Documentos de Académico
Documentos de Profesional
Documentos de Cultura
o Sistemas Analticos
o Optimizacin de Mtodos
20/05/2013
Conjunto de tcnicas
matemticas y estadsticas
RESPUESTA
Construir un
MODELO
y = f ( x1 , x2 )
niveles
Datos experimentales
OPTIMIZAR
DISEO DE
EXPERIMENTOS
Valor Real de la
RESPUESTA
dependiente
Niveles de los
Funcin
continua
FACTORES
= f ( x1 , x2 ,...., xk )
y = f ( x1 , x2 ,...., xk ) +
20/05/2013
y = +
Errores experimentales en la medicin de la respuesta
Ruido instrumental
Deriva del sistema en el tiempo
y = f ( x1 , x2 ,..., xk ) +
minimizar
y = f ( x1 , x2 )
Encontrar el
PTIMO
20/05/2013
GRFICOS DE LA MSR
Superficie de Respuesta
Optimo de la Respuesta
Grfica de contornos
Lneas de Isorespuesta
Niveles ptimos
de las variables
GRFICOS DE LA MSR
Produccin de almendras
Cada lnea de
contorno est
formada por todas
las combinaciones
de los factores que
producen una
misma respuesta.
20/05/2013
VOLVIENDO A LA HISTORIA
ESTRATEGIA OVAT
Variaciones de Temperatura
Tpo (Hs)
24
24
24
24
24
24
24
24
24
24
R (g/L)
20.6
26.1
32.0
36.3
39.2
42.0
42.9
43.8
42.5
41.2
Rendimiento
T (C)
20
24
28
32
36
40
44
48
52
56
Temperatura (C)
Condiciones Optimas de
Temperatura
T= 48
Valor Optimo de
Temperatura
Seccin transversal de la
Superficie de Respuesta
R= 43.8 g/L
VOLVIENDO
AINTENTO
LA HISTORIA
PRIMER
PRIMER
INTENTO
ESTRATEGIA OVAT
Grafica de Respuesta Univariada
Variaciones de Tiempo
Tpo (Hs)
R (g/L)
48
24
43.8
48
28
47.8
48
48
32
36
50.6
50.8
48
40
49.2
48
44
45.6
Rendimiento
T (C)
Valor Optimo de
Tiempo
Condiciones Optimas
de Tiempo a 48C
Tpo= 36 hs
R= 50.8 g/L
16 experimentos sucesivos
20 das de trabajo
Tiempo (horas)
Seccin transversal de la
Superficie de Respuesta
20/05/2013
METODOLOGA
SUPERFICIE
DE RESPUESTA
OTRA
FORMA DEDE
HACER
LAS COSAS
Grafica de Superficie
Variaciones Simultneas de
Tiempo y Temperatura
Tpo (Hs)
R (g/L)
20
24
20.6
20
36
44.9
20
35
48
24
51.0
39.9
35
36
54.9
35
48
52.1
50
24
43.0
50
36
49.1
50
48
37.0
Rendimiento
T (C)
Valor Optimo de
Tiempo y Temperatura
9 experimentos
2 das de trabajo
METODOLOGA
SUPERFICIE
DE RESPUESTA
OTRA
FORMA DEDE
HACER
LAS COSAS
Grafica de Superficie
Rendimiento
mximo
48.00
44.3
Tiempo (horas)
42.00
56.1
36.00
54.6
30.00
50.2
38.4
44.3
32.5
26.6
24.00
mnimo
20.00
27.50
35.00
42.50
50.00
Temperatura (C)
20/05/2013
MSR YFORMA
OPTIMIZACIN
OTRA
DE HACER LAS COSAS
Una misma RESPUESTA puede depender de ms de dos factores
y = f ( x1 ,...., xk ) +
X 1 constante
X 2 constante
X3
X2
X 3 constante
X3
X1
X2
X1
Cul es el optimo?
Tcnicas de Optimizacin
MSRyYFORMA
OPTIMIZACIN
OTRA
DE HACER
COSAS
SRM
OPTIMIZACIN
DELAS
SISTEMAS
El comportamiento optimo de un SISTEMA puede depender de ms
de una RESPUESTA.
Area PIR
Area SUL
2.00
15.53
187103
229016
160.09
30.94
190356
213831
120.74
516246
15.847
1.55
10.965
467223
9.732
418200
198646
89.61
193610
45.89
1.09
369177
7.921
59.75
183461
60.20
196863
0.63
320153
5.396
168276
30.84
80.61
200116
0.18
Respuesta 1
Respuesta 2
Respuesta 3
20/05/2013
MSR YFORMA
OPTIMIZACIN
OTRA
DE HACER LAS COSAS
Creacin de un Diseo de Experimentos
Conjunto de experimentos planificado de antemano con valores
determinados de las variables
Ajuste de un Modelo
Ecuacin matemtica que relaciona la respuesta con los factores
estudiados. Se obtiene por Regresin Lineal Mltiple
Utilizacin de una Tcnica de Optimizacin
Explorar el modelo para obtener informacin sobre el ptimo
Diseo
Modelo
20/05/2013
4 , 5 y 6 si fuera necesario
Verificar experimentalmente
Regin de Operabilidad
Condiciones en donde el
proceso o equipo puede ser
operado
X1
X3
X2
Entorno Experimental
Limitado por los niveles
seleccionados para los factores
20/05/2013
Aproximacin al Optimo
Modelo probable
Primer orden
Segundo orden
Diseo de Optimizacin de
Primer Orden
Diseo de Optimizacin de
Segundo Orden
Experimentar
Experimentar
Evaluar curvatura
no lineal
Caracterizar la Superficie
lineal
Mover el Entorno
Experimental en el sentido
del Optimo
Establecer
Condiciones Optimas
10
20/05/2013
= f ( x1 , x2 )
Algunas consideraciones sobre los modelos
Deben construirse a partir de datos experimentales confiables
Deben incluir los factores cuyos efectos resultan significativos en la
respuesta
Deben contemplar las interacciones que existen entre los factores y
la curvatura del sistema
Deben ajustarse para minimizar el error y evaluarse estadsticamente
Pueden predecir el valor de la respuesta en un punto no estudiado
del sistema
Pueden utilizarse para localizar el valor ptimo de la respuesta
CONSTRUCCIN DE UN MODELO
error
Respuesta sujeta a
optimizacin
(variable dependiente)
1
2
i = Efectoi
coeficientes de regresin
factores
(variables independientes)
11
20/05/2013
1.220
y = 0 + i x i +
i=0
y = respuesta
Respuesta
1.188
1.155
1.123
1.090
40.00
4.000
36.25
3.750
32.50
X1
3.500
28.75
3.250
25.00
xi = factores significativos
X2
3.000
0 = trmino constante
i = coeficiente del modelo que afecta al factor x
12
20/05/2013
25.00
Respuesta
18.75
12.50
6.250
0.0000
150.0
30.00
117.5
25.50
85.00
21.00
52.50
X1
16.50
20.00
y = 0 + i x i + ij xi x j +
i =0
X2
12.00
Para k> 2 es un
hiperboloide o
hiperelipsoide
15.13
Respuesta
El comportamiento de la
respuesta se explica por los
efectos principales, una o
varias interacciones y uno o
varios trminos cuadrticos de
los factores significativos
10.25
5.375
0.5000
150.0
60.00
112.5
48.75
75.00
X1
37.50
37.50
26.25
0.0000
i =0
i =1
X2
15.00
y = 0 + i x i + ii xi 2 + ij xi x j +
i
13
20/05/2013
Diseo
22
22 + pcentral
Modelo
y = 0 + 1 x1 + 2 x2 + 12 x12 +
y = 0 + 1 x1 + 2 x2 + 12 x12 + curvatura +
11 x12 o 22 x22 ?
22 + pcentral + paxiales
CONSTRUCCIN DE UN MODELO
Cmo obtenemos el mejor modelo a partir de los datos experimentales
obtenidos con un diseo de experimentos?
Significancia de la Regresin F0 =
Falta de Ajuste F0 =
MS LOF
MS EPuro
MS R
MS E
> F0.05,k ,n k 1
Para
modelo
lineal
14
20/05/2013
CONSTRUCCIN DE UN MODELO
Experimentos para optimizar la extraccin de un alcaloide
pH
(X1)
Temperatura
(X2)
mg/g
(y)
-1
43
-1
65
49
69
-1
-1
21
-1
43
62
-1
45
57
54
61
57
Lineal
y= 52.2 + 3.8 x1
+ 14.8 x2
Cuadrtico
y= 56.9 +
+
-
3.8 x1
14.8 x2
6.2 x1 x2
9.2 (x1)2
0.2 (x2)2
SC
gl
MC
F0
p (Ft >F0)
1408
704.2
13.6
0.001
significativa
LINEAL
R2aj
0.70
Regresin
Error Residual
465.3
51.7
FAj
440.6
73.4
8.9
0.049
significativa
Regresin
1565
521.5
13.5
0.002
significativa
Error Residual
309.1
38.6
FAj
284.3
56.87
6.8
0.070
en el lmite
Regresin
1826
365.2
46.0
<0.001
significativa
Error Residual
47.9
7.9
FAj
22.8
761
0.91
0.526 no significativa
Error Puro
24.8
8.2
INTERACCION
0.77
CUADRATICO
0.95
15
20/05/2013
3.8
14.8
6.2
9.2
0.2
x1
x2
x1 x2
(x1)2
(x2)2
H0 : i = 0
i
t0 =
F0 =
MSE
MS i
MS E
H1 : i 0
>
t 0.05,2,nk 1
> F0.05,k ,n k 1
ms usado
SC
gl
MC
F0
p (Ft >F0)
1826
365.2
46.0
<0.001
x1
88.2
88.2
11.1
0.016
x2
1320
1320
166
<0.001
x1 x2
156
156
19.7
0.004
(x1)2
228
228
28.8
0.002
(x2)2
0.17
0.17
0.02
0.889
0.91
0.526
Regresin
Residual
47.9
7.9
LOF
22.8
761
8.2
Modelo completo
Error Puro
24.8
Principio de Parsimonia
Variable no
significativa
Eliminar del
modelo
16
20/05/2013
3.8
14.8
6.2
9.2
0.2
y = 38.9 +
+
-
x1
x2
x1 x2
(x1)2
(x2)2
13.3
0.3
0.1
9.2
1.2
Modelo Jerrquico
Modelo Reducido
x1
x2
x1 x2
(x1)2
(x2)2
y = 56.9 +
+
-
3.8
14.8
6.2
9.2
x1
x2
x1 x2
(x1)2
y = 38.9 + 13.3 x1
- 9.2 (x1)2
- 1.2 (x2)2
Se conserva el
trmino de
primer orden
y = 38.9 +
-
13.3
0.3
9.2
1.2
x1
x2
(x1)2
(x2)2
Significancia de la Regresin
Falta de Ajuste
Verificacin de los
Supuestos del ANOVA
Puntos Influyentes
Ajustar el Modelo
Modelo Definitivo
17
20/05/2013
APROXIMACIN AL OPTIMO
Objetivo: Aplicar experimentos que permitan moverse rpidamente
a las proximidades del ptimo buscado para la respuesta
Tcnica de
ESCALAMIENTO ASCENDENTE
(o descendente)
factor 2
Diseo SIMPLEX
factor 1
factor 2
factor 2
factor 1
factor 1
factor 1
18
20/05/2013
Diseo SIMPLEX
Paso 1
Simplex Inicial: experimentos 1, 2 y 3
La peor respuesta es la del experimento 3
Buscar un opuesto
Paso 2
Segundo Simplex : experimentos 1, 2 y 4
La peor respuesta es la del experimento 2
Buscar un opuesto
19
20/05/2013
Paso 3
Tercer Simplex : experimentos 1, 4 y 5
La peor respuesta es la del experimento 1
Buscar un opuesto
DISEO SIMPLEXen
SIMPLEX ESCALAMIENTO ASCENDENTE
Mtodo de Escalamiento Ascendente sin ajustar Modelo
Paso 4
Cuarto Simplex : experimentos 4, 5 y 6
Las peores respuestas son las 5 y 6
Buscar opuestos
20
20/05/2013
Paso 5
Quinto Simplex : experimentos 5, 6 y 7
Sexto Simplex : experimentos 4, 6 y 8
La mejor respuesta es la 6
21
20/05/2013
ascenso
descenso
y = 0 + i x i +
i=0
Se recorre
secuencialmente una
trayectoria en sentido
de su mxima
pendiente, es decir,
del mayor incremento
o decremento de la
respuesta
Normal de la
Superficie de
Respuesta
ajustada
54.04
55.58
coincidente con el
Punto de Origen
i
Paso 3 Ajustar un modelo lineal, obtener la Superficie de Respuesta
y evaluar curvatura
22
20/05/2013
x j = 1
x j = 1
j
xi = i
j
y = 0 + i xi + j x j + ... + ...k xk +
Mxima Pendiente en el plano i x j
Paso 5 Calcular el
incremento para las
otras variables
xi =
i
j x j
i = 1,2,....k ; i j
xi =
i
j
Pendiente =
i
j
Paso 7 Continuar
experimentando en esta
direccin hasta no
observar ms incrementos
23
20/05/2013
Paso 9 Construir un
54.04
55.58
Paso 10 Experimentar
en el sentido de mximo
ascenso del nuevo modelo
hasta no obtener ms
incrementos.
Repetir Paso 8 y Paso 9 hasta
encontrar curvatura
significativa, o la respuesta
optima
Variables codificadas
Respuesta
min
x1
X2
Rendimiento (%)
30
150
-1
-1
39.3
30
160
-1
40.0
40
150
-1
40.9
40
160
41.5
35
155
40.3
35
155
40.5
35
155
40.7
35
155
40.2
35
155
40.6
24
20/05/2013
x1 = 1 = 5 min
Seleccin del incremento de la otra variable en funcin de la mxima
pendiente en ascenso
Origen
35
155
O+
40
157
O+2
45
159
O+3
50
161
O+4
55
O+5
60
x1
Respuesta
X2
Rendimiento (%)
40.5
1.00
0.42
49.5
2.00
0.84
59.8
3.00
1.26
70.4
163
4.00
1.68
80.9
165
5.00
2.10
75.1
25
20/05/2013
Variables codificadas
Respuesta
min
x1
X2
Rendimiento (%)
50
158
-1
-1
76.5
50
168
-1
77.0
60
158
-1
78.0
60
168
79.5
55
163
81.2
55
163
80.5
55
163
80.7
55
163
80.9
55
163
80.6
Modelo Cuadrtico
Pruebas de Adecuacin del Modelo Cuadrtico
Modelo Significativo
Falta de Ajuste No Significativa
Interaccin No Significativa
Curvatura Significativa
26
20/05/2013
Anlisis cannico
Anlisis de cordillera
Loma
Punto de Respuesta
Mnima
Valle
Punto Silla
Silla de montar
27
20/05/2013
Punto Silla
Paso 1
i =0
i =1
y = 0 + i x i + ii xi 2 + ij xi x j +
Paso 2
Anlisis grfico
Anlisis cannico
Paso 3
y x1 = y x2 = ...... = y xk = 0
28
20/05/2013
x 1x 2
En donde:
xk
x=
b=
y = 0 + x'b + x' Bx
11 12 2 ... 1k 2
22
2k 2
B=
kk
sim
Es el vector de
los factores
1
2
k
Es el vector de los
coeficientes de
regresin de
primer orden
ANALISIS
CANNICO
- PUNTOPUNTO
ESTACIONARIO
LOCALIZACIN
DEL OPTIMOESTACIONARIO
La derivada de la funcin respecto al vector x igualada a 0 es:
y
= b + 2Bx = 0
x
de donde puede calcularse el punto estacionario
1
x 0 = - B -1b
2
La respuesta predicha para el punto estacionario estar dada por:
y 0 = o +
1
xob
2
29
20/05/2013
y = y 0 + 1w12 + 2 w 22 + ..... + + k w k2
y 0
wi
i
Variables cannicas
w1
x2
Cordillera de la
Superficie
Punto estacionario
x1
Origen del Diseo
Entorno Experimental
Ecuacin cannica: rotacin y traslacin de los ejes coordenados
30
20/05/2013
Formas clsicas
VALLE
LOMA
SILLA DE MONTAR
Otras formas
CRESTA DESCENDENTE
CRESTA ASCENDENTE
CORDILLERA ESTACIONARIA
R1
0.00
56
-0.38
42
28
48.6
-0.75
14
42
-1.13
0.00
2.00
-0.38
-0.75
B: B
28.8
1.38
35.4
28.8
22.2
0.75
-1.13
0.13
-1.50
-0.50
-1.50
A: A
-0.50
0.13
0.75
1.38
2.00
31
20/05/2013
R1
1.50
2.42
3.94
5.45
10
6.97
0.75
8.48
7.5
5
0.00
2.5
8.48
-0.75
1.50
6.97
5.45
1.00
0.75
0.00
B: B
3.94
0.50
2.42
0.00
-0.75
-0.50
-1.50
-1.00
-1.50
A: A
-1.00
-0.50
0.00
0.50
1.00
Punto Estacionario
En este caso deberemos encontrar el mejor punto posible dentro del Entorno
Experimental. Este punto se ubica en la cordillera de mayor crecimiento de la
superficie y se encuentra por el mtodo conocido como anlisis de cordilleras
32
20/05/2013
Punto Optimo
en el Entorno
Experimental
Los softwares de optimizacin
emplean ecuaciones matemticas
para resolver este tipo de
situaciones
N min= 1 + 2k + k (k-1)/2
N = N min + Co
33
20/05/2013
ORTOGONALIDAD y BLOQUE0
Un diseo es ortogonal cuando los coeficientes estimados en el
modelo ajusta no estn correlacionados entre si
Esto aumenta la precisin de la estimacin de los coeficientes
Para cumplir con el requisito de ortogonalidad las columnas de la
matriz del diseo deben estar formadas por vectores
independientes entre si
34
20/05/2013
ROTABILIDAD
Es la propiedad de un diseo de generar un modelo en el cual la varianza de la
respuesta predicha en un punto cualquiera del espacio experimental es
solamente funcin de la distancia al punto al centro del diseo
0.437
0.391
0.437
0.389
No Rotable
Rotable
FUNCIN INFORMACIN
La Funcin Informacin de un diseo se define como el recproco de la
variancia del modelo en el entorno experimental
-1
I x =V(y)
Leverage
35
20/05/2013
ERROR DE PREDICCIN
El error de prediccin de la respuesta
est dado por el producto del
Leverage en ese punto de la superficie
por el error experimental
Respuesta 1
Vy = L x Vexp
oError estndar residual de la regresin
oError puro
Respuesta 2
IC y = t( 0.05) x S y
Punto central
Dos factores
Tres factores
36
20/05/2013
Punto central
Nmero de experimentos
(N = 2k +2k + C0)
37
20/05/2013
curvatura
Estrella
Bloque 1
2k+ Co
Bloque 2
=1
>1
Circunscripto
o Rotable
= 4 n fact
o Esfrico
= k
Entorno experimental
esfrico
=4 k
Puntos axiales
posibles
experimentalmente
o Prctico
Cuasi-Rotables
k >5
38
20/05/2013
= 1.0
Se transforma en un
diseo de tres niveles
El entorno experimental es
ms acotado
Diseo Rotable
Diseo Prctico
Valor de alfa
1.414
1.414
1.189
1.732
1.682
1.316
2.000
2.000
1.414
2.236
2.378
1.495
39
20/05/2013
DISEO DE BOX-BEHNKEN
Compuestos por la combinacin de diseos factoriales a dos niveles con
diseos de bloques incompletos
Nmero de experimentos (N = 2k (k1) + c0 )
Puede aplicarse para k 3
Punto central
Tres factores
3 niveles por factor (-1, 0 , +1)
40
20/05/2013
MATRIZ DE DOHERLET
El dominio experimental es muestreado de manera uniforme, los puntos
experimentales son equidistantes entre si.
Los factores varan en diferente nmero de niveles cada uno. Para un diseo
de 3 factores el primero toma tres niveles, el segundo cinco y el tercero siete
x1
1.0
-1.0
-1.0 -0.5 0
0.5
x2
1.0
EFICIENCIA
La Eficiencia de un diseo est dada por el cociente entre el nmero de
coeficientes estimados por el modelo y el numero total de puntos experimentales
Box-Behnken (BB)
N = 2k (k1) + C0
Factores
Coeficientes
Puntos Experimentales(N)
(modelo cuadrtico)
2
3
4
5
6
7
6
10
15
21
28
36
(1 punto central)
BB
CC
FC
13
25
41
49
57
9
15
25
43
77
143
9
27
81
243
729
2187
BB
CC
0.77
0.60
0.51
0.57
0.63
0.67
0.67
0.60
0.49
0.36
0.25
FC
0.67
0.37
0.18
0.08
0.04
0.02
ms eficiente
41
20/05/2013
DISEO D-OPTIMAL
40.0
% MetOH
20.0
1.0
Flujo (mL/min)
Regin favorable
2.0
Se seleccionan puntos
experimentales con una
Distribucin Optima desde el
punto de vista estadstico
DISEO D-OPTIMAL
Seleccin de puntos experimentales en dominio asimtrico
Puntos Seleccionados
Determinante
de XTX mximo
Menor error de
prediccin
Algoritmo de
Kennard y Stone
42
20/05/2013
DISEO D-OPTIMAL
DCC con dos puntos menos
CONCLUSIONES
La Metodologa de Superficie de Respuesta es una tcnica
sumamente verstil que permite la utilizacin de diferentes
diseos experimentales y herramientas estadsticas para resolver
problemas de optimizacin de sistemas.
Puede aplicarse a la optimizacin de una nica respuesta o a
la optimizacion simultanea de varias respuestas
El buen criterio del operador y el correcto uso de la
metodologa son fundamentales para arribar a conclusiones
correctas.
Una vez obtenidas las condiciones optimas de operacin del
sistema, segn el criterio establecido, las mismas deben
confirmarse experimentalmente.
43