Superficie de Respuesta

Las metodologas de superficie de respuesta son usadas para analizar una respuesta de
inters que se ve afectada por ciertas variables y para la cual se necesita llegar a un
valor ptimo.

Supongamos que un ingeniero industrial est interesado en encontrar las condiciones

que maximizan la produccin de una lnea. Las variables (o factores) que influyen en el
proceso son el tiempo y la temperatura del vapor de agua. El ingeniero considera que se
puede aumentar la produccin y desea encontrar los niveles de los factores a los cuales se
obtiene un porcentaje ptimo de produccin:
Produccin=f(Tiempo,Temperatura)+

Mtodo de Mxima Pendiente de Ascenso (Steepest Ascent)

Este mtodo consiste en moverse de manera secuencial hacia la respuesta ptima y
permite identificar los factores que conducen a ella. Las respuestas ptimas por lo
general se encuentran en un lugar cncavo () o convexo ().
Se deben seguir estos pasos para aplicar esta metodologa:
1. Se debe disear un experimento que utilice un modelo de primer orden como por

ejemplo un modelo factorial 2k y en lo posible agregar puntos centrales para

detectar una posible curvatura.
2. Si no existe curvatura, un modelo de primer orden es suficiente, y en base a ste,
su busca el paso que conduzca a la mejora.
Si existe curvatura se debe hacer un modelo de orden superior, aunque se recomienda
hacer un modelo central compuesto.
3. Una vez que se tiene el modelo a seguir se debe determinar el paso de mxima
pendiente de ascenso o descenso, dependiendo de si se desea maximizar o
minimizar la respuesta.

4. En el paso determinado se deben conducir experimentos para observar el cambio

en la variable respuesta.
Ejemplo.
Retomemos el caso del ingeniero, l decide, en base a su experiencia, que la regin de
exploracin deber ser alrededor de 35 minutos y 155F. Como se mencion
anteriormente, se iniciar el anlisis de la superficie de respuesta con un modelo de
primer orden, en este caso, un diseo factorial 2k:

Obtiene los siguientes datos mediante experimentacin:

Variables Naturales
1 (Tiempo)
2 (Temperatura)
30
150
30
160
40
150
40
160
35
155
35
155
35
155
35
155
35
155

Variables Codificadas
X1
X2
-1
-1
-1
1
1
-1
1
1
0
0
0
0
0
0
0
0
0
0

Respuesta
Y (Rendimiento)
39.3
40.0
40.9
41.5
40.3
40.5
40.7
40.2
40.6

Obsrvese que se han obtenido rplicas del punto central con el objetivo de estimar el
error experimental y permitir la verificacin de la adecuacin del modelo de primer
orden.
Al analizar estos datos en el MINITAB se obtienen los siguientes resultados:
Ajuste factorial: Rendimiento vs. Tiempo, Temperatura
Efectos y coeficientes estimados para Rendimiento (unidades codificadas)

Trmino
Constante
Tiempo
Temperatura
Tiempo*Temperatura
Ct Pt

S = 0.207364
R-cuad. = 94.27%

Efecto
1.5500
0.6500
-0.0500

Coef
40.4250
0.7750
0.3250
-0.0250
0.0350

PRESS = *
R-cuad.(pred.) = *%

Coef.
de EE
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

R-cuad.(ajustado) = 88.54%

Anlisis de varianza para Rendimiento (unidades codificadas)

Fuente
Efectos principales
2-Interacciones de (No.) factores
Curvatura
Error residual
Error puro
Total

GL
2
1
1
4
4
8

SC sec.
2.82500
0.00250
0.00272
0.17200
0.17200
3.00222

Fuente
Efectos principales
2-Interacciones de (No.) factores
Curvatura
Error residual
Error puro
Total

P
0.003
0.821
0.814

SC ajust.
2.82500
0.00250
0.00272
0.17200
0.17200

MC ajust.
1.41250
0.00250
0.00272
0.04300
0.04300

F
32.85
0.06
0.06

Se observa que la interaccin entre las variables y la curvatura no son significativas con
un nivel de =0.05. La misma conclusin obtenemos observando la tabla ANOVA
donde el p-valor de la prueba de curvatura y de interacciones es mayor a =0.05.
De esta manera el modelo de primer orden
= 40.44 + 0.775&' + 0.325&* +

es suficiente para hallar la trayectoria de mximo ascenso.

Una regla prctica para hallar el mximo ascenso (o mximo descenso) es seleccionar la
variable que tiene el coeficiente de regresin con mayor valor absoluto; en el caso del
ejemplo sera &' con el coeficiente +,' =0.775. De acuerdo a nuestro modelo, para
aumentar la respuesta (rendimiento) debemos aumentar la variable &' (y si deseamos
disminuir la respuesta, disminuimos &' ).
El tamao de paso en que aumentaremos la variable elegida ser &' =1 y el de las otras
variables ser
+,.
&. =
+,/
Por lo tanto, en este caso particular la variable &' aumentar en &'=1 y la variable &*
en &* = +,*+,' = 0.325/0.775 = 0.42.
Variables Codificadas
X1
X2
0
0
1
0.42
2
0.84
3
1.26
4
1.68
5
2.10
6
2.52
7
2.94
8
3.36
9
3.78
10
4.20
11
4.62
12
5.04

Variables Naturales
1 (Tiempo)

2 (Temperatura)

Respuesta
Y (Rendimiento)

35
40
45
50
55
60
65
70
75
80
85
90
95

155
157
159
161
163
165
167
169
171
173
175
179
181

41
42.9
47.1
49.7
53.8
59.9
65.0
70.4
77.6
80.3
76.2
75.1

Los nuevos rendimientos fueron obtenidos por el ingeniero experimentando con los
tiempos y temperaturas de la trayectoria de mximo ascenso.
Se observa que el mximo se alcanz con un tiempo de 85 minutos y una temperatura
de 175F.
Como se mencion anteriormente el proceso es secuencial, iniciaremos nuevamente
en el punto (85,175) y utilizaremos un diseo factorial 2k:

Se obtienen los siguientes rendimientos bajo experimentacin:

Variables Naturales
1 (Tiempo)
2 (Temperatura)
80
170
80
180
90
170
90
180
85
175
85
175
85
175
85
175
85
175

Variables Codificadas
X1
X2
-1
-1
-1
1
1
-1
1
1
0
0
0
0
0
0
0
0
0
0

Respuesta
Y (Rendimiento)
76.5
77.0
78.0
79.5
79.9
80.3
80.0
79.7
79.8

Al analizar estos datos en el MINITAB se obtienen los siguientes resultados:

Ajuste factorial: Rendimiento vs. Tiempo, Temperatura
Efectos y coeficientes estimados para Rendimiento (unidades codificadas)

Trmino
Constante
Tiempo
Temperatura
Tiempo*Temperatura
Ct Pt

S = 0.230217
R-cuad. = 98.68%

Efecto
2.0000
1.0000
0.5000

Coef.
de EE
0.1151
0.1151
0.1151
0.1151
0.1544

Coef
77.7500
1.0000
0.5000
0.2500
2.1900

PRESS = *
R-cuad.(pred.) = *%

T
675.45
8.69
4.34
2.17
14.18

P
0.000
0.001
0.012
0.096
0.000

R-cuad.(ajustado) = 97.37%

Anlisis de varianza para Rendimiento (unidades codificadas)

Fuente
Efectos principales
2-Interacciones de (No.) factores
Curvatura
Error residual
Error puro
Total

GL
2
1
1
4
4
8

SC sec.
5.0000
0.2500
10.6580
0.2120
0.2120
16.1200

SC ajust.
5.0000
0.2500
10.6580
0.2120
0.2120

MC ajust.
2.5000
0.2500
10.6580
0.0530
0.0530

F
47.17
4.72
201.09

Fuente
Efectos principales
2-Interacciones de (No.) factores
Curvatura
Error residual
Error puro
Total

P
0.002
0.096
0.000

Aunque la interaccin entre las variables no es significativa, la curvatura s lo es

(=0.05), por lo cual un modelo de primer orden no es adecuado y se debe ajustar un
modelo de orden superior (por lo general uno de segundo orden basta).
Anlisis de Superficie de Respuesta de Segundo Orden
Cuando el experimentador se encuentra relativamente cerca del ptimo, por lo general
se requiere un modelo que incorpore la curvatura para aproximar la respuesta, se
recomienda un diseo central compuesto, que es un diseo factorial que incorpora,
adems de puntos centrales, puntos axiales:

Nuevamente, el ingeniero obtiene los rendimientos de los nuevos puntos bajo

experimentacin:
Variables Naturales
1 (Tiempo)
2 (Temperatura)
80
170
80
180
90
170
90
180
85
175
85
175
85
175
85
175
85
175
92.07
175
77.93
175
85
182.07
85
167.93

Variables Codificadas
X1
X2
-1
-1
-1
1
1
-1
1
1
0
0
0
0
0
0
0
0
0
0
1.414
0
-1.414
0
0
1.414
0
-1.414

Respuesta
Y (Rendimiento)
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

Para ingresar estos datos a MINITAB, primero debemos crear el diseo central
compuesto:

Ahora seleccionamos la opcin Central Compuesto y el nmero de factores del

experimento (en nuestro caso 2):

En Diseos... elegiremos la primera opcin con las opciones predeterminadas,

aceptamos y se crear el diseo al cual tendremos que agregar la respuesta en cada caso.
Analizando el diseo se obtienen los siguientes resultados:

Regresin de superficie de respuesta: Rendimiento vs. Tiempo, Temperatura

El anlisis se realiz utilizando unidades codificadas.
Coeficientes de regresin estimados de Rendimiento
Trmino
Constante
Tiempo
Temperatura
Tiempo*Tiempo
Temperatura*Temperatura
Tiempo*Temperatura

S = 0.266000
R-cuad. = 98.28%

Coef
79.9400
0.9950
0.5152
-1.3762
-1.0013
0.2500

SE Coef
0.11896
0.09405
0.09405
0.10085
0.10085
0.13300

PRESS = 2.34577
R-cuad.(pred.) = 91.84%

T
671.997
10.580
5.478
-13.646
-9.928
1.880

P
0.000
0.000
0.001
0.000
0.000
0.102

R-cuad.(ajustado) = 97.05%

Anlisis de varianza de Rendimiento

Fuente
Regresin
Lineal
cuadrado
interaccin
Error residual
Falta de ajuste
Error puro
Total

GL
5
2
2
1
7
3
4
12

SC Sec.
28.2478
10.0430
17.9548
0.2500
0.4953
0.2833
0.2120
28.7431

SC Ajust.
28.2478
10.0430
17.9548
0.2500
0.4953
0.2833
0.2120

MC Ajust.
5.64956
5.02148
8.97741
0.25000
0.07076
0.09443
0.05300

F
79.85
70.97
126.88
3.53

P
0.000
0.000
0.000
0.102

1.78

0.290

Se puede ver cmo los componentes cuadrticos de los factores resultan ser
significativos, de manera que un modelo lineal no hubiese podido describir
adecuadamente lo que sucede a la respuesta al variar los niveles de los factores. Adems
de esto se observa un componente adicional en el ANOVA: Falta de ajuste. Este
componente muestra no ser significativo, sin embargo, si lo hubiese sido, implicara
entonces que es necesario aplicar un modelo de mayor orden para describir lo que
sucede a la respuesta al variar los niveles de los factores.
Al no ser significativa la interaccin la eliminamos del modelo, obteniendo:
Regresin de superficie de respuesta: Rendimiento vs. Tiempo, Temperatura
El anlisis se realiz utilizando unidades codificadas.
Coeficientes de regresin estimados de Rendimiento
Trmino
Constante
Tiempo
Temperatura
Tiempo*Tiempo
Temperatura*Temperatura

S = 0.305224
R-cuad. = 97.41%

Coef
79.9400
0.9950
0.5152
-1.3762
-1.0013

SE Coef
0.1365
0.1079
0.1079
0.1157
0.1157

PRESS = 2.34112
R-cuad.(pred.) = 91.86%

T
585.640
9.220
4.774
-11.893
-8.652

P
0.000
0.000
0.001
0.000
0.000

R-cuad.(ajustado) = 96.11%

Anlisis de varianza de Rendimiento

Fuente
Regresin
Lineal
cuadrado
Error residual
Falta de ajuste
Error puro
Total

GL
4
2
2
8
4
4
12

SC Sec.
27.9978
10.0430
17.9548
0.7453
0.5333
0.2120
28.7431

SC Ajust.
27.9978
10.0430
17.9548
0.7453
0.5333
0.2120

MC Ajust.
6.99945
5.02148
8.97741
0.09316
0.13332
0.05300

F
75.13
53.90
96.36

P
0.000
0.000
0.000

2.52

0.197

Entonces el modelo (en las variables codificadas) es:

= 79.94 + 0.995&' + 0.5152&* 1.3762&'* 1.0013&** + 7
Este modelo puede optimizarse utilizando herramientas de clculo, estadsticas o
incluso grficas; en MINITAB para graficar la superficie de respuesta en las opciones
de DOE -> Superficie de Respuesta, elegimos Grficas de contorno/superficie:

Seleccionamos ambas grficas y en el men Configuracin... marcamos la opcin

unidades codificadas, aceptamos y obtenemos:

As grficamente obtenemos la zona con mejores rendimientos, pero MINITAB tambin

cuenta con una herramienta de optimizacin: en el mismo men de Superficie de
respuesta seleccionamos la opcin Optimizador de respuesta....
Ah seleccionamos la variable de respuesta, que en nuestro ejemplo es Rendimiento,
en Configuracin... le ponemos los parmetros: queremos maximizar, como lmite

inferior podemos poner nuestro rendimiento inicial 39.3, como objetivo un rendimiento
alto, por ejemplo, 100. El resultado proporcionado por MINITAB es:
Punto de inicio
Tiempo
Temperatura

=
=

0
0

Solucin global
Tiempo
Temperatura

=
=

0.357125
0.249510

Respuestas pronosticadas
Rendimiento

80.1860

conveniencia =

0.254424

Conveniencia compuesta = 0.254424

Entonces, el mximo se alcanza para un nivel de &' = 0.357125 y &* = 0.249510,

que en trminos de variables naturales es:
8
9 = 0.357125 5 + 85 =86.785625 minutos
8 9 <= ><= = 0.249510 5 + 175 =176.24755 F