Documente Academic
Documente Profesional
Documente Cultură
1. Competencias
Comprender el concepto de optimización y su relación con la super…cie de re-
spuesta. Aplicar la metodologia de super…cie de respuesta y sus respectivos diseños
y modelos. Conocer las técnicas de optimización y aplicarlas adecuadamente.
Rendimiento esperado
60
50
40
30
20
10
10 0,6
0,2-0,2
-0,6-1 0,2 0,6 1
-1 -0,6 -0,2
Presión
Temperatura
Rendimiento esperado
60 6,0
50 12,0
40 18,0
30 24,0
20 30,0
10 36,0
42,0
100,6 48,0
0,2-0,2 54,0
-0,6-1 0,6 1
-0,6 -0,2 0,2
Presión -1
Temperatura
Tabla 1.
V ariables V ariables
respuesta
naturales codif icadas
1 2 x1 x2 y
30 150 -1 -1 39.3
30 160 -1 1 40.0
40 150 1 -1 40.9
40 160 1 1 41.5
35 155 0 0 40.3
35 155 0 0 40.5
35 155 0 0 40.7
35 155 0 0 40.2
35 155 0 0 40.6
4. ESQUEM A DE LOS ELEM ENTOS DE LA M SR EN SU CONTEXTO AM PLIO 175
Las réplicas del centro pueden usarse para calcular una estimación del error de
la siguiente manera:
b 1
12 = [(1 39:3) + (1 41:5) + ( 1 40:0) + ( 1 40:9)]
4
1
= ( 0:1) = 0:025
4
La suma de cuadrados de la interacción con un solo grado de libertad es
1
SCInteraccion = ( 0:1)2 = 0:0025
4
b + b 22 = yF yC
11
= 40:425 40:46 = 0:035
nF nC (y F y C )2
SCcuadratica pura =
nF + nC
(4)(5)( 0:035)2
= = 0:0027
4+5
4. ESQUEM A DE LOS ELEM ENTOS DE LA M SR EN SU CONTEXTO AM PLIO 177
61
51
41
0 2 4 6 8 10 12
Pasos
1 2
x1 = y x2 =
5 5
que dan como resultado
1 = 5 x1 = 5(1:0) = 5 min
2 = 5 x2 = 5(0:42) = 2 F
es adecuado.
5. ANÁLISIS DE UNA SUPERFICIE DE RESPUESTA DE SEGUNDO ORDEN 181
donde: las fwi g son las variables independientes transformadas, ybs es el valor predi-
cho por el modelo en el punto estacionario y las f i g son constantes. A la ecuación
(5.6) se le llama la forma canónica del modelo. Además, las f i g son sólo eigen-
valores o raíces características de la matriz B.
La naturaleza de la super…cie de respuesta puede determinarse a partir del
punto estacionario y de los signos y magnitudes de las f i g: Primero suponga que
el punto estacionario está dentro de la región de exploración para ajustar el modelo
de segundo orden. Si todas las f i g son positivas, xs es un punto de respuesta
mínima; si todas las f i g son negativas, xs es un punto de respuesta máxima; y si
las f i g tienen signos diferentes, xs es un punto silla.
5.3. Ejemplo ilustrativo 2. Se continuará el análisis del proceso químico
del ejemplo illustrativo. No es posible ajustar un modelo de segundo orden en las
variables x1 y x2 , utilizando el diseño de la tabla 4. El experimentador decide
aumentar este diseño con puntos su…cientes para ajustar un modelo de segundo
orden. Obtiene cuatro observaciones en (x1 = 0; x2 = 1:414) y (x1 = 1:414; x2 =
0). El experimento completo se muestra en la tabla 6, y el diseño se ilustra en la
…gura 5. A este diseño se le llama diseño central compuesto (o DCC). En esta
segunda fase del estudio, dos respuestas adicionales fueron de interés, la viscosidad
y el peso molecular del producto. Las respuestas también se muestran en la tabla
6.
punto. Por el examen de la grá…ca de contorno se observa que el proceso puede ser
ligeramente más sensible a los cambios en el tiempo de reacción que a los cambios
en la temperatura.
184 7. M ETODOLOGíA DE SUPERFICIE DE RESPUESTA
81
80
79
78
77
76
1 0,6 0,2
-0,2-0,6 0,6 1
-1 -0,2 0,2
-1 -0,6
Temperatura Tiempo
6. Sistemas de cordilleras
Muchas veces, el punto estacionario no es del tipo que se requiere y en esos
casos la opción es encontrar el “mejor punto posible” dentro de la región experi-
mental. Este punto se ubica sobre la cordillera óptima a partir del centro del diseño,
y es aquel que predice la mejor respuesta sobre la región. Esta búsqueda se hace
precisamente con el llamado analisis de cordilleras, que consiste en calcular el máx-
imo o mínimo de la super…cie de respuesta sobre esferas concéntricas al centro del
diseño, empezando por una esfera de radio casi cero y posteriormente se abre la ex-
ploración incrementando el radio de la siguiente esfera. Así se continúa hasta llegar
a la primera esfera que cubre los puntos experimentales. El mejor punto posible
es aquel sobre el que se predice el óptimo desempeño de la variable de respuesta.
Con frecuencia, este punto se ubica en la esfera de radio más grande. En el caso de
k = 2 factores, no son esferas sino circunferencias.
Ahora, brevemente veamos en forma matemática el análisis de cordillera. Con-
sideremos el modelo ajustado de segundo orden escrito en su forma matricial
yb = b 0 + xt b + xt Bx
Sea la esfera centrada en el origen con radio Ri cuyos puntos sobre ella cumplen la
Xk
restricción: x2i = xt x =Ri : El problema del análisis de cordillera es encontrar
i=1
el punto sobre la esfera, donde la respuesta predicha por el modelo es máxima (o
mínima). Para ello se plantea la función objetivo dada por
F = b 0 + xt b + xt Bx xt x Ri
donde es multiplicador de Lagrange. Derivando esta última relación con respecto
al vector x e igualando a cero, se obtiene
@F
= b + 2Bx 2 x=0
@x
188 7. M ETODOLOGíA DE SUPERFICIE DE RESPUESTA
7. Respuestas múltiples
Muchos problemas de super…cies de respuesta incluyen el análisis de varias re-
spuestas, como en el ejemplo ilustrativo 2, donde el experimentador midió tres.
En dicho ejemplo, el proceso se optimizó únicamente con respecto a la respuesta
rendimiento y1 : La consideración simultánea de respuestas múltiples requiere con-
struir primero un modelo de super…cie de respuesta apropiado para cada respuesta
y después intentar encontrar un conjunto de condiciones de operación que optimice
en cierto sentido todas las respuestas o que al menos las mantenga en los rangos
deseados. En el ejemplo ilustrativo 2, pueden obtenerse modelos para las respuestas
viscosidad y peso molecular (y2 y y3 ; respectivamente) de la siguiente manera:
70
68
66
64
62
60 -1-0,6
-0,2
0,20,6
1 -0,2 -0,6 -1
1 0,6 0,2
Temperatura
Tiempo
Hay una clase única de diseños que minimizan la varianza de los coe…cientes de
regresión f b i g, se trata de los diseños de primer orden ortogonales. Un diseño de
primer orden es ortogonal si todos los elementos que están fuera de la diagonal de
la matriz (Xt X) son cero. Esto implica que la suma de los productos cruzados de
las columnas de la matriz X sea cero.
La clase de los diseños de primer orden ortogonales incluye los factoriales 2k y
las fracciones de la serie 2k en las que los efectos principales no son alias entre sí.
8. DISEÑOS DE SUPERFICIES DE RESPUESTA 191
Al usar estos diseños se supone que los niveles bajo y alto de los k factores están
codi…cados en los niveles usuales 1.
El diseño 2k no permite la estimación del error experimental a menos que se
hagan réplicas de algunas corridas. Un método común de incluir las réplicas en
el diseño 2k es aumentar el diseño con varias observaciones en el centro (el punto
xi = 0, i = 1; 2; :::; k). La adición de puntos centrales al diseño 2k no in‡uye en las
f b i g para i 1, pero la estimación de 0 se convierte en el gran promedio de todas
las observaciones. Además, la adición de puntos centrales no altera la propiedad de
ortogonalidad del diseño.
8.1.3. Diseños para ajustar el modelo de segundo orden. Se llaman diseños de
segundo orden aquellos que permiten ajustar un modelo de segundo orden para así
estudiar, además de los efectos lineales y de interacción, los efectos cuadráticos o
de curvatura pura. Por consiguiente, estos diseños se emplean cuando se quiere
explorar una región que se espera sea más compleja o cuando se cree que el punto
óptimo ya se encuentra dentro de la región experimental. El modelo de segundo
orden está dado por:
k
X k
X XX
2
y= 0+ i xi + ii xi + ij xi xj +"
i=1 i=1 i<j
predicción V [by (x)] del cubo con centros en las caras para k = 3 con nC = 3 puntos
centrales (x3 = 0). Observe que la desviación estándar de la respuesta predicha es
razonablemente uniforme en una porción relativamente larga del espacio del diseño.
Otros diseños. Existen muchos otros diseños de super…cie de respuesta que en
ocasiones son útiles en la práctica. Para dos variables, podrían usarse diseños
compuestos de puntos cuya separación en un círculo es igual y que forman polígonos
regulares. Puesto que los puntos del diseño son equidistantes del origen, a estos
arreglos con frecuencia se les llama diseños equirradiales.
Para k = 2, un diseño equirradial rotable se obtiene combinando n2 5 puntos
con una separación igual en un círculo con n1 1 punto en el centro del círculo.
Diseños de particular utilidad para k = 2 son el pentágono y el hexágono. Estos
diseños se muestran en la …gura 11-25. Otros diseños útiles incluyen el diseño com-
puesto pequeño, el cual consiste en un factorial fraccionado en el cubo de resolución
III* (los efectos principales son alias de las interacciones de dos factores y ninguna
de las interacciones de dos factores es alias entre sí) y las corridas axiales y cen-
trales usuales, y la clase de los diseños híbridos. Estos diseños pueden ser de valor
considerable cuando es importante reducir el número de corridas tanto como sea
posible.
En la tabla 11-9 se muestra un diseño compuesto pequeño para k = 3 factores.
Este diseño usa la fracción un medio estándar del diseño 23 en el cubo, ya que
satisface los criterios de la resolución III*. El diseño tiene cuatro corridas en el
cubo y seis corridas axiales, y debe incluir al menos un punto central. Por lo tanto,
el diseño tiene un mínimo de N = 11 ensayos, y el modelo de segundo orden en
k = 3 variables tiene p = 10 parámetros por estimar, por lo que se trata de un
diseño muy e…ciente con respecto al número de corridas. El diseño de la tabla 11-9
tiene nC = 4 corridas centrales. Se seleccionó = 1:73 para obtener un diseño
esférico debido a que el diseño compuesto pequeño no puede hacerse rotable.
En la tabla 11-10 se muestra un diseño híbrido para k = 3. Algunos de estos
diseños tienen niveles irregulares, y esto puede ser un factor limitante para su
aplicación. Sin embargo, se trata de diseños muy pequeños, y poseen excelentes
propiedades de la varianza de predicción.
Tabla 11-9. Diseño Compuesto pequeño para k = 3 Tabla 11-10. Diseño híbrido para k=3
orden estandard x1 x2 x3 orden estandard x1 x2 x3
1 1.00 1.00 -1.00 1 0.00 0.00 1.41
2 1.00 -1.00 1.00 2 0.00 0.00 -1.41
3 -1.00 1.00 1.00 3 -1.00 -1.00 0.71
4 -1.00 -1.00 -1.00 4 1.00 -1.00 0.71
5 -1.73 0.00 0.00 5 -1.00 1.00 0.71
6 1.73 0.00 0.00 6 1.00 1.00 0.71
;
7 0.00 -1.73 0.00 7 1.41 0.00 -0.71
8 0.00 1.73 0.00 8 -1.41 0.00 -0.71
9 0.00 0.00 -1.73 9 0.00 0.00 -0.71
10 0.00 0.00 1.73 10 0.00 0.00 -0.71
11 0.00 0.00 0.00 11 0.00 0.00 0.00
12 0.00 0.00 0.00
13 0.00 0.00 0.00
14 0.00 0.00 0.00
194 7. M ETODOLOGíA DE SUPERFICIE DE RESPUESTA
donde xiu y xju son los niveles de las variables i-ésima y j-ésima en la
corrida u-ésima del experimento con x0u = 1 para toda u.
(2) La fracción de la suma de cuadrados total para cada variable con que
contribuye cada bloque, debe ser igual a la fracción de las observaciones
totales que están contenidas en el bloque; es decir,
nb
X
x2iu
u=1 nb
N
= ; i = 0; 1; :::; k para toda b
X N
x2iu
u=1
Observe que el diseño se ha dispuesto en dos bloques, con el primer bloque con-
sistiendo en la porción factorial del diseño más dos puntos centrales y el segundo
bloque consistiendo en los puntos axiales más dos puntos centrales adicionales. Es
claro que la condición 1 se satisface; es decir, ambos bloques son diseños de primer
orden ortogonales. Para investigar la condición dos, considere primero el bloque 1
y observe que
n1
X n1
X
x21u = x22u = 4
u=1 u=1
N
X N
X
x21u = x22u = 8 y n1 = 6
u=1 u=1
Por lo tanto,
n1
X
x2iu
u=1 n1
N
=
X N
x2iu
u=1
4 6
=
8 12
Así, la condición 2 se satisface en el bloque 1. Para el bloque 2 se tiene
n2
X n2
X
x21u = x22u = 4 y n2 = 6
u=1 u=1
Por lo tanto,
n2
X
x2iu
u=1 n2
N
=
X N
x2iu
u=1
4 6
=
8 12
Puesto que la condición 2 también se satisface en el bloque 2, este diseño está
formado de bloques ortogonales.
En general, el diseño central compuesto siempre puede construirse para hacer la
formación de bloques ortogonales en dos bloques con el primer bloque consistiendo
en nF puntos factoriales más nCF puntos centrales y el segundo bloque consistiendo
en nA = 2k puntos axiales más nCA puntos centrales. La primera condición de la
formación de bloques ortogonales se cumplirá siempre independientemente del valor
que se use para en el diseño. Para que la segunda condición se cumpla,
n2
X
x2iu
u=1 nA + nCA
(8.2) n1 =
X nF + nCF
x2iu
u=1
196 7. M ETODOLOGíA DE SUPERFICIE DE RESPUESTA
Cabe destacar dos puntos importantes acerca del análisis de varianza cuando
el diseño de super…cie de respuesta se ha corrido en bloques. El primero se re…ere
al uso de los puntos centrales para calcular una estimación del error puro. Sólo
los puntos centrales que se corren en el mismo bloque pueden considerarse como
réplicas, por lo que el término del error puro sólo puede calcularse dentro de cada
bloque. Si la variabilidad es consistente en todos los bloques, entonces estas esti-
maciones del error puro podrían agruparse. El segundo punto se re…ere al efecto
de bloque. Si el diseño se forma de bloques ortogonales en m bloques, la suma de
cuadrados de los bloques es
m
X B2 b G2
SSbloques =
nb N
b=1
1:5 x1 + x2
(8.5) y= 0 + 1 x1 + 2 x2 + 12 x1 x2 + 1 z1 + 11 x1 z1 + 21 x2 z1 +"
Observe que este modelo incluye los efectos principales de ambos factores con-
trolables, su interacción, el efecto principal de la variable de ruido y las dos inter-
acciones entre las variables controlables y la de ruido. A este tipo de modelo, el
cual incorpora a las variables controlables y las de ruido, suele llamársele : mod-
elo de respuesta o de reacción. Excepto cuando al menos uno de los coe…cientes
de regresión 11 y 21 sea diferente de cero, no habrá ningün problema de diseño
robusto.
Una ventaja importante del enfoque del modelo de respuesta es que tanto los
factores control com los factores de ruido pueden colocarse en un solo diseño exper-
imental; es decir, puede evitarse la estructura de los arreglos interior y exterior del
enfoque de Taguchi. Al diseño que contiene tanto los factores controlables como los
de ruido suele llamársele diseño de arreglo combinado.
Se supone que las variables de ruido son aleatorias, aun cuando son controlables
para los …nes de un experimento. Especí…camente, se supone que las variables de
ruido están expresadas en unidades codi…cadas, que tienen valor esperado cero,
varianza 2z ; y que si hay varias variables de ruido, tienen covarianzas cero. Bajo
estos supuestos es sencillo encontrar un modelo respuesta media tomando el valor
esperado de y en la ecuación (8.5). Se obtiene así
Ez (y) = 0 + 1 x1 + 2 x2 + 12 x1 x2
así:
dy
y = yz=0 + (z1 0) + R + "
dz1
= 0 + 1 x1 + 2 x2 + 12 x1 x2 + ( 1 + 11 x1 + 21 x2 ) z1 +R+"
donde f (x) es la porción del modelo que incluye sólo las variables controlables
y h(x; z) son los términos que incluyen los efectos principales de los factores de
ruido y las interacciones entre los factores controlables y los de ruido. De manera
8. DISEÑOS DE SUPERFICIES DE RESPUESTA 203
r
X k X
X r
h(x; z) = i zi + ij xi zj :
i=1 i=1 i=1
Xr 2
2 @y(x; z) 2
(8.8) Vz [y(x; z)] = z +
i=1
@zi
Los coe…cientes para el diseño de arreglo combinado, haciendo uso del mejor
anova
Coe…cientes de regresion para el índice de …ltración
constant 70,0625
A:Temperatura z1
10,8125
C:Concentración x2
4,9375
D:Velocidad x3
7,3125
AC x2 z1
-9,0625
AD x3 z1
8,3125
Utilizando los resultados encontrados, el modelo de respuesta es:
yb(x; z1 ) = 70; 06 + 10; 81z1 + 4; 94x2 + 7:31x3 9:06x2 z1 + 8; 3125x3 z1
y loss modelos de la media y la varianza son:
Ez [y(x; z1 )] = 70; 06 + 4; 94x2 + 7:31x3
2 2 2
Vz [y(x; z1 )] = z (10; 81 9:06x2 + 8; 31x3 ) +
2
Vz [y(x; z1 )] = z (116:91 + 82:08x22 + 69:06x23 195:88x2
2
+179:66x3 150:58x2 x3 ) +
respectivamente. Suponga ahora que los niveles bajo y alto de la variable de ruido,
temperatura, se corrieron a una desviación estándar a ambos lados de su valor típico
o promedio, de tal modo que 2z = 1, y que se usa b2 = 19:51 (éste es el cuadrado
medio de los residuales obtenido al ajustar el modelo de respuesta). Por lo tanto,
el modelo de la varianza queda como
donde se han sustituido las estimaciones de los parámetros del modelo de respuesta
ajustado en las ecuaciones de los modelos de la media y la varianza y, como en el
ejemplo anterior, se supone que 2z = 1. En las …guras 11-45 y 11-46 se presentan
las grá…cas de contorno de la media generada a partir de estos modelos. En este
problema es deseable mantenerla media del proceso abajo de 30. Al inspeccionar
las …guras 11-45 y 11-46, es claro que se necesitará hacer un ajuste si se quiere hacer
pequeña la varianza del proceso. Puesto que sólo hay dos variables controlables,
una forma lógica de llegar a este arreglo es superponer los contornos de la respuesta
media constante y la varianza constante, como se muestra en la …gura 11–47. Esta
grá…ca muestra los contornos para los que la media del proceso es menor o igual que
30 y la desviación estándar del proceso es menor o igual que 5. La región delimitada
por estos contornos representaría una zona de operación típica de respuesta media
baja y varianza del proceso baja.
9. EJERCICIOS: M ETODOLOGíA DE SUPERFICIE DE RESPUESTA 207
x1 x2 Y
-1 -1 54
-1 1 45
1 -1 32
1 1 47
-1.414 0 50
1.414 0 53
0 -1.414 47
0 1.414 51
0 0 41
0 0 39
0 0 44
0 0 42
0 0 40
Yb = 60 + 1:5x1 + 2x2
(a) Determine la trayectoria de ascenso máximo dado por el modelo. (b) Encuentre
cinco puntos sobre ella, utilice un paso unitario en la variable de mayor in‡uencia.
siguiente:
grá…camente.
Tratamiento N aP S H3 P O 2 IP A P eso mol Viscocidad
1 0 0 0 8392 1075
2 -1 -1 0 9895 2325
3 1 -1 0 9204 1575
4 -1 1 0 7882 690
5 1 1 0 7105 420
6 -1 0 -1 8939 1188
7 1 0 -1 8548 930
8 0 0 0 8598 920
9 -1 0 1 9152 1275
10 1 0 1 8992 860
11 0 -1 -1 10504 5600
12 0 1 -1 7462 540
13 0 -1 1 9368 1225
14 0 1 1 7772 620
15 0 0 0 8440 1015
Ejercicio 122. Supongamos el modelo ajustado dado por:
Yb = 8:25 + 0:0396x1 + 0:1884x2 0:4313x21 0:3563x22 + 0:3x1 x2
(a) Dibuje la super…cie descrita por el modelo. (b) ¿Qué tipo de super…cie es? (c)
Encuentre el punto estacionario y diga de que tipo es. (d) Encuentre un punto
sobre la dirección de mínima pérdida a partir del punto estacionario.
Ejercicio 123. Supongamos el modelo ajustado dado por:
Yb = 10:46 0:57x1 +0:18x2 +0:45x3 0:67x21 +0:56x22 0:27x23 0:67x1 x2 +1:18x1 x3 +0:23x2 x3
(a) Encuentre el punto estacionario y diga de que tipo es. (b) Si se obtiene un
punto silla, realice un análisis de cordillera.
Ejercicio 124. El diseño hexagonal que se presenta a continuación se usa en
un experimento que tiene como objetivo ajustar un modelo de segundo orden. (a)
Ajustar el modelo de segundo orden. (b) Efectuar el análisis canónico. ¿Quét tipo
de super…cie se ha encontrado? (c) ¿Que condiciones de operación para x1 y x2
llevan al punto estacionario? (d) ¿Dónde se correría este proceso si el objetivo es
obtener una respuesta que esté tan cerca de 65 como sea posible?
x1 x2 Y
1 0 68
p
0,5 0; 75 74
p
-0,5 0; 75 65
-1 0 60
p
-05 0; 75 63
p
0,5 0; 75 70
0 0 58
0 0 60
0 0 57
0 0 55
0 0 69
9. EJERCICIOS: M ETODOLOGíA DE SUPERFICIE DE RESPUESTA 211
Reactivo % de droga
A B recuperada
10 20 32 35
40 20 44 47
10 50 51 53
40 50 68 72
25 35 48 53
(a) Estime la varianza del error experimental. (b) Estime la ecuación de respuesta
lineal y los errores estándard. ¿? ¿Son signi…cativos los efectos lineales de los
reagentes? (c) Estime 12 para la interacción AB y el error estandard de la es-
timación. ¿Existe una interacción signi…cativa? (d) Estime el alejamiemto de la
super…cie lineal 11 + 22 ; y el error estandard de la estimación. ¿Es signi…cativo
el alejamiento? (e) Determine los primeros cinco pasos en la trayectoria de mayor
pendiente a partir del centro del diseño en etapas de una unidad en x1 para el
reactivo A y muestre los niveles de ambos factores en cada una.
(a)¿Qué tipo de diseño usaron los experimentadores?¿Es ésta una buena elección
del diseño para ajustar un modelo cuadrático? (b) Construir los modelos para ambas
respuestas. (c) Encontrar un conjunto de condiciones óptimas que resulten en una
media tan grande como sea posible con la desviación estandard menor que 60
Velocidad
Nivel Temperatura de agitación presión x1 x2 x3
Alto 200 10.0 25 +1 +1 +1
Intermedio 175 7.5 20 0 0 0
Bajo 150 5.0 15 -1 -1 -1
9. EJERCICIOS: M ETODOLOGíA DE SUPERFICIE DE RESPUESTA 213
Corrida x1 x2 x3 Y1
1 -1 -1 0 535
2 +1 -1 0 580
3 -1 +1 0 596
4 +1 +1 0 563
5 -1 0 -1 645
6 +1 0 -1 458
7 -1 0 +1 350
8 +1 0 +1 600
9 0 -1 -1 595
10 0 +1 -1 648
11 0 -1 +1 532
12 0 +1 +1 656
13 0 0 0 653
14 0 0 0 599
15 0 0 0 620
(a) Ajustar el modelo de segundo orden. (b) Efectuar el análisis canónico. ¿Quét
tipo de super…cie se ha encontrado? (c) ¿Que condiciones de operación para x1 ; x2
y x3 llevan al punto estacionario? (d) ¿Dónde se correría este proceso si el objetivo
es obtener una respuesta que esté tan cerca de 600 como sea posible?
Ejercicio 128. Los datos que se presentan en la siguiente tabl1a fueron recopi-
lados en un experimento para optimizar el crecimiento de cristales en función de
las tres variables x1 ; x2 ; x3 : Se buscan valores altos de Y (rendimiento den gramos).
(a) ¿Qué diseño se empleó? (b) Ajuste un modelo de segundo orden y determine los
componentes signi…cativos y más importantes. (c) ¿El modelo describe adecuada-
mente la super…cie? Argumente. (d) Considere las dos variables independientes
más importantes en el modelo y obtenga la super…cie de respuesta y de contornos
en función de éstas. (e) ¿Con la super…cie que se encontró en el inciso anterior se
puede hacer algún tipo de inferencia? Argumente. (f ) Veri…que los supuestos para
el modelo. ¿Observa algo relevante? (g) Observe las respuestas obtenidas en los
puntpos centrales del diseño. ¿esto le ayuda a explicar lo que ocurrió? Argumente.
214 7. M ETODOLOGíA DE SUPERFICIE DE RESPUESTA