25/02/2021

ZT3035 – Ingeniería de
Procesos en Sistemas de
Producción Animal

Optimización de los Procesos de

Producción II: Superficie de
Respuesta

Ph.D.(c) Cecilio Barrantes Campos

Contenido
1. Introducción
2. Diseño de experimento
con arreglo factorial
3. Superficie de respuesta
4. Tipos de puntos
estacionarios
5. Ejemplo
6. Informe Grupal

1
 25/02/2021

1. Introducción

Técnicas de Optimización en Ciencia Animal

Técnicas Convencionales

Diseño de
Experimentos
(DOE)

Diseño
Factorial Superficie de
Respuesta

2
 25/02/2021

Ruta Critica de un Proceso

Optimización
del proceso

Identifica un Mejorar el
problema en proceso
el proceso

Actividades: 7 nodos (A,B,C,D,F,G,H) Actividades criticas: A, B, C (cualquier

Entrada: 1 nodo (S) percance, retrasaría todo el proceso)
Salida: 1 nodo (E) Actividades flotantes: D, F, G, H
Ruta critica: S-A-B-C-E (4 semanas) (podrían retrasarse sin influenciar la
5
duración del proceso)

2. Diseño de Experimento con

Arreglo Factorial

3
 25/02/2021

2.1 Formas de Arreglos Factoriales

Forma Reducida
Diseño Completamente al Azar

Forma Expandida
Diseño Completamente al
Azar con Arreglo Factorial
Y ijk
   Pi  A  ( P* A)  
j ij ijk

El efecto del tratamiento del DCA (forma reducida) se expandió en

sus efectos principales (P y A) y sus efectos simples, llamado
también interacciones (P*A) , (forma expandida)

Se busca en un solo experimento obtener la mayor cantidad posible de

información (investigación exploratoria y experimental).
7

2.2 Consideraciones

Y ijk
   Pi  A  ( P* A)  
j ij ijk

Si en el análisis de varianza (ANVA), los efectos simples (interacción

(P*A)) es significativo, entonces se evalúa y compara los efectos
principales y simples (interacción)

En cambio, si en el análisis de varianza (ANVA), los efectos simples

(interacción (P*A)) es no significativo, entonces solo se evalúa y
compara los efectos principales (P y A)
Numero de tratamientos es igual a la multiplicación de los niveles de los
factores. Es decir, si el factor P tiene 3 niveles y factor A: 2 niveles, entonces
serian en total 6 tratamientos. 8

4
 25/02/2021

2.3 Diseño al Azar con Arreglo Factorial

Y ijk
   Pi  A  ( P* A)  
j ij ijk

• Donde:
– Yijk: La observación del i-ésimo factor P en el j-
ésimo factor A en la k-ésima unidad experimental
– µ: Promedio general
– Pi: Efecto del i-ésimo factor P
– Aj: Efecto del j-ésimo factor A
– (P*A)ij: Efecto de la interacción del i-ésimo factor P
por el j-ésimo factor A
– εij: Error experimental 9

2.4 Modelos Estadísticos

• Modelos Fijos: Los niveles de los factores son fijos, es
decir, determinado por el investigador.
• Modelos Al Azar: Los niveles de los factores son
aleatorios, es decir, al azar se toman los niveles de
los factores.
• Modelos Mixtos: Algunos niveles de los factores son
fijos y otros aleatorios.
Dependiendo del modelo estadístico, el ANVA varia en la
determinación del F calculado.
Diseño completo, es aquel que contempla todos los
tratamientos.
Diseño balanceado, es aquel que tienes igual número de
unidades experimentales o replicas los tratamientos. 10

5
 25/02/2021

3. Superficie de Respuesta

11

3.1 Superficie de Respuestas (SR)

• La metodología de superficie de respuesta
comprende un grupo de técnicas estadísticas y
matemáticas útiles para la construcción y exploración
de un modelo empírico o ecuación que pueda ser
representado gráficamente.
• Se utilizan en procesos conocidos y que se realizan
con regularidad, y existe información en la empresa.
• El primer objetivo es relacionar la respuesta con un
número conocido de factores que la afectan y el
segundo, optimizar dicha respuesta.
• Se usan funciones polinomiales de primer y segundo
grado:
12

6
 25/02/2021

• Primer grado:

• Segundo grado:

• Las ecuaciones polinómica de bajo grado son mas

fáciles de manejar respecto a los de grados mayores,
debido a que contiene pocos términos.

13

• La función de primer grado, considera un plano y

sirven para detectar la dirección a donde se
encuentra el punto optimo.
• En cambio, la función de segundo orden sirven para
detectar la curvatura y determinar el punto optimo.
Función segundo orden

Función primer orden 14

7
 25/02/2021

• Las ecuaciones para codificar los factores serán:

Factor P

Factor A

• Con los datos codificados se realizarán las

operaciones para determinar los coeficientes de las
funciones de segundo grado (ecuación de la
superficie de respuesta).
15

• Por lo general la superficie de respuesta se

representa gráficamente, donde se contiene los
niveles x1 y x2, y se determinan los puntos
estacionarios para determinar el optimo.
Superficie de Respuesta Grafica de Contorno

16

8
 25/02/2021

3.2 Diseño SR
• Elabora un diseño con arreglo factorial, el cual
puede ser completo o incompleto, balanceado
o desbalanceado.
• Los niveles deben estar cercano al punto
optimo del proceso conocido.
• Prioriza que el tratamiento mas cercano del
optimo tenga mas unidades experimentales o
replicas.
• Se procesa la información con el polinomio de
segundo grado.
17

4. Tipos de Puntos Estacionarios

18

9
 25/02/2021

• Tipo de puntos estacionarios:

Punto silla de montar (minimax) Punto máximo o mínimo

19

5. Ejemplo

20

10
 25/02/2021

5.1 Ejemplo
En un experimento se desea saber cual es la proporción optima de pulpa de
fruta y porcentaje de pectina en mermelada. Para ello se ha medido dos
variables de respuesta, la concentración y sabor de la mermelada. Los valores
se muestran en la siguiente tabla:
pulpa pectina concentrado sabor
4.4 0.7 6.2 7.2 Diseño al azar con arreglo
4.4 0.2 8.3 7.8 factorial.
Factores son:
1.6 0.7 4.9 6.9
Proporción de pulpa de fruta
1.6 0.2 6.7 5.9
Pectina.
5.0 0.4 6.0 8.1
Diseño incompleto y
5.0 0.4 7.2 8.4
desbalanceado.
3.0 0.8 5.2 6.5
Variables de respuesta son:
3.0 0.1 10.1 5.4 Concentrado de mermelada
3.0 0.4 6.3 7.1 Sabor de mermelada
3.0 0.4 7.2 6.9
3.0 0.4 7.3 7.4

Calcular el valor optimo de dicha combinación de factores, pulpa y pectina,

para lograr la mejor consistencia y sabor.
21

• Se ha realizado un Diseño al Azar con Arreglo

Factorial:

Y ijk
   Pi  C j  ( P*C )   ijk
ij
• Donde:
– Yijk: La observación del i-ésimo proporción de pulpa de fruta P en
el j-ésimo porcentaje de pectina C en la k-ésima unidad
experimental
– µ: Promedio general
– Pi: Efecto del i-ésima proporción de pulpa de fruta (i: 4 niveles )
– Aj: Efecto del j-ésimo porcentaje de pectina (j: 5 niveles)
– (P*A)ij: Efecto de la interacción del i-ésimo pulpa P por el j-ésimo
pectina C
– εij: Error experimental
22

11
 25/02/2021

5.2 Script en RStudio Superficie de Respuesta

"superficie de respuesta mermelada" "superficie 3D"
"importar archivo mer1.xls" par(mfrow=c(1,2))
attach(mer1)#RStudio procese informacion del persp(mod_2mer,x2~x1,
archivo mer zlab="Consistencia",
library(rsm)
"codificamos los factores" contours=list(z="bottom",col="colors"),#posici
"x1=(E1-(max pul+min pul)/2)/((max pul-min on de calor
pul)/2) at=c(summary(mod_2mer$canonical$xs)),
x2=(E2-(max pec+min pec)/2)/((max pec-min theta = 50,#coordenadas graficas
pec)/2)" phi=20)
datos_mer<-coded.data(data = mer1,x1~(pul-"grafico contorno"
3.3)/1.7,x2~(pec-0.5)/0.3) contour(mod_2mer,~x1+x2,image = TRUE)
as.data.frame(datos_mer) "valor predicho de concentracion de mermelada en
"modelo polinomico segundo grado" el punto estacionario"
mod_2mer<-rsm(con~SO(x1,x2),data=datos_mer) predict(mod_2mer,coded.data(data.frame(pul=3.67
summary(mod_2mer)#puntos estacionarios, eigen 40749,pec=0.8192678),
values son positivos, en tal sentido x1~(pul-3.3)/1.7,
#es punto minimo, son negativos punto maximo, si x2~(pec-0.5)/0.3))
es positivo y negativo punto silla
"modelo polinomico segundo grado valores reales"
mod_2mereal<-lm(con~pul*pec+I(pul^2)+I(pec^2))
summary(mod_2mereal) 23

5.3 Programa RStudio

12
 25/02/2021

5.4 Respuesta
Función de Segundo Grado valores reales

25

Valores Codificados
x1=(E1-(max pul + min pul)/2)/((max pul - min pul)/2)

x2=(E2-(max pec + min pec)/2)/((max pec - min pec)/2)"

26

13
 25/02/2021

Función de Segundo Grado valores codificados

Pulpa
Pectina
Pul*pec
Pul2
pec2

27

Función de Segundo
Grado valores
codificados

ANVA de los modelos

Lineal
Interacción
Cuadrático
Residual
Evaluación del error
Puntos estacionarios
Valores codificados

Valores reales
Eigen vector
son negativos, es punto máxima Eigen vectores
Son positivos, es punto mínima
Punto silla
Son ambos, es punto silla
Vectores de cálculos
28

14
 25/02/2021

Graficas

Superficie de Respuesta
Punto silla
Punto estacionario (optimo)
Pulpa:3.6740749
Pectina: 0.8192678
Concentración: 5.854302 Grafica de Contorno

Valor óptimo de Concentración de Mermelada

Conclusión: La superficie de respuesta indica que es un punto silla, y el valor

óptimo se encuentra fuera del experimento. Para determinar mejor el punto
optimo, se tendría que realizar otro experimento considerando valores
superiores e inferiores de 3.6 de pulpa y 0.8 de pectina. Los niveles serian:
Pulpa: 3.5, 3.6 y 3.7
Pectina: 0.7, 0.8 y 0.9

30

15
 25/02/2021

6. Informe

31

1. Determinar la superficie de respuesta de la variable sabor de

mermelada.
2. En un experimento que evaluó el tiempo y temperatura para medir el
rendimiento, viscosidad y peso molecular de un compuesto químico.
Determinar la superficie de respuesta de los datos del archivo
“mont1.xls”.
3. En un experimento se midió la resistencia de la cascara (g/mm2), peso
de huevo (g) e índice morfológico, evaluando niveles de calcio (%) y
proteína (%) en dieta en pico de producción en gallinas. Determinar la
superficie de respuesta de los datos del archivo “gall1.xls”.
4. En un experimento se evaluó la edad y tamaño de camada de la
marrana, midiendo el peso promedio de nacimiento de lechones.
Determinar la superficie de respuesta de los datos del archivo
“lech1.xls”
5. Con lo aprendido en clase diseñe un experimento en ciencia animal
donde se podría utilizar la superficie de respuesta. Para lo cual indique
los factores, niveles de los factores y variables de respuesta.
Nota: Para todos las preguntas interprete los resultados. 32

16
 25/02/2021

GRACIAS

cbarrantes@lamolina.edu.pe
33

17