Optimización de deseabilidad

¿Qué es la función de deseabilidad Derringer-Suich?

La función de deseabilidad de Derringer-Suich es un método de optimización multirrespuesta que transforma cada respuesta en una puntuación de deseabilidad adimensional (de 0 a 1) y después las combina en una deseabilidad global mediante la media geométrica. Una deseabilidad de 1 representa un valor ideal; 0 significa que la respuesta queda fuera de los límites aceptables.

Tres tipos de objetivo definen cómo se transforma cada respuesta: Maximizar (d crece del límite inferior al superior), Minimizar (d decrece del límite inferior al superior) y Valor objetivo (d alcanza su máximo en el valor objetivo y decrece hacia ambos límites). Los parámetros de forma s₁ y s₂ controlan la curvatura: s=1 da una deseabilidad lineal, s<1 da una curva convexa (más fácil de satisfacer) y s>1 una curva cóncava (más difícil de satisfacer).

La deseabilidad global D es la media geométrica de todas las deseabilidades individuales: D = (d₁ × d₂ × ... × dₖ)^(1/k). Así se garantiza que, si una sola respuesta es completamente inaceptable (dᵢ = 0), la deseabilidad global también sea 0, lo que impide compensaciones que sacrifiquen un atributo de calidad crítico.

Formula: Maximize: d = ((y - L)/(U - L))^s for L <= y <= U Minimize: d = ((U - y)/(U - L))^s for L <= y <= U Target: d = ((y - L)/(T - L))^s1 for L <= y <= T ((U - y)/(U - T))^s2 for T <= y <= U Overall D = (d₁ x d₂ x ... x dₖ)^(1/k)

Ejemplo de cálculo

Dos respuestas: Rendimiento (maximizar, L=70, U=95, observado=88, s=1) y Coste (minimizar, L=10, U=50, observado=25, s=1). d_rendimiento = (88-70)/(95-70) = 0.72. d_coste = (50-25)/(50-10) = 0.625. D global = (0.72 × 0.625)^(1/2) = √0.45 = 0.671. Una deseabilidad combinada razonable, pero mejorable.

Cuándo usar esta calculadora

• Al optimizar un proceso con múltiples respuestas de calidad en conflicto que deben equilibrarse simultáneamente (p.ej., maximizar resistencia mientras se minimiza costo)
• Durante la formulación de productos cuando cada ingrediente afecta múltiples respuestas de manera diferente y los trade-offs deben evaluarse sistemáticamente
• Después del análisis RSM para combinar múltiples modelos de superficie de respuesta en un solo objetivo de optimización
• Al comparar configuraciones alternativas de proceso — la deseabilidad general proporciona una puntuación única que tiene en cuenta todos los requisitos de calidad
• Durante la revisión de diseño para cuantificar qué tan bien una solución propuesta cumple todos los requisitos de especificación en relación con otras alternativas

Errores comunes que se deben evitar

• Establecer límites demasiado estrechos para que ninguna solución factible alcance D > 0 — comience con límites realistas basados en lo que el proceso ha logrado históricamente, luego ajuste gradualmente
• Usar parámetros de forma iguales (s=1) para todas las respuestas cuando algunas son mucho más críticas — aumente s para respuestas críticas para penalizar desviaciones del objetivo más severamente
• Ignorar que overall D = 0 cuando cualquier d individual = 0 — si una respuesta es completamente inaceptable, la deseabilidad general colapsa independientemente de lo buenas que sean otras respuestas; asegúrese de que todos los límites sean alcanzables
• Optimizar deseabilidad sin considerar interacciones de factores — las puntuaciones de deseabilidad se calculan a partir de valores observados; para predicción, combine deseabilidad con modelos de superficie de respuesta
• Tratar deseabilidad como métrica absoluta — D = 0.7 no es inherentemente 'bueno' o 'malo'; depende de la estrechez de límites y parámetros de forma; use D para comparación entre alternativas, no como criterio de aceptación independiente

Cómo interpretar los resultados

• Overall D = 0 — al menos una respuesta está completamente fuera de los límites aceptables; la solución es inviable tal como está
• Overall D = 0.01-0.3 — la mayoría de las respuestas están lejos de sus valores ideales; se necesita mejora significativa del proceso
• Overall D = 0.3-0.6 — existe una solución de compromiso pero con trade-offs sustanciales; investigue qué respuesta está bajando D
• Overall D = 0.6-0.8 — una buena solución que cumple la mayoría de los requisitos bien; el ajuste fino puede mejorar las respuestas individuales
• Overall D > 0.8 — excelente; todas las respuestas están cerca de sus valores ideales simultáneamente; esta solución es un fuerte candidato para implementación

Estándares y referencias relacionados

• Derringer & Suich (1980), Journal of Quality Technology — El artículo original que define las funciones de deseabilidad y la combinación por media geométrica implementadas aquí
• Harrington (1965), Industrial Quality Control — El concepto previo de deseabilidad que Derringer y Suich generalizaron con parámetros de forma
• NIST/SEMATECH e-Handbook §5.5.3 — Guía de optimización de respuestas múltiples mediante el enfoque de deseabilidad
• Montgomery, Design and Analysis of Experiments — Tratamiento de referencia de la optimización multirespuesta con funciones de deseabilidad tras RSM

Preguntas frecuentes

¿Cómo fijo los parámetros de forma (s1, s2)?

Una forma s=1 da una deseabilidad lineal (igual importancia en todo el rango). s<1 (por ejemplo, 0.5) facilita alcanzar una deseabilidad alta: úselo cuando sea bastante tolerante a la desviación. s>1 (por ejemplo, 2 o 3) dificulta alcanzar una deseabilidad alta: úselo en respuestas críticas en las que estar cerca del valor objetivo importa mucho. La mayoría de los profesionales empieza con s=1 y ajusta según el criterio de ingeniería.

¿Por qué usar la media geométrica en lugar de la media aritmética?

La media geométrica garantiza que cualquier respuesta con d=0 (completamente inaceptable) lleve la deseabilidad global a 0: no se puede compensar una respuesta fallida destacando en las demás. La media aritmética permitiría ese tipo de compensación y podría ocultar un fallo crítico de calidad. Esta propiedad de 'poder de veto' hace que la media geométrica sea la elección correcta para la optimización multirrespuesta.