Entidades:

Os professores D. F. de Andrade, P. A. Barbetta e P. J. Ogliari vêm pesquisando na área de planejamento de experimentos há mais de 5 anos. Houve duas publicações em periódicos internacionais (Quality And Reliability Engineering International e Statistical Computation And Data Analysis), três em periódicos nacionais (Produto & Produção / UFRGS, Revista Brasileira de Estatística / IBGE e Revista de Matemática e Estatística / UFSCar) e várias publicações em anais de eventos científicos (detalhes nas Referências Bibliográficas). A Profa. Viviane Mattos faz doutorado em Engenharia de Produção, desenvolvendo aspectos metodológicos na área deste projeto, com vários artigos apresentados em eventos científicos, com destaque ao ENEGEP e SINAPE, além de artigo aceito no periódico Produção / ABEPRO.

No Curso de Pós-Graduação em Ciência da Computação, a equipe ministra regularmente a disciplina Planejamento e Análise de Experimentos e vem aplicando as novas metodologias em dissertações, propiciando a caracterização e otimização de sistemas e algoritmos computacionais, que são áreas de aplicação pouco exploradas na literatura. Trabalhos da equipe desenvolvidos nessa linha: Lehrer (2000), Barbetta e Lehrer (2001) e Silva (2002).

Desde os primórdios da investigação científica, realizavam-se experimentos para validar teorias e para levantar novas hipóteses sobre um mundo desconhecido. Mas foi a partir da década de 20, com os trabalhos de R. A. Fisher, que se passou a ter uma metodologia confiável para planejar experimentos e analisar os seus dados. Os trabalhos de Fisher eram voltados, em grande parte, à agricultura; e buscavam, por exemplo, encontrar uma combinação adequada dos elementos de um fertilizante, considerando o cultivo, o clima e o tipo de solo.

Na área industrial, para se avaliar o efeito de vários fatores no desempenho de um produto, a prática comum era o uso de experimentos do tipo um-de-cada-vez, isto é, variava-se um dos fatores, enquanto mantinham-se os demais fixos, resultando num procedimento extremamente ineficiente e que, em geral, não levava à combinação ótima dos níveis dos fatores estudados. Contudo, nas duas últimas décadas, muito influenciado pelos trabalhos de Box et al. (1978) e Taguchi (1987), as técnicas de planejamento de experimentos passaram a fazer parte de programas de melhoria da qualidade (ver, por exemplo, Werkema e Aguiar, 1996).

A figura 1 ilustra projetos experimentais que permitem analisar vários fatores simultaneamente. No caso (a), tem-se um experimento fatorial com três fatores, ensaiados a dois níveis, onde a resposta é observada em cada uma das 2³ = 8 combinações possíveis. No caso (b), utiliza-se um fracionamento para reduzir o número de ensaios para 2^3-1 = 4. Em geral, os fracionamentos são usados em experimentos com grande número de fatores, permitindo caracterizar o processo (identificar os fatores mais influentes) com um número razoavelmente pequeno de ensaios e, com isso, reduzir o custo do experimento.

Com a crescente utilização das técnicas de planejamento de experimento para a melhoria da qualidade e a preocupação em desenvolver produtos e processos robustos, aumenta, também, a importância de se identificar fatores que alteram a variância do processo, assim como de se construírem modelos que relacionam as variâncias de características funcionais do produto com fatores controláveis do processo. (Taguchi, 1987; Box, 1988; Caten e Ribeiro, 1996 e Montgomery, 1997) Vários trabalhos do grupo de proponentes deste projeto foram feitos nessa linha, como por exemplo: Barbetta et al. (1999), Barbetta et al. (2000), Mattos et al. (2002) e Mattos et al. (2003).

Outra linha de trabalho da equipe tem sido na formulação e construção de modelos de análise quando as observações são realizadas ao longo do tempo (medidas repetidas), considerando as unidades experimentais submetidas a diferentes tratamentos: Ogliari et al. (1999), Ogliari et al. (2000) e Ogliari et al. (2001).

A aplicação da metodologia de planejamento de experimentos na avaliação de sistemas computacionais é razoavelmente recente. Contudo, Jain (1991) já elegia o planejamento de experimentos como uma das principais ferramentas na avaliação de desempenho de sistemas computacionais. Muitos trabalhos, também, apoiam-se em sistemas computacionais para simular dados de algum processo, como descrito em Welch (1992), Mayer e Benjamin (1992) e Shang e Tadikamalla (1998). O projeto de simulação e a análise dos dados são feitos sob a metodologia de planejamento de experimentos. Esta abordagem pode ser aplicada, por exemplo, em sistemas de rede e transmissão de dados, como forma de redução de custos e melhoria da qualidade, ainda na fase de projeto do sistema.

No Curso de Pós-Graduação em Ciências da Computação da UFSC, Lehrer (2000) usou a teoria de projeto de experimentos para aprimorar um algoritmo computacional. Lehrer identificou os principais fatores que alteravam um algoritmo genético, projetado para o problema do caixeiro viajante. Nesse primeiro trabalho, Lehrer procurou apenas levantar os fatores significativos, mas estudos desse tipo ainda podem ser complementados com a fase de otimização. A figura 2 ilustra essa fase, considerando a probabilidade de crossover e a probabilidade de mutação do algoritmo genético como fatores de entrada; e uma medida da qualidade da solução (menor-é-melhor) como resposta do processo. Detalhes em Barbetta e Lehrer (2001).

Figura 2 - Ilustração de uma superfície de resposta ajustada aos dados para estudar a melhor combinação dos fatores de entrada.

Barbetta (1998) e Barbetta et al. (2000) também apresentaram uma aplicação pouco comum de planejamento de experimentos, ao aperfeiçoar um procedimento estatístico. A metodologia foi aplicada sob dois enfoques. Num primeiro momento, identificou-se os fatores mais relevantes do processo (fase de caracterização) e, depois, buscou-se a combinação de níveis dos fatores mais relevantes para maximizar o desempenho do processo (fase de otimização).

O presente projeto se desenvolve em três direções:

No desenvolvimento metodológico, propõe-se adequar os métodos de indentificação de efeitos de dispersão para projetos 2^k e 2^k-p com poucas replicações; e realizar estudos de simulação para comparar as técnicas, oferecendo como produto o estabelecimento de qual método é o mais adequado em cada situação de pesquisa. Na abordagem prática, a realização de trabalhos conjuntos com outros grupos de pesquisa, focando uma estratégia correta de planejamento e análise de experimentos. E esses estudos serão usados como exemplos em livro texto.

Seguem alguns objetivos específicos:

A consolidação de um grupo de pesquisa em Planejamento de Experimentos na UFSC vai contribuir para a melhoria das pesquisas experimentais da instituição. Usando adequadamente essa metodologia, é possível extrair mais informações com menos ensaios, maximizando a relação custo-benefício.

A publicação dessas técnicas em livros textos, exemplificadas com pesquisas locais, ajudará não só na disseminação das técnicas, como também na divulgação da própria Instituição e seus grupos de pesquisa. Um desses livros textos já teve projeto aprovado pela Editora Atlas.