Planeamento Estatístico de Experiências para Otimização da Operação de Sensores Analíticos

Abstract

Uma das tarefas básicas na ciência e indústria é encontrar leis (equações) que descrevam os acontecimentos observados. Para tal, é importante entender como é que as múltiplas variáveis de entrada de que o fenómeno depende o influenciam. Assim, é necessário realizar experiências de forma a obter resultados, utilizando-os para ajustar modelos que expliquem o fenómeno. Neste contexto, o planeamento estatístico de experiências apresenta diversas metodologias que tentam indicar a melhor combinação entre os fatores para a realização das experiências. Nesta tese, são considerados três tipos de modelo: principal, de interações e quadrático. Pretende-se identificar em que situações é que cada uma das metodologias de planeamento de experiências se aplica melhor no ajuste de cada um dos modelos. Com este fim, é escolhido um sistema representativo de cada tipo e são simuladas experiências. Posteriormente, os resultados são ajustados (por regressão linear) aos três tipos de modelo que são depois comparados com os sistemas reais. Os resultados obtidos indicam uma grande sensibilidade face ao tipo de modelo que se pretende ajustar (número de fatores e efeitos importantes). Observou-se que em 9 dos 12 casos estudados a metodologia Definitive Screening Design apresentou maior desempenho (potência próxima de 0,05). Concluiu-se ainda que a sua performance piorou para modelos com complexidade crescente quando se consideram mais fatores e mais efeitos ativos. Verificou-se, por isso, que a escolha da metodologia mais adequada passa por um compromisso entre o número de experiências envolvidas e o número de efeitos ativos.