Dunn & Power Garages have 3 locations that each employ 4 mechanics that can service cars, vans and heavy goods vehicles. They are looking at running a new advertising campaign to promote how their vehicle service plans can help customers increase their miles per gallon [fuel consumption] and have engaged with you as a Black Belt to help ensure they have a clear set of data to ensure they can back up their hypothesis before going ahead. You propose that they will need to use Design Of Experiments to set up clear before and after data sets to prove that there is a clear statistical difference based on all combinations of their potential customers and how they can be serviced. Which of the following best highlights the approach to the number of factors and levels they will need to look at to fully understand this?

Alternativa A - Full Factorial model using all factors and levels for both mileage before and after service

Introdução ao Problema

Esta questão envolve Design of Experiments (DOE) no contexto de Six Sigma Black Belt. O objetivo é determinar qual abordagem estatística permite entender completamente todas as combinações de fatores para validar uma hipótese sobre aumento de eficiência de combustível.

Análise dos Fatores do Experimento

Para compreender todas as variáveis envolvidas, identificamos:

## Análise das Alternativas

Alternativa A - CORRETA

• Full Factorial: testa TODAS as combinações possíveis entre todos os fatores e níveis
• Permite medir efeitos principais E interações entre variáveis
• Coleta dados quantitativos de consumo (MPG) antes e depois
• Fornece evidência estatística robusta para campanha de marketing

Alternativa B - INCORRETA

• Fractional Factorial reduz número de testes mas não captura todas interações
• Dados binários perdem informação sobre valores reais de MPG
• Não fornece compreensão completa necessária para decisão estratégica

Alternativa C - INCORRETA

• Usa apenas 1 local, 1 mecânico, 1 tipo de veículo
• Resultados não se generalizam para toda a operação (3 locais)
• ANOVA 2-Way limitado demais para múltiplos fatores

Alternativa D - INCORRETA

• Questionário baseado em memória = dados subjetivos
• Dados discretos sem precisão estatística
• Viola princípios de coleta de dados experimentais validados

Conclusão

Para um Black Belt que precisa garantir dados estatísticos sólidos antes de lançar campanha, o modelo Full Factorial é essencial porque:

• Captura todas as combinações de fatores (local × mecânico × veículo)
• Mede diferenças significativas com dados objetivos de MPG
• Permite identificar interações entre variáveis
• Fornece base estatística confiável para decisões de negócio

A resposta correta é Alternativa A.