Um engenheiro de qualidade de um fabricante de produtos de construção está desenvolvendo um novo produto de isolamento. O engenheiro cria um experimento fatorial completo em 2 níveis para estudar os efeitos de vários fatores na variação da resistência do isolamento. Ao realizar o experimento de resistência, o engenheiro decide coletar amostras extras para examinar os efeitos dos fatores na variabilidade na resistência do isolamento. O engenheiro coleta seis medições repetidas de resistência em cada combinação de configurações de fator e calcula o desvio padrão das repetições.
O engenheiro analisa a variabilidade um experimento fatorial para determinar como o tipo de material, a pressão de injeção, a temperatura de injeção e a temperatura de arrefecimento afetam a variabilidade na resistência do isolamento.
Na análise da Tabela de Variância, o valor-p para o efeito principal do Material e a interação Material*InjPress são significativos no nível α de 0,05. O engenheiro pode considerar a redução do modelo.
O valor de R2 mostra que o modelo explica 97,75% da variância em resistência, o que indica que o modelo ajusta os dados extremamente bem.
O gráfico de Pareto dos efeitos possibilita a identificação visual dos efeitos importantes e compara a magnitude relativa dos vários efeitos. Além disso, é possível ver que o maior efeito é Material*InjPress (AB) porque se estende para mais distante. Material*CoolTemp (AD) é o menor porque se estende menos.
Os gráficos de resíduos não indicam nenhum problema com o modelo.