3.1 MTODOS Y DISEOS DE SUPERFICIES DE RESPUESTA (RSM) Sirven para modelar y analizar aplicaciones donde la respuesta de inters es influenciada por diversas variables y el objetivo es optimizar esta respuesta. Supngase que se desea obtener el mximo rendimiento en un proceso (y) que tiene como variables relevantes la temperatura de reaccin (x1) y el tiempo de reaccin (x2). La funcin de rendimiento est en funcin de temperatura y tiempo, o sea:
= f ( x1 , x2 )
La superficie representada por esta ecuacin se denomina superficie de respuesta. Regin ptima
Temperatura (C) Fig. 3.1 Superficie de respuesta tridimensional, muestra el rendimiento esperado en funcin de la temperatura y tiempo 1
Como apoyo se visualiza la grafica de contornos de igual rendimiento de la superficie de respuesta como se muestra en la siguiente figura. Rendimiento (%) 30 25 Tiempo de Reaccin (min.) 15 60 65 100 110 120 130 140 20 Condiciones de operacin actuales 70 75 80 85 90
Temperatura (C) Fig. 3.2 Grfica de contornos del rendimiento de la superficie de respuesta Si la respuesta es modelada adecuadamente por una funcin lineal de las variables independientes, entonces la funcin de aproximacin es el modelo de primer orden, por ejemplo:
y = 0 + 1 x1 + 2 x 2 + ... k x k +
(3.1)
Si hay curvatura en el sistema, entonces se requiere un polinomio de mayor orden por ejemplo, el modelo de segundo orden,
k k k 1 i =1 k
Y = 0 + i X i + ii X i2 +
i =1 i =1
j =2
ij
Xi X j +
(3.2)
3.1 .1 EL MTODO DE ASCENSO RPIDO Frecuentemente el estimado inicial de las condiciones ptimas de operacin, se encuentran lejos del verdadero ptimo. En tal circunstancia el
objetivo es moverse rpidamente a la vecindad del ptimo verdadero, en forma econmica. En estas condiciones se utiliza un modelo de primer orden. El mtodo de ascenso rpido es un procedimiento para moverse secuencialmente por la trayectoria de ascenso rpido, o sea, en la direccin del mximo incremento de la respuesta. Por supuesto, si lo que se busca es la minimizacin, entonces se utiliza el mtodo de descenso rpido. El modelo ajustado de primer orden es:
y = 0 + i xi
i= 1
y
^
^ ^ k^
(3.3)
son una serie de lneas rectas paralelas como se muestra en la siguiente figura:
y =50
y =40
^ ^
y =30
y =20
de
primer
orden
y se incrementa
ms rpido, esta direccin es normal a los contornos de la superficie de respuesta ajustada y se toma como trayectoria de ascenso rpido, la lnea que pasa al centro de la regin de inters y normal a los contornos de la superficie ajustada. De esta forma, los pasos a lo largo de la trayectoria son proporcionales a los coeficientes de regresin {
}. El experimentador
determina la cantidad real de movimiento a lo largo de esta trayectoria en base a su conocimiento del proceso u otras consideraciones prcticas. Los experimentos se realizan a lo largo de la trayectoria de ascenso rpido hasta que ya no se observa incremento en la respuesta o hasta que la regin de la respuesta deseada se alcanza . Entonces se usa un nuevo modelo de primer orden, se determina la direccin de una nueva trayectoria de ascenso rpido y de ser necesario, se realizan experimentos adicionales en esa direccin hasta que el experimentador sienta que est cerca del ptimo. Ejemplo 3.1 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 5 155 x2 = 2 5
x1 = 4
X2 -1 1 -1 1 0 0 0 0 0
Los
cinco
puntos
centrales
se
usan
como
rplicas
para
verificar la adecuacin del modelo de primer orden (con Pure error). Por medio de Minitab se crea el diseo factorial: >Stat >DOE >Factorial >Create factorial design 2 Level designs Options: 5 puntos centrals Introducir los valores de respuesta Y correspondientes. Los resultados que arroja Minitab son los siguientes: >Stat >DOE >Factorial >Analyze factorial design
Estimated Effects and Coefficients for Y (coded units) Term Constant A B A*B Ct Pt Effect 1.5500 0.6500 -0.0500 Coef 40.4250 0.7750 0.3250 -0.0250 0.0350 SE Coef 0.1037 0.1037 0.1037 0.1037 0.1391 T 389.89 7.47 3.13 -0.24 0.25 P 0.000 0.002 0.035 0.821 0.814
Son signif. A y B
Curvatura no significativa
Para la trayectoria de ascenso ms rpido, se siguen los pasos siguientes: a) Se elige el tamao de paso de una de las variables del proceso x j . La variable que tiene el coeficiente en valor absoluto ms alto. En este caso se elige X1. b) El xi = tamao del paso para loas otras variables es
Para convertir los tamaos de los pasos codificados (Delta X1=1.0 y Delta X2=0.42) a las unidades naturales de tiempo y temperatura se tiene:
1 5 2 x2 = 5 x1 (5)=1* 5 =5mi. 1 = x1 =
x2 (5)=0.42 * 5 =2 F 2 =
Tomando el punto correspondiente a (0,0)se realizan experimentos individuales adicionales, incrementando las variables en los pasos indicados arriba resultando en:
Varia Codif. Variables naturales Respuest bles Pasos X1 Origen 0 1 1 Orig.+ 2 Orig.+2 3 Orig.+3 4 Orig.+4 5 Orig.+5 6 Orig.+6 7 Orig.+7 8 Orig.+8 9 Orig.+9 10 Orig.+10 11 Orig.+11 12 Orig.+12 a X2 0 0.42 0.42 0.84 1.26 1.68 2.10 2.52 2.94 3.36 3.78 4.20 4.62 5.04 1 35 5 40 45 50 55 60 65 70 75 80 85 90 95 2 155 2 157 159 161 163 165 169 171 173 175 177 179 181 y
41.0 42.9 47.1 49.7 53.8 59.9 65.0 70.4 77.6 80.3 76.2 75.1
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
90 80
7
70 60 50 40 0 1 2 3 4 5 6 7 8 9 10 11 12 Pasos
Fig. 3.4 Grfica de rendimiento contra pasos en la trayectoria de ascenso ms pronunciado Haciendo nuevos experimentos alrededor del nuevo
A y B signif.
signif
Como la curvatura es significativa ahora aplicamos el modelo central compuesto que se muestra abajo para obtener un modelo de segundo orden.
+2 X4 (0, 1.414) (-1,1) (-, 0) (-1.414,0) -2 (-1,-1) (0,0) (1,-1) (0,-1.414) -2 Fig. 3.5 Diseo Central codificadas del ejemplo Compuesto en las variables (1,1) ( ,0) Exp. Axiales (1.414,0) X1 +2
y += X + X + XX +
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:
Variables Variables del Proceso codificadas Corrida Tiempo (min.) Temp.(F) X1 1 80 170 -1 2 80 180 -1 3 90 170 1 4 90 180 1 5 85 175 0 6 85 175 0 175 7 85 0 8 85 175 0 9 85 175 0 10 92.07 175 1.414 11 77.93 175 -1.414 12 85 182.07 0 13 85 167.93 0 Rendimiento Y2 76.5 77.0 78.0 79.5 79.9 80.3 80.0 79.7 79.8 78.4 75.6 78.5 77.0
^ ^ k ^ k ^ k 1 k ^ 2 0 i i i i ij i j i= 1 i= 1 i= 1 j = 2
X2 -1 1 -1 1 0 0 0 0 0 0 0 1.414 -1.414
Se forma este diseo central compuesto por medio de: >Stat >DOE >Surface response > Create surface response Design >Central composite design Designs Center points 5, para 13 corridas; Alfa custom 0.05 Options: Quitar Randomize Introducir datos de respuestas de rendimiento
10
StdOrder 1 2 3 4 5 6 7 8 9 10 11 12 13 1 2 3 4 5 6 7 8 9 10 11 12 13
RunOrder 1 1 1 1 1 1 1 1 1 1 1 1 1
BlocksA
Y 76.5 78.0 77.0 79.5 75.6 78.4 77.0 78.5 79.9 80.3 80.0 79.7 79.8
-1.00000 1.00000 -1.00000 1.00000 -1.41421 1.41421 0.00000 0.00000 0.00000 0.00000 0.00000 0.00000 0.00000
-1.00000 -1.00000 1.00000 1.00000 0.00000 0.00000 -1.41421 1.41421 0.00000 0.00000 0.00000 0.00000 0.00000
Analizar el diseo con: >Stat >DOE > Surfase response > Analyze surfase response design
11
R-Sq = 98.3%
R-Sq(adj) = 97.0%
Analysis of Variance for Y Source Regression Linear Square Interaction Residual Error Lack-of-Fit Pure Error Total DF 5 2 2 1 7 3 4 12 Seq SS 28.2478 10.0430 17.9548 0.2500 0.4953 0.2833 0.2120 28.7431 Adj SS 28.2478 10.0430 17.9548 0.2500 0.4953 0.2833 0.2120 Adj MS F 5.64956 79.85 5.02148 70.97 8.97741 126.88 0.25000 3.53 0.07076 0.09443 1.78 0.05300 P 0.000 0.000 0.000 0.102 0.290
Por tanto la Ecuacin de regresin queda como: Y = 79.94 + 0.995 + 0.515B 1.376 A*A 1.001 B*B + 0.25AB
Para las grficas de contornos y de superficie de respuesta se obtienen de Minitab con: >Stat >DOE >Surfase response > Contour / Surfase plots
12
Surface Plot of Y
76.5 75.5 74.5 73.5 -1.5 -1.0 -0.5 0.0 0.0 -0.5 -1.0 -1.5 1.5 0.5 1.0 1.5
0.5
1.0
Contour Plot of Y
75 76 77 78 79 80
-1
-1
13
La
localizacin
exacta
del
punto
estacionario
se
14
Tambin se puede usar el anlisis cannico para caracterizar la superficie de respuesta, por medio de la identificacin de los eigen valores lamda en la siguiente ecuacin de determinantes: 1.376 , 0.1250 =0 0.1250, 1.001
15