DOE(Design of Experiments)

[Conceitos Básicos] [Informações Adicionais]

Responsável: Daniel Amaral
Envie comentários ou sugestões para o(s) responsável(is)

Conceitos Básicos

Fontes: BOX, G.E. 1978;COLEMAN, D.E, 1993; MONTEGOMERY, D.C, 1976 (vide informações adicionais)

Introdução

Dentro da indústria, em especial no desenvolvimento de produto, muitas vezes é necessário obter informações sobre produtos e processos empiricamente. Neste momento o trabalho das pessoas envolvidas com o problema assemelha-se ao de pesquisadores ou cientistas que precisam projetar experimentos, coletar dados e analisá-los. Experimentos são empregados para resolver problemas de fabricação, decidir entre diferentes processos de manufatura, diferentes conceitos de produto, entender a influência de determinados fatores, etc... Além disso esta tarefa torna-se cada vez mais importante na medida que se intensifica a base tecnológica dos produtos e as exigências governamentais e de clientes aumentando a necessidade de emprego de experimentos durante todas as etapas do ciclo de vida do produto.

O Planejamento de Experimentos (em inglês Design of Experiments, DOE) é uma técnica utilizada para se planejar experimentos, ou seja, para definir quais dados, em que quantidade e em que condições devem ser coletados durante um determinado experimento, buscando, basicamente, satisfazer dois grandes objetivos: a maior precisão estatística possível na resposta e o menor custo. É, portanto, uma técnica de extrema importância para a indústria pois seu emprego permite resultados mais confiáveis economizando dinheiro e tempo, parâmetros fundamentais em tempos de concorrência acirrada. A sua aplicação no desenvolvimento de novos produtos é muito importante, onde uma maior qualidade dos resultados dos testes pode levar a um projeto com desempenho superior seja em termos de suas características funcionais como também sua robustez.

No entanto, deve-se ficar claro que esta ferramenta não substitui o conhecimento técnico do especialista da empresa sobre o assunto e nem mesmo trata-se de uma “receita de bolo” de como realizar um planejamento. O domínio do problema é de fundamental importância. O conhecimento do especialista sobre o problema conjugado com a técnica (em casos especiais somando-se ainda o auxílio de especialistas em planejamentos de experimentos) é que irá permitir bons planejamentos de experimentos, ou seja, planejamentos mais rápidos (menos pontos), de menor custo e que possibilitem aos seus idealizadores responderem, baseado em inferência estatística, a resposta a seus problemas.

Apesar de novas, as principais técnicas de planejamento de experimentos já existiam e potencialmente poderiam estar sendo sistematicamente aplicadas na indústria desde muitos anos. Porém, a grande maioria destas técnicas requer uma quantidade exaustiva de cálculos tornando fundamental o emprego dos recursos de informática. Um fator que tem impulsionado a aplicação industrial do planejamento de experimentos são as ferramentas computacionais de análise estatística e soluções corporativas que cada vez mais facilitam a realização das análises e manutenção e gerenciamento de dados. Neste sentido a tendência é que tais técnicas tornem-se cada vez mais próximas de aplicações práticas e, portanto, cada vez mais utilizadas.

É preciso estar claro também que, em estatística, Planejamento de Experimentos designa toda uma área de estudos que desenvolve técnicas de planejamento e análise de experimentos. Há atualmente todo um arsenal de técnicas, com vários níveis de sofisticação e uma quantidade não menor de livros sobre o assunto. Nesta página são listados os tipos mais conhecidas e de aplicação mais freqüente na indústria.

Glossário

Fatores ou Tratamentos: são as variáveis de controle ou entrada.
Níveis: correspondem às faixas de valores das variáveis de controle
Variável resposta: parâmetro de saída, resultante de uma variação nas variáveis de entrada.
Aleatorização: é a prática de realizar a escolha das corridas (ou pontos experimentais) por meio de um processo aleatório (tal como dados ou sorteio). Esta prática simples em muitos casos garante as condições de identidade e independência dos dados coletados e evita erros sistemáticos.
Blocos: são agrupamentos de dados para eliminar fontes de variabilidade que não são de interesse do expectador;

veja também um glossário com os principais termos sobre estatística emhttp://www.animatedsoftware.com/statglos/statglos.htm

Tipos de Planejamento

Tratamento em pares;
Tratamento em blocos;
Quadrado Latino;
Quadrado Greco-Latino;
Quadrado Hiper-Greco-Latino ;
Experimentos Fatoriais;

Etapas para o desenvolvimento de um Planejamento de Experimentos

Coleman & Montgomery (1993) propõem as seguintes etapas para o desenvolvimento de um Planejamento de Experimentos na Indústria:

Caracterização do problema
Escolha dos fatores de influência e níveis
Seleção das variáveis de resposta
Determinação de um modelo de planejamento de experimento
Condução do experimento
Análise dos dados
Conclusões e recomendações

Informações Adicionais - última verificação 11/11/1999 (voltar para início da página)

Artigos

COLEMAN, D. E.; MONTEGOMERY, D. C. (1993). A systematic approach to planning for a designed industrial experiment. Technometrics, v.35, n.1

Livros

BOX, G. E. P.; HUNTER, W. G.; HUNTER, J. S. (1978). Statistics for experimenters. New York: John Willey. ( Disponível na biblioteca IP )

MONTGOMERY, D. C. (1997). Introduction to statistical quality control. 3rd. ed. New York: Wile. (Disponível na biblioeca da EESC - USP).

MONTGOMERY, D. C. (1976). Design and analysis of experiments. New Yourk: Willey. (Disponívle na FEA - USP).

WERKEMA, M. C. C.; AGUIAR, S. (1996). Planejamento e análise de experimentos: como identificar as principais variáveis influentes em um processo. Belo Horizonte: Ufmg. (Disponível na biblioteca da EESC - USP).

WERKEMA, M. C. C.; AGUIAR, S. (1996). Otimização estatística de processo: como determinar a condição de operação de um processo que leva ao alcance de uma meta de melhoria. Belo Horizonte: Fundação Cristiano Ottoni. (Disponível na biblioteca da EESC - USP).

Revistas

Technometrics - Periodicidade Quadrimestral - Aborda métodos estatísticos para as áreas de química, física e engenharia. Grande parte dos artigos aborda o planejamento de eperimentos. http://www.asq.org/products/journals/techmet.html

Journal of Quality Technology - Periodicidade Quadrimestral - Métodos, aplicações e tópicos relacionados com a tecnologia da qualidade. Foca principalmente em técnicas estatísticas e aborda com freqüência artigos sobre Planejamento de Experimentos. http://www.asq.org/products/journals/jqt.html

Associações

ASQ-American Society for Quality(1998) http://www.asq.org/

Software

Statistica - Desenvolvedor Stat Soft - É um dos sistemas com melhor interface gráfica e com grandes possibilidades em termos de análises gráficas.http://www.statsoft.com/

SAS - Desenvolvedor SAS - É um dos melhores sistemas e está entre os mais amplamente utilizados por estatísticos. http://www.sas.com/

MINITAB - Desenvolvedor Minitab - Trata-se de um software clássico em termos de análise estatística. Amplamente difundido tem como seu forte o fato de possuir seus procedimentos de cálculo bastante validados. http://www.minitab.com/

Interactive Statistical Pages - Página Web que realiza análises estatísticas. Possui uma grande quantidade de links de softwares sobre estatística na internet. Tem a facilidade de prover vários softwares e mesmo a realização, dentro desta página, de algumas análises estatísticas básicas. http://members.aol.com/johnp71/javastat.html

Sites relacionados

Visual Statistics(1998) http://www.mhhe.com/business/opsci/doane/

Retornar para lista de conhecimentos