Se muestra la aplicación de una metodología bayesiana para la optimización simultánea de múltiples respuestas. Se modifica una propuesta anterior, introduciendo una modificación que la hace más flexible, ya que permite trabajar con el caso en que no todas las variables consideradas en el estudio son igualmente importantes. Para incorporar estas diferencias en cuanto a la relevancia de las variables de respuesta analizadas se utiliza la media geométrica ponderada de las probabilidades de que cada variable cumpla con su especificación. Con esto, las múltiples variables a optimizar se convierten en una sola. Mediante un ejemplo se muestra como la modificación propuesta ayuda a obtener distintos escenarios óptimos para considerar en la toma de decisiones.

The application of a bayesian methodology for simultaneous optimization of multiple responses is presented. A previous proposal is modified by introducing a modification that makes it more flexible, allowing working with the case in which not all the variables considered in the study are equally important. To incorporate in the methodology these differences related to the analyzed response variables the weighted geometric mean of the probabilities that each variable meets its own specification is used. With this change, the multiple optimization variables are converted into only one. An example to show how the proposed modification helps in achieving different optimal scenarios to consider in making decisions is discussed.