RESUMEN.

Esta investigacin enfatiza el uso del diseo central compuesto y la regresin ridge para ajustar un
modelo polinomial de segundo orden para representar la superficie de respuesta.

La RSM es til en la determinacin del mejor nivel de factores para determinar la salida de la
variable de respuesta.

Se describir un conjunto de doce pasos bsicos para la aplicacin efectiva de la metodologa de

superficies de respuesta. Una discusin de cada uno es incluido y su alcance tambin.

INTRODUCCIN

La Metodologa de Superficies de Respuestas (MSR), es un conjunto de herramientas estadsticas y

matemticas, utilizadas para optimizar una variable de respuesta sujeta a varias variables predictoras.

La MSR, se utiliza cuando las relaciones entre las variables, no son completamente entendidas como
para representarlas de manera directa a travs de un modelo matemtico exacto, sino que es necesario
construir un modelo emprico para aproximar su comportamiento.

Para aproximar este comportamiento, la MSR utiliza generalmente un diseo factorial fraccionado de
resolucin III para determinar la subregin de las variables predictoras para la cual la variable de
respuesta presenta un ptimo. Esta subregin es alcanzada a travs del ajuste de un modelo
polinomial de primer orden a este diseo, ajustado por Mnimos Cuadrados (MC) y la aplicacin
iterativa del mtodo de ascenso acelerado.

Desafortunadamente, debido a las pocas corridas experimentales que el diseo requiere y al hecho de
que la falta de ajuste del modelo de primer orden en esa subregin, es determinada cuando los efectos
de interaccin y/o cuadrticos puros son significantes, originan un incremento en el error tipo II si
ajustamos un modelo polinomial completo de segundo orden cunado solo la iteracin es significante
(o viceversa).

Dado que el modelo completo de segundo orden con que se modelan las superficies de respuestas,
presenta de forma inherente el problema de multicolinearidad, por lo que el punto estacionario
encontrado puede estar lejos del ptimo, el polinomio deber de ser ajustado a travs de la regresin
ridge (RR).

Para el ajuste del polinomio a travs de RR, recomendamos utilizar un diseo central compuesto
(DCC), dadas las caractersticas de ortogonalidad, Optimalidad D y Optimalidad G.

1. Inicio. Determine las variables naturales Xs.

Para este propsito se pueden utilizar: Lluvia de ideas, diagrama de afinidad, diagrama causa efecto,
coeficiente de correlacin, diagrama de frecuencia y el diagrama de Pareto. Se incluye determinar los
niveles de las variables naturales.

El establecimiento de los niveles, depende de la naturaleza de la experimentacin, de la regin de

operatividad y de la regin a ser modelada, por lo que el conocimiento del investigador del proceso
bajo estudio y el alcance del objetivo que se persigue, son determinantes.
Codificar las variables naturales. Las variables codificadas, permiten una mejor comparacin entre
ellas, se recomienda que la codificacin entre los niveles sea equidistante. La codificacin de las
variables est dada por:

2. Ajuste un Polinomio de Primer Grado. Para el ajuste de este polinomio, se recomienda utilizar un
diseo experimental fraccionado de resolucin III ya que la varianza de la respuesta esperada para este
diseo es mnima. Adems, este diseo requiere un nmero pequeo de corridas experimentales y
puede ser fcilmente incrementado a un diseo central compuesto para ajustar el modelo polinomial
completo de segundo orden.

El modelo de primer orden es:

3. Determine la Adecuacin del Modelo de Primer Orden. Antes de utilizar el modelo polinomial
de primer orden para moverse dentro de la regin de operatividad hacia el ptimo, determine su
adecuacin a travs del anlisis de varianza. Para esto es necesario que el diseo utilizado no sea
saturado y que se hayan realizado replicas genuinas (varias corridas experimentales para un nivel
central de las variables) con la finalidad de determinar el error puro. Para determinar la adecuacin del
modelo recomendamos el procedimiento en donde a travs del ANOVA, se determina si el
comportamiento de la respuesta en la regin actual de inters, presenta interaccin y/o curvatura que
refleje falta de ajuste del modelo.

Si el modelo no muestra falta de ajuste, pero los coeficientes estimados son cercanos a cero, es una
indicacin de que no hay direccin de mejoramiento en ese punto y el proceso de optimizacin,
deber de iniciarse una vez ms en el paso 1.

Si la falta de ajuste es debida solo a la interaccin entre los factores y no a curvatura pura, la varianza
entre los niveles de los factores deber de ser reducida y otro diseo experimental deber de llevarse a
cabo. No ajuste bajo esta situacin un polinomio completo de segundo orden ya que esto incrementa
el error tipo II.

Si la inadecuacin del modelo es dada porque los trminos de interaccin y cuadrticos puros son
significantes pase al paso 6.

4. Resuelva la Inadecuacin del Modelo. Si la falta de ajuste es solo significante para los trminos
de interaccin, la varianza S2 de las variables naturales, deber de ser reducida. Es decir se minimiza
la regin de exploracin y de esa forma el modelo lineal proporcionara un buen ajuste.

5. Aplique el Mtodo de Ascenso Acelerado para Acceder a las cercanas del ptimo. Si el modelo
de primer orden es aceptado para representar la superficie en la regin actual de experimentacin,
aplique el proceso iterativo del mtodo de ascenso acelerado a este polinomio para acceder a las
cercanas del ptimo, avanzando en la direccin dada por el signo de los coeficientes de regresin (Si
es descendente, deber de tomar los signos opuestos), con incrementos proporcionales a la magnitud
de los coeficientes. El nuevo punto as estimado, es tomado como el nuevo punto central del diseo en
n+1 iteracin y el procedimiento es repetido hasta que la falta de ajuste del polinomio este presente.
Otra opcin, consiste en definir el avance dando incrementos equivalentes a la distancia del punto
central del diseo en la direccin de los signos de los coeficientes de regresin al punto de
interseccin de la esfera de radio 1 dada por:

El procedimiento iterativo termina cuando la falta de ajuste es significativa o cuando en dos

iteraciones consecutivas, el mejoramiento en la variable de respuesta es mnimo, comparado con un
lmite pre-establecido por el investigador.

En el caso en el que a travs de la aplicacin iterativa del mtodo de ascenso acelerado, la falta de
ajuste del modelo de primer orden sea significante, un diseo central compuesto deber de ser
utilizado para ajustar un modelo completo de segundo orden, determinar su adecuacin a travs del
ANOVA.

Si el modelo completo de segundo orden proporciona un buen ajuste, pero los trminos de segundo
orden, son pequeos comparados con los de primer orden, se deber de aplicar el mtodo de ascenso
acelerado hasta que los trminos de segundo orden sean potencialmente importantes.

6. Aproxime la Superficie a travs de un Modelo Completo de Segundo Orden. Cuando el modelo

de segundo orden del tipo:

El cual puede ser escrito en forma matricial como:

Va a ser ajustado para modelar la superficie, recomendamos:

a) Utilizar un Diseo Central Compuesto. Este diseo es recomendado, dadas sus propiedades de:
i) Ortogonalidad (Obtencin de los coeficientes principales en forma separada).
ii) Optimalidad D (maximiza el determinante XT X y de esa forma, la regin de confianza del
elipsoide de donde se determinan los coeficientes del polinomio dada por:

iii) Optimalidad G (obtiene la varianza de la prediccin mnima del modelo).

iv) Es de fcil construccin para la rotabilidad (varianza de la prediccin constante sobre la esfera de
radio 1) cuando se le agregan puntos axiales dados por: XT X .

Donde 2K es el nmero de puntos factoriales del diseo. El nmero de puntos centrales recomendados
para dar estabilidad a la varianza de la prediccin es de 3 a 5 puntos.

b) Escale la matriz de regresores y la variable y, a travs del mtodo de escalonamiento unitario para
evitar el deteriora miento innecesario de la ordenada al origen y minimizar el deteriora miento de la
matriz de covarianzas

c) Ajuste un modelo polinomial de segundo orden. El ajuste de este polinomio, deber de realizarse a
travs del mtodo de regresin ridge, dado que es el mejor mtodo de estimacin sesgada.
El polinomio completo de segundo orden, presenta de forma inherente el problema de
multicolinearidad, el cual causa deteriora miento en la matriz de precisin XT X -1 , generando
inestabilidad en los coeficientes estimados debido a los factores de inflacin de la varianza.

d) Determine la constante de proporcionalidad K. Entre los muchos mtodos de estimarla (Adems de

la inspeccin directa de la traza), nosotros proponemos estimarla a travs de:

7. Determine la Adecuacin del Modelo Polinomial de Segundo Orden. Como en el caso del
modelo de primer orden, la inadecuacin del modelo, es determinada a travs del ANOVA.

8. Resuelva la Inadecuacin del Modelo Polinomial de Segundo Orden. Si el modelo no es el

correcto para representar la superficie en esa regin, es necesario reducir la regin de
experimentacin, reduciendo la varianza de los factores.

9. Realice el Anlisis Cannico de la Superficie. Una vez que el modelo completo de segundo orden
es adecuado, se determina de este modelo, el polinomio cannico para la optimizacin de la superficie
a travs de explorar y determinar la localizacin y naturaleza del punto estacionario. La forma
matricial del modelo completo de segundo orden a ajustar es:
El procedimiento para obtener el polinomio cannico del modelo dado, consiste primero en
diferenciar este polinomio con respecto a Xt y establecer la derivada igual a cero para obtener la
solucin del punto estacionario como:

Segundo, determinar si el punto estacionario definido es el ptimo del sistema cuadrtico. Para ello
suponga que ) ...,, ,(1, 2, ,K) son los eigenvalores de la matriz, por lo que si todos son positivos, es
un minino, si todos son negativos, Xs es un mximo y si al menos uno es de diferente signo, Xs es un
punto de silla.

i) Si el punto estacionario es un punto de silla o si cae fuera de la regin de experimentacin, no se

deber de tomar como el nuevo punto central para el anlisis y optimizacin de la superficie. Para este
caso, deber de ajustarse un polinomio cannico en su forma A (polinomio rotado sin trminos de
productos cruzados), para determinar la nueva direccin de bsqueda del ptimo a travs de la
aplicacin del mtodo de ascenso acelerado a este polinomio.

ii) Si el punto estacionario Xs encontrado, est dentro de la regin de experimentacin, y no

representa un punto de silla, deber de ajustarse un polinomio cannico en su forma B (polinomio
rotado y sin los trminos lineales) para realizar la exploracin en las fronteras de Xs, tomndolo como
el punto central del diseo central compuesto realizado.

iii) Si el punto Xs es un mximo, pero cae fuera de la regin de experimentacin, no es recomendable

extrapolar, por lo que a travs de los multiplicadores de Lagrange, deber de ajustarse una esfera de
radio 1 centrada en (0, 0, ,0) las cuales son el centro del diseo, para explorar con ella en las
cercanas de . As, el punto ptimo encontrado dentro de esa esfera, deber de utilizarse como el nuevo
centro de del diseo y aplicar el proceso iterativo del mtodo de ascenso acelerado hasta que Xs caiga
dentro de la regin de experimentacin o lleguemos hasta el lmite de la regin de operatividad del
sistema o proceso analizado. Una vez Xs que est dentro de la regin de experimentacin, un modelo
cannico en su forma, deber de ser ajustado para realizar la exploracin del sistema.
10. Despus de Aceptar el Punto Estacionario. Una vez que el punto estacionario Xs es aceptado,
este deber de tomarse como centro del diseo y deber de realizarse la caracterizacin del sistema
que ese punto representa, de modo tal que:

i) Si el sistema de loma encontrado es un sistema estacionario para alguno de los factores (Algunos de
los eigenvalores son cero, esto verificado de sus intervalos de confianza) un polinomio cannico es
ajustado sin los eigenvalores que son cero y el mejor nivel de los dems factores que optimizan la
respuesta en ese punto, deber de ser determinado. Para esta situacin existen ptimos alternativos, de
manera que es posible optimizar alguna otra caracterstica secundaria del proceso que se desee.

ii) Si el sistema de loma encontrado es un sistema ascendente (o descendente), la bsqueda del

ptimo, deber de realizarse llevando a cabo nuevos experimentos en la direccin ascendente (o
descendente) del sistema, hasta el lmite de la regin de experimentacin o hasta que otra
caracterstica (como costo) de la experimentacin sea infactible.
El ptimo para este sistema, est en el lmite de la regin de experimentacin, justo en la direccin del
gradiente del polinomio cannico ajustado.

iii) Si el punto Xs es un sistema estacionario, sus coordenadas representan el mejor nivel de los
factores que optimizan la respuesta.

11. Criterio de Parar. La bsqueda iterativa del ptimo, generalmente se detiene despus de haber
ajustado solo un modelo polinomial de segundo orden. Como quiera, nosotros concordamos en
detener la bsqueda del ptimo cuando:

i) El valor de la respuesta estimada en la iteracin n+1 no mejore sustancialmente la respuesta.

ii) La regin de inters sea demasiado pequea.
iii) Cuando existan restricciones de capital o de proceso.

12. Determine el Nivel ptimo de los Factores. Tome como nivel ptimo de los factores, las
coordenadas de Xs encontradas en el paso 11 y determine la respuesta ptima esperada. Estos niveles
de los parmetros, son los parmetros bajo los cuales el proceso deber de estar trabajando.

4. CONCLUSIONES
En este artculo, establecemos un conjunto bsico de 12 pasos para la aplicacin efectiva de la
Metodologa de superficies de Respuestas y damos un breve anlisis de cada uno. El objetivo del
artculo consiste en hacer nfasis en la necesidad de asegurar que los trminos cuadrticos puros,
sean dominantes en la regin de inters donde se encuentra el ptimo, con la finalidad de minimizar
el error tipo II en la decisin. Los argumentos y referencias dadas aqu, se realizan con la finalidad de
mostrar la necesidad de utilizar no solo el diseo central compuesto (DCC).