5.2.

RESULTADOS FASE II: ETAPA EXPERIMENTAL

Para ejemplificar las metodologas en estudio, se tom como base la investigacin

realizada por Arteaga y Colaboradores (2010) sobre el efecto de la temperatura y tiempo en
el rendimiento de biodiesel a partir de grasa refinada de pollo, que pasa por los procesos de
refinacin, esterificacin y transesterificacin. Como el biodiesel es un biocombustible
hecho de productos naturales renovables y la grasa de pollo es un producto de desecho, este
trabajo muestra una opcin en la produccin de biocombustibles, sin utilizar productos
alimenticios agrcolas como materia prima, generando un producto final de excelente
calidad que cumple con todas las normas establecidas en el rea. Las condiciones de los
parmetros utilizadas como punto de partida del estudio que proponen los autores son: un
tiempo de 90 minutos y una temperatura de 145 F, que permiten obtener rendimientos
promedio de 87,7%.
Los datos que se utilizaron para generar las pruebas experimentales fueron
simulados a travs del mtodo de Montecarlo manteniendo las condiciones establecidas por
la problemtica presentada por Arteaga y Colaboradores (2010). Este mtodo, segn Sbol
(1983) se basa en simular la realidad a travs del estudio de una muestra, que se ha
generado de forma totalmente aleatoria. Resulta, por tanto, de gran utilidad en los casos en
los que no es posible obtener informacin sobre la situacin a analizar, o cuando la
experimentacin no es posible o es muy costosa.
Montecarlo permite tener en cuenta para el anlisis un elevado nmero de
escenarios aleatorios, ampliando la perspectiva de forma que se pueden hacer anlisis que
se ajusten en mayor medida a la variabilidad real de las variables consideradas. La
aplicacin de esta tcnica se basa en la identificacin de las variables que se consideran
ms significativas, as como las relaciones existentes entre ellas, para explicar la situacin a
estudiar mediante la sustitucin del universo real, por un universo terico utilizando
nmeros aleatorios. (Shannon, 2005)
Para la simulacin de los datos, se tom la funcin de densidad de la distribucin
normal, con media cero y desviacin estndar uno (N (0,1)) para generar el error
experimental del modelo, tomando como muestra 13 datos de la poblacin de 100
elementos (Ver Anexo X), reportndose un promedio de tiempo: 90 7,8 min y de
temperatura: 145 3,9F para alcanzar un promedio de rendimiento de 89 2 % de
biodiesel a partir de grasa refinada de pollo. A continuacin se presenta la muestra generada
(Tabla Nro. 2)
.
Tabla Nro. 2: Datos Simulados
Nro. Variables reales Respuesta
corridas xr1 xr2 Y
1 80 140 86
2 80 150 90
3 100 140 91
4 100 150 86
5 90 145 89
6 90 145 88
7 90 145 91
8 90 145 90
9 90 145 89
10 76 145 87
11 104 145 88
12 90 138 89
13 90 152 93

5.2.1. Aplicacin de la Metodologa de Superficies de Respuesta para la

optimizacin de procesos a datos simulados.
A continuacin se presenta la aplicacin de la Metodologa de Superficie de
Respuesta (RSM) a los datos simulados, utilizando el software R, con el objetivo de
maximizar el rendimiento (%) de elaboracin de biodiesel a partir de la grasa de pollo,
donde se definen los siguientes trminos:
Xr1: Tiempo de reaccin en minutos (min);
Xr2: Temperatura de reaccin en grados Fahrenheit (F)
Y: Rendimiento en porcentaje (%)
Donde, Xr1 y Xr2, corresponden a los factores en estudio y la respuesta esperada est
determinada por la variable Y. Fue utilizado un Diseo Compuesto Central (DCC) Rotable
de segundo orden, que incluye dos factores a cinco niveles, con un valor de alfa igual a
1,4142, considerndose como punto central de la superficie a optimizar para X r1= 90
minutos y Xr2= 145 F.
Para el proceso de codificacin de las variables, se aplic la siguiente frmula:
 )
( xri xri
Xi= (Nro.)
ri

Donde xi es la variable codificada, xri es la variable real en estudio, con i=12;

xri es el promedio y ri es la desviacin estndar de cada variable real
respectivamente. Los resultados se presentan en la Tabla Nro. 3:

Tabla Nro. 3: Variables reales y codificadas con base a un

Diseo Central Compuesto Rotable
Variables reales Variables Codificadas Respuesta
Nro. xr1 Xr2 x1 x2 Y
Corridas
AxialesPuntos CentralesPuntos sfactorialePuntos

1 80 140 -1 -1 86
2 80 150 -1 1 90
3 100 140 1 -1 91
4 100 150 1 1 86

5 90 145 0 0 89
6 90 145 0 0 88
7 90 145 0 0 91
8 90 145 0 0 90
9 90 145 0 0 89

10 76 145 -1,41 0 87
11 104 145 1,41 0 88
12 90 138 0 -1,41 89
13 90 152 0 1,41 93

5.2.1.1. Estudio de las condiciones ptimas utilizando la Metodologa de

Superficie de Respuesta:

Paso 1
En esta fase se procedi a realizar el estudio estadstico correspondiente para
verificar si las variables resultan significativas en la respuesta.
Se gener un modelo de primer orden, utilizando los puntos factoriales y centrales
respectivamente, obtenindose los siguientes resultados:
 Anlisis de Regresin para generar el modelo de 1do. Orden
Estimate Std. Error t Value Pr(>|t|)
(Intercept) 88.71429 0.98068 90.4619 8.952e-08 ***
x1 0.25000 1.29732 0.1927 0.8566 ns
x2 -0.25000 1.29732 -0.1927 0.8566 ns

Signif. codes: 0 *** 0.001 ** 0.01 * 0.05 . ns: no significativa

Multiple R-squared: 0.01823, Adjusted R-squared: -0.4727
F-statistic: 0.03714 on 2 and 4 DF, p-value: 0.9639

Modelo de regresin lineal de primer orden

y = 87,71429 + 0,25x1 - 0,25x2 (NRO)

Anlisis de Varianza para el modelo de primer orden

Df Sum Sq Mean Sq F value Pr(>F)
FO(X1, X2) 2 0.5000 0.2500 0.0371 0.9639
Residuals 4 26.9286 6.7321
Lack of fit 2 22.2619 11.1310 4.7704 0.1733
Pure error 2 4.6667 2.3333

Los resultados muestran que la falta de ajuste del modelo no es significativa

(P>0,05). Sin embargo, el modelo solo explica el 1,823% de la variacin observada de los
datos (% de rendimiento del biodiesel), adems el coeficiente de determinacin ajustado,
fue de -0.4727, el cual se interpreta como un valor nulo, es decir, el modelo lineal no
explica suficientemente la variabilidad de la respuesta observada, por lo que se decide
continuar con el procedimiento para probar si el modelo cuadrtico mejor dicha
variabilidad.

Paso 2:
 Se procede a evaluar los efectos cuadrticos, realizando el anlisis de regresin para
generar el modelo de 2do orden, incluyendo los puntos axiales, a travs del respectivo
Anlisis de Regresin.

Anlisis de Regresin para generar el modelo de 2do. Orden:

Estimate Std. Error t Value Pr(>|t|)

(Intercept) 89.40012 0.60381 148.0603 1.692e-13 ***
x1 0.30180 0.47739 0.6322 0.54735 ns
x2 0.58209 0.47739 1.2193 0.26221 ns
x1: x2 -2.25000 0.67508 -3.3329 0.01254 *
x12 -1.20041 0.51201 -2.3445 0.05150 .
x22 0.55012 0.51201 1.0744 0.31827 ns

Signif. codes: 0.001 *** 0.01 ** 0.05 * 0.1 . ns: no signif.

Multiple R-squared: 0.7428, Adjusted R-squared: 0.5625
F-statistic: 4.086 on 5 and 7 DF, p-value: 0.04682

Anlisis de Varianza para para el modelo de 2do. Orden

Df Sum Sq Mean Sq F value Pr(>F)
FO(X1, X2) 2 3.4387 1.7194 0.9432 0.43382
TWI(X1, X2) 1 20.2500 20.2500 11.1085 0.01254
PQ(X1, X2) 2 13.5508 6.7754 3.7168 0.07944
Residuals 7 12.7605 1.8229
Lack of fit 3 7.5605 2.5202 1.9386 0.26517
Pure error 4 5.2000 1.3000

FO=Efecto lineal, TWI=Efecto interaccin, PQ=Efecto

cuadrtico

Al realizar el anlisis del modelo de 2do. orden, se pudo constatar un aumento en el

nivel de explicacin del modelo, los resultados muestran que la falta de ajuste del modelo
no es significativa con un coeficiente de determinacin (R2) de 0.7428, indicando que el
modelo explica la variabilidad de la respuesta (% de rendimiento del biodiesel) en un
74,28%, aunque el coeficiente de determinacin ajustado, fue de solo un 0.5625, el cual se
interpreta como que en conjunto el aporte de las variables en estudio solo explica el 56,25%
de la variabilidad de la respuesta.
En tal sentido, para continuar con el estudio, se decide considerar lo establecido por
Chacn (1998) sobre incluir todos los trminos del modelo, independientemente del
resultado del ANAVAR, criterio que supone el inters de incluir todas las variables por la
naturaleza del estudio. En consecuencia, el modelo de 2do. Orden queda definido como:

Modelo de regresin lineal de segundo orden

y = 89.40012 + 0.3018x1 + 0.58209x2 -1.20041 x12+ 0.55012x22 -2.25x1x2 (Nro)

A continuacin, se somete el modelo de 2do orden al Anlisis Cannico y Ridge

para determinar las condiciones ptimas de operacin del proceso de elaboracin de
biodiesel.

Paso 3:
A continuacin se procede a explorar la regin experimental, a travs del modelo de
2do orden, para caracterizar la superficie y determinar las coordenadas del punto
estacionario y el tipo de punto.

Anlisis Cannico

Stationary point of response surface:

$xs
x1 x2
0.21310364 -0.09325715

$eigen$values
1.100234 -1.750529

$eigen$vectors
[,1] [,2]
x1 0.4392857 -0.8983474
x2 -0.8983474 -0.4392857

El punto estacionario determinado por el anlisis cannico est representado por

x1=0.21310364 y x2= -0.09325715, que en trmino de las variables originales, tiempo y
temperatura respectivamente vienen dadas por: xr1= 91,66 min y xr2=144,64 F, las cuales
se encuentran dentro de la regin experimental.
Sin embargo, los resultados muestran que el tipo de superficie viene determinada
por los signos de los valores propios o caractersticos (eingevalores), en este caso se
presentan ambos signos, 1=0.2804215 y 2= - 0.7803988 lo que indica que se est en
presencia de un punto de silla, por lo tanto el punto estacionario no puede considerarse
como un punto ptimo, por lo que se hace necesario buscar el mejor punto posible dentro
de la regin experimental, para lo cual se procede con el siguiente paso.

Paso 4:
En este paso se procede a ir en bsqueda del mejor punto posible dentro de la
regin experimental, lo cual se realiza a travs del Anlisis Ridge. Se establece la regin
experimental entre los puntos axiales (-1.41; 1.41) a un paso de 0.20 unidades.

Anlisis Ridge
steepest(CR.rs2,dist= seq (-1.41,1.41,by=0.20))
Path of steepest ascent from ridge analysis:

dist x1 x2 |
yhat
1 1.41 -0.539 1.303 | 92.161
2 1.21 -0.452 1.122 | 91.505
3 1.01 -0.364 0.942 | 90.939
4 0.81 -0.277 0.761 | 90.460
5 0.61 -0.191 0.579 | 90.069
6 0.41 -0.106 0.396 | 89.766
7 0.21 -0.025 0.208 | 89.548
8 0.01 0.000 0.000 | 89.400
9 0.19 -0.018 0.189 | 89.532
10 0.39 -0.097 0.378 | 89.741
11 0.59 -0.182 0.561 | 90.035
12 0.79 -0.269 0.743 | 90.418
13 0.99 -0.356 0.924 | 90.888
14 1.19 -0.443 1.104 | 91.444
15 1.39 -0.530 1.285 | 92.092

Se observa que el punto candidato a ptimo est en el paso 8, es decir, en el origen,

para x1=0 y x2= 0, toda vez que se observa variacin o inestabilidad en la respuesta al
alejarse de este punto. En trminos de los valores reales de las variables en estudio son:
xr1=90 min y xr2=145 F, respectivamente, para generar un rendimiento en la produccin de
biodiesel igual a y=89,4%.

Grficas del modelo

A continuacin se presentan las grficas de superficie y de contorno del modelo en
estudio, en las cuales se observa el punto de silla que describe el comportamiento del
Rendimiento del biodiesel (%) en funcin de la temperatura y tiempo.

Grfica Nro. XX: Superficie de Respuesta para el Rendimiento del biodiesel (%) en funcin de la
temperatura y tiempo
Grfica Nro. XX: Curvas de contorno para el Rendimiento del biodiesel (%) en funcin de la
temperatura y tiempo.
 5.2.2. Utilizacin de los Algoritmos Evolutivos en la Metodologa de Superficies
de Respuesta para la optimizacin de procesos a datos simulados.
Una vez obtenido el modelo de segundo orden, a travs de la aplicacin de la
Metodologa de Superficie de Respuesta, se incorpora el Algoritmo Evolutivo (AE),
utilizando el software R, para realizar la optimizacin del proceso.

5.2.2.1. Estudio de las condiciones ptimas utilizando Algoritmos Evolutivos:

Paso 1:
Se define la funcin Fitness (funcin de aptitud o de adecuacin), representada por
el modelo de 2do. orden generado en la aplicacin de la Superficie de Respuesta a los datos
simulados.
y = 89.40012 + 0.3018x1 + 0.58209x2 -1.20041 x12+ 0.55012x22 -2.25x1x2 (Nro)

Paso 2:
Se establecen las condiciones de operacin del algoritmo, segn se muestran a
continuacin:
Tipo de Algoritmo (Real): real_valued
Tipo de Seleccin (Por torneo): geareal_tourselection
Tipo de Cruce (Un Punto): gareal_spCrossover
Tipo de Mutacin (Uniforme): gareal_raMutation
Grado de entrecruzamiento (80%): pcrossover = 0.8
Grado de mutacin por generacin (1%): pmutation = 0.01
Tamao mximo de la poblacin (100): popSize = 100
Mximo nmero de Interacciones (100): maxiter = 100
Regin de experimentacin (Dominio de bsqueda)
Mnimo: -1,414
Mximo: 1,414

Paso 3:
Se generan los resultados y la grfica correspondiente: Ver programa en el Anexo X
ALGORITMO EVOLUTIVO
RESULTADOS

GA results:
Iterations = 100
Fitness function value =
93.05015
Solution
x1 x2
-1.199465 1.414

El punto candidato ptimo generado por el AE es para x1= -1.199465 y x2= -1,414
respectivamente. En trminos de los valores reales de las variables en estudio son:
x1=80,64min y x2=150,51F, respectivamente, para generar un rendimiento en la
produccin de biodiesel igual a y=93.05015 %.

Grficas del modelo

La grfica generada por el Algoritmo Evolutivo del modelo en estudio, muestra la
convergencia al ptimo luego de la bsqueda exhaustiva (generaciones) haciendo coincidir
la mejor respuesta (punto ptimo) con el promedio.

Grfica Nro. XX: Convergencia al punto ptimo del Rendimiento del biodiesel (%) en funcin de la
temperatura y tiempo a travs del Algoritmo Evolutivo.