Documente Academic
Documente Profesional
Documente Cultură
Estudiante:
Docente:
Materia:
Diseño experimental
Semestre:
II2017
Fecha:
08/12/17
Cochabamba - Bolivia
0
1 Contenido
1. INTRODUCCIÓN ........................................................................................................................... 2
2. OBJETIVO DEL ESTUDIO............................................................................................................... 2
2.1. OBJETIVOS GENERALES ....................................................................................................... 2
2.2. OBJETIVOS ESPECÍFICOS ...................................................................................................... 3
3. MARCO TEORICO ......................................................................................................................... 3
3.1. DEFINICIÓN.......................................................................................................................... 3
3.2. . CARACTERISTICAS .............................................................................................................. 4
3.3. FINALIDAD ........................................................................................................................... 5
3.4. TERMINOLOGÍA ................................................................................................................... 5
3.5. VENTAJAS Y DESVENTAJAS DEL ANALISIS DE SUPERFICIES DE RESPUESTAS ...................... 9
3.6. ELEMENTOS DE LA MSR ...................................................................................................... 9
3.7. METODOLOGÍA DE SUPERFICIE DE RESPUESTA ................................................................ 10
3.8. PRINCIPALES PROPIEDADES DE SUPERFICIE DE RESPUESTA ............................................. 10
3.9. DISEÑOS DE SUPERFICIE DE RESPUESTA ........................................................................... 11
4. CONCLUSIONES ......................................................................................................................... 16
1
1. INTRODUCCIÓN
2
Aplicar la metodología de superficie de respuesta y sus respectivos
diseños y modelos.
Describir las técnicas de optimización y aplicarlas adecuadamente.
3. MARCO TEORICO
3.1. DEFINICIÓN
La Metodología de Superficies de Respuesta es un conjunto de técnicas
Matemáticas y estadísticas utilizadas para modelar y analizar problemas en los
que una variable de interés es influenciada por otras. El objetivo es optimizar la
variable de interés. Esto se logra al determinar las condiciones óptimas de
operación del sistema.
La MSR es la estrategia experimental y de análisis que permite resolver el
problema de encontrar las condiciones de operación óptimas de un proceso, es
decir, aquellas que dan por resultado “valores óptimos” de una o varias
características de calidad del producto.
La Metodología de la Superficie de Respuesta (RSM) es un conjunto de técnicas
matemáticas y estadísticas utilizadas para modelar y analizar problemas en los
que una variable de interés es influenciada por otras. El propósito inicial de
estas técnicas es diseñar un experimento que proporcione valores razonables
3
de la variable respuesta y, a continuación, determinar el modelo matemático
que mejor se ajusta a los datos obtenidos. El objetivo final es establecer los
valores de los factores que optimizan el valor de la variable respuesta. Esto se
logra al determinar las condiciones óptimas de operación del sistema.
La diferencia entre (RSM) y un diseño experimental corriente estriba en que un
diseño experimental por si solo tiene como objetivo localizar el tratamiento
“ganador” entre todos aquellos que se han probado. En cambio, RSM pretende
localizar las condiciones óptimas de operación del proceso. Ello supone un reto
para el investigador, requiere una estrategia más completa e incluye la
posibilidad de efectuar varios experimentos secuenciales y el uso de técnicas
matemáticas más avanzadas.
3.2. . CARACTERISTICAS
La característica del sistema de superficie de respuesta (máximo, mínimo, o
punto silla) ver fig 1:
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 ésta.
Requiere un número mínimo de corridas experimentales, ya que en cada
prueba realizada se gastan recursos que siempre son escasos.
Permitir que otros diseños de orden mayor se construyan a partir de él.
Esto permite que, cuando el comportamiento de la respuesta resulta ser
más complicado de lo que se pensaba (por ejemplo, se detecta
curvatura), se agregan puntos adicionales al diseño para tratar de explicar
ese comportamiento.
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.
4
Figura 1: La característica del sistema de superficie de respuesta.
3.3. FINALIDAD
Es optimizar la variable de interés. Esto se logra al determinar las condiciones
óptimas de operación del sistema. La Metodología de Superficies de Respuesta es
la estrategia experimental y de análisis que permite resolver el problema de
encontrar las condiciones de operación óptimas de un proceso, es decir, aquellas
que dan por resultado “valores óptimos” de una o varias características de calidad
del producto.
3.4. TERMINOLOGÍA
Factores. Son las condiciones del proceso que influencian la variable de respuesta.
Estos pueden ser cuantitativos o cualitativos. En el presente trabajo los factores se
corresponden con el ángulo de la lámina correspondiente, por tanto tendremos
tantos factores como número de láminas.
Supongamos que la función de respuesta para los niveles de dos factores se puede
expresar utilizando un polinomio de primer grado:
Y = 𝐛0 + 𝐛1 X1 + 𝐛2 X2
Y = b0 + b1 X1 + b2 X 2
Superficie de respuesta. La relación Y=f(x1, x2,... xk) entre Y y los niveles de los k
factores x1, x2,... xk representa una superficie. Con k factores la superficie está en
k+1 dimensiones. Por ejemplo cuando se tiene Y=f(x1) la superficie esta en dos
dimensiones, mientras que si tenemos Y=f(x1, x2.) la superficie está en tres
dimensiones.
6
Figura 2 Superficie de respuesta tridimensional
7
Figura 4 b. gráfico de contornos 3D Y 2D
8
Región experimental. La región experimental especifica la región de valores para
los niveles de los factores. Esto se puede hacer empleando los niveles actuales de
operación para cada factor; si se desea explorar el vecindario se incrementa y
decrementa el valor del nivel en una cantidad determinada.
3.5.2. Desventajas:
9
significancia del modelo, prueba de falta de ajuste, residuos, predichos,
intervalos de confianza para predichos y coeficiente de determinación.
Por último, el aspecto de optimización está formado por algunas técnicas
matemáticas que sirven para que, dado un modelo ajustado, explorarlo a fin
de obtener información sobre el punto óptimo. Conviene recordar técnicas
como: derivadas de funciones, multiplicadores de Lagrange, operaciones con
matrices, valores y vectores propios y sistemas de ecuaciones simultáneas.
10
fácil verificar que en un diseño factorial completo 2k las columnas de su
matriz de diseño son independientes: multiplique dos columnas cualesquiera,
término a término usando la notación –1 y +1, y el resultado es cero.
- Cuando las columnas de la matriz de diseño son independientes entre sí,
hace que los coeficientes del modelo ajustado no estén correlacionados.
3.8.2. Rotabilidad:
11
Los parámetros del modelo se estiman mediante el método de mínimos cuadrados.
Una vez que se tienen los estimadores se sustituyen en la ecuación y obtenemos el
modelo ajustado:
12
1. El número de los distintos puntos del diseño, n, debe exceder el número de
términos en el modelo ajustado, es decir n> k+1, y
2. Al menos 2 réplicas deben recolectarse en uno o más puntos del diseño para
estimar la varianza del error.
Además, los valores del error aleatorio (˛u) deben asumir una distribución normal e
independiente con una varianza común s2.
u=1, 2, ..., r1
l= 1, 2,..., n
Y es el promedio de las rl
observaciones del 1-ésimo punto del diseño.
13
La prueba de adecuación del modelo ajustado es:
En éste los bi son los coeficientes de regresión para los términos de primer
orden, los bii son los coeficientes para los términos cuadráticos puros, los bij son los
14
coeficientes para los términos de producto cruz y ˛ es el término del error aleatorio.
Los términos cuadráticos puros y los de producto cruz son de segundo orden. El
número de términos en la ecuación está dado por p=(k+1)(k+2)/2
Una vez que se ha verificado que el modelo tiene suficiencia de ajuste y que los
coeficientes son significativos, se procede a localizar las coordenadas del “punto
estacionario” y se lleva a cabo un análisis más detallado del sistema de respuesta.
3. Dos puntos sobre cada eje a una distancia a del origen. Estos pun tos se
llaman porción axial.
15
4. CONCLUSIONES
La metodología de superficies de respuesta (MSR) es una estrategia
experimental y de modelación que permite encontrar condiciones de
operación óptimas de un proceso, implica 3 aspectos: DISEÑO, MODELO Y
TECNICA DE OPTIMIZACION.
El diseño y el modelo dependen del tipo de comportamiento que se espera
en la respuesta, el modelo puede ser de primer o segundo orden (plano o
con curvatura); por ello el tipo de diseño utilizado y el método de optimización
se clasifican según como sea el caso.
16