Вы находитесь на странице: 1из 42
ENGENHARIA DA QUALIDADE A ENG 09008 AULA 8 PROJETOS DE EXPERIMENTOS - ANOVA PROFESSORES: CARLA

ENGENHARIA DA QUALIDADE A

ENGENHARIA DA QUALIDADE A ENG 09008 AULA 8 PROJETOS DE EXPERIMENTOS - ANOVA PROFESSORES: CARLA SCHWENGBER

ENG 09008

ENGENHARIA DA QUALIDADE A ENG 09008 AULA 8 PROJETOS DE EXPERIMENTOS - ANOVA PROFESSORES: CARLA SCHWENGBER
ENGENHARIA DA QUALIDADE A ENG 09008 AULA 8 PROJETOS DE EXPERIMENTOS - ANOVA PROFESSORES: CARLA SCHWENGBER

AULA 8

ENGENHARIA DA QUALIDADE A ENG 09008 AULA 8 PROJETOS DE EXPERIMENTOS - ANOVA PROFESSORES: CARLA SCHWENGBER

PROJETOS DE EXPERIMENTOS - ANOVA

A ENG 09008 AULA 8 PROJETOS DE EXPERIMENTOS - ANOVA PROFESSORES: CARLA SCHWENGBER TEN CATEN ROGÉRIO

PROFESSORES:

CARLA SCHWENGBER TEN CATEN ROGÉRIO FEROLDI MIORANDO

Tópicos desta aula
Tópicos desta aula

Projetos de Experimentos

Terminologia

Passos de implementação

Princípios fundamentais

ANOVA

Otimização

Engenharia da Qualidade A

Ano 2010/01

2

Introdução Um exemplo
Introdução
Um exemplo

Um engenheiro está em dúvida sobre a diferença de resistência de uma peça que é produzida com quatro perfis de aço diferentes (A, B, C e D).

São retiradas amostras de quatro lotes diferentes de perfis de aço, e a resistência de cada peça é medida em kgf/cm 2 .

Aços

 

A

B

C

D

25

31

22

33

26

25

26

29

20

28

28

31

23

27

25

34

21

24

29

28

 

Médias

23

27

26

31

Engenharia da Qualidade A

 

Ano 2010/01

3

Projeto de Experimentos
Projeto de Experimentos

Projeto de Experimentos é uma atividade que em geral envolve o estudo sistêmico de diversos fatores que podem afetar uma ou mais características de qualidade.

Projeto de Experimentos é uma atividade que envolve:

O planejamento do experimento.

A sua execução.

A análise dos resultados.

A otimização do produto/processo em estudo.

Engenharia da Qualidade A

Ano 2010/01

4

Projeto de Experimentos
Projeto de Experimentos

O uso de Projeto de Experimentos conduz a uma seqüência estruturada de ensaios, que assegura o máximo de informação com um gasto mínimo de tempo/dinheiro.

Entrada Saída Processo Fatores de
Entrada
Saída
Processo
Fatores de

Parâmetros do Processo

(control. e ctes)

ruído

Testes onde são feitos mudanças propositais nos fatores controláveis
Testes onde são feitos
mudanças propositais nos
fatores controláveis

Engenharia da Qualidade A

Ano 2010/01

5

Terminologia
Terminologia

Parâmetros do processo

Todas as variáveis da linha de produção que podem ser alteradas e que talvez tenham um efeito sobre as variáveis

de resposta.

Fatores controláveis

São um subconjunto dos parâmetros do processo; são

aqueles parâmetros do processo que foram eleitos para serem estudados a vários níveis no experimento.

Engenharia da Qualidade A

Ano 2010/01

6

Terminologia
Terminologia

Fatores constantes

São os parâmetros do processo que não entrarão no experimento e que são mantidos constantes durante o

experimento.

Fatores não controláveis (Ruído)

São as variáveis que não podem ser controladas pela

equipe técnica. Também são responsáveis pelo erro experimental ou variabilidade residual.

Engenharia da Qualidade A

Ano 2010/01

7

Exemplos
Exemplos

Medições de resistência feitas em embalagens produzidas com material proveniente de cinco rolos aleatoriamente indicaram:

Rolos de Papel 1 2 3 4 5 72 63 78 75 85 73 70
Rolos de Papel
1
2
3
4
5
72
63
78
75
85
73
70
74
74
82
70
69
82
73
80
74
65
76
78
86
74
66
76
75
83
75
66
73
71
92
78
62
75
67
89
77
65
73
86
80
67
76
63

Fator controlável: Rolos71 92 78 62 75 67 89 77 65 73 86 80 67 76 63 Níveis

Níveis do fator controlável89 77 65 73 86 80 67 76 63 Fator controlável: Rolos Repetições Medição da variável

Repetições

Medição da variável de resposta

Engenharia da Qualidade A

Ano 2010/01

8

Exemplos
Exemplos

Um grupo de engenheiros está estudando o efeito do ângulo de uma ferramenta de corte sobre o acabamento superficial resultante após a operação. As medições de rugosidade (menor é melhor) efetuadas revelaram:

 

Ângulo da ferramenta

 
 

0

o

 

5

o

 

10

o

 

15

o

12

12

12

8

7

9

4

6

4

5

7

6

11

12

14

10

7

7

5

5

7

6

8

10

12

12

9

6

8

8

3

6

4

6

10

6

Engenharia da Qualidade A

Ano 2010/01

9

Passos no projeto de experimentos
Passos no projeto de experimentos

1.

Estabelecimento do problema

Definição dos objetivos

2.

Formulação das hipóteses

Brainstorming

Engenharia da Qualidade A

Ano 2010/01

10

Passos no projeto de experimentos
Passos no projeto de experimentos

3. Planejamento do Experimento

Escolha das variáveis de resposta.

Escolha dos fatores controláveis

Escolha do n o de níveis para cada fator controlável

Identificação das restrições experimentais

Escolha das técnicas experimentais

Escolha do modelo estatístico

4. Coletas de dados

Realização dos experimentos

Engenharia da Qualidade A

Ano 2010/01

11

Passos no projeto de experimentos
Passos no projeto de experimentos

5. Análise Estatísticas

Tabelas e Testes de significância

 

6. Análise técnica e tomada de decisão

Gráficos

7. Verificação dos resultados

 

Confirmação em campo dos resultados

8. Conclusões finais e recomendações

Documentação

Engenharia da Qualidade A

Ano 2010/01

12

Princípios fundamentais
Princípios fundamentais

Um bom experimento é aquele que de forma eficiente traz a tona informações precisas que permitem verificar as hipóteses formuladas.

Há quatro princípios fundamentais a serem observados:

1. Aleatorização

A aleatorização da seqüência de ensaios assegura que as respostas estarão livres de qualquer viés. Quando a aleatorização não é empregada, corre-se o risco de coletar dados viciados, que podem falsear a análise de algum fator.

Engenharia da Qualidade A

Ano 2010/01

13

Princípios fundamentais
Princípios fundamentais

Por exemplo

Imagine que todos os ensaios com o fator A no nível baixo sejam feitos no início da manhã (quando a temperatura do

dia está baixa), e todos os ensaios com o fator A no nível

alto sejam feitos no início da tarde (quando a temperatura do dia está alta).

Nesse caso, o efeito do fator A estará confundido com o

efeito da temperatura (se este existir) e a análise deste

fator estará prejudicada.

Engenharia da Qualidade A

Ano 2010/01

14

Princípios fundamentais
Princípios fundamentais

2. Repetições

As repetições fornecem uma base para o cálculo do erro experimental, o qual, por sua vez, fornece uma base para o julgamento da significância do efeito dos diversos fatores.

Se um fator tem um efeito significativo, este efeito deve ser muito maior que a magnitude do erro experimental, e os

resultados do experimento irão revelar isso.

Engenharia da Qualidade A

Ano 2010/01

15

Princípios fundamentais
Princípios fundamentais

3. Controle local

O controle local se refere a execução de experimentos divididos em blocos equilibrados de ensaio. O objetivo dos blocos é tornar o experimento mais eficiente e mais prático.

4. Trabalho em equipe

Conhecimentos mercadológicos.

Conhecimentos técnicos.

Conhecimentos estatísticos.

Engenharia da Qualidade A

Ano 2010/01

16

Análise deVariância Os efeitos dos grupos são definidos como desvios da média geral, tais que:
Análise deVariância
Os efeitos dos grupos são definidos como desvios da média
geral, tais que:

Ho: as médias são iguais H1: as médias são diferentes

Ou, estatisticamente falando

Ho:

1 = 2 = …

= k

H1:

i   j

pelo menos uma média difere das demais

Análise deVariância - (Analysis of variance - ANOVA)
Análise deVariância - (Analysis of variance - ANOVA)

A análise de variância é a metodologia estatística que avalia a significância dos diversos fatores e interações.

Há suposições básicas para validar a análise de variância:

Distribuição normal dos dados.

Homogeneidade das variâncias (em cada tratamento ou grupo) - aleatoriedade dos erros.

Aditividade dos efeitos.

Independência estatística dos valores observados (sem

correlação).

Engenharia da Qualidade A

Ano 2010/01

18

Análise deVariância
Análise deVariância

Se as suposições de normalidade e homogeneidade não forem satisfeitas, o resultado da análise de variância deixa de ser exato, e passa a ser aproximado.

Em raras situações a suposição de aditividade dos efeitos

não é satisfeita. Nesse caso, uma transformação dos dados (log, , etc.) pode recuperar a aditividade e permitir uma

análise mais precisa.

A independência estatística dos valores observados é

obtida com o uso da aleatorização.

Engenharia da Qualidade A

Ano 2010/01

19

One-WayANOVA
One-WayANOVA

Experimentos que envolvem:

1 Variável de Resposta

1 Fator Controlável a vários níveis

Os ensaios feitos em cada nível do fator controlável configuram

um grupo.

Objetivo:

Identificar se os valores da variável de resposta medidos nos diversos níveis diferem entre si.

Engenharia da Qualidade A

Ano 2010/01

20

One-WayANOVA
One-WayANOVA

2 tipos de experimentos:

Fatores Controláveis a níveis fixos (Por ex., 5 valores de temperatura)

É possível repetir o ensaio tempos depois, basta utilizar os níveis dos FC escolhidos
É possível repetir o ensaio
tempos depois, basta utilizar
os níveis dos FC escolhidos

Fatores Controláveis a níveis aleatórios (Por ex., 3 fábricas escolhidas ao acaso)

Nunca mais será possível ter os mesmos fatores controláveis
Nunca mais será possível ter
os mesmos fatores
controláveis

Engenharia da Qualidade A

Ano 2010/01

21

One-WayANOVA
One-WayANOVA

Disposição dos dados:

Fator A

A1

A2

 

Ak

 
 

y11

y12

 

y1k

 

y21

y22

y2k

: :

 

yij

:

: :

 

:

yn1

yn2

 

ynk

 

Totais

T.j

 

T.1

T.2

 

T.k

T

=

No.Obs.

nj

n1

n2

nk

N

=

Médias

y

.

j

y

.1

y

.2

y .

k

y

=

Engenharia da Qualidade A

Ano 2010/01

22

Formulação matemática da One-Way ANOVA
Formulação matemática da One-Way ANOVA

Modelo Estatístico:

y

ij

j

onde:

é a média geral;

ij

j é o efeito do grupo j;

ij

é um erro aleatório.

Hipóteses:

Objetivo:

H

H

0

1

:

:

j

j

0

0

j

Rejeitar H 0 a um nível de significância α

Ou seja, se p observado for menor que α, o erro incorrido de rejeitar H 0 (sendo este verdadeiro) em favor de H 1 , é muito pequeno.

Engenharia da Qualidade A

Ano 2010/01

23

Formulação matemática da One-Way ANOVA
Formulação matemática da One-Way ANOVA

Exemplo:

Um profissional deseja estudar se a temperatura ambiente influencia na produtividade dos funcionários. Para isso realizou três medidas de

produtividade (peças/hora) em três temperaturas diferentes.

Fator controlável (peças/hora) em três temperaturas diferentes. Temperatura Níveis do fator controlável 15°C 25°C

Temperatura Níveis do fator controlável 15°C 25°C 35°C 12 20 17 Repetições 13 19 16
Temperatura
Níveis do fator controlável
15°C
25°C
35°C
12
20
17
Repetições
13
19
16
11
18
18
Medição da variável de resposta
Engenharia da Qualidade A
Ano 2010/01
24
Formulação matemática da One-Way ANOVA
Formulação matemática da One-Way ANOVA

Exemplo:

     

Temperatura

   

T

.j

36

57

51

T

144

n

j

3

3

3

N 9

       
       

Y

.j

12

19

17

Y

16

Modelo Estatístico

Y

ij

j

ij

20 = 16 + 3 + 1

Engenharia da Qualidade A

Ano 2010/01

25

Decomposição da variabilidade Y ij =20 ( ) Yij -Y.j  20 - 19 
Decomposição da variabilidade
Y
ij =20
(
)
Yij -Y.j
20 - 19  1
Y
2 
19
(
)
.
-
19 - 16 3
(
Y
.j
Y
-
)  20 - 16  4
Y
Y
ij
Y
3 
17
.
Y
16
Y
.
1 
12
15 o C
25 o C
35 o C
Y
  

(
)
(
)
(
)
ij
j
ij
Y -Y
Y
-Y
Y
-Y
ij
. j
ij
. j
20 = 16 +
3
+ 1
4
=
3
+
1
Engenharia da Qualidade A
Ano 2010/01
26
Formulação matemática da One-Way ANOVA
Formulação matemática da One-Way ANOVA

Decomposição dos resíduos:

(

Y -Y

ij

Total

)

(

Y

. j

-Y

Grupos

)

(

Y

ij

-Y

. j

)

Resíduos

Elevando ao quadrado e somando:

n k



i

1

j

1

(

SQT

Y

ij

-

e somando : n k  i  1 j  1 ( SQT Y ij

Y

)

2

Graus de liberdade:

(N - 1)

=

=

n

k

j

1

(

Y

.

j

-

Y

SQG

(K - 1)

)

2

+

+

n k



i

1

j

1

(

Y

ij

-

SQR

Y

. j

(N - K)

)

2

Engenharia da Qualidade A

Ano 2010/01

27

Formulação matemática da One-Way ANOVA
Formulação matemática da One-Way ANOVA

Médias quadradas:

MQG =

MQR =

SQG / (K - 1) SQR / (N - K)

As MQs são as variâncias
As MQs são as variâncias

Médias quadradas são grandezas que podem ser comparadas entre si, pois já foram padronizadas devido a divisão pelos graus

de liberdade.

SQT

= SQG

+ SQR

(N - 1) = (K - 1) + (N - K)

MQT MQG + MQR

Engenharia da Qualidade A

Ano 2010/01

28

Fórmulas para os cálculos (simplificadas)
Fórmulas para os cálculos (simplificadas)
TC = termo de correção
TC = termo de correção

TC

SQT = (Y ij 2 ) TC SQG = (T. j 2 / n j ) TC SQR = SQT - SQG

T 2 / N

=

Tabela ANOVA:

 

Fonte

SQ

GDL

MQ

Teste F

 

Entre Grupos

SQG

K - 1

MQG

F = MQG / MQR

Dentro Grupos

SQR

N - K

MQR

Total

SQT

N - 1

Engenharia da Qualidade A

 

Ano 2010/01

 

29

Teste F
Teste F

Se não há diferenças significativas entre os grupos

E [MQG] = E [MQR]

Teste F:

F = MQG / MQR

Comparar F calculado com F tabelado

Se o valor calculado for maior que o valor

tabelado, descarta-se H 0 , ou seja, existe diferenças significativas entre os grupos.

F tabelado = F α,K-1,N-k α é um limite de probabilidade aceitável de se cometer
F tabelado = F α,K-1,N-k
α é um limite de
probabilidade aceitável
de se cometer o erro do
tipo I, ou seja, rejeitar H 0
sendo que a hipótese é
verdadeira

Distribuição de Fisher

Engenharia da Qualidade A

Ano 2010/01

30

Exemplo
Exemplo

Os dados a seguir representam o alongamento (maior é melhor) medido sobre um composto de borracha, em função da quantidade de agente de processo adicionado durante a mistura (considere que o LIE = 46).

Engenharia da Qualidade A

Ano 2010/01

31

Exemplo
Exemplo

Agente

0

5

10

15

20

 

43

47

55

50

52

47

53

50

54

49

46

52

54

54

54

45

50

55

55

55

45

49

52

56

55

46

51

53

52

56

47

55

55

57

56

44

48

56

57

53

42

49

59

55

57

48

50

56

60

60

49

47

57

56

57

44

49

54

58

55

Totais

546

600

656

664

659

No.Obs.

12

12

12

12

12

Médias

45,5

50,0

54,7

55,3

54,9

T

=

3125

N = 60

Y = 52,08

Engenharia da Qualidade A

Ano 2010/01

32

Exemplo
Exemplo

Cálculos iniciais:

TC

SQT = (Y ij ) 2 - TC = 163.971,00 - 162.760,42 = 1210,58

T

2 / N

= (3125) 2 / 60 = 162.760,42

=

SQG =

(T .j 2 / nj) - TC = [(546) 2 / 12] +

+ [(659) 2 / 12] - 162.760,42 = 875,33

SQR = SQT - SQG = 1210,58 - 875,33 = 335,25

Engenharia da Qualidade A

Ano 2010/01

33

Exemplo
Exemplo

Tabela ANOVA:

Fonte

SQ

GDL

MQ

Teste F

Entre Grupos (Agente de processo)

875,33

4

218,83

35,9

Dentro Grupos (Residual)

335,25

55

6,09

Total

1210,58

59

α = 0,05 p = 9,6.10 -15 Área de rejeição de H 0 0 F
α = 0,05
p = 9,6.10 -15
Área de rejeição de H 0
0
F tab = 2,55
F cal = 35,9
Há diferenças significativas entre os grupos F cal > F tab p < α
Há diferenças
significativas entre os
grupos
F cal > F tab
p < α

Engenharia da Qualidade A

Ano 2010/01

34

Comparação múltipla de médias (CMM)
Comparação múltipla de médias (CMM)

Existem diversos métodos de CMM: Duncan, Tukey, Scheffé, Bartlett, etc

O método apresentado a seguir é o de Duncan

1. Calcular o desvio padrão das médias

S

MQR   Y . j n c
MQR
Y . j
n
c

onde n c = (n 1 + n 2 +

6,09  0,71 12 + n k ) / k
6,09
 0,71
12
+ n k ) / k

2. Calcular o limite de decisão =

L d =

3 x

3 x 0,71 = 2,13

Engenharia da Qualidade A

Ano 2010/01

35

Comparação múltipla de médias (CMM)
Comparação múltipla de médias (CMM)

3. Escrever as médias em ordem crescente ou decrescente e

compará-las duas a duas (todas combinações). A diferença será

significativa se for maior que o Ld (=2,13)

45,5

Y.1

50,0

Y.2

54,7

Y.3

54,9

Y.5

55,3

Y.4

4. Usar barras contínuas sobre as médias que não diferem entre si

55,3 – 54,9 = 0,4 54,9 – 54,7 = 0,2 DNS DNS 54,7 – 50,0
55,3 – 54,9 = 0,4
54,9 – 54,7 = 0,2
DNS
DNS
54,7 – 50,0 = 4,7
DS
50,0 – 45,5 = 4,5
DS

Y.1

Y.2

Y.3 Y.5 Y.4

Engenharia da Qualidade A

Ano 2010/01

36

Comparação múltipla de médias (CMM)
Comparação múltipla de médias (CMM)
Probabilidade da média 50,0 54,7 54,9 Y.5 ficar nestes limites Y.2 Y.3 Y.5 β =
Probabilidade da média
50,0
54,7 54,9
Y.5 ficar nestes limites
Y.2
Y.3
Y.5
β = 99,73%
S
 0,71
α/2 = 0,135%
Y . j

α/2 = 0,135%

54,9-3.0,71

54,9

54,9+3.0,71

(=52,77) Y.5 (=57,03) Y.5 - Y.3 = 54,9 - 54,7 = 0,2 Ld = 2.13
(=52,77)
Y.5
(=57,03)
Y.5 - Y.3 = 54,9 - 54,7 = 0,2
Ld = 2.13
Y.3 - Y.2 > Ld
DS
Ld = 3.0.71 = 2.13
Y.3 - Y.2 = 54,7 - 50,0 = 4,7
Y.5 - Y.3 < Ld
DNS

50,0-3.0,71

(=47,87)

50,0

Y.2

50,0+3.0,71

(=52,13)

54,7-3.0,71

(=52,57)

54,7

Y.3

54,7+3.0,71

(=56,83)

Engenharia da Qualidade A

Ano 2010/01

37

Otimização
Otimização

Em geral, deve ser considerado o binômio:

Qualidade

Custo

Os resultados estatísticos, em conjunto com a análise

gráfica dão suporte à tomada de decisão a respeito do processo.

Via de regra, o experimento revela opções para a redução de custos e melhoria da qualidade, simultaneamente.

Engenharia da Qualidade A

Ano 2010/01

38

Otimização
Otimização

Para realizar a otimização do produto ou processo é feita uma análise técnica.

A análise técnica deve acompanhar e completar a análise

estatística.

Para isso é recomendável representar graficamente os dados.

Para os dados do experimento anterior, poderia se usar, por exemplo, um boxplot ou um gráfico de barras.

Engenharia da Qualidade A

Ano 2010/01

39

Otimização observando o boxplot
Otimização observando o boxplot
Otimização observando o boxplot Alongamento 65 60 55 50 45 40 Q3 Max Mediana Média Min

Alongamento

65

60

55

50

45

40

Q3 Max Mediana Média Min Q1
Q3
Max
Mediana
Média
Min
Q1
0% 5%
0%
5%

10%

15%

20%

Concentração do Agente

Como o LIE do cliente é 46, então a escolha da concentração de agente pode
Como o LIE do cliente é 46, então a escolha da concentração de agente pode ser
5, 10, 15 e 20%, pois atendem a especificação.

Engenharia da Qualidade A

Ano 2010/01

40

Otimização observando gráfico de barras
Otimização observando gráfico de barras
70 65 60 55 55,33 54,92 54,67 50 50,00 45 45,50 40 35 30 0%
70
65
60
55
55,33
54,92
54,67
50
50,00
45
45,50
40
35
30
0%
5%
10%
15%
20%
Concentração de agente
Alongamento
Como a CQ alongamento é do tipo maior-é-melhor, então a escolha da concentração de agente
Como a CQ alongamento é do tipo maior-é-melhor, então a escolha da
concentração de agente pode ser 10, 15 e 20%, pois produzem a mesma resposta
média e ainda superior que 5%.
Contudo, quanto maior a concentração do agente, mas caro é a borracha, então a
escolha recomendada é a concentração de 10%.

Engenharia da Qualidade A

Ano 2010/01

41

Tópicos próxima aula
Tópicos próxima aula

Projetos de Experimentos com dois fatores

Two-way ANOVA

Experimentos com ou sem repetição

Engenharia da Qualidade A

Ano 2010/01

42