Planejamento e Otimização
de Experimentos
Planejamentos Fatoriais
Prof. Dr. Anselmo E de Oliveira
anselmo.quimica.ufg.br anselmo.disciplinas@gmail.com
Fatores e Níves
Fatores ou Variáveis
• Temperatura
• Pressão
• Concentração
• Tempo
• Solvente
• Fluxo/Vazão
• Agitação/Rotação
• Catalisador
Níveis
• 25 e 50
oC
• 1, 5 e 10 atm
• ppm, % e m/v
• 1 min, 2 e 6 h
• Puro ou mistura
• 10 e 20 mL/h
• 100 e 200 rpm
• A, B, ...
• Selecionar um número fixo de
níveis
para uma
das variáveis (
fatores
)
• Experimentos com todas as combinações
possíveis
– Exemplo
• n
1= 2
• n
2= 3
• n
3= 5
Fatorial 𝑛
1× 𝑛
2× 𝑛
3= 2 × 3 × 5 = 30 experimentos
𝑛
1= 𝑛
2= 𝑛
3= 2
Fatorial 2
3= 8 experimentos
Exemplo: planta piloto
Variáveis Quantitativas
•Temperatura, T
160 oC (-) 180 oC (+) •Concentração, C
20% (-) 40% (+)Variáveis Qualitativas
•Catalisador, K
A (-) B (+) •Resposta
Rendimento químicoVariáveis
• T /
oC
• C /%
• K
-
• 160
• 20
• A
+
• 180
• 40
• B
Níveis
• Fatorial 2
N
, com N o número de variáveis
N = 3
Fatorial 2
3
8 experimentos
• Matriz de Planejamento
experimento Temperatura T /oC Concentração C /% Catalisador K Rendimento𝒚
/g 1 160 20 A 60 2 180 20 A 72 3 160 40 A 54 4 180 40 A 68 5 160 20 B 52 6 180 20 B 83 7 160 40 B 45 8 180 40 B 80•
Distribuição Normal
–
Amostra
•
aleatória
•
representativa
•
Planejamento Fatorial
•
aleatoriedade
– experimentos realizados de modo aleatório•
representatividade
– combinação de todos os possíveis níveis dos fatoresMatriz de Contrastes do Planejamento
experimento Temperatura
T /oC Concentração C /% Catalisador K Rendimento
𝒚
/g1 - - - 60 2 + - - 72 3 - + - 54 4 + + - 68 5 - - + 52 6 + - + 83 7 - + + 45 8 + + + 80
Rendimento
𝒚
/g
(1)
60
a
72
b
54
ab
68
c
52
ac
83
bc
45
abc
80
existem quatro medidas dos efeitos da temperatura
Efeitos Principais: Temperatura
Efeito
de uma fator é a mudança na resposta quando
passamos no nível
-
para o nível
+
desse fator
experimento C K 𝒚 - - - - 3 - + - 54 4 + + - 68 5 - - + 52 6 + - + 83 7 - + + 45 8 + + + 80 T - + 1 2
diferença nos rendimentos
depende apenas da temperatura
60 72
• Medidas individuais dos efeitos quando a
temperatura muda de 160 para 180
o
C
experimento T C K 𝒚 1 - - - 60 2 + - - 72 3 - + - 54 4 + + - 68 5 - - + 52 6 + - + 83 7 - + + 45 8 + + + 80 72 – 60 = 12 68 – 54 = 14 83 – 52 = 31 80 – 45 = 35
•
Efeito principal da temperatura
aumentando a temperatura de
160 para
180
oC, o
rendimento da reação aumenta 23 g, em média
𝑇 = 23
experimento
T
C K 𝒚 1 - - - 60 2 + - - 72 3 - + - 54 4 + + - 68 5 - - + 52 6 + - + 83 7 - + + 45 8 + + + 80 +12 +14 +31 +35 efeito mais acentuadoO efeito da temperatura depende do tipo do catalisador
Efeitos Principais: Concentração
• Medidas individuais dos efeitos quando a
concentração muda de 20 para 40%
existem quatro medidas dos efeitos da concentração experimento T K 𝒚 - - 2 + - - 72 - - 4 + + - 68 5 - - + 52 6 + - + 83 7 - + + 45 8 + + + 80 C - + 1 3
diferença nos rendimentos depende apenas da
concentração
60 54
experimento T C K 𝒚 1 - - - 60 2 + - - 72 3 - + - 54 4 + + - 68 5 - - + 52 6 + - + 83 7 - + + 45 8 + + + 80 𝟓𝟒 − 𝟔𝟎 = −𝟔 𝟔𝟖 – 𝟕𝟐 = −𝟒 𝟒𝟓 – 𝟓𝟐 = −𝟕 𝟖𝟎 – 𝟖𝟑 = −𝟑
•
Efeito principal da concentração
aumentando a concentração de 20 para 40%,
o rendimento da reação diminui 5 g, em média
experimento T C K 𝒚 1 - - - 60 2 + - - 72 3 - + - 54 4 + + - 68 5 - - + 52 6 + - + 83 7 - + + 45 8 + + + 80 −𝟔 −𝟒 −𝟕 −𝟑
os efeitos individuais da concentração não indicam efeito
sinérgico
Efeitos Principais: Catalisador
•
Medidas individuais dos efeitos quando o
catalisador muda de A para B
existem quatro medidas dos efeitos do catalisador experimento T C 𝒚 - - 2 + - - 72 3 - + - 54 4 + + - 68 - - 6 + - + 83 7 - + + 45 8 + + + 80 K - + 1 5
diferença nos rendimentos depende apenas do tipo de catalisador
60
experimento T C K 𝒚 1 - - - 60 2 + - - 72 3 - + - 54 4 + + - 68 5 - - + 52 6 + - + 83 7 - + + 45 8 + + + 80 𝟓𝟐 – 𝟔𝟎 = −𝟖 𝟖𝟑 – 𝟕𝟐 = +𝟏𝟏 𝟒𝟓 – 𝟓𝟒 = −𝟗 𝟖𝟎 – 𝟔𝟖 = +𝟏𝟐
•
Efeito principal do catalisador
a mudança do catalisador de A para B aumenta o
rendimento da reação em 1,5 g, em média
experimento T C K 𝒚 1 - - - 60 2 + - - 72 3 - + - 54 4 + + - 68 5 - - + 52 6 + - + 83 7 - + + 45 8 + + + 80
os efeitos individuais do catalisador indicam que há efeito
sinérgico com a temperatura
-8
+11
-9
Diferença entre duas médias
Efeito principal = 𝑦
+
− 𝑦
−
resposta média para o nível + resposta média para o nível –•
Efeito da temperatura
experimento T C K 𝒚 1 - - - 60 y1 2 + - - 72 y2 3 - + - 54 y3 4 + + - 68 y4 5 - - + 52 y5 6 + - + 83 y6 7 - + + 45 y7 8 + + + 80 y8•
Efeito da concentração
experimento T C K 𝒚 1 - - - 60 y1 2 + - - 72 y2 3 - + - 54 y3 4 + + - 68 y4 5 - - + 52 y5 6 + - + 83 y6 7 - + + 45 y7 8 + + + 80 y8•
Efeito do catalisador
experimento T C K 𝒚 1 - - - 60 y1 2 + - - 72 y2 3 - + - 54 y3 4 + + - 68 y4 5 - - + 52 y5 6 + - + 83 y6 7 - + + 45 y7 8 + + + 80 y8• Efeitos principais
T = 23
C = -5
K = 1,5
Efeitos de interação
•
Entre dois fatores
T = 23, porém o efeito da temperatura é muito
maior com o catalisador B do que com o A
variáveis temperatura e catalisador não se
comportam aditivamente
INTERAGEM
INTERAÇÃO = diferença entre o efeito médio da temperatura
com o catalisador A e com o catalisador B
Temperatura
Catalisador
•
Interação entre a temperatura e o catalisador, TK
experimento T C K 1 - - - 60 2 + - - 72 3 - + - 54 4 + + - 68 5 - - + 52 6 + - + 83 7 - + + 45 8 + + + 80 +12 +14 +31 +35•
Vimos que um efeito é uma diferença entre médias
usar como nível + os resultados aonde a temperatura e o catalisador
apresentam os mesmos níveis
experimento T C K 1 - - - 60 y1 2 + - - 72 y2 3 - + - 54 y3 4 + + - 68 y4 5 - - + 52 y5 6 + - + 83 y6 7 - + + 45 y7 8 + + + 80 y8
usar como nível – os resultados aonde a temperatura e o catalisador
Temperatura
Concentração
usar como nível + os resultados aonde a temperatura e a concentração
apresentam os mesmos níveis
experimento T C K 1 - - - 60 y1 2 + - - 72 y2 3 - + - 54 y3 4 + + - 68 y4 5 - - + 52 y5 6 + - + 83 y6 7 - + + 45 y7 8 + + + 80 y8
usar como nível – os resultados aonde a temperatura e a concentração
apresentam níveis diferentes
Concentração
Catalisador
usar como nível + os resultados aonde a concentração e o catalisador apresentam os mesmos níveis experimento T C K 1 - - - 60 y1 2 + - - 72 y2 3 - + - 54 y3 4 + + - 68 y4 5 - - + 52 y5 6 + - + 83 y6 7 - + + 45 y7 8 + + + 80 y8
usar como nível – os resultados aonde a concentração e o catalisador apresentam
níveis diferentes
Efeitos de interação
•
Efeitos secundários
TK = 10
TC = 1,5
CK = 0
efeito caracteriza o sinergismo entre as variáveis Temperatura e Catalisador
efeitos caracterizam a falta de sinergismo entre a variável Concentração e as variáveis Temperatura e Catalisador
Interação entre três fatores
•
De modo similar ao que pode ser aplicado para o
cálculo de qualquer efeito, o nível
+
para o efeito
médio resulta dos produtos dos contrastes de cada
fator, em cada experimento, com resultado
+
•
Idem para o nível –
- - + +
- - - -
•
interação entre temperatura, concentração e
catalisador
experimento T C K 1 - - - 60 y1 2 + - - 72 y2 3 - + - 54 y3 4 + + - 68 y4 5 - - + 52 y5 6 + - + 83 y6 7 - + + 45 y7 8 + + + 80 y8Representação Gráfica
+12 -9 +11 -8 -3 -4 -7 -6 +35 +14 +31 +12 (-) (+) temperatura (oC) 160 180 (+) (-) A B (-) (+) con cen tr açã o ( % ) 20 4060
(1)54
(3)45
(7)80
(8)68
(4)83
(6)72
(2)52
(5)Interpretação dos Resultados
•
Média = 64,25
•
T = 23
•
C = -5
•
K = 1,5
•
TC = 1,5
•
TK = 10
•
CK = 0
•
TCK = 0,5
o efeito principal de uma variável deve ser
interpretado individualmente apenas quando
há evidência de que a variável não interage
com outras variáveis
o efeito médio da concentração, C, é
o de reduzir o rendimento em cerca
de 5 g
•
Os efeitos da temperatura, T, e do catalisador, K, não
podem ser avaliados separadamente devido à grande
interação TK (= 10).
–
Esse efeito decorre da sensibilidade à mudança de temperatura
pelos dois catalisadores
(-) (+) ca talisador A B temperatura (oC) (-) (+) 160 180
48,5
81,5
57
+1370
+33 -8,5 +11,5A troca do catalisador A por B,
a 160
oC, levará a conclusões
diferentes se esse mesmo
experimento for conduzido a
180
oC:
• 160
oC: A melhor que B
• The regression model representation
𝑦 = 𝛽
0
+ 𝛽
1
𝑥
1
+ 𝛽
2
𝑥
2
+ 𝛽
12
𝑥
1
𝑥
2
+ 𝜖
– The variables 𝑥
1and 𝑥
2are defined on a coded scale
from −1 to +1 (the low and high level of A and B),
and 𝑥
1𝑥
2represents the interaction between 𝑥
1and
𝑥
2– The parameter estimates in this regression model turn
out to be related to the effect estimates
• Ex: A = 21, B = 11, AB = 1, and Mean = 35.5
𝛽
1= 21/2, 𝛽
2= 11/2, 𝛽
12= 1/2 and 𝛽
0= 35.5
𝑦 = 35.5 + 10.5𝑥
1+ 5.5𝑥
2+ 0.5𝑥
1𝑥
2Since the interaction coefficient (𝛽
12= 0.5) is small relative to
the main effect coefficients 𝛽
1and 𝛽
2Surface plot
Contour plot
>> X1 = -1:.1:1 >> X2 = X1 >> [x1,x2] = meshgrid(X1,X2); >> y = 35.5 + 10.5*x1 + 5.5*x2; >> surf(x1,x2,y)>> xlabel("x1"); ylabel("x2"); zlabel("x3"); >> contour(x1,x2,y)
Cálculo dos Erros
•
Efeitos significativos
–
Variações entre os experimentos realizados nas
mesmas condições experimentais
–
Variabilidade total que afeta os experimentos
realizados em diferentes condições
experimentais
–
Aleatoriedade da ordem de realização dos
•
Experimento
etapas
1
2
3
4
. .
.
Repetição de um experimento genuíno
experimentos genuínos
n-ésima replicata do experimento i
graus de liberdade
experimento y1 y2 𝒚𝒊 1 59 61 60 2 74 70 72 3 50 58 54 4 69 67 68 5 50 54 52 6 81 85 83 7 46 44 45 8 79 81 80 𝒔𝒊𝟐 2 8 32 2 8 8 2 2 𝝂𝒊 1 1 1 1 1 1 1 1 8 𝝂𝒊𝒔𝒊𝟐 2 8 32 2 8 8 2 2 64 64 soma 8
com
= 8 graus
de liberdade
as replicatas também são realizadas de modo aleatório
𝒔
𝟐=
𝟏
O que interessa é o erro dos efeitos
Efeito principal = 𝑦
+
− 𝑦
−
resposta média para o nível + resposta média para o nível –Assumindo que os erros são independentes
• cada termo é uma média de 8 observações (replicatas)
• variância da média é 𝑠𝑚é𝑑𝑖𝑎2 = 𝜎2 𝑁
usando s2 (= 8) como estimativa de s2
𝒔
𝒆𝒇𝒆𝒊𝒕𝒐
𝟐
= 𝒔
𝟐
𝒚
+
± 𝒚
−
= 𝒔
𝟐
𝒚
+
+ 𝒔
𝟐
𝒚
−
𝒔
𝒆𝒇𝒆𝒊𝒕𝒐
𝟐
=
𝝈
𝟐
𝟖
+
𝝈
𝟐
𝟖
=
𝝈
𝟐
𝟒
𝒔
𝒆𝒇𝒆𝒊𝒕𝒐
𝟐
=
𝟖
𝟒
= 𝟐
Logo, o erro estimado para cada efeito é
Para a média, a variância da média é 𝑠
𝑚é𝑑𝑖𝑎
2
=
𝜎
2𝑁
N = 8 x 2 = 16
s
= s = 2,8
(estimativa conjunta da variância)
𝒔
𝒆𝒇𝒆𝒊𝒕𝒐= 𝟐 = 𝟏, 𝟒
𝒔
𝒎é𝒅𝒊𝒂𝟐=
𝟐, 𝟖
M
= 64,25 0,7
T
= 23 1,4
C
= -5,0 1,4
K
= 1,5 1,4
TC
= 1,5 1,4
TK
= 10,0 1,4
CK
= 0,0 1,4
TCK
= 0,5 1,4
exceto T, C e TK os outros
efeitos podem ser gerados
por ruídos
Riccardo Manzini, Mauro Gamberi, Alberto Regattieri, (2005) "Design and control of a flexible order-picking system (FOPS): A new integrated approach to the implementation of an expert system", Journal of
Analysis of Variance
Effects A B C AB AC BC ABC (1) - - - + + + - a + - - - - + + b - + - - + - + c - - + + - - + ab + + - + - - - ac + - + - + - - bc - + + - - + - abc + + + + + + +2
3factorial design:
𝑛 replicates 𝐴 = 1 4𝑛 − 1 + 𝑎 − 𝑏 − 𝑐 + 𝑎𝑏 + 𝑎𝑐 − 𝑏𝑐 + 𝑎𝑏𝑐 𝐵, 𝐶, … 𝑆𝑆𝐴 = 1 8𝑛 − 1 + 𝑎 − 𝑏 − 𝑐 + 𝑎𝑏 + 𝑎𝑐 − 𝑏𝑐 + 𝑎𝑏𝑐 2 𝑆𝑆𝐵, 𝑆𝑆𝐶, … 𝑆𝑆𝑇 = 𝑦𝑖𝑗𝑘𝑙2 𝑛 𝑙=1 2 𝑘=1 2 𝑗=1 2 𝑖=1 −𝑦…. 2 8𝑛 𝑆𝑆𝐸 is obtained by subtractionexp A B C AB AC BC ABC y1 y2 Total 1 (1) -1 -1 -1 1 1 1 -1 59 61 120 2 a 1 -1 -1 -1 -1 1 1 74 70 144 3 b -1 1 -1 -1 1 -1 1 50 58 108 4 ab 1 1 -1 1 -1 -1 -1 69 67 136 5 c -1 -1 1 1 -1 -1 1 50 54 104 6 ac 1 -1 1 -1 1 -1 -1 81 85 166 7 bc -1 1 1 -1 -1 1 -1 46 44 90 8 abc 1 1 1 1 1 1 1 79 81 160 -120 -120 -120 120 120 120 -120 144 -144 -144 -144 -144 144 144 -108 108 -108 -108 108 -108 108 136 136 -136 136 -136 -136 -136 -104 -104 104 104 -104 -104 104 166 -166 166 -166 166 -166 -166 -90 90 90 -90 -90 90 -90 160 160 160 160 160 160 160
effect 23 -5 1.5 1.5 10 0 0.5 Total Error
SS 2116 100 9 9 400 0 1 2699 64
DF 1 1 1 1 1 1 1 15 8
MS 2116 100 9 9 400 0 1 8
F 264.5 12.5 1.125 1.125 50 0 0.125
The Addition of Center Points to the 2
k
Design
• Assumption of linearity
• Interaction terms represent some curvature in the response function 𝑦 = 𝛽0 + 𝛽𝑗𝑥𝑗 𝑘 𝑗=1 + 𝛽𝑖𝑗𝑥𝑖𝑥𝑗 𝑗 𝑖< + 𝜖 >> X1=-1:.1:1 >> X2=X1 >> [x1,x2]=meshgrid(X1,X2); >> y=35.5+10.5*x1+5.5*x2; >> subplot(2,2,1),surf(x1,x2,y) >> y=35.5+10.5*x1+5.5*x2+8*x1.*x2; >> subplot(2,2,2),surf(x1,x2,y) >> y=35.5+10.5*x1+5.5*x2+8*x1.*x1; >> subplot(2,2,3),surf(x1,x2,y) >> y=35.5+10.5*x1+5.5*x2+8*x1.*x1-7*x2.*x2; >> subplot(2,2,4),surf(x1,x2,y)
• When curvature is not adequately modeled by the first-order model 𝑦 = 𝛽0 + 𝛽𝑗𝑥𝑗 𝑘 𝑗=1 + 𝛽𝑖𝑗𝑥𝑖𝑥𝑗 𝑗 𝑖< + 𝛽𝑗𝑗𝑥𝑗𝑗2 𝑘 𝑗=1 + 𝜖
A method that will provide protection against curvature from second-order effect as well as allow an independent estimate of error to be obtained consists of adding center points to the 2k design
(- -) (+ -) (- +) (+ +)
(0 0)
Suppose that the curvature test is significant so that we will have to assume a second-order model such as
𝑦 = 𝛽0 + 𝛽1𝑥1 + 𝛽2𝑥2 + 𝛽12𝑥1𝑥2 + 𝛽11𝑥12 + 𝛽22𝑥22 + 𝜖 There are six parameters to estimate and the 22
design and center points have only five independent runs
⟹ augment the 2k design with four axial runs
Blocagem
•
Blocking
2 x 4
2
3= 8 experimentos
mistura homogênea
um reagente/material não é suficiente para a
realização dos 8 experimentos
experimento 1 2 3 4 5 6 7 8 1 - + - + - + - + 2 - - + + - - + + 3 - - - - + + + + 123 - + + - + - - +
Bloco I
123
= -
experimento 1 2 3 1 - - -4 + + -6 + - + 7 - + + experimento 1 2 3 2 + - -3 - + -5 - - + 8 + + +Bloco II
123
= +
experimento 1 2 3 1 - - -4 + + -6 + - + 7 - + + experimento 1 2 3 2 + - -3 - + -5 - - + 8 + + +
a idéia é confundir (confounding) a
interação entre os três fatores,
com a diferença nas misturas
variável 4
Blocagem
Operação Evolucionária (EVOP)
planta piloto
grande escala
condições ótimas
quando as mudanças não são grandes, ou bruscas
EVOP
pequenas mudanças no nível de operação das variáveis
2K pontos (centrado
na melhor condição experimental)
ciclo: após uma medida em cada
ponto vários ciclos
efeitos e interações podem apresentar um efeito significativo na resposta mudar as condições de operação para melhorar a resposta fase é completada quando a melhoria nas condições é completada
k fatores
2
k
experimentos
alguns efeitos são desprezíveis
•
É empregado quando existem muitas variáveis no sistema, ou
o processo tende a ser conduzido por alguns dos efeitos
principais e de interação
•
Pode ser projetado em planejamentos maiores no
subconjunto dos fatores significativos
•
É possível combinar os experimentos de dois, ou mais,
planejamentos fracionários para montar, sequencialmente,
um planejamento maior para estimar os efeitos dos fatores e
das combinações de interesse.
Redundância em um Planejamento
k = 7
2
7= 128 experimentos
Quantos efeitos resultam?
combinações simples de n elementos tomados
k a k, sem repetição (elementos distintos)
𝑛
𝑘
=
𝑛!
média = 1
efeitos principais (n = 7, k = 1)
efeitos secundários (n = 7, k = 2)
efeitos terciários (n = 7, k = 3)
n = 7, k = 4
n = 7, k = 5
n = 7, k = 6
n = 7, k = 7
128 efeitos
7
1
= 7
7
2
= 21
7
3
= 35
7
4
= 35
.
.
.
7
7
= 1
Redundância e o Número de Efeitos
• se k não é pequeno (< 3) há uma tendência à
redundância em um fatorial 2
k
• Fatorial 2
3-1
– Três fatores, dois níveis
• 2
3= 8 experimentos
– Possível: 4 experimentos
• 2
3-1= 4 experimentos
experimento 1 2 3 4 5 6 7 8 A - + - + - + - + B - - + + - - + + C - - - - + + + + ABC - + + - + - - + I + + + + + + + + experimento ABC 1 -4 -6 -7 -experimento ABC 2 + 3 + 5 + 8 +
Gerador
ABC
gerador
•
ABC =
+
•
ABC =
-
Efeitos p/ gerador I = ABC
efeitos principais
experimento 2 a 3 b 5 c 8 abc I + + + + A + - - + B - + - + C - - + + AB - - + + AC - + - + BC + - - + ABC + + + +efeitos de interação
não se pode diferenciar entre
–
A e BC
–
B e AC
–
C e AB
•
estimativas
oA = 𝓁
A+ 𝓁
BC oB = 𝓁
B+ 𝓁
AC oC = 𝓁
C+ 𝓁
ABou
o𝓁
A A + BC
o𝓁
B B + AC
o𝓁
C C + AB
alias
Meia Fração
relação de definição I = ABC
multiplicando por A pela esquerda
A.I = A.ABC
A = A
2BC
A
2= I
A = BC
Efeitos p/ gerador I = -ABC
calcule os efeitos principais e os de interação
experimento 1 (1) 4 ab 6 ac 7 bc I + + + + A - + + - B - + - + C - - + + AB + + - - AC + - + - BC + - - + ABC - - - -Construção das meias frações: 2
3-1
1. Montar o planejamento completo 2
k-1
fatorial 22 experimento A B 1 - - 2 + - 3 - + 4 + + fatorial 23-1 ; I = ABC A B C = AB - - + + - - - + - + + + fatorial 23-1 ; I = -ABC A B C = -AB - - - + - + - + + + + -2.
Adicionar o k-ésimo fator de
acordo com o gerador
Resolução
I = ABC
planejamento de resolução III, 2
𝐼𝐼𝐼3−1I = ABCD
planejamento de resolução IV, 2
𝐼𝑉4−1I = ABCDE
planejamento de resolução V, 2
𝑉5−1...
Em geral, é o tamanho da menor palavra na
relação de definição
Projeção de frações em fatoriais
Qualquer planejamento fatorial fracionário de resolução
R, contém planejamentos fatoriais completos em
qualquer subconjunto R-1 de fatores
existem vários fatores de interesse potencial, mas acredita-se que apenas
R-1 desses fatores têm efeitos
importantes
Exemplo:
velocidade de filtração
A = temperatura
B = pressão
C = concentração de formaldeído
D = taxa de agitação
resposta: velocidade de filtração (gal/h)
experimento 𝒚 (1) 45 a 71 b 48 ab 65 c 68 ac 60 bc 80 abc 65 d 43 ad 100 bd 45 abd 104 cd 75 acd 86 bcd 70 abcd 96
A = 21,625
C = 9,875
D = 14,625
AC = -18,125
AD = 16,625
•
Planejamento Fatorial Completo 2
4experimento A B C 1 - - -2 + - -3 - + -4 + + -5 - - + 6 + - + 7 - + + 8 + + + D = ABC y - 45 (1) + 100 ad + 45 bd - 65 ab + 75 cd - 60 ac - 80 bc + 96 abcd
–
efeitos principais
A.I = A.ABCD A = A2BCD A = BCD B.I = B.ABCD B = AB2CD B = ACD C.I = C.ABCD C = ABC2D C = ABD D.I = D.ABCD D = ABCD2 D = ABC• 2
4-1
com gerador I = ABCD, 𝟐
𝑰𝑽
𝟒−𝟏
–
interações de dois fatores
AB.I = AB.ABCD AB = A2B2CD AB = CD AC.I = AC.ABCD AC = A2BC2D AC = BD AD.I = AD.ABCD AD = A2BCD2 AD = BCfatorial 2
3= 7 efeitos
o 3 principais o 3 de 2ª ordem o 1 de 3ª ordemfatorial 2
4-1= 7 efeitos
o 4 principais o 3 de 2ª ordemestimativa do efeito principal A
estimativa do efeito de interação AB
𝑦
45
(1)
100
ad
45
bd
65
ab
75
cd
60
ac
80
bc
96
abcd
𝓁
A= 19
𝓁
B= 1,5
𝓁
C= 14
𝓁
D= 16,5
𝓁
AB= -1
𝓁
AC= -18,5
𝓁
AD= 19
como o efeito de B é pequeno (𝓁
B), espera-se pouca interação
entre B e A, C e D. Logo 𝓁
AC
AC e 𝓁
AD
AD
Fatorial 2
4•
A = 21,625
•
C = 9,875
•
D = 14,625
•
AC = -18,125
•
AD = 16,625
Assim, tem-se um fatorial 2
4-1projetado em um
fatorial 2
3, com os fatores A, C e D
(-) (+)
A
(+) (-)D
(-) (+)C
45 80 75 96 60 100 65 45 AC: A(-) A(+) • C(-) 45 65 • C(+) 80 60 AD: A(-) A(+) • D(-) 45 65 • D(+) 45 100com base na tabela do planejamento, como fica o cubo de respostas? 𝑦 45 (1) 100 ad 45 bd 65 ab 75 cd 60 ac 80 bc 96 abcd
•
Modelo
𝑦 = 𝛽
0+ 𝛽
𝐴𝐴 + 𝛽
𝐶𝐶 + 𝛽
𝐷𝐷 + 𝛽
𝐴𝐷𝐴𝐶 + 𝛽
𝐴𝐷𝐴𝐷
𝑦 = 𝛽
0+ 𝛽
1𝑥
1+ 𝛽
3𝑥
3+ 𝛽
4𝑥
4+ 𝛽
13𝑥
1𝑥
3+ 𝛽
14𝑥
1𝑥
4𝑦 = 70.75 +
19
2
𝑥
1+
14
2
𝑥
3+
16.5
2
𝑥
4−
18.5
2
𝑥
1𝑥
3+
19
2
𝑥
1𝑥
4𝑦 = 70.75 + 8.5𝑥
1+ 7𝑥
3+ 8.25𝑥
4− 9.25𝑥
1𝑥
3+ 9.5𝑥
1𝑥
4 >> x1=-1:.1:1; >> x3=x1; x4=x1; >> [X1,X3,X4]=meshgrid(x1,x3,x4); >> Y=70.75+8.5*X1+7*X3+8.25*X4-9.25*X1.*X3+9.5*X1.*X4; >> slice(X1,X3,X4,Y,[-1. 1.],[-1. 1.],[-1. 1.]) >> xlabel("X1-Temperatura"); >> ylabel("X3-Concentracao Formaldeido"); >> zlabel("X4-Taxa de Agitacao"); >> colorbar onVelocidade de filtração (gal/h)
Fatorial Fracionário 2
k-p
2
k-pexperimentos =
1 2𝑝fração do planejamento 2
k2
k-2experimentos =
1 2
2=
1 4fração de 2
k•
p geradores independentes
•
a relação de definição completa consiste de todas as
colunas que são iguais à coluna identidade, I
ex: k = 6, p = 2
2
6-2geradores:
I = ABCE (E = ABC)
I = BCDF (F = BCD)
I = ADEF
geradores:
I = ABCE (E = ABC)
I = BCDF (F = BCD)
I = ADEF
•
para A
A.I = A.ABCE = A.BCDF = A.ADEF
A = A
2BCE = ABCDF = A
2DEF
A = BCE = ABCDF = DEF
•
para AB
AB.I = AB.ABCE = AB.BCDF = AB.ADEF
AB = A
2B
2CE = AB
2CDF = A
2BDEF
AB = CE = ACDF = BDEF
experimento
A
B
C
D
1
-
-
-
-2
+
-
-
-3
-
+
-
-4
+
+
-
-
E = ABC
F = BCD
-
-+
-+
+
-
+
Summary tables of useful fractional factorial designs