UFRGS - Universidade Federal do Rio Grande do Sul

EE - Escola de Engenharia
DEMEC - Departamento de Engenharia Mecânica

Projeto de Experimentos e
Superfícies de Resposta
(Design of Experiments – DOE
Response Surfaces - RS)
(ENG03024-
(ENG03024-Análise de Sistemas Mecânicos)

Prof. Herbert Martins Gomes

Projeto de Experimentos
Objetivos:
Como modelar um fenômeno físico o qual não é
completamente entendido ou explicado em termos de
equações?

Uma Solução:
Avaliar o comportamento do fenômeno físico através
da experimentação com as variáveis que intervêm no
fenômeno (sensibilidade).

Observação: Não é a intenção criar modelos que respondam

fielmente a todos possíveis comportamentos do fenômeno físico,
mas sim às principais características de comportamento do
fenômeno.
2

1
Projeto de Experimentos
Entradas não controladas
(discretas)

Operadores diferentes
Máquina com defeito
Entradas Controladas

X1

Respostas (r)
Y1
Fatores (k)

X2 Y2

Saídas
X3 Fenômeno Y3
...

...
Xk Yr
Temperatura

Umidade

Entradas não controladas

(contínuas) 3

Projeto de Experimentos
Passos a serem seguidos:

ØPlanejar o experimento para se ter informações suficientes (em

termos dos objetivos da pesquisa) com o menor número possível
de ensaios.

ØAnalisar os dados de forma compatível com o projeto

experimental realizado

Øreconhecer, estabelecer e delimitar claramente o problema;

Øidentificar os possíveis fatores que podem afetar o problema em

estudo;
4

2
Projeto de Experimentos
Øverificar quais fatores que poderão ser mantidos fixos e,
portanto, não terão os seus efeitos avaliados no estudo
experimental;

Øidentificar o intervalo de variação (e os níveis) dos fatores qu e

entrarão no estudo;

Øescolher a resposta adequada, ou seja, a variável Y que mede

adequadamente o resultado (a qualidade, o desempenho, etc.) do
processo.
yi= fi ( x1, x2, x3,..., xk) Modelo empírico

Projeto de Experimentos
Exemplo: Deseja-se avaliar a influência que diâmetros de pneus,
tipos de combustíveis e ajustes de suspensão têm na autonomia
de determinado veículo.
Fatores: A – Diâmetro dos pneus
B – Tipo de Combustível
C – Ajuste da Suspensão
Variável de resposta: autonomia do veículo

Fator Níveis dos Fatores

Inferior Intermediário Superior
A 30 cm 35cm 40cm
B 1% etanol 2% etanol 5% etanol
C 1,0 cm 2,0 cm 4,0 cm

3
Projeto de Experimentos
-Chama-se tratamento a uma dada combinação de
níveis dos fatores (neste caso, 33=27)

-Chama-se replicação ao número de amostras que se

tem de determinado tratamento

-O projeto de experimentos preocupa-se em gerar

formas de
otimizar os experimentos de forma a minimizar seu
número de avaliações mantendo ou melhorando a
incerteza na determinação dos parâmetros estmados e
identificando a causa de variabilidade entre diferentes
medições (se inerente às grandezas ou se à
amostragem) 7

Projeto de Experimentos
Análise de Variância (ANOVA)
Para 1 fator
Exemplo:O que afeta a resistência à tração de metais?
Fatores: tratamento térmico, composição química,
temperatura, etc.
Pode-se investigar apenas o efeito de um fator com
diversos níveis. Por exemplo, a composição química
com percentual de carbono (15%, 20%, 25%, 30%) com
cinco replicações para cada nível.
Variável de interesse: resistência à tração

4
Projeto de Experimentos
Observações
Percentual j=1 j=2 j=3 j=4 j=5 Soma Média
i=1 15 7 7 15 11 9 T1 = 49 y 1 = 9,8
i=2 20 12 17 12 18 18 T 2 = 77 y 2 = 15,4
i=3 25 14 18 18 19 19 T 3 = 88 y 3 = 17,6
i=4 30 19 25 22 19 23 T 4 = 108 y 4 = 21,6
Total T= 322 y = 16,1

O número de tratamentos ou níveis (já que temos

apenas um fator) é k=4
O número de observações por tratamento (iguais para
cada tratamento) é ni=5
O número total de observações é N=4x5=20 9

Projeto de Experimentos
O resíduo da observação com respeito à média total é
igual à soma dos resíduos da observação com respeito à
média de cada nível e o resíduo da média do nível com
respeito à média total

yij - y = ( yij - yi ) + ( yi - y )

22 - 16,1 = (22 - 21, 6) + (21, 6 - 16,1)

Elevando ao quadrado ambos os lados e somando, chega-se a:

å(y ij - y ) = å ( yij - yi ) + å n j ( yi - y )
2 2 2

ij ij j

SQT=SQD+SQE
10

5
Projeto de Experimentos
Testam-se as seguintes hipóteses:

-H0: Os tratamentos não afetam a variável de interesse

-H1: Os tratamentos de alguma forma afetam a variável
de interesse (É necessário investigar de que forma!)

Fonte de Soma dos Graus de Média Fcalculado

Variabilidade Quadrados liberdade
Entre os SQE k-1 MQG=SQG/(k-1) Fcalculado=MQG/MQR
tratamentos
Dentro dos SQD N-k MQR=SQD/( N-k)
tratamentos
Total SQT N-1

11

Projeto de Experimentos
(å T j ) 2
SQT = å y 2ij - j

ij N
T j2
SQR = å y 2ij - å
ij j nj

(å T j ) 2
T j2
SQD = å
j
-
j nj N
12

6
Projeto de Experimentos
Resumo tabela ANOVA para 1 fator
Fonte de Soma dos Graus de Média Fcalculado
Variabilidade Quadrados liberdade
Entre os 128,4 3 121,1333 15,0945
tratamentos
Dentro dos 363,4 16 8,025 Fcrit(0,05;3;16)=
tratamentos
Total 491,8 19 3,24

13

Projeto de Experimentos
\ 1 2 3 4 5 6 7 8 9 10

1 161.448 199.500 215.707 224.583 230.162 233.986 236.768 238.882 240.543 241.882
2 18.513 19.000 19.164 19.247 19.296 19.330 19.353 19.371 19.385 19.396
3 10.128 9.552 9.277 9.117 9.013 8.941 8.887 8.845 8.812 8.786
4 7.709 6.944 6.591 6.388 6.256 6.163 6.094 6.041 5.999 5.964
5 6.608 5.786 5.409 5.192 5.050 4.950 4.876 4.818 4.772 4.735
6 5.987 5.143 4.757 4.534 4.387 4.284 4.207 4.147 4.099 4.060
7 5.591 4.737 4.347 4.120 3.972 3.866 3.787 3.726 3.677 3.637
8 5.318 4.459 4.066 3.838 3.687 3.581 3.500 3.438 3.388 3.347
9 5.117 4.256 3.863 3.633 3.482 3.374 3.293 3.230 3.179 3.137
10 4.965 4.103 3.708 3.478 3.326 3.217 3.135 3.072 3.020 2.978
11 4.844 3.982 3.587 3.357 3.204 3.095 3.012 2.948 2.896 2.854
12 4.747 3.885 3.490 3.259 3.106 2.996 2.913 2.849 2.796 2.753
13 4.667 3.806 3.411 3.179 3.025 2.915 2.832 2.767 2.714 2.671
14 4.600 3.739 3.344 3.112 2.958 2.848 2.764 2.699 2.646 2.602
15 4.543 3.682 3.287 3.056 2.901 2.790 2.707 2.641 2.588 2.544
16 4.494 3.634 3.239 3.007 2.852 2.741 2.657 2.591 2.538 2.494
17 4.451 3.592 3.197 2.965 2.810 2.699 2.614 2.548 2.494 2.450
18 4.414 3.555 3.160 2.928 2.773 2.661 2.577 2.510 2.456 2.412
19 4.381 3.522 3.127 2.895 2.740 2.628 2.544 2.477 2.423 2.378
20 4.351 3.493 3.098 2.866 2.711 2.599 2.514 2.447 2.393 2.348
21 4.325 3.467 3.072 2.840 2.685 2.573 2.488 2.420 2.366 2.321
22 4.301 3.443 3.049 2.817 2.661 2.549 2.464 2.397 2.342 2.297
23 4.279 3.422 3.028 2.796 2.640 2.528 2.442 2.375 2.320 2.275
24 4.260 3.403 3.009 2.776 2.621 2.508 2.423 2.355 2.300 2.255
25 4.242 3.385 2.991 2.759 2.603 2.490 2.405 2.337 2.282 2.236
14

7
Projeto de Experimentos
Como Fcalculado>Fcrítico => a Hipótese H0 é rejeitada, ou seja
pode-se afirmar que há uma relação entre a resistência do
metal com o percentual de carbono com um nível de confiança
de 95%.

Como então montar um modelo que

permita avaliar a influência das variáveis
na variável de interesse, inclusive para
mais de um fator?

15

Projeto de Experimentos
Superfícies de Resposta
xi (i=1,...,n) Variáveis independentes

y= f (x1, x2, ..., xn) + e Variável dependente

Modelo de regressão linear (polinomial)

k k k -1 k
y = b 0 + å bi xi + å b x + åå b ij xi x j + e
2
ii i
i =1 i =1 i =1 j >i

Efeito Efeito Efeito da

linear quadrático interação
16

8
Projeto de Experimentos
Para o caso de duas variáveis

y = b 0 + b1 x1 + b 2 x2 + b 3 x12 + b 4 x22 + b5 x1 x2
E substituindo x12 = x3 x22 = x4 x1 x2 = x5
Modelo Linear para cinco variáveis
y = b 0 + b1 x1 + b 2 x2 + b 3 x3 + b 4 x4 + b 5 x5

Em forma matricial

Y = Xb + ε
onde
17

Projeto de Experimentos
ì y1 ü ìb0 ü ìe1 ü
ïy ï ïb ï ïe ï
ï ï ï ï ï ï
Y = í 2ý β=í 1ý ε = í 2ý
ïM ï ïM ï ïM ï
ïî yn ïþ ïî b n ïþ ïîe n ïþ
A idéia é a de minimizar
é1 x11 L x1n ù
ê1 x L x2 n úú n

X=ê 21 Sr = å [ yi - f ( x1 , x2 ,...)]
êM M O M ú i =1
ê ú
ë1 xn1 K xnn û 18

9
Projeto de Experimentos
β = ( X T X) -1 X T Y
A matriz de covariança de b é dada por:

Y T Y - β T X T Y T -1
Cij = ( X X)
N - K -1
Para avaliar a qualidade do ajuste, pode-se avaliar o
coeficiente de determinação múltipla ajustado
Y T Y - β T XT Y
( N - K - 1)
R 2 ajustado = 1-
Y T Y - å yi
N
N 19

Projeto de Experimentos
Para se avaliar a importância de um determinado coeficiente da
regressão feita, usa-se o teste estatístico “t-student” para um
nível de significância pré-estabelecido.
bj
tj =
s 2C jj ttabelado = ta / 2, N - K -1
Com:
Y T Y - βT XT Y
s =2

N - K -1
Se o valor de “t” calculado for maior que o “t” tabelado, rejeita-se
a hipótese H0 que seria a de que o respectivo coeficiente seja
praticamente zero (ou insignificante para o ajuste feito, ou seja,
pode-se retirá-lo da regressão sem afetar a qualidade do ajuste!) 20

10
Projeto de Experimentos
Upper critical values of Student's t distribution with degrees of
freedom

Probability of exceeding the critical value

0.10 0.05 0.025 0.01 0.005 0.001

1. 3.078 6.314 12.706 31.821 63.657 318.313
2. 1.886 2.920 4.303 6.965 9.925 22.327
3. 1.638 2.353 3.182 4.541 5.841 10.215
4. 1.533 2.132 2.776 3.747 4.604 7.173
5. 1.476 2.015 2.571 3.365 4.032 5.893
6. 1.440 1.943 2.447 3.143 3.707 5.208
7. 1.415 1.895 2.365 2.998 3.499 4.782
8. 1.397 1.860 2.306 2.896 3.355 4.499
9. 1.383 1.833 2.262 2.821 3.250 4.296
10. 1.372 1.812 2.228 2.764 3.169 4.143
11. 1.363 1.796 2.201 2.718 3.106 4.024
12. 1.356 1.782 2.179 2.681 3.055 3.929
13. 1.350 1.771 2.160 2.650 3.012 3.852
14. 1.345 1.761 2.145 2.624 2.977 3.787
15. 1.341 1.753 2.131 2.602 2.947 3.733
16. 1.337 1.746 2.120 2.583 2.921 3.686
17. 1.333 1.740 2.110 2.567 2.898 3.646
18. 1.330 1.734 2.101 2.552 2.878 3.610
19. 1.328 1.729 2.093 2.539 2.861 3.579
20. 1.325 1.725 2.086 2.528 2.845 3.552
21. 1.323 1.721 2.080 2.518 2.831 3.527
22. 1.321 1.717 2.074 2.508 2.819 3.505
23. 1.319 1.714 2.069 2.500 2.807 3.485
24. 1.318 1.711 2.064 2.492 2.797 3.467
25. 1.316 1.708 2.060 2.485 2.787 3.450 21

Projeto de Experimentos
Do mesmo modo que podemos fazer uma Análise de Variância
para um fator, também podemos fazer uma Análise de Variância
para a Regressão Linear a fim de verificar as hipótese de que:

-H0: os coeficientes b da regressão são todos nulos (não

significativos para a regressão)

-H1: todos os coeficientes b da regressão são todos não-nulos

(ou seja significativos para a regressão)

Caso a Hipótese H0 seja rejeitada, isto confirma a hipótese H1,

ou seja, a nossa aceitação da superfície de resposta aproximada
pela regressão com nível de significância especificado.

22

11
Projeto de Experimentos
Da mesma forma que feito para ANOVA 1 fator, temos:

SQT=SQD+SQE ANOVA 1 fator

SQT=SQres+SQreg ANOVA regressão

onde:
SQres – residual y- predição da RS
SQreg - regressão Y -valores experimentais

Graus de Liberdade: N-1 = (N-K-1) + (K)

N-número de amostras
K-número de parâmetros da regressão

23

Projeto de Experimentos
Fórmulas para Soma dos Quadrados
n
SQT = å (Yi - Yi ) 2
i =1
n

å [(Y ij - Y ) ( yij - y )]2

SQreg = i =1
n

å [( y
i =1
ij - y )]2

SQres = SQT - SQreg

24

12
Projeto de Experimentos
Resumo tabela ANOVA para regressão
Fonte de Soma dos Graus de Média Fcalculado
Variabilidade Quadrados liberdade
Da regressão SQreg K MQreg=SQreg/k Fcalculado=MQreg/M
Qres

Residual SQres N-k-1 MQres=SQres/

(N-k-1)
Total SQT N-1

25

Projeto de Experimentos
O Projeto de Experimentos
A forma mais simples é fazer variar cada variável uma por
vez enquanto mantém-se as outras inalteradas
-ineficiente quando existe iteração entre variáveis
-custo elevado para diversas variáveis

Projeto de Experimentos de Taguchi

-uma forma de fazer variar mais de um nível em cada
fator de uma só vez, diminuindo o número de amostras.
Escolha criteriosa dos pontos para minimizar a variância
dos resultados e melhorar a qualidade dos ajustes sendo
mais insensível a ruídos (incertezas de medições)
-fatorial completo – p variáveis a L níveis N=L P
-fatorial fracional – N=Lp/2
-fatorial imcompleto
26
-Box Behken, etc

13
Projeto de Experimentos
fatorial completo (3 variáveis a 2 níveis)

27

Projeto de Experimentos
fatorial fracional (3 variáveis a 2 níveis)

28

14
Projeto de Experimentos
Exemplo: Pretende-se avaliar a melhor combinação de
a)pneus, b)regulagem da suspensão e c)percentual de metanol
a mais ou a menos de um valor médio, de um veículo para
maximizar sua autonomia. Atualmente o carro encontra-se
operando com a combinação (20,6,-2%) e tem uma autonomia
de 260,37 min.

Começa-se por optar pelo projeto de experimentos tipo Taguchi

de três parâmetros a três níveis (Box-Behnken). Serão 12
experimentos + 1 (condição de operação atual)

29

Projeto de Experimentos
Parâmetros Originais com unidades
Autonomia variáveis codificadas adimensionai
a b c y x1 x2 x3
ponto de operação atual 20 6 -2 260.4208027 0 0 0
18 5.5 -2 271.1811333 -1 -1 0
22 5.5 -2 236.5033571 1 -1 0
18 6.5 -2 277.2467969 -1 1 0
22 6.5 -2 243.1392614 1 1 0
18 6 -3 278.0066672 -1 0 -1
22 6 -3 244.4084 1 0 -1
18 6 -1 269.5837896 -1 0 1
22 6 -1 234.4161565 1 0 1
20 5.5 -3 261.195752 0 -1 -1
20 6.5 -3 267.2654093 0 1 -1
20 5.5 -1 251.7013598 0 -1 1
20 6.5 -1 258.315503 0 1 1
mimimo 18 5.5 -3 -1 -1 -1
maximo 22 6.5 -1 1 1 1
amplitude 4 1 2 2 2 2
valor médio 20 6 -2 0 0 0
Vamos interpolar uma função polinomial (Superfície de
Resposta) do tipo quadrática (sem termos cruzados):

y = b 0 + b1 x1 + b 2 x2 + b 3 x3 + b 4 x12 + b 5 x22 + b 6 x32

30

15
Projeto de Experimentos
A matriz X ficará:
20 6 -2 400 36 4
18 5.5 -2 324 30.25 4
22 5.5 -2 484 30.25 4
18 6.5 -2 324 42.25 4
22 6.5 -2 484 42.25 4
18 6 -3 324 36 9
22 6 -3 484 36 9
X= 18 6 -1 324 36 1
22 6 -1 484 36 1
20 5.5 -3 400 30.25 9
20 6.5 -3 400 42.25 9
20 5.5 -1 400 30.25 1
20 6.5 -1 400 42.25 1
O vetor Y ficará: O vetor b ficará: 35.756ö
260.3789676
271.1865155 ÷
236.4863279 23.464 ÷
15.144 ÷
277.2633872
243.1727831
Y= 277.976414
b=6.968÷
244.4185639
269.6182627 ÷
234.4184256 0.802÷
0.734÷
261.1810796
267.2611771
251.7436373 ÷
258.3228236 0.592ø 31

Projeto de Experimentos
s 2 = 0.16 R2=1

3.045´ 10
3
-113.853 -631.087 30.16 2.844 52.551 7.53 ö
÷
-113.853 7.014 14.419 -1.202 -0.175 -1.202 -0.3 ÷
-1.442 ÷
Cij =
-631.087 14.419 161.577 -5.768 -0.36 -13.458
÷
30.16 -1.202 -5.768 1.142 0.03 0.481 0.28 ÷
-3 -3÷
2.844 -0.175 -0.36 0.03 4.381´ 10 0.03 7.51 ´ 10
÷
52.551 -1.202 -13.458 0.481 0.03 1.122 0.12 ÷
-3 ÷
7.53 -0.3 -1.442 0.28 7.51 ´ 10 0.12 0.07 ø
1.619 ö Podem ser retirados com confiança de 95% de que não afetarão a
÷
22.133 ÷ qualidade da regressão
2.976 ÷ t0.05;5 = 2.015
tj = -16.294÷
÷
-30.257÷
-1.731 ÷
t0.10;5 = 1.476 adotado

÷ Devem ser mantidos com confiança de 90% de que são

-5.589 ø
necessários para a regressão 32

16
Projeto de Experimentos
Resumo ANOVA p/ validade da regressão
H0-todos coeficientes são não significativos
H1- todos os coeficientes são significativos
Fonte de Soma dos Graus de Média Fcalculado
Variabilidade Quadrados liberdade
Da regressão 7058 K(7) MQreg=1008 Fcalculado =6293

Residual 0.801 N-k-1(5) Mqres=0.16

Total 7059 12

F0.05; 7 ; 5=4.876

Fcalculado>Ftabelado Hipótese H1 rejeitada. A regressão é válida

Utilizando programação quadrática para a maximização daquele

polinômio ajustado, encontra-se o valor máximo de autonomia de
285.51min para a configuração de (14.62; 10.31; -5.88)
33

Projeto de Experimentos
A equação “real” que gerou os dados da tabela de experimentos
para a autonomia do carro foi seguinte:
2 2 2
300 - 0.8× ( u0 - 15) - 0.7× ( u1 - 10) - 0.6× ( u2 + 5) + 0.05× ( u0 - 15) × ( u1 - 10) × ( u2 + 5)

A qual possui máximo de 284.82 no ponto ótimo de (15;10;-5)

Que é bastante próximo do encontrado pela superfície de
resposta.

34

17
Projeto de Experimentos
Exemplos de Uso da Superfície de Resposta e Projeto de
Experimentos

Viga de Torção de Um eixo de

Suspensão (Laboratórios da Toyota)
Variáveis
Espessura – t
Raio – r
Chanfro - L
Funções Objetivo
Volume – V
Rigidez torsional – GT
Rigidez à flexão - GF

35

Projeto de Experimentos
Amostras

Análise pelo MEF

36

18
Projeto de Experimentos

37

Projeto de Experimentos

38

19
Projeto de Experimentos
Otimização de forma e massa de asas de aviões

Variáveis
70

Função objetivo
Massa
Forma

39

Projeto de Experimentos

40

20
Projeto de Experimentos
Programa RADIOSS da FORD e da NASA para “Crash Test”

41

Projeto de Experimentos

42

21