Metodologia de Superfície de Resposta (RSM) (Montgomery,2005, cap. 11)
Metodologia de Superfície de Resposta Os projetos experimentais 2k ou 2k-p são usados normalmente para caracterizar o processo (encontrar os fatores significativos, verificar quais provocam maiores efeitos, etc.) A metodologia de superfície de resposta geralmente é aplicada com o objetivo de otimizar o processo (encontrar uma combinação de níveis dos fatores que levam a resposta para o melhor valor possível, geralmente em termos de valor esperado).
Metodologia de Superfície de Resposta Objetivos: encontrar a combinação de fatores do processo (X1, X2, ..., Xk) que leva à melhor resposta - o ótimo (máximo ou mínimo). conhecer o comportamento da resposta (ou do valor esperado da resposta) quando ocorrem mudanças nos níveis dos fatores do processo. Envolve: projeto experimental; ajuste de um modelo de regressão aos dados (superfície de resposta); métodos de otimização.
Modelos de primeira ordem Num experimento preliminar, é usual aplicar um projeto 2k ou 2k-p, que permite ajustar um modelo de primeira ordem (assume-se aqui que os fatores são quantitativos). X1 X2 X3 ou OBS. Havendo fator qualitativo significativo, constrói-se uma superfície de resposta para cada categoria desse fator; ou deixa este fator fixo no nível com melhor resposta.
Modelos de primeira ordem Com o uso de pontos centrais é possível estimar o erro experimental (o que permite testar a significância dos coeficientes) e, também, testar se existem efeitos não lineares (curvatura) significativos. X1 X2 X3
Estratégia de análise Ajusta-se aos dados um modelo de primeira ordem (polinômio de primeiro grau). Verifica-se: os fatores significativos; possível existência de curvatura ou de interação.
Exemplo Um engenheiro químico está interessado em determinar as condições de operação que maximizam a produção de um processo. Variáveis controláveis que influenciam a produção, y: v1 = tempo de reação (minutos) v2 = temperatura (0F) 40,0 41,5 39,3 40,9 40,3 40,5 40,7 40,2 40,6 x1: -1 0 +1 v1: 30 35 40 x2 -1 +1 v2 150 155 160 Ex. CCD.xls
Estratégia de análise CASO 1: se na etapa inicial for detectada uma curvatura significativa, aumenta-se o projeto experimental de forma a permitir o ajuste de uma função quadrática (polinômio de segundo grau). tipo fatorial 32 CCD com 2 fatores X1 X2
Estratégia de análise CASO 2: se na etapa inicial não for detectada uma curvatura significativa, procura-se a direção em que provavelmente se encontra o valor ótimo (máximo ou mínimo), fazendo-se novos ensaios nesta direção (método da máxima inclinação ascendente (descendente)).
Método da máxima inclinação ascendente (descendente) Busca da região onde deve estar o ótimo (máximo ou mínimo).
Método da máxima inclinação ascendente 0,775 0,325
Método da máxima inclinação ascendente Em termos das variáveis codificadas: x2 x1 0,775 0,325 v1 = tempo v2 = temperatura
Método da máxima inclinação ascendente Em termos das variáveis originais: v2 v1 0,065 0,155 v1 = tempo v2 = temperatura
Algoritmo da máxima inclinação ascendente Seja a função de primeiro grau ajustada aos dados experimentais: 1) Escolha o tamanho do passo para uma das variáveis, digamos xj. Usualmente escolhe-se a variável mais conhecida ou a que tenha o coeficiente de regressão de maior magnitude; 2) O passo a ser dado pelas outras variáveis é dado por: (i = 1, 2, ..., k, sendo i j); 3) Converta os xj (i = 1, 2, ..., k) em termos das variáveis originais (vj).
Projetos experimentais para ajustar modelos de segunda ordem B A A B tipo central composto (CCD) com 2 fatores tipo fatorial 3k (k = 2 fatores) N = nf + na + nc = = 2k + 2k + 5 N = 3k
Projetos central composto (CCD) com precisão uniforme k (fatores) 2 3 4 5 5 6 7 p (replicações) 1 1 1 1 1/2 1/2 1/2 nf (ptos fatoriais) 4 8 16 32 16 32 64 na (ptos axiais) 4 6 8 10 10 12 14 nc (ptos centrais) 5 6 7 10 6 9 14 N (total de ptos) 13 20 31 52 32 53 92 1,414 1,682 2,000 2,378 2,000 2,378 2,828
Exemplo de um CCD com 2 fatores X1 X2 -1 -1 -1 1 1 -1 1 1 1,414 0 -1,414 0 0 1,414 0 -1,414 0 0 X2 X1 pontos fatoriais nf = 2k = 4 pontos axiais na = 4 pontos centrais nc = 4
Uso de blocos pontos fatoriais nf = 2k = 4 bloco 1 pontos centrais X1 X2 -1 -1 -1 1 1 -1 1 1 0 0 1,414 0 -1,414 0 0 1,414 0 -1,414 pontos fatoriais nf = 2k = 4 bloco 1 pontos centrais nc = 4 pontos axiais na = 4 bloco 2
Ajuste de um polinômio de segunda ordem Por ex., para k = 2: termos quadráticos puros termos lineares termo de interação
Ajuste de um polinômio de segunda ordem Estimativa dos coeficientes Dados do experimento Quando k = 2, pode-se visualizar a superfície de resposta (ou suas curvas de nível) e analisá-la por meio de gráficos. Ver arquivo: CCD.xls
Análise de uma superfície de segunda ordem (k 2) Todas derivadas parciais nulas ponto estacionário ponto de máximo ponto estacionário ponto de mínimo ponto de sela
Análise de uma superfície de segunda ordem y = 79,940 + 0,995 x1 + 0,515x2 - 1,376x12 - 1,001x22 + 0,250 x1x2 Notação vetorial:
Análise de uma superfície de segunda ordem y = 79,940 + 0,995 x1 + 0,515x2 - 1,376x12 - 1,001x22 + 0,250 x1x2 Ponto estacionário: Valor de y no ponto estacionário:
Análise de uma superfície de segunda ordem y = 79,940 + 0,995 x1 + 0,515x2 - 1,376x12 - 1,001x22 + 0,250 x1x2 Ponto estacionário: tempo = 86,95 minutos temperatura = 176,53 0F
Análise de uma superfície de segunda ordem Ponto estacionário: Para verificar o significado do ponto estacionário, pode-se verificar os sinais dos autovalores de B. Sejam 1, 2, ... k os autovalores de B i é um autovalor de B <==> |B - i| = 0 E um vetor não nulo x, tal que Bx = ix é dito autovetor de B associado ao autovalor i (i = 1, 2, ...,k).
Exemplo Autovetores: Autovalores: 2 + (2,3788) + 1,3639 = 0 i é um autovalor de B <==> |B - iI| = 0 E um vetor não nulo x, tal que Bx = ix é dito autovetor de B associado associado ao autovalor i (i = 1, 2, ...,k). Exemplo Autovetores: Autovalores: 2 + (2,3788) + 1,3639 = 0 Usando 2 encontra-se o segundo autovetor. Donde: 1 = -0,9641 e 2 = -1,4147
Análise de uma superfície de segunda ordem Ponto estacionário: 1, 2, ... k autovalores de B todo i < 0 ===> o ponto estacionário é um máximo todo i > 0 ===> o ponto estacionário é um mínimo
Análise de uma superfície de segunda ordem y = 79,940 + 0,995 x1 + 0,515x2 - 1,376x12 - 1,001x22 + 0,250 x1x2 Autovalores de são o ponto estacionário é um ponto de máximo. O tempo = 86,95 minutos e a temperatura = 176,53 0F levam a uma produção máxima.
Análise de uma superfície de segunda ordem Forma canônica: onde 1, 2, ... k são os autovalores de B e (para k = 2) autovetor associado a 1 autovetor associado a 2
Análise de uma superfície de segunda ordem Forma canônica: x2 w2 xs x1 w1
Análise de uma superfície de segunda ordem Sistema de cumeeira Suponha i 0. Então: Haverá pouca variação na direção de i Pode-se escolher o nível de wi mais econômico.
x2 w2 xs x1 w1 Sistema de cumeeira Pode-se caminhar bastante na direção de W2 sem que a resposta altere significativamente. w2 xs x1 w1
Principais Delineamentos Box- Behnken
Principais Delineamentos central composite design
Principais Delineamentos face centered design
Principais Delineamentos 3k factorial design
Função de utilidade (Desirability function) Nesta abordagem se cria uma função objetivo – que chamaremos de função de utilidade -, a qual é função da resposta y e do objetivo: encontrar o máximo, o mínimo ou um valor ideal. É feita uma padronização para permitir o uso de múltiplas respostas.
Função de utilidade Caso de uma resposta e objetivo para a resposta é um valor máximo. Sejam y a resposta; L o limite mínimo de estudo e T o máximo desejável. d 1 Consideraremos r = 1 (caso linear) y L T
Função de utilidade Caso de uma resposta e objetivo para a resposta é um valor mínimo. Sejam y a resposta; U o limite máximo de estudo e T o mínimo desejável. d 1 Consideraremos r = 1 (caso linear) y T U
Função de utilidade Caso de uma resposta e objetivo atingir um valor alvo (a resposta pode ser maior ou menor). Sejam y a resposta; L o limite mínimo de estudo U o limite máximo de estudo e T o mínimo desejável (valor-alvo) d 1 Consideraremos r1 = r2 = 1 (caso linear) L U y T
Função de utilidade – múltiplas respostas Caso de múltiplas respostas. No caso do sistema ter m respostas, deve-se construir m funções de utilidade individuais: d1, d2, ..., dm, sendo cada uma com forma coerente com o objetivo da respectiva resposta (se máximo, se mínimo ou se valor individual). Obtém-se a função de utilidade geral pela média geométrica das individuais:
Que Pena : Acabou Marcus Antonio Viana Duarte mvduarte@mecanica.ufu.br (034) 91068046 Muito Obrigado Por Tudo