Introduo Metodologia de

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.

Exemplo: o pesquisador est interessado em encontrar os nveis de temperatura,

tempo e pH que maximizam a produo de um processo. A produo um funo
da temperatura, tempo e do pH, ou seja,

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 )

chamada de superfcie de resposta. 1

 Representao de uma superfcie de resposta

* Geralmente feita graficamente: SAUPERFCIE DE RESPOSTA E GRFICO DE CONTORNOS

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)

Variveis naturais Variveis codificadas Resposta

1 2 3 x1 x2 x3
40 0,3 4 -1 -1 0 66
120 0,3 4 1 -1 0 39
40 0,7 4 -1 1 0 43
120 0,7 4 1 1 0 49
40 0,5 2 -1 0 -1 58
120 0,5 2 1 0 -1 17
40 0,5 6 -1 0 1 -5
120 0,5 6 1 0 1 -40
80 0,3 2 0 -1 -1 65
80 0,7 2 0 1 -1 7
80 0,3 6 0 -1 1 43
80 0,7 6 0 1 1 -22
80 0,5 4 0 0 0 -31
80 0,5 4 0 0 0 -35
80 0,5 4 0 0 0 -26

2
A codificao utilizada foi:
x1 140
80
x2 20,02,5 x3 324

Projeto experimental: DELINEAMENTO BOX-BEHNKEN (delineamnetos com 3 nveis).

Geometricamente o delineamento fica:

+1

x3

+1

x2
-1 -1

-1 x1 +1
3
Superfcie de
resposta

Grfico de contornos. Cada

contorno corresponde a uma
particular altura da superfcie
de resposta. Em cada linha a
resposta constante.

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

Efeito linear Efeito Efeito da

quadrtico interao

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.

Mtodo da inclinao ascendente (steepest ascent)

Frequentemente, as condies iniciais (os pontos iniciais, regio inicial) esto afastadas
daqueles que otimizam a resposta. Em tais condies, o objetivo mover o experimento
rapidamente para a vizinhana geral do timo utilizando um procedimento experimental,
simples, rpido, econmico e eficiente.
Quando se est distante do timo, vamos assumir um modelo de primeira ordem como
aproximao da verdadeira superfcie de resposta em uma pequena regio das variveis
independentes (xi) .
Se estamos buscando o mximo incremento na resposta temos o mtodo da mxima
inclinao ascendente (steepest ascent); se estamos buscando um ponto de mnimo o
mtodo chama-se mxima inclinao descendente (steepest descent).

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,

Caminho da inclinao ascendente

( a direo em que os
valores ajustados aumentam
mais rapidamente)
x2

Regio dos valores

preditos pelo modelo
y 40 y 50
de primeira ordem y 10 y 20 y 30

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:

Um engenheiro qumico est interessado em determinar os

nveis de tempo e temperatura de reao que maximizam a
produo de um processo. Normalmente, opera-se com um
tempo de 35 minutos e temperatura de 155 oF, que resulta
numa produo de 40% aproximadamente. Como esta regio
provavelmente no contm o timo, ajusta-se um modelo de
primeira ordem e aplica-se o Mtodo da Mxima Inclinao
Ascendente.
O engenheiro decide que a regio experimental ser:
Tempo: 1=30 2=40
Temperatura: 1=150 2=160
10
 Codificao (para simplicao dos clculos:

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

Modelo ajustado de 1a ordem:

y 40,44 0,775x1 0,325x2
( R 2 94,1%) Falta de ajuste : F 47 ,82 valor p 0,0002 modelo ajustado
11
Diagnstico do modelo de 1a ordem:

Obter uma estimativa do erro

Checar se interaes devem ser includas no
modelo
Checar se termos quadrticos devem ser
includos no modelo

12
Estimativa do erro experimental [com os pontos centrais (repetio)]

2 ( 40, 3)2 ( 40,5)2 ( 40, 7 )2 ( 40, 2 )2 ( 40, 6 )2 [( 202, 3)2 / 5]

51 0,0430

Estimativa de mnimos quadrados do coeficiente da interao

12 14 1(39,3) 1(41,5) 1(40,0) 1(40,9) 0,025

Soma de quadrados da interao, com 1 grau de liberdade:
( 0,1) 2
SQint erao 4 0,0025
Teste F para interao:
F 00,,0430
0025
0,058NS
Estudo do efeito quadrtico: a anlise de varincia completa obtemos atravs do programa
estatstico SAS.

13
 Response Surface for Variable YIELD

Degrees
of Type I Sum
Regression Freedom of Squares R-Square F-Ratio Prob > F

Linear 2 2.825000 0.9410 32.849 0.0033 **

Quadratic 1 0.002722 0.0009 0.0633 0.8137 N.S.
Crossproduct 1 0.002500 0.0008 0.0581 0.8213 N.S.
Total Regress 4 2.830222 0.9427 16.455 0.0095 **

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

Os efeitos da interao e da curvatura no foram significativos, ao passo que o efeito linear

significativo, portanto, o modelo de 1a ordem est ajustado. O erro padro dos coeficientes lineares
vale:

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 :

y 78,97 1,00x1 0,50x2

A anlise de varincia para este modelo, incluindo os termos da interao e a regresso

quadrtica fica: (sada do SAS)

Degrees
of Type I Sum
Regression Freedom of Squares R-Square F-Ratio Prob > F

Linear 2 5.000000 0.3102 47.170 0.0017

Quadratic 1 10.658000 0.6612 201.1 0.0001**
Crossproduct 1 0.250000 0.0155 4.717 0.0956 NS
Total Regress 4 15.908000 0.9868 75.038 0.0005

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

T for H0: Pr > |T| Std Error of

Parameter Estimate Parameter=0 Estimate

INTERCEPT 63.43750000 255.14 0.0001 0.24864215

A 1.96250000 7.89 0.0042 0.24864215
B 2.11250000 8.50 0.0034 0.24864215
C -0.31250000 -1.26 0.2978 0.24864215
D -1.61250000 -6.49 0.0074 0.24864215
A equao de regresso fica:
y 63.44 1.9625x1 2.1125x2 0.3125x3 1.6125x4

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

Algoritmo geral para determinar as coordenadas de um ponto no caminho da mxima

inclinao ascendente: assumir que o ponto x1=0, x2=0, ...,xk=0 a base ou origem.
1. Escolha um tamanho de em uma das variveis independentes, por exemplo, xj.
Geralmente, selecionamos a varivel que temos maior conhecimento, ou aquela que tem maior
coeficiente de regresso em mdulo | | .
j
2. O passo nas demais variveis :
i
xi j / x j
i 1,2,...,k; i j
3. Converter xi das variveis codificadas para as variveis naturais.

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

A regio de mximo deve estar em torno de 1=20,0 2=3,114 3=27,612 4=67,676

24
* Os pontos em torno de (20,0; 3,114; 27,612; 67,676)
decrescem.
* Deve ajustar outro modelo de primeira ordem na
vizinhana de (20,0; 3,114; 27,612; 67,676)
* Fazer anlise de varincia (o efeito da curvatura
significativo?)

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?

Localizao do ponto estacionrio

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

b um vetor (k x 1) dos coeficientes de regresso de primeira ordem e B uma matriz

simtrica (k x k) onde na diagonal tm-se os coeficientes de regresso de segunda ordem e fora
da diagonal os coeficientes da interao.
As derivadas parciais dos valores preditos da resposta ( y chapu) com relao aos elementos
de x e colocadas iguais a zero so dadas por:
y
x b 2 Bx 0 29
 O ponto estacionrio a soluo das equaes, ou seja,

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.

Anlise cannica (Facilitar a interpretao dos resultados)

Considerar uma translao (novo sistema de coordenadas) da superfcie de respostas da
origem (x1, x2,...,xk)=(0, 0,...,0) para o ponto estacionrio xS e ento rotacionar os eixos
desse sistema at que eles fiquem paralelos aos eixos principais da superfcie de resposta
ajustada. Veja figura no prximo slide.
30
Opcional:
y 0 x' b x' Bx
1 ' 1 1 ' 1 1
y 0 b B b b B BB b
2 4
1 1
y 0 b B b b' IB 1b
' 1

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:

Reduo de uma forma quadrtica para uma forma cannica

No estudo da forma de uma superfcie de resposta e localizao

das regies de condies timas, de grande utilidade reduzir uma forma
quadrtica para uma forma cannica.
Resultado: se 1, 2,..., k so razes caractersticas (todas reais)
da matriz simtrica real A, ento existe uma transformao
ortogonal X=Pw, tal que a forma quadrtica real Q=XAX
transformada para a forma cannica 1w12, 2w22,..., kwk2. Isto ,
a forma quadrtica Q transformada para uma forma com uma
matriz diagonal, onde seus elementos diagonais so as razes
caractersticas da matriz A.
P : as suas colunas so os autovetores normalizados da matriz A.
Q=xAx=wP APw=ww=iwi2 33
Estudo da natureza da superfcie de resposta

Este estudo pode ser feito considerando o ponto estacionrio

e os sinais e magnitudes dos (i).
Suponha que o ponto estacionrio esteja dentro da regio de
estudo na qual foi ajustado o modelo de segunda ordem. Se
todos os valores de (i) so positivos, ento, xs um ponto de
resposta mnima; se os (i) so todos negativos, ento, xs
um ponto de resposta mxima;se os valores de (i) tem sinais
positivos e negativos, ento, xs um ponto de sela.
Alm disso, a superfcie tem inclinao na direo de wi para
o qual o valor de |i| maior.
Por exemplo, na figura anterior, xs um ponto de mximo
(todos os (i) so negativos) e |1|> |2|.
34
Exemplo: vamos continuar com a anlise do processo qumico
do exemplo 1 (segunda fase do estudo). Para ajustar um modelo
de segunda ordem, o pesquisador decide aumentar o
delineamento com pontos adicionais ( o engenheiro usou 4
observaes adicionais mais ou menos no mesmo tempo em que
executou os 9 tratamentos anteriores. Se passou muito tempo
entre as 2 realizaes dos tratamentos, ento, deve-se usar
blocos). Os 4 tratamentos adicionais foram:
x1=0, x2= 1,414
x1= 1,414, x2=0
O delineamento completo mostrado na tabela e figura a seguir.
Este delineamento denomina-se de DELINEAMENTO
CENTRAL COMPOSTO.
* Arquivo SAS: chemicalprocesssuperficieresposta2aordem.sas
35
 Delineamento central composto
Variveis naturais Variveis codificadas Respostas
1 2 x1 x2 y1 y2 y3
(produo) (viscosidade) (peso molecular)
80 170 -1 -1 76.5 62 2940
80 180 -1 1 77.0 60 3470
90 170 1 -1 78.0 66 3680
90 180 1 1 79.5 59 3890
85 175 0 0 79.9 72 3480
85 175 0 0 80.3 69 3200
85 175 0 0 80.0 68 3410
85 175 0 0 79.7 70 3290
85 175 0 0 79.8 71 3500
92,07 175 1,414 0 78.4 68 3360
77,93 175 -1,414 0 75.6 71 3020
85 182,07 0 1,414 78.5 58 3630
85 167,93 0 -1,414 77.0 57 3150

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

Response Mean 78.476923

Root MSE 0.266290
R-Square 0.9827
Coef. of Variation 0.3393

Degrees
of Type I Sum
Regression Freedom of Squares R-Square F-Ratio Prob > F

Linear 2 10.042955 0.3494 70.814 0.0000

Quadratic 2 17.953749 0.6246 126.6 0.0000**
Crossproduct 1 0.250000 0.0087 3.526 0.1025NS
Total Regress 5 28.246703 0.9827 79.669 0.0000

Degrees
of Sum of
Residual Freedom Squares Mean Square F-Ratio Prob > F

Lack of Fit 3 0.284373 0.094791 1.789 0.2886NS

Pure Error 4 0.212000 0.053000
Total Error 7 0.496373 0.070910
38
 O termo quadrtico, comp valor p de 0,0000, foi
significativo,portanto, decidimos usar (ajustar) um modelo de
segunda ordem para a resposta.
Degrees
of Parameter Standard T for H0:
Parameter Freedom Estimate Error Parameter=0 Prob > |T|

INTERCEPT 1 79.939955 0.119089 671.3 0.0000

TIME 1 0.995050 0.094155 10.568 0.0000
TEMPERA 1 0.515203 0.094155 5.472 0.0009
TIME*TIME 1 -1.376449 0.100984 -13.630 0.0000
TEMPERA*TIME 1 0.250000 0.133145 1.878 0.1025
TEMPERA*TEMPERA 1 -1.001336 0.100984 -9.916 0.0000

Grfico de contornos e superfcie de resposta tridimensional

para a varivel resposta produo em funo do tempo e da
temperatura.
Observa-se visualmente que o timo est prximo de 175oF e 85
minutos e que a resposta neste ponto um ponto de mximo.
Examinando o grfico de contornos, observa-se que o processo
mais sensvel (levemente) mudanas no tempo de reao do
que mudanas na temperatura. 39
40
41
Determinao da localizao do ponto estacionrio (mximo).

Temos que:
0,995 1,376 0,1250
b B
0 ,515 0,1250 1,001

O ponto estacionrio dado por:

X1,s
x s 12 B1b
0,7345 0,0917 0,995 0,389
- 1
.
0,0917 1,0096 0,515 0,306
2

X2,s
Em termos das variveis naturais, o ponto estacionrio dado por:

0 ,389 1 585 1 86 ,95 87

0 ,306 2 5175 2 176 ,5

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

Vamos expressar o modelo ajustado na forma cannica. Primeiro precisamos

encontrar os autovalores, 1 e 2. Os autovalores so as razes do determinante da
equao:
B I 0
1,3770 0 ,1250
0
0 ,1250 1,0013
A equao fica:
2 2.377786 1.362663937 0
As razes desta equao de segundo grau so: 1=-0,9635 e 2=-1,4143. A forma
cannica do modelo ajustado fica:

y 80 ,21 0 ,9635w12 1,4143w22

negativos Ponto de
43
mximo
 Sada do SAS:
Canonical Analysis of Response Surface
(based on coded data)

Critical Value
Factor

TIME 0.389230
TEMPERA 0.305847

Predicted value at stationary point 80.212393

Eigenvectors
Eigenvalues TIME TEMPERA

-0.963498 ** 0.289717 0.957112

-1.414287 ** 0.957112 -0.289717

Stationary point is a maximum. 44

Variveis cannicas (wi) e as covariveis (xi)

Em muitos problemas necessrio encontrar a relao

entre estas duas variveis. Exemplo: o custo para fazer o
experimento no ponto estacionrio (1=87 min e
2=176,5F ) pode ser muito alto (inviabiliza), a torna-se
necessrio encontrar um outro ponto (com menor custo)
que no signifique muita perda na produo.

Para explorar a forma cannica, necessita-se converter os

pontos no espao (w1,w2) para os pontos no espao (x1,x2).

45
As variveis x e w so relacionadas por:

w M (x x s )
'

onde M uma matriz ortogonal de dimenso (k x k). As

colunas de M so os autovetores normalizados associados
com cada (i). Isto , se mi a i-sima coluna de M, ento
mi a soluo para

(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

A relao entre w e x dada por: w M ( X X 0 )

'

w1 0 ,2897( x1 0 ,3890 ) 0 ,9571( x2 0 ,3056 )

w2 0 ,9571( x1 0 ,3890 ) 0 ,2897( x2 0 ,3056 )

Se desejamos explorar a superfcie de resposta na vizinhana do ponto estacionrio, podemos

determinar pontos no espao de (w1, w2) e usar a relao acima para converter estes pontos no
espao de (x1, x2).

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

Os nveis dos fatores, na forma codificada, so dadas por:

x1 (1 102) / 51;
x2 ( 2 250) / 20;
x3 (3 300) / 200;
x4 ( 4 850) / 350. 49
 A matriz de planejamento (Delineamento Central Composto) e os pontos experimentais
obtidos so:
x1 x2 x3 x4 y
-1 -1 -1 -1 58.2
+1 -1 -1 -1 23.4
-1 +1 -1 -1 21.9
+1 +1 -1 -1 21.8
f -1 -1 +1 -1 14.3
a +1 -1 +1 -1 6.3
t -1 +1 +1 -1 4.5
o +1 +1 +1 -1 21.8
-1 -1 -1 +1 46.7
24=16
r
i +1 -1 -1 +1 53.2
a -1 +1 -1 +1 23.7
l +1 +1 -1 +1 40.3
-1 -1 +1 +1 7.5
+1 -1 +1 +1 13.3
-1 +1 +1 +1 49.3
+1 +1 +1 +1 20.1
central 0 0 0 0 32.8
-1,4 0 0 0 31.1
1,4 0 0 0 28.1
0 -1,4 0 0 17.5
0 1,4 0 0 49.7
axial 0 0 -1,4 0 49.9
2x4=8
0 0 1,4 0 34.2
0 0 0 -1,4 31.1
0 0 0 1,4 43.1 50
4
4 1,414
As estimativas dos parmetros do modelo se segunda ordem ajustado aos dados valem:
(Arquivo SAS: estudocondicoesotimasexperimentosuperficieresposta.sas)
Degrees
of Parameter Standard T for H0:
Parameter Freedom Estimate Error Parameter=0 Prob > |T|

INTERCEPT 1 40.198215 8.321708 4.831 0.0007

AMONIA 1 -1.511044 3.151968 -0.479 0.6420
TEMPERA 1 1.284137 3.151968 0.407 0.6923
AGUA 1 -8.738956 3.151968 -2.773 0.0197
PRESSAO 1 4.954819 3.151968 1.572 0.1470
AMONIA*AMONIA 1 -6.332399 5.035510 -1.258 0.2371
TEMPERA*AMONIA 1 2.193750 3.516952 0.624 0.5467
TEMPERA*TEMPERA 1 -4.291583 5.035510 -0.852 0.4140
AGUA*AMONIA 1 -0.143750 3.516952 -0.0409 0.9682
AGUA*TEMPERA 1 8.006250 3.516952 2.276 0.0461
AGUA*AGUA 1 0.019642 5.035510 0.0039 0.9970
PRESSAO*AMONIA 1 1.581250 3.516952 0.450 0.6626
PRESSAO*TEMPERA 1 2.806250 3.516952 0.798 0.4435
PRESSAO*AGUA 1 0.293750 3.516952 0.0835 0.9351
PRESSAO*PRESSAO 1 -2.505869 5.035510 -0.498 0.6295

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

predicted value at stationary point 43.524455 Valor no ponto

estacionrio

Os coeficientes cannicos so as razes caractersticas 1, 2, 3 e 4 da matriz:

-6.332 1.097000000 -.07200000000 .7905000000

1.097000000 -4.292 4.003000000 1.403000000
matrix1 :=
-.07200000000 4.003000000 .020 .1470000000
.7905000000 1.403000000 .1470000000 -2.506

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 :

y 43,53 7,55w12 6,01w22 2,16w32 2,60w42

A relao entre as variveis naturais e cannicas dada por:

w M '(X X0)
Desenvolvendo, chegamos:

w1 0,5977 0,7025 0,3756 0,0908 x1 0,265

w 0,7688 0,4568 0,2858 0,3445 x2 1,034
2
w3 0,2151 0,1374 0,3071 0,9168 x3 0,291

w4 0,0741 0,5282 0,8264 0,1803 x4 1,668

Na equao cannica, observamos que a resposta decresce ao movimentarmos na direo dos

eixos w1, w2 , w3,,mas cresce na direo de w4. Se quiser aumento fazemos w1=0, w2=0 , w3=0

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

Sai da faixa experimental. Parar.

Fora de x3-1,5
Por exemplo, para obtermos a primeira coluna da tabela, fazemos:

0,5977 x1 0,7025x2 0,3756 x3 0,0908 x4 0,3072 0

0,7688 x 0,4568 x 0,2858 x3 0,3445x4 0,0182 0
1 2
0,2151x1 0,1374 x2 0,3071x3 0,9168 x4 1,6389 0

0,0741x1 0,5282 x2 0,8264 x3 0,1803x4 1,1070 1 Para
w4=1
Mx
M*(-0,265 -1,034 -0,291 -1,668)

x= M-1y x=(0,3391 1,562 1,1174 1,8482)

y=(-0,3072 -0,0182 1,6389 2,10701)
54
Interpretaes:
1) para valores positivos de w4 os valores de x esto fora da regio experimental;
2) condio mais adequada (com w4-2,2): x3=1,50 (sem gua), x1 =0,102, x2=-
0,128 e x4=1,27.
3) qualquer ponto onde w1=0, w2=0, w3=0 e |w4|>2,2 est fora da regio
experimental pois x3 < -1,5 (valor impossvel).

55