Escolar Documentos
Profissional Documentos
Cultura Documentos
Superfcie de Resposta
Uso: modelagem e anlise de problemas nos quais a varivel de resposta de interesse
influenciada por diversas variveis independentes ou fatores e cujo objetivo otimizar a
varivel resposta.
y f ( x1, x2 , x3 )
Onde, representa o rudo branco ou os erros aleatrios observados na reposta y. O valor
esperado da resposta, E(y), dado por:
E ( y ) f ( x1, x 2 , x3 )
Ento, a superfcie representada por:
f ( x1, x2 , x3 )
Exemplo: Schneider e Stockett (1963) citados por JOHN (1971) realizaram um experimento
com o objetivo de verificar a influncia dos fatores Temperatura (x1), taxa gs/lquido (x2) e
altura da embalagem (x3), na reduo do odor desagradvel de um produto qumico que est
sendo estocado para uso residencial. (Arquivo SAS: reducaoodorsuperficieresposta.sas)
2
A codificao utilizada foi:
x1 140
80
x2 20,02,5 x3 324
+1
x3
+1
x2
-1 -1
-1 x1 +1
3
Superfcie de
resposta
4
Na maioria dos problemas em superfcie de resposta, a forma do relacionamento entre as
variveis dependentes e independentes desconhecida. Assim, o primeiro passo
encontrar uma aproximao para o verdadeiro relacionamento entre a varivel resposta
(y) e as variveis independentes (fatores).Geralmente utiliza-se de uma regresso
polinomial de baixo grau em alguma regio das variveis independentes. Exemplo: o
modelo de regresso polinomial de primeiro grau dado por:
y 0 1 x1 2 x2 ... k xk
O modelo de segunda ordem dado por:
k k k 1 k
y 0 i xi ii xi2 ij xi x j
i 1 i 1 i 1 j i
Estes modelos geralmente funcionam bem para uma regio relativamente pequena do
espaa dos fatores.
5
Os parmetros do modelo so mais adequadamente estimados se forem utilizados planos
adequados para a coleta dos dados. Os planos para ajsutar superfcies de resposta so
denominados de delineamentos para superfcie de resposta. Estes sero discutidos mais
adiante.
A metodologia de superfcie de resposta um procedimento sequncial. Quando estamos
num ponto da superfcie de resposta que est longe do timo, como na condio
operacional atual da figura, h pouca curvatura no sistema e o modelo de 1 ordem ser
apropriado.
Regio
de timo
Regio do Caminho para a regio de timo
processo
Condio
operacional
atual (est longe
do timo
6
O objetivo auxiliar o pesquisador, de forma rpida e eficiente, a encontrar a regio de
timo, isto , determinar a melhor regio de estudo. Encontrada a regio de timo, um
modelo mais elaborado, por exemplo, um modelo de segunda ordem, pode ser empregado,
e uma anlise pode ser feita para localizar o ponto de mximo ou de mnimo (ponto timo).
Um outro objetivo da MSR determinar as condies de operao tima para o sistema, ou
determinar uma regio do espao dos fatores no qual as especificaes (requerimentos) de
operao so satisfeitas.
7
O modelo ajustado de primeira ordem :
k
y 0 i xi
i 1
O grfico de contornos dos valores preditos da varivel resposta ( y chapu), uma srie de
linhas paralelas, como na figura,
x1
Figura. Superfcie de resposta de primeira ordem e o caminho da inclinao ascendente
8
Os passos ao longo do caminho so proporcionais aos sinais e grandezas
dos coeficientes de regresso { i }.
O tamanho real do passo determinado pelo pesquisador, baseado em
consideraes prticas ou conhecimento do processo.
Experimentos (tratamentos) so conduzidos ao longo do caminho da
inclinao ascendente at que no ocorre mais acrscimos na resposta.
Um novo modelo de primeira ordem pode ser ajustado, um novo caminho
de inclinao ascendente determinado, e o processo continuado.
Eventualmente, o pesquisador pode chegar na vizinhana do ponto timo.
Isto indicado pela falta de ajuste do modelo de primeira ordem.
Neste momento, experimentos adicionais (tratamentos) so realizados para
obter uma estimativa mais precisa do timo.
9
Exemplo 1:
1 35 2 155
x1 x2
5 5
Delineamento experimental: o delineamento experimental utilizado um fatorial 22
aumentado de 5 pontos centrais. As repeties no ponto central so utilizadas para estimar o
erro experimental e para checar o ajuste do modelo de primeira ordem. Os pontos centrais do
delineamento so os correspondentes s condies de operao atual. Arquivo SAS:
producaoexemplosteepestascent.sas)
Variveis originais Variveis naturais Resposta
1 2 x1 x2 y
30 150 -1 -1 39.3
Fatorial 30 160 -1 1 40.0
40 150 1 -1 40.9
40 160 1 1 41.5
35 155 0 0 40.3
Pontos 35 155 0 0 40.5
35 155 0 0 40.7
centrais
35 155 0 0 40.2
35 155 0 0 40.6
12
Estimativa do erro experimental [com os pontos centrais (repetio)]
13
Response Surface for Variable YIELD
Degrees
of Type I Sum
Regression Freedom of Squares R-Square F-Ratio Prob > F
Degrees
of Sum of
Residual Freedom Squares Mean Square F-Ratio Prob > F
Lack of Fit 0 0 . . .
Pure Error 4 0.172000 0.043000
Total Error 4 0.172000 0.043000
ep( i ) QM erro
4 2
4 0, 043
4 0,10 i 1,2
14
Ambos os coeficientes de regresso so maiores do que os seus erros
padres (2 x erro padro). Podemos considerar que o modelo de 1a ordem
est ajustado aos dados.
Direo da mxima inclinao ascendente:
Para andar (mover-se) do centro do delineamento (x1=0 e x2=0) no
caminho da inclinao ascendente, deveramos mover 0,775 unidades na
direo x1 para cada 0,325 unidades na direo de x2. Assim, a direo da
inclinao ascendente passa pelo ponto central (x1=0 e x2=0) e tem
inclinao 0,325/0,775=0,42.
O engenheiro decide usar um tempo de reao de 5 minutos como tamanho
do passo inicial. Usando a relao entre 1 e x1, vimos que 5 minutos no
tempo de reao corresponde a um intervalo (passo), na varivel codificada
x1, de x1=1. Os passos no caminho da inclinao ascendente so:
x1=1
x2=(0,325/0,775) x1=0,42.
15
Os pontos experimentais so obtidos e a produo para
estes pontos observados at que se perceba um decrscimo
na produo. Os resultaods so mostrados na tabela a
seguir:
Para converter o tamanho dos passos codificados (x1=1
e x2=(0,325/0,775) x1=0,42) para as unidades originais
de tempo e temperatura, usamos as relaes:
1 2
x1 5 x2 5
1 x1 (5) 1.0(5) 5
2 x2 (5) 0,42(5) 2
16
Passos Variveis codificadas Variveis originais Resposta
x1 x2 1 2 y
Origem 0 0 35 155
1,00 0,42 5 2 No faz
Origem + 1,00 0,42 40 157 41,0
Origem + 2 2,00 0,84 45 159 42,9
Origem +3 3,00 1,26 50 161 47,1
Origem +4 4,00 1,68 55 163 49,7
Origem +5 5,00 2,10 60 165 53,8
Origem +6 6,00 2,52 65 167 59,9
Origem + 7 7,00 2,94 70 169 65,0
Origem + 8 8,00 3,36 75 171 70,4
Origem + 9 9,00 3,78 80 173 77,6
Origem + 10 10,00 4,20 85 175 80,3
Origem + 11 11,00 4,62 90 179 76,2
Origem + 12 12,00 5,04 95 181 75,1
17
Observa-se um acrscimo na resposta at o passo 10;
entretanto, depois deste passo tm-se um decrscimo na
resposta. Portanto, outro modelo de primeira ordem deve ser
ajustado na vizinhana do ponto (1 =85 e 2 =175).
A regio de 1 [80, 90] e para 2 [170, 180]. O
delineamento experimental e os resultados so apresentados
na tabela a seguir. Novamente usou-se um fatorial 22
completo com cinco pontos centrais.
18
Variveis codificadas Variveis originais Resposta
x1 x2 1 2 y
-1 -1 80 170 76.5
-1 1 80 180 77.0
1 -1 90 170 78.0
1 1 90 180 79.5
0 0 85 175 79.9
0 0 85 175 80.3
0 0 85 175 80.0
0 0 85 175 79.7
0 0 85 175 79.8
1 85 2 175
x1 e x2
5 5
19
O modelo de primeira ordem ajustado aos dados :
Degrees
of Type I Sum
Regression Freedom of Squares R-Square F-Ratio Prob > F
Degrees
of Sum of
Residual Freedom Squares Mean Square F-Ratio Prob > F
Lack of Fit 0 0 . . .
Pure Error 4 0.212000 0.053000
Total Error 4 0.212000 0.053000
20
O efeito da interao no significativo, porm, o efeito da regresso do segundo grau
significativo. Este efeito significativo da regresso quadrtica indica que ns estamos
prximos do ponto de timo. Neste ponto, uma anlise adicional deve ser feita para localizar
o timo com mais preciso.
Exemplo 2: Achar condies em x1, x2, x3, x4 que maximizam uma resposta. Considerar
um planejamento fatorial fracionrio 24-1 onde os 4 fatores tem os seguintes nveis:
-1 +1
Fator A 1 10 15
Fator B 2 1 2
Fator C 3 25 35
Fator D 4 75 85
Considerar um planejamento fatorial 24-1 com gerador I=ABCD, de resoluo IV. Os pontos
1 12 ,5 2 1,5
experimentais obtidos foram (sada do SAS):
x1 x2
2 ,5 0 ,5
3 30 4 80
x3 x4 21
5 5
OBS A B C D y
1 -1 -1 -1 -1 (1) 62.0
2 -1 -1 1 1 cd 57.0
3 -1 1 -1 1 bd 62.2
4 -1 1 1 -1 bc 64.7
5 1 -1 -1 1 ad 61.8
6 1 -1 1 -1 ac 64.5
7 1 1 -1 -1 ab 69.0
8 1 1 1 1 abcd 66.3
22
O centro do planejamento dado por: (xi=0, x2=0, x3=0 e x4=0). A partir do centro do
planejamento, avanar R unidades na superfcie de uma hiperesfera na direo do mximo.
Observao: no foi feito o diagnstico do modelo
O pesquisador decide usar para o fator 1, 2,5 unidades como tamanho do passo inicial. Usando
a relao entre 1 e x1, vimos que 2,5 unidades no fator 1 corresponde a um intervalo (passo),
na varivel codificada x1 de x1=1. Os passos ao longo da direo da inclinao ascendente
so:
x2=2,1125/(1,9625. (1,0))=1,0764
x3=-0,3125/(1,9625(1,0))=-0,1592
x4=-1,6125/(1,9625(1,0))=-0,8217. 23
Converso dos passos nas variveis codificadas para as variveis naturais, usamos as
relaes:
1
x1 2 ,5 1 1,0( 2,5) 2,5
2
x2 0,5 2 1,0764(0,5) 0,5382
3
x3 5, 0 3 0,1592(5,0) 0,7962
4
x4 5, 0 4 0,8217(5,0) 4,1085
Ponto Variveis codificadas Variveis naturais Y
experimental X1 X2 X3 X4 1 2 3 4
Base 0 0 0 0 12,5 1,5 30 80 ---
1,0 1,076 -0,159 -0,822 2,5 0,538 -0,796 -4,108
Base+ 1,00 1,076 -0,159 -0,822 15,0 2,038 29,204 75,892 ---
Base+2 17,5 2,576 28,408 71,784 74,0
Base+3 20,0 3,114 27,612 67,676 79,0
Base+4 22,5 3,652 26,816 63,568 77,0
25
Anlise de uma superfcie de resposta de segunda
ordem
Quando o pesquisador est prximos da regio de timo, um modelo que incorpora o efeito
de curvatura indicado. O modelo de segunda ordem dado por:
k k
y 0 i xi ii xi2 ij xi x j
i 1 i 1
Como encontrar o ponto timo?
Qual a natureza da superfcie de reposta?
Desejamos encontrar os nveis de x1, x2, ...,xk, que maximizam a resposta estimada (predita).
Este ponto, se existir, ser um conjunto de x1, x2, ...,xk para o qual as derivadas parcias so
iguais a zero:
y / x1 y / x2 .... y / xk 0.
Este ponto, x1.S, x2.S, ...,xk.S chamado de PONTO ESTACIONRIO. Este ponto pode
representar um MXIMO, MNIMO ou PONTO DE SELA. 26
Ponto de mximo (xS) Ponto de mnimo (xS)
x2 x2
80 60
70 70
60 80
x1 x1
27
28
Determinao do ponto estacionrio: uma soluo matemtica geral.
O modelo de segunda ordem escrita na forma matricial fica:
y 0 x'b x' Bx
Onde: 1 11 12 / 2,
x1 . . . 1k / 2
x
2 2 22 . . . 2k / 2
. . .
x b B
. . .
. . .
xk k sim. kk
xs 12 B 1b
O valor predito da varivel resposta no ponto estacionrio :
y s 0 12 xs' b Demonstrao no
prximo slide
Natureza da superfcie de resposta
Desejamos saber se o ponto estacionrio um ponto de mximo, mnimo ou ponto de cela.
A forma mais direta de se fazer isso atravs do grfico de contornos do modelo de
regresso ajustado aos dados. Entretanto, mesmo com poucas variveis independentes, uma
anlise mais formal, denominada de Anlise Cannica, pode ser til.
2 4
1 ' 1
y 0 b B b
2
1
y 0 x' b
2 31
x2
70
w1
75
80
x1,S xs
w2
x1,S x1
A funo de respostas em termos das novas variveis w1, w2,...,wk (forma cannica) dada
por:
y y s 1w12 2 w22 ... k wk2 FORMA CANNICA DO
MODELO
Onde os (wi) so as variveis independentes transformadas e os (i) so constantes. O ys
chapu a resposta estimada no ponto estacionrio. Os (i) so os autovalores ou razes
caractersticas da matriz B.
32
OPCIONAL:
36
x2
(0,1,414)
(-1,1) (1,1)
x1
(-1,414,0) (0,0) (1,414,0)
(-1,-1) (1,-1)
(0,-1,414)
37
Response Surface for Variable YIELD
Degrees
of Type I Sum
Regression Freedom of Squares R-Square F-Ratio Prob > F
Degrees
of Sum of
Residual Freedom Squares Mean Square F-Ratio Prob > F
Temos que:
0,995 1,376 0,1250
b B
0 ,515 0,1250 1,001
X2,s
Em termos das variveis naturais, o ponto estacionrio dado por:
42
O valor da resposta estimada no ponto estacionrio :
y s 0 12 x 'sb
0,995
ys 79.94 12 0,389 0,306 80,21.
0,515
ANLISE CANNICA: Objetivo: caracterizar a superfcie de resposta
Critical Value
Factor
TIME 0.389230
TEMPERA 0.305847
Eigenvectors
Eigenvalues TIME TEMPERA
45
As variveis x e w so relacionadas por:
w M (x x s )
'
(B i I)mi 0
k
para o qual : ji 1. (Normalizado)
m 2
j 1
Encontrar as colunas de M
Exemplo: continuao do exemplo com os fatores tempo e
temperatura na produo.
46
Para 1=-0,963499, temos:
( B i I )mi 0
1,37645 0 ,963499 0 ,1250 m11 0
0 ,1250 1,001336 0 ,963499 m21 0
Fazendo-se as operaes matriciais, chegamos ao sistema de equaes
0 ,412951m11 0 ,1250m21 0
0 ,1250m11 0 ,037837m21 0
Da, achar m11 e m21, tal que sejam normalizados, isto ,
2
ji 11 21 1.
m 2
j 1
m 2
m 2
Estas equaes no tem soluo nica, portanto, vamos dar um valor arbitrrio para uma
delas, por exemplo, m*21=1, resolver o sistema e, ento, normalizar a soluo. Seja m*21=1,
obtemos m*11=0,302696. Para normalizar esta soluo, devemos dividir m*21 e m*11 por
* 2
( m11 ) ( m21
*
)2 ( 0 ,302696 )2 ( 1 )2 1,0448085 47
O vetor normalizado fica (a primeira coluna de M):
m11
*
m11 1,0448085 0 ,2897
m m* 0 ,9571
21 12
1,0448085
Aplicando o mesmo procedimento, agora para 2=-1,414287 obtemos a segunda
coluna de M:
m12 0 ,9571
m 0 ,2897
22
48
Exemplo: verificar os efeitos de 4 fatores numa reao qumica e encontrar as
condies que maximizam a resposta. Os fatores so:
NH3 (1): amnia (gramas)
T (2): temperatura (oC)
H2O (3): gua (gramas)
P (4): presso do hidrognio (Psi)
Os nveis dos fatores so dados por:
Fator -1,4 -1,0 0,0 1,0 1,4
Amnia 30,6 51 102 153 173,4
Temperatura 222 230 250 270 278
gua 20 100 300 500 580
Presso 360 500 850 1200 1340
Superfcie ajustada
51
Canonical Analysis of Response Surface
(based on coded data)
Critical Value
Factor Ponto
estacionrio
AMONIA 0.264687
TEMPERA 1.033646
AGUA 0.290578
PRESSAO 1.667961
Matriz B
52
Os coeficientes cannicos (razes caractersticas), valem:-7,55, -6,01, -2,16 e 2,60.
Assim, a forma cannica da superfcie de resposta :
w M '(X X0)
Desenvolvendo, chegamos:
Objetivo: encontrar condies operacionais cuja resposta seja alta na regio do experimento
planejado.
53
Com x3 -1,5 (pois, x3< -1,5 impossvel, sistema sem gua), devemos encontrar condies
em x1, x2, x3 e x4 que do valor zero para w1, w2, w3 e vrios valores para w4. Resultados na
tabela a seguir.
Tabela: valores para x1,x2,x3 e x4 com w1=w2=w3=0 e vrios valores para w4
w4 1,0 1,5 2,0 -1,0 -1,5 -2,0 -2,5
x1 0,339 0,376 0,413 0,191 0,154 0,117 0,080
x2 1,562 1,826 2,090 0,506 0,242 -0,022 -0,287
x3 1,117 1,531 1,944 -0,535 -0,949 -1,362 -1,775
x4 1,848 1,938 2,028 1,488 1,398 1,307 1,217
55