MEC 2007 – Planejamento de

experimentos
Planejamento fatorial completo
(Cap. 2, 3 e 4)
Prof. Florian Pradelle (pradelle@puc-rio.br)
Sala L-163 – Telefone: 3527-1182
6ª feira (08-11h) – Sala de aula do 6° andar
1
 Sumário

• Introdução

• Planejamento fatorial completo a 2 fatores

• Planejamento fatorial completo a 3 fatores

• Planejamento fatorial completo a 4 fatores

• Função desejabilidade

2
 Introdução
• Variável centralizada reduzida
• O nível 0 corresponde ao centro do domínio dos fatores
• A variável é adimensionalizada

• Modelo experimental:
• y: resposta; xi: níveis do fator i; xj: níveis do fator j; a0, ai, aij, aii: coeficiente do polinômio ou
parâmetro (termo independente, termos lineares, termos de interação (ou retangulares),
termos quadráticos, respectivamente)
• Erro de ajusto ou lack of fit (Δ): erro sistemático entre o modelo experimental e o modelo
exato
• Erro aleatório ou erro puro (ε): erro associado à dispersão de valores na medição da resposta
em dado ponto experimental 3
 Introdução

• Sistema de equação
• p coeficientes do polinômio definidos a partir de um sistema de n equações
• Sistema escrito em notação matricial : 𝒚=𝑿𝒂+𝒆
• 𝒚 : vetor resposta, matriz coluna com n linhas
• 𝑿 : matriz do modelo (design matrix), com n linhas e p colunas, depende dos pontos experimentais
considerados e do modelo postulado
• a : matriz coluna dos coeficientes, com p linhas
• 𝒆: matriz coluna do erro, com n linhas
• Em muitos casos, o sistema não pode ser resolvido simplesmente (n equações para p + n incógnitas)
• Estimações dos coeficientes pelo método dos mínimos quadrados: 𝒂 = 𝑿′ 𝑿 −𝟏 𝑿𝒚

• 𝑿′: transposta de 𝑿
• Matriz informação: 𝑿′ 𝑿 ; Matriz dispersão: 𝑿′ 𝑿 −𝟏

4
 Planejamento fatorial completo a 2 fatores
• Planejamento fatorial completo 2²
• Nomenclatura: Dois níveis^(Dois fatores)
• 4 pontos experimentais correspondentes a 2 níveis: -1 (nível baixo)
e +1 (nível alto)
• Tabela obtida com as variáveis reais: tabela de experimentos
• Tabela obtida com as variáveis reduzidas: matriz experimental ou
design experimental

• Modelo: (modelo polinomial de 1° grau (= linear) com interações)

5
 Planejamento fatorial completo a 2 fatores
• Significado dos coeficientes
• Modelo:
• Termo constante : resposta no centro do domínio de estudo
⟺ ⟺

• Coeficiente associado ao fator : efeito do fator

Ponto B
Ponto D
Pontos B e D Pontos A e C

⟺ ⟺ Interpretação: Metade da variação

média entre os níveis baixo e alto de
= : Média das respostas no nível alto de

= : Média das respostas no nível baixo de 6

 Planejamento fatorial completo a 2 fatores
• Significado dos coeficientes
• Modelo:
• Coeficiente associado ao fator : efeito do fator

• Interpretação:
• Metade da variação média entre os níveis baixo e alto de
• Inclinação da reta 𝑀−′ 𝑀+′
• Variação média da resposta entre o centro do domínio de estudo
(nível 0) 𝑦0 e o nível alto

• Coeficiente associado ao fator : efeito do fator

• Interpretação semelhante 7
 Planejamento fatorial completo a 2 fatores
• Significado dos coeficientes
• Modelo:
• Coeficiente : interação entre os fatores

• Semelhantemente:

• : efeito do fator 1 quando o fator 2 está no nível alto

(ou inclinação de C’D’ ou metade da variação entre
𝑦4 e 𝑦3 )
• : efeito do fator 1 quando o fator 2 está no nível baixo
(ou inclinação de A’B’ ou metade da variação entre
𝑦2 e 𝑦1 )
• Interpretação: metade destes dois efeitos ⟹ variação do fator
1 quando o fator 2 é modificado ou variação do fator 2 quando
o fator 1 é modificado
8
 Planejamento fatorial completo a 2 fatores

• Significado dos coeficientes

• Modelo:

• Coeficiente :

interação entre os fatores

• Interpretação: metade destes dois efeitos, ou

seja variação do fator 1 quando o fator 2 é
modificado ou variação do fator 2 quando o
fator 1 é modificado
• Forte interação: as inclinações C’D’ e A’B’ são
muito diferentes
• Sem interação: inclinações iguais
9
 Planejamento fatorial completo a 2 fatores
• Sistema de equação matricial:

𝟏 𝒙𝟏 𝒙𝟐 𝒙𝟏 𝒙𝟐
𝒚𝟏 +𝟏 −𝟏 −𝟏 +𝟏 𝒂𝟎
• 𝒀 = 𝑿. 𝒂 ⟺ 𝒚𝟐 = +𝟏 +𝟏 −𝟏 −𝟏 . 𝒂𝟏
𝒚𝟑 +𝟏 −𝟏 +𝟏 −𝟏 𝒂𝟐
𝒚𝟒 +𝟏 +𝟏 +𝟏 +𝟏 𝒂𝟏𝟐

𝟏 𝒙𝟏 𝒙𝟐 𝒙𝟏 𝒙𝟐
+𝟏 −𝟏 −𝟏 +𝟏 +𝟏 +𝟏 +𝟏 +𝟏 𝟒 𝟎 𝟎 𝟎
• 𝑿 = +𝟏 +𝟏 −𝟏
′
−𝟏 ; 𝑿 = −𝟏 +𝟏 −𝟏 +𝟏 ; 𝑿′ 𝑿 = 𝟎 𝟒 𝟎 𝟎 = 𝟒𝑰𝟒 ; 𝑿′ 𝑿 −𝟏 𝟏
= 𝑰𝟒
𝟒
+𝟏 −𝟏 +𝟏 −𝟏 −𝟏 −𝟏 +𝟏 +𝟏 𝟎 𝟎 𝟒 𝟎
+𝟏 +𝟏 +𝟏 +𝟏 +𝟏 −𝟏 −𝟏 +𝟏 𝟎 𝟎 𝟎 𝟒

+𝟏 +𝟏 +𝟏 +𝟏 𝒚𝟏
• Logo, 𝒂 = 𝑿′ 𝑿 −𝟏 ′ 𝟏
𝑿 𝒚 = 𝑿′ 𝒚 =
𝟏 −𝟏 +𝟏 −𝟏 +𝟏 . 𝒚𝟐
𝟒 𝟒 −𝟏 −𝟏 +𝟏 +𝟏 𝒚𝟑
+𝟏 −𝟏 −𝟏 +𝟏 𝒚𝟒

10
 Planejamento fatorial completo a 2 fatores

• Exemplo de aplicação: o consumo de um veículo

• Objetivo
• Minimizar o consumo
• 2 fatores
• Velocidade do veículo
• Massa no veículo
• Modelo:
• Mostrar que
• Passando em variável real Ai, mostrar que

11
Planejamento fatorial completo a 2 fatores
• Observações
• Cálculos simples, mas repetitivos
• Quantidade de cálculo aumenta com o número de variáveis e a complexidade do modelo
• Solução: uso de software
• Solução rápida • Linha de iso-resposta ou superfície de resposta

• Possibilidade de obter gráficos

• Diagrama de efeitos

12
 Planejamento fatorial completo a 3 fatores

• Planejamento fatorial completo 2³

• Nomenclatura: Dois níveis^(Três fatores)
• 8 pontos experimentais correspondentes a 2 níveis: -1 (nível baixo) e +1 (nível alto)

13
Planejamento fatorial completo a 3 fatores
• Modelo:

Termo 3 termos 3 termos de interação Termo de interação

constante lineares (efeitos) de segunda ordem de terceira ordem

• Modelo polinomial de 1° grau (= linear) com interações

• Sistema de equação matricial: 𝒀 = 𝑿. 𝒂

𝟏 𝒙𝟏 𝒙𝟐 𝒙𝟑 𝒙𝟏 𝒙𝟐 𝒙𝟏 𝒙𝟑 𝒙 𝟐 𝒙𝟑 𝒙𝟏 𝒙𝟐 𝒙𝟑
+𝟏 −𝟏 −𝟏 −𝟏 +𝟏 +𝟏 +𝟏 −𝟏 𝟖 𝟎 𝟎 𝟎 𝟎 𝟎 𝟎 𝟎
+𝟏 +𝟏 −𝟏 −𝟏 −𝟏 −𝟏 +𝟏 +𝟏 𝟎 𝟖 𝟎 𝟎 𝟎 𝟎 𝟎 𝟎
+𝟏 −𝟏 +𝟏 −𝟏 −𝟏 +𝟏 −𝟏 +𝟏 𝟎 𝟎 𝟖 𝟎 𝟎 𝟎 𝟎 𝟎
• +𝟏
𝑿 = +𝟏
+𝟏 +𝟏 −𝟏 +𝟏 −𝟏 −𝟏 −𝟏 ; 𝑿′ 𝑿 = 𝟎 𝟎 𝟎 𝟖 𝟎 𝟎 𝟎 𝟎 = 𝟖𝑰
𝟎 𝟎 𝟎 𝟎 𝟖 𝟎 𝟎 𝟎 𝟖
−𝟏 −𝟏 +𝟏 +𝟏 −𝟏 −𝟏 +𝟏
+𝟏 +𝟏 −𝟏 +𝟏 −𝟏 +𝟏 −𝟏 −𝟏 𝟎 𝟎 𝟎 𝟎 𝟎 𝟖 𝟎 𝟎
+𝟏 −𝟏 +𝟏 +𝟏 −𝟏 −𝟏 +𝟏 −𝟏 𝟎 𝟎 𝟎 𝟎 𝟎 𝟎 𝟖 𝟎
+𝟏 +𝟏 +𝟏 +𝟏 +𝟏 +𝟏 +𝟏 +𝟏 𝟎 𝟎 𝟎 𝟎 𝟎 𝟎 𝟎 𝟖
• Logo, 𝒂 = 𝑿′ 𝑿 −𝟏 ′ 𝟏
𝑿 𝒚 = 𝑿′ 𝒚
𝟖
14
Planejamento fatorial completo a 3 fatores

• Exemplo de aplicação com duas funções respostas: as joias em ouro

• Modelo:
• 3 fatores
• Concentração de ouro
• Densidade de corrente elétrica
• Concentração de cobalto
• Objetivo 1: definir o máximo da velocidade de deposição

• Importância relativa dos fatores:

• Positivo: fator “catalisador” do processo
• Negativo: fator “inibidor” do processo

15
 Planejamento fatorial completo a 3 fatores
• Exemplo de aplicação com duas funções respostas: as
joias em ouro
• Objetivo 1: definir o máximo da velocidade de deposição

• Diagrama de efeitos e de interações

16
Planejamento fatorial completo a 3 fatores
• Exemplo de aplicação com duas funções respostas: as joias em ouro
• Objetivo 2: Concentração de cobalto entre 3500 e 4500 ppm

• Importância relativa dos fatores:

• Positivo: fator “catalisador” do processo
• Negativo: fator “inibidor” do processo

• Diagrama de interações

17
 Planejamento fatorial completo a 3 fatores

• Exemplo de aplicação com duas funções respostas: as joias em ouro

• Concentração de cobalto: valor entre 3500 e 4500 ppm

• Curva de iso-resposta projetada para 3 níveis de x2

18
 Planejamento fatorial completo a 3 fatores

• Exemplo de aplicação com duas funções respostas: as joias em ouro

• Como otimizar simultaneamente as duas respostas?
• Velocidade de deposição superior a 80 mg/min
• Concentração de cobalto: valor entre 3500 e 4500 ppm

19
 Planejamento fatorial completo a 3 fatores

• Exemplo de aplicação com duas funções respostas: as joias em ouro

• Como otimizar simultaneamente as duas respostas?
• Velocidade de deposição superior a 100 mg/min
• Concentração de cobalto: valor entre 3500 e 4500 ppm

20
 Planejamento fatorial completo a 3 fatores

• Exemplo de aplicação com duas funções respostas: as joias em ouro

• Verificação necessária
• Modelo: 115 mg/min e 4011 ppm
• Controle 1: 110 mg/min e 3950 ppm
• Controle 2: 105 mg/min e 3920 ppm

21
 Planejamento fatorial completo a 4 fatores
• Planejamento fatorial completo 24
• Nomenclatura: Dois níveis^(Quatro fatores)
• 16 pontos experimentais correspondentes a 2 níveis: -1 (nível baixo) e +1 (nível alto)
• Modelo linear: 16 coeficientes
Termo constante 4 termos lineares (efeitos)

6 termos de
interação de
segunda ordem

Termo de interação 4 termos de interação

de quarta ordem de terceira ordem

• 𝒂 = 𝑿′ 𝑿 −𝟏 𝑿′ 𝒚 =
𝟏
𝟏𝟔
𝑿′ 𝒚
22
Planejamento fatorial completo a 4 fatores
• Exemplo de aplicação com duas
funções respostas: a galette des rois
• 2 objetivos
• Minimizar a separação das camadas
(separation)
• Maximizar a nota associada as fendas
(piping)
• 4 fatores
• Razão do peso das camadas
• Número de buracos
• Perfil de cozimento
• Tempo de cozimento

23
Planejamento fatorial completo a 4 fatores
• Exemplo de aplicação com duas funções respostas: a galette des rois
• Resultados
• Minimizar a separação das camadas - separation (esq.)
• Maximizar a nota associada as fendas - piping (dir.)

24
 Planejamento fatorial completo a 4 fatores
• Exemplo de aplicação com duas funções
respostas: a galette des rois
• Análise complexa devido às contribuições
das interações
• Diagrama de efeitos
• Fator 1: Nível alto

25
 Planejamento fatorial completo a 4 fatores

• Exemplo de aplicação com duas funções

respostas: a galette des rois
• Análise complexa devido às contribuições
das interações
• Diagrama de efeitos
• Fator 1: Nível alto
• Fator 2: Nível baixo
• Fator 3: Nível baixo
• Fator 4: Escolha depende da resposta

26
 Planejamento fatorial completo a 4 fatores
• Exemplo de aplicação com duas funções respostas: a galette des rois
• Análise complexa devido às contribuições das interações
• Diagrama de efeitos
• Fator 1: Nível alto / Fator 2: Nível baixo / Fator 3: Nível baixo / Fator 4: Escolha depende da resposta

• Necessidade de encontrar um meio termo para o fator 4

27
 Função desejabilidade

• Ferramenta para achar o melhor balanço na otimização de várias respostas

• Propostas por Derringer e Suich (1980)
• DERRINGER, D.; SUICH, R. Simultaneous optimisation of several response variables, Journal of Quality
Technology, 12, 1980, p. 214-219
• Aplicável a todos os tipos de DOE

• Caso 1: Função desejabilidade d para uma resposta

• Varia entre 0 (resultado completamente insatisfatório) e 1 (resultado completamente satisfatório)
• 3 sub-casos, correspondentes ao objetivo:
• Máximo
• Mínimo
• Valor ou janela de valores (range) alvos
28
 Função desejabilidade

• Caso 1: Função desejabilidade d para uma resposta

• Sub-caso 1: Máximo

Introdução de
nuance e
progressividade

Funções lineares
ou polinomiais

29
 Função desejabilidade

• Caso 1: Função desejabilidade d para uma resposta

• Sub-caso 2: Mínimo
• Semelhantemente

30
 Função desejabilidade

• Caso 1: Função desejabilidade d para uma resposta

• Sub-caso 3: Valor ou janela de valores (range) alvos

31
 Função desejabilidade

• Caso 2: Função desejabilidade D para várias respostas

• Definição: D, média geométrica das funções desejabilidade individuais d

• Observações:
• D vale 1 quando todos os d valem 1
• D vale 0 quando pelo menos um d vale 0
• Melhor condição experimental corresponde ao máximo de D

32
 Função desejabilidade
• Caso 2: Função desejabilidade D para várias respostas
• Exemplos de aplicação

33
 Conclusão

• Planejamento fatorial completo 2k

• Números de ensaios e de coeficientes: 2k
• Distribuição dos coeficientes seguindo o triângulo de Pascal

Quantidade de fator

𝑎0 𝑎𝑖 𝑎𝑖𝑗 𝑎𝑖𝑗𝑘 𝑎𝑖𝑗𝑘𝑙 𝑎𝑖𝑗𝑘𝑙𝑚 𝑎𝑖𝑗𝑘𝑙𝑚𝑛

• 𝒂 = 𝑿′ 𝑿 −𝟏 𝑿′ 𝒚 =
𝟏 ′
𝟐𝒌
𝑿 𝒚 com X uma matriz de Hadamard

• Pergunta: O que fazer quando k = 7 e executar 128 ensaios fica inviável? 34