Você está na página 1de 19

Introduo ao DOE

Princpios bsicos e os primeiros passos para implementar um


experimento estatstico

Contedo
Introduo ........................................................................................................... 2
O que um DOE? .................................................................................................. 3
Os princpios bsicos.............................................................................................. 3
Um exemplo ...................................................................................................... 3
1. Aleatorizao ................................................................................................ 4
2. Replicao.................................................................................................... 4
3. Blocagem ..................................................................................................... 5
4. Anlise grfica .............................................................................................. 5
Implementao ..................................................................................................... 7
Um exemplo ...................................................................................................... 7
Como calcular os efeitos principais...................................................................... 10
Verificando se h interao entre os fatores ......................................................... 11
Como interpretar os resultados .......................................................................... 13
Como implementar no Minitab .............................................................................. 16
Prximos passos ................................................................................................. 17

Introduo ao DOE

INTRODUO
O objetivo deste material trazer para voc uma viso geral do que um DOE, seus
princpios bsicos e como implementar um experimento fatorial de maneira rpida e
eficiente.
Com isso voc poder conhecer melhor dessa metodologia que vem sendo amplamente
utilizada em todos os setores devido sua versatilidade e fcil compreenso (quando
aplicado corretamente).
Esperamos que esse ebook seja to til para voc quanto foi para centenas de leitores
do Blog da Melhoria da Escola EDTI.

Abraos,
Equipe Escola EDTI.

Introduo ao DOE

O QUE UM DOE?
DOE a sigla de Design of Experiments, termo em ingls que significa delineamento de
experimentos, ou seja, um conjunto de ferramentas estatsticas para planejar um
experimento de forma que possamos tirar o maior nmero de informaes possveis
acerca de um processo utilizando o mnimo de recursos e tempo.
DOE uma metodologia bsica dos cursos de estatstica, mas h algum tempo vem
sendo utilizado no s pela indstria, mas por qualquer profissional que deseja melhorar
seu processo devido sua ampla aplicao. Por exemplo, o profissional de marketing que
deseja escolher entre duas campanhas pode utilizar um teste A/B para decidir qual a
mais popular. Um engenheiro deseja reduzir a proporo de peas defeituosas em uma
linha de produo. Uma empresa de papel deseja reduzir a variabilidade da espessura de
suas folhas A4. Todos esses exemplos so aplicaes de DOE.

OS PRINCPIOS BSICOS
Existem 4 princpios bsicos de experimentao: aleatorizao, replicao, blocagem e
anlise grfica. Cada um deles tem sua fundamental importncia no delineamento de um
experimento e para facilitar a compreenso vamos introduzir um exemplo.

Um exemplo
Suponha que um engenheiro da Formula 1 queira testar o desempenho de duas
fornecedoras de combustvel em seus carros. Para isso, ele conta com a ajuda de dois
pilotos de teste para pilotar dois carros idnticos, mas combustveis diferentes e mede o

Introduo ao DOE

tempo de cada carro para completar uma volta em um determinado circuito. Vale
ressaltar que nenhum dos pilotos sabe qual combustvel est utilizando.

1.

Aleatorizao

Suponha que foi decidido que seria sempre o mesmo piloto a comear o teste seguido do
outro. Possivelmente o primeiro piloto teria a ansiedade de abrir a bateria de testes e o
segundo observaria a performance do primeiro para tentar melhor-la. Isso causa um
vis no experimento que no gostaramos que ocorresse. A soluo para esse problema,
amplamente difundida pelo estatstico Ronald Fisher, foi a aleatorizao.
Com isso, os rudos causados por esses pequenos vieses so minimizados. Quando
dizemos rudos causados pelo vis temos, por exemplo, a ansiedade de ser o primeiro e
a vontade de querer bater o tempo do outro piloto. Portanto, a melhor opo de
experimentao para o engenheiro foi aleatorizar qual piloto iria iniciar a bateria de
testes e tambm aleatorizar qual combustvel cada piloto usaria em cada rodada.

2.

Replicao

Falando em rodada, voc acha que seria suficiente para avaliar qual combustvel
melhor realizando apenas uma volta com cada carro? Ou seja, apenas uma rodada de
teste? A resposta claramente no! preciso verificar se o desempenho do combustvel
similar em vrias replicaes, ou seja, precisamos analisar a variabilidade do processo.
E para analisar a variabilidade so necessrias replicaes do experimento. Nesse caso,
a replicao seria anotar vrios tempos de volta completa por cada carro.

Introduo ao DOE

3.

Blocagem

Para aumentar a sensibilidade de um experimento sempre


importante reduzir a influncia de fatores que no so de
interesse na varivel resposta do estudo. Por exemplo, se voc
est interessado em saber em quanto um novo tipo de calado
(fator de interesse) para corrida pode influenciar o tempo que
um ser humano leva para correr 100m e voc ir utilizar
homens e mulheres e de vrias faixas etrias (fatores que no
so de interesse) no estudo seria interessante dividir as pessoas
em sexo e idade para que tenhamos tempos mais homogneos
entre os grupos. Em experimentao esses grupos so
chamados de blocos e a identificao deles denominada
blocagem. No nosso exemplo da Formula 1, a blocagem seria
considerar cada piloto como um bloco, afinal pilotos tem
desempenhos diferentes e ao analisar o tempo obtido com cada
combustvel poderamos ter o fator de confundimento ao no
segmentar os resultados por piloto.

4.

Anlise grfica

Ao final de cada experimentao teremos alguns dados que


precisam ser analisados. Uma das ferramentas estatsticas que
nos fornece um resumo dos dados a anlise grfica. Analisar e
comparar grficos muito mais fcil, intuitivo e visual do que
observar vrios nmeros espalhados em uma planilha. Vejamos

Figura 1: Anlise grfica do resultado do experimento dos


combustveis.

o resultado do experimento para testar dois tipos de combustvel


na Formula 1 no grfico ao lado.
Note que temos bastante informao em apenas um grfico.
Acima possvel notar que primeiro foi testado o combustvel X
e depois o combustvel Y. Veja que o desempenho dos pilotos
no interfere no resultado, pois a cada rodada o piloto de melhor
tempo aleatrio, ou seja, no possui um padro. No entanto, a
concluso do experimento fica clara nesse grfico. possvel
notar a diferena de desempenho entre os dois tipos de
combustvel, onde os pontos vermelhos parecem seguir um
padro abaixo dos pontos pretos. O que temos em um nico
grfico so evidncias de que o combustvel Y tem um melhor
desempenho do que o combustvel Xr tempo aleatrio, ou
seja, no possui um padro. No entanto, a concluso do
experimento fica clara nesse grfico. possvel notar a diferena
de desempenho entre os dois tipos de combustvel, onde os
pontos vermelhos parecem seguir um padro abaixo dos pontos

Figura 1: Anlise grfica do resultado do experimento dos

pretos. O que temos em um nico grfico so evidncias de que

combustveis

o combustvel Y tem um melhor desempenho do que o


combustvel X.

Introduo ao DOE

IMPLEMENTAO
Agora vamos implementar o experimento talvez o tipo mais popular de DOE: o
experimento fatorial.
Vamos ilustrar a implementao com um exemplo de um experimento fatorial 2^3. Ou
seja, temos 2 nveis para cada um dos 3 fatores, gerando 2x2x2=2^3=8 combinaes
de fatores. Os nveis sero denominados como + ou -, indicando o nvel mais baixo e
o nvel mais alto. Abaixo temos uma imagem que exemplifica bem o experimento fatorial
2^3. Do lado esquerdo temos todas as combinaes possveis e do lado direito um cubo
em que cada vrtice uma das combinaes da tabela ao lado.

Um exemplo
Vamos utilizar um exemplo do captulo de Delineamento Fatorial com 2 nveis do livro de
planejamento de experimentos de Box, Hunter & Hunter. Suponha que voc queira
estudar o rendimento em % de uma soluo produzida (resposta) realizando um

Introduo ao DOE

experimento fatorial 2^3 com dois fatores quantitativos,

Tabela 1: Dados do experimento fatorial

temperatura (C) e concentrao (%), e uma varivel


qualitativa, tipo de catalisador.
A tabela ao lado contem os valores do experimento. A tabela
superior informa os nveis dos trs fatores em questo:

Temperatura

Concentrao

Catalisador

160

180

20

40

temperatura, concentrao e tipo de catalisador. A tabela logo


Nveis dos fatores

abaixo mostra as combinaes possveis do planejamento e a


resposta obtida atravs da mdia de duas replicaes da

Temperatura

Concentrao

Catalisador

Rendimento

configurao. Os nmeros da tabela podem ser ilustrados no

160

20

60

cubo de delineamento mostrado anteriormente. O resultado

180

20

72

160

40

54

180

40

68

160

20

52

180

20

83

160

40

45

180

40

80

pode ser visto na figura a seguir.

Figura 2: Cubo de delineamento do experimento em questo.

Introduo ao DOE

Preciso mesmo desenhar esse cubo?


No. O cubo fatorial serve apenas como ferramenta de visualizao. O que voc precisa
mesmo dos dados da Tabela 1 para partir para a prxima etapa: calcular os efeitos
principais.

Como calcular os efeitos principais


Considere mais uma vez o exemplo ilustrado na seo anterior. Se fixarmos a
concentrao em 20% e a utilizao do catalisador A, podemos ver produo de soluo
a 160 graus de 60% e a 180 graus de 72%. Ou seja, uma diferena de 72 60 =
12% passando de 160 para 180 graus, mantendo os outros fatores fixos. Note que essa
diferena pode ser calculada para outras combinaes de fatores fixos. A mdia de todas
essas diferenas possveis denominada de efeito principal do fator. No caso da
temperatura, podemos ver todos os seus efeitos e o efeito principal resultante da mdia
desses na Tabela 2 ao lado.
Tabela 2: Efeitos da temperatura no experimento.

Concentrao

Catalisador

Rendimento
com T a 160

Rendimento
com T a 180

Efeito T+ - T-

20

60

72

72 60 =12

40

54

68

68 54 = 14

20

52

83

83 52 = 31

40

45

80

80 45 = 35

Efeito principal da temperatura (mdia dos


efeitos)

Introduo ao DOE

(12+14+31+35)/4 = 23

10

O mesmo clculo pode ser reproduzido para obter os efeitos principais da concentrao e
tipo de catalisador. Para isso, mantenha fixos os outros fatores e calcule a diferena
entre a resposta quando seu fator de interesse est no nvel + menos a resposta com
o nvel do fator de interesse em -. Assim, podemos obter os efeitos principais dos
fatores: 23 para temperatura, -5 para concentrao e 1.5 para tipo de catalisador.
Podemos utilizar novamente o cubo fatorial para ilustrar os efeitos de cada fator. Na
figura abaixo as arestas do cubo representam a diferena entre as respostas para cada
uma das 4 combinaes dos fatores fixados, sendo a seta no centro no cubo indicando a
direo em que a diferena foi calculada.

Verificando se h interao entre os fatores


Note na Figura 3 que os efeitos da temperatura utilizando o catalisador do tipo B (ao
fundo) consideravelmente maior que os efeitos da temperatura utilizando o catalisador
do tipo A (frente). Isso uma evidncia de que os fatores temperatura e tipo de
catalisador interagem, ou seja, h interao entre os fatores.

Introduo ao DOE

11

Para obter o efeito dessa interao, basta calcular a mdia das 4 respostas quando os
nveis so iguais (++ e --) e mdia das 4 respostas quando os nveis so diferentes (+e -+). Depois isso, faa a diferena da mdia de nveis iguais menos a mdia de nveis
diferentes.
Na Tabela 3 ao lado, em tons mais escuros esto as combinaes de temperatura e tipo
de catalisador com nveis iguais (++ e --) e de fundo branco com nveis diferentes (+- e
-+). Tome a mdia das respostas em tom mais escuro e faa a diferena com a mdia
das respostas de fundo branco. O resultado ser (60+54+83+80)/4
(72+68+52+45)/4 = 10. Ou seja, o efeito de interao entre temperatura de tipo de
catalisador 10. As outras interaes podem ser calculadas da mesma maneira.
Tabela 3: Resultado do experimento fatorial com linhas em destaque para calcular
efeito de interao
Temperatura

Concentrao

Catalisador

Rendimento

60

72

54

68

52

83

45

80

Introduo ao DOE

12

Como interpretar os resultados


Em geral, os resultados so disponibilizados em uma tabela, como na Tabela 4, com os
efeitos principais de cada fator e suas respectivas interaes seguidas do erro padro.
Esse erro padro uma medida de preciso do efeito principal, ou seja, altos valores
indicam baixa certeza acerca do valor mostrado pelo efeito principal.
Em meio a todos esses nmeros, precisamos primeiro identificar o que realmente
importa. Ou seja, quais efeitos so significativos. Em estatstica dizemos que um efeito
significativo se temos evidncias o suficiente para dizer que o valor o qual ele estima
diferente de zero. Neste caso, o efeito estimado deve ser consideravelmente maior que o
seu erro padro, caso contrrio a impreciso da estimativa no nos permite garantir que
ela est estimando algo diferente de zero. Assim, baseado na teoria estatstica de
planejamento de experimentos, vamos considerar como significativos os efeitos que so
2.3 vezes maior que o erro padro.
Tabela 4: Efeitos e seus respectivos erros padro para o exemplo fatorial 2^3
Fatores e interaes

Efeito Erro Padro

Temperatura, T

23.0 1.4

Concentrao, C

-5.0 1.4

Catalisador, K

1.5 1.4

TxC

1.5 1.4

TxK

10.0 1.4

CxK

0.0 1.4

TxCxK

0.5 1.4

Introduo ao DOE

13

No caso do exemplo dessa seo so significativos os efeitos dos fatores temperatura e


concentrao e a interao entre temperatura e tipo de catalisador (T x K). Porm,
quando h uma interao significativa, temos que considerar os fatores envolvidos. Por
exemplo, a interao T x K foi significativa, mas o tipo de catalisador tem um efeito
quase igual ao seu erro padro, mas mesmo assim vamos consider-lo para a anlise
pois interage com a temperatura. Na Tabela 5 temos apenas os efeitos significativos
para explicar a variabilidade da varivel resposta.
Agora com apenas os efeitos significativos em mos, podemos analis-los e tirar as
concluses necessrias. Comecemos pela concentrao, efeito que no possui nenhuma
interao significativa com outro fator. O efeito -5 indica que cada unidade de
concentrao que eu aumento no meu experimento reduz em mdia 5 pontos
percentuais do rendimento da soluo (varivel resposta). Ou seja, concentrao possui
um efeito negativo no rendimento da soluo.
Tabela 5: Efeitos significativos e seus respectivos erros padro calculados para o
exemplo fatorial 2^3
Fatores e interaes

Efeito Erro Padro

Temperatura, T

23.0 1.4

Concentrao, C

-5.0 1.4

Catalisador, K

1.5 1.4

TxK

10.0 1.4

Introduo ao DOE

14

Analisemos agora os efeitos da temperatura e tipo de catalisador. Como h interao


entre os dois fatores, no podemos analis-los separadamente. Utilizando o catalisador
do tipo A o efeito da temperatura de 13 unidades, mas utilizando o catalisador do tipo
B seu efeito aumenta para 33 unidades. Ou seja, quando utilizo o catalisador do tipo B,
cada unidade de temperatura que aumentamos produz um aumento de 33 pontos
percentuais no rendimento da soluo.
No entanto, precisamos tomar cuidado em como tirar concluses a partir desse
experimento. O resultado obtido sobre o efeito da interao entre temperatura e tipo de
catalisador muito bom, mas no quer dizer que se eu aumentar 4 unidades de
temperatura utilizando o catalisador do tipo B vou obter um rendimento de 132%.
Impossvel. Os resultados devem ser utilizados como um guia de onde devemos explorar
mais e realizar mais estudos. No fique satisfeito com apenas um experimento, use os
resultados para planejar outro experimento agora mais especfico e com o objetivo de
entender melhor os fatores que so significativos.

Introduo ao DOE

15

COMO IMPLEMENTAR NO MINITAB


Todos esses clculos podem ser feitos de maneira rpida e fcil no Minitab. Clique no
vdeo abaixo e assista a uma vdeo-aula do prof. Marcelo Petenate da Escola EDTI e
aprenda a implementar experimentos fatoriais no Minitab.

Introduo ao DOE

16

PRXIMOS PASSOS
H diversos materiais sobre DOE disponveis no Blog da Melhoria. Alm disso, a Escola
EDTI possui um curso de DOE de onde foi baseado o contedo desse material e o vdeo
da pgina anterior. Caso tenha interesse, entre em nossa pgina clicando aqui ou no
logo da empresa abaixo.

Introduo ao DOE

17

A EDTI, com base em uma longa experincia de trabalho de consultoria em diversas indstrias, est
plenamente capacitada para treinar e orientar equipes em atividades de melhoria, desenvolver processos
de inovao e dar suporte anlise de dados (inteligncia analtica) para subsidiar decises de negcios.
Para permanecer no negcio e crescer as organizaes precisam canalizar esforos para produzir
produtos e servios que os clientes desejam e pelos quais esto dispostos a pagar. Um desafio
permanente da liderana identificar oportunidades para aumentar o valor de seus produtos e servios
sob a tica dos clientes e envolver seus colaboradores em atividades que transformem as oportunidades
em realidade. Isso requer o domnio por parte da organizao de um mtodo eficiente e eficaz de realizar
melhorias.
A EDTI acredita que a formao slida de seus consultores, aliada experincia e conhecimento do
mercado, so fundamentais para ajudar a liderana da organizao na explorao de oportunidades de
crescimento.

- Dr. Ademir Jos Petenate, Scio da Escola EDTI e Professor da UNICAMP

Introduo ao DOE

18

Você também pode gostar