DISEÑO OCTOGONAL

Este diseño utiliza un mayor número de pruebas experimentales. Este diseño consiste en ocho
vértices correspondientes a un octágono regular, más los puntos centrales para estimar la
varianza de error experimental. Los puntos experimentales se muestran esquemáticamente en
la fig. 12.3, se sabe que la suma de los ángulos exteriores de un polígono es de 360° y podemos
calcular su ángulo central según la siguiente ecuación.

Para n=8 lados, el valor del ángulo central es de 45°, haciendo coincidir uno de los lados que
forma el ángulo central con el eje de las abscisas y los vértices del octágono correspondería a
los puntos experimentales

La matriz del diseño puede deducirse a partir de la figura 12.3

a) El punto experimental (1)

Como el radio (R=1), tenemos el par ordenado (X1, X2) = (1,0)

b) EI punto experimental (2)

Luego al punto experimental 2 le corresponde al par ordenado (0.7071, 0.7071)

c) Los puntos experimentales 3 ,4 5, 6, 7 y 8. Le corresponderán el mismo valor que el punto
2 por poseer el mismo ángulo central (45°) y ser simétricos, pero variando el signo de
acuerdo a la posición del cuadrante la matriz del diseño se resume en la tabla 12.3
 N° X1 X2
1 1.0000 0.0000
2 0.7071 0.7071
3 0.0000 1.0000
4 -0.7071 0.7071
5 -1.0000 0.0000
6 -0.7071 -0.7071
7 0.0000 -1.0000
8 0.7071 -0.7071
9 0.0000 0.0000
10 0.0000 0.0000
11 0.0000 0.0000
12 0.0000 0.0000
Tabla 13.2 Matriz del Diseño Octogonal

Ejemplo, de aplicación
En un proceso de flotación de un mineral sulfurado de cobre, después de las etapas de screening
y escalamiento se determinó que las variables más significativas son la dosificación del colector
y el porcentaje de sólidos, se desea determinar el máximo porcentaje de recuperación de cobre:
La siguiente tabla muestra los rangos de operación.

Variables Nivel (-) Nivel (+)

Z1: Dosificación de colector (lb/tn) 0.015 0.035
Z2: porcentaje de solidos (%S) 25 30

El centro de diseño Z°j se calcula con la (Ec. 67)

(𝑍𝑗𝑚𝑎𝑥 + 𝑍𝑗𝑚𝑖𝑛 )
𝑍𝑗0 = … … … … . . 67
2

El radio del diseño ΔZj se calcula con la siguiente ecuación (Ec 68)

(𝑍𝑗𝑚𝑎𝑥 − 𝑍𝑗𝑚𝑖𝑛 )
∆𝑍𝑗0 = … … … … .68
2
Aplicando las ecuaciones (Ec.67) y (Ec. 68) hallamos el centro y radio del diseño octogonal
Z1 Z2
𝑍𝑗0 0.025 27.5
∆𝑍𝑗0 0.01 2.5

En la planificación de las pruebas experimentales, se tiene que encontrar el valor de las variables
en escala natural por medio de la siguiente ecuación:
𝑍𝑗 = 𝑍𝑗0 + 𝑋𝑗 . ∆𝑍𝑗0

Para la primera prueba. X1=1 X2=0

𝑍1 = 0.025 + (1 ∗ 0.01) = 0.035
𝑍2 = 27.5 + (0 ∗ 2.5) = 27.5

Para las demás pruebas se demuestra en la siguiente tabla:

 N° Codificado Natural
X1 X2 Z1 Z2 Y
1 1.0000 0.0000 0.0350 27.5000 92.2
2 0.7071 0.7071 0.0320 29.2677 94.0
3 0.0000 1.0000 0.0250 30.0000 93.6
4 -0.7071 0.7071 0.01793 29.2677 93.5
5 -1.0000 0.0000 0.0150 27.5000 90.9
6 -0.7071 -0.7071 0.0179 25.7322 92.2
7 0.0000 -1.0000 0.0250 25.0000 92.8
8 0.7071 -0.7071 0.0320 25.7322 93.3
9 0.0000 0.0000 0.0250 27.5000 94.1
10 0.0000 0.0000 0.0250 27.5000 94.3
11 0.0000 0.0000 0.0250 27.5000 93.9
12 0.0000 0.0000 0.0250 27.5000 94.0
Tabla 12.3 Planificación de las pruebas

12.1.3.1 Modelo matemático

EL modelo matemático del diseño octagonal es la siguiente:
….70

Los coeficientes del modelo matemático de segundo orden pueden ser estimados por varios
métodos entre los que podemos mencionar la técnica de regresión múltiple por mínimos
cuadrados, tanto en forma de ecuaciones normales, forma matricial y el método de correlación
múltiple, desde el punto de vista de facilidad, para poder programar en computadoras, el método
matricial es el más recomendable, y el cual está definida por la (Ec. 70 )

La matriz [X] está definida por los valores de las variables codificadas, que corresponden a sus
respectivos coeficientes de regresión según el modelo matemático. La matriz completa del
diseño octagonal es el siguiente:
La matriz transpuesta de X está definida por

El producto de [X]T•[X] se muestra a continuación:

El cálculo de la matriz inversa ([X]T* [X])-1 denominada también matriz de correlación es

constante en el diseño octagonal siempre y cuando tenga doce pruebas experimentales es decir
cuatro repeticiones en el punto central del diseño, la diagonal de esta matriz inversa es
importante en la determinación del análisis de significancia de los coeficientes del modelo
matemático, luego la matriz es la siguiente:

El producto de la matriz transpuesta de [X]T por el vector de respuestas [Y] es equivalente a la

sumatorias del producto escalar de la matriz [X] por el vector [Y], recordando que el método
matricial es el más conveniente por su facilidad de cálculo:

Luego aplicando la (Ec.70) encontramos los coeficientes del modelo matemático

El modelo matemático para el diseño octogonal propuesto a escala codificada es la siguiente

El modelo matemático sirve para predecir los valores de recuperación de cobre, reemplazando
valores codificados de las variables en el rango de (-1 a +1). En muchos casos es preferible
expresar el modelo en escala natural, especialmente cuando se desea graficar, para ello se debe
proceder a decodificar el modelo según las ecuaciones descritas para los diseños de segundo
orden.

Para el término independiente: Según la (Ec.72)

𝑎0 = 𝑏0 − (𝑏1 ∗ 𝜀1 ) − (𝑏2 ∗ 𝜀2 ) + (𝑏11 ∗ 𝜀12 ) + (𝑏22 ∗ 𝜀22 ) + (𝑏12 ∗ 𝜀1 ∗ 𝜀2 )

Donde εj: Es el cociente de dividir el centro del diseño y el radio del diseño
ao: Es el termino independiente del modelo a escala natural.

Antes de proseguir aplicando las actuaciones para la decodificación del modelo es necesario
conocer los siguientes datos, que se resumen en la siguiente tabla:

𝑎0 = 94.075 − (0.6078 ∗ 2.5) − (0.5536 ∗ 11) + (−0.20875 ∗ (2.5)2 ) + (−0.4375 ∗ (11)2 ) + (−0.3 ∗ 2.5 ∗ 11)

𝑎0 = 12.2319

Para los términos lineales: empleando las (Ec. 74) y (Ec. 75)
0.6878 ((−0.20875) ∗ 2.5) ((−0.3) ∗ 11)
𝑎1 𝑍1 = −2 − = 1434.534
0.01 0.01 0.01

0.5536 ((−0.4375) ∗ 11) ((−0.3) ∗ 2.5)

𝑎2 𝑍2 = −2 − = 4.37142
2.5 2.5 2.5

Para los términos cuadráticos: empleamos la (Ec. 77) y (Ec. 78) tenemos:
−2.0875
𝑎11 𝑍12 = = −20875
(0.01)2

−0.4375
𝑎11 𝑍22 = = −0.07
(2.5)2

Para los términos de interacción: empleamos la (Ec. 80)

−0.3
𝑎12 𝑍1 𝑍2 = = −12
0.01 ∗ 2.5
El modelo matemático a escala natural es:
Ŷ = 12.2319 − 1434.534𝑍1 + 4.37142𝑍2 − 20875𝑍12 − 0.7𝑍22 − 12𝑍1 𝑍2

Fig. 12.4. Efecto de la dosificación de colector y % de sólidos. En la recuperación de Cu (2D)

Figura 12.5. Efecto de la dosificación de colector y % de sólidos en la recuperación de Cu

12.1.3.2 Análisis de varianza para diseños rotables y compuestos

Los coeficientes del modelo matemático son evaluados para analizar su significancia mediante
el test de Student, definido por:

La varianza asociada a cada coeficiente es:

Donde:
Sbj : Desviación estándar asociado a los coeficientes
Se: Es la desviación estándar del error experimental.
Cij : Son los elementos de la diagonal de la matriz de correlación ([X] T [X])-1

Para los datos del problema del diseño octogonal para doce pruebas experimentales su diagonal
siempre será:

Para calcular el error experimental se hace a partir de las respuestas en el centro del diseño
cuyos valores se dan en la tabla siguiente:
N X1 X2 Z1 Z2 Y°
9 0.000 0.000 0.025 27.5 94.1
10 0.000 0.000 0.025 27.5 94.3
11 0.000 0.000 0.025 27.5 93.9
12 0.000 0.000 0.025 27.5 94.0

c) calculamos primer o el promedio de las respuestas en el centro del diseño, empleando la (Ec.
82)
(94.1 + 94.3 + 93.9 + 94)
Ȳ= = 94.075
4
La sumatoria de cuadrados del error experimental se calcula, con la (Ec. 83)

SSE = (94.1-94.075)2+ (94.3-94.075)2+ (93.9-94.075)2+ (94.0-94.075)2 = 0.0875

La media de cuadrados del Error experimental

Donde f2 son los grados de libertad para el error experimental, como hubo 4 repeticiones: f 2=N°-
1 = 4 - 1 = 3 aplicando la (Ec. 84) tenemos:
0.0875
𝑀𝑆𝐸 = = 0.029167
3
La desviación estándar del error experimental es:
𝑆𝑒 = √𝑀𝑆𝐸
𝑆𝑒 = √0.029167 = 0.1707825

A hora podemos calcular la Desviación estándar asociada a los coeficientes, mediante la

(Ec.86):

𝑆𝑏1 = √0.25(0.170782)2 = 0.085391

𝑆𝑏11 = √0.625(0.170782)2 = 0.135015

𝑆𝑏12 = √(0.1707825)2 = 0.1707825

Cálculo de la significancia de los coeficientes, aplicando la (Ec. 80)

En la siguiente tabla se muestran el resumen para los demás coeficientes:

Se Cjj Sbj bj tj Significancia

t(0.975)
X0 0.17078 0.25 0.08539 94.075 1101.694 Si
X1 0.17078 0.25 0.08539 0.60784 7.118 Si
X2 0.17078 0.25 0.08539 0.55355 6.483 Si
𝑋12 0.17078 0.625 0.13502 -2.0875 -15.461 Si
𝑋22 0.17078 0.625 0.13502 -0.4375 -3.240 Si
X1X2 0.17078 1.000 0.1708 -0.3000 -1.76 No

Para analizar la significancia de los coeficientes se compara el test calculado, con el t de tablas
para un nivel de confianza del 95% y 3 grados de libertad, para dos colas α=0.025 t (0.975,3)= 3.18
Si (t) calculado es mayor que el (t) de tablas ó si (-t ) es menor que (- t )de tablas el coeficiente
de la variable es significativa.

12.1.3.3 Evaluación del modelo matemático

Se evalúa estadísticamente el modelo matemático para ver el grado de ajuste de los datos
experimentales, es decir que tanto difieren los Y observados con los Y estimados. Para la
aplicación de las fórmulas descritas anteriormente es necesario conocer los siguientes datos:

a) Cálculo de los valores predichos por el modelo [Y] (valor de la variable respuesta
estimada), hallaremos sus valores mediante la fórmula matricial:
b) Cálculo de los residuales:

Para llenar el cuadro de análisis de varianza de Evaluación del modelo matemático se sigue el
mismo procedimiento que el realizado con el diseño hexagonal, ya que el modelo matemático
también es de segundo orden.

La media de cuadrados del residual se calcula aplicando la (Ec. 88), teniendo en cuenta que los
parámetros del modelo son seis y se hizo doce pruebas experimentales por lo tanto los grados
de libertad son (12 - 6 = 6)
1.7202
𝑀𝑆𝐸 = = 0,28667
6

La suma de cuadrados de la falta de ajuste se calcula aplicando la (Ec. 91).

SSFA = 1.7202 – 0.0875 = 1.6327

Recordando que la suma de cuadrados del error experimental se calcula cuando se determina la
significancia de los coeficientes, su valor es (SSE = 0.0875) y su media de cuadrados

MSE = 0.0291667.
La media de cuadrados de la falta de ajuste se calcula con la (Ec. 93), y sus grados de libertad
f3 es la diferencia de los grados de libertad del residual (f 1) menos los grados de libertad del
error experimental (f2), luego: (f3 = f1 - f2)
f3 = (6 – 3 = 3)
1.6327
𝑀𝑆𝐹𝐴 = = 0.5442
3
Por último, calculamos el Fo del modelo, aplicando la (Ec. 94).

0.5442
𝐹0 = = 18.659
0.0291667

Este valor los comparamos con el F de tablas, para un nivel de confianza del 95% es decir un
nivel de significación α= 5% para 3,3 grados de libertad es: F(3,3)99% = 29.46

Por lo tanto, aplicando la (Ec. 95) vemos si el modelo es aceptado o rechazado.

Cumple la condición por lo tanto el modelo matemático ajusta o representa adecuadamente los
datos experimentales.

El siguiente cuadro se resume el análisis de Varianza del modelo matemático.

12.1.3.4 Análisis de Máximos y Mínimos

Teniendo en cuenta los coeficientes cuadráticos (b jj) del modelo matemático de segundo orden
tendrá un máximo y un mínimo, o no tendrá un extremo.

Analizando el modelo matemático del problema.

Ŷ = 94.075 + 0.6078𝑋1 + 0.5536𝑋2 − 2.0875𝑋12 − 0.4375𝑋22 − 0.3𝑋1 𝑋2

Vemos que el coeficiente b11 y b22 son negativos, por lo tanto, su curva se asemeja a un Elipse.
𝜕2𝑌 𝜕2𝑌 𝜕2𝑌
= −4.175 = −0.875 = −0.3
𝜕𝑋12 𝜕𝑋22 𝜕𝑋1 𝑋2

Remplazando estos valores en la matriz Hessiana tenemos.

𝜕2𝑌
| 2 | = 𝐻11 = |−4.175|
𝜕𝑋1

Luego H22 = [(-4.175) (-0.875)] - [(0.3) (0.3)] = +3.563

Como podemos observar, el signo de las determinantes es alternativo (H11 = -4.175) (H22 =
+3.563).

Esto indica que el modelo matemático tiene un máximo en el rango investigado.

12.1.3.5 Soluciones Óptimas Sin Restricciones

Los valores óptimos de las variables estudiadas se encuentran por métodos analíticos de
optimización, para ello hacemos uso de las derivadas parciales, es decir derivando la función Y
con respecto a cada una de las variables independientes involucradas en el modelo matemático
y luego lo igualamos a cero:
𝜕𝑌 𝜕𝑌 𝜕𝑌 𝜕𝑌
= 0, = 0, = 0, =0
𝜕𝑋1 𝜕𝑋2 𝜕𝑋3 𝜕𝑋𝑛
Continuando con el ejemplo del problema que se está desarrollando, vamos a encontrar los
valores óptimos para las variables: (X1: dosificación de colector) y (X2: % de sólidos). Y
encontrar la máxima respuesta (% de recuperación de cobre), se puede trabajar con el modelo
a escala codificada o a escala natural.
Ŷ = 94.075 + 0.6078𝑋1 + 0.5536𝑋2 − 2.0875𝑋12 − 0.4375𝑋22 − 0.3𝑋1 𝑋2
𝜕𝑌
= −0.6078 − 4.175𝑋1 − 0.3𝑋2 = 0
𝜕𝑋1

𝜕𝑌
= +0.5536 − 0.3𝑋1 − 0.875𝑋2 = 0
𝜕𝑋2

Ordenando los coeficientes de las variables y colocándolas en el miembro de la izquierda,

definimos su matriz como [A] y el miembro de la derecha términos constantes como el vector
matriz [B].

Luego empleamos la ecuación siguiente para el cálculo de las variables X 1 y X2 y lo

resolveremos matricialmente:

Aplicando las ecuaciones (Ec. 67) y (Ec. 68) hallamos el centro y radio del diseño Octogonal.

El valor de las variables en escala natural se halla por medio de la (Ec. 69)
𝑍𝑗 = 𝑍𝑗𝑜 + ∆𝑍𝑗𝑂 𝑋𝑗

X1= 0.102661668 X2= 0.597434159

Z1= 0.025 + (0.01*0.102661668) = 0.02602

Z2 = 27.5 + (2.5*0.597434159) = 28.9936

Las condiciones óptimas son:

Dosificación de colector: 0.026 (Lb/tn)
% de sólidos: 28.9936

Remplazando estos valores en el modelo matemático a escala natural o a escala codificado se

obtiene la máxima recuperación que corresponde a 94.27%

Y = 94.075+0.6078 (0.1026) +0.5536 (0.5975) –2.0875 (0.1026)2–0.4375 (0.5975)2– 0.3 (0.1026) (0.5975)

Y= 94.27