Como calcular médias móveis no Excel Análise de dados do Excel para Dummies, 2ª edição O comando Análise de dados fornece uma ferramenta para calcular movimentação e médias exponencialmente suavizadas no Excel. Suponha, por uma questão de ilustração, que você tenha coletado informações diárias sobre temperatura. Você quer calcular a média móvel de três dias 8212 a média dos últimos três dias 8212 como parte de algumas previsões meteorológicas simples. Para calcular médias móveis para este conjunto de dados, execute as seguintes etapas. Para calcular uma média móvel, clique primeiro no botão de comando Dados da análise de dados tab8217s. Quando o Excel exibe a caixa de diálogo Análise de dados, selecione o item Média móvel da lista e clique em OK. O Excel exibe a caixa de diálogo Média móvel. Identifique os dados que você deseja usar para calcular a média móvel. Clique na caixa de texto Intervalo de entrada da caixa de diálogo Média móvel. Em seguida, identifique o intervalo de entrada, digitando um endereço de intervalo de planilha ou usando o mouse para selecionar o intervalo de planilha. Sua referência de intervalo deve usar endereços de célula absolutos. Um endereço de célula absoluto precede a letra da coluna eo número da linha com sinais, como em A1: A10. Se a primeira célula do seu intervalo de entrada incluir uma etiqueta de texto para identificar ou descrever os dados, marque a caixa de seleção Etiquetas na primeira linha. Na caixa de texto Intervalo, informe ao Excel quantos valores devem ser incluídos no cálculo da média móvel. Você pode calcular uma média móvel usando qualquer número de valores. Por padrão, o Excel usa os três valores mais recentes para calcular a média móvel. Para especificar que algum outro número de valores seja usado para calcular a média móvel, insira esse valor na caixa de texto Intervalo. Diga ao Excel onde colocar os dados da média móvel. Use a caixa de texto Range de saída para identificar o intervalo de planilha no qual você deseja colocar os dados de média móvel. No exemplo da folha de cálculo, os dados da média móvel foram colocados na gama de folhas de cálculo B2: B10. (Opcional) Especifique se deseja um gráfico. Se você quiser um gráfico que traça a informação da média móvel, marque a caixa de seleção Saída do gráfico. (Opcional) Indique se você deseja que as informações de erro padrão sejam calculadas. Se você deseja calcular erros padrão para os dados, marque a caixa de seleção Erros Padrão. O Excel coloca valores de erro padrão ao lado dos valores da média móvel. (As informações de erro padrão passam para C2: C10.) Depois de concluir especificando quais informações de média móvel você deseja calcular e onde deseja colocá-las, clique em OK. O Excel calcula as informações da média móvel. Nota: Se o Excel não possui informações suficientes para calcular uma média móvel para um erro padrão, ele coloca a mensagem de erro na célula. Você pode ver várias células que mostram esta mensagem de erro como um value. Moving Average Este exemplo ensina como calcular a média móvel de uma série de tempo no Excel. Uma média móvel é usada para suavizar irregularidades (picos e vales) para reconhecer facilmente as tendências. 1. Primeiro, vamos dar uma olhada em nossa série de tempo. 2. No separador Dados, clique em Análise de dados. Nota: não é possível encontrar o botão Análise de dados Clique aqui para carregar o suplemento do Analysis ToolPak. 3. Selecione Média móvel e clique em OK. 4. Clique na caixa Input Range e selecione o intervalo B2: M2. 5. Clique na caixa Intervalo e escreva 6. 6. Clique na caixa Output Range e seleccione a célula B3. 8. Faça um gráfico destes valores. Explicação: porque definimos o intervalo como 6, a média móvel é a média dos 5 pontos de dados anteriores eo ponto de dados atual. Como resultado, os picos e vales são suavizados. O gráfico mostra uma tendência crescente. O Excel não consegue calcular a média móvel para os primeiros 5 pontos de dados porque não existem pontos de dados anteriores suficientes. 9. Repita os passos 2 a 8 para o intervalo 2 eo intervalo 4. Conclusão: Quanto maior o intervalo, mais os picos e vales são suavizados. Quanto menor o intervalo, mais próximas as médias móveis são para os pontos de dados reais. Informações de contato Site Search Centro de conhecimento Média móvel Gráficos de margem Média móvel Os gráficos de margem são um conjunto de gráficos de controle para dados de variáveis (dados quantitativos e contínuos em medição , Tal como uma dimensão medida ou tempo). O gráfico Média Móvel monitora o local do processo ao longo do tempo, com base na média do subgrupo atual e um ou mais subgrupos anteriores. O gráfico Moving Range monitora a variação entre os subgrupos ao longo do tempo. Os pontos plotados para um gráfico de intervalo médio móvel, chamado célula, incluem o subgrupo atual e um ou mais subgrupos anteriores. Cada subgrupo dentro de uma célula pode conter uma ou mais observações, mas todas devem ser do mesmo tamanho. Desde 1982: A ciência da arte para melhorar sua linha de fundo A Quality America oferece software de Controle Estatístico de Processos, bem como materiais de treinamento para Lean Seis Sigma, Gerenciamento de Qualidade e SPC. Adotamos uma abordagem orientada para o cliente e lideramos em muitas inovações de software, procurando continuamente maneiras de oferecer aos nossos clientes as melhores e mais acessíveis soluções. Líderes em seu campo, a qualidade América forneceu software e produtos e serviços do treinamento aos dez dos milhares de companhias em mais de 25 países. Cópia de direitos autorais 2013 Quality America Inc. Qualidade 101: Gráficos de faixas de deslocamento Fix on Process Behavior Os gráficos de controle ajudam a analisar dados para melhorar o processo de fabricação. A análise de dados usando gráficos de comportamento do processo - Walter Shewhart chamou-os de gráficos de controle - é a base do controle de processo estatístico (SPC) para a melhoria do processo. O SPC concentra-se no conceito de que todos os processos têm variação de rotina e alguns processos têm variação adicional de exceções. A melhoria do processo requer a eliminação de causas de variação excepcional e a redução da variação das causas rotineiras. Os gráficos de comportamento do processo construídos corretamente separam a variação excepcional da variação rotineira e permitem que um usuário se concentre na identificação e remoção de exceções de um processo. Uma variedade de gráficos de comportamento do processo foram desenvolvidos desde que Shewhart introduziu o gráfico médio e de escala em 1924. Um que é amplamente utilizado, tanto em operações de manufatura quanto em processos de gerenciamento, é o gráfico de indivíduos e de faixa móvel. Dois gráficos em um Os indivíduos e movendo escala gráfico-XmR ou ImR-são realmente dois gráficos usados em tandem. Juntos, eles monitoram a média do processo, bem como a variação do processo. A Tabela A resume o foco de cada gráfico e dá exemplos de medidas que podem ser analisadas usando este método. Uma vez que o gráfico de indivíduos (X) é uma seqüência ordenada pelo tempo de valores de dados individuais, é possível ver toda a variação, rotina e excepcional, a partir do processo neste gráfico. No entanto, a análise se concentra em separar qualquer variação excepcional presente nos dados da variação de rotina do processo. Quantificar a variação de rotina é o trabalho das faixas móveis. Como os mRs quantificam a variação de rotina Cada intervalo de movimento - diferença absoluta entre valores de dados adjacentes - reflete a variação entre períodos de tempo. A média das faixas móveis é então usada para calcular os limites: limites de processo natural (NPL) no gráfico X e limites de controle superior (UCL) no gráfico mR. Se um processo tiver apenas uma variação de rotina, as faixas móveis e, portanto, a média das faixas móveis, podem ser convertidas em desvio padrão para o processo e usadas para calcular limites nos gráficos. Esses limites de controle são limites de 3 Sigma, como recomendado por Shewhart, para garantir o controle econômico da qualidade do produto manufaturado. Se um processo tiver variação de rotina e variação excepcional, alguns intervalos de movimento serão inflado pelas exceções. No entanto, muitos dos intervalos de movimento consistirão apenas em variação de rotina, ea faixa de movimento média não será drasticamente inflada. Limites calculados a partir da faixa de movimento média ainda será capaz de detectar causas excepcionais de variação. Em casos extremos, os limites podem ser calculados a partir da faixa mediana de movimento. Isso protege contra a inflação dos limites nos gráficos. Fórmulas para XmR Chart Limits Dois cuidados devem ser reconhecidos. A primeira tentação é calcular os limites de controle para os valores individuais usando todos os dados em uma fórmula tradicional para desvio padrão. Esta fórmula é amplamente utilizada e está incluída em muitos pacotes de software. Não é apropriado usar no cálculo de limites para o gráfico XmR porque não faz distinção entre variação rotineira e excepcional. Se houver variação de causa especial nos dados, os limites calculados usando s serão excessivamente inflados e nenhum sinal aparecerá no gráfico. A capacidade de detectar variações excepcionais é minada pela aritmética. A segunda tentação é usar apenas o gráfico X. Embora isso possa parecer prático, parte da análise pode ser perdida. O gráfico mR serve para reforçar o gráfico X por: Um fabricante de componentes usinados para a indústria aeroespacial precisa prever a produtividade para o próximo ano. Os valores de produtividade por turno estão disponíveis nos últimos 9 dias de produção e estão resumidos acima. Usando o gráfico XmR, um valor individual e um intervalo de movimento sinalizam a presença de variação excepcional. Para se concentrar apenas na variação de rotina deste processo para construir limites de controle, é apropriado calcular os limites usando uma faixa média de movimento (ou faixa de movimento mediana). Sem a influência dos pontos de dados associados a exceções. Um total de quatro intervalos móveis não foram utilizados no cálculo final dos limites. O gráfico final distingue claramente entre variação de rotina e a variação adicional nos dados de exceções. Variação rotineira neste processo é a diferença nos NPLs: 99.78-58.6541.13. Com base nessa análise, a produtividade não é previsível ea variação de causas rotineiras é 41. Você gostou deste artigo? Clique aqui para inscrever-se no Quality Magazine. Artigos recentes por Sophronia Ward Patrocinado conteúdo é uma seção especial pago, onde as empresas da indústria fornecem alta qualidade, objetivo, conteúdo não comercial em torno de temas de interesse para o público de qualidade. Todos os Conteúdos Patrocinados são fornecidos pela empresa de publicidade. Interessado em participar de nossa seção de conteúdo patrocinado. Entre em contato com o representante local. GAGEtrak Calibration Management Software Aprenda as etapas necessárias para fazer suas próprias certificações de incerteza. Você está interessado em simplificar seus fluxos de trabalho para tarefas e projetos de metrologia em grande escala? A velocidade e a precisão são importantes. Se sim, participe deste seminário on-line para aprender sobre os avanços mais recentes nas tecnologias e fluxos de trabalho do Laser Tracker. Como muitas empresas lá fora, o papel de qualidade é considerado importante, mas pode variar em tamanho, escopo e influência de um lugar para o outro. Neste webinar, vamos rever algumas das áreas-chave que as empresas estão fazendo bem com qualidade, lugares que precisam melhorar e tendências interessantes que descobrimos durante o processo. Tópicos a serem discutidos
Comments
Post a Comment