UNIVERSIDAD NACIONAL DEL SANTA

Facultad De Ingeniera
E.A.P. Agroindustrial
Ao de la Inversin para el Desarrollo
Rural y la Seguridad Alimentaria
CURSO:

Metodologa de la Investigacin Cientfica

TEMA:

Optimizacin de procesos con metodologa de

superficie de respuesta
DOCENTE:
Pedro Gamarra Leiva
INTEGRANTES:

Contreras Prado Elizabt.

Purisaca Salinas Johanna Paola.
Carbajal Gonzales Esther

OPTIMIZACIN DE PROCESOS CON

METODOLOGA DE SUPERFICIE DE RESPUESTA

DEFINICIN
DEFINICIN
La metodologa de Superficies de Respuesta es un conjunto
de tcnicas matemticas y estadsticas utilizadas para
modelar y analizar problemas en los que una variable de
inters es influenciada por otras.

OBJETIVO
El objetivo es optimizar la variable de Inters.
Esto se logra al determinar las condiciones ptimas de
operacin del sistema.

CONCEPTOS BSICOS
FACTORES
Son las condiciones de proceso que influencian la variable
de respuesta.
Estos pueden ser cuantitativos o cualitativos.

RESPUESTA
Es una cantidad medible cuyo valor se ve afectado al
cambiar los niveles de los factores.
El inters principal es optimizar dicho valor.

CONCEPTOS BSICOS
REGIN DE OPERABILIDAD DEL PROCESO
Est delimitada por el conjunto de puntos donde el equipo
o proceso puede ser operado, una aproximacin a esta
regin puede venir especificada por el fabricante del equipo
(al menos para algunas variables en forma independiente);
aunque es poco probable que esta regin est delimitada con
100% de confiabilidad, pues muchas variables interactan y el
efecto de esas interacciones puede no ser conocido o no ser
medido.

REGIN DE EXPERIMENTACIN DEL PROCESO

Est delimitado por lo rangos de experimentacin utilizados
en cada factor, ya sea, que hayan sido seleccionados de
manera aleatoria (efectos aleatorios) o a criterio (efectos fijos)
del investigador.
Es importante tener en cuenta entonces que la regin de
operabilidad debe contener a la regin de experimentacin.

CONCEPTOS BSICOS
CURVAS DE NIVEL (Grficos de contorno)
Permite ubicar sobre una regin tridimensional calculada con
base en un modelo matemtico y casi siempre probabilstico
aquellos puntos sobre los cules la variable de respuesta
toma el mismo valor; cada punto se representa acorde con el
modelo de regresin que se obtiene al analizar la informacin
experimental.

OJO:
Un diseo experimental por si solo tiene como objetivo localizar el
tratamiento ganador de entre todos aquellos que son probados;
y RSM pretende localizar las condiciones ptimas de operacin
del proceso, de tal manera que plantea un reto mucho ms fuerte
para el investigador y requiere de una estrategia ms completa,
que incluye la posibilidad de efectuar varios experimentos
secuenciales y el uso de tcnicas matemticas ms avanzadas.

CONCEPTOS BSICOS
En el caso de RSM representan el mismo valor estimado
para la variable de respuesta el cul es generalmente
ocasionado por infinitas combinaciones de valores de los
factores experimentales.
Una ventaja de la superficie de respuesta es que se
pueden observar las estimaciones de la respuesta en
todos los posibles niveles de los factores estudiados.

ESTRATEGIA:
La estrategia de anlisis supone que el promedio (media) de la
variable de respuesta est en funcin de los niveles cuantitativos
representados por los factores x1, x2, ...., xk. Los modelos
polinomiales son los utilizados para efectuar una aproximacin
prctica a la funcin de respuesta verdadera o real (aquella que
slo DIOS conoce).

CONCEPTOS BSICOS
Los desarrollos incorporados hasta ahora en programas
computacionales (por ejemplo MINITAB) permiten analizar
fcilmente y en forma grfica modelos polinomiales de primer
(efectos lineales y de interaccin) y segundo orden (efectos
lineales, cuadrticos y de interaccin).

PUNTOS FAVORABLES:
Permite estimar las condiciones ptimas de
operacin
de
un
proceso
y
mejorar
significativamente su resultado en cuanto a costos,
tiempos, eficiencia, productividad, cumplimiento de
especificaciones y en fin, mejorar su calidad.
Permite que el investigador inspeccione de manera
visual, la respuesta promedio para cierta zona de los
niveles de los factores de inters y evaluar su
sensibilidad a dichos factores.

METODOLOGA
Para aplicar RSM se requiere cumplir con los siguientes pasos:

REDUCCIN DE DIMENSIONALIDAD:
Consiste esencialmente en seleccionar de entre muchos, los
factores que ms significativamente afectan la caracterstica o
caractersticas de calidad que se pretenden optimizar.
Si bien debe ser claro que el resultado de cada caracterstica de
calidad se produce por la interaccin de miles y hasta millones
de otras variables que la afectan en mayor o menor proporcin;
ser bastante complicado y adems costoso manipular muchos
factores, por experiencia se conoce que al manejar informacin
con ms de cuatro factores los anlisis comienzan a ser muy
dispendiosos y los efectos tienden a confundirse.
Entonces se puede proceder con informacin histrica
reciente recolectada del proceso a estimar la
influencia de cada uno de los factores sobre la variable
de respuesta.

METODOLOGA
Para este procedimiento se recomienda en Anlisis de
Varianza ANOVA.
Existe la alternativa de correr un experimento factorial; pero
de ambas formas y con el concurso del conocimiento tcnico
que sobre el proceso se tenga, el resultado esperado es
seleccionar en lo posible de 2 a 4 factores como aquellos que
con mayor probabilidad afectan significativamente la
caracterstica a optimizar.

EXPERIMENTO CON MODELO DE 1ER ORDEN:

Una vez cumplida la etapa de reduccin de dimensionalidad, se
efecta un estudio ms completo y controlado de dichos
factores. Los tipos de diseo ms utilizados en esta etapa son:
Diseos 2k: El cul indica que se estimar el efecto
que sobre la caracterstica de calidad presentan k
factores, cada uno de estos probado en 2 niveles
(nivel alto y nivel bajo); se probarn entonces 2k
tratamientos.

METODOLOGA
Diseos fraccionados 2k-p: El cul indica que se estimar el
efecto que sobre la caracterstica de calidad presentan k
factores, pero no se probarn todos los 2k posibles
tratamientos, sino que el nmero de tratamientos se reduce a
2k-p, permitiendo de esta manera estimar ms efectos a un
menor costo.
Otros mtodos alternativos son los Simples y los diseos de
Placket-Burman.

La ecuacin matemtica de un modelo de primer orden

con factores x1 y x2 es:
y = 0+ 1 x1+ 2 x2+ 12 x1 x2+
Donde:
y= Valor promedio de la variable de respuesta (Rendimiento).
0= Valor promedio de la respuesta, en ausencia del efecto de los factores x1 y x2.
1= Razn de cambio (efecto lineal) del factor 1 sobre la respuesta promedio.
2= Razn de cambio (efecto lineal) del factor 2 sobre la respuesta promedio.
12= Razn de cambio del efecto de interaccin entre x1 y x2
sobre la respuesta promedio.
= Trmino de error (efectos no explicados por el modelo

METODOLOGA
El objetivo principal de esta etapa es confirmar la influencia
significativa de los factores sobre la caracterstica de calidad a
optimizar, determinar la significancia de las interacciones
entre dichos factores, estimar el modelo de regresin que
describa el comportamiento del efecto de dichos factores y
determinar en que direccin se encuentran las condiciones ms
probables para optimizar la caracterstica de calidad.

MTODO DE ESCALAMIENTO ASCENDENTE O

DESCENDENTE:
Permite con base en el modelo estimado por un diseo de
primer orden, determinar nuevos puntos o tratamientos,
generalmente se calculan 4 o 5 puntos de los cules, el
primero corresponde al centro del experimento de primer
orden y los ltimos deben estar por fuera de la regin
experimental anteriormente sealada.

METODOLOGA
EXPERIMENTO CON MODELO DE 2do ORDEN:
El objetivo primordial de esta etapa es modelar el
comportamiento del proceso en una regin muy precisa y
relativamente pequea, para determinar la combinacin de
factores que con mayor probabilidad se puede considerar como
candidato a ptimo. Es esencial entonces, que los
procedimientos anteriores (Diseo de primer orden, Deteccin
de curvatura, Escalamiento Ascendente-Descendente) se hayan
cumplido de manera rigurosa.
Los diseos de segundo orden de uso ms frecuente son:
Diseo Central Compuesto(DCC)
Diseo de Box-Behnken

METODOLOGA
La ecuacin matemtica de un modelo de segundo orden
con factores x1 y x2 es:
y= 0+ 1 x1+ 2 x2+ 11 x21+ 22 x22+ 12 x1 x2+
Donde:
y = Valor promedio de la variable de respuesta (Rendimiento).
0 = Valor promedio de la respuesta, en ausencia del efecto de los factores x1 y x2.
1 = Razn de cambio (efecto lineal) del factor 1 sobre la respuesta promedio.
2 = Razn de cambio (efecto lineal) del factor 2 sobre la respuesta promedio.
11 = Razn de cambio (efecto cuadrtico) del factor 1 sobre la respuesta
promedio.
22 = Razn de cambio (efecto cuadrtico) del factor 1 sobre la respuesta
promedio.
12 = Razn de cambio del efecto de interaccin entre x1 y x2 sobre la respuesta
promedio.
= Trmino de error (efectos no explicados por el modelo).

METODOLOGA
METODOLOGA DE SUPERFICIES CON
RESPUESTAS MLTIPLES:
Se requiere primero construir un modelo de superficie de respuesta
apropiado para cada respuesta y despus intentar encontrar un
conjunto de condiciones de operacin que optimice brinde la
mejor respuesta posible del conjunto de variables o caractersticas
de calidad.
Un enfoque relativamente directo para optimizar varias
respuestas, que es utilizado y funciona bien en escenarios
reales cuando se tienen pocas (hasta 3) variables de respuesta
y pocos factores (hasta 2) es la superposicin de las grficas
de contorno independientes de cada respuesta; mediante
este mtodo el investigador efecta una inspeccin visual para
determinar alguna zona de interseccin que brinde el mejor
valor posible para las mltiples respuestas; al menos
optimizar aquella variable que el investigador considera ms
importante y manteniendo las otras respuestas dentro de un
rango de tolerancia.

Un ingeniero qumico est interesado en determinar las condiciones de

operacin que maximizan el rendimiento de un proceso. Hay dos
variables de control que influyen Tiempo de reaccin y temperatura de
reaccin, el punto de operacin actual es 35 minutos y 155F que da un
rendimiento del 40% aproximadamente.
Se hace un diseo experimental variando el tiempo (30 a 40
minutos) y la temperatura (150 a 160F).
Por simplicidad se codifican las variables en el intervalo (-1, 1). Si
las variables codificadas son X1 y X2:

Desarrollo en software
Seleccionar la opcin: Crear y analizar experimento

Definir respuestas

Definir factores

Seleccionar diseo y especificar diseo

Evaluar diseo

Resultados
Paso 1: Definir las variables respuesta a ser medidas
Nombre

Unidades

Rendimiento Porcentaje

Analizar

Objetivo

Media

Maximizar

Destino Impacto Sensibilidad Bajo

3.0

Medio

39.3

Alto
40.7

Paso 2: Definir los factores experimentales que van a variar

Nombre
A:Tiempo de reaccion
B:Temperatura de reaccion

Unidades

Tipo

Papel

Bajo

Alto

min

Continuo

Controlable

30.0

40.0

Continuo

Controlable

150.0

160.0

Niveles

Paso 3: Seleccione el diseo experimental

Puntos
Tipo of

Diseo

Punto Central

Diseo es

Nmero de

Centrales
Factores

Tipo

Por Bloque

Colocacin

Aleatorio

Aleatorizado Replicaciones

Factorial de 3 niveles:
Proceso
3^2

Total

Total

Error

Ejecuciones

Bloques

D.F.

Tablas
Tabla ANOVA

Origen

D.F.

Modelo

Error total

Falta de ajuste

Error puro

Total (corr.)

Coeficientes del Modelo

Coeficiente t Standard Error

A
0.408248
B
0.408248
AA
0.707107
AB
0.5
BB
0.707107

VIF
1.0
1.0
1.0
1.0
1.0

R-Cuadrado
0.0
0.0
0.0
0.0
0.0

Potencia at Potencia
SN = 0.5
SN = 1.0
7.30%
14.18%
7.30%
14.18%
5.76%
8.06%
6.53%
11.13%
5.76%
8.06%

Potencia
SN = 2.0
39.53%
39.53%
17.21%
28.88%
17.21%

Graficas