Planejamento de

Experimentos
Universidade Estadual do Rio Grande do Sul
Prof. Dr. Éder Julio Kinast
Abril/2019
Experimento
 É um procedimento no qual alterações propositais
são feitas nas variáveis de entrada de um processo ou
sistema, de modo que se possa avaliar as possíveis
alterações sofrida pela variável resposta, como
também as razões de sua alteração.

Fatores Controláveis
x1 x2 xp
Entrada Saída
(matéria-prima (efeito)
ou substrato)

Processo

y:
Característica
z1 z2 zq de interesse

Fatores Não Controláveis

Objetivos de um
experimento planejado
 estudar/compreender determinado processo;
 redução da variação do processo e melhor
concordância entre os valores obtidos e os valores
pretendidos;
 redução do tempo do processo;
 redução do custo operacional;
 melhoria no rendimento do processo.

Para se obter sucesso na utilização destas técnicas, é

necessário definir características da qualidade e todos
os possíveis fatores que podem afetar estas
características.
Definições do Experimento
 as variáveis envolvidas;
 a faixa de variação das variáveis selecionadas;
 os níveis escolhidos para essas variáveis (no caso de
muitos fatores, é melhor escolher inicialmente dois
níveis);
 a variável resposta;
 o planejamento experimental:
 tamanho da amostra (número de réplicas);
 seleção da ordem de realização dos tratamentos;
 se há vantagem em fazer a blocagem;
 métodos de análise dos resultados.
Experimentos Fatoriais
 São adequados para estudar o efeito conjunto de
vários fatores sobre uma variável resposta.
 De um modo geral, cada fator poderia ser observado
em vários níveis, porém os experimentos mais
utilizados na indústria são os experimentos fatoriais em
que cada fator assume apenas dois níveis (Ex. duas
temperaturas, duas concentrações, “com” ou “sem”
determinada característica).
 Geralmente, deseja-se comparar o nível atual de
trabalho de determinado fator com um novo nível
deste fator, para verificar se o nível atual proporciona
um bom aproveitamento do processo ou se este
poderia ter resultados melhores utilizando um novo
nível.
Efeitos
 É definido como a mudança sofrida pela variável
resposta quando passamos do nível baixo do fator
para o nível mais alto.

Interações
 Se o comportamento de um fator não é o mesmo nos
dois níveis de outro fator, dizemos que existe
interação entre os fatores. Matematicamente, o
efeito da interação entre dois fatores é a metade da
diferença entre os efeitos de um fator nos níveis do
outro fator. Em outras palavras, a interação ocorre
entre dois ou mais fatores se o efeito de um fator na
resposta depende do nível dos outros fatores.
Experimento Fatorial
Aleatório Completo
 Inclui todas as possíveis combinações entre os níveis dos fatores do
experimento, executadas em ordem aleatória.
 A aleatorização é essencial para uma boa conclusão, pois o
experimentador não pode estar certo de todas as variáveis que
influenciam o experimento.
 Mesmo que se controle algumas dessas variáveis, complicações não
planejadas são comuns. A aleatorização não evita complicações
dentro do experimento, mas oferece alguma proteção contra o vício
do experimento.
 Construção de um experimento aleatório completo:
 Enumerar todas as combinações entre níveis dos fatores de 1 a N,
incluindo as réplicas;
 Gerar uma sequência de números aleatórios para a sequência de 1
até N;
 Conduza o experimento seguindo a sequência obtida na
aleatorização.
 Os planejamentos de experimentos devem, quando possível, incluir
réplicas. Deve-se trabalhar com o maior número de réplicas possíveis
para redução do erro experimental.
 Quando possível, deve-se balancear as combinações para um
número igual de vezes execuções.
Experimentos bk
 São experimentos com k tratamentos, cada um deles
com b níveis.
 Os mais comuns envolvem b = 2 níveis em k = 2 ou 3
tratamentos.
 As análises estatísticas envolvidas incluem:
 ANOVA (de k tratamentos) para verificar diferenças
significativas entre os b níveis;
 Ajuste de modelos lineares e quadráticos (superfície de
respostas);
 Análise de Extremos BoxPlot para eliminação de valores
extremos;
 Análise de Correlação entre tratamentos para
eliminação de tratamentos;
 Análise de Cochran e Cox para dimensionamentos de
réplicas.
Exemplo de experimento 22
Um rotor será submetido a um teste de trabalho com
diversos níveis para verificar em cada condição o tempo de
falha. O rotor trabalhará com duas temperaturas diferentes
(20 ºC e 60 ºC), em duas rotações diferentes (5 RPM e 15
RPM). Serão realizados 3 réplicas por condição diferente.
 k = 2 tratamentos ou fatores (Temperatura e Rotação)
 b = 2 níveis de cada fator
 r = 3 réplicas (experimento balanceado)
 y = variável resposta (Tempo para Falha)

Fator A Fator B
Tratamento
Temperatura (ºC) Rotação (RPM)
1 20 5
2 20 15
3 60 5
4 60 15
Exemplo de experimento 22
 Níveis ALTO (+ ou +1) e BAIXO (– ou –1)

Tratamento Fator A Fator B

1 – –
2 – +
3 + –
4 + +

 Níveis Ligados (1) e Desligados (0)

Tratamento Fator A Fator B

1 0 0
2 0 1
3 1 0
4 1 1
Exemplo de experimento 22
𝑉𝐴𝐿𝑂𝑅−𝐶𝑒𝑛𝑡𝑟𝑜 𝑑𝑜 𝐼𝑛𝑡𝑒𝑟𝑣𝑎𝑙𝑜
 Variáveis codificadas 𝑥 = 𝑇𝑎𝑚𝑎𝑛ℎ𝑜 𝑑𝑜 𝐼𝑛𝑡𝑒𝑟𝑣𝑎𝑙𝑜Τ2

Fator A Fator B
Tratamento
Temperatura (ºC) Rotação (RPM)
1 20 5
2 20 15
3 60 5
4 60 15

𝑇𝑒𝑚𝑝𝑒𝑟𝑎𝑡𝑢𝑟𝑎 − 40
𝑥1 =
20

𝑅𝑜𝑡𝑎çã𝑜 − 10
𝑥2 =
5
Exemplo de experimento 22
 Ordem aleatória da execução das corridas:

Corridas Fator A Fator B

1 – –
2 – –
3 + –
4 + +
5 + +
6 – –
7 + –
8 + –
9 – +
10 + +
11 – +
12 – +
Exemplo de experimento 22
 Após as devidas medições dos tempos para falha:

Corridas Fator A Fator B Tempo (min)

1 – – 65
2 – – 74
3 + – 44
4 + + 34
5 + + 32
6 – – 68
7 + – 46
8 + – 39
9 – + 50
10 + + 27
11 – + 48
12 – + 52
Exemplo de experimento 22
 Dados agrupados por condição:

Tratamento Fator A Fator B Tempo (min) Média

1 – – 74 68 65 69
2 – + 50 48 50 50
3 + – 46 44 39 43
4 + + 34 32 27 31
x2 (Fator B -
Rotação RPM)

15
50 31
+1

20 60 x1 (Fator A -
–1 +1 Temperatura ºC)

5
69 43
–1
Exemplo de experimento 22
 Efeito Principal do Fator A (Temperatura)
x2 (Fator B -
Rotação RPM)

15
50 31
+1

20 60 x1 (Fator A -
–1 +1 Temperatura ºC)

5
69 43
–1

43 + 31 − 69 + 50
𝑒𝑓 𝐴 = = −22,5
2
Exemplo de experimento 22
 Efeito Principal do Fator B (Rotação)
x2 (Fator B -
Rotação RPM)

15
50 31
+1

20 60 x1 (Fator A -
–1 +1 Temperatura ºC)

5
69 43
–1

50 + 31 − 69 + 43
𝑒𝑓 𝐵 = = −15,5
2
Exemplo de experimento 22
 Efeito de Interação dos Fator A e B (Temperatura e
Rotação)
x2 (Fator B -
Rotação RPM)

15
50 31
+1

20 60 x1 (Fator A -
–1 +1 Temperatura ºC)

5
69 43
–1

69 + 31 − 50 + 43
𝑒𝑓 𝐴𝐵 = = 3,5
2
Exemplo de experimento 22
 Quais dos efeitos são significativos?
𝑒𝑓 𝐴 = −22,5
𝑒𝑓 𝐵 = −15,5
𝑒𝑓 𝐴𝐵 = 3,5

 Faz-se ANOVA com 2 fatores para concluir

Tabela da Anova
Soma de Quadrado
Fatores G.L. Estat. F p-valor
Quadrados Médio
A 1 1518,75 1518,75 119,1176471 4,40181E-06
B 1 720,75 720,75 56,52941176 6,80689E-05
A:B 1 36,75 36,75 2,882352941 0,127988053
Resíduos 8 102 12,75

Conclui-se que os efeitos dos fatores A (Temperatura) e B

(Rotação) são significativos, pois seus valores de p são
inferiores a 5%. Porém, a interação entre os fatores não é
significativa, pois o respectivo valor de p é maior que 5%.
 Exemplo de experimento 22
 Uma superfície de resposta linear descreve
adequadamente os dados?
𝑦 = 𝑎 + 𝑏1 ∙ 𝑥1 + 𝑏2 ∙ 𝑥2 + 𝑏12 ∙ 𝑥1 ∙ 𝑥2 + 𝑒

Coeficientes
Preditor Efeitos Estimativa Desvio Padrão Erro* Estat.t P-valor
𝑡𝛼Τ2;𝜈 ∙ 𝑠
Intercepto 48,25 1,030776406 0,65492408 46,80937563 4,79576E-11 𝑒=
𝑛
A -22,5 -11,25 1,030776406 0,65492408 -10,91410313 4,40181E-06
B -15,5 -7,75 1,030776406 0,65492408 -7,518604376 6,80689E-05 =INVT(0,05;n-1)*s/raiz(n)
A:B 3,5 1,75 1,030776406 0,65492408 1,697749375 0,127988053

𝑦 = 48,25 − 11,25 ∙ 𝑥1 − 7,75 ∙ 𝑥2 + 1,75 ∙ 𝑥1 ∙ 𝑥2

Nenhum dos coeficientes é menor que o respectivo
erro*, então não se considera descartar nenhum termo.

Desvio Padrão dos Resíduos 𝑚−1

𝑅𝑎2 = 1 − ∙ 1 − 𝑅2
Desvio Padrão dos Resíduos GdL R^2 R^2 Ajustado 𝑚−𝑝
𝑚 é o número de parâmetros
3,570714214 8 0,957111321 0,941028067 𝑝 é o número de parâmetros

Como R2 ~ 0,94 admite-se que o ajuste linear descreve

adequadamente os dados.
Exemplo de experimento 22
 Superfície de resposta linear (Gráfico 3D)
𝑦 = 48,25 − 11,25 ∙ 𝑥1 − 7,75 ∙ 𝑥2 + 1,75 ∙ 𝑥1 ∙ 𝑥2
Exemplo de experimento 22
 Existem valores extremos que se consideraria
descartar? (mínimo de 8 observações)

Teste de Outliers
Observação t-Valor p-valor p-valor_Bonferroni
2 2,017366462 0,08345394 1,001447275

Isto indica que a observação de número 2 (valor 74, que

é uma das medidas da combinação 20 ºC e 5 RPM)
poderia ser considerado um valor atípico.
Exemplo de experimento 22
Existem valores “influentes”?
 DFFITS (mínimo de 8 observações)
Este parâmetro mede a influência que a observação i tem
sobre o ajuste, ou o quanto a sua exclusão altera os
parâmetros ajustados. Diz-se que uma observação i é um
ponto influente se:
𝑌෠ 𝑖 −𝑌෠ 𝑖 𝑖 𝑝+1
𝐷𝐹𝐹𝐼𝑇𝑆𝑖 = e 𝐷𝐹𝐹𝐼𝑇𝑆𝑖 > 2 ∙ 𝑛
𝑄𝑀𝐸𝑖 ∙ℎ𝑖𝑖
 DFBETA (mínimo de 8 observações)
Este parâmetro mede a influência da observação i sobre o
coeficiente de ajuste j. São consideradas observações
influentes aquelas que:
෡ 𝑗 −𝛽
𝛽 ෡𝑗(𝑖) 2
𝐷𝐹𝐵𝐸𝑇𝐴𝑖 = e 𝐷𝐹𝐵𝐸𝑇𝐴𝑖 >
𝑄𝑀𝐸𝑖 ∙𝑐𝑗𝑗 𝑛

 Distância de Cook (mínimo de 8 observações)

Este parâmetro mede a influência da observação i sobre
todos n valores ajustados. São consideradas observações
influentes aquelas em que:
𝑒𝑖2 ℎ𝑖𝑖
𝐷𝑖 = ∙ e 𝐷𝑖 > 1
𝑝+1 ∙𝑄𝑀𝐸 1−ℎ𝑖𝑖 2
 Exemplo de experimento 22
Existem valores “influentes”?
 Gráficos DFFITS e D-COOK

DFFITS D-COOK

2.0 1.0 Critério : 1

0.9
1.5 0.8
1 Critério = 1.2
1.0 0.7

D-COOK
DFFITS

0.5 0.6
0.5
0.0 0.4
-0.5 0.3
0.2
-1.0
0.1
-1.5 0.0
1
2
3
4
5
6
7
8
9
10
11
12

1
2
3
4
5
6
7
8
9
10
11
12
Observações Observações
 0.5 0
0.4 0
0.3 0
0.2 0
0.1 0

Exemplo de experimento 22

DFBETAS

DFBETAS
0.0 0
-0.1 -0
-0.2 -0
-0.3 -0
-0.4 -0
-0.5 -0

Existem valores “influentes”?

-0.6 -0
-0.7 1 -0
-0.8 -0

 Gráficos DFBETA

10

11

12
Observações

A B A:B

0.6 Critério = 0.58 0.6 Critério = 0.58 0.8

0.5 0.5 0.7 1
0.4 0.4 0.6 Critério = 0.58
0.3 0.3 0.5
0.2 0.2 0.4
0.1 0.1 0.3

DFBETAS
DFBETAS

DFBETAS

0.0 0.0 0.2

-0.1 -0.1 0.1
-0.2 -0.2 0.0
-0.3 -0.3 -0.1
-0.4 -0.4 -0.2
-0.5 -0.5 -0.3
-0.6 -0.6 -0.4
-0.7 1 -0.7 1 -0.5
-0.8 -0.8 -0.6

10

11

12
1

10

11

12

10

11

12
Observações Observações Observações

A:B

0.8
0.7 1
0.6 Critério = 0.58
0.5
0.4
0.3
BETAS

0.2
0.1
Exemplo de experimento 22
 Os dados seguem uma distribuição normal?

Teste de Normalidade
Estatística p-valor
Anderson-Darling 0,312533434 0,504885634
Shapiro-Wilk 0,931482687 0,396092994
Kolmogorov-Smirnov 0,155506066 0,585406995
Ryan-Joiner 0,974551564 0,5392
Outros tipos de planejamento
de experimentos 22 “tracionais”
 Experimento 22 sem réplicas com ponto central em
triplicata (22 com ponto central).

x2 x1 x2 y
N
t (min) T (ºC) m (g)
+1 1 70 -1 127,5 -1 54,3
2 80 +1 127,5 -1 60,3

–1 +1 x1
3 70 -1 132,5 +1 64,6
4 80 +1 132,5 +1 68
5 75 0 130 0 60,3
–1
6 75 0 130 0 64,3
7 75 0 130 0 62,3
1 observação
3 observações 𝑡−75 𝑇−130
𝑥1 = 𝑥2 =
5 2,5
 Outros tipos de planejamento
de experimentos 22 “tracionais”
 Experimento 22 sem réplica com ponto central em
quadruplicata e pontos de estrela sem réplicas (22 estrela).
x2 + 𝟐 x1 x2 y
N
t (min) T (ºC) m (g)
1 80 -1 140 -1 78,8
+1
2 100 +1 140 -1 84,5
3 80 -1 150 +1 91,2
– 𝟐 + 𝟐
4 100 +1 150 +1 77,4
–1 +1 x1
5 90 0 145 0 89,7
6 90 0 145 0 86,8
7 90 0 145 0 87
–1
8 90 0 145 0 86
– 𝟐 9 76 − 2 145 0 83,3
1 observação 10 104 + 2 145 0 81,2
4 observações 11 90 0 138 − 2 81,2
𝑡−90 𝑇−145 12 90 0 152 + 2 79,5
2 ≅ 1,41 𝑥1 = 𝑥2 =
10 5
Exemplo de experimento 22
com ponto central
Experimento 22 com ponto central para determinar as
condições ideais para funcionamento de processo.

x1 x2 y
N
t (min) T (ºC) m (g)
1 70 -1 127,5 -1 54,3
As condições atuais
2 80 +1 127,5 -1 60,3 de funcionamento
3 70 -1 132,5 +1 64,6 são de t = 75 min e
T = 130 ºC.
4 80 +1 132,5 +1 68
5 75 0 130 0 60,3 No experimento serão
6 75 0 130 0 64,3 utilizados passos de
variação de 5 min e
7 75 0 130 0 62,3 2,5 ºC.
𝑡−75 𝑇−130
𝑥1 = 𝑥2 =
5 2,5
Exemplo de experimento 22
com ponto central
 Neste experimento não é possível determinar os
valores extremos, DFFITS, DFBETA e D-COOK, pois só
existem 7 observações.
 Porém, é possível ajustar o modelo de 1ª ordem, pois
é necessário um mínimo de 4 observações
(linearmente independentes) para isto.
 As 3 réplicas centrais servem para estimar o erro das
demais observações e aumentar a precisão dos
cálculos dos valores p.
 Exemplo de experimento 22
com ponto central
 Resultados do ajuste do Modelo Linear (de 1ª ordem)
𝑦 = 𝑎 + 𝑏1 ∙ 𝑥1 + 𝑏2 ∙ 𝑥2 + 𝑏12 ∙ 𝑥1 ∙ 𝑥2 + 𝑒

Coeficientes
Preditor Efeitos Estimativa Desvio Padrão Erro* Estat.t P-valor
Intercepto 62,01428571 0,633530224 0,585917734 97,88686223 2,35036E-06
x1 4,7 2,35 0,83808171 0,775096306 2,804022534 0,067626889
x2 9 4,5 0,83808171 0,775096306 5,369404853 0,012646098
x1:x2 -1,3 -0,65 0,83808171 0,775096306 -0,775580701 0,494523221

Como o módulo do valor de 𝑏12 = −0,65 é menor que o

erro 0,775, pondera-se desconsiderar este termo no
modelo. Além disso, pelos valores de p acima, não é
significativo o efeito do tempo (x1), é significativo o efeito
da Temperatura (x2), e não é significativo o efeito da
interação entre o tempo e a Temperatura.
Exemplo de experimento 22
com ponto central
 Resultado gráfico do ajuste de 1ª ordem
𝑦 = 62,01 + 2,35 ∙ 𝑥1 + 4,5 ∙ 𝑥2 − 0,65 ∙ 𝑥1 ∙ 𝑥2
Exemplo de experimento 22
estrela
Experimento 22 estrela para determinar as condições
ideais para funcionamento de processo.

x1 x2 y
N
t (min) T (ºC) m (g)
1 80 -1 140 -1 78,8
2 100 +1 140 -1 84,5 As condições atuais
3 80 -1 150 +1 91,2 de funcionamento
4 100 +1 150 +1 77,4 são de t = 90 min e
5 90 0 145 0 89,7 T = 145 ºC.
6 90 0 145 0 86,8
7 90 0 145 0 87 No experimento serão
8 90 0 145 0 86 utilizados passos de
9 76 − 2 145 0 83,3 variação de 10 min e
10 104 + 2 145 0 81,2
5 ºC.
11 90 0 138 − 2 81,2 𝑡−90 𝑇−145
12 90 0 152 + 2 79,5 𝑥1 = 𝑥2 =
10 5
Exemplo de experimento 22
estrela
 Neste experimento é possível determinar os valores
extremos, DFFITS, DFBETA e D-COOK, pois só existem
mais de 7 observações.
 É possível ajustar os modelos de 1ª e 2ª ordem, pois é
necessário um mínimo de 4 e 6 observações
(linearmente independentes) para isto,
respectivamente.
 As réplicas centrais servem para estimar o erro das
demais observações e aumentar a precisão dos
cálculos dos valores p.
 Exemplo de experimento 22
estrela
 Resultados do ajuste de 1ª ordem
𝑦 = 𝑎 + 𝑏1 ∙ 𝑥1 + 𝑏2 ∙ 𝑥2 + 𝑏12 ∙ 𝑥1 ∙ 𝑥2 + 𝑒

Coeficientes
Preditor Efeitos Estimativa Desvio Padrão Erro* Estat.t P-valor
Intercepto 83,88333333 1,02443333 0,650893884 81,88266714 5,51846E-13
x1 -2,78787879 -1,39393939 1,26099026 0,801194987 -1,105432325 0,301105178
x2 0,737373737 0,368686869 1,26099026 0,801194987 0,292378839 0,777436365
x1:x2 -9,75 -4,875 1,774370576 1,127381278 -2,747453134 0,025157742

𝑦 = 83,33 − 1,39 ∙ 𝑥1 + 0,37 ∙ 𝑥2 − 4,88 ∙ 𝑥1 ∙ 𝑥2

Como o módulo do valor de 𝑏2 = 0,37 é menor que o
erro 0,801, pondera-se desconsiderar este termo no
modelo. Além disso, pelos valores de p acima, não é
significativo o efeito do tempo (x1) e da Temperatura (x2),
mas é significativo o efeito da interação entre o tempo e
a Temperatura.
 Exemplo de experimento 22
estrela
 Resultados do ajuste de 2ª ordem
𝑦 = 𝑎 + 𝑏1 ∙ 𝑥1 + 𝑏2 ∙ 𝑥2 + 𝑏12 ∙ 𝑥1 ∙ 𝑥2 + 𝑏11 ∙ 𝑥12 + 𝑏22 ∙ 𝑥22 + 𝑒

Coeficientes
Preditor Efeitos Estimativa Desvio Padrão Erro* Estat.t P-valor
Intercepto 87,35701754 1,014733445 0,644730872 86,08863536 1,65465E-10
x1 -2,78787879 -1,39393939 0,721213225 0,458237021 -1,932770151 0,101453793
x2 0,737373737 0,368686869 0,721213225 0,458237021 0,511203699 0,627469195
I(x1^2) -4,29377014 -2,14688507 0,813646853 0,516966547 -2,638595678 0,038612904
I(x2^2) -6,23254565 -3,11627282 0,813646853 0,516966547 -3,83000661 0,008659093
x1:x2 -9,75 -4,875 1,014836963 0,644796644 -4,803727277 0,002989332

𝑦 = 87,36 − 1,39 ∙ 𝑥1 + 0,37 ∙ 𝑥2 − 4,88 ∙ 𝑥1 ∙ 𝑥2 − 2,15 ∙ 𝑥12 − 3,12 ∙ 𝑥22

Como o módulo do valor de 𝑏2 = 0,37 é menor que o
erro 0,52, pondera-se desconsiderar este termo no
modelo. Além disso, pelos valores de p acima, não é
significativo o efeito do tempo (x1) e da Temperatura (x2),
mas é significativo o efeito da interação entre o tempo e
a Temperatura e da dependência quadrada do tempo
e da Temperatura.
 Exemplo de experimento 22
estrela
 Comparação dos ajustes de 1ª e 2ª ordens
𝑎
𝑦 (1 ) = 83,33 − 1,39 ∙ 𝑥1 + 0,37 ∙ 𝑥2 − 4,88 ∙ 𝑥1 ∙ 𝑥2
𝑎)
𝑦 (2 = 87,36 − 1,39 ∙ 𝑥1 + 0,37 ∙ 𝑥2 − 4,88 ∙ 𝑥1 ∙ 𝑥2 − 2,15 ∙ 𝑥12 − 3,12 ∙ 𝑥22

1ª ordem 2ª ordem

R2 = 0,525390559 R2 = 0,883560177
R2(Ajust) = 0,347412019 R2(Ajust) = 0,786526991
Exemplo de experimento 22
estrela
 Estimação do ponto estacionário do ajuste de 2ª
ordem
𝑎)
𝑦 (2 = 87,36 − 1,39 ∙ 𝑥1 + 0,37 ∙ 𝑥2 − 4,88 ∙ 𝑥1 ∙ 𝑥2 − 2,15 ∙ 𝑥12 − 3,12 ∙ 𝑥22
𝜕𝑦
=0
𝜕𝑥
Deve-se resolver o sistema ൞ 𝜕𝑦1
=0
𝜕𝑥2

Que resulta em 𝑥1 = −3,500304612 e 𝑥2 = 2,797038776

(que estão fora da região do experimento!)
As variáveis originais do problema ficam assim estimadas
em:
𝑡 ≅ 55 min e 𝑇 ≅ 159 ºC
Exemplo de experimento 22
estrela
 Gráficos em função das variáveis estatísticas (x1,x2) e
originais (t,T)
𝑎)
𝑦 (2 = 87,36 − 1,39 ∙ 𝑥1 + 0,37 ∙ 𝑥2 − 4,88 ∙ 𝑥1 ∙ 𝑥2 − 2,15 ∙ 𝑥12 − 3,12 ∙ 𝑥22
𝑦 = −3977,85 + 17,86 ∙ 𝑡 + 45 ∙ 𝑇 − 0,1 ∙ 𝑡 ∙ 𝑇 − 0,02 ∙ 𝑡 2 − 0,12 ∙ 𝑇 2
Ponto estacionário em 𝑥1 ≅ −3,5 e 𝑥2 ≅ 2,8 ou 𝑡 ≅ 55 min
e 𝑇 ≅ 159 ºC.
Experimento 23 Completo

 23 Completo (8 condições × r réplicas)

x3 N 𝒙𝟏 𝒙𝟐 𝒙𝟑
1 – – –
+1
2 – – +
-1 3 + + –
-1 4 + – –
+1 x2
+1
5 – + +
x1 6 + – +
-1 7 + + –
8 + + +
Experimento 33 Completo

 23 Completo (27 condições × r réplicas)

N 𝒙𝟏 𝒙𝟐 𝒙𝟑 N 𝒙𝟏 𝒙𝟐 𝒙𝟑
x3 1 – – – 15 0 0 +
2 – – 0 16 – + 0

+1 3 – 0 – 17 + 0 –
4 0 – – 18 0 + –
5 – 0 0 19 + – 0
-1
6 0 – 0 20 – 0 +
-1
7 0 0 – 21 0 – +
+1 x2
8 0 0 0 22 – – +
+1
x1 9 + + + 23 – + –
10 + + 0 24 + – –
-1 11 + 0 + 25 – + +
12 0 + + 26 + – +
13 + 0 0 27 + + –
14 0 + 0
Experimento Box-Behnken

 13 condições (3 réplicas no centro = 15 experimentos)

N 𝒙𝟏 𝒙𝟐 𝒙𝟑
x3 1 – – 0
2 + – 0

+1 3 – + 0
4 + + 0
5 – 0 –
-1
6 + 0 –
-1
7 – 0 +
+1 x2
8 + 0 +
+1
x1 9 0 – –
10 0 + –
-1 11 0 – +
12 0 + +
13 0 0 0
14 0 0 0
15 0 0 0
Experimento Composto
Central de Face Centrada
 15 condições (3 réplicas no N 𝒙𝟏 𝒙𝟐 𝒙𝟑
centro = 17 experimentos) 1 – – –
x3 2 – – +
3 – + –
4 + – –
+1
5 – + +
6 + – +
-1 7 + + –
-1 8 + + +
+1 x2 9 + 0 0
+1 10 – 0 0
x1
11 0 – 0
-1 12 0 + 0
13 0 0 –
14 0 0 +
15 0 0 0
16 0 0 0
17 0 0 0
Experimento Rotacionável
Composto Central
 15 condições (3 réplicas no N 𝒙𝟏 𝒙𝟐 𝒙𝟑
centro = 17 experimentos) 1 – – –
x3 2 – – +

+ 𝟖
𝟒 3 – + –
4 + – –
+1
5 – + +
𝟒 6 + – +
𝟒 -1 − 𝟖 7 + + –
− 𝟖
-1 8 + + +
+1 𝟒 x2 9 𝟒
0 0
+ 𝟖 − 𝟖
𝟒
+1 10 + 𝟒 𝟖 0 0
x1+ 𝟖
11 0 −𝟒 𝟖 0
-1 12 0 +𝟒 𝟖 0

𝟒
13 0 0 −𝟒 𝟖
− 𝟖
14 0 0 +𝟒 𝟖
15 0 0 0
16 0 0 0 4
17 0 0 0
8 ≅ 1,6818
Referências

 MONTGOMERY, C. D.; Design and analysis of

experiments. 8th ed. John Wiley & Sons, 2013.
 MASON, R. L., GUNST, R. F. & HESS, J. L.; Statistical
Design and Analysis of Experiments: with applications
to Engineering and Science, John Wiley & Sons, 2003.
 LAWSON, J.; Design and Analysis of Experiments with
SAS. Chapman & Hall/CRC, 2010.
 RODRIGUES, M. I. & IEMMA, A. F.; Planejamento de
Experimentos e Otimização de Processos. Cárita
Editora, 2014.
 Portal Action. Manual do Usuário. Disponível em
www.portalaction.com.br. Acesso em maio/2018.
 Prof. Dr. Anselmo de Oliveira. Aulas de Planejamento
e Otimização de Experimentos. Disponível em
anselmo.quimica.ufg.br. Acesso em maio/2018.