RONALDO DE OLIVEIRA FARIA

AVALIAÇÃO DA PREFERÊNCIA POR SOFTWARES VOLTADOS AO CONTROLE ESTATÍSTICO DE QUALIDADE

Trabalho apresentado ao Departamento de Engenharia Elétrica e de Produção da Universidade Federal de Viçosa como parte das exigências para a conclusão do curso de Engenharia de Produção.

Orientador

Prof. José Ivo Ribeiro Júnior

VIÇOSA MINAS GERAIS - BRASIL

JULHO/2005

A Deus

Aos meus Pais Reinaldo e Rosália

Ao meu irmão Rômulo

À todos os meus familiares

À minha amada Rita

Ao meu grande amigo e orientador José Ivo

À amizade de Mauro Wagner pelos sábios conselhos

OBRIGADO por tanto me incentivarem na busca pelos meus objetivos.

DEDICO a vocês todo o meu trabalho.

I

AGRADECIMENTOS A Deus, por ter sempre me mantido firme mesmo nos momentos mais difíceis.

À Universidade Federal de Viçosa, que me acolheu durante todos estes anos de

graduação e me proporcionou muitas oportunidades e momentos felizes.

Aos Professores do Departamento de Engenharia Elétrica e de Produção pela prestiva

atenção sempre que necessário.

Também aos Professores do Departamento de Informática, setor de Estatística, pelo

apoio ao longo dos três últimos anos.

Em especial, ao Professor José Ivo Ribeiro Júnior pela orientação e amizade.

Ao Professor Benício Paes Chaves pela grande ajuda que recebi ao longo do trabalho.

Ao Professor Carlos Henrique Osório Silva pelas sugestões na metodologia estatística.

Ao Professor Mauro Wagner de Oliveira pela enorme contribuição que recebi não só

no início de minha graduação, mas até hoje.

Aos estagiários Gustavo e Cristiane pela colaboração.

À Rita, pelo apoio, compreensão e incentivo.

A todos os meus familiares pela inestimável compreensão e apoio que sempre me

dispensaram.

Em geral a todos os meus amigos que de alguma maneira contribuíram para a

concretização deste trabalho.

II

SUMÁRIO

1. INTRODUÇÃO ....................................................................................................... 1

2. JUSTIFICATIVA DO ESTUDO ............................................................................... 2

3. OBJETIVOS ........................................................................................................... 3

3.1. Objetivo Geral ..................................................................................................................... 3 3.2. Objetivos Específicos.......................................................................................................... 3

4. REVISÃO DE LITERATURA .................................................................................. 3

4.1. Caracterização do Controle de Qualidade no Cenário Atual .............................................. 3 4.2. Análises Estatísticas Mais Utilizadas no CEQ.................................................................... 5 4.3. Universidades e o seu Papel na Formação de Profissionais Capacitados ........................... 6 4.4. Softwares Voltados ao CEQ................................................................................................ 6 4.5. Qualidade de Software e Impactos Sobre o Usuário ........................................................... 7 4.6. Conjoint Analysis ................................................................................................................ 8 4.7. Análise de Agrupamento (Cluster Analysis) ....................................................................... 9

5. MATERIAL E MÉTODOS ..................................................................................... 10

5.1. Primeira Etapa – Perfil dos Softwares Estudados ............................................................. 10 5.2. Segunda Etapa – Identificação de Fatores Importantes na Preferência do Usuário.......... 10 5.3. Terceira Etapa – Agrupamento dos Softwares .................................................................. 11 5.4. Quarta Etapa – Determinação dos Softwares Preferenciais .............................................. 12

6. RESULTADOS E DISCUSSÕES ......................................................................... 12

6.1. Descrição dos Softwares.................................................................................................... 12 6.2. Atributos Preferenciais na Utilização dos Softwares ........................................................ 13 6.3. Agrupamento dos Softwares.............................................................................................. 14 6.4. Softwares com Grande Potencial de Preferenciais ............................................................ 18

7. CONCLUSÕES .................................................................................................... 19

8. REFERÊNCIAS BIBLIOGRÁFICAS ..................................................................... 19

ANEXO 1.................................................................................................................. 21

III

LISTA DE FIGURAS Figura 1 – OUTPUT adaptado do SAS referente a Conjoint Analysis para alunos .................14

Figura 2 - OUTPUT adaptado do SAS referente a Conjoint Analysis para alunos ..................14

IV

LISTA DE TABELAS Tabela 1 - Análises estatísticas mais freqüentes ......................................................................05 Tabela 2 - Softwares Selecionados ..........................................................................................07 Tabela 3 - Atributos e níveis considerados na Conjoint Analysis ............................................10 Tabela 4 - Ferramentas estatísticas implementadas em cada software ....................................12 Tabela 5 - Descrição dos softwares computacionais estudados ...............................................13 Tabela 6 – Estimativas dos intervalos com 95% de confiança para a média e formação dos grupos de softwares com base na análises de estatística descritiva e experimental .................15 Tabela 7 – Estimativas dos intervalos com 95% de confiança para a média e formação dos grupos de softwares com base na análise na análise de confiabilidade ...................................15 Tabela 8 – Estimativas dos intervalos com 95% de confiança para a média e formação dos grupos de softwares com base nas análises de regressão simples e múltipla ..........................15 Tabela 9 – Estimativas dos intervalos com 95% de confiança para a média e formação dos grupos de softwares com base nas ferramentas básicas da qualidade ......................................16 Tabela 10 – Estimativas dos intervalos com 95% de confiança para a média e formação dos grupos de softwares com base na análise de controle estatístico de processos ........................16

V

RESUMO

O presente trabalho teve como objetivo identificar, com base em algumas análises estatísticas ligadas ao controle de qualidade, softwares preferenciais na execução das mesmas. Portanto, considerou-se o universo de opiniões de professores e estudantes da UFV, por meio da aplicação de questionários, cujo estudo foi realizado em 4 etapas. A primeira constituiu basicamente na definição das análise estatísticas a serem realizadas e também os softwares avaliados (Minitab 14.0, R 2.1.0, Saeg 9.0, SAS 8.0, Statistica 6.1, Weibull ++, WinCEP Plus, WinConf). Na Segunda etapa, objetivou-se identificar o perfil de preferencia dos usuários na utilização de um software computacional qualquer. Com o auxílio da técnica estatística conjoint analysis, concluiu-se que tanto professores quanto alunos acreditam que um software com maior tendência de ser preferido é aquele que já seja bem conhecido no mercado (popular), possua abrangência geral quanto às análises estatísticas possíveis de serem realizadas, tenha manipulação das saídas gráficas muito acessíveis e possua interface de menus interativos. Na terceira etapa, buscou-se avaliar todos os softwares considerados no estudo através de critérios de usabilidade (facilidade da realização da entrada de dados, execução dos procedimentos e interpretação dos resultados). Para isso, ministrou-se um curso, no qual questionários de avaliação foram preenchidos pelos participantes para cada software em cada análise estatística desenvolvida. Esses dados coletados foram submetidos à análise de agrupamento, para a identificação dos softwares considerados similares em cada uma das análises estatísticas. Nesta etapa, destacaram-se os softwares Minitab 14.0 e Statistica 6.1, recebendo as melhores notas e sendo considerados similares em quatro das cinco análises estatísticas realizadas. Na quarta e última etapa, cruzou-se as informações referentes às etapas dois e três, concluindo assim, que tanto o software Minitab 14.0 quanto o Statistica 6.1 tem grande tendência de serem preferidos pelos usuários, uma vez que foram considerados similares pela análise de agrupamento e também possuem todas as características consideradas importantes na preferência de utilização definidas na conjoint analysis.

Palavras Chave: controle estatístico da qualidade, softwares computacionais, preferências dos usuários.

VI

1. INTRODUÇÃO Nos mercados altamente competitivos de hoje, os gerentes estão reconhecendo o valor

da fidelidade dos clientes. Para mantê-la, não é suficiente que uma empresa apenas satisfaça

seus clientes. No cenário atual, os produtos ou serviços devem “encantar” os clientes de forma

a mantê-los, o que somente é possível através da oferta de produtos e serviços da mais alta

qualidade (DAVIS et al., 2001).

Qualidade não significa somente excelência ou outro atributo de um produto ou

serviço. Ela é o objetivo final de uma companhia e é também o que os consumidores esperam

de um produto ou serviço. Para que o mesmo seja atingido, é necessário, assim como em todo

processo de gestão, que um controle em relação aos processos de qualidade seja

implementado (PARANTHAMAN, 1990).

O controle estatístico da qualidade (CEQ) é um dos ramos da gestão da qualidade. O

CEQ é uma forma ou um procedimento de estudo das características de um processo, através

de números ou dados (estatístico) de maneira a fazê-lo comportar-se da forma desejada

(controle). Deste modo, o CEQ refere-se a todo um conjunto de ferramentas estatísticas

usadas, ou possivelmente utilizáveis, para intervir intencionalmente num sistema de produção,

objetivando conferir-lhe qualidade (MUNIZ e OLIVEIRA, 2000).

No mundo globalizado e cada vez mais exigente das pessoas responsáveis com os

processos de gestão, tanto em termos de capacidade e agilidade quanto confiabilidade das

decisões, a qualidade tornou-se essencial para o sucesso destes profissionais e,

conseqüentemente, para as empresas às quais conduzem. É nesse contexto que a

complexidade das decisões tem aumentado significativamente, fazendo com que os

responsáveis por elas busquem alternativas mais eficientes e eficazes para o controle de

qualidade. A informática aparece neste momento como uma poderosa ferramenta no auxílio à

facilidade e rapidez na execução das principais estatísticas úteis à tomada de decisões. Cada

vez mais, os gerentes estão se preocupando em conhecer e, se possível, implementar

softwares computacionais destinados ao controle de qualidade, os quais, por motivos já

citados, têm sido utilizados de maneira generalizada, em empresas não só de grande porte,

mas também de pequeno e médio portes.

Assim como nas empresas, as universidades devem acompanhar a tendência de

mercado e disponibilizar para as mesmas, profissionais treinados com conhecimento

teórico/prático e com capacidade de tomar decisões que incorporem qualidade no processo ou

no produto.

1

Devido ao crescimento do número de softwares disponíveis no mercado, uma série de

autores apontam problemas, principalmente relacionados à falta de adaptabilidade do usuário.

Alguns softwares mostram-se mais simples e objetivos, porém, mais limitados. Já outros são

bastante complexos, e, com uma utilização mais ampla. Portanto, em termos de CEQ, é

interessante que as universidades acompanhem o desenvolvimento tecnológico, sabendo que é

necessário conhecer os principais softwares que vem sendo utilizados na área e,

principalmente, quais são as vantagens e restrições de cada um. Com isso, ganham as

universidades em ensino e pesquisa, ganham as empresas com profissionais mais bem

preparados para o mercado de trabalho e ganham os estudantes, pelo diferencial que terão em

relação a outros profissionais da mesma área que não possuem este conhecimento.

Portanto, o presente trabalho visa realizar uma pesquisa de opinião a respeito dos

softwares preferenciais1 em função dos usuários de universidades através da comparação dos

principais softwares do mercado voltados ao CEQ, de forma a identificar grupos de softwares

similares e as principais dificuldades e facilidades de utilização. Cada um destes itens citados

serão analisados sob a perspectiva de dois tipos de usuários: professores e estudantes. Para

isso, os softwares foram avaliados sob os critérios usabilidade: facilidade/dificuldade de

entrada de dados, utilização dos comandos para o processamento dos dados e interpretação

dos resultados. O universo considerado será o de professores e estudantes da UFV.

2. JUSTIFICATIVA DO ESTUDO

Para que as universidades consigam formar profissionais de alto nível, é necessário que

ela acompanhe o avanço tecnológico que vem ocorrendo. Portanto, considera-se de

fundamental importância que a universidade conheça os programas que mais vem sendo

usados para o CEQ e também no conhecimento necessário para a utilização dos mesmos.

A falta de conhecimento pode fazer com que futuros profissionais formados pela

instituição sejam comparativamente menos preparados que profissionais que já possuem

conhecimento prévio nestes programas.

Um outro ponto importante é que de acordo com uma série de autores já pesquisados,

existem fatores que fazem com que determinado software seja mais atrativo que outros.

Problemas em relação à adaptabilidade do usuário com o software devido a possíveis

dificuldades de manuseio, erros de manipulação e erros de interpretação são as situações mais

comuns enfrentadas.

1. Softwares Preferenciais – Refere-se ao software ou conjunto de softwares que será (ao) preferidos pelos usuários em função da combinação de uma série de características pertencente (s) a ele (s).

2

Considerando que são abordados os principais softwares utilizados no mercado para

esta área do conhecimento, é interessante identificar quais são os softwares preferenciais e

quais são os critérios utilizados para a definição da preferência de utilização destes softwares,

visto que poderá fazer com que as universidades compreendam quais devem ser as

abordagens de ensino a serem realizadas, de forma a maximizar o potencial de utilização do

software pelo usuário.

3. OBJETIVOS 3.1. Objetivo Geral

Realizar a comparação de diferentes softwares estatísticos voltados ao controle

estatístico de qualidade de forma a identificar, do ponto de vista de usuários de uma

Universidade, quais dos softwares tem a tendência de serem preferidos, e levantar também

quais os fatores que foram importantes nesta definição.

3.2. Objetivos Específicos

• Levantamento dos softwares disponíveis para esta atividade;

• Descrição dos procedimentos de interesse a serem estudados nos softwares;

• Identificação dos atributos mais importantes em termos de preferência dos usuários;

• Agrupamento dos softwares em termos de similaridade de opinião quanto à

usabilidade;

• Identificação dos softwares preferenciais.

4. REVISÃO DE LITERATURA

4.1. Caracterização do Controle de Qualidade no Cenário Atual

“... é fácil entender como, em 1950, o Japão espanta o mundo apresentando 100% de qualidade e nível 0% de produtos rejeitados. Os ocidentais resumiram tudo em uma palavra: inspeção. A inspeção criteriosa aplicada ao produto acabado era a responsável pelo sucesso da empresa japonesa.”

(BALESTERO-ALVAREZ, 2001)

A primeira referência histórica e documentada sobre qualidade de serviço ou produto é

o código de Hamurabi, datado de 2150 a.C. Neste código eram estipuladas penas, quando

falhas em algum serviço resultavam em danos. Normalmente, a pena equivalia ao dano

imposto. Inspetores fenícios e egípcios conferiam, de forma sistemática, a qualidade de

serviços, aplicando penas também rigorosas (SILVA JR. et al., 1996).

3

Na Idade Média, as corporações de artesões treinavam aprendizes e profissionais

experientes, que desempenhavam funções de controle.

A produção em massa, desenvolvida a partir da Revolução Industrial, é feita pela

divisão do trabalho e montagem de produtos a partir de peças padronizadas em linhas de

montagem. O produto obtido não é mais o produto de um único artesão, que controlava todo o

processo de produção. O moderno sistema industrial, no qual diversos trabalhadores

participam da linha de montagem, criou dificuldades no controle de produtos.

No final do século XIX, Frederick Taylor lançou as bases da administração científica,

as quais tiveram impacto decisivo no gerenciamento de empresas e no controle da qualidade.

A pressuposição básica de Taylor era a do “homem econômico”, segundo a qual, a principal

motivação dos trabalhadores era proporcionar ganhos econômicos (CHIAVENATO, 1983).

Foi dado grande enfoque aos aspectos operacionais do trabalho, por meio do estudo do tempo

gasto e dos movimentos necessários em cada etapa da produção. Henry Ford, na primeira

década do século XX, implementou a linha de montagem, que revolucionou a produção

industrial.

Após a Segunda Guerra Mundial, produtos japoneses eram famosos pela péssima

qualidade. O esforço sistemático para aprimoramento dos ensinamentos de cientistas

americanos, desenvolvimento de novos métodos e implementação prática desses instrumentos

foi responsável pela mudança da imagem dos produtos japoneses. Além de produzirem

produtos que atendiam às necessidades e expectativas dos clientes, o controle de qualidade

permitiu que tais produtos fossem altamente competitivos em preços, o que sem dúvida, teve

contribuição relevante para o sucesso econômico do Japão.

Retornando ao comentário inicial deste tópico, os japoneses, ao contrário dos

ocidentais (pelo menos em um primeiro momento), entenderam a inspeção como sendo

acompanhar o processo passo a passo, segundo a segundo, o que está ocorrendo ao longo da

linha de produção inteira para que, rapidamente, se possa localizar qual variável em qual

ponto pode apresentar uma oscilação com o padrão que possa prejudicar o produto final

(BALESTRERO-ALVAREZ, 2001). A idéia principal é monitorar o processo como um todo,

de forma a minimizar a variabilidade ocorrida nos produtos ou serviços, e, conseqüentemente,

obter ganhos em qualidade, satisfação do cliente e redução de custos.

Portanto, seguindo o exemplo japonês e agora o de todo o mundo, atualmente o

controle permanente dos processos através de técnicas de controle estatístico da qualidade é

condição básica para a manutenção da qualidade de bens e serviços.

4

4.2. Análises Estatísticas Mais Utilizadas no CEQ

De acordo com consultas em literatura especializada, identificaram-se quais são as

análises estatísticas mais utilizadas na rotina dos responsáveis pelo controle de qualidade das

empresas em geral. Este tipo de levantamento objetivou selecionar quais serão os

procedimentos nos softwares que serão comparados para a realização do presente estudo. A

tabela 1 representa as técnicas estatísticas levantadas e suas principais características.

Tabela 1: Análises estatísticas mais freqüentes

Técnica Estatística Descrição Histograma Representação gráfica dos resultados das distribuições de

freqüências construída de retângulos justapostos, cujas alturas são os segmentos de retas dados pelas freqüências de cada classe e cujas larguras são proporcionais ao intervalo de classe.

Gráfico de Pareto Representação gráfica que evidencia fatores relevantes. Resulta da aplicação do Princípio de Pareto, que declara que 20% dos fatores respondem por 80% dos resultados.

Diagrama de Causa e Efeito Representação gráfica que estrutura as informações sobre causas prováveis de um determinado efeito.

Diagrama de Dispersão Método gráfico para a visualização da correspondência entre duas variáveis.

Capacidade de Processo Visa identificar o grau de homogeneidade do processo produtivo, ou seja, o quanto ele é capaz de atender às especificações impostas pelo cliente ou por uma etapa posterior ao próprio processo.

Gráficos de Controle (Shewhart, Cusum e EWMA)

São gráficos seqüenciais que demonstram a variabilidade do processo ao longo do tempo e limites de controle estabelecidos por estimativa estatística.

Funções de Confiabilidade (Paramétricas e Não-paramétricas

Visa mensurar o grau de certeza de um item desempenhar satisfatoriamente a função requerida, sob condições de operações estabelecidas, por um período de tempo pré-determinado.

Estatística Descritiva Fornece um melhor conhecimento dos dados os quais se esta trabalhando através da apresentação (descrição) de estimadores.

Análise de Variância (um e dois fatores)

Permite decompor a variação total, na variação devido à diferença entre os efeitos de interesse de cada modelo (delineamento inteiramente casualizado com um fator ou dois, delineamento em blocos casualizados com um ou dois fatores, etc) e aos efeitos aleatórios.

Testes de Médias Procedimentos de comparações entre médias dos efeitos que apresentaram significância quando da aplicação da análise de variância. São procedimentos que discriminam quais são as médias ou grupos de médias que são significativamente diferentes.

Análise de Correlação Mede com que intensidade se manifesta uma associação entre duas variáveis.

Análise de Regressão Simples Visa estabelecer uma relação funcional entre uma variável dependente Y e uma variável independente X.

Análise de Regressão Múltipla Visa estabelecer uma relação funcional entre uma variável dependente Y com duas ou mais variáveis independentes X’s (X1, X2, X3, etc).

5

4.3. Universidades e o seu Papel na Formação de Profissionais Capacitados

Atualmente vivenciamos um processo de transformações rápidas decorrente da

revolução tecnológica, com valorização da criatividade e da inovação, e de avanços

expressivos na formação de uma nova consciência da necessidade da utilização da informática

para o auxílio do cumprimento de nossas exigências diárias.

Portanto, acredita-se que a universidade deva proporcionar que o aluno se sinta em um

ambiente que propicie o desenvolvimento pessoal, construindo o seu conhecimento numa

postura de indagação e análise avaliativa da realidade que o cerca. Deve-se sentir uma pessoa

com condições de efetuar mudanças, com espaço para exercer sua consciência crítica ao

aprender fazendo, incorporando a educação continuada como princípio de qualificação

profissional.

Nesse contexto, o ensino deve incluir teorias e práticas que conduzam à formação

integral dos alunos, para que se transformem em produtores de conhecimento e não em meros

receptores de informações. Os professores devem buscar formas de expressão que permitam

compartilhar experiências estimulando a criatividade, o pensamento e a crítica,

desacostumando o indivíduo à passividade mental.

Daí a importância não só da Universidade, representada pelos professores, como

também dos alunos, de conhecerem e trabalharem e seguirem a realidade tecnológica que vem

ocorrendo no cenário mundial, e que não é passageira. É neste contexto que são incluídos os

programas estatísticos voltados ao CEQ. Só assim e possível o aprender fazendo. Para isso,

torna-se fundamental o conhecimento previu das principais vantagens e desvantagens

associadas a cada um deles, bem como as restrições envolvidas. Esse tipo de informação faz

com que as aulas sejam mais direcionadas e, espera-se que tenham um rendimento maior que

o normal, visto que serão discutidos principalmente os pontos que de antemão já eram

conhecidos como problemáticos.

4.4. Softwares Voltados ao CEQ

O crescimento exponencial dos computadores em todas as fases do controle da

qualidade vem fazendo com que a maioria dos profissionais se sinta desconfortáveis na

melhor das hipóteses, ou obsoletos na pior (JURAN e GRYNA, 1993). Aliados à alta

tecnologia associada à sua estrutura, eles vem conseguindo atingir capacidade de

processamento antes nunca pensadas. Este tipo de cenário vem sendo cada vez mais propício

6

para que uma série de empresas fabricantes de programas atuem, desenvolvendo softwares

mais completos e que tendem a maximizar ainda mais a capacidade de tomada de decisões

dos responsáveis da área.

Vários são os softwares que já vêm sendo utilizados no CEQ, sendo que mais e mais

vem sendo criados. JURAN e GRYNA (1993) sitam que os periódicos são uma boa fonte de

informação para estar atualizado sobre os softwares mais utilizados. Ele relata que tanto o

Journal of Quality Technology quanto o Quality Progress fornecem catálogos periódicos de

softwares relacionados à qualidade. Estes periódicos podem ser acessadas diretamente pelo

site da CAPES (www.periodicos.capes.gov.br).

No presente trabalho, serão utilizados para estudo oito dos milhares de softwares

existentes, sendo que o critério para a seleção dos mesmos foi o maior número de citações em

livros, revistas, literatura especializada e internet. A tabela 2 ilustra os softwares selecionados.

Tabela 2: Softwares Selecionados

Softwares Selecionados Minitab 14.0

R 2.1.0 Saeg 9.0 SAS 8.0

Statistica 6.1 Weibull ++

WinCEP Plus WinConf

4.5. Qualidade de Software e Impactos Sobre o Usuário

“Frustração e ansiedade fazem parte da vida de muitos usuários de sistemas de informação computadorizados. Eles lutam para aprender a linguagem de comandos ou sistemas de seleção por menu, os quais, presume-se, devem ajudá-los. Algumas pessoas enfrentam casos tão sérios de estado de choque diante de computadores, pavor de terminais ou neuroses de redes de computador que evitam usar sistemas computadorizados.”

(PRESSMAN, 1995)

Os problemas apresentados acima, apesar de serem casos extremos, são reais. De

acordo com PRESSMAN (1995), todos nós encontramos interfaces que são duras de

aprender, difíceis de usar, confusas, implacáveis e, em muitos casos, totalmente frustrantes.

Contudo, alguém gastou tempo e energia construindo cada uma dessas interfaces, e é provável

que o construtor não tenha criado esses problemas deliberadamente.

Quando um software está sendo desenvolvido, todas as suas características tanto

internas quanto externas foram previamente projetas. Em relação ao do projeto interno, ou,

em outras palavras, aquilo que fica escondido do usuário, são definidas as questões de

modularidade dos procedimentos ou pacotes de procedimentos, arquitetura do software,

hierarquias de controles, estrutura de dados, linguagem de projeto de programa, estrutura

lógica para etapas de processamento de entrada, processamento e saída de dados, etc.

7

Ainda que crucialmente importante para a qualidade global do software, o projeto

considerado anteriormente fica, conforme já citado, escondido do usuário final. O projeto de

interface é diferente. Se ele for muito bom, o usuário cairá em um ritmo natural de interação.

Ele pode até mesmo se esquecer de que a comunicação está se desenvolvendo com uma

máquina. Mas, se ele for ruim, o usuário o saberá imediatamente e não ficará satisfeito com o

modo de interação não-amigável (PRESSMAN, 1995).

O projeto de interfaces com o usuário tem tanto em comum com o estudo de pessoas

como com as questões tecnológicas. É necessário conhecimento de quem é o usuário, que faz

o usuário aprender a interagir com o novo sistema baseado em computador, como o usuário

interpreta as informações produzidas pelo sistema, etc. (PRESSMAN, 1995)

Indo por este caminho, cai-se em uma área ainda muito maior, que é a própria

qualidade do software. De acordo com STAA (1987), podemos dizer que um software de boa

qualidade produz resultados úteis e confiáveis na oportunidade certa; é ameno ao uso; é

mensurável e auditável; é corrigível, modificável, e evolutível; opera em máquinas e

ambientes reais; foi desenvolvido de forma econômica e no prazo estipulado; e opera com

economia de recursos.

Segundo JURAN e GRYNA (1993), sem levar em consideração a linguagem, o

tamanho do programa, sua complexidade ou utilização, aplicam-se em geral vários fatores,

dentre eles: exatidão, confiabilidade, integridade, eficiência, usabilidade, manutenção,

testabilidade, flexibilidade, portabilidade, reutilização e interoperabilidade, sendo que um dos

mais importantes é a usabilidade1.

O presente trabalho se restringirá a estudar a implicação dos fatores de usabilidade na

preferência de utilização de determinado software ou grupos de software em relação a outros.

Serão avaliadas, portanto, as necessidades de entrada, processamento de dados e interpretação

dos resultados de cada software listados no item anterior, de forma a realizar conclusões a

respeito destas potenciais preferências.

4.6. Conjoint Analysis

Em termos gerais, a conjoint analysis trata-se de uma técnica para estudar o efeito

conjunto de duas ou mais variáveis independentes sobre a ordenação de uma variável

dependente. O objetivo é estudar a influência que cada variável independente exerce na

variável dependente (CARNEIRO, 2002).

1. Usabilidade – Esforço necessário para aprender, operar, preparar input e interpretar output do programa

8

O termo conjoint analysis recebe várias traduções, tais como análise conjunta, análise

de conjunto, análise de combinação de fatores, análise de preferência, etc (CARNEIRO,

2002).

A conjoint analysis é essencialmente uma análise de decomposição, pois a partir das

notas de preferência ou intenção de compra dos consumidores ou usuário para diferentes

versões de um produto ou serviço e do conhecimento dos fatores (níveis que constituem cada

uma dessas versões), decompõe-se essas notas determinando-se a contribuição dos níveis dos

fatores na preferência ou intenção de compra dos consumidores (CARNEIRO, 2002).

Portanto, conforme foi dito anteriormente, esta técnica de análise estatística visa

estimar a importância de atributos de qualquer natureza desde que estes atributos sejam

previamente definidos.

4.7. Análise de Agrupamento (Cluster Analysis)

Segundo CRUZ e REGAZZI (1994), a análise de agrupamento tem por finalidade

reunir, por algum critério de classificação, qualquer tipo de unidade amostral em vários

grupos, de tal forma que exista homogeneidade dentro do grupo e heterogeneidade entre

grupos. Alternativamente, as técnicas de análise de agrupamento têm por objetivo, ainda,

dividir um grupo original de observações em vários grupos, segundo algum critério de

similaridade ou de dissimilaridade. Ainda segundo os autores, o processo de agrupamento

envolve basicamente duas etapas. A primeira relaciona-se com a estimação da matriz de

distâncias (similaridade ou dissimilaridade) entre respondentes e a segunda, com a adoção de

uma técnica de agrupamento para a formação dos grupos.

Como medida de dissimilaridade, uma das mais utilizadas, é a distância euclidiana

média padronizada. Com essa distância, ocorre uma mesma contribuição de todas as variáveis

e evita que o aumento de variáveis na análise influencie no valor da distância, com relação ao

agrupamento.

Na literatura são apresentadas várias técnicas de agrupamento, algumas produzem

dendrogramas e outras fazem a partição dos tratamentos em grupos disjuntos. Dentre as

últimas, pode-se citar o método de otimização de Tocher, que faz a partição do conjunto de

indivíduos em subgrupos não-vazios e mutuamente exclusivos (CRUZ e REGAZZI, 1994).

9

5. MATERIAL E MÉTODOS

Foram estudados, ao todo, um conjunto de oito softwares direta ou indiretamente

voltados ao controle estatístico de qualidade: Minitab 14.0, R 2.1.0, Saeg 9.0, Statistica 6.1,

Wincep Plus, Winconf, Weibull ++ e SAS 8.0. Em relação aos procedimentos a serem

abordados em cada software, o presente trabalho se restringirá àqueles procedimentos

referentes às análises estatísticas citadas no item 4.2 do presente trabalho.

Em termos gerais, o trabalho foi dividido em quatro etapas principais.

5.1. Primeira Etapa – Perfil dos Softwares Estudados

Para a primeira etapa do estudo, realizou-se uma descrição completa de cada software.

Este levantamento foi baseado em pesquisas de internet, catálogos técnicos de utilização,

manuais disponíveis e qualquer outro tipo de literatura especializada. Nesta etapa, o objetivo

foi o levantamento de informações relevantes, referentes a cada um dos softwares, tais como:

empresas fabricantes, sistemas operacionais de funcionamento do software, linguagem fonte,

principais contatos (site e e-mail do responsável), número de clientes que a empresa possui

para o software, disponibilidade de versão demonstração, disponibilidade de manual on-line,

sucessos de algumas empresas quando da utilização do software e disponibilidade de

execução das análises de interesse.

5.2. Segunda Etapa – Identificação de Fatores Importantes na Preferência do Usuário

A segunda etapa visou identificar, através de quatro atributos definidos previamente,

qual ou quais atributos são considerados mais importantes em termos de utilização de um

software. Em seguida, cada atributo foi dividido em dois níveis. A combinação dos níveis de

cada atributo representou dezesseis tratamentos avaliados nesta etapa do presente trabalho.

Para cada nível de fator, foi fornecida uma escala de amplitude 10 cm, onde cada indivíduo

fazia uma cruz no local correspondente à sua resposta.

A tabela 3 apresenta os atributos a serem estudados e seus respectivos níveis.

Tabela 3: Atributos e níveis considerados na Conjoint Analysis

Atributos Níveis 1 – Conhecimento do Software 1 – Popular 2 – Pouco Conhecido 2 – Abrangência de Procedimentos 1 – Geral 2 – Específico 3 – Manipulação Gráfica 1 – Muito Acessível 2 – Pouco Acessível 4 – Interação Usuário/Software 1 – Simples 2 – Complexa

10

Posteriormente foram aplicados um total de 100 questionários, sendo 70 para alunos e

30 para professores da UFV de modo a identificar quais dos atributos definidos anteriormente

mais influenciaram a preferência do usuário. Para quantificar a contribuição dos níveis e a

importância relativa dos fatores, utilizou-se a técnica conjoint analysis, sendo possível

também identificar a combinação dos níveis de cada atributo que maximizam a preferência de

utilização de um software pelo usuário.

As análises referentes a esta etapa do presente trabalho foram realizadas no software

SAS 8.0.

5.3. Terceira Etapa – Agrupamento dos Softwares

Na terceira etapa do trabalho objetivou-se agrupar os softwares em estudo de acordo

com critérios de similaridade de utilização, com base no ponto de vista do usuário (alunos da

UFV). Nesta etapa, todas as análises estatísticas abordadas na tabela 1 foram arranjadas em 5

grupos (1 – Estatística Descritiva e Experimental; 2 – Análise de Confiabilidade; 3 –

Regressão Simples e Múltipla; 4 – Ferramentas Básicas da Qualidade; 5 – Controle Estatístico

de Processos). Para cada grupo de análises formado, foram identificados quais dos softwares

em estudo possuíam implementada determinada análise. Por fim, todos os softwares

utilizados em cada grupo foram avaliados quanto aos critérios de: facilidade de entrada de

dados (FED); execução dos procedimentos estatísticos (EPE); interpretação dos resultados

(IR); manipulação das saídas gráficas (MSG).

A avaliação foi realizada de acordo com a perspectiva de usuários que nunca ou pouco

tiveram contato com os softwares considerados. Com isso, realizou-se um curso, o qual teve

como objetivo ilustrar como são realizados em cada software todos os passos para a

realização das análises estatísticas ilustradas na tabela 4.

Para medir a facilidade de entrada de dados, foram aplicados questionários ao longo do

curso, nos quais os participantes avaliavam cada software em cada análise estatística ilustrada

nos itens descritos anteriormente (1 = Péssimo, 2 = Ruim, 3 = Regular, 4 = Bom, 5 = Ótimo).

Para uma melhor visualização do método de coleta de dados, o questionário utilizado nesta

etapa encontra-se no anexo 1 do presente trabalho.

De posse das médias das notas, para cada critério, dos softwares em relação a cada

grupo de análises estatísticas, utilizou-se o software Saeg 9.0 para realizar a análise de

agrupamento com base na distância euclidiana média padronizada e no método de otimização

de Tocher.

11

5.4. Quarta Etapa – Determinação dos Softwares Preferenciais

Na quarta e última etapa do trabalho, foi realizada a caracterização de cada grupo

formado, sendo que as interpretações dos resultados das etapas 2 e 3 (itens 5.2 e 5.3) foram

cruzadas com o objetivo de realizar conclusões a respeito dos softwares que teriam a

tendência de serem preferenciais em função da análise estatística de interesse a ser realizada.

Tabela 4: Ferramentas estatísticas implementadas em cada software

Grupos de Análises Análises Estatísticas Presentes Softwares

Estatística Descritiva e Experimental

• Estatística Descritiva • Box-Plot • ANOVA 1 e 2 Fatores • Análise de Resíduos • Gráfico de Interação

Minitab 14.0; Statistica 6.1; Saeg 9.0; SAS 8.0; R 2.1.0

Análise de Confiabilidade

• Modelos Não-Paramétricos (Kaplan-Meier) • Modelos Paramétricos (Distribuições de

Weibull, Log-Normal e Exponencial)

Minitab 14.0; Statistica 6.1; Saeg 9.0; SAS 8.0; R 2.1.0; Weibull ++; WinConf

Regressão Simples e Múltipla

• Análise de Regressão Simples • Análise de Regressão Múltipla • Análise de Resíduos

Minitab 14.0; Statistica 6.1; Saeg 9.0; SAS 8.0; R 2.1.0

Ferramentas Básicas da Qualidade

• Diagrama de Dispersão, Causa-e-Efeito e Pareto• Histograma • Capacidade de Processos • Estratificação

Minitab 14.0; Statistica 6.1; Saeg 9.0; SAS 8.0; R 2.1.0;WinCEP Plus

Controle Estatístico de Processos

• Gráficos de Controle de Shewhart • Gráfico de Controle CUSUM • Gráfico de Controle EWMA

Minitab 14.0; Statistica 6.1; Saeg 9.0; SAS 8.0; R 2.1.0; WinCEP Plus

6. RESULTADOS E DISCUSSÕES

6.1. Descrição dos Softwares

Na tabela 5 são encontradas informações a respeito do nome do fabricante de cada

software, a exigência quanto ao sistema operacional, o site do fabricante ou do representante

no Brasil, informação a respeito da disponibilidade ou não de versão Demo e, se é

disponibilizado também algum tipo de manual de instruções.

De acordo com a tabela 5, observa-se que se tratam de softwares de empresas já

estruturadas no mercado, e com capacidade para atenderem às expectativas dos usuários.

12

6.2. Atributos Preferenciais na Utilização dos Softwares

Nas figuras 1 e 2, são ilustrados os resultados correspondentes aos alunos e

professores, respectivamente. De acordo com o resultado ilustrado na figura1, observa-se que,

o atributo considerado mais importante em termos de preferência de utilização de um software

é a manipulação das saídas gráficas (≈28,4). Na segunda posição, ficaram praticamente

empatados o atributo conhecimento, ou o quanto popular é um software e Interação

( 26,0%). Por fim, o atributo considerado menos importante em termos de preferência do

usuário foi a abrangência do software (

≈

≈19,6%).

UFV W indows 95, 98, 2000, Milenium e XP

www.ufv.br/saeg SIM SIM

SAS Ins titute W indows 98 ou superior

www.sas .com cliente@sasbras il.com.br

NÃO NÃO

StatSoft Incorporation

W indows 98 ou superior

www.s tatsoft.com www.s tatsoft.com.br

SIM Vem Junto a Versão Demo

ReliaSoft Corporation

W indows 95, 98, Milenium, NT, 2000 e

XPwww.reliasoft.com.br SIM SIM

MinitabW indows 98, Milenium,

NT 4, 2000 e XPwww.minitab.com

www.minitabras il.com.br SIM SIM, s ite matriz

Grupo de Voluntários (não é

empresa)

W indows 95 ou superiores e Linux

www.r-project.org SIM (versão completa)

SIM

VTB Consultoria e Treinamento

W indows 98 ou superior

www.vtb.com.br SIMNÂO. Deve-se fazer pedido ao

fabricante

VTB Consultoria e Treinamento

W indows 98 ou superior www.vtb.com.br SIM

NÂO. Deve-se fazer pedido ao

fabricante

Sistema Operacional

M anuais On-Line

Site Versão DemoSoftwares

DescriçãoFabricante

Saeg 9.0

SAS 8.0

STATISTICA 6.1

Winconf

Weibull ++

M INITAB 14.0

R 2.1.0

Wincep Plus

Tabela 5: Descrição dos softwares computacionais estudados

Outra conclusão possível é quanto à combinação ótima dos níveis dos atributos, de

forma a maximizar a preferência de utilização de um software qualquer por um usuário.

Extraindo os níveis que possuíam maiores Part-Worth (Utilitys), conclui-se que esta

combinação é: conhecimento popular (Utility 0,9250), abrangência geral (Utility 0,6994),

manipulação muito acessível (Utility 1,0113) e interação simples (Utility 0,9247).

Na figura 2, observa-se uma modificação na hierarquia de importâncias dos atributos:

1º - Manipulação ( 32,7%); 2º - Conhecimento (≈ ≈27,7%); 3º - Abrangência ( 25,3%); 4º -

Interação ( 14,3%). Em relação aos estudantes, tem-se a interação do software como menos

importância, em detrimento à abrangência, além da importância relativa do atributo interação

≈

≈

13

ter sido bem inferior aos demais. Apesar da diferenciação das importâncias relativas dos

atributos, comparando-as às dos estudantes, a combinação dos níveis dos atributos que

maximiza a preferência de utilização de um software para os professores da UFV também foi

a mesma calculada na análise para os alunos.

Importance Label Utility (% Utility Range) Intercept 0.0000 Conhecimento Pouco Popular -0.7929 27.681 Conhecimento Popular 0.7929 Abrangencia Geral 0.7250 25.312 Abrangencia Especifica -0.7250 Manipulacao Pouco Acessivel –0.9357 32.668 Manipulacao Muito Acessivel 0.9357 Interacao Simples 0.4107 14.339 Interacao Complexa -0.4107

Figura 2: OUTPUT adaptado do SAS referente a Conjoint Analysis para Professores

Importance Label Utility (% Utility Range) Intercept 0.0000 Conhecimento Pouco Popular -0.9250 25.980 Conhecimento Popular 0.9250 Abrangencia Geral 0.6994 19.644 Abrangencia Especifica -0.6994 Manipulacao Pouco Acessível -1.0113 28.405 Manipulacao Muito Acessivel 1.0113 Interacao Simples 0.9247 25.972 Interacao Complexa -0.9247

Figura 1: OUTPUT adaptado do SAS referente a Conjoint Analysis para alunos

Em resumo, pode-se concluir que a manipulação gráfica muito acessível é o atributo

mais importante na escolha de um software estatístico, principalmente em relação aos

professores. No entanto, também se percebe que os outros atributos devem merecer atenção

dos fabricantes devido à proximidade dos valores encontrados às estimativas das importâncias

relativas.

6.3. Agrupamento dos Softwares

Os resultados das avaliações de cada software, referentes às média das notas dadas

estudantes que participaram do curso, com o objetivo de realizar os agrupamentos em função

das análises estatísticas definidas na tabela 4 podem ser visualizados nas tabelas 6, 7, 8, 9 e

10.

Com relação aos resultados da tabela seis, destacaram-se como softwares preferenciais

o Minitab 14.0 e o Statistica 6.1 por apresentarem as maiores médias para todos os critérios e

por terem sido colocados em um mesmo grupo. No agrupamento 2, apesar dos dois softwares

contidos no mesmo terem perfis diferenciados, verifica-se que o Saeg 9.0 teve a maior nota

para MSG e o SAS 8.0 para IR. Em relação ao SAS 8.0, foi constatado um maior número de

estatísticas nas saídas dos resultados e também grande flexibilidade na escolha do nível de

significância. Por fim, com a menor média das notas, encontra-se o software R 2.1.0.

14

Tabela 6: Estimativas dos intervalos com 95% de confiança para a média e formação dos grupos de softwares com base nas análises de estatística descritiva e experimental

Minitab 14.0 R 2.1.0 Saeg 9.0 SAS 8.0 Statistica 6.1 FED 4.59 ± 0.12 3.42 ± 0.18 3.57 ± 0.17 3.38 ± 0.18 4.42 ± 0.11 EPE 4.42 ± 0.12 2.88 ± 0.19 3.68 ± 0.15 3.52 ± 0.19 4.15 ± 0.15 IR 4.16 ± 0.12 3.77 ± 0.15 3.85 ± 0.15 4.09 ± 0.15 4.12 ± 0.13 MSG 4.60 ± 0.11 3.24 ± 0.18 4.00 ± 0.16 3.64 ± 0.18 4.09 ± 0.14 Geral 4.44 ± 0.06 3.32 ± 0.09 3.77 ± 0.08 3.66 ± 0.09 4.20 ± 0.07 Agrupamentos I Minitab 14.0, Statistica 6.1 II Saeg 9.0, SAS 8.0 III R 2.1.0

Tabela 7: Estimativas dos intervalos com 95% de confiança para a média e formação dos grupos de softwares com base na análise de confiabilidade

Minitab 14.0 R 2.1.0 Saeg 9.0 SAS 8.0 Statistica 6.1 Weibull ++ WinConf FED 4.79 ± 0.15 3.57 ± 0.30 4.05 ± 0.20 3.87 ± 0.26 4.56 ± 0.17 3.72 ± 0.37 3.10 ± 0.50EPE 4.33 ± 0.23 3.18 ± 0.28 3.82 ± 0.28 3.51 ± 0.24 4.33 ± 0.19 4.36 ± 0.22 3.25 ± 0.53IR 4.28 ± 0.20 3.61 ± 0.30 3.38 ± 0.34 4.21 ± 0.23 4.31 ± 0.19 4.27 ± 0.23 3.77 ± 0.41MSG 4.67 ± 0.15 3.55 ± 0.32 3.84 ± 0.30 4.01 ± 0.31 4.31 ± 0.27 4.29 ± 0.21 3.23 ± 0.51Geral 4.52 ± 0.10 3.48 ± 0.15 3.77 ± 0.15 3.90 ± 0.14 4.38 ± 0.11 4.16 ± 0.14 3.34 ± 0.25Agrupamentos I Minitab 14.0, Statistica 6.1, Weibull ++ II R 2.1.0, WinConf III Saeg 9.0 IV SAS 8.0

Tabela 8: Estimativas dos intervalos com 95% de confiança para a média e formação dos grupos de softwares com base nas análises de regressão simples e múltipla

Minitab 14.0 R 2.1.0 Saeg 9.0 SAS 8.0 Statistica 6.1 FED 4.86 ± 0.11 3.73 ± 0.25 4.05 ± 0.19 4.09 ± 0.20 4.70 ± 0.12 EPE 4.20 ± 0.17 3.26 ± 0.23 4.18 ± 0.18 3.49 ± 0.23 4.26 ± 0.21 IR 3.92 ± 0.24 3.73 ± 0.20 3.88 ± 0.30 4.21 ± 0.22 4.34 ± 0.16 MSG 4.63 ± 0.13 3.81 ± 0.25 3.71 ± 0.27 4.00 ± 0.25 4.37 ± 0.21 Geral 4.40 ± 0.10 3.63 ± 0.12 3.96 ± 0.12 3.95 ± 0.11 4.42 ± 0.09 Agrupamentos I Minitab 14.0, Statistica 6.1 II Saeg 9.0, SAS 8.0 III R 2.1.0

Na tabela sete, ao lado dos softwares Minitab 14.0 e Statistica 6.1, encontra-se o

Weibull ++, que, para análise de confiabilidade, mostrou ter acessibilidade de manuseio fácil

e grande variedade de métodos estatísticos para este tipo de análise. Deve-se ressaltar que

trata-se de um software especialista para a análise em questão, não sendo, portanto, totalmente

explorado. A níveis intermediários, encontram-se os softwares Saeg 9.0 e SAS 8.0 com

procedimentos e saídas de resultados equivalentes. Com médias baixas, encontram-se os

softwares R 2.1.0 e WinConf, cuja expectativa não foi comprovada pelos alunos, por ausência

de procedimentos estatísticos de análise paramétrica no caso do R 2.1.0 e por dificuldade na

15

entrada de dados, execução dos procedimentos estatísticos e manipulação dos saídas gráficas

no caso do WinConf.

Para os resultados da tabela oito, observa-se mais uma vez os softwares Minitab 14.0 e

Statistica 6.1 recebendo as notas mais elevadas e sendo considerados em um mesmo

agrupamento. Apesar de não possuírem muitos modelos disponíveis para a realização dos

modelos de regressão tanto simples quanto múltipla, fatores como simplicidade na execução

das análises e geração de gráficos de boa qualidade fez com que tais softwares se

destacassem. Para o agrupamento dois, a versatilidade de modelos disponíveis a serem

implementados em uma análise de dados fizeram com que os softwares SAS 8.0 e Saeg

fossem considerados em um mesmo agrupamento, além de terem recebido notas

relativamente boas. Por fim, o software R 2.1.0 mais uma vez recebeu as menores notas e foi

considerado em um agrupamento isolado dos demais. Isso se deu principalmente em termos

de EPE.

Tabela 9: Estimativas dos intervalos com 95% de confiança para a média e formação dos

grupos de softwares com base nas ferramentas básicas para a qualidade

Minitab 14.0 R 2.1.0 Saeg 9.0 SAS 8.0 Statistica 6.1 WinCEP Plus FED 4.41 ± 0.16 3.71 ± 0.14 3.41 ± 0.26 3.97 ± 0.19 4.05 ± 0.16 3.35 ± 0.22 EPE 4.33 ± 0.16 3.49 ± 0.16 3.49 ± 0.26 4.05 ± 0.16 3.97 ± 0.17 4.03 ± 0.17 IR 4.44 ± 0.14 4.06 ± 0.13 3.52 ± 0.28 4.25 ± 0.17 4.08 ± 0.15 3.73 ± 0.20 MSG 4.56 ± 0.13 3.92 ± 0.11 3.52 ± 0.28 4.34 ± 0.13 4.19 ± 0.14 3.24 ± 0.25 Geral 4.44 ± 0.07 3.80 ± 0.07 3.49 ± 0.13 4.15 ± 0.08 4.07 ± 0.08 3.59 ± 0.11 Agrupamentos I Minitab 14.0, SAS 8.0, Statistica 6.1 II Saeg 9.0, WinCEP Plus III R 2.1.0

Tabela 10: Estimativas dos intervalos com 95% de confiança para a média e formação dos grupos de softwares com base na análise de controle estatístico de processos

Minitab 14.0 R 2.1.0 Saeg 9.0 SAS 8.0 Statistica 6.1 WinCEP Plus FED 4.71 ± 0.10 3.72 ± 0.14 3.93 ± 0.14 4.06 ± 0.15 4.35 ± 0.14 2.84 ± 0.19 EPE 4.43 ± 0.11 3.27 ± 0.15 3.70 ± 0.16 3.67 ± 0.14 4.20 ± 0.15 3.70 ± 0.21 IR 4.36 ± 0.11 4.12 ± 0.11 3.82 ± 0.17 4.19 ± 0.12 4.22 ± 0.13 4.03 ± 0.13 MSG 4.58 ± 0.11 3.86 ± 0.20 4.03 ± 0.16 3.97 ± 0.14 4.09 ± 0.18 4.14 ± 0.12 Geral 4.52 ± 0.06 3.74 ± 0.08 3.87 ± 0.08 3.97 ± 0.07 4.22 ± 0.08 3.68 ± 0.10 Agrupamentos I Minitab 14.0, Statistica 6.1 II R 2.1.0, Saeg 9.0, SAS 8.0, WinCEP Plus

Em relação aos resultados da tabela nove, observa-se em destaque o software SAS 8.0

como um dos que receberam as melhores notas juntamente com o Minitab 14.0 e o Statistica

6.1. Esta ascensão do SAS 8.0 deve-se ao fato da versatilidade observada na MSG do mesmo,

e também em termos de IR. Mais uma vez, os softwares Minitab 14.0 e Statistica 6.1

apresentaram operações bastante simples e boa resolução dos gráficos gerados. O software R

16

2.1.0 apresentou uma melhora na opinião dos alunos respondentes, ficando em posição

intermediária nesta análise estatística devido, principalmente, maior facilidade de

programação e à boa disposição dos resultados gerados (facilitando as interpretações). Por

fim, observa-se que os softwares WinCEP Plus e Saeg 9.0 não se destacaram, principalmente

em termos de dificuldade de entrada de dados e manipulação das saídas gráficas.

Para os resultados da tabela dez, confirma-se mais uma vez que a simplicidade da

execução de todas as etapas de análise de dados bem como a confecção de gráficos de boa

qualidade fizeram com que Minitab 14.0 e Statistica 6.1 recebesse novamente as melhores

notas e fossem considerados estatisticamente em um mesmo agrupamento. Os demais

softwares foram considerados em um mesmo grupo, sendo que o item que recebeu a pior nota

para o R 2.1.0, SAS 8.0 e Saeg 9.0, foi o EPE, e, para o software WinCEP Plus foi a FED.

Para este item, observou-se que o Saeg 9.0 apresentou dificuldades em relação à modelagem

para a confecção dos gráficos de controle, além de ter apresentado problemas em relação aos

gráficos Cusum e Ewma.

Em termos gerais, observou-se que os softwares Minitab 14.0 e Statistica 6.1 foram

considerados similares e com as melhores notas todas as análises estatísticas realizadas.

Tratam-se de softwares que possuem como características principais grande abrangência em

termos de quantidade de análises estatísticas possíveis de serem realizadas, são praticamente

softwares que não necessitam de conhecimento de programação pois, apesar de possuírem

este tipo de recurso, trabalham basicamente com menus interativos. Além do mais, possuem

fácil manipulação das saídas gráficas resultantes das análises e têm como vantagens a

facilidade de importação dos dados a serem analisados.

Todas estas características citadas anteriormente também se aplicam aos softwares

Weibull ++, porém trata-se de um software considerado especialista e de utilização muito

simples na resolução de problemas voltados à análise de confiabilidade. Fato este que o

colocou em um mesmo agrupamento dos softwares Minitab 14.0 e Statistica 6.1.

Ainda em relação à análise de confiabilidade, deve-se ressaltar o software WinConf.

Apesar também ser especialista na realização desta análise, bem como o Weibull ++,

observou-se que o WinConf possui grandes restrições quanto ao número de análises possíveis

de serem realizadas, métodos estatísticos disponíveis para o cálculo das estimativas dos

parâmetros necessários e dificuldade na entrada de dados

Em termos do software SAS 8.0, percebeu-se, no geral, que a avaliação feita pelos

participantes do curso está em um intervalo variando de regular à boa (3,66 a 4,15).Observou-

se que mesmo sendo este um software que exige habilidades e conhecimentos de programação

17

do usuário, assim como conhecimento teórico da análise de dados realizada, as maiores

dificuldades encontradas pelo usuário no entendimento de todas as etapas necessárias para

uma análise ocorreram somente para estatística descritiva e experimental.

Com relação ao software Saeg 9.0, percebeu-se que o mesmo recebeu notas medianas,

em função da pouca flexibilidade de manipulação gráfica e da importação dos dados ser muito

restrita, uma vez que ele lê somente dados numéricos. Estas restrições refletem na preparação

da planilha de dados e, consequentemente, no tempo total da análise.

O software WinCEP Plus mostrou-se muito simples de ser utilizado, porém possuindo

sérias restrições em termos de importação de dados e manipulação das saídas gráficas. Apesar

de ser especificamente voltado ao controle estatístico da qualidade, não recebeu notas maiores

do que os demais softwares nas análises de ferramentas básicas da qualidade e controle

estatístico de processos e nem pode ser considerado no mesmo agrupamento dos softwares

Minitab 14.0 e Statistica 6.1.

Por fim, observou-se que o software R 2.1.0, mesmo sendo de domínio público e

possuindo uma grande variedade de análises de dados disponíveis, exige também

conhecimentos de programação do usuário. Isso dificultou muito a compreensão dos

participantes do curso. O reflexo em termos gerais foram notas relativamente mais baixas que

os demais. Também é observado que os agrupamentos nos quais pertencem estes softwares

foram os que obtiveram as menores notas. Isto leva a concluir, que para a utilização do

software R 2.1.0, são necessário treinamentos que envolvam não só análises estatísticas, mas

também lógica de programação na linguagem R.

6.4. Softwares com Grande Potencial de Preferenciais

De acordo com o resultado obtido na conjoint analysis, independente do perfil do

usuário (estudante ou professor), observou-se que a combinação ótima dos atributos avaliados

era um software que possuísse manipulações gráficas simples de serem realizadas, interação

usuário/software deveria ser realizada através de menus interativos, sendo que é interessante

que o software seja popular no mercado e, por fim, possuir abrangência geral quanto às

análises realizadas. Esta conclusão pode ser confirmada pela análise de agrupamento

detalhada no item anterior. Em geral todos os agrupamentos formados com os softwares que

possuíam as maiores notas observadas foram aqueles que contavam com as características

levantadas na conjoint analysis: Minitab 14.0 e Statistica 6.1.

18

Um fato importante também de ser mencionado, é que por se tratarem de dois dos

softwares que mais tem sido aplicados nas empresas em todo o Brasil para a realização de

análises de dados voltadas ao controle estatístico da qualidade, é importante que a

Universidade, como papel de formadora de opinião, observasse esta tendência de preferências

e, de algum modo, propiciasse condições favoráveis a seus estudantes de conhecer as

principais tecnologias do mercado. É interessante destacar isso porque mesmo não sendo o

Minitab 14.0 e Statistica 6.1 tão completos quanto os outros softwares existentes como, por

exemplo, o SAS, a simplicidade de utilização dos seus procedimentos em todas as etapas

necessárias para a realização de uma análise de dados, bem como a perspectiva de poderem

ser utilizados de forma prática no mercado de trabalho fez com que eles fossem considerados

preferidos pelos usuários.

7. CONCLUSÕES

Tendo em vista que o objetivo do presente trabalho era o de realizar de um

levantamento dos softwares preferenciais em função dos usuários de universidades,

considerando-se o universo de professores e estudantes da UFV, conclui-se que os alunos

consideram a seguinte ordem de importância para os atributos referentes à preferência de

utilização: manipulação, conhecimento, interação e abrangência. Já os professores,

consideraram os mesmos atributos na seguinte ordem de importância: manipulação,

conhecimento, abrangência e interação. Quanto à combinação ótima dos níveis dos atributos

para a maximização da preferência do usuário, tanto professores e alunos convergiram para a

mesma opinião: conhecimento popular, abrangência geral, manipulação muito acessível e

interação simples.

De acordo com o perfil de preferência dos usuários (alunos) em relação aos oito

softwares estatísticos ligados ao controle de qualidade, conclui-se de forma geral, que os

softwares seriam o Minitab 14.0 e Statistica 6.1 se destacam.

8. REFERÊNCIAS BIBLIOGRÁFICAS

BALESTERO-ALVAREZ, M. E (Coordenação). Administração da qualidade e da produtividade: Abordagem do processo administrativo. São Paulo: Atlas, 2001. CARNEIRO, J. D. S. Impacto da embalagem de óleo de soja na intenção de compra do consumidor via conjoint analysis. Tese de Mestrado da Universidade Federal de Viçosa, Viçosa, 2002.

19

CHIAVENATO, I. Introdução à teoria geral da administração. São Paulo: McGraw-Hill, 1983. CRUZ, C. D.; REGAZZI, A. J. Modelos Biométricos Aplicados ao Melhoramento Genético. Imprensa Universitária: Viçosa, 1994. DAVIS, M. M.; AQUINO, N. J.; CHASE, R.B. Fundamentos da Administração da Produção. 3 ed. Tradução Eduardo D’Agord Schaan ... [et. Al.]. São Paulo: Bookmam, 2001. JURAN, J. M.; GRYNA, F. M. Controle de qualidade handbook: Métodos especiais de apoio à qualidade. Vol. VII. São Paulo: Makron Books, 1993. MUNIZ, J.A. e OLIVEIRA, M.S. Controle estatístico e gestão da qualidade. UFLA/FAEPE. Lavras, 2000. PARANTHAMAN, D. Controle de qualidade. Technical Teacher’s Training Institute, Madras; revisão técnica José Carlos de Castro Waeny. São Paulo: McGraw Hill, 1990. PRESSMAN, R. S. Engenharia de software. São Paulo: Makron Books, 1995. SILVA JR., A.G. Administração da qualidade total: princípios básicos. Viçosa. Economia Rural, v. 8, n. 1, p. 32-35, 1996. STAA, A. V. Engenharia de programas. Rio de Janeiro: LTC Livros, 1987.

20

ANEXO 1

Questionário de Avaliação dos Softwares Escala das notas: (1) Péssimo (2) Ruim (3) Regular (4) Bom (5) Ótimo

Estudos de Caso 1 e 2

Nota dos Softwares

Item Avaliado Minitab Statistica Saeg R SAS Simplicidade na preparação da

planilha de dado

1 - ( ) 2 - ( )

1 - ( ) 2 - ( )

1 - ( ) 2 - ( )

1 - ( ) 2 - ( )

1 - ( ) 2 - ( )

Importação facil dos dados

1 - ( ) 2 - ( )

1 - ( ) 2 - ( )

1 - ( ) 2 - ( )

1 - ( ) 2 - ( )

1 - ( ) 2 - ( )

Ent

rada

de

Dad

os

Aceitação de diferentes tipos de

dados

1 - ( ) 2 - ( )

1 - ( ) 2 - ( )

1 - ( ) 2 - ( )

1 - ( ) 2 - ( )

1 - ( ) 2 - ( )

Acesso rápido aos comandos necessários

1 - ( ) 2 - ( )

1 - ( ) 2 - ( )

1 - ( ) 2 - ( )

1 - ( ) 2 - ( )

1 - ( ) 2 - ( )

Especificações simples de serem

realizadas

1 - ( ) 2 - ( )

1 - ( ) 2 - ( )

1 - ( ) 2 - ( )

1 - ( ) 2 - ( )

1 - ( ) 2 - ( )

Rea

lizaç

ão d

os

Proc

edim

ento

s

Help facilita a utilização dos procedimentos

1 - ( ) 2 - ( )

1 - ( ) 2 - ( )

1 - ( ) 2 - ( )

1 - ( ) 2 - ( )

1 - ( ) 2 - ( )

Organização dos dados na tela

1 - ( ) 2 - ( )

1 - ( ) 2 - ( )

1 - ( ) 2 - ( )

1 - ( ) 2 - ( )

1 - ( ) 2 - ( )

Resultados de acordo com a necessidade

1 - ( ) 2 - ( )

1 - ( ) 2 - ( )

1 - ( ) 2 - ( )

1 - ( ) 2 - ( )

1 - ( ) 2 - ( )

Inte

rpre

taçã

o do

s R

esul

tado

s

Interpretação simples dos resultados

1 - ( ) 2 - ( )

1 - ( ) 2 - ( )

1 - ( ) 2 - ( )

1 - ( ) 2 - ( )

1 - ( ) 2 - ( )

Textos 1 - ( ) 2 - ( )

1 - ( ) 2 - ( )

1 - ( ) 2 - ( )

1 - ( ) 2 - ( )

1 - ( ) 2 - ( )

Figura 1 - ( ) 2 - ( )

1 - ( ) 2 - ( )

1 - ( ) 2 - ( )

1 - ( ) 2 - ( )

1 - ( ) 2 - ( )

Man

ipul

ação

das

Sa

ídas

Grá

ficas

Utilizar saídas em processador de

textos

1 - ( ) 2 - ( )

1 - ( ) 2 - ( )

1 - ( ) 2 - ( )

1 - ( ) 2 - ( )

1 - ( ) 2 - ( )

Observação: Ao todo foram realizados onze estudos de caso. Todos os demais questionário são semelhantes ao ilustrado acima, porem, adequados à quantidade de softwares para os respectivos estudos de caso.

21