Escolar Documentos
Profissional Documentos
Cultura Documentos
EXPERIMENTO DE UM FATOR
(ONE-WAY ANOVA)
Aula 10
Engenharia da Qualidade A
ENG 09008
TÓPICOS DESTA AULA
Projetos de Experimentos
ü Terminologia
ü Passos de implementação
ü ANOVA
ü Otimização
2
PROJETO DE EXPERIMENTOS
É utilizada na otimização de um sistema para redução da
variabilidade inerente por meio da coleta de dados
experimental.
3
PROJETO DE EXPERIMENTOS
Objetivo: obter um ajuste ótimo para maximizar o
desempenho do sistema, minimizar custos e tornar o
sistema pouco sensível aos fatores de ruído.
Como?
Ø Definir sequencia de ensaios econômica e eficiente
Ø Avaliar estatisticamente os dados
ü Assegurar respaldo científico
ü Maximizar informações obtidas
4
PROJETO DE EXPERIMENTOS
Ø Estudo sistêmico de diversos fatores
simultaneamente que podem afetar uma ou mais
características de qualidade ou indicador de
desempenho.
OTIMIZAÇÃO EXPERIMENTAL DE
UM SISTEMA
Planejamento da
Análise e otimização
sequência de ensaios
Execução
5
TERMINOLOGIA
VARIÁVEL DE RESPOSTA (Ys)
Ø Característica da qualidade que é avaliada em um sistema.
ü Ex.: produtividade, custos, características dimensionais, nível de satisfação,
faturamento, entre outras.
PARÂMETROS DO SISTEMA
Ø Todas as variáveis que podem ser alteradas e que possam ter
efeito sobre as variáveis de resposta.
• Fatores controláveis (Xs)
• Fatores constantes
6
TERMINOLOGIA
Fatores controláveis (Xs)
Ø Subconjunto dos parâmetros do sistema: parâmetros
escolhidos para estudo em vários níveis do experimento. Podem
ser qualitativos ou quantitativos.
Fatores constantes
Ø Parâmetros do sistema que são mantidos constantes durante o
experimento.
7
TERMINOLOGIA
FATORES NÃO CONTROLÁVEIS (Z - RUÍDO)
Ø Variáveis que não podem ser controladas; são responsáveis
pelo erro experimental ou variabilidade residual.
Considere:
ü Fatores de ruído à nível de água
ü Icebergs à efeito dos fatores controláveis A e B.
Experimento com pouco erro experimental permite detectar mesmo os
efeitos pequenos dos fatores controláveis como sendo significativos.
OUVIR A VOZ DO
ESPECIALISTA
PLANEJAMENTO
FINAL E EXECUÇÃO
ANÁLISE
OTIMIZAÇÃO
9
ETAPAS DO PROJETO DE EXPERIMENTOS
OUVIR A VOZ DO
1. OUVIR A VOZ DO CLIENTE CLIENTE
ü Pesquisa de mercado,
OUVIR A VOZ DO
ü Identificar as C.Q. de interesse; ESPECIALISTA
ANÁLISE
OTIMIZAÇÃO
10
ETAPAS DO PROJETO DE EXPERIMENTOS OUVIR A VOZ
DO CLIENTE
11
VOZ DO CLIENTE VS ESPECIALISTA
CARACTERÍSTICAS VARIÁVEIS DE
DE QUALIDADE RESPOSTA
12
ETAPAS DO PROJETO DE EXPERIMENTOS
3. PLANEJAMENTO FINAL E EXECUÇÃO OUVIR A VOZ
DO CLIENTE
ü Escrever a matriz experimental;
ü Definir a ordem dos ensaios (aleatorização); OUVIR A VOZ
DO
ESPECIALISTA
ü Definir os procedimentos de ensaio (uniformização);
ü Desenhar planilhas de coleta de dados; PLANEJAMENTO
FINAL E
EXECUÇÃO
ü Executar o experimento e anotar resultados.
ANÁLISE
OTIMIZAÇÃO
13
ETAPAS DO PROJETO DE EXPERIMENTOS
4. ANÁLISE OUVIR A VOZ
DO CLIENTE
ü Fazer a análise de variância;
ü Escrever uma tabela de médias; OUVIR A VOZ
DO
ESPECIALISTA
ü Fazer gráficos dos efeitos dos fatores principais;
ü Fazer gráficos das interações significativas. PLANEJAMENTO
FINAL E
EXECUÇÃO
ANÁLISE
OTIMIZAÇÃO
14
ETAPAS DO PROJETO DE EXPERIMENTOS
5. OTIMIZAÇÃO
ü Modelar individualmente cada Variável de Resposta: V.R. =
f (F.C.) OUVIR A VOZ DO
CLIENTE
OTIMIZAÇÃO
15
ETAPAS DO PROJETO DE EXPERIMENTOS
OUVIR A VOZ DO
CLIENTE
OUVIR A VOZ DO
ESPECIALISTA
PLANEJAMENTO
FINAL E EXECUÇÃO
ANÁLISE
OTIMIZAÇÃO
16
ANÁLISE DE VARIÂNCIA (ANOVA)
Avalia se existe efeitos dos fatores controláveis (e seus efeitos
de interações) sobre as variáveis de resposta.
17
ONE-WAY ANOVA
Experimentos que envolvem:
• 1 Variável de Resposta (Y) medida na saída do sistema
• 1 Fator Controlável (X) alterado a vários níveis ou grupos (k)
Objetivo:
• Identificar se a média dos valores da variável de resposta (Y)
investigada nos diferentes níveis ou grupos (k) diferem
significativamente entre si devido ao efeito do FC.
FORMULAÇÃO MATEMÁTICA DA ONE-WAY ANOVA
Modelo Estatístico: yij = µ + t j + e ij
onde: µ é a média geral;
t j é o efeito do grupo j;
e ij é um erro aleatório.
Efeito fator igual a zero, pois médias dos
Hipóteses: H0 : t j = 0 grupos são iguais
H1 : t j ¹ 0 " j Efeito fator diferente de zero, pois médias
dos grupos diferem entre si
Objetivo:
• Rejeitar H0 de que as médias da VR não diferem com a alteração
do FC com uma certo intervalo de confiança (geralmente 95%) ou
uma probabilidade de erro máxima que é nível de significância
adotado α (geralmente α =5%)
19
ONE-WAY ANOVA
Disposição dos dados:
Fator A A1 A2 ... Ak
y11 y12 ... y1k
y21 y22 ... y2k
: : yij :
: : ... :
yn1 yn2 ... ynk
Totais T.j T.1 T.2 ... T.k T.. =
No.Obs. nj n1 n2 ... nk N =
Médias y. j y.1 y.2 ... y.k y.. =
20
ONE-WAY ANOVA
Exemplo:
Um profissional deseja estudar se o FC temperatura ambiente
(x) influencia na VR produtividade (y) dos funcionários. Para
isso realizou n=três medidas de produtividade (peças/hora) em
k= três temperaturas diferentes.
Temperatura Fator controlável
15°C 25°C 35°C Níveis do fator controlável k=3
12 20 17
13 19 16 Repetições n=3
11 18 18
Medição da variável de resposta
(produtividade dos funcionários em
peças/hora) 21
Temperatura
EXEMPLO 12 20 17
13 19 16
11 18 18
T. j = 36 57 51 T.. = 144
nj = 3 3 3 N =9
Y. j = 12 19 17 Y.. = 16
EXEMPLO 12 20 17
SQR = dentro do grupo
13 19 16
(erro)
11 18 18
T. j = 36 57 51 T.. = 144
nj = 3 3 3 N =9
Y. j = 12 19 17 Y.. = 16
23
FORMULAÇÃO MATEMÁTICA DA ONE-WAY ANOVA
Exemplo: Temperatura
12 20 17
13 19 16
11 18 18
T. j = 36 57 51 T.. = 144
nj = 3 3 3 N =9
Y. j = 12 19 17 Y.. = 16
24
DECOMPOSIÇÃO DA VARIABILIDADE
Yij= 20 (Y ij - Y.j ) = 20 - 19 = 1 = SQR
(Yij - Y ) = 20 - 16 = 4
Y .2 = 19
(Y.j - Y.. ) = 19 - 16 =3 = SQG
..
Y .3 = 17
Y.. = 16
Y .1 = 12
(Y - Y ) = (Y
ij .. .j )
- Y.. + (Yij - Y. j )
Total Grupos Resíduos
Elevando ao quadrado e somando:
n k k n k
åå ij ..
(Y - Y
i =1 j =1
) = n å . j .. åå ij . j
(Y - Y ) + 2
(Y - Y ) 2
j =1
2
i =1 j =1
å ( y -y )
i
2
27
TESTE F – Distribuição de Fischer
ü O teste F compara as duas variâncias:
Variância entre grupos MQG( fator )
Fcalc = =
Variância dentro do grupo MQR(residuo)
28
TESTE F - Significativo
ü Quando a MQG fator >> MQR erro
29
TESTE F – Não significativo
ü Se não há diferenças significativas entre os grupos a
variância do fator é igual a variância do erro ou resíduo
E [MQG] = E [MQR]
ü E o TESTE Fcal resulta aproximadamente 1:
Variância entre grupos MQG ( fator )
Fcalc = = @1
Variância dentro do grupo MQR(erro)
30
TESTE F –Não significativo
Ø Quando o efeito não é detectado como
significativo o experimento não é conclusivo. Isso
pode ser devido a:
31
TABELA ANOVA
Fonte SQ GDL MQ Fcalc Ftab
Entre Grupos F = MQG /
SQG K-1 MQG F0,05,k-1,n-k
(fator controlável) MQR
Dentro Grupos
SQR N-K MQR
(erro residual)
Total SQT N-1
K = núm. de níveis do FC
N = núm. total de observações
n = núm de obs. em um nível
32
ANOVA - EXEMPLO
SUMMARY
15°C 3 36 12 1
25°C 3 57 19 1
35°C 3 51 17 1
ANOVA
Source of Variation SS df MS Fcalc P-value F crit
Entre grupos (fator) 78 2 39 39 0,000364 5,143253
33
FÓRMULAS SIMPLIFICADAS
TC = T..2 / N TC = termo de correção
SQT = ∑(Yij2) – TC
SQG = ∑(T.j2 / nj) – TC T.. = soma total das observações
Yij = valor de cada observação
SQR = SQT - SQG
T.j = soma de obs. em um nível
N= núm. total de observações
nj = núm de obs. em um nível
35
Fator A A1 A2 ... Ak
y11 y12 ... y1k
: : yij :
: : ... :
No.Obs. nj n1 n2 ... nk N =
36
TABELA ANOVA
Fonte SQ GDL MQ Teste F
SQT = ∑(Yij2) – TC
SQG = ∑(T.j2 / nj) – TC
SQR = SQT - SQG
37
Fator A A1 A2 ... Ak
y11 y12 ... y1k
: : yij :
: : ... :
No.Obs. nj n1 n2 ... nk N =
38
TABELA ANOVA
Fonte SQ GDL MQ Teste F
TC = T..2 / N
SQT = ∑(Yij2) – TC
SQG = ∑(T.j2 / nj) – TC
SQR = SQT - SQG
39
Fator A A1 A2 ... Ak
y11 y12 ... y1k
: : yij :
: : ... :
No.Obs. nj n1 n2 ... nk N =
40
TABELA ANOVA
Fonte SQ GDL MQ Teste F
TC = T..2 / N
SQT = ∑(Yij2) – TC
SQG = ∑(T.j2 / nj) – TC
SQR = SQT - SQG
41
TABELA ANOVA
TC = T..2 / N
𝑺𝑸𝑮
SQT = ∑(Yij2) – TC MQG (fator controlável) =
(𝑲&𝟏)
𝑺𝑸𝑹
SQG = ∑(T.j2 / nj) – TC MQR (resíduo) =
(𝑵&𝑲)
SQR = SQT - SQG
42
TABELA ANOVA
Fonte SQ GDL MQ Teste F
TC = T..2 / N
𝑺𝑸𝑮
SQT = ∑(Yij2) – TC MQG (fator controlável) =
(𝑲&𝟏)
𝑺𝑸𝑹
SQG = ∑(T.j2 / nj) – TC MQR (resíduo) =
(𝑵&𝑲)
SQR = SQT - SQG
Para rejeitar Ho: Fcalc>Ftab ou valor-p<5% (0,05)
43
EXEMPLO
Os dados a seguir representam o Y=alongamento (maior-é-melhor com LIE = 52)
medido sobre um composto de borracha, em função da quantidade (%) de agente
de processo (X).
Agente 0 5 10 15 20
43 47 55 50 52
47 53 50 54 49
46 52 54 54 54
45 50 55 55 55
45 49 52 56 55 K=5
46 51 53 52 56
47 55 55 57 56 n=12
44 48 56 57 53
42 49 59 55 57
48 50 56 60 60
49 47 57 56 57
44 49 54 58 55
Totais 546 600 656 664 659 T..= 3125
No.Obs. 12 12 12 12 12 N = 60
Médias 45,5 50,0 54,7 55,3 54,9 Y.. = 52,08
44
EXEMPLO
Cálculos iniciais:
SQG = S (T.j2 / nj) - TC = [(546)2 / 12] + ... + [(659)2 / 12] - 162.760,42 = 875,33
45
EXEMPLO
Ftab=INV.F.CD (0,05;k-1;N-K)= INV.F.CD(0,05;4;55)
Tabela ANOVA:
Fonte SQ GDL MQ Teste F Ftab Valor-p
MQG-Entre Grupos
875,33 4 218,83 35,9 2,55 9,6x10-19
(Agente de processo)
MQR-Dentro Grupos
335,25 55 6,09
(Residual)
Total 1210,58 59
Valor-p= DIST.F.CD(Fcalc;k-1;N-K)=DIST.F.CD(35,9;4;55)
Valor-p = 9,6.10-15
Valor-p < α
OUVIR A VOZ DO
ESPECIALISTA
PLANEJAMENTO
FINAL E EXECUÇÃO
ANÁLISE
OTIMIZAÇÃO
47
OTIMIZAÇÃO
ü ANOVA comprova se um fator controlável (x) influencia na variável de
resposta (Y).
ü Se na Tabela ANOVA, a hipótese nula for rejeitada (Fcalc>Ftab ou valor-
p<0,05) conclui-se que o efeito do fator é significativo sobre a variável de
resposta.
ü Neste caso, é necessário realizar uma otimização para identificar o ajuste
ótimo à identificar o nível do fator controlável que otimiza a variável de
resposta
ü Para isto, é necessário realizar uma comparação múltipla de médias (CMM)
para os fatores que possuam mais do que dois níveis a fim de identificar quais
deles diferem entre si.
ü Existem diversos métodos de CMM: Duncan, Tukey, Scheffé, Bartlett, etc
Distribuição
das médias Quanto maior o tamanho de
sy amostra (n), menor o desvio
padrão entre médias.
Distribuição
s Dos indivíduos
3 2 1 1 2 3
COMPARAÇÃO MÚLTIPLA DE MÉDIAS (CMM)
ü O desvio padrão das médias é menor do que o desvio padrão dos
s
indivíduos na proporção de s y =
n
ü Como compara-se médias é necessário calcular o tamanho da curva
usando 3 x desvio-padrão das médias.
ü Considera-se que as médias diferem significativamente se a média de
um grupo estiver fora da curva do outro grupo, ou seja, quando a
distância entre médias for maior > 3 x desvio-padrões das médias.
𝑦! 𝑦" 𝑦# 𝑦$ 𝑦% 𝑦&
50
COMPARAÇÃO MÚLTIPLA DE MÉDIAS (CMM)
O método apresentado a seguir é o de Duncan:
1. Calcular o desvio padrão das médias s y pelo Teorema do Limite Central a partir
do desvio padrão dos valores individuais s
O desvio padrão dos valores individuais é calculado a partir da raiz do MQR (Média
quadrada dos resíduos) pois ela é uma variância.
s MQR MQR
sy = SYij . = =
n n n
51
COMPARAÇÃO MÚLTIPLA DE MÉDIAS (CMM)
𝑦! 𝑦" 𝑦# 𝑦$ 𝑦% 𝑦&
52
COMPARAÇÃO MÚLTIPLA DE MÉDIAS (CMM)
ü No exemplo:
s MQR 6,09
sy = SY. j = = = 0,71
n 12 12
onde nc = (n1 + n2 + ... + nk) / k
53
COMPARAÇÃO MÚLTIPLA DE MÉDIAS (CMM)
45,5 50,0 54,7 54,9 55,3 54,7 – 50,0 = 4,7 > Ld=2,13 DS
54,9 – 54,7 = 0,2 < Ld=2,13 DNS
Y.1 Y.2 Y.3. Y.5 Y.4
55,3 – 54,9 = 0,4 < Ld=2,13 DNS
55,3 – 54,7 = 0,6 < Ld=2,13 DNS
54
COMPARAÇÃO MÚLTIPLA DE MÉDIAS (CMM)
Probabilidade da média Y.5
ficar nestes limites
Y.5 - Y.3 = 54,9 - 54,7 = 0,2
β = 99,73%
Ld = 3.0.71 = 2.13
0,2
Y.5 - Y.3 =0,2< Ld=2,13 DNS α/2 = 0,135% α/2 = 0,135%
Ld = 2.13
55
COMPARAÇÃO MÚLTIPLA DE MÉDIAS (CMM)
Ld = 2.13
57
OTIMIZAÇÃO
ü Para realizar a otimização do produto ou processo é
feita uma análise técnica.
ü A análise técnica deve acompanhar e completar a
análise estatística.
ü Para isso, é recomendável representar graficamente os
dados, por exemplo, num boxplot ou num gráfico de
barras.
58
OTIMIZAÇÃO - GRÁFICO DE BARRAS
70
60
Alongamento
50
40
30
20
10
0
0% 5% 10% 15% 20%
Concentração de agente
59
OTIMIZAÇÃO - BOXPLOT
65
Q3 Max Mediana
Média Min Q1
60
Alongamento
55
50
45
40
0% 5% 10% 15% 20%
Concentração do Agente
60
PRÓXIMA AULA
Ø ANOVA 2 FATORES
61
ATIVIDADES DE AULA
ü EXERCÍCIO 6
62