·
Engenharia Mecânica ·
Cálculo
Send your question to AI and receive an answer instantly
Preview text
\"DOE - Exemplo de Planejamento Fatorial Fracionado\"\n\n\"Para melhor entendimento, tomemos como exemplo o seguinte caso:\"\n\n\"O departamento de qualidade de uma indústria têxtil, ao receber muitas reclamações de clientes externos sobre a qualidade dos tecidos oferecidos, decidiu realizar um Planejamento de Experimento Fatorial em uma máquina Desbastadora. Este estudo objetivou-se em avaliar a melhor configuração que a máquina deve apresentar para minimizar a Taxa de Remoção de Material. Para isso, levou-se em consideração os seguintes fatores e seus respectivos níveis: Profundidade de Penetração (3 mm e 4 mm); Largura da Escova (38 mm e 50 mm); Número de Filamentos (20 mil e 25 mil); Tamanho do Filamento (25 mm e 50 mm) e Diâmetro do Filamento (0,25 mm e 0,38 mm). Pelo fato deste experimento envolver 5 fatores distintos, a alta diretoria decidiu reduzir os investimentos financeiros para isto, tornando-se necessário diminuir o número de correios experimentais em uma fração de 1/4 (8 rodadas).\"\n\n\"Para se realizar o Planejamento Fatorial Fracionado do caso acima descrito, foram tomados os seguintes passos:\"\n\n\"PASSO 1: Para o desenvolvimento de um Planejamento Fatorial Fracionado, é necessário primeiramente, elaborar um Desenho Experimental, o qual é preenchido conforme o experimento. Para isso, com o auxílio do Minitab, deve-se selecionar: Stat > DOE (Planejamento de O Minitab permite descrevermos os Níveis de forma quantitativa (numérica) ou qualitativa (texto).\n\nPasso 5.1: listar os fatores a serem analisados e seus níveis de experimentação.\n\nNo exemplo em estudo, serão analisados os fatores e seus respectivos níveis: Profundidade de Penetração (3mm e 4mm), Largura da escova (38mm e 50mm), Número de filamentos (20 mil e 25 mil), Tamanho do filamento (25mm e 50mm) e Diâmetro do filamento (0,25mm e 0,38mm).\n\nPASSO 6: Verificar a aleatorização do desenho experimental.\n\nA aleatorização é importante para gerar uma distribuição de referência válida para realizar comparação estatística dos dados.\n\nCertificar-se que a opção \"Aleatorizar Ensaios\" está devidamente selecionada.\n\nPasso 6.1: Informar se a experimentação será aleatorizada ou não.\n\nNo caso em estudo, a aleatorização é utilizada para que as análises estatísticas sejam adequadas.\n\nPASSO 7: Preencher os resultados obtidos no Desenho Experimental Desenvolvido. Após realizado todas as etapas anteriores, o seguinte Worksheet será gerado. Nele constará o Roteiro de Experimentação Aleatorizado para que seja aplicado.\n\nPasso 7.1: Como no exemplo em estudo, deve-se realizar a experimentação conforme o roteiro gerado anteriormente. Neste caso, foi avaliada a Taxa de Remoção do processo com relação à: Profundidade de Penetração, Largura da Escova, Número de filamentos, Tamanho do filamento e diâmetro do filamento. Os resultados adquiridos foram anotados, como consta ao lado.\n\nPASSO 8: Verificar as relações de confundimento presente na análise.\n\nRelação de Identidade (I): Caracteriza-se por ser a interação que contém a maior quantidade de fatores em estudo. Considerando como o elemento neutro, este é utilizado somente para se estabelecer as relações de confundimento. Não é analisado separadamente.\n\nAs relações de confundimento estão apresentadas em cada linha, separadamente. Sendo assim, na primeira linha do exemplo em estudo, pode-se dizer que o fator \"A\" está confundido com a interação: BD, CE e \"ABCDE\". Na segunda linha, pode-se dizer que o fator \"B\" está confundido com as interações \"AD\", \"CDE\" e \"ABCE\", e assim por diante.\n\nExperimentos com interações acima de 3 fatores são sempre considerados triviais (não impactantes) no processo, sendo, então, descartados das relações de confundimento. Sendo assim, na primeira linha, pode-se dizer que o fator \"A\" está confundido somente com as interações \"BD\" e \"CE\", eliminando a interação \"ABCDE\" por este apresentar mais de 3 fatores.\n\nExperimentos com interações de 2 ou menos fatores são sempre consideradas vitais para o processo. Em caso de confundimento, deve-se avaliar o resultado do processo a partir da experimentação dos fatores separadamente e observar qual obteve o melhor resultado. PASSO 9: O próximo passo é realizar as análises gráficas e determinar qual é o fator que mais influencia no processo. Para isso, você deve seguir os seguintes passos: Stat > DOE (Planejamento de Experimentos) > Fatorial > Análise de Experimento Fatorial.\n\nPASSO 10: Selecionar os gráficos de serão gerados para análise.\n\nPasso 10.1: Selecionar a variável de interesse para experimentação.\n\nSelecionar as opções \"Pareto\" e \"Half Normal\" presente em \"Gráfico de Efeitos\".\n\nPasso 10.2: Selecionar os gráficos de interesse para análise dos fatores que mais influenciam no processo.\n\nPara se verificar qual o fator que mais influencia na variável resposta, é necessário desenvolver os gráficos de Pareto e Half Normal.\n\nPASSO 11: Selecionar o nível de confiança igual a 1. PASSO 11: Selecionar o nível de confiança que se pretende utilizar.\n\nPara melhor análise gráfica, utiliza-se o nível de confiança igual a 1. Isso acontece para que os gráficos de Half Normal e Pareto não sejam distorcidos, levando a análises equivocadas.\n\nPASSO 12: Realizar a interpretação dos gráficos de Pareto e Half Normal.\n\nO gráfico de Pareto deve ser utilizado em conjunto com o gráfico de Half Normal. Quanto maior a barra, mais significativo será o fator com relação à variável resposta.\n\nO Gráfico Half Normal consta de uma linha, distribuição normal com desvio padrão igual a 1, e alguns pontos que representam os fatores em análise. Quanto mais distantes estiverem estes pontos da linha, mais significativo será o fator com relação à variável resposta.\n\nNo exemplo em estudo, as variáveis de entrada B, E e A influenciam significativamente no processo.\n\nPASSO 13: O próximo passo é realizar a análise dos Gráficos de Interação, referente aos fatores que mais impactam no processo. Para isso, você deve seguir os passos: Stat > DOE (Planejamento de Experimento) > Fatorial > Gráficos Fatoriais. PASSO 14: Selecionar as variáveis vitais para analisar em Gráficos de Interações.\n\nPasso 14.1: Selecionar a variável resposta que se pretende analisar. No caso do exemplo, selecionar \"Rendimento\", ou \"Rend\".\n\nPasso 14.2: Selecionar as variáveis, e suas interações, que mais impactam no processo.\n\nCom o auxílio do Gráfico de Pareto e Half Normal, deve-se identificar as variáveis que mais influenciam o processo. No caso em estudo, as variáveis de \"Profundidade (A)\", \"Largura da Escova (B)\" e \"Diâmetro do Filamento (E)\" devem ser avaliadas, uma vez que estes se destacam mais nos referentes gráficos.\n\nPASSO 15: Selecionar as variáveis vitais para analisar em Gráficos de Interações. PASSO 15: Selecionar as opções de gráfico que serão gerados para análise das receitas das variáveis.\n\nO Gráfico de Efeitos Principais irá avaliar a configuração das variáveis isoladas que mais impactam o processo, individualmente.\n\nO Gráfico de Interação irá avaliar as interações entre as variáveis e seu impacto no processo.\n\nPasso 15.2: No caso em estudo, deve-se avaliar as configurações das variáveis individuais (Profundidade \"A\", Largura da Escova \"B\" e Diâmetro do Filamento \"E\"). Como não há interações entre essas variáveis, não deve considerar o desenvolvimento de Gráficos de Interação. Selecionar a opção \"Gráficos de Efeitos Principais\".\n\nPASSO 16: Determinar a melhor \"receita\" para as variáveis para se maximizar a resposta do processo. Usuários que acharam isso útil: 105 de 108\nVoltar ao topo\nArtigos visualizados recentemente\nDOE - Análise e Interpretações Gráficas\nDOE - Definição\nDOE - Exemplo de Planejamento Fatorial Completo\nDiagrama de Dispersão - Definição\nGráfico de Box Plot no Minitab\nArtigos relacionados\nDOE - Exemplo de Planejamento Fatorial Completo\nDOE - Definição\nDOE - Análise e Interpretações Gráficas\nDiagrama de Dispersão - Definição\nGráfico de Dot Plot no Minitab\nComentários\n0 comentário\nArtigo fechado para comentários.\nEDTI Sensei\nSuporte Powered by Zendesk
Send your question to AI and receive an answer instantly
Preview text
\"DOE - Exemplo de Planejamento Fatorial Fracionado\"\n\n\"Para melhor entendimento, tomemos como exemplo o seguinte caso:\"\n\n\"O departamento de qualidade de uma indústria têxtil, ao receber muitas reclamações de clientes externos sobre a qualidade dos tecidos oferecidos, decidiu realizar um Planejamento de Experimento Fatorial em uma máquina Desbastadora. Este estudo objetivou-se em avaliar a melhor configuração que a máquina deve apresentar para minimizar a Taxa de Remoção de Material. Para isso, levou-se em consideração os seguintes fatores e seus respectivos níveis: Profundidade de Penetração (3 mm e 4 mm); Largura da Escova (38 mm e 50 mm); Número de Filamentos (20 mil e 25 mil); Tamanho do Filamento (25 mm e 50 mm) e Diâmetro do Filamento (0,25 mm e 0,38 mm). Pelo fato deste experimento envolver 5 fatores distintos, a alta diretoria decidiu reduzir os investimentos financeiros para isto, tornando-se necessário diminuir o número de correios experimentais em uma fração de 1/4 (8 rodadas).\"\n\n\"Para se realizar o Planejamento Fatorial Fracionado do caso acima descrito, foram tomados os seguintes passos:\"\n\n\"PASSO 1: Para o desenvolvimento de um Planejamento Fatorial Fracionado, é necessário primeiramente, elaborar um Desenho Experimental, o qual é preenchido conforme o experimento. Para isso, com o auxílio do Minitab, deve-se selecionar: Stat > DOE (Planejamento de O Minitab permite descrevermos os Níveis de forma quantitativa (numérica) ou qualitativa (texto).\n\nPasso 5.1: listar os fatores a serem analisados e seus níveis de experimentação.\n\nNo exemplo em estudo, serão analisados os fatores e seus respectivos níveis: Profundidade de Penetração (3mm e 4mm), Largura da escova (38mm e 50mm), Número de filamentos (20 mil e 25 mil), Tamanho do filamento (25mm e 50mm) e Diâmetro do filamento (0,25mm e 0,38mm).\n\nPASSO 6: Verificar a aleatorização do desenho experimental.\n\nA aleatorização é importante para gerar uma distribuição de referência válida para realizar comparação estatística dos dados.\n\nCertificar-se que a opção \"Aleatorizar Ensaios\" está devidamente selecionada.\n\nPasso 6.1: Informar se a experimentação será aleatorizada ou não.\n\nNo caso em estudo, a aleatorização é utilizada para que as análises estatísticas sejam adequadas.\n\nPASSO 7: Preencher os resultados obtidos no Desenho Experimental Desenvolvido. Após realizado todas as etapas anteriores, o seguinte Worksheet será gerado. Nele constará o Roteiro de Experimentação Aleatorizado para que seja aplicado.\n\nPasso 7.1: Como no exemplo em estudo, deve-se realizar a experimentação conforme o roteiro gerado anteriormente. Neste caso, foi avaliada a Taxa de Remoção do processo com relação à: Profundidade de Penetração, Largura da Escova, Número de filamentos, Tamanho do filamento e diâmetro do filamento. Os resultados adquiridos foram anotados, como consta ao lado.\n\nPASSO 8: Verificar as relações de confundimento presente na análise.\n\nRelação de Identidade (I): Caracteriza-se por ser a interação que contém a maior quantidade de fatores em estudo. Considerando como o elemento neutro, este é utilizado somente para se estabelecer as relações de confundimento. Não é analisado separadamente.\n\nAs relações de confundimento estão apresentadas em cada linha, separadamente. Sendo assim, na primeira linha do exemplo em estudo, pode-se dizer que o fator \"A\" está confundido com a interação: BD, CE e \"ABCDE\". Na segunda linha, pode-se dizer que o fator \"B\" está confundido com as interações \"AD\", \"CDE\" e \"ABCE\", e assim por diante.\n\nExperimentos com interações acima de 3 fatores são sempre considerados triviais (não impactantes) no processo, sendo, então, descartados das relações de confundimento. Sendo assim, na primeira linha, pode-se dizer que o fator \"A\" está confundido somente com as interações \"BD\" e \"CE\", eliminando a interação \"ABCDE\" por este apresentar mais de 3 fatores.\n\nExperimentos com interações de 2 ou menos fatores são sempre consideradas vitais para o processo. Em caso de confundimento, deve-se avaliar o resultado do processo a partir da experimentação dos fatores separadamente e observar qual obteve o melhor resultado. PASSO 9: O próximo passo é realizar as análises gráficas e determinar qual é o fator que mais influencia no processo. Para isso, você deve seguir os seguintes passos: Stat > DOE (Planejamento de Experimentos) > Fatorial > Análise de Experimento Fatorial.\n\nPASSO 10: Selecionar os gráficos de serão gerados para análise.\n\nPasso 10.1: Selecionar a variável de interesse para experimentação.\n\nSelecionar as opções \"Pareto\" e \"Half Normal\" presente em \"Gráfico de Efeitos\".\n\nPasso 10.2: Selecionar os gráficos de interesse para análise dos fatores que mais influenciam no processo.\n\nPara se verificar qual o fator que mais influencia na variável resposta, é necessário desenvolver os gráficos de Pareto e Half Normal.\n\nPASSO 11: Selecionar o nível de confiança igual a 1. PASSO 11: Selecionar o nível de confiança que se pretende utilizar.\n\nPara melhor análise gráfica, utiliza-se o nível de confiança igual a 1. Isso acontece para que os gráficos de Half Normal e Pareto não sejam distorcidos, levando a análises equivocadas.\n\nPASSO 12: Realizar a interpretação dos gráficos de Pareto e Half Normal.\n\nO gráfico de Pareto deve ser utilizado em conjunto com o gráfico de Half Normal. Quanto maior a barra, mais significativo será o fator com relação à variável resposta.\n\nO Gráfico Half Normal consta de uma linha, distribuição normal com desvio padrão igual a 1, e alguns pontos que representam os fatores em análise. Quanto mais distantes estiverem estes pontos da linha, mais significativo será o fator com relação à variável resposta.\n\nNo exemplo em estudo, as variáveis de entrada B, E e A influenciam significativamente no processo.\n\nPASSO 13: O próximo passo é realizar a análise dos Gráficos de Interação, referente aos fatores que mais impactam no processo. Para isso, você deve seguir os passos: Stat > DOE (Planejamento de Experimento) > Fatorial > Gráficos Fatoriais. PASSO 14: Selecionar as variáveis vitais para analisar em Gráficos de Interações.\n\nPasso 14.1: Selecionar a variável resposta que se pretende analisar. No caso do exemplo, selecionar \"Rendimento\", ou \"Rend\".\n\nPasso 14.2: Selecionar as variáveis, e suas interações, que mais impactam no processo.\n\nCom o auxílio do Gráfico de Pareto e Half Normal, deve-se identificar as variáveis que mais influenciam o processo. No caso em estudo, as variáveis de \"Profundidade (A)\", \"Largura da Escova (B)\" e \"Diâmetro do Filamento (E)\" devem ser avaliadas, uma vez que estes se destacam mais nos referentes gráficos.\n\nPASSO 15: Selecionar as variáveis vitais para analisar em Gráficos de Interações. PASSO 15: Selecionar as opções de gráfico que serão gerados para análise das receitas das variáveis.\n\nO Gráfico de Efeitos Principais irá avaliar a configuração das variáveis isoladas que mais impactam o processo, individualmente.\n\nO Gráfico de Interação irá avaliar as interações entre as variáveis e seu impacto no processo.\n\nPasso 15.2: No caso em estudo, deve-se avaliar as configurações das variáveis individuais (Profundidade \"A\", Largura da Escova \"B\" e Diâmetro do Filamento \"E\"). Como não há interações entre essas variáveis, não deve considerar o desenvolvimento de Gráficos de Interação. Selecionar a opção \"Gráficos de Efeitos Principais\".\n\nPASSO 16: Determinar a melhor \"receita\" para as variáveis para se maximizar a resposta do processo. Usuários que acharam isso útil: 105 de 108\nVoltar ao topo\nArtigos visualizados recentemente\nDOE - Análise e Interpretações Gráficas\nDOE - Definição\nDOE - Exemplo de Planejamento Fatorial Completo\nDiagrama de Dispersão - Definição\nGráfico de Box Plot no Minitab\nArtigos relacionados\nDOE - Exemplo de Planejamento Fatorial Completo\nDOE - Definição\nDOE - Análise e Interpretações Gráficas\nDiagrama de Dispersão - Definição\nGráfico de Dot Plot no Minitab\nComentários\n0 comentário\nArtigo fechado para comentários.\nEDTI Sensei\nSuporte Powered by Zendesk