You are on page 1of 92

MEJORA DE PROCESOS Y DISEO

INTEGRANTES: Chvez Palomino, Juan Pablo Estares Martnez, Shirley Linares Vsquez, Guillermo Llapa Ramos, Marley Valencia Lmaco, Lorena Valencia Lmaco, Pamela

07170017 08170189 08170028 08170102 08170158 08170062

MEJORA DE PROCESOS Y DISEO

PROCESO

una serie de tareas de valor agregado que se vinculan entre s para transformar un insumo en un producto, mercadera o servicio

- Qu procesos no alcanzan los resultados planificados. - Dnde existen oportunidades de mejora

Los datos del seguimiento y la medicin deben ser analizados con el fin de conocer las caractersticas y la evolucin de los procesos

La empresa tiene que definir qu procesos le interesa mejorar. Es importante seleccionarlos atendiendo a los problemas reales o potenciales evidenciados. Por ejemplo: Problemas y/o quejas de clientes externos/internos. Proceso con alto costo. Proceso con tiempos de ciclo prolongado. Incorporacin de nuevas tecnologas. Prdidas de mercados, etc.

CASOS
Procesos los cuales no alcanzan sus objetivos
Actuar sobre las variables de control con el fin de obtener salidas conformes en el proceso.

Proceso alcance los resultados planificados Se pueda identificar oportunidades de mejora

Aumentar la eficiencia o efectividad de cada uno de ellos.

FASE DE MEJORA Generar alternativas de solucin, evaluarlas, implementarlas y verificar su efectividad

CREATIVIDAD

SABES QUE ES?

El diccionario lo define como la aptitud para inventar o crear. Segn Davis y Scott: Es la produccin o concepcin de ideas y pensamientos nuevos y originales, potencialmente tiles y relevantes en cualquier dominio o actividad

PIENSE FUERA DE LA CAJA

Pensar fuera de la caja


Asumir nuevas perspectivas. Hacer cosas diferentes y de manera diferente Enfoque en el valor de las nuevas ideas. Respetar las ideas de los dems.

Ejemplo clsico: Acertijo Matemtico

Unir los nueve puntos con 4 lneas rectas, sin levantar el lpiz.

Mquinas de movimiento perpetuo?

Frasco de autollenado de Boyle

Se pas de creativo

SESGOS Y BARRERAS A LA CREATIVIDAD

SESGOS

Son percepciones negativas que el hombre se proporciona de manera personal que despus de todo lo termina creyendo por conviccin propia. Existen tres tipos:
Credenciales Proyeccin Percepcin

Credenciales
Es cuando la persona pretende aparentar lo que no es, por medio de credenciales de valor o estudios.

Proyeccin
Atribuye a otro los fracasos y se da todo el credito por sus triunfos.

Percepcin
Las situaciones desfavorables propias son leves comparadas a los de los dems.

BARRERAS

El desarrollo de la creatividad tiene numerosas barreras, entre las cuales tenemos:


El miedo al cambio. La rutina en la vida. Temor a equivocarse.

Nasrudn siempre escoge mal


Todos los das Nasrudn iba a pedir limosna a la feria, y a la gente le encantaba hacerlo pasar por tonto con el siguiente truco: le mostraban dos monedas, una diez veces ms valiosa que la otra. Nasrudn siempre escoga la de menor valor. La historia se hizo conocida por toda la ciudad. Da tras da grupos de hombres y mujeres le mostraban las dos monedas, y Nasrudn siempre se quedaba con la de menor valor. Hasta que apareci un seor generoso, cansado de ver a Nasrudn ridiculizado de esa manera.

Lo llam a un rincn de la plaza y le dijo: - Siempre que te ofrezcan dos monedas, escoge la de mayor valor. As tendrs ms dinero y no sers considerado un idiota por los dems. - Usted parece tener razn- respondi Nasrudn-. Pero si yo elijo la moneda de mayor valor, la gente va a dejar de ofrecerme dinero para probar que soy ms idiota que ellos. Usted no se imagina la cantidad de dinero que ya gan usando este truco. No hay nada malo en hacerse pasar por tonto si en realidad se est siendo inteligente.

SECRETOS PARA DESARROLLAR LA CREATIVIDAD

Primer secreto: Apaga el piloto automtico PRIMER SECRETO: APAGA EL PILOTO AUTOMATICO
Uno de los mayores obstculos que nos impiden desarrollar todo nuestro potencial creativo radica en el hecho de que los seres humanos nos acostumbramos demasiado a nuestros hbitos y rutinas

Apagar el piloto automtico es dejar de persistir en la misma forma de contemplar un problema o hacer siempre lo mismo.

Consejos para apagar el piloto automtico


Nunca se case con la primera respuesta o solucin que se le aparezca ante un problema cualquiera. Desconfe de los expertos. Ser un pensador activo. Imagnese a otras personas solucionando el problema.

Y los expertos?....
640 kb de memoria es ms que suficiente para cualquier individuo. Bill Gates, presidente de Microsoft, 1981.

Quin diablos quiere or hablar a los actores? Harry Warner, presidente de Warner Brothers, 1920.

SEGUNDO SECRETO: VIVIR EN ABUNDANCIA DE IDEAS


Uno de los grandes peligros del pensamiento al que estamos habituados es que tenemos el mal hbito de elegir la primera idea que se nos aparece para solucionar un problema. De esta forma, el pensamiento se vuelve terriblemente prctico, perezoso y poco selectivo. La fluidez es definida como la capacidad consciente que tiene una persona o grupo de suspender el juicio momentneamente, con el fin de poder desarrollar muchas ideas.

Brainstorming

En que se parece una refrigeradora y un perro?.


Si no se lavan huelen mal A veces sueltan liquidos Los compran bastante los recien casados Vienen en varios tamaos .

Ms ejercicios Brainstorming inverso:


Este fenmeno se basa en el hecho de que las personas les queda muy fcil hablar de forma negativa. Por ejemplo, realice un listado de ideas: - Qu podemos hacer para aumentar la inseguridad en el pas? Hacer listados en torno a hiptesis. Encontrar semejanzas entre dos palabras o categoras. Elabore un listado de ideas que sirvan para resolver problemas.

El pez

TERCER SECRETO: ELIMINAR REGLAS Y SUPUESTOS INEXISTENTES.


Los supuestos son reglas implcitas que cumplimos y seguimos sin advertir que lo estamos haciendo. El arte de eliminar los supuestos o reglas implcitas que nos limitan es una de las formas ms eficaces para despertar nuestras posibilidades creativas.
Cuntas de sus rutinas y hbitos sigue usted a diario sin siquiera cuestionarlos? Las verdades son ilusiones que uno olvida que son ilusiones Federico Nietzsche

Caculando CINCO POR CUATRO, VEINTE MS DOS, IGUAL A VEINTITRS.

5 X 4,20 +2 = 23

Y t que ves?

ALGUNAS TCNICAS UTILIZADAS

DIAGRAMA DE RELACIONES
El Diagrama de Relaciones es una tcnica que permite adquirir un conocimiento profundo de las diferentes variables que intervienen en el problema y las relaciones causaefecto entre ellas

Numerosas opiniones

Existe dependencia entre causas

PROBLEMA COMPLEJO

Una causa no ha sido identificada

No es facil contar con datos cuantitativos

DIAGRAMA DE ARBOL
Para que sirve?
Ayuda a identificar causas primarias y secundarias de un problema, identificar soluciones y asignar prioridades. Va de lo general a lo especfico.

Cmo se usa?

Definimos el problema (Tronco del rbol). Identificamos las causas Por qu sucede? Continuamos identificando causas secundarias. Ponderamos la importancia de cada rama (Porcentaje) y asignarles prioridad. Identificamos soluciones Cmo debemos hacerlo? Implementamos soluciones de acuerdo a las prioridades

LISTADO DE ATRIBUTOS

Es una tcnica creada por R.P. Crawford, ideal para la generacin de nuevos productos. Tambin puede ser usada en la mejora de servicios o utilidades de productos ya existentes.

LISTADO DE ATRIBUTOS

QUE ES Y PARA QUE?

Es una tcnica ideal para la generacin de nuevos productos

COMO

Es una tcnica ideal para la generacin de nuevos productos

Posteriormente, explorar nuevas ideas

LISTADO DE ATRIBUTOS

Es una tecnica ideal para la generacion de nuevos productos

Seleccionar la mejor idea

Con un ejemplo se entender bien: Supongamos que una empresa desea identificar algunas ideas para mejorar una batidora de alimentos (este es el problema)
PRIMER PASO Hacer una lista de los atributos actuales del modelo Cada uno de los atributos se analiza y se plantean preguntas sobre la forma en que se podran mejorar Las mejores ideas que hayan surgido en el paso 2 se seleccionan para su evaluacin posterior.

Fabricado en acero Se necesitan dos manos para inoxidable utilizarlo Velocidad variable Puede utilizarse por Podra fabricarse para que cualquier persona pudiese ser utilizado con una mano por persona con Se(p.ej., necesitan dos discapacidades)? manos para utilizarlo Se podra incorporar un dispositivo para que pudiese ser operado con una sola mano? Debera tener un motor?

SEGUNDO PASO

TERCER PASO

ENFOQUE DE LA SOLUCIN CREATIVA DE PROBLEMAS (SCP) Las situaciones caracterizadas por problemas complejos e intrincados requieren una combinacin de enfoques racionales y creativos. El enfoque SCP proporciona un marco para afrontar problemas intrincados. Ofrece "un esquema organizado para usar unas tcnicas especficas de pensamiento crtico y creativo" con vistas al logro de resultados novedosos y tiles

Localizacin de los hechos

Accin: quin?, qu?, dnde?, cundo?, por qu?

Localizacin del problema

clarificar el reto o la situacin problemtica buscar ideas, alternativas, opciones, senderos, caminos y enfoque ms diversos, utilizar diversos mtodos

Localizacin de ideas

Localizacin de soluciones

examinar las ideas de formas nuevas y diferentes, utilizando otros puntos de vista y criterios

Localizacin de aceptaciones

desarrollar un plan de accin teniendo en cuenta a todas las audiencias que deben aceptarlo

TRIZ "La lgica de la creatividad o la creatividad de la lgica"


Es la tcnica para generar ideas ingeniosas especialmente ante problemas tecnolgicos. Fue desarrollada por Genrich S. Altshuller Es un mtodo heurstico nacido a partir de la identificacin de unas pautas inventivas, en las patentes, utilizadas por igual en sectores de la tcnica muy diversos.

BENEFICIOS

Resolver los conflictos tcnicos aplicando principios de invencin normalizados. evita llegar a soluciones intermedias

Proporcionar mltiples herramientas para la generacin de conceptos (fluidez).

Proporcionar principios sencillos pero potentes para resolver problemas (idealidad, operador del sistema, recursos del sistema, etc.)
Generar resultados tecnolgicos patentables, la propia metodologa ayuda a conseguir una mejor calidad en la cartera de patentes.

Conducir hacia el conocimiento necesarios para resolver el problema.

Amplar la visin de la tecnologa y su posible evolucin, aplicando la funcionalidad y la sistmica

Funcionalidad y sistmica

Contradicciones

Idealidad

Principios
Pautas acerca del origen y evolucin de los sistemas y de la tecnologa

Uso de recurso

METODOLOGA DE SUPERFICIE DE RESPUESTA

DEFINICIN
La Metodologa de Superficies de Respuesta (MSR) es un conjunto de tcnicas matemticas y estadsticas utilizadas para modelar y analizar problemas en los que una variable de inters es influenciada por otras. El objetivo es optimizar la variable de inters. Esto se logra al determinar las condiciones ptimas de operacin del sistema.

TERMINOLOGA
FACTORES Son las condiciones del proceso que influencian la variable de respuesta. Estos pueden ser cuantitativos o cualitativos. RESPUESTA Es una cantidad medible cuyo valor se ve afectado al cambiar los niveles de los factores. El inters principal es optimizar dicho valor.

Tiempo

Temperatura

Presin

Rendimiento

TERMINOLOGA
FUNCION DE RESPUESTA Al decir que un valor de respuesta Y depende de los niveles x1, x2,... xk de k factores, x1, x2,... xk, estamos diciendo que existe una funcin matemtica de x1, x2,... xk cuyo valor para una combinacin dada de los niveles de los factores corresponde a Y.

FUNCION DE RESPUESTA PREDICHA La funcin de respuesta se puede representar con una ecuacin polinomial. El xito en una investigacin de una superficie de respuesta depende de que la respuesta se pueda ajustar a un polinomio de primer o segundo grado.

TERMINOLOGA
SUPERFICIE DE RESPUESTA La relacin Y=f(x1, x2,... xk.) entre Y y los niveles de los k factores x1, x2,... xk representa una superficie. Con k factores la superficie est en k+1 dimensiones.

GRAFICA DE CONTORNOS Facilita la visualizacin de la forma de una superficie de respuesta en tres dimensiones. En sta las curvas de los valores iguales de respuesta se grafican en un plano donde los ejes coordenados representan los niveles de los factores.

TERMINOLOGA
REGIN EXPERIMENTAL La regin experimental especifica la regin de valores para los niveles de los factores. Esto se puede hacer empleando los niveles actuales de operacin para cada factor; si se desea explorar el vecindario se incrementa y decrementa el valor del nivel en una cantidad determinada.

POLINOMIO 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.

El equivalentemente, en forma matricial:

Donde la matriz x puede escribirse alternativamente


Como con D la matriz de combinaciones de niveles de los

factores, denominada matriz de diseo.

POLINOMIO DE PRIMER ORDEN


Los parmetros del modelo se estiman mediante el mtodo de mnimos cuadrados. Una vez que se tienen los estimadores se sustituyen en la ecuacin y obtenemos el modelo ajustado:

MTODO DE MAXIMA 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 los tests 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 . Una vez que se ha localizado el punto donde la pendiente es cero, que proporciona valores ptimos de la variable respuesta, se describe la superficie en un entorno prximo a ste

POLINOMIO 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.

coeficientes de regresin para los trminos de primer orden

coeficientes para los trminos cuadrticos puros

coeficientes para los trminos de producto cruz

El nmero de trminos en la ecuacin esta dado por

POLINOMIO DE SEGUNDO ORDEN


Los parmetros del modelo se estiman mediante el mtodo de mnimos cuadrados y obtenemos el modelo ajustado:

LOCALIZACION DEL PUNTO ESTACIONARIO


Suponiendo que se desea maximizar la respuesta, el mximo (si es que existe), de acuerdo a Montgomery, ser el conjunto x1, x2,, xk tal que las derivadas parciales

Dicho de punto (x1,0, x2,0, , xk,0) se denomina punto estacionario. El punto estacionario puede ser:
Un punto de respuesta mxima Un punto de respuesta mnima Un punto silla. Para el modelo de segundo orden tenemos:

CARACTERIZACIN DE LA SUPERFICIE DE RESPUESTA


Ya encontrado el punto estacionario es necesario caracterizar la superficie de respuesta, es decir determinar si se trata de un punto de respuesta mximo, mnimo o silla. Usando un nuevo conjunto de variable: W1, W2,, Wk cuyos ejes representan los ejes principales de la superficie de respuesta, los cuales se interceptan en el punto estacionario. Da por resultado el modelo ajustado.

variables independientes transformadas

constantes

Si todas las

son positivas, entonces es un punto de respuesta mnima son negativas, entonces es un punto de respuesta mxima tienen signos distintos entonces es un punto de silla.

DISEOS PARA AJUSTAR SUPERFICIE DE RESPUESTA


Menor nmero posible de puntos experimentales razonables. Proporcionar una estimacin interna de la varianza del error. Asegurar que, para cada punto x, el valor ajustado (x), est tan cerca como sea posible del valor real, Y(x).

CARACTERSTICAS DESEABLES

Permitir la construccin secuencial de diseos de orden creciente.

Permitir la deteccin de falta de ajuste en el modelo.

Permitir la ejecucin de los experimentos en bloques.

DISEOS PARA AJUSTAR SUPERFICIE DE RESPUESTA


Diseo Ortogonal
La varianza de la respuesta esperada en cualquier punto de la regin experimental se puede expresar como la suma ponderada de las varianzas de los parmetros estimados del modelo

Diseo Invariante de Rotacin La varianza (que depende de la situacin del punto x), es funcin nicamente de la distancia del punto al centro del diseo, lo que significa que es la misma en todos los puntos equidistantes del centro del diseo

DISEOS DE PRIMER ORDEN: FACTORIALES 2 K

Se consideran dos niveles, que pueden codificarse en los valores +1 (para el ms alto) y 1 (para el ms bajo) y se obtiene una matriz de diseo de 2k filas, cada una de las cuales representa un tratamiento

= 0 +
=1

+
=1<

2 +
=1<<1

1 + + 12 1 2 +

Los diseos factoriales 2k no permiten la estimacin del error experimental. Una tcnica habitual para incluir repeticiones consiste en aumentar el diseo con algunas observaciones en el centro.

DISEOS DE PRIMER ORDEN: FRACCION DE LA SERIE 2K

Si es ms conveniente omitir algunas utilizando nicamente un subconjunto de los puntos de un diseo factorial 2k, se puede considerar en este ltimo caso una fraccin 2-m de un diseo 2k que consiste en 2k-m tratamientos (k m)

Siempre y cuando el diseo resultante tenga, al menos, k+1 puntos, que es el nmero de parmetros que han de estimarse y mantenga las mismas propiedades que las del factorial completo, en particular, sea ortogonal.

DISEOS DE SEGUNDO ORDEN: FACTORIALES 3 K

En los diseos factoriales 3k cada uno de los k factores presenta 3 niveles, de manera que el nmero de observaciones experimentales es N = 3k.

En ocasiones conviene ms considerar diseos fraccionales 3k-m de los diseos factoriales 3k cuando N es excesivamente grande. Los diseos 3k y sus fracciones presentan el inconveniente de que, aunque son ortogonales, no son invariantes por rotacin, lo que hace que no sean muy buena eleccin .

DISEOS DE SEGUNDO ORDEN: CENTRAL COMPUESTO


Consiste en un factorial o factorial fraccionado 2k, donde los factores son codificados 1 de tal manera que el centro sea (0,0,,0), aumentando por 2k puntos axiales (,0,0,0), (0,,0,0), (0,0 ,,0), (0,0,0,,) a una distancia del centro de diseo y n0 puntos centrales (0,0,,0)
De manera que el nmero total de puntos del diseo es N = 2k + 2k + n0.

EJEMPLO NUMERICO

El rendimiento (Y) de un determinado proceso qumico se puede medir en trminos de la cantidad de material residual eliminado durante la reaccin, resultando as una medida de la pureza del producto final, y se conoce que depende, entre otros factores, de la temperatura (X1) y el tiempo de reaccin (X2). El proceso opera actualmente en un rango de porcentaje de pureza entre el 55% y el 75%, pero se cree que es posible un mayor porcentaje de rendimiento, as que un investigador, interesado en determinar si efectivamente esto es as, decide llevar a cabo un experimento variando la temperatura y el tiempo de reaccin pero manteniendo fijos el resto de los factores. Para el conjunto inicial de experimentos, considera dos niveles de temperatura (70 C y 90 C) y dos niveles de tiempo (30 seg. y 90 seg.) y realiza dos observaciones de cada una de las posibles combinaciones temperatura-tiempo.

CODIFICACIN DE VARIABLES
Datos Recogidos
Tiempo (s) Temperatura (C)

30 49.8 48.1 57.3 52.3

90 65.7 69.4 73.1 77.8

70 90

Variables Codificadas
Valores observados en los cuatro tratamientos iniciales sobre la regin experimental definida por los niveles de los dos factores que influyen en el porcentaje de rendimiento del proceso qumico considerado.

MODELO AJUSTADO DE PRIMER ORDEN


Los valores del porcentaje de rendimiento, expresados en funcin de las variables codificadas, vienen dados a travs del siguiente modelo:

En notacin matricial:

Los estimadores de los parmetros del modelo de primer orden se obtienen resolviendo la ecuacin normal:

Por tanto, el modelo ajustado de primer orden en las variables codificadas es:

Y el modelo equivalente en las variables originales es:

ANLISIS DE LA VARIANZA
Resultados:

Fuente Regresin Residual Falta de Ajuste Error Total

Suma de Cuadrados 864,812 33,936 2,101 31,835 898,749

gl 2 5 1 4 7

Media Cuadrtica 432,406 6,787 2,101 7,959

F 63,709 0,264

Podemos considerar que el modelo ajustado es una buena aproximacin de la superficie de respuesta en la regin experimental en que estamos trabajando.

Significa que uno de los parmetros o ambos son no nulos en la ecuacin

ANALISIS T STUDENT PARA PRUEBAS INDIVIDUALES

Resultados:

Esto significa que tanto la temperatura como el tiempo tienen efecto sobre el porcentaje de rendimiento. Es ms, dado que tanto b1 como b2 son positivos, los efectos de x1 y x2 son positivos, lo que significa que si se eleva la temperatura o se aumenta el tiempo, se produce un incremento significativo en el rendimiento del proceso.

METODO MAXIMA PENDIENTE EN ASCENSO


El valor del multiplicador de Lagrange que corresponde a un incremento arbitrario en el tiempo (X2) de 2 = 45 seg., incremento que en las variables codificadas corresponde a un aumento de 45/30 = 1.5 unidades. Por tanto:

Grfica de contornos de la superficie de respuesta. La flecha, perpendicular a las lneas de contorno de la superficie ajustada, indica la direccin de mximo ascenso.

El primer punto en la pendiente de mximo ascenso se localiza, por tanto, en las coordenadas (x1, x2) = (0.53, 1.5) (que corresponde, en las variables originales a (X1, X2) = (85.3, 105)).

METODO MAXIMA PENDIENTE EN ASCENSO


Bien 101.2 C es una temperatura demasiado alta o bien 240 seg. es un tiempo demasiado largo para la reaccin. As pues, no sera til ejecutar experimentos adicionales a lo largo de la pendiente para valores ms altos de X1 y X2. Entonces se lleva a cabo un nuevo grupo de experimentos para intentar ajustar de nuevo un modelo de primer orden, tomando como centro de diseo el punto (X1, X2) = (95.9, 195), pues es aqu donde se ha observado un mayor rendimiento. Por tanto, se codifican nuevamente las variables X1 y X2

DIRECCION 1
Centro i Centro + i Centro + 1.5 i Centro + 2 i Centro + 3 i Centro + 4 i

Temp (C)
80.0 5.3 85.3 87.95 90.6 95.9 101.2

Tiempo (seg.)
60 45 105 127.5 150 195 240

%Rend.

74.3 78.6 83.2 84.7 80.1

EXPERIMENTOS NUEVOS
Se realiza entonces un nuevo experimento en el que se llevan a cabo 2 observaciones en cada uno de los puntos del nuevo diseo, ms el centro.

Secuencia completa de experimentos realizados a lo largo de las direcciones indicadas por las sucesivas pendientes de mximo ascenso que se han ido obteniendo, sobre la grfica de contornos del ltimo modelo de primer orden ajustado.

MODELO AJUSTADO DE SEGUNDO ORDEN


Dado que el tercer modelo no se ajusta segn el ANOVA. As pues, debemos recurrir a un ajuste de la superficie de respuesta a travs de un modelo de segundo orden:

Se considera entonces el ltimo diseo de primer orden planteado del que ya se dispone de datos, y se completa con observaciones en los puntos axiales (x1, x2) = (2, 0) y (x1, x2) = (0, 2) para conseguir un diseo central compuesto. Los datos recogidos se muestran en la siguiente tabla:

Tiempo (seg.) Temp. ( C) 121.7 5 125.9

162.3

171.9

195

218.1

227.7

92.7

93.6

91.7 96..2 97.0

135.9
145.9 150.04

93.4
92.5

92.7
92.9

92.8

MODELO AJUSTADO DE SEGUNDO ORDEN


El modelo de segundo orden ajustado que se obtiene es el siguiente:

El anlisis de la varianza (ANOVA) se muestra en la siguiente tabla:


Fuente Suma de Cuadrados gl Media Cuadrtica F

Regresin
Residual Falta de Ajuste Error Total

25,447
0,458 0,138 0,320 25,905

2
5 1 4 7

5,089
0,115 0,046 0,320

44,447
0,144

El test para comprobar el ajuste del modelo proporciona un valor F < 1 que es claramente no significativo y las estimaciones de los coeficientes cuadrticos puros son todas altamente significativas (p < 0.0001), lo que indica que existe curvatura en la superficie ajustada y que sta es una buena aproximacin de la superficie de respuesta real.

PUNTO ESTACIONARIO
Las lneas de contorno son elpticas y el punto de respuesta mxima, esto es el punto estacionario, se hallar en el centro de la elipse ms pequea. Para determinar las coordenadas del punto representamos la ecuacin en notacin matricial:

Puntos del diseo utilizados para ajustar la superficie de segundo orden, sobre la grfica de contornos de la superficie ajustada de segundo orden.

Se igualan a cero las derivadas parciales de (x) con respecto a x1 y x2, y resolviendo para los valores de los xi se obtiene que las coordenadas del punto estacionario:

PUNTO ESTACIONARIO
En las variables originales corresponden al punto X0 = (x10, x20) = (135.85, 193.02), que se muestra en la grfica siguiente:

As pues, el mximo valor de porcentaje de rendimiento se alcanza, segn nos indican las coordenadas del punto estacionario, para una temperatura de 135.85 C y un tiempo de reaccin de 193.02 seg.

Punto estacionario del sistema, representado sobre la grfica de contornos de la superficie ajustada.

REDES NEURONALES

INTRODUCCION
El cerebro humano es el sistema de clculo ms complejo que conoce el hombre. El ordenador y el hombre realizan bien diferentes clases de tareas; as la operacin de reconocer el rostro de una persona resulta una tarea relativamente sencilla para el hombre y difcil para el ordenador, mientras que la contabilidad de una empresa es tarea costosa para un experto contable y una sencilla rutina para un ordenador bsico. La capacidad del cerebro humano de pensar, recordar y resolver problemas ha inspirado a muchos cientficos intentar o procurar modelar en el ordenador el funcionamiento del cerebro humano.

Un grupo de investigadores ha perseguido la creacin de un modelo en el ordenador que iguale o adopte las distintas funciones bsicas del cerebro. El resultado ha sido una nueva tecnologa llamada Computacin Neuronal o tambin Redes Neuronales Artificiales.

REDES NEURONALES ARTIFICIALES.


Las redes de neuronas artificiales (denominadas habitualmente como RNA o en ingls como: "ANN") son un paradigma de aprendizaje y procesamiento automtico inspirado en la forma en que funciona el sistema nervioso. Se trata de un sistema de interconexin de neuronas en una red que colabora para producir un estmulo de salida. En inteligencia artificial es frecuente referirse a ellas como redes de neuronas o redes neuronales. Es como un modelo matemtico inspirados en sistemas bilgicos, adoptados y simulados en computadoras convencionales..

CARACTERSTICAS DE LAS REDES NEURONALES ARTIFICIALES


Las ANN al margen de "parecerse" al cerebro presentan una serie de caractersticas propias del cerebro. Adquirir el conocimiento de una cosa por medio del estudio, ejercicio o experiencia. Las ANN pueden cambiar su comportamiento en funcin del entorno. Se les muestra un conjunto de entradas y ellas mismas se ajustan para producir unas salidas consistentes. Extender o ampliar una cosa. Las ANN generalizan automticamente debido a su propia estructura y naturaleza. Estas redes pueden ofrecer, dentro de un margen, respuestas correctas a entradas que presentan pequeas variaciones debido a los efectos de ruido o distorsin. Aislar mentalmente o considerar por separado las cualidades de un objeto. Algunas ANN son capaces de abstraer la esencia de un conjunto de entradas que aparentemente no presentan aspectos comunes o relativos.

Aprender:

Generalizar:

Abstraer:

ELEMENTOS DE UNA RED NEURONAL ARTIFICIAL


Las redes neuronales artificiales (RNA) son modelos que intentan reproducir el comportamiento del cerebro. Como tal modelo, realiza una simplificacin, averiguando cules son los elementos relevantes del sistema.

UNIDAD DE PROCESO.

ESTADO DE ACTIVACION.

FUNCION DE SALIDA O TRANSPARENCIA.

UNIDAD DE PROCESO: Existen tres tipos de unidades en cualquier sistema: entradas, salidas y ocultas. Las unidades de entrada reciben seales desde el entorno; las de salida envan la seal fuera de la red, y las unidades ocultas son aquellas cuyas entradas y salidas se encuentran dentro del sistema ESTADO DE ACTIVACIN. Los estados del sistema en un tiempo t se representan por un vector A(t). Los valores de activacin pueden ser continuos o discretos, limitados o ilimitados. Si son discretos, suelen tomar un conjunto discreto de valores binarios, as un estado activo se indicara con un 1 y un estado pasivo se representara por un cero. En otros modelos se considera un conjunto de estados de activacin, en cuyo valor entre [0,1], o en el intervalo [-1,1], siendo una funcin sigmoida. FUNCIN DE SALIDA O DE TRANSFERENCIA.

Asociada con cada unidad hay una funcin de salida, que transforma el estado actual de activacin en una seal de salida , que transforma el estado actual de activacin en una seal de salida.

UNIDAD DE PROCESO

FUNCIONAMIENTO
Cada neurona recibe una serie de entradas a travs de interconexiones y emite una salida. Esta salida viene dada por 3 funciones:
Una funcin de propagacin (tambin conocida como funcin de excitacin): Que por lo general consiste en el sumatorio de cada entrada multiplica por el peso de su interconexin (valor neto). Si el peso es positivo, la conexin se denomina excitatoria; si es negativo se denomina inhibitoria. Una funcin de activacin: Que modifica a la anterior. Puede no existir siendo en este caso la salida la misma funcin de propagacin. Una funcin de transferencia: Que se aplica al valor devuelto por la funcin de activacin. Se utiliza para acotar la salida de las neurona y generalmente viene dada por la interpretacin que queremos darle a dichas salidas. Algunas de las ms utilizadas son la funcin sigmoidea.

APLICACIONES DE LAS REDES NEURONALES Las RNA son muy tiles para aplicaciones en las que no se dispone de un modelo identificable que pueda ser programado, pero se tiene un conjunto de ejemplos de entrada que sirven para inferir la forma del problema.

APLICACIONES DE LAS REDES NEURONALES Reconocimiento de patrones


Procesamiento de imgenes Procesamiento de series de tiempo Agrupacin sin supervisin Visualizacin de datos complejos Compresin de datos Procesamiento de seales Control, modelacin y monitorizacin de procesos industriales.

APLICACIONES DE LAS REDES NEURONALES

Principales formas de uso

Clasificador de Patrones

Modelos de procesos no lineales

LA RNA COMO IDENTIFICADOR DE PATRONES

Una perturbacin Cambio de propiedades Cambio en el objetivo de control Reconoce un cierto evento en el sistema

Genera una accin correctiva Cambiando los parmetros Modificando la respuesta de un controlador

LAS RNA EN MODELOS DE PROCESOS NO LINEALES


Consiste en usar las redes neuronales como modelo de procesos, e integrarlas a algn esquema de control no lineal tipo MBC (ModelBasedControl).
Esquemas

Esquemas de Control Directo

Esquemas de Control Indirectos

PASOS A CONSIDERAR EN UNA APLICACIN DE RNA

EJEMPLOS DE APLICACIONES INDUSTRIALES DE LAS RNA

MUCHAS GRACIAS!