UNIVERSIDAD NACIONAL JORGE

BASADRE GROHMANN
FACULTAD DE CIENCIAS JURDICAS Y EMPRESARIALES
ESCUELA ACADMICO PROFESIONAL DE
INGENIERA COMERCIAL

SUPERFICIES DE
RESPUESTA
DISEO EXPERIMENTAL

PROFESOR:
ALUMNOS:

DR. HUMBERTO ESPADA

CHINO, Daydith
MARCA, Fanny
MAMANI, Aydee
PREZ, Jimmy
VELASQUEZ, Alicia

SUPERFICIES DE RESPUESTA

NDICE
INTRODUCCION............................................................................................................................. 2
OBJETIVO DEL ESTUDIO .................................................................................................... 3

I.

1.1

OBJETIVOS GENERALES ............................................................................................ 3

1.2

OBJETIVOS ESPECIFICOS .......................................................................................... 3

II.

MARCO TEORICO ............................................................................................................. 4

2.1

DEFINICION .................................................................................................................... 4

2.2

CARACTERISTICAS ...................................................................................................... 4

2.3

FINALIDAD ...................................................................................................................... 5

2.4

TERMINOLOGA. ........................................................................................................... 5

2.5
VENTAJAS Y DESVENTAJAS DEL ANALISIS DE SUPERFICIES DE
RESPUESTAS. .............................................................................................................................. 8
2.6

ELEMENTOS DE LA MSR............................................................................................. 8

2.7

METODOLOGA DE SUPERFICIE DE RESPUESTA............................................... 9

2.8

TCNICAS DE OPTIMIZACIN................................................................................ 10

2.9

PRINCIPALES PROPIEDADES DE SUPERFICIE DE RESPUESTA} .................. 16

2.10

DISEOS DE SUPERFICIE DE RESPUESTA........................................................... 17

III.

APLICACIN A LA INGENIERA COMERCIAL ....................................................... 20

3.1

PLANTEAMIENTO ....................................................................................................... 20

3.2

DESARROLLO DEL CASO SOFTWARE STATGRAPHICS ................................. 20

CONCLUSIONES ........................................................................................................................... 29

DISEO EXPERIMENTAL

SUPERFICIES DE RESPUESTA

INTRODUCCION
La metodologa de superficies de respuesta, es una coleccin de tcnicas de diseo
experimental, mtodos de regresin y optimizacin de procesos. La base est en encontrar
niveles ptimos de un factor sobre una respuesta. Se hacen pocos experimentos y se enfoca
la atencin sobre los niveles donde la respuesta es ptima por lo que se considera una
experimentacin secuencial. Su nacimiento se desarroll alrededor de la ingeniera qumica,
por la necesidad de encontrar un modelo que correlacionaras diversos factores influyentes en
los procesos de reaccin qumica.

DISEO EXPERIMENTAL

SUPERFICIES DE RESPUESTA

SUPERFICIES DE RESPUESTA
I.

OBJETIVO DEL ESTUDIO

1.1 OBJETIVOS GENERALES

Explicar el concepto de optimizacin y su relacin con la superficie de

respuesta.

Aplicar la metodologa de superficie de respuesta y sus respectivos

diseos y modelos.

Describir las tcnicas de optimizacin y aplicarlas adecuadamente.

1.2 OBJETIVOS ESPECIFICOS

Acopiar informacin precisa y necesaria para el desarrollo de la Anlisis

de superficies de Respuesta.

Implementar el modelo de Anlisis de Superficies de Respuesta con bases

aplicables a la ingeniera comercial.

Desarrollar el modelo de Anlisis de Superficie de Respuesta, de manera

clara y especfica para su debida comprensin.

Demostrar la utilizacin de paquetes estadsticos como una forma fcil y

practica en el Anlisis de Superficie de Respuesta.

Saber aplicar el Anlisis de Superficies de Respuesta, con ayuda del

statgraphics.

DISEO EXPERIMENTAL

SUPERFICIES DE RESPUESTA

II.

MARCO TEORICO
2.1 DEFINICION
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. El objetivo es optimizar la
variable de inters. Esto se logra al determinar las condiciones ptimas de
operacin del sistema.
La MSR es la estrategia experimental y de anlisis que permite resolver el
problema de encontrar las condiciones de operacin ptimas de un proceso, es
decir, aquellas que dan por resultado valores ptimos de una o varias
caractersticas de calidad del producto.
La Metodologa de la Superficie de Respuesta (RSM) 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. El propsito inicial de estas
tcnicas es disear un experimento que proporcione valores razonables de la
variable respuesta y, a continuacin, determinar el modelo matemtico 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 ptimas de operacin del sistema.
La diferencia entre (RSM) y un diseo experimental corriente estriba en que un
diseo 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 ptimas de operacin del proceso. Ello supone un reto
para el investigador, requiere una estrategia ms completa e incluye la posibilidad
de efectuar varios experimentos secuenciales y el uso de tcnicas matemticas
ms avanzadas.

2.2 CARACTERISTICAS
La caracterstica del sistema de superficie de respuesta (mximo, mnimo, o punto
silla):

DISEO EXPERIMENTAL

SUPERFICIES DE RESPUESTA

Genera una distribucin satisfactoria de los puntos experimentales sobre

la regin experimental. Los diseos ms utilizados son puntos distribuidos
de manera uniforme sobre la regin experimental, o cuando menos tienen
alguna simetra con respecto al centro de sta.
Requiere un nmero mnimo de corridas experimentales, ya que en cada
prueba realizada se gastan recursos que siempre son escasos.
Permitir que otros diseos de orden mayor se construyan a partir de l.
Esto permite que, cuando el comportamiento de la respuesta resulta ser
ms complicado de lo que se pensaba (por ejemplo, se detecta curvatura),
se agregan puntos adicionales al diseo para tratar de explicar ese
comportamiento.
Permite la deteccin de la falta de ajuste, para lo cual se requieren
repeticiones al menos en el centro del diseo.
Proporciona un estimador puro de la varianza del error, lo cual se logra
con repeticiones al menos en el punto central.

2.3 FINALIDAD

Es optimizar la variable de inters. Esto se logra al determinar las condiciones

ptimas de operacin del sistema.
La Metodologa de Superficies de Respuesta es la estrategia experimental y de
anlisis que permite resolver el problema de encontrar las condiciones de
operacin ptimas de un proceso, es decir, aquellas que dan por resultado valores
ptimos de una o varias caractersticas de calidad del producto.

2.4 TERMINOLOGA.
A continuacin se presenta la terminologa que se utilizar:
Factores.
Son las condiciones del proceso que influencian la variable de respuesta.
Estos pueden ser cuantitativos o cualitativos.
Respuesta.
DISEO EXPERIMENTAL

SUPERFICIES DE RESPUESTA

Es una cantidad medible cuyo valor se ve afectado al cambiar los niveles

de los factores. El inters principal es optimizar dicho valor.
Funcin de respuesta.
Al decir que un valor de respuesta Y depende de los niveles x1, x2, ... xk de
k factores, x1, x2,... xk, estamos diciendo que existe una funcin matemtica
de x1, x2, ... xk cuyo valor para una combinacin dada de los niveles de los
factores corresponde a Y, esto es Y=f(x1, x2, ... xk.).
Funcin de respuesta predicha.
La funcin de respuesta se puede representar con una ecuacin
polinomial. El xito en una investigacin de una superficie de respuesta
depende de que la respuesta se pueda ajustar a un polinomio de primer o
segundo grado.
Supongamos que la funcin de respuesta para los niveles de dos factores
se puede expresar utilizando un polinomio de primer grado:
Y = b0 + b1x1 + b2x 2
donde b0, b1, b2 son los coeficientes de regresin a estimar,

x1 y x2

representan los niveles de x1 y x2 respectivamente. Suponiendo que se

recolectan N3 valores de respuesta (Y), con los estimadores b0, b1 y b2 se
obtienen b0, b1 y b2 respectivamente. Al remplazar los coeficientes de
regresin por sus estimadores obtenemos:
Y = b0 + b1x1 +b2x 2
donde Y denota el valor estimado de Y dado por x1 y x2.
Superficie de respuesta
La relacin 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 est en k+1
dimensiones. Por ejemplo cuando se tiene Y=f(x1.) la superficie esta en dos
dimensiones como se muestra en la figura 2.1 (Cornell [12] (1990)),
mientras que si tenemos Y=f(x1, x2.) la superficie est en tres dimensiones,
esto se observa en la figura 2.2 (Cornell [12] (1990)).

DISEO EXPERIMENTAL

SUPERFICIES DE RESPUESTA

Superficie de respuesta en dos dimensiones

Grfica de contornos.
La grfica de contornos facilita la visualizacin de la forma de una
superficie de respuesta en tres dimensiones. En sta las curvas de los
valores iguales de respuesta se grafican en un plano donde los ejes
coordenados representan los niveles de los factores. Cada curva representa
un valor especfico de la altura de la superficie, es decir un valor especfico
de Y . Esto se muestra en la figura 2.3 (Cornell [12] 1990). Esta grfica
nos ayuda a enfocar nuestra atencin en los niveles de los factores a los
cuales ocurre un cambio en la altura de la superficie.
Regin experimental.
La regin experimental especifica la regin de valores para los niveles de
los factores. Esto se puede hacer empleando los niveles actuales de
operacin para cada factor; si se desea explorar el vecindario se
incrementa y decrementa el valor del nivel en una cantidad determinada.

DISEO EXPERIMENTAL

SUPERFICIES DE RESPUESTA

Superficie de respuesta tridimensional

2.5 VENTAJAS Y DESVENTAJAS DEL ANALISIS DE SUPERFICIES DE

RESPUESTAS.
2.5.1

VENTAJAS:

La MSR es la estrategia experimental y de anlisis que permite

resolver el problema de encontrar las condiciones de operacin
ptimas de un proceso.

Ofrece por resultado valores ptimos de una o varias

caractersticas de calidad de un producto.

2.5.2

DESVENTAJAS:

Tiene un nivel de complejidad elevado al de un diseo

experimental simple.

2.6 ELEMENTOS DE LA MSR

La metodologa de superficie de respuesta implica tres aspectos: diseo, modelo
y tcnica de optimizacin. El diseo y el modelo se piensan al mismo tiempo, y
dependen del tipo de comportamiento que se espera en la respuesta. De manera
especfica, el modelo puede ser de primero o segundo orden (plano o con
curvatura); por ello, el tipo de diseo utilizado y el mtodo de optimizacin se
clasifican, segn sea el caso, como de primero o segundo orden.
DISEO EXPERIMENTAL

SUPERFICIES DE RESPUESTA

El aspecto diseo implica que para optimizar un proceso se debe aplicar

el diseo de experimentos, en particular aquellos que sirven para ajustar
un

modelo de regresin lineal mltiple. Ms adelante se presentan

algunos de estos diseos, conocidos genricamente como diseos para

superficie de respuesta.
El aspecto del modelo utiliza el anlisis de regresin lineal mltiple, junto
con sus elementos bsicos que son: parmetros del modelo, modelo
ajustado, significancia del modelo, prueba de falta de ajuste, residuos,
predichos, intervalos de confianza para predichos y coeficiente de
determinacin.
Por ltimo, el aspecto de optimizacin est formado por algunas tcnicas
matemticas que sirven para que, dado un modelo ajustado, explorarlo a
fin de obtener informacin sobre el punto ptimo. Conviene recordar
tcnicas como: derivadas de funciones, multiplicadores de Lagrange,
operaciones con matrices, valores y vectores propios y sistemas de
ecuaciones simultneas.

2.7 METODOLOGA DE SUPERFICIE DE RESPUESTA

Se distinguen tres etapas en la bsqueda del punto ptimo, que son:
Cribado: La optimizacin de un proceso se inicia con esta etapa cuando
tiene muchos factores (ms de 6 u 8) que influyen en la variable de inters.
Bsqueda I o de primer orden: Esta etapa se aplica cuando se tienen pocos
factores (k 5), y se sabe que stos influyen en la variable de respuesta.
En esta etapa se corre un diseo de primer orden que permita caracterizar
en forma preliminar el tipo de superficie de respuesta y detectar la
presencia de curvatura. Por lo general se utiliza un diseo factorial
completo o fraccionado con repeticiones al centro.
Bsqueda II o de segundo orden: En el momento en que se detecta la
presencia de curvatura, o bien, que la superficie es ms complicada que
un hiperplano, se corre o se completa un diseo de segundo orden para

DISEO EXPERIMENTAL

SUPERFICIES DE RESPUESTA

caracterizar mejor la superficie y modelar la curvatura. Con el modelo

ajustado se determinan las condiciones ptimas de operacin del proceso

2.8 TCNICAS DE OPTIMIZACIN

Una vez que se tiene el modelo debidamente ajustado y validado se procede a
explorar la superficie descrita por el modelo para encontrar la combinacin de
niveles en los factores que dan por resultado un valor ptimo de la respuesta, o
bien, para determinar la direccin ptima de movimiento en la que se debe
experimentar en el futuro. Si el modelo no explica un mnimo de 70% del
comportamiento de la respuesta, en trminos del R2aj, no se recomienda utilizarlo
para fines de optimizacin porque su calidad de prediccin es mala. En adelante
supondremos niveles codificados para los factores (1, +1), lo cual facilita las
interpretaciones y los clculos. Por lo que siempre que se encuentren las
condiciones ptimas o la direccin de experimentacin futura, primero se har en
condiciones codificadas y despus eso se debe traducir a condiciones o niveles
reales. Aunque el uso de un software puede evitar el uso de cdigos.
La tcnica de optimizacin a utilizar depende del tipo de modelo ajustado y
existen bsicamente tres mtodos, que son:
Escalamiento ascendente (o descendente).
Anlisis cannico.
Anlisis de cordillera.
El escalamiento ascendente es para el modelo de primer orden y las otras dos
Tcnicas son para el modelo de segundo orden. A continuacin se describen cada
uno de estos mtodos.
2.8.1

Escalamiento ascendente (descendente)

Cuando la variable de respuesta de inters es del tipo: mientras ms grande
es mejor, se tiene un escalamiento ascendente; pero si lo que interesa es:
mientras ms pequea mejor, se trata de escalamiento descendente.
De aqu en adelante, diremos simplemente escalamiento ascendente, en
lugar de escalamiento ascendente (descendente), puesto que el
escalamiento descendente se convierte en ascendente al cambiar los
DISEO EXPERIMENTAL

10

SUPERFICIES DE RESPUESTA

signos de los trminos del modelo ajustado. Cuando la respuesta es del

tipo: el valor nominal es lo mejor, el problema es localizar la curva de
nivel especfica que tenga la altura o valor requerido de la variable de
respuesta. En este caso, cada punto sobre la curva de nivel es una solucin,
y de todos ellos se elige el de menor variabilidad y/o menor costo.
La tcnica de optimizacin de escalamiento se aplica cuando, de acuerdo
con la valoracin inicial, se cree que se est lejos de la condicin ptima,
por lo que ser necesario explorar una regin de experimentacin inicial
y a partir de sta determinar una direccin en la cual experimentar fuera
de la regin inicial.
As, a partir del conocimiento que ya se tiene del problema es preciso
seleccionar los niveles de los factores para determinar la regin de
exploracin. A continuacin se corre un diseo de primer orden
(tpicamente un diseo 2k completo o fraccionado con puntos al centro)
para explorar la regin experimental determinada antes. Se analizan con
detalle los resultados y se ajusta un modelo de primer orden con niveles
codificados. Si ste explica satisfactoriamente la variabilidad observada
es necesario continuar como se indica ms adelante, de lo contrario,
investigar a qu se debe la falta de ajuste: Mucha variabilidad?
Curvatura? Regin ms complicada? y proceder en consecuencia. Con
el siguiente ejemplo vamos a ilustrar la metodologa.
2.8.2

Anlisis cannico
Se aplica un diseo de segundo orden cuando se quiere explorar con ms
amplitud una regin experimental y/o cuando se espera que el punto
ptimo ya est cerca (probablemente dentro de la regin experimental). El
anlisis cannico es una de las tcnicas para analizar el modelo de segundo
orden y consiste en los siguientes pasos:
1. A partir del conocimiento que ya se tiene del problema,
seleccionar los niveles de los factores para determinar la regin de
exploracin.

DISEO EXPERIMENTAL

11

SUPERFICIES DE RESPUESTA

2. Correr un diseo de segundo orden (un diseo de composicin

central, por ejemplo) para explorar la regin experimental
determinada antes.
3. Ajustar un modelo de segundo orden con niveles codificados. Si
ste explica bien la variabilidad observada continuar al siguiente
paso; de lo contrario, investigar por qu la falta de ajuste (mucha
variabilidad?, regin ms complicada?) y proceder en
consecuencia.
4. Encontrar las coordenadas del punto estacionario.
5. Expresar el modelo ajustado en su forma cannica. El anlisis
cannico consiste en reescribir el modelo ajustado de segundo
orden en su forma cannica, es decir, se expresa en trminos de
nuevas variables llamadas variables cannicas, las cuales son
transformaciones de las variables codificadas. La ventaja es que la
ecuacin cannica proporciona informacin a simple vista sobre
el tipo de superficie que se est observando y sobre su forma.
6. Evidenciar la relacin entre las variables cannicas y las variables
codificadas.
En la prctica, si se cuenta con un software adecuado no necesaria mente
se siguen los ltimos tres pasos del anlisis cannico. La mejor estrategia
ser encontrar, primero los coeficientes de la ecuacin cannica que
indican el tipo de superficie observa da y slo si sta es del tipo que
interesa (por ejemplo mximo), entonces se procede a localizar las
coordenadas del punto estacionario. Si la superficie encontrada no es del
tipo deseado se sigue el anlisis de cordillera descrito en la siguiente
subseccin. Sin embargo, primero veamos cmo determinar el punto
estacionario, dado que interviene en el trmino independiente de la
ecuacin cannica.
Determinacin del punto estacionario (candidato a ptimo). El punto
estacionario es el punto (x10, x20, , xk0) en el espacio de factores,
sobre el cual el plano tangente a la superficie tiene pendiente igual a cero.
DISEO EXPERIMENTAL

12

SUPERFICIES DE RESPUESTA

Por ejemplo, si la superficie tiene un mximo, el punto estacionario es

justo el punto donde se ubica ese mximo.
De aqu que el punto estacionario sea un candidato natural a punto ptimo,
que resulta electo slo cuando es del tipo que interesa y se encuentra
dentro de la regin experimental. Podra pasar que aunque se est
buscando un mximo, el punto estacionario sea un mnimo o punto silla,
en cuyo caso evidentemente no se tratara del ptimo buscado.
Suponga que ya se realizaron los tres primeros pasos de un anlisis
cannico, y que por lo tanto ya se tiene ajustado un modelo de segundo
orden:

Para el cual se quiere encontrar su punto estacionario (donde la derivada

es igual a cero). El punto se localiza derivando al modelo con respecto a
cada variable xi, igualando a cero y resolviendo en forma simultnea todas
las ecuaciones. Todo esto se facilita si el modelo se reescribe en notacin
matricial como:

Donde x= (xl, x2,, xk) es cualquier punto en la regin de operabilidad

del proceso, en unidades codificadas; el vector b son los coeficientes de
la parte lineal (efectos principales) del modelo y la matriz B son los
coeficientes de las interacciones y de los trminos cuadrticos puros. Esto
es:

DISEO EXPERIMENTAL

13

SUPERFICIES DE RESPUESTA

Derivando el modelo dado por (12.3) con respecto al vector X e igualando

a cero se obtiene:

Resolviendo para X se llega a que el punto estacionario est dado por:

donde Bl es la inversa de la matriz B.

2.8.3

Anlisis de cordillera
Muchas veces, el punto estacionario no es del tipo que se requiere, y en
esos casos la opcin es encontrar el mejor punto posible dentro de la
regin experimental. Este punto se ubica sobre la cordillera ptima a partir
del centro del diseo, y es aquel que predice la mejor respuesta sobre la
regin. Esta bsqueda se hace precisamente con el llamado anlisis de
cordillera, que consiste en calcular el mximo o mnimo de la superficie
de respuesta sobre esferas concntricas al centro del diseo, empezando
por una esfera de radio casi cero y posteriormente se abre la exploracin
incrementando el radio de la siguiente esfera. As se contina hasta llegar
a la primera esfera que cubre los puntos experimentales. El mejor punto
posible es aquel sobre el que se predice el ptimo desempeo de la
variable de respuesta. Con frecuencia, este punto se ubica en la esfera de
radio ms grande. En el caso de k= 2 factores, no son esferas sino
circunferencias como en las de la figura 12.12. Note que en esta figura se
van alcanzando mejores puntos y se va escalando la superficie. Asimismo,
en cada paso se corrige el rumbo debido a la curvatura de la superficie.
Ahora, brevemente veamos en forma matemtica el anlisis de cordillera.
Consideremos el modelo ajustado de segundo orden escrito en su forma
matricial

DISEO EXPERIMENTAL

14

SUPERFICIES DE RESPUESTA

Donde b y B se construyen como en (12.4). Sea la esfera centrada en el

origen con radio Ri, cuyos puntos sobre ella cumplen la restriccin:

El problema del anlisis de cordillera es encontrar el punto sobre la esfera,

donde la respuesta predicha por el modelo es mxima (o mnima). Para
ello se plantea la funcin objetivo dada por

Donde L es multiplicador de Lagrange. Derivando esta ltima relacin

con respecto al vector x e igualando a cero, se obtiene

y de aqu se llega al sistema de ecuaciones

El punto (x1, x2,..., xk) ptimo sobre una esfera particular se encuentra al
sustituir un valor para l, que no sea un valor propio de la matriz Ben esta
ltima relacin, y se resuelve el sistema de ecuaciones resultante.
En general es mejor recurrir a un software para hacer el anlisis de
cordillera.

DISEO EXPERIMENTAL

15

SUPERFICIES DE RESPUESTA

2.9 PRINCIPALES PROPIEDADES DE SUPERFICIE DE RESPUESTA}

2.9.1

Ortogonalidad:
Se considera que un diseo es ortogonal cuando los coeficientes
estimados en el modelo ajustado no estn correlacionados entre s, lo cual
hace que el efecto de cada trmino, representado por el parmetro
correspondiente, se estime de manera ms precisa. Un experimento es
ortogonal si en la matriz de diseo todos los vectores columna son
independientes entre s. Es fcil verificar que en un diseo factorial
completo 2klas columnas de su matriz de diseo son independientes:
multiplique dos columnas cualesquiera, trmino a trmino usando la
notacin 1 y +1, y el resultado es cero.
Cuando las columnas de la matriz de diseo son independientes
entre s, hace que los coeficientes del modelo ajustado no estn
correlacionados.

2.9.2

Rotabilidad:
Un diseo se llama rotable si la varianza de Y(x) slo depende de la
distancia del punto xal centro del diseo y no de la direccin en la que se
encuentra. Es decir, si pensamos en la variable var[Y(x)] como otra res
puesta, su grfica de contornos tiene la forma de crculos concntricos
alrededor del centro del diseo. La rotabilidad del diseo asegura que la
calidad de la prediccin, medida por var[Y(x)], sea invariante a cualquier
rotacin del diseo alrededor del centro del mismo; de aqu se deriva el
nombre de esta propiedad.
La importancia prctica de la rotabilidad en el problema de encontrar un
punto ptimo es porque asegura que, con independencia de la direccin
en que se explore a partir del centro del diseo, la calidad de prediccin
se comporta de igual manera.
Es aquel en el que la varianza de la respuesta estimada sobre un
punto depende de la distancia de ste al centro del diseo y no de
la direccin en la que se encuentra.

DISEO EXPERIMENTAL

16

SUPERFICIES DE RESPUESTA

2.10

DISEOS DE SUPERFICIE DE RESPUESTA

2.10.1 Diseos de primer orden

Suponga que se desea utilizar el modelo de primer orden dado por la
ecuacin (12.3) para estudiar el comportamiento de cierta caracterstica
de calidad, que se supone depende de k factores de proceso. En principio,
al proponer un diseo de primer orden se supone que slo son importantes
los efectos principales. Estrictamente hablando, para estimar los k + 1
parmetros del modelo de primer orden se requiere un mnimo de k + 1
puntos experimentales.
Un criterio de seleccin del diseo de primer orden es que la varianza de
la respuesta predicha (var[Y(x)]) en el punto x= (x1,x2,...,xk) sea
mnima. Este criterio es importante porque cuando se busca determinar la
direccin ptima de movimiento a partir de los predichos por el modelo,
stos tienen mayor precisin, lo cual se traduce en mayor certeza de la
direccin seleccionada. Los diseos que satisfacen este criterio son los que
tienen la propiedad de ortogonalidad. Entre los ms utilizados estn los
siguientes:
Diseos factoriales 2k
Diseos factoriales fraccionados 2k p
Diseo de Plackett-Burman
Diseo simplex
Todos estos diseos, excepto el diseo simplex, emplean dos niveles en
cada factor, lo cual tiene que ver con el hecho de que slo interesa detectar
el efecto principal de cada factor. Sin embargo, una vez superada la etapa
de cribado es importante aumentar estos arreglos con repeticiones al
centro a fin de detectar la presencia de curvatura o falta de ajuste del
modelo; las repeticiones al centro tambin proporcionan ms grados de
libertad para el error aleatorio. Lo diseos 1 a 3 se explicaron en los
captulos previos.
El diseo simplex para k factores se representa por medio de una figura
de forma regular dibujada en un espacio de dimensin k 1, y se
DISEO EXPERIMENTAL

17

SUPERFICIES DE RESPUESTA

caracteriza por el hecho de que el ngulo q formado por cualquier par de

vrtices con el origen, es tal que cos(q) = 1/k. As, para k = 2 factores,
los tratamientos del diseo simplex corresponden a los vrtices de un
tringulo equiltero (vase figura 12.15); para k = 3 son los vrtices de un
tetraedro (figura 12.15). Las matrices de diseo en unidades codificadas
para estos dos casos tambin se muestran en la figura. Observe que
algunos factores se prueban en dos niveles y otros en tres.
En el captulo 15 se emplea una variante especial de diseos simples para
estudiar experimentos con mezclas.
2.10.2 Diseos de segundo orden
Se llaman diseos de segundo orden aquellos que permiten ajustar un
modelo de segundo orden para as estudiar, adems de los efectos lineales
y de interaccin, los efectos cuadrticos o de curvatura pura. Por
consiguiente, estos diseos se emplean cuando se quiere explorar una
regin que se espera sea ms compleja o cuando se cree que el punto
ptimo ya se encuentra dentro de la regin experimental. El modelo de
segundo orden est dado por:

Tiene p = (k + 1)(k + 2)/2 trminos, por lo tanto se requiere al menos esa

cantidad de puntos de diseo. El diseo debe tener al menos tres niveles
en cada factor para estimar la curvatura de la superficie en la direccin de
cada factor. Es deseable que estos diseos sean ortogonales, pero a veces
no es fcil que cumplan esta propiedad y se admite alguna dependencia
entre las columnas de los contrastes. Los ms utilizados tienen la
propiedad de ser rotables.
A continuacin se presentan las matrices de diseo, la geometra y
propiedades de los diseos de segundo orden ms recomendados como
son: el diseo de Box-Behnken y el diseo central compuesto o de
composicin central.
DISEO EXPERIMENTAL

18

SUPERFICIES DE RESPUESTA

a) Diseo de Box-Behnken: Este diseo se aplica cuando se tienen

tres o ms factores, y suelen ser eficientes en cuanto al nmero de
corridas. Es un diseo rotable o casi rotable que se distingue
porque no incluye como tratamientos a los vrtices de la regin
experimental.
b) Diseo de composicin central: El

diseo de composicin

central (DCC) es el ms utilizado en la etapa de bsqueda de

segundo orden debido a su gran flexibilidad: se puede construir a
partir de un diseo factorial completo 2k o fraccionado 2k p
agregando puntos sobre los ejes y al centro (vase ejemplos 12.3
y 12.4), adems de otras propiedades deseables. Este diseo se
compone de tres tipos de puntos:
1. Una rplica de un diseo factorial en dos niveles,
completo o fraccionado. A esta parte del DCC se le
llama porcin factorial.
2. n0puntos o repeticiones al centro del diseo, con n0
1.
3. Dos puntos sobre cada eje a una distancia a del
origen. Estos pun tos se llaman porcin axial.

DISEO EXPERIMENTAL

19

SUPERFICIES DE RESPUESTA

III.

APLICACIN A LA INGENIERA COMERCIAL

3.1 PLANTEAMIENTO
La panadera el BUEN SABOR realiza un experimento desarrollado para
optimizar la resistencia de una envoltura de pan. El diseo implica los siguientes
factores experimentales y el rango de valores sobre los cuales sern variados.
Factores
Temperatura de Lacre
Temperatura de Conversin
Polietileno

Bajo
225
46
0.5

Alto
285
64
1.71

Unidades
F
F
%

3.2 DESARROLLO DEL CASO SOFTWARE STATGRAPHICS

PASO N 01: Para el desarrollo del caso usaremos el software
STATGRAPHICS.

PASO N 02: Para este modelo no se ingresan los datos al inicio del
ejercicio, se siguen los siguientes pasos; DDE > Crear Diseo > Diseo
Nuevo.

DISEO EXPERIMENTAL

20

SUPERFICIES DE RESPUESTA

PASO N 03: Nos aparece la siguiente ventana en la cual seleccionamos

la opcin Superficie de Respuesta. Y damos click en Aceptar.

PASO N 04: Nos aparecer la siguiente ventana en la cual tendremos que

llenar con los datos correspondientes (*) seleccionando A, B, C
respectivamente. Y damos click en Aceptar.

DISEO EXPERIMENTAL

21

SUPERFICIES DE RESPUESTA

PASO N 05: Despus de llenar los datos correspondientes nos aparece la

siguiente ventana en la cual colocamos el sistema de medida de la
resistencia de las bolsas. Y damos click en Aceptar.

PASO N 06: En la siguiente ventana en la cual tendremos que elegir el

mtodo de Diseo de compuesto central. Y aceptamos.
DISEO EXPERIMENTAL

22

SUPERFICIES DE RESPUESTA

PASO N 07: A continuacin nos aparece una ventana en la cual en el

punto central colamos la cantidad de datos. Y escogemos la Ubicacin de
Al Final.

PASO N 08: Luego de haber llenado correctamente el Diseo el

programa STATGRAPICHS nos arroja la siguiente tabla de datos. Y sus
especificaciones.
DISEO EXPERIMENTAL

23

SUPERFICIES DE RESPUESTA

PASO N 09: Ahora para poder obtener los graficos es necesario llenar
manualmente.

Los

siguientes

datos

que

nos

proporcion

el

STATGRAPHICS:

DISEO EXPERIMENTAL

24

SUPERFICIES DE RESPUESTA

Resultados Estimados para Fuerza

Fila
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20

Observados
Valores
6.6
6.9
7.9
6.1
9.2
6.8
10.4
7.3
9.8
5.0
6.9
6.3
4.0
8.6
10.1
9.9
12.2
9.7
9.7
9.6

Ajustados
Valores
6.51022
6.00289
7.08462
5.1773
9.25114
6.74381
10.4255
6.51822
9.87243
6.16014
7.06963
7.36295
5.2001
8.63248
10.1648
10.1648
10.1648
10.1648
10.1648
10.1648

Inferior 95.0%
para Media
4.52392
4.01659
5.09833
3.191
7.26484
4.75751
8.43925
4.53192
7.98102
4.26873
5.17823
5.47155
3.30869
6.74107
9.17488
9.17488
9.17488
9.17488
9.17488
9.17488

Superior 95.0%
para Media
8.49651
7.98918
9.07092
7.16359
11.2374
8.7301
12.4118
8.50451
11.7638
8.05155
8.96104
9.25435
7.0915
10.5239
11.1546
11.1546
11.1546
11.1546
11.1546
11.1546

El StatAdvisor
Esta tabla contiene informacin acerca de los valores de Fuerza generados
usando el modelo ajustado. La tabla incluye:

(1) los valores observados de Fuerza (si alguno)

(2) el valor predicho de Fuerza usando el modelo ajustado
(3) intervalos de confianza del 95.0% para la respuesta media

Cada item corresponde a los valores de los factores experimentales en una

fila especifica de su archivo de datos. Para generar pronsticos para las
combinaciones adiciones de los factores, agregue filas al final su archivo
de datos.

En cada nueva fila, introduzca valores para los factores

experimentales pero deje vaca la celda para la respuesta. Cuando regrese

a esta ventana, se habrn agregado pronsticos a la tabla para las nuevas
filas pero el modelo no se ver afectado.

DISEO EXPERIMENTAL

25

SUPERFICIES DE RESPUESTA

PASO N 10: Para las opciones graficas nos dirigimos al a barra de men:
DDE > Procedimientos DOE Heredados > Analizar Diseo > Analizar
Diseo.

PASO N 11: En la siguiente ventana seleccionamos la variable fuerza. Y

aceptamos.

DISEO EXPERIMENTAL

26

SUPERFICIES DE RESPUESTA

PASO N 12: En esta ventamos solo damos click en Aceptar.

PASO N 13: En la siguiente ventana seleccionamos los grficos

necesarios.

DISEO EXPERIMENTAL

27

SUPERFICIES DE RESPUESTA

GRAFICOS
Diagrama de Pareto Estandarizada para Fuerza

CC

+
-

A:Temperatura de Lacre
BB
C:Polietileno
AA
AC
AB
BC
B:Temperatura de Conversin
0

2
3
Efecto estandarizado

Superficie de Respuesta Estimada

Polietileno=1.1

11.3

Fuerza

10.3
9.3
8.3
7.3
6.3
5.3
200

220

240

260

280

300

320

46

49

52

58

55

61

64

Temperatura de Conversin

Temperatura de Lacre

Contornos de la Superficie de Respuesta Estimada

Polietileno=1.1

Temperatura de Conversin

79

-3.2
-1.4
0.4

69

2.2
4.0

59

9.4

7.6

5.8

49

Fuerza
-5.0
-3.2
-1.4
0.4
2.2
4.0
5.8
7.6
9.4
11.2
13.0

39
200

220

240

260
280
Temperatura de Lacre

300

320

DISEO EXPERIMENTAL

28

SUPERFICIES DE RESPUESTA

CONCLUSIONES
La metodologa de superficies de rspuesta (MSR) es una estrtega experimental y de
modelaion que permit encontrar condiciones de operacin optimas de un proceso,
implica 3 apectos: DISEO, MODELO Y TECNICA DDE OPTIMIZACION.

El diseo y el modelo dependen del tipo de comportamiento que se espera en la

rspuesta, el modelo puede ser de primro o segundo orden (plano o con curvatura); por
ello el tipo de diseo utilizado y el mtodo de optimizacin sse clasifican segn como
sea el caso.

DISEO EXPERIMENTAL

29