O objetivo da disciplina é fornecer as ferramentas estatísticas necessárias para planejar as pesquisas em forma eficiente permitindo o estudo de mais variáveis com menor número de experimentos. Esta disciplina também permitirá ao aluno otimizar os parâmetros envolvidos em diferentes processos.
A estatística é uma ferramenta muito importante no planejamento de experimentos para o estudo dos efeitos das variáveis sobre alguma resposta específica. O planejamento experimental permite chegar às condições otimizadas de um processo ou para avaliar os efeitos ou impactos que os fatores têm nas respostas desejadas. Além disso, o estudo planejado para a realização de pesquisas permite diminuir tempo e custos, e avaliar os resultados usando modelos matemáticos.
1. Conceitos básicos de estatística.
2. Testes estatísticos para comparação de médias. Teste de Tukey, Duncan, Fisher e Dunnett
3. Tipos de delineamento experimental
4. Planejamento fatorial Fracionado
5. Planejamento Plackett-Burman
6. Planejamento fatorial completo
7. Delineamento completo rotacional (DCCR). Ajuste de modelos.
8. Delineamento Box-Behnken
9. Metodologia de superfície de resposta.
10. Otimização e análise de Multiresposta
Barretos Neto, B.; Scarminio, J. S.; Bruns, R.E. Planejamento e Otimização de Experimentos. Campinas: Ed. da UNICAMP, 1995.
Benedetti, B.; Caponigro, V.; Ardini, F. Experimental Design Step by Step: A Practical Guide for Beginners. Critical Reviews in Analytical Chemistry, 1–14 (2020).
Bernardi, A. V; Gerolamo, L. E.; Dinamarco, T. M.; Tapia-Blácido, D. R. Optimization of biomass saccharification processes with experimental design tools for 2G ethanol production: A review. Biofuels, Bioproducts and Biorefining, 2023, 1-18 (2023).
Box, G. E. P.; Hunter, J. S.; Hunter, W. G. Statistic for experimenters: an introduction to design, data analysis and model building. 2nd ed. New York: John Wiley & Sons, 2005.
Bigão, V. L; da Costa, B. B.; da Silva, J.J.M.; De Martinis, B. S., Tapia-Blácido, D. R. Use of statistical design of experiments (DoE) in Forensic Analysis: A tailored review. Forensic Chemistry, 37, 100554 (2024).
Montgomery, D.C. Design and Analysis of Experiments. 7th edit. New York: John Wiley & Sons, 2009.
Myers, R.; Montgomery, D.C. Response surface methodology: process and product optimization using designed experiments. New York: John Wiley & Sons, 2008.
Pereira LMS, Milan TM, Tapia-Blácido DR, Using Response Surface Methodology (RSM) to optimize 2G bioethanol production: A review. Biomass and Bioenerg 151: 106166 (2021).
Rodrigues MI, Iemma AF, Experimental design and process optimization (1st ed.). Boca Raton: CRC Press (2015)
Vide Campo Observação
Forma de avaliação:
Os alunos serão avaliados em base à apresentação de seminários, resolução de listas de exercícios e uma prova final. As notas destas atividades serão de 0 a 10.
A prova final tem peso 2 e a média dos seminários e lista de exercícios tem peso 1 na média ponderada. O aluno deverá obter nota final maior ou igual a 5,0 (cinco).
CONCEITOS FINAIS:
Média = 8,0-10,0 - Conceito "A" – Excelente
Média = 6,0-7,9 - Conceito "B" – Bom
Média = 5,0-5,9 - Conceito "C" – Regular
Média < 5,0 - Conceito "R" – Reprovado (sem direito a crédito)