METODOLOGIA DE LA

SUPERFICIE DE
RESPUESTA
Ing. Sal Prez P.
Ing. Mecatrnica
Universidad Autnoma del Caribe

SUPERFICIE DE RESPUESTA

La metodologa de la Superficie de Respuesta ha sido satisfactoriamente utilizada

para optimizar muy diferentes tipos de unidades, procesos y sistemas industriales.
Este es un enfoque experimental que ha sido aplicado en laboratorios de
investigacin y desarrollo y, a veces en los propios equipos de fabricacin. Sin
embargo, en este ltimo caso es con frecuencia ms apropiada la Operacin
Evolutiva que es una forma modificada de aquella aplicable tanto para objetivos
de cribado como de optimizacin.

Para implantar la metodologa de la superficie de respuesta, se utilizan varios

procedimientos estadsticos. El concepto de superficie de respuesta fue
originalmente desarrollado y descrito por Box y Wilson (1951). Al principio, la
metodologa de la superficie de respuesta fue utilizada fundamentalmente como
tcnica de optimizacin experimental en la industria qumica. Pero, desde
entonces, se le han hallado aplicaciones en muchos otros campos (ver Hill y
Hunter1966).

Figura 1 Esquema de los elementos de la Metodologa de Superficies de

Respuesta
CRIBADO

BSQUEDA I

BSQUEDA II

SI TIENEN MUCHOS
FACTORES

MODELO TENTATIVO DE
PRIMER ORDEN

FORMULAR MODELO DE
SEGUNDO ORDEN

SELECCIONAR LA
RESOLUCIN

DISENO 2k 2k-p CON

REPETICIONES AL CENTRO

DISEO CENTRAL
COMPUESTO, DISEO DE
BOX BEHNKEN

DISEO FACTORIAL
ALTAMENTE
FRACCIONADO

REALIZAR LOS
EXPERIMENTOS

HACER LAS CORRIDAS

DEL EXPERIMENTO EN
ORDEN ALEATORIO

ESTIMAR EL MODELO Y
PROBAR FALTA DE AJUSTE

ANALIZAR LOS DATOS

DETERMINAR LOS
EFECTOS ACTIVOS

CORRER LOS
EXPERIMENTOS
DETERMINAR EL MEJOR
MODELO JERRQUICO

NO

ES LINEAL
LA
SUPERFICIE?
SI

MOVERSE
EXPERIMENTANDO EN LA
DIRECCIN PTIMA,
HASTA DETECTAR CAMBIO
DE TENDENCIA

ENCONTRAR EL PUNTO
ESTACIONARIO
(CANDIDATO A PTIMO)
CARACTERIZAR LA
SUPERFICIE

ES EL
PTIMO QUE
BUSCAMOS?
CONDICIONES
PTIMAS DEL
PROCESO

NO

SI
3

ANLISIS DE
CORDILLERA

UNA VARIABLE

Deficiencias del enfoque de una variable a la vez. Un popular mtodo de

experimentacin es el que aplica una sola variable cada vez. Cada factor,
es variado por turno, mientras los dems se mantienen a un determinado
nivel constante. Un inconveniente de este enfoque es que se puede alcanzar
un falso ptimo. Consideremos la siguiente hipottica situacin.

Ejemplo. Tenemos en estudio una reaccin qumica en la que hay dos factores
de inters: la concentracin de uno de los reactivos y el tiempo de reaccin.
Qu valores de los dos factores maximizarn el resultado?. Los que se
consideraban mejores, al principio de la investigacin eran una concentracin
del 25 por 100 y un tiempo de 1 hora.

Siguiendo el comentado enfoque, el ingeniero realiz una serie de

experimentos, variando el tiempo, mientras mantena la concentracin en el
25 por 100. El resultado mostr que una produccin mxima de alrededor del
65 por 100 se obtena cuando el tiempo era de 1.9 horas. Manteniendo el
tiempo fijo en este valor, se vari la concentracin, y se obtuvo un mximo en
el 25 por 100. con lo que el ingeniero lleg a la conclusin de que la mayor
produccin (el 65 por 100) se alcanzaba con una concentracin del 25 por 100
y un tiempo de 1.9 horas. Esta conclusin, sin embargo, es incorrecta

Superficie de respuesta. La situacin real, desconocida para el investigador,

se puede ver en la Figura 2. Aqu, el resultado se muestra como una funcin
de la concentracin y el tiempo. Las curvas de trazo continuo son lneas de
contorno de resultado constante. Por ejemplo, hay un conjunto de
condiciones de concentracin y tiempo que dan una produccin del 80 por
100. El conjunto de los contornos puede verse como una montaa cuyo
vrtice es el punto P. Los contornos de 90.80 y dems, seran las altitudes.
Esos nmeros representan los porcentajes de produccin.

Figura 2. Superficie de respuesta que muestra el rendimiento de una

reaccin qumica en funcin de la concentracin y del tiempo.
7

El objetivo del ingeniero era hallar aquellos valores de la concentracin y del

tiempo que daban la mxima produccin. Visto geomtricamente, lo que el
ingeniero quera hacer era ascender al punto ms alto de la montaa. El
intento fall por una muy simple razn.

Hablando en forma figurada, al variar el tiempo, el ingeniero, primero,

atraves la montaa a lo largo del camino que va del punto A al punto B (ver
la Figura 2). Entre A y E el camino sube. pero, a partir del punto E, empieza a
bajar por el otro lado. Entre el punto E y el punto B. el ingeniero ha estado
descendiendo por el otro lado de la montaa. Vemos tambin el camino (de C
a E y a D) recorrido al variar las concentraciones.

El investigador ha alcanzado slo una produccin del 65 por 100 (en E),
mientras que es posible (en P) llegar al 90 por 100. Esta mayor produccin
puede alcanzarse si. simultneamente, se incrementa la concentracin y se
reduce el tiempo a partir de los valores ptimos de los que ha informado el
ingeniero.

Si los contornos de la montaa hubieran sido circulares y no hubiera ningn

valor experimental, el procedimiento de uno a la vez habra llevado al
ingeniero al punto ms alto de la montaa. En general, los contomos reales
de las superficies de respuesta no son circulares o esfricos, y. por eso. es
necesaria una estrategia experimental ms sofisticada, tal como la
metodologa de la superficie de respuesta.

En muchas situaciones experimentales se enfrenta el problema

de que:
No se obtienen las respuestas buscadas o el nivel de mejoras logrado no es
suficiente, por lo que es necesario experimentar de manera secuencial hasta
encontrar el nivel de mejoras deseado. En este caso, despus de una primera
etapa experimental quiz sea necesario desplazar la regin experimental
(moverse de lugar) en una direccin adecuada, o bien, explorar en forma ms
detallada la regin experimental inicial

10

Figura 3 Las acciones bsicas de la Metodologa de

Superficies de Respuesta

Cmo
se
construye
un
Modelo de Superficies de
Respuesta
apropiado
para
cada variable de respuesta del
proceso?

11

La Metodologa de Superficies de Respuesta (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, aqullas que dan por
resultado valores ptimos de una o varias caractersticas de calidad del
producto.
La MSR 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.
El modelo puede ser de primero o segundo orden, por ello, el diseo y el mtodo
de optimizacin se clasifican de igual manera.
12

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.

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.
13

14

DISEOS EXPERIMENTALES PARA MODELOS DE

SEGUNDO ORDEN

Nmero de corridas

Nmero de
factores

Nmero de
parmetros

Factorial
completo 3k

Central
compuesto

BoxBehnken

Draper y
Lin

13 -16

10

27

17 - 23

15

12

15

81

27 - 36

27

18

21

243

29 - 36

46

24

28

729

47 - 59

54

30

15

ALGUNOS CONCEPTOS BSICOS

REGIONES EXPERIMENTAL Y DE
OPERABILIDAD
La regin experimental es el espacio delimitado por los rangos de
experimentacin utilizados con cada factor. La regin de operabilidad est
delimitada por el conjunto de puntos o condiciones donde el equipo o proceso
puede ser operado. Es difcil delimitar con certeza el tamao de la regin de
operabilidad, ya que aun cuando se conozca (por especificaciones del equipo)
el rango en que se puede colocar cada factor individual, es necesario
determinar esos lmites considerando varios factores de manera simultnea.
Por ejemplo, es posible que la temperatura se pueda correr en su nivel ms
alto de operabilidad, siempre y cuando los factores velocidad y fuerza se
mantengan bajos. La regin de operabilidad considera todas las combinaciones
posibles de los niveles de los factores donde el proceso puede operarse y sta
siempre es igual o ms grande que la regin experimental.

16

17

En la MSR es importante tener presente esta visin de las regiones de operabilidad y experimental, ya que en principio, el punto ptimo que interesa
encontrar pudiera localizarse en cualquier lugar de la regin de operabilidad.
dentro o afuera de la regin experimental inicial. En procesos ya establecidos
y muy estudiados, es de esperarse que dicho punto ptimo se encuentre "no
muy lejos" de las condiciones de operacin usuales, posiblemente dentro de
la regin experimental inicial. En cambio, cuando el proceso es nuevo o
cuando se est escalando o rediseando, es ms probable que el punto de
inters se ubique fuera de la primera regin experimental propuesta para el
experimento inicial, y en ese caso primero ser necesario acercarse a dicho
punto para luego "atraparlo".

18

19

ETAPAS DE LA MSR
1. Cribado: La optimizacin de un proceso se inicia con esta etapa cuando se tienen
muchos factores (ms de 6) que influyen en la variable de inters.
2. Bsqueda I o de primer orden: Se aplica cuando se tienen pocos factores y se sabe
que estos influyen en la variable de respuesta. Se corre un diseo de primer orden
(factorial o factorial fraccionario con repeticiones en el centro) que permita
caracterizar en forma preliminar el tipo de superficie de respuesta y detectar la
presencia de curvatura.
3. Bsqueda II o de segundo orden: Se desarrolla cuando se detecta curvatura o la
superficie es ms compleja que un hper plano. Se corre o completa un diseo de
segundo orden para caracterizar la superficie y modelar la curvatura. Con el modelo
ajustado se determinan las condiciones ptimas de operacin del proceso.

20

En esta visin grfica de la MSR se supone que la etapa de

21
cribado ya se realiz.

Figura 1 Esquema de los elementos de la Metodologa de Superficies de

Respuesta
CRIBADO
BSQUEDA I
BSQUEDA II
SI TIENEN MUCHOS
FACTORES

MODELO TENTATIVO DE
PRIMER ORDEN

FORMULAR MODELO DE
SEGUNDO ORDEN

SELECCIONAR LA
RESOLUCIN

DISENO 2k 2k-p CON

REPETICIONES AL CENTRO

DISEO CENTRAL
COMPUESTO, DISEO DE
BOX BEHNKEN

DISEO FACTORIAL
ALTAMENTE
FRACCIONADO

REALIZAR LOS
EXPERIMENTOS

HACER LAS CORRIDAS

DEL EXPERIMENTO EN
ORDEN ALEATORIO

ESTIMAR EL MODELO Y
PROBAR FALTA DE AJUSTE

ANALIZAR LOS DATOS

DETERMINAR LOS
EFECTOS ACTIVOS

CORRER LOS
EXPERIMENTOS
DETERMINAR EL MEJOR
MODELO JERRQUICO

NO

ES LINEAL
LA
SUPERFICIE?
SI

MOVERSE
EXPERIMENTANDO EN LA
DIRECCIN PTIMA,
HASTA DETECTAR CAMBIO
DE TENDENCIA

ENCONTRAR EL PUNTO
ESTACIONARIO
(CANDIDATO A PTIMO)
CARACTERIZAR LA
SUPERFICIE

ES EL
PTIMO QUE
BUSCAMOS?

CONDICIONES
PTIMAS DEL
PROCESO

NO

SI
22

ANLISIS DE
CORDILLERA

23

MODELOS DE PRIMERO Y
SEGUNDO ORDEN

24

TCNICAS DE OPTIMIZACIN

Cuando se tiene el modelo debidamente ajustado y validado, se procede a

explorar la superficie descrita por el modelo para encontrar la combinacin
de niveles de los factores que dan por resultado un valor ptimo de la
variable de respuesta (caracterstica de calidad), o bien, para determinar la
direccin ptima de movimiento en la que se debe experimentar en el futuro.
Si el modelo no explica al menos el 70 % del comportamiento de la
respuesta (R

aj

70 % ), no se recomienda emplearlo para fines de

optimizacin porque su calidad de prediccin es mala.

25

TCNICAS DE
OPTIMIZACIN

La tcnica de optimizacin a utilizar depende del tipo de modelo ajustado y

existen bsicamente tres mtodos, que son:
1. Escalamiento ascendente (o descendente)
2. Anlisis cannico
3. 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.

26

TCNICAS DE OPTIMIZACIN
1) Escalamiento ascendente ( o descendente)
Se aplica cuando 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.
2) Anlisis cannico
Se aplica un diseo de segundo orden cuando se quiere explorar con ms
amplitud una regin experimental y/o se espera que el punto ptimo ya est
cerca (quizs en la regin experimental).
3) Anlisis de cordillera
Este anlisis se realiza cuando el punto estacionario no es del tipo que se
requiere y entonces la opcin es encontrar el mejor punto posible dentro de
la regin experimental.
27

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 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.

28

ESCALAMIENTO ASCENDENTE (DESCENDENTE)

29

ESCALAMIENTO ASCENDENTE (DESCENDENTE)

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.

30

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.
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.
31

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 cuerna con un software adecuado no necesariamente
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 observada 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
32

DETERMINACIN DEL PUNTO ESTACIONARIO (CANDIDATO A

PTIMO)
Modelo ajustado de segundo orden

En forma matricial

Punto estacionario
33

TIPOS DE SUPERFICIE Y ECUACIN

CANNICA

En algunos problemas de optimizacin, en especial cuando se

analizan diversas variables, el tipo de superficie de respuesta
no es tan evidente.
Para resolver esta situacin se utiliza la ecuacin cannica
del modelo de segundo orden, cuya expresin es la siguiente:

34

35

Los coeficientes de la ecuacin cannica son los valores

propios o eigenvalores de la matriz B y sus signos
determinan el tipo de punto estacionario que se encontr de
acuerdo con la regla siguiente:

Los eigenvalores cumplen con la relacin:

36

ANLISIS DE CORDILLERA
Este anlisis se realiza cuando el punto estacionario no es del tipo que se
requiere y entonces la opcin es encontrar el mejor punto posible
dentro de la regin experimental. Este punto se ubica sobre la cordillera
ptima del centro del diseo y es aqul que predice la mejor respuesta
sobre la regin.
Consiste en calcular el mximo o el mnimo de la superficie de respuesta
sobre esferas concntricas al centro del diseo, empezando por una
esfera de radio casi cero y se va aumentando el radio de la esfera hasta
llegar a una esfera que cubra los puntos experimentales. El punto ptimo
es aqul que predice el desempeo ptimo de la variable de respuesta.

37

Considere el modelo de segundo orden, en forma

matricial, que fue ajustado anteriormente

Sea la esfera centrada en el origen

cuyos puntos cumplen la restriccin:

con radio Ri

38

donde es un multiplicador de
Lagrange

El punto ptimo sobre una esfera particular se determina

al sustituir para un valor de que no sea un auto valor
(eigenvalor) de la matriz B.
39

EJEMPLO

40

41

42

Aclaracin: Experiencias anteriores indican que no

existen interacciones

Trayectoria
de
mximo
ascenso

43

DETERMINACIN DE LA TRAYECTORIA DE
MXIMO ASCENSO

Se decidi que Z2 se incrementara en 2.5 g/l cada vez en

unidades reales. Esta es una longitud de paso conservadora
porque este factor tiene niveles dados por 25 10.
44

45

Trayectoria de mximo ascenso y resultados

experimentales obtenidos

A partir de la corrida 6 los valores de la variable de respuesta

comienzan a descender, por tanto ste debe ser el centro de una
46
nueva regin experimental.

47

El modelo de primer orden no describe de manera satisfactoria

los resultados experimentales, debido a que existe una
curvatura fuerte (prueba de falta de ajuste). Observe el valor
del coeficiente de determinacin.
48

Es por esto que se requiere extender el diseo de primer orden a un

diseo de segundo orden hasta completar un diseo compuesto central
rotable.
En la tabla que aparece a continuacin se muestran los puntos axiales y
los resultados obtenidos.

49

Para encontrar los niveles reales a los que corresponden los

cdigos + 1.41 y 1.41 se utiliz la siguiente ecuacin:

Al ajustar un modelo de segundo orden a todos los datos de la

tabla se obtiene la tabla ANOVA que aparece a continuacin,
donde se aprecia que el modelo describe adecuadamente la
superficie. Si se elimina el trmino X2 X3 que no es
significativo, se obtiene el siguiente modelo ajustado:
Y = 10,66 - 0,61783*X 2 - 0,563021*X 3 - 1,63*X 2^2 - 1,855*X 3^2

50

51

En la superficie de respuesta en contornos para este modelo se

observa que se tiene claramente un mximo cerca de la zona central
de la regin experimental.
El ptimo est en el punto (X2 , X3 ) = (-0.189, -0.152) donde se predice
un nivel de Y igual a 10.66. Para encontrar a qu condiciones reales
corresponde este punto, se utiliza la expresin

Entonces se obtiene el valor (Z2 , Z3 ) = (36.5, 24.7). Para verificar este

punto se hicieron tres corridas confirmatorias en este punto y se
obtuvieron para Y los valores 10.5, 10.7 y 10.6.
Los valores obtenidos confirman un incremento real de 47% en el
rendimiento con la aplicacin de MSR, en comparacin con el valor
promedio obtenido en el centro de la regin experimental inicial (7.2).
Adems, se elimin un componente costoso (X5 ).
52

53

ESTRATEGIAS DE SEGUNDO ORDEN

Qu diseos se deben emplear?

54

55

56

57

58

59

60

61

62

63

En Stargraphics* una vez seleccionado un modelo de regresin de segundo

orden que describe adecuadamente el comportamiento de la respuesta (Y),
la optimizacin de sta se lleva a cabo en la opcin tabular de
Optimization. Una vez ah. con las opciones de panel (botn derecho del
ratn) se elige el tipo de optimizacin deseada: mximo, mnimo o un
valor objetivo. Si se quiere un valor objetivo se declara su valor en el
campo correspondiente. Se indica el rango de bsqueda para cada factor,
tpicamente el rango utilizado en la regin experimental. Entonces, se
corre el procedimiento y ste reporta las coordenadas del punto ptimo.

64

BIBLIOGRAFIA
1.

Anlisis y diseo de experimentos, Humberto Pulido Romn De La Vara,

Segunda Edicin, McGraw Hill, Mjico, 2008

2.

Diseo y anlisis de experimentos, Douglas Montgomery, Segunda Edicin,

Limusa Wiley, Mejico, 2004