Estudo do desempenho de métodos de lenth na análise de planos do tipo split-plot na ausência de réplicas

• Autor(a) principal: Raphael Araújo Daniel, Carlos
• Data de Publicação: 2008
• Tipo de documento: Dissertação
• Idioma: por
• Título da fonte: Repositório Institucional da UFPE
• Texto Completo: https://repositorio.ufpe.br/handle/123456789/6178
• topic: Planejamento de experimentos; Experimentos não replicados; Planos experimentais complexos; Método de Lenth

No meio industrial é comum a utilização de experimentos como parte de programas de qualidade. Devido a restrições de custo, tais experimentos precisam ser cuidadosamente planejados de forma a atender aos objetivos com o mínimo de recursos. Para tanto, frequentemente são executados experimentos sem réplicas, com planos experimentais complexos e estruturas fatoriais de tratamentos que tornam a execução e análise do experimento mais desafiadora. A adoção de planos da classe split-plot, que envolvem mais de uma etapa de aleatorização, acomodando vários estágios durante sua execução, leva a uma redução no custo relativo à aplicação dos tratamentos. Por outro lado, experimentos com estruturas fatoriais de tratamentos, realizados sem réplicas, podem ser analisados através de gráficos de probabilidade normal ou half-normal dos efeitos, como proposto por Daniel (1959). A interpretação destes gráficos, no entanto, está sujeita à subjetividade. Lenth (1989) propôs um método objetivo de análise para esses experimentos. O método de Lenth foi depois reformulado por Ye et al. (2001) com o objetivo de aperfeiçoar o método original, dando origem ao método step-down Lenth. Melo (2007) investigou a eficiência dos métodos de Lenth e step-down Lenth na análise de experimentos strip-plot com estruturas fatoriais 2k na ausência de réplicas. Esta dissertação dá continuidade ao trabalho desenvolvido por Melo (2007) observando se o desempenho dos métodos é afetado quando o número de provas no experimento strip-plot é muito reduzido, o número de efeitos ativos aumenta, e as diversas fontes de variabilidade contribuem com diferentes valores, através de um estudo de simulação de Monte Carlo