4.

5 Experimentos con Mezclas

4.5.1 Introduccin

En la vida real es comn encontrar productos, como medicinas, alimentos,

explosivos, pinturas, polmeros, cermicas, etc., que se fabrican con la mezcla de dos o
ms elementos. Las cualidades del producto no dependen de la cantidad total de los
ingredientes en la mezcla, sino de las proporciones de los mismos. Se puede afirmar
que si la proporcin del i-simo componente es Xi y existen k componentes en la
mezcla, las proporciones deben satisfacer las restricciones
0,0 X i 1
k

=1

i =1

Por ejemplo, en la mezcla de dos componentes se debe cumplir que: 0.0 < X1 <
1.0, 0.0 < X2 < 1.0 y X1+X2 =1.0. Este tipo de restricciones limita el empleo de los
diseos experimentales discutidos hasta este momento, para estudiar la relacin entre
la calidad del producto y la mezcla de sus componentes. Note que el factorial 22 incluye
todas las esquinas de un cuadrado, pero nicamente dos de ellos, son inadmisibles al
analizar problemas de mezclas.
La regin experimental de un experimento normal , es el rea dentro del
cuadrado o rectngulo mientras que un diseo de mezclas consiste en los puntos de la
lnea X1 = 1-X2 . Por lo tanto regin experimental en este caso es unidimensional y en
un problema normal es bidimensional.

165

Figura 4.17: Regin experimental para un diseo con dos componentes

En una mezcla con tres elementos, la regin experimental es la superficie

bidimensional del plano triangular, que se muestra en la figura siguiente, en lugar
de un cubo. Para cuatro elementos la regin es un volumen de un tetraedro
rectangular.

Figura 4.18: Regin experimental para un diseo con tres componentes

Los diseos experimentales o seleccin de experimentos dentro de la regin

experimental, estarn en funcin de un modelo que est ajustando.

166

4.5.2 Modelos para problemas de mezcla

Al igual que en el anlisis de superficies de respuesta, el objetivo en problemas

de mezclas, es encontrar un modelo que permita pronosticar el valor de la variable
dependiente, en funcin de sus componentes. Esto se puede realizar con un modelo
lineal, donde Y es la variable dependiente y Xi las componentes.
k

Y = b0 + bi X i
i =1

o con el modelo cuadrtico .

k

Y = b0 + bi X i +
i =1

bii X i2 + bij X i X j
i< j =2

i =1

El modelo lineal se usar en los casos en que la mezcla de los componentes

sea aditiva y la calidad del producto se defina como una combinacin lineal de sus
proporciones. El otro modelo se emplea si existe interaccin (antagonismo o
sinergismo) entre ellos, y la calidad fue superior o inferior a la que se hubiera obtenido
con la combinacin lineal de sus proporciones. Cuando se tienen tres elementos, estos
modelos se escriben

Y = b0 + b1 X 1 + b 2 X 2 + b 3 X 3

Y = b0 + b1 X 1 + b2 X 2 + b3 X 3 + b11 X 21 + b22 X 2 2 + b33 X 23 + ...

+ b12 X 1 X 2 + b13 X 1 X 3 + b23 X 2 X 3

Es importante enfatizar que existe una diferencia con respecto a los modelos
normales de superficies de respuesta. Esto se origina por la restriccin X1+X2+X3=1, ya
que al deducir el valor de X1 y X2, el valor de X3 se encuentra automticamente, como
1- X2-X1. En consecuencia, los modelos de prediccin sern redundantes y Y no es
funcin de X1, X2 y X3 sino de las dos primeras. O sea, los modelos se convierten en:
167

Y = b0 + b1 X 1 + b 2 X 2

Y = b0 + b1 X 1 + b2 X 2 + b11 X 21 + b22 X 22 + b12 X 1 X 2

Esto se conoce como modelo de variable de holgura y se usa cuando X3 es la

proporcin ms grande de las tres y la ms esttica. La forma general de este modelo
es:
k 1

k 1

i =1

i =1

Y = b0 + bi X i + bii X i2 +

k 1

ij

XiX j

i< j =2

4.5.3 Diseos Experimentales para problemas de Mezclas

Problemas sin restricciones

Este tipo de problemas se encuentran cuando uno de los componentes

representa el 100 por ciento. Una ilustracin; al estudiar las propiedades de un compost
domstico fabricado por la mezcla de varios tipos de residuos orgnicos e inorgnicos,
no se impone ninguna restriccin respecto a la proporcin de los mismos (esto es, se
puede tener 100 por ciento de aceite residuos de jardn, basura, papel, tierra o
cualquier

proporcin intermedia). Para analizar situaciones como sta, la mejor

alternativa es usar diseos simplex.

Los diseos simplex para modelos lineales consisten en una observacin de
cada vrtice. En una mezcla de tres componentes, los puntos se muestran en la
siguiente tabla. Los resultados en los tres vrtices se designan con Y1, Y2 y Y3.

168

No

X1

X2

X3

Respuest
a

Y1

Y2

Y3

Tabla 4.25: Diseo simplex lineal para mezclas con tres componentes

Puesto que se estimarn tres parmetros en el modelo, ste diseo no cuenta

con experimentos adicionales par estimar el error experimental y probar la bondad de
ajuste. Esta limitacin, se puede resolver repitiendo el diseo o aadiendo un punto
central. Si se hace esto ltimo, se podr investigar si el modelo es adecuado, mediante
una prueba de bondad de ajuste. Dicha prueba se lleva a cabo comparando la variacin
entre el valor observado y estimado en el punto central, con respecto a la variacin
entre las repeticiones de dicho punto. La tabla siguiente es un ejemplo de esto.

No.

X1

X2

X3

Respuesta

Y1

Y2

Y3

1/3

1/3

1/3

Y123(1)

1/3

1/3

1/3

Y123(2)

1/3

1/3

1/3

Y123(3)

Tabla 4.26: Diseo Simplex con tres componentes y un punto central repetido

Los diseos simplex para modelos cuadrticos incluyen valores en el punto

169

medio de las lneas que unen cada vrtice, con el fin de poder estimar los efectos no
lineales. La tabla siguiente es un ejemplo de este modelo.

No

X1

X2

X3

Respuesta

Y1

Y2

Y3

Y12

Y13

Y23

1/3

1/3

1/3

Y123(1)

1/3

1/3

1/3

Y123(2)

1/3

1/3

1/3

Y123(3)

Tabla 4.27: Diseo simplex cuadrtico para mezclas con tres componentes

La repeticin de los puntos centrales en este modelo permite probar la falta de

ajuste del modelo y con respecto al modelo cbico especial. La caracterizacin grfica
de dichos diseos, se da en las figuras siguientes, lo que incluye frmulas para calcular
los estimadores de los coeficientes en los modelos de Scheff. Estas son la solucin a
las ecuaciones lineales definidas por las frmulas anteriores.

170

Figura 4.19: Diseo simplex lineal con tres componentes

Figura 4.20: Diseo simplex cuadrtico con tres componentes

171

Figura 4.21: Diseo Simplex cbico especial

Figura 4.22: Diseo Simplex cbico

172

Ejemplo:

Supongamos que se desea probar si la mezcla de tres resinas para extraer un

metal pesado de un efluente industrial tiene un efecto sinrgico, es decir obtener una
mezcla que sea ms eficiente que sus componentes individuales, en la extraccin del
metal pesado. En una de estas pruebas, varias combinaciones de las resinas A, B y C;
se mezclaron en las proporciones que se indican en la siguiente tabla, para luego
realizar la experimentacin en una pera de decantacin de laboratorio. El diseo
utilizado es un simplex cuadrtico aumentado (puntos en el centro para estimar la
curvatura).

1
2
3
4
5
6
7
8
9

1
0
0
0,5
0,5
0
0.33
1
0

B
0
1
0
0,5
0
0,5
0.33
0
1

C
0
0
1
0
0.5
0,5
0.33
0
0

Extraccin
%
73
68
80
77
86
75
92
70
65

Tabla 4.28: Proporciones de resinas A, B y C y su representacin grfica

En primer lugar en este tipo de diseo calculamos el anlisis de varianza de los

modelos de Sheffe con el propsito de seleccionar el modelo ms adecuado a nuestros
datos. En la tabla siguiente se observa todos los modelos alternativos para los datos de
extraccin. El primer criterio para seleccionar el mejor modelo puede ser escoger el
que tiene un valor de p<=0,05. El segundo criterio consiste en escoger el modelo que
tenga mayor valor de R2.

173

Tabla 4.29: Criterios para seleccionar el mejor modelo para la mezcla

De la tabla podemos observar que en ambos casos el modelo especial cbico

resulta ms adecuado para representar le mezcla de colectores que optimizarn la
extraccin del metal pesado. Conociendo esto, seleccionamos el modelo especial
cbico para modelar el proceso.

Tabla 4.30: Anlisis de Varianza para el modelo cbico especial

El modelo especial cbico que relaciona la extraccin con la mezcla de resinas es

el siguiente:
R (%) = 71,5 A + 66,5 B + 80C + 32 AB + 41 AC + 7 BC + 282 ABC

174

Al optimizar este modelo que tiene un alto coeficiente de determinacin

obtenemos los siguientes valores:

Tabla 4.31: Resultados de la mezcla de resinas para la extraccin del metal pesado

Figura 4.23: Superficie Respuesta para la extraccin en funcin de la mezcla de

resinas

175

Figura 4.24: Grfico de contornos para la extraccin en funcin de la mezcla

La grfica de contornos de esta ecuacin nos ayuda mejor a visualizar el punto

donde las proporciones de la mezcla son ptimas. A partir de esta, se observa que la
mezcla de los tres reactivos es ms efectiva que cualquiera de los tres, aplicados
separadamente (vrtices), o la mezcla de dos de ellas (la cual se localiza a lo largo de
la lnea que une sus vrtices).

Problemas con restricciones

En algunas mezclas no es factible obtener el producto con uno de sus
componentes al 100 por ciento. Por ejemplo, para le elaboracin de compostaje
industrial se necesitan mezclar cuatro componentes con las siguientes restricciones
para controlar el contenido de nitrgeno: 0,4<estircol<0,6; 0,1<residuos de
cosecha<0,5; 0,1<residuos domsticos<0,5 y 0,03<tierra<0,08. La proporcin de los
tres componentes puede variar, pero se debe mantener dentro de cierto rango, para
que el contenido de nitrgeno sea el adecuado. En este problema la regin
experimental no es el tringulo que se obtuvo con tres componentes no restringidos,
sino una parte del plano.
176

Grfico 4.25: Regin experimental para mezclas con restricciones

En general

estos diseos se utilizan cuando las proporciones de los

componentes de la mezcla no pueden variar entre 0 y 1, sino en un rango mucho ms

pequeo. As por ejemplo se debe cumplir lo siguiente:
k

a < Xi < b

i =1

Ejemplo

Un ingeniero desea hallar la formulacin ptima de una mezcla de resinas para extraer
un metal pesado de un efluente, utilizando las siguientes componentes (resinas):

3 % < A < 8%

2 % < B < 4%

2 % < C < 4%
Para averiguar la idoneidad del proceso se van a realizar dos tipos de medidas:

Y1, el contenido del metal pesado (ppm).

177

Y2, la turbidez del efluente

Los objetivos del experimento son que el contenido final del metal pesado en el
efluente sea no mayor a 43 ppm y la turbidez, sea no mayor de 800. Adems se
requiere que estas tres componentes o resinas constituyan el 9% de la formulacin
total, es decir que A+B+C = 9%. Los otros componentes poco significativos deben
constituir el 91% de la mezcla. En este caso utilizamos un diseo de mezclas
restringido, cuadrtico, aumentado y con repeticiones. La

matriz diseo y los

resultados son los siguientes.

A
0.050
0.040
0.040
0.030
0.030
0.030
0.037
0.043
0.033
0.033
0.050
0.040
0.040
0.030

B
0.020
0.030
0.020
0.040
0.030
0.020
0.027
0.023
0.033
0.023
0.020
0.030
0.020
0.040

C
0.020
0.020
0.030
0.020
0.030
0.040
0.027
0.023
0.023
0.033
0.020
0.020
0.030
0.020

Concen.
ppm
51.70
35.10
46.50
87.80
144.00
67.90
40.80
46.00
37.20
70.70
45.30
91.60
130.00
34.80

Turbide
z
730.00
671.00
630.00
323.00
641.00
436.00
436.00
1122.00
378.00
874.00
949.00
546.00
786.00
984.00

Tabla 4.32: Matriz diseo para mezclas restringidas en la formulacin de la mezcla

de resinas

En primer lugar obtenemos la significancia de los efectos y los coeficientes de

determinacin para el contenido de metal pesado.

178

Tabla 4.33: Criterios para seleccionar el mejor modelo para la formulacin de la

mezcla de resinas

De la tabla anterior, podemos evidenciar que el mejor modelo para la extraccin

del metal pesado es el cbico especial, pues tiene el menor valor de p y el mayor valor
de R2.

Tabla 4.34: Anlisis de varianza para el modelo cuadrtico

El modelo cuadrtico para la formulacin de la mezcla de resinas en funcin de

la concentracin final del metal pesado sera el siguiente:
179

C( ppm) = 49,89A + 58,09B + 68,36C + 30,17AB+122,98AC + 299,29BC 2098,9 ABC

Grfico 4.26: Superficie respuesta para la formulacin de la mezcla de resinas

A continuacin optimizaremos al modelo matemtico con el objetivo de que el

contenido de metal pesado tenga un valor de 43 ppm. Las proporciones ptimas de los
componentes para que el efluente tenga esta concentracin final son:

Tabla 4.35: Composicin ptima de la mezcla para que el efluente tenga una
concentracin de 43 ppm

180

Grfico 4.27: Grfico de contornos para la formulacin del detergente con la

viscosidad deseada
En la zona azul podemos ver la composicin ptima para que el efluentee tenga
la concentracin final de 43 ppm. Ahora analizaremos la variable turbidez del efluente
en la formulacin de la mezcla de resinas. En primer lugar seleccionaremos el modelo
ms adecuado en base al valor de p y al de R2.

Tabla 4.36: Criterios para seleccionar el modelo ms adecuado para la turbidez

De la tabla podemos evidenciar que el modelo ms adecuado para la turbidez

181

en la formulacin del detergente es el especial cbico, pues tiene el menor valor de p y

el mayor valor de R2. El anlisis de varianza del modelo especial cbico se muestra en
la siguiente tabla.

Tabla 4.37: Anlisis de varianza para el modelo especial cbico de la turbidez

El modelo especial cbico es el siguiente:

Turbidez = 890,07 A + 605,94 B + 498,36C 545,99 AB

+ 382,13 AC + 224,33 BC 821,57 ABC

Al optimizar el modelo matemtico obtenemos los siguientes valores. En este caso el
objetivo es minimizar la turbidez del detergente a un valor no mayor de 800.

Tabla 4.38: Valores ptimos para la formulacin del detergente en funcin de la

turbidez
La superficie respuesta de la turbidez en la formulacin de la mezcla de resinas tiene la
siguiente forma:

182

Grfico 4.28: Superficie respuesta para la turbidez del efluente

Grfico 4.29: Superficies de contorno para la turbidez del detergente

Ahora deseamos optimizar la formulacin de la mezcla de resinas considerando que la

concentracin final del efluente sea igual a 43 ppm y la turbidez a 800. En este caso
tenemos una optimizacin multiobjetivo y para eso deseamos encontrar la funcin de
183

deseabilidad igual a 1.

Tabla 4.39: Valores ptimos de la respuesta mltiple con la desebilidad ideal

De la tabla concluimos que para que el efluente tenga una concentracin final de
metal pesado igual a 43 ppm y una turbidez de 800, la formulacin ptima ser: resina
A (3,8%), resina B (2,7%) y resina C (2,5%).

Grfico 4.30: Superficie Respuesta de la funcin de deseabilidad para la

optimizacin multiobjetivo

184