A apresentação está carregando. Por favor, espere

A apresentação está carregando. Por favor, espere

Aulas terças e quintas de 8-10h- sala F2-009 ou LIG/IM Livro texto: Montgomery, D. C. Avaliações: P1 (30/09), P2(25/11), trabalho a ser definido e PF/2C(02/12)

Apresentações semelhantes


Apresentação em tema: "Aulas terças e quintas de 8-10h- sala F2-009 ou LIG/IM Livro texto: Montgomery, D. C. Avaliações: P1 (30/09), P2(25/11), trabalho a ser definido e PF/2C(02/12)"— Transcrição da apresentação:

1 Aulas terças e quintas de 8-10h- sala F2-009 ou LIG/IM Livro texto: Montgomery, D. C. Avaliações: P1 (30/09), P2(25/11), trabalho a ser definido e PF/2C(02/12) Página da disciplina: Chapter 1 Design & Analysis of Experiments 7E 2009 Montgomery1

2 Douglas C. Montgomery Regents Professor of Industrial Engineering and Statistics ASU Foundation Professor of Engineering Arizona State University Chapter 1 Design & Analysis of Experiments 7E 2009 Montgomery 2

3 Why is this trip necessary? Goals of the course An abbreviated history of DOX Some basic principles and terminology The strategy of experimentation Guidelines for planning, conducting and analyzing experiments Chapter 1 Design & Analysis of Experiments 7E 2009 Montgomery3

4 An experiment is a test or a series of tests Experiments are used widely in the engineering world Process characterization & optimization Evaluation of material properties Product design & development Component & system tolerance determination All experiments are designed experiments, some are poorly designed, some are well-designed Chapter 1 Design & Analysis of Experiments 7E 2009 Montgomery4

5 Reduce time to design/develop new products & processes Improve performance of existing processes Improve reliability and performance of products Achieve product & process robustness Evaluation of materials, design alternatives, setting component & system tolerances, etc. Chapter 1 Design & Analysis of Experiments 7E 2009 Montgomery5

6 The agricultural origins, 1908 – 1940s W.S. Gossett and the t-test (1908) R. A. Fisher & his co-workers Profound impact on agricultural science Factorial designs, ANOVA The first industrial era, 1951 – late 1970s Box & Wilson, response surfaces Applications in the chemical & process industries The second industrial era, late 1970s – 1990 Quality improvement initiatives in many companies Taguchi and robust parameter design, process robustness The modern era, beginning circa 1990 Chapter 1 Design & Analysis of Experiments 7E 2009 Montgomery6

7 Chapter 1 Design & Analysis of Experiments 7E 2009 Montgomery7 R. A. Fisher (1890 – 1962) George E. P. Box

8 Randomization Running the trials in an experiment in random order Notion of balancing out effects of lurking variables Replication Sample size (improving precision of effect estimation, estimation of error or background noise) Replication versus repeat measurements? (see pages 12, 13) Blocking Dealing with nuisance factors Chapter 1 Design & Analysis of Experiments 7E 2009 Montgomery8

9 É a pedra fundamental subjacente ao uso de métodos estatísticos em DOX. A alocação do material experimental e a ordem na qual as provas são realizadas são determinadas aleatoriamente. Métodos estatísticos requerem que as observações (ou erros) sejam variáveis aleatórias independentemente distribuídas. A aleatorização geralmente torna essa exigência válida. Programas de computador são muito usados para auxiliar experimentadores na seleção e construção de desenhos/planos experimentais.

10 Algumas vezes os experimentadores se deparam com situações nas quais a aleatorização de alguma característica do experimento é complicada. Por ex.: num processo químico a temperatura pode ser uma variável difícil de variar, de modo que podemos desejar alterar seus níveis com menor frequência do que os níveis dos outros fatores. Num experimento desse tipo a aleatorização completa seria difícil, porque adicionaria tempo e custo. Existem métodos estatísticos de planejamento para lidar com restrições sobre a aleatorização.

11 Repetições independentes de cada combinação de fatores. Propriedades importantes associadas: (R1) Permite obter uma estimativa do erro experimental. (R2) Se a média amostral é usada para estimar a verdadeira média da resposta para um dos níveis de um fator, a replicação permite obter uma estimativa mais precisa desse parâmetro.

12 Técnica usada para melhorar a precisão com a qual comparações entre os fatores de interesse são feitas. Usada para reduzir ou eliminar a variabilidade devida aos fatores de ruído – fatores que podem influenciar a resposta, mas não são de interesse direto. Um bloco pode ser pensado como um conjunto de condições experimentais relativamente homogêneas.

13 Best-guess experiments Used a lot More successful than you might suspect, but there are disadvantages… One-factor-at-a-time (OFAT) experiments Sometimes associated with the scientific or engineering method Devastated by interaction, also very inefficient Statistically designed experiments Based on Fishers factorial concept Chapter 1 Design & Analysis of Experiments 7E 2009 Montgomery13

14 In a factorial experiment, all possible combinations of factor levels are tested The golf experiment: Type of driver Type of ball Walking vs. riding Type of beverage Time of round Weather Type of golf spike Etc, etc, etc… Chapter 1 Design & Analysis of Experiments 7E 2009 Montgomery14

15 Chapter 1 Design & Analysis of Experiments 7E 2009 Montgomery15

16 Chapter 1 Design & Analysis of Experiments 7E 2009 Montgomery16

17 Chapter 1 Design & Analysis of Experiments 7E 2009 Montgomery17

18 Chapter 1 Design & Analysis of Experiments 7E 2009 Montgomery18

19 Chapter 1 Design & Analysis of Experiments 7E 2009 Montgomery19 Factorial Designs with Several Factors A Fractional Factorial

20 Se os k fatores possuem 2 níveis cada um, o planejamento fatorial exigirá 2 k provas. Obviamente, se o número de fatores cresce, o número de provas cresce rapidamente. (k=10 implica em 1024 provas) Isso logo se torna inviável do ponto de vista de tempo e recursos. Felizmente, se existem 4 ou mais fatores, geralmente é desnecessário considerar todas as combinações possíveis dos níveis dos fatores.

21 Um experimento fatorial fracionado é uma variação do experimento fatorial básico no qual somente um subconjunto de todas as combinações possíveis é usado.

22 1. Recognition of & statement of problem 2. Choice of factors, levels, and ranges 3. Selection of the response variable(s) 4. Choice of design 5. Conducting the experiment 6. Statistical analysis 7. Drawing conclusions, recommendations Chapter 1 Design & Analysis of Experiments 7E 2009 Montgomery22

23 Geralmente é útil solicitar informações a todas as partes envolvidas: engenharia, garantia de qualidade, administração, cliente, e pessoa de operação (que geralmente têm muita experiência e em geral costuma ser ignorada.) Questões importantes a cerca do experimento devem ser formuladas. Um enunciado claro do problema geralmente contribui substancialmente para melhor compreender o fenômeno em estudo e a sua solução final. Em geral, uma abordagem sequencial, empregando uma série de experimentos menores, cada um com um objetivo específico tal como seleção de fatores, é uma melhor estratégia. Chapter 1 Design & Analysis of Experiments 7E 2009 Montgomery23

24 Os fatores que podem influenciar um processo podem ser classificados tanto como potenciais fatores de planejamento como fatores de ruído. Os potencias fatores de planejamento são aqueles que podem ser variados de forma controlada no experimento. Fatores de ruído, por outro lado, podem ter grandes efeitos que devem ser levados em conta, apesar de poder não se estar interessado neles no contexto do experimento. Chapter 1 Design & Analysis of Experiments 7E 2009 Montgomery24

25 Na seleção da variável resposta, o experimentador deve estar realmente certo de que a variável escolhida realmente forneça informação útil sobre o processo em estudo. Muito frequentemente, a média ou o desvio-padrão (ou ambos) das medidas características serão a resposta. Respostas múltiplas são comuns. Chapter 1 Design & Analysis of Experiments 7E 2009 Montgomery25

26 As etapas 1, 2 e 3 podem ser consideradas como uma etapa pré-experimental. Se forem adequadamente realizadas, esse passo será simples. A escolha do planejamento envolve considerações de tamanho da amostra (número de replicações), seleção de ordem das provas sobre as unidades experimentais, e determinação da necessidade ou não de blocagem ou restrições de aleatorização. Chapter 1 Design & Analysis of Experiments 7E 2009 Montgomery26

27 Quando o experimento está sendo realizado, é importante monitorar o processo para assegurar que tudo está sendo feito de acordo com o planejado. Erros no procedimento experimental nesse estágio geralmente destruirão a validade experimental. Experimentos pilotos poderão ser úteis. Chapter 1 Design & Analysis of Experiments 7E 2009 Montgomery27

28 Métodos estatísticos devem ser usados para analisar os dados para que os resultados e conclusões tornem-se objetivos e não julgamentos in natura. Se o experimento é bem planejado e executado, os métodos estatísticos requeridos são simples. Métodos gráficos representam papel importante nessa etapa de análise e interpretação. Lembre que métodos estatísticos não podem provar que um fator (ou fatores) tem um particular efeito. Eles apenas fornecem subsídios para a confiabilidade e validade dos resultados. Chapter 1 Design & Analysis of Experiments 7E 2009 Montgomery28

29 Depois de analisados os dados, o experimentador deve inferir conclusões práticas sobre os resultados e recomendar uma linha de ação. Métodos gráficos são muito usados nessa etapa, particularmente quando é necessário apresentar os resultados para outras pessoas. Repetições de realizações e testes de confirmação devem também ser realizados para validar as conclusões. Chapter 1 Design & Analysis of Experiments 7E 2009 Montgomery29

30 É importante se ter em mente que experimentação é uma parte importante do processo de aprendizagem, no qual formulamos hipóteses, e com base nos resultados formulamos novas hipóteses, etc. Isso sugere que a experimentação é um processo iterativo. É um grande erro planejar um experimento único, grande e complexo para começar um estudo. Chapter 1 Design & Analysis of Experiments 7E 2009 Montgomery30

31 conhecimento dos fatores importantes, seus campos de variação, quantos níveis usar e as unidades de medidas das variáveis é necessário para ter sucesso. Ao longo do processo é possível deixar de lado um fator,incluir outro, mudar o campo de variação de um fator, adicionar outras respostas, etc. Ou seja: experimenta-se de forma sequencial e, como uma regra geral, não mais do que 25% dos recursos disponíveis devem ser investidos no primeiro experimento. Isso asegurará que recursos suficientes estarão disponíveis para realizar corridas de confirmação. Chapter 1 Design & Analysis of Experiments 7E 2009 Montgomery31

32 Get statistical thinking involved early Your non-statistical knowledge is crucial to success Pre-experimental planning (steps 1-3) vital Think and experiment sequentially (use the KISS principle – Keep it simple and straightforward) See Coleman & Montgomery (1993) Technometrics paper + supplemental text material Chapter 1 Design & Analysis of Experiments 7E 2009 Montgomery32

33 Leitura da seção 1.2: Algumas aplicações comuns de Planejamento de Experimentos; exercícios 1, 3 e 5.


Carregar ppt "Aulas terças e quintas de 8-10h- sala F2-009 ou LIG/IM Livro texto: Montgomery, D. C. Avaliações: P1 (30/09), P2(25/11), trabalho a ser definido e PF/2C(02/12)"

Apresentações semelhantes


Anúncios Google