METODOLOGA DE

SUPERFICIE DE
RESPUESTA
 GENERALIDADES
Definicin: Es un conjunto de mtodos y
procedimientos estadsticos y matemticos
utilizados por los investigadores para resolver
ciertos tipos de problemas .

Mtodos Al ser adecuadamente

Matemticos combinadas le
La MSR
permiten al
Inferencias investigador analizar y
envuelve Estadsticas
explorar el proceso en
Estrategias estudio
experimentales
 TIPOS DE PROBLEMAS

Desarrollar Mejorar y Optimizar procesos.

Desarrollar, formular nuevos productos

Mejorar, optimizar productos existentes.

Estudiar la influencia que un grupo de variables

o factores que puede tener en una respuesta
determinada.
 FASES DE LA MSR

Fase Cero (Discriminatoria):

Se seleccionan los factores del proceso que
puedan inferir potencialmente en el proceso.

Herramientas:
Estrategias experimentales, experiencia, estudios
anteriores, diseo experimental inicial
 FASES DE LA MSR

Fase Uno:
Se ubica la regin de estudio, es de inters que
se encuentre la combinacin donde se pueda
encontrar el ptimo muy cercano a l.

Herramientas:
Mtodos Matemticos, experiencias, estudios
anteriores
 FASES DE LA MSR

Fase Dos:
Se obtiene un modelo polinomial de bajo orden que
aproxime con un margen de error pequeo a la
verdadera funcin respuesta dentro de la regin de
inters. En general polinomios cuadrticos.

Herramientas:
Diseos de experimentos, Regresin, Mtodos
Matemticos.
 PROCEDIMIENTO DE LA MSR

Determinar la variable de inters y su

caracterstica

Determinar los factores a incluir en el estudio y

sus caractersticas.

Investigar si la regin en la que se opera

contiene al ptimo; en caso de no ser as se
deben realizar los ajustes a las variables para
moverse hacia la regin del ptimo.
 PROCEDIMIENTO DE LA MSR

Una vez verificado los factores influyentes y

fijada la regin de estudio.

Se plantea el modelo poblacional a estudiar

aproximado por un polinomio de bajo orden,
(grado 2)

Se selecciona un diseo de tratamiento

adecuado para los requerimientos del
investigador.
 PROCEDIMIENTO DE LA MSR

Se utiliza el anlisis de regresin para

encontrar estimadores de los coeficientes del
modelo polinomial planteado.

Una vez obtenido el modelo de mejor ajuste a

los datos se procede al estudio de la superficie
utilizando mtodos matemticos apropiados.
 DSR DE 1ER ORDEN
Modelo polinomial de 1er orden en los
factores,
Y = 0 + 1 X1 + 2 X2 ++ k Xk +

El modelo factorial matricial es de la forma

Yn*1 = Xn*(k+1) (k+1)*1

El estimador MCO de (k+1)*1 es dado por

(k+1)*1 =((Xn*(k+1))(Xn*(k+1)))-1((Xn*(k+1)) Yn*1
 DSR DE 1ER ORDEN

El diseo utilizado es un factorial 2k con

niveles codificados -1,1.

Para estimar el error se utiliza adicin de

puntos centrales, cuando hay bajo error
experimental, se recomienda de 4 a 5
puntos centrales.

Si hay ms de 4 variables y no se necesita

estudiarla interaccin se recomienda
fraccionado del factorial.
 DSR DE 1ER ORDEN

Los diseos factoriales son diseos

ortogonales, se caracterizan por:

Originar estimadores independientes de los

coeficientes.

Minimizar la varianza de los coeficientes.

 DSR DE 2DO ORDEN

Factorial 3k con adicin

de puntos centrales K<4
Diseos
Sugeridos
DCC
Ortogonal
Diseo Compuesto
Central (DCC)
DCC
Rotable
 DSR DE 2DO ORDEN
Ajusta un modelo polinomial de 2DO orden
en los factores, de la forma:
Y = 0 + i Xi + i(Xi)2 + ij Xi Xj +
El modelo factorial matricial es de la forma
Yn*1 = Xn*m m*1 donde m = 2k+C(k,2)+1

El estimador MCO de m*1 es dado por la

ecuacin
m*1 =((Xn *m)(Xn* m))-1((Xn*m) Yn*1
 DSR DE 2DO ORDEN

Requerimientos del Diseo:

Debe tener por lo menos tres niveles en
cada factor

El diseo experimental se selecciona de

acuerdo a las base:
Precisin relativa en estimar los coeficientes
La cantidad de esfuerzo experimental.
 DISEO FACTORIAL 3k

Cada factor se toma a tres niveles,

codificados de la forma -1,0,1.

Para estimar el error se adicionan puntos

centrales al diseo. Sean No.

Si K>4 se sugiere utilizar otro diseo. El nmero

total de observaciones es N= 3k + No.

No es un diseo ortogonal, pero puede

ortogonalizarse corrigiendo las columnas
cuadrticas por su media.
 DISEO COMPUESTO CENTRAL
Cada factor se toma a cinco niveles,
codificados de la forma -,-1,0,1 .

Es conformado por tres bloques:el factorial, el

axial y el central.

Permite experimentacin secuencial.

Reduce el nmero de observaciones,

resultando un total de N=2k +2k+n0 .
 DISEO COMPUESTO CENTRAL
Caractersticas de los bloques para k factores

Bloque Factorial: Es conformado por un diseo

factorial 2k o fraccionado del factorial cuando
k>3, con niveles -1,1; estima los trminos
lineales del modelo polinomial cuadrtico.

Bloque Central: Es conformado por no puntos

centrales con nivel 0, da grados de libertad
para estimar el error.
 DISEO COMPUESTO CENTRAL

Bloque Axial:
Es conformado por 2k observaciones axiales
dadas por (-,0,0,0), (,0,0,0), (0,-,0,,0)
(0,,0,,0),., (0,0,,-),(0,0,,), estima los
terminos cuadrticos del modelo polinomial
cuadrtico.
El valor de se selecciona de acuerdo a las
necesidades del investigador.
 DISEO COMPUESTO CENTRAL

Diseo Compuesto Central Ortogonal.

Para que el diseo sea ortogonal se realizan
correcciones de las columnas cuadrticas a
travs de la media de cada una de ellas y
luego se encuentra el valor de aplicando la
ecuacin:
2=((2k)1/2(N1/2-(2k)1/2))/2

depende del nmero de puntos centrales.

 DISEO COMPUESTO CENTRAL

Definicin: Un diseo es rotable si la varianza

de la respuesta estimada es una funcin
exclusiva de la distancia del punto al centro
del diseo.

Para que un diseo sea rotable deben

cumplirse las siguientes condiciones:

(xi)2= N2 (xi)4 = 3N4

(xi)2 (xj)2 = N4
 DISEO COMPUESTO CENTRAL

Diseo Compuesto Central Rotable.

De acuerdo a las ecuaciones anteriores para

que el DCC sea rotable debe satisfacer:

(xi)2= 2k +22 =N2

(xi)4 = 2k +24 =3N4
(xi)2 (xj)2 = 2k =N4
 DISEO COMPUESTO CENTRAL
Diseo Compuesto Central Rotable.
Resolviendo el sistema de ecuaciones se obtiene:

(xi)4 = 2k +24 =3N4

2k +24 = 3*2k
4 = 2k
(xi)4 = 2k +24 =3N4
Ortogonalidad
(xi)2 (xj)2 = 2k =N4
4=N/(2k + 4(2k)1/2 +4) Precisin Uniforme
ESTUDIO DEL
PTIMO
 MODELO ESTIMADO
Modelo polinomial de 2DO orden ajustado

Y = b0 + bi Xi + bii(Xi)2 + bij Xi Xj

El modelo en forma matricial es de la forma

Y= b0 + bX + XBX
 MODELO ESTIMADO
DONDE

b=(b0, b1,,bk) X=(X1,X2,, Xk)

b11 b12/2 .. b1k/2

b22 .. b2k/2
B=
..

bkk
 PUNTOCRTICO
Se deriva matricialmente el vector Y en
funcin del vector X y se iguala al vector nulo;
resultando
 NATURALEZA DEL PUNTO CRTICO
Todos los auto valores Todos los auto valores
negativos hay mximo positivos hay mnimo

Auto valores de
la matriz B

Los auto valores

Un auto valores nulo cambian de
hay un punto ridge signo hay punto
de silla