Академический Документы
Профессиональный Документы
Культура Документы
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
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 b1
x b
x= 2; b= 2
.... ....
xk bk
4
Metodología de Superficies de Respuesta P. Reyes / Dic. 2006
k k
E ( y ) 0 i xi ii xii
2
ij xi x j
i 1 i 1 i j ij
b11,b12 / 2,..............b1k / 2
....
22 b ,............... b2k / 2
B=
.........................b( k 1),k / 2
sym,........................bkk
y = b0 + x’ b + x’ B x
5
Metodología de Superficies de Respuesta P. Reyes / Dic. 2006
x0 = - B -1 b / 2
y0 = b0 + ( x’ b ) / 2
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
6
Metodología de Superficies de Respuesta P. Reyes / Dic. 2006
Haciendo un análisis de varianza preliminar con los datos anteriores para el diseño
en bloques aleatorios se tiene:
9 3
y..2
SST yij2
i 1 j 1 9 x3
9
y i2. y..2
SS trat
i 1 3 9 x3
3 y.2j y..2
SS bloque
j 1 9 9 x3
SSe = 34.8757
7
Metodología de Superficies de Respuesta P. Reyes / Dic. 2006
MSt = SSt / gl t
MSb = SSb / gl b
TABLA ANOVA
ANÁLISIS DE VARIANZA
Probabilida
Origen de Suma de Grados de Promedio de F d Valor 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
X’X =
bo b1 b2 b11 b12 b22
donde: 1 -1 -1 1 1 1
1 -1 0 1 0 0
1 -1 1 1 -1 1
3*X’X =
1 0 -1 0 0 1
27 0 0 18 0 18
1 0 0 0 0 0
0 18 0 0 0 0
1 0 1 0 0 1
0 0 18 0 0 0
1 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
9
Metodología de Superficies de Respuesta P. Reyes / Dic. 2006
b0
b Y
1 41.9
b2 36.9
26.5
b= 44.7
b
11 43.3
46.1
b12 31.1
34.2
35.3
b22
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
b=
15.0144444
0.19 0.00 0.00 -0.11 0.00 -0.11
-0.26277778
0.00 =
0.06 0.00 0.00 0.00 0.00
-0.53888889
0.00 0.00 0.06 0.00 0.00 0.00
-3.45833333
1.62666667
-0.17333333
10
340.02
Metodología de Superficies de Respuesta -4.73 P. Reyes / Dic. 2006
-9.7
205.93
-0.11 0.00 0.00 0.17 0.00 0.00 19.52
0.00 0.00 0.00 0.00 0.08 0.00 225.64
-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:
41.87
36.92
26.54
44 . 69
b’ X’ y = (b’X’) 43.27
46 . 13
31.11
34. 19
35.30
b’ X’ y = 4392.149
Con los valores anteriores, calculando SSR se tiene:
11
Metodología de Superficies de Respuesta P. Reyes / Dic. 2006
TABLA ANOVA
Total 154.1606 26
Bloque 0.9704 2 0.4852
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
12
Metodología de Superficies de Respuesta P. Reyes / Dic. 2006
0.54 0.81,67x2
Estimated Regression Coefficients for Rendim
13
Metodología de Superficies de Respuesta P. Reyes / Dic. 2006
0.26
y0 = b0 + (x0‘ b) /2 = 15.35 + 0. 8,1 1.25 (1/2) 5.1 71
0.54
Como ambos coeficientes bii, bij son negativos, el punto estacionario es un
máximo.
donde
Tp = temperatura (ºC)
14
Metodología de Superficies de Respuesta P. Reyes / Dic. 2006
15
Metodología de Superficies de Respuesta P. Reyes / Dic. 2006
(a)
(b)
0
x1
^
Y b0 b1 X 1 b2 X 2
16
Metodología de Superficies de Respuesta P. Reyes / Dic. 2006
^
Y 13.85 0.90x1 0.56x2 0.57x1 x2 1.94x12 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.
17
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 ) v i 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.
18
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)
19
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)
20
Metodología de Superficies de Respuesta P. Reyes / Dic. 2006
r=Y–Xb (2.10)
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
21
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
22
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
23
Metodología de Superficies de Respuesta P. Reyes / Dic. 2006
Y=X+
24
Metodología de Superficies de Respuesta P. Reyes / Dic. 2006
X’ X b = X’ Y se tiene:
b0
12,00,00,00,08 b 91.51
00,12,00,00,00 1 32.03
b2
00,00,08,00,00 = 26.63
b
11
00, 00, 00, 08, 00 1 . 25
b12
08,00,00,00,08 57.37
b
22
La solución para b = (X’ X)-1 X’ Y, es por tanto (ver Ejeratas):
8.535
2.669
b= 3.329
0 .156
1.364
Detalle de cálculos matriciales en Excel (Ctr-Shift-Enter)
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
26
Metodología de Superficies de Respuesta P. Reyes / Dic. 2006
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
1 -1 1 -1 1 5.63 91.51 91.51 91.51 91.51 91.51
- -
1 1 1 1 1 6.42 -32.03 32.03 -32.03 -32.03 32.03
1 1 1 1 1 1.38 26.63 26.63 26.63 26.63 26.63
1.94 -1.25 -1.25 -1.25 -1.25 -1.25
11.57 57.37 57.37 57.37 57.37 57.37
MATRIZ
(X'X)-1 12.16
VECTOR b Varianza de
= (X'X)-1 b = (X'X) -1
5.72 X'Y s2y
0.25 0 0 0 -0.3 4.69 8.535 0.148 0.384708
0 0.08 0 0 0 12.68 -2.66917 0.04736 0.217624
0 0 0.13 0 0 13.31 3.32875 0.07696 0.277417
0 0 0 0.13 0 8.28 -0.15625 0.07696 0.277417
-0.3 0 0 0 0.38 7.73 -1.36375 0.22496 0.474299
Media 7.6258 sse
Varianza de y 2.030732
0.592
^
Y ( x) 8.35 2.669x1 3.329 x2 0.156x1x2 1.364x22
En Minitab
Tabla de datos
27
Metodología de Superficies de Respuesta P. Reyes / Dic. 2006
0.7 5 7 7 1 1 5.72
0.7 5 8 8 1 1 4.69
0.3 9 9 9 1 1 12.7
0.3 9 10 10 1 1 13.3
0.7 9 11 11 1 1 8.28
0.7 9 12 12 1 1 7.73
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
Responses Y Seleccionar Uncoded Units
Terms (Full cuadratic pasar los factores con > excepto AA)
OK
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 0.195X 1 X 2 0.085X 22
28
Metodología de Superficies de Respuesta P. Reyes / Dic. 2006
__ ^ ^ __ ^
(X1) (X2) Yi Yi Y Y ( xi ) Y ( xi ) Y Y i Y ( xi )
0.3 1 5.63 -1.996 6.36 -1.266 -0.73
6.42 -1.206 6.36 -1.266 0.06
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
29
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
30
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
31
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
32
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:
33
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
34
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 predicción Var Y ( x) es
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.
35
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)
36
Metodología de Superficies de Respuesta P. Reyes / Dic. 2006
__
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
0.3,1 1,1
0.3,7 1,1
0.7,1 1,1
0.7,1 1,1
0.3,5 1,0
0 .3,5 1, 0
DX D
0.7,5 1,0
0.7,5 1,0
0.3,9 1,1
0 .3,9 1,1
0.7,9 1,1
0.7,9
1, 1
37
Metodología de Superficies de Respuesta P. Reyes / Dic. 2006
^
Sea Y ( x) la respuesta de predicción en el punto x = (x1, x2,....,xk)’ en la región de
interés en el espacio de las variables codificadas denotado por R, se tiene:
^
Y ( x) 1, x'b (3.8)
N
(3.10)
DISEÑOS FACTORIALES
1
b X 'Y
2k
38
Metodología de Superficies de Respuesta P. Reyes / Dic. 2006
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
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
39
Metodología de Superficies de Respuesta P. Reyes / Dic. 2006
X 1 420
x1
40
X 2 1/ 2
x2
1/ 4
X 9.1
x3 3
2.0
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
40
Metodología de Superficies de Respuesta P. Reyes / Dic. 2006
75.9
75.4 b0 = 74.3125
promedio de
71.3 Y
1 84.4
b X 'Y
2k 64.5
67.5
72.8
85.3 b 5
71.4 3.15
83.3 3.975
82.9 1.8625
81.7
^
Y 74.31 `5.00x1 3.15x2 3.98x3 1.86x4 con sse. = 1.41 en todos los parámetros
Con Minitab:
41
Metodología de Superficies de Respuesta P. Reyes / Dic. 2006
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.
42
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
43
Metodología de Superficies de Respuesta P. Reyes / Dic. 2006
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.
44
Metodología de Superficies de Respuesta P. Reyes / Dic. 2006
FN F
(4.2)
2
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)
45
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,
46
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.
47
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+
48
Metodología de Superficies de Respuesta P. Reyes / Dic. 2006
X’X b X’Y
60 90
x2
90
85
x1
30
50
Metodología de Superficies de Respuesta P. Reyes / Dic. 2006
80
70
Por tanto:
b (X’X) X’Y
51
Metodología de Superficies de Respuesta P. Reyes / Dic. 2006
^
Y 61.6875 3.4375x1 9.8125x2
El modelo equivalente en las variables originales, temperatura (X 1) y tiempo (X2)
es:
^
Y 14.5625 0.34375x1 0.32708x2
52
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.
53
Metodología de Superficies de Respuesta P. Reyes / Dic. 2006
H 0 : 1 0 H0 : 2 0
con:
b1 0 3.4375 3.4375
t 3.73
Var (b1 ) diag ( X ' X ) 1 * 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).
54
Metodología de Superficies de Respuesta P. Reyes / Dic. 2006
bi
xi (2.11)
2
b2 9.8125
3.27
2 x2 2(1.5)
55
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.
56
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)
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.
57
Metodología de Superficies de Respuesta P. Reyes / Dic. 2006
+3,-0.77 – Paso 6
+3,-.77 Paso 6
Y = 93.6
Y=93.6
Fuente Df SS MS F
58
Metodología de Superficies de Respuesta P. Reyes / Dic. 2006
Total 5 22.7483
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
59
Metodología de Superficies de Respuesta P. Reyes / Dic. 2006
__ __
(Y 1 Y 0 ) 2
F con , 1, n1 + n0 – n - 1 g.l. (5.16)
1 1
s2 ( )
n1 n 2
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)
60
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.
61
Metodología de Superficies de Respuesta P. Reyes / Dic. 2006
B 1b (5.22)
x0
2
1.98127, .0 28750
B
.0 28750, .1 83127
De la fórmula para invertir una matriz A:
a1 ,a12
A
a 21 , a 2
1 a , a
1 2 12
A
A a21,a1
Se tiene:
62
Metodología de Superficies de Respuesta P. Reyes / Dic. 2006
1 1 0.0 486
x0 B b (5.23)
2 0.08568
De acuerdo a las variables originales, el punto de ajuste estacionario es T =
135.85ºC y t = 193.02 seg. respectivamente, calcualdo de las siguientes
ecuaciones:
63
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)
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
64
Metodología de Superficies de Respuesta P. Reyes / Dic. 2006
(B – i Ik ) mi = 0 (5.31)
EJEMPLO NUMÉRICO
65
Metodología de Superficies de Respuesta P. Reyes / Dic. 2006
x10.32x1 1.983,0275x1
Yest(x)96.' ' =
x20.312 x20.2875,13x2
Yest.(x) = b0 + x’b+x’ B x
B I 0 o sea:
66
Metodología de Superficies de Respuesta P. Reyes / Dic. 2006
(1.9813 ),0.2875
0
0.2875,(1.8313 )
Expandiendo el determinante queda como:
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:
67
Metodología de Superficies de Respuesta P. Reyes / Dic. 2006
-0.3722m11 + 0.2875m21 = 0
0.2875m11 – 0.2222m21 = 0 (5.34)
m21 = 1.2945
1
m11 0.6113
1 (1.2945) 2
2
1.2945
m 21 0.7914
1 (1.2945) 2
2
con:
m112 m21
2
1
68
Metodología de Superficies de Respuesta P. Reyes / Dic. 2006
0.61 3
m1
0.7914
Para el caso de 2 se tiene:
0.2221m12 + 0.2875m22 = 0
0.2875m12 – 0.3721m22 = 0 (5.34)
69
Metodología de Superficies de Respuesta P. Reyes / Dic. 2006
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
70
Metodología de Superficies de Respuesta P. Reyes / Dic. 2006
71