88

7
Mtodo de las Superficies de
Respuesta


En este captulo se analizar en qu consiste la Metodologa de Superficies de Respuesta,
su representacin grfica, el procedimiento a seguir hasta encontrar un ptimo y los diseos
experimentales que pueden utilizar.

7.1 Definicin.
La Metodologa de Superficies de Respuesta (RSM) 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
, X
2
, ..., X
k
, esto significa
que existe alguna funcin de X
1
, X
2
, ..., X
k
(que se supone continua en X
i
, v i = 1, ..., k) que
proporciona el correspondiente valor de p para alguna combinacin dada de niveles:
p = (X
1
, X
2
, , X
k
) (7.1)
de tal forma que la variable respuesta puede expresarse como:
= p +e = (X
1
, X
2
, , X
k
) +e (7.2)
donde es el error observado en la respuesta.
La relacin p = (X
1
, X
2
, , X
k
) 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.

7.2 Terminologa.
Factores. Son las condiciones del proceso que influencian la variable de respuesta.
Estos pueden ser cuantitativos o cualitativos. En el presente trabajo los factores se corresponden
con el ngulo de la lmina correspondiente, por tanto tendremos tantos factores como nmero
de lminas.

Respuesta. Es una cantidad medible cuyo valor se ve afectado al cambiar los niveles
de los factores. El inters principal es optimizar dicho valor. En el presente trabajo la Respuesta
no es ms que el resultado de la aplicacin del Criterio de Tsai-Wu.
89 Mtodo de las Superficies de Respuesta

Funcin de respuesta. Al decir que un valor de respuesta Y depende de los niveles

x
1
, x
2
, ... x
k
de k factores,
1
,
2
,...
k
, estamos diciendo que existe una funcin matemtica de x
1
,
x
2
, ... x
k
cuyo valor para una combinacin dada de los niveles de los factores corresponde a Y,
esto es Y=f(x
1
, x
2
, ... x
k
).

Funcin 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.
Supongamos que la funcin de respuesta para los niveles de dos factores se puede
expresar utilizando un polinomio de primer grado:
= [
0
+[
1
x
1
+[
2
x
2
(7.3)
donde [
0
, [
1
, [
2
son los coeficientes de regresin a estimar, x1 y x2 representan los niveles de
x
1
y x
2
respectivamente. Suponiendo que se dispone de N3 valores de respuesta (Y), con los
estimadores b0, b1 y b2 se obtienen [
0
, [
1
y [
2
respectivamente. Al remplazar los coeficientes de
regresin por sus estimadores obtenemos:

= b
0
+b
1
x
1
+b
2
x
2
(7.4)
donde

denota el valor estimado de Y dado por x

1
y x
2
.

Superficie de respuesta. La relacin Y=f(x
1
, x
2
,... x
k
) entre Y y los niveles de los k
factores x
1
, x
2
,... x
k
representa una superficie. Con k factores la superficie est en k+1
dimensiones. Por ejemplo cuando se tiene Y=f(x
1
) la superficie esta en dos dimensiones,
mientras que si tenemos Y=f(x
1
, x
2
.) la superficie est en tres dimensiones.












Figura 7.1 Superficie de respuesta tridimensional.

Grfica de contornos.
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 X
1
X
2
(plano cuyos ejes coordenados vienen dados por
los niveles X
1
y X
2
de los factores). Geomtricamente, cada lnea de contorno es una proyeccin
sobre el plano X
1
X
2
de una seccin de la superficie de respuesta al intersectar con un plano
paralelo al X
1
X
2
. 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.

x
1

x
2
Y
90 Mtodo de las Superficies de Respuesta

Para generar la grfica de contornos correspondiente se secciona la superficie de

respuesta usando planos paralelos al X
1
X
2
en ciertos valores de respuesta considerados, por
ejemplo:













Figura 7.2 Grfica de contornos.


7.3 Polinomio de primer orden.
Generalmente se desconoce la relacin entre la respuesta y las variables independientes,
por ello requerimos un modelo que aproxime la relacin funcional entre Y y las variables
independientes. Si la respuesta se describe adecuadamente por una funcin lineal de las variables
independientes se utiliza el modelo de primer orden:
= X[ +e
= [
0
+[
1
x
1
+[
2
x
2
++[
k
x
k
+e (7.5)
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:

`
= b
0
+b
1
x
1
+b
2
x
2
++b
k
x
k
(7.6)
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 h = (X
T
X)
-1
X
T
y (que es, de hecho, el mejor estimador lineal de ) y la
matriz de varianzas-covarianzas de b viene dada por Far(h) = (X
T
X)
-1
o
2
.

Este modelo se utiliza cuando queremos estudiar el comportamiento de la variable de
respuesta nicamente en la regin y cuando no conocemos la forma de la superficie.

La forma de la funcin f que determina la relacin entre los factores y la variable
respuesta es, en general, desconocida, por lo que el primer objetivo de la RSM consiste en
establecer experimentalmente una aproximacin apropiada de la funcin f. Para ello, se propone
un modelo de ecuacin, generalmente polinmico, en los k factores X
1
, X
2
, ..., X
k
y se selecciona
un conjunto de tratamientos sobre los que realizar las observaciones experimentales, que se
utilizarn tanto para obtener estimaciones de los coeficientes en el modelo propuesto (por
ejemplo, a travs del mtodo de mnimos cuadrados) como para obtener una estimacin de la
variacin del error experimental (para lo que es necesario tener al menos 2 observaciones por
cada tratamiento). Se realizan, entonces, contrastes sobre las estimaciones de los parmetros y
sobre el ajuste del modelo y si el modelo se considera adecuado, puede utilizarse como funcin
91 Mtodo de las Superficies de Respuesta

de aproximacin. En tal caso, el estudio de la superficie de respuesta se hace en trminos de la

superficie ajustada, pues su anlisis ser aproximadamente equivalente al del sistema real.

Los polinomios usados ms frecuentemente como funciones de aproximacin son los de
rdenes uno y dos:


Modelo de primer orden:
= [
0
+[

k
=1
+e
(7.7)


7.4 Anlisis del error en el modelo ajustado.

Para estimar los coeficientes se requieren Nk+1 valores de respuesta (Y). El anlisis de
los datos se suele representar en una tabla de anlisis de varianza. La tabla presenta las
diferentes fuentes de variacin que contribuyen a la variacin total de los datos. La variacin
total recibe el nombre de suma de cuadrados total SST, y se calcula de la siguiente manera:
SSI = (

)
2
N
=1

(7.8)
donde Y
i
es el valor observado en la i-sima muestra.

La suma de cuadrados se compone por la suma de cuadrados debido a la regresin. La
frmula de la suma de cuadrados debido a la regresin es:
SSR = (
`

)
2
N
=1

(7.9)
La suma de cuadrados residual, se calcula de la siguiente forma:
SSE = (
`

)
2
N
=1

(7.10)

Se puede hacer un anlisis del ajuste del modelo con la R
2
, que es la proporcin total de
la variacin de las Y
i
con respecto a la media que se puede explicar con la ecuacin de regresin
ajustada.
R
2
=
SSR
SSI

(7.11)



92 Mtodo de las Superficies de Respuesta

7.5 Mtodo de 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 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
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.
Frecuentemente la estimacin inicial de las condiciones de operacin ptimas est
alejada del ptimo real, en este caso se desea moverse rpidamente a la vecindad del ptimo. El
mtodo de mxima pendiente en ascenso es un procedimiento para recorrer secuencialmente la
trayectoria de la mxima pendiente, que nos lleva en direccin del mximo aumento de la
respuesta. Cuando se desea la minimizacin se habla de mnima pendiente en descenso. La
direccin de ascenso mximo es en la que
`
aumenta ms rpido, sta es paralela a la normal de
la superficie de respuesta ajustada. Los incrementos a lo largo de la trayectoria son
proporcionales a los coeficientes de regresin
0
,
1
,
2
,...
Los experimentos se llevan a cabo hasta que deje de observarse un incremento en la
respuesta, entonces se ajusta un nuevo modelo de primer orden con el que se determina una
nueva trayectoria y se continua con el procedimiento. Finalmente, se consigue llegar a la
cercana del ptimo, esto ocurre cuando existe falta de ajuste del modelo de primer orden.

7.5.1 Algoritmo para determinar las coordenadas de
un punto en la trayectoria de mxima pendiente en
ascenso.
Un algoritmo utilizado es el siguiente:
Supngase que el punto x
1
= x
2
= ... = x
k
=0.

1. Se elige un tamao de incremento o escaln en una de las variables del proceso,
digamos x
j
, usualmente se elige la variable de la que ms se sabe, o la que tiene el
mayor coeficiente de regresin absoluto |[
]
|.
93 Mtodo de las Superficies de Respuesta

2. El tamao de incremento en las otras variables es
x

=
[
`

[
`
]
x
]
_

(7.12)
donde i= 1, 2, ..., k i = j.

3. Se convierte x
i
de variables codificadas a variables naturales.


7.6 Diseos experimentales para ajustar superficies
de respuesta.
El ajuste y anlisis de una superficie de respuesta se facilita con la eleccin apropiada
de un diseo experimental.
Un diseo es el conjunto especfico de combinaciones de los niveles de las k variables que
se utilizar al llevar a cabo el experimento.
La eleccin de un diseo adecuado del experimento a realizar es fundamental para
modelar y explorar la superficie de respuesta usada para ajustar un modelo polinmico al
conjunto de datos recogidos en los puntos del diseo. As pues, sera deseable que el diseo
tuviera, de las caractersticas que se enumeran a continuacin, y dado que algunas de ellas
resultan conflictivas entre s, las que ms sirvan al inters del experimento:
1. Generar una distribucin razonable de puntos y, por tanto, de informacin, en toda la
regin de inters, pero utilizando el menor nmero posible de puntos experimentales.
2. Asegurar que, para cada punto x, el valor ajustado, (x), est tan cerca como sea
posible del valor real, Y(x).
3. Permitir la deteccin de falta de ajuste en el modelo.
4. Permitir la ejecucin de los experimentos en bloques.
5. Permitir la construccin secuencial de diseos de orden creciente.
6. Proporcionar una estimacin interna de la varianza del error.
7. Asegurar simplicidad en los clculos de las estimaciones de los parmetros del modelo.

Adems de las propiedades mencionadas, sera muy conveniente que el diseo elegido
fuera ortogonal y/o invariante por rotacin.
Un diseo ortogonal es aquel en el que los trminos del modelo ajustado son sin
correlacin y, por tanto, tambin las estimaciones de los parmetros lo son, en cuyo caso, 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.
Por otro lado, en un diseo invariante por rotacin, la varianza de (x), 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. Teniendo
en cuenta que el objetivo de la RSM es la optimizacin de la respuesta y que se desconoce la
localizacin del ptimo antes de ejecutar el experimento, esta propiedad resulta muy interesante,
puesto que garantiza que el diseo proporciona estimaciones igualmente precisas en todas las
direcciones.


94 Mtodo de las Superficies de Respuesta

7.6.1 Diseos para ajustar modelos de primer orden.

Si el modelo es una representacin adecuada de la respuesta real esperada, entonces el
diseo elegido para estimar los parmetros debe proporcionar valores razonables de la respuesta
sobre la regin de inters. Los diseos considerados con el propsito de recoger datos para
ajustar un modelo de primer orden se conocen como diseos de primer orden.
Un criterio razonable para la eleccin de un diseo de primer orden adecuado es la
minimizacin de Var(), lo que se logra minimizando la varianza de los estimadores de los
parmetros
i
, i = 1, ..., k. Hay una nica clase de diseos que lo consiguen, los ortogonales, que
en los modelos de primer orden son aquellos para los que se verifica que los elementos de fuera
de la diagonal principal de la matriz (X
T
X) son cero, lo que nos permite determinar de manera
independiente los efectos de los k factores (medidos a travs de los valores de b
i
, i = 1, ..., k).
Adems, se verifica que todo diseo ortogonal de primer orden es invariante por rotacin.
Una clase nica de diseos que minimizan la varianza de los coeficientes de regresin
(
i
) son los diseos ortogonales de primer orden. Por ortogonal se entiende que los elementos
fuera de la diagonal de la matriz (X
T
X) son iguales a cero, lo cual implica que los productos
cruzados de las columnas de la matriz X es igual a cero. En esta clase de diseos ortogonales de
primer orden se incluyen:
1. Diseos factoriales 2
k
.
2. Fracciones de la serie 2
k
.
3. Diseos simplex.
7.6.2 Diseos factoriales 2
k
.
En un diseo factorial 2
k
, para cada factor se consideran dos niveles, que pueden
codificarse en los valores +1 (para el ms alto) y 1 (para el ms bajo). Considerando todas las
posibles combinaciones de los niveles de los k factores, se obtiene una matriz de diseo de 2
k

filas, cada una de las cuales representa un tratamiento.
Los diseos factoriales 2
k
presentan el inconveniente de que, salvo que se repitan algunas
observaciones, no permiten la estimacin del error experimental. Una tcnica habitual para
incluir repeticiones consiste en aumentar el diseo con algunas observaciones en el centro, pues
esto no influye sobre las estimaciones de los parmetros y no altera la ortogonalidad del diseo,
aunque como resultado, la estimacin de
0
es la media de todas las observaciones.

7.6.3 Fracciones de la serie 2
k
.
Estamos considerando los diseos factoriales 2
k
para ajustar los modelos de primer
orden, pero si se recogen datos en todos los puntos es posible, en realidad, estimar todos los
coeficientes de un modelo de la forma:
= [
0
+[

k
=1
+ [
]
x

x
]
k
=1<]
+ [
]I
x

x
]
x
I
k
=1<]<I
+[
12k
x
1
x
2
x
k
+e
(7.13)
en el que los trminos adicionales de mayor orden estn asociados con las interacciones entre los
factores. De esta manera, el nmero de puntos del diseo, y por tanto, el nmero de
observaciones, junto con el nmero de posibles trminos del modelo con parmetros estimables,
se incrementan rpidamente a medida que aumenta el nmero k de factores.
95 Mtodo de las Superficies de Respuesta

As pues, hay que valorar, en funcin del coste del experimento, si para ajustar un
modelo de primer orden es necesario llevar a cabo las 2
k
combinaciones, o si es ms conveniente
omitir algunas utilizando nicamente un subconjunto de los puntos de un diseo factorial 2
k
. Se
puede considerar en este ltimo caso una fraccin 2
-m
de un diseo 2
k
que consiste en 2
k-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.

7.6.4 Diseo simplex.
En este diseo los puntos se localizan en los vrtices de una figura regular, sta tiene
k+1 vrtices y est en k dimensiones. Para k=2 la figura geomtrica es un tringulo equiltero y
para k=3 es un tetraedro. Como el nmero de puntos es igual al nmero de coeficientes del
modelo se recomienda adicionar rplicas en el punto central para que sea posible obtener la
varianza del error y/o llevar a cabo la prueba de falta de ajuste.


7.7 Aplicacin del RSM a Laminados en Materiales
compuestos.
El Mtodo de las Superficies de Respuestas consiste en el anlisis y planteamiento de
experimentos empleados en el modelado matemtico de respuestas. En este sentido el mtodo
procura identificar la relacin entre las variables independientes de un sistema, que son los
factores controlables, y las variables dependientes del sistema, que son las respuestas.
El Mtodo de las Superficies de Respuestas obtiene una curva o superficie a travs de los
puntos que resultan de la respuesta del problema estudiado y de la utilizacin de una funcin de
regresin, tambin llamada funcin base. La funcin base generalmente es un polinomio de
primer orden o segundo orden o est compuesta por trminos que son funciones trigonomtricas.
Los coeficientes de la funcin base pueden ser estimados con una regresin matemtica,
utilizando el mtodo de los mnimos cuadrados. El modelo emprico resultante es llamado
Superficie de Respuesta.
En muchas de las aplicaciones donde se hace uso de las Superficies de Respuesta, la
forma de relacionar las variables dependientes e independientes es desconocida. De esta forma es
necesario aplicar el mtodo SR de forma secuencial, o sea, realizar una primera aproximacin
para esta relacin, utilizando una regresin de bajo grado polinmico e incrementndolo si fuera
necesario.
Una relacin entre las variables dependientes e independientes viene dada de la
formulacin de la mecnica clsica de laminados, de esta manera la aplicacin secuencial de las
SR no es necesaria.
Se sabe que la formulacin de los problemas de compuestos laminados presentan
soluciones donde aparecen funciones trigonomtricas de seno y coseno, por eso una regresin con
una funcin base compuesta por funciones trigonomtricas es una excelente eleccin para la
construccin de un SR [Lee & Lin, 2003].
Como describen [Lee & Lin, 2003], se puede describir la respuesta de la variable de
salida, vector y, como:
y = X +s(7.14)
donde,
96 Mtodo de las Superficies de Respuesta

y = _
y
1
y
2
.
y
n
_ ; X = _
1 X
11
X
1n
1 X
21
X
2n
. .
1 X
k1
X
kn
_ (7.15)
= _
[
0
[
1
.
[
n
_;s = _
e
0
e
1
.
e
k
_
donde es el vector error, representa el vector de coeficientes desconocidos y X es la matriz de
funciones base (los multiplicadores de ) evaluados en k experimentos diferentes.
El objetivo ser, dado un conjunto de valores de y conocidos, obtener los valores de
donde el error sea mnimo. La funcin de error cuadrtico es una manera de medir un valor en
funcin de la variacin en torno a un valor ideal, y viene dada por:
s = y -X
I = s

2
n
=1
= s
1
s = y
T
y -2
T
Xy +
T
X
T
X
(7.16)
Para obtener un valor con mnimo error cuadrtico, ser necesario satisfacer la
condicin:
oI
o
= -2X
T
y +2X
T
X =
(7.17)
A partir de la (Eq. 7.17) se obtiene el vector que paso a denominarlo b, y que
representa el vector de coeficientes que minimiza el error cuadrtico L:
h = (X
T
X)
-1
X
T
y(7.18)
La ecuacin de regresin estimada por el modelo SR nos proporciona los valores:
y = Xh(7.19)
Lee & Lin (2003) tambin describen un test para un compuesto laminado con el objetivo
de verificar el mtodo de las superficies de respuesta. Este test utiliza cinco tipos de funciones
base diferentes, con el objetivo de comparar la respuesta utilizando funciones trigonomtricas y
funciones polinmicas. Debido a la direccionalidad y periodicidad de las fibras de las lminas, las
funciones trigonomtricas presentan un mejor comportamiento.
Para realizar los test se utilizaron cuatro funciones base de las presentadas por [Lee &
Lin, 2003]. Estos tipos son:
Tipo 1:
y = C
0
+_C

+
]
x

x
]
n
]=1
_
n
=1

(7.20)
97 Mtodo de las Superficies de Respuesta

Tipo 2:
y = C
0
+(C

scnx

cosx

+E

scn2x

+F

cos2x

)
n
=1

(7.21)
Tipo 3:
y = C
0
+(C

scnx

cosx

+E

scn2x

+F

cos2x

)
n
=1
+(0
]
scnx

scnx
]
+E
]
cosx

cosx
]
)
n
]=1
n
=1

(7.22)
Tipo 4:
y = C
0
+(C

scnx

cosx

+E

scn2x

+F

cos2x

)
n
=1
+(0
]
scnx

scnx
]
+E
]
cosx

cosx
]
+I
]
scn2x

scn2x
]
+[
]
cos2x

cos2x
]
)
n
]=1
n
=1

(7.23)
Donde y es la respuesta de la estructura, x son las variables independientes, n es el
nmero de variables de C,D,E,F,G,H,I y J los coeficientes desconocidos de las funciones base.
El nmero de experimentos, o sea, el nmero de puntos utilizados para la
construccin de la superficie de respuesta, es un factor clave para garantizar una buena
respuesta.
De acuerdo a [Akira & Ishikawa, 2003], se recomienda utilizar dos veces el nmero de
coeficientes de la funcin base.