Início / Lean Six Sigma / Análise estatística
Antes de comparar fornecedor A com B, método novo com antigo ou antes com depois, saiba quantas peças medir para não perder uma diferença que importa, e quanto isso custa.
Ferramenta de pré-dimensionamento e estimativa: os resultados não substituem projeto, cálculo ou laudo assinado por profissional habilitado nem a verificação conforme as normas aplicáveis.
Mesma disposição do relatório de poder e tamanho de amostra: hipóteses, valores assumidos e a tabela de resultados.
Chance de detectar cada tamanho de diferença, para o tamanho de amostra calculado e para a metade e o dobro dele. O ponto é a sua escolha.
Como o poder cresce com a amostra para a diferença escolhida: a partir de certo ponto, cada peça a mais rende pouco.
Amostra necessária para cada diferença, com 80%, 90% e 95% de poder (escala logarítmica). Metade da diferença pede cerca de quatro vezes a amostra.
Distribuição da estatística do teste se não houver diferença (H0) e se a diferença escolhida existir (H1). Vermelho: alarme falso α; verde: poder; âmbar: β, a chance de não detectar.
Leve os resultados desta página para outra calculadora, com os campos já preenchidos.
O memorial reúne entradas, resultados, equações, hipóteses e referências desta página, com campos para projeto, responsável e revisão. O relatório completo traz também os gráficos e as interpretações, em cores. Na janela de impressão, escolha Salvar como PDF.
Escolha t de 2 amostras, informe a menor diferença de média que importa (por exemplo 0,5 mm), o desvio-padrão do processo (0,4 mm) e o poder desejado (80%). A página dá o número de peças por fornecedor: no exemplo, 12 peças de cada, com poder real de 83%.
É a chance de o teste acusar uma diferença que existe de verdade. Com poder de 50%, um estudo bem feito deixa passar metade das diferenças reais; com 80% ou 90%, você raramente perde uma diferença do tamanho escolhido.
Use dados históricos do mesmo processo, o σ dentro de uma carta de controle ou um estudo piloto com 10 a 30 peças (cole-os em "Estimar o desvio-padrão a partir de dados"). Para planejar com folga, use o limite superior do intervalo de confiança.
A precisão de uma média melhora com a raiz quadrada do número de peças. Para enxergar uma diferença duas vezes menor, o erro da média precisa cair à metade, e isso pede quatro vezes mais dados.
Só quando, antes de coletar, você decidiu que apenas um sentido importa (por exemplo, a melhoria só vale se reduzir defeitos). Ele pede menos peças, mas não enxerga mudanças no sentido oposto.
O teste comum procura provar que há diferença; não achar diferença não prova que os produtos são iguais. O de equivalência procura provar que a diferença fica dentro de limites aceitáveis, o que é o certo para validar uma troca de fornecedor ou de método.
Escolha Fatorial de 2 níveis, informe fatores, termos do modelo, efeito a detectar e desvio-padrão. A página calcula as réplicas e o total de corridas; pontos centrais ajudam a testar curvatura e somam graus de liberdade ao erro.
Aviso importante: as ferramentas do Indus Metrics fazem estimativas e pré-dimensionamentos a partir dos dados informados e de métodos de engenharia publicados. Não substituem projeto, memorial ou laudo assinado por profissional habilitado (CREA/ART), nem a verificação conforme as normas técnicas e a legislação aplicáveis, como as Normas Regulamentadoras do Ministério do Trabalho. Propriedades de materiais e combustíveis variam: confira com o fabricante ou com análises do seu processo antes de decidir. Ao usar o site, você concorda com os Termos de Uso.
© 2026 Indus Metrics. Encontrou um erro? Escreva para contato@seudominio.com.