1- i) ii)

Tabela – Matriz de Planejamento fatorial 3² Tabela – Matriz de Planejamento fatorial 2³

Experimentos A B Experimento C
A B
1 -1 -1 s
2 -1 0 1 -1 -1 -1
3 -1 1 2 1 -1 -1
4 0 -1 3 -1 1 -1
5 0 0 4 1 1 -1
6 0 1 5 -1 -1 1
7 1 -1 6 1 -1 1
8 1 0 7 -1 1 1
9 1 1 8 1 1 1

2-i)
Exp. X1 (T) X2 (pH) X3 (taxa Ag.) Y (1) (2) (3) divisor estimador ident

1 -1 -1 -1 60 121 250 499 8 62,375 Média

2 1 -1 -1 61 129 249 45 4 11,25 T

3 -1 1 -1 54 119 22 19 4 4,75 pH

4 1 1 -1 75 130 23 37 4 9,25 T x pH

5 -1 -1 1 58 1 8 -1 4 -0,25 Taxa

6 1 -1 1 61 21 11 1 4 0,25 T x taxa

7 -1 1 1 55 3 20 3 4 0,75 pH x taxa

8 1 1 1 75 20 17 -3 4 -0,75 t x pH x taxa

De acordo com a Tabela 1, os valores estimados para (T, pH, T x pH) são
maiores e mais significativos, ou seja, estes valores indicam que pode estar ocorrendo
efeitos principais ou de interações. Os valores estimados de (Taxa Ag., T x taxa, pH x
taxa, t x pH x taxa) são menores e provavelmente não possuem efeitos de interação ou
efeitos principais na produção da reação química para estas variáveis. Entretanto, é
necessário avaliar os efeitos separadamente, para isso é feito a análise dos gráficos dos
dados.
ii)

Tabela 2 – Análise de efeitos do planejamento fatorial 23

Fator Efeito Erro t(1) p Coef. Erro Coef.
Média/Interc 62,375 0,375 166,333 0,003827 62,375 0,375
(1)T 11,250 0,750 15,000 0,042379 5,625 0,375
(2)pH 4,750 0,750 6,333 0,099696 2,375 0,375
(3)TaxaAg -0,250 0,750 -0,333 0,795167 -0,125 0,375
1 com 2 9,250 0,750 12,333 0,051505 4,625 0,375
1 com 3 0,250 0,750 0,333 0,795167 0,125 0,375
2 com 3 0,750 0,750 1,000 0,50000 0,375 0,375

Observando a Tabela 2 de efeitos do planejamento fatorial 2 3, pode ser notado

que a variáveis 2, 3 e as interações 1 com 3 e 2 com 3 são não significativas, por
apresentarem (p > 0,05). Através da plotagem do gráfico de efeitos pode ser melhor
analisado a significância das variáveis.
Gráfico 1 – Distribuição normal dos efeitos

Pela plotagem do gráfico 1, pode ser analisado as variáveis e as interações que

estão próximo de zero, em uma reta em torno de zero. Assim nos mostra ser não
significativas a variável 3 (taxa de agitação) e as interações 1 com 3 (temperatura e taxa
de agitação) e 2 com 3 (pH e taxa de agitação), não possuindo efeitos.
Deste modo pela análise do gráfico e da Tabela 2, podemos eliminar o efeito de
interação 1 com 3 (temperatura e taxa de agitação) e a variável 3 (pH) por apresentarem
valores de p = 0,795167 sendo maiores valores acima de 0,05 não significativos,
portanto, gerando uma nova tabela para análise de efeitos (Tabela 3).

Tabela 3 – Análise de efeitos do planejamento fatorial 23

Fator Efeito Erro t(1) P Coef. Erro Coef.

Média/Interc 62,37500 0,239357 260,5943 0,000000 62,37500 0,239357

(1)T 11,25000 0,478714 23,5005 0,000169 5,62500 0,239357
(2)pH 4,75000 0,478714 9,9224 0,002178 2,37500 0,239357
1 com 2 9,25000 0,478714 19,3226 0,000303 4,62500 0,239357
2 com 3 0,75000 0,478714 1,5667 0,215170 0,37500 0,239357

Pela análise da Tabela 3, pode ser observado que o efeito não significativo com
maior valor de p, foi da interação 2 com 3 (pH e taxa de agitação). Pela plotagem do
gráfico 1 também nota-se que a interação 2 e 3, era não significativa, não possuindo
efeito. Assim pela análise da Tabela 3 e a plotagem do gráfico, pode ser eliminado o
efeito não significativo da interação 2 com 3, podendo ser gerado uma nova tabela de
efeitos (Tabela 4).
Tabela 4 – Análise de efeitos do planejamento fatorial 23
Fator Efeito Erro t(1) p Coef. Erro Coef.

Média/Interc 62,37500 0,279508 223,1596 0,000000 62,37500 0,279508

(1)T 11,25000 0,559017 20,1246 0,000036 5,62500 0,279508
(2)pH 4,75000 0,559017 8,4971 0,001052 2,37500 0,279508
1 com 2 9,25000 0,559017 16,5469 0,000078 4,62500 0,279508

Conclui-se que após gerada a Tabela 4, as variáveis 1 (temperatura) e 2 (pH), e

as interações 1 com 2, são significativas, apresentando (p < 0,05), como confirmado
pela plotagem do gráfico 1.
iii)

Gráfico 2 (iii) – Valor predito versus resíduo

Gráfico 3 (iii) – Valor observado versus valor predito

A partir do gráfico 2 (iii), nota-se que os resíduos variaram de -0,4 a 0,4

aproximadamente e estão aleatoriamente distribuídos em torno de zero, indicando a
variância constante para todos os valores da resposta. Portanto, as suposições foram
atendidas e os dados seguem a normalidade. Analisando o Gráfico 3 (iii), analisamos
que os valores observados estão próximos aos valores preditos.
3-i)
Tabela 1 – Algoritmo de Yates
Experimento UR TA FV y (1) (2) (3) Divisor Estimador Identidade

1 -1 -1 -1 77 144 204 409 8 51,125 Média

2 +1 -1 -1 67 60 205 -9 4 -2,25 UR

3 -1 +1 -1 28 148 -6 -175 4 -43,75 TA

4 +1 +1 -1 32 57 -3 15 4 3,75 UR x TA

5 -1 -1 +1 75 -10 -84 1 4 0,25 FV

6 +1 -1 +1 73 4 -91 3 4 0,75 UR x FV

7 -1 +1 +1 29 -2 14 -7 4 -1,75 TA x FV

8 +1 +1 +1 28 -1 1 -13 4 -3,25 UR x TA x FV

Pela análise da Tabela 1, pode ser notado que os valores estimados para
(Umidade relativa x temperatura ambiente) são maiores e mais significativos, ou seja,
estes valores indicam que pode estar ocorrendo efeitos principais ou de interações.
Entretanto, é necessário avaliar os efeitos separadamente, para isso é feito a análise dos
gráficos dos dados.
Observando a Tabela 2 de efeitos do planejamento fatorial 2 3, pode ser notado
que a variável 2 (temperatura ambiente) foi a única a possuir efeito significativo, por
apresentarem (p < 0,05), mas por meio da plotagem do gráfico de efeitos pode ser
melhor analisado a significância das variáveis.

Tabela 2 – Análise de efeitos do planejamento fatorial 23

Fator Efeito Erro t(1) p Coef. Erro Coef.

Média/Interc 51,1250 1,625000 31,4615 0,020228 51,1250 1,625000

(1)Umidade -2,2500 3,250000 -0,6923 0,614498 -1,1250 1,625000

(2)T -43,7500 3,250000 -13,4615 0,047205 -21,8750 1,625000
(3)FuncVálvula 0,2500 3,250000 0,0769 0,951125 0,1250 1,625000
1 com 2 3,7500 3,250000 1,1538 0,454604 1,8750 1,625000
1 com 3 0,7500 3,250000 0,2308 0,855615 0,3750 1,625000
2 com 3 -1,7500 3,250000 -0,5385 0,685547 -0,8750 1,625000

Pela plotagem do gráfico 1, pode ser analisado as variáveis e as interações que

estão próximo de zero, em uma reta em torno de zero. Nos mostra que apenas a variável
temperatura (2) possui efeito significativo, confirmando assim a análise feita através da
Tabela 2.

Gráfico 1 (i) – Distribuição normal dos efeitos

Portanto pela análise do gráfico 1 e da Tabela 2, podemos eliminar os efeitos não

significativos. Assim a variável 3 (funcionamento da válvula) por apresentar valor de p
= 0,951125, (p > 0,05), pode ser a primeira variável a ser eliminada, portanto gerando
uma nova tabela para análise de efeitos (Tabela 3).

Tabela 3 – Análise de efeitos do planejamento fatorial 23

Fator Efeito Erro t(1) p Coef. Erro Coef.

Média/Interc 51,1250 1,152443 44,3623 0,000508 51,1250 1,152443

(1)Umidade -2,2500 2,304886 -0,9762 0,431925 -1,1250 1,152443

(2)T -43,7500 2,304886 -18,9814 0,002764 -21,8750 1,152443

1 com 2 3,7500 2,304886 1,6270 0,245268 1,8750 1,152443
1 com 3 0,7500 2,304886 0,3254 0,775769 0,3750 1,152443
2 com 3 -1,7500 2,304886 -0,7593 0,526984 -0,8750 1,152443

Pela análise da Tabela 3, pode ser notado que os efeitos não significativos com
valores de (p > 0,05), foi da interação 1 com 3, 2 com 3, 1 com 2 e a variável 1, o que
também nos comprova pela plotagem do gráfico que apenas a variável 2 era
significativa, possuindo efeito. Assim podem ser eliminados todos os efeitos não
significativos, podendo ser gerado uma nova tabela de efeitos (Tabela 4).

Tabela 4 – Análise de efeitos do planejamento fatorial 23

Fator Efeito Erro t(1) p Coef. Erro Coef.

Média/Interc 51,1250 1,179248 43,3539 0,000000 51,1250 1,179248

(2)T -43,7500 2,358495 -18,5500 0,000002 -21,8750 1,179248

Conclui-se que após gerada a Tabela 4, somente a variável 2 (temperatura

ambiente) foi significativa para análise de efeitos (p < 0,05), como pode ser notado
também pela plotagem do gráfico 1.

ii) Quando a temperatura é de 70°F são notados valores elevados de imperfeições no

final e com a temperatura de 95°F são observados valores baixos de imperfeições no
final, o que nos remete a concluir que a temperatura realmente influencia nos números
de defeitos, o que pode ser comprovado também pela análise de efeitos.

iii)
A partir do gráfico 2 (iii), nota-se que os resíduos variaram de -1,7 a 1,7
aproximadamente e estão aleatoriamente distribuídos em torno de zero, indicando a
variância constante para todos os valores da resposta. Portanto, as suposições foram
atendidas que consistem na distribuição aleatória com variância constante em torno de
zero e os dados seguem a normalidade.
Analisando o Gráfico 3 (iii), ressaltamos que os valores observados estão
próximos aos valores preditos.
 Gráfico 2 (iii)- Valor predito versus resíduo

Gráfico 3 (iii)- Valor observado versus valor predito

4-

A ou 1 B ou 2 C ou 3 D ou 4 E ou 5 y

-1 -1 -1 -1 +1 14,8

+1 -1 -1 -1 -1 14,5

-1 +1 -1 -1 -1 18,1

+1 +1 -1 -1 +1 19,4

-1 -1 +1 -1 -1 18,4

+1 -1 +1 -1 +1 15,7

-1 +1 +1 -1 +1 27,3

+1 +1 +1 -1 -1 28,2

-1 -1 -1 +1 -1 16

+1 -1 -1 +1 +1 15,1

-1 +1 -1 +1 +1 18,9

+1 +1 -1 +1 -1 22

-1 -1 +1 +1 +1 19,8

+1 -1 +1 +1 -1 18,9

-1 +1 +1 +1 -1 29,9

+1 +1 +1 +1 +1 27,4

Utilizando a coluna de interação 1234 para gerar a coluna da variável 5. Logo, o

gerador desse planejamento fracionário 25-1 é 5 = 1234. E a relação definidora deste
planejamento é a identidade l = 12345.
Fazendo a multiplicação da relação definidora l = 12345 do planejamento por
cada coluna, obtém-se a estrutura de confundimento:

Relação Confundimento Relação Confundimento

1 = 2345 l1→ 1+2345 24 = 135 l24→ 24+135
 2 = 1345 l2→ 2+1345 34 = 125 l34→ 34+125
3 = 1245 l3→ 3+1245 123 = 45 l123→ 123+45
4 = 1235 l4→ 4+1235 124 = 35 l124→ 124+35
12 = 345 l12→ 12+345 134 = 25 l134→ 134+25
13 = 245 l13→ 13+245 234 = 15 l234→ 234+15
14 = 235 l14→ 14+235 1234 = 5 l1234→ 1234+5
23 = 145 l23→ 23+145 l = 12345 li→ média+1/2(12345)

Desconsiderando os efeitos de interação com mais de dois fatores (não

significativos), a estrutura de confundimento revela que não há confundimento entre os
efeitos principais e de interação de dois fatores:
Confundimen Confundimen
to to
l1→ 1 l24→ 24
l2→ 2 l34→ 34
l3→ 3 l123→ 45
l4→ 4 l124→ 35
l12→ 12 l134→ 25
l13→ 13 l234→ 15
l14→ 14 l1234→ 5
l23→ 23 li→ média

Assim a matriz de cálculo dos efeitos para o planejamento é:

1 2 3 4 12 13 14 23 24 34 45 35 25 15 5= l y
1234

-1 -1 -1 -1 +1 +1 +1 +1 +1 +1 -1 -1 -1 -1 +1 +1 14,8

+1 -1 -1 -1 -1 -1 -1 +1 +1 +1 +1 +1 +1 -1 -1 +1 14,5

-1 +1 -1 -1 -1 +1 +1 -1 -1 +1 +1 +1 -1 +1 -1 +1 18,1

+1 +1 -1 -1 +1 -1 -1 -1 -1 +1 -1 -1 +1 +1 +1 +1 19,4

-1 -1 +1 -1 +1 -1 +1 -1 +1 -1 +1 -1 +1 +1 -1 +1 18,4
 +1 -1 +1 -1 -1 +1 -1 -1 +1 -1 -1 +1 -1 +1 +1 +1 15,7

-1 +1 +1 -1 -1 -1 +1 +1 -1 -1 -1 +1 +1 -1 +1 +1 27,3

+1 +1 +1 -1 +1 +1 -1 +1 -1 -1 +1 -1 -1 -1 -1 +1 28,2

-1 -1 -1 +1 +1 +1 -1 +1 -1 -1 -1 +1 +1 +1 -1 +1 16

+1 -1 -1 +1 -1 -1 +1 +1 -1 -1 +1 -1 -1 +1 +1 +1 15,1

-1 +1 -1 +1 -1 +1 -1 -1 +1 -1 +1 -1 +1 -1 +1 +1 18,9

+1 +1 -1 +1 +1 -1 +1 -1 +1 -1 -1 +1 -1 -1 -1 +1 22

-1 -1 +1 +1 +1 -1 -1 -1 -1 +1 +1 +1 -1 -1 +1 +1 19,8

+1 -1 +1 +1 -1 +1 +1 -1 -1 +1 -1 -1 +1 -1 -1 +1 18,9

-1 +1 +1 +1 -1 -1 -1 +1 +1 +1 -1 -1 -1 +1 -1 +1 29,9

+1 +1 +1 +1 +1 +1 +1 +1 +1 +1 +1 +1 +1 +1 +1 +1 27,4

l1 l2 l3 l4 l12 l13 l14 l23 l24 l34 l45 l35 l25 l15 l5 li

Através da plotagem do gráfico de efeitos pode ser analisado a significância das

variáveis.
Gráfico 1 – Distribuição normal dos efeitos
 Pela plotagem do gráfico 1, pode ser analisado as variáveis e as interações que
estão próximo de zero, em uma reta em torno de zero. Assim nos mostra ser não
significativas a variável 1 e 5 e as interações 1 com 3, 1 com 4, 1 com 5, 2 com 4, 3 com
4, 3 com 5, 4 com 5, não possuindo efeitos. Os efeitos significativos são as variáveis
principais 2, 3 e 4, e as interações 1 com 2 e 2 com 3.
Os estimadores dos efeitos dos 16 pontos são:

* Efeito significativo

Efeitos
1 -0,25000
2* 7,25000
3* 5,85000
4* 1,45000
5 -0,95000
12* 0,95000
13 -1,05000
14 -0,05000
15 -0,55000
23* 2,75000
24 -0,15000
25 -0,35000
34 0,15000
 35 -0,35000
45 -0,45000

5- i) Com 6 variáveis, se um planejamento fatorial com dois níveis completo for

utilizado seria necessário 64 experimentos, 26 = 64 experimentos.
ii) O número de experimentos possíveis, 16, representa uma fração de ¼ do
planejamento completo, 64 experimentos.
6
1 6 2 6 −2 6−2 4
. 2 = 2 =2 .2 =2 =2
4 2
16 experimentos

Exp. A B C D E= F=
ABC BCD

1 -1 -1 -1 -1 -1 -1

2 +1 -1 -1 -1 +1 -1

3 -1 +1 -1 -1 +1 +1

4 +1 +1 -1 -1 -1 +1

5 -1 -1 +1 -1 +1 +1

6 +1 -1 +1 -1 -1 +1

7 -1 +1 +1 -1 -1 -1

8 +1 +1 +1 -1 +1 -1

9 -1 -1 -1 +1 -1 +1

10 +1 -1 -1 +1 +1 +1

11 -1 +1 -1 +1 +1 -1

12 +1 +1 -1 +1 -1 -1

13 -1 -1 +1 +1 +1 -1

14 +1 -1 +1 +1 -1 -1

15 -1 +1 +1 +1 -1 +1

16 +1 +1 +1 +1 +1 +1

iii) Os geradores das colunas (variáveis) E e F são dados pelas seguintes igualdades:
E = ABC e F = BCD, mas poderíamos ter outros geradores como: E = BCD e F = ABC
ou E =ACD e F = ABD ou E = ABD e F =ACD.

iv) Ao multiplicar uma coluna por ela mesma, uma coluna de sinais positivos é
produzida (coluna I da tabela da matriz). Portanto:

E x E = ABC x E e F x F = BCD x F, Logo:

Obtém-se que:

I = ABCE e I = BCDF

Assim, têm-se que:

ABCE = BCDF ou ABCE x ABCE = BCDF x ABCE

Então:

I = ADEF

Deste modo, a relação definidora do planejamento 26−2 é dada pela identidade:

I = ABCE = BCDF = ADEF

Exp. A B C D E= F= I=
ABC BCD
ADEF

1 -1 -1 -1 -1 -1 -1 +1

2 +1 -1 -1 -1 +1 -1 +1

3 -1 +1 -1 -1 +1 +1 +1

4 +1 +1 -1 -1 -1 +1 +1

5 -1 -1 +1 -1 +1 +1 +1

6 +1 -1 +1 -1 -1 +1 +1

7 -1 +1 +1 -1 -1 -1 +1

8 +1 +1 +1 -1 +1 -1 +1

9 -1 -1 -1 +1 -1 +1 +1

10 +1 -1 -1 +1 +1 +1 +1

11 -1 +1 -1 +1 +1 -1 +1

12 +1 +1 -1 +1 -1 -1 +1

13 -1 -1 +1 +1 +1 -1 +1
 14 +1 -1 +1 +1 -1 -1 +1

15 -1 +1 +1 +1 -1 +1 +1

16 +1 +1 +1 +1 +1 +1 +1

v) Fazendo a multiplicação da relação definidora I = ABCE = BCDF = ADEF do

planejamento por cada coluna, obtém-se a estrutura de confundimento:

A; B; C; D; AB; CD; AD; BD; AC; BC.

Confundimento
lA→ A+BCE+DEF+ABCDF
lB→ B+ACE+CDF+ABDEF
lC→ C+ABE+BDF+ADCEF
lD→ D+BCF+AEF+ABCDE
lAB→ AB+CE+ACDF+BDEF
lCD→ CD+BF+ABDE+ACEF
lAD→ AD+EF+BCDE+ABCF
lBD→ BD+CF+ACDE+ABEF
lAC→ AC+BE+ABDF+CDEF

lBC→ BC+AE+DF+ABCDEF
li→ média+1/4(ADEF)

Desconsiderando os efeitos de interação com mais de dois fatores (não

significativos), a estrutura de confundimento revela que não há confundimento entre os
efeitos principais, mas há interações com dois fatores:

Confundimento
lA→ A
lB→ B
lC→ C
lD→ D
lAB→ AB+CE
lCD→ CD+BF
lAD→ AD+EF
 lBD→ BD+CF
lAC→ AC+BE

lBC→ BC+AE+DF
li→ média

Com o efeito principal A não há confundimento. Porém com a interação BD há

confundimento do efeito CF.

6- Com 7 variáveis, se um planejamento fatorial com dois níveis completo for utilizado
seria necessários 128 experimentos, 2 7 = 128 experimentos. Pretende-se fazer 32
experimentos, no qual representa uma fração de ¼ do planejamento completo, 128
experimentos.

7
1 7 2 7 −2 7−2 5
. 2 = 2 =2 . 2 =2 =2
4 2
(32 experimentos)

Ao multiplicar uma coluna por ela mesma, uma coluna de sinais positivos é produzida
(coluna I da tabela da matriz). Portanto:

6 =12 e 7 = 123

7 x 7 = 123 x 7 e 6 x 6 = 12 x 6, Logo:

Obtém-se que:

I = 1237 e I = 126

Assim, têm-se que:

1237 = 126 ou 1237 x 1237 = 126 x 1237

Então:

I = 367

Deste modo, a relação definidora do planejamento 27−2 é dada pela identidade:

I = 1237 = 126 = 367

Fazendo a multiplicação da relação definidora I = 1237 = 126 = 367 do planejamento

pela 1ª coluna (variável 1), obtém-se a estrutura de confundimento:
 Confundimento
l1→ 1+237+26+1367

i) O efeito principal 1 neste planejamento não é confundido com outro efeito principal.

ii) O efeito principal 1 é confundido com interação com 2 fatores, sendo a interação 26.

iii) O efeito principal 1 é confundido com interação com 3 fatores, sendo a interação
237.

iv) O efeito principal 1 é confundido com interação com 4 fatores, sendo a interação
1367.

v) O efeito principal 1 não há interação com 5 fatores.

vi) Para que se produza menor confundimento de efeitos de ordem baixa, seria
considerar uma outra fração (aumentando o número de experimentos necessários) para o
planejamento. Por exemplo, se ao invés de escolher uma fração ¼ caso usa-se uma
fração ½ de um planejamento 27, então teria:
7
1 7 2 7 −1 7−1 6
. 2 = 1 =2 . 2 =2 =2
2 2
(64 experimentos)

7-i)

Interações com mais de 2 fatores é desprezível, não é significativo, por isso não
calcula o efeito.

Tabela 1- Tabela de contrastes

Média A B C D Ax Ax Ax Bx Bx Cx Resultado
B C D C D D
+ - - - - + + + + + + 45
+ + - - - - - - + + + 71

+ - + - - - + + - - + 48

+ + + - - + - - - - + 65
+ - - + - + - + - + - 68

+ + - + - - + - - + - 60

+ - + + - - - + + - - 80
+ + + + - + + - + - - 65
 + - - - + + + - + - - 43

+ + - - + - - + + - - 100

+ - + - + - + - - + - 45

+ + + - + + - + - + - 104

+ - - + + + - - - - + 75

+ + - + + - + + - - + 86

+ - + + + - - - + + + 70

+ + + + + + + + + + + 96

Divisor 8 8 8 8 8 8 8 8 8 8
16

Estimador da média:

(45+71+48+65+68+60+80+65+43+100+45+104+75+86+70+96)/16 = 70,0625

Estimador do Efeito Principal de A:

(-45+71-48+65-68+60-80+65-43+100-45+104-75+86-70+96)/8 = 21,625

Estimador do Efeito Principal de B:

(-45-71+48+65-68-60+80+65-43-100+45+104-75-86+70+96)/8 = 3,125

Estimador do Efeito Principal de C:

(-45-71-48-65+68+60+80+65-43-100-45-104+75+86+70+96)/8 = 9,875

Estimador do Efeito Principal de D:

(-45-71-48-65-68-60-80-65+43+100+45+104+75+86+70+96)/8 = 14,625

Estimador do Efeito de interação de A x B:

(+45-71-48+65+68-60-80+65+43-100-45+104+75-86-70+96)/8 = 0,125

Estimador do Efeito de interação de A x C:

(+45-71+48-65-68+60-80+65+43-100+45-104-75+86-70+96)/8 = -18,125

Estimador do Efeito de interação de A x D:

(+45-71+48-65+68-60+80-65-43+100-45+104-75+86-70+96)/8 = 16,625

Estimador do Efeito de interação de B x C:

(+45+71-48-65-68-60+80+65+43+100-45-104-75-86+70+96)/8 = 2,375

Estimador do Efeito de interação de B x D:

(+45+71-48-65+68+60-80-65-43-100+45+104-75-86+70+96)/8 = -0,375
 Estimador do Efeito de interação de C x D:

(+45+71+48+65-68-60-80-65-43-100-45-104+75+86+70+96)/8 = -1,125

Tabela 2- Algoritmo de Yates

Exp. A B C D Y (1) (2) (3) (4) divisor estimado ident
r
1 - - - - 45 116 229 502 1121 16 70,0625 Média

2 + - - - 71 113 273 619 173 8 21,625 A

3 - + - - 48 128 292 20 25 8 3,125 B
4 + + - - 65 145 327 153 1 8 0,125 AxB
5 - - + - 68 143 43 14 79 8 9,875 C
6 + - + - 60 149 -23 11 -145 8 -18,125 AxC
7 - + + - 80 161 116 -16 19 8 2,375 BxC
8 + + + - 65 166 37 17 15 8 1,875 AXBXD
9 - - - + 43 26 -3 44 117 8 14,625 D
10 + - - + 100 17 17 35 133 8 16,625 AxD
11 - + - + 45 -8 6 -66 -3 8 -0,375 BxD
12 + + - + 104 -15 5 -79 33 8 - AXBXC
13 - - + + 75 57 -9 20 -9 8 -1,125 CxD
14 + - + + 86 59 -7 -1 -13 8 - AXCXD
15 - + + + 70 11 2 2 -21 8 - BXCXD
16 + + + + 96 26 15 13 11 8 - AXBXCXD

Pela análise da Tabela 1 e 2, pode ser notado que os valores estimados para (A,
C e D) são altos e significativos, ou seja, estes valores indicam que pode estar ocorrendo
efeitos principais ou de interações. Entretanto, é necessário avaliar os efeitos
separadamente, para isso é feito a análise dos gráficos dos dados.
Observando a Tabela 3 de efeitos do planejamento fatorial 2 4, pode ser notado
que as variáveis (A, C e D) e as interações (A com C e A com D) tiveram efeito
significativo por apresentarem (p < 0,05), mas por meio da plotagem do gráfico de
efeitos pode ser melhor analisado a significância das variáveis.
 Tabela 3 - Análise de efeitos do planejamento fatorial 2 4

Fator Efeito Erro t(1) p Coef. Erro Coef.

Média/Interc 70,06250 1,263984 55,42988 0,000000 66,8133 73,31168
(1)A 10,81250 1,263984 8,55430 0,000360 7,5633 14,06168
(2)B 1,56250 1,263984 1,23617 0,271297 -1,6867 4,81168
(3)C 4,93750 1,263984 3,90630 0,011337 1,6883 8,18668
(4)D 7,31250 1,263984 5,78528 0,002172 4,0633 10,56168
A com B 0,06250 1,263984 0,04945 0,962478 -3,1867 3,31168
A com C -9,06250 1,263984 -7,16979 0,000821 -12,3117 -5,81332
A com D 8,31250 1,263984 6,57643 0,001220 5,0633 11,56168
B com C 1,18750 1,263984 0,93949 0,390613 -2,0617 4,43668
B com D -0,18750 1,263984 -0,14834 0,887871 -3,4367 3,06168
C com D -0,56250 1,263984 -0,44502 0,674909 -3,8117 2,68668

Pela plotagem do gráfico 1, pode ser analisado as variáveis e as interações que

estão próximo de zero, em uma reta em torno de zero, são não significativos. Nos
mostra que as variáveis A,C e D e as interações A com C e A com D, possuem efeito
significativo, confirmando assim a análise feita através da Tabela 1 e 2.

Gráfico 1 – Distribuição normal dos efeitos

 Portanto pela análise do gráfico 1 e da Tabela 3, podemos eliminar os efeitos não
significativos. Assim a interação A com B por apresentar valor de p = 0,962478, (p >
0,05), pode ser a primeira a ser eliminada, portanto gerando uma nova tabela para
análise de efeitos (Tabela 4).

Tabela 4 - Análise de efeitos do planejamento fatorial 2 4

Fator Efeito Erro t(1) p Coef. Erro Coef.

Média/Interc -268,542 755,6927 -0,35536 0,736821 -2211,11 1674,028
(1)A 10,542 1,3275 7,94122 0,000510 7,13 13,954
(2)B 1,292 1,3275 0,97304 0,375225 -2,12 4,704
(3)C 4,667 1,3275 3,51548 0,017001 1,25 8,079
(4)D 7,042 1,3275 5,30461 0,003180 3,63 10,454
A com C 18,667 2,6549 7,03097 0,000898 11,84 25,491
A com D -16,083 2,6549 -6,05793 0,001768 -22,91 -9,259
B com C -1,833 2,6549 -0,69054 0,520593 -8,66 4,991
B com D 0,917 2,6549 0,34527 0,743942 -5,91 7,741
C com D 1,667 2,6549 0,62776 0,557710 -5,16 8,491
 Pela análise da Tabela 4, pode ser notado que os efeitos não significativos com
valores de (p > 0,05), foi a variável B e as interações B com C, B com D, C com D, o
que também nos comprova pela plotagem do gráfico que as variáveis A,C e D e as
interações A com C e A com D, eram significativos, possuindo efeito. Assim podem ser
eliminados todos os efeitos não significativos, podendo ser gerado uma nova tabela de
efeitos (Tabela 5).
Tabela 5- Análise de efeitos do planejamento fatorial 24

Fator Efeito Erro t(1) p Coef. Erro Coef.

Média/Interc -82,1875 317,0371 -0,25924 0,800711 -788,590 624,2153
(1)A 10,8125 1,1043 9,79106 0,000002 8,352 13,2731
(3)C 4,9375 1,1043 4,47106 0,001195 2,477 7,3981
(4)D 7,3125 1,1043 6,62170 0,000059 4,852 9,7731
A com C 18,1250 2,2086 8,20638 0,000009 13,204 23,0462
A com D -16,6250 2,2086 -7,52723 0,000020 -21,546 -11,7038

ii) Conclui-se que após gerada a Tabela 5, as variáveis A, C e D e as interações A com

C e A com D foram significativas para análise de efeitos (p < 0,05), como pode ser
notado também pela plotagem do gráfico 1 e pela análise das Tabelas 1 e 2.

iii) De acordo com os valores dos coeficientes obtidos na Tabela 5 se obtém a função
resposta de y.
y = -82,1875 + 8,352 X1 + 2,477 X3 + 4,852 X4

iv) Pelo Gráfico 2, pode-se observar que os valores preditos estão próximos dos valores
observados para cada variável estudada, sendo que o gráfico 3 mostra que os dados
seguem uma distribuição normal. Assim conclui-se que o modelo é adequado pois as
variáveis envolvidas são quantitativas e contínuas e são controladas no processo e
medidas com pequenos erros, também de acordo com análise dos gráficos possuem uma
distribuição normal, sendo os dados aleatórios e independentes entre si com variância
constante em torno de zero.

Gráfico 2 – Valor observado versus valor predito

 Gráfico 3 – Normal versus resíduos.

8- Essa questão é pessoal, então resolvi de uma forma pra ter como base, e talvez
modificar de acordo com o seu projeto.
i) Diante do estudo proposto, será realizado o processo de secagem de polpa de frutas
através do planejamento fatorial visando a determinação do ponto ótimo de operação.
Além de avaliar as variáveis de processo quanto às suas influências nos resultados
(variáveis respostas).

ii) Fatores (variáveis independentes de processo):

- Temperatura: (-1) 75°C e (+1) 100°C

- Vazão do ar de secagem: (-1) 1,60 m3.mim-1 e (+1) 1,80 m3.mim-1

- Vazão de alimentação: (-1) 0,60 L.h-1 e (+1) 0,90 L.h-1

- Agente carreador: (-1) 10 % e (+1) 20 %

iii) Variáveis respostas:

- Umidade (%)
- Higroscopicidade (%)
- Distribuição de tamanho de partícula (µm)
- Vitamina C (mg.100 g-1)
- Flavonoides (mg.100 g-1)

iv)

Tabela – Matriz de Planejamento fatorial 24

Temperatura Vazão do ar Vazão de Agente carreador
Experimentos (°C) (m3.mim-1) alimentação (%)
x1 x2 (L.h-1) x4
x3
1 -1 (75) -1 (1,60) -1 (0,60) -1 (10)
2 +1 (100) -1 (1,60) -1 (0,60) -1 (10)
3 -1 (75) +1 (1,80) -1 (0,60) -1 (10)
4 +1 (100) +1 (1,80) -1 (0,60) -1 (10)
5 -1 (75) -1 (1,60) +1 (0,90) -1 (10)
6 +1 (100) -1 (1,60) +1 (0,90) -1 (10)
7 -1 (75) +1 (1,80) +1 (0,90) -1 (10)
8 +1 (100) +1 (1,80) +1 (0,90) -1 (10)
9 -1 (75) -1 (1,60) -1 (0,60) +1 (20)
10 +1 (100) -1 (1,60) -1 (0,60) +1 (20)
11 -1 (75) +1 (1,80) -1 (0,60) +1 (20)
12 +1 (100) +1 (1,80) -1 (0,60) +1 (20)
13 -1 (75) -1 (1,60) +1 (0,90) +1 (20)
14 +1 (100) -1 (1,60) +1 (0,90) +1 (20)
15 -1 (75) +1 (1,80) +1 (0,90) +1 (20)
16 +1 (100) +1 (1,80) +1 (0,90) +1 (20)
9-

Foi empregado nesse estudo um planejamento fatorial 2 3, com 5 réplicas nos

pontos centrais no total de 13 experimentos (Tabela 1), para estudar o efeito dos três
fatores (variáveis independentes) empregados: pH (x 1), temperatura (x2) e tempo de
fermentação (x3) na produção de ácido lático (variável resposta). Os níveis dos fatores
foram escolhidos com base em experimentos preliminares, os quais foram usados: pH:
(-1) 4 e (+1) 10; temperatura: (-1) 15°C e (+1) 35°C; tempo de fermentação: (-1) 3 dias
e (+1) 6 dias. Todos os experimentos foram executados em ordem aleatória para
minimizar o efeito de variabilidade inesperada na resposta observada.

Tabela 1 –Planejamento fatorial 23, com 5 réplicas nos pontos centrais

Exp. pH Temperatura (°C) Tempo Ácido lático
x1 x2 (dia) x3 (g/l)
1 -1 (4) -1 (15) -1 (3) 2,967
2 1 (10) -1 (15) -1 (3) 2,082
3 -1 (4) 1 (35) -1 (3) 2,175
4 1 (10) 1 (35) -1 (3) 9,3
5 -1 (4) -1 (15) 1 (6) 2,442
6 1 (10) -1 (15) 1 (6) 2,517
7 -1 (4) 1 (35) 1 (6) 3,75
8 1 (10) 1 (35) 1 (6) 17,484
9 0 (7) 0 (25) 0 (4,5) 4,9506
10 0 (7) 0 (25) 0 (4,5) 4,9506
11 0 (7) 0 (25) 0 (4,5) 4,9506
12 0 (7) 0 (25) 0 (4,5) 4,9506
13 0 (7) 0 (25) 0 (4,5) 4,9506

Os dados foram analisados por análise de variância (ANOVA) para estudar o

efeito dos fatores principais e seus efeitos de interação na produção de ácido lático. Os
resultados da ANOVA estão representados pela Tabela 2

Tabela 2- Análise de efeitos para produção de ácido lático

Fator S.S. D.F M.S F p
Modelo 208,32 7 29,76 379.65 0.0001
(1) pH 50,25 1 50,25 640.99 0.0001
(2) temperatura 64,42 1 64,42 821.78 0.0001
(3) tempo 11,69 1 11,69 149.08 0.0003
pH com temperatura 58,69 1 58,69 748.76 0.0001
pH com tempo 7,16 1 7,16 91.36 0.0007
Temperatura com
12,13 1 12,13 154,69 0.0002
tempo
 pH com temperatura com 3,99
1 3,99 50,89 0.0021
tempo
Curvatura 0,4657 1 0,47 5,94 0.0714
Erro 0,31 4 0,078
Total 209,10 12

De acordo com os resultados da ANOVA na tabela 2, mostraram que o pH,

temperatura e tempo de fermentação influenciam a produção de ácido lático. As
interações de dois fatores também influenciaram a produção de ácido lático. Pelo
exposto nota-se que houve interação de três fatores (pH x temperatura x tempo) além de
ser significativa na resposta, porém sabe-se que este tipo de interação é desprezível,
sempre insignificante estatisticamente. Assim nos mostra que esse estudo há existência
de erro experimental, pois só existe interação entre duas variáveis.
Dessa forma, reproduzindo os resultados da ANOVA de forma correta na Tabela
3. O modelo de regressão para a produção de ácido lático seria dado pela seguinte
equação:
Ácido lático=
5 , 19+2 ,51 X 1+2 , 84 X 2+1 ,21 X 3+2 , 71 X 1 X 2+0 , 95 X 1 X 3+1 ,23 X 2 X 3
Assim o modelo de regressão se ajustando os dados adequadamente,
apresentando o coeficiente de regressão R2 = 0,97866. Porém sabe-se que planejamentos
fatoriais em dois níveis não são indicados para obter modelo, o que nos mostra outro
erro no estudo.

Tabela 3- Análise de efeitos para produção de ácido lático

Fator S.S. D.F M.S F p
(1) pH 50,2453 1 50,24530 67,67708 0,000174
(2) temperatura 64,4169 1 64,41693 86,76531 0,000087
(3) tempo 11,6862 1 11,68620 15,74053 0,007389
pH com temperatura 58,6932 1 58,69320 79,05583 0,000113
pH com tempo 7,1612 1 7,16122 9,64569 0,020962
Temperatura com tempo 12,1254 1 12,12535 16,33204 0,006793
Erro 4,4546 6 0,74243
Total 208,7827 12