Beruflich Dokumente
Kultur Dokumente
discussions, stats, and author profiles for this publication at: https://www.researchgate.net/publication/228551708
PLANEJAMENTO DE EXPERIMENTOS E
OTIMIZAO DE SISTEMAS MISTOS
CITATIONS READS
0 1,085
6 authors, including:
Sezimaria F. P. Saramago
Universidade Federal de Uberlndia (UFU)
36 PUBLICATIONS 431 CITATIONS
SEE PROFILE
Some of the authors of this publication are also working on these related projects:
PhD Thesis: Crack identification and control over a rotating machine View project
All content following this page was uploaded by Valder Steffen, Jr on 02 April 2017.
The user has requested enhancement of the downloaded file. All in-text references underlined in blue are added to the original document
and are linked to publications on ResearchGate, letting you access and read them immediately.
FAMAT em Revista - Nmero 11 - Outubro de 2008 231
1. INTRODUO
2. METODOLOGIA
Existem muitas reas nas quais no se conhece a relao exata entre as respostas e as
variveis de projeto, mas se deseja saber como a relao entre elas. Neste caso muito til usar
um modelo emprico apropriado da forma y=f(z1, z2,,zn). Esta funo f geralmente um
polinmio de primeira ou segunda ordem. Tal modelo emprico chamado de superfcie de
resposta. Quando o modelo polinomial usado, os coeficientes do polinmio podem ser
estimados usando o Mtodo dos Mnimos Quadrados. necessrio conhecer os valores das
respostas para algumas combinaes das variveis de projeto (ou fatores) para construir a
superfcie de resposta (SR). Cada combinao das variveis de projeto pode ser vista como um
ponto no espao de projeto n-dimensional, onde n o nmero total de variveis de projeto. Um
arranjo particular de pontos no espao de projeto conhecido como um projeto experimental ou
projeto de experimentos (DOE design of experiments). O projeto experimental chamado de
planejamento fatorial.
Para executar um planejamento fatorial necessrio em primeiro lugar especificar os nveis
em que cada fator ser estudado, isto , os valores dos fatores (ou as verses, nos casos
qualitativos) que sero empregados.
Um planejamento fatorial requer a execuo de experimentos para todas as possveis
combinaes dos nveis dos fatores. Em geral, se houver n1 nveis do fator 1, n2 do fator 2,..., e nk
do fator k, o planejamento ser um fatorial n1x n2 x ...x nk de experimentos. Este o nmero
mnimo para se ter um planejamento fatorial completo. Pode-se desejar repetir ensaios para se ter
uma estimativa do erro experimental e, nesse caso, o nmero total de experimentos ser maior.
Havendo k fatores, isto , k variveis controladas pelo experimentador, o planejamento de dois
nveis h de exigir a realizao de 2x2x...x2 = 2k ensaios diferentes, sendo chamado por isso de
planejamento fatorial 2k (Barros, 1995).
No planejamento experimental com n variveis, o modelo emprico usado para aproximar a
relao entre os fatores e as respostas um polinmio de grau um ou de grau superior. A
expresso usada para calcular esse polinmio dada por:
Y = f (X) + e (1)
sendo que f(X) = f(x1,..., xn) um polinmio de grau um ou de grau superior. O vetor
coluna Y contm as respostas observadas e o vetor coluna e contm os resduos. O polinmio
f(X) pode ser representado na forma matricial:
f ( X) = [X ][b ] (2)
sendo que o vetor coluna [b] contm os coeficientes desconhecidos e [X] a matriz
formada pelos valores observados no planejamento fatorial. Denotando por N o nmero total de
pontos no espao experimental, o processo para calcular os coeficientes [b] envolve a
minimizao da soma dos quadrados dos resduos:
N 2
min Sr = min (y i f i ) (3)
i =1
Os resultados deste processo so as equaes normais, que podem ser expressas na forma
matricial como:
234 FAMAT em Revista - Nmero 11 - Outubro de 2008
f c (X)
pi = , sendo pi =1 (6)
f c (X)
Este processo denominado seleo por roleta. Existem outras formas, tais como torneio e
elitista. Para se calcular o valor da funo de adaptao fc, deve-se primeiro converter a seqncia
binria (base 2) para a base 10, ou seja, deve-se decodificar um cromossomo, conforme a
expresso:
FAMAT em Revista - Nmero 11 - Outubro de 2008 235
m i 1
x i = b ij 2 j (7)
j= 0
Em seguida, calcula-se o valor real da varivel xi, dentro da regio vivel, atravs da
relao:
l x iu x il
xi = xi + xi (8)
mi
2 1
De modo geral, suponha que se deseja otimizar uma funo f qualquer de n variveis,
sujeita a
[
C k = b1m 1b1m 2 L b11b10 b 2m 1b 2m 2 L b12 b 02 L b nm 1b nm 2 L b1n b 0n
1 1 2 2 n n
] (12)
Em que b ii (que tem valor 0 ou 1) o (mi j)-simo alelo correspondente ao i-simo gene.
236 FAMAT em Revista - Nmero 11 - Outubro de 2008
x sup xiinf
mi = log 2 i
Incio Codificao preciso
1 1 0 1 0 1 1
Criar a populao
0 0 1 0 1 1 0
Decodificao
xisup xiinf
xi = xiinf + decimal (genei )2
2 mi 1
Avaliar o custo
Critrio de Sim
parada satisfeito? Fim
No
Seleo
Cruzamento
1 1 0 0 1 1 0
Mutao
1 1 0 1 1 1 0
Os sistemas mistos podem ser modelados atravs da adio de uma varivel indicadora z e o
respectivo coeficiente , sendo seu valor estimado de modo anlogo aos coeficientes de
regresso. Se a varivel possui dois nveis (A e B), ao termo z atribudo 0 (zero) para o nvel A e
1 (um) para o B. Quando existem trs nveis (A, B e C), so atribudos -1 (um negativo) para o
nvel A, 0 (zero) para o nvel B e 1 (um) para o C. Neste trabalho, a anlise estatstica da matriz
de dados foi realizada atravs de um cdigo computacional de Regresso Mltipla desenvolvido
pelos autores utilizando o software Matlab.
FAMAT em Revista - Nmero 11 - Outubro de 2008 237
A otimizao por meio dos algoritmos genticos utiliza a sub-rotina GAOT do MATLAB
(Grace, 1992). Esta realiza os clculos normalmente dentro desse intervalo padro. Porm, os
valores obtidos so arredondados para nmeros inteiros, por meio de uma funo interna e s
ento so substitudos no modelo para a estimativa da resposta.
Esse procedimento, no caso da varivel qualitativa possuir dois nveis, exige a incluso de
uma restrio, dada pela expresso:
0<z<1 (13)
|z| 1 (14)
3. APLICAES
3.1. Planejamento e otimizao na obteno de queijo Minas frescal com adio de leite
reconstitudo
Por meio da anlise dos resultados experimentais de cada tratamento (Tabela 1), Bona et al.
(2002) elaboraram um modelo de regresso linear para o rendimento atravs do software
STATISTICA (1998). Neste trabalho, as superfcies de resposta obtidas, utilizando Regresso
Polinomial Mltipla (Montgomery, 1984), so dadas pelas seguintes expresses:
A superfcie de resposta linear obtida neste estudo foi coincidente com a apresentada por
Bona et al. (2002) e dada de acordo com a Equao 15. O modelo encontrado apresenta
razovel capacidade preditiva (R2 = 0,784) e baixa variabilidade (C.V. = 2,3%). Elaborou-se
ainda um modelo de regresso quadrtico para o rendimento. A superfcie de resposta
representada pela Equao 16. Este modelo apresenta capacidade preditiva e variabilidade um
pouco maiores que as correspondentes superfcie de resposta linear (R2= 0,793 e C.V. = 2,8%).
Tabela 1 Delineamento experimental com os nveis de variao dos fatores, segundo Bona et al. (2002)
Variveis Variveis
Rendimento
Nmero do codificadas Originais
experimental
experimento Presena Leite CaCl2
(%)
z x1 x2 de cido Reconstitudo (%) (g/100 L de leite)
1 0 -1 -1 ausente 10 10 68,33
2 0 1 -1 ausente 40 10 60,95
3 0 -1 1 ausente 10 30 67,36
4 0 1 1 ausente 40 30 64,13
5 0 0 0 ausente 25 20 63,96
6 1 -1 -1 presente 10 10 62,68
7 1 1 -1 presente 40 10 61,37
8 1 -1 1 presente 10 30 64,57
9 1 1 1 presente 40 30 60,56
10 1 0 0 presente 25 20 63,84
z= (0) cido ltico ausente e (1) cido ltico presente;
x1 = (leite reconstitudo 25)/15; x2 = (CaCl2 20)/10
Para cada aplicao do algoritmo gentico, foi utilizada uma populao de 80 indivduos e
100 geraes, sendo executadas 40 iteraes do mtodo, escolhendo-se ento o melhor valor.
Aps 1759 iteraes realizadas ao longo de 18,24 s, encontrou-se como ponto timo da superfcie
de resposta linear condies idnticas ao 3 experimento (rendimento = 67,36 %). Bona et al.
(2002), atravs do programa otplex, obtiveram o mesmo resultado. O ponto timo obtido para
uma superfcie de reposta quadrtica, aps 1975 iteraes e 18,21 s, tambm equivale s
condies do terceiro experimento, mas, neste caso, o rendimento previsto um pouco inferior ao
apresentado pelo modelo linear (rendimento = 66,98 %).
Atravs dos modelos obtidos possvel construir as superfcies de resposta linear e
quadrtica para o rendimento com ou sem adio de cido ltico (Figuras 3 e 4, respectivamente).
FAMAT em Revista - Nmero 11 - Outubro de 2008 239
Figura 3 Superfcie de Resposta Linear para o rendimento na produo de queijo minas frescal com ou
sem adio de cido ltico.
Figura 4 Superfcie de Resposta Quadrtica para o rendimento na produo de queijo minas frescal com
ou sem adio de cido ltico.
Nvel
leo de Inserto Vc f
dos
Corte (x3) (x4) (x1) (x2)
Parmetros
Saar
-1 - 40,0 2,0
Hartmetal
Blaser
0 Boehlerit 50,0 3,0
Swissluble
1 Iorga Hetran 60,0 4,0
.
Tabela 3 Projeto experimental: nveis de variao dos fatores e respostas para cada teste.
8 0 -1 1 0 367,1
9 0 -1 1 1 344,9
10 0 0 -1 -1 353,5
11 0 0 -1 0 356,0
12 0 0 -1 1 356,2
13 0 0 0 -1 360,4
14 0 0 0 0 368,5
15 0 0 0 1 380,2
16 0 0 1 -1 373,4
17 0 0 1 0 383,9
18 0 0 1 1 387,4
19 0 1 -1 -1 353,4
20 0 1 -1 0 357,3
21 0 1 -1 1 367,0
22 0 1 0 -1 370,2
23 0 1 0 0 378,1
24 0 1 0 1 366,9
25 0 1 1 -1 367,9
26 0 1 1 0 367,5
27 0 1 1 1 373,7
28 1 -1 -1 -1 353,7
29 1 -1 -1 0 356,5
30 1 -1 -1 1 360,2
31 1 -1 0 -1 361,7
32 1 -1 0 0 361,8
33 1 -1 0 1 361,0
34 1 -1 1 -1 387,5
35 1 -1 1 0 378,0
36 1 -1 1 1 366,2
37 1 0 -1 -1 364,1
38 1 0 -1 0 365,9
39 1 0 -1 1 369,2
40 1 0 0 -1 371,9
41 1 0 0 0 388,8
42 1 0 0 1 388,9
43 1 0 1 -1 373,6
44 1 0 1 0 361,3
45 1 0 1 1 355,4
46 1 1 -1 -1 361,3
47 1 1 -1 0 357,4
48 1 1 -1 1 362,5
49 1 1 0 -1 377,1
50 1 1 0 0 374,5
51 1 1 0 1 374,9
52 1 1 1 -1 384,4
53 1 1 1 0 379,5
54 1 1 1 1 386,7
242 FAMAT em Revista - Nmero 11 - Outubro de 2008
Por meio da anlise dos resultados experimentais de cada tratamento (Tabela 3), dois
modelos de regresso para a dureza foram elaborados: um linear e um quadrtico. As superfcies
de resposta encontradas, utilizando regresso polinomial mltipla (Montgomery, 1984),
equivalem s seguintes expresses:
Dureza = 376.1056 +6.6139 x1-0.5722 x2 -5.1741 x3 + 3.9833 x4 - 4.5306 x12 - 0.8639 x22-
5.1741 x32-4.0972 x42 - 2.6667 x1 x2+6.6139 x1 x3 +1.4000 x1 x4 +1.4000 x2 x3+ 2.5625 x2 x4 +
0.4167 x3 x4 (18)
A superfcie de resposta linear encontrada neste estudo dada de acordo com a Equao 17.
O modelo apresenta baixa variabilidade (C.V. = 2,55%). A superfcie de resposta quadrtica
obtida para a dureza representada pela Equao 18. Esta superfcie possui variabilidade um
pouco maior que a correspondente superfcie de resposta linear (C.V. = 2,83%).
Em cada aplicao do mtodo de algoritmos genticos, para minimizao da dureza, foi
utilizada uma populao de 80 indivduos e 100 geraes, sendo executadas 40 iteraes do
mtodo, escolhendo-se o menor valor.
Encontrou-se como ponto timo da superfcie de resposta linear condies idnticas ao 28
experimento com uma dureza mnima menor que a experimental (dureza = 353,4175). O ponto
timo obtido para a superfcie de reposta quadrtica, tambm equivale s condies do 28
experimento, mas, neste caso, a dureza prevista ainda menor que as obtidas no teste e no
modelo linear (dureza = 338,6003).
4. CONCLUSES
5. AGRADECIMENTOS
O primeiro autor agradece o CNPq por conceder suporte financeiro atravs da bolsa de
estudos no C-028/2008.
FAMAT em Revista - Nmero 11 - Outubro de 2008 245
6. REFERNCIAS BIBLIOGRFICAS