Sunteți pe pagina 1din 34

OPTIMIZACIÓN

EXPERIMENTAL

Ing. José Luis Zamorano E.


Introducción a la metodología
de superficies de respuesta

EXPERIMENTACIÓN:
Significa variar deliberadamente las
condiciones habituales de trabajo
para encontrar mejores maneras de
proceder, y ganar al mismo tiempo un
conocimiento más profundo sobre el
comportamiento de productos y/o
procesos.
ESTRATEGIA PARA UNA EXPERIMENTACIÓN
EFICIENTE:

Experimentación

Análisis de
Diseño Objetivo Resultados
Experimental

Modelos
LA METODOLOGIA DE SUPERFICIES DE
RESPUESTA

Conjunto de técnicas matemáticas y


estadísticas útiles para modelar y analizar
problemas en los cuales una respuesta de
interés es influida por varias variables, y su
objetivo es optimizar esta respuesta
LA METODOLOGIA DE SUPERFICIES DE
RESPUESTA
 Necesidad de un modelo:
- La capacidad de predecir o
explicar el valor de cierta respuesta Y
una vez conocidos los valores de otras
variables xi’s.
- El hecho de poder seleccionar
aquellas condiciones de los factores
xi`s que permitan optimizar una la
respuesta Y.
Superficie de respuesta

Temperatura ºC
Cantidad gr.
x1
Reactor
x2 y
Tiempo min.

Y = f(x1,x2)
Superficie de respuesta

DESIGN-EXPERT Plot

Actual Factors:

X = Tiempo

Y = Temperatura
106

90

74
Cantidad

58

42

150

128

105 Tiempo
260
248 82
235
222
210 60
Temperatura
Estrategias de la metodología de
superficie de respuesta

 Estrategia de primer orden:

Diseño 2k
- Estimación de un modelo lineal por mínimos
cuadrados
Uso de mapas de contornos ó curvas de nivel
Camino de la máxima pendiente (steepest ascent)
ESTRATEGIA DE PRIMER ORDEN

(-1,+1) (+1,+1)

(0,0)

(+1,-1)
(-1,-1)

xi − xio
x'i =
∆xi
Codificación de variables
Variable Temperatura
Nivel inferior 60ºC
Nivel Superior 80ºC

-1 0 +1

∆ = 10 ∆ = 10
60ºC 70ºC 80ºC

Xi0

xi − xio
x'i =
∆xi
Diseño de primer orden
Variables Matriz de diseño Respuestas
x1 x2 x’1 x’2 y
x10-∆x1 x20-∆x2 -1 -1 y1
x10+∆x1 x20-∆x2 +1 -1 y2
x10-∆x1 x20-∆x2 -1 +1 y3
x10+∆x1 x20-∆x2 +1 +1 y4
x10 x20 0 0 y5
x10 x20 0 0 y6
x10 x20 0 0 y7
ESTRATEGIA DE PRIMER ORDEN
Modelo de primer orden
yˆ = b0 + ∑ bi xi

Región Superficie
ajustada Trayectoria máxima
pendiente

Y=55
Y=35
Y=25
ESTRATEGIA DE PRIMER ORDEN

Pendiente Normalizada

∂ yˆ ∂ yˆ
δ 1 + + ....
∇ yˆ ∂x1 ∂x2
= 1 / 2
∇ yˆ  2

 ∂ yˆ 
∑   
  ∂xi  
Busqueda del óptimo Cantidad
260
88
78
DESIGN-EXPERT Plot
88

Actual Factors:

X = Tiempo 248
Y = Temperatura
Temperatura

5
235
104

101

96
222
88 92

69
60 78
51
210

60 82 105 128 150

Tiempo
ESTRATEGIA DE PRIMER ORDEN
Objetivo

SELECCIÓN

MAXIMA PENDIENTE
Experimentos a lo largo del
HIPÓTESIS camino
Aproximación
Lineal
Si

Diseño Ajusta ?

No

Modelo
Primer Orden HIPOTESIS
Aproximación
Cuadrática
ANALISIS DE REGRESIÓN

Qué entendemos por análisis de


Regresión?

Análisis de regresión es la aplicación de


métodos matemáticos y estadísticos para
el análisis de datos experimentales, y el
“ajuste” de estos modelos matemáticos a
los datos mediante la estimación de
parámetros desconocidos de los modelos.
ANALISIS DE REGRESIÓN

Modelos lineales
yˆ = b + b x + b x
0 1 1 2 2

yˆ = b + b x + b exp( x )
0 1 1 2 1
Modelos no lineales

b
yˆ = 0
1 + b exp( b )
1 2 x1
ANALISIS DE REGRESIÓN

Mínimos cuadrados: es la suma de cuadrados de las


diferencias entre los valores experimentales y los
valores estimados por el modelo:

n 2 n ∧
2
φ = ∑ ei = ∑ ( yi − yi )
i=1 i=1

ˆ
Y = X * b
ANALISIS DE REGRESIÓN

T
(
Θ = e e = Y − Yˆ
T
)( Y − Yˆ )
T
Θ = e e = (Y − Xb ) (Y − Xb )
T

∂Θ
= 2 (− X ) (Y − Xb ) = 0
T

∂b
ANALISIS DE REGRESIÓN

(X T
) (
Y = X T
Xb )
b= X X( T
) (X Y )
−1 T
Ajuste de modelos (Regresión)
Matriz de diseño Respuestas
x’o x’1 x’2 y
1 -1 -1 y1
1 +1 -1 y2
1 -1 +1 y3
1 +1 +1 y4
1 0 0 y5
1 0 0 y6
1 0 0 y7
b = (XTX)-1 (XTY)
Distribución de varianzas en regresión

n pi _ n ∧ _ ∧ _ _

∑∑(y −Y ) =∑p(y −Y ) +∑p(y −y ) +∑∑(y −y )


1 1
ij
2

1
i i
2
i i i
2
ij i
2

SCT SCR SC(Aj) SCE


Análisis de varianza para regresión
Fuente de Suma de Grados Cuadrado Medio Fo
Variación Cuadrados Libertad Experim
Debido a la SSR q SSR
Regresión MSR= ----------
q
Error
Falta de Ajuste SS(Aj) n-q-1 SS(Aj) MS(Aj)
MSAB= ------------- FAj = ----------
(n-q-1) MSE
Error Puro SS(E) Σpi-n SS(E)
MSA= ------------
Σpi-n

Se acepta el modelo si : FAj < Fcrit

q=# de parámetros del modelo sin el término independiente


n=# de puntos experimentales pi=# de repeticiones por punto
Estrategias de la metodología de
superficie de respuesta
 Estrategia de Segundo orden:

Diseño 2k + Diseño Estrella + Puntos centrales


- Estimación de un modelo de segundo orden por
mínimos cuadrados
Uso de mapas de contornos ó curvas de nivel
Análisis Canónico
Diseños experimentales para modelos de
segundo orden
α=2k/4 (0,+α)

(+1,+1)
(-1,+1)

(0,0)
(-α,0) (+α,0)

(-1,-1) (+1,-1)

(0,-α)
Diseño Rotable Compuesto Central

Variables Matriz de diseño Respuestas

x1 x2 x’1 x’2 Y
x10-∆x1 x20-∆x2 -1 -1 Y1
x10+∆x1 x20-∆x2 +1 -1 Y2
x10-∆x1 x20-∆x2 -1 +1 Y3
x10+∆x1 x20-∆x2 +1 +1 Y4
-α 0 Y5
+α 0 Y6
0 -α Y7
0 +α Y8
x10 x20 0 0 Y9
x10 x20 0 0 Y10
x10 x20 0 0 y11
Modelo de Segundo Orden

yˆ = b0 +∑bi xi +∑∑bijxi xj
Ajuste de un modelo de segundo orden
Matriz de diseño Respuestas

xo x’1 x’2 (x’1)2 (x’2)2 x’1 x’2 Y


1 -1 -1 +1 +1 +1 Y1
1 +1 -1 +1 +1 -1 Y2
1 -1 +1 +1 +1 -1 Y3
b = (XTX)-1 (XTY)
1 +1 +1 +1 +1 +1 Y4
1 -α 0 α2 0 0 Y5
1 +α 0 α2 0 0 Y6
1 0 -α 0 α2 0 Y7
1 0 +α 0 α2 0 Y8
1 0 0 0 0 0 Y9
1 0 0 0 0 0 Y10
1 0 0 0 0 0 y11
Superficie de respuesta

Y=b0+b1x1+b2x2+b11x12+b22x22+b12x1x2

DESIGN-EXPERT Plot

Actual Factors:

X = Tiempo

Y = Temperatura
106

90

74
Cantidad

58

42

150

128

105 Tiempo
260
248 82
235
222
210 60
Temperatura
BIBLIOGRAFIA
• Diseño y análisis de experimentos, MONTGÓMERY;
Biblioteca Carrera Ing. Química
• Process Análysis by statistical methods; HIMMELBLAU.
Biblioteca Particular.
• Quality by experimental design, BARKER. Biblioteca
particular.
• Principios de optimización de procesos, DIAZ MATA;
Biblioteca Carrera Ing. Química (Fotocopia)
• Métodos estadísticos, control y mejora de la calidad,
BARTES. Biblioteca Carrera Ing. Química (Fotocopia).
• Planificación experimental y optimización, ZAMORANO.
Biblioteca Carrera Ing. Química (Fotocopia).
• Probabilidad y estadística para ingenieros; WALPOLE.
Biblioteca Carrera Ing. Química.

S-ar putea să vă placă și