6. Mtodos de superficie de respuesta y otros enfoques al proceso de optimizacin 6.1.

Metodologa de la superficie de respuesta La Metodologa de Superficies de Respuesta (MSR) es un conjunto de tcnicas matemticas utilizadas en el tratamiento de problemas en los que una respuesta de inters est influida por varios factores de carcter cuantitativo. 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. Cuando decimos que el valor real esperado, , que toma la variable de inters considerada est influido por los niveles de k factores cuantitativos, X 1, X2,..., Xk, esto significa que existe alguna funcin de X1, X2,..., Xk (que se supone continua en Xi, i = 1,..., k) que proporciona el correspondiente valor de para alguna combinacin dada de niveles: = f (X1, X2,..., Xk) de tal forma que la variable respuesta puede expresarse como: Y = + = f (X1, X2,..., Xk) + donde es el error observado en la respuesta. La relacin = f (X1, X2,..., Xk) existente entre y los niveles de los k factores puede representarse a travs de una hipersuperficie (subconjunto de un espacio eucldeo (k+1) - dimensional) a la que llamaremos superficie de respuesta. Una tcnica utilizada para ayudar a visualizar la forma que puede tener una superficie de respuesta tridimensional consiste en representar la grfica de contornos de la superficie, en la que se trazan las denominadas lneas de contorno, que son curvas correspondientes a valores constantes de la respuesta sobre el plano X1X2 (plano cuyos ejes coordenados vienen dados por los niveles X1 y X2 de los factores). Geomtricamente, cada lnea de contorno es una proyeccin sobre el plano X1X2 de una seccin de la superficie de respuesta al intersecar con un plano paralelo al X1X2. La grfica de contornos resulta til para estudiar los niveles de los factores en los que se da un cambio en la forma o altura de la superficie de respuesta. La existencia de grficas de contorno no est limitada a 3 dimensiones a pesar de que en el caso en que haya ms de 3 factores de influencia no es posible la

representacin geomtrica. No obstante, el hecho de poder representar grficas de contorno para problemas en que haya 2 o 3 factores permite visualizar ms fcilmente la situacin general.

6.1.1. Modelo de primer orden Cuando no se tiene suficiente informacin acerca de la forma que presenta la superficie de respuesta, el primer intento de ajuste se hace, generalmente, aproximando a travs de un modelo de primer orden. La forma general de un modelo de primer orden con k factores, X1, X2,..., Xk, es:

o, equivalentemente, en forma matricial: Y = X + donde la matriz X puede escribirse alternativamente como X = [1 : D], con D la matriz de combinaciones de niveles de los factores, denominada matriz de diseo. Si la matriz X es de rango completo, entonces el estimador de obtenido por el mtodo de mnimos cuadrados es b = (X X)-1 X Y (que es, de hecho, el mejor estimador lineal insesgado de ) y la matriz de varianzas-covarianzas de b viene dada por Var(b) = (X X)-1 2. El modelo de primer orden ajustado es, entonces:

Si el modelo est bien ajustado, la parte no aleatoria del modelo representa la respuesta real esperada y es el error experimental. Sin embargo, si el modelo no est ajustado a la funcin respuesta real, lo que ocurre cuando la relacin entre la respuesta y los factores est demasiado simplificada, contiene, adems del error experimental, una parte de error no aleatorio que se debe a la falta de ajuste. 6.1.2. Modelo de segundo orden

Cuando existe curvatura en la superficie de respuesta, el modelo de primer orden no es una aproximacin adecuada y es necesario utilizar un modelo que ajuste mejor. Se emplea entonces un modelo de segundo orden. La forma general de un modelo de segundo orden con k factores, X1, X2,..., Xk es:

De manera anloga a como se hizo para los modelos de primer orden se obtiene que el modelo ajustado de segundo orden es:

6.2. El mtodo de la mxima pendiente en ascenso El mtodo de mxima pendiente en ascenso consiste en ejecutar una secuencia de experimentos a lo largo de la lnea de mximo incremento de la respuesta. Si el modelo ajustado de primer orden es adecuado, la informacin que ste proporciona se utiliza para determinar una direccin en la cual se espere observar mayores valores de la variable respuesta. A medida que se avanza sobre la superficie ajustada en la direccin en que se incrementan los valores de la respuesta y se va llegando a una regin en la que haya curvatura en la superficie real, el incremento en la respuesta se estabilizar en el punto ms alto de la superficie ajustada. Si se contina en esta direccin y la altura de la superficie disminuye, se lleva a cabo un nuevo conjunto de experimentos y se ajusta de nuevo el modelo de primer orden. Se determina una nueva direccin hacia valores crecientes de la respuesta y se ejecuta otra secuencia de experimentos en la direccin determinada. Este proceso contina hasta que se hace evidente que a partir del mtodo no se puede obtener un incremento en la respuesta o ste es muy pequeo. Si los test de ajuste detectan que puede haber curvatura en la superficie, se aumenta un grado al modelo aadindole los trminos del producto cruzado y/o los trminos cuadrticos puros y se completa el diseo de primer orden

aadindole los puntos necesarios para ajustar el nuevo modelo de segundo orden. Si el modelo de segundo orden se ajusta adecuadamente, se utiliza para describir la forma de la superficie a travs de la grfica de contornos en la regin experimental. Se utiliza entonces el modelo ajustado de segundo orden para localizar, en el lugar en el que la pendiente de la superficie ajustada es cero, las coordenadas del punto estacionario, que es el punto que proporciona el valor ptimo de la variable respuesta y, si se detecta que ste se encuentra dentro de los lmites de la regin experimental, se pasa a determinar su naturaleza (si es mximo, mnimo o punto de silla). Si, por el contrario, el punto estacionario no se halla dentro de la regin experimental, hemos de realizar una nueva experimentacin en la direccin en la que ste se encuentra. Una vez que se ha localizado el punto que proporciona valores ptimos de la variable respuesta, se describe la superficie en un entorno prximo a ste.

6.3. Anlisis de una superficie de respuesta de segundo orden Cuando el experimentador se encuentra relativamente cerca del ptimo, por lo general se requiere un modelo que incorpore la curvatura para aproximar la respuesta. En la mayora de los casos, el modelo de segundo orden que se muestra a continuacin, es el adecuado:

6.3.1. Localizacin del punto estacionario Suponga que quieren encontrar los niveles de que optimizan la respuesta predicha. Este punto, en caso de existir, satisface y se le llama punto estacionario. El punto estacionario podra representar (1) un punto de respuesta mxima, (2) un punto de respuesta mnima, o (3) un punto silla. Es posible obtener una solucin matemtica general para la localizacin del punto estacionario, si se escribe el modelo de segundo orden en notacin matricial, se tiene:

Dnde:

Es decir, b es un vector (k x 1) de los coeficientes de regresin de primer orden y B es una matriz simtrica (k x k) cuyos elementos de la diagonal principal son los coeficientes cuadrticos puros:

Y cuyos elementos que estn fuera de la diagonal son la mitad de los coeficientes cuadrticos mixtos:

La derivada de y con respecto a los elementos del vector x igualada con 0 es:

El punto estacionario es la solucin de la ecuacin anterior es:

La respuesta predicha en el punto estacionario puede encontrarse como:

6.3.2. Caracterizacin de la superficie de respuesta Una vez que se ha encontrado el punto estacionario, generalmente es necesario caracterizar la superficie de respuesta en la vecindad inmediata de este punto. Por caracterizar se entiende determinar si el punto estacionario es el punto de una respuesta mxima, mnima o un punto silla. Por lo general, tambin se desea estudiar la sensibilidad relativa de la respuesta a las variables x1; x2,,xk. Como ya se seal, la forma ms directa de hacer esto es examinando una grfica de contorno del modelo ajustado. Si slo hay dos o tres variables en el proceso (las x), la construccin e interpretacin de esta grfica de contorno es relativamente sencilla. Sin embargo, incluso cuando hay un nmero relativamente grande de variables, un anlisis ms formal, llamado anlisis cannico, puede ser til. Es conveniente transformar primero el modelo en un nuevo sistema de coordenadas

con el origen en el punto estacionario x, y despus hacer la rotacin de los ejes de este sistema hasta que sean paralelos a los ejes principales de la superficie de respuesta ajustada. Puede demostrarse que se obtiene as el modelo ajustado:

dnde: las {wi} son las variables independientes transformadas, ys el valor predicho por el modelo en el punto estacionario y las {i} son constantes. A la ecuacin anterior se le llama la forma cannica del modelo. Adems, las {i} son slo valores o races caractersticas de la matriz B. La naturaleza de la superficie de respuesta puede determinarse a partir del punto estacionario y de los signos y magnitudes de las {i}. Primero suponga que el punto estacionario est dentro de la regin de exploracin para ajustar el modelo de segundo orden. Si todas las {i} son positivas, xs es un punto de respuesta mnima; si todas las {i} son negativas, xs es un punto de respuesta mxima; y si las {i} tienen signos diferentes, xs es un punto silla. 6.3.3. Sistemas de loma (cordilleras) 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 cordilleras, 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. Ahora, brevemente veamos en forma matemtica el anlisis de cordillera. Consideremos el modelo ajustado de segundo orden escrito en su forma matricial:

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 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 , que no sea un valor propio de la matriz B en 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.

6.3.4. Respuestas mltiples Muchos problemas de superficies de respuesta incluyen el anlisis de varias respuestas, por ejemplo donde un experimentador mide tres respuestas. En dicho ejemplo, el proceso se optimiza nicamente con respecto a la respuesta rendimiento y1. La consideracin simultnea de respuestas mltiples requiere construir primero un modelo de superficie de respuesta apropiado para cada respuesta y despus intentar encontrar un conjunto de condiciones de operacin que optimice en cierto sentido todas las respuestas o que al menos las mantenga en los rangos deseados. En algunos ejemplos, pueden obtenerse modelos para varias respuestas.

6.4. Diseos de experimentos para el ajuste de superficies de respuesta

Los diseos de superficie de respuesta se clasifican con base en el grado del modelo que se pretende utilizar. Estos diseos proporcionan los tratamientos acorrer para generar datos que permitan ajustar un modelo que describa una variable de respuesta en una regin experimental. Algunas propiedades deseables en los diseos para la MSR son: Que genere 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. El diseo debe requerir un nmero mnimo de corridas experimentales, ya que en cada prueba realizada se gastan recursos que siempre son escasos. El diseo debe 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. El experimento debe permitir la deteccin de la falta de ajuste, para lo cual se requieren repeticiones al menos en el centro del diseo. El diseo debe proporcionar un estimador puro de la varianza del error, lo cual se logra con repeticiones al menos en el punto central. Otras dos propiedades deseables en los diseos para superficie de respuesta son la ortogonalidad y la rotabilidad. Estas propiedades aumentan la eficiencia de los diseos que las poseen, en el sentido de que facilitan la interpretacin de los parmetros estimados en el modelo y de la superficie de respuesta.

6.4.1. Diseo para el ajuste del modelo de primer orden Suponga que quiere ajustarse el modelo de primer orden en k variables:

Hay una clase nica de diseos que minimizan la varianza de los coeficientes de regresin {, se trata de los diseos de primer orden ortogonales. Un diseo de primer orden es ortogonal si todos los elementos que estn fuera de la diagonal de la matriz (XtX) son cero. Esto implica que la suma de los productos cruzados delas columnas de la matriz X sea cero. La clase de los diseos de primer orden ortogonales incluye los factoriales 2k y las fracciones de la serie 2k en las que los efectos principales no son alias entre s.

Al usar estos diseos se supone que los niveles bajo y alto de los k factores estn codificados en los niveles usuales +-1. El diseo2k no permite la estimacin del error experimental a menos que se hagan rplicas de algunas corridas. Un mtodo comn de incluir las rplicas en el diseo 2k es aumentar el diseo con varias observaciones en el centro (el punto xi=0, i=1,2,, k). La adicin de puntos centrales al diseo 2k no influye en las {para i 1, pero la estimacin de 0 se convierte en el gran promedio de todas las observaciones. Adems, la adicin de puntos centrales no altera la propiedad de ortogonalidad del diseo.

6.4.2. Diseo para el ajuste del modelo 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 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. El diseo central compuesto o DCC para ajustar un modelo de segundo orden, se trata de la clase ms popular de diseos usados para ajustar estos modelos. En general, el DCC consta de un factorial 2k (o de un factorial fraccionado de resolucin V) con nF corridas, 2k corridas axiales o estrella y nC corridas centrales. El despliegue prctico de un DCC surge con frecuencia a travs de la experimentacin secuencial. Es decir, se ha usado un diseo 2k para ajustar un modelo de primer orden, este modelo ha presentado falta de ajuste, y despus se agregaron las corridas axiales para permitir la incorporacin de los trminos cuadrticos en el modelo. El DCC es un diseo muy eficiente para ajustar el modelo de segundo orden. Existen dos parmetros en el diseo que deben especificarse la distancia de las corridas axiales al centro del diseo y el nmero de puntos centrales nC. Rotabilidad: Es importante que el modelo de segundo orden proporcione buenas predicciones en toda la regin de inters. Una manera de definir "buenas" es

requerir que el modelo tenga una varianza razonablemente consistente y estable dela respuesta predicha en los puntos de inters x. Recuerde que la varianza de la respuesta predicha en algn punto x es:

Box y Hunter propusieron que un diseo de superficie de respuesta de segundo orden debe ser rotable. Esto significa que la V[y(x)] es la misma en todos los puntos x que estn a la misma distancia del centro del diseo. Es decir, la varianza de la respuesta predicha es constante en esferas. La rotabilidad es una base razonable para la seleccin de un diseo de superficie de respuesta. Puesto que la finalidad de la MSR es la optimizacin, y la localizacin del ptimo se desconoce antes de correr el experimento, tiene sentido el uso de un diseo que proporcione una precisin de estimacin igual en todas las direcciones (puede demostrarse que cualquier diseo de primer orden ortogonal es rotable). Un diseo central compuesto se hace rotable mediante la eleccin de . El valor de para la rotabilidad depende del nmero de puntos en la porcin factorial del diseo; de hecho, = nF1/4 produce un diseo compuesto rotable, donde n, es el nmero de puntos usados en la porcin factorial del diseo. El DCC esfrico. La rotabilidad es una propiedad esfrica; es decir, tiene mayor sentido como criterio de diseo cuando la regin de inters es una esfera. Sin embargo, no es importante tener una rotabilidad exacta para tener un buen diseo. De hecho, para una regin esfrica de inters, la mejor eleccin de a desde el punto de vista de la varianza de prediccin para el DCC es hacer = (raz cuadra de de) k. Este diseo, llamado DCC esfrico, coloca todos los puntos factoriales y axiales del diseo sobre la superficie de una esfera de radio (raz cuadra de de) k. Corridas centrales en el DCC. La eleccin de en el DCC est dictada principalmente por la regin de inters. Cuando esta regin es una esfera, el diseo debe incluir corridas centrales para proporcionar una varianza razonablemente estable dela respuesta predicha. En general, se recomiendan de tres a cinco corridas centrales. El diseo de Box-Behnken. Box y Behnken han propuesto algunos diseos de tres niveles para ajustar superficies de respuesta. Estos diseos se forman combinando factoriales 2k con diseos de bloques incompletos. Los diseos resultantes suelen ser muy eficientes en trminos del nmero requerido de corridas, y son rotables o casi rotables.

6.4.3. La formacin de bloques en diseos de superficies de respuesta

Cuando se usan diseos de superficie de respuesta, con frecuencia es necesario considerar la formacin de bloques para eliminar las variables perturbadoras. Por ejemplo, este problema puede ocurrir cuando un diseo de segundo orden se ensambla secuencialmente a partir de un diseo de primer orden. Puede transcurrir tiempo considerable entre que se corre el modelo primer orden y se corren los experimentos complementarios requeridos para construir un diseo de segundo orden, y durante este tiempo las condiciones de prueba pueden cambiar, haciendo necesaria la formacin de bloques. Se dice que un diseo de superficie de respuesta se forma de bloques ortogonales si se divide en bloques tales que sus efectos no afecten las estimaciones de los parmetros del modelo de superficie de respuesta. Para hacer la formacin de bloques ortogonales de un diseo de segundo orden, deben satisfacerse dos condiciones. Si hay nb observaciones en el bloque bsimo, entonces estas condiciones son: Cada bloque debe ser un diseo ortogonal de primer orden; es decir,

Donde xiu y xju son los niveles de las variables i-sima y j-sima en la corrida usima del experimento con x0u=1 para toda u. La fraccin de la suma de cuadrados total para cada variable con que contribuye cada bloque, debe ser igual a la fraccin de las observaciones totales que estn contenidas en el bloque; es decir:

Donde N es el nmero de corridas del diseo. Como un ejemplo de la aplicacin de estas condiciones, considere un diseo central compuesto rotable en k=2 variables con N= 12 corridas. Los niveles x1 y x2 de este diseo pueden escribirse en la matriz del diseo:

Observe que el diseo se ha dispuesto en dos bloques, con el primer bloque consistiendo en la porcin factorial del diseo ms dos puntos centrales y el segundo bloque consistiendo en los puntos axiales ms dos puntos centrales adicionales. Es claro que la condicin 1 se satisface; es decir, ambos bloques son diseos de primer orden ortogonales. Para investigar la condicin dos, considere primero el bloque 1 y observe que:

Por lo tanto:

As, la condicin 2 se satisface en el bloque 1. Para el bloque 2 se tiene:

Por lo tanto:

Puesto que la condicin 2 tambin se satisface en el bloque 2, este diseo est formado de bloques ortogonales. En general, el diseo central compuesto siempre puede construirse para hacer la formacin de bloques ortogonales en dos bloques con el primer bloque consistiendo en nF puntos factoriales ms nCF puntos centrales y el segundo bloque consistiendo en nA = 2k puntos axiales ms nCA puntos centrales. La primera condicin de la formacin de bloques ortogonales se cumplir siempre independientemente del valor que se use para en el diseo. Para que la segunda condicin se cumpla:

El miembro izquierdo de la ecuacin anterior es = nF y despus de sustituir esta cantidad, la ecuacin para el valor de que resultar en la formacin de bloques ortogonales puede resolverse como la ecuacin:

Este valor de no dar como resultado, en general, un diseo rotable o esfrico. Si se requiere que el diseo tambin sea rotable, entonces =(nF)1/4 y:

El diseo central compuesto es muy verstil en cuanto a su capacidad para incorporar la formacin de bloques. Si k es lo suficientemente grande, la porcin factorial del diseo puede dividirse en dos o ms bloques. (El nmero de bloques factoriales debe ser una potencia de 2, con la porcin axial formando un bloque) 6.5. Experimentos de mezcla

Muchos productos industriales pueden ser obtenidos a travs de la mezcla fsica de diversos compuestos o componentes. Ejemplos sencillos pueden ser la produccin de concreto, las gasolinas, preparaciones para alimentos, etc. Lo que hace que estos ejemplos puedan considerarse equivalentes es que las propiedades del producto que den en su calidad, son funcin de los porcentajes o proporciones de los ingredientes que estn presentes en la mezcla y no de la cantidad usada en las mismas. Representaremos por xi a la proporcin del i-simo ingrediente en la mezcla, con xi = 1,,p. Es evidente que: xi 0 con xi = 1,,p y que:

El problema de formulacin de productos como los mencionados en los ejemplos, se puede pensar como el problema de escoger de las proporciones de los distintos ingredientes de la mezcla dentro de rangos que garanticen que se obtengan propiedades del producto que cumplan con ciertas especificaciones de calidad. Este problema es un caso particular del problema de prediccin de una o varias respuestas de calidad a partir de los valores de variables de entrada (controlables) dentro del proceso. Para realizar la prediccin de manera confiable es necesario suponer que existe una relacin funcional entre la respuesta y las variables de control 1; 2;; k: f = f(1; 2,,k) En la situacin ideal en que la funcin f es conocida es posible encontrar el conjunto de valores de las variables de control para los que se obtiene una calidad determinada. Sin embargo, por la complejidad de muchos de los procesos industriales actuales y la inevitable presencia de los errores de medicin, la situacin ideal dista de ser la situacin comn. Una manera sistemtica para la identificacin de la relacin funcional es la llamada Metodologa de Superficies de Respuesta", que comprende un grupo de tcnicas estadsticas para la construccin y exploracin de modelos empricos (usualmente polinomios de grado pequeo en las variables de control) que pueden ser usados para la prediccin aun cuando la relacin en la ecuacin anterior no sea completamente conocida. En la base de la Metodologa se encuentra el diseo y el anlisis de experimentos realizados con el objetivo de estudiar los cambios en la variable de respuesta (indicador de calidad) escogiendo niveles de las variables de prediccin o control para los que se llevarn a cabo mediciones,

realizadas de manera que se tomen en consideracin adecuada los factores no determinsticos.

6.6. Operacin evolutiva La metodologa de superficies de respuesta se aplica frecuentemente a operaciones en plantas piloto por el personal de investigacin y desarrollo. En un proceso de produccin a gran escala, por lo regular, solo se aplica un asola vez, porque el procedimiento experimental es relativamente elaborado, sin embargo, las condiciones que son ptimas en una planta piloto no lo son en un proceso a gran escala. El escalamiento al pasar de la planta piloto al proceso de produccin en la escala normal, generalmente produce una distorsin en las condiciones ptimas. Aunque la planta a escala normal comienza su operacin a niveles ptimos, generalmente se desva de este punto a consecuencia de las variaciones en la materia prima, los cambios ambientales y al personal de operacin. Se requiere un mtodo para una operacin continua y el monitoreo de un proceso en su escala normal, con el propsito de mover las condiciones de operacin haca el ptimo o para darle seguimiento a las desviaciones. El mtodo no debe requerir cambios grandes o inesperados en las condiciones de operacin que pudieran interrumpir la produccin. La operacin evolutiva (EVOP, de Evolutive Operation) es un procedimiento de operacin con tales caractersticas. Est diseada como un mtodo de operacin de rutina de una planta, que se lleva a cabo por el personal operativo con una asistencia mnima del personal de investigacin y desarrollo. La EVOP consiste en introducir sistemticamente pequeos cambios en los niveles de las variables de operacin consideradas. Para llevarlo a cabo, por lo general, se emplea un diseo 2k. Se supone que los cambios en las variables son muy pequeos para no provocar alteraciones serias en el rendimiento, calidad o cantidad, pero lo suficientemente grandes para permitir la eventual deteccin de mejoras potenciales en el desempeo del proceso. Los datos de las variables de respuesta de inters se recopilan en cada punto del diseo 2 k. Decimos que termina un ciclo cuando se ha recopilado una observacin en cada punto del diseo. Entonces pueden calcularse los efectos de las interacciones de las variables del proceso. Por ltimo, despus de varios ciclos, el efecto de una o ms variables del proceso o sus interacciones sobre la respuesta pueden resultar significativas. En este momento debe tomarse una decisin en relacin con las condiciones bsicas de operacin para mejorar la respuesta. Se dice que termina una fase cuando las condiciones de mejora han sido detectadas.

Aplicacin en mi organizacin. En el rea Taller Mecnico de la empresa donde laboraba no se contaba con personal dedicado al Diseo de Experimentos pero con el fin de lograr una administracin adecuada se pudo haber implementado un experimento mediante el uso de la Metodologa de Superficies de Respuestas (MSR); el experimento podra haberse diseado como se muestra a continuacin. Supondremos que el Ingeniero Residente de esa rea desea maximizar el tiempo de retorno de las unidades con equipo hidrulico al servicio preventivo (medido en semanas) comparando el tiempo de retorno al utilizar 2 marcas distintas de lubricante y de cada marca utiliza una viscosidad diferente cada vez. Hipotticamente la Superficie de respuesta en la que se observa el tiempo de retorno esperado de unidades hidrulicas (en semanas ) en funcin de las diferentes viscosidades del lubricante A (X1) y lubricante B (X2) utilizados, ser la siguiente.

Bibliografa

Douglas C. Montgomery. (1991). Diseo y anlisis de Experimentos. Ed. Grupo Editorial Iberoamrica.

Williann G. Cochran. (1990). Diseos Experimentales. Ed. Trillas.