Metodologa de Superficie de Respuesta

Hemos explicado anteriormente que un sistema o proceso que depende de varios factores puede relacionarse con su performance de la siguiente manera: y1, y2, .......,yn = f(x1,x2, ........xm) donde: yi=respuesta i, xi=factor i. Correctamente , al estimar el modelo debemos expresarlo como: y = f(x1,x2, ........xm) + donde =N(0,) Tambin hemos visto que debido a ventajas de clculo conviene trabajar con las variables codificadas (ej. Autoescaladas) y simtricamente espaciadas. Los estudios superficie-respuesta consisten en describir grficamente esta relacin. El primer paso es hacer un screening del sistema para reducir el nmero de variables, ya que esta metodologa es, en la prctica, aplicable a sistemas con pocos factores. y = f(x1,x2, ........xm)

El paso siguiente es averiguar si la zona experimental (niveles de los factores) est cerca o lejos de la respuesta buscada (usualmente un mximo o mnimo en la superficie). Cuando la regin experimental est lejos de la regin ptima, una aproximacin de primer orden es adecuada y para ello desarrollamos el siguiente modelo:
k

yi = 0+ 1.x1 +...+ m.xm + i = 0 + i .xi +

i =1

Mediante un adecuado DOE, incluyendo rplicas en el centro del diseo para chequear posible curvatura, se evalan las i. Si existiese curvatura, debe desarrollarse un modelo ms elaborado de segundo orden. Cuando la regin experimental est prxima o incluye el ptimo, el paso final consiste en desarrollar un modelo de segundo orden en una pequea regin alrededor del ptimo para identificar las condiciones ptimas del proceso. Cerca del ptimo, los efectos de curvatura son usualmente dominantes y por esta razn se necesita un modelo ms elaborado, del tipo:
k i =1 k i< j k i =1

y = 0 + i .xi + ij .xi .x j + ii .xi +

Una aguda aproximacin al ptimo de la superficie de respuesta puede proveer valuable informacin acerca de la sensibilidad. La sensibilidad de la respuesta a variaciones incontrolables de los factores de entrada (ruido) es objeto del captulo Robust parmeter design.

El pasaje de experimentos de primer orden al segundo orden Este pasaje a menudo involucra una bsqueda iterativa de la regin de diseo con el consiguiente esfuerzo de los sucesivos diseos a desarrollar para la localizacin del ptimo.

Una manera sencilla de saber cuando es necesario pasar de un modelo de primer orden a uno de segundo orden es chequear la curvatura general agregando corridas en el centro de un modelo de primer orden. Recordemos que un modo cuantitativo de comprobar la curvatura es evaluar la diferencia entre las medias del punto central y los ngulos (diseo factorial) del diseo:

t nc 1, / 2

y f yc s.(1 / n f + 1 / nc )

s es la desviacin estndar de los puntos nc. Si t crtico es mayor que el valor calculado, entonces la curvatura es significativa. Si no hay curvatura se puede seguir avanzando con un modelo de primer orden, de lo contrario hay que pasar a segundo orden. En este clculo estamos suponiendo que los i tienen el mismo signo, si no fuera as, puede ocurrir que en la suma se cancelen unos con otros dando un resultado bajo. En este caso no es posible detectar los efectos de curvatura. En la prctica esto rara vez ocurre por el diseo debera estar ubicado cerca de un punto de silla de la suparficie de respuesta. En este caso debera relizarse un experimento de segundo orden.

La bsqueda del ptimo mediante Steepest ascent

En un modelo de primer orden, la respuesta estimada viene dada por.
k

i .xi y = 0 +
i =1

Y por lo tanto: Nos da la direccin de Steepest ascent

y i = xi

i = 1,..., k

1 ,..., k ), (

>0

La respuesta se incrementar a lo largo del Steepest ascent al menos en la zona localmente cercana. Si se busca minimizar la trespuesta la direccin de Steepest descent tendr <0. La bsqueda del ptimo contina, dibujando una lnea desde el centro del diseo en la direccin del Steepest ascent. Varias corridas deben ser hechas a lo largo de este camino y en cada paso, la localizacin del camino donde la mxima respuesta es observada es tomada como el punto central para el nuevo experimento. Los alumnos desarrollarn un ejemplo modelo.

Bsqueda por Grilla rectangular (Rectangular Grid Search)

Otro mtodo alternativo para la localizacin del ptimo es el siguiente: Se comienza con un experimento de primer orden con niveles ampliamente espaciados; luego, sobre la base del signo y magnitud del efecto principal de cada factor, se estrecha la bsqueda a un rango ms chico. Luego se practica un experimento de primer o segundo orden sobre la regin de niveles ms pequeos. La bsqueda puede continuar sobre subregiones ms pequeas o moverse a regiones vecinas con la misma estrategia. Por ejemplo en la figura siguiente:

Se comienza con un diseo de tres niveles -1, 0 (el centro) y +1. Como la respuesta en el punto A es la ms baja, el rango de los factores es estrechado hacia el lado derecho con nuevos niveles 0, 0.5(centro) y 1.

Comparando ambos diseos se ve que el efecto principal del primer diseo (pendiente de la lnea AB) es mayor que el efecto principal del segundo diseo (pendiente de la lnea CB). Tambin la curvatura del primer diseo es mayor que la curvatura del segundo. Ambas cosas sugieren que el segundo diseo est ms cerca del pico de la curva de respuesta. Los alumnos desarrollarn un ejemplo modelo.

Anlisis de Superficies de Respuesta de Segundo Orden

El ajuste de un modelo de segundo orden se estima segn:
k k k

0 + i .xi + ij .xi .x j + ii .xi 2 y =

i =1 i< j i =1

Expesado en forma matricial es:

0 + x t .b + x t .B.x y =

[1]

Donde: xt=(x1,,xk), bt=(1,, k) y B es una matriz simtrica de tamao k x k

11 1 / 212
B= . . . 1 / 21k

1 / 2 12 . . . 1 / 21k

22
. .

. . . 1 / 2 2 k ... ... . . .

. ... 1 / 2 2 k . . .

kk

Diferenciando y estimado en [1] con respecto a x e igualando a cero:

y = b + 2Bx = 0 x
1 1 xs = B b 2

[2]

Xs es el punto estacionario de la superficie cuadrtica representada por [1]

Para entender mejor la naturaleza de la superficie cuadrtica alrededor del punto estacionario conviene cambiar el sistema de coordenadas. Sea P la matriz de k x k cuyas columnas son los eigenvectors estandarizados de B, entonces: PtBP= , donde es la matriz diagonal (=diag(1,,k) de eigenvalues de B asociados con la i sima columna de P. Como los eigenvalues son ortogonales tenemos que PtP=PPt=I. Ahora trasladamos el modelo [1] a un nuevo centro, el del punto estacionario, y rotamos a nuevos ejes asociados con los eigenvectors.:

z = x-xs
Entonces, remplazando en [1]:

v=Ptz

0 + (z + x s )t b + (z + x s )t B(z + x s ) = y = 0 + x s t b + x s t Bx s ) + z t Bz + z t b + 2z t Bx s = = (
t =y s + z Bz

Observar que de [2]

z t (b + 2Bx s ) = 0

Rotando ahora z a v=(v1,,vk)t y teniendo en cuenta que z=PPtz=Pv,

k 2 t t t y =y s + v P BPv = y s + v v = y s + i vi . i =1

[3]

Alrededor del Esta expresin es llamada anlisis cannico. El comportamiento de y punto estacionario y s puede ser sencillamente descripto en trminos de los eigenvalues de B y las variables cannicas vi..
Los signos de i permiten clasificar las superficies de respuesta de segundo rden en dos amplios tipos: 1- Cuando los i son todos del mismo signo, los contornos alrededor del punto estacionario son elpticos, y el sistema es llamado sistema elptico. Cuando los signos son negativos el punto estacionario es el de mxima respuesta. Cuando los signos son positivos el punto es de mnima respuesta. 2- Cuando los i son de signo mixto, los contornos alrededor del punto estacionario son hiperblicos y el sistema es llamado hiperblico. El punto estacionario es un punto de silla. Los dos sistemas son mostrados en la figura siguiente:

Sistema elptico

Sistema hiperblico

Sistemas Ridge (de borde de lnea)

Cuando uno de los eigenvalues en [3] es muy pequeo en relacin a los otros, emergen tipos diferentes de sistemas. Consideremos un sistema bidimensional con 1< 0 y 2< 0. Cuando 2 se aproxima a cero, el contorno elptico a lo largo del eje v2 se hace ms y ms elongado y en el caso lmite hipottico donde 2= 0 (ya que los lambdas son estadsticamente estimables y por lo tanto diferentes de cero) los contornos a lo largo de v2 son paralelos, como muestra la figura (c).

Observe que el punto estacionario se ha transformado en una lnea de borde, dando lugar a posibilidades muy flexibles de optimizacin del sistema recorridolo a lo largo de sta. Esta lnea se llama lnea de mximo en contraste con un punto de mximo. Un sistema estacionario ridge tambin puede ser una forma lmite de un sistema hiperblico. Siguiendo el mismo argumento anterior para un sistema hiperblico donde 1< 0 y 2 > 0 con 2 tendiendo a cero, los contornos a lo largo de v2 son expulsados hacia fuera y los contornos de v1 se aproximan al eje v2 entonces la figura (b) se transforma en la (c). Si la regin experimental en un sistema elptico elongado est lejos del punto estacionario, como muestra la figura 9.8, los contornos de la regin experimental pueden ser descriptos como un rising ridge system (zona en sombas) y los contornos en la zona experimental quedan como en la figura (d). Es llamado as porque la respuesta se eleva lentamente a lo largo de v2 hacia el punto estacionario. Si la respuesta en el punto estacionario es un mnimo, ste se llama falling ridge. Los contornos de la figura (d) tambin pueden alcanzarse desde un sistema hiperblico elongando a lo largo del eje v2. Por lo tanto un ridge system puede alcanzarse desde un sistema elptico o hiperblico. La deteccin de rising ridge sugiere que el sistema experimental est lejos de la regin del ptimo.

Y|