aplicaÇÃo da analÍse estatÍstiva via teste de...

APLICAÇÃO DA ANALÍSE

ESTATÍSTIVA VIA TESTE DE TUKEY E

ANÁLISE DE VARIÂNCIA PARA A

AVALIAÇÃO DOS PARÂMETROS DE

QUALIDADE DE CORTE EM UM

PROCESSO DE FABRICAÇAO

Barbara Cristina Mendanha Reis (UFMG )

[email protected]

Rafael Lucas Machado Pinto (UFOP )

[email protected]

Christianne Lacerda Soares (UFMG )

[email protected]

Nos processos de fabricação existem diversos métodos que podem ser

empregados a fim de produzir um determinado componente. Na

classificação de tais processos, destaca-se a usinagem, operação que

garante à peça forma, dimensões e acabamento com a retirada. Nos

processos de fabricação, no controle destes critérios essenciais para a

engenharia e qualidade do produto, busca-se analisar uma ou mais

série de dados, referentes a resultados de ensaios, sendo interessante

uma avaliação preliminar de tais resultados. Neste contexto, o objetivo

deste trabalho é utilizar o método estatístico para análise de dados da

temperatura de corte e qualidade superficial rugosidade média

quadrática (Rq) de um processo de usinagem. A operação investigada

foi o torneamento sendo o objeto de estudo o aço ABNT 4340. Com os

testes procurou compreender como os fenômenos intrínsecos que as

variações dos parâmetros de corte, a saber: avanço (0,15 e 0,30

mm/rev), profundidade de corte (0,5, 1,0, 1,5 mm) e ambiente lubri-

refrigerante (Seco, Jorro, MQL), influenciavam sobre a Rugosidade

Superficial e a Temperatura de corte. O estudo contemplou 36 testes e

para a análise estatística dos dados utilizou-se o modelo de Análise de

Variância (ANOVA) e o Teste de Tukey. Os resultados mostraram que

a rugosidade (Rq) é influenciada pelo avanço sendo o uso de fluido de

corte pouco efetivo na obtenção de rugosidades mais baixas. No que

concerne a temperatura, verificou-se que todos os efeitos principais

(avanço, profundidade e ambiente) e as interações

profundidade*ambiente e avanço*ambiente são significativos sobre a

variável resposta e o teste de Tukey completou ao afirmar que

diferentes níveis destas 3 variáveis promovem alteração no valor da

temperatura, ao nível de significância considerado.

Palavras-chave: Processos de Fabricação, Teste de Tukey, ANOVA,

TEMPERATURA E RUGOSIDADE SUPERFICIAL

XXXVI ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCÃO Contribuições da Engenharia de Produção para Melhores Práticas de Gestão e Modernização do Brasil

João Pessoa/PB, Brasil, de 03 a 06 de outubro de 2016.


João_Pessoa/PB, Brasil, de 03 a 06 de outubro de 2016. .

2

1. Introdução

Ao se projetar e otimizar um determinado produto ou processo, torna-se extremamente

importante aplicar ferramentas e técnicas relacionadas à Engenharia da Qualidade e de

Engenharia do Produto, uma vez que, as tomadas de decisões em uma organização tem maior

probabilidade de serem acertadas ao serem baseadas em técnicas relativas a estas duas áreas.

Desta forma, a área de processos de fabricação encontra grande oportunidade para aplicação

destas duas áreas da Engenharia de Produção definidas pela ABEPRO.

Nos processos de fabricação existem diversos métodos que podem ser empregados a fim de

produzir um determinado componente. Na classificação de tais processos, destaca-se a

usinagem, que de maneira abrangente pode ser definida como a operação que, ao conferir à

peça forma, dimensões e acabamento, produz cavaco. O cavaco é a porção de material da

peça retirada pela ferramenta e caracterizada por apresentar forma geométrica irregular

(MACHADO et al.,2015).

De acordo com Trent (1985) a usinagem é o processo de fabricação mais popular do mundo, o

qual emprega milhões de pessoas e transforma em cavaco cerca de 10% de toda a produção

de metais. Atualmente, este dado pode ser reafirmando ao perceber que a usinagem é a grande

responsável pelos processos de melhoria da qualidade superficial, pela fabricação das

engrenagem para transmissão de potência, dos componentes da industria aeroespacial e até

mesmo na manufatura dos pinos médico-odontológico. Entretanto, apesar dessa popularidade,

Machado et al.(2015) afirma que a usinagem é um processo complexo e simples ao mesmo

tempo. É um processo complexo em razão das dificuldades em determinar as imprevisíveis

condições ideais de corte. E simples porque, uma vez determinada estas condições, o cavaco

se forma corretamente , dispensando a intervenção do trabalhador. Estabelecidas as condições

ideais de corte é possível produzir peças dentro de especificações de forma, tamanho e

acabamento ao menor custo possível.

Uma peculiaridade da usinagem é envolver um elevado número de variáveis e mesmo assim

ser um processo prático. Shaw (1984) afirma ser quase impossível prever o desempenho no

corte dos metais. Entretanto, conforme observa Machado et al.(2015), isso não retira o valor

dos diversos estudos desta área de conhecimento, sendo que, cada ponto fundamental que é

cuidadosamente estudado e interpretado contribui para o melhor entendimento do processo.



3

Logo, o conhecimento de métodos de planejamento e análise de experimentos tecnológicos é

imprescindível aos que trabalham com experimentações tecnológicas.

Nos processos de fabricação, de um modo geral, quando busca-se analisar uma ou mais série

de dados, referentes a resultados de ensaios, é interessante uma avaliação preliminar de tais

resultados, ou seja, verificar se uma série de resultados pertence ou não a uma determinada

população, se existe uma tendência de crescimento dos resultados de uma dada amostra, se

existe alguma associação entre duas séries de resultados ou até mesmo a localização de um

elemento estranho. Para isto, podem ser utilizadas técnicas simples de análise de dados, que

não envolve cálculos complexos e que podem fornecer informações satisfatórias sobre as

características dos resultados analisados.

O objetivo deste trabalho é utilizar o método estatístico Teste de Tukey para análise de dados

da temperatura de corte e qualidade superficial rugosidade média quadrática (Rq) de um

processo de usinagem. Com o planejamento estatístico de experimentos, foi possível

estabelecer uma relação entre os parâmetros de corte (avanço, profundidade e ambiente), a

temperatura e a rugosidade da superfície ao longo dos passos de usinagem, levando-se em

consideração, também, a variação simultânea dos fatores para a resposta de interesse.

O restante do artigo está organizado da seguinte forma: seção 2 apresenta o referencial teórico

sobre os temas abordados, ANOVA, comparações múltiplas e Teste de Tukey; seção 3

apresenta a abordagem metodológica utilizada no trabalho; seção 4 contextualiza, apresenta e

analisa os dados do experimento; e seção 5 apresenta as principais conclusões.

2. Revisão Bibliográfica

2.1. ANOVA

De acordo com Montgomery (2008), a análise de variância, também conhecida como

ANOVA é uma abordagem utilizada para se comparar vários grupos de interesse. Busca

avaliar se há diferenças consideráveis entre os grupos investigados. Walpole et al. (2009)

salientam que a ANOVA é um procedimento muito comum usado para lidar com testes de

médias populacionais.

Paese, Caten e Ribeiro (2001) apresentaram uma aplicação da ANOVA para levantamento de

possíveis fontes de variação relativos aos valores de bitola nominal em um processo de



4

laminação de barras de aço. Neste estudo, os autores identificaram, através da ANOVA, que o

tipo de aço foi considerado a principal fonte de variabilidade para este processo.

2.2 Comparações Múltiplas

Segundo Sousa et al. (2012) diversas áreas do conhecimento utilizam ferramentas de análise

estatística para investigar hipóteses propostas. Uma das maneiras de se realizar esta análise se

dá através de técnicas de comparação múltipa entre as médias de tratamentos experimentais.

Esta técnica é realizada posteriormente à ANOVA.

De acordo com Walpole et al. (2009), a ANOVA é um procedimento poderoso para testar a

homogeneidade de um conjunto de médias. Entretanto, ao rejeitar a hipótese nula e aceitar a

hipótese alternativa – de que as médias são iguais – ainda não é possível saber quais dentre as

médias populacionais são iguais e quais são diferentes. Em geral, é de interesse realizar

diversas (talvez, todas as possíveis) comparações correlacionadas entre os tratamentos. Desta

forma. Uma comparação correlacionada pode ser vista como um contraste simples, ou um

teste do tipo, para todos os i ≠ j:

Ho: µi - µj = 0

H1: µi - µj ≠ 0

Todas as comparações correlacionadas possíveis entre as médias podem ser bastante benéficas

quando certos contrastes complexos não são conhecidos a priori.

Sousa et al. (2012) verificaram a eficiência das respostas de diferentes métodos de

comparações múltiplas entre médias. Analisaram quatro diferentes procedimentos de testes de

comparações múltiplas entre médias aplicadas a 200 experimentos e a 10 variáveis, criadas a

partir de valores aleatórios. De acordo com os resultados obtidos, o maior nível de

concordância obtido, considerando o nível adotado, ocorreu a partir das análises através do

Teste de Tukey.

Conagin et al. (2008) propuseram duas modificações do teste de Tukey. Através de simulação

pelo método de Monte Carlo, compararam o poder de vários (16) testes estatísticos ,

considerando dados para 600 experimentos em um planejamento em blocos com oito

tratamentos, sendo 400 com repetições e 200 sem repetições. Os autores adotaram coeficiente

de variação de 10% e erro tipo I com probabilidade α=0,05. Adotou-se também diferenças

entre as médias dos tratamentos de 30%, 20%, 15%, 10%, 5%, incluídos dois tratamentos que,

parametricamente, não diferiram da média do controle. Em todos os ensaios o poder diminuiu



5

à medida que as diferenças das médias, comparadas à média do controle, decresceram. Além

disso, os autores concluíram que os testes modificados apresentaram uma maior eficiência se

comparados aos testes originais propostos.

Ainda de acordo com Sousa et al. (2012), é importante os testes apresentarem bom controle

do valor de erro tipo I, ou seja, apresentarem boa taxa de exatidão ao afirmarem que á

diferenças significativas relacionados aos níveis de cada fator de um experimento, quando na

verdade não há, pois as mesmas são aleatórias.

Dentre as comparações múltiplas, tem-se os Testes de Tukey, Dunnet, LSD, Duncan, dentre

outros. Optou-se por utilizar o teste de Tukey para condução das comparações múltiplas

porque permite testar qualquer contraste, sempre, entre duas médias de tratamentos, e,

principalmente devido ao fato dos experimentos não serem emparelhados, ou seja, os pares

(teste principal e réplica) para cada arranjo (avanço, profundidade de corte e ambiente) não

foram realizados em seguida, devido à dificuldade de realizar todos os layouts necessários em

um único dia. Logo, optou-se por realizar todos os testes principais em um único dia e suas

respectivas réplicas no dia seguinte.

2.3 Teste de Tukey

Segundo Walpole et al. (2009) o procedimento de Tukey permite a formação de intervalos de

confiança 100(1-α)% simultâneos para todas as comparações em pares. O método é baseado

em uma distribuição de amplitude “estudantizada”. O percentil apropriado é uma função de α,

k e v= graus de liberdade para S². Ainda de acordo com os referidos autores, o método de

comparações em pares de Tukey envolve a descoberta de uma diferença de significância entre

as médias i e j, se │ybarra i. – ybarra j.│ exceder q[α, k, v].

A próxima seção apresentará as metodologias utilizadas para conduzir a construção deste

artigo, apresentando as possíveis classificações da pesquisa quanto ao ponto de vista da sua

natureza, objetivos, abordagens e procedimentos

3. Procedimentos metodológicos

Pesquisa científica é adquirir conhecimentos com base em procedimentos capazes de dar

confiabilidade aos resultados (PRODANOV E FREITAS, 2013). Quanto a abordagem este

artigo possui caráter qualitativo uma vez que o ambiente experimental é fonte direta para

coleta de dados, interpretação de fenômenos e atribuição de significados . O trabalho possui



6

natureza aplicada, uma vez que, procura produzir conhecimentos para aplicação prática

dirigidos à solução de problemas específicos.

Quanto ao procedimento, trata-se de uma pesquisa experimental na qual foi selecionado um

objeto de estudo e variáveis, assim como, as formas de controle e de observação dos efeitos.

Por fim, este trabalho tem objetivo exploratório-descritivo, uma vez que expõe as

características de uma determinada população ou fenômeno, demandando técnicas

padronizadas de coleta de dados e busca proporcionar maior familiaridade com o problema ao

construir hipóteses sobre ele.

A próxima seção caracteriza o ensaio destacando as características do processo de usinagem,

o objeto de estudo quanto à sua aplicação e propriedades químicas e mecânicas, como

também, os instrumentos e métodos de coleta de dados.

3.1 Caracterização do ensaio

Os ensaios foram realizados com os métodos de usinagem a seco, jorro de fluido e mínima

quantidade de líquido (MQL). No método MQL a vazão foi de 60 ml/h e a pressão de 6,0 bar.

Um óleo lubrificante a névoa KSO45 distribuído pela empresa Kampmann foi utilizado como

fluido, em uma proporção de 5% de óleo e 95% de água.

O objeto de estudo do trabalho foi o aço ABNT 4340, devido este ser largamente utilizado

para componentes mecânicos, em geral, sob a ação de tensões dinâmicas. Trata-se de uma

material destinado para a fabricação de peças na indústria automotiva, na indústria petrolífera

e construção naval . A composição química deste material pode ser vista na Tabela 1.

Tabela 1– Faixa de composição química do aço ABNT 4340

C% Si% Mn% P% S% Cr% Mo% Ni%

0,38–0,43 0,15–0,35 0,60– 0,80 ≤ 0,035 ≤ 0,040 0,70–0,90 0,20– 0,30 1,65– 2,00

Fonte: ASM International (1997)

Para esta usinagem, o processo de usinagem escolhido para a realização deste experimento foi

o torneamento cilíndrico. A Figura 1 mostra a geometria básica do processo de torneamento,

onde se observam a direção da profundidade de corte (ap) e os vetores avanço (f) e velocidade

de corte (Vc).

A velocidade de corte (vc) [m/min] é a velocidade instantânea do ponto selecionado sobre o

gume, no movimento de corte, em relação à peça. O avanço por revolução (f) [mm] é a



7

distância linear percorrida pela ferramenta durante uma rotação completa dessa ferramenta,

sendo este medido no plano de trabalho. Por fim, a profundidade de corte (ap) [mm] é a

quantidade que a ferramenta penetra na peça, medida perpendicularmente ao plano de

trabalho.

Figura 1 – Representação esquemática dos movimentos de corte no processo de torneamento

Fonte: Os autores

Os corpos de prova cilíndricos possuíam diâmetro inicial de 73 mm. A fim de homogeneizá-

los, estes foram tratados termicamente pelo processo de recozimento na temperatura de

patamar de 930 ºC durante cinco horas. O resfriamento dos corpos de prova ocorreu dentro do

próprio forno onde estes foram tratados.

Os ensaios foram realizados em um torno CNC ROMI, o qual está mostrado na Figura 2,

modelo Centur 30S (5,5 kW de potência e rotação máxima de 3500 rpm), no Laboratório de

Usinagem da Universidade Federal de Minas Gerais. Logo em seguida, a Figura 3 mostra,

com detalhe, como bico para a saída do fluido de corte foi direcionado para a superfície

ferramenta-peça.

Figura 2 – Torno CNC ROMI



8

Fonte: Os autores

Figura 3 – Montagem do Experimento

Fonte: Os autores

Os valores dos parâmetros de entrada definidos pelos autores para este experimento

encontram-se na Tabela 2.

Tabela 2 – Valores dos parâmetros utilizados no experimento

Parâmetro Níveis

Ambiente

Seco

Jorro

MQL

Avanço

f [mm/rev]

0,15

-

0,3

Profundidade de Corte

ap[mm]

0,5

1,0

1,5

Localização do Bico



9

Os valores de rugosidade (Rq) foram coletados com um rugosímetro Mitutoyo modelo

Surftest 301 empregando um comprimento de amostragem de 0,8 mm. Após cada conjunto de

testes realizados, a rugosidade foi medida em três pontos equidistantes do corpo e o valor

médio foi calculado.

O método termopar inserido na ferramenta permitiu verificar a variação de temperatura com o

tempo. Utilizou-se uma fio de reduzido diâmetro inserido a um microfuro, realizado por

eletroerosão, de forma a causar a menor perturbação possível no campo de temperatura

permitindo encontrar o máximo valor na interface cavaco- ferramenta.

Frequentemente é impossível correr todas as observações em planejamento fatorial 2k sob

condições homogêneas. Devido a variação entre as arestas das ferramentas de corte utilizadas

pelo teste principal e para as réplicas tornou-se necessário o uso da técnica de blocagem a

qual permitiu controlar e avaliar, sistematicamente, a variabilidade resultante de tal fator que

perturbaria o sistema, mas que não tínhamos interesse em estudá-lo.

Após a coleta dos dados experimentais, Foi utilizado o software Minitab 17 para organizar e

realizar as análises estatísticas do experimento. Usou-se as ferramentas Análise de Variância

(ANOVA) e Testes de Comparações Múltiplas de médias, dentre os quais foi empregado o

Teste Tukey. Foi adotado um nível de significância (α) de 0,05. Isto significa que a

probabilidade de se cometer um erro tipo I, que é rejeitar a H0 no teste de hipóteses sendo a

mesma verdadeira, é de 0,05.

4. Apresentação e análise dos dados

4.1 Variável Resposta Temperatura

A Figura 4 ilustra o gráfico de efeitos principais obtido para a variável resposta temperatura.

Através desta Figura é possível notar que a variação dos níveis de cada um dos três

parâmetros provoca alterações na temperatura. Entretanto, percebe-se que a alteração provada

na temperatura é maior ao variar os níveis do fator ambiente. Isto acontece pois enquanto o

tipo de ambiente jorro consiste em um contínuo fornecimento de líquido refrigerante – o que

gera grande transferência de calor do sistema, o ambiente seco não utiliza nenhum meio

lubrirefrigerenate, causando assim, maior aquecimento. Em menor intensidade, ocorre

modificação nos valores da temperatura ao alterar o avanço de 0,15 para 0,30 mm/rev, sendo,

dentre as três variáveis, a menos significativa para alterar a resposta temperatura, fato este que



10

pode ser reafirmado com Machado et al. (2015), os quais afirmam que força de avanço, se

comparada com a profundidade de corte, é uma variável que apresenta menor intensidade

para o processo de torneamento.

Figura 4 – Efeitos principais para a variável resposta temperatura

A Figura 5 apresenta a Análise de Variância (ANOVA) para a variável resposta Temperatura.

Pela ANOVA, nota-se que os 3 fatores principais (Profundidade de corte, avanço e ambiente)

apresentam P-valor menores que o nível de significância considerado (α=0,05). Desta forma,

estas três variáveis são ditas significativas em relação ao comportamento da variável resposta.



11

Isto significa dizer que diferentes níveis destas 3 variáveis promovem alteração no valor da

variável resposta Temperatura, ao nível de significância considerado.

Para as interações de segunda ordem, as relações significativas são entre Profundidade de

corte e Ambiente, e Avanço e Ambiente. A interação simultânea dos três fatores apresenta P-

valor maior que o nível de significância adotado, não sendo considerada significativa em

relação ao comportamento da resposta Temperatura. Além disso, nota-se que o modelo

apresenta uma ótima representatividade dos dados, capaz de explicar, aproximadamente, 97%

da variabilidade dos mesmos (R-sq = 97,02).

Figura 5 – ANOVA para a resposta Temperatura

Analysis of Variance

Source DF Adj SS Adj MS F-Value P-Value

Model 18 266778 14821,0 30,73 0,000

Blocks 1 8040 8040,1 16,67 0,001

Linear 5 236983 47396,7 98,27 0,000

Profundidade de corte 2 38935 19467,5 40,36 0,000

Avanço 1 10000 10000,0 20,73 0,000

Ambiente 2 188048 94024,2 194,95 0,000

2-Way Interactions 8 17896 2237,0 4,64 0,004

Profundidade de corte*Avanço 2 362 180,8 0,37 0,693

Profundidade de corte*Ambiente 4 11536 2883,9 5,98 0,003

Avanço*Ambiente 2 5999 2999,3 6,22 0,009

3-Way Interactions 4 3859 964,7 2,00 0,140

Profundidade de corte*Avanço*Ambiente 4 3859 964,7 2,00 0,140

Error 17 8199 482,3

Total 35 274977

Model Summary

S R-sq R-sq(adj) R-sq(pred)

21,9610 97,02% 93,86% 86,63%

Pela análise de variância, apenas é possível saber que pelo um dos níveis de cada fator

principal é diferente dos demais, não sendo possível identificar quais deles são diferentes

entre si. Para isto, será utilizado o Teste Tukey.

A Figura 6 representa a saída do software Minitab 17 para o teste Tukey referente à variável

de entrada profundidade de corte. Pelo critério utilizado, se o intervalo entre os níveis do fator



12

conter o zero, significa que aqueles níveis não apresentam diferenças significativas capazes de

alterar a variável resposta, no nível de significância considerado. Analisando-se esta Figura,

nota-se que nenhum dos três intervalos (1,0 -0,5; 1,5-0,5; 1,5-1,0) contém o zero, o que

significa dizer que as médias dos três níveis considerados são significativamente diferentes,

para α=0,05.

Figura 6 – Teste Tukey para o fator profundidade de corte

Já as Figuras 7 e 8 ilustram o teste Tykey para os fatores avanço e ambiente, respectivamente.

Para o avanço, os níveis 0,15 e 0,30 (mm/rev) são diferentes ao nível de significância 0,5.

Comportamento semelhante pode ser observado para o fator ambiente, onde os três níveis são



13

diferentes entre si e provacam modificações significativas na variável resposta Temperatura

ao nível de significância considerado.

Figura 7 – Teste Tukey para o fator Avanço Figura 8 – Teste Tukey para o fator Ambiente

4.2. Variável Resposta Rugosidade

A Figura 9 ilustra o gráfico de efeitos principais obtido para a variável resposta rugosidade.

Através da Figura é possível notar apenas a variação dos níveis do fator avanço provoca

alterações significativas na resposta. Ao variar os níveis dos fatores profundidade de corte e

ambiente verifica-se que estes não causam alterações relevantes na rugosidade ao nível de

significância de 5%.

Figura 9 – Efeitos principais para a variável resposta rugosidade



14

A Figura 10 apresenta a Análise de Variância (ANOVA) para a variável resposta Rugosidade.

Pela ANOVA, nota-se que apenas o fator principal avanço apresenta P-valor menor que o

nível de significância considerado (α=0,05). Logo, este é o único fator principal significativo

em relação ao comportamento da variável resposta rugosidade. Este resultado coincide com os

encontrados na Figura 9. Todas as interações apresentam p-valor maiores que 0,05 sendo,

portanto, não significativos. Isto acontece pois, de acordo com Machado et al. (2015), em um

processo de torneamento, avanços mais elevados causam maiores rugosidades nos materiais

usinados, sendo a principal variável responsável por esta importante requisito da qualidade em

peças torneadas.

Para a variável resposta Rugosidade, o teste Tukey não será necessário de ser utilizado. Isto

acontece porque o único fator significativo encontrado foi o avanço. Como este fator foi

manipulado em apenas 2 níveis, conclui-se que, ao alterar o avanço de 0,15 para 0,30

(unidade) isto acarreta em alterações significativas na Rugosidade, ao nível α=0,05. As média

da rugosidade para os ensaios com avanço 0,15 foram diferentes em relação à médias da

rugosidade para os ensaios com avanço 0,30.

Figura 10 – ANOVA para a resposta Rugosidade



15

Analysis of Variance

Source DF Adj SS Adj MS F-Value P-Value

Model 18 66,5175 3,6954 11,52 0,000

Blocks 1 0,1373 0,1373 0,43 0,522

Linear 5 65,2141 13,0428 40,66 0,000

Profundidade de corte 2 0,2478 0,1239 0,39 0,685

Avanço 1 64,9188 64,9188 202,37 0,000

Ambiente 2 0,0474 0,0237 0,07 0,929

2-Way Interactions 8 1,0538 0,1317 0,41 0,899

Profundidade de corte*Avanço 2 0,0895 0,0447 0,14 0,871

Profundidade de corte*Ambiente 4 0,6473 0,1618 0,50 0,733

Avanço*Ambiente 2 0,3170 0,1585 0,49 0,619

3-Way Interactions 4 0,1124 0,0281 0,09 0,985

Profundidade de corte*Avanço*Ambiente 4 0,1124 0,0281 0,09 0,985

Error 17 5,4535 0,3208

Total 35 71,9710

Model Summary

S R-sq R-sq(adj) R-sq(pred)

0,566385 92,42% 84,40% 66,02%

5. Considerações Finais

Processos de usinagem são essenciais para o setor industrial, pois são responsáveis pela

fabricação de diversos tipos de peças e componentes utilizados nos mais variados setores da

economia. Além disso, são responsáveis por garantir emprego e renda para um grande número

de trabalhadores. A Engenharia de Produção muito pode contribuir para o aperfeiçoamento

das técnicas de produção e trabalho neste setor, dentre os quais tem-se as ferramanetas de

qualidade e produto desenvolvidos neste artigo. A utilização da ANOVA e do Teste de Tukey

permitiu que se compreendesse melhor as variáveis envolvidas no processo de usinagem, os

respectivos níveis de cada uma delas e os seus impactos na qualidade medida do processo de

produção e do produto, neste caso avaliada em termos da Temperatura e Rugosidade. Pouca

aplicação do Testes de Tukey foi encontrado na área industrial, mas este tipo de teste

mostrou-se uma ferramenta eficaz na comparação entre as médias das variáveis resposta

Temperatura e Rugosidade para os níveis dos três fatores analisados. Desta forma, uma

racionalização do uso dos recursos disponíveis envolvidos pode significar ganhos em termos

de produtividade, redução de custos, eficiência e competitividade deste setor.

REFERÊNCIAS

ASM INTERNATIONAL. Materials Selection and Design. In: ASM Handbook. EUA: ASM International,

1997. v. 20.

CONAGIN, A., BARBIN, D., DEMÉTRIO, C.G.B. (2008). Modifications for the Tukey test procedure and

evaluation of the power and efficiency of multiple comparison procederes. Scientia Agricola 65:428-432



16

MACHADO, A. R. ABRÃO, A.M. COELHO, R.T. SILVA,M.B.. Teoria da Usinagem dos Materiais. 3. ed.

São Paulo: Blucher, 2015.

MONTGOMERY, D.E. Introduction to Statistical Quality Control. Sixt edition New York: John Wiley and

Sons, 2008.

PAESE, C., CATEN, C., RIBEIRO, J. .L D. Aplicação da Análise de Variância na Implantação do CEP.

Revista Produção, V. 11 n.1

PRODANOV, C. C.; FREITAS, E. C. Metodologia do Trabalho Científico: Métodos e Técnicas da Pesquisa

e do Trabalho Acadêmico. Universidade Feevale, 2ª Edição, 2013.

SHAW,M.C. Metal cutting principles. London: Oxford University Press, 1984.

SOUSA, C. A., JUNIOR, M. A. L., Ferreira, R. L. C. Avaliação de testes estatísticos de comparações

múltiplas de médias. Revista Ceres, Vol. 59 n. 3 Viçosa. Maio/Junho de 2012.

WALPOLE, R. E., MYERS, R.H., MYERS, S. L., YE, K. Probabilidade e Estatística para engenharia e

ciências. [Tradução Vianna, L. F. P.]. São Paulo: Pearson Prentice Hall, 2009.

aplicaÇÃo da analÍse estatÍstiva via teste de...

Documents