Quimiometria Planejamentosfatoriais

APLICAES NA INDSTRIA
Se processo opera bem, 99,73% das observaes

devero cair entre os limites de controle
Caso contrrio, podem surgir alguns

conjuntos de pontos que representam
duas situaes anmalas mais comuns
Mudana de nvel Tendncia
Pode estar associada a uma Pode significar, por exemplo,

mudana de turno deteriorao do equipamento
COMO VARIAR TUDO AO MESMO TEMPO
Problema Experimental
Avaliar a influncia de uma ou mais

variveis sobre uma outra de interesse
Reformulando o problema
Como a(s) reposta(s) do sistema (varivel

de interesse) depende dos fatores
(variveis controladas)?
OBS.: Fatores e respostas podem ser qualitativos ou quantitativos!

Sistema em Estudo
Reao Qumica
Fatores
Temperatura Catalisador
Resposta
Rendimento
Definindo o(s) Objetivo(s) do Experimento
O experimentador pode est

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 mximo, etc.
Escolhendo o planejamento mais adequado

ao(s) objetivo(s) estabelecido(s)
Digamos que se queira saber se certos

fatores tm ou no influncia sobre a
Resposta
Planejamento Fatorial de Dois Nveis (2K)

UM PLANEJAMENTO FATORIAL 22
Planejamento Fatorial de Dois Nveis (2K)
- k o nmero de fatores ou variveis a serem

controladas pelo experimentador
- 2k nmero de ensaios diferentes para

implementar um planejamento completo
- o 2 de 2k significa que o experimentado

ter que variar o fator em
dois diferentes nveis.
Voltemos ao exemplo hipottico do rendimento

da reao para ilustrar a:
Implementao de um planejamento fatorial 22

Para isso,
Temperatura Catalisador
Nveis: 40 oC e 60 oC Nveis: A e B
Rendimento?
Os rendimentos so registrados para as quatro

combinaes possveis dos fatores:
(40oC, A) Ensaio 1
(60oC, A) Ensaio 2
(40oC, B) Ensaio 3
(60oC, B) Ensaio 4
Os resultados so mostrados na Tabela a seguir:

Matriz de Planejamento
Pode-se representar geometricamente os

resultados do planejamento como:
Interpretao preliminar dos dados da Tabela 3.1

luz da Figura 3.3
- Ao usar o catalisador A e elevar a temperatura de 40

para 60oC (ensaios 1 e 2), o rendimento mdio passa de
59 para 90oC aumento de 31%
- Quando o catalisador do tipo B (ensaios 3 e 4) o

rendimento sobe apenas 68 54 = 14%
O efeito da temperatura depende do

nvel do catalisador!
Por outro lado, o efeito do catalisador tambm

apresenta um comportamento similar. De fato,
- Ao 40oC (ensaios 1 e 3), a mudana do catalisador

diminui o rendimento mdio em 5%
- Ao 60oC (ensaios 2 e 4), a reduo passa a ser de 22 %
Os resultados apontam uma interao entre os

fatores, cujo efeito tambm pode ser estimado
Clculo dos Efeitos
Efeito Principal da Temperatura (T)
Por definio,
Mdia dos efeitos da temperatura nos dois

nveis do catalisador
Matematicamente,
T=
(y 2 ) ( )
y1 + y 4 y3 (90 59 ) + (68 54 )
= = 22,5%
2 2
Podemos reescrever a Eq. anterior como
T=
(y 2 ) (
+ y4

)
y1 + y3 (90 + 68) (59 + 54 )
= = 22,5%
2 2 2 2
formulando a definio que

ser usada daqui em diante
O efeito principal de um fator a diferena entre a

resposta mdia no nvel superior e a do nvel inferior
Usando a nova definio para o catalisador:
C=
(y 3 + y4) (

)
y1 + y 2
=
(54 + 68) (59 + 90 )
= 13,5%
2 2 2 2
Analisando o efeito principal de C
Efeito negativo ao trocar o catalisador A

pelo B o rendimento cai, em mdia, 13,5%
Efeito de Interao entre T e C (TxC ou TC)
Se no houvesse interao, o efeito

de T deveria ser o mesmo usando
ambos os catalisadores
Porm, como isso no ocorreu
a metade da diferena entre ambos os

rendimentos de T pode ser tomada como uma
medida da interao entre os fatores T e C
Numericamente, devemos ter:
14 31
TC = = 8,5%
2
De onde se origina essa diferena?
TC =
(
=
) (
14 31 y 4 y3 y 2 y1 )=
y 4 y3 y 2 + y1
2 2 2
TC =
( ) (
y1 + y 4

)
y 2 + y3 (54 + 68) (90 + 54 )
= = 8,5%
2 2 2 2
Codificando as Variveis
Nos planejamentos de dois nveis, identifica-se os

nveis inferior e superior de uma varivel como:
Nvel inferior (-) 40oC (T) e A (C)

Nvel Superior (+) 60oC (T) e B (C)
Assim, podemos interpretar geometricamente todos

os efeitos a partir da Figura 3.2 mostrada a seguir
Um algoritmo para o calculo dos efeitos usando as

variveis codificadas
Inicialmente, reescreve-se a matriz de

planejamento (Tab. 3.1 ) substituindo os valores
dos fatores pelos sinais apropriados (+) ou (-)
T C T C
40 A
60 A +
=
40 B +

60 B + +
Acrescentando-se uma coluna de sinais positivos antes

da coluna de T e outra aps C e incluindo a unidade:
Tabela de coeficientes de contraste
M T C TC M T C TC
+ + 1 1 1 + 1
+ +
1 +1 1
1
=
+ + 1 1 +1 1

+ + + + 1 +1 +1 + 1
Calculando os efeitos usando a matriz anterior

Para calcular basta aplicar a equao
matricial abaixo:
+ 1 + 1 + 1 + 1 59 271
1
+ 1 1 + 1 90 45
X y =
t
=
1 1 + 1 + 1 54 27

+ 1 1 1 + 1 68 17
onde: - Xt = matriz de coeficientes de contraste transposta
- y = vetor coluna das repostas (no caso mdias)
Dividindo o primeiro elemento por 4 e os

demais por 2, obtemos:
271 / 4 67,75 M
45 / 2 22,5 T
= =
27 / 2 13,5 C

17 / 2 8,5 TC
onde: - M = mdia global
- T e C = efeito principal da temperatura (T) e do
catalisador (C)
- TC = efeito de interao entre os fatores T e C.
Interpretao geomtrica dos efeitos

Representa-se o planejamento experimental
num grfico com um eixo para cada fator.
Neste caso, o espao assim definido um
plano pois temos apenas 2 fatores.
Como resultado, obtm-se os grficos da
Figura 3.2 nos quais os nveis dos fatores
encontram-se na forma codificada.
Nota-se tambm que as respostas so
colocadas nos vrtices apropriados.
Efeitos principais contrastes entre valores situados

em arestas opostas e perpendiculares aos eixo do fator
correspondente
Efeito de interao contraste entre as duas
diagonais, considerando-se positiva a que liga o ensaio
(--) ao ensaio (++)
Estimando o erro experimental
Vimos, por exemplo, que o efeito de interao

entre T e C foi estimado como -8,5
Ser que esse efeito realmente

significativo do ponto de vista estatstico?
Para responder imprescindvel obter

uma estimativa do erro experimenta!
Para isso, deve-se fazer repeties

autnticas
Consiste na
realizao (pela segunda vez, ou n vezes) de todas as

etapas do ensaio (ou processo) desde a limpeza do
material at a medio ou anlise do produto final
Vejamos a seguir como determinar

o erro experimental!
Estimando a varincia conjunta (s2conjunta):
1 s ensaio
2
1 + 2 s 2
ensaio 2 + 3 s 2
ensaio 3 + 4 s 2
ensaio 4
s 2
=
conjunta
1 + 2 + 3 + 4
1 8 + 1 8 + 1 2 + 1 8
s 2
= = 6,5.
conjunta
1+1+1+1
s = 6,5 = 2,55%
Estimativa do desvio padro do erro experimental

caracterstico (erro padro) das respostas
De um modo geral, se cada ensaio for repetido ni

vezes e houver m ensaios diferentes, estimativa
conjunta da varincia exp. (s2conjunta) ser dada por:
1 s + 2 s + ... + m s
2 2 2
s 2
= 1 2 4
conjunta
1 + 2 + ... + m
onde
i = ni 1 nmero de graus de liberdade de si2
si2 estimativa da varincia do i-simo ensaio

Estimando o erro padro de um efeito

Como cada um dos efeitos uma combinao linear de
4 valores (4 repostas mdias) e admitindo que eles tm
a mesma varincia populacional, podemos escrever:
1 1 1 1
s 2
efeito = a = ( + + + ) = y
2
i
2
y
2
y
2
i 4 4 4 4
Onde:
ai = coeficientes usados no clculo dos efeitos
(ai = 1/2 e -1/2 de modo que ai2 = )
2
y = varincia populacional
2
s efeito = estimativa da varincia de um efeito
Conseqentemente, o desvio ou erro padro

de um efeito dado por:
s(efeito) = s 2
efeito = 2
y
Como cada resposta mdia uma combinao

linear de 2 observaes independentes, temos:
1 1 6,5 2
= a = ( + ) =
2
y
2
i
2 2
= = 3,25
i 4 4 2 2
onde, 2 foi tomada como igual s2conjunta
Portanto, o erro padro de um efeito

estimado como:
s(efeito) = = 3,25 = 1,8%

2
y
Tendo obtido o erro padro de um efeito,
pode-se construir intervalos de confiana para os
efeitos usando a distribuio de Student.
Vejamos a seguir como isso pode ser feito.

Significncia dos efeitos
Na prtica, s devemos considerar
estatisticamente significativos os efeitos que
satisfizerem (em mdulo) a condio:
Efeito significativo > t s(efeito )

onde:
t = ponto de distribuio com graus de liberdade
para o nvel de confiana desejado
= o mesmo no total de graus de liberdade usado
para estimar o desvio ou erro padro de um efeito.
No presente experimento, = 4 ento t = 2776

(ver tabela) ao nvel de 95% de confiana,
Efeito significativo > t s(efeito) = 2,776 1,8% = 5,0%
Usaremos esse critrio para avaliar se os efeitos

encontrados na Tabela 3.2 so significativos no
nvel de confiana considerado.
Interpretao final dos resultados
Verifica-se que todos os efeitos so

significativos, ou seja, eles realmente existem!
Uma vez que o efeito de interao entre T e C

significativo, os efeitos principais devem
ser interpretados conjuntamente, ou seja:
Para auxiliar a interpretao final dos resultados,
consideremos novamente o grfico da Figura 3.3
reapresentado a seguir.
De acordo com o grfico da Figura 3.3,

pode-se observar que:
Elevando T aumenta-se o rendimento da reao,

porm esse efeito muito mais pronunciado com o
catalisador A (+31% contra +14%)
Ao trocar o catalisador A pelo B o rendimento da reao

diminudo, sendo esse efeito muito mais expressivo a
60oC (-22% contra -5%)
Os maiores rendimentos (90%, em mdia) foram obtidos

com o catalisador A e com a temperatura em 60oC
A partir do planejamento anterior
Acrescentemos um terceiro fator
Concentrao de um
reagente
Nveis: 1,0 M ()
1,5 M (+)
Matriz de planejamento montada usando as

variveis codificadas
Na Tabela 3.3 encontra-se a matriz de
planejamento, na qual os ensaios so dispostos na
ordem padro.
Para mont-la, basta usar as regras:
toda as colunas iniciam com o nvel (-) e depois os
sinais se alternam
Um a um na primeira coluna (- + - + ...), depois dois

a dois (- - + + ...), e finalmente 4 sinais negativos e
4 positivos na terceira coluna.
Tabela de Coeficientes de Contraste, Estimativa

dos Efeitos e Erros
Para montar a tabela de coeficientes de contraste
(Tabela 3.4), calcular os efeitos e estimar o erro
Usa-se o mesmo procedimento do

planejamento 22
Os resultados so apresentados nas

Tabelas 3.4 e 3.5
Interpretando os Resultados da Tabela 3.54

Nota-se que:
a incluso do fator concentrao do reagente no

trouxe nenhuma novidade, seno seu efeito
principal
no h evidncia de interao entre a concentrao

e os outros dois fatores, pois seus efeitos no so
maiores que t8 x s(efeito).
Continuao da Interpretao
os efeitos 1 e 2, assim como 12, so praticamente
os mesmos do planejamento 22 e podem ser
interpretados a partir dos valores da Figura 3.5.
ento, o efeito da concentrao (C) pode ser

interpretado isoladamente como:
quando C aumentada de 1,0 M para 1,5 M, ocorre um
aumento mdio de cerca de 9% no rendimento, e no h
evidncia de esse aumento dependa dos nveis das outras
variveis, na regio experimental investigada.
Interpretao Geomtrica dos Efeitos

Isso se faz de maneira similar ao caso do
planejamento 22, porm a figura bsica , neste caso,
um cubo (Figura 3.6I) onde os ensaios correspondem
aos vrtices.
Novamente, os efeitos principais e as interaes
de dois fatores so contrastes, porm neste caso
entre planos, conforme indicado na Figura 3.6II.

APLICAES AO CONTROLE DE PRODUTOS E PROCESSOS
APLICAES DE PLANEJAMENTO
FATORIAL COMPLETO
OTIMIZAO DE PRODUTO NA
INDSTRIA
Otimizao no desenvolvimento de um produto
Formulao de um detergente em p
Reformulando o problema
Como a(s) reposta(s) do sistema (varivel

de interesse) depende dos fatores
(variveis controladas)?
Polmeros Branqueadores Tensoativos
Para desenvolver um produto mais eficiente
Pode-se estabelecer uma formulao padro,

variando-se os teores de alguns aditivos
de modo controlado
Diante do problema
Decidiu-se usar um
Planejamento fatorial 23
Avaliar os efeitos da adio de trs ingredientes

(os fatores) sobre o poder de branqueamento
Como resposta, escolheu-se
A densidade tica que mede a intensidade

de luz refletida pela roupa lavada
Procedimento
Cada ensaio foi feito usando

a mesma quantidade de p
das diferentes formulaes
As lavagens foram feitas em

simuladores industriais de
lavagem de roupas
Os resultados so mostrados na Tabela 3A.9

Neste caso, o erro padro de um efeito foi

estimado como 0,364 (88 graus de liberdade)
Efeito significativo > t 88 s(efeito) = 1,99 0,364 = 0,724
Esse critrio ser usado para avaliar se os efeitos

mostrados na Tabela 3A.9 so significativos ao
nvel de 95% de confiana
Interpretando os Resultados da Tabela 3A.9
Apenas os efeitos principais dos aditivos A e C

so significativos
Conseqentemente, pode-se considerar o

experimento como um planejamento fatorial 22
com esses fatores
Veja a Tabela 3A.10

A Figura 3A.12 mostra os resultados dos 96

ensaios em funo dos nveis dos aditivos A e B
Embora o aditivo A tem produzido um efeito

significativo, isso dificilmente seria percebido se
no fosse realizado um no to grande de repeties
De fato, observa-se na Figura 3A.12 uma grande

varincia nas respostas dos ensaios repetidos
Como o objetivo maximizar a resposta

Acrescenta-se formulao padro
Os ingredientes A e B
Por outro lado,
O ingrediente C 4x mais eficiente que o A para

aumentar a intensidade da luz refletida
Resultados ainda melhores podem ser

obtidos empregando a Metodologia de
Superfcies de Resposta
ANLISE POR MEIO DE GRFICOS NORMAIS
Anlise por meio de grficos normais
Tcnica alternativa para verificar quais

dos efeitos so significativos ou no
Baseia-se no conceito de
probabilidade cumulativa
Probabilidade Cumulativa
Probabilidade de se observar um valor da

varivel aleatria x menor ou igual a
x1, como ilustrado na Figura 3.7
Essa probabilidade aumenta medida

que x se desloca para a direita,
tendendo para 1 quando x
Representao num grfico normal de uma

amostra de 10 elementos extrada de uma
populao normal
1o Passo: colocar os elementos em

ordem crescente
O resultado ilustrado no grfico

da figura a seguir
2o Passo: associar, a cada valor de x, a

probabilidade acumulada do centro do intervalo
que ele representa
x1 corresponderia probabilidade acumulada de

5%, x2 a 15%, x3 a 25%, ...., x10 a 95%
Uma representao grfica dessas probabilidades

versus x1, x2, ..., x10 mostrada na Figura numa
escala linear (a) e normal (b)
Analogamente, pode-se traar um grfico normal

dos quinze valores dos efeitos do planejamento
fatorial 24 apresentados na Tabela 3.8
Os dados para isso so mostrados na Tabela 3.9,

na qual cada efeito associado a um valor de
probabilidade acumulada
O grfico normal resultante mostrado abaixo.

Interpretao do grfico anterior:

os pontos centrais ajustam-se a uma reta que
cruza o ponto zero do eixo das abscissas;
pontos vindos de uma populao normal de

mdia zero. Logo, representam efeitos sem
nenhum significado fsico;
os efeitos principais (pontos 1, 2 e 3) e o de

interao 12 so significativos, pois
encontra-se afastados da reta dos pontos
centrais.
QUANDO AS VARIVEIS SO MUITAS
Quando o Nmero de Fatores

Aumenta Muito, os Planejamentos
Fatoriais Completos
Soluo para o Problema
Planejamentos Fracionrios
Permitem fazer uma triagem das variveis

que afetam significativamente a resposta
com um nmero mnimo de ensaios
Como isso possvel sem

comprometer os resultados?
Quando o no de fatores aumenta
Interaes de ordem Interaes de ordem

alta aumenta muito! alta aumenta muito!
(Tabela 4.1)
Tm valores pequenos
Crescem as chances de
So desprovidas de um ou mais dos fatores
importncia prtica no afetar a resposta
FRAES MEIAS DE PLANEJAMENTOS FATORIAIS
Otimizao de um procedimento analtico para

determinar traos de molibdnio em plantas
Fatores
[H2O2] [H2SO4] [KI] Tempo

de
Reao
Resposta Analtica
Planejamento Fatorial 24 Completo
Teramos que fazer 16 ensaios e registrar

as respostas observadas
A matriz de planejamento e os resultados dos

efeitos so mostrados nas Tabelas 4.2 e 4.3
Pelo grfico normal (Figura 4.1), obtido com base nos

valores da Tabela 4.3, podemos ver que so significativos os
efeitos principais de KI (2), de H2O2 (3) e do tempo (4), e as
interaes 23 e 24.
Digamos que, por economia, o analista decidiu

apenas os 8 ensaios assinalados na Tabela 4.2
Neste caso, ele s teria obtido as respostas

reproduzidas na ltima coluna da Tabela 4.4
Como os clculos no se referem ao planejamento

completo e sim a uma frao, vamos usar a letra
l para denotar os contrastes e distingui-los dos
efeitos associados ao planejamento completo
Efeitos da Tabela 3.3 X Contrastes da Tabela 4.4
As estimativas da mdia e dos efeitos

principais so muito parecidas
Essas estimativas podem obtidas de modo

satisfatrio com a metade do esforo necessrio
para fazer o planejamento fatorial completo
Por outro lado, vemos que os valores das

interaes significativas do fatorial completo
Contudo,
esto em boa concordncia as interaes envolvendo

com os valores de l23 e l24 o fator 1 esto muito
calculados na meia frao superestimadas pelos
valores de l12, l13 e l14
? Explicao a seguir!
Com 8 ensaios da meia frao, pode-se estimar

apenas 8 parmetros independentes:
Assim, ao estimar a mdia e os 4 efeitos

principais restam apenas trs graus de liberdade
Insuficientes para fornecer todas as estimativas

independentes de todas as interaes de 2 fatores
Com efeito, podemos ver na Tabela 3.4 que

l12 = l34, l13 = l24 e l14 = l23
Isso ocorre porque, na Tabela 4.4, as colunas de

sinais para as interaes 12, 13 e 14 so idnticas
s colunas correspondentes a 34, 24 e 23
No obstante, essa situao pode ser

remediada pois, como o efeito principal 1
desprezvel (Tabela 3.3), pode-se assumir que
l12 l13 l14 0
Os valores acima em conjunto com l23 = 26,75,

l24 = 24,75 e l34 = 8,75 so boas estimativas das
interaes de 2 fatores calculadas com as
respostas de todos os 16 ensaios
O planejamento com 8 ensaios da Tabela 4.4 uma

frao meia do fatorial completo da Tabela 4.2
Notao do fatorial de meia frao: 24-1
Que a metade de 24, ou seja:
2
2 1 41
=2 2 =2 =8
4
2
Como construir uma frao meia?
O planejamento fracionrio 24-1 da

Tabela 4.4 foi construdo como segue:
Construi-se um planejamento 23 completo

para os fatores 1, 2 e 3.
Atribuiu-se ao fator 4 os sinais do produto

das colunas 1, 2 e 3.
Primeira conseqncia:
Os contastes l123 e l4 se tornam idnticos, pois

so determinados pelos mesmos sinais
Outras identidades entre contrastes tambm

so possveis, pois na frao meia s temos
oito graus de liberdade
Para obt-las, vejamos o procedimento a seguir

Representando as colunas por nmeros (ou

produtos de nmeros) e sabendo que os sinais
da 4a coluna corresponde ao produto dos sinais
das colunas 1, 2 e 3, podemos escrever:
4 = 123
Relao ou expresso definidora

do fracionamento!
A partir da relao definidora, podemos obter

todas as possveis relaes entre contrastes
para essa meia frao
Contudo, necessrio conhecer duas propriedades

fundamentais da multiplicao das colunas de
sinais, as quais so descritas a seguir
Primeira propriedade: multiplicao de uma

coluna por ela mesma
Produz uma nova coluna contendo apenas

sinais positivos, a qual ao multiplicar uma
outra coluna a deixa inalterada
Essa coluna denominada

elemento identidade (I)
Ex.: 11 = 22 = 33 = 44 = I
Segunda propriedade: apenas reconhece que

a multiplicao das colunas
comutativa e associativa.
Por exemplo:
123 = (1)(23) = (23)(1) = (12)(3) = 321 = (2)(31) = ...

Vamos usar as propriedades para obter outra

relao entre contraste por meio do exemplo
discutido a seguir
Seja determinar o contraste que tem os

mesmos sinais de l2
Partindo da relao 4 = 123 e multiplicando

ambos os lados por (13)
Obtm-se 134 = 2
Conclui-se que l2 = l134
Na linguagem estatstica:
O emprego da meia frao confunde o efeito

principal 2 com a interao 134
Alm de confundir os dois efeitos, o contraste

calculado capaz de estimar a sua soma
Vamos atestar essa afirmativa:
Somando os efeitos
2 e 134 da Tabela 4.3
2 + 134 = 109,38 + 5,38 l2 = 114,75

2 + 134 = 114,76
(Tabela 4.4)
Para indicar que o contraste l2 confunde

os efeitos 2 e 134 e estima a sua soma,
pode-se usar a notao abaixo
l2 2 + 134
Na Tabela 4.5 so mostradas as relaes entre os

contrastes calculados na frao meia 24-1 e os
efeitos obtidos com o planejamento completo 24
Padres de Confundimento
Determinando as Relaes
Geradoras
Como vimos, a frao meia foi

obtida a partira da igualdade 4 = 123
Contudo, a literatura apresenta
usualmente essa relao como
I = 1234
Geratriz (ou relao geradora)

do fatorial fracionrio!
Voltando Tabela 4.2 e considerando os

ensaios restantes (no marcados):
Esses ensaios compem a outra frao

meia, sendo que os sinais do fato 4 so o
contrrio dos sinais do produto 123
4 = - 123 ou I = - 1234
Os contrastes so agora estimativas da

diferena entre dois efeitos do
planejamento completo
O asterisco indica que
o contraste refere-se
frao complementar

l = 2 134
2
As relaes entre os novos contrastes e

os efeitos do planejamento completo so
as mesmas da 2a coluna da Tabela 4.5,
mas com sinais negativos
Utilizando os contrastes da segunda

frao meia para calcular efeitos
l2 = 2 134 = 109,38 5,38 = 104,00
Por outro lado, interessante notar que se

juntarmos as duas fraes meias, poderemos
recompor o fatorial de partida (completo)
De fato, para constatar veja o exemplo abaixo:

l2 + l = (2 + 134) + (2 134) = 2 + 2
2
O valor de 2 obtido como:

l2 + l 114,75 + 104,00
2= =
2
= 109,38
2 2
Do mesmo modo, a interao 134
calculada como:

l2 l 114,75 104,00
134 = =2
= 5,38
2 2
TRIAGEM DE VARIVEIS USANDO PLANEJAMENTOS FRACIONRIOS
Recomendada quando no se sabe muito

sobre o comportamento do sistema
Para isso, realiza-se apenas, num primeiro

estgio, uma frao do total de ensaios do
planejamento completo
Depois, ao analisar-se os resultados da frao

pode-se decidir se vale a pena fazer os
ensaios restantes
Digamos que s umas poucas variveis

so importantes. O que fazer?
- pode-se introduzir novas variveis ou

- alterar os nveis das que j estudamos a
fim de obter respostas melhores
Agora, suponha que os resultados

iniciais sejam promissores.
O que fazer?
Pode-se realizar mais Pode-se tentar ajustar

ensaios na mesma regio uma superfcie de
e completar o fatorial resposta
Regra-de-ouro: ao se investigar o efeito de muitas

variveis, no se recomenda fazer
um planejamento completo logo
de sada!
Qual ento a melhor atitude?
Iniciar a investigao com um planejamento

fracionrio
Triagem, ou seja, tentar:
Selecionar os fatores realmente significativos

que meream um estudo mais aprofundado!
APLICAES DE PLANEJAMENTOS
FRACIONRIOS OTIMIZAO DE
PRODUTOS E PROCESSOS NA
INDSTRIA
1a) Escoamento de xidos na Indstria Siderrgica
Objetivo do Projeto de Pesquisa
Otimizar um procedimento para diminuir o

tempo de escoamento de xidos utilizados
na indstria siderrgica
Fatores
Tempo
Solvente Aditivo Catalisador de
Estufa
Resposta do Sistema
Tempo de escoamento de xidos

Interpretao dos resultados da Tabela 4A.5

Os valores dos contrastes calculados indicam:
H apenas dois fatores importantes, quais

sejam o solvente (1) e o tempo de estufa (2)
A interao (14) tambm importante.
Assumindo os fatores 2 e 3 como inertes, o

planejamento anterior se reduz a um fatorial 22
duplicado, como se pode notar na Tabela 4A.6.
As resposta em duplicata permitem estimar

o experimental e a significncia dos efeitos!
A varincia conjunta experimental 44,91 ( =4)
A varincia de um efeito 44,91 / 2 = 22,45
Logo, o erro padro de um efeito (22,45)1/2 = 4,74
Como a varincia conjunta experimental foi

estimada com = 4, t = 2776 (ver Tabela A.2) ao
nvel de 95% de confiana, ento:
Efeito significativo >t s (efeito) = 2,776 4,74 = 13,2
O valor acima corroborar a inferncia feita antes de

quais os contrastes so significativos: 1, 4 e 14
Por outro lado, a Figura 4A.6 possibilita

uma visualizao do que significam, na
prtica, os valores obtidos.
Com efeito, observamos que:
Ao utilizar o hexano, o aumento do tempo de

permanncia do xido na estufa aumenta
bastante a resposta;
quando o solvente o lcool, praticamente no

faz diferena;
porm, interessante notar na Tabela 4A.5 que as

duas menores respostas foram obtidas nos
ensaios 2 e 7 (sinais opostos para 1 e 4).
A ltima observao parece um contra-senso!
Calma! Nem tudo est perdido: os

resultados sugerem que parece existir mais
de um maneira de minimizar a resposta.
Cabe, pelo menos, um bom

conselho:
O que em hiptese nenhuma se pode

fazer usar hexano e deixar o xido
na estufa por muito tempo!
2a) Cura de uma Resina Polister
Objetivo do Projeto de Pesquisa
Otimizar um procedimento para diminuir o

tempo de escoamento de xidos utilizados
na indstria siderrgica
Caracterizao do Problema
No processo de cura, adiciona-se um catalisador

para acelerar a formao de gel pela resina
Definio de tempo de gel
Tempo de Gel o tempo a partir do qual o gel

comea a ser formado aps a adio do catalisador
Objetivo do Experimento
Investigar por meio de um planejamento

fracionrio 25-1 a influncia das concentraes
de 5 aditivos usados no processo de produo
da resina sobre o seu tempo de gel
Os fatores encontram-se discriminados no

esquema a seguir e a matriz de
planejamento mostrada na Tabela 4A.8
Fatores
Hidroquinona Octanoato de Benzoquinona Octanoato de Dimetilanilina

cobre cobalto
Resposta Observada
Tempo de Gel da Resina

Catalisador utilizado:
Perxido de metil-etil-cetona, adicionado na

proporo constante de 1% da massa de resina
Interpretao dos resultados

Com base nos contrastes e no grfico normal
apresentado na Figura 4A.8, pode-se constatar que:
o tempo de gel totalmente controlado por 3

dos 5 fatores: DMA (5), Co (4) e HQ (1);
porm, os fatores 4 e 5 contribuem para diminuir a

resposta enquanto o fator 1 tende a aument-la.
Como no houve interao significativa, os fatores

podem ser variados independentemente.

Quimiometria Planejamentosfatoriais

Enviado por

Dados do documento

Título original

Direitos autorais

Formatos disponíveis

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Direitos autorais:

Formatos disponíveis

Quimiometria Planejamentosfatoriais

Enviado por

Direitos autorais:

Formatos disponíveis

APLICAES NA INDSTRIA

Se processo opera bem, 99,73% das observaes

Caso contrrio, podem surgir alguns

Mudana de nvel Tendncia

Pode estar associada a uma Pode significar, por exemplo,

Avaliar a influncia de uma ou mais

Como a(s) reposta(s) do sistema (varivel

OBS.: Fatores e respostas podem ser qualitativos ou quantitativos!

Definindo o(s) Objetivo(s) do Experimento

O experimentador pode est

saber se ao trocar o catalisador por outro mais barato

descobrir que temperatura deve ser usada para obter o

Escolhendo o planejamento mais adequado

Digamos que se queira saber se certos

Planejamento Fatorial de Dois Nveis (2K)

Planejamento Fatorial de Dois Nveis (2K)

- k o nmero de fatores ou variveis a serem

- 2k nmero de ensaios diferentes para

- o 2 de 2k significa que o experimentado

Voltemos ao exemplo hipottico do rendimento

Implementao de um planejamento fatorial 22

Os rendimentos so registrados para as quatro

Os resultados so mostrados na Tabela a seguir:

Pode-se representar geometricamente os

Interpretao preliminar dos dados da Tabela 3.1

- Ao usar o catalisador A e elevar a temperatura de 40

- Quando o catalisador do tipo B (ensaios 3 e 4) o

O efeito da temperatura depende do

Por outro lado, o efeito do catalisador tambm

- Ao 40oC (ensaios 1 e 3), a mudana do catalisador

- Ao 60oC (ensaios 2 e 4), a reduo passa a ser de 22 %

Os resultados apontam uma interao entre os

Clculo dos Efeitos

Efeito Principal da Temperatura (T)

Mdia dos efeitos da temperatura nos dois

Podemos reescrever a Eq. anterior como

formulando a definio que

O efeito principal de um fator a diferena entre a

Usando a nova definio para o catalisador:

Analisando o efeito principal de C

Efeito negativo ao trocar o catalisador A

Efeito de Interao entre T e C (TxC ou TC)

Se no houvesse interao, o efeito

a metade da diferena entre ambos os

Numericamente, devemos ter:

De onde se origina essa diferena?

Nos planejamentos de dois nveis, identifica-se os

Nvel inferior (-) 40oC (T) e A (C)

Assim, podemos interpretar geometricamente todos

Um algoritmo para o calculo dos efeitos usando as

Inicialmente, reescreve-se a matriz de

Acrescentando-se uma coluna de sinais positivos antes

Tabela de coeficientes de contraste

Calculando os efeitos usando a matriz anterior

Dividindo o primeiro elemento por 4 e os

Interpretao geomtrica dos efeitos

Efeitos principais contrastes entre valores situados

Estimando o erro experimental

Vimos, por exemplo, que o efeito de interao

Ser que esse efeito realmente

Para responder imprescindvel obter

Para isso, deve-se fazer repeties

realizao (pela segunda vez, ou n vezes) de todas as