MAESTRIA EN INGENIERIA DE

CALIDAD

OPTIMIZACIN ESTADSTICA DE PROCESOS

TAREA 2

CUESTIONARIOS: CAPITULO 9, 12, 13 y15.

POR:
TERESA GUADALUPE PEREZ CONTRERAS



MEXICO, D.F., A 20 DE ABRIL DE 2014.


CUESTIONARIO: CAPITULO 9

Preguntas 1-17


1. Algunas de las diferencias bsicas entre los diseos experimentales
clsico y robusto se dan en torno a los diversos nfasis que cada uno se
hace con respecto a la media y a la varianza. Explique con detalle en qu
consisten estas diferencias.
En el diseo clsico centra su atencin en mejorar el desempeo de la media del
proceso, muchas veces ignorando el comportamiento de la varianza. En diseos
robustos es tpico enfocar el anlisis al revs: primero se minimiza la varianza y
despus se lleva la media a su valor objetivo.
2. Comente algunas caractersticas de la funcin de prdidas de taguchi y
sus implicaciones.
La metodologa de Taguchi se enfatiza en:
Diseo robusto, es la bsqueda por el juego de condiciones para lograr un
comportamiento del proceso ptimo.
Minimizacin de la funcin de prdidas, es la minimizacin de la prdida
econmica debido a las corridas en condiciones no ptimas.
Maximizacin de la seal razn a ruido, es el alcance de los mejores
objetivos del proceso bajo las condiciones no controlables (ruido).
Seleccin del diseo experimental para examinar las graficas lineales, que
permiten adems la investigacin de las interacciones de los efectos
deseados, basados en el proceso conocido.
3. El diseo robusto propone controlar los factores de ruido o que sugiere
al respecto? D ejemplos.
En un diseo experimental robusto existen factores de ruido (no controlables),
considerados de manera explcita o implcita, cuyo efecto se pretende minimizar de
forma indirecta, (o sea, sin controlarlos directamente), mediante la eleccin de la
combinacin de niveles de los factores de proceso que si se pueden controlar. Dicho de
otra manera, en un experimento robusto se trata de lograr que el producto/proceso
tenga el desempeo deseado sin que le afecten las fuentes de variacin no
controladas, y para ello la clave ser determinar la combinacin de niveles de los
factores controlables.
Consideremos una copiadora. Al momento de sacar copias, el usuario desea que la
maquina funcione bien sin importar el tipo de papel usado ni la humedad ambiental, por
mencionar slo dos factores de ruido que el fabricante de la copiadora no puede
controlar.
Si pensamos en una tostadora de pan, el usuario le gustara que fuera robusta a la
marca a la marca de pan, a la humedad ambiental, a la temperatura ambiental, a las
variaciones en las dimensiones de pan, que serian los factores de ruido.
4. Con base a los ejemplos vistos en el presente capitulo, proporcione un par
de ejemplos de productos que ante ciertas circunstancias se deseara que
fueran robustos.
Motor Elctrico, que sea robusto a las variaciones de amperaje, variaciones de voltaje
(factores de ruido), ya que estas variaciones pueden provocar que el motor se queme,
si es robusto el motor podr trabajar sin problemas evitando problemas en el
funcionamiento de una mquina.
Zapatos para practicar futbol, un factor de ruido para el fabricante seria el piso donde
ser utilizado el zapato, puede ser csped natural, csped sinttico o un piso muy
irregular, en las situaciones descritas el comportamiento del calzado ser diferente, si
el calzado soporta estas condiciones se dira que es robusto.
Llantas para un coche, se tendra varios factores de ruido como el tipo de asfalto, la
temperatura del asfalto en das calurosos, o no hay asfalto, asfalto muy liso por
condiciones de lluvia, el grado de desgaste de las llantas de acuerdo a la forma de
conducir, son varios factores de ruido que el fabricante no puede controlar, pero si la
llanta puede soportar estas condiciones se dira que es robusta.
5. Seale las cuatro categoras de un factor controlable con respecto a su
efecto sobre la media y la variabilidad.
En un proceso existen bsicamente dos tipos de factores; controlables y no
controlables (o de ruido). Por lo regular, los factores de estudio eran controlables. Sin
embargo, en diseo robusto es conveniente tener una clasificacin ms detallada del
tipo de factores controlables que pueden influir en el proceso, en cuanto a su efecto
sobre la media y la variabilidad de la respuesta de inters. Se distinguen cuatro tipos de
factores, a saber:
I. Afecta la media y la variabilidad.
II. Afecta slo la variabilidad.
III. Afecta slo la media.
IV. No afecta la media ni la variabilidad
Cuando en un diseo se afirma que un factor tiene efecto sobre la respuesta, por lo
general se quiere decir que el factor tiene efecto sobre la media de la caracterstica de
calidad. En cambio, en el diseo robusto se tiene ms presente que el efecto de un
factor tambin puede ser sobre la variabilidad, o sobre la media y la variabilidad de
manera simultnea.
6. Explique qu es un factor seal y qu es un factor de ruido.
Factor de ruido, son variables que no se pueden controlar durante la operacin normal
del proceso, considerados de manera implcita o explcita, cuyo efecto se pretende
minimizar de forma indirecta(o sea, sin controlarlos directamente). Los factores de ruido
que actan sobre el producto o proceso se clasifican como: de ruido externo, ruido
interno y de deterioro. El ruido externo se refiere al ambiente en el cual el proceso (o
producto) se desempea y a la carga de trabajo a que es sometido. Por ejemplo, es
ruido externo la humedad ambiental, el polvo o los errores en la operacin del equipo.
El ruido interno se refiere a la variacin generada por el proceso de unidad a unidad
producida, y que se debe a su propia naturaleza o tecnologas y la diversidad de sus
componentes.
Factor seal, factor de ajuste cuyo nivel de operacin es seleccionado por el usuario,
se llama factor seal al dispositivo que permite cambiar el nivel de operacin de
acuerdo con los deseos del usuario. Por ejemplo, en una tostadora de pan, el factor
seal es el mecanismo que permite seleccionar el grado de tostado deseado; en el
caso de una copiadora, un factor seal es el mecanismo para elegir la oscuridad
deseada de la impresin.
7. Los arreglos ortogonales son cierto tipo de diseos de experimentos,
explique en qu consisten y proporcione un par de ejemplos.
Si, estos arreglos son diseos factoriales completos, fraccionados o mixtos,
dependiendo del nmero de factores a estudiar en un caso particular. Por ejemplo, el
arreglo ortogonal L8 (AO_ L8) tiene 8 corridas experimentales, y con l se pueden
estudiar desde dos hasta siete factores en dos niveles cada uno, como su nombre lo
indica tienen la propiedad de ortogonalidad (se dice que una matriz de diseo es
ortogonal si sus columnas son linealmente independientes, lo cual se tiene si la
multiplicacin de dos columnas cualesquiera es igual a cero). El objetivo de los arreglos
ortogonales es facilitar el proceso de experimentacin, nuestro inters es encontrar que
factores afectan fuertemente las caractersticas de calidad y hacer predicciones sobre
las condiciones propuestas de operacin.
El mtodo de Taguchi es una estrategia completa de calidad que construye robustez en
los productos y procesos durante su fase de diseo. El sistema de diseo de
experimentos de Taguchi se deriva de alrededor de 18 arreglos ortogonales estndar.
Un arreglo ortogonal es una matriz experimental factorial fraccional que es ortogonal y
balanceada. El arreglo ms sencillo es el arreglo L4. Un arreglo ortogonal es una tabla
de nmeros. A continuacin presentamos ejemplos de arreglos ortogonales:


8. Para qu se recomienda emplear un arreglo L16?
Con el arreglo ortogonal L16 se pueden estudiar desde cuatro hasta 15 factores (para
menos de 4 factores se recomienda mejor utilizar un L8). Cuando se estudian 4
factores, stos se deben asignar a las columnas 1, 2, 4 y 8, para estimar de manera
separada a las interacciones, y en este caso equivaldra a un diseo a un diseo
factorial completo 24. Si se estudian 15 factores, el arreglo L16 equivaldra a una
fraccin 2III15-11. Ocurre que, en la medida en la que se estudian mas factores, se
tienen menos grados de libertad para estudiar las interaccione; sin embargo, Taguchi
no hace nfasis en el estudio de las interacciones, prefiere saturar lo ms posible los
arreglos y analizar solo los efectos principales de cada factor.
9. En qu consiste en arreglo L9 y cuando se recomienda emplearlo?
El L9 proporciona informacin de cuatro factores a tres niveles (1, 2, 3), utilizando
nueve condiciones experimentales o corridas. Un L9 tiene ocho grados de libertad. Su
uso permite hacer ocho comparaciones ortogonalmente.
1 2 3
1 1 1
1 2 2
2 1 2
2 2 1 4
2 factores: columnas 1 y 2
3 factores: las tres columnas
Arreglo L4 (fraccion 2 3-1)
Nm. de corrida
Nm. de columna
1
2
3
Nm. de columna
1 2 3 4
1 1 1 1
1 2 2 2
1 3 3 3
2 1 2 3
2 2 3 1
2 3 1 2
3 1 3 2
3 2 1 3
3 3 2 1
2 factores: columnas 1 y 2
3 factores: columnas 1, 2, 3
4 factores 1, 2, 3, 4
3
8
4
5
6
7
9
Nm. de corrida
1
2
Arreglo L9 (3 4-2)

Los ocho grados de libertad pueden descomponerse en dos grados de libertad por
columna. Se requiere una columna para cada factor.
10. Explique en qu consiste un diseo con arreglo interno y externo.
Sirve para determinar condiciones de operacin robustas a uno o varios factores de
ruido. Consiste en probar todas las combinaciones de los factores de ruido en cada
combinacin de los factores de control.
La condicin fundamental para que un diseo experimental sea de tipo robusto es que
exista al menos un factor de ruido para el cual se busca hacer que el proceso o
producto sea insensible a su efecto, sin pretender controlar su factor de ruido. Un
diseo experimental para determinar condiciones de operacin robustas a uno o varios
factores de ruido es el diseo con arreglo interno y externo. Una vez identificados los
factores de control y los factores de ruido con los que se quiere experimentar, se
construye dos arreglos ortogonales, uno para cada tipo de factores como se ilustra en
la siguiente figura.
Nm. de columna
1 2 3 4
1 1 1 1
1 2 2 2
1 3 3 3
2 1 2 3
2 2 3 1
2 3 1 2
3 1 3 2
3 2 1 3
3 3 2 1
2 factores: columnas 1 y 2
3 factores: columnas 1, 2, 3
4 factores 1, 2, 3, 4
3
8
4
5
6
7
9
Nm. de corrida
1
2
Arreglo L9 (3 4-2)

Se utiliza un arreglo L8 para determinar las combinaciones de los 4 factores de control
y un arreglo L4 para los factores de ruido. El diseo resultante tiene 32 corridas, y
consiste en sobreponer ambos arreglos de manera que en cada combinacin de los
factores de ruido. Notese que en cada combinacin de los factores controlables
(arreglo interno) se estn simulando distintos tipos de ruido que pueden ocurrir (arreglo
externo). La mejor combinacin de los factores de control es aquella en la que los
ruidos tienen el menor efecto (causa mnima variacin).
11. Con que propsito la primera columna de un arreglo ortogonal tiene los
niveles bastante agrupados y no aleatorizados? Qu ventaja practica
tiene esto?
Con la finalidad de servir como punto de comparacin ya que los datos se agrupa de
manera consecutiva y por ende se observa si existe repetitibilidad en su replicacin. Es
decir en el nmero de pruebas o condiciones experimentales.
12. Qu es una razn o cociente seal/ruido?
Estadstico que mide la robustez en cada combinacin de los factores de control. Este
estadstico se calcula en cada combinacin de los factores controlables y se analiza
como cualquier variable de respuesta. La combinacin ms robusta de los niveles de
los factores controlables es aquella que maximiza el estadstico razn seal/ruido.
13. El anlisis de un diseo robusto con arreglos internos y externos se hace
en dos pasos. Explique con detalles esos pasos.
M2 2 2 2 1 1 1 1
N2 2 1 1 2 2 1 1
M
N
1 1 2 2 2 2 1 1
O2 1 2 1 2 1 2 1
M
O
1 2 1 2 2 1 2 1
N
O
1 2 2 1 1 2 2 1
E
2 1 1 2 1 2 2 1
A B C D Media
Desviacin
estandar S
Sm Vm
Razn seal
ruido
1 1 1 1 19.1 20 19.6 19.6 19.9 16.9 9.5 15.6 17.10095784 3.61257724 2457.005 -44.0921429
1 2 2 2 21.9 24.2 19.8 19.7 19.6 19.4 16.2 15 19.28110286 2.90651976 3034.205 -75.215
1 3 3 3 20.4 23.3 18.2 22.6 15.6 19.1 16.7 16.3 18.83772682 2.88332645 2895.605 -69.2421429
2 1 2 3 24.7 23.2 18.9 21 18.6 18.9 17.4 18.3 19.98619592 2.59766379 3240.125 -70.1435714
2 2 3 1 25.3 27.5 21.4 25.6 25.1 19.4 18.6 19.7 22.59801002 3.42751472 4167.845 -96.2878571
2 3 1 2 24.7 22.5 19.6 14.7 19.8 20 16.3 16.2 18.96624408 3.37966609 2956.805 -60.8992857
3 1 3 2 21.6 24.6 18.6 16.8 23.6 18.4 19.1 16.4 19.68916351 3.04979508 3164.10125 -77.1501786
3 2 1 3 24.4 23.2 19.6 17.8 16.8 15.1 15.6 14.2 18.01592777 3.77470434 2690.11125 -62.6430357
3 3 2 1 28.6 22.6 22.7 23.1 17.3 19.3 19.9 16.1 20.88932151 3.94787465 3595.52 -57.38
Corridas
Factores Controlables
F
a
c
t
o
r
e
s

d
e

r
u
i
d
o
A
r
r
e
g
l
o

i
n
t
e
r
n
o
Sirve para determinar condiciones de operacin robustas a uno o varios factores de
ruido. Consiste en probar todas las combinaciones de los factores de ruido en cada
combinacin de los factores de control. La condicin fundamental para que un diseo
experimental sea de tipo robusto es que exista al menos un factor de ruido para el cual
se busca hacer que el proceso o producto sea insensible a su efecto, sin pretender
controlar dicho factor de ruido.
La estrategia de anlisis del experimento con arreglos internos y externo se resume en
los dos pasos siguientes.
1. Se determina los factores controlables que tiene efecto sobre el estadstico
razn seal/ruido(S/R), que fue seleccionado de acuerdo con el tipo de
caracterstica de calidad que se tiene (mientras ms pequeo es mejor, mientras
ms grande es mejor, su valor nominal es lo mejor, su valor nominal es lo mejor,
proporciones de defectuosos). Con los efectos activos se determinan las
condiciones de operacin ms robustas, que son aquellas que maximizan el
valor de la respuesta S/R. Esto se hace mediante las grficas de efectos.
2. Se realiza el anlisis para la media Y. Los factores que solo afectan a la media
se utiliza como factores de ajuste para llevar a esta a su valor objetivo. Si todos
los factores que afectan a la media tambin afectan al estadstico S/R, sera
necesario encontrar una solucin de compromiso, utilizando como factor de
ajuste el de ms efecto en la media y con menos efecto en la dispersin o
variabilidad.
14. Qu se sugiere cuando hay conflictos entre la solucin del anlisis del
estadstico S/R y el anlisis de la media?
Si hay conflicto entre los niveles de los factores para maximizar la relacin S/N y ajustar
la media, dar prioridad a los que sirven para maximizar la relacin S/N. Una alternativa
que se propuso es transformar los datos de manera que se logre un comportamiento
independiente de la media y la variabilidad, y luego analizarlas de manera separada
para los datos transformados. Otra alternativa ms directa y prctica, que en muchos
casos da buenos resultados, es utilizar con cualquier tipo de respuesta continua el
estadstico del caso nominal es lo mejor tipo II (-10 log (S exp 2).
15. Cules son los inconvenientes que pueden surgir del anlisis del
estadstico S/R propuesto por taguchi.
Se llego a demostrar que el estadstico ofrece resultados subptimos, ya que
confunden el efecto sobre la media con el efecto de la variabilidad,
16. Diga al menos una desventaja que tiene el diseo con arreglo interno y
externo.
Si nos referenciamos en los factores de ruido (arreglo externo), se recomienda que el
nmero de factores de ruido (valor de N) no sea mayor que 3, entonces existen un total
de M x N lecturas, que pueden ser tomadas bajo condiciones diferentes, si el numero N
es grande provocara que el nmero de lecturas tambin sea ms grande aumentando
el costo del experimento.
17. Para hacer el diseo robusto es estrictamente necesario utilizar un diseo
con arreglo interno y externo? Argumente.
Si, ya que este tipo de diseo experimental, introducido por taguchi, es un
mecanismo que permite introducir el efecto de los factores de ruido en cada
combinacin de los factores controlables. Por lo general, se supone que, al menos
para fines experimentales, los factores de ruido sern controlables, lo que permite
manejarlos como parte del experimento.

















CUESTIONARIO: CAPITULO 12

Preguntas 1 a 13

1. Cundo se recomienda aplicar la metodologa de superficie de respuesta?
Esta metodologa se recomienda utilizar en experimentos donde no se obtienen las
respuestas buscadas, o el nivel de mejoras logrado no es suficiente, por lo que es
necesario experimentar de manera secuencial hasta encontrar el nivel de mejoras
deseado. En este caso, despus de una primera etapa experimental quiz sea
necesario desplazar la regin experimental (moverse de lugar) en una direccin
adecuada, o bien, explorar en forma ms detallada la regin experimental inicial.
La metodologa de superficie de respuesta se sugiere utilizar para resolver problemas
de encontrarlas 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.
2. Utilice dos factores y explique con detalle la diferencia entre la regin de
operabilidad de un proceso y la regin de experimentacin. Es posible
que la segunda sea ms grande que la primera?
Proceso de fabricacin de muelles para automviles

En este ejemplo, para el factor temperatura del horno la regin de experimentacin
seria los niveles en que puede trabajar este factor, es decir 1840 F 1880 F.
Para el factor tiempo de quemado, la regin de experimentacin seria los niveles en
que puede trabajar este factor, es decir 23seg 25 seg.
Ahora la regin de operabilidad del proceso de fabricacin de muelles para automviles
serian todos los 5 factores, el proceso no depende de un solo factor para poder fabricar
un muelle, el proceso necesita de los 5 factores para poder obtener el producto final
que sera el muelle, reiterando la regin de operabilidad serian los 5 factores que se
necesitan para obtener el producto final.
Factor Bajo Alto
Temperatura del horno (F) 1840 1880
Tiempo de quemado (seg) 25 23
Tiempo de transferencia (seg) 12 10
Tiempo de permanencia(seg) 2 3
Temperatura de lubricante (F) 150 170
Niveles

Proceso de extrusin
Niveles
Factor Bajo Alto
Velocidad motor principal
800 rpm 1440rpm
Velocidad alimentacin MP
4
potencimetro
6
potencimetro
Temperatura de
calentamiento 150 C 200C

La regin de experimentacin para el factor velocidad del motor principal seria el rango
en el que puede trabajar el motor, seria entre 800rpm y 1440 rpm.
Para el factor temperatura de calentamiento, la regin de experimentacin seria el
rango en que puede trabajar este factor, entre 150C y 200C.
La regin de operabilidad seria las condiciones en que trabaja el proceso, serian los
tres factores que permiten que el proceso de extrusin opere y se pueda obtener un
producto terminado.
No es posible que la regin de experimentacin sea ms grande que la regin de
operabilidad, ya que la regin de experimentacin es una parte de la regin de
operabilidad.
3. Cul es la diferencia entre el tratamiento ganador y el tratamiento ptimo?
Como primera diferencia el tratamiento ganador opera en la regin de experimentacin
mientras que el tratamiento optimo opera en la regin de operabilidad, el tratamiento
ganador tambin llamado mejor tratamiento es la mejor combinacin de los niveles de
los factores al considerar solo los niveles utilizados en el estudio experimental, a
diferencia del tratamiento o punto optimo que es la mejor combinacin de valores de los
factores estudiados al considerar toda la regin de operabilidad.
4. La metodologa de superficie de respuesta implica tres aspectos claves:
diseo, modelo y tcnicas de optimizacin. Explique brevemente el
significado de cada uno.
El modelo y el diseo se piensan al mismo tiempo, y dependen del tipo de
comportamiento que se espera de la respuesta, el diseo se clasifica segn sea el caso
como de primero o segundo orden.
El diseo es elegir cuidadosamente que tipo de diseo de experimentos que nos
permitir optimizar el proceso y en particular aquellos que sirven para ajustar un
modelo de regresin lineal mltiple.
Modelo es la utilizacin del 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.
Optimizacin, est formado por algunas tcnicas matemticas que sirve para extraer la
informacin sobre el punto optimo que tiene un modelo ajustado.
5. En el MSR se distinguen tres etapas en la bsqueda en la bsqueda del
punto ptimo, que son: cribado, bsqueda I o de primer orden y bsqueda
II o de segundo orden. Describa cada una de estas etapas.
Cribado
Etapa inicial de la optimizacin de un proceso en la que se tienen muchos factores
(ms de seis u ocho) que pueden influir en la variable de inters, por ejemplo si una
mquina opera con 10 parmetros diferentes y que no se tiene una idea clara de cmo
influye cada uno de ellos, lo primero que se hace es correr un experimento para
identificar los pocos factores que tienen mayor influencia.
Bsqueda I o de primer orden.
Esta etapa se aplica cuando se tienen pocos factores (k menor o igual 5), y se sabe
que estos influyen en la variable 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 el que se detecta la presencia de curvatura, o bien, que la superficie
es ms complicada que un hiperplano, se corre o se complementa un diseo de
segundo orden para caracterizar mejor la superficie y modelar la curvatura.
6. Explique que son los modelos: de primer orden, de segundo orden y
jerrquicos.
Modelo de primer orden
Este modelo esta dado por:
Formula 1
En muchas situaciones practicas existen varias variables independientes que se cree
que influyen o estn relacionadas con una variable de respuesta Y, por ejemplo, para
explicar o predecir el consumo de electricidad en una casa habitacin tal vez sea
necesario considerar el tipo de residencia, el nmero de personas que la habitan, la
temperatura promedio de la zona, etc.
Sean dos variables X y Y, suponga que se quiere explicar el comportamiento de Y con
base en los valores que toma X. Para esto, se mide el valor de Y sobre un conjunto de
n valores de X, con lo que se obtienen n parejas de puntos (x1, y1), (x2, y2),.., (Xn,
yn). A y se le llama la variable dependiente o la variable de respuesta y a X se le
conoce como la variable independiente o la variable regresora. Los modelos que
utilizan en MSR son bsicamente polinomios. De esta manera se tienen k factores.
En la figura siguiente se muestra un modelo de primer orden y se observa que su
superficie es un plano

En el modelo de primer orden, la manera de estudiar el comportamiento de Y con
respecto a X es mediante un modelo de regresin que consiste en ajustar un modelo
matemtico de la forma:
Y = f(X)
A las n parejas de puntos. Con ello, se puede ver si dado un valor de la variable
independiente X es posible predecir el valor nominal de Y.
Si las variables X y Y estn relacionadas linealmente y que para cada valor de X, la
variable dependiente, Y, es una variable aleatoria. Es decir, que cada observacin de Y
puede ser descrita por el modelo de la frmula 1, donde es el error aleatorio con
media cero y varianza ^2, B0 Y B1 son los parmetros del modelo, los cuales son
constantes que es necesario estimar. Tambin suponga que los errores aleatorios no
estn correlacionados. La ecuacin de la frmula 1 es conocida como el modelo de
regresin lineal simple. Bajo el supuesto de que este modelo es adecuado y como el
valor esperado del error es cero, E ()=0, se puede ver que el valor esperado de la
variable Y, para cada valor de X, est dado por la lnea recta:
E(Y/X) = Bo +B1*X
Modelo de segundo orden
El modelo de segundo orden esta dado por:

En muchas situaciones practicas existen varias variables independientes que se cree
que influyen o estn relacionadas con una variable de respuesta Y, y por lo tanto, ser
necesario tomar en cuenta si se quiere predecir o entender mejor el comportamiento de
Y. Por ejemplo, supongamos que se tienen dos variables independientes y que se
sospecha que la relacin entre Y y algunas de las variables independientes es
cuadrtica, por ello quiz se requiera un polinomio de segundo orden o modelo de
regresin mltiple. En las siguientes figuras se representan varios modelos de segundo
orden. La forma especfica que toma la superficie depende de los signos y magnitudes
de los coeficientes del modelo







Para ms de dos factores las superficies de respuesta no se puede graficar completas
de una sola vez porque se encuentra en cuatro dimensiones o ms, para k>2 el modelo
de segundo orden constituye un hiperelipsoide o hiperboloide.
Modelos jerrquicos
Un modelo de superficie de respuesta es jerrquico si contiene todos los trminos ms
simples que componen los trminos de mayor orden que estn en el modelo. Por
ejemplo, el modelo:

No es jerrquico, puesto que no est el trmino B2X2, pero si contiene la interaccin
B12X1X2; para convertirlo en modelo jerrquico habra que incluir el trmino B2X2 o
eliminar el trmino de la interaccin B12X1X2. En superficies de respuesta se prefieren
ms los modelos jerrquicos, ya que tienen un comportamiento ms estable y suave
que facilita la exploracin de las superficies que representan. Esto implica que la
eliminacin de defectos o trminos del modelo debe ser menos estricta que en anlisis
de varianza, cuando el objetivo es encontrar un tratamiento ganador, adems de
permitir que algunos trminos no significativos permanezcan en el modelo para lograr
la jerarqua.
7. Cundo un diseo es ortogonal y cuando es rotable? Tambin explique
por qu son importantes estas propiedades en los diseos.
Se considera que un diseo es ortogonal cuando los coeficientes estimados en el
modelo ajustado no estn correlacionados entre s, lo cual hace que el efecto de cada
termino, representado por el parmetro correspondiente, se estime de manera ms
precisa.
Diseo rotable es cuando la varianza de la respuesta estimada sobre un punto
depende de la distancia de este al centro del diseo y no de la direccin en la que se
encuentra.
Estas dos propiedades son importantes porque aumentan la eficiencia de los diseos
que las posean, en el sentido de que facilitan la interpretacin de los parmetros
estimados en el modelo y la superficie de respuesta.
8. Explique cuando es conveniente aplicar los diseos de primer orden y
cules son los principales tipos de diseos de primer orden.
El diseo de primer orden se puede aplicar:
Cuando la variable de respuesta de inters es del tipo: mientras ms grande es mejor y
lo que se busca es encontrar las condiciones que maximicen esa variable, entonces se
tiene un escalamiento ascendente.
Si lo que nos interesa es minimizar porque se tiene una variable del tipo: mientras ms
pequeo mejor tambin utilizamos el diseo de primer orden pero del tipo
escalamiento descendente
Como ya se indico en los prrafos anteriores los principales diseos de primer orden
son de escalamiento ascendente y escalamiento descendente, es importante indicar
que el escalamiento descendente se convierte en ascendente al cambiar los signos de
los trminos del modelo ajustado, en resumen el escalamiento ascendente en una
tcnica que sirve para determinar puntos (tratamientos) por experimentar que estn
ubicados sobre la direccin de ascenso mximo a partir del centro del diseo inicial.
9. Explique cuando es conveniente aplicar los diseos de segundo orden y
cules son los principales diseos de este tipo.
Se aplica un diseo de segundo orden cuando se quiere explorar con ms amplitud una
regin experimental y/o cuando se espera que el punto ptimo ya est cerca
(probablemente dentro de la regin experimental).
Las tcnicas de segundo orden son:
Anlisis cannico, que es una tcnica empleada para caracterizar la superficie de
segundo orden: las coordenadas del punto estacionario, el tipo de punto y la
orientacin.
Anlisis de cordillera, tcnica que se emplea para determinar el mejor punto dentro de
la regin experimental.
10. Por qu el diseo y el modelo se deben pensar al mismo tiempo? Que
quiere decir esto?
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 primer o segundo orden (plano o con curvatura); por ello, el tipo
de diseo utilizado y el modelo se clasifican, segn sea el caso, como de primero o
segundo orden.
El aspecto de 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. 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.
11. Cul es la ventaja del diseo de composicin central con respecto a los
dems diseos de segundo orden?
El diseo de composicin central (DCC) es el ms utilizado en la etapa de bsqueda
de segundo orden debido a su gran flexibilidad: se puede construir a partir de un diseo
factorial completo 2^k o fraccionado 2^k-p agregando puntos sobre los ejes y al centro
del diseo.
12. Describa una virtud que tiene el diseo de Box-Behnken.
Este tipo de diseos se aplica cuando se tienen tres o ms factores, y suelen ser
eficientes en cuanto al nmero de corridas. Es un diseo rotable o casi rotable que se
distingue porque no incluye como tratamientos a los vrtices de la regin experimental,
como se haba sealado no incluye los tratamientos de los vrtices y esto se convierte
en una virtud ya que en algunas situaciones experimentales resulta extremosos y no se
pueden correr. Esto hace que los tratamientos de un diseo Box-Behnken sean menos
extremos que los del factorial completo 3^2.
13. Por qu es recomendable trabajar el anlisis en unidades codificadas en
lugar de las unidades originales?
Se recomienda trabajar en unidades codificadas lo cual facilita las interpretaciones y
los clculos. Por lo que siempre que se encuentren las condiciones optimas 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.







CUESTIONARIO: CAPITULO 15

Preguntas 1-7


1. Explique en qu situaciones se aplican los experimentos con mezclas.
En los experimentos con mezclas donde los factores son los componentes o
ingredientes de una mezcla, los niveles de dichos ingredientes no son independientes,
en este caso se aplica los experimentos con mezclas.
2. Por qu los diseos factoriales tradicionales, del tipo 2^k, no se aplican
en experimentos con mezclas?
Los diseos factoriales cuyos niveles de cada factor son independientes de los niveles
de los otros factores hacen que no se pueda aplicar en los experimentos con mezclas.
3. Explique en qu consiste un diseo simplex reticular y represente uno del
tipo {3, 3}
El diseo simple reticular {q, m} considera q componentes y permite ajustar un modelo
estadstico de orden m. Los puntos del diseo consisten en todas las posibles
combinaciones de componentes o mezclas que se forman al considerar que las
proporciones puedan tomar los m + 1 valores entre cero y uno dados por:
Xi= 0, 1/m,2/m,, m/m
Por ejemplo, un diseo reticular {3,3} implica que q=3 y m=3, y los valores que pueden
tomar los componentes son Xi = 0, 1/3, 2/3, 1. Las mezclas de tres componentes que
se pueden formar con estos valores son:
(x1, x2, x3) = (1, 0, 0); (0, 1, 0) ;(0, 0, 1) ;(2/3,1/3,0) ;(2/3, 0,1/3) ;(0,2/3,1/3) ;(1/3,2/3,0)
(1/3,0,2/3);(0,1/3,2/3) y (1/3, 1/3, 1/3)

4. Comience con un diseo simplex reticular {3, 2}, aumntelo y diga porque
razn se hace esto.

Un diseo simple reticular incluye bsicamente puntos en la frontera, pero si el
experimentador desea hacer predicciones en el interior es recomendable agregar
corridas que estn en el interior. En particular se sugiere agregar el centroide global y
las mezclas localizadas entre el centroide y los vrtices.
5. En qu consiste un diseo simplex con centroide. Ejemplifique para q=4
componentes.
El diseo simple con centroide que se aplica con pocos componentes y consiste en
2^q-1 puntos definidos.
2^4-1 = 2^3
FALTA
6. Anote los tratamientos (mezclas) que se ejecutan en un diseo simple
reticular {4, 2}
q = 4 componentes
m = 2
En la figura se muestran la representacin
geomtrica para un diseo de mezclas con 4
componentes, que corresponden a un
tetraedro. Los valores que pueden tomar los
componentes son:
Xi = 0, 1/m, 2/m,, m/m)
Xi = 0, , 1
Las mezclas sern del tipo: (X1, X2, X3, X4) = (1, 0, 0, 0) que corresponden a los
vrtices.
Las mezclas sern del tipo: (X1, X2, X3, X4) = (1/2, 1/2, 0, 0) que corresponden al
centro de las aristas de un tetraedro.
7. Generalmente cundo se emplea un diseo de mezclas con
restricciones? Explique.
Ya sea por razones tcnicas o econmicas, es comn que algunos componentes en un
experimento de mezclas se restrinjan de la siguiente manera.
0 aixibi1
Donde ai es la restriccin inferior para el
componente xi de la mezcla, y bi es la restriccin
superior. En esencia, ai representa la mnima
proporcin del i-simo componente que debe existir
en cualquiera de las mezclas que se probaran en el
experimento, y bi representa el nivel o proporcin
mxima del i-esimo componente.
En general, las restricciones delimitaran la regin
experimental factible a una zona o subregin del
simplex. Por ejemplo, supongamos que en un
experimento con tres componentes, el componente x1 est limitado por 0,2 x10,8. Si
solo este componente tuviera restriccin, las mezclas a probar tendran que ser elegida
de la regin experimental obscura, como se observa en la figura. De entrada se aprecia
que ya no ser posible probar ninguna de las mezclas puras por la restriccin.