A IMPORTNCIA DO ENSINO DA FERRAMENTA DE

PLANEJAMENTO FATORIAL PARA ESTUDANTES DE

ENGENHARIA

Maria Carolina Burgos Costa mcarol@ufrnet.br

Universidade Federal do Rio Grande do Norte, Departamento de Engenharia de Materiais
Campus Universitrio Lagoa Nova - Caixa Postal: 1524
CEP 59072-970 Rio Grande do Norte
Cludio Romero Rodrigues de Almeida cacau@ufrnet.br
Universidade Federal do Rio Grande do Norte, Departamento de Engenharia de Materiais
Campus Universitrio Lagoa Nova - Caixa Postal: 1524
CEP 59072-970 Rio Grande do Norte

Resumo: Nos cursos de engenharia, vrias disciplinas evoluem com o progresso da

tecnologia, fazendo com que seja necessria uma adaptao constante por parte dos
professores, bem como uma predisposio a uma contnua reciclagem. A necessidade
crescente da otimizao de produtos e processos, minimizando custos e tempo, maximizando
rendimento, produtividade e qualidade de produtos, dentre outros objetivos, tem levado
profissionais de diferentes formaes a buscarem tcnicas de planejamento de experimentos.
Este trabalho tem como objetivo divulgar a importncia da ferramenta de planejamento
fatorial para os cursos de engenharia.
Palavras-chave: Planejamento de experimentos, Otimizao de processos, Engenharia

INTRODUO

A metodologia do planejamento fatorial, associada anlise de superfcies de respostas,

uma ferramenta fundamentada na teoria estatstica, que fornece informaes seguras sobre o
processo, minimizando o empirismo que envolve tcnicas de tentativa e erro (BOX et al.,
1978). No entanto, para que o uso dessa metodologia atinja os objetivos desejados,
necessrio haver uma integrao entre o processo, a estatstica e o bom senso, tanto da equipe
responsvel pela montagem dos experimentos, quanto da equipe responsvel pela anlise
estatstica e estratgica dos resultados. A utilizao direta de softwares amigveis, sem o
prvio conhecimento dos fundamentos da metodologia, pode constituir um grande risco e
levar o usurio a interpretaes perigosamente equivocadas.
fato bem conhecido que o desenvolvimento de um novo produto e/ou processo , em
geral, dependente de um grande nmero de variveis. O planejamento consciente dos
experimentos que devem ser realizados para determinar, e mesmo quantificar, a influncia das
variveis sobre as respostas desejadas, indispensvel para que resultados confiveis sejam
obtidos e para que anlises estatsticas consistentes possam ser realizadas. Nesse contexto,
considere-se que desenvolver produtos e processos atravs de procedimentos de tentativa e
erro, conforme registros do incio do sculo passado, foram, de fato, importantes naquele
momento. A forte competitividade, a difuso da tecnologia, bem como a competncia e a
responsabilidade dos pesquisadores atuais inviabiliza tais procedimentos. Tais idias so

aplicveis otimizao de produtos que j esto no mercado e sua adequao preferncia

do consumidor.
Alm disso, quantificar o efeito das variveis do processo atravs das tcnicas do
planejamento experimental, com o objetivo de obter informaes sobre a robustez ou no das
respostas desejadas, de fundamental importncia para a rea de implementao de controle
de processos. Assim, por exemplo, quando num processo a temperatura um dos fatores a ser
controlado, a quantificao da faixa de temperatura na qual o processo se mantm estvel,
essencial para a definio da estratgia de controle: se a resposta for robusta, ou seja, se o
processo se mantm estvel numa faixa razovel de temperatura, ento a implantao de um
controlador convencional do tipo PID suficiente, mais econmica e atinge o objetivo. Caso
contrrio, se qualquer alterao da temperatura desestabiliza o processo, um controlador
avanado adaptativo se faz necessrio.
Outro ponto importante a otimizao do rendimento de processos, de formulaes que
conduzam maior aceitao global do produto, bem como do custo, da produtividade, da cor
desejada, da pureza na recuperao de uma enzima, maior extrao de um produto e assim por
diante.
Este trabalho apresenta os principais aspectos relacionados com a importncia da
implementao da disciplina de planejamento de experimentos e otimizao de processos nos
cursos de engenharia. Para tal, so abordadas as principais vantagens do uso da tcnica, e uma
comparao entre as metodologias: estudo de uma varivel por vez e planejamento fatorial.
Uma reviso bibliogrfica utilizando os livros Como Fazer experimentos (BARROS NETO
et al, 2003) e Planejamento de Experimentos e Otimizao de Processos (RODRIGUES &
IEMMA, 2007) foi realizada, sendo mostrados aqui aspectos importantes e alguns exemplos
didticos apresentados nestes livros.
2

A DISCIPLINA DE PLANEJAMENTO FATORIAL

2.1 Modelos empricos

Quando se trata de modelar dados resultantes de experimentos ou observaes,
importante fazer a distino entre modelos empricos e modelos mecansticos. Essa diferena
ser esclarecida atravs de dois exemplos prticos.
Imagine-se que um astrnomo queira calcular a hora em que vai ocorrer o prximo
eclipse da Lua. Como se sabe, os fatos acumulados ao longo de sculos de observao e
especulao levaram, no final do sculo XVII, a uma teoria que explica perfeitamente os
fenmenos astronmicos no-relativsticos: a mecnica newtoniana. A partir das leis de
Newton possvel deduzir o comportamento dos corpos celestes como uma conseqncia
inevitvel das suas interaes gravitacionais. Este um modelo mecanstico: com ele
possvel prever as trajetrias dos astros porque sabe-se as causas que as provocam, isto , o
mecanismo por trs de seu comportamento conhecido. O astrnomo s precisa aplicar a
mecnica newtoniana s suas observaes e fazer as dedues necessrias. Ele no tem, alis,
de ficar restrito ao sistema solar: as leis de Newton aplicam-se universalmente. Em outras
palavras, a mecnica newtoniana tambm um modelo global.
Agora considere uma situao bem diferente e mais prxima de ns. Um qumico
encarregado de projetar uma fbrica piloto numa determinada reao recm-desenvolvida em
bancada. Ele sabe que o comportamento dessa reao pode ser influenciado por muitos
fatores: as quantidades iniciais dos reagentes, o pH do meio, o tempo de reao, a carga de
catalisador, a velocidade com que os reagentes so introduzidos no reator, a presena ou
ausncia de luz, e assim por diante. Mesmo que exista um modelo cintico para a reao em
questo, dificilmente ele poder levar em conta a influncia de todos esses fatores, alm de

outros mais que costumam aparecer quando se muda da escala de laboratrio para a escala
piloto. Numa fbrica em larga escala, ento, que normalmente o objetivo de longo prazo, a
situao ainda mais complexa. Surgem elementos imponderveis, como o nvel de
impurezas da matria-prima, a flutuao de fatores ambientais (umidade, por exemplo), a
estabilidade do processo como um todo, e at mesmo o prprio envelhecimento do
equipamento. Trata-se de uma situao muito complicada, para a qual difcil ser otimista
quanto possibilidade de se descobrir um modelo mecanstico to abrangente e eficaz como a
mecnica newtoniana. Num caso destes, o pesquisador deve recorrer forosamente a modelos
empricos, isto , modelos que procuram apenas descrever com base na evidncia
experimental, o comportamento do processo estudado. Isto totalmente diferente de tentar
explicar a partir de umas poucas leis o que est se passando, que o que procura fazer um
modelo mecanstico. Mesmo conseguir descrever, dito assim sem nenhuma adjetivao, pode
ser em muitos casos uma tarefa ambiciosa demais. Na modelagem emprica j nos damos por
satisfeitos se somos capazes de descrever o processo estudado na regio experimental
investigada. Isto quer dizer que modelos empricos so tambm modelos locais. Sua utilizao
para fazer previses para situaes desconhecidas corre por conta e risco do usurio.
Pode-se dizer que o curso de Planejamento Fatorial ensina as tcnicas mais empregadas
para o desenvolvimento de modelos empricos.
2.2 Planejamento e Otimizao de Experimentos
A essncia de um bom planejamento consiste em projetar um experimento de forma que
ele seja capaz de fornecer exatamente o tipo de informao que procuramos. Para isso
necessrio saber, em primeiro lugar, o que mesmo que se deseja procurar. Mais uma vez,
parece bvio, mas no bem assim. Pode-se mesmo dizer que um bom experimentador ,
antes de tudo, uma pessoa que sabe o que quer. Dependendo do que ele queira, algumas
tcnicas sero mais vantajosas, enquanto outras sero simplesmente incuas. Se voc quer
tornar-se um bom planejador, portanto, comece perguntando a si mesmo: O que eu gostaria de
ficar sabendo quando o experimento tiver terminado?
Como exemplo, pode-se imaginar um eixo que descreva o progresso de uma investigao
experimental, desde uma situao de praticamente nenhuma informao at a construo de
um (hipottico) modelo mecanstico global. Inicialmente, numa situao de pouca
informao, sequer se sabe quais so as variveis mais importantes para o sistema em estudo.
Nosso conhecimento talvez se limite a uma pequena experincia prtica ou a alguma
informao bibliogrfica. Nessas condies, a primeira coisa a fazer realizar uma triagem e
descartar as variveis no significativas, para no perder mais tempo e dinheiro com elas no
laboratrio. O uso de planejamentos fatoriais fracionrios uma maneira de alcanar esse
objetivo. Os planejamentos fracionrios so extremamente econmicos e podem ser usados
para estudar dezenas de fatores de uma s vez.
Tendo selecionado os fatores importantes, o prximo passo seria avaliar
quantitativamente sua influncia sobre a resposta de interesse, bem como as possveis
interaes de uns fatores com os outros. Para fazer isso com o mnimo de experimentos,
podem-se empregar planejamentos fatoriais completos. Ultrapassando esta etapa e desejando
obter uma descrio mais detalhada, isto , obter modelos mais sofisticados, pode-se
empregar a modelagem por mnimos quadrados.
s vezes o objetivo principal otimizar um sistema, isto , maximizar ou minimizar
algum tipo de resposta. Pode ocorrer que ao mesmo tempo tambm seja necessrio satisfazer
determinados critrios. Por exemplo: produzir a mxima quantidade de um determinado
produto, ao menor custo possvel, e sem fugir das especificaes. Nessa situao uma tcnica
conveniente a metodologia de superfcies de resposta (RSM).

Construir modelos empricos no basta. necessrio tambm avaliar se eles so

realmente adequados ao sistema que se deseja descrever. S ento tem cabimento procurar
extrair concluses desses modelos. Um modelo mal ajustado faz parte da fico cientfica, no
da cincia.
Como dito anteriormente, impossvel fazer uma avaliao da qualidade do ajuste de um
modelo sem recorrer a alguns conceitos bsicos de estatstica. Isto no significa, porm, que
voc tenha de se tornar um especialista em estatstica para poder se valer das tcnicas
apresentadas neste curso. Algumas noes baseadas na famosa distribuio normal so
suficientes, sendo muito importantes para a compreenso e a avaliao dos mtodos de
planejamento e anlise que sero apresentados.
2.3 Vantagens do uso do Planejamento Fatorial
Algumas vantagens do uso da ferramenta de Planejamento Fatorial so citadas a seguir:

Reduz o nmero de experincias ou repeties e melhora a qualidade da informao
obtida atravs dos resultados. Isto significa uma sensvel diminuio do trabalho e,
consequentemente, do tempo e do custo final.

Os fatores so analisados simultaneamente. Assim, pode-se verificar e quantificar
efeitos sinrgicos e antagnicos entre os fatores de interesse.

possvel otimizar mais de uma resposta ao mesmo tempo. Esta uma das grandes
vantagens do planejamento fatorial.

Permite calcular e avaliar o erro experimental. Isto fundamental para que possamos
especificar o nvel de confiana estatstica com o qual poderemos estimar a
reprodutibilidade do resultado desejado.

Depende mais da competncia do profissional em sua rea de atuao que de seus
conhecimentos em estatstica. Em outras palavras, com uma base mnima necessria
de estatstica, um pesquisador consciente poder desenvolver seus planejamentos com
sucesso.
Um alerta sobre os sistemas estatsticos amigveis lanado aqui. Atravs destes
sistemas, os resultados so obtidos por simples toques no teclado. Excelentes, para
profissionais conscientes, so verdadeiras caixas pretas e chegam a ser catastrficos para
aqueles mais afoitos.
Em diversas situaes, muito imediato estabelecer concluses a partir de um
experimento bem planejado, empregando apenas tcnicas de anlise bastante elementares. Por
outro lado, mesmo a anlise estatstica mais sofisticada no pode salvar um experimento que
tenha sido mal planejado (BOX et al., 1978).
3

COMPARAO DO USO DAS METODOLOGIAS: ESTUDO DE UMA

VARIVEL POR VEZ VERSUS PLANEJAMENTO FATORIAL

Para ilustrar esta comparao, dado um exemplo bsico de um experimento

desenvolvido em laboratrio:
Considere um caso em que deseja-se aumentar a pureza de um determinado produto
obtido a partir de um equipamento, no qual possvel controlar a temperatura e presso de
operao. Assim, opta-se por seguir o procedimento mais comumente utilizado para resolver
este tipo de problema, chamado de anlise univarivel.
Primeiramente, com base em algumas experincias prvias, a temperatura fixada em
o
65 C e alguns experimentos so feitos em diferentes valores de presso. Como mostrado na
Figura 1, pode-se notar que a maior pureza obtida neste conjunto de experimentos ocorre
quando a presso de aproximadamente 14,3 atm.

Figura 1 Experimentos univariveis em diferentes valores de presso de operao.

Fixando-se agora a presso em 14,3 atm e variando-se a temperatura, pode-se observar a
variao da pureza, como mostrado na Figura 2.

Figura 2 Experimentos univariveis em diferentes valores de temperatura de operao.

Desta forma, ser que pode-se afirmar que as condies timas de operao do
equipamento, que nos d uma pureza do produto um pouco maior que 80%, foram
encontradas?
Ao observar a Figura 3, pode-se perceber que as condies timas de operao ainda no
foram encontradas.

Figura 3 Comparao entre experimentos fatoriais e a anlise univarivel.

Alm disso, v-se que atravs deste tipo de metodologia, alm de no se atingir a regio
tima de operao, com 10 experimentos, no obtm-se nenhum tipo de informao que
indique o caminho mais adequado para a realizao de novos experimentos, visando alcanar
a regio do timo. Caso a opo escolhida fosse a realizao de experimentos fatoriais, seria
possvel obter as curvas de nvel mostradas na Figura 3 com um nmero de 11 experimentos,
como ser visto mais adiante.
Assim, com este exemplo didtico, pode-se observar que com um nmero praticamente
igual de experimentos, existe uma enorme diferena entre as duas metodologias, em termos de
informaes sobre o sistema estudado.
Supondo um novo exemplo, no qual deseja-se avaliar a influncia de algumas variveis
como temperatura, quantidade de catalisador e concentrao de um determinado reagente
sobre o rendimento de uma reao qumica. Assim, deseja-se descobrir como a resposta
depende dos fatores, ou ainda, como os fatores atuam sobre o nosso sistema, produzindo uma
determinada resposta. Percebe-se, dessa forma, que nosso sistema funciona como uma funo
desconhecida que liga os fatores (variveis de entrada) s respostas (variveis de sada). A
Figura 4 mostra esquematicamente o nosso problema:

Figura 4 Representao do problema.

Neste contexto, com um nmero reduzido de experimentos, as tcnicas discutidas neste
curso possibilitaro descobrir essa funo modelo emprico (ou uma aproximao dela), o
que poder fornecer informaes preciosas sobre a natureza do sistema em estudo, e assim,
ser possvel escolher, em cada caso, as melhores condies de operao para a maximizao
do rendimento da reao.
A escolha dos nveis dos fatores de extrema importncia, uma vez que uma m escolha
destes nveis iniciais pode acarretar em um nmero maior de experimentos necessrios para
otimizar nosso sistema. Quando possvel, esta escolha deve ser feita com base ou em ensaios
exploratrios ou em conhecimentos prvios do sistema.
4

CONSIDERAES FINAIS

A ferramenta de planejamento fatorial pode ser utilizada para diversos fins nas reas de
engenharia, levando busca de solues para determinados problemas atravs da realizao
de um planejamento experimental, que dar como resultado as possveis condies timas de
um produto/processo. Aplicando as tcnicas estatsticas apropriadas, possvel resolver
problemas experimentais de forma mais eficiente. No entanto, necessrio saber utilizar bem
as tcnicas, no s na anlise dos resultados experimentais, mas principalmente no prprio
planejamento dos experimentos, antes de fazer qualquer medio.

Agradecimentos
Aos professores Roy Edward Bruns e Maria Isabel Rodrigues, pelos ensinamentos
transmitidos relacionados utilizao da ferramenta de Planejamento Fatorial.
5

REFERNCIAS / CITAES

BARROS NETO, Bencio; SCARMINIO, Ieda Spacino; BRUNS, Roy Edward. Como Fazer
experimentos. 2. ed. Campinas, SP: Editora da Unicamp, 2003. 401 p.
BOX, G. E. P.; HUNTER, W. G. e HUNTER, J. S. Statistics for experimenters: an
introduction to design, data analysis and model building. New Yotk, Wiley, 1978.
RODRIGUES, Maria Isabel; IEMMA, Antonio Francisco. Planejamento de Experimentos e
Otimizao de Processos. 2. ed. Campinas, SP: Editora Casa do Po, 2007. 325 p.

THE IMPORTANCE OF THE FACTORIAL DESIGN TOOL FOR

ENGINEERING STUDENTS

Abstract: Many disciplines of engineering courses are evolving with advances in technology,
thus, its necessary an adaptation, as well as, a predisposition of engineering professors to
pick up a continuous recycling. Products and processes optimization and decreasing costs
and time, are very important to increase efficiency, productivity and quality of products,
among other objectives. Nowadays, professionals from different areas are using design
experimental tools and this paper aims to show the importance of this tool for engineering
courses.
Key-words: Experimental design, Processes Optimization, Engineering.