[Música] Olá pessoal tudo bem Neste vídeo eu vou falar do planejamento Box Banking que é um planejamento para metodologia de superfície de resposta Tá certo então vou falar um pouquinho desse planejamento aqui explanar um pouquinho da teoria acerca dele e logo depois nós já vamos fazer nesse mesmo vídeo uma implementação na linguagem R então o planejamento Box Bank é um planejamento bem competitivo se comparado as melhores opções paraa metodologia de superfície de resposta então vou fazer um comparativo dele com o planejamento composto Central tá conforme o nome ele foi proposto por Box Banking na década
de 60 no segundo momento aí da metodologia de superfície de resposta digamos assim que começou na década de 50 então Box que é o precursor da metodologia no primeiro artigo lá em 1951 propôs o planejamento CCD e logo depois ele foi implementando novas ideias e possibilidades que talvez desde o início já estava em sua mente aí né vai entender o que um pesquisador tão genial quanto box e tinha em mente aí no decorrer da história e do desenvolvimento da metodologia de superfície resposta tá certo aqui tá o desenho do planejamento eu vou mostrar para vocês
Que esse planejamento é um planejamento econômico ele é eficiente em termos de propriedade também é um planejamento rotacioná-lo medi ário e X3 aqui -1 0 e mais 1 Vamos tentar entender aqui eu vou pegar um plano aqui ó que tem os fatores X1 e X2 variando e X3 no Ponto Central só pra gente começar a entender esse planejamento aqui eu vou destacar esses quatro experimentos aqui onde eu tô colocando esse quadrado nesse plano aqui que a gente observa é o seguinte eu vou até mudar a cor dos pontos aqui nesse plano só para ficar mais
fácil da gente enxergar nesses quatro experimentos aqui o que acontece é que nós estamos variando os fatores X1 e X2 nos níveis men1 e mais 1 ou seja fazendo as quatro combinações possíveis portanto como se fosse um fatorial 2 2 tá considerando k = 2 X1 X2 com X3 fixo no Ponto Central então isso vai acontecer em todo planejamento se eu pegar esses outros quatro aqui ó experimentos no meio das arestas verticais eu vou ter X1 X3 variando com o X2 no Ponto Central já se eu pego esses quatro experimentos aqui no meio dessas arestas
que estão na horizontal eu tenho X2 e X3 variando com X1 no Ponto Central Tranquilo então sempre eu vou ter fatorial 22 com o fator remanescente ou os fatores remanescentes se eu tiver k = a 4 ou maior número de fatores É nos níveis centrais Tranquilo então vamos entender aqui melhor como montar esse planejamento tá pessoal então aqui eu tenho uma ilustração do planejamento com cores digamos assim Fiz alguns planos aqui também pra gente entender melhor né ou seja uma ilustração digamos assim mais detalhada E aqui onde eu vou montar o planejamento eu coloquei dividi
aqui em cores para fazer uma correspondência aqui vocês entenderem melhor então é o seguinte esses primeiros quatro experimentos eu meio que tinha explicado para vocês anteriormente ali aqui seria um fatorial 22 variando os fatores X1 e X2 tá que estão aqui nos eixos horizontal e vertical respectivamente com X3 sempre no nível intermediário pode ver que esses quatro experimentos aqui em laranjado estão no plano onde X3 tem nível zero Então vamos entender aqui ó eu vou fazer um fatorial 2 2 para X1 e para X2 aqui ó menos mais Men mais menos Men mais mais e
X3 no nível Central agora quando eu passo para esse plano azul aqui que que acontece eu tô variando agora X1 e X3 X3 esse nível inclinado aqui tá e X2 tá no nível Central Então nesse plano Azul X2 sempre tá no nível zero Beleza então vai ficar assim ó menos mais menos mais menos menos mais mais beleza X2 no nível central e por fim aqui para esse plano em verde aqui nós podemos ver que eu estou variando nesse caso aqui os fatores X2 e o fator X3 e X1 no nível Central então Então esse é
o plano que eu tenho fator X1 no centro tá então vai ficar dessa forma menos mais menos mais menos menos mais mais e aqui no nível central e aqui no meio para finalizar eu tenho alguns pontos centrais replicações nos pontos centrais então 0 0 0 algumas vezes aqui por exemplo eu coloquei três experimentos nos pontos centrais tá então basicamente que a gente tá vendo aqui ó eu quero ser bem claro aqui na explicação para não ficar dúvidas Mas aqui é um fatorial 2 2 para X1 e X2 com X3 no Ponto Central aqui seria um
fatorial 2 2 para X1 e X3 com X2 = 0 e por fim aqui seria um fatorial 2 2 para X2 e X3 com X1 no nível central e aqui seriam pontos centrais Então olha só isso aqui tem que tomar muito cuidado é diferente de um planejamento fatorial com pontos centrais porque se isso aqui fosse um fatorial com pontos centrais por exemplo eu não teria combinação dos pontos fatoriais com níveis intermediários não o fatorial com pontos centrais eu tenho os pontos fatoriais então aqui deveria tá também nos pontos extremos e depois eu tenho adição de
pontos centrais Então como no fatorial com pontos centrais eu não não tem combinação dos níveis extremos com centrais não tem como estimar o modelo quadrático tá então para ter a possibilidade de estimar um modelo quadrático não basta adicionar pontos centrais eu tenho que ter combinação dos três níveis tranquilo por exemplo esse experimento aqui ó eu tenho X1 num nível X2 num nível e X3 num nível diferente tá e todo o planejamento me possibilita estimar aí termos de primeira ordem de segunda ordem puros e mistos e me dá graus de liberdade também para estimar o erro
experimental então basicamente é assim que monta o planejamento se eu tivesse X4 aqui eu continuaria sempre na questão do fatorial 22 aí nesses primeiros quatro aqui o X4 também estaria no nível zero eu não vou detalhar planejamento para k iG 4 porque o exemplo que eu vou fazer com vocês no R tem k = 4 fatores Beleza então vamos continuar aqui ó entender um pouco mais o planejamento eu quero mostrar para vocês que o planejamento BBD ele não é um planejamento cúbico assim como o CCD o planejamento composto Central ele é um planejamento esférico tudo
bem que o CCD tem aquela questão né de [Música] rotacioná-lo eu coloquei o Ponto Central em verde aqui para qualquer ponto que eu considerar aqui no planejamento a distância entre qualquer ponto e o Ponto Central é Idêntica E essa distância is é simples de calcular Vamos tentar entender aqui ó quanto que ficaria essa distância aqui é o fator X1 nos níveis -1 0 e + 1 tá então o tamanho dessa aresta aqui ó é igual a duas unidades codificadas então do centro até uma extremidade até um vértice eu tenho uma unidade então aqui é um
tá então do centro para cima também vai ser uma unidade tranquilo e lógico né aqui eu tô Num triângulo retângulo Então esse raio aqui vou chamar de R tá aqui ó esse raio aqui se eu fizer um Pitágoras dá ra2 tranquilo isso vai permanecer pessoal para k = 3 fatores k = 4 fatores na maioria dos casos eu vou ter R = √2 no planejamento Box Banking tranquilo e como que ficaria o número de experimentos no planejamento Box Banking o número de experimentos vai ser o seguinte ó 2 elevado a 2 né Eu sempre tenho
combinações de fatorial 2 2 com os pontos centrais vezes k combinação 2 a 2 porque eu vou ter todas as combinações 2 a 2 dos fatores fazendo o fatorial 2 2 com os fatores remanescentes no Ponto Central mais o número de pontos centrais que eu adiciono k combinação 2 A2 se você fizer vai dar k x k - 1 sobre 2 tranquilo Portanto o número total de experimentos é 2 x k x k - 1 mais NC então é um planejamento que eu vou mostrar para vocês que é bem econômico se você ainda não está
convencido que esse planejamento é um planejamento esférico o que você deve pensar é o seguinte ó eu não tenho pontos nos vértices Ah mas o CCD tem pontos nos vértices e é esférico quando você considera ele rotacionado ele é esférico porque ele tem níveis extremos tá então ele tem a distância o raio do planejamento tá para fora Então nesse sentido você tem um raio maior que o que o raio do BBD lá no CCD se todos os pontos estão à mesma distância aqui do Ponto Central eu tenho uma esfera com esse raio que passa por
todos os pontos do planejamento então ele não tem nenhum ponto aqui nos vértices e nem no meio das faces todos os pontos estão no meio das arestas aqui do cubo esse planejamento ele é só pode ser utilizado portanto para k = 3 ou maior é uma restrição dele aí k tem que ser maior ou igual a TR o número de fatores então se você compara ele com CCD por exemplo o CCD ele pode ser utilizado para k igual a dois fatores o box Banking não tem aa opção não tem opção para k igual a dois
fatores Então vamos ver aqui uma comparação rápida entre o CCD E o planejamento Box Bank é em relação ao número de experimentos tá n Então olha só para k = 2 não tem como fazer o BBD então CCD aqui tá errado deixa eu corrigir notei agora CCD Aqui Nesse caso tem oito experimentos mais o número de pontos centrais tá já para k iG 3 Olha só Box Banking demanda um número menor de experimentos enquanto CCD demanda 14 experimentos o BBD demanda 12 mas os pontos centrais Em ambos os casos tá já para cá igual 4
ambos empatam em número de experimentos para cá igual 5 CCD ele já fica mais viável não faria o BBD nunca aqui nesse caso por quê Porque o CCD aqui eu posso utilizar meia fração na parte fatorial né eu coloquei Esse asterisco aqui e aí ele fica mais econômico tranquilo aqui também é meia fração só que aqui é 2 elevado a 6 - 1 então aqui também o CCD fica mais econômico um pouco que o BBD já para cá igual a 7 o BBD fica mais econômico mas aqui já são situações né pessoal que nem sempre
a gente vai encontrar em superfície de resposta porque superfície de resposta geralmente a gente já fez uma varredura e eliminou aqueles fatores menos significativos para fazer um modelo de segunda ordem considerando aqueles fatores mais influentes então geralmente recomenda-se fazer superfície de resposta para um número menor de fatores Tá mas enfim tem essas possibilidades aí tá ok o que que eu diria aí que é uma desvantagem do BBD por exemplo se você for fazer análise rígida que é otimização não linear restrita você vai fazer isso daqui ó minimizar a superfície resposta né aqui de forma matricial
para otimização nós podemos colocar dessa forma Beta 0 + x transposta b+ x transposta b maiúsculo x sujeito a x Costa x menor ou igual a gente diria aqui no caso do CCD A alfa a quadrado né que é o raio do planejamento no BBD esse raio é igual a √2 tá enquanto no CCD Alfa é igual a ra4 2 elevado a k então no CCD o raio aumenta com k com número de fatores no BBD não poxa Professor Mas isso não tá claro porque você mostrou lá a ilustração para k = 3 mas se
eu pegar os primeiros experimentos para cá igual 4 vai ficar assim ó quer ver ó X1 X2 X3 X4 vou ter menos mais não vou continuar aqui porque senão vai ficar fora da área aqui do vídeo tá menos menos e aqui ficaria zer zer depois eu teria menos mais aqui e mais e mais para X2 e aqui continuaria 0 zer então para essas duas linhas aqui qualquer uma que eu pegar aqui ó eu posso dizer que o raio ao quadrado é igual a soma de X1 + X2 qu + X3 qu + X4 qu Tranquilo
então o raio vai dar se você resolver aqui sempre com X1 X2 arean men-1 e+ 1 nos quatro primeiros experimentos com X3 X4 em zero Tranquilo então o raio vai dar √2 então eu aumentei o número de fatores mas o raio continua fixo nesse valor então o problema na hora que eu vou trabalhar A análise rígida aqui no caso do BBD é que o que o alfa ele é baixo então sua região experimental ela é mais restrita digamos assim por que isso eu não poderia fazer um procedimento Nos quais eu vou manter aqui ó os
fatores na otimização entre -1 e mais1 isso aqui esse tipo de restrição que seria uma restrição aqui de limite inferior e superior bounds lower Bound upper Bound Geralmente eu não vou usar não vou recomendar o uso no BBD tá porque ele é um planejamento esf isso está no artigo do do box e do Bank Mas sinceramente há autores que fazem dessa forma e acabam violando essa premissa porque o problema é o seguinte se eu faço dessa forma por exemplo se eu otimizo e aí eu obtenho ótimo lá para X1 X2 e X3 = 1 eu
vou est lá no vértice mais extremo do nosso planejamento lá no cubo eu não fiz experimento naquele vértice Ah mas a superfície de resposta é para isso para você encontrar um valor ótimo que tá fora dos pontos experimentais sim mas esse ponto ele tá uma distância maior que os outros então quanto você vai caminhando para fora da região experimental seu modelo vai perdendo capacidade de previsão então o grande problema do de utilizar o box Banking fora da região experimental é esse por isso que nós não recomendamos tá certo então é isso da parte teórica vamos
agora pra parte de implementação no R Então pessoal passando aqui pra implementação no R eu peguei um exemplo aqui de superfície de resposta utilizando planejamento BBD de um processo diferente eu nunca conhec esse processo mas é um processo de sinterização de inibição seletiva de pe de polietileno de alta densidade beleza tá aqui os quatro parâmetros esse artigo depois se vocês quiserem pegar esse artigo nesse link aqui ele tá aberto acesso aberto Beleza então dá para qualquer pessoa acessar o pdf mesmo quem não tá na universidade não tem acesso via Caps Tranquilo então é um artigo
aí que dá para vocês pegarem e verem os dados tem quatro parâmetros espessura da camada energia do aquecedor velocidade de avanço da aquecedor e velocidade de avanço da impressora e ele tem análise de quatro respostas é até um artigo que eu vou avaliar no futuro quando eu tiver ensinando para vocês aí multivariado ou multiobjetivo e eu peguei uma das respostas eu peguei aqui o encolhimento das peças no sentido da largura tá tem outras três respostas que podem ser analisadas também então é o seguinte eu já deixei tudo implementado aqui nesse vídeo só para não ficar
longo Beleza então tô utilizando aqui o pacote rsm carreguei o pacote E aí para criar o planejamento que eu chamei aqui de design nesse caso como é um BBD Box Banking design Tá eu vou fazer aqui o planejamento utilizando o comando desse nome mesmo BBD Então os argumentos são os seguintes k que seria um modelo mas eu poderia entrar aqui também com K = 4 número de fatores Tá mas eu preferi manter aqui da forma que a gente tem feito no CCD Block igual a false aqui para k igual a TR eu não preciso colocar
esse argumento tá porque para para k = 3 não tem como blocar o BBD não mas para k = 4 tem como blocar e aqui se eu não colocar blo igual a falsa ele vai blocar pra gente então é importante eu colocar nesse caso blo igual a falso para ele colocar pontos centrais só no final do planejamento tá n zer nesse caso aqui seria o número de pontos centrais nesse exemplo o autor colocou cinco pontos centrais tá e randomize igual falso para ele não aleatorizar os ensaios tá aqui seria a codificação dos fatores tá então
eu chamei de X1 X2 X3 X4 codificados e d codificado eu chamei de AC que é altura ou espessura da camada e a energia do aquecedor vfa velocidade de avanço do aquecedor e vfp velocidade de avanço da impressora Então é isso o planejamento vamos ver ele se eu quiser ver ele aqui no Data Frame ó eu vejo ele codificado então o esquema que eu falei para vocês do BBD ó menos mais menos mais menos menos mais mais para X1 e X2 um fatorial 2 2 com X3 X4 nos pontos centrais então isso aqui aqui não
é um fatorial 2 do tá pessoal mas é a forma que eu monto aqui ó eu tenho o fatorial 2 2 para dois fatores e os outros dois nos pontos centrais aí depois eu faço os outros dois no fatorial com os remanescentes S centrais e faço todas as combinações dois a dois né variando os níveis extremos com os outros dois nos pontos centrais até chegar no final onde eu adiciono alguns pontos centrais tá E aqui embaixo eu posso ver no console o planejamento decodificado Beleza então é isso depois eu vou adicionar a resposta eu chamei
aqui de wiit mas é o desvio tá o desvio na largura e vou adicionar a resposta ao planejamento e aqui eu vou fazer a análise Olha só da mesma sintaxe como eu tô utilizando o comando rsm não importa o planejamento eu vou utilizar a mesma sintaxe para analisar o modelo de segunda ordem da mesma forma que eu fiz no nos casos que eu utilizei o comando CCD Tá então vamos rodar essa linha e aqui um summary a gente vai ver que a análise log lógico tem a mesma estrutura da análise com o comando CCD tá
não importa é uma análise de superfície de resposta independente do planejamento então aqui a gente vai ver nesse caso eu tenho aqui efeitos lineares significativos pros quatro fatores tá interações vou considerar aqui 0,05 que foi significativo Aqui foram as interações X1 X3 X2 X4 e X3 X4 e termos quadráticos somente X3 qu não foi significativo Tá certo então Lógico eu poderia tentar melhorar o ajuste desse modelo sim poderia tentar reduzir esse modelo Tá mas eu não vou fazer isso porque aqui já ficou bom o ajuste ficou acima de 90% Então vou considerar o modelo completo
mesmo e aqui eu tenho análise de variância reduzida que ela ela vai resumir os efeitos de primeira ordem os de segunda ordem mistos que são interações e os de segunda ordem puros tá então faz só esses três testes todos foram significativos e divide o erro para eu testar falta de ajuste então aqui não houve significância do teste para falta de ajuste tá depois eu vou ver aqui as condições de otimalidade então ó ponto estacionário tá aqui ele codificado e ele nas unidades originais porém o problema aqui é o seguinte Pessoal esse ponto estacionário aqui ó
ele é condições necessárias de otimalidade né condições suficientes é análise da convexidade da superfície de resposta então eu faço a diagonalização da matriz b que é a matriz que tem os coeficientes quadráticos e de interação e vejo nesse caso aqui que os meus autovalores são mistos Eu tenho dois autovalores positivos e dois negativos então a superfície de resposta ela não tem nem ponto de mínimo e nem de máximo o formato dela é de cela então o ponto de inflexão não minimiza e também não maximiza ele não serve para nada portanto em termos de otimização Tá
certo então vamos continuar depois que eu fiz a análise eu vou ver aqui a pressuposição eu tive aqui um p valor maior que Alfa então não há indício para rejeição de hipótese da normalidade dos resídos Tá certo a normalidade ela é uma pressuposição Mas por que que eu faço ela depois da análise porque eu só tenho como exir os resíduos depois que eu faço a análise mas se você for apresentar num trabalho acadêmico o ideal é que você apresente o teste de normalidade di homocedasticidade antes eu não fiz o di homocedasticidade deixei para vocês aí
tá só por questões de tempo mas eu já fiz aí no primeiro vídeo que eu fiz uma implementação no R paraa superfície de resposta e nos diversos vídeos que eu fiz de fatorial também sempre fazia Então olha só vamos ver os gráficos de contorno aqui ó eu agrupe aqui em um painel com seis gráficos todos os gráficos de contorno Tá então a gente vê aqui né nesses dois gráficos aqui principalmente que eu tenho a característica de cela nesse aqui também tá enfim esse aqui é que tá mais característico aqui é de ponto de mínimo né
mas aqui são cortes da superfície de resposta tá Eu tenho seis combinações dois a dois aqui desses cortes e aqui ele mostra onde ele tá fazendo corte ele tá fazendo sempre o corte nos pontos centrais para as variáveis que não estão sendo consideradas tá a gente pode complementar aqui com os gráficos de superfície ou de perspectiva tá certo aqui a gente tem uma visualização tridimensional com as linhas de contorno embaixo beleza facilita um pouco em alguns casos aí pra gente visualizar mas os gráficos de contorno são interessantes que aqui eu consigo ter uma visão melhor
aqui por exemplo se aqui fosse um ponto de mínimo onde estariam os níveis né das variáveis que estão sendo plotadas aqui tá certo mas Lembrando que isso aqui são cortes então a gente só sabe os pontos que vão otimizar nesse caso é a partir da otimização o ponto estacionário a gente já viu que não serve por causa da característica da superfície de resposta que é de Sela Então nesse caso nós temos que fazer otimização restrita então eu uso a função steepest conforme o professor lenf diz na documentação e no artigo que ele fez sobre o
pacote pode ser utilizado para otimização restrita também então eu vou caminhar do Ponto Central até no raio do planejamento que nesse caso caso ra2 tá eu vou caminhando segundo o incremento que eu defino aqui e ele vai caminhar com planejamento na direção de máximo crescimento da função essa função pode ser utilizada também se eu tiver um planejamento de primeira ordem para encontrar uma direção para é buscar a região de curvatura Tá mas nesse caso aqui eu tô utilizando pra otimização Então eu chamei de ótimo aqui ó e pronto rodei E aqui nessa última linha ó
eu tenho aqui os níveis codificados dos quatro fatores os níveis decodificados tá das variáveis aqui nas unidades originais e aqui o mínimo da resposta eu quero Minimizar nesse caso a resposta porque ele é o desvio aqui Dimensional na direção da largura tá das peças fabricadas e aqui ó eu fiz uma coisa diferente do vídeo que eu fiz com vocês lá de superfície de resposta no CCD quando eu fiz análise rígida ou otimização restrita aqui eu vou fazer cortes da superfície de resposta no ponto o ótimo tá então em vez de plotar no Ponto Central nesse
caso eu vou plotar no ponto Ótimo então não vou ficar explicando não depois se alguém tiver dúvida coloca nos comentários aí que eu explico melhor mas eu acho que Auto explicativo aqui seria a última linha tá a última linha da otimização eu colocando aqui número de linhas do dataframe ótimo que foi o nome que eu dei aqui pro dataframe que recebeu resultado da otimização ele já vai indexar certinho aqui tá os níveis ótimos pra gente e depois eu vou plotar aqui também painéis e a gente vai ver que a gente tem aí o ótimo restrito
Beleza então se a gente observar aqui ó caminhou do Ponto Central foi crescendo aqui ótimo mesmo o melhor seria aqui só que aqui eu tô fora da região restrita Então o que aconteceu foi isso não chegou nesse ponto porque se você pensar numa esfera de raio raiz de do esse ponto aqui tá para cima desse raio aparentemente é isso que aconteceu e aqui nos outros cortes sempre foi aí pras pros extremas tá do do plano digamos assim Beleza então é isso Pessoal esse vídeo aí foi um vídeo aí de superfície de resposta utilizando o box
Banking ou BBD Box Banking design e nesse vídeo Nós aproveitamos para rever todos os conceitos aí de superfície de resposta incluindo também a otimização não linear restrita ou análise rígida então se você gostou desse vídeo deixe seu like se inscreva no nosso canal e ative as notificações Muito obrigado n