5.2 - Fatoriais fracionados sequenciais

Usando planejamentos fatoriais fracionados podemos ter uma grande economia e eficiência no experimento, particularmente se o experimento for conduzido sequencialmente. Por exemplo, suponha que tenhamos que investigar um fatorial k = 4 fatores ($2^4$ = 16). Porém é preferível termos um experimento pela metade, ou seja, $(2^{4-1}_{IV})$ fatorial com 8 corridas, analisar os resultados e então decidir qual o melhor conjunto para correr em seguida. Se for necessário desenvolver ambiguidades é preferível que o experimento seja conduzido de maneira alternada até completar o fatorial. Quando este método for escolhido, ambas as frações do fatorial representam blocos do planejamento completo, com a maior ordem das interações confundida com os blocos (ABCD). Podemos afirmar que os experimentos sequenciais podem perder informação, mas apenas nas interações mais altas. De outra maneira podemos também aprender o suficiente com a primeira fração e poderemos fazer novas análises dos dados, excluir fatores, interações e até aumentar o intervalo de varredura de certas variáveis.

Exemplo 5.2.1

Considere a taxa de filtragem definida na tabela a seguir. A taxa de filtragem depende dos fatores envolvidos no processo:

• Temperatura (A);
• Pressão (B);
• Concentração de gás (utilizado para esterilização) (C);
• Taxa de filtragem (D).

Iremos utilizar a resolução $2^{4-1}_{IV}$ com I = ABCD. O experimento básico tem o número necessário de corridas, mas somente três fatores (colunas). Para encontrar o nível do quarto fator fazemos D = ABC. Então o nível D em cada corrida é definido como o produto dos sinais de + e - nas colunas A, B e C. Como o gerador ABCD é positivo, este experimento $2^{4-1}_{IV}$ é chamado fração principal.

Tabela 5.2.1: Planejamento $2^{4-1}_{IV}$ com a relação definida I=ABCD.

^{clique aqui para efetuar o download dos dados utilizados nesse exemplo}

O experimento está ilustrado segundo a figura abaixo

Figura 5.2.1: Planejamento do tipo $2^{4-1}_{IV}$ para a taxa de Filtragem.

Para entender como executar essa função do Software Action, você pode consultar:

Para entender como executar essa função do Software Action, você pode consultar o manual do usuário.

Como seriam analisados se apenas metade do fatorial fosse considerado? Mais ainda, que análises poderíamos fazer sabendo que os fatores A, C e D e as interações AC e AD são todas diferentes de zero?

Neste caso estaremos usando um fatorial com resolução IV, $(2^{4-1})$. Usando ainda as definições do experimento podemos escrever que os efeitos principais e suas estruturas de aliases estão relacionados com a interações de terceira ordem; ou seja,

\[A=A*ABCD=A^2BCD=BCD\]

\[B=B*ABCD=AB^2CD=ACD\]

\[C=C*ABCD=ABC^2D=ABD\]

\[D=D*ABCD=ABCD^2=ABC\]

Cada interação de segunda ordem está relacionada com outra relação de segunda:

\[AB=CD,~AC=BD,~BC=AD.\]

 As estimativas dos efeitos obtidos do experimento são:

\[A = \overline{Y}_{A+} - \overline{Y}_{A-} = \frac{100+65+60+96}{4}-\frac{45+45+75+80}{4}= 80,25-61,25=19\]
\[B = \overline{Y}_{B+} - \overline{Y}_{B-} = \frac{45+65+75+60}{4}-\frac{45+100+75+60}{4}=71,50-70=1,50\]
\[C = \overline{Y}_{C+} - \overline{Y}_{C-} = \frac{75+60+80+96}{4}-\frac{45+100+45+65}{4}=77,75-63,75=14\]
\[D = \overline{Y}_{D+} - \overline{Y}_{D-} = \frac{100+45+75+96}{4}-\frac{45+65+60+80}{4}=79-62,50=16,50\]
\[AB = \overline{Y}_{AB+} - \overline{Y}_{AB-} = \frac{45+65+75+96}{4}-\frac{100+45+60+80}{4}=70,25-72,25=-1\]
\[AC = \overline{Y}_{AC+} - \overline{Y}_{AC-} = \frac{45+45+60+96}{4}-\frac{100+65+75+80}{4}=61,50-80=-18,50\]
\[AD = \overline{Y}_{AD+} - \overline{Y}_{AD-} = \frac{45+100+80+96}{4}-\frac{45+65+75+60}{4}=80,25-61,25=19\]

Os resultados obtidos no Action são dados a seguir

Para entender como executar essa função do Software Action, você pode consultar:

Para entender como executar essa função do Software Action, você pode consultar o manual do usuário.

Exercício 5.2.2 

Deseja-se verificar a quantidade de alimento que migra através de uma embalagem num processo de estocagem de acordo com quatro fatores. Para cada um dos fatores temos os seguintes níveis:

• A: tempo de estufa (em minutos) nos níveis 27 e 33;
• B: temperatura de estufa (em ºC) nos níveis 17 e 23;
• C: temperatura de tara (em ºC) nos níveis 90 e 120;
• D: tempo de resfriamento (em minutos) nos níveis 2 e 4.

Neste caso, temos 4 fatores, o que nos daria 16 corridas se fôssemos executar o experimento completo. Decidimos então fracionar o experimento em duas partes e executar 4 réplicas. Os dados são apresentados na tabela a seguir.

Tabela 5.2.3: Conjunto de dados.

^{clique aqui para efetuar o download dos dados utilizados nesse exemplo}