INTRODUÇÃO AO

MÉTODO DE TAGUCHI
INTRODUÇÃO AOS ARRANJOS ORTOGONAIS DE
TAGUCHI
O uso de matrizes ortogonais pode ser rastreada até os quadrados greco-
latinos de Euler. Sir Ronald Fisher, que introduziu a análise de variância
(ANOVA), foi o principal promotor do uso de experimentos estatisticamente
planejados entre a 1ª e a 2ª Guerra Mundial, 1918-1939. Fisher aplicou o
projeto de experimentos aos estudos agrícolas que estava realizando nesse
período. Foi então responsável pelas estatísticas na Estação Experimental
Agrícola de Rothamsted, próximo a Londres, Inglaterra. Desde então,
experimentos estatisticamente planejados têm desempenhado um papel cada
vez mais importante nas mais diversas atividades e têm sido uma fonte
primária no uso de estatísticas na indústria.
INTRODUÇÃO AOS ARRANJOS ORTOGONAIS DE
TAGUCHI

Gráfico da linha do tempo do DOE e Taguchi

INTRODUÇÃO AOS ARRANJOS ORTOGONAIS DE
TAGUCHI

Um experimento de arranjo matricial consiste em um conjunto de condições

experimentais onde se altera propositalmente as configurações de vários
parâmetros do produto ou processo. O objetivo é ser capaz de estudar o
efeito que as mudanças nas configurações provoca no sistema em estudo.
Após a realização de um experimento matricial, os dados coletados podem
ser analisados ​para separar e quantificar o tamanho e direção dos efeitos que
cada produto ou parâmetro do processo teve no sistema. Esses experimentos
matriciais chamados de ortogonais; permitem estudar os efeitos de vários
parâmetros através de um pequeno número de experimentos.
INTRODUÇÃO AOS ARRANJOS ORTOGONAIS DE
TAGUCHI
Taguchi mostra que há uma perda para a
sociedade quando a característica funcional de
um produto “y” desvia-se do valor nominal “m”,
esta perda de qualidade é minimizada se o
desempenho está no projeto nominal, quando o
desempenho desvia-se para mais ou para menos
da especificação nominal, a perda cresce. ROSS
(1991).
A perda para a sociedade causada pelo desvio
equivale a zero quando y = m; a perda aumenta
quando o valor da característica funcional se
desloca de m tanto para valores maiores quanto
Gráfico da Função Perda de Taguchi
para menores. Um atributo da função-perda é
auxiliar na fixação de tolerâncias de fabricação.
ROSS (1991)
ESTRUTURA DOS ARRANJOS ORTOGONAIS

Um exemplo de um arranjo ortogonal frequentemente usado é mostrado na

Tabela 1. Esta matriz balanceada particular é denominada matriz de
distribuição ortogonal L8 (27), mais comumente referida como simplesmente
uma matriz ortogonal L8.
Exp. 1 2 3 4 5 6 7
1 1 1 1 1 1 1 1
2 1 1 1 2 2 2 2
3 1 2 2 1 1 2 2
4 1 2 2 2 2 1 1
5 2 1 2 1 2 1 2
6 2 1 2 2 1 2 1
7 2 2 1 1 2 2 1
8 2 2 1 2 1 1 2

Tabela de Planejamento L8.

ESTRUTURA DOS ARRANJOS ORTOGONAIS

A notação La (bc) pode ser decomposta da seguinte forma:

L: Símbolo para uma matriz ortogonal
a: O número de experimentos necessários para essa matriz específica
b: Especifica o número de níveis de teste permitidos para cada fator
c: Especifica o número de fatores que essa matriz pode examinar
Por exemplo:
O L8 (27) especifica que essa matriz é um arranjo ortogonal que requer oito
experimentos. Nestes oito experimentos, sete diferentes fatores de dois níveis
podem ser avaliados.
ESTRUTURA DOS ARRANJOS ORTOGONAIS
Ortogonalidade

Se for evidenciado que cada par de colunas na matriz é balanceado, então

essa matriz é dita ortogonal. A ortogonalidade de pares está presente quando
os dois critérios a seguir são atendidos:
(1)Todas as combinações possíveis de níveis de teste entre pares de colunas
ocorrem
(2)Para que cada uma dessas combinações possíveis ocorra um número
igual de vezes
Por exemplo, em nosso arranjo ortogonal L8, cada par de colunas deve
atender a esses critérios. Vamos comparar a coluna um com a coluna dois.
Cada uma dessas colunas tem dois níveis. Existem quatro combinações
possíveis entre essas duas colunas. Essas quatro combinações possíveis
ocorrem duas vezes no L8.
ESTRUTURA DOS ARRANJOS ORTOGONAIS

Possíveis Combinações Ocorreu no

Coluna 1 Coluna 2 Experimento

1 1 1e2
1 2 3e4
2 1 5e6
2 2 7e8
Verificar todas as combinações de sete fatores diferentes de dois níveis gera
combinações experimentais numerosas. Uma matriz que examina todas as
combinações possíveis de múltiplos fatores ao longo de cada nível de teste é
chamada Matriz Fatorial Completa. Na “Completa” seriam necessários 128
experimentos = 27. As matrizes ortogonais, ao contrário, examinam apenas um
pequeno número das combinações possíveis dos fatores sobre os níveis de teste
de cada um dos fatores. As matrizes ortogonais representam o que se denomina
matrizes fatoriais altamente fracionárias.
EXEMPLO. EXPERIÊNCIA DE MISTURA

Em um processo de mistura de borracha, sabe-se que as variáveis de

processo afetam as propriedades físicas do produto resultante. A fim de obter
o melhor produto, a menor temperatura de extrusão de borracha é
comprovadamente desejável. Numa tentativa de estudar os efeitos nas várias
misturas um experimento que altere parâmetros na temperatura de extrusão
foi considerado apropriado. Os seguintes parâmetros de processo da mistura
de borracha foram selecionados como fatores potencialmente significativos
que podem afetar a característica de qualidade. Dois níveis de teste foram
selecionados para cada um dos sete fatores.
COMPARAÇÃO ENTRE O MÉTODO TAGUCHI E O DOE CLÁSSICO
Estagio Método Taguchi Método Clássico
Foco nas funções de engenharia Brainstorm dos fatores e respostas
Escolhem-se os fatores, os níveis e as respostas
As análises estatísticas são mais simples.
Planejamento com o objetivo de reduzir interações.
Considera risco α e β para tamanho da
Garante 80 a 90% de probabilidade de sucesso
amostra
Arranjos L12, L18 e L36 são recomendados porque Usa uma plataforma de arranjos ortogonais
Seleção de Arranjo Ortogonal
incorporam as pequenas interações. de for necessário
Aleatoriza a ordem do experimento para
Atribui fatores às colunas para reduzir o
Condução do Experimento distribuir fatores de ruído através dos outros
custo/tempo associados à experiência.
efeitos
Analisam-se os dados através do conceito de Usa a ANOVA e regressão para analisar os
SR reduzindo as interações dados
Analise de dados Escolha do conceito SR adequado Usa testes de significância matemática para
Usa gráficos de analise SR selecionar fatores das equações de
Normaliza os fatores das equações de previsão previsão.
Não usa a técnica de Benchmark até o
Confirmação Usa Benchmark para os dados da previsão
estudo de Launsby (1994).
Tabela. Comparação entre o método Taguchi e o DOE clássico segundo Launsby
 EXEMPLO. EXPERIÊNCIA DE MISTURA.
Níveis dos Testes
Descrição dos Fatores Nível 1 Nível 2

A) Tempo de mistura no misturador Banbury 2 min. 5 min.

B) Tempo de mistura no misturador de resfriamento 5 min. 10 min.
C) Tempo de mistura no rolo de aquecimento 8 min. 5 min.
D) Quantidade do lote do misturador 50 Lbs. 80 Lbs.
E) Proporção de mistura do negro de fumo (PPC) 30 PPC 20 PPC
F)Relação Processo de Óleo na Mistura 9% 14%
G) Quantidade de Argila Dura (% da QT de Lotes) 1% 5%
PPC = Partes por Cem. 1 Lbs = 0,454 kg.
Uma alternativa ao experimento Fatorial Completo seria selecionar um arranjo
ortogonal adequado para examinar esses efeitos de fatores. Um arranjo
ortogonal L8 é mostrado a seguir abrigando nossos sete fatores diferentes de
dois níveis
ARRANJO EXPERIMENTAL L8(27) (CONT.)

Exp. A B C D E F G “T” de Extrusão

1 1 1 1 1 1 1 1 Y1
2 1 1 1 2 2 2 2 Y2
3 1 2 2 1 1 2 2 Y3
4 1 2 2 2 2 1 1 Y4
5 2 1 2 1 2 1 2 Y5
6 2 1 2 2 1 2 1 Y6
7 2 2 1 1 2 2 1 Y7
8 2 2 1 2 1 1 2 Y8
ARRANJO EXPERIMENTAL L8(27) (CONT.)

Esses oito dados nos forneceriam sete graus de liberdade. A tabela a seguir
lista como esses graus de liberdade podem ser usados ​para decompor a
variação total exibida pelo conjunto de dados experimentais..
Fator Efeito Exemplos DF requeridos
7 efeitos principais AS, SB, SC ... 7
DF para CF (media) +1
Numero Total de Experimentos 8

Como pode ser visto, o uso do arranjo ortogonal gera informações apenas
sobre os sete principais efeitos dos fatores. É importante perceber que os
principais efeitos dos fatores são provavelmente os maiores contribuintes para
a variação em nosso produto / processo.
ANOVA DOS ARRANJOS ORTOGONAIS
Oito direcionadores de dados de temperatura de extrusão foram coletados. A
alteração proposital dos níveis desses fatores de acordo com a matriz de teste
gerará as seguintes combinações de teste:

Exp. A B C D E F G Temp. de Esses oito direcionadores de dados

Extrusão exibem uma variação total que
1 2 5 8 50 30% 9% 1%=0,5 lbs 84 pode ser decomposta usando os
sete graus de liberdade (DF)
2 2 5 8 80 20% 14% 5%=4,0 lbs 96 disponíveis. Esse conjunto de
3 2 10 5 50 30% 14% 5%=2,5 lbs 89 dados foi obtido por meio de uma
4 2 10 5 80 20% 9% 1%=0,8 lbs 97 matriz ortogonal, os efeitos
principais para cada um dos fatores
5 5 5 5 50 20% 9% 5%=3,5 lbs 94 controláveis ​também podem ser
6 5 5 5 80 30% 14% 1%=0,8 lbs 91 determinados. Uma árvore de
decomposição explica o uso dos
7 5 10 8 50 20% 14% 1%=0,5 lbs 94
sete graus de liberdade disponíveis
8 5 10 8 80 30% 9% 5%=4.0 lbs 92 na próxima tabela.
ANOVA DOS ARRANJOS ORTOGONAIS

SA DFA = 1 S T   y i2  CF
i 1
SB DFB = 1
n
T2
SC DFC = 1 ST   y  2
i
SD DFD = 1 i1 n
SE DFE = 1
S T  84 2  96 2  89 2  97 2  94 2  912  94 2  922 
SF DFF = 1
SG DFG = 1 (84  96  89  97  94  91  94  92) 2
ST DFT = 7 8

S T  68019  67896,125  122,875

ANOVA DOS ARRANJOS ORTOGONAIS

Efeitos principais - o valor médio de cada um dos fatores controláveis ​pode

ser calculado comparando a resposta média, ou seja, a temperatura de
extrusão obtida em cada nível do fator. Por exemplo:

(A 1 )2 (A 2 )2 T 2
SA   
n A1 nA 2 n
A1 = É o total dos dados experimentais obtidos sob as condições do nível 1
(ou seja, o tempo de mistura do misturador Banbury de 2 minutos)
A2 = É o total dos dados experimentais obtidos sob as condições do nível 2
(ou seja, o tempo de mistura do misturador Banbury 5 minutos)
ANOVA DOS ARRANJOS ORTOGONAIS

Para auxiliar no cálculo de cada um desses sete fatores principais, a

construção de uma tabela de soma de níveis torna-se útil. Por exemplo, a
revisão na matriz ortogonal nos mostra que o Fator A está localizado na
coluna um. O fator A esta no nível 1 nos experimentos # 1, # 2, # 3 e # 4. O
total do nível de A1 pode ser calculado tomando as somas das respostas
desses experimentos. O total do nível 2 pode ser calculado para o Fator A
tomando a soma das respostas dos experimentos em que o Fator A estava
em sua condição de nível 2 (experimentos # 5, # 6, # 7 e # 8).

A1=Exp.1+Exp.2+Exp.3+Exp.4 = 84 + 96 + 89 + 97 = 366
A2=Exp.5+Exp.6+Exp.7+Exp.8 = 94 + 91 + 94 + 92 = 371
ANOVA DOS ARRANJOS ORTOGONAIS

B1=Exp.1+Exp.2+Exp.5+Exp.6 = 84 + 96 + 94 + 91 = 365
B2=Exp.3+Exp.4+Exp.5+Exp.8 = 89 + 97 + 94 + 92 = 372
C1=Exp.1+Exp.2+Exp.5+Exp.8 = 84 + 96 + 94 + 92 = 365
C2=Exp.3+Exp.4+Exp.5+Exp.6 = 89 + 97 + 94 + 91 = 371
D1=Exp.1+Exp.3+Exp.5+Exp.7 = 84 + 89 + 94 + 94 = 361
D2=Exp.2+Exp.4+Exp.6+Exp.8 = 96 + 97 + 91 + 92 = 376
E1=Exp.1+Exp.3+Exp.6+Exp.8 = 84 + 89 + 91 + 92 = 356
E2=Exp.2+Exp.4+Exp.6+Exp.7 = 96 + 97 + 94 + 94 = 381
F1=Exp.1+Exp.4+Exp.6+Exp.8 = 84 + 97 + 94 + 92 = 367
F2=Exp.2+Exp.3+Exp.6+Exp.7= 96 + 89 + 91 + 94 = 370
G1=Exp.1+Exp.4+Exp.6+Exp.7 = 84 + 97 + 91 + 94 = 366
G2=Exp.2+Exp.3+Exp.6+Exp.8 = 96 + 89 + 94 + 92 = 371
T=84+96+89+97+94+91+94+92=737
 ANOVA DOS ARRANJOS ORTOGONAIS
FATOR
A B C D E F G
Nível 1 366 365 366 361 356 367 366
Nível 2 371 372 371 376 381 370 371

Com a tabela de soma total dos níveis fica fácil calcular os principais efeitos de cada um dos fatores

(A1 )2 (A 2 )2 T 2 (366)2 (371)2 (737)2 (E1 )2 (E2 )2 T 2 (356) 2 (381) 2 (737) 2

SA        3,125 SE        78,125
n A1 nA 2 n 4 4 8 nE1 nE2 n 4 4 8

(B1 )2 (B2 )2 T 2 (365)2 (372)2 (737)2 (F1 )2 (F2 )2 T 2 (367)2 (370)2 (737)2
SB        6,125 SF        1,125
nB1 nB2 n 4 4 8 nF1 nF2 n 4 4 8

(C1 )2 (C2 )2 T 2 (366)2 (376)2 (737)2 (G1 )2 (G2 )2 T 2 (366) 2 (371) 2 (737) 2
SC        3,125 SG        3,125
nC1 nC 2 n 4 4 8 nG1 nG 2 n 4 4 8

(D1 )2 (D2 )2 T 2 (361)2 (376)2 (737) 2

SD        28,125
nD1 nD2 n 4 4 8 DFA  DFB  DFC  DFD  DFE  DFF  DFG  1
ANOVA DOS ARRANJOS ORTOGONAIS

Variação Primaria Total- É a soma das variações de cada coluna do arranjo

ortogonal. Neste exemplo ST é dada pela equação a seguir:
ST= SA+SB+SC+SD+SE+SF+SG = 122,875
DFT= DFA+DFB+DFC+DFD+DFE+DFF+DFG = 7
Todas essas informações e análises resultantes podem ser resumidas em
uma única tabela ANOVA: variâncias para cada fator foram calculados
dividindo as variações por seus respectivos graus de liberdade. Por exemplo,
a variação do fator “A” pode ser calculada pela seguinte equação:
SA (3,125)
VA    3,125
DFA 1
ANOVA DOS ARRANJOS ORTOGONAIS
Não há informações significativas sobre o erro “e”,
logo, a variação de erro (Ve) é igual a zero, uma Tabela de ANOVA - Dados Brutos
comparação de variâncias é necessária para Fator DF S V F S’ RHO%
determinar o significado de cada um dos fatores.
A 1 3,125 3,125º
Como pode ser visto a partir da tabela ANOVA, as
variações para os fatores D e “E” são maiores do que B 1 6,125 6,125º
as dos outros fatores (A, B, C, F, G). Pode-se entender C 1 3,125 3,125º
neste exemplo que todos os outros desvios devem ser
identificados como sendo insignificantes, e seus graus D 1 28,125 28,125º
de liberdade e variações de erro devem ser E 1 78,125 78,125º 8,46* 24800 20,18
agrupados. O resultado desse agrupamento e o novo F 1 1,125 1,125º 23,50** 74800 60,87
termo de erro agrupado são mostrados na tabela
ANOVA. Os valores F para os dois fatores G 1 3,125 3,125º
significativos restantes também foram calculados. O e 0 0 0 23275 18,95
valor F para D foi calculado usando a seguinte
Total 1 122,875 - 122,875 100
equação:
FD = Razão entre a variância VD e o erro agrupado Ve. 1
* F5(0,5)  6,61 significan te para @ 95%
VD 28,125
FD    8,46 1
Ve 3,325 * *F5(0,1)  16,26 significan te para @ 99%
ANOVA DOS ARRANJOS ORTOGONAIS
Dado que os fatores “D” e “E” foram determinados como com variações
significativas, os valores do “teste f” são calculados para cada um destes termos.
Os valores “f” calculados são comparados aos valores “f” da tabela “f”. Como se
pode verificar, o fator D é significativo em 95% e fator E é significativo em 99%.
A variação pura e a contribuição percentual também foram calculadas usando as
seguintes equações:
'
S  SD  (DFD  Ve )  28,125  (1 3,325)  24,80
D

S'e  Se  ((DFT  DFe )  Ve )  16,625  (2  3,325)  23,275

SD' 24,80
ρ%e   100   100  20,18%
ST 122,875
S'e 23,275
ρ%e   100   100  18,95%
ST 122,875
ANOVA DOS ARRANJOS ORTOGONAIS
A tabela suplementar simples abaixo ilustra os
totais de nível e também as médias de nível para
os fatores significativos que foram calculados.
Uma vez que cada nível total representa a soma
de quatro valores, dividindo o total de nível por 4
acha-se a média de nível . Com base nessas
médias dos níveis, os gráficos de resposta dos
efeitos principais médios podem ser desenhados
para auxiliar no processo de seleção de nível
otimizado. Tabela:Total x Média
Fator D Fator E
Total Nível 1 361º 356º
Total Nível 2 376º 381º
Média Nível 1 90,25º 89º
Média Nível 2 94º 95,25º