OPTIMIZACION

DE PROCESOS
 INTRODUCCION
La metodología de superficie respuesta fue
desarrollado por Box y Wilson en 1951 y
desde entonces ha sido empleado como
una técnica de optimización experimental,
en un inicio en la industria química y
posteriormente debido a su enfoque
experimental la RSM ha sido aplicado en
laboratorios de investigación y desarrollo e
incluso en los equipos de fabricación,
logrando extenderse hacia las demás
industrias con el tiempo.
 
En la agroindustria se emplea el RSM para
diseñar, desarrollar y formular nuevos
productos, así como también mejorar los
productos ya existentes, esto debido a que el
rendimiento de un producto fabricado a
menudo se caracteriza por un grupo de
respuestas. Estas respuestas, en general, están
correlacionadas y se mide a través de una
escala de medición diferente.
 Optimización de procesos con metodología de superficie respuesta

La metodología de superficie
respuesta (RSM) es un conjunto de el objetivo del RSM
técnicas matemáticas y estadísticas es optimizar la
respuesta o variable
que se emplean para modelar y
de salida.
analizar problemas en los que una
variable de interés del investigador es
influenciada por otras variables.
 propósito del RSM

Diseñar un Establecer
Propósito inicial Propósito final los
experimento que valores delos
proporcione valores factores que
lógicos de las
optimizan el valor de
variables respuestas
la variable respuesta
para posteriormente
que se alcanza al
determinar el modelo
matemático que determinar las
mejor se ajuste a condiciones óptimas
estos datos en las que debe
obtenidos. operar el sistema.
 propósito del RSM

●
Se emplean modelos simples como los lineales o
modelamiento cuadráticos y se obtienen respuestas con
planeamientos factoriales o con factoriales ampliados.

●
Siempre se da a lo largo del camino de máxima inclinación
desplazamiento de un determinado modelo que viene a ser la trayectoria en
la cual la respuesta varia de forma más pronunciada

estos dos pasos son repetidos tantas veces sea necesarias hasta
alcanzar la región optima de la superficie investigada
 RSM
  variable respuesta puede
La
expresarse como:
 
Y= ŋ += f (+

 El valor real esperado (ŋ) que toma la

variable de interés, está influenciado por
los niveles de k factores cuantitativos
( esto significa que existe alguna función
de que proporciona el valor
correspondiente a ŋ para alguna
combinación dada de niveles:

ŋ= f (
 componentes del RSM
  Factores. (variables independientes) Son
condiciones cualitativas o cuantitativas del
proceso que influencian la variable
respuesta.
 Respuesta. El objetivo principal del MRS
es de optimizar este valor, que viene a ser
una cantidad medible cuyo valor depende
del cambio de los niveles de los factores.
 Función de respuesta. Y= f()
  Función de respuesta predicha.
 Superficie de respuesta. La relación Y= f () entre Y
y los niveles de los k factores .
 Grafica de contornos.
Es una técnica que se emplea para ayudar a visualizar
la posible forma que puede tener una superficie de
respuesta tridimensional y consiste en trazar las
líneas de contorno.
 Pasos para el MSR

Diseñar una serie de Desarrollar un modelo Hallar el conjunto óptimo de

experimentos para la matemático de segundo orden parámetros experimentales que
adecuada y medición fiable de superficie respuesta con los producen un valor máximo o
de la respuesta de interés. mejores accesorios. mínimo de respuesta.
Introducción a la metodología de superficie respuesta

la RSM es una colección de

técnicas matemáticas y estadísticas
que se emplea para desarrollar,
mejorar y optimizar los procesos.
 
Asimismo es aplicable en el
diseño, desarrollo y formulación
de nuevos productos, así como la
mejora de diseños de productos ya
implantados
 parámetros
Para estimar los
parámetros del modelo
de manera efectiva,
debemos aplicar un
diseño experimental
apropiado para
recopilar los datos
necesarios.
Proporciona una distribución razonable
de puntos de datos, y por tanto, de
información.
No requiere de un gran número de
experimentos.
Permite estudiar la adecuación del
modelo (falta de ajuste)
Proporciona estimadores precisos de
los coeficientes del modelo.
Proporciona una estimación interna del
error.
Permite realizar experimentos en
bloques.
No requiere de demasiados niveles de
las variables independientes.
 características
 Genera una distribución satisfactoria de los
puntos experimentales sobre la región
.experimental los diseños más utilizados son
puntos distribuidos de manera uniforme
sobre la región experimental, o cuando
menos tienen alguna simetría con respecto
al centro de esta.
 Requiere un número mínimo de corridas
experimentales, ya que en cada prueba
realizada se gastan recursos que son
escasos.
 Permitir que otros diseños de orden mayor se
construyan a partir de este.
 Permite la detección de la falta de ajuste, para
lo cual se requieren repeticiones al menos en
el centro del diseño.
 Proporciona un estimador puro de la varianza
del error lo cual se logra con repeticiones al
menos en el punto central.
 finalidad

 Finalidad
resolver un problema encontrando 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
 Ventajas y desventajas
Ventajas
La MSR es la estrategia experimental y de
análisis que permite resolver el problema,
encontrando las condiciones de operación
optimas de un proceso. Desventajas
Ofrece como resultado valores óptimos de una Posee un nivel de complejidad
o varias características de calidad de un elevado al de un diseño
producto. experimental simple
 Implica 3 aspectos: diseño, modelo y técnica de
elementos optimización

1. El aspecto del diseño implica que para Por último, el aspecto de optimización está formado
optimizar un proceso se deben aplicar el diseño por algunas técnicas matemáticas que sirven para un
de experimentos, en particular aquellos que sirven modelo ajustado, explorarlo o fin de obtener
para ajustar un modelo de regresión lineal información sobre los putos óptimos
múltiple.
2. El aspecto del modelo utiliza el análisis de
regresión lineal múltiple, junto con sus elementos
básicos que vienen a ser parámetros, modelo
ajustado, significancia del modelo, prueba de falta
de ajuste, intervalos de confianza i coeficientes de
determinación
 Metodología de superficie respuesta
• Cribado: la optimización de un proceso se
inicia con esta etapa cuando tiene muchos
factores 6 u 8 que influyen en la variable
de interés.
• Búsqueda de primer orden: se aplica
cuando se tienen pocos factores y se sabe
que estos influyen en la variable de
respuesta.
• En esta etapa se corre un diseño de primer
orden que permite caracterizar en forma
preliminar el tipo de superficie de respuesta
y detectar la presencia de curvatura.
• Búsqueda de segundo orden: en
el momento en que se detecta la
presencia de la curvatura se
corre o se completa el diseño de
segundo orden para caracterizar
mejor la superficie y modelar la
curvatura, con el modelo
ajustado se determinan las
condiciones óptimas de
operación del proceso
Heras, Alvis y Arrazola (2017) realizaron una investigación en la optimización del proceso de
extracción de antocianinas y evaluación de la capacidad antioxidante de la Berenjena (Solana
melonera L.)

Para la optimización del proceso de Resultados: el proceso de

Objetivo: optimizar el proceso extracción de las antocianinas se empleó
la metodología de superficie de respuesta extracción de antocianinas de
de extracción de antocianinas
con tres factores: concentración de la cáscara sigue un modelo
obtenidas de berenjena para solvente etanol acidificado 1% ácido cuadrático, mientras que la
luego evaluar su capacidad ortofosfórico (50 a 90% v/v),
capacidad antioxidante tuvo
antioxidante temperatura extracción (30 a 60°C) y
tiempo extracción (4 a 12 horas). un comportamiento lineal
 conclusiones
Los usos de técnicas estadísticas en los últimos
años han ido determinando la optimización de los
procesos utilizando diseños y análisis de
experimentos que se han determinado mediante
la metodología de superficie de respuesta, al ser
un instrumento para la determinación de
condiciones óptimas de un proceso donde las
variables están sujetas a fluctuaciones aleatorias
ha generado que tenga una gran importancia en la
resolución de problemas de ingeniería de
procesos.
Es una técnica más conveniente para fijar
variables que maximizan o minimizan una
respuesta según el objetivo de la investigación,
permitiendo reducir la cantidad de corridas en un
experimento y por ende reduce costos de un
proceso.
El método de superficie de respuesta es uno de
los más eficientes ya que las conclusiones se
pueden obtener de los propios experimentos.
El método de superficie de respuesta viene a ser
una herramienta esencial en la obtención, análisis
e interpretación de los datos experimentales;
puesto que, provee de una metodología para el
buen manejo de los datos experimentales de
manera que se logran en una investigación.
REFERENCIAS BIBLIOGRAFICAS

Bacio, L. (2007). Optimización multi-objetivo en el problema de metodología de superficie multi-respuesta. (tesis de maestría).
https://cimat.repositorioinstitucional.mx/jspui/bitstream/1008/69/2/TE%20221.pdf.
Cabrera, J. (2014). Optimización de variables de proceso para la reducción del tiempo de reproceso en el reactor Batch, en la manufactura
de adhesivo PU por medio de diseño experimental MSR. (tesis de maestría).
https://ciatec.repositorioinstitucional.mx/jspui/bitstream/1019/111/1/TESIS%20J.%20DE%20JESUS%20CABRERA%20CASTRO.pdf.
Espada, H. (2018). Superficies de respuesta. Lima.
 
Gil, C. (2019). Metodología de superficie respuesta (RSM). RPubs. https://rpubs.com/Cristina_Gil/RSM.
Heras, I; Alvis, A y Arrazola, G. (2017). Optimización del proceso de extracción de antocianinas y evaluación de la capacidad antioxidante
de berenjena (Solana melonera L.). SciElo. 24(5), 93-102.
https://scielo.conicyt.cl/scielo.php?script=sci_abstract&pid=S071807642013000500011&lng=e&nrm=iso&tlng=es .
Martinez, C. G. (2019). Metodologí de superficie de respuesta (RSM).
Nóchez, J y Ventura, A. (2009). Metodología de superficie respuesta (MRS), conceptos y aplicación para obtener el valor optimo en un
experimento. (Tesis de pre grado), Universidad de El Salvador. http://ri.ues.edu.sv/id/eprint/12512/1/19200894.pdf.
Pérez, S. (s.f). Metodología de la superficie respuesta. Universidad Autónoma del Caribe
Yaguas, O. (2017). Metodología de superficie de respuesta para la optimización de una producción agrícola. Revista Ingeniería Industrial.
16(1), 205-222. file:///C:/Users/USER/Downloads/3319-TEXTO%20DEL%20ARTICULO-15814-2-10-20180814%20(3).pdf