1
Planejamentos
Fatoriais
2
Não há análise que possa
salvar um experimento mal
planejado!
3
Problema Experimental
COMO VARIAR TUDO AO MESMO TEMPO
Avaliar a
influência de uma ou mais
variáveis
sobre uma outra de interesse
Como a(s)
reposta(s) do sistema
(variável
de interesse)
depende dos
fatores
(variáveis controladas)?
Reformulando o problema4
Sistema
. . .Obs. Fatores ou Respostas podem ser qualitativos ou quantitativos Fator 1 Fator 2 Fator k . . . Resposta 1 Resposta 2 Resposta k
COMO VARIAR TUDO AO MESMO TEMPO
Fig. Um sistema pode ser representado por uma função (em princípio desconhecida) ligando os fatores (variáveis de entrada) às repostas (variáveis de saída).
5 Respostas: Variáveis que descrevem as propriedades do processo/sistema;
Fatores (variáveis): Parâmetros que são alterados para influenciar a resposta;
Modelo: Expressão matemática que relaciona a mudança nos fatores com as mudanças na(s) resposta(s).
6
Sistema em Estudo
Reação Química
Temperatura CatalisadorResposta
Fatores
Rendimento
COMO VARIAR TUDO AO MESMO TEMPO7 8
9 10
Métodos Uni e Multivariados
Métodos Univariados
Informações “pontuais”;Interações entre os fatores não são observadas: ótimo global pode nunca ser encontrado.
Muitos experimentos para encontrar as condições desejadas.
Métodos Multivariados
Funcionam bem na presença de erro experimental;
Permite estimar interações entre fatores: localização do ótimo efetivo e suas vizinhanças;
Economia de Tempo de Dinheiro.
11 12
Definindo o(s) Objetivo(s) do Experimento
O experimentador pode está
interessado em, por exemplo:
♦ saber se ao trocar o catalisador por outro mais barato o rendimento vai diminuir
♦descobrir que temperatura deve ser usada para obter o rendimento máximo, etc.
13
Escolhendo o planejamento mais adequado
ao(s) objetivo(s) estabelecido(s)
Digamos que se queira saber se certos
fatores têm ou não influência sobre a
“Resposta”
Planejamento Fatorial de Dois Níveis (2
K)
COMO VARIAR TUDO AO MESMO TEMPO14
Planejamento Fatorial de Dois Níveis
(2
K)
- k
é o número de
fatores ou variáveis
a serem
controladas pelo experimentador
- 2
k
número de ensaios diferentes
para
implementar um planejamento completo
- o
“2” de “2
k”
significa que o experimentado
terá que variar o fator em
dois diferentes níveis
.
COMO VARIAR TUDO AO MESMO TEMPO
15
Voltemos ao exemplo hipotético do rendimento da
reação para ilustrar a:
Implementação de um planejamento fatorial 2
2Temperatura Catalisador Para isso, Níveis: 40 oC e 60 oC Níveis: A eB Rendimento? UM PLANEJAMENTO FATORIAL 22 16 UM PLANEJAMENTO FATORIAL 22
Os
rendimentos são registrados
para as quatro
combinações possíveis dos fatores:
(
40
oC
,
A
)
Ensaio 1
(
60
oC
,
A
)
Ensaio 2
(
40
oC
,
B
)
Ensaio 3
(
60
oC
,
B
)
Ensaio 4
Os resultados são mostrados na Tabela a seguir:
17 UM PLANEJAMENTO FATORIAL 22
22 =4. Planejamento requer quatro experimentos (ensaios) 18
Pode-se representar
geometricamente
os
resultados do planejamento como:
19
Interpretação preliminar dos dados da Tabela 3.1 à
luz da Figura 3.3
- Ao usar o catalisador A e elevar a temperatura de 40 para 60oC (ensaios 1 e 2), o rendimento médio passa de
59 para 90oC aumento de 31%
- Quando o catalisador é do tipo B (ensaios 3 e 4) o rendimento sobe apenas 68 – 54 = 14%
O efeito da temperatura depende do
nível do catalisador
!
UM PLANEJAMENTO FATORIAL 2220 UM PLANEJAMENTO FATORIAL 22
- Ao 40oC (ensaios 1 e 3), a mudança do catalisador diminui o rendimento médio em 5%
- Ao 60oC (ensaios 2 e 4), a redução passa a ser de 22 %
Por outro lado, o efeito do catalisador também
apresenta um comportamento similar. De fato,
Os resultados apontam uma
interação entre os
fatores
, cujo efeito também pode ser estimado
21
Cálculo dos Efeitos
Efeito Principal da Temperatura (T)
Média dos efeitos da temperatura nos dois
níveis do catalisador
Por definição, Matematicamente,
%
,5
22
2
54
68
59
90
2
y
y
y
y
T
2
1
4
3
UM PLANEJAMENTO FATORIAL 22 22Podemos reescrever a Eq. anterior como
%
,5
22
2
54
59
2
68
90
2
y
y
2
y
y
T
2
4
1
3
O efeito principal de um fator é a
diferença
entre a
resposta média no
nível superior
e a do
nível inferior
formulando a definição que será usada daqui em diante
23
Usando a
nova definição
para o catalisador:
%
,5
13
2
90
59
2
68
54
2
y
y
2
y
y
C
3
4
1
2
Analisando o efeito principal de C
Efeito negativo
ao trocar o catalisador A
pelo B o rendimento cai, em média, 13,5%
24
Efeito de Interação entre T e C (TxC ou TC)
Se não houvesse interação,
o efeito
de T deveria ser o mesmo
usando
ambos os catalisadores
a metade da diferença entre ambos os
rendimentos de T
pode ser tomada como uma
medida da interação entre os fatores T e C
25 26
Nos planejamentos de dois níveis, identifica-se os
níveis inferior e superior de uma variável como:
Codificando as Variáveis
♦ Nível inferior
(-)
40
oC
(T) e
A
(C)
♦ Nível Superior
(+)
60
oC
(T) e
B
(C)
Assim, podemos interpretar geometricamente todos
os efeitos a partir da Figura 3.2 mostrada a seguir
UM PLANEJAMENTO FATORIAL 22
27
Um algoritmo para o calculo dos efeitos usando as
variáveis codificadas
Inicialmente, reescreve-se a matriz de
planejamento (
Tab. 3.1
) substituindo os valores
dos fatores pelos sinais apropriados (+) ou (-)
B
B
A
A
60
40
60
40
C
T
C
T
UM PLANEJAMENTO FATORIAL 22 28 UM PLANEJAMENTO FATORIAL 22Acrescentando-se uma coluna de sinais positivos antes da coluna de T e outra após C e incluindo a unidade:
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
TC
C
T
M
TC
C
T
M
Tabela de coeficientes de contraste
29 UM PLANEJAMENTO FATORIAL 22
Calculando os efeitos usando a matriz anterior
Para calcular basta aplicar a equação
matricial abaixo:
17
27
45
271
68
54
90
59
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
y
X
tonde: - Xt = matriz de coeficientes de contraste transposta
- y = vetor coluna das repostas (no caso médias) 30
TC
C
T
M
5
,
8
5
,
13
5
,
22
75
,
67
2
/
17
2
/
27
2
/
45
4
/
271
Dividindo o primeiro elemento por 4 e os
demais por 2, obtemos:
onde: - M = média global
- T e C = efeito principal da temperatura (T) e do catalisador (C)
- TC = efeito de interação entre os fatores T e C. UM PLANEJAMENTO FATORIAL 22
31 UM PLANEJAMENTO FATORIAL 22
Interpretação geométrica dos efeitos
Representa-se o planejamento experimental num
gráfico
com um
eixo para cada fator
.
Neste caso, o espaço assim definido
é um plano
pois temos apenas 2 fatores.
Como resultado, obtêm-se os gráficos da
Figura
3.2
nos quais os níveis dos fatores encontram-se na
forma codificada
.
Nota-se também que as
respostas
são colocadas
nos vértices apropriados.
32 Efeitos principais contrastes entre valores situados em arestas opostas e perpendiculares aos eixo do fator correspondente
Efeito de interaçãocontraste entre as duas diagonais, considerando-se positiva a que liga o ensaio (--) ao ensaio (++)
UM PLANEJAMENTO FATORIAL 22
33
Estimando o erro experimental
Vimos, por exemplo, que o
efeito de interação
entre T e C
foi estimado como -8,5
Será que esse
efeito é realmente
significativo
do ponto de vista estatístico?
Para responder
é imprescindível
obter
uma estimativa do erro experimental!
34Estimando a variância conjunta (
s
2 conjunta):
.
5
,
6
1
1
1
1
8
1
2
1
8
1
8
1
s
s
s
s
s
s
2 conj unta 4 3 2 1 2 4 ensaio 4 2 3 ensaio 3 2 2 ensaio 2 2 1 ensaio 1 2 conj unta
% 55 , 2 5 , 6 s Estimativa do desvio padrão do erro experimental característico (erro padrão) das respostas
35
De um modo geral, se cada ensaio for repetido
“n
i”vezes
e houver
“m” ensaios diferentes
, estimativa
conjunta da variância exp. (
s
2conjunta
) será dada por:
m 2 1 2 4 m 2 2 2 2 1 1 2 conj unta
...
s
...
s
s
s
onde
i= n
i– 1
número de graus de liberdade de
s
i2
s
i2
estimativa da variância do i-ésimo ensaio
36
Estimando o erro padrão de um efeito
Como cada um dos efeitos é uma combinação linear de
4 valores (4 repostas médias) e admitindo que eles têm
a mesma variância populacional, podemos escrever:
2 y 2 y i 2 y 2 i 2 efeito
)
4
1
4
1
4
1
4
1
(
a
s
Onde: ai = coeficientes usados no cálculo dos efeitos
(ai = 1/2 e -1/2 de modo que ai2 = ¼) 2 y = variância populacional 2 efeito
s
37
Consequentemente, o desvio ou erro padrão
de um efeito é dado por:
2 y 2 efeito
s
)
efeito
(
s
25
,
3
2
5
,
6
2
)
4
1
4
1
(
a
2 2 i 2 2 i 2 y
onde,
2foi tomada como igual s
2 conjuntaComo cada resposta média é uma combinação
linear de 2 observações independentes, temos
:
38
Portanto, o
erro padrão de um efeito
é
estimado como:
%
8
,
1
25
,
3
)
efeito
(
s
2
y
Tendo obtido o erro padrão de um efeito,
pode-se construir
intervalos de confiança para os
efeitos usando a distribuição de Student
.
Vejamos a seguir como isso pode ser feito.
39
Significância dos efeitos
Na
prática,
só
devemos
considerar
estatisticamente significativos
os efeitos que
satisfizerem (
em módulo
) a condição:
)
(efeito
s
t
ivo
significat
Efeito
onde:t=ponto de distribuição com graus de liberdade
para o nível de confiança desejado
= é o mesmo no total de graus de liberdadeusado
para estimar o desvio ou erro padrão de um efeito. 40
No presente experimento,
= 4
então
t = 2,776
(
ver tabela
) ao nível de 95% de confiança,
%
0
,
5
%
8
,
1
776
,
2
)
efeito
(
s
t
ivo
significat
Efeito
Usaremos esse critério para avaliar se os efeitos
encontrados na
Tabela 3.2
são significativos no
nível de confiança considerado.
41 42
Uma vez que o efeito de interação entre T e C
é significativo,
os efeitos principais devem
ser interpretados conjuntamente
, ou seja:
Para auxiliar a interpretação final dos resultados,
consideremos novamente o gráfico da
Figura 3.3
43 44 Elevando T aumenta-se o rendimento da reação, porém esse efeito é muito mais pronunciado com o catalisador A (+31% contra +14%)
Ao trocar o catalisador A pelo B o rendimento da reação é diminuído, sendo esse efeito muito mais expressivo a 60oC (-22% contra -5%)
Os maiores rendimentos (90%, em média) foram obtidos com o catalisador A e com a temperatura em 60oC
Fig. 3.3. Diagrama para a interpretação dos resultados do planejamento fatorial 22. Os valores nos vértices do quadrado são as respostas médias (rendimentos percentuais).
45 46
Y(x
1,x
2) =
b
o+
b
1x
i+
b
2x
2+
b
12x
1x
2+
e
Ondebo valor populacional da média global das respostas; b1, b2 e b12 valores populacionais dos dois e feitos principais e do efeito de interação;
Y verdadeira média populacional da resposta.
e resíduo (erro aleatório)
Modelo Estatístico
eY- ye
47
Estimativas dos parâmetros a partir dos
experimentos:
y
e= b
0+ b
1x
1+ b
2x
2+ b
12x
1x
2•Com a codificação cada efeito passa a corresponder à variação de DUAS unidades do fator correspondente (nível vai de –1 a 1)
•Os efeitos POR UNIDADE de x1 e x2 são a METADE
dos calculados anteriormente 48
•O efeito principal da temperatura é de 22,5% quando T passa de 40 oC para 60 oC
•O efeito da temperatura é de 11,25% por unidade de x1
•11,25 (temperatura), -6,75 (catalisador) e -4,25 (interação) efeitos por unidade de x1 e x2
Logo:
y(x
1,x
2)= y
e= b
0+ b
1x
1+ b
2x
2+ b
12x
1x
249
Em termos de álgebra linear, a equação pode
ser escrita como um produto escalar:
12 2 1 12 2 1 2 1,
)
[
1
]
*
(
ˆ
b
b
b
b
x
x
x
x
x
y
o 50Por Exemplo:
y
e=67,75 + 11,25
(−1)
− 6,75
(−1)
− 4,25
(−1. −1)
y(x
1,x
2)= y
e= b
0+ b
1x
1+ b
2x
2+ b
12x
1x
2y
e= 67,75+11,25x
1-6,75x
2-4,25x
1x
2= 59,0
Para o
Ensaio 1
, tem-se:
x
1=-1
;
x
2=-1
51 UM PLANEJAMENTO FATORIAL 23
Estudar os efeitos do aumento da Temperatura, da mudança de catalisador e agora, da concentração sobre o rendimento de uma reação.
52
55 Variância Conjunta
56
Expressão Geral para o erro padrão do efeito:
S(efeito) = (4s
p2/N
total)
1/2Logo
S(efeito) = (4 x 5,19/16)
1/2= 1,1
No presente experimento,
= 8
então
t = 2,306
(
ver tabela
) ao nível de 95% de confiança,
Logo
1,1 x 2,306 =
2,54
57 58
Interpretando dos Resultados
Nota-se que:
♦ A inclusão do
fator concentração do reagente
não
trouxe nenhuma novidade, senão seu efeito
principal
♦
não há evidência
de interação entre a concentração
e os outros dois fatores, pois seus efeitos não são
maiores que
t
8x s(efeito).
59
♦ Os efeitos 1 e 2, assim como 12, são praticamente
os mesmos do planejamento 2
2e podem ser
interpretados a partir dos valores da figura abaixo.
60
♦ então, o efeito da concentração (M) pode ser
interpretado isoladamente como:
quando M é aumentada de 1,0 M para 1,5 M, ocorre um aumento médio de cerca de 9% no rendimento, e não há evidência de esse aumento dependa dos níveis das outras variáveis, na região experimental investigada.
61
Modelo Estatístico
2 62Modelo Estatístico
2 63Planejamento Fatorial 2
4
64Inclusão do fator pH
65 6667
No Excel
68 Média 67,188 Efeitos principais* 1 22,875 2 -14,125 3 8,875 4 0,875Interação de dois fatores
12 -8,625 13 -0,625 14 0,875 23 -0,625 24 0,875 34 0,375 Interação de três fatores 123 0,875 124 -0,125 134 -0,625 234 0,375
Interação de quatro fatores 1234 0,375
Efeitos Calculados para o PF 2
4(1) Temperatura;(2) Catalisador; (3) Concentração; (4) pH
Estimativa do erro do PF 2
4Que interações são importantes ?
(como saber sem repetições ?)
1) Admitindo que os efeitos principais e as
interações de dois fatores são suficientes para
descrever adequadamente a superfície de
resposta.
1) Gráfico de Distribuição Normal
1º Caso: Admitindo que os efeitos principais e as
interações de dois fatores são suficientes para
descrever adequadamente a superfície de resposta
Podem ser atribuídos às flutuações aleatórias inerentes ao nosso processo, isto é, ao “ruído” embutido nos valores das respostas.
71
Logo, elevando cada um dos efeitos (de três e quatro interações) ao quadrado, teremos uma estimativa da variância de um efeito, e a média dos cinco valores nos dará uma estimativa conjunta, com 5 graus de liberdades (porque são cinco valores independentes).
72
Conclusão:
Apenas os efeitos 1, 2, 3 e 12 são, de fato, significativos nesse nível de confiança.
Valor de t ~ 2,571 (95%) Logo
Valor limite para significância de um efeito
Será
0,54 x 2,571 = 1,39 Graus de liberdade
73
2º Caso: Análise por meio de gráficos normais.
Técnica alternativa para verificar quais dos efeitos são significativos
Baseia-se no conceito de probabilidade cumulativa Lembrando:
Uma variável aleatória x N ( , 2) obedece à equação
dx
e
(x
μ
)
2
/2
σ 2
]
σ
)
π
(2
1/2
1
[
f(x)dx
Curva de distribuição normal
74
Probabilidade Cumulativa
Probabilidade de se observar um valor da
variável aleatória “x” menor ou igual a
“x
1”, como ilustrado no gráfico abaixo.
Essa probabilidade aumenta à medida que “x” se desloca para a direita,tendendo para
1 quando x
Como fazer a representação da distribuição em
gráficos normais?
76
77
Voltando ao planejamento 2
41. Considerar os 15 valores como uma amostra aleatória retirada de uma distribuição aproximadamente normal, com média populacional zero.
2. Cada um dos valores representa 1/15 (6,67%) da área total da distribuição.
79 (3) Os efeitos principais (pontos 1, 2 e 3) e o de interação 12 são significativos, pois encontram-se afastados da reta dos pontos centrais.
(1) Os pontos centrais ajustam-se a uma reta que cruza o ponto zero do eixo das abscissas;
(2) Os pontos vindos de uma população normal de média zero. Logo, representam efeitos sem nenhum significado físico.
80
• Gerar um Planejamento 2
3• Calcular os efeitos e interpretar
• Utilizar gráficos normais para avaliar
significância dos efeitos
Planejamento Fatorial Utilizando
o Programa Estatística
81 Um pesquisador, no desenvolvimento de um método analítico para determinação de metais em óleos lubrificantes usados, estava interessado em avaliar a influência de três variáveis relacionadas ao procedimento de digestão, na exatidão do método. A resposta estudada foi a recuperação obtida após adição de concentrações conhecidas dos metais em uma amostra de óleo usado (isto é, a resposta ótima seria 100%). Os fatores estudados foram: tipo de ácido (TA), concentração dos ácidos (CA) e tempo (t). Com base nesses dados o que você pode concluir?
Exemplo Prático
82
83
Para entrar no módulo de Planejamento de
experimentos (DOE)
• Abrir o Statistica e criar uma nova pasta de trabalho [File-
New-Workbook]
• Selecione “Insert empty spreadsheet”, antes de clicar ok
1
84 SELECIONE Para gerar o planejamento Nº de fatoresGerar um
planejamento 2
3em
duplicata
2
3
85 Para adicionar repetições e colunas para a variável dependente Após selecionar estas opções, clique em “Summary display design”,
4
5
86 Valores da resposta obtidas, após execução dos experimentos Planejamento Gerado6
Pode-se editar os rótulos de cada variável dando doiscliques em cada coluna.
87
Com um clique com o botão direito, selecione a
opção “Extract as
stand-alone windows”. Em
seguida, “original”
File Save As “Nome do planejamento”
7
88
Para analisar o planejamento
•Abrir o arquivo “ Nome do Planejamento”
•Adicionar ao Workbook (Add to workbook)
New workbook
•Habilitar a planilha como ativa.
Botão direito do mouse sobre o nome do
arquivo na árvore, clique na opção “
use as active
input
”
•Abrir o módulo “
Statistics
/
Industrial Statistics & Six
Sigma
/
Experimental Design (DOE)
”
89 90
91
Voltar para o módulo “
Quick
”
Selecionar “Summary Effects estimates”
92
Como há feitos de interação de terceira ordem
significativos, deve-se fazer a interpretação conjunta no cubo
Escolher as variáveis para o cubo 93 CA=(33,7-24+14,65-12,25)/4=3,025 Para girar o cubo. 94