Optimizacion de Procesos Alimentarios

Otimizao de produtos e processos na rea de alimentos
2 SEMESTRE 2013
Aula
Data
01
15/08
Assunto
Introduo. Definio dos temas de trabalho
02
22/08
Planejamento de experimentos; anlise dos efeitos
03
29/08
Anlise de varincia; modelos matemticos
04
12/09
Determinao das condies timas. Prtica (notebook)
05
19/09
Determinao das condies timas. Prtica (notebook)
06
26/09
Screening design e misturas
07
03/10
Avaliao
08
24/10
Apresentaes
09
31/10
Apresentaes
Bibliografia bsica:
Rodrigues, M. I.; Iemma, A. F. Planejamento de experimentos e otimizaao de processos.Campinas : Casa do Esprito Amigo Fraternidade
F e Amor, 2009. 357 p.
Myers, R. et al. Response surface methodology process and product optimization using designed experiments. New York: J. Willey,
2002. 798 p.
quinta-feira, 15 de agosto de 2013
Nota final: Mdia Avaliao e Trabalho em grupo (parte escrita e

apresentao)
Apresentao trabalho escrito: Mximo 15 pginas
entregar at 24/10 impresso na secretaria.
Deve conter:
Ttulo, autores
Resumo
Introduo e justificativa - introduo problemtica e ao tema
Material e Mtodos
Resultados e Discusso
Concluses
Referncias
Apresentao oral: 20 minutos
Software: Statistica
Opo 1: http://www.statsoft.com/
Download STATISTICA 10 Trial
Discover the STATISTICA 10 difference by downloading and test driving the trial version.
Opo 2: solicitao do aplicativo em

http://www.cce.usp.br/
PLANEJAR
COLETAR
ORGANIZAR
ANALISAR
APRESENTAR
RESUMIR
DADOS
OBTENO DE CONCLUSES
VLIDAS
TOMADA DE DECISES
ESTATSTICA
Experimento mal planejado:
Muito tempo
Resultados inteis
A estatstica fundamental para que

possamos planejar e realizar experimentos
de forma eficiente.
O QUE EU GOSTARIA DE FICAR SABENDO

QUANDO TERMINAR O ESTUDO/
EXPERIMENTO?
A atividade estatstica mais importante no a

anlise dos dados , e sim o
planejamento dos experimentos
em que esses dados devem ser obtidos
Estatstica descritiva ou dedutiva:
descrever e analisar um certo grupo de dados, sem

tirar concluses ou inferncias sobre um grupo maior.
Estatstica indutiva ou inferncia estatstica:
A partir de sub-conjuntos representativos (amostras)
fazem-se indues sobre o conjunto estudado (populao
ou universo).
Como essa inferncia pode no ser absolutamente certa,
a linguagem da probabilidade sempre usada no
estabelecimento das concluses.
CONCEITOS BSICOS
1o) Toda a informao est contida nos dados.
A concluso, no mximo, ter a qualidade dos dados que a
geraram. Se os dados forem iniciados ou coletados
inadequadamente, qualquer concluso que deles
advenham est comprometida.
A estatstica no serve para corrigir erros grosseiros ou tcnica defeituosa
2 o)
A estatstica auxilia o pesquisador, mas no dispensa o

esprito cientfico crtico, nem o conhecimento profundo do
processo em estudo.
ERROS
exemplo: medir % AGL
Erro grosseiro - deve ser eliminado
Erro tendencioso ou sistemtico: tende permanecer constante ou que
muda sistematicamente com o tempo deve ser eliminado
Erro aleatrio: erro experimental cujo valor numrico varia
aleatoriamente de um ensaio para outro. Freqentemente segue
uma distribuio normal.
Modelos
Estatsticos
Distribuio de
Freqncia
Probabilidade de ocorrncia
de erros
(ou desvios) em medies
Para N > 30 (grandes amostras):

as distribuies amostrais so
aproximadamente normais,
quanto > N, melhor esta aproximao
distribuio normal de freqncia
Para N < 30 (pequenas amostras):

A aproximao de distribuio normal no boa e torna-se pior com
o decrscimo de N
distribuio t (Student)
distribuio F
distribuio X2 (qui-quadrado)
Estes testes so usados para determinar quo aproximadamente
as distribuies empricas (obtidas dos dados amostrais)
se ajustam s distribuies tericas
Hipteses:
TESTE DE HIPTESE
H0: nulidade
H1: amostras diferentes
Mas....dados baseados em um nmero de observaes experimentais so

tambm acompanhados de incertezas...e existe uma probabilidade de
eu estar rejeitando uma das hipteses e ela ser verdadeira, portanto...
Aos testes de hiptese esto associados dois tipos de erros: Erro tipo I e
Erro tipo II
TESTE DE HIPTESE
Erro tipo I: probabilidade de rejeitar Ho (concluir que amostras diferem) e Ho

ser verdadeira.
Erro tipo II: probabilidade de no rejeitar Ho (concluir que amostras no

diferem) e Ho ser falsa.
Na ANOVA e teste F controlamos o erro tipo I:

10%, 5%, 1% etc.; de acordo com os prejuzos que nossa concluso
podem causar se ela estiver errada.
Se Fcalculado > Ftabelado, rejeito Ho: pelo menos uma amostra difere das demais
Referncia:
Rodrigues, M. I.; Iemma, A. F. Planejamento de

experimentos e otimizaao de processos.
Campinas: Casa do Esprito Amigo Fraternidade F e
Amor, 2009. 357 p.
estratgia do planejamento experimental:

obter o o tipo de informao que procuramos
Os dados devem ser coletados com objetivos claros em mente, para
assegurar que estes dados determinaro os fatores importantes do
processo que est sendo estudado.
Etapas da Metodologia de superfcie de resposta
Planejamento de experimentos
Regresso
Como ajustar o modelo matemtico?
Mtodos de otimizao
Produto ou processo
Objetivo:
melhor antioxidante
melhor produto
Como definir?
Resposta variveis a serem observadas
Quais so as variveis que podem afetar essas respostas?
Variveis explanatrias ou explicativas
Variveis Exploratrias:
Fatores a serem estudados ou avaliados em um processo
(que podem ser controladas)

Ex.: Formulao, temperatura, pH, agitao, aerao, tempo de residncia,
vazo...
Variveis Dependentes:
Respostas desejadas (determinadas experimentalmente)
Ex.: Rendimento, produtividade, ndice de expanso, atributos

sensoriais, fator de pureza, atividade enzimtica....
Estratgia de planejamento
Usar todas as variveis?
Algumas?
Quais?
Como selecion-las?
Uma estratgia selecionar o conjunto de variveis

mais importantes: Screening
Ex: Selecionamos 2
Quais sero as faixas estudadas?
NVEIS (tratamentos)
Estabelecer a estratgia para encontrar o

melhor produto, com 30 amostras apenas.
Pesquisador
Otimizar o rendimento de um
processo
Temperatura e Presso
Quais os valores das 2 variveis que
produzem o maior rendimento?
Sugesto: manter o processo sob controle

Experimentos do tipo Um-Fator-de-Cada-Vez
(1) Fixar T e variar P
T=65oC
(2) Manter P no valor timo e variar T at > Pureza
P=14,3at
m
Experimento acabou e descobrimos os valores timos

para maximizao da Pureza.
Certo ou Errado?
Experimentos Fatoriais x um-fator-de-cada-vez
Planejamento fatorial
R1,2,...j = f (F1, F2, ..... Fk)

Estabelecer uma funo matemtica que correlacione as
variveis estudadas em funo da(s) resposta(s)
determinada(s)
Vantagens do Planejamento Experimental
Reduz o nmero de experincias, com melhor qualidade de

informao nos resultados
Anlise multivarivel: permite verificar e quantificar efeitos

sinrgicos e antagnicos entre as variveis explanatrias estudadas
possvel otimizar mais de uma resposta ao mesmo tempo
Exemplo: objetivo maximizar o rendimento (y) de um processo

Variveis Explanatrias:

x1- Concentrao de um ingrediente (%)

x2 - Velocidade de agitao
110
V
(rpm)
100
90
45
50
C (%)
55
Faixas de estudo das variveis explanatrias em

anlise no processo
110
V
(rpm)
100
90
45
50
C (%)
55
Resultados de um Planejamento 22 com ponto central
Clculo dos efeitos Efeitos Principais
Efeito da Concentrao
C = [(y2-y1) + (y4 y3) ] / 2

C = [(59 69) + (67 78)] / 2
C = [(-10) + (-11)] / 2
C = -10,5 %
Mesma unidade da
resposta!!
Esse valor indica que:

o rendimento da reao decresce, em mdia, 10,5%
quando a concentrao passa de seu nvel inferior
(45%) para seu nvel superior (55%).
Calcular o efeito da agitao
Efeito da interao
Se no houver interao
O efeito da Concentrao seria o mesmo com qualquer

velocidade.

Efeito da interao = metade da diferena entre os efeitos

C x V = CV = (10 11)/2 = - 0,5%
Clculo dos efeitos

Ensaio
Valor codificado
X1
X2
-1
-1
3
4
Y (%)
efeitos
X1
X2
X1.X2
69
- 69
- 69
+ 69
-1
59
+59
-59
- 59
-1
78
-78
+78
-78
67
+67
+67
+67
-10,5
8,5
-0,5
No aplicativo Statistica: Anlise dos Efeitos
Efeito
Desvio
Padro
t(3)
Mdia
68.0
0.57
117,7795
0,000072
(1) C (%)*
-10.5
1.52
-6,8739
0,020515
(2)v (rpm)*
8.5
1.52
5,5646
0,030811
1x2
-0.5
1.52
-0,3273
0,774506
Interpretao da Tabela de Anlise de Efeitos

1.
Clculo do t-value: Mede o quo grande o efeito em relao ao erro

padro
t = Valor do Efeito / Erro Padro
2. Clculo do p-value: Probabilidade de significncia baseado no t calculado.

Se p > 0,05 tem-se a probabilidade do efeito ser zero
Hiptese nula (H0) ser verdadeira
Faixas de estudo das variveis explanatrias em

anlise no processo
Modelo de 1 Ordem = modelo linear

Y = 0 + 1x1 + 2x2 + 3x3 + 12x1x2 + 13x1x3 + 23x2x3
Onde: Y = resposta (varivel dependente)
x1, x2, x3 = nveis codificados das variveis explanatrias
0 = mdia
s = coeficientes estimados pelo mtodo dos mnimos quadrados
Coeficientes de Regresso
1. Deve-se excluir o(s) efeito(s) no significativos

Coef. de
Regresso
Mdia
Desvio
Padro
68.00
0,577350
(1) C (%)*
-5.25
0,763763
(2)v (rpm)*
4.25
0,763763
t(2)
117,7795
0,000072
-6,8739
5,5646
0,020515
0,030811
Y = 0 + 1x1 + 2x2 + 3x3 + 12x1x2 + 13x1x3 + 23x2x3

Onde: Y = resposta (varivel dependente)
0 = mdia
Rend.= 68,0 5,25.C + 4,25.v
Teste F
o teste para determinar se a equao de regresso
estatisticamente significativa
F = Mdia quadrtica devido regresso
Mdia quadrtica residual
Para que a regresso seja estatisticamente significativa:
Fcalculado> Ftabelado
Anlise da varincia
Tendo o clculo dos efeitos e os coeficientes de regresso:

realizar ANOVA
Soma Quadrtica Total = Soma de todos os valores

observados em relao mdia
O resduo devido ao ERRO PURO e Falta de ajuste
ANOVA
Fonte de
Variao
Soma
Quadrtica
G. L.
Mdia
Quadrtica
F cal.
Regresso
182,50
91,25
66,12
Resduos
5,50
1,38
F. Ajuste
0,83
0,42
Erro Puro
4,67
2,34
TOTAL
188,00
R2 = 0,97 (% de variao explicada)

F0,95 ;2; 4 = 6,94
F 0,95; 2; 2 = 19,00
0,17
60.477
62.205
63.932
65.659
67.386
69.114
70.841
72.568
74.295
76.023
above
Rend. (%)
v (rpm)
Rend.= 68,0 5,25.C + 4,25.v

Rend.= 68,0 5,25.C + 4,25.v
C (%)
Modelo (de 1a ordem
!"#$%"&#$&' ")#$*
Caminho para o timo
Planejamento Fatorial:
2n
onde:
n = nmero de variveis

2 = 2 nveis a serem estudados (-1, +1)
Nveis: Diferentes valores das variveis que se deseja estudar.
Ex.:

Varivel temperatura
Nvel inferior: 45oC
Nvel intermedirio (Ponto Central): 40oC
Nvel superior: 55oC
Assim:
2 variveis (T, C) 22 = 4 ensaios
3 variveis (T, C, Cat.) 23 = 8 ensaios
4 variveis (T, C, Cat., pH) 24 = 16 ensaios
FATORIAL COMPLETO COM PONTO CENTRAL
Modelo de 2 Ordem = modelo quadrtico
Adio dos pontos Axiais
V
(rpm)
C (%)
= (2 n)1/4 para n=2, = 1,41
Prxima aula: como foi definido o valor: = (2 n)1/4
FATORIAL COMPLETO COM PONTO CENTRAL
Modelo de 2 Ordem = modelo quadrtico
Modelo de 2 Ordem
Y = 0 + 1x1 + 2x2 + 3x3 + 11x12 + 22x22 + 33x32 +

12x1x2 + 13x1x3 + 23x2x3
Onde:
Y = resposta (varivel dependente)
0 = mdia
Resultados do Planejamento com adio dos pontos axiais

Ensaio
X1
X2
C (%)
V (rpm)
Y (%)
-1
-1
30
115
86
+1
-1
40
115
85
-1
+1
30
135
78
+1
+1
40
135
84
35
125
90
35
125
88
35
125
89
-1,41
28
125
81
+1,41
35
139
80
10
+ 1,41
42
125
86
11
-1,41
35
119
87
50.000
55.000
60.000
65.000
70.000
75.000
80.000
85.000
90.000
95.000
above
Rendimento
(%)
v (rpm)
Concentrao (%)
8 27 80.85)<
Rendimento (%) = 89,0 + 1,51. C 809:5);)7
2,37. v 80.8)56
2,82 .C
2,82. V8)2 2)30:45)6)5);
+ 1,75. C . v
!"#$%&"#'()*+,)-)./01)2)30435)6)7
!"#$%$&'()*+,)#+$-+,)./$0+,)*")/1+2+34(
Definio das faixas timas de trabalho

145
50.000
55.000
60.000
65.000
70.000
75.000
80.000
85.000
90.000
95.000
above
v (rpm)
135
125
115
105
25
30
35
Concentrao (%)
40
45
....Porque ter a mente boa no o bastante;

o principal aplic-la bem. As maiores
almas so as capazes tanto das maiores
virtudes quanto dos maiores vcios, e
aqueles que marcham lentamente podem
avanar muito mais, se seguirem o
caminho certo, do que os que correm
porm dele se afastam.
Descartes, Discurso sobre o mtodo, Parte I

Optimizacion de Procesos Alimentarios

Uploaded by

Document Information

Original Title

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Optimizacion de Procesos Alimentarios

Uploaded by

Copyright:

Available Formats

Otimizao de produtos e processos na rea de alimentos

Planejamento de experimentos; anlise dos efeitos

Anlise de varincia; modelos matemticos

Determinao das condies timas. Prtica (notebook)

Determinao das condies timas. Prtica (notebook)

Screening design e misturas

quinta-feira, 15 de agosto de 2013

Nota final: Mdia Avaliao e Trabalho em grupo (parte escrita e

quinta-feira, 15 de agosto de 2013

Opo 2: solicitao do aplicativo em

quinta-feira, 15 de agosto de 2013

quinta-feira, 15 de agosto de 2013

quinta-feira, 15 de agosto de 2013

Experimento mal planejado:

A estatstica fundamental para que

quinta-feira, 15 de agosto de 2013

O QUE EU GOSTARIA DE FICAR SABENDO

quinta-feira, 15 de agosto de 2013

A atividade estatstica mais importante no a

quinta-feira, 15 de agosto de 2013

Estatstica descritiva ou dedutiva:

descrever e analisar um certo grupo de dados, sem

quinta-feira, 15 de agosto de 2013

A estatstica auxilia o pesquisador, mas no dispensa o

quinta-feira, 15 de agosto de 2013

quinta-feira, 15 de agosto de 2013

quinta-feira, 15 de agosto de 2013

Para N > 30 (grandes amostras):

Para N < 30 (pequenas amostras):

quinta-feira, 15 de agosto de 2013

Mas....dados baseados em um nmero de observaes experimentais so

quinta-feira, 15 de agosto de 2013

Erro tipo I: probabilidade de rejeitar Ho (concluir que amostras diferem) e Ho

Erro tipo II: probabilidade de no rejeitar Ho (concluir que amostras no

Na ANOVA e teste F controlamos o erro tipo I:

quinta-feira, 15 de agosto de 2013

Rodrigues, M. I.; Iemma, A. F. Planejamento de

quinta-feira, 15 de agosto de 2013

estratgia do planejamento experimental:

quinta-feira, 15 de agosto de 2013

Etapas da Metodologia de superfcie de resposta

Como ajustar o modelo matemtico?

quinta-feira, 15 de agosto de 2013

Resposta variveis a serem observadas

Quais so as variveis que podem afetar essas respostas?

Variveis explanatrias ou explicativas

quinta-feira, 15 de agosto de 2013

(que podem ser controladas)

Ex.: Rendimento, produtividade, ndice de expanso, atributos

quinta-feira, 15 de agosto de 2013

Usar todas as variveis?

Uma estratgia selecionar o conjunto de variveis

Quais sero as faixas estudadas?

Estabelecer a estratgia para encontrar o

quinta-feira, 15 de agosto de 2013

Sugesto: manter o processo sob controle

quinta-feira, 15 de agosto de 2013

(1) Fixar T e variar P

quinta-feira, 15 de agosto de 2013

(2) Manter P no valor timo e variar T at > Pureza

Experimento acabou e descobrimos os valores timos

Experimentos Fatoriais x um-fator-de-cada-vez

quinta-feira, 15 de agosto de 2013