DCCCR

UNIVERSIDAD NACIONAL DE TRUJILLO
FACULTAD DE CIENCIAS AGROPECUARIAS
ESCUELA ING. AGROINDUSTRIAL
CURSO:
LENGUAJE DE PROGRAMACION
DOCENTE:
Ing. Joe Jara Velez
ALUMNOS:
o Campos Cerdan, Luis David

o Snchez Retegui, Gianny Judith
CICLO:
VI
GUADALUPE 2016
SEDE- VALLE JEQUETEPEQUE
DISEO DE SUPERFICIE DE RESPUESTA MEDIANTE

DISEO CENTRAL COMPUESTO ROTABLE
I. INTRTODUCCION
La metodologa de superficie de respuesta (MSR),es una coleccin de tcnicas que

permite al investigador inspeccionar una respuesta, que se puede mostrar como
una superficie, cuando los experimentos investigan el efecto que tiene al variar
factores cuantitativos en los valores que toma una variable dependiente o
respuesta ( Box et el., 1951). Esto es, se trata de encontrar los valores ptimos
para las variables independientes que maximizan, minimizan o cumplen ciertas
restricciones en la variable respuesta. La MSR es un conjunto de tcnicas
matemticas y estadsticas que son tiles para la modelizacin y anlisis en
aplicaciones en las que una respuesta de inters es influenciada por distintas
variables y el objetivo es optimizar esta respuesta (Garca-Daz, 1995).
La metodologa de superficies de respuesta, es una coleccin de tcnicas de diseo

experimental, mtodos de regresin y optimizacin de procesos. La base est en
encontrar niveles ptimos de un factor sobre una respuesta. Se hacen pocos
experimentos y se enfoca la atencin sobre los niveles donde la respuesta es
ptima por lo que se considera una experimentacin secuencial. Su nacimiento se
desarroll alrededor de la ingeniera qumica, por la necesidad de encontrar un
modelo que correlacionaras diversos factores influyentes en los procesos de
reaccin qumica.
En la ingeniera, la experimentacin desempea un papel importante en el diseo

de productos nuevos, el desarrollo de procesos de manufactura y el mejoramiento
de procesos. El objetivo en muchos casos sera desarrollar un proceso robusto, es
decir, un proceso quesea afectado en forma mnima por fuentes de variabilidad
externas.
El objetivo del presente informe es familiarizarnos con experimentos diseados en

Minitab, ya que es un programa de computadora diseado para ejecutar funciones
estadsticas bsicas y avanzadas.
LENGUAJE DE PROGRAMACION INGENIERIA AGROINDUSTRIAL

1 Ing. Joe Jara Velez
II. OBJETIVOS
- Explicar el concepto de optimizacin y su relacin con la superficie de

respuesta.
- Desarrollar el modelo de Anlisis de Superficie de Respuesta, de manera

clara y especfica para su debida comprensin.
- Aplicar la metodologa de superficie de respuesta y su respectivo diseo

central compuesto rotable, con la aplicacin del software de Minitab.

III. MARCO TEORICO
1. METODOLOGA DE SUPERFICIES DE RESPUESTA
1.1. Definicin.
La Metodologa de Superficies de Respuesta 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. La MSR es la estrategia experimental y
de anlisis que permite resolver el problema de encontrar las condiciones
de operacin ptimas de un proceso, es decir, aquellas que dan por
resultado valores ptimos de una o varias caractersticas de calidad del
producto. La Metodologa de la Superficie de Respuesta (RSM) 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 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. Esto se logra al determinar las condiciones
ptimas de operacin del sistema. La diferencia entre (RSM) y un diseo
experimental corriente estriba en que un diseo experimental por si solo
tiene como objetivo localizar el tratamiento ganador entre todos aquellos
que se han probado. En cambio, RSM pretende localizar las condiciones
ptimas de operacin del proceso. Ello supone un reto para el investigador,
requiere una estrategia ms completa e incluye la posibilidad de efectuar
varios experimentos secuenciales y el uso de tcnicas matemticas ms
avanzadas.

1.2. Caractersticas.
La caracterstica del sistema de superficie de respuesta (mximo, mnimo,

o punto silla):
Genera 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.
Requiere un nmero mnimo de corridas experimentales, ya que en
cada prueba realizada se gastan recursos que siempre son escasos.
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.
Permite la deteccin de la falta de ajuste, para lo cual se requieren
repeticiones al menos en el centro del diseo.
Proporciona un estimador puro de la varianza del error, lo cual se
logra con repeticiones al menos en el punto central.
1.3. Finalidad.
Es optimizar la variable de inters. Esto se logra al determinar las

condiciones ptimas de operacin del sistema. La Metodologa de
Superficies de Respuesta es la estrategia experimental y de anlisis que
permite resolver el problema de encontrar las condiciones de operacin
ptimas de un proceso, es decir, aquellas que dan por resultado valores
ptimos de una o varias caractersticas de calidad del producto.

1.4. 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.
- Funcin 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, esto es Y=f(x1, x2, ... xk.).
- 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:
Y = b0 + b1x1 + b2x 2
Donde: b0, b1, b2 son los coeficientes de regresin a estimar, x1 y x2

representan los niveles de x1 y x2 respectivamente. Suponiendo que se
recolectan N3 valores de respuesta (Y), con los estimadores b0, b1 y b2
se obtienen b0, b1 y b2 respectivamente. Al remplazar los coeficientes de
regresin por sus estimadores obtenemos:
Y = b0 + b1x1 +b2x 2

donde Y denota el valor estimado de Y dado por x1 y x2.
- 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.
Por ejemplo cuando se tiene Y=f (x1.) la superficie esta en dos dimensiones
como se muestra en la figura 2.1 (Cornell, 1990).
Mientras que si tenemos Y=f(x1, x2.) la superficie est en tres dimensiones,

esto se observa en la figura 2.2 (Cornell, 1990).
- Grfica de contornos.

La grfica 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. Cada curva representa un valor
especfico de la altura de la superficie, es decir un valor especfico de Y.
Esto se muestra en la figura 2.3 (Cornell, 1990). Esta grfica nos ayuda a
enfocar nuestra atencin en los niveles de los factores a los cuales ocurre
un cambio en la altura de la superficie.
- 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.
1.5. Ventajas y desventajas del anlisis de superficies de respuestas.

Ventajas.
- La MSR es la estrategia experimental y de anlisis que permite resolver el

problema de encontrar las condiciones de operacin ptimas de un proceso.
- Ofrece por resultado valores ptimos de una o varias caractersticas de

calidad de un producto.
Desventajas.
- Tiene un nivel de complejidad elevado al de un diseo experimental simple.
1.6. Elementos de la MCR
La metodologa de superficie de respuesta implica tres aspectos: diseo,

modelo y tcnica de optimizacin. El diseo y el modelo se piensan al mismo
tiempo, y dependen del tipo de comportamiento que se espera en la
respuesta. De manera especfica, el modelo puede ser de primero o segundo
orden (plano o con curvatura); por ello, el tipo de diseo utilizado y el
mtodo de optimizacin se clasifican, segn sea el caso, como de primero o
segundo orden.
- El aspecto diseo implica que para optimizar un proceso se debe aplicar

el diseo de experimentos, en particular aquellos que sirven para ajustar
un modelo de regresin lineal mltiple. Ms adelante se presentan
algunos de estos diseos, conocidos genricamente como diseos para
superficie de respuesta.
- El aspecto del modelo utiliza el anlisis de regresin lineal mltiple, junto

con sus elementos bsicos que son: parmetros del modelo, modelo
ajustado, significancia del modelo, prueba de falta de ajuste, residuos,
predichos, intervalos de confianza para predichos y coeficiente de
determinacin.
- Por ltimo, el aspecto de optimizacin est formado por algunas tcnicas

matemticas que sirven para que, dado un modelo ajustado, explorarlo

a fin de obtener informacin sobre el punto ptimo. Conviene recordar

tcnicas como: derivadas de funciones, multiplicadores de Lagrange,
operaciones con matrices, valores y vectores propios y sistemas de
ecuaciones simultneas.
1.7. Metodologa de superficie de respuesta.
Se distinguen tres etapas en la bsqueda del punto ptimo, que son:
- Cribado: La optimizacin de un proceso se inicia con esta etapa

cuando tiene muchos factores (ms de 6 u 8) que influyen en la
variable de inters.
- Bsqueda I o de primer orden: Esta etapa se aplica cuando se tienen

pocos factores (k 5), y se sabe que stos influyen en la variable de
respuesta. En esta etapa se corre un diseo de primer orden que
permita caracterizar en forma preliminar el tipo de superficie de
respuesta y detectar la presencia de curvatura. Por lo general se
utiliza un diseo factorial completo o fraccionado con repeticiones al
centro.
- Bsqueda II o de segundo orden: En el momento en que se detecta

la presencia de curvatura, o bien, que la superficie es ms complicada
que un hiperplano, se corre o se completa un diseo de segundo
orden para caracterizar mejor la superficie y modelar la curvatura.
Con el modelo ajustado se determinan las condiciones ptimas de
operacin del proceso
1.8. Tcnicas de optimizacin.
Una vez que se tiene el modelo debidamente ajustado y validado se procede

a explorar la superficie descrita por el modelo para encontrar la combinacin

de niveles en los factores que dan por resultado un valor ptimo de la

respuesta, o bien, para determinar la direccin ptima de movimiento en la
que se debe experimentar en el futuro. Si el modelo no explica un mnimo
de 70% del comportamiento de la respuesta, en trminos del R2aj, no se
recomienda utilizarlo para fines de optimizacin porque su calidad de
prediccin es mala. En adelante supondremos niveles codificados para los
factores (1, +1), lo cual facilita las interpretaciones y los clculos. Por lo
que siempre que se encuentren las condiciones ptimas o la direccin de
experimentacin futura, primero se har en condiciones codificadas y
despus eso se debe traducir a condiciones o niveles reales. Aunque el uso
de un software puede evitar el uso de cdigos. La tcnica de optimizacin a
utilizar depende del tipo de modelo ajustado y existen bsicamente tres
mtodos, que son:
- Escalamiento ascendente (o descendente).

- Anlisis cannico.
- Anlisis de cordillera.
El escalamiento ascendente es para el modelo de primer orden y las otras dos

Tcnicas son para el modelo de segundo orden. A continuacin se describen
cada uno de estos mtodos.
2. SUPERFICIES DE RESPUESTA MEDIANTE UN DISEO CENTRAL

COMPUESTO
2.1. Qu es un diseo central compuesto?
El diseo central compuesto es el experimento diseado de superficie de

respuesta que ms se utiliza. Los diseos centrales compuestos son un
diseo factorial o factorial fraccionado con puntos centrales, ampliado con
un grupo de puntos axiales (tambin denominados puntos de estrella) que
permiten estimar la curvatura. Puede utilizar un diseo central compuesto
para:
- Estimar eficientemente los trminos de primer orden y segundo

orden.

- Modelar una variable de respuesta con curvatura al agregar puntos

centrales y axiales a un diseo factorial previamente ejecutada.
Los diseos centrales compuestos son especialmente tiles en los

experimentos secuenciales, porque frecuentemente permiten ampliar
experimentos factoriales anteriores al agregar puntos axiales y centrales.
Por ejemplo, usted desea determinar las mejores condiciones para

moldear por inyeccin una pieza de plstico. En primer lugar, usted ejecuta
un experimento factorial y determinar los factores significativos:
temperatura (niveles establecidos en 190 y 210) y presin (niveles
establecidos en 50 MPa y 100 MPa). Si el diseo factorial detecta curvatura,
usted puede usar un experimento diseado de superficie de respuesta para
determinar la configuracin ptima para cada factor. Los siguientes son los
puntos de diseo para este experimento.
Cuando es posible, el diseo central compuesto tiene las convenientes

propiedades de bloques ortogonales y rotabilidad.
- Bloques ortogonales
Con frecuencia, los diseos centrales compuestos se ejecutan en ms de

un bloque. Los diseos centrales compuestos pueden crear bloques
ortogonales, lo que permite estimar los trminos del modelo y los efectos

de bloque de manera independiente y minimizar la variacin en los

coeficientes de regresin.
- Rotabilidad
Los diseos rotables ofrecen varianza de prediccin constante en todos

los puntos que estn equidistantes del centro del diseo.
2.2. Construccin de una superficie de respuesta.
La investigacin de una superficie de respuesta en primera instancia aborda

la localizacin de la regin en la cual se encuentra la respuesta ptima Y, en
las siguientes etapas, luego de comprobar experimentalmente, va
reduciendo la superficie de respuesta en estudio, en algunos casos hasta
obtener la convergencia en un punto ptimo.
El proceso se inicia con la planificacin de un diseo experimental

exploratorio que permite la aproximacin a la superficie mediante la
representacin matemtica de los modelos ms simples, entre estos
tenemos:
Un modelo de primer orden (lineal) sin interacciones o productos cruzados:
Modelo de primer orden (lineal) con interacciones o productos cruzados:
donde representa el ruido o error observado en la respuesta Y, xi son

factores cuantitativos observados.

En esta primera fase, se utilizan experimentos factoriales completos 2k o

fraccionarios 2k-p, con el fin de estimar las respuestas medias para un
modelo lineal o de primer orden, como el de la ecuacin (2). Se recomienda
generalmente agregar dos o ms observaciones en el nivel medio de cada
uno de los factores para estimar el error experimental y tener un mecanismo
de evaluacin para saber si el modelo lineal es apropiado.
En la siguiente etapa, una vez identificada la regin de respuesta ptima,

los diseos factoriales completos o fraccionarios a dos niveles no son
suficientes, pues se requieren al menos tres niveles para cada factor y el
diseo debe de tener 1 + 2k + k(k 1 )/2 puntos distintos para estimar los
parmetros de un modelo de regresin cuadrtica.
Modelo cuadrtico o de segundo orden:
Entre los diseos experimentales que pueden ser utilizados en estafase

estn los experimentos factoriales 3k, sin embargo son considerados poco
prcticos por el elevado nmero de combinaciones de tratamientos que
requiere. Existen otros diseos desarrollados para la aproximacin a una
superficie de segundo orden, que no requieren tantas combinaciones de
tratamientos, entre estos estn los diseos centrales compuestos
propuestos por Box y Wilson, y los diseos Box-Behnken.
2.3. Anlisis de la superficie de respuesta

La naturaleza secuencial e iterativa de la metodologa de Superficie de

Respuesta requiere que en cada fase se identifiquen los factores
significativos, se realice un anlisis de adecuacin del modelo y se determine
la direccin en la cual se encuentran las condiciones ptimas de
experimentacin.
Para identificar los factores que tienen mayor influencia en la respuesta y

examinar la bondad de ajuste del modelo se utiliza el anlisis de varianza.
Mediante el mtodo de mxima pendiente se determina la direccin en la
cual se encuentra la regin ptima. El anlisis de la superficie ajustada se
realiza mediante el anlisis cannico, el cual permite determinar la
naturaleza del punto estacionario.
En el caso de un modelo de segundo orden, la ecuacin escrita en forma

matricial es:
El punto crtico, si es que existe, ser un conjunto de condiciones en x tal
que las derivadas parciales son simultneamente cero, es decir:
Siendo el punto estacionario
El punto estacionario puede ser un punto mximo, un punto mnimo o un

punto de ensilladura (minimax), la forma cannica de la funcin permite
establecer su condicin.
Reemplazando (5) en (4)

Forma cannica:
donde es la respuesta estimada en el punto x0, son las races

caractersticas de la matriz B y (siendo M la matriz de los vectores
propios asociados a ).
Si todos los son negativos, x0 representa un punto de mxima respuesta;

si los son todos positivos, x0 es un mnimo de la superficie observada. En
el caso de que los difieran en signo, el punto estacionario es un punto de
ensilladura. En general si algn es cero o un valor muy cercano a cero, el
punto estacionario no es nico, se encuentra en una loma estacionaria.
2.4. Diseo central compuesto.
Para comprender los diseos centrales compuestos, que se utilizarn en el

ejemplo que se abordar, es necesario mencionar que los factores
generalmente se codifican, pues facilita los clculos, estandariza las
variables eliminando las unidades de medida de las variables originales y se
incrementa la precisin al estimar los coeficientes del modelo.
Los niveles codificados de los factores de un diseo factorial 2k se obtienen
mediante la siguiente frmula: xi= 2(Ai )/Ri , donde Ai es el i-simo nivel
del factor A, es el nivel promedio del factor A y Ri es el rango entre el valor

ms alto y el ms bajo de del factor A. Con este procedimiento, se asigna
valores 1 a las variables asociadas al arreglo factorial 2k.
Los diseos centrales compuestos son diseos de tratamientos

factoriales 2k con 2k combinaciones adicionales llamadas puntos axiales
y nc puntos centrales. Las coordenadas de los puntos axiales de los ejes del
factor codificado son ( ,0,0,...,0), (0, ,0,...,0),...,(0,0,0,..., ), y los
puntos centrales son de la forma (0,0,0,...,0). Dependiendo de la eleccin
de a en los puntos axiales, el diseo central compuesto puede tener

diferentes propiedades como ortogonalidad, rotabilidad y uniformidad. Se

considerar solamente una propiedad deseable en estos diseos consistente
en que la varianza de los valores estimados sea constante en puntos
equidistantes del centro del diseo. Esta propiedad llamada rotabilidad se
logra estableciendo = (2k)1/4. As, el valor de a para un diseo con dos
factores es = 1,414 y para tres factores = 1,682. La frmula
para acambiar si se realizan rplicas del diseo o si se utiliza un diseo
factorial fraccionario.
2.5. Ejemplo empleando el software Minitab.
Un ingeniero qumico est interesado en determinar las condiciones de

operacin que maximizan el rendimiento de un proceso. Hay dos variables
de control que influyen Tiempo de reaccin y temperatura de reaccin, el
punto de operacin actual es 35 minutos y 155F que da un rendimiento del
40% aproximadamente.
Se hace un diseo experimental variando el tiempo (30 a 40 minutos) y la

temperatura (150 a 160F).
Por simplicidad se codifican las variables en el intervalo (-1, 1). Si las

variables codificadas son X1 y X2 y las variables naturales son 1 y 2 se
tiene:
1 35
x1
5
155
x2 2
5
El arreglo y los datos experimentales son:

Los cinco puntos centrales se usan como rplicas para verificar la adecuacin
del modelo de primer orden.

Tomando el punto correspondiente a (0,0) se realizan experimentos
individuales adicionales, incrementando las variables en los pasos indicados
arriba resultando en:

Se observa que el punto dcimo representa el valor mximo de la trayectoria
de experimentacin por lo que ahora se tomar como nuevo punto central
(0,0)el punto (85, 175) y la regin de experimentacin para 1 es (80,90)
y para 2 es (170,180), con las variables codificadas X1 y X2 como sigue:
1 85
x1
5
175
x2 2
5


Como la curvatura es significativa ahora aplicamos el modelo central

compuesto que se muestra abajo para obtener un modelo de segundo
orden.

La ecuacin de segundo grado que nos dar tiene la forma siguiente:
^ ^ k ^ k ^ k 1 k ^
y 0 i X i ii X i
2
ij Xi X j
i 1 i 1 i 1 j 2
Los experimentos a realizar por medio del diseo central compuesto

tomando el nuevo punto (0,0) en (85, 175) y agregando puntos axiales en
+- 1.414 queda como:

CONCLUSIONES
- La metodologa de superficies de respuesta (MSR) es una estrategia

experimental y de modelacin que permite encontrar condiciones de
operacin ptimas de un proceso, implica 3 aspectos: DISEO, MODELO Y
TECNICA DDE OPTIMIZACION.
- El diseo y el modelo dependen del tipo de comportamiento que se espera

en la respuesta, el modelo puede ser de primero o segundo orden (plano o
con curvatura); por ello el tipo de diseo utilizado y el mtodo de
optimizacin se clasifican segn como sea el caso.
Bibliografa
- Box, G. E. P., Wilson, K. G. (1951), On the experimental attainment of optimum conditions,
Journal of the Royal Statistical Society, B 13, 1-45
- Garca-Daz, A., Phillips D.T., Principles of Experimental Design and Analysis, Chapman & Hall;
New York, 1995,


DCCCR

Uploaded by

Document Information

Original Title

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

DCCCR

Uploaded by

Copyright:

Available Formats

UNIVERSIDAD NACIONAL DE TRUJILLO

FACULTAD DE CIENCIAS AGROPECUARIAS

ESCUELA ING. AGROINDUSTRIAL

Ing. Joe Jara Velez

o Campos Cerdan, Luis David

DISEO DE SUPERFICIE DE RESPUESTA MEDIANTE

La metodologa de superficie de respuesta (MSR),es una coleccin de tcnicas que

La metodologa de superficies de respuesta, es una coleccin de tcnicas de diseo

En la ingeniera, la experimentacin desempea un papel importante en el diseo

El objetivo del presente informe es familiarizarnos con experimentos diseados en

LENGUAJE DE PROGRAMACION INGENIERIA AGROINDUSTRIAL

- Explicar el concepto de optimizacin y su relacin con la superficie de

- Desarrollar el modelo de Anlisis de Superficie de Respuesta, de manera

- Aplicar la metodologa de superficie de respuesta y su respectivo diseo

LENGUAJE DE PROGRAMACION INGENIERIA AGROINDUSTRIAL

III. MARCO TEORICO

1. METODOLOGA DE SUPERFICIES DE RESPUESTA

La Metodologa de Superficies de Respuesta es un conjunto de tcnicas

LENGUAJE DE PROGRAMACION INGENIERIA AGROINDUSTRIAL

La caracterstica del sistema de superficie de respuesta (mximo, mnimo,

Genera una distribucin satisfactoria de los puntos experimentales

Es optimizar la variable de inters. Esto se logra al determinar las

LENGUAJE DE PROGRAMACION INGENIERIA AGROINDUSTRIAL

Son las condiciones del proceso que influencian la variable de respuesta.

Es una cantidad medible cuyo valor se ve afectado al cambiar los niveles

- Funcin de respuesta predicha.

La funcin de respuesta se puede representar con una ecuacin polinomial.

Donde: b0, b1, b2 son los coeficientes de regresin a estimar, x1 y x2

LENGUAJE DE PROGRAMACION INGENIERIA AGROINDUSTRIAL

donde Y denota el valor estimado de Y dado por x1 y x2.

Mientras que si tenemos Y=f(x1, x2.) la superficie est en tres dimensiones,

LENGUAJE DE PROGRAMACION INGENIERIA AGROINDUSTRIAL

La grfica de contornos facilita la visualizacin de la forma de una superficie

La regin experimental especifica la regin de valores para los niveles de

1.5. Ventajas y desventajas del anlisis de superficies de respuestas.

LENGUAJE DE PROGRAMACION INGENIERIA AGROINDUSTRIAL

- La MSR es la estrategia experimental y de anlisis que permite resolver el

- Ofrece por resultado valores ptimos de una o varias caractersticas de

- Tiene un nivel de complejidad elevado al de un diseo experimental simple.

1.6. Elementos de la MCR

La metodologa de superficie de respuesta implica tres aspectos: diseo,

- El aspecto diseo implica que para optimizar un proceso se debe aplicar

- El aspecto del modelo utiliza el anlisis de regresin lineal mltiple, junto

- Por ltimo, el aspecto de optimizacin est formado por algunas tcnicas

LENGUAJE DE PROGRAMACION INGENIERIA AGROINDUSTRIAL

a fin de obtener informacin sobre el punto ptimo. Conviene recordar

1.7. Metodologa de superficie de respuesta.

Se distinguen tres etapas en la bsqueda del punto ptimo, que son:

- Cribado: La optimizacin de un proceso se inicia con esta etapa

- Bsqueda I o de primer orden: Esta etapa se aplica cuando se tienen

- Bsqueda II o de segundo orden: En el momento en que se detecta

1.8. Tcnicas de optimizacin.

Una vez que se tiene el modelo debidamente ajustado y validado se procede

LENGUAJE DE PROGRAMACION INGENIERIA AGROINDUSTRIAL

de niveles en los factores que dan por resultado un valor ptimo de la

- Escalamiento ascendente (o descendente).

El escalamiento ascendente es para el modelo de primer orden y las otras dos

2. SUPERFICIES DE RESPUESTA MEDIANTE UN DISEO CENTRAL

2.1. Qu es un diseo central compuesto?

El diseo central compuesto es el experimento diseado de superficie de

- Estimar eficientemente los trminos de primer orden y segundo

LENGUAJE DE PROGRAMACION INGENIERIA AGROINDUSTRIAL

- Modelar una variable de respuesta con curvatura al agregar puntos