Metodología de superficie de respuesta (RSM)

RSM genera un diseño central compuesto, Box-Behnken o D-óptimo para factores continuos, ajusta un modelo cuadrático completo con ANOVA que incluye la falta de ajuste, y ofrece análisis canónico, gráficas de contorno y de superficie y un optimizador de deseabilidad. Úsela cuando se espera que la respuesta se curve. Incluya puntos centrales replicados, aleatorice el orden de las corridas y revise los residuos y la falta de ajuste antes de confiar en el óptimo.

Última revisión:

Idea clave

La metodología de superficie de respuesta (RSM) modela una respuesta que se curva a lo largo de factores continuos mediante un modelo cuadrático, para hallar los ajustes que maximizan, minimizan o alcanzan un valor objetivo.

En esta página
  1. ¿Qué es el diseño de superficie de respuesta?
  2. ¿Cuándo usar el diseño de superficie de respuesta?
    1. Requisitos de los datos
    2. Pautas de recopilación de datos
    3. Ajuste del modelo
  3. Pautas para el uso correcto del diseño de superficie de respuesta
    1. Alternativas: cuándo no usar el diseño de superficie de respuesta
  4. ¿Ejemplo de diseño de superficie de respuesta?
  5. Cómo realizar un diseño de superficie de respuesta

¿Qué es el diseño de superficie de respuesta?

La metodología de superficie de respuesta (RSM) es un conjunto de técnicas estadísticas y matemáticas que se usan para modelar y optimizar una respuesta que se cree que se curva, y no solo varía linealmente, a lo largo del rango de uno o más factores continuos. Ajusta un modelo cuadrático para estimar la forma de la superficie de respuesta y localizar los ajustes de los factores que maximizan, minimizan o alcanzan un valor objetivo de la respuesta.

En Zometric, la herramienta Response Surface Design genera un diseño central compuesto (CCD), Box-Behnken o D-óptimo a partir de los factores y límites que usted especifique, ajusta un modelo cuadrático completo a sus resultados (con un ANOVA al estilo de Minitab que incluye la falta de ajuste), y ofrece análisis canónico (del punto estacionario), gráficas de contorno y de superficie, y un optimizador de deseabilidad de múltiples respuestas para hallar los mejores ajustes de los factores.

¿Cuándo usar el diseño de superficie de respuesta?

Requisitos de los datos

  • Todos los factores deben ser continuos y numéricos; los factores categóricos no se admiten en los tipos de diseño CCD, Box-Behnken y D-óptimo.
  • Se requieren al menos 2 factores para CCD o D-óptimo; Box-Behnken requiere de 3 a 7 factores.
  • La variable de respuesta debe ser continua y se espera que muestre curvatura en el rango estudiado; una respuesta puramente lineal no necesita un modelo cuadrático.

Pautas de recopilación de datos

  • Ejecute el diseño en orden aleatorio para evitar confundir los efectos de los factores con la deriva en el tiempo.
  • Incluya puntos centrales (replicados en el punto medio de cada factor): permiten que el análisis pruebe la falta de ajuste y la curvatura.
  • Mantenga los límites de los factores lo bastante amplios para capturar el verdadero óptimo, pero realistas para el proceso; un óptimo hallado justo en un límite debe tratarse con cautela.
  • Mida la respuesta con la mayor precisión posible; el modelo cuadrático es sensible a mediciones ruidosas o imprecisas, sobre todo en los puntos centrales, que determinan la estimación del error puro.

Ajuste del modelo

  • Revise juntos R-sq, R-sq(adj) y R-sq(pred); una gran diferencia entre R-sq y R-sq(pred) sugiere que el modelo está sobreajustado.
  • Revise la prueba de falta de ajuste (Lack-of-Fit) en la tabla ANOVA; una falta de ajuste significativa significa que el modelo cuadrático no describe adecuadamente los datos (considere otro diseño o modelo, o investigue los valores atípicos).
  • Revise las gráficas de residuos (probabilidad normal, frente a los ajustes, histograma, frente al orden) para confirmar que se cumplen los supuestos habituales de la regresión antes de confiar en el análisis canónico o en los resultados del optimizador.

Pautas para el uso correcto del diseño de superficie de respuesta

  • Use únicamente variables de respuesta y de factores continuas; este método sirve para modelar la curvatura en una superficie de respuesta numérica, no para resultados categóricos.
  • Elija el diseño central compuesto (CCD) al ampliar un experimento factorial o de cribado existente para modelar la curvatura; elija Box-Behnken para evitar combinaciones extremas (de esquina) de todos los factores a la vez; elija D-óptimo cuando tenga un número limitado de corridas o límites de factores irregulares.
  • Incluya siempre puntos centrales: sin ellos, el modelo no puede probar la falta de ajuste ni estimar el error puro.
  • Aleatorice el orden de las corridas para evitar que la deriva temporal o ambiental se confunda con los efectos de los factores.
  • Revise el ANOVA (sobre todo la falta de ajuste) y las gráficas de residuos antes de confiar en el análisis canónico, las gráficas de contorno y de superficie o la salida del optimizador: un modelo que ajusta mal produce un “óptimo” engañoso.
  • Use el análisis canónico (Canonical Analysis) para entender el tipo de superficie que tiene (máximo, mínimo, silla o cresta) antes de tomar el punto estacionario al pie de la letra: un punto de silla no es un verdadero óptimo.
  • Use el Response Optimizer (Step 3) cuando tenga varias respuestas con objetivos distintos y posiblemente contrapuestos: halla el mejor compromiso (deseabilidad compuesta) en lugar de optimizar solo una respuesta de forma aislada.

Alternativas: cuándo no usar el diseño de superficie de respuesta

  • Si solo necesita identificar cuáles de muchos factores importan (y no modelar la curvatura), use en su lugar el diseño de cribado definitivo (Crear y analizar diseño de cribado definitivo).
  • Si espera que sus factores se comporten linealmente (sin curvatura) y le interesan sobre todo los efectos principales y las interacciones, use en su lugar Crear y analizar DOE factorial.
  • Si combina ingredientes cuyas proporciones deben sumar un total fijo, use en su lugar Crear y analizar DOE de mezclas.
  • Si su objetivo es la robustez frente a los factores de ruido (hallar ajustes insensibles a la variación incontrolable) en lugar de modelar la curvatura, use en su lugar el diseño robusto de Taguchi.
  • Si ya tiene un modelo ajustado y solo necesita buscar los ajustes óptimos sin rediseñar el experimento, use Response Optimizer.

¿Ejemplo de diseño de superficie de respuesta?

Un ingeniero de procesos quiere maximizar el rendimiento (Yield) de una reacción química que, según experimentos factoriales previos que mostraron una curvatura significativa, se cree que depende de la temperatura y la presión de forma curva (no puramente lineal). Se elige un diseño central compuesto (circunscrito, rotable) para los dos factores, Temperature (150–180°C) y Pressure (10–20 bar), con puntos centrales adicionales para probar la falta de ajuste; las pruebas se ejecutan en orden aleatorio y se mide el Yield en cada una. Se siguieron los pasos siguientes:

  • Recopiló los datos necesarios.
  • Analizó los datos con ayuda de https://statsai.zometric.com/.
  • Para encontrar Response Surface Design, eligió Statistical module > DOE > Create & Analyse Response Surface Design.
  • Dentro de la herramienta, introdujo los datos junto con las opciones de diseño y de análisis de la siguiente manera:
rsm-options-raw
  • Después de usar la herramienta mencionada, obtuvo la salida siguiente:
rsm-out-doe


Cómo realizar un diseño de superficie de respuesta

La guía es la siguiente:

  • Inicie sesión en Zometric Statistical Software en https://statsai.zometric.com/
  • En la página de inicio, elija Statistical Tool > DOE > Create & Analyse Response Surface Design.
  • Defina sus factores (nombre, bajo, alto), elija un tipo de diseño (CCD, Box-Behnken o D-óptimo) y establezca sus opciones.
  • Haga clic en Generate Design, introduzca sus Result(s) medidos en la matriz de corridas generada, elija las opciones de análisis y haga clic en Analyse Design.
  • Opcionalmente, establezca un objetivo por respuesta en Step 3 y haga clic en Optimize para hallar los mejores ajustes de los factores.

En el tablero de Response Surface Design, la ventana está dividida en dos partes, con un tercer panel debajo para la optimización.

En la parte izquierda se encuentra STEP 1: Define Factors & Generate Design.

  • Factors: Las entradas continuas que desea estudiar (p. ej., Temperature, Pressure). Introduzca un nombre y un valor Low y High para cada una.
  • Design type: Central Composite Design (CCD), Box-Behnken o D-Optimal.
  • Face type / Alpha type (CCD only): Controla la geometría de los puntos axiales (Circumscribed, Inscribed o Face-Centered) y si el diseño es Rotatable u Orthogonal.
  • Center points (CCD/Box-Behnken): Cuántas corridas replicadas en el punto central se incluyen, para la prueba de falta de ajuste.
  • Number of blocks (CCD only): Divide el diseño en 1, 2 o 3 bloques si el experimento debe ejecutarse en varios períodos o lotes.
  • Model type / Number of runs (D-Optimal only): El modelo (lineal, de interacción o cuadrático) para el que debe optimizarse el diseño, y cuántas corridas desea.

En la parte derecha se encuentra STEP 2: Enter Results & Analyse, junto con las siguientes opciones:

  • Confidence level: El porcentaje de confianza usado para los intervalos de confianza de los coeficientes en la tabla de resultados.
  • Canonical analysis (stationary point): Informa el tipo de superficie (máximo, mínimo, silla o cresta) y los ajustes de los factores en su punto estacionario.
  • Four in one / Histogram / Normal probability plot / Versus fits / Versus order: Gráficas de diagnóstico de residuos, para confirmar que el ajuste del modelo es sólido.
  • Contour plot / Surface plot / Overlaid contour plot: Visualiza la superficie de respuesta ajustada para dos factores elegidos (indicados por X1/X2 axis factor #), manteniendo los demás en su valor central.
  • Response low / Response high: Para la gráfica de contorno superpuesta: el rango de respuesta aceptable que se sombrea como factible.
  • Download as Excel: Exporta el diseño, los resultados, los coeficientes y el ANOVA a un libro de Excel.

Por último, debajo se encuentra STEP 3: Response Optimizer, donde se establece un Goal (Maximize, Minimize o Target), Lower, Target, Upper, Weight e Importance por respuesta, y luego se hace clic en Optimize para hallar los ajustes de los factores que mejor satisfacen todas las respuestas a la vez (deseabilidad compuesta).

rsm-optimizer-out


Preguntas frecuentes

CCD, Box-Behnken o D-óptimo: ¿qué diseño conviene elegir?

Elija un diseño central compuesto al ampliar un experimento factorial o de cribado existente para modelar la curvatura. Elija Box-Behnken para evitar combinaciones extremas de esquina de todos los factores a la vez; requiere de 3 a 7 factores. Elija D-óptimo cuando tenga un número limitado de corridas o límites de factores irregulares. CCD y D-óptimo requieren al menos 2 factores.

¿Por qué se necesitan puntos centrales en un diseño de superficie de respuesta?

Los puntos centrales, replicados en el punto medio de cada factor, permiten que el análisis pruebe la falta de ajuste y la curvatura, y estime el error puro. Sin ellos, el modelo no puede probar la falta de ajuste. Mida la respuesta con la mayor precisión posible, sobre todo en los puntos centrales, porque determinan la estimación del error puro.

¿Cómo se comprueba el ajuste de un modelo RSM?

Revise juntos R-sq, R-sq(adj) y R-sq(pred); una gran diferencia entre R-sq y R-sq(pred) sugiere sobreajuste. Una prueba de falta de ajuste significativa significa que el modelo cuadrático no describe adecuadamente los datos. Revise las gráficas de residuos antes de confiar en el análisis canónico, las gráficas de contorno o el optimizador, porque un modelo que ajusta mal da un óptimo engañoso.

¿Qué indica el análisis canónico en RSM?

El análisis canónico informa el tipo de superficie (máximo, mínimo, silla o cresta) y los ajustes de los factores en su punto estacionario. Compruebe el tipo antes de tomar el punto estacionario al pie de la letra, porque un punto de silla no es un verdadero óptimo. Con varias respuestas, el optimizador de respuestas de Zometric Statistical Software halla el mejor compromiso mediante la deseabilidad compuesta.