Mtodo de Mxima Pendiente

Pag. 1 de 8

INTRODUCCIN
Los mtodos de superficie de respuesta (MSR) son un conjunto de tcnicas matemticas y estadsticas empleadas para la modelacin y anlisis de problemas en los que una variable de inters (Y) es influenciada por otras (x1, x2, xk). El objetivo de esta metodologa es optimizar la variable de inters, lo cual se logra determinando las condiciones ptimas de operacin del proceso o sistema. Por ejemplo, un ingeniero industrial necesita encontrar los niveles de corriente elctrica (x1) y voltaje (x2) que maximicen el rendimiento (y) de un proceso: y = f (x1, x2) + Donde: y representa la respuesta del proceso, x1 la corriente elctrica, x2 el voltaje y el ruido o error observado la respuesta. Si la respuesta esperada se denota por: E(y) = f (x1, x2) = , entonces a la superficie representada por: = f (x1, x2), se le llama superficie de respuesta. La representacin grfica habitual de la superficie red de respuesta se muestra en la figura 1, donde se puede apreciar la figura tridimensional con sus contornos y la grfica de contorno bidimensional con las lneas de respuesta constante en la parte inferior, en esta ltima, cada contorno se corresponde con una altura particular de la superficie respuesta. Al inicio de cada investigacin, en la mayora de los casos, se desconoce la forma de la superficie de respuesta, por lo que el investigador debe encontrar una aproximacin adecuada que represente la verdadera relacin funcional entre Y y el conjunto de variables independientes X.

Grfic a de contorno

Fig. 1. Grfica de superficie de respuesta tridimensional, indicando el rendimiento esperado como una funcin de la corriente elctrica y el voltaje = f (x1, x2).

Alumno: Jos Luis Hernndez Hernndez Cuenta No. 1680084

Mtodo de Mxima Pendiente

Pag. 2 de 8

Si la respuesta queda bien definida por una funcin lineal, la funcin de aproximacin es un modelo de primer orden: y = 0 + 1 x1 + 2 x2 + k xk + Si el sistema tiene curvatura, el modelo debe ser de orden superior, como por ejemplo de segundo orden:

Los dos modelos anteriores son utilizados en casi en todos los problemas relacionados con superficie respuesta, sin embargo, es probable que el modelo por binomial sea la aproximacin ms razonable para representar la verdadera relacin funcional en todo el espectro de influencia de las variables independientes, solo que, para regiones relativamente pequeas suelen funcionar razonablemente. Las Etapas para la estructuracin del MSR son: 1. Los parmetros de los polinomios de aproximacin se estiman por medio del mtodo de mnimos cuadrados estudiado anteriormente. Estos parmetros pueden estimarse de manera ms eficiente empleando los diseos experimentales apropiados para la recoleccin de datos. 2. Realizar el anlisis de superficie respuesta por medio de los mtodos de superficie ajustada. Si el resultado es una aproximacin adecuada de la verdadera funcin de respuesta, entonces el anlisis de la superficie de respuesta determinada ser un equivalente aproximado al anlisis del sistema real. A los diseos para ajustar la superficie de respuesta se denominan diseos de superficie respuesta. 3. Determinar las condiciones de operacin ptima del sistema, por medio de la identificacin de una regin del espacio de la superficie de respuesta, donde los factores satisfagan los requerimientos de operacin de mejor forma. Esta ltima etapa es la que analizaremos a continuacin, apoyados en el mtodo del ascenso ms pronunciado o tambin denominado, de mxima pendiente en ascenso.

MTODO DE MXIMA PENDIENTE EN ASCENSO

La metodologa de superficie de respuesta es un procedimiento secuencial, dado que, en muchas ocasiones, cuando se est en un punto especfico de la superficie de respuesta, ste puede estar apartado del ptimo, como en el caso de la figura 2.

Alumno: Jos Luis Hernndez Hernndez Cuenta No. 1680084

Mtodo de Mxima Pendiente

En la figura, aparentemente, el sistema presenta una curvatura moderada y se est lejos de la regin ptima; un modelo de primer orden pudiera ser apropiado. El objetivo para el experimentador es, en cualquier caso, encontrar de manera rpida y eficiente la trayectoria del mejoramiento hasta el punto ptimo. Una vez encontrada la regin ptima, se puede emplear un modelo ms elaborado, como lo es el de segundo orden y llevar a cabo un anlisis especfico para localizar el punto ptimo.

Pag. 3 de 8

Fig. 2. El carcter secuencial del MSR

El procedimiento para moverse, de manera secuenciada, sobre la trayectoria de mximo ascenso, es el mtodo de mxima pendiente en ascenso o del ascenso ms pronunciado, esto es, dirigirse lo ms rpidamente posible hacia el nivel de incremento mximo de la respuesta. En algunos casos, lo que se busca es una minimizacin en la respuesta, a este enfoque de la tcnica se le denomina mtodo del descenso ms pronunciado. El modelo ajustado de primer orden es:

Cuya superficie de respuesta es una serie de lneas paralelas como los que se muestran en la figura tres. La direccin donde y se incrementa con mayor rapidez, corresponde al ascenso ms pronunciado, la cual es paralela a la normal de la superficie de respuesta ajustada. En este caso, los escalones o pasos sobre la trayectoria son proporcionales a los coeficientes de regresin i.
Fig. 3. Grfica de superficie de respuesta de primer orden con la trayectoria de ascenso ms pronunciado.

Alumno: Jos Luis Hernndez Hernndez Cuenta No. 1680084

Mtodo de Mxima Pendiente

Pag. 4 de 8

El tamao del escaln el experimentador lo determina con base en el conocimiento del proceso o de otras consideraciones de carcter prctico. Se realizan experimentos sobre la trayectoria de ascenso hasta que dejan de observarse incrementos adicionales en la respuesta. En ese momento, se puede emplear un nuevo modelo de primer orden para determinar una nueva trayectoria de ascenso ms pronunciado y as sucesivamente. En un momento dado, el experimentador llegar hasta la vecindad del punto ptimo; la falta de ajuste del modelo de primer orden indicar que se ha llegado al objetivo.

Captulo 2 Metodologa de Superficies de Respuesta

48

Un experimentador desea determinar las condiciones de operacin que optimicen el rendimiento de un proceso qumico. Se ha que(30,40) son dos las variables controlables ingeniero decide que la regin dedeterminado exploracin sea minutos de reaccin y que influyen en el rendimiento del proceso:
(150,160)F. Para simplificar los clculos las variables independientes se codifican en un

intervalo de (-1,1). Las variables el tiempo reaccin (x1) ycodificadas son: la temperatura de reaccin (x ).2-155)/5 2x x1 =(x 1-35)/5 y x2 =(

donde x 1 =variable natural tiempo

Actualmente el proceso opera con un tiempo de reaccin de 35 minutos y una temperatura de 155 F, lo que produce un x 2=variable natural temperatura rendimiento del 40%. El experimentador decide que la regin de exploracin sea de (30, 40) minutos de reaccin y de (150, 160) F. En la Tabla se muestran los datos, se utiliza un diseo factorial 22 aumentado en Con el fin de simplificar los 2.2 clculos las variables independientes se codifican (-1, 1). Las variables codificadas son: x1 = (1 35)/5, donde: 1 es la variable natural tiempo. x2 = ( 155)/5, donde: 2 es la variable natural temperatura.
experimental y permiten probar la adecuacin del modelo de primer orden.

cinco puntos centrales. Las observaciones centrales sirven para estimar el error

Los datos de diseo experimental se muestran en a laun siguiente tabla. Tabla 2.2 Datos del proceso para ajustar modelo de primer orden
Variables naturales x1 30 30 40 40 35 35 35 35 35 x2 40 160 150 160 155 155 155 155 155 Variables Codificadas x1 -1 -1 1 1 0 0 0 0 0 x2 -1 1 -1 1 0 0 0 0 0 Respuesta Y 39.3 40.0 40.9 41.5 40.3 40.5 40.7 40.2 40.6

Se utiliza un diseo factorial 22, aumentado con cinco center points, lo cual permite estimar el Con verificar el mtodo las de m nimos cuadrados obtiene: error experimental, interacciones y se probar la adecuacin del modelo de primer
= 40.44 + 0.775 x + 0.325x Y 1 2

Alumno: Jos Luis Hernndez Hernndez Cuenta No. 1680084

En la Tabla 2.3 se muestra el anlisis de varianza, donde se observa que la F de

Mtodo de Mxima Pendiente

Pag. 5 de 8

orden con respecto a la posibilidad de contener efectos cuadrticos (curvatura). Por su parte, el diseo est configurado alrededor de las condiciones de operacin actuales del proceso. Previo a la exploracin a lo largo de la trayectoria del ascenso ms pronunciado, se debe investigar adecuacin del modelo de primer orden. Por medio del mtodo de mnimos cuadrados obtiene los resultados de la Fig. 4. Donde puede advertirse: 1. La ecuacin de regresin, la cual supone que las variables x1 y x2 tienen un efecto adictivo sobre la respuesta. El pvalue de la regresin global nos indica que es significativa. 2. Ambas variables son significativas, especialmente x2. 3. El efecto de la interaccin no es significativo. 4. El valor alto de la R2 que es igual a 94.1%. 5. Por el pvalue de la regresin se observa que esta es significativa. 6. El modelo indica que hay que desplazarse 0.775 unidades en direccin de x1 por cada 0.325 unidades en direccin de x2, para incrementar 1 unidad en la respuesta. 7. La curvatura no resulta significativa. De acuerdo a las conclusiones anteriores, no existe razn alguna para cuestionar la adecuacin del modelo de primer orden. La trayectoria del ascenso ms pronunciado pasa por el punto (x1 = 0, x2 = 0) con una pendiente de 0.325/0.775. El experimentador para separarse del centro del diseo, sobre la trayectoria del ascenso ms pronunciado, decide usar 5 minutos para el tiempo reaccin cmo tamao bsico de cada paso,
Fig. 4. Anlisis de regresin y ANOVA del ejemplo

Alumno: Jos Luis Hernndez Hernndez Cuenta No. 1680084

Mtodo de Mxima Pendiente

Pag. 6 de 8

lo que es equivalente en la variable codificada a un incremento de x1 = 1. Para el caso de la temperatura, el incremento es, por consecuencia de: x2 = 0.0325/0.775 = 0.42. El experimentador calcula puntos a lo largo de esta trayectoria y observa los rendimientos en cada uno, hasta notar un decremento en la respuesta. Los resultados se muestran en la figura 5, donde los incrementos se muestran tanto para las variables codificadas como para las variables naturales. Es importante mencionar que aun cuando la manipulacin matemtica de las variables codificadas es ms simple, deben utilizarse las variables naturales cuando el proceso se corre.
Fig. 5. Experimento del ascenso ms pronunciado.

Respuesta Y
85 80 75

Rendimiento

70 65 60 55 50 45 40 1 2 3 4 5 6 7 8 9 10 11 12

En la figura 6 se muestra la grfica de rendimientos para cada paso en la trayectoria del acceso ms pronunciado, donde se observan los incrementos en la respuesta hasta el paso nmero 10; los pasos posteriores este evidencia un decremento en el rendimiento. Como conclusin, debe ajustarse otro modelo de primer orden en la vecindad del punto: (1 = 85, 2 = 175) o sea (x1 = 10, x2 = 4.2) 1 (80, 90) 2 (170, 180) y la regin de exploracin es para:

Paso

Fig. 6. Grfica de rendimientos para cada paso en la trayectoria del acceso ms pronunciado

Alumno: Jos Luis Hernndez Hernndez Cuenta No. 1680084

La regin de exploracin para variables codificadas son:

x 1 es (80,90) y para x 2 es (170,180). Por lo tanto las

x =(x -85)/5 de y x =(x -175)/5 Pendiente Mtodo Mxima

1 1 2 2

Pag. 7 de 8

Nuevamente se utiliza un diseo 22 con cinco puntos centrales. Los datos se muestran en la tabla 2.5

Las variables nuevamente codificadas son: x1 = (1 85)/5, donde: 1 es la variable natural tiempo. x2 = ( 175)/5, donde: 2 es la variable natural temperatura.
Variables Codificadas x1 x2 -1 -1 -1 1 1 -1 1 1 0 0 0 0 0 0 0 0 0 0
Fig. 7. Datos para el segundo modelo

Tabla 2.5 Datos para el segundo modelo de primer orden Variables naturales x1 x2 80 170 80 180 90 170 90 180 85 175 85 175 85 175 85 175 85 175

Respuesta y 76.5 77.0 78.0 79.5 79.9 80.3 80.0 79.7 79.8

Nuevamente se utilizar un diseo de primer orden, 22 con 5 puntos centrales, cuyos datos se muestran en la figura 7.

Fig. 8. Regresin para el segundo modelo

La figura 8 muestra el ajuste del modelo de primer orden para las variables codificadas de la figura siete.

Alumno: Jos Luis Hernndez Hernndez Cuenta No. 1680084

Mtodo de Mxima Pendiente

La figura 9 presenta el ANOVA de este segundo modelo, de la que podemos concluir lo siguiente: 1. Las dos variables siguen siendo significativas en este modelo, especialmente x1. 2. La interaccin ya no es significativa. 3. La curvatura (trmino cuadrtico puro) es altamente significativa. 4. El coeficiente determinacin r2 sigue siendo muy alto. Lo anterior indica que el modelo de primer orden no es la aproximacin ms adecuada; la curvatura en la superficie puede estar indicndole al investigador que se encuentra muy cerca del punto ptimo. A estas alturas, ser necesario realizar anlisis adicionales para localizar con mayor precisin el punto ptimo.

Pag. 8 de 8

Fig. 9. ANOVA del segundo modelo de primer orden

Alumno: Jos Luis Hernndez Hernndez Cuenta No. 1680084