Metodología de superficie de respuesta para la Optimización de una producción agrícola

Abstract

This proposal shows an economic scenario that indicate how to minimize the costs of certain agricultural activities. Therefore, the objective was: to obtain the optimal values of a hypothetical multi-response process of maize production, by means of the Response Surface Methodology, in which three factors: Irrigation, Nitrogen and Plant Density are combined, each with 3 levels and 16 treatments, randomized in three blocks, for a total of 48, according to a Composite Central Design. The optimization of the answers: Production, Nitrogen Efficiency, Irrigation Efficiency and Benefit Cost Ratio was obtained through the Design Expert 10 program in conjunction with a desirability function. Also is presented a polynomial model that represents a quantitative relationship between the answers and the proposed factors. The economic scenario, detailed for one hectare,

Optimización de la rugosidad y la dureza del acero 12l-14 empleando la metodología de superficie de respuesta

“…El objetivo es diseñar un experimento que proporcione valores razonables de la variable de respuesta y, posteriormente determinar el modelo matemático que mejor se ajusta a los datos obtenidos, es decir, establecer los valores de los factores que optimizan (minimizan o maximizan) el valor de la variable de respuesta. Como definición, la RSM es una herramienta que admite el uso de DOE, técnicas de modelación del análisis de regresión y técnicas matemáticas de optimización, cuya ventaja es que para determinar varios parámetros y la interacción entre ellos emplea un número de pruebas reducido, permitiendo que el desarrollo del experimento y la toma de datos sean más eficientes (Gordillo, Rodríguez y Mejía, 2014;Yaguas, 2017).…”

Uso De La Función De Deseabilidad Para La Optimización De Un Proceso De Producción De Poliestireno

“…El modelo de diseño central compuesto es utilizado porque se requiere de una cantidad considerablemente baja de corridas y permite la utilización de bloques para minimizar las desviaciones por heterogeneidad y factores nuisance. Como nota adicional, las corridas en bloques se realizaron de modo aleatorizado (Yaguas, 2017). El objetivo en esta fase fue determinar una adecuada aproximación funcional entre los factores extraídos en el proceso de cribado y las variables respuesta.…”