Saltar para o conteúdo

Significância estatística versus significância prática na recolha de dados de SMT

Pessoal,

Vamos supor que a sua empresa tenha decidido que a eficiência de transferência (TE) é o indicador-chave para determinar a qualidade da pasta de solda. A eficiência de transferência é a relação entre o volume do depósito de pasta de solda e o volume da abertura do estêncil. Embora concorde que a TE é uma métrica importante, está um pouco preocupado com os resultados recentes de uma avaliação de pastas de solda. Duas em cada dez pastas estão a disputar o primeiro lugar e parece que a TE será a métrica decisiva. A pasta A apresentou uma TE de 99,5% e a pasta B, uma TE de 99%. Por isso, a direção quer optar pela pasta A. Está preocupado porque a pasta A tem uma fraca resposta à pausa. Se for deixada no estêncil durante 15 minutos ou mais, a primeira impressão tem de ser descartada. Esta fraqueza pode resultar numa perda de cerca de 30 minutos de tempo de produção numa operação de três turnos.

No entanto, os resultados do teste de TE revelaram que o TE da pasta A era estatisticamente significativo melhor do que o da pasta B. Se pensarmos nesta situação, há algo que não faz sentido… 99,5 % e 99 % são valores bastante próximos.

Desempoeiras o teu livro de estatística e revisas o tema dos testes de hipóteses. É então que te apercebes de que, com amostras de dimensão muito grande, médias que estão cada vez mais próximas umas das outras podem ser estatisticamente significativas.

Os dados mostram que a pasta A tem uma média de 99,5% e um desvio-padrão de 10%, enquanto a pasta B tem uma média de 99% e também um desvio-padrão de 10%. As amostras tinham, cada uma, 10 000 amostras. Estas amostras de grande dimensão são importantes para a análise. O erro-padrão da média (SEM) é utilizado para comparar médias num teste de hipóteses. O SEM é definido como o desvio-padrão (s) dividido pela raiz quadrada da dimensão da amostra (n):

A fórmula SEM = σ/√n apresentada em tipo de letra serifado preto sobre fundo branco.

Assim, à medida que a dimensão da amostra aumenta, o SEM torna-se menor ou, na gíria estatística, «mais restrito». Com amostras de dimensão muito grande, este grau de restrição permite distinguir estatisticamente entre médias que estão cada vez mais próximas umas das outras. Esta situação não constituía uma preocupação com amostras de menos de 100; no entanto, com os modernos sistemas de digitalização do volume da pasta de solda atuais, são comuns amostras com mais de 1000 unidades.

A Figura 1 mostra a distribuição amostral esperada da média para amostras com um TE de 99,5% e 99,0% e uma dimensão amostral de 100, ambas com um desvio-padrão de 10%. Note-se que, à primeira vista, não se observa grande diferença. No entanto, com as médias e os desvios-padrão iguais e dimensões amostrais de 10 000, as distribuições amostrais da média são claramente diferentes na Figura 2.

A realidade, porém, é que não há diferença entre os resultados das Figuras 1 e 2. A diferença mínima nas médias (0,5 %) pode ser estatisticamente significativa com uma amostra de 10 000, mas será que é significativa na prática? Será que esta pequena diferença teria realmente importância num ambiente de produção? Quase de certeza que não.

Gráfico de distribuição normal com duas curvas em forma de sino, ambas com desvio-padrão igual a 1, centradas perto de x = 99.

Figura 1. Distribuição amostral da média para uma amostra de 100 elementos.

Gráfico de distribuição normal com duas curvas: uma curva azul centrada perto de 99.

Figura 2: Distribuição amostral da média para uma dimensão da amostra de 10 000.

Assim, com amostras de grande dimensão, temos de nos questionar se a diferença é relevante na prática. No que diz respeito ao TE, penso que podemos ter a certeza de que uma diferença de 0,5% não é significativa na prática. Mas e se a diferença fosse de 2% ou 5%? É evidente que devem ser realizados ensaios para determinar a partir de que nível uma diferença é significativa.

No caso acima referido, prefiro, sem dúvida, a pasta com um TE de 99,0% e uma boa resposta à pausa.

Saúde,

Dr. Ron