Superficie Respuesta

EJEMPLO DE SUPERFICIES DE RESPUESTA
P. Reyes / febrero 2008
3. OPTIMIZACIN DE PROCESOS CON SUPERFICIES DE

RESPUESTA
Los diseos de experimentos factoriales y fraccionales, sirven para hacer
una seleccin de factores ms relevantes que afectan el desempeo del
proceso. El paso siguiente es la optimizacin del proceso, o la bsqueda de las
condiciones de operacin para las variables del proceso que lo optimicen.
3.1 MTODOS Y DISEOS DE SUPERFICIES DE RESPUESTA (RSM)

Sirven para modelar y analizar aplicaciones donde la respuesta de inters
es influenciada por diversas variables y el objetivo es optimizar esta respuesta.
Supngase que se desea obtener el mximo rendimiento en un proceso (y) que
tiene como variables relevantes la temperatura de reaccin (x1) y el tiempo de
reaccin (x2). La funcin de rendimiento est en funcin de temperatura y tiempo,
o sea:
f ( x1 , x2 )
La superficie representada por esta ecuacin se denomina superficie de
respuesta.
Regin ptima
Rendimiento
esperado (%)
Tiempo de reaccin (min.)
Temperatura (C)
Fig. 3.1 Superficie de respuesta tridimensional, muestra
el rendimiento esperado en funcin de la temperatura y tiempo
1
Como apoyo se visualiza la grafica de contornos de igual rendimiento de la

superficie de respuesta como se muestra en la siguiente figura.
Rendimiento (%)
30
25
70 75 80
85
90
Tiempo de
Reaccin
20
(min.)
Condiciones de operacin actuales

15
60 65
100
110
120
130
140
Temperatura (C)
Fig. 3.2 Grfica de contornos del rendimiento de la
superficie de respuesta
Si la respuesta es modelada adecuadamente por una funcin lineal de las
variables independientes, entonces la funcin de aproximacin es el modelo de
primer orden, por ejemplo:
y 0 1 x1 2 x 2 ... k x k
(3.1)
Si hay curvatura en el sistema, entonces se requiere un polinomio de mayor orden

por ejemplo, el modelo de segundo orden,
k
k 1
i 1
i 1
i 1
Y 0 i X i ii X i2
j 2
ij
XiX j
(3.2)
3.1 .1 EL MTODO DE ASCENSO RPIDO

Frecuentemente el estimado inicial de las condiciones ptimas de
operacin, se encuentran lejos del verdadero ptimo. En tal circunstancia el
objetivo es moverse rpidamente a la vecindad del ptimo verdadero, en forma

econmica. En estas condiciones se utiliza un modelo de primer orden.
El mtodo de ascenso rpido es un procedimiento para moverse
secuencialmente por la trayectoria de ascenso rpido, o sea, en la direccin del
mximo incremento de la respuesta. Por supuesto, si lo que se busca es la
minimizacin, entonces se utiliza el mtodo de descenso rpido. El modelo
ajustado de primer orden es:
^ ^ k^
y 0 i xi
(3.3)
i1
Para este modelo de superficie de respuesta de primer orden, los contornos de

^
y
son una serie de lneas rectas paralelas como se muestra en la siguiente figura:
y =50
^
y =40
Trayectoria de
ascenso rpido
Regin de la
superficie de respuesta
y =30
^
y =20
ajustada de 1 orden
Fig. 3.3 Superficie de respuesta

trayectoria de ascenso rpido
de
primer
orden
La direccin de ascenso rpido es la direccin en la cual
se incrementa
ms rpido, esta direccin es normal a los contornos de la superficie de respuesta

ajustada y se toma como trayectoria de ascenso rpido, la lnea que pasa al
centro de la regin de inters y normal a los contornos de la superficie
ajustada. De esta forma, los pasos a lo largo de la trayectoria son
proporcionales a los coeficientes de regresin {
}. El experimentador
determina la cantidad real de movimiento a lo largo de esta trayectoria en base a

su conocimiento del proceso u otras consideraciones prcticas.
Los experimentos se realizan a lo largo de la trayectoria de ascenso
rpido hasta que ya no se observa incremento en la respuesta o hasta que la
regin de la respuesta deseada se alcanza. Entonces se usa un nuevo modelo
de primer orden, se determina la direccin de una nueva trayectoria de ascenso
rpido y de ser necesario, se realizan experimentos adicionales en esa direccin
hasta que el experimentador sienta que est cerca del ptimo.
Ejemplo 3.1 Un ingeniero qumico est interesado en
determinar las condiciones de operacin que maximizan el
rendimiento de un proceso. Hay dos variables de control que
influyen Tiempo de reaccin y temperatura de reaccin, el
punto de operacin actual es 35 minutos y 155F que da un
rendimiento del 40% aproximadamente.
Se hace un diseo experimental variando el tiempo (30 a 40
minutos) y la temperatura (150 a 160F).
Por simplicidad se codifican las variables en el intervalo (1, 1). Si las variables codificadas son X1 y X2 y las
variables naturales son 1 y 2 se tiene:
1 35
5
155
x2 2
5
x1
El arreglo y los datos experimentales son:

Variables
Variables
del Proceso
codificadas
Corrida Tiempo (min.) Temp.(F)
X1
1
30
150
-1
2
30
160
-1
3
40
150
1
4
40
160
1
5
35
155
0
6
35
155
0
155
7
35
0
155
8
35
0
155
9
35
0
Los
cinco
puntos
centrales
Rendimiento
Y
39.3
40.0
40.9
41.5
40.3
40.5
40.7
40.2
40.6
X2
-1
1
-1
1
0
0
0
0
0
se
usan
como
rplicas
para
verificar la adecuacin del modelo de primer orden (con Pure

error).
Por medio de Minitab se crea el diseo factorial:
>Stat >DOE >Factorial >Create factorial design
2 Level designs
Options: 5 puntos centrals
Introducir los valores de respuesta Y correspondientes.

Los resultados que arroja Minitab son los siguientes:
>Stat >DOE >Factorial >Analyze factorial design
Estimated Effects and Coefficients for Y (coded units)
Term
Constant
A
B
A*B
Ct Pt
Effect
1.5500
0.6500
-0.0500
Coef
40.4250
0.7750
0.3250
-0.0250
0.0350
SE Coef
0.1037
0.1037
0.1037
0.1037
0.1391
T
389.89
7.47
3.13
-0.24
0.25
P
0.000
0.002
0.035
0.821
0.814
Son signif. A y B
La ecuacin de regresin es: Y 40.44 + 0.775 X1 + 0.325 X2

Analysis of Variance for Y (coded units)
Source
Main Effects
2-Way Interactions
Curvature
Residual Error
Pure Error
DF
2
1
1
4
Seq SS
2.82500
0.00250
0.00272
0.17200
Adj SS
2.82500
0.00250
0.00272
0.17200
Adj MS
1.41250
0.00250
0.00272
0.04300
0.17200
0.17200
0.04300
F
32.85
0.06
0.06
P
0.003
0.821
0.814
Curvatura no
significativa

Total
3.00222
Para la trayectoria de ascenso ms rpido, se siguen los pasos siguientes:

a) Se elige el tamao de paso de una de las variables del proceso x j . La
variable que tiene el coeficiente en valor absoluto ms alto. En este caso se
elige X1.
b) El
tamao
xi
del
paso
para
loas
otras
variables
es
i
....i 1, 2,.., k ; para..i j
j / x j
En este caso
x2
2
0.325
0.42
1 / x1 (0.775) /1.0
Para convertir los tamaos de los pasos codificados (Delta

X1=1.0 y Delta X2=0.42) a las unidades naturales de tiempo y
temperatura se tiene:
1
5
2
x2
5
1 x1 (5) 1* 5 5mi.
x1
2 x2 (5) 0.42 * 5 2 F
Tomando el punto correspondiente a (0,0)se realizan
experimentos individuales adicionales, incrementando
las
variables
en
los
pasos
resultando en:
indicados
arriba
Varia Codif. Variables naturales Respuest

bles
Pasos
X1
Origen
0
1
1
Orig.+
2
Orig.+2
3
Orig.+3
4
Orig.+4
5
Orig.+5
6
Orig.+6
7
Orig.+7
8
Orig.+8
9
Orig.+9
10
Orig.+10
11
Orig.+11
12
Orig.+12
a
X2
1
0
0.42
0.42
0.84
1.26
1.68
2.10
2.52
2.94
3.36
3.78
4.20
4.62
5.04
35
5
40
45
50
55
60
65
70
75
80
85
90
95
2
155
2
157
159
161
163
165
169
171
173
175
177
179
181
41.0
42.9
47.1
49.7
53.8
59.9
65.0
70.4
77.6
80.3
76.2
75.1
Se observa que el punto dcimo representa el valor

mximo de la trayectoria de experimentacin por lo
que ahora se tomar como nuevo punto central (0,0)el
punto (85, 175) y la regin de experimentacin para
1
es
(80,90)
para
es
(170,180),
variables codificadas X1 y X2 como sigue:

1 85
5
175
x2 2
5
x1
90
80
7
con
las
70
60
50
40
0
1 2 3 4 5 6 7 8 9 10 11 12 Pasos
Fig. 3.4 Grfica de rendimiento contra pasos en la

trayectoria de ascenso ms pronunciado
Haciendo
nuevos
experimentos
alrededor
del
nuevo
punto (0,0) se tiene:

Variables
Variables
del Proceso
codificadas
X1
1
80
170
-1
2
80
180
-1
3
90
170
1
4
90
180
1
5
85
175
0
6
85
175
0
175
7
85
0
175
8
85
0
175
9
85
0
X2
-1
1
-1
1
0
0
0
0
0
Rendimiento
Y1
76.5
77.0
78.0
79.5
79.9
80.3
80.0
79.7
79.8
Los resultados de Minitab son los siguientes:

Estimated Effects and Coefficients for Y1 (coded units)
Term
Constant
A
B
A*B
Ct Pt
Effect
1.0000
2.0000
0.5000
Coef
77.7500
0.5000
1.0000
0.2500
2.1900
SE Coef
0.1151
0.1151
0.1151
0.1151
0.1544
T
675.45
4.34
8.69
2.17
14.18
P
0.000
0.012
0.001
0.096
0.000
A y B signif.
Analysis of Variance for Y1 (coded units)

Source
DF
Seq SS
Adj SS
Adj MS

Main Effects
2-Way Interactions
Curvature
Residual Error
Pure Error
Total
2
1
1
4
4
8
5.0000
0.2500
10.6580
0.2120
0.2120
16.1200

5.0000
0.2500
10.6580
0.2120
0.2120
2.5000 47.17 0.002

0.2500
4.72 0.096
10.6580 201.09 0.000
0.0530
0.0530 Curvatura
signif
Como la curvatura es significativa ahora aplicamos

el modelo central compuesto que se muestra abajo
para obtener un modelo de segundo orden.
+2
X4
(0, 1.414)
(-1,1)
(-, 0)
(-1.414,0)
(1,1)
(,0) Exp. Axiales
(1.414,0)
X1
-2
(0,0)
(-1,-1)
+2
(1,-1)
(0,-1.414)
-2
Fig.
3.5
Diseo
Central
codificadas del ejemplo
Compuesto
en
las
variables
La ecuacin de segundo grado que nos dar tiene la

forma siguiente:
^ ^ k ^ k ^ k1 k ^
2
0 i i i i ij i j
i1 i1 i1 j2
y X X X
Los experimentos a realizar por medio del diseo central compuesto tomando el
nuevo punto (0,0) en (85, 175) y agregando puntos axiales en +- 1.414 queda
como:
Variables
Variables
del Proceso
codificadas
X1
1
80
170
-1
2
80
180
-1
3
90
170
1
4
90
180
1
5
85
175
0
6
85
175
0
175
7
85
0
8
85
175
0
9
85
175
0
10
92.07
175
1.414
11
77.93
175
-1.414
12
85
182.07
0
13
85
167.93
0
X2
-1
1
-1
1
0
0
0
0
0
0
0
1.414
-1.414
Rendimiento
Y2
76.5
77.0
78.0
79.5
79.9
80.3
80.0
79.7
79.8
78.4
75.6
78.5
77.0
Se forma este diseo central compuesto por medio de:

>Stat >DOE >Surface response > Create surface response Design >Central
composite design
Designs Center points 5, para 13 corridas; Alfa custom 0.05
Options: Quitar Randomize
Introducir datos de respuestas de rendimiento
10
StdOrder
RunOrder
BlocksA
-1.00000
-1.00000
76.5
1.00000
-1.00000
78.0
-1.00000
1.00000
77.0
1.00000
1.00000
79.5
-1.41421
0.00000
75.6
1.41421
0.00000
78.4
0.00000
-1.41421
77.0
0.00000
1.41421
78.5
0.00000
0.00000
79.9
10
10
0.00000
0.00000
80.3
11
11
0.00000
0.00000
80.0
12
12
0.00000
0.00000
79.7
13
13
0.00000
0.00000
79.8
Analizar el diseo con:

>Stat >DOE > Surfase response > Analyze surfase response design
Central Composite Design

Central Composite Design
Factors:
Runs:
2
13
Blocks:
Alpha:
none
1.414
Center points:
Response Surface Regression: Y versus A, B

The analysis was done using coded units.
Estimated Regression Coefficients for Y
Term
Constant
Coef
79.940
SE Coef
0.11896
T
671.997
11
P
0.000

A
B
A*A
B*B
A*B
S = 0.2660
0.995
0.515
-1.376
-1.001
0.250
0.09405
0.09405
0.10085
0.10085
0.13300
R-Sq = 98.3%
10.580
5.478
-13.646
-9.928
1.880
0.000
0.001
0.000
0.000
0.102
Si P<0.05 son signif.
R-Sq(adj) = 97.0%
Analysis of Variance for Y

Source
Regression
Linear
Square
Interaction
Residual Error
Lack-of-Fit
Pure Error
Total
DF
5
2
2
1
7
3
4
12
Seq SS
28.2478
10.0430
17.9548
0.2500
0.4953
0.2833
0.2120
28.7431
Adj SS
28.2478
10.0430
17.9548
0.2500
0.4953
0.2833
0.2120
Adj MS
F
5.64956 79.85
5.02148 70.97
8.97741 126.88
0.25000
3.53
0.07076
0.09443
1.78
0.05300
P
0.000
0.000
0.000
0.102
0.290
El modelo cuadrtico de regresin es significativo

Estimated Regression Coefficients for Y using data in uncoded units
Term
Constant
A
B
A*A
B*B
A*B
Coef
79.9400
0.994975
0.515165
-1.37625
-1.00125
0.250000
Por tanto la Ecuacin de regresin queda como:

Y = 79.94 + 0.995 + 0.515B 1.376 A*A 1.001 B*B + 0.25AB
Para las grficas de contornos y de superficie de

respuesta se obtienen de Minitab con:
>Stat >DOE >Surfase response > Contour / Surfase
plots
12
Surface Plot of Y
80.5
79.5
78.5
77.5
76.5
75.5
74.5
73.5
-1.5
-1.0
-0.5
0.0
0.5
1.0
0.0
-0.5
-1.0
-1.5
0.5
1.0
1.5
1.5
Contour Plot of Y
75
76
77
78
79
80
-1
-1
13
La
localizacin
exacta
del
punto
estacionario
obtiene de la ecuacin matricial siguiente:

x1
x
x 2
...

xk
1

0.995

b 2
0.515
...

k
11 , 12 / 2,..., 1k / 2
1.376, 0.1250
12 / 2, 22 ,....2 k / 2
B
0.1250, 1.001
matriz.simetrica,
kk
0.389

1
1 0.7345, 0.0917 0.995
xs B 1b
0.306
2
2 0.0917, 1.006 0.515

1
y s 0 xs b
2
Las matrices se invierten marcando el rea donde quedar el resultado y con la
funcin matemtica MINV (rango de la matriz original).
Las matrices se multiplican marcando el rea donde quedar el resultado y
usando la funcin MMULT.
En trminos de las variables naturales el punto estacionario es:
1 85
5
175
x2 0.306 2
5
1 86.95 min utos
2 176.5 F
y s 80.21
x1 0.389
14
se
Tambin se puede usar el anlisis cannico para caracterizar

la superficie de respuesta, por medio de la identificacin de
los eigen valores lamda en la siguiente ecuacin de
determinantes:
1.376 , 0.1250
0
0.1250, 1.001
2 2.3788 1.3639 0
1 0.9641, 2 1.4147
y 80.21 0.9641w1 1.4147 w2
Como los coeficientes lambda son negativos se concluye que se trata de un punto
estacionario mximo, si ambos son negativos se trata de un mnimo y si tienen
signos diferentes se trata de cordilleras.
15

Superficie Respuesta

Cargado por

Información del documento

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Superficie Respuesta

Cargado por

Copyright:

Formatos disponibles

EJEMPLO DE SUPERFICIES DE RESPUESTA

P. Reyes / febrero 2008

3. OPTIMIZACIN DE PROCESOS CON SUPERFICIES DE

3.1 MTODOS Y DISEOS DE SUPERFICIES DE RESPUESTA (RSM)

EJEMPLO DE SUPERFICIES DE RESPUESTA

P. Reyes / febrero 2008

Como apoyo se visualiza la grafica de contornos de igual rendimiento de la

Condiciones de operacin actuales

Si hay curvatura en el sistema, entonces se requiere un polinomio de mayor orden

3.1 .1 EL MTODO DE ASCENSO RPIDO

EJEMPLO DE SUPERFICIES DE RESPUESTA

P. Reyes / febrero 2008

objetivo es moverse rpidamente a la vecindad del ptimo verdadero, en forma

Para este modelo de superficie de respuesta de primer orden, los contornos de

Fig. 3.3 Superficie de respuesta

EJEMPLO DE SUPERFICIES DE RESPUESTA

P. Reyes / febrero 2008

La direccin de ascenso rpido es la direccin en la cual

ms rpido, esta direccin es normal a los contornos de la superficie de respuesta

determina la cantidad real de movimiento a lo largo de esta trayectoria en base a

EJEMPLO DE SUPERFICIES DE RESPUESTA

P. Reyes / febrero 2008

El arreglo y los datos experimentales son:

verificar la adecuacin del modelo de primer orden (con Pure

Options: 5 puntos centrals

Introducir los valores de respuesta Y correspondientes.

La ecuacin de regresin es: Y 40.44 + 0.775 X1 + 0.325 X2

EJEMPLO DE SUPERFICIES DE RESPUESTA

P. Reyes / febrero 2008

Para la trayectoria de ascenso ms rpido, se siguen los pasos siguientes:

Para convertir los tamaos de los pasos codificados (Delta

EJEMPLO DE SUPERFICIES DE RESPUESTA

P. Reyes / febrero 2008

Varia Codif. Variables naturales Respuest

Se observa que el punto dcimo representa el valor

variables codificadas X1 y X2 como sigue:

EJEMPLO DE SUPERFICIES DE RESPUESTA

P. Reyes / febrero 2008

Fig. 3.4 Grfica de rendimiento contra pasos en la

punto (0,0) se tiene:

Los resultados de Minitab son los siguientes:

Analysis of Variance for Y1 (coded units)

EJEMPLO DE SUPERFICIES DE RESPUESTA

P. Reyes / febrero 2008

2.5000 47.17 0.002

Como la curvatura es significativa ahora aplicamos

La ecuacin de segundo grado que nos dar tiene la

EJEMPLO DE SUPERFICIES DE RESPUESTA

P. Reyes / febrero 2008

Se forma este diseo central compuesto por medio de:

EJEMPLO DE SUPERFICIES DE RESPUESTA

P. Reyes / febrero 2008

Analizar el diseo con:

Central Composite Design

Response Surface Regression: Y versus A, B

EJEMPLO DE SUPERFICIES DE RESPUESTA

P. Reyes / febrero 2008

Si P<0.05 son signif.

Analysis of Variance for Y

El modelo cuadrtico de regresin es significativo

Por tanto la Ecuacin de regresin queda como:

Para las grficas de contornos y de superficie de

EJEMPLO DE SUPERFICIES DE RESPUESTA

P. Reyes / febrero 2008