Universidad Nacional de Agricultura
Facultad de Ciencias Tecnológicas
DE-337 Análisis Estadístico y Diseño de Experimentos
Por: Mario Gonzales Santos
Ingenieria en Tecnología Alimentaria
Catacamas, Olancho Mayo, 2025
Optimización de procesos con metodología de superficie de respuesta
• La metodología de superficie de respuesta (MSR): es la estrategia
experimental y de análisis que permite resolver el problema de
encontrar las condiciones de operación óptimas de un proceso, es
decir, aquellas que dan por resultado “valores óptimos” de una o
varias características de calidad del producto.
Región experimental y región de operabilidad
• La región experimental es el espacio delimitado por los rangos de
experimentación utilizados con cada factor.
• La región de operabilidad está delimitada por el conjunto de puntos o
condiciones donde el equipo o proceso puede ser operado.
• La región de operabilidad considera todas las combinaciones posibles
de los niveles de los factores donde el proceso puede operarse y ésta
siempre es igual o más grande que la región experimental.
Ejemplo de regiones de operabilidad (cubo mayor) y
experimental.
Mejor tratamiento y punto óptimo
Punto óptimo: Mejor combinación de valores de los factores
estudiados en la cual se considera toda la región de operabilidad.
Mejor tratamiento
• Mejor combinación de niveles de los factores en la cual se consideran
los niveles utiliza- dos durante el estudio experimental.
Mejor
tratamiento y
punto óptimo,
región
experimental y
región de
operabilidad.
Elementos de la MSR
La metodología de superficie de respuesta implica tres aspectos:
diseño, modelo y técnica de optimización. El diseño y el modelo se
piensan al mismo tiempo, y dependen del tipo de comportamiento que
se espera en la respuesta. De manera específica, el modelo puede ser
de primero o segundo orden (plano o con curvatura); por ello, el tipo
de diseño utilizado y el método de optimización se clasifican, según sea
el caso, como de primero o segundo orden.
• El aspecto diseño implica que para optimizar un proceso se debe
aplicar el diseño de experimentos, en particular aquellos que sirven
para ajustar un modelo de regresión lineal múltiple.
• El aspecto del modelo utiliza el análisis de regresión lineal múltiple,
junto con sus elementos básicos que son: parámetros del modelo,
modelo ajustado, significancia del modelo, prueba de falta de ajuste,
residuos, predichos, intervalos de confianza para predichos y
coeficiente de determinación.
• el aspecto de optimización está formado por algunas técnicas mate-
máticas que sirven para que, dado un modelo ajustado, explorarlo a fin
de obtener información sobre el punto óptimo. Conviene recordar
técnicas como: derivadas de funciones, multiplicadores de Lagrange,
operaciones con matrices, valores y vectores propios y sistemas de
ecuaciones simultáneas.
Tres etapas en la búsqueda del punto óptimo
• Cribado. La optimización de un proceso se inicia con esta etapa
cuando tiene muchos factores (más de 6 u 8) que influyen en la
variable de interés. Por ejemplo, pensemos en una máquina que se
puede manipular en 10 parámetros diferentes y que no se tiene una
idea clara de cómo influye cada uno de ellos; en primer lugar es
preciso correr un experimento para identificar los pocos factores que
tienen mayor influencia.
• Búsqueda I o de primer orden. Esta etapa se aplica cuando se tienen
pocos factores (k ≤ 5), y se sabe que éstos influyen en la variable de
respuesta. En esta etapa se corre un diseño 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 diseño factorial completo o fraccionado con repeticiones al
centro.
• Búsqueda II o de segundo orden. En el momento en que se detecta la
presencia de curvatura, o bien, que la superficie es más complicada
que un hiperplano, se corre o se completa un diseño de segundo
orden para caracterizar mejor la superficie y modelar la curvatura.
Con el modelo ajustado se determinan las condiciones óptimas de
operación del proceso
Modelos
Las superficies de respuesta se caracterizan ajustando un modelo a los
datos experimentales. Los modelos que se utilizan en MSR son
básicamente polinomios.
El modelo de primer orden Modelo de segundo orden
Superficies de
respuesta: a)
descrita por un
modelo de primer
orden; b), c) y d)
descritas por
modelos de segundo
orden
Técnicas de optimización
• La técnica de optimización a utilizar depende del tipo de modelo
ajustado y existen básicamente tres métodos, que son:
Escalamiento ascendente (o descendente)
Análisis canónico
Análisis de cordillera
• El escalamiento ascendente es para el modelo de primer orden y las
otras dos técnicas son para el modelo de segundo orden. A continuación
se describen cada uno de estos métodos.