OPTIMIZACIN DE PROCESOS CON METODOLOGA DE SUPERFICIE DE RESPUESTA

EQUIPO: MARTNEZ ARELLANES CLARISSA. RBAGO ORDUO GRISELDA. RAFAEL VALENZUELA KARLA IVETH.
1

Algunas veces hay experimentos con los que no se obtienen las respuestas buscadas o el nivel de mejoras logrado no es suficiente, por lo que es necesario experimentar de manera secuencial hasta encontrar el nivel de mejoras deseado. Acciones bsicas en la metodologa de superficie de respuesta Estudiar (MSR). curvatura
Diseo inicial: Cribar factores

Velocidad
Tamao Temperatura Moverse de lugar

Velocidad Tamao Temperatura

La MSR es la estrategia experimental y de anlisis que permite resolver el problema de encontrar las condiciones de operacin ptimas de un proceso, es decir, aquellas que dan por resultado valores ptimos de una o varias caractersticas de calidad del producto. Regin experimental y regin de operabilidad. Ejemplo de regiones de operabilidad (cubo mayor) y experimental.

Factor C

Regin experimental

Factor B

Factor A

En la MSR es importante tener presente esta visin de las regiones de operabilidad y experimental, ya que en principio, el punto ptimo que interesa encontrar pudiera localizarse en cualquier lugar de la regin de operabilidad, dentro o afuera de la regin experimental inicial. Mejor tratamiento y punto ptimo. En particular, en diseos factoriales completos el mejor tratamiento es el tratamiento ganador, desde el punto de vista estadstico, de entre todos los que se probaron en el estudio. En cambio, el punto ptimo implica que es la mejor combinacin posible en toda la regin de operabilidad. As, determinar el punto ptimo plantea un reto ms fuerte para el experimentador y requiere de una estrategia ms completa, que incluye la posibilidad de realizar varios experimentos en forma secuencial y el uso de otras tcnicas de anlisis.
4

Mejor tratamiento y punto ptimo, regin experimental y regin de operabilidad.

Direccin ptima de movimiento Punto ptimo Mejor tratamiento

Factor X2 (factor B)

X2

Regin experimental

X1

Factor X1 (factor A)

Por otra parte, el mejor tratamiento o tratamiento ganador representado en la figura 12.3 es la combinacin de niveles (x1=-1, x2=1), que resultara de analizar el experimento 22 con punto al centro representado en la figura. Es razonable que el tratamiento ganador sea el punto experimental ms cercano al verdadero punto ptimo, sobre todo si el experimento inicial tiene una buena regin experimental.
5

La metodologa de superficie de respuesta implica tres aspectos:

Diseo, Modelo y Tcnica de optimizacin.

En la siguiente figura se presenta un esquema de la metodologa de superficie de respuesta, donde se distinguen tres etapas en la bsqueda del punto ptimo, que son: cribado, bsqueda I o de primer orden y bsqueda II o de segundo orden.

Esquema de los elementos de la MSR en su contexto amplio.

Cribado Bsqueda I Bsqueda II

S tienen muchos factores

Modelo tentativo de primer orden

Formular modelo de segundo orden

Seleccionar la resolucin

Diseo factorial 2k o 2k-p con repetciiones al centro

Diseo central compuesto, diseo de Box Behnken

Diseo factorial altamente fraccionado

Realizar los experimentos

Correr los experimentos

Hacer las corridas del experimento en orden aleatorio

Estimar el modelo y probar falta de ajuste

Determinar el mejor modelo jerrquico

Analizar los datos

Es lineal la superficie?

Encontrar el punto estacionario (candidato a ptimo)

Determinar los efectos activos

Moverse experimentando en la direccin ptima, hasta detectar cambio de tendencia

Caracterizar la superficie

Es el ptimo que buscamos?

Anlisis de cordillera

Condiciones ptimas del proceso

Visin grfica de la metodologa de superficie de respuesta.

Factor X2 Diseo 2 Diseo 3

Puntos de prueba fuera de diseo

Diseo 1

Factor X1

Modelos de superficies de respuesta.

En la figura el a), representa un modelo de primer orden y se observa que su superficie es un plano. En el b), c) y d) se representan varios modelos de segundo orden. La forma especfica que toma la superficie depende de los signos y magnitudes de los coeficientes en el modelo. En las figuras se representan las tres formas bsicas, que son: b) superficie de mximo (montaa), c) superficie con mnimo (valle) y d) superficie con punto de silla (minimax).

Modelos jerrquicos.
Un MSR es jerrquico si contiene todos los trminos ms simples que componen los trminos de mayor orden que estn en el modelo. En superficie de respuesta se prefieren los modelos jerrquicos, ya que tienen un comportamiento ms estable y suave que facilita la exploracin de las superficies que representan. Esto implica que la eliminacin de efectos o trminos del modelo debe ser menos estricta que en anlisis de varianza, cuando el objetivo es encontrar un tratamiento ganador, adems de permitir que algunos trminos no significativos permanezcan en el modelo para lograr la jerarqua.
10

Diseos de superficie de respuesta.

Los diseos de superficie de respuesta se clasifican con base en el grado del modelo que se pretende utilizar. Estos diseos proporcionan los tratamientos a correr para generar datos que permitan ajustar un modelo que describa una variable de respuesta en una regin experimental. Algunas propiedades deseables en los diseos para la MSR son:
Que genere una distribucin satisfactoria de los puntos experimentales sobre la regin experimental. Los diseos ms utilizados son puntos distribuidos de manera uniforme sobre la regin experimental, o cuando menos tienen alguna simetra con respecto al centro de sta. El diseo debe requerir un nmero mnimo de corridas experimentales, ya que en cada prueba realizada se gastan recursos que siempre son escasos. El diseo debe permitir que otros diseos de orden mayor se construyan a partir de l. Esto permite que, cuando el
11

1.

2. 3.

4. 5.

comportamiento de la respuesta resulta ser ms complicado de lo que se pensaba (por ejemplo, se detecta curvatura), se agregan puntos adicionales al diseo para tratar de explicar ese comportamiento. El experimento debe permitir la deteccin de la falta de ajuste, para lo cual se requieren repeticiones al menos en el centro del diseo. El diseo debe proporcionar un estimador puro de la varianza del error, lo cual se logra con repeticiones al menos en el punto central.

Otras dos propiedades deseables en los diseos para superficie de respuesta son la ortogonalidad y la rotabilidad. Estas propiedades aumentan la eficiencia de los diseos que las poseen, en el sentido de que facilitan la interpretacin de los parmetros estimados en el modelo y de la superficie de respuesta.
12

Ortogonalidad y rotabilidad

Se considera que un diseo es ortogonal cuando los coeficientes estimados en el modelo ajustado no estn correlacionados entre s, lo cual hace que el efecto de cada trmino, representado por el parmetro correspondiente, se estime de manera ms precisa. Un experimento es ortogonal si en la matriz de diseo todos los vectores columna son independientes entre s. La rotabilidad del diseo asegura que la calidad de la prediccin, medida por var [ ], sea invariante a cualquier rotacin del diseo alrededor del centro del mismo; de aqu se deriva el nombre de esta propiedad. La importancia prctica de la rotabilidad en el problema de encontrar un punto ptimo es porque asegura que, con independencia de la direccin en que se explore a partir del centro del diseo, la calidad de prediccin se comporta de igual manera.
13

Relacin modelo-diseo. Existe una relacin directa entre el tipo de modelo que se pretende ajustar y el tipo de diseo que se debe correr. No se debe exigir a un diseo experimental ms informacin de la que puede dar.

14

Diseos de primer orden. Un criterio de seleccin del diseo de primer orden es que la varianza de la respuesta predicha (var [ ]) en el punto x=(x1,x2,,xk) sea mnima. Este criterio es importante porque cuando se busca determinar la direccin ptima de movimiento a partir de los predichos por el modelo, stos tienen mayor precisin, lo cual se traduce en mayor certeza de la direccin seleccionada. Los diseos que satisfacen este criterio son los que tienen la propiedad de ortogonalidad. Entre los ms utilizados estn los siguientes:
1. 2. 3. 4. Diseos factoriales 2k Diseos factoriales fraccionados 2k-p Diseo de Plackett Burman Diseo simplex
15

Todos estos diseos, excepto el diseo simplex, emplean dos niveles en cada factor, lo cual tiene que ver con el hecho de que slo interesa detectar el efecto principal de cada factor.

16

Diseos de segundo orden. Se llaman diseos de segundo orden aquellos que permiten ajustar un modelo de segundo orden para as estudiar, adems de los efectos lineales y de interaccin, los efectos cuadrticos o de curvatura pura. stos diseos se emplean cuando se quiere explorar una regin que se espera sea ms compleja o cuando se cree que el punto ptimo ya se encuentra dentro de la regin experimental. El modelo de segundo orden est dado por:

tiene p=(k+1)(k+2)/2 trminos, por lo tanto se requiere al menos esa cantidad de puntos de diseo. El diseo debe tener al menos tres niveles en cada factor para estimar la curvatura de la superficie en la direccin de cada factor.
17

A continuacin se presentan las matrices de diseo, la geometra y propiedades de los diseos de segundo orden ms recomendados como son: el diseo de Box-Behnken y el diseo central compuesto o de composicin central. Diseo de Box-Behnken. Este diseo se aplica cuando se tienen tres o ms factores, y suelen ser eficientes en cuanto al nmero de corridas. Es un diseo rotable o casi rotable que se distingue porque no incluye como tratamientos a los vrtices de la regin experimental.
Diseo de composicin central: el diseo de composicin central (DCC) es el ms utilizado en la etapa de bsqeda de segundo orden debido a su gran flexibilidad: se puede construir a partir de un diseo factorial completo 2k o fraccionado 2k-p agregando puntos sobre los ejes y al centro, adems de otras propiedades deseables.
18

Este diseo se compone de tres tipos de puntos:

Una rplica de un diseo factorial en dos niveles, completo o fraccionado. A esta parte del DCC se le llama porcin factorial. no puntos o repeticiones al centro del diseo, con no1. Dos puntos sobre cada eje a una distancia del origen. Estos puntos se llaman porcin axial. La manera en que se ensamblan y el DCC resultante se muestran en la figura 12.17, para los casos de dos y tres factores.

19

Diseo de composicin central con centros en las caras. En este diseo los puntos axiales se localizan en el centro de las caras, es decir, =1. Esta variante resulta particularmente til cuando ya se corri el diseo 2k y se quiere completar un DCC, pero se complica correr los tratamientos con niveles ms all de los valores -1 y +1 debido a restricciones del proceso. Diseo central compuesto pequeo. Draper y Lin (1990) proponen un diseo central compuesto cuya parte factorial se construye a partir de un factorial fraccionado que tiene resolucin menor que V, las corridas axiales y al centro se determinan como el DCC. En cuanto al nmero de corridas, este diseo es sin duda una de las opciones ms econmicas que se pueden tener para ajustar el modelo de segundo orden (vase tabla 12.12). Los tratamientos se pueden generar con un software, por ejemplo Statgraphics incluye este diseo como opcin.
20

USO DE SOFTWARE ESTADSTICO.

STATGRAPHICS

Los diseos de superficie de respuesta se construyen en Statgraphics con la secuencia Special Experimental Design Create design Response surface. En versiones ms recientes la secuencia inicia con DOE. Se declaran los factores y las respuestas, se elige un diseo del men tpicamente un central compuesto (2k+Star) o uno de BoxBehnken. Si el problema es agregar los puntos axiales a un diseo factorial con repeticiones al centro se usa la secuencia: Special Experimental design Augment Add star points. En Statgraphics, una vez seleccionado un modelo de regresin de segundo orden que describe adecuadamente el comportamiento de la respuesta (Y), la optimizacin de sta se lleva a cabo en la opcin tabular de Optimization. Una vez ah, con las opciones de panel (botn derecho del ratn) se elige el tipo de optimizacin deseada: mximo, mnimo o un valor objetivo. Si se quiere un valor objetivo se declara su valor en el campo correspondiente. Se indica el rango de bsqueda para cada factor, tpicamente el rango utilizado en la regin experimental. Entonces, se corre el procedimiento y ste reporta las coordenadas del punto ptimo.
21

En caso de no existir un ptimo natural o que se pida un valor objetivo, el software reporta el mejor punto posible sobre la cordillera ptima dentro de la regin experimental. En general, esta solucin es el punto ms cercano al centro de la regin experimental que predice el valor deseado de la respuesta. Sin embargo, debe tenerse presente que sta es slo una de muchas soluciones posibles. Usando grficas de contornos (en response plots) es posible encontrar soluciones alternativas que resultan ms econmicas de operar en el proceso. En el caso de los diseos de primer orden, para aplicar escalamiento ascendente, stos se eligen en la opcin Screening. Una vez ajustado y depurado el modelo, en las opciones tabulares se incluye la opcin de mximo ascenso. MINITAB En Minitab, la secuencia para los diseos de segundo orden es: Stat DOE Response Surface. Una vez que el modelo est ajustado y depurado es posible ver la superficie de respuesta y encontrar el ptimo, seleccionando despus de la secuencia anterior las opciones Contour Surface plots Response optimizer. 22

POR SU ATENCIN
GRACIAS!!!!!
23