Exemplo de Análise de variabilidade

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.

  1. Abra os dados amostrais, ResistênciaDoIsolamento.MTW.
  2. Conclua Exemplo de Respostas do pré-processo para análise de variabilidade.
  3. Selecione Estat > DOE (Planejamento de Experimento) > Fatorial > Análise de variabilidade.
  4. Em Resposta (desvios padrão):, insira Pad.
  5. Clique em Termos.
  6. Em Incluir termos no modelo por toda a ordem, Escolha 2 na lista suspensa. Clique em OK.
  7. Clique em Gráficos.
  8. Em Gráficos de Efeitos, selecione Pareto.
  9. Em Gráficos de Resíduos, selecione Três em um.
  10. Clique em OK em cada caixa de diálogo.

Interpretar os resultados

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.

Método

EstimaçãoMínimos quadrados

Coeficientes Codificados para Ln(Std)

TermoEfeitoRazão de
Efeitos
CoefEP de CoefValor-TValor-PVIF
Constante    0,34240,04817,120,001 
Material-0,95980,3830-0,47990,0481-9,990,0001,00
PressInj-0,18450,8315-0,09220,0481-1,920,1131,00
TempInj0,05551,05710,02780,04810,580,5891,00
TempFria-0,12590,8817-0,06290,0481-1,310,2471,00
Material*PressInj-0,99180,3709-0,49590,0481-10,320,0001,00
Material*TempInj0,18751,20620,09370,04811,950,1091,00
Material*TempFria0,00561,00560,00280,04810,060,9561,00
PressInj*TempInj-0,07920,9239-0,03960,0481-0,820,4481,00
PressInj*TempFria-0,09000,9139-0,04500,0481-0,940,3921,00
TempInj*TempFria0,00661,00660,00330,04810,070,9481,00

Sumário do Modelo para Ln(Std)

SR2R2(aj)R2(pred)
0,54904097,75%93,25%76,97%

Análise de Variância para Ln(Std)

FonteGLSQ (Aj.)QM (Aj.)Valor FValor-P
Modelo1065,49706,549721,730,002
  Linear431,78387,945926,360,001
    Material130,055930,055999,710,000
    PressInj11,11041,11043,680,113
    TempInj10,10050,10050,330,589
    TempFria10,51700,51701,710,247
  Interações de 2 fatores633,71325,618918,640,003
    Material*PressInj132,095332,0953106,470,000
    Material*TempInj11,14661,14663,800,109
    Material*TempFria10,00100,00100,000,956
    PressInj*TempInj10,20460,20460,680,448
    PressInj*TempFria10,26420,26420,880,392
    TempInj*TempFria10,00140,00140,000,948
Erro51,50720,3014   
Total1567,0043     

Equação de Regressão em Unidades Não codificadas

Ln(Std)=-1,30 - 0,158 Material + 0,0148 PressInj + 0,0180 TempInj + 0,0031 TempFria
- 0,01322 Material*PressInj + 0,01250 Material*TempInj + 0,00028 Material*TempFria
- 0,000141 PressInj*TempInj - 0,000120 PressInj*TempFria
+ 0,000044 TempInj*TempFria

Estrutura de Aliases

FatorNome
AMaterial
BPressInj
CTempInj
DTempFria
Aliases
I
A
B
C
D
AB
AC
AD
BC
BD
CD