Pós Graduação em Engenharia de Refratários e Soluções – PUC MINAS

Planejamento de Experimentos

Professor: Gláucia Marcossi

Aluno: Ricardo Wagner Neves

Exercício 6)

Analise o seguinte experimento:

Dados:

Temperatura (oC): 40 (-1) 60 (+1)

Catalisador (Tipo): A (-1) B (+1)

Concentração (Mol): 1,0 (-1) 1,5 (+1)

Resposta: Rendimento de uma Reação (%)

A Figura abaixo mostra o gráfico de resíduos do modelo, nele é possível observar que há um
padrão aleatório e os resíduos são menores que os valores calculados, mostrando que o
modelo está adequado.
Os Gráficos abaixo mostram os efeitos de cada fator no rendimento da reação:

Dele é possível tirar as seguintes conclusões:

 Saindo de 40°C para 60°C, O rendimento da reação melhora em média 22,875%;

 A substituição do Catalizador A pelo B, provoca uma redução de em média 13,875% no
rendimento da reação
 Aumentando a concentração de 1,0 mol para 1,5 mol, o rendimento da reação
aumenta em média 8,875%.

Analisando os gráficos das interações entre os fatores...

 Da Interação Temperatura x Catalizador é possível observar que se aumentarmos a
temperatura de 40°C para 60° utilizando o catalizador A, temos um aumento de em média
31,5% no rendimento da reação, ao passo que se utilizarmos o catalizador B temos um ganho
de apenas 14,25%. Diante dos gráficos apresentados já é possível verificar que a única
interação estatisticamente significativa é a interação Temperatura x Catalizador, pois
coeficientes angulares diferentes ao passo que as demais interações as retas são quase
paralelas. Isso pode ser comprovado pela seguinte tabela de coeficientes:

Dessa tabela vemos que nas interações Temperatura x Concentração, catalizador x

Concentração e Temperatura x Catalizador x Concentração, os valores de P-Value são maiores
que 0,05, mostrando assim que essas interações não são estatisticamente significativas.

O Gráfico de cubo abaixo mostra os efeitos de cada fator no rendimento da reação.

Exercício 7)

Trata-se de um processo industrial de preenchimento de garrafas de refrigerante. Os fatores

são A = Carbonatação, B = pressão e C = velocidade. A resposta é y = desvio da marca de
preenchimento

Dados:

A (psi): 10 (-1) 12 (+1)

B (psi): 25 (-1) 30 (+1)

C (garrafas/min): 200 (-1) 250 (+1)

A Figura abaixo mostra o gráfico de resíduos do modelo, nele é possível observar que há um
padrão aleatório e os resíduos são menores que os valores calculados, mostrando que o
modelo está adequado.

Os Gráficos abaixo mostram os efeitos de cada fator no desvio da marca de

preenchimento das garrafas:
Dele é possível tirar as seguintes conclusões:

 Um aumento na Carbonatação de 10 psi para 12 psi, temos um aumento no desvio da

marca de preenchimento de 3
 Um aumento na pressão de 25 psi para 30 psi gera um aumento de em média 2,25 no
desvio da marca de preenchimento
 Saindo de uma velocidade de 200 garrafas / min e indo para 250 garrafas / minuto há
um acréscimo de em média 1,75 no desvio da marca de preenchimento.

Analisando os gráficos das interações entre os fatores...

Analisando todas a interações, vemos que todas estão quase paralelas, com coeficientes
angulares semelhantes, o que nos diz que elas não são significantes estatisticamente o que
pode ser comprovado na tabela abaixo vendo que o P-Valor das interações que são todos
maiores que 0,05

O Gráfico de cubo abaixo mostra os efeitos de cada fator no desvio da marca de

preenchimento:
Exercício 8)
Verificando quais variáveis são significativas:

Com 95% de probabilidade, vemos que nenhuma variável é significativa. Vamos agora verificar
com 90% de probabilidade:

Ainda assim não encontrávamos fatores significativos, vamos verificar com 85% de
probabilidade:
Veja que não há fatores significativos para 85% de probabilidade então concluímos que com as
análises realizadas não foi possível encontrar uma situação que maximiza os teores de Ferro e
de Carbonato.

Exercício 9)

No caso da catapulta, os experimentadores realizaram mais quatro corridas no “ponto

central”, conforme Tabela abaixo.

Inclua esses pontos na sua análise e complete a análise do experimento, inclusive ajustando
os fatores para obter as distâncias de 30, 60 e 90.

Dadas as seguintes informações no caso da catapulta, temos:

Variables:

1. Response Variable Y = distance

2. Factor 1 = band height (height of the pivot point for the rubber bands, levels were
3.25 and 4.75 inches with a centerpoint level of 4,0)

3. Factor 2 = start angle (location of the arm when the operator releases, starts the
forward motion of the arm, levels were 0 and 20 degrees with a centerpoint level
of 10 degrees)

4. Factor 3 = rubber bands (number of rubber bands used on the catapult, levels were
1 and 2 bands)

5. Factor 4 = arm length (distance the arm is extended, levels were 0 and 4 inches
with a centerpoint level of 2 inches)

6. Factor 5 = stop angle (location of the arm where the forward motion of the arm is
stopped and the ball starts flying, levels were 45 and 80 degrees with a
centerpoint level of 62 degrees)
A partir daí fazendo a análise da Normal temos incialmente os fatores Height, Bands Rubber e
Length são estatisticamente significativos, conforme mostra o gráfico abaixo:

Adicionando os pontos centrais, temos que todos os fatores passaram a ser significativos:
Fazendo com uma distancia de 30, temos os seguintes dados para a resposta otimizada:

Fazendo com uma distancia de 60, temos os seguintes dados para a resposta otimizada:

Fazendo com uma distancia de 90, temos os seguintes dados para a resposta otimizada:

Exercício 10)
 a) Qual o tipo de planejamento utilizado? Identifique a relação geradora e a
estrutura de confundimentos;

O tipo de planejamento utilizado é o 2(5-1) Av Relação Geradora é: E=-ABCD

A Tabela abaixo mostra a estrutura de confundimentos:

b) Estime o efeito dos fatores e utilize o gráfico normal de probabilidades para

identificar os fatores importantes;
 A tabela acima mostra os efeitos
de cada variável sobre a
produtividade do óleo e vemos
pelo gráfico ao lado que somente
a Temperatura (°C) e o Tamanho
do Grão (mm) são
estatisticamente importantes,
sendo o tamanho do grão mais
importante.

c) Faça uma avaliação estatística para testar a hipótese de que os fatores identificados
em b) têm um efeito significativo na produção de óleo de amendoim;

Analisando os gráficos abaixo, vemos que os únicos fatores que possuem um maior
coeficiente angular são os de Temperatura e Tamanho do Grão. O que comprova a hipótese
afirmada no item b.
 Além disso os gráficos das interações são quase paralelos, o que indica que elas não
são
estatisticamente significantes:

d) Ajuste um modelo para predizer a produção de óleo de amendoim em termos dos

fatores que você identificou como importantes;

Colocando apenas os termos que consideramos como importantes, chegamos ao seguinte

modelo ajustado:
 e) Analise dos resíduos para verificar se o modelo está adequado.

Como é possível verificar há um padrão aleatório e os resíduos são menores que os valores
calculados, mostrando que o modelo está adequado.
 Exercício 11)
Gere um planejamento 26-2 a partir das geratrizes I1 = ABCE, I2 = BCDF e I3 = ADEF.
Faça a análise dos resultados experimentais. Os dados para a resposta na ordem padrão são:

Tendo como Base que E=ABC e F=BCD e que a terceira relação geradora é o produto de
l1 x l2, usando o Minitab, observamos o seguinte gráfico:
Por ele vemos que os Fatores A e B e as interações AD, ABF e AB são estatisticamente
significativas. Fazendo a análise de cada fator em si, obtemos os seguintes gráficos:
 Pelos gráficos acima, vemos que que os fatores A e B possuem coeficientes
angulares maiores que os demais e que os demais fatores tem pouco ou quase não tem efeito
sobre a resposta. Assim podemos retirar o fator E da análise, obtendo um 2(5-1)v. que é
mostrado no gráfico abaixo, onde os fatores estatisticamente significativos são: A e B e a
interação AB.
Fazendo os gráficos de fatorial, obtemos:

Assim vemos que o fator C não é estatisticamente significativo, ou seja, podemos retira-lo da
análise, obtendo assim um experimento 24 completo. Então temos o seguinte gráfico com a
remoção do fator C.
Fazendo o gráfico de
resíduos, vemos que o modelo está bem ajustado:
Exercício 12)

Neste planejamento de Experimento foram consideradas 5 variáveis que poderiam influenciar

na eficiência da extração que eram: Concentração de Cloreto de Sódio na Água, Temperatura
de Extração, Taxa de agitação, Volume HS e Tempo de Extração. Foi feito um fatorial 2 5-2 com a
adição de 3 pontos centrais tendo como base a seguinte tabela de valores Altos e Baixos, para
assim verificar quais eram as variáveis estatisticamente mais importantes.

Após as 11 corridas foi possível montar a tabela abaixo com as respostas encontradas:
Então foi feita uma análise com gráfico de pareto mostrado abaixo que nos mostra que apenas
as variáveis Temperatura e Concentração do sal eram estatisticamente importantes:

Após isso, o autor retirou as demais variáveis não significativas e fixou valores de 1000 rpm
para agitação, tempo de 5 min e volume HS de 20 ml para então fazer a otimização dos
resultados. Creio que o autor devia explorar mais dos dados e talvez fazer um experimento 25-1
O qual daria um numero maior de dados podendo ele fazer as análises das iterações entre as
variáveis do processo. Ele também não fez análise das variáveis o que poderia o auxiliar e
fornecer dados mais concretos.

Exercício 13)

Seja o planejamento 24 ao abaixo:

 a) Resolva este planejamento em um bloco;

A partir do gráfico abaixo, é possível verificar que as variáveis A, C e D são importantes,

além das interações AC e AD.

A tabela abaixo mostra os resultados encontrados:

b) Resolva este planejamento em dois blocos;
O mesmo experimento em 2 blocos mostrou que as Variáveis B e D são Significativas além das
interações BD e ACD.

A Tabela abaixo mostra os resultados encontrados:

c) Suponha agora que o segundo bloco foi executado com matérias-primas de pior
qualidade e que diminuíram a resposta em 20. Ou seja, se uma resposta foi 71
com reagentes de boa qualidade, ela agora foi 51; se ela era 60 com reagentes de
boa qualidade, ela agora foi 40. Resolva o planejamento desta forma, com o
segundo bloco com respostas diminuído de 20. Compare dos resultados com
aqueles do planejamento em um bloco.
Reduzindo em 20 unidades as corridas do segundo Bloco temos o seguinte gráfico da Normal:

Vemos que
as variáveis significativas ainda são B e D e as Interações BD e ACD, diferentes dos resultados
encontrados com apenas um Bloco, ou seja, podemos concluir que há interferência das
matérias primas no experimento.

Exercício 14)

A resistência à tração de um papel está relacionada com a quantidade de madeira de lei na

polpa. 10 amostras foram produzidas numa planta piloto, conforme a Tabela. Faça a
regressão.

O gráfico abaixo mostra a resistência em função da % de Madeira e também a linha

que ajusta o modelo:
 Fazendo o gráfico de Resíduos, vemos que o modelo está bem ajustado pois os dados
estão dispersos e valores baixos:

A tabela abaixo mostra os valores encontrados para a regressão:

Exercício 16)

Faça a regressão da dureza em função da temperatura.

O gráfico abaixo mostra os a dureza em função da temperatura:

Fazendo o gráfico de Resíduos, vemos que o modelo está bem ajustado pois os dados estão
dispersos e valores baixos:

A tabela abaixo mostra

os resultados
encontrados para a
regressão:
 Exercício 17)

Faça a regressão da abertura de novas contas em função da oferta de cheque

especial por um banco em duas cidades (réplicas) de duas regiões diferentes. Como a
estratégia do banco pode ser melhorada para maximizar o número de contas abertas?

Para a região 1, inicialmente foi feito um ajuste para um modelo linear e foi obtido os
seguinte gráficos:
 Como se pode observar, o gráfico de resíduos não apresenta um padrão aleatório,
além disso os valores plotados estão dispersos da linha de tendência e com um R² muito baixo,
com isso se faz necessário ajustar para um modelo quadrático que é mostrado abaixo, onde se
pode observar um padrão aleatório no gráfico de resíduos, além de um bom R²:

A Tabela abaixo mostra a regressão para a região 1:

Para a região 2, inicialmente foi feito um ajuste para um modelo linear e foi obtido os
seguintes gráficos:
 Neste caso o modelo linear foi bem ajustado mostrando com padrão aleatório no
gráfico de resíduos e com um bom R².

Quanto as estratégias, o banco deverão adotar maneiras diferentes para região 1 e 2.

Para a região 2, por se tratar de um modelo linear, quanto maior a oferta de cheque especial,
maior será a abertura de contas. Já para a região 1 por se tratar de um modelo quadrático
deve- se encontrar um numero ótimo de Oferta que maximize a abertura de contas que dará
no ponto máximo da curva quadrática.
Exercício 18)

Seja o estudo de superfície de resposta da Tabela a seguir.

a) Identifique o planejamento: Planejamento Estrela

b) Ajuste o melhor modelo para este caso.

O Melhor modelo que se ajusta neste caso é o Quadrático completo que apresenta
o seguinte gráfico de resíduos e a seguinte regressão:
Os Gráficos abaixo mostram as superfícies de resposta para as 3 variáveis: