Fabrício Maciel Gomes.

A otimização de processo contendo múltiplas respostas (MRO - Multiple Response Optimization) consiste na busca pelas melhores configurações em um problema com respostas conflitantes. Neste contexto, entende-se como otimização a busca de parâmetros que possam gerar melhorias no processo e não a determinação das condições ótimas. O MRO é realizado seguindo as etapas: desenho experimental; coleta de dados experimentais; construção de modelos matemáticos; validação estatística de modelos; aglutinação das respostas dos modelos em apenas uma função a ser otimizada;otimização da função aglutinada; validação experimental das melhores condições. A obtenção dos modelos matemáticos é, portanto, uma etapa fundamental na otimização de processos contendo múltiplas respostas, uma vez que a qualidade de predição dos modelos impacta diretamente na otimização do processo em função das propriedades de previsão do modelo. Atualmente, o método mais empregado é a técnica da regressão múltipla empregando-se o método dos mínimos quadrados, entretanto, este método acaba restringindo os modelos a somente funções polinomiais, o que pode gerar um baixo poder de previsibilidade. O Este projeto de pesquisa objetiva a determinação de uma estratégia robusta de modelagem matemática de dados oriundos de uma matriz experimental de DOE (Planejamento de Experimentos - Desgn of Experiments), empregando a técnica da regressão simbólica via programação genética. Os modelos serão gerados com funções polinomiais e exponenciais. Os modelos obtidos serão aglutinados pela função Desairability e empregados na otimização do processo utilizando-se como método de busca o Gradiente reduzido generalizado e algoritmos genéticos. Ao final dos procedimentos experimentais, espera-se determinar uma estratégia de otimização de processo mais robusta que as tradicionalmente aplicadas