3 Planejamento de Experimentos

Segundo Montgomery (2004) os mtodos de controle estatstico do processo e o planejamento experimental, so duas ferramentas muito poderosas para a melhoria e otimizao do processo e esto intimamente correlacionados. Por exemplo, se um processo est sob controle estatstico, mas ainda tem capacidade inferior, ento ser necessrio reduzir a variabilidade para melhorar a capacidade do processo. Os experimentos planejados podem oferecer uma maneira mais eficaz de fazer isto do que o Controle Estatstico do processo (CEP). O CEP um mtodo passivo: observamos o processo e esperamos por alguma informao que nos leve a uma mudana til. No entanto, se o processo est sob
PUC-Rio - Certificao Digital N 0412261/CA

controle, a observao passiva pode no produzir muita informao til. Por outro lado, o planejamento experimental um mtodo estatstico ativo: realmente realizamos uma srie de ajustes no processo, fazendo mudanas nas entradas e observando as mudanas correspondentes nas sadas, o que produzir informao que pode levar melhoria do processo. Os mtodos de planejamento experimental podem, tambm, ser muito teis no estabelecimento de controle estatstico de um processo. Por exemplo, suponha que um grfico de controle indique que o processo est fora de controle, e que o processo tenha vrias variveis de entrada controlveis. A menos que saibamos quais variveis de entrada so importantes, poder ser muito difcil trazer o processo de volta ao controle. Os mtodos de planejamento experimental podem ser usados para indicar essas variveis influentes no processo. O planejamento experimental uma ferramenta de engenharia criticamente importante para melhorar um processo de fabricao. Tem, tambm, aplicao extensiva no desenvolvimento de novos processos. A aplicao dessas tcnicas no desenvolvimento do processo podem resultar em:

1. Produo melhorada 2. Variabilidade reduzida e conformidade mais prxima do nominal

39

3. Tempo de desenvolvimento reduzido 4. Custos totais reduzidos

3.1 Diretrizes para o Planejamento de Experimentos

Como descrito anteriormente os experimentos planejados so uma poderosa ferramenta para melhoria de processo onde o resultado depende de diversas variveis ou da combinao destas. O sucesso de um planejamento de experimentos depender em grande parte da forma com que este estruturado e como ser realizado, entender claramente quais so os objetivos de realizar um experimento necessrio antes de qualquer ao para execut-lo. Em Montgomery (1997) fornecido um roteiro para elaborao de um planejamento
PUC-Rio - Certificao Digital N 0412261/CA

de experimentos, as etapas que o compes so abordadas na seguinte ordem: 1) Reconhecimento e relato do problema. Torna-se bastante difcil reconhecer e aceitar a existncia de um problema, se no ficar claro para todos qual o problema, quais so os objetivos a serem alcanados com a soluo do mesmo no teremos resultados esperados com o planejamento. de fundamental importncia a participao de todos no entendimento do problema, Manuteno, Engenharia, Qualidade e principalmente os Operadores. A participao dos operadores de grande importncia pela sua habilidade prtica e sensibilidade quando da anlise das diversas variveis do processo. 2) Escolha dos fatores e dos nveis. Devem ser levados em conta os intervalos sobre os Intervalos sobre os quais esses fatores iro variar, e os nveis especficos em que cada rodada ser realizada. importante investigar todos os fatores que possam ser importantes e no deixar ser influenciado por experincias passadas. Quando o objetivo a varredura dos fatores ou caracterizao do processo, , em geral, melhor manter baixo o nmero de nveis de fatores.

40

3) Seleo da varivel resposta. Na seleo da varivel resposta, muitas vezes, a mdia ou o desvio padro (ou ambos) da caracterstica medida ser a varivel resposta. Respostas mltiplas no so raras. A capacidade do medidor , tambm, um fator importante. Se a capacidade do medidor baixa, ento apenas efeitos grandes sero detectados pelo experimento ou ser necessria replicao adicional. 4) Escolha do planejamento experimental. A escolha do planejamento envolve considerao pelo tamanho da amostra (nmero de replicaes), seleo de uma ordem adequada de rodadas para as tentativas experimentais, ou se a formao de blocos ou outras restries de aleatorizao esto envolvidas. 5) Realizao do experimento. Quando da realizao do experimento, de vital
PUC-Rio - Certificao Digital N 0412261/CA

importncia monitorar o processo, para garantir que tudo esteja sendo feito de acordo com o planejamento. Erros no procedimento experimental neste estgio, em geral, destruiro a validade do experimento. 6) Anlise dos dados. Mtodos estatsticos devem ser usados para analisar os dados, de modo que os resultados e concluses sejam objetivos. Se o experimento foi planejado corretamente e se foi realizado de acordo com o planejamento, ento os tipos de mtodos estatsticos exigidos complicados. 7) Concluses e recomendaes. Uma vez analisados os dados, o experimento deve acarretar concluses prticas sobre os resultados e recomendar um curso de ao. Mtodos grficos so, em geral, usados neste estgio, particularmente na apresentao dos resultados para outras pessoas. Seqncias de acompanhamento e testes de confirmao devem ser tambm realizados para validar as concluses do experimento. no so

41

3.2 Experimento no Processo de Laminao

Como foi descrito no Captulo 1, o material para a fabricao de latas de ao de duas peas teve sua espessura nominal reduzida de 0,276 mm (com tolerncia de 1,8%) para 0,248 mm (com tolerncia de 1,0%). No captulo 2, descrevemos o processo de laminao a frio e seu principal objetivo que a reduo da espessura do material. Entretanto, como em qualquer processo ocorrem oscilaes da varivel resposta, portanto, conhecer as variveis do processo que afetam diretamente a espessura fundamental para reduzir sua variao, e garantir que o produto esteja dentro das especificaes. A grande dificuldade o entendimento de quais variveis tem maior efeito, e principalmente como estas se interagem e afetam o resultado final.
PUC-Rio - Certificao Digital N 0412261/CA

Por diversas vezes, alteraes isoladas em determinados parmetros do processo levaram a resultados que no se consolidaram em outros momentos. O objetivo ento determinar uma faixa tima de trabalho para as variveis controlveis. Desta maneira, possvel tornar o processo robusto o suficiente, mesmo que nas ocasies onde ocorram oscilaes das variveis no controlveis, ainda assim o resultado final no fique comprometido. Foi decidido ento realizar um experimento para determinar uma faixa tima de trabalho para as variveis controlveis, tendo em vista as necessidades do cliente. O sucesso de um experimento depender em grande parte da forma com que este estruturado e como ser realizado, entender claramente quais so os objetivos de realizar um experimento necessrio antes de qualquer ao para execut-lo. Como discutido em 3.1 as etapas que compe um planejamento de experimento, so de fundamental importncia para o sucesso do mesmo. No presente caso o problema identificado verificar quais so as combinaes das variveis de controle do processo de laminao tendo em vista as necessidades do cliente.

42

3.3 Escolha dos Fatores e dos Nveis

Devem ser levados em conta os intervalos sobre os quais esses fatores iro variar, e os nveis especficos em que cada rodada ser realizada. importante investigar todos os fatores que possam ser importantes e no deixar ser influenciado por experincias passadas. Quando o objetivo a varredura dos fatores ou caracterizao do processo, , em geral, melhor manter baixo o nmero de nveis de fatores. Nesta etapa de fundamental importncia participao de todos que conhecem o processo, principalmente os operadores. So eles os que mais podem contribuir, pois esto diariamente vivenciando todos os problemas do equipamento e de matria prima e produto acabado. Foram realizadas diversas
PUC-Rio - Certificao Digital N 0412261/CA

reunies com operadores, tcnicos e engenheiros com objetivo de definir as variveis que fariam parte do experimento. A figura A3.1 (anexo) mostra o diagrama causa efeito para as variveis que faro parte do experimento. A seguir abordaremos cada varivel escolhida e os valores de nvel alto e baixo para realizao dos experimentos.

Fator A - Reduo da Cadeira 1

A deciso de escolha desta varivel est associada caracterstica da cadeira 1 do equipamento. Sua configurao com (06) cilindros permite altas taxas de reduo o que pode influenciar na variao de espessura do produto final. Experincias anteriores mostraram que aumentando a reduo nesta cadeira, resultava em aumento de variao da espessura do produto final, tal situao era confirmada para espessura final de 0.280mm. Entretanto, para materiais com espessura inferiores a 0.250mm o efeito observado foi contrrio ao que se esperava; ou seja, um aumento na reduo da cadeira 1, resultava em menor variao da espessura do produto final. Os valores a serem trabalhos com relao aos nveis alto e baixo foram definidos em funo da reduo mdia, sendo obtida pela seguinte relao:

43

Rmdia = [1 - (esp final/esp inicial)]1/n

Onde 1/n representa a relao do nmero de passes de laminao, ou nmero de cadeiras do laminador (5). Para o produto DWI a espessura inicial de 2.25mm e a espessura final de 0.248mm, tal relao fornece uma reduo mdia de 35,66%. Quando se faz a distribuio das redues por passe, nossa estratgia e buscar valores os mais prximos possveis da reduo mdia, uma situao ideal seria distribuir redues iguais a 35,66% em cada passe. Entretanto, limitaes de potncia de motores nos conduzem a criar uma faixa de trabalho em torno do valor mdio. Esta faixa conduz a valores compreendidos entre (0.8Rmdia 1.2rmdia), desta forma buscamos convergir dentro de determinados valores para a reduo
PUC-Rio - Certificao Digital N 0412261/CA

mdia. Os valores dos nveis, alto e baixo, deste parmetro ficaram definidos em 38% e 33% respectivamente.

Fator B - Reduo da Cadeira 5

A cadeira 5 representa o ltimo passe de laminao e qualquer oscilao nesta pode resultar em problemas de qualidade do produto final. A escolhe deste parmetro no experimento, se justifica porque a mesma no sofre interferncia direta do controlador atravs da funo, feedback 2, desta maneira qualquer flutuao na reduo poderia causar eventuais distrbios na espessura de sada. Os valores de nvel alto e baixo foram de 33% e 30% respectivamente. Da mesma forma que para a cadeira 1 vale tambm a estratgia da reduo mdia, ou seja, (0.8Rmdia 1.2Rmdia). Fator C - Tenso de estiramento entre as cadeiras 4 e 5

A tenso de estiramento entre o 4 e 5 passe de laminao influncia diretamente na espessura do material. Experincias realizadas em lotes do material DWI mostraram uma relao entre este parmetro e a espessura do material. A tenso de estiramento entre as cadeiras 4 e 5 sofre influncia do controlador

44

atravs da funo, feedback 2, uma vez que oscilaes no estiramento so provocadas pela diferena de velocidade entre as referidas cadeiras. Dependendo do desvio de espessura na sada da cadeira 5, a variao no estiramento pode ter efeito de aumento quando a velocidade da cadeira 4 for reduzida, ou u decrscimo, quando a velocidade da cadeira 4 for incrementada mantendo a cadeira 5 na mesma velocidade. Valores de tenso mais baixos podem provocar um incremento nas variaes de espessura, foi definido ento uma faixa de valores para os fatores de nvel alto e baixo, ficando determinado os valores de 8,5t e 7,0 t para os respectivos nveis. Fator D - Dimetro do Cilindro de trabalho da Cadeira 1

At o momento no se tinha conhecimento de que o dimetro do cilindro

PUC-Rio - Certificao Digital N 0412261/CA

de trabalho da cadeira 1 pudesse influenciar no resultado de espessura final do produto, considerar como varivel do experimento foi tomando como base as observaes prticas dos operadores. Por diversas vezes, buscvamos manter as condies de processo baseando-se em bons resultados de lotes anteriores, em alguns casos bons resultados aconteciam, mas nem sempre reproduzamos por mais de duas vezes seguidas. As observaes feitas pelos operadores forem ento confirmadas em testes realizados com outros materiais, diante das evidncias de sua influncia no processo e principalmente no produto final, foi necessrio incluir o dimetro de cilindro de trabalho no experimento. O equipamento trabalha com faixas bem definidas para cada cadeira de laminao, no caso especfico da cadeira 1, sua faixa de trabalho compreende dimetros entre 415 449mm, no saberamos o que poderia acontecer partimos para uma posio no limtrofe. Foram ento escolhidos os dimetros de 424 e 442mm para os nveis, baixo e alto respectivamente. Fator E - Ganho do Controlador

Como descrito em 2.2.2 perturbaes nas tenses entre passes de laminao podem levar a variaes na espessura final do produto. No controlador temo duas funes que atuam no estiramento entre passes, a primeira a funo

45

feedforward, atuando no estiramento da tenso entre as cadeiras 1 e 2, e a segunda feedback 2, que atua no estiramento entre as cadeiras 4 e 5. No planejamento a varivel escolhida para entrar no experimento foi a funo feedforward, sua escolha se justifica pela avaliao que buscamos desta varivel na espessura de sada da cadeira 1, uma vez que oscilaes nesta cadeira acabam influenciando o resultado final da varivel reposta. O ajuste do ganho desta funo pode levar a grandes perturbaes se for executado de forma inadequada, levando todo o controle em malha fechada entrar em ressonncia, gerando grande variao que se propaga at a sada da cadeira 5. Uma vez j definida a entrada desta varivel no experimento, o prximo passo foi definir os valores a serem atribudos para os nveis alto e baixo, ficando definido valores de 100 para nvel alto e 50 para nvel baixo .

PUC-Rio - Certificao Digital N 0412261/CA

3.4 Seleo das Variveis de Resposta

As variveis de resposta so a mdia e a varincia da espessura, tendo em vista uma mdia com um valor mais prximo possvel do valor nominal (0,248 mm) e varincia mnima.

3.5 Escolha do Experimento

A escolha do planejamento envolve considerao pelo tamanho da amostra (nmero de replicaes), seleo de uma ordem adequada de rodadas para as tentativas experimentais, ou se a formao de blocos ou outras restries de aleatorizao esto envolvidas. O planejamento recomendvel para o experimento o baseado em experimentos fatoriais. Nesse tipo de experimentos os fatores variam juntos de um teste para outro. Eles tm propriedades que permitem, entre outros objetivos desejveis, a construo de modelos que se ajustam bem aos dados e que reduzem ao mnimo as probabilidades de erros dos testes de significncia dos parmetros do modelo.

46

Para o caso em estudo, a quantidade de variveis a serem trabalhadas no planejamento conduz a um planejamento do tipo 25 o que implica em 32 rodadas. A opo pelo fatorial fracionado, proporciona uma economia de recursos. Realizando um fatorial fracionado reduzimos para 16 rodadas. Como foi visto, para o caso em questo temos cinco fatores A, B, C, D e E. O experimento construdo a partir do experimento padro para quatro fatores (A, B, C, e D), e fazendo o quinto fator E = ABCD. Na Tabela 3.1 apresentado o experimento planejado.
Tabela 3.1 Experimento 25-1

PUC-Rio - Certificao Digital N 0412261/CA

Rodada 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16

A 38 33 38 33 38 33 38 33 38 33 38 33 38 33 38 33

B 33 33 30 30 33 33 30 30 33 33 30 30 33 33 30 30

C 8,5 8,5 8,5 8,5 7.0 7.0 7.0 7.0 8,5 8,5 8,5 8,5 7.0 7.0 7.0 7.0

D 442 442 442 442 442 442 442 442 424 424 424 424 424 424 424 424

E 100 50 50 100 50 100 100 50 50 100 100 50 100 50 50 100

Este experimento conduz a uma estrutura de confundimento onde os efeitos dos fatores principais esto confundidos com interaes de quarta ordem e as interaes de segunda ordem esto confundidas com interaes de terceira ordem. Como as interaes de terceira ou mais ordem geralmente so negligenciveis, espera-se com este experimento obter-se informaes precisas sobre os efeitos dos fatores principais e sobre as interaes de segunda ordem. O experimento assim formado denominado de experimento com resoluo V. (Ver Myers e Montgomery, 2002, Cap 4).

47

3.6 Realizao do Experimento.

Quando da realizao do experimento, de vital importncia monitorar o processo, para garantir que tudo esteja sendo feito de acordo com o planejamento. Erros no procedimento experimental neste estgio, em geral, destruiro a validade do experimento. A realizao do experimento com 16 rodadas foi executada com 4 bobinas por rodada totalizando 64 bobinas, o que representou um volume em peso de 1280 toneladas de material envolvido no experimento. Foram ento tomadas 743 observaes da espessura, o sistema de aquisio dos dados feito por intermdio de sinais enviados para um computador supervisrio (ARGUS), que armazena uma grande quantidade de dados necessrios ao experimento. Uma outra forma de
PUC-Rio - Certificao Digital N 0412261/CA

registro da espessura atravs de carta grfica, figura A3.1 (anexo). De posse dos dados, foi ento possvel calcular a mdia e a varincia da espessura de cada uma das quatro bobinas de cada rodada do experimento. Na Tabela 3.2 so apresentados os resultados do experimento.

Tabela 3.2 Resultados do Experimento

Replicao da Mdia Rodada I II III IV 1 0,24791 0,24790 0,24795 0,24789 2 0,24792 0,24800 0,24790 0,24791 3 0,24754 0,24767 0,24798 0,24794 4 0,24789 0,24789 0,24742 0,24783 5 0,24794 0,24792 0,24793 0,24735 6 0,24791 0,24786 0,24744 0,24783 7 0,24782 0,24790 0,24778 0,24791 8 0,24785 0,24787 0,24774 0,24774 9 0,24767 0,24722 0,24705 0,24706 10 0,24766 0,24709 0,24774 0,24741 11 0,24870 0,24902 0,24707 0,24801 12 0,24863 0,24832 0,24720 0,24757 13 0,24583 0,24761 0,24772 0,24785 14 0,24791 0,24619 0,24800 0,24751 15 0,24755 0,24764 0,24659 0,24820 16 0,24712 0,24710 0,24777 0,24727

Replicao da Varincia I II III IV 9,570E-08 1,377E-07 1,813E-07 1,803E-07 4,596E-07 1,260E-06 8,052E-08 8,374E-07 6,157E-07 3,835E-07 3,302E-07 5,109E-07 3,007E-07 1,309E-07 1,516E-06 2,266E-07 8,553E-08 6,680E-07 2,784E-07 1,222E-06 4,953E-07 1,806E-07 1,333E-06 6,457E-07 2,520E-07 7,678E-08 2,384E-07 1,384E-07 1,543E-06 1,197E-06 1,141E-06 8,351E-07 2,133E-06 1,312E-06 7,057E-07 1,327E-06 2,695E-07 7,981E-08 9,593E-07 7,984E-07 5,021E-07 9,092E-07 2,743E-07 1,681E-07 3,387E-07 3,549E-07 3,003E-07 4,028E-07 8,451E-07 4,363E-07 7,462E-07 3,623E-06 3,151E-06 2,858E-06 3,317E-07 2,429E-07 5,437E-06 5,718E-07 1,735E-07 1,344E-07 5,308E-07 4,260E-07 1,297E-06 1,434E-07

48

3.7 Anlise dos Resultados

Para a modelagem da mdia e da varincia foram utilizados valores codificados dos fatores. Para o valor alto de cada fator foi adotado +1 e para o valor baixo -1.

3.7.1 Modelo para a Mdia da Espessura

Inicialmente feita uma tentativa de utilizar o modelo linear com erro

normal y = X , juntamente com o mtodo dos mnimos quadrados (MQ) para

estimativa do vetor dos coeficientes do modelo.
PUC-Rio - Certificao Digital N 0412261/CA

Na Tabela 3.3 tem-se os resultados fornecidos pelo software ARC. Nesta tabela so apresentadas as estimativas (Estimate) dos coeficientes dos fatores e das interaes duplas, o erro-padro (Std. Error) das estimativas, o quociente da estimativa pelo erro-padro (Est/SE) e o P-valor correspondente estatstica de teste t-student.

Tabela 3.3 Ajuste do Modelo da Mdia

Label Constant A B C D E AB AC AD AE BC BD BE CD CE DE

Estimate 0,2476820000 0,0000101094 -0,0000855156 0,0000987344 0,0001417660 0,0000095469 -0,0000556094 -0,0000032969 0,0000007344 0,0001038910 -0,0000520469 0,0001099220 -0,0000055469 -0,0000748906 0,0000470781 -0,0000111406

Std. Error Est/SE P-valor 0,0000604939 4094,330 0,0000 0,0000604939 0,167 0,8680 0,0000604939 -1,414 0,1639 0,0000604939 1,632 0,1092 0,0000604939 2,343 0,0233 0,0000604939 0,158 0,8753 0,0000604939 -0,919 0,3626 0,0000604939 -0,054 0,9568 0,0000604939 0,012 0,9904 0,0000604939 1,717 0,0924 0,0000604939 -0,860 0,3939 0,0000604939 1,817 0,0755 0,0000604939 -0,092 0,9273 0,0000604939 -1,238 0,2217 0,0000604939 0,778 0,4403 0,0000604939 -0,184 0,8547

49

Observa-se que o nico termo significativo D. Reajustando com este fator obtm-se o seguinte modelo:

y = 0,247682 + 0,000141766D

(3.1)

A adequao do modelo e a existncia de observaes atpicas podem ser observadas com o grfico de probabilidade normal dos resduos. Na Figura 3.1 esse grfico apresentado, fornecido pelo software ARC. Observam-se pontos fora do alinhamento e observaes atpicas. Por conseguinte, h indicao e de que o modelo inadequado.

PUC-Rio - Certificao Digital N 0412261/CA

Figura 3.1 Grfico de Probabilidade Normal dos Resduos.

Pode-se verificar se a varincia constante utiliza-se o grfico dos resduos versus valores ajustados. Na Figura 3.2 temos esse grfico, fornecido pelo software ARC.

50

Figura 3.2 Grfico do Resduo versus Valor Ajustado.

PUC-Rio - Certificao Digital N 0412261/CA

Observa-se que o espalhamento dos resduos fica visivelmente menor com o aumento dos valores ajustados. Isto um indcio de que a variabilidade diminui quando o valor da mdia cresce. Por conseguinte, tem-se indicao de que a varincia deste modelo no constante e o modelo no deve ser considerado adequado. Como o nico fator do modelo D, isto indicao de que a varincia da mdia diminui quando o fator D muda de -1 para +1. Como h indicao de varincia no constante e depende de pelo menos um fator, o recomendado utilizar os mnimos quadrados ponderados pelo inverso da varincia da resposta. Para isto necessrio modelar a varincia da mdia da resposta.

3.7.2 Modelo para a Varincia da Mdia da Espessura

Para a modelagem da varincia Myers e Montgomery (2002, pg 582) recomendam o uso dos modelos lineares generalizados (MLG), considerando a varivel resposta com distribuio gama e a funo de ligao logartmica. Como no temos replicao da resposta o mtodo indicado para selecionar os fatores influentes (Myers et al., 2002, pg 270) o grfico de probabilidade

51

normal do valor absoluto das estimativas dos coeficientes dividida pelo seu erropadro. Na Figura 3.3 apresentado este grfico.

2.5 2 1.5 1 0.5 0 -0.5 -1 -1.5 -2 -2.5 0

D AE C BC

Quartil Normal

50

100

150

200

250

ABS(coef) / Erro Padro

PUC-Rio - Certificao Digital N 0412261/CA

Figura 3.3 Grfico de Probabilidade Normal

O grfico indica os fatores principais D e C e as interaes BC e AE como sendo ativos. Considerando estes termos obtm-se o seguinte modelo:
V m = exp ( 16,5737 0,380423 C 1,65567 D 1,15875 BC 0, 4046911 AE )

(3.2)

Como em regresso linear, nos MLG, resduos tambm so utilizados para verificar a adequao do modelo. Para os MLG, McCullagh e Nelder (1989), pg. 39 definem vrios tipos de resduos. Entretanto, Pierce e Schafer (1989), citados por Lee e Nelder (1998), mostraram que, para o caso das distribuies da famlia exponencial, o resduo deviance o que mais se aproxima da distribuio normal e recomendam o resduo deviance para verificar a adequao do modelo. Esse tipo de resduos descrito a seguir.

52

Resduo Deviance Para cada resposta yi pode-se definir a deviance d i = Di ( yi , i ) onde

L( yi , ui ) D( yi , i ) = 2 ln = 2[ln L( yi , ui ) ln L( yi , yi )] . Como nos MLG a L( yi , yi )

deviance usada como medida de discrepncia, ento cada unidade i contribui com uma quantidade di, de tal modo que
n

d
1

= D( y i , i ) .

Define-se ento o resduo deviance correspondente a cada resposta: rDi = sinal( y i i ) d i

PUC-Rio - Certificao Digital N 0412261/CA

A adequao do modelo e a existncia de observaes atpicas podem ser observadas com o grfico de probabilidade normal dos resduos deviance. Para o presente caso, apresentamos na Figura 3.4 esse grfico, fornecido pelo software ARC.

Figura 3.4 Grfico de Probabilidade Normal dos Resduos Deviance

53

No so observados pontos muito fora do alinhamento. Por conseguinte, no h indicao de observaes atpicas nem de que o modelo seja inadequado. A funo de ligao verificada atravs do grfico dos resduos deviance versus valores ajustados. Na Figura 3.5 temos esse grfico, fornecido pelo software ARC.

PUC-Rio - Certificao Digital N 0412261/CA

Figura 3.5 Grfico do Resduo Deviance versus Valor Ajustado.

No

grfico

em

questo,

os

resduos

apresentam-se

de

forma

desestruturada; isto , eles no contm nenhum padro bvio, apresentando-se aleatoriamente distribudos. A linha resultante do amortecimento (lowess) aproximadamente horizontal e prxima da reta horizontal de ordenada zero, indicando que a funo de ligao correta. A linha de amortecimento lowess (locally weighted scaterplot smoother), ou linha amortecida, no grfico de disperso, localmente ponderada, uma tcnica de estatstica no paramtrica, indicada para visualizar tendncias nos dados no grfico. Cook e Weisberg (1999) descrevem na pg. 220 como o software ARC constri esta linha.

54

A funo de varincia verificada atravs do grfico do valor absoluto dos resduos deviance versus valores ajustados. Na Figura 3.6 temos esse grfico, fornecido pelo software ARC. A funo de varincia geralmente definida como uma funo de potncia da mdia: var( ) = . Para o caso da distribuio gama tem-se que = 2. Quando a linha lowess cresce sistematicamente, da esquerda para a direita, com o aumento da mdia, indica que deve-se usar um maior valor para do que o valor correspondente distribuio que foi usada no modelo, e quando decresce sistematicamente, indica a adequao de um menor valor para .
PUC-Rio - Certificao Digital N 0412261/CA

Figura 3.6 Grfico do Valor Absoluto do Resduo Deviance versus Valor Ajustado

Para o grfico em questo, a linha resultante do amortecimento (lowess) no apresenta um crescimento sistemtico da esquerda para a direita. Portanto, no devemos considerar a funo de varincia incorreta. Conclui-se ento que o modelo ajustado adequado para representar a varincia da mdia. Ajustando o

55

modelo para a mdia com os mnimos quadrados ponderados pelo inverso da varincia da resposta, tem-se:
y = 0,247673 + 0,000214739 D

(3.3)

Na Figura 3.7 apresentado o grfico de probabilidade normal dos resduos.

PUC-Rio - Certificao Digital N 0412261/CA

Figura 3.7 Grfico de Probabilidade Normal dos Resduos Deviance

No so observados pontos muito fora do alinhamento. Por conseguinte, no h indicao de observaes atpicas nem de que o modelo seja inadequado. Na Figura 3.8 apresentado o grfico dos resduos versus valores ajustados.

56

Figura 3.8 Grfico dos Resduos versus Valores Ajustados

PUC-Rio - Certificao Digital N 0412261/CA

No se observa que o espalhamento dos resduos fica alterado com o aumento dos valores ajustados. Isto um indcio de que a variabilidade no se altera quando a mdia cresce.

3.7.3 Modelo para a Varincia da Espessura

Como foi visto, para a modelagem da varincia Myers recomenda-se o uso dos modelos lineares generalizados (MLG), considerando a varivel resposta com distribuio gama e a funo de ligao logartmica. Na Tabela 3.4 tem-se os resultados fornecidos pelo software ARC. Nesta tabela so apresentadas as estimativas (Estimate) dos coeficientes dos fatores e das interaes duplas, o erro-padro (Std. Error) das estimativas, o quadrado do quociente da estimativa pelo erro-padro (Est/SE)2 e o P-valor correspondente a estatstica de teste (Est/SE)2, a qual, segundo Myers e Montgomery (1997), tem assintoticamente distribuio qui-quadrado com 1 grau de liberdade. Observa-se que os termos significativos so C, D, E e AD. Ajustando com os fatores considerados significativos, obtm-se o seguinte modelo:

V = exp( 14,2433 0,2453C 0,3187 D 0,2987 E 0,3395 AD )

(3.4)

57

Nas Figuras 3.9, 3.10 e 3.11 so apresentados os grficos indicados para a verificao do modelo. Neles no se observa indicao de inadequao do modelo para a varincia.

Tabela 3.4 Ajuste do Modelo da Varincia

PUC-Rio - Certificao Digital N 0412261/CA

Label Constant A B C D E AB AC AD AE BC BD BE CD CE DE

Estimate -14,29180 -0,10405 0,12777 -0,25565 -0,30642 -0,30327 -0,00223 0,05190 -0,36083 -0,13239 -0,05789 -0,17140 -0,00095 0,11143 0,05393 -0,07902

Std. Error (Est/SE)2 P-valor 0,110283 16794,0993 0,0000 0,110283 0,8902 0,3454 0,110283 1,3423 0,2466 0,110283 5,3738 0,0204 0,110283 7,7202 0,0055 0,110283 7,5622 0,0060 0,110283 0,0004 0,9839 0,110283 0,2215 0,6379 0,110283 10,7052 0,0011 0,110283 1,4410 0,2300 0,110283 0,2755 0,5997 0,110283 2,4154 0,1201 0,110283 0,0001 0,9931 0,110283 1,0210 0,3123 0,110283 0,2391 0,6249 0,110283 0,5134 0,4736

Figura 3.9 Grfico de Probabilidade Normal

58

Figura 3.10 Grfico do Resduo Deviance versus Valor Ajustado

PUC-Rio - Certificao Digital N 0412261/CA

Figura 3.11 Grfico do Valor Absoluto do Resduo Deviance versus Valor Ajustado

3.8 Recomendaes

Nesta seo so feitas recomendaes sobre os nveis dos cinco fatores, tendo em vista um valor mdio para a espessura que se aproxime ao mximo do valor nominal de 0,248 mm com varincia mnima.

59

O modelo escolhido para a mdia da espessura foi:

y = 0,247673 + 0,000214739 D

Dentro do espao da varivel que representa o fator D , o valor (+1)

corresponde a y = 0,247888 , que o valor da mdia que mais se aproxima do

valor nominal de 0,248. O modelo escolhido para a varincia da mdia da espessura foi:
Vm = exp( 16,5737 0,380423C 1,65567 D 1,15875 BC 0,4046911AE )

ou
Vm = exp( 16,5737 [0,380423 + 1,15875 B ]C 1,65567 D 0,4046911AE )
PUC-Rio - Certificao Digital N 0412261/CA

Cabe lembrar que o fator C varia em torno do valor especificado, constituindo um fator de rudo adicional para a varincia. Observando o modelo para a varincia da mdia v-se que o fator B no ativo, embora sua interao com C (BC) o seja. Portanto, para reduzir a influncia do rudo provocado pelo fator C basta que

B=

0,380423 = 0,33 1,15875

Este valor de B corresponde a uma reduo de 31% na cadeira 5. (ver Item 3.2)

O modelo escolhido para a varincia da espessura foi: V = exp( 14,2433 0,2453C 0,3187 D 0,2987 E 0,3395 AD ) .

Este modelo indica que, para se obter varincia mnima deve-se fazer (dentro do espao das variveis que representam os fatores) com que os fatores A,

60

C, D, e E, sejam ajustados para seus nveis mais altos (+1), o que corresponde a
V = 1,9594 E 07 . Portanto, os valores recomendados para os nveis dos fatores so: A +1
3.9 Validao do Modelo

B -0,33

C +1

D +1

E +1

Com objetivo de validar o modelo foi ento realizada uma nova rodada do experimento envolvendo mais (04) bobinas, onde cada fator foi ajustado conforme o que sugere o modelo. A tabela 3.5 mostra o quadro de sinais representando os nveis dos fatores para validao do modelo, e a resposta (varincia da espessura)
PUC-Rio - Certificao Digital N 0412261/CA

para cada bobina na validao do modelo.

Tabela 3.5 Rodada extra para validao do modelo

Item Bobina 743493-100 743493-400 743493-500 743493-600

+ + + +

+ + + +

+ + + +

+ + + +

+ + + +

Resposta 1,72567E-07 2,58057E-07 1,28241E-07 1,0574E-07

O modelo sugerido uma funo exponencial, com auxilio de uma planilha Excel possvel calcular o valor da varincia atravs do modelo codificado. Para tal basta fazermos igual a 1 os coeficientes que compe o modelo lavando-se em conta os sinais de (+ ou -) que representam os nveis de cada fator. Analisando o resultado obtido pelo modelo podemos concluir que o valor perfeitamente compatvel com os obtidos para cada bobina na rodada extra de validao do mesmo. Um resultado acima do valor sugerido pelo modelo aceitvel, uma vez que os valores esto bem abaixo dos limites de especificao do produto exigido pelo cliente. A tabela 3.6 mostra o resultado obtido pelo modelo, e o valor da varincia para cada bobina referente rodada extra de validao.

61 Tabela 3.6 Anlise comparativa entre o valor calculado e rodada extra de validao

1 1 1 1 1

-14,2433 -0,2453 -0,3187 -0,2987 -0,3395

-14,2433 -0,2453 -0,3187 -0,2987 -0,3395 -15,4455 1,95932E-07

Rodadas de validao se 0,000415412 0,000507993 0,000358108 var 1,72567E-07 2,58057E-07 1,28241E-07

0,000325176 1,0574E-07

Var=

Por outro lado, um trabalho mais elaborado sugere um ajuste dos fatores para aproximar a varivel resposta do seu valor alvo, e minimizar os efeitos de rudo provocados pela oscilao da tenso entre as cadeiras 4 e 5. Uma nova rodada do experimento foi realizada, nesta rodada o fator B (reduo cadeira 5)
PUC-Rio - Certificao Digital N 0412261/CA

que no tem significncia no modelo e portanto pode ser alterado, foi ajustado com objetivo de minimizar o rudo (tenso 4/5) fator C. O valor sugerido pelo modelo foi uma reduo de 31% na cadeira 5. As tabelas 3.7 e 3.8 apresentam os resultados da varincia da espessura para a rodada de validao do modelo e 1 rodada quando foi realizado o experimento. Pode ser notado que houve uma melhora na variao da espessura expressa pela sua varincia.

Tabela 3.7 Varincia da Espessura com reduo da cadeira 5 em 31%

Item Bobina 742333-500 742333-600 742333-700 742333-800

B
31% 31% 31% 31%

+ + + +

+ + + +

+ + + +

+ + + +

Resposta 7,39799E-08 1,67262E-07 6,40595E-08 1,66714E-07

Tabela 3.8 Varincia da Espessura referente a 1 rodada do experimento

Item Bobina 722881-700 722881-800 722882-100 722883-100

+ + + +

+ + + +

+ + + +

+ + + +

+ + + +

Resposta 9,57019E-08 1,37725E-07 1,81289E-07 1,80333E-07

62

No ajuste da reduo da cadeira 5 em 31 %, fator B as tabelas 3.9 e 3.10 mostram os valores da varincia da tenso 4/5, fator C para rodada extra de validao do modelo e a 1 rodada do experimento. Pode ser notado que o ajuste da reduo da cadeira 5 em 31% minimiza a varincia da tenso entra as cadeiras 4 e 5.

Tabela 3.9 Varincia da tenso com reduo da cadeira 5 em 31%

Item Bobina 742333-500 742333-600 742333-700 742333-800

B
31% 31% 31% 31%

+ + + +

+ + + +

+ + + +

+ + + +

Resposta 0,0077582 0,0057575 0,0134859 0,0268031

Tabela 3.10 Varincia da tenso referente a 1 rodada do experimento

PUC-Rio - Certificao Digital N 0412261/CA

Item Bobina 742333-500 742333-600 742333-700 742333-800

+ + + +

+ + + +

+ + + +

+ + + +

+ + + +

Resposta 0,01846 0,01470 0,02851 0,03064