Planejamento de Experimento

Planejamento de
Experimento
Caroline Ponce de Moraes
poncecefet@gmail.com
Programa
3) Planejamento de Experimentos com um nico Fator

3.1 Planejando Experimentos de Engenharia
3.2 Experimento Completamente Aleatorizado
3.3 Experimentos com 1 fator
3.4 Modelo com Efeitos Aleatrios
3.5 Planejamento com Blocos Completos Aleatorizados
PTC Proprietary Do not reproduce without permission 2003 PTC
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...
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.
, portanto, uma tcnica de extrema importncia para a indstria pois seu

emprego permite resultados mais confiveis, economizando dinheiro e
tempo, parmetros fundamentais em tempos de concorrncia acirrada.
A sua aplicao no desenvolvimento de novos produtos muito
importante, onde uma maior qualidade dos resultados dos testes pode
levar a um projeto com desempenho superior seja em termos de suas
caractersticas funcionais como tambm sua robustez.
4
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.
Um experimento planejado um teste, ou srie de testes, no qual so feitas

mudanas propositais nas variveis de entrada de um processo, de modo a
podermos observar e identificar mudanas correspondentes na resposta. O
processo pode ser visualizado como uma combinao de mquinas,
mtodos e pessoas, que transforma um material de entrada em um produto.
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.
Experimento completamente aleatorizado com um

nico Fator
Exemplo:
Um fabricante de papel que quer fabricar sacos de papel pardo est

interessado em melhorar a resistncia do produto trao.
A engenharia de produto pensa que a resistncia trao seja uma funo
da concentrao da madeira da lei na polpa e que a faixa prtica de
interesse das concentraes de madeira de lei esteja entre 5 e 20%. Um
time de engenheiros responsveis pelo estudo decide investigar quatro
nveis de concentrao de madeira de lei: 5%, 10%, 15% e 20%.
Artigo: http://revistapensar.com.br/administracao/pasta_upload/artigos/a48.pdf

nico Fator
Exemplo:
Eles decidem fabricar seis corpos de prova, para cada nvel de concentrao,
usando uma planta piloto.
Todos os 24 corpos de prova so testados, em uma ordem aleatria, em um
equipamento de teste de laboratrio. Os dados desse experimento so:

nico Fator

nico Fator
O papel da aleatorizao nesse experimento extremamente

importante. Ao fazer a aleatoriedade da ordem das 24 obs., o efeito
de qualquer varivel de rudo, que possa influenciar a resistncia
trao , aproximadamente balanceado.
10

nico Fator
Por exemplo, suponha que haja um efeito de aquecimento da

mquina de teste de trao; ou seja, quanto mais tempo a mquina
estiver ligada, maior a resistncia observada trao. Se todas as 24
observaes fossem feitas em ordem crescente (isto , se todos os
seis corpos de prova com concentrao de 5% fossem testados
primeiros, seguidos por todos os seis corpos de prova com
concentrao de 10%, etc.), ento quaisquer diferenas observadas
na resistncia trao poderiam ser tambm devidas ao efeito de
aquecimento.
11

nico Fator
12

nico Fator
Yij Representa a j-sima observao
sujeita ao i-simo tratamento.
13

nico Fator
Cada tratamento pode ser pensado como uma populao normal

com mdia i e varincia 2 .
14

nico Fator
Nesta aula, desenvolveremos a anlise de varincia para o modelo

com efeitos fixos. A anlise de varincia no nova para ns; ela foi
usada previamente na anlise de regresso. Entretanto, mostraremos
como ela pode ser usada para testar a igualdade dos efeitos dos
tratamentos.
15
Modelos de efeitos fixos e aleatrios
16
Modelos de efeitos fixos e aleatrios
17

nico Fator
Logo, se a hiptese nula for verdadeira, cada observao consistir
na mdia global mais uma concepo do componente de erro
aleatrio. Isso equivalente a dizer que todas as N observaes so
tomadas de uma distribuio normal, com mdia e varincia 2 .
Por conseguinte, se a hiptese nula for verdadeira, a mudana nos
nveis do fator no efeito na resposta mdia.
18

nico Fator (ver pag 341)
19

nico Fator
20

nico Fator (conferir ex 13-1)
Entretanto, a ANOVA no nos diz quais nveis de concentrao de

madeira de lei resultam em diferentes mdias da resistncia trao.
21

nico Fator
22

nico Fator
23

nico Fator
24

nico Fator
A figura indica que o tratamento 4 (madeira de lei com 20%) produz

papel com resistncia mdia trao maior que os outros tratamentos,
e o tratamento 1 (madeira de lei com 5%) resulta na menor trao
mdia em relao aos outros tratamentos. As mdias dos tratamentos
2 e 3 (madeira de lei com 10% e 15%) no diferem.
25

nico Fator
26

nico Fator
27

nico Fator
O valor do MDS 3,07. Por conseguinte, qualquer par de mdias de
tratamentos que difira por mais de 3,07 implica que o par correspondente de
mdias dos tratamentos ser diferente.
4 vs 1 = 21,17 10,00 = 11,17 > 3,07
4 vs 2 = 21,17 15,67 = 5,50 > 3,07
4 vs 3 = 21,17 17,00 = 4,17 > 3,07
3 vs 1 = 17,00 10,00 = 7,00 > 3,07
3 vs 2 = 17,00 15,67 = 1,33 < 3,07
2 vs 1 = 15,67 10,00 = 5,67 > 3,07
Concluses: Dessa anlise, vemos que existem diferenas significativas entre

todos os pares de mdia, exceto 2 e 3. Isso implica que 10 e 15% de
concentrao de madeira de lei, produzem aproximadamente, a mesma
resistncia trao e que todos os outros nveis testados de concentrao
produzem diferentes resistncia trao.
28
Anlise Residual e Verificao do Modelo

A suposio de normalidade pode ser verificada pela construo de um grfico
de probabilidade normal dos resduos.
Para verificar a suposio de igualdade de varincias em cada nvel do fator,
plote os resduos contra os nveis do fator e compare a disperso dos resduos.
tambm til plotar os resduos contra os seus valores ajustados.
A suposio de independncia pode ser verifica, plotando-se os resduos
contra o tempo ou a ordem da corrida na qual o experimento foi realizado. Um
padro de comportamento sugere que o tempo ou a ordem da corrida
importante ou que as variveis que variam com o tempo so importantes e no
foram includas no planejamento de experimento.
Esses grficos no revelam nenhuma inadequao do modelo ou problema
no usual com as suposies.
29
Anlise Residual e Verificao do Modelo

Residual Plots for Madeira
Normal Probability Plot of the Residuals
Standardized Residual
99
Percent
90
50
10
1
Residuals Versus the Fitted Values
-2
-1
0
1
2
1
0
-1
-2
Frequency
4,8
3,6
2,4
1,2
0,0
30
-1,5 -1,0 -0,5 0,0 0,5 1,0 1,5

12,5
15,0
17,5
Fitted Value
20,0
Residuals Versus the Order of the Data

Histogram of the Residuals
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)
#A tabela de ANOVA mostra que a(s) diferena(s) entre as mdias

#(so) altamente significativa(s).
#Podemos concluir que h uma diferena significativa
#entre a concentrao de madeira em pelo menos uma das quatro
#porcentagens
35
Fazendo no Rstudio
#teste
TukeyHSD(madeira.aov, ordered = TRUE)
36
Fazendo no Rstudio
#teste
plot(TukeyHSD(madeira.aov,ordered=TRUE))
O grfico mostra as diferenas (intervalo de confianca 95%) entre as mdias

dos pares de amostras. Os pares com diferenas significativas so aqueles
com limites inferiores (lwr) negativos.
37
Fazendo no Rstudio
par(mfrow=c(2,2))
plot(madeira.aov)
38
Modelo com efeitos Aleatrios

Em muitas situaes, o fator de interesse tem um grande nmero de
nveis possveis. O analista est interessado em obter concluses a
respeito da populao inteira de nveis do fator. Se o experimentalista
selecionar aleatoriamente a desses nveis provenientes da populao de
nveis de fator, ento dizemos que o fator um fator aleatrio.
Fator fixo: tem-se interesse apenas em se fazer inferncia para os nveis
observados. Ou, para nveis intermedirios (fatores quantitativos).
Em muitos casos, tem-se interesse em se fazer inferncia para um
nmero muito maior (as vezes infinito) de nveis dos fatores. Como
devemos planejar e analisar experimentos sob esse intuito?
39
40
41

Para o modelo de efeitos aleatrios, no tem sentido testar a hiptese
de que os efeitos individuais dos tratamentos sejam zero. mais
apropriado testar a hiptese sobre a varincia.
O procedimento de clculo e anlise de varincia para o modelo de

efeitos aleatrios so os mesmos; As concluses, entretanto, aplicamse a populaes de nveis;
42
Modelo com efeitos Aleatrios (Ex 13-4)
43
SQTratamento
Teares
SQE
SQT
Ver clculos na pg 342 tabela 13-3
44
45
46
Obrigada!
Caroline Ponce de Moraes

Planejamento de Experimento

Uploaded by

Document Information

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Planejamento de Experimento

Uploaded by

Copyright:

Available Formats

Planejamento de

3) Planejamento de Experimentos com um nico Fator

PTC Proprietary Do not reproduce without permission 2003 PTC

PTC Proprietary Do not reproduce without permission 2003 PTC

, portanto, uma tcnica de extrema importncia para a indstria pois seu

PTC Proprietary Do not reproduce without permission 2003 PTC

Um experimento planejado um teste, ou srie de testes, no qual so feitas

PTC Proprietary Do not reproduce without permission 2003 PTC

PTC Proprietary Do not reproduce without permission 2003 PTC

Experimento completamente aleatorizado com um

Um fabricante de papel que quer fabricar sacos de papel pardo est

PTC Proprietary Do not reproduce without permission 2003 PTC

Experimento completamente aleatorizado com um

PTC Proprietary Do not reproduce without permission 2003 PTC

Experimento completamente aleatorizado com um

PTC Proprietary Do not reproduce without permission 2003 PTC

Experimento completamente aleatorizado com um

O papel da aleatorizao nesse experimento extremamente

PTC Proprietary Do not reproduce without permission 2003 PTC

Experimento completamente aleatorizado com um

Por exemplo, suponha que haja um efeito de aquecimento da

PTC Proprietary Do not reproduce without permission 2003 PTC

Experimento completamente aleatorizado com um

PTC Proprietary Do not reproduce without permission 2003 PTC

Experimento completamente aleatorizado com um

PTC Proprietary Do not reproduce without permission 2003 PTC

Experimento completamente aleatorizado com um

Cada tratamento pode ser pensado como uma populao normal

PTC Proprietary Do not reproduce without permission 2003 PTC

Experimento completamente aleatorizado com um

Nesta aula, desenvolveremos a anlise de varincia para o modelo

PTC Proprietary Do not reproduce without permission 2003 PTC

Modelos de efeitos fixos e aleatrios

PTC Proprietary Do not reproduce without permission 2003 PTC

Modelos de efeitos fixos e aleatrios

PTC Proprietary Do not reproduce without permission 2003 PTC

Experimento completamente aleatorizado com um

PTC Proprietary Do not reproduce without permission 2003 PTC

Experimento completamente aleatorizado com um

PTC Proprietary Do not reproduce without permission 2003 PTC

Experimento completamente aleatorizado com um

PTC Proprietary Do not reproduce without permission 2003 PTC

Experimento completamente aleatorizado com um

Entretanto, a ANOVA no nos diz quais nveis de concentrao de

PTC Proprietary Do not reproduce without permission 2003 PTC

Experimento completamente aleatorizado com um

PTC Proprietary Do not reproduce without permission 2003 PTC

Experimento completamente aleatorizado com um

PTC Proprietary Do not reproduce without permission 2003 PTC

Experimento completamente aleatorizado com um

PTC Proprietary Do not reproduce without permission 2003 PTC

Experimento completamente aleatorizado com um

A figura indica que o tratamento 4 (madeira de lei com 20%) produz

PTC Proprietary Do not reproduce without permission 2003 PTC

Experimento completamente aleatorizado com um

PTC Proprietary Do not reproduce without permission 2003 PTC

Experimento completamente aleatorizado com um

PTC Proprietary Do not reproduce without permission 2003 PTC

Experimento completamente aleatorizado com um

Concluses: Dessa anlise, vemos que existem diferenas significativas entre

PTC Proprietary Do not reproduce without permission 2003 PTC

Anlise Residual e Verificao do Modelo

PTC Proprietary Do not reproduce without permission 2003 PTC

Anlise Residual e Verificao do Modelo