graficos lineares e af arranjos (1)
DESCRIPTION
GráficosTRANSCRIPT
1
Tipos deTipos deProjetos ExperimentaisProjetos Experimentais
Outubro de 2008Outubro de 2008
Jacinto Ponte JuniorJacinto Ponte Junior
Guilherme Guilherme VaccaroVaccaro
Design of Experiments2
EntradasControladas
Saídas( y )
Fatores controláveis
Fatores não controláveis
Modelo de ProcessoModelo de Processo
Processo
2
Design of Experiments3
FatoresFatores
•• Fatores ControlFatores Controlááveisveis–– São fatores em que seus nSão fatores em que seus nííveis podem ser veis podem ser
estabelecidos durante um processo produtivo, estabelecidos durante um processo produtivo, preservando os requisitos econômicos, tpreservando os requisitos econômicos, téécnicos e cnicos e financeiros.financeiros.
–– São aqueles em que São aqueles em que ““a mão do homema mão do homem”” éé que que determina.determina.
•• Fatores não controlFatores não controlááveisveis–– São aqueles fatores em que seus nSão aqueles fatores em que seus nííveis não podem ser veis não podem ser
estabelecidos durante um processo produtivo.estabelecidos durante um processo produtivo.
–– Podem ser controlados experimentalmente se desejado.Podem ser controlados experimentalmente se desejado.
–– São aqueles em que ocorrem independente da vontade São aqueles em que ocorrem independente da vontade do homem.do homem.
Design of Experiments4
Objetivos do Objetivos do Planejamento ExperimentalPlanejamento Experimental
•• Melhorar as SaMelhorar as Saíídas do Processodas do Processo
•• Reduzir CustosReduzir Custos
•• Reduzir VariaReduzir Variaççãoão
•• DomDomíínio Tecnolnio Tecnolóógico gico
DomDomíínio tecnolnio tecnolóógicogico = = knowknow howhow + + knowknow whywhy
3
Design of Experiments5
Projeto de experimentosProjeto de experimentos
•• ExperimentoExperimento
–– Conjunto planejado de operaConjunto planejado de operaçções, com o objetivo de ões, com o objetivo de descobrir novos fatos, confirmar ou negar resultadosdescobrir novos fatos, confirmar ou negar resultados
•• Resultados ou respostasResultados ou respostas
–– ObservaObservaçções quantitativas ou qualitativas resultantes ões quantitativas ou qualitativas resultantes de um experimento ( varide um experimento ( variáável dependente)vel dependente)
•• FatorFator
–– Causa assinalCausa assinaláável que pode afetar os resultados de um vel que pode afetar os resultados de um experimento ( variexperimento ( variáável independente)vel independente)
Design of Experiments6
Projeto de experimentosProjeto de experimentos
•• NNíível de um Fatorvel de um Fator
–– Valor especValor especíífico de um fator.fico de um fator.
•• TratamentoTratamento
–– CombinaCombinaçção de não de nííveis de dois ou mais fatores.veis de dois ou mais fatores.
•• RepetiRepetiçção ou Replicaão ou Replicaççãoão
–– São novas observaSão novas observaçções em unidades de amostras com ões em unidades de amostras com o mesmo tratamento.o mesmo tratamento.
•• AleatorizaAleatorizaççãoão
–– AAçção sobre uma amostra experimental que a torna ão sobre uma amostra experimental que a torna igualmente provigualmente prováável a qualquer outra de representar as vel a qualquer outra de representar as caractercaracteríísticas do universo estudado.sticas do universo estudado.
4
Design of Experiments7
Projeto de experimentosProjeto de experimentos
•• BloqueamentoBloqueamento
–– Procedimento que visa eliminar o efeito de um ou mais Procedimento que visa eliminar o efeito de um ou mais fatores das observafatores das observaççõesões
•• BlocosBlocos
–– Conjuntos homogêneos de unidades experimentaisConjuntos homogêneos de unidades experimentais
Design of Experiments8
Blocos Blocos -- ExemploExemplo
•• Uma padaria tem por objetivo fazer bolos com baixa Uma padaria tem por objetivo fazer bolos com baixa densidade para isso ela conta comdensidade para isso ela conta com–– Fermentos: F1 e F2Fermentos: F1 e F2
–– Farinhas de trigo: FT1 e FT2Farinhas de trigo: FT1 e FT2
–– Tipo de leite: L1 e L2Tipo de leite: L1 e L2
•• Elementos do Projeto:Elementos do Projeto:–– Fatores: Farinha de trigo, fermento, leiteFatores: Farinha de trigo, fermento, leite
–– NNííveis: F1, F2 veis: F1, F2 -- FT1 , FT2FT1 , FT2-- L1, L2L1, L2
–– Tratamentos:Tratamentos:•• F1 : FT1 : L1F1 : FT1 : L1
•• F1 : FT1 : L2F1 : FT1 : L2
•• F2 : FT1 : L2 etc.F2 : FT1 : L2 etc.
–– Resposta: densidade do bolo.Resposta: densidade do bolo.
5
Design of Experiments9
Etapas de um projeto de Etapas de um projeto de experimentosexperimentos
1.1. Reconhecimento e formulaReconhecimento e formulaçção do problemaão do problema
2.2. Escolha da variEscolha da variáável respostavel resposta
3.3. Escolha dos fatores e nEscolha dos fatores e nííveisveis
4.4. Planejar o experimentoPlanejar o experimento
5.5. ConduConduçção do experimentoão do experimento
6.6. AnAnáálise dos dadoslise dos dados
7.7. Conclusões e recomendaConclusões e recomendaççõesões
Design of Experiments10
ClassificaClassifica çção de Experimentos ão de Experimentos
•• Experimentos com Fator Experimentos com Fator ÚÚniconico
•• Experimento com Fator BloqueadoExperimento com Fator Bloqueado
–– Um fator bloqueado: completamente aleatorizadoUm fator bloqueado: completamente aleatorizado
–– Quadrados Latinos (2 fatores bloqueados)Quadrados Latinos (2 fatores bloqueados)
–– Quadrados grecoQuadrados greco––latinos (3 fatores bloqueados)latinos (3 fatores bloqueados)
•• Fatoriais 2Fatoriais 2kk e 3e 3kk
6
Design of Experiments11
Experimento a Fator Experimento a Fator ÚÚniconico( completamente aleatorizado)( completamente aleatorizado)
Aplicação : Um único fator precisa ser estudadoExemplo : Dentre as gasolinas tipo “comum”dos diversos postosqual a que fornece o melhor rendimento?Fator é a gasolinaNíveis : Os postos que fornecem a gasolina
Design of Experiments12
Experimento a Fator Experimento a Fator ÚÚniconico(Completamente Aleatorizado)(Completamente Aleatorizado)
•• AplicaAplicaçção: ão:
–– Um Um úúnico fator precisa ser estudadonico fator precisa ser estudado
•• Exemplo: Exemplo:
–– Dentre as gasolinas tipo Dentre as gasolinas tipo ““comumcomum”” de diversas marcas, de diversas marcas, qual a que fornece o melhor rendimento?qual a que fornece o melhor rendimento?
•• Elementos do Projeto:Elementos do Projeto:
–– Fator ControlFator Controláável: Gasolinavel: Gasolina
–– NNííveis: Marcas que fornecem Gasolinaveis: Marcas que fornecem Gasolina
7
Design of Experiments13
AnAn áálise de Variância (ANOVA)lise de Variância (ANOVA)
•• Teste de hipTeste de hipóótesetese–– HH00 : : µµ11 = = µµ22 = = µµ33 = ..... = = ..... = µµaa
–– HH11 : Pelo menos um par : Pelo menos um par µµww e e µµkk , são diferentes, são diferentes
•• Calcular:Calcular:–– A variância entre os tratamentos ( SA variância entre os tratamentos ( S22
ee ) )
–– A variância dentro dos tratamentos ( SA variância dentro dos tratamentos ( S22rr ) )
–– FFcalculadocalculado = ( S= ( S22ee )/ ( S)/ ( S22
rr ))
•• Comparar Comparar FFcalculadocalculado com Fcom F((ννe, e, ννr, r, αα))
•• FF((ννe, e, ννr, r, αα)) : Valor da tabela de distribui: Valor da tabela de distribuiçção ão FF--SnedecorSnedecor
•• αα : N: Níível de significânciavel de significância
•• ( 1 ( 1 –– αα ) : N) : Níível de Confianvel de Confianççaa
•• ννee : graus de liberdade entre os tratamentos = ( a : graus de liberdade entre os tratamentos = ( a –– 1 )1 )
•• ννrr : graus de liberdade residual = a( n : graus de liberdade residual = a( n –– 1 ) 1 )
•• n : nn : núúmero de observamero de observaçções dentro dos tratamentosões dentro dos tratamentos
Design of Experiments14
Regra de DecisãoRegra de Decisão
Se Se
FFcalculadocalculado > F> F((ννe, e, ννr, r, αα)), ,
podepode--se concluir com se concluir com
(1(1––αα).100% de confian).100% de confiançça a
que hque háá diferendiferençça entre as ma entre as méédiasdias
8
Design of Experiments15
FormulaFormula ççãoão
Observações Nível 1 Nível 2 Nível 3 Nível a 1 Y11 Y12 Y13 Y1a
2 Y21 Y22 Y23 Y2a
3 Y31 Y32 Y33 Y3a
::::: ::::: ::::: n Yn1 Yn2 Yn3 Yna
Somatórios( Ti) T1 T2 T3 Ta
Médias __ ( yi )
_ Y1
_ Y2
_ Y3
_ Ya
Quadrado dossomatórios ( T2
i) T2
1 T22 T2
3 T2a
Soma dosQuadrados ( Qi )
Q1 Q2 Q3 Qa
Design of Experiments16
FormulaFormula ççãoão
•• Soma QuadrSoma Quadráática Entre os Tratamentos (SQE)tica Entre os Tratamentos (SQE)
SQE = ( SQE = ( ΣΣ TT22ii)/n )/n -- TT22/(a . n)/(a . n)
T = T = ΣΣ TTii
•• Graus de liberdade entre tratamentosGraus de liberdade entre tratamentos
ννee = ( a = ( a –– 1 )1 )
•• Variância entre os tratamentos ( SVariância entre os tratamentos ( S22ee ) )
SS22ee = SQE / = SQE / ννee
9
Design of Experiments17
FormulaFormula ççãoão
•• Soma QuadrSoma Quadráática Dentro dos Tratamentos (SQR)tica Dentro dos Tratamentos (SQR)
SQR = [ Q SQR = [ Q –– ((ΣΣ TT22ii)/n ])/n ]
•• Graus de liberdade dentro dos tratamentosGraus de liberdade dentro dos tratamentos
ννrr = a( n = a( n –– 1 )1 )
•• Variância residual (SVariância residual (S22rr) )
SS22rr = SQR / = SQR / ννrr
Design of Experiments18
Quadro de Análise de Variância ( ANOVA)
Fonte deVariação
Soma dosquadrados
Graus deLiberdade
Média quadrática Fcalculado
Entretratamentos
SQE a -1 S2e = SQE/( a-1) S2
e / S2r
Dentro dostratamentos
SQR a ( n-1) S2r = SQR/a( n -1)
Total SQT an -1
FormulaFormula ççãoão
10
Design of Experiments19
AnAn áálise de Variância lise de Variância -- ExercExerc ííciocio
•• Dentre a gasolina fornecida por três marcas qual Dentre a gasolina fornecida por três marcas qual a que apresenta melhor desempenho?a que apresenta melhor desempenho?
•• VariVariáável resposta:vel resposta:
–– Y : Litros consumidos por quilometro rodadoY : Litros consumidos por quilometro rodado
Design of Experiments20
Observações Marca A Marca B Marca C1 8,7 8,0 7,32 10,9 8,4 7,03 10,7 7,3 6,34 10,8 8,8 7,75 9,6 8,9 7,26 9,2 9,5 6,27 10,8 7,3 8,58 10,0 8,0 7,89 9,2 7,7 7,5
Somatorio Ti 89,9 73,9 65,5Médias ym= Ti/n 9,99 8,21 7,28Quadrado dos somatórios (Ti)̂ 2 8082,01 5461,2 4290,25Soma dos quadrados dos elementos Qi 903,71 611,33 480,89
AnAn áálise de Variância lise de Variância -- ExercExerc ííciocio
•• Dentre a gasolina fornecida por três marcas qual Dentre a gasolina fornecida por três marcas qual a que apresenta melhor desempenho?a que apresenta melhor desempenho?
11
Design of Experiments21
AnAn áálise de Variância lise de Variância -- ExercExerc ííciocio
•• Resultados da anResultados da anáálise de variâncialise de variância
Número de níveis ( a ) 3numero de elementos por nível ( n ) 9Media geral 8,49SQE ( soma quadratica entre os tratamentos) 34,15SQR( soma quadratica residual( dentro) 14,43333Variancia entre ( Se ) 17,07259Variância dentro ( Sr ) 0,601389Fcalc 28,38861Ftabelado( 5%,2,24) 3,4
Design of Experiments22
AnAn áálise de Variância lise de Variância -- ExercExerc ííciocio
• Como Fcalculado > Ftabelado , rejeita-se a hipótese de igualdade das médias
• Existe pelo menos um par de gasolinas significativamente diferentes.
• Efeitos dos Tratamentos– Gasolina Marca A
• τA = µA - µ =
– Gasolina Marca B• τB = µA - µ =
– Gasolina Marca C• τC = µC - µ =
12
Design of Experiments23
AnAn áálise de Variância lise de Variância -- ExercExerc ííciocio
Efeito dos tratamentos
-1,50
-1,00
-0,50
0,00
0,50
1,00
1,50
2,00
A B C
Tratamentos
Dife
renç
a d
a m
édi
a
glob
al
Efeito dostratamentos
Design of Experiments24
Teste t ou LSD de FisherTeste t ou LSD de Fisher
• Utilizado para comparar médias duas a duas.
• Elementos
– dms: diferença mínima significativa
dms = t a(n-1), α/2 . [ 2S2r / n]1/2
– t a(n-1), α/2 obtido da tabela de distribuição t de Student
• Critério de Rejeição de H0
– Se µw - µk> dms, então existe diferença significativa.
13
Design of Experiments25
AnAn áálise de Variância lise de Variância -- ExercExerc ííciocio
•• | | µµAA -- µµBB | = 10 | = 10 -- 8,21 = 1,79 8,21 = 1,79
•• | | µµAA -- µµCC | = 10 | = 10 -- 7,30 = 2,707,30 = 2,70
•• | | µµCC -- µµBB | = 8,21 | = 8,21 -- 7,30 = 0,917,30 = 0,91
•• dmsdms = t = t 2,5%,162,5%,16 [ 2( 0,60 )/9 ][ 2( 0,60 )/9 ]1/21/2
= 2,12[1,2/9]= 2,12[1,2/9]1/21/2
= 0,77= 0,77
•• HHáá diferendiferençça no rendimento entre a a no rendimento entre a gasolina de todos as marcasgasolina de todos as marcas
Design of Experiments26
Experimentos FatoriaisExperimentos Fatoriais
•• Fatorial completoFatorial completo
–– K K -- fatores fatores
•• 2 n2 nííveisveis
–– NNúúmero total de experimentos = 2mero total de experimentos = 2kk
•• 3 n3 nííveisveis
–– NNúúmero total de experimentos = 3mero total de experimentos = 3kk
•• Exemplo: Exemplo:
–– 2 n2 nííveis 10 fatores 1024 experimentosveis 10 fatores 1024 experimentos
14
Design of Experiments27
Experimentos Fatoriais FracionadosExperimentos Fatoriais Fracionados
•• MMéétodo de todo de TaguchiTaguchi
•• VantagensVantagens
–– Uso de arranjos ortogonaisUso de arranjos ortogonais
–– Reduz o nReduz o núúmero de experimentosmero de experimentos
–– Ganho econômico e tempoGanho econômico e tempo
•• DesvantagensDesvantagens
–– ConfundimentoConfundimento entre fatoresentre fatores
–– Despreza a interaDespreza a interaçção entre mais de dois fatoresão entre mais de dois fatores
Design of Experiments28
Fatorial CompletoFatorial Completo(2 n(2 nííveis veis –– 3 fatores)3 fatores)
Experimentos Fator A Fator B Fator C Experimentos Fator A Fator B Fator C RespostaResposta
1 + + 1 + + + y1+ y1
2 + 2 + -- -- y2y2
3 3 -- + + -- y3y3
4 4 -- -- + y4+ y4
5 5 -- -- -- y5y5
6 6 -- + + + + y6y6
7 + 7 + -- + y7+ y7
8 + + 8 + + -- y8y8
+ : primeiro n+ : primeiro níívelvel
-- : segundo n: segundo níívelvel
15
Design of Experiments29
Arranjos OrtogonaisArranjos Ortogonais(Balanceados)(Balanceados)
Experimentos Fator A Fator B Fator C Experimentos Fator A Fator B Fator C RespostaResposta
1 + + 1 + + + y1+ y1
2 + 2 + -- -- y2y2
3 3 -- + + -- y3y3
4 4 -- -- + y4+ y4
5 5 -- -- -- y5y5
6 6 -- + + + + y6y6
7 + 7 + -- + y7+ y7
8 + + 8 + + -- y8y8
+ : primeiro n+ : primeiro níívelvel
-- : segundo n: segundo níívelvel
Design of Experiments30
Arranjos OrtogonaisArranjos Ortogonais(Balanceados)(Balanceados)
•• SSéérie Ortogonalrie Ortogonal
–– O nO núúmero de nmero de nííveis em cada fator veis em cada fator éé o mesmoo mesmo
–– As combinaAs combinaçções entre os nões entre os nííveis de cada fator são em veis de cada fator são em igual nigual núúmeromero
Experimentos Fator A Fator B Fator C RExperimentos Fator A Fator B Fator C Respostaesposta
1 + + 1 + + + y1+ y1
2 + 2 + -- -- y2y2
3 3 -- + + -- y3y3
4 4 -- -- + y4+ y4
16
Design of Experiments31
Arranjos Ortogonais Arranjos Ortogonais –– ExemploExemplo
•• 2 carros : X e Y2 carros : X e Y
•• 2 motoristas : Pedro e João2 motoristas : Pedro e João
•• 2 tipos de pneus : A e B2 tipos de pneus : A e B
•• VariVariáável Resposta : menor tempo em um vel Resposta : menor tempo em um percurso definido (em minutos)percurso definido (em minutos)
•• Fatores: carro, motorista , pneusFatores: carro, motorista , pneus
•• NNííveis: ( X e Y ), ( Pedro e João ), ( A e B )veis: ( X e Y ), ( Pedro e João ), ( A e B )
( + ( + -- ), ( + ), ( + -- ), ( + ), ( + -- ))
Design of Experiments32
Arranjos Ortogonais Arranjos Ortogonais –– ExemploExemplo
Experimento Fator A Fator B Fator C ReExperimento Fator A Fator B Fator C Respostasposta
1 + + 1 + + + y1+ y1
2 + 2 + -- -- y2y2
3 3 -- + + -- y3y3
4 4 -- -- + y4+ y4
Experimento Carro Motorista Pneu TemExperimento Carro Motorista Pneu Tempo(s)po(s)
1 x Pedro 1 x Pedro A 7,5A 7,5
2 x João 2 x João B 8,0B 8,0
3 y Pedro 3 y Pedro B 7,5B 7,5
4 y João 4 y João A 9,0A 9,0
17
Design of Experiments33
Arranjos Ortogonais Arranjos Ortogonais –– ExemploExemplo
•• AvaliaAvaliaçção dos Fatoresão dos Fatores
–– Carro x: ( y1 + y2 )/2 = 7,75 Carro x: ( y1 + y2 )/2 = 7,75
–– Carro y : ( y3 + y4 )/2 = 8,25Carro y : ( y3 + y4 )/2 = 8,25
–– Motorista Pedro: ( y1 + y3 )/2 = 7,5 Motorista Pedro: ( y1 + y3 )/2 = 7,5
–– motorista João : ( y2 + y4 )/2 = 8,5 motorista João : ( y2 + y4 )/2 = 8,5
–– Pneu A : ( y1 + y4 )/2 = 8,25 Pneu A : ( y1 + y4 )/2 = 8,25
–– Pneu B : ( y2 + y3 )/2 = 7,75Pneu B : ( y2 + y3 )/2 = 7,75
Design of Experiments34
Arranjos Ortogonais Arranjos Ortogonais –– ExemploExemplo
•• AnAnáálise dos Grlise dos Grááficos de Respostaficos de Resposta
• Conclusões:
– Carro x é mais rápido
– Pedro é mais hábil
– Pneu B mais eficiente
Carro+ -
t ( s )
Motorista+ -
t ( s )
Pneu+ -
t ( s )
18
Design of Experiments35
Arranjos Ortogonais Arranjos Ortogonais –– ExemploExemplo
• Qual a resposta esperada para a combinação
X, Pedro, B ?
• Yótima = M + ( C – M ) + ( M – M ) + ( P – M )
Yótima = 8 + ( 7,75 – 8 ) + ( 7,5 - 8,0 ) + ( 7,75 -8,0 )
= 7,0 s
• Fazer um experimento comprobatório !
Design of Experiments36
Arranjos Ortogonais Arranjos Ortogonais ConstataConstata ççõesões
•• Quanto maior a inclinaQuanto maior a inclinaçção da reta, maior a ão da reta, maior a influência do fatorinfluência do fator
•• Quanto menor a inclinaQuanto menor a inclinaçção da reta, menor a ão da reta, menor a influência do fatorinfluência do fator
•• Escolha nEscolha nííveis mais econômicos para obter a veis mais econômicos para obter a resposta desejadaresposta desejada
•• Analise o efeito das interaAnalise o efeito das interaççõesões
19
Design of Experiments37
Arranjos OrtogonaisArranjos OrtogonaisInteraIntera çções entre Fatoresões entre Fatores
• Melhor carro X
• Melhor motorista Pedro
• Pedro dirigindo o carro X é o melhor?
João
Pedro
X Y X Y( sem interação ) ( com interação)
Design of Experiments38
GrGrááficos de Interaficos de Intera çção Linearão Linear
• Gráficos Lineares
– Contribuição de Taguchi
– Permitem determinar a partir do estudo desejado qual o arranjo ortogonal mínimo necessário
– Elementos:
Fator principal
Interação
20
Design of Experiments39
SeqSeqüüência para o Experimento ência para o Experimento
•• Estabelecer os fatores principais e seus nEstabelecer os fatores principais e seus nííveis.veis.
•• Identificar a variIdentificar a variáável resposta.vel resposta.
•• Estabelecer as InteraEstabelecer as Interaçções que se deseja estudarões que se deseja estudar
•• Calcular os graus de liberdades de cada fator e Calcular os graus de liberdades de cada fator e das interadas interaçções.ões.
•• Determinar o arranjo ortogonal apropriadoDeterminar o arranjo ortogonal apropriado
•• Realizar o experimentoRealizar o experimento
•• Avaliar resultadosAvaliar resultados
Design of Experiments40
Graus de LiberdadeGraus de Liberdade
•• Grau de Liberdade de um fatorGrau de Liberdade de um fator ( ( glgl ):):
–– No. De nNo. De nííveis veis –– 11
•• Grau de Liberdade da InteraGrau de Liberdade da Interaçção:ão:
glgl( fator 1 ) x ( fator 1 ) x glgl( fator 2)( fator 2)
•• Grau de liberdade da sGrau de liberdade da séérie:rie:
ΣΣ glgl( fator) + ( fator) + ΣΣglgl (intera(interaçções)ões)
21
Design of Experiments41
Principais Arranjos Ortogonais Principais Arranjos Ortogonais
•• Dois nDois nííveis K fatoresveis K fatores::
–– L4, L8, L12 ,L16, L32L4, L8, L12 ,L16, L32
–– O nO núúmero de experimentos de um Arranjo L(a) mero de experimentos de um Arranjo L(a) éé aa
-- O nO núúmero de fatores estudados mero de fatores estudados éé aa--11
•• Três nTrês nííveis K fatoresveis K fatores::
–– L9, L18, L27L9, L18, L27
Design of Experiments42
DeterminaDetermina çção do Arranjo Apropriado ão do Arranjo Apropriado
•• Com os fatores e interaCom os fatores e interaçções, determine o grau ões, determine o grau de liberdade da sde liberdade da séérie.rie.
•• O Arranjo adequado deve ser L (a ), onde a= No. O Arranjo adequado deve ser L (a ), onde a= No. de graus de liberdade da sde graus de liberdade da séérie + 1.rie + 1.
•• Se não houver este arranjo , escolher o Se não houver este arranjo , escolher o imediatamente superior.imediatamente superior.
•• Com o arranjo escolhido desenhe o grCom o arranjo escolhido desenhe o grááfico linear fico linear requeridorequerido
•• FaFaçça a adaptaa a adaptaçção do grão do grááfico requerido com o fico requerido com o grgrááfico padrão para alocar os fatores em suas fico padrão para alocar os fatores em suas colunas.colunas.
22
Design of Experiments43
Projetos TaguchiProjetos Taguchi
•• SSééries Ortogonais Mais Comunsries Ortogonais Mais Comuns
–– Uma sUma séérie ortogonal Taguchi rie ortogonal Taguchi éé segue o padrão Lsegue o padrão Laa(b(bcc))onde:onde:
•• a:a: éé o no núúmero de smero de sééries experimentaisries experimentais
•• b:b: éé o no núúmero de nmero de nííveis de cada fatorveis de cada fator
•• c:c: éé o no núúmero de tratamentos da smero de tratamentos da séérie ortogonalrie ortogonal
–– A seguir veremos as sA seguir veremos as sééries ortogonais 2ries ortogonais 2kk mais comunsmais comuns
Design of Experiments44
Projetos TaguchiProjetos Taguchi
•• GrGrááficos Linearesficos Lineares
–– Formas grFormas grááficas de usar os arranjos Taguchificas de usar os arranjos Taguchi
–– Cada fator principal Cada fator principal éé representado representado por um pontopor um ponto
–– Cada interaCada interaçção entre dois fatores ão entre dois fatores éé representada representada por uma hastepor uma haste
1 23
23
Design of Experiments45
Projetos TaguchiProjetos Taguchi
•• SSééries Ortogonais Mais Comunsries Ortogonais Mais Comuns
–– SSéérie Lrie L44(2(233))
•• ÉÉ a menor sa menor séérie ortogonal, com 3 graus de liberdaderie ortogonal, com 3 graus de liberdade
•• Pode testar atPode testar atéé 3 fatores, com 4 condi3 fatores, com 4 condiçções experimentaisões experimentais
1 2 31 1 1 12 1 2 23 2 1 24 2 2 1
Tto
N° Fatores
Design of Experiments46
Projetos TaguchiProjetos Taguchi
•• SSééries Ortogonais Mais Comunsries Ortogonais Mais Comuns
–– SSéérie Lrie L44(2(233))
•• 2 fatores2 fatores
•• 1 intera1 interaçção de ordem 2ão de ordem 2
1 2 31 1 1 12 1 2 23 2 1 24 2 2 1
Tto
N° Fatores
1 23
24
Design of Experiments47
Projetos TaguchiProjetos Taguchi
•• SSééries Ortogonais Mais Comunsries Ortogonais Mais Comuns
–– SSéérie Lrie L88(2(277))
•• Possui 7 graus de liberdadePossui 7 graus de liberdade
•• Pode testar atPode testar atéé 7 fatores, com 8 experimentos7 fatores, com 8 experimentos
1 2 3 4 5 6 71 1 1 1 1 1 1 22 1 1 1 2 2 2 13 1 2 2 1 1 2 14 1 2 2 2 2 1 25 2 1 2 1 2 1 26 2 1 2 2 1 2 17 2 2 1 1 2 2 18 2 2 1 2 1 1 2
N° Fatores
Tra
tam
ento
Design of Experiments48
Projetos TaguchiProjetos Taguchi
•• SSééries Ortogonais Mais Comunsries Ortogonais Mais Comuns
–– SSéérie Lrie L88(2(277))
•• 4 fatores4 fatores
•• 3 intera3 interaçções de ordem 2ões de ordem 2
1
2
3
4
5
6
7A B AB C AC BC D1 2 3 4 5 6 7
1 1 1 1 1 1 1 22 1 1 1 2 2 2 13 1 2 2 1 1 2 14 1 2 2 2 2 1 25 2 1 2 1 2 1 26 2 1 2 2 1 2 17 2 2 1 1 2 2 18 2 2 1 2 1 1 2
Tra
tam
ento
25
Design of Experiments49
Projetos TaguchiProjetos Taguchi
•• SSééries Ortogonais Mais Comunsries Ortogonais Mais Comuns
–– SSéérie Lrie L88(2(277))
•• 4 fatores4 fatores
•• 3 intera3 interaçções de ordem 2 com o primeiro fatorões de ordem 2 com o primeiro fator
1
23
45
6
7
A B AB C AC AD D1 2 3 4 5 6 7
1 1 1 1 1 1 1 22 1 1 1 2 2 2 13 1 2 2 1 1 2 14 1 2 2 2 2 1 25 2 1 2 1 2 1 26 2 1 2 2 1 2 17 2 2 1 1 2 2 18 2 2 1 2 1 1 2
Tra
tam
ento
Design of Experiments50
Projetos TaguchiProjetos Taguchi
•• SSééries Ortogonais Mais Comunsries Ortogonais Mais Comuns–– SSéérie Lrie L1212(2(21111))
•• Distribui as interaDistribui as interaçções de forma mais ou menos uniformeões de forma mais ou menos uniforme
•• Não possui grNão possui grááfico linear (não se pode separar as fico linear (não se pode separar as interainteraçções)ões)
•• Permite investigar atPermite investigar atéé 11 efeitos principais puros em 12 11 efeitos principais puros em 12 condicondiçções experimentaisões experimentais
1 2 3 4 5 6 7 8 9 10 111 1 1 1 1 1 1 1 1 1 1 12 1 1 1 1 1 2 2 2 2 2 23 1 1 2 2 2 1 1 1 2 2 24 1 2 2 2 2 1 2 2 1 1 25 1 2 1 1 2 2 1 2 1 2 16 1 2 1 2 1 2 2 1 2 1 17 2 1 2 2 1 1 2 2 1 2 18 2 1 2 1 2 2 2 1 1 1 29 2 1 1 2 2 2 1 2 2 1 110 2 2 1 1 1 1 1 2 2 1 211 2 2 2 2 1 2 1 1 1 2 212 2 2 2 1 2 1 2 1 2 2 1
N° Fatores
Tra
tam
ento
26
Design of Experiments51
Projetos TaguchiProjetos Taguchi
•• SSééries Ortogonais Mais Comunsries Ortogonais Mais Comuns–– SSéérie Lrie L1616(2(21515))
•• Pode testar atPode testar atéé 15 fatores, com 16 experimentos15 fatores, com 16 experimentos
1 2 3 4 5 6 7 8 9 10 11 12 13 14 151 1 1 1 1 1 1 1 1 1 1 1 1 1 1 12 1 1 1 1 1 1 1 2 2 2 2 2 2 2 23 1 1 1 2 2 2 2 1 1 1 1 2 2 2 24 1 1 2 2 2 2 2 2 2 2 2 1 1 1 15 1 2 2 1 1 2 2 1 1 2 2 1 1 2 26 1 2 2 1 1 2 2 2 2 1 1 2 2 1 17 1 2 2 2 2 1 1 1 1 2 2 2 2 1 18 1 2 2 2 2 1 1 2 2 1 1 1 1 2 29 2 1 2 1 2 1 2 1 2 1 2 1 2 1 210 2 1 2 1 2 1 2 2 1 2 1 2 1 2 111 2 1 2 2 1 2 1 1 2 1 2 2 1 2 112 2 1 2 2 1 2 1 2 1 2 1 1 2 1 213 2 2 1 1 2 2 1 1 2 2 1 1 2 2 114 2 2 1 1 2 2 1 2 1 1 2 2 1 1 215 2 2 1 2 1 1 2 1 2 2 1 2 1 1 216 2 2 1 2 1 1 2 2 1 1 2 1 2 2 1
Tra
tam
ento
N° Fatores
Design of Experiments52
Projetos TaguchiProjetos Taguchi
•• SSééries Ortogonais Mais Comunsries Ortogonais Mais Comuns–– SSéérie Lrie L1616(2(21515))
•• 5 fatores5 fatores
•• 10 intera10 interaçções de ordem 2ões de ordem 2
1
2
3
4
5
6 7
8
9
12
14
15
11
10
13
A B AB C AC BC DE D AD BD CE CD BE AE E1 2 3 4 5 6 7 8 9 10 11 12 13 14 15
1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 12 1 1 1 1 1 1 1 2 2 2 2 2 2 2 23 1 1 1 2 2 2 2 1 1 1 1 2 2 2 24 1 1 2 2 2 2 2 2 2 2 2 1 1 1 15 1 2 2 1 1 2 2 1 1 2 2 1 1 2 26 1 2 2 1 1 2 2 2 2 1 1 2 2 1 17 1 2 2 2 2 1 1 1 1 2 2 2 2 1 18 1 2 2 2 2 1 1 2 2 1 1 1 1 2 29 2 1 2 1 2 1 2 1 2 1 2 1 2 1 210 2 1 2 1 2 1 2 2 1 2 1 2 1 2 111 2 1 2 2 1 2 1 1 2 1 2 2 1 2 112 2 1 2 2 1 2 1 2 1 2 1 1 2 1 213 2 2 1 1 2 2 1 1 2 2 1 1 2 2 114 2 2 1 1 2 2 1 2 1 1 2 2 1 1 215 2 2 1 2 1 1 2 1 2 2 1 2 1 1 216 2 2 1 2 1 1 2 2 1 1 2 1 2 2 1
Tra
tam
ento
27
Design of Experiments53
Projetos TaguchiProjetos Taguchi
•• SSééries Ortogonais Mais Comunsries Ortogonais Mais Comuns–– SSéérie Lrie L1616(2(21515))
•• 7 fatores7 fatores
•• 8 intera8 interaçções de ordem 2ões de ordem 2
1
2
3
4
5
7 8
9
12
14
15
1110
13
6
A B AB C AC BC DG D AD E AE F AF AG G1 2 3 4 5 6 7 8 9 10 11 12 13 14 15
1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 12 1 1 1 1 1 1 1 2 2 2 2 2 2 2 23 1 1 1 2 2 2 2 1 1 1 1 2 2 2 24 1 1 2 2 2 2 2 2 2 2 2 1 1 1 15 1 2 2 1 1 2 2 1 1 2 2 1 1 2 26 1 2 2 1 1 2 2 2 2 1 1 2 2 1 17 1 2 2 2 2 1 1 1 1 2 2 2 2 1 18 1 2 2 2 2 1 1 2 2 1 1 1 1 2 29 2 1 2 1 2 1 2 1 2 1 2 1 2 1 210 2 1 2 1 2 1 2 2 1 2 1 2 1 2 111 2 1 2 2 1 2 1 1 2 1 2 2 1 2 112 2 1 2 2 1 2 1 2 1 2 1 1 2 1 213 2 2 1 1 2 2 1 1 2 2 1 1 2 2 114 2 2 1 1 2 2 1 2 1 1 2 2 1 1 215 2 2 1 2 1 1 2 1 2 2 1 2 1 1 216 2 2 1 2 1 1 2 2 1 1 2 1 2 2 1
Tra
tam
ento
Design of Experiments54
Projetos TaguchiProjetos Taguchi
•• SSééries Ortogonais Mais Comunsries Ortogonais Mais Comuns–– SSéérie Lrie L1616(2(21515))
•• 8 fatores8 fatores
•• 7 intera7 interaçções de ordem 2ões de ordem 2
1
2
3
7
8
12
10
6
149
4 5
1113
15
A B AB C D E AE F AF BF G H AH CG DG1 2 3 4 5 6 7 8 9 10 11 12 13 14 15
1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 12 1 1 1 1 1 1 1 2 2 2 2 2 2 2 23 1 1 1 2 2 2 2 1 1 1 1 2 2 2 24 1 1 2 2 2 2 2 2 2 2 2 1 1 1 15 1 2 2 1 1 2 2 1 1 2 2 1 1 2 26 1 2 2 1 1 2 2 2 2 1 1 2 2 1 17 1 2 2 2 2 1 1 1 1 2 2 2 2 1 18 1 2 2 2 2 1 1 2 2 1 1 1 1 2 29 2 1 2 1 2 1 2 1 2 1 2 1 2 1 210 2 1 2 1 2 1 2 2 1 2 1 2 1 2 111 2 1 2 2 1 2 1 1 2 1 2 2 1 2 112 2 1 2 2 1 2 1 2 1 2 1 1 2 1 213 2 2 1 1 2 2 1 1 2 2 1 1 2 2 114 2 2 1 1 2 2 1 2 1 1 2 2 1 1 215 2 2 1 2 1 1 2 1 2 2 1 2 1 1 216 2 2 1 2 1 1 2 2 1 1 2 1 2 2 1
Tra
tam
ento
28
Design of Experiments55
Projetos TaguchiProjetos Taguchi
•• SSééries Ortogonais Mais Comunsries Ortogonais Mais Comuns–– SSéérie Lrie L1616(2(21515))
•• 8 fatores8 fatores
•• 7 intera7 interaçções de ordem 2 com o primeiro fatorões de ordem 2 com o primeiro fator
1
23
7
8
12
106
14
94
511
13
15
A B AB C AC D AD E AE F AF G AG H AH1 2 3 4 5 6 7 8 9 10 11 12 13 14 15
1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 12 1 1 1 1 1 1 1 2 2 2 2 2 2 2 23 1 1 1 2 2 2 2 1 1 1 1 2 2 2 24 1 1 2 2 2 2 2 2 2 2 2 1 1 1 15 1 2 2 1 1 2 2 1 1 2 2 1 1 2 26 1 2 2 1 1 2 2 2 2 1 1 2 2 1 17 1 2 2 2 2 1 1 1 1 2 2 2 2 1 18 1 2 2 2 2 1 1 2 2 1 1 1 1 2 29 2 1 2 1 2 1 2 1 2 1 2 1 2 1 210 2 1 2 1 2 1 2 2 1 2 1 2 1 2 111 2 1 2 2 1 2 1 1 2 1 2 2 1 2 112 2 1 2 2 1 2 1 2 1 2 1 1 2 1 213 2 2 1 1 2 2 1 1 2 2 1 1 2 2 114 2 2 1 1 2 2 1 2 1 1 2 2 1 1 215 2 2 1 2 1 1 2 1 2 2 1 2 1 1 216 2 2 1 2 1 1 2 2 1 1 2 1 2 2 1
Tra
tam
ento
Design of Experiments56
Projetos TaguchiProjetos Taguchi
•• SSééries Ortogonais Mais Comunsries Ortogonais Mais Comuns–– SSéérie Lrie L1616(2(21515))
•• 10 fatores10 fatores
•• 5 intera5 interaçções de ordem 2, parões de ordem 2, par--aa--parpar
1
2
3
4
8
12
5
10
15
7
9
14
6
11
13
A B AB C E G I D J F H CD GH IJ EF1 2 3 4 5 6 7 8 9 10 11 12 13 14 15
1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 12 1 1 1 1 1 1 1 2 2 2 2 2 2 2 23 1 1 1 2 2 2 2 1 1 1 1 2 2 2 24 1 1 2 2 2 2 2 2 2 2 2 1 1 1 15 1 2 2 1 1 2 2 1 1 2 2 1 1 2 26 1 2 2 1 1 2 2 2 2 1 1 2 2 1 17 1 2 2 2 2 1 1 1 1 2 2 2 2 1 18 1 2 2 2 2 1 1 2 2 1 1 1 1 2 29 2 1 2 1 2 1 2 1 2 1 2 1 2 1 210 2 1 2 1 2 1 2 2 1 2 1 2 1 2 111 2 1 2 2 1 2 1 1 2 1 2 2 1 2 112 2 1 2 2 1 2 1 2 1 2 1 1 2 1 213 2 2 1 1 2 2 1 1 2 2 1 1 2 2 114 2 2 1 1 2 2 1 2 1 1 2 2 1 1 215 2 2 1 2 1 1 2 1 2 2 1 2 1 1 216 2 2 1 2 1 1 2 2 1 1 2 1 2 2 1
Tra
tam
ento
29
Design of Experiments57
Projetos TaguchiProjetos Taguchi
•• SSééries Ortogonais Mais Comunsries Ortogonais Mais Comuns–– SSéérie Lrie L1616(2(21515))
•• 8 fatores8 fatores
•• 7 intera7 interaçções de ordem 2ões de ordem 2
1 237
8
12
106
14
9 4
5
11
13
15
A B AB C D BC BD E AE F AF G AG H AH1 2 3 4 5 6 7 8 9 10 11 12 13 14 15
1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 12 1 1 1 1 1 1 1 2 2 2 2 2 2 2 23 1 1 1 2 2 2 2 1 1 1 1 2 2 2 24 1 1 2 2 2 2 2 2 2 2 2 1 1 1 15 1 2 2 1 1 2 2 1 1 2 2 1 1 2 26 1 2 2 1 1 2 2 2 2 1 1 2 2 1 17 1 2 2 2 2 1 1 1 1 2 2 2 2 1 18 1 2 2 2 2 1 1 2 2 1 1 1 1 2 29 2 1 2 1 2 1 2 1 2 1 2 1 2 1 210 2 1 2 1 2 1 2 2 1 2 1 2 1 2 111 2 1 2 2 1 2 1 1 2 1 2 2 1 2 112 2 1 2 2 1 2 1 2 1 2 1 1 2 1 213 2 2 1 1 2 2 1 1 2 2 1 1 2 2 114 2 2 1 1 2 2 1 2 1 1 2 2 1 1 215 2 2 1 2 1 1 2 1 2 2 1 2 1 1 216 2 2 1 2 1 1 2 2 1 1 2 1 2 2 1
Tra
tam
ento
Design of Experiments58
FunFun çção Perdaão Perda
•• Nominal o melhor Nominal o melhor L(y) L(y)
L(y) = K (yL(y) = K (y--M)M)22
L(y) ; Perda em valores monetL(y) ; Perda em valores monetáários ( $ )rios ( $ )
Y: valor da caracterY: valor da caracteríísticastica
M: valor alvo da caracterM: valor alvo da caracteríísticastica
K : constante de proporcionalidadeK : constante de proporcionalidade
M
30
Design of Experiments59
FunFun çção Perdaão Perda
•• Menor melhorMenor melhor
L(y) = K (y)L(y) = K (y)22
L(y) ; Perda em valores monetL(y) ; Perda em valores monetáários ( $ )rios ( $ )
Y: valor da caracterY: valor da caracteríísticastica
K : constante de proporcionalidadeK : constante de proporcionalidade
Design of Experiments60
FunFun çção Perdaão Perda
•• Maior melhor Maior melhor L(y) L(y)
L(y) = K / (y)L(y) = K / (y)22
L(y) ; Perda em valores monetL(y) ; Perda em valores monetáários ( $ )rios ( $ )
Y: valor da caracterY: valor da caracteríísticastica
K : constante de proporcionalidadeK : constante de proporcionalidade
31
Design of Experiments61
Projeto de Parâmetros Projeto de Parâmetros
O O objetivo objetivo éé determinar os parâmetros de um determinar os parâmetros de um processo ou produto para que :processo ou produto para que :
•• Alto nAlto níível de desempenhovel de desempenho
•• FuncionalidadeFuncionalidade
•• Pouca sensibilidade aos ruPouca sensibilidade aos ruíídosdos
Design of Experiments62
Etapas para o projeto de ParâmetrosEtapas para o projeto de Parâmetros
•• Separar fatores de controle de fatores de ruSeparar fatores de controle de fatores de ruíídodo
•• Selecionar os ruSelecionar os ruíídos mais importantesdos mais importantes
•• Montar a matriz experimentalMontar a matriz experimental
•• Avaliar a relaAvaliar a relaçção sinal Ruão sinal Ruíídodo
32
Design of Experiments63
RelaRelaçção sinal / ruão sinal / ru íídodo
•• Menor melhorMenor melhor
MSD = (yMSD = (y1122+y+y22
22+y+y3322+......y+......ynn
22)/n)/n
S/R = S/R = --10 10 LogLog (MSD)(MSD)
Design of Experiments64
RelaRelaçção sinal / ruão sinal / ru íídodo
•• Maior melhorMaior melhor
MSD = (1/yMSD = (1/y112 2 + 1/y+ 1/y22
22+ 1/ y+ 1/ y332 2 +.....+ 1/y+.....+ 1/ynn
22) / n ) / n
S/R = S/R = --10 10 LogLog (MSD)(MSD)