os dados de atributos geralmente contam a presença de uma característica ou condição, como um traço físico, um tipo de defeito, ou uma classificação, como aprovado/reprovado. Os dados de atributos normalmente dependem de uma avaliação subjetiva, e estão, desta forma, sujeitos a erros de interpretação. Há dois tipos principais de dados de atributos: contagens de defeitos, que são não-conformidades, e contagens de defeituosos, que não itens de não-conformidade.

Um defeito refere-se uma característica específica da qualidade de um item, como um rasgo, arranhão ou descoloração. Cada item pode ter mais de um defeito e um defeito pode nem sempre resultar no item ser inutilizável. Por exemplo, analistas de uma empresa têxtil inspecionam toalhas quanto a rasgos, dilacerações ou costura inadequada e registram o número de defeitos em cada lote de 25 toalhas. Cada toalha pode ter mais de 1 defeito, como 1 rasgão 1 dilaceração. Ao monitorar defeitos, você coleta dados de Poisson.

Um defeito refere-se a se o estado geral de um item completo é aceitável ou não. Portanto, os dados são muitas vezes na forma sim/não, aprovado/reprovado ou defeituoso/sem defeitos. Como um item pode ter muitas características de qualidade, ele pode ter muitos defeitos, mas o item em si é defeituosa ou sem defeitos. Por exemplo, um analista inspeciona uma amostra de lâmpadas de um fornecedor e conta o número de lâmpadas quebradas em cada amostra. Ao monitorar os defeituosos, você coleta dados binomiais.