Efficient and Robust Block Designs for Order-of-Addition Experiments

Resumo Técnico: Desenhos de Blocos Eficientes e Robustos para Experimentos de Ordem de Adição

Definição do Problema
Experimentos de Ordem de Adição (OofA - Order-of-Addition) investigam como a sequência de adição de componentes influencia uma variável de resposta. Embora progressos metodológicos significativos tenham sido feitos na construção de desenhos OofA sob os modelos de Ordenação por Pares (PWO) e de Posição de Componente (CP), uma lacuna crítica permanece no tratamento de unidades experimentais heterogêneas. Em configurações práticas — como o processamento de lotes farmacêuticos ou ensaios bioquímicos multienvimentais — os experimentos frequentemente envolvem grupos distintos de unidades (blocos), onde a variação entre grupos excede a variação dentro dos grupos. A literatura existente carece de estruturas robustas para construir e avaliar desenhos OofA em blocos. Sem o bloqueio apropriado, a variação decorrente de diferenças entre lotes ou ambientes pode obscurecer os efeitos reais da sequência de adição. Além disso, algoritmos de busca heurística padrão usados para desenhos fatoriais fracionários (ex: troca de coordenadas) são computacionalmente ineficientes para desenhos OofA porque cada execução deve ser uma permutação válida de componentes, criando um espaço de candidatos vasto e restrito.

Metodologia
O artigo propõe uma estrutura unificada para a construção e seleção de desenhos OofA em blocos ótimos baseada em modelos de posição e uma abordagem de função indicadora estendida.

1. Modelos de Posição e Funções Indicadoras:
   Os autores adotam o modelo baseado em posição (PB) introduzido por Stokes e Xu (2022), que utiliza contrastes de polinômios ortogonais para representar as posições dos componentes. Este modelo é mais parcimonioso do que os modelos PWO ou CP. O estudo estende a estrutura da função indicadora (originalmente de Cheng e Ye, 2004, para desenhos fatoriais) para desenhos OofA.

• Para desenhos em blocos, a função indicadora é expandida para incluir um fator de bloco $B$.
• A função se decompõe em palavras de tipo puro (representando o aliasing entre a média e os efeitos de posição) e palavras de tipo misto (representando o confundimento entre os efeitos de bloco e os efeitos de posição).

2. Critério de Padrão de Comprimento de Palavra (WLP):
   Um novo critério, o Padrão de Comprimento de Palavra (WLP - Word Length Pattern), é proposto para avaliar a qualidade do desenho.

• O WLP é um vetor $(w^P_1, w^B_1, w^P_2, w^B_2, \dots)$, onde $w^P_l$ mede a severidade do aliasing para efeitos de posição de ordem $l$, e $w^B_l$ mede a severidade do confundimento entre efeitos de bloco e efeitos de posição de ordem $l$.
• Os desenhos são comparados usando um critério de aberração mínima: um desenho é superior se possuir um WLP lexicograficamente menor. Isso prioriza a redução do confundimento para efeitos de ordem inferior e prioriza a redução do aliasing sobre o confundimento para efeitos de mesma ordem.

3. Algoritmos de Construção:
   Para superar a intratabilidade computacional das buscas exaustivas, os autores desenvolvem algoritmos que utilizam Quadrados Latinos (LSs) Ortogonais e Matrizes Ortogonais de Componentes (COAs).

• Geração de Candidatos: Para $m$ componentes (onde $m$ é um número primo ou potência de primo), o método gera um conjunto de quadrados latinos mutuamente ortogonais sobre um corpo de Galois. Estes são permutados para criar um grande conjunto de COAs e LSs candidatos.
• Estratégia de Busca: Em vez de trocar execuções individuais, o algoritmo constró o desenhos empilhando COAs e LSs candidatos. A busca procede por:
  • Atribuir COAs ou LSs inteiros aos blocos.
  • Trocar LSs inteiros entre blocos.
  • Trocar linhas específicas entre blocos.
• Esta estratégia de "troca de blocos/linhas" reduz significamente o espaço de busca em comparação com algoritmos de troca de pontos, permitindo a identificação de desenhos ótimos com aberração mínima.

Principais Contribuições

• Extensão Teórica: O artigo adapta com sucesso a estrutura da função indicadora para desenhos OofA, especificamente estendendo-a para lidar com fatores de bloco e definindo um WLP composto que considera tanto o aliasing (efeitos de posição) quanto o confundimento (efeitos de bloco).
• Eficiência Algorítmica: O desenvolvimento de algoritmos baseados no empilhamento de quadrados latinos e COAs fornece uma alternativa computacionalmente eficiente à busca exaustiva ou aos métodos padrão de troca de coordenadas para a construção de desenhos OofA em blocos.
• Critério de Seleção de Desenho: A introdução do critério WLP oferece um método sistemático e quantitativo para selecionar desenhos OofA em blocos robustos que minimizam o confundimento de efeitos de bloco com efeitos de posição importantes.

Resultados e Validação

• Estudos de Caso: O artigo ilustra o processo de construção usando exemplos, como um desenho de 5 componentes com 3 blocos de tamanho 12. O algoritmo identifica com sucesso desenhos com WLPs específicos através da troca de LSs e linhas.
• Análise de Correlação: Gráficos de correlação demonstram que os desenhos propostos gerenciam efetivamente o confundimento e o aliasing entre efeitos, confirmando as propriedades teóricas do critério WLP.
• Estudos de Simulação: Simulações indicam que os desenhos construídos utilizando o critério e os algoritmos propostos alcançam poderes estatísticos e taxas de erro do Tipo I comparáveis aos de desenhos OofA de bloco total. Isso sugere que os desenhos em blocos fracionários são substitutos eficientes para os desenhos totais em termos de desempenho de teste de hipóteses.

Significância e Alegações
O artigo afirma fornecer um método prático e eficiente para a construção de desenhos OofA em blocos, abordando uma área anteriormente inexplorada na literatura. Ao aproveitar modelos de posição e quadrados latinos ortogonais, o estudo oferece uma maneira de lidar com a variabilidade em unidades experimentais heterogêneas sem recorrer a buscas exaustivas computacionalmente proibitivas. Os autores afirmam que sua abordagem garante que os desenhos reflitam com precisão os efeitos da sequência de adição, enquanto gerenciam efetivamente a variabilidade associada. O trabalho é apresentado como uma base para pesquisas futuras e aplicações em configurações experimentais complexas onde o bloqueio é necessário, como na fabricação farmacêutica e ciência dos materiais.