Escolar Documentos
Profissional Documentos
Cultura Documentos
Modulo 1
Planejamento Fatorial
Belm
2013
EXPERIMENTOS FATORAIS
CONSIDERAES INICIAIS
O experimento com um nico fator o tipo mais simples de experimento. Neste caso,
estamos interessados em saber se existe influncia de um determinado fator nos resultados do
processo, sendo os outros fatores mantidos nos mesmos nveis conhecidos. O experimento vai,
ento, ser desenvolvido variando-se apenas esse fator no qual estamos interessados.
necessrio que o experimento seja executado numa ordem aleatria e que o ambiente seja
o mais uniforme possvel. Assim, o experimento chamado de completamente randmico ou
aleatorizado.
Podemos adotar um dos dois modelos: Efeitos fixos ou efeitos aleatrios.
Efeitos Fixos: O pesquisador escolhe a priori o fator e as seus nveis a serem utilizados no
experimento.
Efeitos Aleatrios: Os nveis do fator so escolhidos ao acaso (por sorteio), dentre uma
grande populao de nveis.
Para exemplificar a vantagem do experimento fatorial sobre aquele com um nico fator,
vamos imaginar 2 fatores A e B, em dois nveis (A1 e A2 ; B1 e B2 ). No caso de experimento com um
nico fator, variaramos cada fator de cada vez, a partir da combinao do A l e Bl, e teramos a
seguinte tabela com os resultados:
Fator B
B1
B2
A1
A1 B1
A1 B2
Fator A
A2
A2 B1
Como sempre h um erro experimental, desejvel que sejam executados pelo menos dois
ensaios para cada combinao de tratamento e que sejam utilizadas as respostas mdias obtidas.
Desta forma, teramos de realizar 3 x 2 = 6 ensaios.
Se usssemos o experimento fatorial, s seriam necessrios 4 ensaios (os 3 mostrados na
tabela anterior acrescidos da combinao A2 B2 ). Assim, usando apenas 4 ensaios, poderamos obter
2 estimativas do efeito de A:
(A2 . B1 , - A1 . B1 ) e (A2 . B2 - A1 . B2 )
Poderamos, tambm, obter 2 estimativas do efeito de B:
(A1 . B2 , - A1 . B1 ) e (A2 . B2 A2 . B1 )
Assim, a eficincia relativa desse experimento fatorial sobre o de nico fator de: 6/4 = 1,5.
ORDEM DE REALIZAO DOS ENSAIOS
O experimento completamente randmico exige que a ordem de realizao dos ensaios seja
determinada atravs de sorteio e que os lotes e corpos de prova tambm sejam selecionados por
sorteio. Cozinhando
Quadro 1: Resumo de Formulas
Soma de
Quadrado
Entre Colunas
(a-1)
SQC
Entre Linhas
(b-1)
SQL
Residual
(a-1). (b-1)
SQR
Total
a.b-1
SQT
Quadrado Mdio
Fcal
REGRA DE DECISO
Se:
e
No Rejeita-se H0 , ou seja, no existe diferena entre os tratamentos.
Se:
ou
Rejeita-se H0 , ou seja, existe diferena entre os tratamentos.
EXPERIMENTOS FATORIAIS
Segundo Montegomery (2001), um experimento planejado um teste, ou srie de testes, no
qual so feitas mudanas propositais nas variveis de entrada de um processo, de modo que
podermos observar e identificar mudanas correspondentes na resposta de sada.
Aplicao dos Planejamentos Experimentais na Indstria so fundamentais para
desenvolvimento de novos produtos e para o controle de processos. Nesta rea comum aparecer
problemas em que se precisam estudar vrias propriedades ao mesmo tempo e estas, por sua vez,
so afetadas por um grande nmero de fatores experimentais. papel de tcnicas de planejamento
de experimentos, auxiliar na fabricao de produtos com melhores caractersticas, na diminuio do
seu tempo de desenvolvimento, aumentar a produtividade de processos e minimizar a sensibilidade
a fatores externos (NETO et al., 2001).
Para Neto et.al (2010), o experimento fatorial apropriado quando dois ou mais fatores
esto sendo investigados em dois ou mais nveis e a interao entre os fatores pode ser importante.
Como exemplo, imagine querer estudar o efeito do fator temperatura em quatro nveis, 50C, 60C,
70C e 80C, e o efeito do catalizador em trs nveis, os catalizadores A, B e C. Para fazer um
planejamento completo, deve-se realizar experimentos em todas as possveis combinaes dos
nveis de fatores.
FATORIAL 2X2
O tipo mais simples de experimento fatorial o que estuda dois fatores, em dois nveis.
So os chamados fatoriais 2 X 2 (l-se: dois por dois). Como exemplo, imagine que esto
sendo comparadas duas drogas para alvio de cefaleias: uma nova, outra padro (no caso, a
aspirina). Se forem estudados dois nveis de cada droga (presena ou ausncia, ou seja, doses 1 ou
0), os tratamentos em comparao sero quatro:
1. Controle (sem nenhuma droga);
2. Nova droga;
3. Aspirina;
4. Nova droga e aspirina.
Os experimentos fatoriais 2 X 2 envolvem dois fatores em dois nveis, ou seja, existem dois
nveis de A e dois nveis de B. So, portanto, 22 = 4 tratamentos. Se os nveis de A e B forem zero e
um, isto , presena ou ausncia, os tratamentos so os seguintes:
1. A0 B0 , ou seja, controle;
2. A0 B1 , ou seja, tratamento B, somente;
3. A1 B0 , ou seja, tratamento A, somente;
4. A1 B1 , ou seja, tratamentos A e B.
Para tornar o problema mais concreto, suponha que A irrigao e B calagem. Os
tratamentos seriam:
1. Controle ou testemunha (A0 B0 );
2. Calagem (A0 B1 );
3. Irrigao (A1 B0 );
4. Calagem e irrigao (A1 B1 ).
(Exemplo do Livro Anlise de Varincia de Sonia Vieira) Tabela 1 poderiam ter sido obtidos em
um experimento fatorial 2 X 2 para analisar o efeito da calagem e da irrigao sobre o peso de
plantas. Cada tratamento tem trs repeties. A anlise de varincia, apresentada na Tabela 1,
mostra um valor de F significante ao nvel de 5%. Ento, os pesos das plantas cultivadas com os
diferentes tratamentos so estatisticamente diferentes.
Tabela1: Peso de Plantas Cultivadas segundo o Tratamento.
Tratamentos
A0 B0 A0 B1 A1 B0
25
35
41
32
28
35
27
33
38
A1 B1
60
67
59
QM
696
13,5
F
51,56
B1
A0
25
32
27
35
84
28
96
33
Total
Total
B1
41
35
38
60
67
114
198
186
289
59
180
300
480
GL
1
1
1
3
8
11
SQ
1200
588
300
2088
108
2196
QM
1200
588
300
696
13,5
-
F
88,89
43,56
22,22
51,56
-
Os valores de F, tanto para A como para B, so significantes ao nvel de 5%. Mas o valor da
interao A X B tambm significante, ao mesmo nvel de 5%. Recomenda-se, ento, comparar os
nveis de B dentro de cada nvel da A. No caso do exemplo:
1. Comparar o uso de calagem (B0 com B1 ), quando no se faz irrigao (A0): (A0 B0 com A0 B1 );
2. Comparar o uso de calagem (B0 com B1 ), quando se faz irrigao (A1): (A1 B0 com A1 B1 ).
Tambm podem ser comparados os nveis de A, dentro de cada nvel de B. No caso do exemplo:
3. Comparar o uso de irrigao (A0 com A1 ), quando no se faz calagem (B0): (A0 B0 com A1 B0 );
4. Comparar o uso de irrigao (A0 com A1 ), quando se faz calagem (B1): (A0B1 com A1B1).
Teste Tukey
As mdias de tratamentos para os dados da Tabela 2 esto na Tabela 8.5. Essas medias podem ser
comparadas por meio do teste de Tukey. Ao nvel de 5%, o valor da diferena mnima significante
para a aplicao desse teste :
A0 (Sem irrigao)
28
32
1. A irrigao tem efeito sobre o peso das plantas, com ou sem calagem;
2. O efeito da irrigao maior, quando feita calagem.
As pesquisas nem sempre tm, como objetivo, testar a interao. Muitas vezes, j se sabe se a
interao existe. No caso do exemplo, se o objetivo for comparar os efeitos de B dentro de cada
nvel de A, razovel desdobrar a anlise de varincia. Ento, preciso calcular:
GL
SQ
QM
A
B dentro de A0
B dentro de A1
Tratamentos
Resduo
1
1
1
3
8
1200
24
864
1200
24
864
88,89
1,78
64
2088
108
696
13,5
51,56
-
Total
11
2196
importante saber que a anlise de varincia apresentada na Tabela 4 poderia ter sido
desdobrada de outra forma: poderiam ter sido comparados, por meio do teste F, os efeitos de A
dentro de cada nvel de B. A anlise de varincia similar que se descreveu (bastaria trocar A por
B e B por A). A maneira de desdobrar a anlise depende, porm, do objetivo da pesquisa.
FATORIAIS 3 X 3
Nos fatoriais 3X3 esto em comparao dois fatores (A e B) em trs nveis (ou doses).
Portanto, esto em comparao 32 = 9 tratamentos:
1. A0 B0 , ou controle;
2. A0 B1 , ou dose 1 de B;
3. A0 B2 , ou dose 2 de B;
4. A1 B0 , ou dose 1 de A;
5. A1 B1 , ou dose 1 de A e dose 1 de B;
6. A1 B2 , ou dose 1 de A e dose 2 de B;
7. A2 B0 , ou dose 2 de A;
8. A2 B1 , ou dose 2 de A e dose 1 de B;
9. A2 B2 , ou dose 2 de A e dose 2 de B.
Para entender como se faz a anlise de varincia de um experimento fatorial 3 X 3, considere os
dados apresentados na Tabela 7. A anlise de varincia est na Tabela 8.
Tabela 7: Dados de um Experimento Fatorial 3X3.
A 0 B0
37
31
34
A0 B1
41
42
37
A 0 B2
49
51
47
A1 B0
34
41
42
Tratamento
A1 B1
A 1 B2
31
41
25
48
28
43
A2 B0
25
30
23
QM
363,750
9,444
A 2 B1
14
19
15
A2 B2
23
19
21
F
38,52
B1
37
31
34
41
A1
102
42
120
37
49
B2
117
25
84
28
41
51
147
47
Total
34
41
42
31
A2
19
78
297
48
252
63
342
15
23
48
132
43
369
25
30
23
14
Total
19
21
333
189
891
GL
2
2
2
8
18
26
SQ
2016
450
444
2910
170
3080
QM
1008
225
111
363,75
9,444
F
106,73
23,83
11,75
38,52
As mdias de B dentro de cada nvel de A esto apresentadas na Tabela 11. Observe esses
resultados e compare-os com a diferena mnima significante calculada.
A1
34
40
49
A2
39
28
44
A3
26
16
21
1. Na ausncia de A (nvel zero de A, ou dose zero de A), as mdias para B0 (ausncia de B) e para
B1 so significantemente menores do que B2;
importante lembrar aqui que as mdias de A, dentro de cada nvel B, podem ser
comparadas desta forma e usando a mesma diferena mnima significante, j calculada.
Suponha que se quer criar um planejamento fatorial completo com dois fatores, temperatura
e concentrao, cada um a dois nveis, conforme mostra Tabela 12. O planejamento gerado deve ter
duas replicaes e deve estar na ordem padro de execuo.
Tabela 12: Planejamento Fatorial Completo com Dois Fatores, Temperatura e Concentrao.
Nveis
Temperatura (C)
Concentrao (%)
Baixo (-)
0
10
Alto(+)
30
20
1) 2-Level factorial (default generators): seleciona-se esta opo quando deseja-se criar
planejamentos fatoriais com fatores em dois nveis, com os geradores padro;
2) 2-Level factorial (s pecify generators): seleciona-se esta opo quando desejasse criar
planejamentos fatoriais com fatores em dois nveis e se quer especificar os geradores;
4) General full factorial design: seleciona-se esta opo quando deseja-se criar planejamentos
fatoriais completos quando pelo menos um dos fatores possuir mais de dois nveis.
A escolha de trabalhar com este exemplo tem motivos prticos, pois cada tipo de
planejamento possui suas prprias opes e janelas (mesmo que similares entre si). Na janela
inicial, tem-se os seguintes submenus: Display Available Designs, Designs, Factors, Options e
Results.
No submenu Display Available Designs, que aparece na Figura 3 mostrada uma tabela
para auxiliar na escolha do planejamento mais adequado, baseando-se no nmero de fatores e
execues que ele ter. Nesta tabela, os planejamentos esto classificados por cores como em um
semforo: vermelho (resoluo III) (cuidado, planejamento altamente fracionado), amarelo
(resoluo IV) (planejamento deve ser realizado com ateno) e verde (resolues V, VI, VII, VIII e
Full) (siga em frente, estes planejamentos so reconhecidos). Este submenu apenas um guia para a
escolha do menor planejamento, mas no h selees a serem feitas.
Number of center points: nesta caixa, entra-se com o nmero de pontos centrais
do planejamento;
Number of blocks: nela, entra-se com o nmero de blocos que o planejamento ter.
Fold Design: nesta opo, pode-se criar um planejamento invertido(fold ) que consiste do
planejamento original e uma cpia deste, mas com os nveis invertidos.
Esta opo utilizada quando se trabalha com planejamentos fatoriais fracionrios, pois neste
tipo de planejamento pode-se ter confundimento, isto , um ou mais efeitos no podem ser
estimados separadamente. Seleciona-se Do not fold, para no usar-se o planejamento invertido;
Fold on all factors para que o planejamento invertido possua os nveis invertidos de todos os
fatores e Fold just on factor, para
que somente do fator selecionado sejam invertidos os nveis.
Fraction: pode-se especificar qual ser a frao utilizada no planejamento, se ele for
fracionrio. Para utilizar-se a frao principal, seleciona-se a opo Use principal fraction e,
para utilizar-se outra frao, seleciona-se Use fraction number ;
Randomize runs: marca-se esta opo para tornar aleatria ordem de execuo do
planejamento. Na opo Base for random data generator, pode-se entrar com a semente da
ordem aleatria;
Store design in worksheet: marca-se esta opo para armazenar os dados do planejamento na
planilha.
Summary table,
alias table: sero exibidos resumo do planejamento, como na alternativa acima, e mais a
tabela de confundimento;
Summary table, alias table, data table: sero exibidos resumo do planejamento, a tabela de
confundimento e uma matriz de planejamento;
Summary table, alias table, data table, defining relation: sero exibidos o resumo do
planejamento, a tabela de confundimento, a matriz do planejamento e as relaes definidas
entre os fatores;
Interactions up through order: selecionado esta alternativa, pode-se definir a maior ordem de
interao que ter a tabela de confundimento exibida na Session Window.
Bibliografia
1. CALEGARE. A.J.A.; Introduo ao Delineamento de Experimentos. 1 Edio. So Paulo,
Brasil, 2001.
2. NETO. B.B.; SCARMINIO. I.S.; BRUNS. R.E. Como Fazer Experimentos. 4 Edio. Porto
Alegre, Brasil, 2010.
3. NETO. B.B.; SCARMINIO, I.S.; BRUNS, R.E. Como Fazer Experimentos: Pesquisa e
desenvolvimento na cincia e na indstria. Campinas, SP, Editora da Unicamp, 2001.
4. MONTGOMERY, D.C. Desing and analysis of experiments, 5th edition. New York, Willey,
2001.
5. VIEIRA, S. Anlise de varincia (ANOVA). 1 Ed. So Paulo: Atlas, 2006.