aula_1_poe.ppt
TRANSCRIPT
EAL 3012 - ESTATÍSTICA, PLANEJAMENTO E OTIMIZAÇÃO DE EXPERIMENTOS
Ementa: Estratégia de experimentação. Conceitos estatísticos e testes de hipótese. Princípios e definições do planejamento fatorial. Planejamentos fatoriais parciais e saturados. Triagem de variáveis. Planejamentos completos em 2 e 3 níveis. Modelagem e avaliação estatística. ANOVA. Otimização pelos métodos da superfície de resposta e simplex.
Bibliografia Barros Neto, B., Scarminio, I.S., Bruns, R.E.
Planejamento e otimização de experimentos. Editora da UNICAMP, 1995.
Box, G.E.P., Hunter, W.G. Statistics for experimenters. An introduction to design, data analysis and model building. Nova York, John Wiley & Sons, 1978.
Khuri, A.I., Cornell, J.A. Response surface - Design and Analysis. ASQC Quality Press, N.Y., Marcel Dekker ed., 1987.
Box, G.E.P., Drapper, N.R. Emperical model – Building and Response Surfaces. John Wiley & Sons, N.Y., 1987
Como a estatística pode ajudar
Exemplo :
Reação controlada por duas variáveis:
Temperatura (T) e concentração (C)
Propriedade de interesse: rendimento resposta
Fatores ou variáveis : T e C
Fixamos um dos fatores e variamos o outro até descobrir qual o nível desse outro fator que produz o maior rendimento.
Depois, mantendo esse fator no nível ótimo variamos o nível do outro fator (primeiro) até descobrir o valor dele que também produz o rendimento máximo
ERRADO !!!
Embora o procedimento possa ser o “ mais lógico” existe uma maneira mais eficaz de fazer o experimento
O rendimento máximo seria determinado acidentalmente.
A razão é que as variáveis podem se influenciar mutuamente
Fenômeno denominado : interação entre fatores.
São raras as situações em que dois fatores atuam de forma realmente independente!
Para uma abordagem mais detalhada são necessárias algumas noções básicas de modelagem
Características gerais
Complexidade dos problemas a serem estudados
Precisamos estudar várias propriedades que são afetadas por um grande número de fatores
Objetivo
Mostrar que o emprego de conhecimentos estatísticos pode ajudar a responder estas perguntas de forma racional e econômica
Ferramenta a ser utilizada : Planejamentos experimentais
Pode-se extrair do sistema em estudo o máximo de informação útil, fazendo um número mínimo de experimentos
Sua utilização independe da natureza do problema estudado
Modelos
Modelo mecanistico x modelo empírico
Exemplo: movimento dos astros
Pode-se prever as trajetórias a partir das leis de Newton
Ampliação de escala de um processo de bancada (reação)
Mesmo tendo o modelo cinético existe uma enorme complexidade
Fatores que podem influenciar
Quantidades dos reagentes
Condição de pH
Tempo de reação
Concentração do catalisador
Velocidade de alimentação .....
Objetivo: encontrar uma região experimental adequada para o processo.
Na fábrica
Situação ainda mais complexa
Fatores imponderáveis como:
Nível de impurezas dos reagentes
Envelhecimento do equipamento...
Os métodos que serão estudados, podem ser aplicados a todas as escalas de interesse.
Desde um experimento de bancada até um processo industrial.
Modelagem empírica
Descrição do processo na região experimental investigada
Objetivo: Ensinar as técnicas mais empregadas para desenvolver modelos empíricos
Planejamento e otimização
As pessoas normalmente se lembram da estatística quando se veem diante de grandes quantidades de informação .
A atividade estatística mais importante NÃO é a análise dos dados, e sim o PLANEJAMENTO DOS EXPERIMENTOS
Questões
Como investigar todos os efeitos de todos esses fatores, sobre todas as propriedades, minimizando o trabalho necessário e o custo
Quais fatores devem ser controlados considerando a propriedade de interesse...
Etapas de um bom planejamento
Projetar um experimento de forma a obter exatamente o tipo de informação que procuramos
Em uma situação de pouca informação, sequer sabemos quais são as variáveis mais importantes
Nesta situação é necessário fazer uma triagem das variáveis, descartando as não significativas
Etapas de um bom planejamento
Tendo selecionado os fatores de interesse (mais importantes) podemos então avaliar a sua influencia sobre a resposta de interesse.
Podemos também obter uma descrição mais detalhada da região experimental (construção de modelos)
Evolução de um estudo empírico
Objetivo Técnica Triagem de variáveis Planejamentos fracionários
Avaliação de variáveis Planej. Fatoriais completos
Modelos empíricos Mod por mínimos quadrados
Otimização Mod. De superfície de resposta RSM, simplex
Modelos mecanísticos Dedução a partir de princípios
gerais
Qualidade do ajuste de um modelo
Não é necessário se tornar um especialista em estatística
Algumas noções básicas,necessárias para o tratamento dos dados experimentais, serão discutidas.
A utilização dos métodos é inviável sem a ajuda de um microcomputador