Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
2006
METODOLOGÍA DE
SUPERFICIES DE RESPUESTA
Diciembre, 2006
1
Metodología de Superficies de Respuesta P. Reyes / Dic. 2006
CONTENIDO
1. Conceptos básicos 3
2
Metodología de Superficies de Respuesta P. Reyes / Dic. 2006
1. CONCEPTOS BÁSICOS
IDEAS BASICAS
__
i
xi ik ; el denominador es la diferencia entre niveles de ’s.
ik ik 1
y f (1 , 2 , 3,.... n )
I. SUPUESTOS BASE
3
Metodología de Superficies de Respuesta P. Reyes / Dic. 2006
k
E ( y ) 0 i xi
i 1
^ k
y b0 bi xi
i 1
y = b0 + x’ b
en donde:
x1 b 1
x b
x= 2
.. ..
x
; b=
b
2
....
k k
k k
E ( y ) 0 i xi ii xii
2
ij xi x j
i 1 i 1 i j ij
4
Metodología de Superficies de Respuesta P. Reyes / Dic. 2006
B=
b 11 , b12 / 2,.. .. .. .... ... .b 1k / 2
. .. .b2 2 ,. .. .. ... ... ... .b2 k / 2
. .. ... .. .... ... .. .. .. .. ..b( k 1) ,k / 2
sym , .. .. ... .... .. .. ... .... ..bkk
y = b0 + x’ b + x’ B x
x0 = - B -1 b / 2
y0 = b0 + ( x’ b ) / 2
5
Metodología de Superficies de Respuesta P. Reyes / Dic. 2006
Ejemplo 1.1
Tratamiento Tp Tm
1 20 20
2 20 50
3 20 80
4 50 20
5 50 50
6 50 80
7 80 20
8 80 50
9 80 80
xij ( ij 50) / 30
Haciendo un análisis de varianza preliminar con los datos anteriores para el diseño
en bloques aleatorios se tiene:
9 3
y..2
SST y 2
ij
i 1 j 1 9 x3
6
Metodología de Superficies de Respuesta P. Reyes / Dic. 2006
9
yi2. y2
SS trat ..
i 1 3 9 x3
3 y.2j y..2
SS bloque
j 1 9 9 x3
SSe = 34.8757
MSt = SSt / gl t
MSb = SSb / gl b
TABLA ANOVA
7
Metodología de Superficies de Respuesta P. Reyes / Dic. 2006
ANÁLISIS DE VARIANZA
Probabilida Valor
Origen de Suma de Grados de Promedio de F d crítico
las variaciones cuadrados libertad los cuadrados para F
Bloques 1.564474074 2 0.782237037 0.347516178 0.71164228 3.63372347
Tratamientos 118.0374296 8 14.7546787 6.554905118 0.00073389 2.59109618
Error 36.01499259 16 2.250937037
Total 155.6168963 26
8
Metodología de Superficies de Respuesta P. Reyes / Dic. 2006
X’ X b = X’ y
Y
X’X = 41.9
bo36.9b1 b2 b11 b12 b22
donde: 126.5-1 -1 1 1 1
144.7-1 0 1 0 0
143.3-1 1 1 -1 1
3*X’X =
146.1 0 -1 0 0 1
27 0 0 18 0 18
131.1 0 0 0 0 0
0 18 0 0 0 0
134.2 0 1 0 0 1
0 0 18 0 0 0
135.3 1 -1 1 -1 1
18 0 0 18 0 12
1 1 0 1 0 0
0 0 0 0 12 0
1 1 1 1 1 1
18 0 0 12 0 18
b 0
b
b=
1
b 2
b11
b 12
b 22
X’ y=
=
340.02
-4.73
-9.7
205.93
19.52
225.64
b0 340.02
b1 -4.73
b2 = -9.7
b11 205.93
b12 19.52
b22 225.64
9
Metodología de Superficies de Respuesta P. Reyes / Dic. 2006
b= 340.02 15.0144444
0.19 0.00 0.00 -0.11 0.00 -0.11 -4.73 -0.26277778
0.00 0.06 0.00 0.00 0.00 0.00
0.00 0.00 0.06 0.00 0.00 0.00
-9.7 = -0.53888889
205.93 -3.45833333
-0.11 0.00 0.00 0.17 0.00 0.00 19.52 1.62666667
0.00 0.00 0.00 0.00 0.08 0.00 225.64 -0.17333333
-0.11 0.00 0.00 0.00 0.00 0.17
SSR = b’ X’ y - ( y ) / 27
2
donde:
b’ X’ =
Entonces b’ X’ y es:
b’ X’ y = (b’X’)
41.87
36.92
26.54
44.69
43.27
46.13
31.11
34.19
35.30
b’ X’ y = 4392.149
Con los valores anteriores, calculando SSR se tiene:
TABLA ANOVA
Total 154.1606 26
10
Metodología de Superficies de Respuesta P. Reyes / Dic. 2006
Reconocer el diseño:
Stat > DOE > Response surface > Custom Response Surface design
Factors Tp Tm (A B)
Low/High Tp 20 80 Tm 20 80 (A -1 1 B -1 1)
OK
Analizar el diseño
Stat > DOE > Response Surface > Analysis Response Surface design
Responses Rendim Seleccionar Coded Units
Terms (Full cuadratic pasar los factores con >>)
OK
Analysis of Variance for Rendim
11
Metodología de Superficies de Respuesta P. Reyes / Dic. 2006
0.26 3.46,0.81 x1
y 15.35 x1 , x2 x1 , x 2 0.81,0.67 x b0 x’b +x’Bx
0.54 2
0.26
y0 = b0 + (x0‘ b) /2 = 15.35 + 0.18,1.25 0.54(1 / 2) 15.71
donde
Tp = temperatura (ºC)
12
Metodología de Superficies de Respuesta P. Reyes / Dic. 2006
13
Metodología de Superficies de Respuesta P. Reyes / Dic. 2006
(a)
(b)
0
x1
^
Y b0 b1 X 1 b2 X 2
14
Metodología de Superficies de Respuesta P. Reyes / Dic. 2006
^
Y 13.85 0.90x1 0.56x2 0.57 x1 x2 1.94 x12 0.78x22
donde las x’s son variables codificadas. Con k factores la superficie de respuesta
es un subconjunto de un espacio euclidiano de (k + 1) dimensiones.
15
Metodología de Superficies de Respuesta P. Reyes / Dic. 2006
MATRICES
Definición 2.4 Una matriz diagonal es una matriz cuadrada cuyos elementos fuera
de la diagonal mij , i j son cero. Si los elementos en la diagonal son 1’s se tiene
una matriz identidad I.
Definición 2.7 Los valores característicos de una matriz cuadrada M son las las
soluciones a las ecuaciones de determinantes |M - I| = 0. El determinante es un
polinomio de grado k – ésimo en , por tanto M tiene k valores característicos.
( M i I )vi 0
Definición 2.9 Las matrices que tienen el mismo orden pueden ser sumadas
elemento por elemento, se dice que son conformables para la adición. En forma
similar son conformables para la multiplicación si el número de columnas de la
matriz de la izquierda es igual al número de filas de la matriz de la derecha. Por
ejemplo si M es (N x k) y T es (k x r), su producto MT es (N x r).
Definición 2.10 La inversa de una matriz cuadrada M es una matriz denotada por
M tal que MM-1 = M-1 M = I, la matriz que tiene inversa se dice que no es singular.
16
Metodología de Superficies de Respuesta P. Reyes / Dic. 2006
Yu 0 1 X u1 2 X u 2 ....... k X uk u (2.1)
N
R( 0 , 1 ,..., k ) (Yu 0 1 X u1 2 X u 2 ..... uk ) 2
u 1
Y = X + = [1 : D] +
Y es un vector N x 1.
X es una matriz de orden N x (k + 1), donde la primera columna es de 1’s.
es un vector de orden (k + 1) x 1.
es un vector de orden N x 1.
D es la matriz de Xij con i = 1, 2, ..., N; j = 1, 2, ......, k
X’X b = X’ Y (2.2)
17
Metodología de Superficies de Respuesta P. Reyes / Dic. 2006
El elemento (ii) de esta matriz cii Var (bi ) es la varianza del elemento i de b. El
2
(2.6)
b N ( , ( X ' X ) 1 2 )
^
Y ( x) x' p b (2.7)
^
Var (Y ( x)) Var ( x p b) x' p ( X ' X ) 1 x p 2 (2.8)
RESIDUOS
Los residuos se definen como la diferencia entre los valores reales observados y
los valores predichos para estos valores de respuesta usando el modelo de ajuste,
o sea:
^
ru Yu Y ( xu ), u 1,2,..., N (2.9)
18
Metodología de Superficies de Respuesta P. Reyes / Dic. 2006
ESTIMACIÓN DE
1 N 2 1 1
s2
N p u 1
ru
Np
(Y Xb)' (Y Xb)
Np
SSE (2.11)
TABLA DE ANOVA
N __
SST (Yu Y ) 2 con N-1 grados de libertad (2.12)
u 1
N ^ __
SSR (Y ( xu ) Y ) 2 con p (parámetros) – 1 grados de libertad (2.13)
u 1
N ^
SSE (Yu Y ( xu )) 2 con (N-1) – (p –1) grados de libertad (2.14)
u 1
(1' Y ) 2
SST Y ' Y
N
(1' Y ) 2
SSR b' X ' Y
N
19
Metodología de Superficies de Respuesta P. Reyes / Dic. 2006
H 0 : 1 2 ... k 0
H a : i 0, i 1,2,..., k
MSR SSR /( p 1)
F (2.16)
MSE SSE / N p )
SSR
R2 (2.17)
SST
20
Metodología de Superficies de Respuesta P. Reyes / Dic. 2006
Doce ratas de tamaño uniforme fueron privadas de comida excepto por una hora
por día durante 10 días. Al siguiente día, cada rata fue inyectada con una
substancia reductora del hambre (dosis de 0.3 y 0.7 mg/kg) y después de
transcurrido un cierto tiempo (1, 5 y 9 horas), las ratas fueron alimentadas, cada
combinación fue aplicada a dos ratas midiéndose el peso de la comida ingerida
por cada rata para analizar los efectos.
El modelo propuesto para relacionar el peso de la comida ingerida por rata al nivel
de dosis de droga (X1) y el tiempo transcurrido entre inyección e ingestión (X 2) es:
i 1,2,.......,12
X 1 0 .5
x1
0.2
Para los niveles de dosis de droga inyectada, 0.3 y 0.7 mg/kg equivale a valores
de –1 y +1 respectivamente.
X2 5
x2
4
21
Metodología de Superficies de Respuesta P. Reyes / Dic. 2006
Y=X+
5 .63 1, 11
, , 1 , 1
1
6.42
1, 11
, , 1 , 1
2
1.38 1, 11
, , 1 , 1
3
1.94 1, 11
, , 1 , 1
4
1 1 .57 1, 10, 0, 0
,
0
5
12.16 1, 10, 0, 0
, 1
6
5 .72 0, 0, 0
1, 1,
2
7
4 .69 1, 1, 0, 0, 0 12
8
12.68
1, 1, 1, 1 , 1 22
9
13.31 1, 1, 1, 1 , 1 10
8.28 1, 1, 1, 1 , 1
11
7.73
1, 1, 1, 1 , 1
12
X’ X b = X’ Y se tiene:
=
1 32.03
b
2
2 6.63
b11
1 .25
b12
57.37
b22
8.535
2.669
b=
3.329
0 . 156
1.364
EJEMPLO
DE LAS
RATAS
MATRIZ
X'
1 1 1 1 1 1 1 1 1 1 1 1
-1 -1 1 1 -1 -1 1 1 -1 -1 1 1
-1 -1 -1 -1 0 0 0 0 1 1 1 1
1 1 -1 -1 0 0 0 0 -1 -1 1 1
1 1 1 1 0 0 0 0 1 1 1 1
MATRIZ MATRIZ
X X'X
1 -1 -1 1 1 12 0 0 0 8
1 -1 -1 1 1 0 12 0 0 0
1 1 -1 -1 1 0 0 8 0 0
1 1 -1 -1 1 0 0 0 8 0
1 -1 0 0 0 8 0 0 0 8
1 -1 0 0 0
1 1 0 0 0
MATRIZ
1 1 0 0 0 VECTOR Y X'Y
1 -1 1 -1 1
22
Metodología de Superficies de Respuesta P. Reyes / Dic. 2006
^
Y ( x) 8.35 2.669 x1 3.329 x2 0.156 x1 x2 1.364 x22
En Minitab
Tabla de datos
Reconocer diseño
Stat > DOE > Response surface > Custom Response Surface design
Factors Dosis Tiempo
Low/High Dosis 0.3 0.7 Tiempo 1 9
OK
Analizar el diseño
Stat > DOE > Response Surface > Analysis Response Surface design
23
Metodología de Superficies de Respuesta P. Reyes / Dic. 2006
Term Coef
Constant 8.5350
b1 -2.6692
b2 3.3288
b1*b2 -0.1562
b2*b2 -1.3638
^
Y ( x) 8.428 12.369 X 1 1.782 X 2 0.195 X 1 X 2 0.085 X 22
24
Metodología de Superficies de Respuesta P. Reyes / Dic. 2006
etc.
12
SST (Yi 7.626) 2 183.436 con 12-1 grados de libertad
i 1
12 ^
SSR (Y ( x i ) 7.626) 2 183.436 con 5 - 1 grados de libertad
i 1
25
Metodología de Superficies de Respuesta P. Reyes / Dic. 2006
12 ^
SSE (Yi Y ( xi )) 2 SST SSR 4.143 con 12-5 = 7 grados de libertad
i 1
Tabla ANOVA
Fuente df SS MS F
Total 11 183.436 .
Analysis of Variance for Y
El valor calculado de F excede al de tablas con F 0.01,4,7 = 7.85, por tanto se rechaza
la hipótesis de que los coeficientes sean iguales a cero, donde al menos uno es
diferente de cero.
H 0 : 1 2 11 22 0
H a : i 0
SSE
R2
SST
26
Metodología de Superficies de Respuesta P. Reyes / Dic. 2006
b1 12.369
t 6.09
MSE * C 22 0.591 * 6.966
Se pueden realizar pruebas similares para los otros parámetros 2 , 12 , 22
obteniéndose una t calculada de 5.14, -0.57 y –2.93 respectivamente, con
hipòtesis:
H0: 22 = 0; Ha: 22 < 0, t de tablas para = 0.01 es 2.998 y no se rechaza H0.
H0: 12 = 0 a favor de que Ha: 12 0, t/2 de tablas para = 0.05 es 3.499 y no se
rechaza H0.
De Minitab
Estimated Regression Coefficients for Y
27
Metodología de Superficies de Respuesta P. Reyes / Dic. 2006
Asumiendo que los errores están distribuidos en forma aleatoria con varianza
común 2 .
n rk __
SS PE (Y ik Yk ) 2 con N – n grados de libertad. N = total de observaciones.
k 1 i 1
^
o en forma alterna si Yk es el valor de predicción de la respuesta en el punto de
diseño k-ésimo entonces:
n ^ __
SS LOF rk (Y k Yk ) 2
k 1
28
Metodología de Superficies de Respuesta P. Reyes / Dic. 2006
SS LOF
(n p)
F
SS PE
( N n)
O sea:
Y Ykprom Dif2
5.63 6.025 0.15603
6.42 6.025 0.15603
1.38 1.66 0.0784
1.94 1.66 0.0784
11.57 11.865 0.08703
12.16 11.865 0.08703
5.72 5.205 0.26523
4.69 5.205 0.26523
12.68 12.995 0.09922
13.31 12.995 0.09923
8.28 8.005 0.07562
7.73 8.005 0.07563
1.523
El valor de F es:
29
Metodología de Superficies de Respuesta P. Reyes / Dic. 2006
2.620 / 1
F 10.32
1.523 / 6
Como F excede el valor de F de tablas F0.05,1, 6 5.99 inferimos que hay evidencia
suficiente para indicar que el modelo exhibe falta de ajuste al nivel = 0.05 de
significancia. Posiblemente es causado por haber omitido el término 12 X 1 X 22 .
Ortogonalidad y Rotabilidad
30
Metodología de Superficies de Respuesta P. Reyes / Dic. 2006
^
En un diseño rotable, la varianza de la respuesta estimada Y ( x ), que es sabido
que depende de la localización del punto x, es función unicamente de la distancia
del punto x al centro del diseño. De esta forma la varianza de predicciónVar
es
Y ( x )
^
la misma para todos los puntos equidistantes del centro del diseño. Esta
característica es importante cuando se trata de predecir hacia donde moverse
durante la optimización.
31
Metodología de Superficies de Respuesta P. Reyes / Dic. 2006
k
Y 0 i X i (3.1)
i 1
k
0 i X i (3.2)
i 1
Y = X + (3.3)
32
Metodología de Superficies de Respuesta P. Reyes / Dic. 2006
__
x ui 2( X ui X i ) / Ri u = 1, 2, ..., N; i =1, 2, ...., k (3.6)
__
donde X i es la media de todas las observaciones y Ri es el rango entre el ajuste
menor y el mayor de las variables. Sobre las N observaciones, los valores de las
variables codificadas satisfacen:
x
u 1
ui 0 i = 1,2, ........, k (3.7)
X1 X 2 x1 x2
33
Metodología de Superficies de Respuesta P. Reyes / Dic. 2006
^
Y ( x ) 1, x 'b (3.8)
2
Var Y ( x) x' (D' D) 1 x 2
(3.10)
^
N
DISEÑOS FACTORIALES
1
b X 'Y
2k
2
Var (b) I k 1
2k
En este caso la varianza es igual al valor de MSE y el valor del error estádar es:
MSE
sse( Ai )
2k
34
Metodología de Superficies de Respuesta P. Reyes / Dic. 2006
SS Ai 2 k bi2 i = 1, 2, ......, k
Las sumas de cuadrados son estadísticamente independientes (ya que las bi son
estadísticamente independientes) y se prueba con el estadístico F = SS Ai / MSE
con 1 y 2k – k – 1 grados de libertad, la hipótesis:
Ho: i = 0
Se utilizó un diseño factorial 24 para ajustar un modelo de primer orden, los niveles
de los cuatro factores son:
X2 = CO / H2 ¼ 3/4
X4 = tiempo de contacto 10 50
X 1 420
x1
40
X 2 1/ 2
x2
1/ 4
X 9.1
x3 3
2.0
35
Metodología de Superficies de Respuesta P. Reyes / Dic. 2006
X 4 30
x4
20
Experimento x1 x2 x3 x4 Y
(1) -1 -1 -1 -1 53.3
a1 1 -1 -1 -1 78
a2 -1 1 -1 -1 62.4
a1a2 1 1 -1 -1 78.9
a3 -1 -1 1 -1 75.9
a1a3 1 -1 1 -1 75.4
a2a3 -1 1 1 -1 71.3
a1a2a3 1 1 1 -1 84.4
a4 -1 -1 -1 1 64.5
a1a4 1 -1 -1 1 67.5
a2a4 -1 1 -1 1 72.8
a1a2a4 1 1 -1 1 85.3
a3a4 -1 -1 1 1 71.4
a1a3a4 1 -1 1 1 83.3
a2a3a4 -1 1 1 1 82.9
a1a2a3a4 1 1 1 1 81.7
Con estos valores se obtiene el modelo ajustado de primer orden (ver cálculos en
Excel abajo) con variables codificadas como sigue:
X'
x1 -1 1 -1 1 -1 1 -1 1 -1 1 -1 1 -1 1 -1 1 Y
x2 -1 -1 1 1 -1 -1 1 1 -1 -1 1 1 -1 -1 1 1 X 53.3 = X'Y 80
x3 -1 -1 -1 -1 1 1 1 1 -1 -1 -1 -1 1 1 1 1 78 50.4
x4 -1 -1 -1 -1 -1 -1 -1 -1 1 1 1 1 1 1 1 1 62.4 63.6
78.9 29.8
75.9
75.4 b0 = 74.3125
promedio de
71.3 Y
84.4 1
b k
X 'Y
64.5 2
67.5
72.8
36
Metodología de Superficies de Respuesta P. Reyes / Dic. 2006
85.3 b 5
71.4 3.15
83.3 3.975
82.9 1.8625
81.7
^
Y 74.31 `5.00x1 3.15x 2 3.98 x3 1.86 x4 con sse. = 1.41 en todos los parámetros
Con Minitab:
La F de tablas para = 0.05 con 1 y 11 grados de libertad es 4.75, por tanto son
significativas las tres primeras variables X1, X2 y X3.
37
Metodología de Superficies de Respuesta P. Reyes / Dic. 2006
De Minitab
Analysis of Variance
Source DF SS MS F P
Regression 4 867.07 216.77 6.84 0.005
Residual Error 11 348.83 31.71
Total 15 1215.90
Source DF Seq SS
x1 1 400.00
x2 1 158.76
x3 1 252.81
x4 1 55.50
38
Metodología de Superficies de Respuesta P. Reyes / Dic. 2006
k k k 1 k
Y 0 i X i ii X i2 ij Xi X j (4.1)
i 1 i 1 i 1 j 2
Como alternativa a los diseños factoriales 3k, Box y Hunter introdujeron los
Diseños centrales compuestos (CCD), un CCD consiste de:
1. Un diseño factorial 2k completo o fraccional, con los niveles codificados +1, -1.
Esta es la porción factorial del diseño.
2. n0 puntos centrales (n0 >1).
3. Dos puntos axiales sobre el eje de cada variable de diseño a una distancia
del centro. Esta es la porción axial del diseño.
39
Metodología de Superficies de Respuesta P. Reyes / Dic. 2006
k 2 3 4
4 0.7844 0.8385 0.8704
Para hacer que un diseño central compuesto (CCD) sea rotatorio y ortogonal
(OR), el número de replicaciones en el centro del diseño n 0 es (F puntos del
diseño factorial) :
n0 4 F1/2 + 4 – 2k (4.3)
40
Metodología de Superficies de Respuesta P. Reyes / Dic. 2006
k 2 3 4
F 4 8 16
na 4 6 8
n0 (OR) 8 9 12
no (PU) 5 6 7
N (OR) 16 23 36
N (PU) 13 20 31
Entre otros criterios, el de Box y Draper se refiere al uso de replicaciones del punto
central para probar falta de ajuste en el modelo ajustado de segundo orden,
41
Metodología de Superficies de Respuesta P. Reyes / Dic. 2006
5.1 INTRODUCCIÓN
1. Se usa un polinomio de primer orden para ajustar los datos colectados en los
puntos de un diseño de primer orden.
2. Si el modelo de primer orden es adecuado, se usa este modelo para localizar
áreas dentro de la región experimental donde se sospecha que se encuentran
los valores más deseados de la respuesta.
3. Dentro de la nueva región, se repite el ciclo probando la adecuación del
modelo de primer orden. Si se detecta falta de ajuste, el modelo puede ser
enriquecido agregando productos cruzados y/o términos cuadráticos puros.
4. Si se detecta una curvatura en la superficie y un modelo de segundo orden es
apropiado, se utiliza para mapear la forma de la superficie a través de una
gráfica de contorno en la región experimental. Después se localizan los valores
óptimos.
5. Al final en la región donde se encuentran las respuestas más deseables, se
realizan experimentos adicionales para verificar que así sea.
k
Y 0 i X i (5.1)
i 1
Y = + es apropiado cuando:
1. Los valores de la respuesta se colectan sobre una región limitada del espacio
de k variables.
2. O cuando no se conoce la forma de la superficie en la región de interés y el
hiperplano representa una primera aproximación.
Como ejemplo se realiza un experimento con dos réplicas, con dos factores siendo
X1 la temperatura y X2 el tiempo en segundos, la variable de respuesta es el
porcentaje de producto bueno del proceso, el cual actualmente se encuentra entre
55 a 75% pero se piensa que puede ser mejorado.
42
Metodología de Superficies de Respuesta P. Reyes / Dic. 2006
70 30 -1 -1 49.8, 48.1
90 30 +1 -1 57.3, 52.3
70 90 -1 +1 65.7 69.4
90 90 +1 +1 73.1, 77.8
X 1 80
x1 ; (5.2)
10
X 2 60
x2 ;
30
Y 0 1 x1 2 x 2 (5.3)
Y=X+
49.8 1, 1, 1
1
48.1
, 1, 1
1
7
57.3
1, 1
, 1
, 1
, 1
0
4
52.3 1 6
65.7 1, 1, 1 1
2
2
69.4 1, 1, 1 8
73.1 1, 1, 1
3
77.8 1, 1, 1
5
X’X b X’Y
8, 0, 0 b0 493.5
0, 8, 0 b 27.5
1
0, 0, 8b2
78.5
43
Metodología de Superficies de Respuesta P. Reyes / Dic. 2006
Tiempo
en seg.
seg.
60 90
x2
90
85
x1
30
80
70
Por tanto:
b (X’X) X’Y
b0 1 / 8,0,0 493.5 61.6875
b 0,1 / 8,0 27.5 3.4375
1
b2 0,0,1 / 8 78.5 9.8125
^
Y 61.6875 3.4375x1 9.8125x 2
^
Y 14.5625 0.34375x1 0.32708x 2
44
Metodología de Superficies de Respuesta P. Reyes / Dic. 2006
(1' Y ) 2
SST Y ' Y 898.7488; con 8-1 grados de libertad
8
1
Error. puro (49.8 48.1) 2 (57.3 52.3) 2 (65.7 69.4) 2 (73.1 77.8) 2 31.8350;
2
con 4 grados de libertad
H 0 : 1 2 0
El modelo de ajuste es significativo, dado que F = 63.71 > F tablas (0.01,2,5) por
tanto uno o los dos coeficientes no son cero.
H 0 : 1 0 H0 : 2 0
45
Metodología de Superficies de Respuesta P. Reyes / Dic. 2006
con:
b1 0 3.4375 3.4375
t 3.73
1
Var (b1 ) diag ( X ' X ) * MSE (1 / 8)6.7873
Como t calculada es mayor que la t 0.025,5 gl de MSE = 2.571, 1 tiene efecto significativo
en la respuesta.
b2 0 9.8125 9.8125
t 10.65 (5.6)
1
Var (b2 ) diag ( X ' X ) * MSE (1 / 8)6.7873
Así la línea de contorno para Y = 60 pasa por las coordenadas (0, -0.172) y
(-.495, 0) y se extiende un poco más del área de experimentación en x 1 = 1 y x2 =
1.
De esta misma forma podemos trazar las líneas de contorno correspondientes a
Y(x) = 55, 60, 65 y 70% (ver figura 5.2).
46
Metodología de Superficies de Respuesta P. Reyes / Dic. 2006
bi
xi (2.11)
2
b2 9.8125
3.27
2 x2 2(1.5)
47
Metodología de Superficies de Respuesta P. Reyes / Dic. 2006
b1 3.4375
x1 0.526
2 2(3.27)
Base 80 60
i 5.3 45
Base + i 85.3 105 74.3
Base + 1.5i 87.95 127.5 78.6
Base + 2i 90.6 150 83.2
Base + 3i 95.9 195 84.7
Base + 4i 101.2 240 80.1
Los cuatro nuevos puntos del diseño, el punto central y los valores de la respuesta
de rendimiento obtenida se muestran en la tabla 5.4.
48
Metodología de Superficies de Respuesta P. Reyes / Dic. 2006
1
Error . puro ((82.9 81.4) 2 (87.4 89.5) 2 (74.6 77.0) 2 (84.5 83.1) 2 (84.7 81.9) 2 )
2
Error puro = 11.11
ELOF = Error residual – Error puro = 13.455 – 11.11 = 2.345 con 7 – 5 = 3 gl.
Calculando la F del error de falta de ajuste contra el error puro se observa que no
es significante (F = 1.173 / 2.222 = 0.53).
b2 2.750 2.750
x2 0.769 0.77
2 b1 3.575
2( )
2( 1)
Por tanto el valor del tiempo corresponde a una disminución de –0.77 x 30 seg. = -23.1 seg.
por tanto las coordenadas del nuevo punto central serán X1 = 95.9 + 10º y X2 = 195 –
23.1 seg o sea (105.9º, 171.9 seg.).
Estimando la respuesta en este punto se tiene:
Yest. = 82.7 +3.75 (+1) –2.75 (-0.77) = 88.56, la cual es mayor que la respuesta anterior,
por tanto si se incrementa la respuesta.
Siguiendo esta nueva segunda dirección, variando ahora los factores a partir del segundo
punto central con incrementos de Temperatura de +10º, +20º, +30º y `40º, y los tiempos
correspondientes con –23.1, -46.2, -69.3 y – 92.4 se realizan La secuencia de los
experimentos numerados como `pasos 1 al 4 como se muestra en la figura 5.3 y en la tabla
5.4 donde se muestran los valores de las respuestas observadas.
El paso No. 2 con las condiciones de [centro + 2 i ] se observa que da el valor mayor de la
respuesta, por tanto se replica en el paso 5 para asegurar que efectivamente proporcione una
respuesta mayor. Una vez comprobado continua el proceso.
49
Metodología de Superficies de Respuesta P. Reyes / Dic. 2006
De la figura 5.3 se observa que al reducir el tiempo se reduce la respuesta por lo que para
ahorrar trabajo de experimentación se prueba ahora con un nivel tomando como punto
central las condiciones en el paso 2 que son (+2, -1.54) o (115.9º, 148.8 seg.) y se aumentan
los valores en forma relativa con (+1,+1), por lo que ahora se tienen como nuevos valores
(+3,-0.77) o (125.9º, 171.9 seg.). La respuesta obtenida representa al experimento del paso
No. 6, donde se observa un nivel de respuesta mayor.
Uniendo los puntos de los valores de la respuestas correspondientes a los pasos No. 5 y No.
6 se encuentra una nueva tercera dirección de ascenso rápido. Realizando los experimentos
en esta dirección con valores incrementados en Temperatura y Tiempo en una unidad se
tiene con valores codificados:
Otra vez en el paso No. 8 se observa una disminución de la respuesta, por lo que se intenta
un nuevo diseño utilizando el punto en el paso No. 7 como centro o sea en (135.9º, 195
seg.) y los experimentos de los pasos Nos. 6 y 8 como puntos del nuevo diseño, Se realizan
además los experimentos de los pasos No. 9 y 10, quedando el diseño como (el punto
central se replica para tener dos valores de la respuesta):
+3,-0.77 – Paso 6
+3,-.77 Paso 6
Y = 93.6
Y=93.6
Con los datos de los experimentos 6 a 11 y aplicando la regresión lineal múltiple se obtiene
el modelo siguiente:
Fuente Df SS MS F
Regresión 2 0.5650 0.2825 0.04
Residual 3 22.1833 7.3944
Total 5 22.7483
Por tanto el modelo no explica una gran cantidad de variación total en la variable de
respuesta.
50
Metodología de Superficies de Respuesta P. Reyes / Dic. 2006
Una gráfica de los residuos (Yu – Yu est.) en los puntos del diseño anterior indican que el
modelo de regresión subestima la respuesta en el centro sin emabrgo la sobre estima en los
puntos factoriales, indica que no es adecuado ajustar una superficie curva con un plano.
k k
H 0 ii 0 H a ii 0
i 1 i 1
(Y
F
__ __
(Y 1 Y 0 ) 2
F con , 1, n1 + n0 – n - 1 g.l. (5.16)
1 1
s2 ( )
n1 n 2
51
Metodología de Superficies de Respuesta P. Reyes / Dic. 2006
Si n1>n entonces s2 se calcula usando las replicaciones en los putnos del diseño
de primer orden así como las replicas de los puntos centrales.
r1 =1; n0 = 2
__
Y1 (93.6 92.9 91.7 92.5) / 4 96.675
__
Y0 (96.2 97.0) / 2 96.6
El valor de F es:
(96.675 96.6) 2
F 64.19 Como F0.10,1,1 = 39.9
032(1 / 4 1 / 2)
52
Metodología de Superficies de Respuesta P. Reyes / Dic. 2006
Con los datos de la tabla 5.5 y codificando los valores, el modelo de segundo
orden encontrado es (ver ejemplo numérico en página 7):
La SS del error puro se calcula utilizando las dos réplicas tomadas en el punto
central como:
SS Error LOF = Error residual – Error puro = 0.4539 – 0.32 = 0.1339 con 4 – 1 = 3
g.l. por tanto el error cuadrático medio es 0.044.
Donde se observa que error por falta de ajuste (E LOF) es menor que la unidad, no
es significativo. Los coeficientes cuadráticos puros son muy significativos ( p <
0.001 ), lo que indica la presencia de curvatura en los valores de respuesta
observados.
B 1 b (5.22)
x0
2
53
Metodología de Superficies de Respuesta P. Reyes / Dic. 2006
1.98127,0.28750
B
0.28750, 1.83127
a11 , a12
A
a 21 , a 22
1 a 22 , a12
A 1
A
a 21 , a11
Se tiene:
0.51650,0.08109
B 1
0.08109,0.5588
0.03018
b
0.31125
1 0.00486
x0 B 1b (5.23)
2 0.08568
54
Metodología de Superficies de Respuesta P. Reyes / Dic. 2006
Definiendo las variables W1, W2, ...., Wk tal que W esté dado por:
W = M’z (5.27)
M’ B M = diag (1, 2,....., k) donde las ’s son valores característicos de B.
Los ejes asociados con las variables Wi se denominan ejes principales del sistema
de respuesta.
Entonces los coeficientes de las xi son los cosenos de dirección de los ejes Wi
respecto a los ejes xi y un coeficiente unitario, indicaría que los ejes Wi son
paralelos a los xi .
k
Yest Yest (0) iWi 2 (5.29)
i 1
55
Metodología de Superficies de Respuesta P. Reyes / Dic. 2006
(B – i Ik ) mi = 0 (5.31)
EJEMPLO NUMÉRICO
x1 0.0302 x1 1.9813,0.2875 x1
Yest ( x ) 96.6 ' ' =
x 2 0.3112 x2 0.2875,1.8313 x2
Yest.(x) = b0 + x’b+x’ B x
56
Metodología de Superficies de Respuesta P. Reyes / Dic. 2006
B I 0 o sea:
( 1.9813 ),0.2875
0
0.2875, ( 1.8313 )
Para dibujar los contornos de la superficie (figura 5.6), se requiere expresar los
ejes W’s en términos de los x’s. Por tanto:
o sea:
-0.3722m11 + 0.2875m21 = 0
0.2875m11 – 0.2222m21 = 0 (5.34)
m21 = 1.2945
1
m11 0.6113
1 (1.2945) 2
2
57
Metodología de Superficies de Respuesta P. Reyes / Dic. 2006
1.2945
m21 0.7914
1 (1.2945) 2
2
con:
m112 m21
2
1
0.6113
m1
0.7914
o sea:
0.2221m12 + 0.2875m22 = 0
0.2875m12 – 0.3721m22 = 0 (5.34)
m12 = -1.2945
1.2945
m12 0.7914
1 ( 1.2945) 2
2
1
m22 0.6113
1 (1.2945) 2
2
con:
m122 m22
2
1
58
Metodología de Superficies de Respuesta P. Reyes / Dic. 2006
59