Escolar Documentos
Profissional Documentos
Cultura Documentos
Galdamez PDF
Galdamez PDF
So Carlos
julho / 2002
minha me pelo incentivo de estudar no Brasil;
Aos meus avs pelas oraes e palavras de carinho;
Isabela pela pacincia, carinho, companheirismo e fora;
Agradeo de corao.
Agradecimentos:
Aos meus amigos, pelo apoio e contribuio em algum momento dessa longa jornada;
SUMRIO
LISTA DE FIGURAS
LISTA DE TABELAS
LISTA DE QUADROS
LISTA DE SMBOLOS
- erro experimental
- mdia geral
- nvel de significncia
1 - ponto axial do experimento
C - graus Celsius
a - nveis do fator A
b - nveis do fator B
yc - mdia das respostas do ponto central
F - Estatstica crtica Fisher
yf - mdia das respostas do experimento fatorial
F0 - Estatstica estimada com os experimentos industriais
H1 - Hiptese alternativa
Ho - Hiptese nula
k - nmero de fatores
n - nmero de rplicas
nc - nmero de pontos centrais
nf - nmero de pontos do experimento fatorial utilizado
T - soma total de observaes
xi - fatores experimentais
yi - total das observaes no i-simo nvel de um fator
i - coeficientes do polinmio algbrico
- superfcie de resposta
i - nvel da varivel natural
Resumo vi
RESUMO
ABSTRACT
1 INTRODUO
1.1 Contextualizao
Fatores
controlados
PROCESSO
Entrada TRANSFORMAO Sada
Fatores
incontrolveis
3.782
(em mil toneladas)
3.449
3.254
3.042
2.718
Ano
Objetivo dos
experimentos
Informaes
tcnicas
Feedback
Pesqu isa Experim ental
no
Elaborao de
Relatrios
Parmetros
Processo
Influncias Controlveis
Fator
Controle
Fator Medidas
Rudo
Objetivo do experimento
- Questes
experimentais
Informaes tcnicas do
experimento
variveis de resposta
no
Realizao
Seleo da matriz Experimento
experimental
Elaborao de
relatrios
VANTAGENS LIMITAES
No necessrio um treinamento
intensivo dos funcionrios da empresa
para utilizar as tcnicas de
planejamento e anlise de
experimentos.
Informaes (relatrios) ficam
disponveis para consulta nos prximos
experimentos industriais.
Fator B
Nveis 1 2 .... b
1 y111, y112, ..., y11n y121, y122, ..., y12n .... y1b1, y1b2, ..., y1bn
Fator A
2 y211, y212, ..., y21n y221, y222, ..., y22n .... y2b1, y2b2, ..., y2bn
: : : : :
a ya11, ya12, ..., ya1n ya21, ya22, ..., ya2n .... yab1, yab2, ..., yabn
1 -1 -1 -1 6 y1
2 +1 -1 -1 8 y2
3 -1 +1 -1 1 y3
4 +1 +1 -1 2 y4
5 -1 -1 +1 5 y5
6 +1 -1 +1 3 y6
7 -1 +1 +1 4 y7
8 +1 +1 +1 7 y8
1. Para x1, a coluna ser definida pela combinao dos nveis -1, +1, -1, +1,
-1, +1, -1, +1, ....., ou seja, o sinal dessa coluna alterna em grupos de 20 = 1.
2. Para x2, a coluna ser definida pela combinao dos nveis -1, -1, +1, +1,
-1, -1, +1, +1, ...., ou seja, o sinal dessa coluna alterna em grupos de 21 = 2.
3. Para x3, a coluna ser definida pela combinao dos nveis -1, -1, -1, -1,
+1, +1, +1, +1, ...., ou seja, o sinal dessa coluna alterna em grupos de 22 = 4.
5. O procedimento ser igual para x5, x6, ..., xk. Para xk, o sinal alterna em
grupos de 2(k-1), ou seja, 2(k-1) vezes (-1), seguido de 2(k-1) vezes (+1).
Captulo 2 Tcnicas de planejamento e anlise de experimentos 23
A forma grfica do efeito principal (Ei) representado pela Figura 2.3. Esse
grfico linear ilustra a variao mdia das respostas em funo da mudana no nvel
(-1, +1) de um fator (xi), mantendo os outros fatores constantes (Tabela 2.1).
y i+1
Resposta yi
y i1
-1 +1
Fator xi
x2 = -1
Resposta (y i)
x2 = -1
x2 = +1
x2 = +1
-1 +1 -1 +1
Fator x1 Fator x1
(a) (b)
analisados com mais detalhes pela equipe que realiza os experimentos industriais
(LEVINE et al., 1998).
DEVOR et al. (1992) recomendam que para garantir a aplicao efetiva
desse mtodo, os experimentos fatoriais 2k devem ser realizados com pelo menos
quatro fatores. Os autores citam que com um nmero menor de parmetros se torna
difcil decidir qual das estimativas pertencem a uma distribuio com mdia igual a
zero.
As principais vantagens da tcnica fatorial 2k que atravs da anlise dos
experimentos pode-se indicar as principais tendncias e determinar uma direo
promissora para as experimentaes subseqentes (OLIVEIRA, 1999;
MONTGOMERY, 1991). Ainda, os autores ressaltam que com esse tipo de
experimento tambm possvel quantificar o erro experimental.
As limitaes atribudas tcnica de fatorial 2k so apresentadas a seguir
(OLIVEIRA 1999, MONTGOMERY 1991; ABRAHAM et al., 1999).
No-rejeitar Rejeitar H0
H0 (1-)
0 Distribuio F
(E i ) 2
SS E i = (2.4)
4.n
sendo que n o nmero de observaes realizadas.
2 n y ij2 T2
SS E12 = SS E1 SS E2 (2.5)
i =1 j =1 2n 4n
sendo que T a soma total das observaes e yij representa as respostas
experimentais.
2
T2 n
SS D = y 2
ij (2.6)
i =1 j =1 4n
sendo que T a soma total das observaes e yij representa as respostas
experimentais.
Captulo 2 Tcnicas de planejamento e anlise de experimentos 33
(E12...k )2
SSE12, ..., k = (2.8)
n 2k
sendo que n o nmero de observaes realizadas e k o nmero de fatores.
Soma de Graus de
Fonte de Variao
Quadrados Liberdade
Efeitos Principais
E1 SSE1 1
E2 SSE2 1
: : :
Ek SSEk 1
k Interao a dois Fatores
2
E12 SSE12 1
E13 SSE13 1
: : :
Ejk SSEjk 1
k Interao a trs Fatores
3
E123 SSE123 1
E124 SSE124 1
: : :
E1jk SSEijk 1
: : :
k Fatores Interao
k
E123 ... k SSE123 ... k 1
k
Erro SSE 2 (n-1)
7 e 8). No primeiro caso a combinao dos ensaios representada por I = 123 . Se for
selecionada a parte negativa, deve-se lembrar que a relao definidora do
experimento ser I = - 123.
l1 = (+1 - 2 - 3 + 4)
l2 = (-1 + 2 - 3 + 4)
l3= (-1 - 2 + 3 + 4)
al. (1992) afirmam que na realidade est sendo determinado o efeito das
combinaes de 1 + 23, 2 + 13 e 3 + 12, e est propriedade conhecida como efeito
de confundimento.
A estrutura de confundimento de um efeito principal ou de interao em um
experimento pode se determinar por meio da multiplicao do efeito com a relao
definidora. Por exemplo, a estrutura de confundimento do efeito principal pode ser
obtida conforme segue:
modelagem matemtica de respostas. Esse mtodo foi desenvolvido por George Box,
da Universidade de Princeton - Estados Unidos, com a colaborao de outros autores,
na dcada de 1950. O estudo foi motivado porque os pesquisadores sentiram a
necessidade de utilizar um procedimento para determinar as condies timas (ou
nveis timos) dos fatores de controle que interferem na resposta de um sistema
(MYERS et al., 1989).
No entanto, a literatura que pesquisa o tema relata que s a partir da dcada
de 1980, a MSR passou a ser aplicada pelas empresas, principalmente a indstria
japonesa e americana. Nas fbricas o mtodo pode contribuir na melhoria da
qualidade dos produtos ou processos de fabricao, a aumentar a produtividade e a
reduzir o tempo de desenvolvimento de produtos, entre outros fatores (GUEDES,
1996). O sucesso alcanado pelas indstrias motivou outros setores a conduzir
(planejar) e analisar estatisticamente os experimentos. Entre as reas que mais
utilizam os conceitos pode-se citar: Fsica, Engenharia, Indstria de alimentos,
Cincias sociais (economia, pesquisa operacional e sistemas de simulao) e
Biologia (por exemplo, os conceitos podem ser utilizados para determinar o
relacionamento que existe entre a estrutura qumica de um componente e sua reao
biolgica, assim como, para realizar estudos sobre os efeitos da poluio industrial
no meio ambiente) (ELSAYED & CHEN, 1993; MYERS et al., 1989).
Na maioria dos estudos publicados observa-se que os projetos experimentais
desenvolvidos com o mtodo envolvem a modelagem matemtica de apenas uma
resposta (single-response analysis) (REDDY et al., 1998). Porm, importante
ressaltar que a MSR um procedimento que pode ser aplicado na modelagem de
problemas em que so observadas vrias caractersticas de qualidade. Esse mtodo
tambm conhecido como otimizao de multi-respostas (multiple-response
experimental design) (MYERS & MONTGOMERY, 1995; KHURI & CORNEL,
1987). Destaca-se que um fator importante que facilita o uso da MSR com multi-
resposta o avano tecnolgico dos softwares estatsticos. Com essa evoluo
tambm foi possvel reduzir os erros nas anlises estatsticas dos problemas
estudados (TAY & BUTLER, 1999).
Segundo BOX & HUNTER (1957) as principais razes para estudar os
problemas de um sistema com a MSR so:
Captulo 2 Tcnicas de planejamento e anlise de experimentos 41
determinar quais so as condies dos fatores (x1, x2, ..., xk) que
determinam o melhor valor para a reposta yi;
Fator x2
Fator x1
polinmio de mais alta ordem, como um modelo de segunda ordem, dado pela eq.
(2.11). Segundo COCHRAN & COX (1957), esse modelo o mais utilizado para
ajustar a superfcie de resposta.
k k
y = 0 + i x i + ii x i2 + ij x i x j + (2.11)
i =1 i =1 i j
Fator x2
Fator x1
Outro procedimento que pode ser utilizado para ajustar a funo de resposta
por meio de aproximaes por funes SPLINES, descrito por SCHUMAKER1
apud GUEDES (1996). Neste mtodo o intervalo original de aproximao dividido
em subintervalos, para que a distncia entre a funo ajustada e a funo que
representa o sistema seja mnima. No presente projeto, os detalhes desta metodologia
no sero apresentados, porque a modelagem das respostas experimentais ser
realizada com as aproximaes por polinmios, descritos anteriormente.
Em muitas aplicaes da MSR o maior problema enfrentado pelas pessoas
na hora de selecionar o planejamento experimental. A seguir so apresentadas
algumas caractersticas e propriedades dos experimentos fatoriais 2k que podem ser
1
SHUMAKER, L.L. (1968). Approximation by splines. In: Proceedings of an advanced seminar
conducted by the mathematics research center, NY. University of Wisconsin. Academic Press.
Captulo 2 Tcnicas de planejamento e anlise de experimentos 44
( i n c )
xi = (2.12)
x i
sendo que i representa o nvel da varivel natural do processo de
fabricao, nc o ponto central utilizado no experimento e xi o valor de escala ou
o incremento na varivel independente.
Ponto Central
(0,0)
SUPERFCIE DE
RESPOSTA
+1 -1
0 0
+1
Fator 1 -1 Fator 2
1 = (2k) (2.13)
+1.414
+1
-1
-1.414
-1.414 -1 0 +1 +1.414
= (XX)-1Xy (2.14)
sendo que a matriz com os coeficientes, X a matriz com os parmetros
experimentais codificados e y a resposta experimental.
n f nc ( y f yc )
SS Curvatura = (2.15)
n f + nc
SS Curvatura
F0 = (2.16)
2
sendo que 2 uma estimativa do erro experimental (SSE) calculada a partir
dos resultados no ponto central (nc), dado pela eq. (2.17).
(y
Ponto central
i y) 2
2 = (2.17)
nc 1
sendo que y a mdia dos resultados no ponto central e yi so as respostas
do experimento fatorial.
Ainda, antes de afirmar que o modelo matemtico pode ser utilizado para
ajustar a superfcie de resposta, necessrio realizar uma anlise estatstica mais
completa dos coeficientes do polinmio. O objetivo verificar se esses termos
influenciam significativamente a modelagem da superfcie. O processo decompor a
soma total de quadrados, dado pela eq. (2.18).
k
SSi = i SSiy (2.19)
i =1
n n
y i x ij
n
i = 1, 2,..., k
SS iy = y j x ij
j =1 j =1
(2.20)
j =1 n
sendo que yj a resposta experimental, xij o nvel da i-sima varivel e n
nmero de observaes.
curvatura acentuada no plano e portanto o polinmio pode ser adotado como boa
aproximao da superfcie de resposta (MONTGOMERY, 1991). Ao mesmo tempo,
o teste aponta quais so os fatores mais importantes na modelagem.
Geralmente, a anlise de varincia pode ser resumida no Quadro 2.6.
importante ressaltar que esses resultados podem ser obtidos facilmente por meio de
softwares estatsticos (STATISTICA, MINITAB). Alm dessa vantagem, na maioria
dos programas computacionais est includo o valor p, conforme descrito
anteriormente.
Fonte de Soma
g.l. Quadrado Mdio F
Variao Quadrado
y
/x1 = y/x2 = ... = y/xk = 0 (2.21)
y = 0 + xb + xBx (2.22)
sendo que,
x1 1 11 , 12 /2, ... 11 /2
x
22 , ... 21 /2
x= 2 b= 2 B =
. . ... :
. .
. .
: kk
x k k
y
/x = b + 2Bx = 0 (2.23)
x0 = - B-1 b (2.24)
[B - I] = 0 (2.26)
sendo que, B uma matriz formada pelos coeficientes quadrticos puros
(diagonal) e pelo valor mdio dos coeficientes de interao (fora da diagonal), so
as razes do polinmio quadrtico e I (determinante) o operador matemtico que
transforma a matriz quadrtica em nmeros reais.
x2 x2
x0,2 x0,2
x0,1 x0,1
x1 x1
(a) Mximo ou mnimo (b) Ponto de Sela
(B - iI)*mi = 0 (2.28)
sendo que a soma do quadrados dos elementos mji de cada uma das coluna
2
da matriz deve ser igual a um ( j=1 m = 1 ).
k
ji
3 EXPERIMENTOS INDUSTRIAIS
PREPARAO
DA PLASTIFICAO VAZO CALIBRAO
MATRIA-PRIMA CONTROLADA
Depsito do
material
Molde
Fluxo
Material
Cilindro
Mquina
Molde Fechado
Aprximao do bico
Fechamento
Injeo
Extrao
Abertura Recalque
Incio de resfriamento
Resfriamento
Incio prximo ciclo
Separao do bico
PROBLEMAS
DE
QUALIDADE
Regulagem do processo de
Fatores
injeo plstica
-10 -5 0 5 10
Deformao / Dimensional
dos nveis dos fatores que foram testados na primeira rodada de experimentao do
processo de moldagem plstica por injeo.
3 2 15 100 30
4 10 15 40 30
6 10 6 40 30
7 2 15 40 18
8 10 15 100 18
Z1:190C Z3:230C
9 2 6 gua Industrial 40 30
Z2:240C Z4:220C
10 10 6 100 30
11 2 15 100 18
10 15 40 18
12
14 10 6 40 18
15 2 15 40 30
16 10 15 100 30
1 -10 10 10
2 -10 10 10
4 -6 7 6,4
5 2 1,2 1
6 0 1 1
7 -10 10 10
8 -10 10 10
9 8 7,6 3,25
10 7 3 1
11 2,75 4,4 1
12 0,75 5 1
14 2 1,6 1
15 6,25 3,4 1
16 8,5 3 1,9
Probabilidade acumulada
0.5 .65
.55
0 .45
-0.5 .35
.25
-1 .15
-1.5
.05
-2
.01
-2.5
-3
-10 -5 0 5 10 15
Estimativa dos efeitos
.75
Probabilidade acumulada
0.5 .65
0 .55
.45
-0.5 .35
.25
-1 .15
-1.5
.05
-2
.01
-2.5
-3
-5 -4 -3 -2 -1 0 1 2 3 4 5
Estimativas dos efeitos
0.5 .65
Probabilidade acumulada
.55
0 .45
-0.5 .35
.25
-1 .15
-1.5
E6
.05
-2
E4
.01
-2.5
-3
-6 -4 -2 0 2 4 6
Estimativas dos efeitos
5,76
3,0 5,0 6,0
3,86
FALHA / REBARBA
DEFORMAO
DIMENSIONAL
2,0 4,0 5,08
0,69 4,04 4,0
1,0 3,0
0,0 2,0
2,0
-1,0 -1 1 1,0
-0,97
-2,0 0,0 0,0
-3,0 -1 1 -1 1
Tempo de Injeo Tempo de Injeo Tempo de Injeo
6,0
DIMENSIONAL
6,0 3,87 8,0
4,0
FALHA / REBARBA
DEFORMAO
4,0 4,03 6,0 4,96
2,0 0,59 5,88
2,0 4,0
0,0
-2,0 -1 1 -0,88 2,0
0,0
-4,0 -1 1 0,0
-6,0 Tempo Resfriamento Tempo Resfriamento -1 1
Tempo Resfriamento
6,0
DIMENSIONAL
6,0 4,20
8,0
4,0 6,40
DEFORMAO
4,0
FALHA / REBARBA
3,70 6,0
2,0
-0,84 2,0 4,0
0,0 4,44
-1 1
0,56
-2,0 2,0
0,0
-4,0 -1 1 0,0
-6,0 Temperatura Molde -1 1
Temperatura Molde Temperatura Molde
6,17
6,0
DIMENSIONAL
6,0
4,0
4,0 5,13
FALHA / REBARBA
8,0
DEFORMAO
6,68
2,0 6,0
2,0
0,0 4,0 4,16
1,73
-1 1 2,0
-2,0 0,0 0,0
-4,0 -1 1 -1 1
-6,0 -5,41 Temperatura Mquina
Temperatura Mquina Temperatura Mquina
6,0
DIMENSIONAL
6,0 4,21
8,0
4,0 5,70
4,0
FALHA / REBARBA
DEFORMAO
3,69 6,0
2,0 0,84
2,0 4,0 5,14
0,0
-2,0 -1 1 2,0
0,0
-4,0 -1,13 -1 1 0,0
-6,0 Velocidade de Injeo -1 1
Velocidade de Injeo Velocidade de Injeo
5,84
6,0
DIMENSIONAL
4,0
6,0
2,0
2,0 4,0
0,0 2,06 3,80
-2,0 -1 1 2,0
0,0
-4,0 -1 1 0,0
-3,59
-6,0 Presso -1 1
Presso Presso
FALHA/REBARBA
Soma Quadrado
Fonte de variao g.l. F0 Valor p
Quadrado mdio
DIMENSIONAL
Soma Quadrado
Fonte de variao g.l. F0 Valor p
Quadrado mdio
1. Tempo Injeo 0,12 1 0,12 0,01 0,91
2. Tempo Resfriamento 0,11 1 0,11 0,01 0,92
3. Temperatura Molde 1,00 1 1,00 0,10 0,76
4. Temperatura Mquina 78,77 1 78,77 7,96 0,02
5. Velocidade Injeo 1,05 1 1,05 0,11 0,75
6. Presso Injeo 57,00 1 57,00 5,76 0,04
Erro () 89,04 9 9,89
DEFORMAO
Soma Quadrado
Fonte de variao g.l. F0 Valor p
Quadrado mdio
metade de um experimento completo com cinco fatores, com dois nveis cada um
(Fatorial 25-1 - 16 ensaios). Nesse experimento pode ser utilizada a Resoluo V.
Com esse critrio, os efeitos de interao que ocorrem no processo de injeo
plstica sero identificados com mais preciso.
3 2 10 gua Industrial 18
4 5 10 gua Industrial 26
5 2 6 gua Normal 18
6 5 6 gua Normal 26
7 2 10 gua Normal 26
8 5 10 gua Normal 18
Z1:190C Z3:210C 18
9 2 6 gua Industrial
Z2:220C Z4:200C
10 5 6 gua Industrial 26
11 2 10 gua Industrial 26
12 5 10 gua Industrial 18
13 2 6 gua Normal 26
14 5 6 gua Normal 18
15 2 10 gua Normal 18
16 5 10 gua Normal 26
Captulo 3 Experimentos industriais 86
2 -10 10 10
3 -10 10 10
4 0 5 0
5 -10 10 10
6 0 0,9 0
7 0 0,9 0
8 -10 10 10
10 5 0 2,2
12 1 3 0,05
13 8 0,65 7,3
Probabilidade acumulada
1 .85
0.5 E5 .75
.65
0 .55
.45
-0.5 .35
.25
-1 .15
E45
-1.5
.05
-2
.01
-2.5
-3
-10 -8 -6 -4 -2 0 2 4 6 8 10 12
Estimativa dos efeitos
Grfico de Probabilidade Normal
Deformao
2
1.5 .95
Valor de distribuio normal
Probabilidade acumulada
1 E45 .85
.75
0.5 .65
0 .55
.45
-0.5 .35
.25
-1 .15
-1.5 E5
.05
-2
E4 .01
-2.5
-3
-6 -4 -2 0 2 4 6
Estimativas dos efeitos
Probabilidade acumulada
1 .85
E45 .75
0.5 .65
0 .55
.45
.35
-0.5 E5 .25
-1 .15
E4
-1.5
.05
-2
.01
-2.5
-3
-8 -6 -4 -2 0 2 4 6 8
Estimativa dos efeitos
FALHA / REBARBA
Soma Quadrado
FONTE DE VARIAO g.l. F0 Valor p
Quadrado mdio
DIMENSIONAL
Soma Quadrado
FONTE DE VARIAO g.l. F0 Valor p
Quadrado mdio
DEFORMAO
Soma Quadrado
FONTE DE VARIAO g.l. F0 Valor p
Quadrado mdio
6,0
6,0 5,06
DEFORMAO
FALHA/REBARBA
8,0
DIMENSIONAL
4,0
6,0 5,97 6,0
4,0 2,0 2,70 4,0 4,44
2,0
2,0 0,98
0,0 0, 0
0,0
0,0 -2,0
-1 1 -1 1
-1 1 -4,0
-4,56
Temperatura Mquina -6,0 -4,56
Temperatura
Temperatura Mquina
Mquina Temperatura Mquina Temperatura
Temperatura Mquina
Mquina
5,75
6,0
FALHA/REBARBA
DIMENSIONAL
DEFORMAO
8,0 4,0
6,0
5,74 4,0
6,0 5,74 2,0
2,01 2,0 3,34
4,0
0,0 0,0
2,0 1,21
-1 1 -2,0 -3,47
--1
1 11
0,0 1,21
-4,0
-1 1 -6,0 -3,47
Presso
Presso de Injeo Presso de Injeo Presso
Presso de Injeo
6,0
FALHA/REBARBA
DIMENSIONAL
DEFORMAO
4,33
4,0
8,0 6,0
6,0 3,43 4,0
2,93 4,01 2,0 0,69
4,0 2,93 2,0 0,69
4,01 0,0
2,0 0,0
0,0
-2,0 -1 1 -0,81
-1
-1
1
1 -4,0
-1 1 -6,0
Tempo
Tempo Resfriamento
Resfriamento TempoResfriamento
Tempo Resfriamento Tempo Resfriamento
Tempo Resfriamento
6,0
FALHA/REBARBA
3,64
3,64
DIMENS IONAL
DEFORMAO
4,0 4,11
8,0 6,0
6,0 3,74 2,0 4,0
4,0 3,74 2,0 -0,03 -0,09
3,20 0,0 -0,03
2,0 0,0
0,0 -2,0 -0,09
-1 1 -1 1
-4,0
-1 1 -6,0
TemperaturaMolde
Temperatura Molde Temperatura
TemperaturaMolde
Molde Temperatura
Temperatura Molde
Molde
FALHA/REBARBA
DEFORMAO
DIMENSIONAL
yi = (Falha/Rebarba)2+(Deformao)2+(Dimensional)2 (3.1)
Nveis de regulagens
Fatores de Controle
Baixo (-1) Ponto Central (0) Alto (+1)
1. Presso de injeo 18 BAR 22 26 BAR
Z1: 190C Z3: 165C Z1: 190C Z3: 187C Z1: 190C Z3: 210C
2. Tem. da mquina
Z2: 170C Z4: 160C Z2: 195C Z4: 180C Z2: 220C Z4: 200C
FATORES
N
Teste
T. Mquina P. Inj.
4 26
6 22
7 22
8 22
9 22
Captulo 3 Experimentos industriais 93
N Falha
Deformao Dimensional SQ
Teste Rebarba
1 -10 10 10 300,0
5 5 0 5 50,0
Soma Quadrado
Fonte de Variao g.l. F0 valor p
Quadrado Mdio
1 = (nf)1/4 (3.3)
sendo que nf o nmero de pontos utilizados do experimento fatorial 22.
( i n c )
xi = (3.4)
x i
sendo que i representa o nvel da varivel natural do processo de
fabricao, nc o ponto central utilizado no experimento e xi o valor de escala ou
o incremento na varivel independente. Para o presente experimento, o incremento
de 25C para a Temperatura da Mquina e 4 BAR para a Presso de Injeo.
FATORES DE CONTROLE
N
Variveis
Teste Variveis naturais
codificadas
x1 x2 Temperatura da Mquina P. Injeo
13 0 -1.414 16
N Falha
Deformao Dimensional SQ
Teste Rebarba
Soma Quadrado
Fonte de Variao g.l. F0 valor p
Quadrado Mdio (QM)
-3.294
18.370
40.034
61.698
83.362
105.026
126.689
148.353
170.017
191.681
213.345
235.009
256.672
278.336
Grficos de Contornos
Planejamento composto central (Polinmio de segunda ordem)
Mdia = 35.16 Interseco = 11.17
2
(0,1.41)
Presso de Injeo (x2)
(-1,1) (1,1)
1
0.000 to
(-1.41,0) (0,0) (1.41,0) 25.00
0 50.00 to
75.00
100.0 to
(-1,-1) (1,-1) 125.0
-1 150.0 to
(0,-1.41)
175.0
200.0 to
w2 w1 225.0
-2
Pontos
-2 -1 0 1 2 Centrais
O mtodo utilizado para resolver o problema foi descrito com mais detalhes
no captulo 2. Ainda, recomenda-se consultar a literatura de experimentos industriais
(MYERS & MONTGOMERY, 1995; MONTGOMERY, 1991; BOX & DRAPER,
1987; BOX & HUNTER, 1957; COCHRAN & COX, 1957).
O primeiro passo para transformar o modelo ajustado para um modelo
cannico determinar o ponto estacionrio (x0) do processo de fabricao (ver
Anexo E) e a resposta do modelo ajustado nesse ponto. Os nveis dos fatores de
controle (x0) e as resposta do modelo ajustado nesse ponto so apresentados na
Tabela 3.21.
Ponto
Variveis naturais
estacionrio Resposta (y0)
x1 x2 T. Mquina P. Inj.
Na eq. (3.8), observa-se que os sinais das razes so opostos. Isto demonstra
que o ponto estacionrio (x0) um ponto de sela, conforme descrito pela Figura 3.15.
Ainda, comparando os valores das razes, percebe-se que a pendente da superfcie de
resposta na direo do eixo w1 tende a ser mais atenuada. Portanto, uma investigao
mais detalhada nessa direo torna-se necessria.
Nessa etapa do procedimento de anlise estatstica, so construdas as
equaes matemticas que descrevem o relacionamento entre as variveis
independentes (x1, x2) e as variveis do espao wi. Assim, partindo-se da eq. (3.9),
proposta por MONTGOMERY (1991) e BOX & HUNTER (1957), determina-se a
eq. (3.10).
2 i 12 /2 m11 m12
w = M*(x-x0); M = 1 * = 0 ; x = (x1, x2) (3.9)
12 /2 i m 21 m 22
2
2
Z1: 190C Z3: 168C Z1: 190C Z3: 195C Z1: 190C Z3: 223C Z1: 190C Z3: 175C
T. Mq
Z2: 176C Z4: 161C Z2: 203C Z4: 188C Z2: 231C Z4: 216C Z2: 180C Z4: 170C
RESULTADO
PRESSO (mdia)
TEMPERATURA MQUINA SQ
INJEO
F/R DEF DIM
4 CONCLUSO
4.1 Concluso
eliminada completamente.
Outra dificuldade est relacionada a escolha dos fatores de controle
investigados com as tcnicas experimentais. Algumas pesquisas realizadas com o
mesmo processo de injeo plstica demonstraram que outros fatores podem
influenciar o desempenho (ACHARYA & MAHESH, 1999; NISHINA et al., 1998;
ENGEL & HUELE, 1996 e MONTGOMERY, 1991). Isso comprova que os
resultados da aplicao do procedimento de otimizao utilizado neste projeto so
especficos ao componente plstico (projeto do molde utilizado) e matria-prima
(polmero Polipropileno) utilizado para realizar os experimentos industriais.
Ainda, deve-se observar que na fase inicial de experimentao a faixa de
operao dos parmetros foi estabelecida conforme a experincia dos funcionrios.
Quando os ensaios foram realizados com esses nveis, vrios problemas ocorreram
com o equipamento de injeo. Considerando esse ponto e outros aspectos (ex. falta
de experincia com as tcnicas de planejamento e anlise de experimentos e de
conhecimento do processo de injeo plstica), os pesquisadores, com o primeiro
experimento, no conseguiram concluir com segurana sobre os fatores que
realmente influenciavam as caractersticas de qualidade do processo de injeo
plstica. Entretanto, pode-se perceber que pela falta de procedimentos e tcnicas
adequadas na definio dos nveis, o processo de fabricao estava perdendo
produtividade, gerando refugo e baixa qualidade, aumentando os custos de produo.
Essas questes demonstram a necessidade de utilizar as ferramentas estatsticas e
realizar novos experimentos.
Finalmente, um resultado bastante importante deste trabalho foi o de
mostrar s pessoas envolvidas no estudo a validade de analisar cientificamente o
processo de transformao e, com isso no s fomentar o uso dessas tcnicas junto
empresa em questo, mas tambm promover a aproximao universidade-empresa.
Com essa integrao foi possvel criar um processo de aprendizagem. Isto , a
medida que os experimentos eram realizados os pesquisadores foram adquirindo
informaes tcnicas do processo de fabricao e os funcionrios da empresa foram
se familiarizando com os conceitos de delineamento de experimentos.
Captulo 4 Concluso 109
ANEXOS
Y = X + (1)
sendo que,
y1 1 x 11 x 21 ... x k1 0 0
y 1 x x
2 12 22 ... x 2k
1 1
Y= . X = . = . = .
.. : : : : .. ..
.
y n 1 x n1 x n2 ... x nk k n
L = (y - X )(y - X) (3)
L ^
= 2 X ' y + 2 X ' X = 0 , o que significa que: XX = Xy
= (XX)-1Xy (4)
A eq. (4), tambm pode ser representada com mais detalhes pela forma
matricial, conforme segue:
n n n
n
1
n x i1 x i2 ... x ik yi
i=1 i =1 i=1
i=1
2 n n n n
n
. x i1 x x i1x i2 ... x i1x ik
2
= XX = i1
Xy = x i1yi
i=1 i =1 i=1 i =1
i=1
. : : : : : :
. n n
x
n n n
x
k
i=1
ik
i=1
ik x i1
i =1
x x
ik i2 ...
i =1
x 2
ik
i=1
x y
ik i
UNIVERSIDADE DE SO PAULO
ESCOLA DE ENGENHARIA DE SO CARLOS
Departamento de Engenharia de Produo
Prezado Senhor:
Cordialmente,
_______________________
Prof. Luiz C. R. Carpinetti
(Orientador)
____________________________
Edwin V. C. Galdmez
(Mestrando)
Anexos 114
X y
1 -1 -1 1 300
1 -1 1 -1 36,05
1 1 -1 -1 44,22
1 1 1 1 54,11
1 0 0 0 50
1 0 0 0 29,13
1 0 0 0 28,69
1 0 0 0 39,13
1 0 0 0 64,63
X
1 1 1 1 1 1 1 1 1
-1 -1 1 1 0 0 0 0 0
-1 1 -1 1 0 0 0 0 0
1 -1 -1 1 0 0 0 0 0
XX Xy
9 0 0 0 646,0
0 4 0 0 -237,72
0 0 4 0 -254,06
0 0 0 4 282,01
(XX)-1 =(XX)-1*Xy
0,111 0 0 0 71,70
0 0,250 0 0 -59,430
0 0 0,250 0 -63,515
0 0 0 0,250 70,503
X y
0 1 2 11 22 12
150
1 -1 -1 1 1 1
1 -1 1 1 1 -1 19,03
1 1 -1 1 1 -1 11,07
1 1 1 1 1 1 56,23
1 0 0 0 0 0 2,56
1 0 0 0 0 0 16,69
1 0 0 0 0 0 17,13
1 0 0 0 0 0 18,88
1 0 0 0 0 0 6,5
1 1,414 0 2 0 0 48,38
1 -1,414 0 2 0 0 41,21
1 0 1,414 0 2 0 27,88
1 0 -1,414 0 2 0 41,55
X
1 1 1 1 1 1 1 1 1 1 1 1 1
-1 -1 1 1 0 0 0 0 0 1,414 -1,414 0 0
-1 1 -1 1 0 0 0 0 0 0 0 1,414 -1,414
1 1 1 1 0 0 0 0 0 2 2 0 0
1 1 1 1 0 0 0 0 0 0 0 2 2
1 -1 -1 1 0 0 0 0 0 0 0 0 0
XX Xy
13 0 0 8 8 0 457,11
0 8 0 0 0 0 -91,59
0 0 8 0 0 0 -105,14
8 0 0 12 4 0 415,51
8 0 0 4 12 0 375,19
0 0 0 0 0 4 176,13
(XX)-1 i=(X'X)-1*X'y
0,2 0 0 -0,1 -0,1 0 12,35
0 0,125 0 0 0 0 -11,45
0 0 0,125 0 0 0 -13,14
-0,1 0 0 0,144 0,019 0 20,83
-0,1 0 0 0,019 0,144 0 15,69
0 0 0 0 0 0,250 44,033
x0 = -1/2 * B -1 * b (1)
sendo que B uma matriz formada pelos coeficientes quadrticos puros
(diagonal) e pelo valor mdio dos coeficientes quadrticos mistos (fora da diagonal)
e b a matriz formada pelos coeficientes lineares do polinmio de segunda ordem.
b B
-11,45 20,83 22,01
-13,14 22,01 15,69
x0 = (0,34, -0,06)
A eq. (2) pode ser utilizada para transformar os valores codificados do ponto
estacionrio em nveis de regulagens do processo de moldagem plstica por injeo.
( i n c )
xi = (2)
x i
sendo que i representa o nvel da varivel natural do processo de
fabricao, nc o ponto central utilizado no experimento e xi o valor de escala ou
o incremento na varivel independente, conforme segue:
REFERNCIAS BIBLIOGRFICAS
MYERS, R.H.; KHURI, A.I; CARTER JR.; W.H. (1989). Response surface
methodology: 1966-1988. Technometrics, v.31, n.2, p. 137-157, May.
NIAN, C.Y.; YANG, W.H.; TARNG, Y.S. (1999). Optimization of turning
operations with multiple performance characteristics. Journal of Materials
Processing Technology, n.95, p.90-96.
O PLSTICO invade automveis e caminhes. (2002). Gazeta Mercantil, So
Paulo, 6 mar. Empresas & Carreiras, p.1-6.
OLIVEIRA, L.C. (1999). Uso integrado do mtodo QFD e de tcnicas estatsticas
de planejamento e anlise de experimentos na etapa do projeto do produto e do
processo. Belo Horizonte. 270p. Dissertao (Mestrado) - Universidade
Federal de Minas Gerais.
PHADKED, M.S. (1989). Quality engineering using robust design. New Jersey,
Prentice Hall/AT & T Bell Laboratories.
PLSTICO. (2000). O plstico no Brasil. Brazil plastics on the Internet.
http://www.plastico.com.br. (20 dez.).
PLSTICO. (2001). Reviso ISO 14004 - sistemas de gesto ambiental. Brazil
plastics on the Internet. http://www.plastico.com.br. (22 mar.).
PLSTICOS INDUSTRIAIS. (2001). Processos de fabricao: poliuretano.
http://www.plasticosindustriais.com.br. (02 Jul.).
REASIDE, R. (1995). Teaching experimental design techniques to engineers.
International Journal of Quality & Reliability Management, v.12, n.1, p.47-52.
REDDY, P.B.S.; NISHINA, K.; BABU, S.A. (1998). Taguchis methodology for
multi-response optimization; a case study in the Indian plastics industry.
International Journal of Quality & Reliability Management, v.15, n.6, p.646-668.
REY, L. (1993). Planejar e redigir trabalhos cientficos. 2.ed. So Paulo, Edgard
Blcher. Cap.3-6, p.31-80.
RIBEIRO, J.L.D; FOGLIATTO, F.S.; CATEN, C.S.T (2000). Step for
multiresponse optimization in product development. Building competencies for
international manufacturing: perspectives for developing countries. FEENG,
Porto Alegre. p.1-8.
SLACK, N. et al. (1997). Administrao da produo. Trad.por Ailton B.
Brando, Carmem Dolores, Henrique Corra, Snia Corra e Irineu Gianesi.
So Paulo, Atlas. Cap.5, p.112-143.
SMITH, G.M. (1998). Statistical process control and quality improvement.
Columbus, Prentice Hall. Cap.4, p.79-112.
STEINBERG, M.D.; HUNTER, W.G. (1984). Experimental design: review and
comment. Technometrics, v.26, n.2, p.71-130, May.
Referncias Bibliogrficas 121