Profesor: [Link].
Rolando Salazar
Se tienen k factores de 2 niveles cada uno
donde estos puede ser de tipo cuantitativos o
cualitativos.
Es de utilidad en las etapas iniciales del
trabajo experimental donde se evalúan
muchos factores.
El primer diseño 2𝑘 es el 22 que tiene 2
factores A y B y cada uno tiene dos niveles.
El efecto de A es positivo. Esto indica que al incrementar A de un nivel
bajo a uno alto entonces el rendimiento aumenta.
Orden estándar u orden de Yates: (1),a,b,ab
Modelo de regresión
Se usan variables codificadas, +1para el nivel
alto y -1 para el nivel bajo.
Adecuación del modelo
Verificación de los supuestos.
Tres factores, cada uno con dos niveles.
Ocho combinaciones de tratamientos: (1),
a,b,ab,c,ac,bc y abc.
Hay siete grados de libertad entre las
combinaciones del diseño 23 ;tres se asocian
con los efectos principales A,B y C, cuatro con
las interacciones AB,AC,BC y ABC.
Sin tomar en cuenta la columna I, cada columna tiene el mismo número de
signos positivos y negativos. La suma de los productos de los signos de dos
columnas es cero. La columna I multiplicada por cualquiera de las columnas
la deja sin cambio. Multiplicar dos columnas produce otra.
I: Elemento identidad.
Cada efecto tiene un contraste
correspondiente con un solo grado de
libertad. La suma de cuadrados:
Donde n es la cantidad de réplicas.
Una empresa embotelladora de refrescos está
interesada en obtener alturas de llenado más
uniformes en las botellas que se fabrican en su
proceso de manufactura. La máquina de
llenado llena cada botella a la altura objetivo
correcta, pero en la práctica, existe variación
en torno a este objetivo, y a la embotelladora
le gustaría entender mejor las fuentes de esta
variabilidad y reducirla.
El ingeniero del proceso puede controlar tres variables
durante el proceso de llenado: el porcentaje de
carbonatación (A), la presión de operación en el
llenador (B) y las botellas producidas por minuto o
rapidez de línea (C). Es sencillo controlar la presión y la
rapidez, pero el porcentaje de carbonatación es más
difícil de controlar durante la manufactura real debido
a que varía con la temperatura. Sin embargo, para los
fines de un experimento, el ingeniero puede controlar
la carbonatación en dos niveles: 10 y 12 por ciento.
Elige dos niveles para la presión (25 y 30 psi) y dos
niveles para la rapidez de línea (200 y 250 bpm). El
ingeniero decide correr dos réplicas de un diseño
factorial.
La variable de respuesta observada es la
desviación promedio de la altura del llenado
objetivo que se observa en una corrida de
producción de botellas con cada conjunto de
condiciones. Las desviaciones positivas son
alturas de llenado arriba del objetivo, mientras
que las desviaciones negativas son alturas de
llenado abajo del objetivo.
Ejercicio:
Estimar los efectos de los factores A y BC.
Los efectos principales explican el mayor porcentaje de variabilidad
total.
Diseño con k factores que tienen dos niveles
cada uno.
𝑘
Incluye k efectos principales,
2
interacciones de dos factores, … hasta una
interacción de k factores.
Se usa la notación vista para los tratamientos:
(1),adb, etc.
Cuando los recursos son limitados.
No se cuenta con una estimación del error,
este se estima suponiendo que algunas
interacciones de orden superior son
insignificantes.
Gráfica de probabilidad normal de las
estimaciones de los efectos, lo que son
insignificantes se localizarán sobre una línea
recta en esa gráfica, los significativos no
estarán sobre la línea.
Un producto químico se fabrica en un envase presurizado.
Se lleva a cabo un experimento factorial en la planta piloto
para estudiar los factores que se piensa influyen en el índice
de filtración de este producto. Los factores son la
temperatura (A), la presión (B), la concentración del
formaldehído (C) y la velocidad de agitación (D). Cada factor
está presente con dos niveles. La matriz del diseño y los
datos de la respuesta obtenidos de una sola réplica del
experimento se muestran en la tabla. Las 16 corridas se
hacen de manera aleatoria. El ingeniero del proceso está
interesado en maximizar el índice de filtración. Las
condiciones actuales del proceso producen índices de
filtración de alrededor de 75 gal/h. Además en el proceso se
usa actualmente el factor C en el nivel alto. Al ingeniero le
gustaría reducir la concentración de formaldehído lo más
posible, pero no ha podido hacerlo porque siempre produce
índices de filtración más bajos.
Ejemplo:
Daniel describe un diseño factorial 24 utilizado
para estudiar la rapidez de avance de una
perforadora como una función de cuatro
factores: la carga de la perforadora (A), la
rapidez de flujo (B), la velocidad de rotación (C)
y el tipo de lodo de perforación usado (D). Los
datos se presentan en la figura:
Los residuales dan información de la
variabilidad del proceso.
Se corrió un diseño 24 en un proceso de
manufactura de paneles laterales y ventanas de
un avión comercial. Los paneles se hacen en una
prensa, y bajo las condiciones actuales es
demasiado elevado el número promedio de
defectos por panel en una operación de
prensado. (El promedio actual del proceso es 5.5
defectos por panel.) Se investigan cuatro factores
utilizando una sola réplica de un diseño 24 en el
que cada réplica corresponde a una sola
operación de prensado. Los factores son la
temperatura (A), el tiempo de sujeción (B), el flujo
de resina (C) y el tiempo de cierre en el prensado
(D)
Tiene una distribución
aproximadamente normal
estándar
La confusión o mezclado es una técnica
mediante la cual un experimento factorial
completo se distribuye en bloques.
La estructura generada corresponden a
diseños de bloques incompletos.
Diseño factorial 𝟐𝒌 en 𝟐𝑝 bloques
incompletos, p<k
Lo usual es confundir la interacción de orden
más alto con los bloques.
Confusión en dos bloques
Se tiene una solo réplica de un diseño factorial
𝟐𝒌 con k=2. Se cuenta con dos lotes de materia
prima, cada lote alcanza para probar dos
combinaciones de tratamientos
Para confundir o mezclar un efecto A, B o AB,
con los bloques.
Se tiene una solo réplica de un diseño factorial
𝟐3 que se corre en dos bloques y se quiere
confundir la interacción ABC con los bloques.
Las combinaciones de tratamientos que son
negativas se ponen en el bloque 1, las
restantes en el bloque 2
Método basado en el contraste de definición
xi: es el nivel del factor i-ésimo que aparece en una
combinación de tratamientos
αi: exponente que aparece en el factor i-ésimo para el efecto que va
a confundirse
Para un experimento 𝟐𝒌
αi=0 o 1
xi=0, en el nivel bajo
xi=1, en el nivel alto
Un producto químico se fabrica en un envase presurizado.
Se lleva a cabo un experimento factorial en la planta piloto
para estudiar los factores que se piensa influyen en el índice
de filtración de este producto. Los factores son la
temperatura (A), la presión (B), la concentración del
formaldehído (C) y la velocidad de agitación (D). Cada factor
está presente con dos niveles. La matriz del diseño y los
datos de la respuesta obtenidos de una sola réplica del
experimento se muestran en la tabla. Las 16 corridas se
hacen de manera aleatoria. El ingeniero del proceso está
interesado en maximizar el índice de filtración. Las
condiciones actuales del proceso producen índices de
filtración de alrededor de 75 gal/h. Además en el proceso se
usa actualmente el factor C en el nivel alto. Al ingeniero le
gustaría reducir la concentración de formaldehído lo más
posible, pero no ha podido hacerlo porque siempre produce
índices de filtración más bajos.
Suponer que no es posible correr las 16
combinaciones de tratamientos con un solo
lote de materia prima, el experimentador
puede correr ocho combinaciones de los
tratamientos con un solo lote del material.
Es lógico confundir la interacción de orden
más alto, en este caso ABDC, con los bloques.
La segunda modificación que se hará es introducir un
efecto de los bloques para que pueda demostrarse la
utilidad de la formación de bloques. Suponga que
cuando se seleccionan los dos lotes de materia prima
que se necesitan para correr el experimento, uno de
ellos es de calidad mucho más baja y, como
resultados, todas las respuestas serán 20 unidades
menores en este lote de material que en el otro. El
lote de calidad menor se convierte en el lote 1 y el de
buena calidad en el bloque 2. Entonces todas las
pruebas del bloque 1 se realizan primero, pero las
respuestas son 20 unidades más bajas que las que se
habrían obtenidos si se hubieran usado el material de
buena calidad.
Confusión en cuatro bloques
Se puede construir diseños factoriales 𝟐𝒌
confundidos en cuatro bloques con 𝟐𝒌−2
observaciones cada uno.
Útil cuando el número de factores es
moderadamente grande y el tamaño de los
bloques es relativamente pequeño
Por ejemplo en un diseño 𝟐5 en cuatro bloques. Se
seleccionan dos efectos para confundirlos con los
bloques, por ejemplo ADE y BCE. Automáticamente
se confunde un efecto que es la interacción
generalizada de los dos anteriores.
𝐿1 = 𝑥1 + 𝑥4 + 𝑥5
𝐿2 = 𝑥2 + 𝑥3 + 𝑥5
Las combinaciones de tratamientos que producen
los mismos valores para 𝐿1 𝑦 𝐿2 se asignan a un
mismo bloque.
Para el estudio de un proceso químico tanto a escala de
laboratorio como industrial, es necesario conocer los
parámetros cinéticos, termodinámicos, entre otros. Los
procesos químicos industriales involucran otros estudios
complementarios como la preparación de las materias
primas, acondicionamiento de los productos obtenidos,
etc.
En un proceso químico en laboratorio se evaluó el
rendimiento, es de interés tener un mayor rendimiento.
Los factores en estudio son A=material (tipo F1, tipo F2),
B=luz (baja, media), C=agitación (baja, media), D=
concentración de catalizador (media, alta); cada uno de
ellos en sus niveles bajos (-) y altos (+) respectivamente.
Suponga que no es posible correr las 16 combinaciones y
por ello el ingeniero utilizará un diseño 24 confundido en
4 bloques.
Considerando que se confunden las
interacciones ACD y BCD.
Asúmase que luego de ejecutar la asignación
de bloques y de realizar las corridas del
experimento se obtuvieron los siguientes
datos por tratamiento.
a. Considerando la tabla de signos positivos y
negativos, en un diseño 24 obtener los
tratamientos asignados a cada uno de los
bloques.
b. Usando el software R determinar los
tratamientos asignados a cada uno de los
cuatro bloques.
c. A partir de la gráfica de probabilidad normal
determine los efectos y/o interacciones
significativos. Fundamente su respuesta.
d. Verifique cuantitativamente el supuesto de
normalidad y homogeneidad de variancias.
Concluya.
Si el experimentador puede suponer que
ciertas interacciones de orden superior son
insignificantes, es posible obtener información
de los efectos principales y las interacciones de
orden inferior corriendo una fracción del
experimento factorial completo.
Tres factores, cada uno con dos niveles son de
interés, pero no se puede realizar las 8
combinaciones de tratamientos, pero si se
puede hacer 4 corridas, entonces se trabaja
una fracción un medio del diseño 23 y se le
representa 23−1
Suponer que se trabajará con a,b,c y abc
como la fracción un medio. El diseño 23−1 se
forma seleccionando las combinaciones que
tienen signo positivo en la columna ABC.
ABC es el generador.
I=ABC ,se le llama relación de definición del
diseño, es decir el conjunto de todas las
columnas que son iguales a la columna
identidad.
Cuando se estima A se estima A+BC,etc.
A dos o más efectos con esta propiedad se
les llama alias.
I=ABC, A*I=A*ABC=BC (El alias de A es BC)
A la fracción un medio con I=ABC se le llama
fracción principal.
A la fracción un medio con I=-ABC se le llama
fracción alterna o complementaria.
Cuando se estima A se estima A-BC,etc
Resolución del diseño
Diseño de resolución III: Ninguno de los
efectos principales es alias de ningún otro
efecto principal, pero los efectos principales
son alias de las interacciones de dos factores y
algunas de las interacciones de dos factores
pueden ser alias entre sí. El diseño 23−1 es un
diseño de resolución III (23−1
𝐼𝐼𝐼 )
Diseño de resolución IV: Ninguno de los
efectos principales es alias de ningún otro
efecto principal ni de las interacciones de dos
factores, pero las interacciones de dos factores
son alias entre sí. Un diseño 24−1 con I=ABCD
es un diseño de resolución IV (24−1
𝐼𝑉 )
Diseño de resolución V: Ninguno de los efectos
principales ni de las interacciones de dos
factores son alias de otro efecto principal o
interacción de dos factores, pero las
interacciones de dos factores son las de las
interacciones de tres factores. Un diseño 25−1
con I=ABCDE es un diseño de resolución V
(25−1
𝑉 )
Para tener un diseño con la resolución más alta
posible: puede construirse con el diseño básico
de un 𝟐𝒌−1 completo, añadiendo luego el factor
k-ésimo que tenga los signos de la interacción
ABC…K de orden más alto.
23−1
𝐼𝐼𝐼 se obtiene con el diseño básico 𝟐 2 e
igualando luego el factor C con la interacción
AB, la fracción alterna será C=-AB
El generador I=ABC…K se resuelve para la
columna faltante (K), entonces K=ABC…(K-1)
Se puede usar otro efecto de interacción para
la columna del factor k-ésimo pero no se
producirá el diseño con la más alta resolución.
Se investigaron cinco factores en un proceso de
manufactura de un circuito integrado en un diseño 𝟐5−1
con el objetivo de mejorar el rendimiento del proceso.
Los cinco factores fueron A = ajuste de apertura
(pequeña, grande), B = tiempo de exposición (20%
abajo del nominal, 20% arriba del nominal), C = tiempo
de desarrollo (30 s, 45 s), D = tamaño de la máscara
(pequeña, grande) y E = tiempo de grabado (14.5 min,
15.5 min). En la tabla 8-5 se muestra la construcción
del diseño 𝟐5−1 • Observe que el diseño se construyó
apuntando el diseño básico que tiene 16 corridas (un
diseño 𝟐4 en A, B, C y D), seleccionando ABCDE como
generador, y ajustando después los niveles del quinto
factor E =ABCD. En la figura 8-5 se presenta una
representación geométrica del diseño.
Todos los efectos principales son alias de una
interacción de 4 factores, por ejemplo 𝑙𝐴 →
𝐴 + 𝐵𝐶𝐷𝐸
Cada una de las interacciones de dos factores
son alias de interacciones de tres factores.
El diseño es de resolución V.
El diseños tiene 𝟐𝒌−2 corridas.
Se puede construir mediante un diseño básico
conformado por las corridas asociadas con un
diseño factorial completo en k-2 factores y
asociando después las dos columnas adicionales
con las interacciones elegidas que incluyan a los
primero k-2 factores.
Se tienen dos generadores. Sean P y Q los
generadores escogidos, I=P e I=Q son las
relaciones generadoras del diseño.
La fracción para la que P y Q son positivas es la
fracción principal.
Sobre la relación de definición completa, está
constará de P,Q y su interacción generalizada
PQ. La relación de definición es I=P=Q=PQ
Cada efecto tiene tres alias
Para un diseño 𝟐6−2 suponer que se escogen
I=ABCE e I=BCDF como los generadores del
diseño.
La interacción generalizada es ADEF,
entonces la relación de definición completa
es: I=ABCE=BCDF=ADEF
Las piezas fabricadas en un proceso de moldeo por
inyección están presentando una contracción excesiva. Esto
está ocasionando problemas en las operaciones de
ensamblaje que se realizan después del moldeo por
inyección. Un equipo de mejoramiento de calidad ha
decidido llevar a cabo un experimento diseñado para
estudiar el proceso de moldeo por inyección a fin de poder
reducir la contracción. El equipo decide investigar seis
factores: la temperatura de moldeo (A), la velocidad del
enroscado (B), el tiempo de retención (C), la duración del
ciclo (D), el tamaño del vaciadero (E) y la presión de la
retención (F), con dos niveles cada uno, con el fin de saber
cómo se afecta la contracción debido a cada factor, así como
para obtener información preliminar acerca de la forma en
que los factores interactúan.
El equipo decide usar el diseño factorial
fraccionado de 16 corridas con dos niveles.
Montgomery, D. (2004). Diseño y análisis de
experimentos. 2da edición. Editorial Limusa.
Notas de clase del profesor Victor Maehara,
del curso Diseños Experimentales II.
Kuehl, R. (2001).Diseño de experimentos.
Principios estadísticos de diseño y análisis de
investigación. 2da edición. Thomson
Learning.
Notas de clase del profesor Felipe De
Mendiburu, del curso de Diseños
Experimentales II.
