DOE e Taguchi: uma comparação

DOE e Taguchi: uma comparação

Anos atrás (por volta de 1995!) preparei uma tabela comparando o DOE (Design of Experiments) clássico e o Método Taguchi de Engenharia Robusta, a qual compartilho com o leitor nesta edição. Após 3 décadas de experiência com inúmeras técnicas para melhoria de produtos e processos (desde as primeiras etapas de desenvolvimento até a produção em alta escala), constatei que há duas que ocupam, de longe, o primeiro lugar no pódio: TRIZ e Engenharia Robusta. Opino que estes métodos deveriam ser parte do curriculum de Engenharia, tamanha é a eficácia dos mesmos, especialmente se forem usados de maneira sinérgica (mas isso é assunto para outro artigo).

No ambiente industrial, não tenho nenhuma dúvida de que a Engenharia Robusta é muito superior ao DOE, no que diz respeito à obtenção de resultados em tempo hábil, de maneira econômica. Essa deveria ser a conclusão após um exame (e reflexão) sobre as diferenças apontadas na tabela. Tenho comprovado tal superioridade em inúmeros casos reais de aplicação. Escolas de engenharia e empresas de consultoria que ensinam Seis Sigma e/ou Delineamento de Experimentos mas que passam por alto os Métodos Taguchi estão fazendo um desserviço a seus clientes, sonegando-lhes informação extremamente valiosa (é claro que na maioria dos casos o fazem por absoluta ignorância, ou informação incompleta, distorcida ou antiquada sobre Taguchi). Empresas que não se preocupam em assegurar que seus engenheiros dominem o uso da Engenharia Robusta (deixando-os utilizar o “TIRO” para enfrentar problemas complexos de otimização) estão desperdiçando tremendas oportunidades de aplicar eficazmente e desenvolver o know-how de sua gente.

Bem, reconheço que a tabela a seguir é relativamente técnica. O entendimento completo da mesma pressupõe algum conhecimento sobre conceitos para realização de experimentos de engenharia. Por isso ofereço antes um pequeno glossário de alguns termos técnicos utilizados na tabela, visando facilitar o entendimento:

Mini-glossário (minha definição, sem maiores pretensões…)

Fator experimental: fator cujo efeito sobre a variável-resposta queremos quantificar, através dos dados experimentais.

Variável-resposta: variável aleatória associada ao produto ou processo sob estudo, cujo desempenho queremos melhorar.

Efeito principal: variação da resposta média causada pela mudança de nível de um fator experimental.

Nível de um fator: condição ou ajuste dado a um fator experimental.

Interação entre fatores: ocorre quando o efeito de um fator depende do nível em que está o outro.

ANOVA (Analysis of Variance): técnica estatística que permite identificar quais variáveis têm efeito significativo sobre a resposta média.

Teste F: teste estatístico de hipótese, utilizado para avaliar se duas amostras têm variância significativamente diferentes. Usado na ANOVA para avaliar (qualitativamente) o efeito que os fatores experimentais têm sobre a resposta média, em comparação com o erro experimental.

Fator de controle: fator experimental cujo ajuste (mudança de nível) não afeta ou tem mínimo impacto no custo unitário de manufatura (custo unitário totalmente variável).

Fator de ruído: fator normalmente associado ao ambiente de manufatura ou de uso, cujo ajuste pelo fabricante é impossível ou que implica aumento considerável do custo unitário de manufatura.

Fator aninhado: fator de controle que só existe ou se define dentro de um determinado nível de outro fator de controle.

Relação sinal/ruído: medida em escala logarítmica (decibéis) que expressa matematicamente a relação entre a energia transformada em resposta útil para o cliente (efeito dos fatores de controle e demais fatores de projeto) e a energia perdida em sintomas indesejáveis (efeito dos fatores de ruído). É um indicador relativo do nível de robustez do produto/processo sob estudo.

Tratamento: uma dada combinação de níveis dos fatores de controle e ruído, correspondente a uma “rodada” do experimento.

Erro experimental: incerteza associada ao valor da resposta e atribuída a fatores externos, distintos aos fatores de controle.

Aleatorização: técnica do DOE clássico cujo objetivo é “espalhar” o erro experimental ao acaso entre as várias rodadas ou “tratamentos” do experimento (isto é, diferentes combinações dos fatores e eventuais repetições das mesmas).

Blocagem: variação controlada de um fator externo (distinto dos fatores de controle), cujo nível é mantido constante dentro de cada “bloco” (determinado número de rodadas ou tratamentos).

Experimento fatorial completo: os tratamentos cobrem todas as possíveis combinações dos níveis dos fatores.

Experimento fatorial fracionado: os tratamentos cobrem apenas uma fração (matematicamente selecionada) dentre as possíveis combinações de níveis dos fatores experimentais.

| | DOE
clássico | TAGUCHI
(Engenharia Robusta) | | --- | --- | --- | | Contexto ideal | Pesquisa; ciência pura | Indústria; ciência aplicada (tecnologia) | | Objetivos | Estudo científico: validar hipótese a partir de dados com
variabilidade intrínseca. | Estudo de engenharia: custo, qualidade, prazo
(valor agregado) | | Modelar a realidade, entender o fenômeno | Modificar a realidade, otimizar produto/processo | | Obter um modelo válido sob condições rigorosamente controladas | Obter resultados experimentais que sejam reproduzíveis em alta escala
(fabricação e uso) | | Postura | Detectar causas | Minimizar o impacto das causas | | Separar efeitos principais em relação aoerro experimental | Achar condição estável diante do "ruído" | | Variável-
resposta | Estudo de médias, apenas | Estudo simultâneo da média e variabilidade
(relação sinal/ruído) | | Tendência de estudar múltiplas respostas | Tipicamente uma única resposta, relacionada c/ função primária do
produto/processo (transformação de energia realizada pelo produto/processo) | | Nenhuma ênfase na escolha da variável resposta. Tende a medir
atributos ou “sintomas” (porcentagens, rendimentos etc.) | Grande ênfase na escolha da resposta. Procura medir variáveis
contínuas diretamente relacionadas com a função básica do produto/ processo. | | Fatores estudados | Não há distinção | Distinção a priori entre fatores de controle efatores de ruído | | Aplicabilidade dos
resultados | Tipicamente pontual; restrita à faixa de variação dos fatores. | Tipicamente mais ampla, aplicável a toda uma faixa de interesse
(usando “resposta dinâmica”, com o objetivo de desenvolver tecnologias
robustas, utilizáveis em uma ampla faixa de uso). | | Metodologia | Rigor estatístico: ênfase em significância estatística (ANOVA e Teste
F) | Critérios de engenharia: ênfase em significância técnica e
considerações de custo | | Erro experimental: abordagem probabilística; erro considerado aleatório
e assumido como constante. | Erro experimental: abordagem determinística; erro considerado como
efeito do ruído, e assumido como não-constante. | | Ênfase em aleatorização (com o objetivo de “espalhar” o efeito de
fatores externos não-controláveis). | Nenhuma ênfase em aleatorização (devido ao uso de fatores de ruído,
os quais são impostos sobre os fatores de controle). Se a reprodutibilidade
dos resultados depende de aleatorização, então tais resultados são inúteis do
ponto de vista prático, pois durante a manufatura em alta escala e no ambiente
normal de uso as varáveis externas (fatores de ruído, cuidadosamente
controlados no experimento) estarão à solta. | | Blocagem utilizada de modo a “isolar” o efeito de fatores externo
controláveis (a fim de reduzir o erro experimental). | Blocagem (ruído composto) utilizada para impor o ruído sobre os fatores de controle, de modo a “forçar” a
variação da resposta em duas condições extremas (a fim de aumentar o erro experimental e assim
poder medir a robustez). | | Uso de replicações (amostras maiores em cada rodada), para poder
estimar o erro experimental. | O uso da técnica de ruído composto dispensa o uso de replicações.
Podem ser usadas amostras pequenas em cada rodada: tipicamente n=2, com um
valor em cada condição extrema do ruído, já que isso funciona como se fosse
uma amostra aleatorizada muito grande. | | Fatores de controle | Tipicamente 3 a 4 fatores estudados simultaneamente | Tipicamente 8 a 13 fatores estudados simultaneamente | | Dois níveis cada fator | Três níveis ou mais (a fim de explorar não linearidades e tendências,
e assim identificar nova região de otimização) | | Interações entre fatores
de controle | Considera apenas interações sobre a média. Reserva espaço no
experimento para o estudo de tais interações. | Não dá importância a interações sobre a média, já que estas depois
são canceladas ao ajustar a resposta média na condição ótima final.
Utiliza várias técnicas para evitar interações entre fatores de
controle sobre a relação sinal/ruído. O experimento confirmatório ajuda a
detectar esse tipo de interação (que permite medir o nível de robustez,
através da relação sinal/ruído). | | Interações têm precedência sobre efeitos principais (evitar
confundimento) | Efeitos principais têm precedência sobre interações (deixar que
eventuais confundimentos insuspeitos a priori se manifestem no experimento
confirmatório) | | Interações entre fatores
de controle e fatores de ruído | Não faz distinção | Ponto vital do estudo! Detectá-las é fundamental para conferir
robustez ao produto/processo. Utiliza a relação sinal/ruído para tal fim (a
qual contém uma “ANOVA embutida”). | | Uso de
matrizes experimentais | Recomenda usar fatorial completo (para não perder informação sobre
interações) | Recomenda não usar
fatorial completo (inviável para vários fatores com 3 níveis). A perda de informação
sobre interações entre fatores de controle não é relevante para o objetivo
de identificar a condição robustez dos fatores (mínima variabilidade diante
do ruído). | | --- | --- | --- | | Também usa fatorial moderadamente fracionado | Usa fatorial altamente fracionado (arranjo ortogonal saturado) | | Uso de fatorial fracionado visa reduzir o tamanho do experimento. | Uso do fatorial fracionado, em layout “cruzado” com o ruído, visa
detectar robustez e “filtrar” projetos não-robustos (além de reduzir o tamanho
do experimento). | | Adaptação da matriz às
condições particulares de cada experimento | Extremamente complexa, requer estatístico com alto grau de especialização
e experiência em DOE para lidar com experimentos não-simétricos (diferentes
número de níveis) ou fatores aninhados, por exemplo. | Extremamente facilitada com técnicas desenvolvidas por Taguchi. Pode
ser feita por engenheiros, após treinamento básico. |

E você? O que pensa sobre este tema? Qualquer comentário será muito bem-vindo.

Até a próxima edição!

Eduardo C. Moura

Submit a CommentCancel reply

Your email address will not be published.Required fields are marked \*

Comment \*

Name \*

Email \*

Website

Save my name, email, and website in this browser for the next time I comment.

Please enter an answer in digits:

two + thirteen =

[](https://qualiplus.com.br/es)