INSTITUTO FEDERAL DE EDUCAO, CINCIA E TECNOLOGIA DO

MARANHO
CURSO DE GRADUAO EM ENGENHARIA MECNICA INDUSTRIAL

Nathan Costa Freitas

Planejamento Doehlert aplicado a torneamento cilndrico externo

So Lus - MA
2012
 Nathan Costa Freitas

Planejamento Doehlert aplicado a torneamento cilndrico externo

Monografia apresentada Coordenao do

Curso de Engenharia Mecnica Industrial do
Instituto Federal de Educao, Cincia e
Tecnologia do Maranho como parte do
requisito para obteno do Ttulo de
Bacharel em Engenharia Mecnica
Industrial.

Orientador: Prof. Dr. Rubens Soeiro

Gonalves

So Lus - MA
2012
Freitas, Nathan Costa

Planejamento Doehlert aplicado a torneamento cilndrico externo/ Nathan

Costa Freitas So Lus, 2012.

__ f.: il.

Monografia (Graduao em Engenharia Mecnica Industrial) Curso de

Engenharia Mecnica Industrial, Instituto Federal de Educao, Cincia e
Tecnologia do Maranho, 2011.

1. Usinagem 2. Planejamento Experimental 3. Doehlert

I. Ttulo.
CDU: _____
 NATHAN COSTA FREITAS

Planejamento Doehlert aplicado a torneamento cilndrico externo

Monografia apresentada Coordenao do

Curso de Engenharia Mecnica Industrial do
Instituto Federal de Educao, Cincia e
Tecnologia do Maranho como parte do
requisito para obteno do Ttulo de
Bacharel em Engenharia Mecnica
Industrial.

Aprovada em __ / __ / ____

BANCA EXAMINADORA

______________________________________________________
Prof. Dr. Rubens Soeiro Gonalves (Orientador)
Instituto Federal de Educao, Cincia e Tecnologia do Maranho

______________________________________________________
_______________________________________
Instituto Federal de Educao, Cincia e Tecnologia do Maranho

______________________________________________________
________________________________________
Instituto Federal de Educao, Cincia e Tecnologia do Maranho
AGRADECIMENTOS
 RESUMO

Foi utilizado o Planejamento Experimental Doehlert aplicado a

usinagem (torneamento cilndrico externo) com o objetivo de se determinar e
avaliar a correlao entre a rugosidade (varivel de sada), em funo das
variveis - velocidade de corte e avano (variveis de entrada) - no processo
de usinagem do material ABTN 1045, ferramenta M. D. classe P20. O
procedimento experimental consistiu na aquisio de dados segundo a matriz
de planejamento com dois pontos centrais (8x3), adotando-se como nveis da
primeira varivel (avano f) -1(inferior), -0.5, 0(central), +0,5, +1(superior); e
para a segunda varivel (Velocidade de corte ) -0.866, 0 e +0.866. A partir
dos experimentos foi determinada a varivel de sada (rugosidade) ajustada
pelo mtodo dos mnimos quadrados, no qual a relao entre as variveis de
entrada foi determinada por modelos propostos com at trs parmetros com e
sem interao, nos quais foi considerada a anlise de varincia para chegar ao
modelo final. Foi apresentada a superfcie de resposta para a correlao
obtida, adicionalmente com seus respectivos grficos, de contorno, de resduos
e de comparao entre modelos. Em adio fora realizado o teste de validao
da correlao obtida e uma anlise de incerteza dos resultados.

Palavras-chave: Planejamento Experimental; Doehlert; usinagem

 ABSTRACT

It was used the Doehlert Experimental Planning applied to

machining (cylindrical external turning) to assess and determine the correlation
between the roughness (output variable), cutting speed and forwarding rate
(input variables) in the machining process of the ABNT 1045 material, M. D.
tool class P20. The experimental procedure consisted in the data acquisition
according to the planning matrix with two central points (8x3), adopting as first
variable levels (forward f) 1 (inferior), -0.5, 0 (central), +0.5, +1 (superior);
and to the second variable (cutting speed ) -0.866, 0 and +0.866. From the
experiments was determined the output variable (roughness) set by the
methods of least squares, in which the relationship between the input variables
was determined by proposed models with until three parameters, with ou
without interaction, which was considered in the analysis of variance to reach
the final model. Was presented the response surface for the correlation that
was obtained, in addition to their graphics, contour, residue and comparing
models. In addiction was performed the a validation test of the obtained
correlation and an uncertainty analysis of the results.

Key-words: Experimental planning, Doehlert, machining.

NOMENCLATURA
 LISTA DE FIGURAS

FIGURA 1 - NARDINI TIPO ND325 MOTOR PRINCIPAL: 8/5HP (6/3,7 KW) ........................... 17
FIGURA 2 - RUGOSMETRO DIGITAL PORTTIL MOD. TR-220 ............................................ 17
FIGURA 3 - BARRA CILNDRICA (TARUGO) USADO NO EXPERIMENTO ............................ 18
FIGURA 4 FLUXO DO MTODO............................................................................................. 19
FIGURA 5 - TORNOS HORIZONTAIS........................................................................................ 21
FIGURA 6 - TORNOS DE PLACA .............................................................................................. 22
FIGURA 7 - TORNOS REVOLVER............................................................................................. 22
FIGURA 8 - TORNOS VERTICAIS ............................................................................................. 23
FIGURA 9 - TORNOS COPIADORES ........................................................................................ 23
FIGURA 10 - DESLOCAMENTO DA FERRAMENTA DE CORTE ............................................. 25
FIGURA 11 - RUGOSIDADE MDIA (RA) ................................................................................. 28
FIGURA 12 - PLANEJAMENTO DOEHLERT COM DUAS VARIVEIS .................................... 30
FIGURA 13 - DISTNCIA DE UM PONTO UMA RETA . .......................... 44
FIGURA 14 - RESULTADOS PARA RUGOSIDADE MDIA (RA) ............................................. 50
FIGURA 15 - RESULTADOS PARA RUGOSIDADE MDIA QUADRTICA(RQ) ..................... 50
FIGURA 16 - RESULTADO PARA RUGOSIDADE MDIA (RY) ............................................... 50
FIGURA 17 - REPRESENTAO GRFICA DO CLCULO DOS EFEITOS (RA) ................... 51
FIGURA 18 - REPRESENTAO GRFICA DO CLCULO DOS EFEITOS (RQ) .................. 51
FIGURA 19 - REPRESENTAO GRFICA DO CLCULO DOS EFEITOS (RZ) ................... 51
FIGURA 20 - DISTRIBUIO DOS RESDUOS PARA O MODELO 3 (SEM INTERAO)
ENTRE AS VARIVEIS DE ENTRADA PARA O PARMETRO RA. ................................ 53
FIGURA 21 - DISTRIBUIO DOS RESDUOS PARA O MODELO 4 (INTERAO) ENTRE
AS VARIVEIS DE ENTRADA PARA O PARMETRO RA. .............................................. 53
 LISTA DE TABELAS

TABELA 1 - PLANEJAMENTO DOEHLERT PARA DUAS VARIVEIS..................................... 19

TABELA 2 - COMPRIMENTRO DE AMOSTRAGEM(CUTOFF) ................................................ 27
TABELA 3 - O DESVIO MDIO ARITMTICO EXPRESSO EM MICROMETRO (M). .............. 29
TABELA 4 - MATRIZES DOEHLERT PARA DUAS, TRS E QUATRO VARIVEIS ................ 31
TABELA 5 - NMERO DE ENSAIOS UTILIZANDO 3 PRESSES DIFERENTES ................... 33
TABELA 6 - ANLISE DE VARINCIA PARA REGRESSO MLTIPLA ................................. 42
TABELA 7 RESULTADOS PARA MATRIZ DOEHLERT PARA DUAS VARIVEIS PARA O
PARMETRO RA ................................................................................................................ 48
TABELA 8 - RESULTADOS PARA MATRIZ DOEHLERT PARA DUAS VARIVEIS PARA O
PARMETRO RQ ............................................................................................................... 49
TABELA 9 - RESULTADOS PARA MATRIZ DOEHLERT PARA DUAS VARIVEIS PARA O
PARMETRO RZ ................................................................................................................ 49
TABELA 10 - MATRIZ CODIFICADA DO PLANEJAMENTO DOEHLERT PARA DUAS
VARIVEL ........................................................................................................................... 52
TABELA 11 - MODELOS PROPOSTO PARA RA ...................................................................... 52
TABELA 12 - MODELOS PROPOSTO PARA RQ...................................................................... 53
TABELA 13 - MODELOS PROPOSTO PARA RZ ...................................................................... 53
 LISTA DE EQUAES

EQUAO 1 - VELOCIDADE DE CORTE; D=DIMETRO (MM); N = ROTAO (RPM) ........ 25

EQUAO 2 - ROTAO; VC = VELOCIDADE DE CORTE(M/MIM); D = DIMETRO(MM) .. 25
EQUAO 3 - VELOCIDADE DE AVANO ............................................................................... 25
EQUAO 4 - TEMPO DE USINAGEM ..................................................................................... 25
EQUAO 5 - PROFUNDIDADE DE CORTE............................................................................ 26
EQUAO 6 - RUGOSIDADE MDIA QUADRTICA ............................................................... 29
EQUAO 7 - CODIFICAO DA MATRIZ EXPERIMENTAL .................................................. 31
EQUAO 8................................................................................................................................ 36
EQUAO 9................................................................................................................................ 36
EQUAO 10.............................................................................................................................. 36
EQUAO 11.............................................................................................................................. 37
EQUAO 12.............................................................................................................................. 37
EQUAO 13 - SOMA QUADRTICA TOTAL .......................................................................... 40
EQUAO 14 - SOMA QUADRTICA DA REGRESSO ......................................................... 40
EQUAO 15 - SOMA QUADRATICA DOS RESDUOS .......................................................... 40
EQUAO 16 - RESDUOS DESMEMBRADO .......................................................................... 41
EQUAO 17 - RESDUOS DESMEMBRADO AJUSTADO ..................................................... 41
EQUAO 18 - EQUAO RESUMIDA .................................................................................... 41
EQUAO 19 - TESTE F ........................................................................................................... 42
EQUAO 20 -R........................................................................................................................ 43
EQUAO 21 - R MXIMO ....................................................................................................... 43
EQUAO 22 - SOMA DOS QUADRADOS DAS DISTANCIAS ............................................... 44
EQUAO 23 - PONTO DE MNIMO ......................................................................................... 44
EQUAO 24 - PONTO DE MNIMO ......................................................................................... 44
EQUAO 25.............................................................................................................................. 44
EQUAO 26.............................................................................................................................. 45
EQUAO 27.............................................................................................................................. 45
EQUAO 28.............................................................................................................................. 45
EQUAO 29.............................................................................................................................. 45
EQUAO 30.............................................................................................................................. 46
EQUAO 31.............................................................................................................................. 46
EQUAO 32.............................................................................................................................. 46
EQUAO 33.............................................................................................................................. 46
EQUAO 34.............................................................................................................................. 46
EQUAO 35.............................................................................................................................. 47
EQUAO 36.............................................................................................................................. 47
 Sumrio
1 INTRODUO ............................................................................................................. 14
1.1 Objetivos ..................................................................................................... 15
1.1.1 Geral ..................................................................................................... 15
1.1.2 Especficos .......................................................................................... 15
2 REVISO BIBLIOGRFICA ................................................................................... 16
3 METODOLOGIA ...................................................................................................... 17
3.1 Materiais ...................................................................................................... 17
3.2 Mtodo......................................................................................................... 18
4 FUNDAMENTAO TERICA .............................................................................. 20
4.1 Torneamento Cilndrico.............................................................................. 20
4.1.1 Parmetros de Usinagem:................................................................... 24
4.2 Rugosidade ................................................................................................. 26
4.2.1 Critrios para avaliar a rugosidade ......................................................... 27
4.2.2 Parmetros de Rugosidade ...................................................................... 28
4.3 Planejamento Doehlert.................................................................................... 29
4.3.1 Tcnicas para definio das seqncias de Ensaios............................. 32
4.3.2 Etapas do Planejamento Experimental e Analise de Resultados .......... 34
4.4 Tcnica das Superfcies de Resposta ............................................................ 38
4.5 Anlise de Resduos ....................................................................................... 39
4.6 Avaliao do Modelo ....................................................................................... 39
4.6.1 Analise de Varincia ................................................................................. 39
4.6.2 Coeficiente de Variao............................................................................ 43
4.7 Mtodo dos mnimos quadrados.................................................................... 43
4.7.1 Ajuste a uma Reta ..................................................................................... 43
4.7.2 Ajuste uma exponencial ........................................................................ 45
4.7.3 Qualidade do ajuste .................................................................................. 46
4.8 Clculos dos efeitos........................................................................................ 47
4.9 Propagao de incertezas .............................................................................. 47
5 RESULTADOS E DISCUSSO .............................................................................. 48
5.1 Resultados experimentais .............................................................................. 48
5.1.1 Rugosidade superficial e Matriz Doehlert de Planejamento ............. 48
5.1.2 Correlao Emprica ............................................................................ 52
REFERNCIAS ............................................................................................................... 55
1 INTRODUO

Ao iniciar experimentos a fim de buscar resultados em funo de

variveis de entrada, encontra-se dificuldade na forma de como conduzir os
experimentos, visto que qualquer falha no planejamento poder resultar em
dados invlidos, agravando assim o erro experimental. No caso da usinagem
que um processo inconstante, ou seja, tudo muda a todo instante, devido
temperatura, vibrao, desgaste da ponta da ferramenta, entre outros fatores,
deve ter uma ateno especial nos experimentos e tratamentos dos dados
assim otimizando o resultado final.
Utiliza-se para sanar essa dificuldade o planejamento Dohelert que
funciona de forma anloga ao planejamento fatorial, da qual representa um
conjunto de ensaios estabelecidos com critrios cientficos e estatsticos, com o
objetivo de determinar a influencia de diversas variveis nos resultados de um
dado sistema ou processo (BUTTON, 2005), dessa forma possibilita a
obteno de um numero ideal de experimentos, permitindo o aprimoramento do
processo, a reduo da variabilidade dos resultados, reduo de tempos de
analise e dos custos envolvidos.
1.1 Objetivos

1.1.1 Geral

Estudar o planejamento Doherlet aplicado a duas variveis de

entrada a fim de determinar a rugosidade de superfcies usinadas no
torneamento cilndrico externo

1.1.2 Especficos

Determinar experimentalmente a rugosidade da superfcie torneada de

tarugos com mesma propriedade, variando o avano(f) e a velocidade
de corte (Vc) ;
Analisar de varincia entre os modelos estudados, com e sem interao
entre as variveis de entrada;
Comparar pelo coeficiente de variao entre os modelos estudados, com
e sem interao entre as variveis de entrada;
2 REVISO BIBLIOGRFICA

Neste capitulo so relatados alguns trabalhos associado ao tema,

Planejamento Doherlet aplicado a torneamento cilndrico externo
3 METODOLOGIA

3.1 Materiais

Matlab 7.1
Programa matemtico computacional usado para a manipulao dos
dados experimentais.
Excel 2003

Torno

Figura 1 - NARDINI Tipo ND325 Motor principal: 8/5Hp (6/3,7 kW)

Rugosimetro
A rugosidade foi aferida utilizando-se o rugosimetro porttil da
DIGIMESS

Figura 2 - RUGOSMETRO DIGITAL PORTTIL MOD. TR-220

 Ferramenta de Corte
Insertos de metal duro de especificao SNMG 120404-P20, com
suporte DSBNR 2020 K12(ngulo de posio (r ) 75, ngulo de sada
( 0 ) 6 e ngulo de inclinao ( ) s 0)

Material
Ao ABNT 1045 adquirido na forma de barras cilndricas de dimetro XX
mm e comprimento de XX mm

Figura 3 - Barra cilndrica (tarugo) usado no experimento

3.2 Mtodo

Os experimentos foram realizados confirme a matriz de

planejamento Doehlert para duas variveis (Tabela 1) com dois pontos
centrais, cumprindo os passos a seguir: levantamento dos dados
experimentais, realizao dos tratamentos dos dados adquiridos a fim de obter
a varivel de sada (Ra, Rq) para cada combinao da varivel de entrada,
obteno da correlao emprica para o calculo do da rugosidade da superfcie
usinada de acordo com o melhor modelo, da qual foi determinada por testes de
comparao entre modelos e a analise de varincia e por ltimo teste de
validao.
 Tabela 1 - Planejamento Doehlert para duas variveis

Planejamento (Entrada) Respostas (sada)

Ensaios
1 0 0
2 1 0
3 0,5 0,866
4 -1 0
5 -0,5 -0,866
6 0,5 -0,866
7 -0,5 0,866
8 0 0

Planejamento
Dohelet aplicado a
Obteno da Testes
2 variveis com
correlao de
dois pontos
emprica validao
centrais

Levantamentos Tratamentos
de dados dos dados
experimentais experimentais

Figura 4 Fluxo do mtodo

4 FUNDAMENTAO TERICA

4.1 Torneamento Cilndrico

O processo que se baseia no movimento da pea em torno de seu

prprio eixo chama-se torneamento. O torneamento uma operao de
usinagem que permite trabalhar peas cilndricas movidas por um movimento
uniforme de rotao em torno de um eixo fixo.

O torneamento, como todos os trabalhos executados com mquinas-

ferramenta, acontece mediante a retirada progressiva do cavaco da pea
trabalhada. O cavaco cortado por uma ferramenta de um s gume cortante,
que deve ter uma dureza superior do material a ser cortado.

No torneamento, a ferramenta penetra na pea, cujo movimento

rotativo ao redor de seu eixo permite o corte contnuo e regular do material. A
fora necessria para retirar o cavaco feita sobre a pea, enquanto a
ferramenta, firmemente presa porta-ferramenta, contrabalana a reao
dessa fora. Para realizar o torneamento, so necessrios trs movimentos
relativos entra a pea e a ferramenta. So eles:

Movimento de corte: o movimento principal que permite cortar o

material. O movimento rotativo e realizado pela pea.
Movimento de avano: o movimento que desloca a ferramenta ao
longo da superfcie da pea.
Movimento de penetrao: o movimento que determina a profundidade
de corte ao empurrar a ferramenta em direo ao interior da pea e
assim regular a profundidade do passe e a espessura do cavaco.
4.1.1 Classificaes dos tornos mecnicos

Existe uma grande variedade de tornos que diferem entre si pelas

dimenses, caractersticas, forma construtiva, etc. O torno a ser utilizado para a
execuo de uma determinada fabricao dever ser escolhido de acordo com
os seguintes fatores:

- Dimenses das peas a produzir

- Forma das mesmas

- Quantidade a produzir

Tornos Horizontais

Os tornos horizontais so os mais comuns e mais usados freqentemente. No

so utilizados para produo em srie pela dificuldade na troca de ferramenta.

Figura 5 - Tornos Horizontais

Tornos de placa

O torno de placa um torno de grande altura de pontas, empregado para

tornear peas curtas e de grande dimetro, tais como polias, volantes, rodas,
etc.
 Figura 6 - Tornos de placa

Tornos revolver

Os tornos revlver apresentam a caracterstica fundamental que o

emprego de vrias ferramentas convenientemente dispostas e preparadas para
realizar as operaes em forma ordenada e sucessiva o que obriga o emprego
de dispositivos especiais, um dos quais o porta-ferramenta mltiplos, a torre
revlver.

Figura 7 - Tornos revolver

Tornos Verticais

Os tornos verticais, com eixo de rotao vertical, so empregados para

tornear peas de grande tamanho, como volantes, polias, rodas dentadas, etc.,
as quais por seu grande peso podem ser montadas mais facilmente sobre a
plataforma redonda horizontal que sobre uma plataforma vertical.
 Figura 8 - Tornos Verticais

Tornos copiadores

Os tornos copiadores permitem obter peas com forma de slidos de

revoluo de perfil qualquer. Para poder realizar estes trabalhos, necessrio
que a ferramenta seja provida de dois movimentos simultneos: um de
translao, longitudinal e outro de translao, transversal, em relao pea
que se trabalha.

Figura 9 - Tornos copiadores

Tornos de produo ou corte mltiplo

Os tornos de produo (de corte mltiplo) so aqueles que, para atender

s necessidades da produo, aumentando a quantidade de peas e
diminuindo o custo da produo, provido de dois carros, um anterior com
movimento longitudinal e outro posterior, com movimento transversal, que
trabalham simultaneamente, com avano automtico.

Tornos semi-automticos

Os tornos automticos produzem peas partindo da matria prima como

barras, vergalhes, etc., com avano automtico depois de cada ciclo de
operaes. Os tornos semi-automticos constituem um escalo intermedirio
entre os tornos revlver e os tornos automticos. A operao a cargo do
operrio exclusivamente a retirada da pea acabada e a fixao da nova
pea em bruto.

Tornos automticos

So mquinas nas quais todas as operaes so realizadas

sucessivamente, uma aps outra, automaticamente.

Tornos repetidores

So mquinas especialmente adequadas para a produo em srie de

peas obtidas por rotao em torno de seu eixo. Tais tornos so denominados
de repetio porque as peas so colocadas uma de cada vez na pina.

4.1.1 Parmetros de Usinagem:

So os fatores que influenciam durante a operao, tais como:

Velocidade de Corte (Vc):

a velocidade perifrica da ponta da ferramenta na pea onde obtida

atravs de tabelas dos fabricantes de ferramentas.
 Equao 1 - Velocidade de corte; d=dimetro (mm); n = rotao (RPM)

Avano (f):

o deslocamento que a ferramenta de corte ou a pea faz em uma volta da

pea ou da ferramenta

Figura 10 - Deslocamento da ferramenta de corte

Rotao

Equao 2 - Rotao; Vc = Velocidade de corte(m/mim); d = dimetro(mm)

Velocidade de avano

a medida do deslocamento que a ferramenta faz por unidade de tempo.

Equao 3 - Velocidade de Avano

Tempo de usinagem

o tempo durante o qual a ferramenta remove cavaco. Sua expresso vem

da velocidade de avano (f):

Equao 4 - Tempo de usinagem

Profundidade de corte

a medida linear da penetrao que a ferramenta faz na pea em cada

passe
 Equao 5 - Profundidade de corte

4.2 Rugosidade

o conjunto de irregularidades, isto , pequenas salincias e reentrncias que

caracterizam uma superfcie. Essas irregularidades podem ser avaliadas com
aparelhos eletrnicos, a exemplo do rugosmetro. A rugosidade desempenha
um papel importante no comportamento dos componentes mecnicos.
Ela influi na:
qualidade de deslizamento;
resistncia ao desgaste;
possibilidade de ajuste do acoplamento forado;
resistncia oferecida pela superfcie ao escoamento de fluidos e
lubrificantes;
qualidade de aderncia que a estrutura oferece s camadas protetoras;
resistncia corroso e fadiga;
vedao;
aparncia.
A grandeza, a orientao e o grau de irregularidade da rugosidade podem
indicar suas causas que, entre outras, so:
imperfeies nos mecanismos das mquinas-ferramenta;
vibraes no sistema pea-ferramenta;
desgaste das ferramentas;
o prprio mtodo de conformao da pea.
4.2.1 Critrios para avaliar a rugosidade

Comprimento de amostragem, le, (Cut-off)

Chama-se o comprimento le de comprimento de amostragem (NBR
6405/1988). Como o perfil efetivo apresenta rugosidade e ondulao, o le filtra
a ondulao. recomendado pela norma ISO que os rugosmetros devam
medir 5 comprimentos de amostragem (lm: comprimento de medio) e devem
indicar o valor mdio.

lm: comprimento do percurso de medio; lt: comprimento total de medio

lv: comprimento para atingir a velocidade de medio;

ln: comprimento para parada do apalpador.

Na medio da rugosidade, so recomendados valores para o comprimento

da amostragem, conforme tabela abaixo.

Tabela 2 - Comprimentro de amostragem(CUTOFF)

Rugosidade Ra (mm) Mnimo comprimetro de amostragem L

(CUTOFF)
De 0 at 0,1 0,25
Maior que 0,1 at 2,0 0,80
Maior que 2,0 at 10,0 2,50
Maior que 10,0 8,00
4.2.2 Parmetros de Rugosidade

Rugosidade mdia (Ra)

a mdia aritmtica dos valores absolutos das ordenadas de

afastamento (yi), dos pontos do perfil de rugosidade em relao linha
mdia, dentro do percurso de medio (lm). Essa grandeza pode
corresponder altura de um retngulo, cuja rea igual soma absoluta
das reas delimitadas pelo perfil de rugosidade e pela linha mdia, tendo
por comprimento o percurso de medio (lm).

Figura 11 - Rugosidade mdia (Ra)

Esse parmetro conhecido como:

Ra (roughness average) significa rugosidade mdia;

CLA (center line average) significa centro da linha mdia, e adotado
pela norma inglesa. A medida expressa em micro polegadas ( in =
microinch).
A norma NBR 8404/1984 de indicao do Estado de Superfcies em
Desenhos Tcnicos esclarece que a caracterstica principal (o valor) da
rugosidade Ra pode ser indicada pelos nmeros da classe de
rugosidade correspondente, conforme tabela a seguir.
 Tabela 3 - O desvio mdio aritmtico expresso em micrometro (m).

Classe de Rugosidade RA Classe de Rugosidade

rugosidade (valor em m) Rugosidade RA
N12 50 N6 0,8em
(valor
N11 25 N5 0,4
m)
N10 12,5 N4 0,2
N9 6,3 N3 0,1
N8 3,2 N2 0,05
N7 1,6 N1 0,025

Rugosidade mdia quadrtica (Rq)

definida pela igualdade:

Equao 6 - Rugosidade mdia quadrtica

Se a forma do perfil for senoidal, Rq aproximadamente 1,11 Ra,

independente dos parmetros da senide.
Instrumentos antigos mediam por essa relao, mas, na realidade,
os perfis prticos so muito distantes da senide e, portanto, a
aproximao resultava em erros grosseiros. Instrumentos atuais fazem o
clculo por digitalizao.
Rq, na prtica, usado apenas para superfcies de sistemas ticos,
por ter uma melhor relao com qualidade tica dos materiais.

4.3 Planejamento Doehlert

O planejamento Doehlert ou Matriz Doehlert foi apresentado por

David H. Doehlert em 1970 24, sendo uma alternativa bastante til e atrativa
aos planejamentos experimentais de segunda ordem. Os pontos da matriz
Doehlert correspondem aos vrtices de um hexgono gerado de um simplex
regular e, em geral, o nmero total de pontos experimentais no planejamento
igual a , em que o nmero de fatores e o nmero de
experimentos no ponto central. Uma importante propriedade do planejamento
Doehlert diz respeito ao nmero de nveis que cada varivel possui. Com
quatro variveis, por ex., o nmero de nveis 5, 7, 7 e 3, o que permite avaliar
as variveis consideradas mais importantes, ou seja, que apresentam efeitos
mais pronunciados em um nmero maior de pontos do espao estudado 25.
Alm disso, este tipo de planejamento necessita de um menor nmero de
experimentos em relao ao planejamento composto central sendo, portanto,
mais eficiente. Esse menor nmero de experimentos para se chegar regio
tima vem do fato de que o domnio da vizinhana facilmente explorado pelo
ajuste de poucos experimentos, j que o prximo hexgono utiliza pontos
experimentais j explorados pelo hexgono anterior, conforme Figura 12 3.

Figura 12 - Planejamento Doehlert com duas variveis

O planejamento Doehlert descreve um domnio circular para duas

variveis, esfrico para trs e hiperesfrico para mais de trs variveis, o que
acentua a uniformidade no espao envolvido. Embora suas matrizes no sejam
ortogonais nem rotacionais, elas no apresentam divergncias significativas
que comprometam a qualidade necessria para seu uso efetivo 26.
Para duas variveis, a matriz Doehlert consiste de um ponto central
e mais seis pontos adicionais formando um hexgono regular e, por esse
motivo, situada sob um crculo (Figura 8).
As matrizes do planejamento Doehlert para duas, trs e quatro
variveis podem ser visualizadas na Tabela 2. As matrizes Doehlert
apresentadas na Tabela 2 so pr-estabelecidas e suas construes no so
triviais como os outros planejamentos apresentados neste trabalho. Mais
detalhes sobre a construo deste tipo de matriz podem ser obtidos nas refs.
24 e 27.
Cada planejamento definido considerando o nmero de variveis e
os valores codificados ( ) da matriz experimental. A relao entre os valores
experimentais e os valores codificados dada pela equao abaixo.

( )

Equao 7 - Codificao da matriz experimental

O termo xi o valor codificado para o nvel do fator i; zi o seu experimental;

zi a distncia entre o valor experimental no ponto central e o experimental
no nvel superior ou inferior, d o maior valor limite codificado na matriz para
cada fator (na coluna da Tabela 2, por ex., ) e o valor
experimental no ponto central.

Tabela 4 - Matrizes Doehlert para duas, trs e quatro variveis

Variveis Experimentais Matriz Doehlert

2 variveis 3 variveis 4 variveis

1 0 0 0 0 0 0 0 0 0
2 1 0 1 0 0 1 0 0 0
3 0,5 0,866 0,5 0,866 0 0,5 0,866 0 0
4 -1 0 0,5 0,289 0,817 0,5 0,289 0,817 0
5 -0,5 -0,866 -1 0 0 0,5 0,289 0,204 0,791
6 0,5 -0,866 -0,5 -0,866 0 -1 0 0 0
7 -0,5 0,866 -0,5 -0,289 -0,817 -0,5 -0,866 0 0
8 0,5 -0,866 0 -0,5 -0,289 -0,817 0
9 0,5 -0,289 -0,817 -0,5 -0,289 -0,204 -0,791
10 -0,5 0,866 0 0,5 -0,866 0 0
11 0 0,577 -0,817 0,5 -0,289 -0,817 0
12 -0,5 0,289 0,817 0,5 -0,289 -0,204 -0,791
13 0 -0,577 0,817 -0,5 0,866 0 0
14 0 0,577 -0,817 0
15 0 0,577 -0,204 -0,791
16 -0,5 0,289 0,817 0
17 0 -0,577 0,817 0
18 0 0 0,613 -0,791
19 -0,5 0,289 0,204 0,791
20 0 -0,577 0,204 0,791
21 0 0 -0,613 0,791
4.3.1 Tcnicas para definio das seqncias de Ensaios

Para que os resultados obtidos de ensaios experimentais possam

ser analisados atravs de mtodos estatsticos, possibilitando elaborarem-se
concluses objetivas, o planejamento experimental deve ser baseado numa
metodologia tambm estatstica, que a nica forma objetiva de avaliar os
erros experimentais que afetam esses resultados.
H trs tcnicas bsicas para a definio dos ensaios num
planejamento experimental: o uso de rplicas, da aleatorizao (ou
randomizao) e de blocos.
A rplica consiste na repetio de um ensaio sob condies
preestabelecidas. Esta tcnica permite obter-se uma estimativa de como o erro
experimental afeta os resultados dos ensaios e se esses resultados so
estatisticamente diferentes. Ela tambm permite verificar-se qual a influncia
de uma determinada varivel sobre o comportamento de um processo, quando
a comparao feita pela mdia das amostras.
Por exemplo, pretende-se verificar como a presso afeta a
velocidade de uma reao qumica. Realizam-se ensaios em duas condies
diferentes: p1 e p2 (com p1>p2). Num primeiro planejamento, realiza-se um
ensaio para cada condio, ou seja, sem rplica, obtendo-se velocidades de
reao v1 e v2 respectivamente. Como afirmar que o aumento da presso
acarreta um acrscimo de velocidade de reao? Tal resposta fica mais
objetiva quando se realiza um grande nmero de ensaios (rplicas) de modo a
minimizar o erro experimental e poder comparar as mdias dos resultados
obtidos nas amostras.
A aleatorizao uma tcnica de planejamento experimental
puramente estatstica em que a seqncia dos ensaios aleatria e a escolha
dos materiais que sero utilizados nesses ensaios tambm aleatria.
Uma das exigncias do uso da metodologia estatstica para o
planejamento experimental e para a anlise dos resultados que as variveis
estudadas e os erros experimentais observados apresentem um carter
aleatrio, o que conseguido pelo emprego desta tcnica.
 Por exemplo, ao se definir para o caso do exemplo anterior
(influncia da presso sobre a velocidade de reao) trs valores para a
presso (p1, p2, p3) e quatro rplicas para cada valor de presso, teremos
doze ensaios, como mostrado na Tabela 3.
Tabela 5 - Nmero de ensaios utilizando 3 presses diferentes

Presso Nmero de Ensaios

1 2 3 4
5 6 7 8
9 10 11 12

Caso a seqncia estabelecida para os ensaios fosse 1, 2, 3, 4, 5, 6,

7, 8, 9, 10, 11 e 12, qualquer problema experimental no detectado poderia
acarretar a invalidao de todo o procedimento experimental.
Ao se utilizar uma seqncia aleatria (por exemplo: 8, 5, 9, 1, 12, 3,
7, 4, 11, 2, 6 e 10) os erros experimentais devidos a qualquer varivel no-
controlvel seriam distribudos ao longo de todo o procedimento, aleatorizando-
o e permitindo sua anlise estatstica (BUTTON, 2005).
A tcnica dos blocos permite realizar-se a experimentao com uma
maior preciso, reduzindo a influncia de variveis incontrolveis. Um bloco
uma poro do material experimental que tem como caracterstica o fato de ser
mais homogneo que o conjunto completo do material analisado. O uso de
blocos envolve comparaes entre as condies de interesse na
experimentao dentro de cada bloco. Na anlise com blocos, a aleatorizao
restringida seqncia de ensaios interna dos blocos e no ao conjunto total
de ensaios.
O uso de blocos pode ser analisado no seguinte exemplo: Supe-se
que ao realizarem-se ensaios de dureza, cada um dos dois penetradores
disponveis para o durmetro esteja fornecendo resultados distintos. Caso
fosse feita uma aleatorizao completa do conjunto de ensaios, como no
exemplo anterior, diferenas significativas de propriedades entre materiais de
diversas corridas de produo poderiam mascarar a influncia dos
penetradores. Assim, utiliza-se a tcnica de blocos. Escolhem-se materiais
provenientes de uma mesma corrida e se separa corpos-de-prova para serem
ensaiados com os dois penetradores. Desta forma, criou-se um bloco: um
conjunto de corpos de prova escolhidos de forma a garantir a homogeneidade
do material. A aleatorizao dentro desse bloco d-se quando se escolhe ao
acaso a seqncia como cada corpo-de-prova ser ensaiado (primeiramente
pelo penetrador n1 ou vice-versa).
4.3.2 Etapas do Planejamento Experimental e Analise de Resultados

As etapas do planejamento experimental so:

Reconhecimento e definio do problema, que em grande parte,

depende da experincia j adquirida no estudo de processos
semelhantes;
Escolha das variveis (fatores de influncia) e das faixas de valores em
que essas variveis sero avaliadas, definindo-se o nvel especfico
(valor) que ser empregado em cada ensaio. Devem-se verificar como
essas variveis sero controladas nos nveis escolhidos e como eles
sero medidos. A avaliao intensiva de diversas variveis pode ser
necessria quando o estudo encontra-se em seus estgios iniciais e no
se detm uma experincia anterior, exigindo a avaliao das variveis
em diversos nveis. Quando se deseja verificar a influncia de uma
varivel em particular, o nmero de nveis deve ser reduzido, alm de
manterem-se as demais variveis influentes em nveis to constantes
quanto possvel;
Escolha adequada da varivel de resposta, de modo que se garanta a
objetividade na anlise dos resultados obtidos. O critrio principal para
essa escolha de que o erro experimental de medida da varivel de
resposta seja mnimo, permitindo a anlise estatstica dos dados, com
um nmero mnimo de rplicas;
Delineamento dos experimentos, tamanho da amostra (nmero de
rplicas), seqncia de execuo dos ensaios, necessidade de
aleatorizao ou do uso de blocos. Principalmente em processos
complexos, com diversas variveis influentes, no se deve partir de um
 conjunto extenso de experimentos, que envolva um grande nmero de
variveis, estudadas em diversos nveis. mais produtivo estabelecer-
se um conjunto inicial com nmero reduzido de ensaios (poucas
variveis, poucos nveis de avaliao), ir aprendendo sobre o processo e
aos poucos, acrescentar novas variveis e nveis e eliminar variveis
que no se apresentem influentes. Com essa iniciativa, reduz-se o
nmero total de ensaios e o que mais importante reservam-se os
recursos para aqueles ensaios realmente importantes, que normalmente
no fornecem resultados objetivos nas tentativas iniciais;
Execuo dos experimentos, monitorando-os e controlando-os: Essa
etapa extremamente importante, pois garante a validade experimental
e exige do pesquisador um conhecimento profundo dos instrumentos,
equipamentos e mtodos de controle e monitoramento;
Anlise dos resultados, com o uso de mtodos estatsticos, a fim de que
as concluses estabelecidas sejam objetivas. Destaque-se que esses
mtodos no permitem afirmar se uma dada varivel apresenta ou no
um determinado efeito: eles apenas garantem a confiabilidade e a
validade dos resultados, de modo que se possa determinar o erro
associado nas concluses, de acordo com um dado grau de confiana
previamente estabelecido;
Elaborao das concluses e recomendaes a partir da anlise dos
resultados: As concluses e recomendaes permitiro que decises
sejam tomadas a respeito do processo em estudo. Uma documentao
extensa, com o uso de grficos e tabelas permite que se apresentem os
resultados obtidos, a anlise efetuada, bem como futuras repeties do
procedimento empregado (BUTTON, 2005).

4.3.3 Modelos Empricos em Estudo de triagem

Pode-se assumir, desde o incio do experimento, que o sistema

estudado (domnio experimental) regido por alguma funo que descrita
pelas variveis experimentais. Normalmente esta funo pode ser aproximada
por um polinmio, o qual pode fornecer uma boa descrio entre os fatores e a
resposta obtida. A ordem deste polinmio limitada pelo tipo de planejamento
usado. Planejamentos fatoriais de dois nveis, completos, podem estimar
apenas efeitos principais e interaes. Planejamentos fatoriais de trs nveis
(ponto central) podem estimar, alm disso, o grau de curvatura na resposta.
Para descrever tais modelos em um estudo de triagem, so
utilizados os polinmios mais simples, ou seja, aqueles que contm apenas
termos lineares. Considerando um exemplo para duas variveis, e , os
dois polinmios seriam:

Equao 8

Equao 9

Segundo a Equao 8, o coeficiente o valor populacional da

mdia de todas as respostas obtidas, e so os coeficientes relacionados
com as variveis e respectivamente, o erro aleatrio associado ao
modelo e, para o caso da Equao 31, o coeficiente para a interao
.
A partir do planejamento montado, pode-se construir a matriz de
coeficientes de contraste, de acordo com a matriz do planejamento Dohelert. A
matriz de planejamento Doehlert juntamente com o vetor de respostas , obtido
experimentalmente, ser utilizada para clculo dos coeficientes do modelo,
conhecidos tambm como vetor de regresso.
O modelo procurado, descrito pelas Equaes 8 e 9 pode ser
representado matricialmente pela Equao 10 (TEFILO et al., 2005):

Equao 10

em que o vetor das respostas estimadas pelo modelo e o vetor de

regresso. Uma maneira de determinar o vetor de regresso atravs do
Mtodo dos Mnimos Quadrados (MMQ), definido pela Equao 11, em que
indica a transposta de :

Equao 11

a matriz inversa do produto da transposta da matriz

com ela mesma.

Para um planejamento fatorial completo, a matriz quadrada e

ortogonal, onde corresponde ao nmero de ensaios. Isto ocorre, pois as

colunas de no esto normalizadas, portanto . Neste caso, a

Equao 11 se resume Equao 12:

Equao 12

A Equao 12 geral e pode ser empregada para se fazer a

estimativa de efeitos e coeficientes para todos os planejamentos, no entanto a
Equao 12 especfica para o planejamento fatorial completo, no sendo
aplicvel aos outros planejamentos.

Como as variveis so estudadas em dois nveis codificados, cada

efeito satisfaz variao de duas unidades da varivel correspondente. Se
considerarmos os fatores individualmente, pode-se provar que o valor de cada
coeficiente do modelo a metade do valor do efeito correspondente, exceto
para , cujo valor o mesmo do calculado para seu efeito (Equao 28).
Desta maneira, o modelo empregado para descrever as respostas elaborado
em funo dos efeitos por unidade de variao individual (TEFILO et al.,
2005).
4.4 Tcnica das Superfcies de Resposta

Em processos industriais, muito comum a existncia de muitos

fatores ou variveis que afetam a qualidade global do produto final. Neste
contexto, alguns estatsticos vm estudando a Metodologia de Superfcie de
Resposta (SR), desde 1970. Em essncia, esta metodologia consiste em
estimar coeficientes da regresso polinomial para a gerao de um modelo
emprico. Ento, usando a metodologia possvel aproximar um modelo
emprico a uma relao (inicialmente desconhecida ou conhecida) entre os
fatores e as respostas do processo.
A superfcie de resposta til quando o pesquisador no conhece a
relao exata entre os fatores. Mas, geralmente quando a expresso analtica
da funo conhecida, a metodologia pode ser til em alguns casos:
freqentemente pode-se encontrar funes descontnuas, e em muitos casos
se trabalha com valores discretos das variveis de projeto ou fatores. Assim,
til usar a superfcie de resposta para obter uma aproximao polinomial.
Atualmente, o desenvolvimento da computao e o uso rotineiro dos
computadores tm proporcionado uma facilidade no trabalho de gerao de
modelos empricos ou superfcie de resposta com o uso de softwares
modernos. Entretanto, isto demanda do usurio conhecimentos bsicos de
computao e estatstica para interpretar os resultados.
Dentre as vantagens da Metodologia, a principal que seus
resultados so resistentes a influncia de condies no ideais, como erros
aleatrios e pontos influentes, porque a metodologia robusta. Outra vantagem
a simplicidade analtica da superfcie de resposta obtida, pois a metodologia
gera polinmios. Em geral, polinmios de duas ou mais variveis, so funes
contnuas. Assim, a otimizao de um processo ou sistema torna
absolutamente fcil com o uso de mtodos tradicionais de otimizao
(DUARTE et al., 2007).
4.5 Anlise de Resduos

As superfcies de respostas ajustam os dados, mas no se sabe

ainda a qualidade desses ajustes. Ou seja, ainda no se tem uma ferramenta
capaz de avaliar se a superfcie ajustada (ou modelo) uma representao
adequada para uma funo. Alm disso, caso esta representao seja
adequada, deseja-se saber em que faixa de variao pode-se considerar tal
ajuste.
A anlise dos resduos fundamental na avaliao da qualidade do
ajuste de qualquer modelo. Um modelo que deixe resduos considerveis
obviamente um modelo ruim. O modelo ideal no deixaria resduo algum: todas
as suas previses coincidiriam com os resultados observados.
Ento uma boa prtica examinar a distribuio dos resduos, pois
ajuda a verificar se no h nada de errado com o modelo. Neste caso, pode-se
fazer um grfico dos valores estimados pelo modelo ( ) com os valores da
diferena entre os valores observados experimentalmente ( ) e seus
respectivos valores estimados, isto , ( ) versus ( ). Se os resduos no
estiverem aleatoriamente distribudos, deve-se desconfiar do modelo e investir
em outros recursos para sua melhoria (DUARTE et al., 2007).

4.6 Avaliao do Modelo

4.6.1 Analise de Varincia

O modelo obtido pode no ser exatamente aquele que descreve a

regio estudada do sistema e, neste caso, no pode ser usado para fazer
estimativas para deslocamento e muito menos para extrair concluses sobre a
regio tima. A maneira mais confivel de se avaliar a qualidade do ajuste do
modelo empregando a Anlise de Varincia (ANOVA).
 Na ANOVA a variao total da resposta definida como a soma
quadrtica de dois componentes: a soma quadrtica da regresso ( )ea
soma quadrtica dos resduos ( ). A soma quadrtica da variao total,
corrigida para a mdia ( ) pode assim, ser escrita como a Equao 8:

Equao 13 - Soma quadrtica total

em que e so apresentadas com mais detalhes nas Equaes 9 e

10, respectivamente:

Equao 14 - Soma quadrtica da regresso

Equao 15 - Soma quadratica dos resduos

Da Equao 9, o nmero total de nveis do planejamento, isto ,

pontos experimentais do planejamento; o valor estimado pelo modelo para
o nvel e o valor mdio das replicatas ( ). No entanto, caso no haja
replicatas, a mdia das replicatas nos nveis o prprio valor observado do
ensaio no nvel. Note que o segundo somatrio indica que se deve fazer o
quadrado das diferenas inclusive com cada repetio (quando houver).

As replicatas realizadas no ponto central deixaro um resduo para

cada observao . A soma quadrtica destes resduos fornece a soma
quadrtica residual somente no nvel zero (TEFILO et al., 2005).

A Equao 38 indica que o quadrado da diferena entre o valor de

cada observao ( ) e o valor estimado ( ) e, inclusive das replicatas ( ) em
cada nvel ( ), fornece a soma quadrtica residual de todos os nveis.
Quando algum modelo ajustado aos dados, a soma quadrtica do
erro puro sempre uma parte da soma quadrtica dos resduos. Ento, cada
resduo pode ser desmembrado em duas partes, isto
 ( -) ( - )- -

Equao 16 - Resduos desmembrado

Pela Equao 11, o primeiro termo da direita diz respeito diferena

entre o valor de cada observao individual no nvel e a mdia de todas as
observaes naquele nvel. J o segundo termo corresponde diferena entre
o valor estimado no nvel e a mdia de todas as observaes naquele nvel. A
subtrao entre estes dois termos fornece como resposta o resduo de cada
observao individual.

Para evitar os termos negativos na Equao 11, tomam-se as suas

diferenas quadrticas e obtm-se Equao 12:

( -) ( - ) - -

Equao 17 - Resduos desmembrado ajustado

O primeiro termo da direita chamado de soma quadrtica do erro

puro e est relacionado exclusivamente com os erros aleatrios das replicatas.
J o segundo termo da direita chamado de soma quadrtica da falta de
ajuste, pois ele uma medida da discrepncia entre a resposta do modelo de
previso ( ) e a mdia das replicatas ( ) realizadas no conjunto de condies
experimentais.

A Equao 40 pode ser resumida da seguinte maneira:

Equao 18 - Equao resumida

Para cada fonte de variao (regresso, resduos, falta de ajuste,

erro puro e total), necessrio obter o nmero de graus de liberdade. No
introduzindo detalhes, pode-se provar que o nmero de graus de liberdade
para as Equaes 9, 10 e 12 so 1, e ( ) + ( ),
respectivamente, em que o nmero de parmetros (coeficientes) do
modelo, o nmero total de observaes (ensaios) e o nmero de nveis
do planejamento. O nmero de graus de liberdade para as outras fontes de
variao pode ser obtido por clculos algbricos simples (TEFILO et al.,
2005).
 A diviso da soma quadrtica de cada fonte de variao pelo seu
respectivo nmero de grau de liberdade fornece a mdia quadrtica ( ). A
razo entre a mdia quadrtica da regresso ( ) pela mdia quadrtica
dos resduos ( ), que nada mais do que a razo entre duas varincias
pode ser usada para comparar tais fontes de variao atravs do teste
(distribuio de Fisher), levando em considerao seus respectivos nmeros de
graus de liberdade. O mesmo pode ser feito para a razo entre a mdia
quadrtica da falta de ajuste ( ) pela mdia quadrtica do erro puro
( ).
Para comparar as duas fontes de variao entre si, emprega-se
neste caso o teste (Equao 14):

Equao 19 - Teste F

em que e so as mdias quadrticas das fontes de variao 1 e 2,

respectivamente, e , so seus respectivos nmeros de graus de liberdade.
A ANOVA, de acordo com as equaes descritas para avaliao do
modelo, est resumida na Tabela 4 (TEFILO et al., 2005).
Tabela 6 - Anlise de Varincia para regresso mltipla

Fonte de variao SQ N de graus de liberdade MQ F

Regresso
Resduos
Falta de Ajuste
Erro Puro
Total
Quanto maior o valor de , melhor o ajuste. Pois, quando
suficientemente pequeno, implica que tambm pequeno, o que significa
que est prximo de .
Em termos prticos, um bom modelo necessita ter uma regresso
significativa e uma falta de ajuste no significativa. Isto equivale a dizer que a
maior parte da variao total das observaes em torno da mdia deve ser
descrita pela equao de regresso e o restante certamente, ficar com os
resduos. Da variao que fica com os resduos esperado que a maior parte
fique com o erro puro, que o erro experimental, e no com a falta de ajuste,
que est diretamente relacionada com o modelo.
4.6.2 Coeficiente de Variao

Outros parmetros para observar se toda variao em torno da

mdia foi explicada pela regresso so o valor do coeficiente de variao
(Equao 15) e o grfico dos resduos.
O valor de representa a frao da variao que explicada pela
falta de ajuste do modelo (Equao 15). Quanto mais prximo de 1 o valor do
coeficiente estiver, melhor estar o ajuste do modelo s respostas observadas.

Equao 20 -R

Note que o erro puro no explica nada do modelo, ento o valor

mximo possvel de (TEFILO et al., 2005).

Equao 21 - R mximo

4.7 Mtodo dos mnimos quadrados

4.7.1 Ajuste a uma Reta

Considere uma reta , em que a e b so parmetros a

serem determinados. Neste caso, estamos interessados em minimizar a
distncia de cada ponto da tabela cada ponto da reta,
conforme ilustra a Figura 7 (SOUZA, 2010).
 Figura 13 - Distncia de um ponto uma reta .

A distncia entre esses pontos e a soma dos

quadrados dessas distncias :

Equao 22 - soma dos quadrados das distancias

Os candidatos a ponto de mnimo da Equao 17 so aqueles para os quais

so nulas as derivadas parciais de q em relao a cada um de seus
parmetros, isto :

Equao 23 - Ponto de mnimo

Equao 24 - Ponto de mnimo

Tendo em vista que:

Equao 25
 ( )

Equao 26

E que:

( ) ( )

Equao 27

Assim obtemos o seguinte sistema de equaes, denominado

equaes normais do problema, cujas incgnitas so os parmetros a e b da
equao :

( )

( ) ( )
{

Equao 28

A soluo do sistema de equaes so os parmetros a e b.

4.7.2 Ajuste uma exponencial

No caso de uma exponencial do tipo , para ajustar um

conjunto de pontos , esta funo pode ser transformada para a seguinte
equao (SOUZA, 2010):

Equao 29

Fazendo e , reduzimos o problema de ajustar a

tabela de pontos referente a uma exponencial a uma tabela de pontos
, onde equao de uma reta .
4.7.3 Qualidade do ajuste

A qualidade do ajuste pode ser verificada em funo do coeficiente de

determinao , dado por:

Equao 30

Sendo:

( )

Equao 31

Tendo em vista que:

Equao 32

A Equao 27 pode ser escrita como:

Equao 33

Como:

Equao 34


Equao 35

Assim a expresso para determinao do coeficiente de determinao r 2 pode

ser simplificada para:

Equao 36

4.8 Clculos dos efeitos

4.9 Propagao de incertezas

5 RESULTADOS E DISCUSSO

5.1 Resultados experimentais

Aps a realizao do teste e replica, apresentam-se os valores da

rugosidade da superfcie usinada em funo das variveis de entrada assim
como sua superfcie resposta e testes de validao.

5.1.1 Rugosidade superficial e Matriz Doehlert de Planejamento

A partir da matriz de planejamento foi obtida a rugosidade superficial

do Tarugo de ao 1045, onde foi calculada a mdia entre os testes para os oito
pontos do planejamento, para cada varivel de sada ( ) em funo das
variveis de entrada ( ). Posteriormente realizou-se o ajuste pelo mtodo
dos mnimos quadrados (MMQ) dos pontos experimentais e testes de validao
usando como suporte o MATLAB onde auxiliou nos clculos para alcanar o
modelo ideal.
Os resultados para o acabamento superficial da pea usinada para
cada parmetro de rugosidade esto representados abaixo.

Tabela 7 Resultados para matriz Doehlert para duas variveis para o parmetro Ra

Planejamento Experimento Replica

f Vc Ra
1 0,151 (0) 800 (0) 1,622667 1,572333
2 0,199 (1) 800 (0) 3,021 2,752333
3 0,176 (0,5) 1000 (0,866) 2,363 2,338333
4 0,091 (-1) 800(0) 0,796 1,120667
5 0,125 (-0,5) 630 (-0,866) 1,228333 1,115667
6 0,176 (0,5) 630 (-0,866) 2,074667 2,005667
7 0,125(-0,5) 1000 (0,866) 1,333667 1,230333
8 0,151(0) 800 (0) 1,652 1,499667
 Tabela 8 - Resultados para matriz Doehlert para duas variveis para o parmetro Rq

Planejamento Experimento Replica

f Vc Rq
1 0,151 (0) 800 (0) 1,956667 1,841
2 0,199 (1) 800 (0) 3,649667 3,230667
3 0,176 (0,5) 1000 (0,866) 2,809667 2,699
4 0,091 (-1) 800(0) 0,855333 1,393667
5 0,125 (-0,5) 630 (-0,866) 1,46 1,324667
6 0,176 (0,5) 630 (-0,866) 2,444667 2,379
7 0,125(-0,5) 1000 (0,866) 1,553667 1,473
8 0,151(0) 800 (0) 1,944 1,785667

Tabela 9 - Resultados para matriz Doehlert para duas variveis para o parmetro Rz

Planejamento Experimento Replica

f Vc Rz
1 0,151 (0) 800 (0) 8,003333 6,913667
2 0,199 (1) 800 (0) 14,11 11,64667
3 0,176 (0,5) 1000 (0,866) 11,23333 9,705333
4 0,091 (-1) 800(0) 3,685667 5,918667
5 0,125 (-0,5) 630 (-0,866) 5,982667 5,396667
6 0,176 (0,5) 630 (-0,866) 9,763667 9,198333
7 0,125(-0,5) 1000 (0,866) 6,143 6,437
8 0,151(0) 800 (0) 7,396667 7,329

De acordo com a tabela os valores do avano ( , 0.091, 0.025,

0.152, 0.176, 0,199 representam respectivamente os nveis do planejamento
Doehlert , -1, -0.5, 0, +0.5, +1, e os valores da velocidade de corte ( , 630,
800, 1000, representam respectivamente -0,866, 0, +0,866, sendo 0.152 para o
avano e 800 para velocidade de corte ( os pontos centrais do
planejamento.

Para melhor visualizao dos resultados as figuras 14, 15, 16,

representam os resultados de forma grfica a fim de mostrar a no disparidade
entre os o experimento e a replica, provando assim que o experimento foi
realizado de forma correta, possibilitando um resultado final aceitvel.
 Resultados - Ra
3,5
3
2,5
2
1,5
1
0,5
0
1 2 3 4 5 6 7 8

Experimento Replica

Figura 14 - Resultados para rugosidade mdia (Ra)

Resultados - Rq
4
3,5
3
2,5
2
1,5
1
0,5
0
1 2 3 4 5 6 7 8

Experimento Replica

Figura 15 - Resultados para rugosidade mdia quadrtica(Rq)

Resultados - Rz
16
14
12
10
8
6
4
2
0
1 2 3 4 5 6 7 8

Experimento Replica

Figura 16 - Resultado para rugosidade mdia (Ry)

 Observa-se com a interpretao dos grficos que os dados
coletados (experimentos e teste) possuem um alto grau de aceitabilidade visto
que a disparidade entre os testes foi pequena.

As figuras 17, 18 e 19 mostra de forma grfica o clculo dos efeitos

das variveis ( ) para cada parmetro de rugosidade ( ).

Efeitos Ra
A(Vc)

AB(Vc*f)
Efeitos Ra
B(f)

0 0,5 1 1,5 2 2,5

Figura 17 - Representao grfica do clculo dos efeitos (Ra)

Efeitos Rq
A(Vc)
AB(Vc*f)
Efeitos Rq
B(f)

0 0,5 1 1,5 2 2,5

Figura 18 - Representao grfica do clculo dos efeitos (Rq)

Efeitos Rz
A(Vc)

AB(Vc*f)
Efeitos Rz
B(f)

0 2 4 6 8 10

Figura 19 - Representao grfica do clculo dos efeitos (Rz)

Observa-se pela figura 17, 18 e 19 que a varivel que mais

influencia no acabamento superficial da pea usinada o avano ( ), depois a
interao entre as variveis ( ) e por ultimo a Velocidade de Corte ( ).
5.1.2 Correlao Emprica

Para calcular o vetor de coeficientes de regresso para os modelos

com e sem interao, foi tirado a mdia entre o 1 experimento e a replica,
depois foi aplicado o MMQ. A tabela 10 mostra a matriz de planejamento
Doehlert onde denominamos as variveis de entrada, , como sendo o
avano ( , e a velocidade de corte ( respectivamente e a varivel de sada
y, representando cada parmetro de rugosidade.

Tabela 10 - Matriz codificada do planejamento Doehlert para duas varivel

Planejamento Ra Rq Rz
x1 x2 y y y
1 0 0 1,5975 1,898833333 7,4585
2 1 0 2,886666667 3,440166667 12,87833333
3 0,5 0,866 2,350666667 2,754333333 10,46933333
4 -1 0 0,958333333 1,1245 4,802166667
5 -0,5 -0,866 1,172 1,392333333 5,689666667
6 0,5 -0,866 2,040166667 2,411833333 9,481
7 -0,5 0,866 1,282 1,513333333 6,29
8 0 0 1,575833333 1,864833333 7,362833333

Com posse dos resultados e com o auxilio do MATLAB, ajustamos

com o uso do mtodo dos mnimos quadrados (MMQ) para modelos sem e
com interao entre as variveis.

A tabela 11, 12 e 13 mostra os modelos propostos para analise

qualitativo atravs do coeficiente R, analise de resduos e distribuio de
Fischer.
Tabela 11 - Modelos proposto para Ra

Modelos ajustado pelo MMQ - Ra R

y(x1)=1.732896+0.965583*x1 0.942371
y(x1)=1.732896+0.121391*x2 0.014893
y(x1,x2)=1.732896+(0.965583*x1)+(0.121391*x2) 0.957264
y(x1,x2)=1.732896+(0.965583*x1)+(0.121391*x2)+(0.115762*x1*x2) 0.996586
 Tabela 12 - Modelos proposto para Rq

Modelos ajustado pelo MMQ - Rq R

y(x1)=2.050021+1.148639*x1 0.943802
y(x1)=2.050021+0.133805*x2 0.012807
y(x1,x2)=2.050021+(1.148639*x1)+(0.133805*x2) 0.956609
y(x1,x2)=2.050021+(1.148639*x1)+(0.133805*x2)+(0.127887*x1*x2) 0.987807

Tabela 13 - Modelos proposto para Rz

Modelos ajustado pelo MMQ - Rz R

y(x1)=8.053979+4.020500*x1 0.946157
y(x1)=8.053979+0.458622*x2 0.012311
y(x1,x2)=8.053979+(4.020500*x1)+(0.458622*x2) 0.958468
y(x1,x2)=8.053979+(4.020500*x1)+(0.458622*x2)+(0.224018*x1*x2) 0.966301

A partir das tabelas com os modelos observa-se que o 4 modelo

proposto (com interao entre as variveis) para os parmetros de rugosidade
por enquanto o melhor.

Nas figuras abaixo mostra os resduos dos dois melhores modelos

para cada parmetro de rugosidade.

Figura 20 - Distribuio dos resduos para o modelo 3 (sem Figura 21 - Distribuio dos resduos para o modelo 4 (interao)
interao) entre as variveis de entrada para o parmetro Ra. entre as variveis de entrada para o parmetro Ra.
 Figura 22 - Distribuio dos resduos para o modelo 3 (sem Figura 23 - Distribuio dos resduos para o modelo 4 (interao)
interao) entre as variveis de entrada para o parmetro Rq. entre as variveis de entrada para o parmetro Rq

Figura 24 - Distribuio dos resduos para o modelo 3 (sem Figura 25 - Distribuio dos resduos para o modelo 4 (interao)
interao) entre as variveis de entrada para o parmetro Rq. entre as variveis de entrada para o parmetro Rq
REFERNCIAS