Uso do delineamento de experimento em uma aplicação

didática para engenharia

CARDOSO, Álvaro Azevedo, PhD. (Unitau). alvaroacardoso@yahoo.com.br
Doutor CHAVES, Carlos Alberto. (Unitau).carlosachaves@yahoo.com.br
SANTOS, Silvio N (Unitau) silvionu@gmail.com.
Programa de Mestrado Profissional em Engenharia Mecânica da Universidade de Taubaté

RESUMO

Este artigo revisa a conceituação sobre delineamento de experimentos com

foco nos métodos de Taguchi apresentando de forma sucinta pontos importantes
nessa temática. Apresenta como estudo de caso didático muito usado nos cursos de
six sigma. O trabalho é um fragmento de dissertação focada na aplicação do DOE
em uma empresa de próteses cirúrgicas. O uso das técnicas de Taguchi se justifica
pelo numero reduzido de experimentos com resultados ótimos representando
economia de tempo e redução de custos e respostas na direção de projetos
robustos mesmo em condições não ideais.

Palavras-chave: Planejamento de Experimentos, Taguchi, Catapulta

1 INTRODUÇÃO

1.1 O planejamento de experimentos

O controle estatístico de processos tenta “manter” o processo em faixas de

controle denominadas limites de controle. A média do processo não coincide com a
dimensão nominal especificada pelo projeto. Para tentar se manter e trabalhar com as
dimensões nominais, devem-se realizar experimentos com as variáveis envolvidas no
processo e observar as respostas neles obtidas. Tais experimentos têm justamente por
objetivo:
1. Determinar os fatores que influenciam na saída do processo.
2. Ajustar e fixar os fatores controláveis para se obterem respostas dentro dos
valores que, normalmente, sejam os valores nominais especificados em projeto.
(CALEGARE, 2001)
3. Tornar o projeto robusto, sendo mais robusto quanto menos for impactado
por fatores de ruído interno ou externo. A robustez de um produto ocorre
mais função de um bom projeto que da rigidez dos controles dos processos
de fabricação. (BOX, HUNTER e HUNTER, 1978)
O planejamento de experimentos, por conseguinte, é usado para aperfeiçoar
o processo, aproximando os valores de saída aos requisitos nominais, igualmente,
para reduzir a variabilidade e os custos totais. Em projetos, usa-se, para selecionar
parâmetros que tornem o projeto robusto, avaliar materiais alternativos e fixar os
parâmetros-chave do projeto, ou seja, os parâmetros que impactam no
desempenho do produto. (CALEGARE, 2001)
 A idéia de projeto robusto é derivada dos ensinamentos do Dr. E W Deming,
quando introduziu o controle robusto de processo na indústria automobilística japonesa,
na década de 50. A metodologia de Deming refina o processo, sugerindo um robusto
controle final da linha de manufatura.
Um projeto é considerado robusto quando emite uma ótima resposta aos
fatores de sinal não importando os ruídos externos e com o mínimo de ruído interno.
Em outras palavras o desempenho de saída é o melhor possível inclusive em
condições não ideais.
A Figura 1 relaciona alguns estudiosos do projeto de experimentos. Pode-se
observar que, até os anos 70, estudos experimentais eram construídos
considerando-se regras combinatórias. O DOE clássico foi desenvolvido por Sir
Ronald A. Fisher em 1920, na estação de pesquisa agrícola de Rothamsted em
Londres. Após 1970, os experimentos passaram a se realizar, usando-se
algoritmos de otimização. (ANTONY, 2006)
Taguchi desenvolveu seus métodos em meados da década de 50; sua
abordagem experimental, porem, foi introduzida nos Estados Unidos na década de 80.
(LOUVET, 2005)

Figura 1 Cronologia do DOE adaptado de Louvet (2005)

Maghsoodloo et al. (2004) explicam que Taguchi proporciona quatro

contribuições significativas à engenharia de qualidade:
1- Função perda quadrática (QLF).
2- Projeto de parâmetros e tolerâncias (TPD).
3- As relações sinal-ruído em um projeto robusto (SR).
4- Arranjos Ortogonais, ou Taguchi’s AO, embora muitos projetos
experimentais baseados em matrizes como os quadrados latinos tenham
sido desenvolvidos por outros estudiosos.
 Antony (2006) reconhece quatro situações onde o método Taguchi tem aplicação
estrategicamente mais adequada, baseando-se em uma lista de problemas:
1- Compreensão rápida do processo e resposta rápida à gerência.
2- Identificar fatores de robustez e de ruído como fontes de variação no
processo.
3- Redução da variabilidade em torno do valor-meta especificado e
quantificar a perda associada à variabilidade.
4- Ajuste das tolerâncias dos parâmetros críticos do projeto/processo com
obtenção da variável resposta desejada.
Montgomery (2001) afirma que os métodos de Taguchi usam geralmente três
ou mais níveis nos parâmetros do projeto/processo para estimar interações potenciais
não-lineares dos efeitos investigados. O DOE Clássico incentiva os engenheiros a
estudarem os parâmetros do processo em dois níveis, de modo que os parâmetros
críticos do projeto/processo são identificados na fase de análise.

1.2 A função perda de Taguchi (QLF)

A essência filosófica do método Taguchi é sua característica de prevenção.

Taguchi mostra que há uma perda para a sociedade quando a característica
funcional de um produto “y” se desvia do valor nominal “m”, tal perda de qualidade é
minimizada se o desempenho estiver no projeto nominal; quando o desempenho se
desvia para mais ou para menos da especificação nominal, a perda cresce. (ROSS,
1991).
A perda para a sociedade causada pelo desvio equivale a zero quando y = m; a perda
aumenta quando o valor da característica funcional se desloca de m tanto para valores
maiores quanto para menores. Um atributo da função-perda é auxiliar na fixação de
tolerâncias de fabricação. ROSS (1991)

Figura Gráfico da função perda x desvio da nominal (m) FOWLKES e CREVELING

Considere-se que uma perda devido a uma não - conformidade seja A. A função-
perda designada por L(y) é derivada de uma série de Taylor, em torno do valor
nominal m:
A k

σ
2
L( y ) = = L (m) + [L’ (m)/1!](y-m) + [L’’ (m)/2!](y-m) 2 +…] (1)
∆
2 k
k =1

Visto que L(y) = 0 quando y = m (ou seja, a perda da qualidade é zero quando y =
m, valor nominal, N, conforme Taguchi atinge-se o valor mínimo da função neste
ponto ver figura 4, sua primeira derivada com relação a m, L'(m), é zero. Os dois
primeiros termos da equação (1), por conseguinte, são iguais à zero. Quando se
desprezam os termos de ordem superior a 2, a equação fica reduzida a:
 L(y) = k (y-m) 2 (2)

Onde k é uma constante de proporcionalidade desconhecida que pode ser calculada

por meio do conhecimento da L(y) para algum valor de y. É normal obter-se a
constante k pelo conhecimento das perdas causadas ao ultrapassarem-se as
tolerâncias (custos ou perdas representadas por refugo ou retrabalho). ROSS (1991)
FENG e BALUSU (1999)

1.3 Desenvolvendo um Produto ou Processo Robusto

Taguchi considera o projeto do produto-processo como um esforço em três

etapas:
1. Projeto do Sistema
2. Projeto dos Parâmetros
3. Projeto das Tolerâncias
O projeto do sistema consiste na fase de criação de novos conceitos, idéias e
métodos, utilização de conhecimentos científicos e tecnológicos pela equipe de projeto
para determinar a combinação correta dos materiais, das peças, dos processos e dos
fatores de projeto que satisfarão às especificações funcionais e econômicas. Em
resumo, o time de projeto verifica uma variedade de concepções e tecnologias com o
objetivo de obter a função desejada do produto. (ROSS, 1991)
A fase do projeto de parâmetros é importante no sentido de aperfeiçoar a
uniformidade do produto. Os parâmetros em um projeto de produto ou processo são
estabelecidos para que o desempenho se torne menos sensível às causas de
variabilidade. Segundo Dean (1991), o problema é escolher o parâmetro adequado.
Por exemplo, o estudo de 13 parâmetros de projeto em 3 níveis requer 1.594.323
ensaios (313).
As visões de Taguchi para o projeto do parâmetro fornecem aos coordenadores
de projeto um método sistemático e eficiente para determinar os melhores parâmetros
,objetivando desempenho e custo otimizados e selecionando a melhor combinação de
parâmetros de controle de modo que o produto ou o processo se tornem robustos em
relação aos fatores de ruído. ((KACKAR, 1985); (TAGUCHI, 1986); (PHADKE, 1989)).
O projeto das tolerâncias deve ocorrer quando as tolerâncias para produtos ou
processos forem importantes na minimização dos custos de manufatura e maximização
da vida do produto ou do processo. Usa-se o projeto de tolerâncias para ajustar as
tolerâncias dos fatores que têm maior influência na variação. O ajuste é feito após a fase
do projeto de parâmetros, se os valores-alvo da qualidade não forem atingidos. A
estratégia idealizada e sugerida por Taguchi é “apertar” as tolerâncias dos parâmetros
dos produtos ou processos, reduzindo conseqüentemente a variabilidade no
desempenho do produto ou processo. (DEAN, 1991)
Deming (1997) enfatiza que “o uso mais importante de uma função-perda é
evoluir e passar do mundo de conformidade com as especificações para o mundo de
redução contínua da variação, através da melhoria de processos.” Em seguida, ele cita:
“Há que se mencionar que a função-perda não precisa ser exata. Na verdade, não
existe o que se chama de função exata. Os custos são previsões grosseiras que
servem, porém, ao objetivo pretendido”.
1.4 Experimentos Ortogonais de Taguchi

Segundo Ross (1991), os arranjos ortogonais se constituem numa invenção

matemática cujo registro mais antigo data de 1897. O valor real da utilização do arranjo
consiste na capacidade de avaliar diversos fatores com um número mínimo de testes
(ensaios). Considera k fatores, com n níveis cada e testa todos os níveis de cada fator
de uma maneira equilibrada.
Os arranjos ortogonais de Taguchi são identificados com a letra “L” porque foram
desenvolvidos com base nos quadrados latinos ou “latins square”. (ANTONY e
ANTONY, 2001)
O número de experimentos normalmente é reconhecido pelo índice que
acompanha a letra “L”; um experimento L9, por exemplo, significa um experimento
com nove (9) ensaios, sem considerar repetições. O L9, porém, é o menor plano
equilibrado de experimentação; é representado, também, pela potência 34
significando que possui 4 fatores e 3 níveis. (ROSS, 1991)
O projeto de experimentos ortogonais de Taguchi é usado para variar e testar
sistematicamente os diferentes níveis em cada um dos fatores do controle. Os
arranjos ortogonais mais usados são o L4, o L9, o L12, o L18, e o L27. As colunas no
OA indicam os fatores e seus correspondentes níveis, e cada “linha” constitui um
ensaio experimental que será executado nos ajustes dados do fator.

Pesquisadores criticam o desempenho dos arranjos ortogonais,

considerando-os como experimentos fatoriais fracionados altamente saturados com
repetição. Os arranjos ortogonais são usados para estudar vários fatores individuais
que ocupam todas as colunas da matriz, porem, os efeitos principais são os que
mais interessam. (ANTONY, 2001)
A TABELA 1 resume os principais experimentos de Taguchi, relacionando o
numero de fatores, níveis e quantidade de colunas considerando as interações.
TABELA 1 Quadro dos Arranjos Ortogonais Padrão de Taguchi
Arranjo Número de Nº. Máximo de
Nº. Máximo de Colunas e seus Níveis
Ortogonal ensaios Fatores
L4 4 3 2 3 4 5
L8 8 7 3 - - -
L9 9 4 - 7 - -
L12 12 11 - 4 - -
L16 16 15 11 - - -
L18 18 8 - - 5 -
L25 25 6 1 7 - -
L27 27 13 - - - 6
L32 32 31 1 13 - -
L36 36 23 1 - 9 -
L50 50 12 3 13 - -
L54 54 26 1 - - 11
L64 64 63 1 25 - -
L81 81 40 - - 21 -

1.5 Interpretação da ANOVA em experimentos de Taguchi

A análise da variância consiste em uma técnica matemática na qual a variação

total é decomposta em seus componentes apropriados. O número de fatores
determina o tipo de análise a ser realizada, bem como seus graus de liberdade. Um
grau de liberdade, no sentido estatístico, está associado a cada parcela de informação
que é estimada dos dados. (ROSS, 1991)
Obtem-se a variabilidade total dos dados pela soma dos quadrados dos desvios
do valor médio. Estima-se, assim, a contribuição de cada parâmetro e do residual com
relação à variabilidade. (ROSS, 1991).
Nesse caso, pode-se escrever uma equação para a variação total:
n
SQ T = SQ A + SQ B + SQ C + SQ AB + SQ AC + SQ BC + SQ ABC + SQ e
T2
SQT = yi2 − (3)
i =1 n

Para se calcular a variação do fator A, usa-se a equação 4; para B e C, o

raciocínio é semelhante ao do fator A, alterando adequadamente as incógnitas na
equação.

( A1 − A2 ) 2
SQ A = (4)
N
A variação da interação AB calcula-se por meio da equação 5. A variação
das interações AC e BC usam raciocínio similar, dispondo-se as incógnitas
adequadamente na equação segundo as combinações da interação que se deseje
calcular.
n
( AB )i 2 T2
SQ AB = − − SQ A − SQB (5)
i =1 n ABi n

A variação devido à interação ABC pode ser obtida por:

n
( ABC )i 2 T2
SQ ABC = − − SQ A − SQB − SQC − SQ AB − SQ AC − SQBC (6)
i =1 n( ABC )i n

A TABELA 2 resume o conjunto de equações utilizadas no calculo da anova

TABELA 2 Análise de Variância, adaptada de Montgomery e Runger (2003)

Fonte de Variação Soma Quadrática DF Média Quadrática
m ni _
SQR
Regressão SQR = ( ÿi − y ) 2 (07) p-1 MS R = (08)
i j DFR
SQe
Resíduos SQe = SQlof + SQ pe (09) n-p MSe = (10)
DFe
m ni _ SQlof
Lack of Fit SQlof = ( ÿi − yi ) 2 (11) m-p MSlof = (12)
i j DFlof
m ni _ SQ pe
Pure Error SQ pe = ( y ij − yi ) 2 (13) n-m MS pe = (14)
i j DFpe
m= nº. de níveis distintos das variáveis independentes; p= nº. de parâmetros do modelo.
n= nº. de experimentos,
 Domenech aconselha que se deva realizar o controle estatístico do processo e
que também deva existir um ensaio prévio de R&R como antídoto a erros nos esforços de
planejamento de experimentos. O CEP segundo Domenech evita efeitos sistemáticos
imprevisíveis que alteram a média do processo. O teste de R&R irá garantir que a
medição da variável resposta não apresente grande variação. DOMENECH (2004)

2 METODOLOGIA

2.1 Um Arranjo Ortogonal de Taguchi

Diversos pesquisadores têm proposto o estudo dos métodos DOE, através de

experimentos singulares, usando equipamentos simuladores e jogos lúdicos.
Helicópteros de papel, engenhocas que simulam tacos de golfe e um equipamento
conhecido como catapulta são os artefatos usados pelos estudiosos. ((SCHUBERT,
1992); (ANTONY e CHENG, 2003); (ANTONY, CHOU e GHOSH, 2003))

Lye (2005) informa que o simulador da catapulta, essencialmente, arremessa

esferas de vários tipos de materiais. A catapulta pode ser usada para a investigação
de diversos fatores que afetarão a distância atingida pela esfera. Pelo menos seis
fatores podem ser estudados. O objetivo do experimento é conhecer que distância
atingirá a esfera em função do ajuste de parâmetros. Um segundo objetivo para o
experimento da catapulta poderá ser investigar a altura máxima alcançada pela
esfera.
Alguns pesquisadores criam seus próprios equipamentos com o suporte de
programas exclusivos e dedicados. Existem também simuladores virtuais como o X-
pult. Um modelo comercial de catapulta é apresentado na Figura 3.

Figura 3 Modelo de catapulta adaptado de Louvet (2005)

Pode-se observar, na figura, que cada fator possui três posições. Escolheu-se
um experimento L9 para investigar as respostas. Consequentemente ajustam-se os
parâmetros para a melhor resposta. A resposta que se pretende obter é qual a
maior distância atingida pela bola, em função dos ajustes da posição do elástico,
stop, bola e ângulo devido ao posicionamento em D1, D2 e D3. Cada experimento
realizado em ordem aleatória combinará os quatro fatores em seus três níveis,
conforme o plano mostrado na Tabela 3.
 TABELA 3 Diagrama de contrates do experimento obtido no Modde8®
Exp. Nº Posição do Elástico Posição do Projétil Posição do stop Posição Angular
1 1 1 1 1
2 1 2 2 2
3 1 3 3 3
4 2 1 2 3
5 2 2 3 1
6 2 3 1 2
7 3 1 3 2
8 3 2 1 3
9 3 3 2 1

A Tabela 4 mostra as distâncias obtidas; em cada ensaio, usaram-se nove

repetições.
TABELA 4 Distâncias obtidas com a catapulta. FONTE: acervo do autor.

Ensaio N1 N2 N3 N4 N5 N6 N7 N8 N9 N10
1 283 265 334 279 293 268 280 274 241 293
2 236 258 245 268 247 266 248 260 255 236
3 190 195 191 183 184 182 188 192 192 190
4 383 356 289 355 373 304 388 345 372 302
5 309 322 309 313 303 334 310 318 298 300
6 191 178 169 168 170 166 166 165 169 179
7 383 346 375 421 332 353 362 324 443 342
8 221 202 207 209 280 231 269 268 241 239
9 207 234 248 237 247 231 244 244 268 248

RESULTADOS

A Tabela 5 mostra a análise de variância do experimento. Observar que o “p-

value” com valor zero para a regressão informa que a reta de ajuste é significante em
95% , podendo-se deduzir também que o modelo é estatisticamente representativo. O
valor zero para a linha “lack of fit” significa que o teste de falta de ajuste é significativo.
TABELA 5 Anova para o ensaio da Catapulta FONTE: acervo do autor.
Graus de Soma Desvio
Variância F p
Liberdade Quadrática Padrão
Total 90 6,79E+06 75410,2
Regressão 4 344043 86010,6 131,336 0 293,28
Resíduo 85 55665,5 654,888 25,591
Lack of Fit 4 13204,4 3301,11 6,29731 0 57,455

A Figura 4 mostra os gráficos de regressão de PE, PP e PS, quanto mais a

curva tender a 90º, mais crítica é a relação fator x resposta. Por exemplo, com
relação à posição do projétil, observa-se que ocorre uma redução na distância à
medida que se posiciona o projétil em três.
 Figura 4 Regressão para os três fatores com a catapulta. Obtido no Modde8®.

4 CONCLUSÕES
O gráfico indica que, à medida que se posiciona o elástico em A3, a distância
alcançada é maior; por sua vez, a posição do projétil nos experimentos realizados
mostra que, ao se colocar o projétil em B3, atingem-se distâncias menores; por fim,
a posição de “stop” do lançador levam à distâncias maiores à medida que se evolui
de uma posição C1 para a posição C3.
Seguindo o raciocínio, a determinação nº. 7, com PE em A3, PP em B1 e PS
em C3 é a que mostra parâmetros mais robustos e médias de distâncias maiores
que em outros ensaios, devendo, portanto, ser o conjunto de variáveis ajustadas no
controle do processo.
Os métodos de Taguchi oferecem uma vantagem substancial exigindo poucos
experimentos apresentando apesar disto resultados robustos comparando-se aos
oferecidos por outros softwares ou experimentos afins.
A atividade da catapulta é uma aplicação altamente didática para a verificação
de qualquer delineamento seja fatorial, em blocos ou Taguchi como preconizou-se
neste artigo.
Referências Bibliográficas

ANTONY, Jiju. Taguchi or classical design of experiments: a perspective from a practitioner, Emerald
(ISSN 0260-2288) 2006 acesso em 04/01/2007 as 16:00 link: www.emeraldinsight.com/0206-
2288.htm
ANTONY, J; CHENG, Alfred Ho Yuen Training for Shainin's approach to experimental design using a
catapult Journal of European Industrial Training; 2003; 27, 8/9; ABI/INFORM Global pg. 405

ANTONY, Jiju; CHOU, Tzu-Yao; GHOSH, Sid. Training for design of experiments Work Study;
2003; 52, 6/7; ABI/INFORM Globalpg. 341

ANTONY,Jiju e ANTONY Frenie J. Teaching the Taguchi method to industrial engineers. Work
Study ;2001;50,141/149.MCB University Press – ISSN 0043-8022

CALEGARE, Alvaro J A. Introdução ao delineamento de experimentos 1ª ed. Ed Edgar Blucher SP

2001

DEAN, Edwin B. Taguchi approach to design optimization for quality and cost:An overview. Presented
at the 1991 Annual Conference of the International Society of Parametric Analysts. 1991

DEMING, W Edwards. Qualidade: A revolução da Administração. Rio de janeiro, Ed. Saraiva, 1990.

DOMENECH, Carlos. Como fazer um DOE com sucesso. Parte 1: conceituação e planejamento.
Falando de Qualidade. Ed. Banas 2004. Disponível em www.statistical.com.br/artigos.asp acesso em
dezembro de 2006.

FOWLKES, Bill and CREVELING,Clyde M. Robust Design: Taguchi Methods for Practitioners. Kodak
Educational Resourses. 1993

KACKAR, Raghu. Off-Line Quality Control, Parameter Design, and the Taguchi Method, Journal of
Quality Technology, Vol. 17, No.4, 1985, pp. 176-188.

LYE L. M. Tools and Toys for teaching Design Of Experiments Methodology. 33rd Annual General
Conference of the Canadian Society for Civil Engineering. Toronto, Ontário, Canadá June 2-4, 2005

LOUVET François, DELPLANQUE Luc, Les Plans d'Expériences : une approche pragmatique et
illustrée : Design of Experiments : the French touch (Broché) Expérimentique, França, 2005. 200p

MAGHSOODLOO Saeed, OZDEMIR Gultekin, JORDAN Victoria e HUANG Chen-Hsiu, Strengths and
limitations of Taguchi’s contributions to quality, manufacturing and process engineering. Journal of
Manufacturing Systems. Vol 23, No 2, (2004)

MONTGOMERY Douglas C . Design and analysis of experiments. 5ªed. John Wiley. NY. USA. ISBN 0-
471-31649-0. 2001. 600pp.

PHADKE, S. M., 1989. Quality Engineering Using Robust Design, Prentice Hall, Englewood Cliffs, N.J.

ROSS, Philip J. Aplicações das tecnicas de taguchi na engenharia da qualidade. Macron Books RJ
1991

SCHUBERT, KIM, KERBER, MARTIN W., SCHMIDT, S R. and JONES, S. E., “The Catapult Problem:
Enhanced Engineering Modeling Using Experimental Design” Quality Engineering, 4, 463 (1992).

TAGUCHI, G., 1986. Introduction to Quality Engineering , Asian Productivity Organization (Distributed by
American Supplier Institute Inc., Dearborn, MI).