Exemplo de Gráficos fatoriais com um experimento fatorial.

Um engenheiro de materiais de um fabricante de produtos de construção está desenvolvendo um novo produto de isolamento. O engenheiro cria um experimento fatorial completo de 2 níveis para avaliar vários fatores que poderiam afetar a potência, a densidade e o valor isolante do isolamento.

O engenheiro ajusta o modelo de experimento fatorial e usa Gráficos fatoriais para compreender melhor os efeitos.

  1. Abra os dados das amostras, PropriedadesDoIsolamento_modelo.MTW.
  2. Selecione Estat > DOE (Planejamento de Experimento) > Fatorial > Gráficos Fatoriais.
  3. Em Resposta, selecione Isolamento.
  4. Em Variáveis para Incluir nos Gráficos, mova Material, TempInj e TempFria a partir na lista de Disponível para a lista de Selecionada.
  5. Clique em OK.

Interpretar os resultados

The interaction plot shows the fitted mean of the insulating value versus combinations of material, injection temperature, and cooling temperature. This plot shows apparent interaction effects because the lines are not all parallel, which implies that the relationship between insulating value and each factor depends on the setting of another factor. The results of Analisar um experimento fatorial indicate that the interaction effects for Material*CoolTemp and InjTemp*CoolTemp are statistically significant.

O gráfico para a interação Material*TempArref mostra que o efeito da temperatura de arrefecimento sobre o isolamento é maior do que para a Fórmula 1 para a Fórmula 2.

A relação entre o valor de isolamento e a temperatura de injeção depende da temperatura de arrefecimento. Quando o produto é fabricado com InjTemp 85, o valor de isolamento é quase igual para ambas as temperaturas de arrefecimento. No entanto, com InjTemp 100, a temperatura de arrefecimento está associada a valores de isolamento substancialmente diferentes. InjTemp 100 e CoolTemp45 estão associados com os valores de isolamento mais elevados.

Os gráficos de efeitos principais mostram as médias ajustadas para cada nível de cada variável categórica. Como as linhas não são horizontais, os efeitos principais estão presentes em todas essas variáveis. Os resultados de Analisar um experimento fatorialconfirmam que os efeitos principais são todos estatisticamente significativos. No entanto, como os efeitos de interação são estatisticamente significativos, o gráfico de efeitos principais podem ser enganador. Consequentemente, não é possível interpretar os efeitos principais sem considerar os efeitos de interação.

Ao usar esse site, você concorda com a utilização de cookies para análises e conteúdo personalizado.  Leia nossa política