DISEÑO DE EXPERIMENTOS ING.

QUIMICA TEJERINA PINTO DEBORAH

METODOLOGÍA SUPERFICIE
RESPUESTA
OBJETIVOS:

 Acopiar información precisa y necesaria para el desarrollo del análisis de la

superficie de respuesta.
 Saber aplicar el análisis de superficie de respuesta.
MARCO TEORICO:

La metodología de superficie de respuesta es un conjunto de técnicas matemáticas y

estadísticas utilizadas para modelar y analizar problemas en que una variable de interés
es influenciada por otras.
La MSR es una estrategia experimental y de análisis que permite resolver el problema de
encontrar las condiciones de operación optimas de un proceso, es decir aquellas que dan
por resultado “valores óptimos” de una o varias características de calidad del producto.
La MSR es un conjunto de técnicas matemáticas y estadísticas utilizadas para modelar y
analizar problemas en que una variable de interés es influenciada por otras. El propósito
inicial de estas técnicas es diseñar un experimento que proporcione valores razonables
de la variable respuesta y a continuación determinar el modelo matemático que mejor
se ajusta a los datos obtenidos. El objetivo final es establecer los valores de los factores
que optimizan el valor de la variable respuesta. Esto se logra al determinar las
condiciones óptimas de operación del sistema.
EJEMPLO
Un ingeniero industrial está interesado en encontrar las condiciones que maximizan la
producción de una línea. El proceso de producción está influenciado por dos variables
independientes o factores: Tiempo y temperatura del vapor de agua. Las condiciones
actuales muestran que hay una producción de aproximadamente 35% al operar con un
tiempo de 35 minutos y una temperatura de 100 grados centígrados. El ingeniero
considera que se puede aumentar la producción y desea encontrar los niveles de los
factores a los cuales se obtiene un porcentaje óptimo de producción.
1. Se establecen los niveles de experimentación de las variables independientes y se
realiza la experimentación con un modelo de primer orden con puntos centrales
para verificar curvatura. Para este caso particular se ajusta un modelo 22 con 5
puntos centrales. Los niveles de experimentación para las variables
independientes son:

Niveles
Tiempo(A) Temperatura de
vapor(B)
Bajo 30 90
Alto 40 110

1
 DISEÑO DE EXPERIMENTOS ING. QUIMICA TEJERINA PINTO DEBORAH

Puntos centrales 35 100

Pruebas de los efectos inter-sujetos

Variable dependiente:Y
Suma de
cuadrados Media
Origen tipo III gl cuadrática F Sig.
Modelo 2,628a 4 ,657 15,279 ,011
corregido
Intersección 8842,059 1 8842,059 205629,274 ,000
B ,360 1 ,360 8,372 ,044
A 2,250 1 2,250 52,326 ,002
B*A ,010 1 ,010 ,233 ,655
Error ,172 4 ,043    
Total 11302,490 9      
Total 2,800 8
corregida      

ANOVAb

Suma de Media
Modelo cuadrados gl cuadrática F Sig.
1 Regresión 2,610 2 1,305 41,211 ,000a

Residual ,190 6 ,032

   
Total 2,800 8
     
Coeficientesa

Coeficientes no Coeficientes Intervalo de confianza

estandarizados tipificados de 95.0% para B
Límite Límite
Modelo B Error típ. Beta t Sig. inferior superior
1 (Constante) 35,433 ,059   597,354 ,000 35,288 35,578
B ,300 ,089 ,359 3,372 ,015 ,082 ,518
A ,750 ,089 ,896 8,429 ,000 ,532 ,968

Estadísticos sobre los residuosa

  Desviación
Mínimo Máximo Media típica N
Valor 34,3833 36,4833 35,4333 ,57118 9
pronosticado

2
DISEÑO DE EXPERIMENTOS ING. QUIMICA TEJERINA PINTO DEBORAH
Valor -1,838 1,838 ,000 1,000 9
pronosticado
tip.
Error típico ,059 ,139 ,095 ,042 9
de valor
pronosticado
Valor 34,5143 36,6143 35,4548 ,57492 9
pronosticado
corregido
Residual -,23333 ,26667 ,00000 ,15411 9
Residuo típ. -1,311 1,499 ,000 ,866 9
Residuo -1,391 1,589 -,045 ,961 9
estud.
Residuo -,26250 ,30000 -,02143 ,19798 9
eliminado
Residuo -1,542 1,907 -,023 1,048 9
eliminado
estud.
Dist. de ,000 4,000 1,778 2,108 9
Mahalanobis
Distancia de ,007 ,295 ,097 ,117 9
Cook
Valor de ,000 ,500 ,222 ,264 9
influencia
centrado

Se observa que los factores principales A y B (Tiempo y temperatura de vapor) resultan

ser significativos, se decide investigar un modelo de primer orden para encontrar el
paso de ascenso con el cual se espera llegar a la respuesta óptima. La tabla muestra los
coeficientes regresores para cada factor, de esta manera la ecuación que describe el
modelo es:
Y = 35.433 + 0.75X1 + 0.30X2
En el modelo se observa que al moverse en X1 se da un mayor incremento en la
respuesta que es el objetivo del experimento, (buscar los niveles óptimos de los factores
para lograr una maximización en la respuesta). De esta manera se propone entonces
incrementar en un paso de 1 en términos de X1 y en un paso de una fracción en términos
de X2. La fracción se determina de la siguiente manera:
ΔX = 0,3/0,75 = 0,4
De esta manera los incrementos serian: ΔX1 = 1 y 2 ΔX2 = 0.4. Teniendo estos
incrementos se procede entonces a verificar como quedarían los niveles de los factores
al realizar los incrementos porque los mismos están codificados. Al pasarlo a variables
naturales se obtiene:

3
DISEÑO DE EXPERIMENTOS ING. QUIMICA TEJERINA PINTO DEBORAH

Se encuentra entonces que en el paso 10 donde la respuesta es de 75.1 se llega a un

valor máximo de la misma. Debido a que se alcanza este valor máximo y no se ve mejora
en los pasos siguientes, se determina entonces hacer un nuevo modelo de primer orden
para verificar si se debe cambiar el paso o si se ha llegado a un punto donde hay
curvatura y se deba ajustar un modelo de segundo orden.

Se procede a hacer un nuevo experimento 22 teniendo como puntos centrales los valores
que maximizan la respuesta en el procedimiento hecho anteriormente. De manera que
se establece la temperatura de vapor en 140 grados centígrados y el tiempo en 85
minutos, siendo estos los niveles que se establecen para los puntos centrales. La
siguiente tabla muestra el nuevo experimento realizado:

Pruebas de los efectos inter-sujetos

Variable dependiente:y
Suma de
cuadrados Media
Origen tipo III gl cuadrática F Sig.
Modelo 15,381a 4 3,845 28,067 ,003
corregido
Intersección 38470,361 1 38470,361 280805,556 ,000
b 1,323 1 1,323 9,653 ,036
a 4,203 1 4,203 30,675 ,005
b*a ,562 1 ,562 4,106 ,113
Error ,548 4 ,137    
Total 49849,050 9      

4
DISEÑO DE EXPERIMENTOS ING. QUIMICA TEJERINA PINTO DEBORAH
Total 15,929 8
corregida      

ANOVAb
Suma de Media
Modelo cuadrados gl cuadrática F Sig.
1 Regresión 5,525 2 2,763 1,593 ,279a
Residual 10,404 6 1,734    
Total 15,929 8      

Coeficientesa
Coeficientes no Coeficientes
estandarizados tipificados
Modelo B Error típ. Beta t Sig.
1 (Constante) 74,411 ,439   169,526 ,000
b ,575 ,658 ,288 ,873 ,416
a 1,025 ,658 ,514 1,557 ,171

Estadísticos sobre los residuosa

  Desviación
Mínimo Máximo Media típica N
Valor 72,8111 76,0111 74,4111 ,83104 9
pronosticado
Valor -1,925 1,925 ,000 1,000 9
pronosticado
tip.
Error típico ,439 1,029 ,701 ,311 9
de valor
pronosticado
Valor 74,2375 78,3857 75,1415 1,36637 9
pronosticado
corregido
Residual -1,51111 1,38889 ,00000 1,14039 9
Residuo típ. -1,148 1,055 ,000 ,866 9
Residuo -1,840 1,119 -,208 1,180 9
estud.
Residuo -3,88571 1,56250 -,73036 2,20734 9
eliminado
Residuo -2,545 1,148 -,371 1,431 9
eliminado
estud.
Dist. de ,000 4,000 1,778 2,108 9
Mahalanobis
Distancia de ,006 1,774 ,508 ,740 9
Cook

5
DISEÑO DE EXPERIMENTOS ING. QUIMICA TEJERINA PINTO DEBORAH
Valor de ,000 ,500 ,222 ,264 9
influencia
centrado

Los resultados muestran que un modelo de primer orden no es suficiente para

llegar al punto óptimo, de manera que se concluye que después de analizar los
datos con el primer modelo de primer orden hecho, se debe pasar a uno de
segundo orden con el fin de llegar a la configuración de factores que dan la
respuesta óptima para el problema.
Se procede entonces a hacer un modelo considerando puntos axiales. El modelo
que se usa en este caso para ajustar uno de segundo orden tiene el nombre de
diseño central compuesto. El número de puntos axiales que debe existir en el
modelo se obtiene multiplicando 2*k, siendo k el numero de factores. De esta
manera para este modelo donde se tienen 2 factores, el número de puntos
axiales corresponde a 2*2 = 4 puntos.

ANOVAb
Suma de Media
Modelo cuadrados gl cuadrática F Sig.
1 Regresión 20,146 5 4,029 20,076 ,001a
Residual 1,405 7 ,201    
Total 21,551 12      

Coeficientesa
Coeficientes no Coeficientes Intervalo de confianza
estandarizados tipificados de 95.0% para B
Límite Límite
Modelo B Error típ. Beta t Sig. inferior superior
1 (Constante 75,322 ,200 375,959 ,000 74,848 75,795
)
 
a ,956 ,159 ,582 6,027 ,001 ,581 1,331
b ,571 ,159 ,347 3,601 ,009 ,196 ,946
a2 -1,052 ,171 -,600 -6,170 ,000 -1,456 -,649
b2 -,675 ,171 -,385 -3,958 ,005 -1,079 -,272
ab -,375 ,224 -,162 -1,674 ,138 -,905 ,155

Estadísticos sobre los residuosa

  Desviación
Mínimo Máximo Media típica N
Valor 71,6917 75,3215 74,2615 1,29570 13
pronosticado
Valor -1,983 ,818 ,000 1,000 13
pronosticado
tip.

6
DISEÑO DE EXPERIMENTOS ING. QUIMICA TEJERINA PINTO DEBORAH
Error típico ,200 ,355 ,295 ,078 13
de valor
pronosticado
Valor 71,1878 75,4269 74,2628 1,36900 13
pronosticado
corregido
Residual -,42153 ,47847 ,00000 ,34216 13

Residuo típ. -,941 1,068 ,000 ,764 13

Residuo -1,431 1,523 -,001 1,110 13

estud.
Residuo -1,04881 1,11220 -,00126 ,76100 13
eliminado
Residuo -1,575 1,725 ,004 1,169 13
eliminado
estud.
Dist. de 1,477 6,595 4,615 2,583 13
Mahalanobis
Distancia de ,004 ,641 ,254 ,229 13
Cook
Valor de ,123 ,550 ,385 ,215 13
influencia
centrado

eliminendo
a-b
ANOVAb
Suma de Media
Modelo cuadrados gl cuadrática F Sig.
1 Regresión 19,583 4 4,896 19,908 ,000a
Residual 1,967 8 ,246    
Total 21,551 12      

Coeficientesa
Coeficiente Intervalo de
Coeficientes no s confianza de
estandarizados tipificados 95.0% para B
Límite
Error Límite superio
Modelo B típ. Beta t Sig. inferior r
1 (Constante 75,322 ,222 339,63 ,000 74,810 75,833
)
  4
a ,956 ,176 ,582 5,444 ,001 ,551 1,361
b ,571 ,176 ,347 3,253 ,012 ,166 ,976
a2 -1,052 ,189 -,600 -5,574 ,001 -1,488 -,617
b2 -,675 ,189 -,385 -3,576 ,007 -1,111 -,240
Estadísticos sobre los residuosa

  Desviació
Mínimo Máximo Media n típica N

7
DISEÑO DE EXPERIMENTOS ING. QUIMICA TEJERINA PINTO DEBORAH
Valor 71,8813 75,3215 74,2615 1,27748 13
pronosticad
o
Valor -1,863 ,830 ,000 1,000 13
pronosticad
o tip.
Error típico ,222 ,392 ,299 ,073 13
de valor
pronosticad
o
Valor 71,1878 75,4961 74,1575 1,39530 13
pronosticad
o corregido
Residual -,76674 ,47847 ,00000 ,40490 13

Residuo -1,546 ,965 ,000 ,816 13

típ.
Residuo -1,958 1,376 ,072 1,073 13
estud.
Residuo -1,22972 1,11220 ,10408 ,72446 13
eliminado
Residuo -2,538 1,473 ,020 1,204 13
eliminado
estud.
Dist. de 1,477 6,559 3,692 2,188 13
Mahalanobi
s
Distancia ,000 ,627 ,189 ,213 13
de Cook
Valor de ,123 ,547 ,308 ,182 13
influencia
centrado

GRAFICAS

8
DISEÑO DE EXPERIMENTOS ING. QUIMICA TEJERINA PINTO DEBORAH