Escolar Documentos
Profissional Documentos
Cultura Documentos
Planejamento de Experimentos
Exercício 6)
Dados:
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:
Dados:
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)
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.
Variables:
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;
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:
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)
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)
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)
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:
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.
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: