O objetivo deste artigo é mostrar a aplicação das metodologias planejamento de experimentos com análise em blocos e regressão linear múltipla aplicadas ao estudo de um processo de tratamento térmico siderúrgico com múltiplas respostas. Por meio deste estudo buscou-se projetar modelos estatísticos que permitissem prever os resultados das propriedades mecânicas em arames de aço SAE 9254 trefilados, com diâmetros de 2,00 mm e 6,50 mm, após processo de têmpera e revenimento. Para isso foram investigadas as variáveis de entrada do processo (diâmetro, velocidade, temperatura de revenimento e concentração do polímero) e as suas influências sobre o limite de resistência à tração, a estricção e a dureza do material. Os resultados revelaram que todas as variáveis consideradas têm influência significativa na obtenção das propriedades mecânicas e os modelos obtidos foram validados utilizando-se análise de variância (ANOVA). A regressão linear múltipla permitiu representar o processo adequadamente e a análise gráfica possibilitou visualizar o comportamento das múltiplas respostas.

The purpose of this article is to demonstrate an application of the design of block experiments via analysis and multiple linear regression in the investigation of a steel thermal treatment process with multiple responses. The study aimed to design statistical models to predict the mechanical properties in SAE 9254 draw steel wires, with diameters of 2.00 mm and 6.50 mm, after quench hardening and tempering. For this purpose, process input variables (wire diameter, processing speed, tempering temperature and polymer concentration) were investigated regarding their influence on the material tensile strength, yield point and hardness. The results revealed that the mechanical properties of the steel wire are significantly influenced by the selected variables, and analysis of variance (ANOVA) was employed to validate the design of the statistical models. Multiple linear regression allowed for an appropriate representation of the process, and graphical analysis was found to be very useful in displaying the behavior of the multiple responses.