INTRODUO AO PLANEJAMENTO DE EXPERIMENTOS

O planejamento experimental uma tcnica que atualmente vem sendo usada em grande
escala. Atravs dele, pesquisadores podem determinar as variveis que exercem maior influncia no
desempenho de um determinado processo, tendo como resultado:

1. Reduo da variao do processo e melhor concordncia entre os valores nominais obtidos e

os valores pretendidos;
2. Reduo do tempo do processo;
3. Reduo do custo operacional;
4. Melhoria no rendimento do processo.

Para produzir resultados significativos e no tendenciosos, os experimentos devem ser

cuidadosamente planejados e executados. importante saber quais passos devem ser realizados
para que os resultados sejam vlidos. Devemos procurar minimizar o erro experimental,
maximizando a preciso de nossos experimentos com a realizao de um bom planejamento e uma
conduo consciente.

1. Requisitos para um bom Experimento

Um experimento fadado ao sucesso deve:

Ser simples,
Ter preciso suficiente e ausncia de erro sistemtico,
Possibilitar anlises estatsticas apropriadas,
Fornecer concluses com grande amplitude de validade.

Estes requisitos podem ser satisfeitos atentando pela:

Escolha do Material Experimental,
Seleo das Unidades Experimentais,
Seleo dos Tratamentos,
Agrupamento de Unidades Experimentais,
Utilizao de tcnicas mais refinadas.
Os trs princpios bsicos de um planejamento de experimentos so replicao,
aleatoriedade e blocagem. Fazer um experimento com rplicas muito importante por dois
motivos. O primeiro que isto permite a obteno do erro experimental. A estimativa desse erro
bsica para verificar se as diferenas observadas nos dados so estatisticamente diferentes. O
1
segundo motivo se refere ao fato de que, se a mdia de uma amostra for usada para estimar o efeito
de um fator no experimento, a replicao permite a obteno de uma estimativa mais precisa desse
fator.
Os mtodos estatsticos requerem que as observaes, ou os erros, sejam variveis aleatrias
distribudas independentemente. Os experimentos, com suas rplicas, devem ser realizados de
forma aleatria, de modo a garantir a distribuio equnime de todos os fatores no considerados.
Explicando melhor: em um estudo da influncia, na dureza de um compsito, de diferentes
ponteiras de uma mquina de ensaios mecnicos, pode-se utilizar corpos de prova provenientes de
bateladas diferentes, que podem ter (mas teoricamente no deveriam), por exemplo, diferentes
teores de fibras. Na realizao dos testes, esses corpos de prova devem ser distribudos de forma
aleatria entre as ponteiras.
A blocagem uma tcnica extremamente importante, utilizada industrialmente que tem o
objetivo de aumentar a preciso de um experimento. Em certos processos, pode-se controlar e
avaliar, sistematicamente, a variabilidade resultante da presena de fatores conhecidos (nuisance
factors) que perturbam o sistema, mas que no se tem interesse em estud-los. A blocagem usada,
por exemplo, quando uma determinada medida experimental feita por duas diferentes pessoas,
levando a uma possvel no homogeneidade nos dados. Um outro exemplo seria quando um
determinado produto produzido sob as mesmas condies operacionais, mas em diferentes
bateladas. De modo a evitar a no homogeneidade, melhor tratar cada pessoa e batelada como um
bloco. Esta tcnica ser apresentada mais adiante.
As experincias devem ser realizadas sequencialmente. A primeira delas, chamada
experimento de peneiramento (screen experiment), usada para determinar que variveis so
importantes (variveis crticas). As experincias subsequentes so usadas para definir os nveis das
variveis crticas identificadas anteriormente, que resultam em um melhor desempenho do processo.
Em suma, o que se quer aqui obter um modelo matemtico apropriado para descrever um certo
fenmeno, utilizando o mnimo possvel de experimentos. O planejamento experimental permite
eficincia e economia no processo experimental e o uso de mtodos estatsticos na anlise dos
dados obtidos resulta em objetividade cientfica nas concluses.
Todo planejamento experimental comea com uma srie inicial de experimentos, com o
objetivo de definir as variveis e os nveis importantes. Podem-se ter variveis qualitativas (tipo de
catalisador, tipo de equipamento, operador, etc.) e quantitativas (temperatura, presso, concentrao
ndice de inflao, ph do meio, etc.). Os resultados devem ser analisados e modificaes pertinentes
devem ser feitas no planejamento experimental. A Figura 1 apresenta um resumo desta estratgia
inicial.

2
 importante frisar que os mtodos que sero descritos aqui no substituem a imaginao e o
bom senso, mas eles ajudam a economizar tempo e dinheiro, uma vez que eles conduzem
objetividade da anlise de resultados.
Antes de comear a realizar os experimentos, os objetivos e os critrios devem estar bem
claros, de modo a dar subsdios para a escolha:

1. das variveis envolvidas nos experimentos;

2. da faixa de variao das variveis selecionadas;
3. dos nveis escolhidos para essas variveis. No caso de muitos fatores, melhor escolher
inicialmente dois nveis;
4. da varivel de resposta;
5. do planejamento experimental. Nessa etapa, h que se considerar o tamanho da amostra
(nmero de rplicas), a seleo de uma ordem de realizao dos experimentos e se h
vantagem em fazer a blocagem dos experimentos; dos mtodos de anlise dos resultados
dos experimentos. Os mtodos estatsticos so usados para guiar uma tomada objetiva de
deciso.

Experimentos

Anlise de resultados
Planejamento Objetivo e reviso do modelo e
de experimentos do planejamento
experimental

Modelo(s)

Figura 1 Estratgia Inicial.

No planejamento de qualquer experimento, a primeira coisa que devemos fazer decidir

quais so os fatores e as repostas de interesse. Os fatores, em geral, so as variveis que o
experimentador tem condies de controlar. Podem ser qualitativos, como o tipo catalisador, ou
quantitativo, como a temperatura. s vezes, num determinado experimento, sabemos que existem

3
fatores que podem afetar as respostas, mas que no tem condies de, ou no estamos interessados
em, controlar. Precisamos tomar cuidado com fatores desse tipo, para que seu efeito no seja
confundido com os efeitos de interesse. Para isso, podemos usar aleatorizao e blocagem.
As respostas so as variveis de sada do sistema, nas quais estamos interessados, e que
sero ou no afetadas por modificaes provocada nos fatores (as tais manipulaes). Tambm
podem ser qualitativas ou quantitativas. Dependendo do problema, podem ter vrias respostas de
interesse, que talvez precisem ser consideradas simultaneamente.
Tendo identificado todos os fatores e respostas, nosso prximo passo definir, com o
mximo de clareza, o objetivo que pretendemos alcanar com os experimentos, para que possamos
escolher o planejamento mais apropriado. Por exemplo, um qumico deseja saber se estar s
querendo saber se a troca de um catalisador por um mais barato no vai diminuir o rendimento da
reao. Ou, ento, pode querer descobrir que temperatura deve ser usada para se obter o rendimento
mximo. Ou, ainda, at quando ele pode variar os fatores sem alterar o rendimento ou qualidade do
produto final, e assim por diante. O planejamento de experimentos, isto , a especificao detalhada
de todas as operaes experimentais que devem ser realizadas, vai depender do objetivo particular
que ele possa atingir. Objetivos diferentes precisaro de planejamentos diferentes.

2. Aleatorizao

Para evitar a ocorrncia de distoro estatstica nos resultados, isto , para impedir que
desvios atpicos sejam obrigatoriamente associados a determinadas combinaes de nveis,
devemos realizar ensaios em ordem aleatria. Para isso, devemos sortear a ordem de realizao dos
ensaios, ou seja, fazer a aleatorizao.
A aleatorizao um principio experimental muito importante que nos ajuda a impedir que
fatores indesejveis, dos quais no estamos cientes, contaminem os efeitos que queremos investigar.
Se sortearmos a ordem de realizao dos ensaios, a probabilidade de um desses fatores afetar as
respostas, e assim sua atuao ficar diluda. A numerao dos ensaios apenas uma forma
conveniente de identificar as vrias combinaes de nveis, e nada tem a ver com a ordem em que
os experimentos so efetivamente realizados. Esta, como acabamos de ver, deve ser aleatria.
importante distinguir a aleatorizao da blocagem. Na aleatorizao, estamos nos
precavendo contra fatores que talvez possam influenciar o resultado, mas dos quais no temos
conhecimento. Na blocagem sabemos desde o incio que certos fatores podem influenciar a
resposta, s que no estamos interessados no efeito delas, e levamos isso em conta na hora de
definir o planejamento, de forma a evitar ou evitar confundimentos.

4
 Para exemplificar a utilizao desses termos e expresses, considere o experimento
apresentado no exemplo seguinte.
Exemplo
Um engenheiro, interessado em estudar a resistncia de fibras sintticas utilizadas na
confeco de vesturio, decidiu utilizar diferentes quantidades de algodo j que sabido, de
pesquisas anteriores, que a resistncia de fibras sintticas aumenta com a incluso de algodo.
Como o produto final deve conter de 10 a 40% de algodo, devido a outras caractersticas
importantes para a qualidade do produto, foram escolhidas as quantidades de 15, 20, 25, 30 e 35%
de algodo. Tambm, decidiu-se testar cinco amostras de cada nvel de algodo tomando, como
amostra, um atado de fibras com 10 centmetros de dimetro. As avaliaes foram feitas em apenas
uma mquina e por um nico tcnico. (Montgomery, 1991)
No exemplo, temos apenas um fator que so os teores de algodo na fibra com as categorias
(ou nveis): 15, 20, 25, 30 e 35%. Como as categorias deste fator so expressas em uma escala
intervalar, o fator denominado quantitativo. Quando as categorias de um fator so expressas em
uma escala nominal, o fator denominado qualitativo.
A tenso ao rompimento corresponde varivel resposta. Os valores obtidos para a
resistncia das amostras so os dados. Os tratamentos so: T1 = 15% de algodo na fibra, T2 =
20%, T3 = 25%, T4 = 30% e T5 = 35% de algodo na fibra.
No Exemplo, cada parcela corresponde a um amarrado de fibras com dez centmetros de
dimetro e, neste caso, no foi necessrio usar bordadura porque uma amostra sempre estava
separada das outras. Nesse exemplo foram utilizadas 5 repeties (cinco amostras com cada teor de
algodo), perfazendo 25 parcelas experimentais. A aleatorizao consistiu em submeter s amostras
ao teste de resistncia em uma ordem determinada ao acaso.

3. Blocagem

No delineamento em blocos casualizados, o material experimental dividido em grupos

homogneos, cada grupo constituindo uma repetio. Cada repetio ou bloco deve conter uma vez
cada tratamento, no caso de blocos completos. O objetivo em todas as etapas do experimento
manter o erro, dentro de cada bloco, to pequeno quanto seja possvel na prtica. Na conduo do
ensaio deve ser empregada uma tcnica uniforme para todas as parcelas de um mesmo bloco.
Quaisquer alteraes na tcnica de conduo ou em outras condies que possam afetar os
resultados devem ser feitas entre os blocos.
Com o objetivo de estudar a blocagem, suponha que se queira saber se quatro diferentes
tipos de ponteiras (considera-se cada ponteira como um tratamento) de uma mquina de ensaios
produzem diferentes leituras de dureza de um compsito. Imagine agora que sejam realizados

5
quatro ensaios para cada ponteira. Existe assim um nico fator (varivel independente importante),
que o tipo de ponteira. No total, sero necessrios 16 experimentos, envolvendo ento 16 peas,
que podem ser levemente diferentes entre si, resultando em uma possvel variao nos valores de
dureza da pea. Como resultado, o erro experimental refletir tanto o erro aleatrio como a variao
entre as peas. Uma maneira de diminuir esse erro experimental remover a variabilidade entre as
peas, fazendo a blocagem; ou seja, considerando cada pea como sendo um bloco, sujeito ao teste
com as quatro ponteiras. Tem-se assim um experimento mais uniforme que serve para comparar a
influncia das ponteiras na dureza do material. A esse planejamento, d-se o nome de planejamento
aleatrio com blocos completos. Por completo entende-se que cada bloco contm todos os
tratamentos (todas as ponteiras atuam neste bloco).

4. Noes de Planejamentos Fatoriais

O planejamento fatorial indicado quando deseja-se estudar os efeitos de duas ou mais

variveis de influncia. Em cada tentativa ou rplica, todas as combinaes possveis dos nveis de
cada varivel so investigados. Quando o efeito de uma varivel depende do nvel das outras
variveis, diz-se que h interao dessas variveis.
4.1. Planejamento fatorial com dois fatores

Nesse planejamento, so estudados dois fatores A e B, A com a nveis e B com b nveis,

utilizando-se n rplicas com a.b combinaes. Como exemplo, um estudo em que se deseja analisar
o efeito de dois fatores, cada um deles com dois nveis. Se analisar-se o efeito de um fator
separadamente, tem-se um planejamento aleatorizado como:

O efeito de A seria: A2B1 - A1B1 e o efeito de B seria B2A1 -B1A1.

Assim, tem-se trs ensaios. Se deseja-se minimizar os erros, usando duas rplicas, temse um
total de 6 ensaios. Porm, no se pode verificar a interao de A e B.
J com o planejamento fatorial (PF), tem-se:

6
 Analisando dois casos distintos, pode-se analisar a interao das variveis pelo PF:

Esses resultados poderiam ser provenientes de um exemplo em que se deseja estudar como a
vida til de baterias influenciada pelo tipo de material empregado na fabricao e pela
temperatura de utilizao. Tem-se dois materiais e duas temperaturas e deseja-se saber se o
material e a temperatura afetam a vida e se eles interagem.
O conceito de projeto robusto aplica-se nessa situao, pois deseja-se que as baterias
apresentem-se robustas em relao temperatura de utilizao, qualquer que seja, desde que dentro
de uma faixa analisada.
No caso 1, tem-se a seguinte representao grfica dos resultados obtidos:

Observa-se que os dois fatores interferem na vida das baterias, mas que eles no interagem.
J no caso 2, representado pela figura abaixo, observa-se novamente que os fatores afetam a
vida, mas tambm, que eles interagem, pois o efeito de A depende do nvel de B.

7
 Devido ao pequeno nmero de ensaios utilizado no PF, esse planejamento indicado para o
incio do procedimento experimental quando h necessidade de definir-se as variveis de influncia
e estudar seus efeitos sobre a varivel de resposta escolhida. Deve-se destacar tambm que o PF
um modelo de efeitos fixos, assim os resultados de sua anlise no podem ser transferidos para
outros nveis que no os analisados no planejamento.

4.2. Planejamento fatorial 2k

Um caso particular o planejamento fatorial com k fatores e 2 nveis, que denominado

planejamento fatorial 2k. Os fatores e os nveis so pr-determinados, configurando esse
planejamento como um modelo de efeitos fixos. Para que a anlise seja objetiva, as hipteses de
normalidade devem ser satisfeitas.
Esse tipo de planejamento usado normalmente nos estgios iniciais da pesquisa,
permitindo o estudo de diversos fatores com um nmero reduzido de experimentos.
Como h somente dois nveis para anlise de cada fator, assume-se que a varivel de
resposta apresente comportamento linear entre esses nveis.
O modelo estatstico, o teste de hipteses e as somatrias dos quadrados das diferenas so
idnticas s do planejamento fatorial geral, assumindo-se a =2 e b = 2.
Os nveis podem ser quantitativos ou qualitativos.
Os nveis so representados por: + mximo e - mnimo.
A e B representam os efeitos das variveis de influncia. A representao do ensaio com a
significa que usou-se o nvel mximo de A (+). J b representa o uso do nvel mximo de B (+).
Neste caso, para 2 nveis, o nmero de graus de liberdade igual a 1. Aumentando-se o
nmero de rplicas (n), tem-se maior objetividade na anlise, pois F0 tambm aumenta.

No caso de um planejamento 3k, tem-se trs nveis: mnimo (0), intermedirio (1) e mximo
(2).
Exemplo de um planejamento fatorial 2k: deseja-se estudar como o tempo de uma reao
afetado por dois fatores, a concentrao de reagente (A) e a quantidade de catalisador (B).
Assumindo dois nveis para A, 15% (-) e 25% (+) e dois nveis para B, 2 medidas (+) e 1
medida (-) e cada experimento foi replicado 3 vezes, tem-se:

8
 5. Referncias Bibliogrficas

BARROS NETO, B.; SCARMINIO, I. S.; BRUNS, R. E.; Planejamento e Otimizao de

Experimentos, Editora Unicamp, Campinas, SP, 4 ed., 414 p., 2010.

BUTTON, S. T. Metodologia para Planejamento Experimental e Anlise de Resultados. Apostila

preparada para o Programa de Ps-Graduao em Engenharia Mecnica. Campinas, 2005.

LARSON, RON. Estatstica Aplicada, Lis Editora, So Paulo, SP, 4 ed., 637 p., 2010.

MONTGOMERY, D.C. Design and Analysis of Experiments, 3 edio, John Wiley and Sons, New
York, 649 p., 1991.