Design of experiments
Projeto, planejamento ou delineamento de experimentos
flexM4I > abordagens e práticas > business intelligence (BI) and analytics > Design of experiments (versão 1.2)
Autoria: Henrique Rozenfeld (roz@usp.br) com apoio do chatGPT 3.5 da OpenAI (leia mais)
| Esta seção é introdutória voltada para os níveis de detalhamento básico e executivo. Para a aplicação deste método você deve procurar fontes mais detalhadas. Para leitores do nível avançado, recomendamos o uso do livro: Montgomery, Douglas C. (2020). Design and analysis of experiments. Wiley. |
Definição
Design of Experiments (DoE) é uma metodologia sistemática e estruturada para planejar, conduzir e analisar experimentos (testes). DOE é algumas vezes denominado de design and analysis of experiments, uma vez que a análise é uma parte importante da execução de experimentos (Montgomery, 2020).
Além disso, este método não é utilizado somente no setor de manufatura, mas em todos os setores que necessitam rodar experimentos para avaliar alternativas e especificações de design.
| Em português: projeto, planejamento ou delineamento de experimentos, mas é comum empregar a sigla DOE. |
Objetivos
Segundo Montgomery (2020), aplicação do DOE no desenvolvimento de processos pode resultar em:
- Melhores resultados dos processo otimizados;
- Variabilidade reduzida e conformidade mais próxima com os requisitos nominais ou alvo;
- Tempo de desenvolvimento reduzido;
- Custos gerais reduzidos.
O mesmo autor afirma que “esses métodos de design experimental são importantes para as atividades de engenharia, no desenvolvimento de novos produtos e melhoria dos produtos existentes”. Algumas aplicações nessas atividades incluem (Montgomery, 2020):
- Avaliação e comparação de configurações básicas de design (do produto)
- Avaliação de alternativas de materiais
- Seleção de parâmetros de projeto (design) para que o produto funcione bem em uma ampla variedade de condições de campo, ou seja, para que o produto seja robusto
- Determinação dos principais parâmetros de design do produto que afetam o desempenho do produto
- Formulação de novos produtos.
| Observe o destaque para “que o produto seja robusto”. Comumente, o projeto robusto está associado ao método Taguchi. Como explicamos na seção sobre o método Taguchi, esta não é mais a realidade, apesar das controvérsias / polêmicas. |
O uso do DOE em desenvolvimento de produtos pode resultar em produtos mais fáceis de fabricar e com melhor desempenho e confiabilidade em campo (menor taxa de falhas), com menor custo e menor tempo de desenvolvimento (Montgomery, 2020).
Aplicação do DOE
O DOE pode ser aplicado em diversas áreas, como ciência, engenharia, marketing, pesquisa de mercado, gestão de operações, serviço e negócios.
No DoE são conduzidos experimentos (testes) de forma planejada, nos quais fatores (ou variáveis controladas – independentes) são alterados para avaliar o seu impacto sobre uma variável resposta.
Nesse contexto, são definidas variáveis independentes (fatores), que são controladas pelo experimentador, e variáveis dependentes (variável resposta), que são medidas ou observadas em resposta às mudanças nas variáveis independentes.
Uma característica do DoE é que ele permite a realização de experimentos de forma eficiente, reduzindo a necessidade de testar todas as combinações possíveis dos níveis (valores) das variáveis independentes. Em vez disso, o DoE se concentra em variar apenas os valores mais significativos das variáveis, economizando tempo e recursos. Isso é possível porque o método identifica as variáveis mais influentes e suas interações, permitindo que o experimentador se concentre nas partes mais relevantes do espaço de parâmetros (as variáveis). Com essa abordagem, a quantidade total de experimentos necessários pode ser significativamente reduzida, ao mesmo tempo em que se obtém uma compreensão mais profunda das relações entre as variáveis e seus efeitos sobre as variáveis dependentes.
Ruídos
No entanto, é importante reconhecer que, em qualquer experimento, podem ocorrer influências não controladas e não desejadas, conhecidas como ruídos. Esses ruídos podem surgir de fontes externas, flutuações aleatórias ou imprecisões instrumentais.
Apesar dos esforços para controlar e minimizar esses ruídos, eles não são completamente eliminados e podem afetar os resultados. Portanto, uma parte essencial do processo de DoE é o desenvolvimento de estratégias para identificar, quantificar e considerar esses ruídos em análises posteriores. Ao projetar experimentos e interpretar resultados, os experimentadores devem estar cientes da possível presença de ruídos que possam influenciar os resultados e suas implicações, garantindo assim uma abordagem científica robusta e confiável.
DIretrizes para projetar um experimento (Montgomery, 2020)
- Reconhecimento e declaração do problema
- Seleção da variável de resposta
- Escolha dos níveis e intervalos dos fatores
- Escolha do design experimental
- Realização do experimento
- Análise estatística dos dados
- Conclusões e Recomendações
Modelos estatísticos
O DoE emprega técnicas estatísticas para modelar as relações entre as variáveis independentes e dependentes, levando em consideração a variação observada nos resultados. Os modelos estatísticos podem incluir termos que representam os efeitos das variáveis independentes, bem como termos que capturam o impacto do ruído ou outras fontes de variação não controlada. Isso permite que os experimentadores avaliem a significância estatística das influências das variáveis independentes e também identifiquem se a variação observada nos resultados pode ser atribuída a ruídos.
|
Existem muitos pacotes de software interativos que auxiliam a realização da “escolha do design experimental” e a “análise estatística dos dados” (Montgomery, 2020).
(design*: design do experimento) |
Em essência, a análise estatística no DoE permite quantificar a contribuição das variáveis independentes e determinar se a variação adicional nos resultados é explicada ou não pelo ruído. Isso ajuda os pesquisadores a fazer conclusões mais informadas sobre a influência das variáveis independentes nas variáveis dependentes, mesmo quando os ruídos não podem ser totalmente controlados.
Portanto, o DoE oferece uma abordagem robusta para lidar com situações em que a influência do ruído é uma preocupação, permitindo que os experimentadores avaliem a importância relativa das variáveis independentes e a incerteza introduzida pelo ruído nos resultados finais.
DOE versus método Taguchi
No tópico “Limitações e polêmicas” da seção sobre o método Taguchi, discutimos sobre a comparação desses métodos.
DOE como ponto comum entre design for six sigma e design for reliability
Mettas (2010) comparou no seu artigo o design for six sigma (DFSS) com o Design for reliability (DfR), mostrando as principais ferramentas que essas metodologias utilizam.
| Se desejar ler as definições de DFSS e DfR, acesse o glossário por meio dos links das duas metodologias, colocador no parágrafo anterior. |
Segundo Mettas (2010):
- O objetivo primordial do DFSS é obter uma redução substancial nas não conformidades e variações dos produtos e durante a sua produção. Isso tem início ao compreender as expectativas e necessidades dos clientes, bem como ao abordar as questões críticas para a qualidade (CTQs – Critical to Quality) antes que um projeto possa ser concluído. Tipicamente, em um programa de DFSS, somente uma fração reduzida dos CTQs está relacionada à confiabilidade, fazendo com que esta não seja o foco central do DFSS. As questões de longo prazo (pós-fabricação) que possam surgir no produto raramente são analisadas pelo DFSS.
- Por outro lado, o Design for Reliability é um procedimento voltado para alcançar uma confiabilidade duradoura. Esse processo visa identificar e prevenir problemas de design logo no início da fase de desenvolvimento, evitando a transferência desses problemas para o cliente posteriormente.
No seu estudo, Mettas (2010) estruturou as ferramentas dessas duas metodologias ilustrando a sua superposição. Observe que o DOE é um ponto comum entre as duas.
Figura 944: principais ferramentas do design for six sigma (DFSS) e do Design for reliability (DfR)
Fonte: adaptado de Metas (2010)
DOE e a sustentabilidade
Como a aplicação do DOE faz parte tanto da metodologia de design for six sigma (DFSS), como de design for reliability (DfR). Essas metodologias são consideradas práticas da estratégia de economia circular de prolongar a vida de produtos, pois essas práticas aumentam a qualidade e diminuem a taxa de falhas. Isso evita que o produto tenha problemas, o que exigiria o seu reparo e/ou substituição.
A estratégia de projetar produtos com um ciclo de vida longo faz parte da categoria de desaceleração do ciclo de recursos da economia circular (Bocken et al., 2016).
Informações adicionais
Este vídeo no YouTube apresentado por Shady Attia é para os leitores no nível de detalhamento avançado e mostra alguns métodos para aplicação do DOE.
Apoio do chatGPT 3.5
Os textos que não possuem uma referência direta foram obtidos da seguinte forma. Nós selecionamos as referências listadas a seguir e solicitamos para o chat GPT 3.5 propor uma versão inicial resumida sobre os tópicos desta seção. Essa versão foi melhorada por meio de “debates” com o chat GPT, contribuições de autores da flexM4i, consulta e revisão por especialistas. A versão inicial gerada pelo chat GPT não foi utilizada.
https://en.wikipedia.org/wiki/Design_of_experiments
https://edisciplinas.usp.br/pluginfile.php/5077717/mod_resource/content/0/3.DOE2018.pdf
Referências
Bocken, N. M. P., de Pauw, I., Bakker, C., & van der Grinten, B. (2016). Product design and business model strategies for a circular economy. Journal of Industrial and Production Engineering, 33(5), 308–320. https://doi.org/10.1080/21681015.2016.1172124
Mettas, A. (2010). Design for reliability: Overview of the process and applicable techniques. International Journal of Performability Engineering, 6(6), 577–586.
Montgomery, Douglas C. (2020). Design and analysis of experiments. Wiley.
Gostaria de contribuir com casos, exemplos, críticas, revisão ou dicas? Escreva para flexm4i.email@gmail.com. Assim, você se tornará um colaborador da flexM4I e seu nome irá aparecer no cabeçalho desta seção e no “quem somos nós”.