MEC 2007 – Planejamento de

experimentos

Introdução (Cap. 1 e 2)
Prof. Florian Pradelle (pradelle@puc-rio.br)
Sala L-163 – Telefone: 3527-1182
6ª feira (08-11h) – Sala de aula do 6° andar
1
 Sumário

• Introdução
• Processo de aquisição de conhecimento
• Breve histórico

• Princípios básicos e terminologia

• Noções de cálculo matricial

• Comparação com o método de otimização simplex

• Simplex básico
• Simplex modificado
• Simplex supermodificado
• Outras alternativas
2
 Introdução – Processo de aquisição de
conhecimento
• Processo de aquisição de conhecimento para responder a 4 tipos de questões
• Comparação: avaliação do IMPACTO de única variável afeta o fenômeno estudado
• Escaneamento / Caracterização: entendimento do fenômeno para fazer uma TRIAGEM, um
RANKING das variáveis por ordem decrescente de impacto
• Modelagem: obtenção de um MODELO LOCAL, EMPÍRICO, PREDITIVO, ROBUSTO do
fenômeno com uma grande precisão
• Otimização: determinação dos valores das variáveis que permitem OTIMIZAR o fenômeno

• Papel do planejamento de experimentos (Design Of Experiments – DOE)

• Obter o máximo de informações sobre um fenômeno com um mínimo de experimentos
• Avaliar simultaneamente o impacto de diferentes variáveis controladas (≠ métodos univariados)
• Evitar ensaios desnecessários ou falhas para obter um modelo preciso 3
 Introdução – Processo de aquisição de
conhecimento
Processo
desconhecido

• Três aspetos essenciais

• Escolha do método experimental Questões

• Estudo da literatura prévia

• Minimizar a quantidade de ensaios, sem sacrificar a qualidade dos Revisão da literatura

resultados
• Análise dos resultados Escolha do método
experimental

• Relacionado à escolha do planejamento de experimentos

•
Aquisição progressiva Experimentos
Uso das ferramentas adequadas: estatística e representações gráficas de conhecimentos

• Aquisição progressiva do conhecimento

Análise dos

• Senso crítico do experimentador para ajustar o método experimental,

resultados

parar o experimento ou acrescentar testes adicionais

Conhecimento do
sistema

4
 Introdução – Breve histórico
• 1920-1935: Sir Ronald Aylmer Fisher (1890-1962), os princípios da metodologia
• 1922: Definição de conceitos estatísticos
• 1924: Introdução da análise de variância (ANOVA)
• 1935: Primeira publicação sobre planejamento de experimentos (FISCHER, R., The Design
of Experiments. First edition. Oxford: Oliver and Boyd, 1935. 251 p.)
• Anos 1950: George E. P. Box (1919-2013) et al., o desenvolvimento de aplicações práticas
• Métodos de superfície de resposta (Response Surface Methods – RSM)
• Anos 1960-1970: Genichi Taguchi (1924-2012), a difusão no meio industrial japonês
• Disseminação da metodologia / inclusão dentro de uma abordagem de qualidade mais abrangente
• Desde 1970: Vários pesquisadores, a ferramenta incontornável da indústria e da pesquisa
• Propagação da metodologia no mundo industrial global como ferramenta de qualidade
• Desenvolvimento de ferramentas para problemas específicos
5
 Princípios básicos e terminologia

• Resposta
• Parâmetro de interesse (função objetivo) a ser modelado que depende de diferentes variáveis ou
fatores (x1, x2, x3, ..., xk)

• Variável ou fator xi
• Fator contínuo (ex: pressão, temperatura, volume, tempo, ...)
• Fator discreto: somente valores específicos e não necessariamente numéricos (ex: azul, verde,
amarelo)
• Fator ordinal: fator discreto que pode ser colocado em ordem lógica (ex: alto, médio e baixo)
• Fator booleano: fator discreto com somente 2 níveis (ex: alto vs. baixo; -1 vs. +1; com vs. sem; ...)

• Nível
• Valor tomado por um fator 6
 Princípios básicos e terminologia
• Espaço experimental
• Representação gráfica dentro de um espaço cartesiano
ortogonal onde cada eixo representa um fator contínuo
• Área composta por todos os pares (fator 1, fator 2) que
representam um ponto experimental
• Para mais de 3 fatores, representação puramente matemática
(hipercubo)
• Domínio (de variação) dos fatores
• Conjunto de valores entre o nível baixo e
o nível alto de uma variável
• Geralmente, o nível baixo vale -1 e o nível
alto vale +1.
• Dependendo do DOE (e do modelo
obtido), a quantidade de nível dentro do
domínio varia (3 ou 4 níveis) 7
 Princípios básicos e terminologia
• Domínio de estudo
• Parte do espaço experimental escolhido pelo experimentador, definido pelos níveis baixo e alto
de todos os fatores
• Pode incluir limitações experimentais

8
 Princípios básicos e terminologia
• Variável centralizada reduzida
• Quando o nível baixo vale -1 e o nível alto vale +1, ocorreram duas mudanças:
• O nível 0 corresponde ao centro do domínio dos fatores
• A variável é adimensionalizada:

• Permite uma generalização da metodologia e uma comparação direta dos efeitos dos fatores entre si.

• Matriz
• Representação dos pontos experimentais em formato tabular (representação no espaço experimental
impossível para mais de 3 fatores)
9
 Princípios básicos e terminologia

• Planejamento de experimentos
• Conjunto de pontos experimentais que
define as propriedades matemáticas e
estatísticas do modelo matemático
empírico obtido

• Superfície de resposta
• Superfície obtida por interpolação das
respostas associadas ao conjunto de
pontos experimentais

10
 Princípios básicos e terminologia
• Modelo matemático a priori (ou postulado)
• Depende do DOE considerado
• Exemplo: modelo polinomial da segunda ordem com interação de segunda ordem

• y: resposta; xi: níveis do fator i; xj: níveis do fator j; : coeficiente do polinômio ou parâmetro
(termo independente, termos lineares, termos de interação (ou retangulares), termos quadráticos,
respectivamente)
• Muito importante: como o modelo é LOCAL, ele é válido SOMENTE DENTRO do domínio de
estudo.
• Modelo experimental:
• 2 termos adicionais em relação ao modelo matemático puro
• Erro de ajuste ou lack of fit (Δ): erro sistemático entre o modelo experimental e o modelo exato
• Erro aleatório ou erro puro (ε): erro associado à dispersão de valores na medição da resposta em
dado ponto experimental
11
 Princípios básicos e terminologia

• Sistema de equação
• p coeficientes do polinômio definidos a partir de um sistema de n equações
• Sistema escrito em notação matricial : 𝒚=𝑿𝒂+𝒆
• 𝒚 : vetor resposta, matriz coluna com n linhas
• 𝑿 : matriz do modelo (design matrix), com n linhas e p colunas, depende dos pontos experimentais
considerados e do modelo postulado
• a : matriz coluna dos coeficientes, com p linhas
• 𝒆: matriz coluna do erro, com n linhas
• Em muitos casos, o sistema não pode ser resolvido simplesmente (n equações para p + n incógnitas)
• Estimações dos coeficientes pelo método dos mínimos quadrados: 𝒂 = 𝑿′ 𝑿 −𝟏 𝑿′𝒚

• 𝑿′: transposta de 𝑿
• Matriz informação: 𝑿′ 𝑿 ; Matriz dispersão: 𝑿′ 𝑿 −𝟏

12
 Princípios básicos e terminologia
• Metodologia
1. Preparação do estudo
• a. Definir o objetivo
• b. Descrever os elementos que constituem o experimento
• c. Escolher a resposta adequada ao objetivo
• d. Pesquisar os fatores que podem ter impacto na resposta
• e. Especificar os níveis baixos e altos dos fatores estudados
• f. Examinar as potenciais limitações no experimento e nos fatores
2. Escolha do planejamento de experimentos (DOE)
• Depende da quantidade de experimentos (ou ensaios), da qualidade do modelo e do objetivo
3. Experimentação
• Garantir a qualidade dos resultados
4. Interpretação dos resultados
5. Decisão de parar ou continuar o estudo + Verificação 13
 Noções de cálculo matricial - Definições
• Matriz
• 6 elementos: a, b, c, d, e ,f
𝑎 𝑏 𝑐
• Primeira linha: a, b, c ; Segunda linha: d, e ,f
𝑑 𝑒 𝑓
• Primeira coluna: a, d ; Segunda coluna: b, e ; Terceira coluna: c, f
• Ordem de uma matriz m x n
• Matriz com m linhas e n colunas
• Matriz quadrada
• Matriz com o mesmo número de linhas e de colunas
• Matriz linha
• Matriz com uma única linha e n colunas
• Matriz coluna
• Matriz com o m linhas e uma única coluna 14
 Noções de cálculo matricial - Definições

• Notação dos elementos

• Primeiro índice para a linha e segundo índice para a coluna

• Elementos homólogos
• Elementos que ocupam a mesma posição em duas matrizes de mesmo
tamanho.

• Natureza dos elementos

• Escalares (real ou imaginário), polinômios, funções, operadores, matrizes.

15
 Noções de cálculo matricial – Definições para
matriz quadrada

• Diagonal principal
• Compostos pelos elementos principais

• Matriz simétrica
• Simetria dos elementos em relação à diagonal principal:

• Matriz antissimétrica
• Antissimetria (elementos de sinal oposto) dos elementos em relação à diagonal principal:

16
 Noções de cálculo matricial – Definições para
matriz quadrada
• Matriz diagonal
• Matriz quadrada com elementos nulos exceto na diagonal

• Matriz identidade
• Matriz quadrada com elementos nulos exceto na diagonal, onde os elementos valem 1

• Matriz nula
• Matriz quadrada com elementos nulos

• Determinante de uma matriz quadrada

• Escalar calculado a partir dos elementos da matriz permitindo definir se a matriz tem ou não inversa

• Traço de uma matriz quadrada

• Soma dos elementos da diagonal. 17
 Noções de cálculo matricial – Operações

• Igualdade de 2 matrizes de mesma ordem

•
• Adição / subtração de 2 matrizes de mesma ordem
• Resultado: matriz de mesma ordem cujos elementos são as somas dos elementos homólogos

• Multiplicação de 1 matriz por um escalar

• Resultado: matriz de mesma ordem cujos elementos são os produtos dos elementos homólogos
por este escalar

18
 Noções de cálculo matricial – Operações

• Multiplicação de uma matriz por uma matriz

• Condição: número de colunas de A deve ser igual ao número de linhas de B
•
• Geralmente, não é comutativo:

• Matriz inversa 𝑨−𝟏

• Condição: Somente para matriz quadrada de determinante não nulo (caso contrario, matriz singular)
• 𝑨−𝟏 𝑨 = 𝑰

• Matriz transposta 𝑨′
• Obtida invertendo linhas e colunas

19
 Noções de cálculo matricial – Álgebra

• Transposta de um produto
•
• Inversa de um produto
•
• Transposta de uma matriz transposta
•
• Inversa de uma matriz inversa
•

20
 Noções de cálculo matricial – Matrizes
particulares
• Matriz ortogonal
• Condição: todos os produtos escalares das suas colunas (ou das suas linhas) devem ser nulos
•
• Matrizes de Hadamard (muito usadas no planejamento de experimentos)
• Matrizes quadradas para quais todos os elementos são -1 ou +1
•
• Propriedades: existem para n múltiplos de 4
• Exemplos:

21
 Comparação com o método de otimização
simplex
• Vantagens do método de otimização do simplex sequencial
• Algoritmos muito simples: método iterativo usando o conceito da seleção natural
• Não precisa postular um modelo matemático: otimização direta
• Não requer o uso de ferramentas como testes t e F
• Eficiência cresce com o número de variáveis (opostos dos métodos univariados)

• Desvantagens do método de otimização do simplex sequencial

• Ensaios sequenciais ≠ Campanha de ensaios
• O próximo experimento depende do resultado do anterior
• Não se sabe a quantidade de experimentos a serem realizados
• Somente pode ser usado com variáveis contínuas
• Experimento tem que ser muito bem controlado e ter uma duração curta
• Otimização de uma resposta da cada vez
• Necessidade de definir uma resposta sendo a combinação das respostas experimentais 22
 Comparação com o método de otimização
simplex
• Simplex
• Configuração espacial de n dimensões determinadas por n+1 pontos em um espaço de dimensão
igual ou maior do que n
• Polígono regular de n + 1 vértices, no qual n é o número de variáveis independentes a ajustar
• n = 2: triângulo (3 vértices)
• n = 3: tetraedro (4 vértices)
• n > 4: hiperpoliedro (>5 vértices)

• Vários métodos de otimização simplex: 3 estudados

• Simplex básico
• Simplex modificado
• Simplex supermodificado
Simplex com mais experimentos, mas número total de
experimentos menor (menos passos antes de atingir o
objetivo desejado)
23
 Comparação com o método de otimização
simplex – Simplex básico
• Simplex básico
• SPENDLEY, W.; HEXT, G.R.; HIMSWORTH, F.R. Sequential Application of Simplex Designs in
Optimisation and Evolutionary Operation. Technometrics, v. 4, n.4, p. 441-461, 1962
• Método mais simples
• Simplex regular (triângulo equilátero para p = 2; tetraedro regular para p = 3) com dimensões fixas

Fonte: Bezerra, M. A. et al. Simplex optimization: A tutorial approach and recent 24

applications in analytical chemistry. Microchemical Journal, 124, 45-54, 2016
Comparação com o método de otimização
simplex – Simplex básico
• 5 regras para o deslocamento do simplex básico bidimensional (objetivo:
encontrar o máximo).
1: O primeiro simplex é determinado fazendo-se um número de experimentos igual ao
número de fatores mais um
• Escolha do experimentador baseado no conhecimento prévio
• Classificação dos ensaios:
• Melhor resposta (Best, B): C
• Segunda pior resposta (Next to worst, N): B
• Pior resposta (Worst, W): A

2: O novo simplex é formado eliminando-se o vértice correspondente à pior resposta (W) e

substituindo-o pela sua reflexão na hiperface definido pelos vértices restantes (BN)
• Rebatimento do triangulo ABC sobre a aresta BC (reflexão em relação a 𝑃): ABC→ BCD
1 𝑋𝐵 + 𝑋𝐶
𝑋𝑃 = 𝑋𝑖 = ⟹ 𝑋𝐷 = 𝑋𝑃 + 𝑋𝑃 − 𝑋𝑊 = 𝑋𝑃 + 𝑋𝑃 − 𝑋𝐴 = 𝑋𝐵 + 𝑋𝐶 − 𝑋𝐴
𝑝 2
𝑖≠𝑊

• Problema: potencial paralização do movimento se D é a pior resposta 25

Comparação com o método de otimização
simplex – Simplex básico

• 5 regras para o deslocamento do simplex

3: Quando o vértice refletido tiver a pior das respostas
do novo simplex, devemos refletir o segundo pior
vértice (N).
• Após o desbloqueio, volta-se a aplicar a regra 2

26
Comparação com o método de otimização
simplex – Simplex básico
• 5 regras para o deslocamento do simplex
3: Quando o vértice refletido tiver a pior das respostas do novo
simplex, devemos refletir o segundo pior vértice (N).
• Após o desbloqueio, volta-se a aplicar a regra 2
4: Se um mesmo vértice tiver sido mantido em p+1 simplexes,
devemos determinar novamente a resposta correspondente a este
vértice antes de construir o próximo simplex.
• Evitar de descartar a resposta errada (resposta falsamente baixa)
• Caso de U e W na figura a esquerda
5: Se o novo vértice ultrapassar os limites aceitáveis para qualquer
uma das variáveis que estão sendo ajustadas, devemos atribuir uma
valor indesejável à resposta neste vértice e aplicar a regra 2
• Processo interrompido quando o simplex descreve um
movimento circular em torno de um vórtice (melhor
experimento) 27
 Comparação com o método de otimização
simplex – Simplex modificado
• Simplex modificado
• NELDER, J.A.; MEAD, R. A.
Simplex Method for Function
Minimization. The Computer
Journal, v. 7, p. 308–313, 1965.
• Simplex com dimensões
variáveis
• Simplex maior, longe da
resposta otimizada: MENOS
ENSAIOS
• Simplex menor, perto da
resposta otimizada: MAIS
PRECISO

28
 Comparação com o método de otimização
simplex – Simplex modificado
• Movimento do simplex
• Simplex inicial: BNW; 𝑃 médio do segmento 𝐵𝑁
• Primeiro passo: mesma regra que o método simplex básico :
BNW → BNR
• Segundo passo: 3 casos
• 1. R > B (“direção correta”): determinação do ponto S, na reta
W𝑃, tal que a distância 𝑃𝑆 = 2𝑃𝑅
1a) Se S > R: Expansão para o novo simplex; BNW → BNS
1b) Se S < R: Mantém-se o simplex BNR; BNW → BNR
• 2. N < R < B: Mantém-se o simplex BNR; BNW → BNR
• 3. R < N (“direção errada”):
3a) Se W > R: Determinação do ponto T, na reta W𝑃, tal que a distância W𝑃 = 2W𝑇 e contração para o
novo simplex; BNW → BNT
3b) Se W < R < N: Contração em uma posição U no meio do segmento 𝑃𝑅 do simplex; BNW → BNU
29
 Comparação com o método de otimização
simplex – Simplex modificado
• Simplex modificado
• Exemplo

30
 Comparação com o método de otimização
simplex – Simplex modificado

• Movimento do simplex
• Condição: Nem a reflexão R, nem a
contração na direção oposta T deram
uma resposta melhor que W
• Contração maçica: BNW → BX’Y’

31
 Comparação com o método de otimização
simplex – Simplex supermodificado
• Simplex modificado:
• 5 operações possíveis para o simplex inicial
• Reflexão R (α = +1)
• Expansão S (α = +2 )
• Contração U (α = +0,5 )
• Contração com mudança de direção T (α = -0,5)
• Contração maciça

• Simplex supermodificado:
• ROUTH, M. W.; SWARTZ, P. A.; DENTON, M. B. Performance of the Super Modified Simplex.
Analytical Chemistry, v. 9, p. 1422–1428, 1977.
• Achar α (na prática, se trabalha com β) para chegar o mais rapidamente ao ponto otimizado
• Porém, mais experimentos necessários que o simplex modificado 32
 Comparação com o método de otimização
simplex – Simplex supermodificado
• Simplex supermodificado:
• 5 operações possíveis para o simplex inicial
• Reflexão R (β = +2) / Expansão S (β = +3) / Contração U (β =
+1,5) / Contração com mudança de direção T (β = +0,5)
• Resposta para W e R: expansão em S, mas S < W : βopt ≈ 1,3

33
 Comparação com o método de otimização
simplex – Simplex supermodificado

• Simplex supermodificado:
• Resposta para W e R: expansão em S, mas S < W : βopt ≈ 1,3
• Experimento no ponto 𝑃 (β = +1): ajustar um polinômio
passando por W, 𝑃 e R
𝑅𝑊 − 𝑅𝑃
𝛽𝑜𝑝𝑡 = + 0,5
𝑅𝑅 + 𝑅𝑊 − 2𝑅𝑃
• Onde 𝑅𝑊 , 𝑅𝑃 e 𝑅𝑅 são as respostas nos pontos W, 𝑃 e R

• Novo simplex: BNZ com 𝑍 = 𝛽𝑜𝑝𝑡 𝑃 + 1 − 𝛽𝑜𝑝𝑡 𝑊

• 1
Se 𝑅𝑃 < 𝑅𝑅 + 𝑅𝑊 : superfície côncava: manter o vértice R
2
e o simplex BNR

34
 Comparação com o método de otimização
simplex – Simplex supermodificado
• Simplex supermodificado:
• Algums valores de βopt são inconvenientes:
• βopt < -1: Contração excessiva → Contração do simplex
modificado suficiente
• βopt > 3: Expansão excessiva → Expansão do simplex
modificado suficiente
• βopt ≈ 0: Simplex muito parecido com o original → Geralmente,
define-se uma margem de segurança sβ (entre 0 e 0,5) para
que, caso βopt є [-sβ; sβ], substitui-se βopt por -sβ ou sβ
• βopt = 1: Simplex perde uma dimensão (𝑍 = 𝑃) → Geralmente,
define-se uma margem de segurança sβ (entre 0 e 0,5) para
que, caso βopt є [1-sβ; 1+sβ], substitui-se βopt por 1-sβ ou 1+sβ
• Limitações:
• Tratamento da violação dos limites experimentais mais difícil
• 1
Maior custo experimental: requer sempre o resultado em 𝑃 → Solução aproximativa: 𝑃 ≈ 𝑝 𝑖≠𝑊 𝑋𝑖 35
 Comparação com o método de otimização
simplex – Outras alternativas
• Outras alternativas:
B
• Weighted centroïd method (WCM)
R
• Reflexão em relação a 𝑃 → Reflexão em relação ao baricentro G
𝑖 𝑋𝑖 𝑌𝑖 − 𝑌𝑊 𝑋𝐵 𝑌𝐵 − 𝑌𝑊 + 𝑋𝑁 𝑌𝑁 − 𝑌𝑊 G
𝑋𝐺 = = ; 𝑋𝑅 = 𝑋𝐺 + 𝑋𝐺 − 𝑋𝑊 W 𝑃
𝑖 𝑌𝑖 − 𝑌𝑊 𝑌𝐵 − 𝑌𝑊 + 𝑌𝑁 − 𝑌𝑊

• Problema: deformação do simplex se G se afasta muito de 𝑃

𝑃𝐺
𝛾= ≤ 0,6 N
𝑃𝐵

• Multimove method
• HENDRIX, C. Through the Response Surface with Test Tube and Pipe Wrench. Chemtech, v. 10, p.
488-497, 1980.
• Separar os ensaios em 2 grupos e obter os simétricos dos pontos “ruins” em relação ao centro de
gravidade dos pontos “bons”
36
 Comparação com o método de otimização
simplex – Outras alternativas
• Exemplo: Porte, C. ; Caron-Poussin, M.; Carot, S. ; Couriol, C.; Martin Moreno, M; Delacroix,
A. Optimization of control parameters of a hot cold controller by means of Simplex
type methods. Journal of Automatic Chemistry, v.19, p. 15-26, 1997.
• Objetivo : Encontrar o mínimo de uma função resposta dependendo de 5 variáveis
• Simplex inicial • Comparação dos métodos

p ≈ 0,9 ; q ≈ 0,2
37