Escolar Documentos
Profissional Documentos
Cultura Documentos
APROVADO POR:
REFERÊNCIA BIBLIOGRÁFICA
CESSÃO DE DIREITOS
AGRADECIMENTOS
Aos nossos pais e familiares pelo enorme apoio que nos deram para que
essa árdua caminhada fosse um pouco menos difícil.
Aos nossos orientadores Prof. Dr. Écio Naves Duarte e Paulo Vinicius da
Silva Resende por terem nos acolhido como orientandos num momento tão
delicado e nos terem dado valiosos ensinamentos.
Ao Prof. Dr. Ildeu Lúcio Siqueira por ter nos aceitado como ouvintes na
disciplina de Tópicos Especiais em Fabricação, que foi de grande ajuda durante
a elaboração deste trabalho.
A todos os outros professores do curso de graduação em Engenharia
Mecânica do IFG por compartilhar os conhecimentos que nos permitiram
crescimento profissional e pessoal.
Aos colegas de curso pelas ajudas, conversas e noites em claro. Afinal,
ninguém forma sozinho.
iv
RESUMO
ABSTRACT
Design of experiments allows one to optimize processes through the intelligent use of
experiments. It is recommended to start the analysis with more basic studies involving a smaller
number of experiments and then move on to more elaborate ones, as knowledge of the process
dynamics improves. However, researchers do not always do this. In these situations, it is worth
investigating whether the same results could have been obtained using a simpler design and,
therefore, rationalizing the number of experiments that would need to be performed. In this paper,
in order to illustrate how these rationings can be made, two articles on design of experiments in
machining were chosen to have the original data re-studied using two-level, three-factor Full
Factorial Planning (23). Response Surface Methodology was employed to evaluate the cost-
effectiveness of this rationalization. In one paper, the FFD analysis was reduced from three to
two levels and in the other, the analysis of a CCD planning was redone using the two-level FFD.
It was found that the same conclusions could have been reached.
LISTA DE FIGURAS
LISTA DE TABELAS
1 INTRODUÇÃO .................................................................................... 11
3 METODOLOGIA ................................................................................. 46
5 CONCLUSÃO ..................................................................................... 69
REFERÊNCIAS BIBLIOGRÁFICAS ...................................................... 70
Anexo A ................................................................................................. 73
11
1 INTRODUÇÃO
Experimento pode ser definido como um teste ou uma série de testes onde
são feitas mudanças nas variáveis de entrada de um processo ou sistema para
entender como elas afetam as variáveis de saída. As variáveis de entrada são
chamadas de fatores, enquanto as de saída são chamadas de respostas
(MONTGOMERY, 2013).
Por sua vez, de acordo com Carpinetti (2009), um processo ou sistema
trata-se da transformação de matéria-prima (entrada) em um produto já com
algum nível de acabamento (saída), utilizando para tal uma combinação de
métodos, técnicas, recursos, máquinas etc.
A Figura 1.1 traz um diagrama representando o planejamento de
experimento.
Figura 1.2: Número de publicações sobre RSM a cada ano partindo de 2002 até 2016.
2 FUNDAMENTAÇÃO TEÓRICA
trabalho, ele precisa definir de forma clara e direta seus objetivos e suas
técnicas. Por fim, Montgomery (2013) define a estatística como elemento
fundamental para o ato de planejar e experimentar de maneira eficaz.
Um outro ponto que vale a pena ser discutido é a concordância entre as
técnicas estatísticas para análise de dados utilizada no processo e a
metodologia, que também precisa ser estatística, sobre a qual o planejamento
experimental se baseia. Tal concordância é necessária para que ao final as
conclusões encontradas sejam objetivas e o único meio para tal é através da
aplicação de uma metodologia igualmente estatística (BUTTON, 2016).
Existem ainda três princípios importantíssimos, frequentemente usados
na realização dos experimentos que fazem uso de conceitos da estatística.
Conforme denotado por Carpinetti (2009), eles são apresentados a seguir:
• Repetição: aplicada desde as primeiras aulas de laboratório do
curso de Bacharelado em Engenharia Mecânica, a repetição do
experimento possui duas características relevantes. A primeira
delas é a obtenção de um erro experimental que, a partir do
momento em que é calculado, é utilizado como base para
determinação de possíveis incongruências e confiabilidade dos
dados coletados. A segunda característica definidora da repetição
experimental é a possibilidade de obtenção de uma estimativa mais
precisa para tais dados;
• Aleatorização: consiste basicamente em executar os
experimentos, assim como o selecionamento e destinação de
equipamento e material, em ordem aleatória;
• Planejamento em blocos: consiste em executar o experimento
em condições homogêneas, objetivando assim o aumento da
precisão do mesmo e da quantidade de informações coletadas,
assim como a eliminação da interferência de um número
indeterminado de fatores nos resultados do próprio experimento.
Em que:
- n1: número de níveis do fator 1;
- n2: número de níveis do fator 2;
- n3: número de níveis do fator 3;
- nk: número de níveis do fator k.
nos níveis 10, 30 mm/min, ou seja, (-1) e (+1) em forma codificada; ii) x2:
Profundidade corte, nos níveis 30 e 50 m, (-1) e (+1); iii) x3: Raio de ponta da
ferramenta, nos níveis 1 e 3 mm, (-1) e (+1).
Após montar a matriz de planejamento, as respostas foram medidas
(Tabela 2.2) e anotadas (rugosidade Ra em micrômetros). Aqui é utilizada a
técnica da aleatorização, com o objetivo principal de eliminar a possibilidade de
presença de variabilidade oriunda de fontes desconhecidas (CARPINETTI,
2009).
1
𝛽0 = 𝑁 [𝑦1 + 𝑦2 + 𝑦3 + ⋯ + 𝑦𝑁 ] (Eq. 2.3)
𝑌 = 𝛽0 + 𝛽1 𝑥1 + 𝛽2 𝑥2 + 𝛽3 𝑥3 (Eq. 2.4)
Figura 2.6: Diagrama apresentando três conceitos fundamentais que são utilizados
pela MSR.
Figura 2.7: Passo a passo para uma condução eficiente da Metodologia de Superfície
de Resposta.
𝑦 = 𝛽0 + 𝛽1 𝑥1 + 𝛽2 𝑥2 + ⋯ + 𝛽𝑘 𝑥𝑘 +ε (Eq. 2.5)
Caso a relação entre saída e entrada do sistema não seja bem definida
por uma superfície plana, a função então passa a ser representada por um
polinômio de 2ª ordem, dado pela Eq. 2.6 (CARPINETTI, 2009). A Figura 2.9
representa a superfície não plana característica desta variação da relação do
sistema analisado:
𝑘 𝑘
𝑦 = 𝛽0 + 𝛴𝑖=1 𝛽𝑖 𝑥𝑖 + 𝛴𝑖=1 𝛽𝑖𝑖 𝑥𝑖2 + 𝛴𝑖 𝛴𝑗 𝛽𝑖𝑗 𝑥𝑖 𝑥𝑗 + 𝜀 (Eq. 2.6)
39
A Eq. 2.5 é um caso particular da Eq. 2.6. Pode haver ainda uma situação
em que a interação entre dois fatores não é significante. Camposeco-Negrete
(2014) apresenta um exemplo deste caso, mostrado na Figura 2.10.
Barros Neto et al. (2010) ressaltam ainda que existem modelos empíricos
e mecanísticos; estes buscam descrever os processos através da redução ao
menor número possível de leis, enquanto que aqueles buscam descrever os
processos em uma certa região experimental sob investigação com base em
evidências. Os vários tipos de planejamentos de experimentos são nada mais do
que modelos empíricos.
A seguir são apresentados brevemente o Planejamento Fatorial
Fracionário e Planejamento Composto Central. Existem ainda muitos outros
tipos de planejamento de experimento como o método de Taguchi, o quadrado
latino, o quadrado greco-latino, entre outros. Contudo, como estes não são
relevantes para o trabalho aqui apresentado, não serão abordados.
A Figura 2.11 ilustra este tipo de planejamento em sua forma mais simples
possível, quando k=2.
3 METODOLOGIA
4 RESULTADOS E DISCUSSÃO
4.1.1 O Planejamento 33
Conforme era esperado, os gráficos das Figuras 4.1 e 4.2 mostram que a
rotação é uma variável não significativa, uma vez que as linhas coloridas são
aproximadamente paralelas ao eixo n. Este fato já havia sido constatado por
meio da tabela ANOVA.
4.1.2 O Planejamento 23
Tabela 4.7: Tabela ANOVA da força de corte (Fc) adaptada para 23.
Fator SQ GL QM F p-valor
n (rpm) 822,0 1 822,0 49,00 0,090334
f (mm/ver) 192200,0 1 192200,0 10677,78 0,006161
ap (mm) 279752,0 1 279752,0 15541,78 0,005106
n*f 18,0 1 18,0 1,00 0,500000
n*ap 722,0 1 722,0 40,11 0,099696
f*ap 51200,0 1 51200,0 2844,44 0,011935
55
Novamente, através da análise dos gráficos das figuras 4.4 e 4.5, conclui-
se que a rotação (n) não é significante, já que as linhas coloridas são
aproximadamente paralelas ao eixo n. Uma vez que a rotação não tem
significância ela será praticamente a mesma para 33 e 23.
A expressão 𝜎𝑎𝑏𝑠 é uma função que pode ter duas ou mais variáveis, uma
vez que para fazer um experimento é necessário ter pelo menos dois fatores.
Caso haja três ou mais fatores só será possível plotar os gráficos de superfície
tomando os fatores aos pares e fixando os valores dos outros entre seus
respectivos níveis maiores e menores. Se para um mesmo par de fatores forem
construídos e sobrepostos os gráficos das superfícies do planejamento original
e o do racionalizado, dizer que todas as distâncias entre pontos dessas
superfícies devem ser menores que o menor efeito principal em módulo,
equivale, matematicamente a Eq. 4.4
A razão para esta escolha se deve ao fato que cada efeito contribui na
resposta com determinada amplitude. Os fatores não significantes têm uma
contribuição ínfima em relação aos significantes e, portanto, podem ser
desprezados. Dentre os efeitos significativos, a contribuição dos efeitos das
interações e quadráticos geralmente é menor que a dos efeitos principais. Sendo
assim, é razoável definir que o menor efeito, em módulo, entre os efeitos
principais significativos pode ser utilizado como critério para avaliar se a
diferença entre os gráficos de superfície do planejamento original e do
racionalizado é aceitável.
Em uma situação com três fatores significativos tem-se três gráficos de
superfícies para 𝜎𝑎𝑏𝑠 , já que há três combinações possíveis entre tais fatores.
O artigo em questão, por ter apenas duas variáveis significantes, terá
apenas um gráfico de superfície, o que facilita as análises. Neste caso, teremos:
Com base nos dados obtidos, foi elaborada a seguinte tabela ANOVA
usando o Statistica®.
Conforme era esperado, os gráficos das Figuras 4.9 e 4.10 mostram que
a velocidade de corte (Vc) é uma variável não significativa, uma vez que as linhas
coloridas são aproximadamente paralelas ao eixo Vc. Este fato já havia sido
constatado por meio da tabela ANOVA.
4.2.2 O Planejamento 23
Tabela 4.15: Tabela ANOVA da energia específica (SE) adaptada para 2³.
Fator SQ GL QM F p-valor
n (rpm) 40193,21 1 40193,21 2711,359 0,012225
f (mm/ver) 18035,75 1 18035,75 1216,658 0,018246
ap (mm) 150,77 1 150,77 10,171 0,193438
n*f 4863,45 1 4863,45 328,079 0,035112
n*ap 43,29 1 43,29 2,920 0,337054
f*ap 38,76 1 38,76 2,615 0,352584
Erro 14,82 1 14,82
Total 63340,06 7
5 CONCLUSÃO
REFERÊNCIAS BIBLIOGRÁFICAS
MONTGOMERY, D.C. Design and Analysis of Experiments. John Wiley & Sons,
Inc.,Eight Edition, Arizona State University, 2013. 757 f.
ANEXO A
// Inicializacao de sistema
clear; xdel(winsid()); clc; clf(gcf(),'reset');
X1 = linspace(-(sqrt(2)),(sqrt(2)), 80);
X2 = linspace(-(sqrt(2)),(sqrt(2)), 80);
z12orig = feval(X1, X2, f)';
//
//dados obtidos pelo Statistica a partir racionalização dos exp. supracitados por
meio do 2k
//insira abaixo os coeficientes obtidos com até dois algarismos, separado por ponto
(.)
rB0 = 398.00 ;
rB1 = -10.5;
74
rB11 = 0;
rB2 = 155.0;
rB22 = 0;
rB3 = 187.0;
rB33 = 0;
rB12 = 1.5;
rB13 = -9.5;
rB23 = 80.0;
// não mude a rotina a partir deste ponto
//FUNÇÃO PARA PLOTAR RESPOSTA EM TERMOS DE X1 E X2
function z12=f(X1, X2)
X3=0;
X1_2=X1.^2;
X2_2=X2.^2;
X3_2=X3.^2;
z12 = rB0 + (rB1.*X1) + (rB2.*X2) + (rB3.*X3) + (rB11.*X1_2) +
(rB22.*X2_2) + (rB33.*X3_2) + ...
(rB12.*X1.*X2)+ (rB23.*X2.*X3)+ (rB13.*X1.*X3);
endfunction
X1 = linspace(-(sqrt(2)),(sqrt(2)), 80);
X2 = linspace(-(sqrt(2)),(sqrt(2)), 80);
z12rac = feval(X1, X2, f)';//a partir daqui a rotina fará a diferença e a
exposição gráfica
//avaliando a diferença
difModelX1X2= z12rac-z12orig;//diferença absoluta em cada ponto amostral do
modelo
Zmin = 0.95 * min(difModelX1X2);
Zmax = 1.05 * max(difModelX1X2);
zminmax = [Zmin Zmax];
//Plotagem de superfície resposta
figure(1)
f1 = get("current_figure");
f1.figure_size = [974,723];
f1.background = -2;
surf(X1,X2,difModelX1X2);
a = gcf();
a.color_map = jetcolormap(32);
//a.background = color("white");
colorbar(zminmax(1), zminmax(2), fmt="%.0f");
xset("font size", 4); //estilo de fonte
xtitle("Curva de desvio absoluto entre os Modelos - X1 vs. X2")
a = get("current_axes");
a.title.font_size = 4;
xlabel ('n [rpm]', "fontsize", 4); //nome do fator A e unidade SI[]
ylabel ('f [mm/rev.]', "fontsize", 4); //nome do fator B e unidade SI[]
zlabel ('Desvio entre Modelos [N]', "fontsize", 4, "rotation", 90); //nome do fator
C e unidade SI []
a = get("current_axes");
75