Professional Documents
Culture Documents
Experimento
Caroline Ponce de Moraes
poncecefet@gmail.com
Programa
Planejamento de Experimento
Introduo
Dentro da indstria, em especial no desenvolvimento de produto, muitas
vezes necessrio obter informaes sobre produtos e processos
empiricamente. Neste momento o trabalho das pessoas envolvidas com o
problema assemelha-se ao de pesquisadores ou cientistas que precisam
projetar experimentos, coletar dados e analis-los.
Experimentos so empregados para resolver problemas de fabricao,
decidir entre diferentes processos de manufatura, diferentes conceitos de
produto, entender a influncia de determinados fatores, etc...
Planejamento de Experimento
O Planejamento de Experimentos (em ingls Design of Experiments,
DOE) uma tcnica utilizada para se planejar experimentos, ou seja, para
definir quais dados, em que quantidade e em que condies devem ser
coletados durante um determinado experimento, buscando, basicamente,
satisfazer dois grandes objetivos:
a maior preciso estatstica possvel na resposta e o menor custo.
Planejamento de Experimento
preciso estar claro tambm que, em estatstica, Planejamento de
Experimentos designa toda uma rea de estudos que desenvolve tcnicas
de planejamento e anlise de experimentos. H atualmente todo um arsenal
de tcnicas, com vrios nveis de sofisticao e uma quantidade no menor
de livros sobre o assunto.
Planejamento de Experimento
O planejamento de experimentos uma ferramenta de engenharia
importante para melhorar um processo de fabricao, mas tem tambm
extensiva aplicao no desenvolvimento de novos processos. A aplicao
dessas tcnicas bem cedo no desenvolvimento do processo pode resultar
em:
1. Melhora na produo;
2. Variabilidade reduzida e conformidade mais prxima da nominal;
3. Tempo de desenvolvimento reduzido;
4. Custos totais reduzidos.
Exemplo:
11
12
13
15
16
17
18
19
20
22
23
24
26
27
29
99
Percent
90
50
10
1
-2
-1
0
1
Standardized Residual
2
1
0
-1
-2
Frequency
4,8
3,6
2,4
1,2
0,0
30
12,5
15,0
17,5
Fitted Value
20,0
10,0
2,0
2
1
0
-1
-2
8 10 12 14 16 18 20 22 24
Observation Order
Fazendo no Rstudio
rm(list=ls())
##### Planejamento de Experimento
conc5<-c(7,8,15,11,9,10)
conc10<-c(12,17,13,18,19,15)
conc15<-c(14,18,19,17,16,18)
conc20<-c(19,25,22,23,18,20)
ex<-data.frame(conc5,conc10,conc15,conc20)
ex
attach(ex)
mdias<-colMeans(ex)
mdias
31
Fazendo no Rstudio
###boxplot
boxplot(ex)
32
Fazendo no Rstudio
##anova
##gl( nveis/fator ,numero de obs)
concmadeira<-data.frame(Madeira=gl(4,6),
Obser=c(ex$conc5,ex$conc10,ex$conc15,ex$conc20))
concmadeira)
33
Fazendo no Rstudio
#definir a primeira coluna como um fator
attach(concmadeira)
names(concmadeira)
Madeira<-factor(Madeira)
Madeira
#verifique se um fator
is.factor(Madeira)
34
Fazendo no Rstudio
#Rodamos a anlise de varincia pelo teste aov
#para verificar diferenas nas concentraes de madeira
madeira.aov<-aov(Obser~Madeira)
madeira.aov
summary(madeira.aov)
Fazendo no Rstudio
#teste
TukeyHSD(madeira.aov, ordered = TRUE)
36
Fazendo no Rstudio
#teste
plot(TukeyHSD(madeira.aov,ordered=TRUE))
37
Fazendo no Rstudio
par(mfrow=c(2,2))
plot(madeira.aov)
38
39
40
41
43
SQTratamento
Teares
SQE
SQT
Ver clculos na pg 342 tabela 13-3
44
45
46
Obrigada!