Análise preditiva: O parceiro perfeito para ajudar no planejamento de seu DOE

Joshua Zable | 1/17/2023

Tópicos: Design of Experiments - DOE, Predictive Analytics

Planejamento de experimentos oferecem vantagens significativas.   Eles podem ser usados em várias situações e efetivamente possibilitam o manuseio de inúmeros fatores de entrada para determinar seu efeito em uma resposta desejada. Eles também identificam interações importantes que podem ser perdidas em experimentos com um fator por vez.

A fase de planejamento de um DOE é fundamental para o sucesso. Muitas vezes, os DOEs são interrompidos devido a obstáculos descobertos na fase de planejamento. Por exemplo, DOEs que parecem ser muito caros ou complicados ou carecem de informações importantes são frequentemente descartados antes mesmo de terem a oportunidade de apresentar resultados. Felizmente, as análises preditivas avançadas constituem uma ferramenta poderosa e acessível que pode ajudar a eliminar os obstáculos à criação de um DOE ou até mesmo aumentar suas chances de sucesso.

Problema 1: Você deseja executar uma filtragem de experimento, mas não pode parar um sistema (ou processo) para realizar a coleta de dados ou a coleta de dados é muito cara.

As filtragens de experimentos (Filtragem de DOEs) são usadas​por profissionais para identificar as variáveis mais importantes em um processo de um campo de muitas variáveis potenciais. Elas permitem que o profissional reduza o tamanho do experimento, o que economiza tempo e dinheiro. Isso é particularmente verdadeiro se a aquisição dos dados for difícil ou cara demais.

O que acontece quando você não consegue parar um sistema ou processo para executar uma filtragem de experimento? Ou se a coleta de pontos de dados para filtragem é tão cara que se torna praticamente injustificável?

Solução 1: A análise preditiva pode ajudá-lo a identificar facilmente as variáveis mais importantes.

Não tenha medo, a análise preditiva está aqui! Ao analisar dados de seu sistema ou processo, você pode usar o algoritmo de aprendizado de máquina de sua preferência ou executar aprendizado de máquina automatizado para identificar os preditores com impacto potencial sobre sua resposta. O Minitab simplifica isso por meio de nosso gráfico de importância relativa da variável criado especialmente para ajudá-lo a identificar as variáveis mais importantes.

pa blog image

Assista ao exemplo agora

Problema 2: Você deseja executar um experimento planejado, mas não está confiante quanto ao intervalo adequado (ou seja, limites superior e inferior) para seus fatores (ou seja, níveis).

Quando se trata de DOEs, os experimentos são executados em diferentes valores de fator, chamados níveis. Esses são os níveis das variáveis​independentes para as quais medimos uma resposta, que tradicionalmente chamamos de variável dependente. Por exemplo, se você está tentando otimizar a velocidade de um equipamento, precisa definir os limites de velocidade superiores e inferiores para criar uma faixa de velocidades e, assim, otimizar seu processo. Outro exemplo pode ser a temperatura de um forno, caso você esteja assando um bolo. Com base em sua experiência, você deve saber que a uma temperatura abaixo de 149 °C (300 °F) o bolo não assará e, a uma temperatura acima de 205 °C (400 °F), ele ficará queimado, desse modo você pode definir seus limites. Mas e se você nunca fez um bolo antes? Ou se você tiver um aparelho novo e não souber onde definir seus limites?

Solução 2: A análise preditiva oferece visualizações para ajudá-lo a definir limites razoáveis.

Ao executar a análise preditiva do Minitab, serão geradas visualizações que demonstram o efeito que uma ou várias variáveis têm sobre o resultado previsto. Quanto à previsão dos resultados, o objetivo desses gráficos é destacar se a relação entre a resposta e uma variável é linear, monotônica ou mais complexa. Essas visualizações também são extremamente úteis para os DOEs.

dependence plot pa

No exemplo acima, vamos supor que você esteja tentando realizar um experimento que otimiza a resistência. Você pode entender que existe uma relação entre a temperatura do molde e a resistência, mas saiba que simplesmente girar o botão da máquina para a temperatura mais alta pode produzir efeitos adversos, como superaquecimento ou aumento desnecessário do custo de produção. Você também sabe que pode haver interações com outras variáveis​no experimento (por exemplo, pressão). Olhando para o gráfico, você percebe que a temperatura acima de 1200 resulta em aumentos marginais na resistência. Para o experimento planejado, você pode definir os níveis de temperatura do molde para 1.000 e 1.200 a fim de executar um experimento em que o objetivo seja maximizar a resistência. No entanto, se o objetivo for minimizar a resistência, você pode ver no gráfico que testar em uma faixa mais baixa de temperaturas do molde seria mais razoável.

A análise preditiva é apenas uma das muitas ferramentas que andam de mãos dadas com os DOEs.

Os DOEs são ferramentas essenciais para muitos profissionais e não devem permanecer isolados. Conforme mencionado, o planejamento é fundamental para o sucesso de um DOE, e é por isso que a Minitab criou uma worksheet de planejamento do DOE criada especificamente para ajudar no processo de planejamento. Se você é novo em DOEs ou está apenas procurando melhorar seu conjunto de habilidades, o Minitab oferece o suporte, os recursos e as soluções para ajudá-lo em sua trajetória.

 

Quer aprender mais? Conecte-se conosco hoje.

Fale com a Minitab