Metodologia de superfície de resposta (RSM)

A RSM gera um planejamento Composto Central, Box-Behnken ou D-Ótimo para fatores contínuos, ajusta um modelo quadrático completo com ANOVA, incluindo falta de ajuste, e fornece análise canônica, gráficos de contorno e de superfície e um otimizador de desejabilidade. Use-a quando se espera que a resposta se curve. Inclua pontos centrais replicados, aleatorize a ordem das corridas e verifique os resíduos e a falta de ajuste antes de confiar no ótimo.

Última revisão

Conclusão principal

A Metodologia de Superfície de Resposta (RSM) modela uma resposta que se curva ao longo de fatores contínuos ajustando um modelo quadrático, para localizar os ajustes dos fatores que maximizam, minimizam ou atingem um alvo para a resposta.

Nesta página
  1. O que é o planejamento de superfície de resposta?
  2. Quando usar o planejamento de superfície de resposta?
    1. Requisitos dos dados
    2. Diretrizes de coleta de dados
    3. Ajuste do modelo
  3. Diretrizes para o uso correto do planejamento de superfície de resposta
    1. Alternativas: quando não usar o planejamento de superfície de resposta
  4. Exemplo de planejamento de superfície de resposta
  5. Como fazer o planejamento de superfície de resposta

O que é o planejamento de superfície de resposta?

A Metodologia de Superfície de Resposta (RSM) é um conjunto de técnicas estatísticas e matemáticas usadas para modelar e otimizar uma resposta que se acredita curva — e não apenas variar linearmente — ao longo da faixa de um ou mais fatores contínuos. Ela ajusta um modelo quadrático para estimar a forma da superfície de resposta e localizar os ajustes dos fatores que maximizam, minimizam ou atingem um alvo para a resposta.

No Zometric, a ferramenta Response Surface Design gera um planejamento Composto Central (CCD), Box-Behnken ou D-Ótimo a partir dos fatores e dos limites que você especifica, ajusta um modelo quadrático completo aos seus resultados (com ANOVA no estilo Minitab, incluindo Lack-of-Fit) e fornece análise canônica (do ponto estacionário), gráficos de contorno/superfície e um otimizador de desejabilidade de múltiplas respostas para encontrar os melhores ajustes dos fatores.

Quando usar o planejamento de superfície de resposta?

Requisitos dos dados

  • Todos os fatores devem ser contínuos e numéricos — fatores categóricos não são suportados nos tipos de planejamento CCD/Box-Behnken/D-Ótimo.
  • São necessários pelo menos 2 fatores para CCD ou D-Ótimo; o Box-Behnken exige de 3 a 7 fatores.
  • A variável de resposta deve ser contínua e se espera que apresente curvatura na faixa estudada — uma resposta puramente linear não precisa de um modelo quadrático.

Diretrizes de coleta de dados

  • Execute o planejamento em ordem aleatória para evitar a confusão dos efeitos dos fatores com a deriva ao longo do tempo.
  • Inclua pontos centrais (replicados no ponto médio de cada fator) — são eles que permitem à análise testar a falta de ajuste / curvatura.
  • Mantenha os limites dos fatores amplos o bastante para capturar o verdadeiro ótimo, mas realistas para o processo — um ótimo encontrado exatamente em um limite deve ser tratado com cautela.
  • Meça a resposta com a maior precisão possível; o modelo quadrático é sensível a medições ruidosas ou imprecisas, especialmente nos pontos centrais, que determinam a estimativa do erro puro.

Ajuste do modelo

  • Analise R-sq, R-sq(adj) e R-sq(pred) em conjunto — uma grande diferença entre R-sq e R-sq(pred) sugere que o modelo está superajustado.
  • Verifique o teste Lack-of-Fit na tabela ANOVA — uma falta de ajuste significativa significa que o modelo quadrático não descreve adequadamente os dados (considere outro planejamento/modelo ou investigue outliers).
  • Analise os gráficos de resíduos (probabilidade normal, versus ajustados, histograma, versus ordem) para confirmar que as premissas padrão da regressão se mantêm antes de confiar na análise canônica ou nos resultados do otimizador.

Diretrizes para o uso correto do planejamento de superfície de resposta

  • Use apenas variáveis de resposta e de fatores contínuas; este método serve para modelar a curvatura de uma superfície de resposta numérica, não para resultados categóricos.
  • Escolha o Planejamento Composto Central (CCD) ao ampliar um experimento fatorial/de triagem existente para modelar a curvatura; escolha o Box-Behnken para evitar combinações extremas (de canto) de todos os fatores ao mesmo tempo; escolha o D-Ótimo quando houver um número restrito de corridas ou limites de fatores irregulares.
  • Inclua sempre pontos centrais — sem eles, o modelo não consegue testar a falta de ajuste nem estimar o erro puro.
  • Aleatorize a ordem das corridas para evitar que a deriva ao longo do tempo ou ambiental confunda os efeitos dos fatores.
  • Analise a ANOVA (especialmente a Lack-of-Fit) e os gráficos de resíduos antes de confiar na análise canônica, nos gráficos de contorno/superfície ou na saída do otimizador — um modelo mal ajustado produz um “ótimo” enganoso.
  • Use a Canonical Analysis para entender o tipo de superfície que você tem (máximo, mínimo, sela ou crista) antes de ler o ponto estacionário ao pé da letra — um ponto de sela não é um ótimo verdadeiro.
  • Use o Response Optimizer (Step 3) quando houver múltiplas respostas com objetivos diferentes, possivelmente conflitantes — ele encontra o melhor compromisso (desejabilidade composta) em vez de otimizar apenas uma resposta isoladamente.

Alternativas: quando não usar o planejamento de superfície de resposta

  • Se você só precisa identificar quais, entre muitos fatores, importam (sem modelar curvatura), use Criar Planejamento de Triagem Definitiva / Analisar Planejamento de Triagem em vez disso.
  • Se espera-se que seus fatores se comportem de forma linear (sem curvatura) e você se interessa principalmente por efeitos principais e interações, use Criar e Analisar DOE Fatorial em vez disso.
  • Se você estiver combinando ingredientes cujas proporções devem somar um total fixo, use Criar e Analisar DoE de Misturas em vez disso.
  • Se o seu objetivo é a robustez a fatores de ruído (encontrar ajustes insensíveis à variação incontrolável) em vez de modelar curvatura, use o Planejamento Robusto de Taguchi em vez disso.
  • Se você já tem um modelo ajustado e só precisa buscar ajustes ótimos sem replanejar o experimento, use o Response Optimizer.

Exemplo de planejamento de superfície de resposta

Um engenheiro de processo quer maximizar o Yield (rendimento) de uma reação química, que se acredita depender da Temperature (temperatura) e da Pressure (pressão) de forma curva (não puramente linear), com base em experimentos fatoriais anteriores que mostraram curvatura significativa. Escolhe-se um Planejamento Composto Central (Circunscrito, Rotacionável) para os dois fatores, Temperature (150–180°C) e Pressure (10–20 bar), com pontos centrais adicionais para testar a falta de ajuste; os ensaios são executados em ordem aleatória e o Yield é medido em cada um. As etapas a seguir foram realizadas:

  • Reuniu os dados necessários.
  • Analisou os dados com a ajuda de https://statsai.zometric.com/.
  • Para encontrar o Planejamento de Superfície de Resposta, escolha Statistical module > DOE > Create & Analyse Response Surface Design.
  • Dentro da ferramenta, inseriu os dados juntamente com as opções de planejamento e de análise, da seguinte forma:
rsm-options-raw
  • Após usar a ferramenta mencionada acima, obteve a saída da seguinte forma:
rsm-out-doe


Como fazer o planejamento de superfície de resposta

O guia é o seguinte:

  • Faça login no Zometric Statistical Software em https://statsai.zometric.com/
  • Na página inicial, escolha Statistical Tool > DOE > Create & Analyse Response Surface Design.
  • Defina seus fatores (nome, low, high), escolha um tipo de planejamento (CCD, Box-Behnken ou D-Optimal) e defina suas opções.
  • Clique em Generate Design, insira seus Result(s) medidos na matriz de corridas gerada, escolha as opções de análise e clique em Analyse Design.
  • Opcionalmente, defina um objetivo por resposta no Step 3 e clique em Optimize para encontrar os melhores ajustes dos fatores.

No painel (dashboard) do planejamento de superfície de resposta, a janela é dividida em duas partes, com um terceiro painel abaixo para a otimização.

Na parte esquerda fica STEP 1: Define Factors & Generate Design.

  • Factors: As entradas contínuas que você quer estudar (ex.: Temperature, Pressure). Insira um nome e os valores Low e High para cada uma.
  • Design type: Central Composite Design (CCD), Box-Behnken ou D-Optimal.
  • Face type / Alpha type (CCD only): Controla a geometria dos pontos axiais — Circumscribed, Inscribed ou Face-Centered, e se o planejamento é Rotatable ou Orthogonal.
  • Center points (CCD/Box-Behnken): Quantas corridas replicadas no ponto central incluir, para o teste de falta de ajuste.
  • Number of blocks (CCD only): Divide o planejamento em 1, 2 ou 3 blocos se o experimento precisar ser executado em vários períodos ou lotes.
  • Model type / Number of runs (D-Optimal only): O modelo (linear, de interação ou quadrático) para o qual o planejamento deve ser otimizado e quantas corridas você deseja.

Na parte direita fica STEP 2: Enter Results & Analyse, juntamente com as seguintes opções:

  • Confidence level: O nível de confiança percentual usado para os intervalos de confiança dos coeficientes na tabela de resultados.
  • Canonical analysis (stationary point): Informa o tipo de superfície (máximo, mínimo, sela ou crista) e os ajustes dos fatores em seu ponto estacionário.
  • Four in one / Histogram / Normal probability plot / Versus fits / Versus order: Gráficos de diagnóstico dos resíduos, para confirmar que o ajuste do modelo é sólido.
  • Contour plot / Surface plot / Overlaid contour plot: Visualiza a superfície de resposta ajustada em dois fatores escolhidos (especificados por X1/X2 axis factor #), mantendo os demais em seu valor central.
  • Response low / Response high: Para o gráfico de contorno sobreposto — a faixa de resposta aceitável a sombrear como viável.
  • Download as Excel: Exporta o planejamento, os resultados, os coeficientes e a ANOVA para uma pasta de trabalho do Excel.

Por fim, STEP 3: Response Optimizer fica abaixo, onde você define um Goal (Maximize, Minimize ou Target), Lower, Target, Upper, Weight e Importance por resposta e depois clica em Optimize para encontrar os ajustes dos fatores que melhor satisfazem todas as respostas ao mesmo tempo (desejabilidade composta).

rsm-optimizer-out


Perguntas frequentes

CCD, Box-Behnken ou D-Ótimo: qual planejamento escolher?

Escolha um Planejamento Composto Central ao ampliar um experimento fatorial ou de triagem existente para modelar a curvatura. Escolha o Box-Behnken para evitar combinações extremas de canto de todos os fatores ao mesmo tempo; ele exige de 3 a 7 fatores. Escolha o D-Ótimo quando houver um número restrito de corridas ou limites de fatores irregulares. CCD e D-Ótimo exigem pelo menos 2 fatores.

Por que os pontos centrais são necessários em um planejamento de superfície de resposta?

Os pontos centrais, replicados no ponto médio de cada fator, permitem à análise testar a falta de ajuste e a curvatura e estimar o erro puro. Sem eles, o modelo não consegue testar a falta de ajuste. Meça a resposta com a maior precisão possível, especialmente nos pontos centrais, porque eles determinam a estimativa do erro puro.

Como verificar o ajuste de um modelo RSM?

Analise R-sq, R-sq(adj) e R-sq(pred) em conjunto; uma grande diferença entre R-sq e R-sq(pred) sugere superajuste. Um teste de falta de ajuste significativo significa que o modelo quadrático não descreve adequadamente os dados. Verifique os gráficos de resíduos antes de confiar na análise canônica, nos gráficos de contorno ou no otimizador, porque um modelo mal ajustado gera um ótimo enganoso.

O que a análise canônica informa na RSM?

A análise canônica informa o tipo de superfície, máximo, mínimo, sela ou crista, e os ajustes dos fatores em seu ponto estacionário. Verifique o tipo antes de ler o ponto estacionário ao pé da letra, porque um ponto de sela não é um ótimo verdadeiro. Para várias respostas, o otimizador de respostas do Zometric Statistical Software encontra o melhor compromisso por desejabilidade composta.