DISEÑOS FACTORIALES
Conceptos básicos
En muchos procesos existen varios factores que es necesario investigar de
manera simultánea su influencia sobre una o varias variables de respuesta:
• cada factor tiene la misma importancia apriori
• los factores interactúan entre sí.
Estos diseños experimentales son los llamados diseños factoriales.
El objetivo de un diseño factorial es:
• Estudiar el efecto de varios factores sobre una o varias respuestas o
características de calidad.
• Determinar una combinación de niveles de los factores en la cual el
desempeño del proceso sea mejor que en las condiciones de operación
actuales, encontrando nuevas condiciones de operación del proceso que
eliminen o disminuyan ciertos problemas de calidad en la variable de
salida.
Los factores pueden ser de tipo:
Cualitativo: máquinas, tipos de material, operador, la presencia o ausencia de
una operación previa, etc.
Cuantitativo: temperatura, humedad, velocidad, presión, etc.
Para poder estudiar la manera en que influye cada factor sobre la variable
respuesta, es necesario elegir al menos dos niveles de prueba para cada uno de
ellos: tres máquinas, dos operadores, tres velocidades, dos temperaturas, etc.
En el diseño factorial completo se corren aleatoriamente en el proceso todas las
posibles combinaciones que pueden formarse con los niveles seleccionados.
Diseños factoriales
Un diseño de experimentos factorial o arreglo factorial es el conjunto de puntos
experimentales o tratamientos que pueden formarse considerando todas las
posibles combinaciones de los niveles de los factores.
Un diseño de experimentos factorial o arreglo factorial es el conjunto de puntos
experimentales o tratamientos que pueden formarse considerando todas las
posibles combinaciones de los niveles de los factores.
Por ejemplo: con k = 2 factores, ambos con dos niveles de prueba, se forma el
diseño factorial 2 x 2 = 22, que consiste de cuatro combinaciones o puntos
experimentales. Considerando otra vez k = 2 factores, pero ahora uno con tres
niveles y el otro con dos niveles, se pueden construir 3 x 2 combinaciones que
dan lugar al diseño factorial 3 x 2.
El nombre del diseño factorial va implícito el número tratamientos que lo
componen, el número de total corridas experimentales es el número de
tratamientos por el número de réplicas.
Familia de diseños factoriales
La familia de diseños factoriales 2k consiste de k factores, todos con dos niveles
de prueba.
La familia de diseños factoriales 3k consiste de k factores cada uno con tres
niveles de prueba.
Es claro que, si los k factores no tienen la misma cantidad de niveles, entonces
no se puede factorizar de esta forma, y debe escribirse el producto de manera
más explícita:
por ejemplo, con k = 3 factores, el primero con cuatro niveles y los dos restantes
con dos niveles, se tiene el diseño factorial 4 x 2 x 2 o 4 x 22, que consiste de 16
combinaciones de niveles diferentes.
Ejercicio 1. (Diseño factorial 22)
Supongamos que se tienen dos factores A: tiempo y B: velocidad, cada uno con
dos niveles (bajo y alto) denotados por A1 = 3 min, A2 = 6 min y B1 = 600 rpm,
B2 = 1000 rpm, respectivamente. La respuesta de interés (Y) es la cantidad de
aditivo. En la tabla 1 se muestran los cuatro tratamientos o puntos del diseño
factorial 22. En el experimento original cada tratamiento se corrió tres veces (tres
réplicas), lo que da un total de 12 corridas del proceso, pero por simplicidad en
la última columna de la tabla 1 sólo se han anotado los resultados de la primera
réplica.
El efecto de un factor se define como el cambio observado en la variable de
respuesta debido a un cambio de nivel de tal factor, los efectos principales son
los cambios en la media de la variable de respuesta debidos a la acción individual
de cada factor.
Matemáticamente el efecto principal de un factor es: la diferencia entre la
respuesta media observada cuando tal factor estuvo en su nivel alto y la
respuesta media observada cuando el factor estuvo en su nivel bajo.
Por ejemplo, para los datos de la tabla 1, los efectos principales del tiempo y de
la velocidad están dados por:
Dos factores interactúan entre sí o que tienen un efecto de interacción sobre la
variable de respuesta, cuando el efecto de un factor depende del nivel en que se
encuentra el otro.
Por ejemplo: los factores tiempo y velocidad interactúan si el efecto del tiempo
es muy diferente en cada nivel de la velocidad, o viceversa, si el efecto de la
velocidad depende del tiempo.
Veamos esto con los datos de la tabla 1: el efecto del tiempo (A) cuando la
velocidad (B) es baja, está determinado por:
Efecto A (con B bajo) = 16.26 -17.10 = -0.84
y cuando la velocidad es alta, el efecto de A es:
Efecto A (con B alto) = 18.16 - 18.76 = -0.6
El efecto de interacción entre A y B, denotado por AB, se obtiene como la
diferencia entre la respuesta media cuando ambos factores se encuentran en el
mismo nivel ((bajo, bajo), (alto, alto)), y la respuesta media cuando los factores
se encuentran en niveles opuestos ((bajo, alto), (alto, bajo)).
Para el ejemplo, el efecto de interacción tiempo x velocidad está dado por
Los valores absolutos de los efectos principales y el efecto de interacción son
una medida de la magnitud de su efecto sobre la variable de respuesta.
Entre más grande sea el valor absoluto de un efecto, mayor influencia tendrá
sobre la variable de respuesta, pero se requiere del Anova, para saber si éstos
son estadísticamente significativos.
Considere los factores A y B con a y b (a, b ≥ 2) niveles de prueba,
respectivamente, Con ellos se puede construir el arreglo o diseño factorial a x b,
que consiste de a x b tratamientos.
Se llama réplica cada repetición completa del arreglo factorial, los diseños
factoriales que involucran menos de cuatro factores se corren replicados para
poder tener la potencia necesaria en las pruebas estadísticas sobre los efectos
de interés.
Si se hacen n réplicas, el número total de corridas experimentales es n(a x b).
Con un diseño factorial a x b se pueden estudiar los dos efectos individuales y el
efecto de interacción de ambos factores.
Modelo estadístico
U
El comportamiento de la respuesta Y en el experimento con k réplicas se podrá
describir mediante el modelo de efectos,
Yijk = μ + αi + βj + (αβ)ij + εijk;
i = 1, 2, ..., a; j = 1, 2, ..., b; k = 1, 2, ..., n,
μ es la media global,
αi es el efecto medio sobre la respuesta debido al i-ésimo nivel del factor A,
βj es el efecto medio sobre la respuesta debido al j-ésimo nivel del factor B,
(αβ)ij representa al efecto medio sobre la respuesta debido de interacción en la
combinación ij de los factores
εijk es el error aleatorio que supone sigue una distribución con media cero y
varianza constante σ2 y son independientes entre sí.
Para que la estimación de los parámetros en este modelo sea única, se
introducen las restricciones:
los efectos dados en el modelo son desviaciones respecto de la media global
Hipótesis a evaluar y análisis de varianza
En un diseño factorial a x b interesa estudiar los tres efectos A, B y AB.
Así, en primera instancia se pueden plantear los tres pares de hipótesis
siguientes:
El ANOVA para un diseño factorial a x b con n réplicas resulta de descomponer
la variación total como
SCT = SCA + SCB + SCAB + SCE
Acreditada
donde los respectivos grados de libertad de cada una de ellas son
nab - 1 = (a - 1) + (b - 1) + (a - 1) (b - 1) + ab(n - 1).
Si valor P < α, la correspondiente hipótesis es estadísticamente significativa, es
decir, ese factor influye en la variable de respuesta y debe tomarse en cuenta
en la interpretación de los resultados.
Notación de puntos para sumas y medias
Las notaciones usuales para sumas y totales
Acreditada UTB 20
Ejercicio 2. (Factorial 4 x 3)
Consideremos un experimento en el que se quiere estudiar el efecto de los
factores velocidad de alimentación y profundidad de corte sobre el acabado de
un metal. Aunque los factores son de naturaleza continua, en este proceso sólo
se pueden trabajar en 3 y 4 niveles, respectivamente. Por ello, se decide correr
un factorial completo 4 x 3 con tres réplicas, que permitirá obtener toda la
información relevante en relación al efecto de estos factores sobre el acabado.
Aleatorizando las 36 pruebas se obtienen los datos en la tabla 3 El acabado (Y)
está en unidades de gramos e interesa minimizar su valor.
Se realizan los siguientes cálculos:
11
EE
