P. 1
Diseño de experimentos factoriales

Diseño de experimentos factoriales

|Views: 376|Likes:
Publicado porJohn Ramírez

More info:

Published by: John Ramírez on Apr 14, 2013
Copyright:Attribution Non-commercial

Availability:

Read on Scribd mobile: iPhone, iPad and Android.
download as PDF, TXT or read online from Scribd
See more
See less

06/10/2015

pdf

text

original

DISEÑO DE

E X P E R I M E N T O S FACTORIALES

APLICADOS A

PROCESOS I N D U S T R I A L E S

Jorge Galbiati Riesco

Jorge Galbiati Riesco: Diseño de Experimentos Factoriales con aplicaciónes a Procesos Industriales - 1 -

D I S E Ñ O D E E X P E R I M E N T O S FACTORIALES APLICADOS A PROCESOS I N D U S T R I A L E S
Jorge Galbiati Riesco

INDICE Pag. CAPITULO 1. DISEÑOS EXPERIMENTALES FACTORIALES 1.1 Definiciones Resistencia de un Mortero 1.2 Diseños "Uno-a-la-Vez" Ejemplo 1.1 EJERCICIOS CAPITULO 2. DISEÑOS EXPERIMENTALES CON DOS FACTORES A DOS NIVELES Fabricación de Mermelada de Uva a partir de los Descartes de la Selección de Uva de Mesa; Estudio de la Acidez y la Consistencia Precisión del Test de Disolución utilizado en la Industria Farmacéutica. Ejemplo 2 2-4 2.1 Gráficos de Interacción 2.2 Matriz de Diseño del Experimento 22 2.3 Tablas de Respuestas 2.4 Diagramas de Efectos 2.5 Aleatorización 2.6 Réplicas Secado de Sanitarios EJERCICIOS CAPITULO 3 DISEÑOS FACTORIALES CON TRES FACTORES A DOS NIVELES Efecto de Catalizadores en la Emisión de SO4 a la Atmósfera, en una Planta de Producción de Acido Sulfúrico Ley de Cal Libre en el Proceso de Producción de Cal Análisis de Laboratorio para la Determinación de contenido de Cloruro en Cátodos de Cobre 3.1 Matriz de Diseño del Experimento 23 Materiales Aislantes de Ruido, para encerramiento de una Máquina de Forja 3.2 Tabla de Respuestas y Diagrama de Efectos del Experimento 23 Ejemplo 3 3-9 3.3 Gráficos de Interacción Optimización de la Plasticidad de un ompuesto de Caucho de la Banda de Rodamiento de Neumáticos EJERCICIOS 1-1 1-1 1-2 1-4 1-4 1-6 2-1 2-1 2-3 2-6 2-7 2-8 2-9 2-9 2-10 2-10 2-13 3-1 3-1 3-3 3-3 3-4 3-8 3-9 3-10 3-12 3-14

Jorge Galbiati Riesco: Diseño de Experimentos Factoriales con aplicaciónes a Procesos Industriales - 2 -

CAPITULO 4 DISEÑOS FACTORIALES FRACCIONADOS Ejemplo 4 4-1 Ejemplo 5 4-1 Ejemplo 6 4-2 Precisión del Resultado del Análisis Químico para Medir el contenido de Oro en Concentrados de Cobre 4.1 Efectos Confundidos Ejemplo 7 4-8 4.2 Construcción de Bloques en Diseños 2k Ejemplo 8 4-10 4.3 Resolución de un Diseño Factorial Fraccionado EJERCICIOS CAPITULO 5 DISEÑOS FACTORIALES CON MAS DE DOS NIVELES POR FACTOR Pérdida de Calibración de Láminas Bimetálicas, utilizadas com Elemento de Seguridad en Artefactos de Gas 5.1 Diseños Factoriales 23, con dos Factores a tres niveles Ejemplo 9 5-3 Resistencia a la Flexión en la Fabricación de Ladrillos 5.2 Diseños 32 Fraccionados Ejemplo 10 EJERCICIOS CAPITULO 6 ELEMENTOS DE ANALISIS DE VARIANZA 6.1 El Modelo Lineal 6.2 Análisis de Varianza a un Factor Ejemplo 11 6.3 Tabla de Análisis de Varianza a un Factor Distribución de Operadoras para la Recepción de Pedidos 6.4 Análisis de Varianza a dos Factores 6.5 Tabla de Análisis de Varianza a dos Factores Ejemplo 12 Proceso de Extracción de Cobre de la Lixiviación de Bateas EJERCICIOS APENDICE Tabla F

4-1

4-2 4-4 4-9 4-12 4-12 5-1 5-1 5-2 5-6 5-9 5-10 5-15 6-1 6-1 6-4 6-7 6-9 6-10 6-12 6-12 6-14 6-16

Jorge Galbiati Riesco: Diseño de Experimentos Factoriales con aplicaciónes a Procesos Industriales - 3 -

se habla de un estudio observacional. y que son controlados por el experimentador. el logro del mejoramiento de la calidad de lo que entrega un proceso. análisis y comprensión de la variabilidad de los procesos. de modo de poder determinar si efectivamente son causa de variación. se denomina experimento. En general toman valores que se miden en escala categórica. La variabilidad y la calidad son conceptos que se contraponen.Definiciones. se denominan factores. También se denominan tratamientos. y la manera de llevarlo a cabo es hacer variar los factores que potencialmente influyen sobre un fenómeno. Y si lo son. Cada corrida experimental corresponde a una realización del experimento. hay más aplicación de la tecnología estadística. depende en gran medida del grado con que se pueden identificar y cuantificar las fuentes de variación de cada una de las etapas del proceso. la variación es muy grande. Cada una de las fases en que se lleva a cabo el experimento. casi imperceptible. Los fenómenos que potencialmente causan variación. bajo una determinada combinación de tratamientos. cuantificar el grado de influencia de cada uno. cuesta distinguirlas. exhibe un comportamiento variable. sea un proceso de fabricación con avanzada tecnología. Jorge Galbiati Riesco: Diseño de Experimentos Factoriales con aplicaciónes a Procesos Industriales . Un estudio en el que el investigador tiene un alto grado de control sobre las fuentes de variación importantes. y el estudio de la forma en que se combinan y afectan conjuntamente la variación. y produce una observación. y que presenta características susceptibles de ser medidas. aunque a veces suelen ser medidos en escalas numéricas. La estadística es la tecnología desarrollada específicamente para el estudio. Son los valores que toma un factor. comparando los efectos que se producen. Combinación de Tratamientos.4 - . En relación a un estudio del tipo descrito anteriormente. se pueden definir los siguientes conceptos: Experimento. la cuantificación del efecto que cada uno de ellos tiene sobre esa variación. En el primer caso la variación es muy pequeña. puede definirse la calidad como la reducción de la variabilidad. en el resultado de un proceso de producción o de servicio.CAPITULO 1 DISEÑOS EXPERIMENTALES FACTORIALES Todo fenómeno que podemos observar. De ahí que prácticamente todos los métodos estadísticos sean útiles para el desarrollo de sistemas de mejoramiento de la calidad. Cada una de las combinaciones de niveles de todos los factores involucrados en el experimento. Sea este fenómeno un proceso llevado a cabo en un laboratorio de precisión. pero aún así existe.. Todo esto conforma un experimento. Corrida Experimental.1. Sólo reduciendo la variabilidad y logrando diseñar procesos estables se puede mejorar la calidad de los productos y servicios. o sea un fenómeno en que interviene en forma importante el ser humano. potencialmente. Pero tal vez el tipo de situación en que. En el caso de los fenómenos de tipo humano. Consecuentemente. como respuesta a diferentes cantidades o calidades de los factores. psicológico o económico. como los de tipo social. Niveles de un factor. y sus causas son difíciles de aislar y más aún de medir. donde las fuentes de variación son numerosas. Factores. es la determinación de factores que causan variación. en que se puede tener un alto grado de control sobre los factores que causan variación. y observar su efecto. Si se tiene poco control sobre los factores. 1.

Réplicas. Todas las corridas experimentales que corresponden a una misma combinación de tratamientos. Son repeticiones del experimento, bajo idénticas condiciones de los factores. Tienen un doble objetivo: Lograr mayor precisión en la estimación de los efectos de los factores y de sus interacciones, y estimar el error experimental. Experimento Balanceado. Es un experimento en que todos los niveles de cada factor aparece el mismo número de veces. Si no se da esta situación, el experimento es desbalanceado. Diseño. La estructura constituida por los factores y los niveles que se les asignan, en la experimentación. El diseño es la parte que controla el experimentador. Respuesta. La variable objetivo, que se pretende optimizar, y que depende potencialmente de los factores. La respuesta es lo que se mide como resultado de la experimentación, no es controlada por el experimentador. Es una variable medida en escala numérica. Efecto Principal. Un efecto principal es la variación en la respuesta, atribuida al cambio en un factor determinado, a través de sus distintos niveles. Interacción. El efecto producido por la acción de un factor, influido por la presencia de otro. Es un efecto combinado de dos o más factores. Si no existe un efecto de interacción, se dice que los efectos de los factores son aditivos. Error Experimental. La parte de la variabilidad que no está explicada por los factores involucrados en el experimento.

ESTUDIO DE CASO : RESISTENCIA DE UN MORTERO. Mortero es el material que resulta de la mezcla de agua, arena, cemento, eventualmente aditivo, en proporciones adecuadas, y que al fraguar y endurecer, adquiere resistencia. Desde la fabricación de los primeros cementos en el mundo, se han realizado infinidades de ensayos para determinar cuáles son las mejores dosificaciones y los mejores elementos para la fabricación de un mortero, para que satisfaga las necesidades de una determinada aplicación. Se sabe que son muchas las variables que afectan el proceso de endurecimiento, o fraguado, del mortero. Entre las variables que afectan la resistencia a la flexión y compresión de un mortero, sin duda que las más importantes son la característica del cemento que se está utilizando y la cantidad del mismo. Dentro de los diferentes tipos de cementos que se pueden utilizar, existen los Puzolánicos y los Siderúrgicos, y dentro de los mismos, unos de alta resistencia y otros de resistencias normales. El Cemento Puzolánico es aquel en cuya fabricación se utiliza Puzolana, una ceniza volcánica decantada durante milenios. El Cemento Siderúrgico utiliza escoria producida en un Alto Horno, durante el proceso de fabricación de acero. Entre los factores que influyen sobre la resistencia del mortero, están el tipo de arena y el tipo de agua que se utilizan. De acuerdo a la zona geográfica, varían la granulometría de la arena, las sales minerales y materias orgánicas que contiene. Estos últimos elementos también varían según la procedencia del agua. Se hizo un estudio para observar el efecto de algunos de los factores controlables que afectan la resistencia de un mortero, a la flexión y la compresión. Para efectos de este estudio, se consideraron solo tres variables: Cantidad de Cemento Siderúrgico (resistencia normal), tipo de arena, cantidad de agua. OBJETIVO DEL EXPERIMENTO : El objetivo del experimento es determinar en qué medida afectan las tres variables mencionadas, la resistencia de un mortero, y cómo interaccionan entre ellas.

Jorge Galbiati Riesco: Diseño de Experimentos Factoriales con aplicaciónes a Procesos Industriales - 5 -

DISEÑO DEL EXPERIMENTO : Es un experimento a tres factores, con dos niveles cada uno, según la siguiente descripción: FACTORES A: Cantidad de Cemento Siderúrgico de resistencia normal. NIVELES a1 : 300 kg. de cemento por m3 de mortero a2 : 450 kg. de cemento por m3 de mortero b1 : Diámetro máximo 2.5 mm b2 : Diámetro máximo 1.25 mm c1.: 0.8 c2 : 1.2

B : Granulometría de arena utilizada. C : Razón de agua - cemento.

RESPUESTA: La respuesta es la resistencia a la flexión y compresión, en Kg/cm2 de probetas de mortero del tipo Rilem (de 4x4x16 cm). Los ensayos se realizaron en equipos normalizados para medir resistencias a la flexión y compresión. Se asume que las características de la Arena y del Agua utilizada, en cuanto a su composición química, son similares. PREPARACIÓN DE MUESTRAS: Determinadas la materias primas con las que se confeccionaron la probetas para los ensayos, se realizó una homogeneización de cada una de ellas. Se determinó cuáles son sus componentes, composición química, presencia de sales, presencia de material orgánico, Una de las variables que también es muy influyente en el fraguado de morteros es la condición ambiente en que se realiza el fraguado; luego, durante el experimento fue necesario mantener las probetas que estaban en proceso de fraguado, en una condición climática estable y controlada. Se hicieron fraguar al aire por 24 horas, con una humedad relativa constante sobre el 90%. Posterior a esto, se continuó su proceso de fraguado sumergidas en agua, a una temperatura entre 20 y 21 ºC, por los días necesarios para realizar el ensayo. Las probetas se fabricaron bajo un mismo procedimiento, Se confeccionaron 5 probetas para cada combinación de tratamientos, con el objeto de realizar pruebas de resistencia a la flexión y compresión, transcurridos 1,2, 3, 7, y 28 días. En la medida que las probetas cumplían con la edad para su ensayo, se extrajeron directamente de la piscina de agua para someterlas a la prueba. Primero se les realizó el ensayo de flexión y luego el de compresión. Estos ensayos son de tipo destructivos por lo que una vez realizado el ensayo de flexión, a los dos trozos que quedaban se les realizó la prueba de compresión. El valor representativo es el promedio de los dos valores. LIMITACIONES: Como mencionamos anteriormente, existen muchos factores que influyen sobre las resistencias finales de los morteros. Una gran limitante que puede tener el experimento es la presencia de algún elemento contaminante que no sea detectable con los equipos de laboratorio con que se cuenta. Esto podría traer como consecuencia una distorsiones en los resultados observados. 1.2.- Diseños "uno-a-la-vez". Consisten en mantener constante los valores de todos los factores que potencialmente inciden en el efecto que se quiere observar, menos uno de ellos, que es el que está siendo analizado. Esto se debe repetir para cada uno de los factores que se han identificado. Este es un tipo de experimentación bastante utilizado, pero que adolece de muchas limitaciones. Son adecuados cuando se presentan condiciones como las siguientes:

Jorge Galbiati Riesco: Diseño de Experimentos Factoriales con aplicaciónes a Procesos Industriales - 6 -

1) El resultado es una función compleja del factor, por lo que se deben emplear múltiples valores o niveles distintos del factor para determinar el comportamiento de la respuesta. 2) Los efectos resultantes no presentan interacciones. Esto significa que la forma del comportamiento de uno de ellos no es afectado por el nivel en que se encuentran los demás. En este caso se dice que los efectos son aditivos. Estas situaciones se dan muy rara vez. Por lo general se presentan, en cambio, condiciones como las siguientes: 1) En la región experimental, es decir, el rango en que varían los valores de los factores, el efecto resultante presenta muy poca curvatura, y ésta no cambia de sentido, como sería, por ejemplo, el cambio de una región cóncava a una región convexa. 2) Los efectos resultantes no son aditivos. El nivel en que está un factor influye sobre la forma en que otro factor afecta la respuesta. Bajo estas condiciones, el método de experimentación "uno-a-la-vez" da resultados poco satisfactorios, muchas veces con conclusiones erróneas. En general, es conveniente estudiar simultáneamente el efecto de dos o más factores, en un mismo experimento. Las ventajas de este procedimiento, sobre el hacer un experimento individual para cada factor, son, que se pueden estudiar las interacciones entre los factores, se ahorra tiempo y esfuerzo, y las conclusiones a que se lleguen tienen mayor aplicabilidad, debido a que cada factor se estudia bajo condiciones variables de los otros. EJEMPLO 1.1. Supóngase que se desea investigar qué efecto tiene sobre la dureza de un pegamento epóxico, la precisión a que están sometidos los elementos que se han de adherir, y la temperatura, durante el tiempo de endurecimiento. Se mantiene la temperatura constante, a 50 ºC, por decisión del experimentador, durante el experimento. A la presión se le dan los valores 5, 10, 15, 20, 25, 30, y 35 Psi., y se mide la dureza resultante en cada uno de los 7 casos. Los resultados se ilustran en la siguiente figura:

Figura 1.1. Dureza del pegamento epóxico, versus presión, a 50ºC.

Se observa que el mejor resultado se obtiene si se fija la presión en 25 Psi. Después se realiza un experimento separado para determinar la temperatura óptima. Se fija la presión en 25 Psi. y a la temperatura se le da los valores 10, 20, 30, 40,5é0, y 60 grados. El efecto sobre la dureza se ilustra en la siguiente figura, que muestra que el óptimo se obtiene con una temperatura de 30 ºC. El valor máximo de dureza es 23.

Jorge Galbiati Riesco: Diseño de Experimentos Factoriales con aplicaciónes a Procesos Industriales - 7 -

y el valor máximo de dureza. 1.. 16 Psi). es 36.Figura 1. relacionados con diseños Niveles de un factor.1) experimentales: a) b) Dé una definición de cada uno de los siguientes conceptos. versus temperatura.2. no es el óptimo. como función de los dos factores combinados. a 25 Psi. en ese punto. EJERCICIOS. temperatura = 30 ºC. versus presión y temperatura. si conociéramos la forma de la respuesta. presión y temperatura. Figura 1. Sin embargo. presión = 25 Psi. El óptimo está en el valor (17grados. como se muestra en la figura siguiente. Curvas de nivel de la dureza del pegamento epóxico. Dureza del pegamento epóxico. veríamos que el punto encontrado.3. Combinación de tratamientos.8 - . Jorge Galbiati Riesco: Diseño de Experimentos Factoriales con aplicaciónes a Procesos Industriales .

a) Identifique los siguientes elementos. ¿Cuáles son las posibles interacciones ? i) ii) iii) iv) v) vi) b) c) d) Jorge Galbiati Riesco: Diseño de Experimentos Factoriales con aplicaciónes a Procesos Industriales . Las combinaciones de tratamientos. 10mm. A mayor presión.2) En la fabricación de retenes para ser utilizados en motobombas (entre la bomba y el motor a gasolina). por cada combinación de tratamientos. se le dan cuatro valores. 11mm. en este experimento: Todos los factores. El experimento se diseña de tal modo que se observe el efecto de cada combinación de tratamientos dos veces. aleación 1. Respuesta. El número de corridas experimentales. La respuesta. Se puede utilizar dos técnicas de pulido. 1. ¿Es balanceado el experimento ? Describa los efectos principales. aleación 2. es importante la calidad del pulido del interior de la pieza móvil. y la unidad en que se mide. y 12mm. respectivamente. mientras se aumenta la presión del agua que debe retener. La respuesta es la presión a la cual comienza a filtrar el retén. Los niveles de cada factor. y aleación 3..9 - . El metal de la camisa interior puede ser de tres aleaciones distintas. que llamaremos pulido 1 y pulido 2. También interesa observar el efecto de variar el ancho de la pieza.c) d) Corrida experimental. Se diseña un experimento para determinar qué combinación produce el mejor resultado. mejor. 9mm. Esta se mide utilizando el mecanismo. El número de réplicas.

CON DOS FACTORES A DOS NIVELES Una fase inicial de un estudio tiene por objeto efectuar un diagnostico. Adición solución de ácido cítrico 8. la adición de ácido cítrico aumenta la acidez del producto. de ambos factores. sino que nos permitirá determinar si cada uno de ellos afecta o no la respuesta. Los diseños con dos factores a dos niveles son dísenos experimentales extremadamente simples. así como nos dirá si existe o no interacción entre ambos factores. ésta es sólo cuestión de nombres. Una industria se propone fabricar mermelada de uva. De los dos niveles que definimos para cada factor. está en la economía del experimento y en la simplicidad del análisis de los resultados. Pesaje3. se miden en escala categórica nominal. La respuesta siempre debe medirse en escala numérica. y en qué medida. pero a través de su análisis se pueden ilustrar los principios de la experimentación. basta con utilizar sólo dos niveles para cada factor. Los niveles de los factores. puede ser ordinal o numérica. o simplemente experimentos 22 . respectivamente. Envasado En una etapa inicial del estudio de formulación. los niveles pueden ser dos distintos procesos de producción. Jorge Galbiati Riesco: Diseño de Experimentos Factoriales con aplicaciónes a Procesos Industriales . El descarte de uva es una materia prima no tradicional. producidos por el proceso de selección. Por eso suele hablarse de diseños experimentales 22. En general. El diagnostico no nos entregará la combinación de los niveles optima. En estos diseños hay 22 = 4 combinaciones de tratamientos posibles. en la aceptación del producto. Recepción 2. A los factores los designaremos Factor A y Factor B. El proceso de la elaboración de la mermelada sigue el siguiente esquema: 1. aprovechando los descartas de uva de mesa.10 - . Adición solución de pectina 5. aumenta la consistencia. pues por cada uno de los dos niveles de un factor hay dos niveles del otro. Calentamiento 4. por esa razón. por lo que se requiere estudiar la formulación óptima del producto. Esta. Enfriamiento 7. pues no siempre se puede cuantificar el factor. a uno lo llamaremos nivel bajo y al otro nivel alto. En ciertas situaciones se prefiere hablar de ausencia y presencia del factor. se requiere conocer la forma como influyen la acidez y la consistencia. o pueden ser la utilización o no utilización de un dispositivo. en general. La conveniencia de fijar solo dos niveles por factor.CAPITULO 2 DISEÑOS FACTORIALES 22 . eventualmente. ESTUDIO DE LA ACIDEZ Y LA CONSISTENCIA. ESTUDIO DE CASO : FABRICACIÓN DE MERMELADA DE UVA A PARTIR DE LOS DESCARTAS DE LA SELECCIÓN DE UVA DE MESA. En la fabricación de mermelada. y la adición de pectina. Por ejemplo. Calentamiento 6.

71 % Este es un experimento 22. para su evaluación. a1b2 puede representar el nombre de la combinación de tratamientos Jorge Galbiati Riesco: Diseño de Experimentos Factoriales con aplicaciónes a Procesos Industriales . Pectina 0. Pectina 0.29 %. resultado de la evaluación sensorial del producto por un grupo de panelistas. El orden en que se efectuaron fue determinado al azar. utilizando la escala hedónica (escala de puntuación de preferencia). a dos factores con dos niveles cada uno. a dos niveles cada uno. Introduciremos un tipo especial de notación utilizada en experimentos factoriales. a los que se les dio a probar cada uno de los productos.86 % b2 : 1. y es el diseño del experimento. Cada uno de sus elementos es una combinación de tratamientos.1 .43 %. Pectina 1. A veces se utilizan los símbolos de la columna 4 para las respuestas. El siguiente esquema muestra los elementos principales de este sencillo experimento: 1 CORRIDA EXPERIMENTAL 2 DISEÑO FACTOR A FACTOR B COMBINACION DE TRATAMIENTOS RESPUESTA 3 4 5 1 2 3 4 a1 a2 a1 a2 b1 b1 b2 b2 a1b1 a2b1 a1b2 a2b2 2 Y11 Y21 Y12 Y22 Tabla 2. La segunda y tercera columnas constituyen lo que controla el experimentador. en orden diferente. Acido cítrico 1. Pectina 1.11 - .43 % a2: 1. como resultado de cada corrida experimental. respectivamente.71 %. Para medir sus efectos sobre la respuesta. RESPUESTA: Puntaje promedio. que son las respuestas.86 %.86 %. La cuarta columna es una representación simbólica de cada combinación de niveles de ambos factores.Combinaciones de Tratamientos del Diseño Experimental 2 . con ocho réplicas. a dos niveles cada uno.43 %. Cada una de las cuatro filas es una corrida experimental. y que ha sido una de las notaciones tradicionales que se ha empleado. Por lo que. la concentración de ácido cítrico y de pectina.Para ello se diseño un experimento con dos factores. Acido cítrico 1.29 % b1 : 0. DISEÑO DEL EXPERIMENTO : Se hizo con dos factores.71 %. Acido cítrico 0. se utilizó un panel de degustación. los de B por b1 y b2 . y está constituida por números. Tiene cuatro combinaciones de tratamientos. que son: a1b1 : a2b1 : a1b2 : a2b2 : Acido cítrico 0. en lugar de los símbolos de la columna 5.29 %. Los niveles de A los designamos por a1 y a2 . La ultima columna es lo que se mide. FACTORES A: Acido Cítrico B: Pectina NIVELES a1: 0. en que participó un grupo de ocho jueces.

entonces. FACTORES A : Tipo de aparato. La industria farmacéutica tiene que asegurar al paciente la entrega de medicamentos de elevada calidad. Jorge Galbiati Riesco: Diseño de Experimentos Factoriales con aplicaciónes a Procesos Industriales . se sabrá que esta simbolizando. OBJETIVO DEL EXPERIMENTO : El objetivo del presente experimento es evaluar el efecto que tienen algunos componentes del test de disolución. En el caso de las formas farmacéuticas sólidas. DISEÑO DEL EXPERIMENTO : Se diseñó a dos factores. indistintamente. 2 ESTUDIO DE CASO : PRECISION DEL TEST DE DISOLUCION UTILIZADO EN LA INDUSTRIA FARMACEUTICA. Para medir este parámetro se han diseñado diversas pruebas de laboratorio. con dos niveles cada uno. Se hicieron seis réplicas. Según el contexto en que se encuentra.12 - . b2 : 100 revoluciones por min. como también puede representar el numero Y12 . los elementos que constituyen el experimento Figura 2. es dar una aproximación a la evaluación de la disponibilidad fisiológica de la droga y proveer un medio de control para asegurar que todos los lotes muestran similar efectividad clínica. b1 : 50 revoluciones por min. se ha difundido ampliamente el uso del test de disolución. en forma esquemática.1 . 22: El siguiente diagrama ilustra. laaquellas condiciones in vivo que afectan la velocidad de disolución y por lo tanto de biodisponibilidad del medicamento. Se trata de un test diseñado para simular de la manera más fidedigna posible. B : Velocidad de Rotación. El objetivo de este test.constituida por A al nivel bajo y B al nivel alto. por cada combinación de tratamientos. NIVELES a1 : Canastillo rotatorio. el tipo de aparato y la velocidad de rotación.Representación gráfica del experimento 2 . específicamente comprimidos. sobre la velocidad de la disolución de comprimidos del medicamento Prednisona. Uno de los requisitos de calidad de un medicamento es que sea efectivo. a2 : Paleta.

) que se disuelve en un tiempo de 30 minutos. La siguiente tabla resume los factores y niveles del experimento: FACTORES A : TIPO DE RESINA B : GRANULADO DE LA VIRUTA NIVELES a1 : Resina Standard a2 : Resina Nueva b1 : Fino b2 : Grueso RESPUESTA : Rigidez de la placa. sufra una deformación de 5 milímetros. Uno es el tipo de resina. Al tiempo 30 minutos se extrae una cantidad de fluido de disolución desde cada uno de seis vasos. y se cuantifica la Pregnisona mediante técnicas espectro fotométricas. y la medición de las respuestas dio los siguientes resultados: Jorge Galbiati Riesco: Diseño de Experimentos Factoriales con aplicaciónes a Procesos Industriales . Volumen del fluido. se utiliza viruta combinada con resina de urea-formaldeido. Tapar el vaso durante la experiencia. En la fabricación de placas de madera aglomerada. (medida en Kg. que cada vaso esté centrado.). de dimensiones determinadas. Se diseña un experimento en que los dos factores tienen dos niveles.RESPUESTA: La respuesta es el porcentaje del contenido de Prednisona declarado ( 50 mg. Se piensa que hay dos factores que inciden en esta característica. y que pueden controlarse. REDUCCION DE SU INFLUENCIA Controlar verticalidad de los ejes. Medir exactamente el volumen. se indican a continuación: FACTOR Montage del equipo Centrado de los vasos. Controlar con accesorios específicos. Supóngase que realizo el experimento. Una característica deseable del producto terminado. y la forma de reducir su influencia.13 - . y el otro es el granulado de la viruta. La respuesta es la fuerza necesaria para que una placa. de soporte. Evaporación. Estos factores. Peso necesario para producir una deformación de 5 milímetros. LIMITACIONES : Las posibles limitaciones del experimento se deben a la presencia de factores no deseados.1. Regulación de la Controlar con regulador de altura de la paleta o altura y fijar con mecanismo canastillo. EJEMPLO 2. es su rigidez.

La magnitud de la interacción se puede calcular como la mitad de la diferencia entre las pendientes correspondientes al factor A.14 - . podemos calcular un efecto debido al factor B: B= = 1 2 [( a 1 b 2 + a 2 b 2 ) .COMBINACIÓN DE TRATAMIENTOS RESPUESTA a1b1 a2b1 a1b2 a2b2 Y11 = 16 Y21 = 17 Y12 = 10 Y22 = 23 Tabla 2. Entonces. El símbolo que usamos para la interacción entre A y B es AB. Usaremos el símbolo A para designar este efecto: A= = 1 2 [( a 2 b 1 + a 2 b 2 ) .Tabla de Respuestas del Experimento de las Placas de Madera Podemos estimar un efecto promedio global. AB = = 1 2 [( a 2 b 2 . Las pendientes son las diferencias entre las durezas debido a los dos niveles del factor B. Nótese que nuevamente estamos usando un mismo símbolo para dos cosas diferentes: La letra A se utiliza para identificar el factor. consistente en la diferencia entre el promedio del nivel a2 de A menos el promedio al nivel a1 .a 1 b 1 ) . También podemos estimar un efecto debido al factor A.( a 1 b 1 + a 2 b 1 )] 10 + 23 − 16 − 17 =0 2 El cero se interpreta como que no hay efecto de B.2 . diferencia que también podemos llamar pendiente del factor A. Análogamente. El signo positivo indica que el valor de la respuesta aumenta cuando pasamos del nivel a2 al nivel a1 del factor. igual a 1 1= 4 ( a 1 b1 + a 2 b1 + a 1 b 2 + a 2 b 2 ) = 16 + 17 + 10 + 23 = 16.( a 1 b 2 . así como para simbolizar el valor numérico de su efecto. Jorge Galbiati Riesco: Diseño de Experimentos Factoriales con aplicaciónes a Procesos Industriales .a 1 b 1 )] 23 − 17 − 10 + 16 =6 2 Este resultado muestra que hay un efecto de interacción.( a 1 b 1 + a 1 b 2 )] 17 + 23 − 16 − 10 =7 2 Se observa que hay un efecto atribuible al factor A. Mas adelante justificaremos el haber elegido este símbolo.5 2 Utilizaremos el numero 1 para simbolizar este efecto.

estratificado por Granulado: Figura 2.Rigidez versus tipo de Resina. graficaremos estos resultados para apreciar mejor su comportamiento. estratificado por tipo de Resina Jorge Galbiati Riesco: Diseño de Experimentos Factoriales con aplicaciónes a Procesos Industriales .Gráficos de Interacción. estratificado por Granulado El gráfico que sigue representa Rigidez versus Granulado. El siguiente gráfico representa Rigidez versus Resina.1.2 .Rigidez versus Granulado. Continuando con el Ejemplo 2.3 . estratificado por Resina: Figura 2..2.15 - .

y es una colección ordenada de los símbolos (+) y (-). B y AB son contrastes. que indican el signo que se da a la particular respuesta. representan los valores numéricos de las respuestas asociadas a las respectivas combinaciones de tratamientos. en ambos gráficos. se representa cada uno de los efectos 1. a1b1 . y un (-) si son distintos. Mantengamos el orden introducido en la representación anterior. cada uno de las combinaciones de tratamientos.+) = (+. a2b2 (el primer subíndice varía mas rápidamente que el segundo).+. un (+) si ambas componentes de los multiplicandos son iguales.+. puesto que muestra gráficamente que la variación de la dureza debido a un factor.+) Obsérvese que el resultado de multiplicar A por B es precisamente la interacción AB. a1b2.+).-. De esta manera. Si el resultado de multiplicar dos contrastes es un contraste. en la misma posición relativa.-. También se puede verificar que al multiplicar el efecto 1 por cualquier efecto. como en el ejemplo anterior. Entonces podemos escribir AxB = AB.3 . Otra bondad notacional es la siguiente: Supongamos.+) x (-. se pueden efectuar en forma resumida en una tabla. y se muestra a continuación: EFECTO RESPUESTA a1b1 a2b1 a1b2 a2b2 1 + + + + A + + B + + AB + + 2 Tabla 2. Hay que convenir en el orden de las combinaciones de tratamientos para saber que mide cada uno. B.b1 ). que hacemos los productos algebraicos entre una de las expresiones ( a2 + a1 ) o (a2 .+.16 - .-) es un efecto. Esto se repite para cada componente. Obtenemos los siguientes resultados: Jorge Galbiati Riesco: Diseño de Experimentos Factoriales con aplicaciónes a Procesos Industriales . en el calculo del efecto. 2. por una de las expresiones ( b2 + b1 ). en el sentido horizontal.Matriz de Diseño del Experimento 2 Nótese que aquí los símbolos a1b1 .+. por un momento. a2b1. en la que. Un efecto es un contraste si tiene tantos (+) como (-). 1xAB = AB. pues el producto es igual a ( +.2. y B son ortogonales. y un signo (-) cuando va restada. se dice que los contrastes que se multiplicaron son ortogonales. Sin embargo. indica que hay interacción. o ( b2 .Matriz de Diseño del Experimento 22 . el resultado es 1. A no es ortogonal consigo mismo.-. AxB es igual a (-. Esta es una bondad de la notación que estamos usando. Al resultado 2-7 se le asigna. que también se simbolizan Y . y en el sentido vertical. El efecto 1 no lo es. que no es contraste.. etc. da el mismo como resultado..-. simbolizado por 1. Los dos contrastes A.+. para cuantificar los efectos. En adelante las denominaremos también efectos. Los efectos correspondientes a A. Cada columna (vertical) representa un efecto. es distinta según el nivel a que esta el otro factor.a1 ). y que es el efecto promedio.-. Los cálculos anteriores. Por esa razón se ha escogido el 1 para designar a este efecto promedio. Lo mismo ocurre si multiplicamos cualquier efecto por si mismo. llamado orden standard. y AB. Dos efectos se pueden "multiplicar" de la siguiente forma: Se comparan dos componentes que están en la misma posición relativa en ambos efectos que se están multiplicando. La tabla se denomina Matriz de Diseño. A. Así (+. sin olvidar que esta expresión solo se refiere a la construcción de la matriz de diseño. En el interior de la tabla se pone un signo (+) cuando la correspondiente respuesta va sumada. por ejemplo.La diferencia en las pendientes de las dos curvas. es decir. etc.

se pueden efectuar en forma tabular.a1 b1 .4 . A. de mayor a menor.a1 b1 . La fila Efecto contiene el cuociente entre el Neto y el Divisor respectivo. La fila divisor se obtiene contando todos los números que hay en la columna respectiva. de acuerdo a sus magnitudes. y de la interacción AB. para el Ejemplo 2. para los datos del Ejemplo 2. centradas en la horizontal. el signo más indica que se esta promediando sobre los niveles de ese factor.b1 ) = a2 b2 = a2 b2 = a2 b2 = a2 b2 + a2 b1 + a1 b2 + a1 b1 + a2 b1 .b1 ) ( a2 .( a2 + a1 ) ( b2 + b1 ) ( a2 . Los cálculos numéricos que se hicieron. Se dibuja una línea horizontal. en la interacción se esta midiendo el efecto simultáneo de los dos factores. que en el caso del Ejemplo 2 es igual a 16. por cada efecto. es el siguiente.. para determinar los efectos 1.a1 ) ( b2 . Se promedian ambas columnas y se hace la diferencia. Estos trazos se posicionan de tal forma que sus extremos estén todos sobre una recta diagonal.5.Diagrama de Efectos. B y AB. determinadas por la matriz de diseño. cuyas longitudes son proporcionales a los efectos.17 - . Por lo tanto. Estos cálculos son sumamente útil cuando se esta trabajando con un numero elevado de factores.a1 b2 + a1 b1 Las expresiones de la derecha son precisamente las fórmulas para calcular los efectos 1. El Diagrama de Efectos es una representación gráfica de los efectos. Los Rangos indican el orden de cada efecto. El resultado es una cuantificación del efecto correspondiente. ( a2 + a1 ). Jorge Galbiati Riesco: Diseño de Experimentos Factoriales con aplicaciónes a Procesos Industriales .4. faltando sólo los divisores. respectivamente. las expresiones de la izquierda nos permiten construir la matriz de diseño: El signo menos determina el efecto que se esta midiendo.. y AB. IDENTIDAD 1 16 17 10 23 66 66 66 4 16. que representa el promedio global. 2. pues no tiene sentido interpretar. ya que a2 y a1 son valores de una variable categórica. B. Sirve como una comprobación parcial. y se muestra más adelante. A.3. que tiene por objeto comparar sus magnitudes. de esta manera.a1 b2 . o identidad. El resultado. se visualiza mejor la forma en que se agrupan. Nótese que las expresiones de la izquierda son sólo notación. como una suma. en el que se aprecia un fuerte efecto del factor A. La fila Verificación contiene las sumas de ambas columnas. del Ejemplo 2 2 2. por ejemplo. anotando las respuestas en columnas separadas.Tabla de Respuestas.a2 b1 . La fila Neto contiene el valor absoluto de la suma de los valores de la fila Total por los respectivos de la fila Factor.Tabla de Respuestas del Experimento 2 .5 RESINA A 16 17 10 26 -1 23 40 66 +1 14 2 7 1 GRANULADO B 16 17 10 23 33 33 66 -1 +1 0 2 0 3 INTERACCION AB 16 17 10 23 27 39 66 -1 +1 12 2 6 2 COMPONENTE a1b1 a2b1 a1b2 a2b2 TOTAL VERIFICACION FACTOR NETO DIVISOR EFECTO RANGO Tabla 2. de acuerdo al signo de los números de la columna respectiva.a1 ) ( b2 + b1 ) ( a2 + a1 ) ( b2 . y ningún efecto del factor B. La tabla se denomina Tabla de Respuestas.a2 b1 + a1 b2 . pues debe ser igual a la suma de todas las respuestas. Luego se trazan verticales. según su signo.

el aprendizaje que va adquiriendo el operador. se puede aumentar repitiendo las corridas experimentales que corresponden a cada combinación de tratamientos.4 .Diagrama de Efectos del Ejemplo 2 2.6.5.18 - . desconocidos para el experimentador. por lo que pueden repetirse menos veces. como resultado de un experimento. u otros posibles factores que afectan el resultado. o bien por razones de costo. al disponer de medidas tomadas bajo las mismas condiciones experimentales. En tal caso se dice que el experimento esta balanceado. o parte de la información se perdió.Figura 2. solo que en lugar de la respuesta de cada combinación de tratamientos. en pequeña medida. y que se llama orden standard. En tales casos se dice que el experimento está desbalanceado. como por ejemplo. El calculo de los efectos principales e interacciones. tomando los promedios. con réplicas. Por esa razón. algunas de las cuales se mueren durante el desarrollo de la experimentación. Esto es un seguro que protege contra efectos producidos por factores escondidos. el orden en que se efectúan los experimentos no es el orden en que aquí se presentan las combinaciones de tratamientos. El orden debe ser aleatorio.Réplicas. por diversos otros factores. determinándose por sorteo o utilizando números tomados de una tabla de números aleatorios o generados por una calculadora. El orden en que se hacen las cuatro corridas experimentales puede influir en los resultados.. Hay casos en que no es posible. También el hecho de tener réplicas permite estimar el efecto del error experimental. El grado de precisión con que se estiman los diversos efectos. Jorge Galbiati Riesco: Diseño de Experimentos Factoriales con aplicaciónes a Procesos Industriales . El caso desbalanceado también permite hacer estas estimaciones. en el caso balanceado.Aleatorización. se hace de manera similar a la forma mostrada en el ejemplo anterior. a través de las replicas. que el experimentados desconoce. la variación en de los materiales experimentales asignados a cada una de las corridas. algunas corridas pueden ser muy caras. como. una deriva de los instrumentos de medición. con plantas. un numero determinado de veces. 2. en un experimento agrícola. Es deseable que el número de réplicas sea igual para cada combinación de tratamientos.. se pone el promedio. por ejemplo.

Pasado cierto tiempo se produce el colaje. para extraer el agua en exceso que aún contienen. Terminadas las operaciones anteriores. una mezcla de arcilla con agua. se diseñó el experimento factorial que se describe a continuación. Una empresa productora de loza tiene tres plantas: Vajillería. el caudal de aire inyectado a la subnave y la temperatura interior.ESTUDIO DE CASO : SECADO DE SANITARIOS. En la planta de sanitarios existe una nave de proceso que incluye una subnave denominada de colaje. Luego se desmoldan. lo que da la forma al sanitario. Para hacer más eficiente el proceso. que está aislada térmicamente.19 - . Afectan a este variable. consistente en pulir la pieza y afinar sus dimensiones. más aditivos. se le inyecta aire caliente a la subnave. El croquis de la página siguiente ilustra el proceso. Para efectuar el secado de los sanitarios y los moldes. se dejan secar los 100 sanitarios con sus respectivos moldes durante 24 horas. El proceso de secado debe se ser capaz de extraer el máximo contenido de agua de los artefactos. Azulejos y Sanitarios. que se llenan de pasta líquida. En esta subnave hay 100 moldes de yeso. Jorge Galbiati Riesco: Diseño de Experimentos Factoriales con aplicaciónes a Procesos Industriales . y el operario colajero les hace el despunte. que consiste en que la pasta líquida se seca parcialmente dentro de los moldes. en el menor tiempo posible.

lo que se aprecia en ambos gráficos. en el otro. como se ve en el diagrama de efectos y en los gráficos de interacción.Figura 2. A partir de estos resultados. El experimento se condujo con cinco réplicas por combinación de tratamientos.5 . Jorge Galbiati Riesco: Diseño de Experimentos Factoriales con aplicaciónes a Procesos Industriales . se diseñaron nuevos experimentos. es el peso del agua evaporada en el día. en litros. mostró una fuerte influencia del caudal de aire inyectado. NIVELES a1 :. DISEÑO DEL EXPERIMENTO : Los factores son dos.0 936. Tambien hay efecto de la temperatura ambiente. Como respuesta. 15000 mt3 por hora. La interacción fue casi nula.Proceso de secado de sanitarios y moldes OBJETIVO DEL EXPERIMENTO : El objetivo es optimizar el proceso de secado. La diferencia entre los pesos de dos días consecutivos. Los resultados se dan en la siguiente tabla: COMBINACION DE TRATAMIENTOS REPLICA 1 RESPUESTA REPLICA 2 PROMEDIO a1 b1 a2 b1 a1 b2 a2 b2 790 874 835 927 810 903 853 945 800. en función de los factores controlables. se manifiesta en el paralelismo de las rectas. En los gráficos de interacción. 18000 mt3 por hora. Esta se mide pesando una muestra de sanitarios y moldes a las cero horas de cada día de secado. b2 : 40 ºC. se tomó el promedio de los días que duro el secado.0 El resultado del experimento.5 844. la inclinación es menor. El efecto del factor caudal de aire se observa por la fuerte inclinación de las rectas del primer gráfico de interacción. según se describe a continuación: FACTORES A : CAUDAL DE AIRE INYECTADO. con el objeto de afinar el estudio. a2 :. B : TEMPERATURA INTERIOR. RESPUESTA : Cantidad de agua evaporada por día. b1 : 30 ºC.20 - . aunque más débil. redondeado al entero.0 888. con dos niveles cada uno.

21 - . Agua evaporada versus caudal de aire estratificado por temperatura.Figura 2. Jorge Galbiati Riesco: Diseño de Experimentos Factoriales con aplicaciónes a Procesos Industriales . 7 .Diagrama de Efectos Figura 2.6 .Gráfico de Interacción.

EJERCICIOS 2. los reenvasa y los vende al detalle. El siguiente gráfico de interacciones muestra las respuestas. y que potencialmente inciden sobre la variable que se quiere controlar. 8 . de modo de lograr mayor precisión en la cantidad de liquido vertida en los envases plásticos. Se realiza un experimento para probar el efecto de estos dos factores. estratificado por B: Jorge Galbiati Riesco: Diseño de Experimentos Factoriales con aplicaciónes a Procesos Industriales .Figura 2. Para ello. el rango intercuartílico. Se desea modificar el dispositivo que controla el vaciado. Estos son. a envases plásticos de un litro.Gráfico de Interacción. el ángulo de la membrana que cierra el conducto de salida y la tensión del resorte que la cierra. versus el factor A.22 - . se ha determinado que hay dos elementos que pueden modificarse sin gran dificultad. compra sus productos en partidas grandes. Dispone de una maquina para vaciar compuestos líquidos oleaginosos. con dos niveles cada uno. Agua evaporada versus caudal de aire estratificado por temperatura.1) Una distribuidora de productos químicos. Los factores y sus niveles son: FACTORES A : ANGULO DE LA MEMBRANA B : TENSIÓN DEL RESORTE NIVELES a1 : 30º a2 : 45º b1 : Simple b2 : Doble RESPUESTA : Es una medida de variabilidad de la cantidad de liquido vertido. desde sus contenedores metálicos.

c) Construya los gráficos de interacción e interprételos. el gráfico de la respuesta versus el factor B. y dos supervisores (supervisor 1 y supervisor 2).a) Construya el gráfico de interacción de la respuesta versus el factor B. en términos de si hay o no efectos principales e interacciones. en línea punteada.3) Repita lo del ejercicio 2.2. en tres réplicas cada una. sobre la calidad. b) De la observación de cualquiera de los gráficos. promediado sobre A (sin estratificar). b) Dibuje el diagrama de efectos e interprete los resultados. 2. Se observa el número de fallas (imperfecciones) en los muebles producidos bajo cada una de las cuatro combinaciones de tratamientos.23 - . y de interacción. La respuesta es el total de fallas observadas en las tres réplicas. Agregue. determine si hay efecto de A. en la fabricación de muebles. para los siguientes datos: COMBINACION DE TRATAMIENTOS a1 b1 a2 b1 a1 b2 a2 b2 RESPUESTA 27 30 31 34 Jorge Galbiati Riesco: Diseño de Experimentos Factoriales con aplicaciónes a Procesos Industriales . ¿Hay consistencia con lo observado en b) ? 2. Hay dos turnos (mañana y tarde). estratificado por A.2) Un experimento consiste en observar el efecto del turno y del supervisor. La siguiente tabla resume las observaciones: NUMERO DE FALLAS 19 23 19 21 TURNO MAÑANA TARDE SUPERVISOR 1 2 1 2 a) Construya la tabla de respuestas y obtenga los valores de los efectos. de B.

24 - . razón por la cual se debe controlar la cantidad de este compuesto. El experimento consistió en analizar cátodos producidos en una misma partida. Para determinar la influencia del laboratorio que hace el análisis y de la técnica analítica utilizada. y por lo tanto de características similares.2. Uno de ellos es el cloruro. constituye en forma importante a contaminar el ambiente. que no afecta las características físicas del cobre. El experimento se hizo con tres replicas. se diseñó un experimento a dos factores con dos niveles cada uno. Los factores y sus niveles son: FACTORES A : LABORATORIO B : TÉCNICA ANALÍTICA NIVELES a1 : Testlab a2 : Omega b1 : Método Directo b2 : Método Indirecto La respuesta es el contenido de cloruro. sino que en el procesos de moldeo posterior. de modo que no sobrepase un limite especificado. en términos de si hay o no efectos principales e interacciones. b) Dibuje el diagrama de efectos e interprete los resultados.4) El procesos de producción de cátodos de cobre entrega un producto que no está libre de contaminantes. en partes por millón. Jorge Galbiati Riesco: Diseño de Experimentos Factoriales con aplicaciónes a Procesos Industriales . Los resultados son los siguientes: COMBINACION DE TRATAMIENTOS a1 b1 a2 b1 a1 b2 a2 b2 RESPUESTA 312 421 211 450 a) Construya la tabla de respuestas y obtenga los valores de los efectos.

se duplica el número total de corridas. expresada en porcentaje. con tres niveles cada uno.25 - . que se describen a continuación: FACTORES A : Catalizador. con dos niveles. y sus niveles los designamos c y c. hay emisión de dióxido de azufre (SO2). que permiten la transformación de SO2 a trióxido de azufre (SO3) dentro del proceso de producción. ESTUDIO DE CASO : EFECTO DE CATALIZADORES EN LA EMISION DE SO2 A LA ATMOSFERA. C : Flujo de gas. que permite oxidar el SO2 contenido en los gases de alimentación. DISEÑO : El experimento se diseñó a tres factores. El uso de catalizadores en los convertidores de plantas de Acido Sulfúrico. OBJETIVO DEL EXPERIMENTO : El objetivo del experimento es evaluar el comportamiento de dos marcas de catalizadores. RESPUESTA: Factor de emisión de SO2 a la atmósfera. de acuerdo a la información entregada por los proveedores. B : Tiempo de operación. Normalmente los catalizadores tienen las especificaciones requeridas. Al introducir un tercer factor en el experimento. Por lo que la decisión de comprar una marca específica. con el objeto de que la decisión tenga un soporte técnico. queda determinada por el precio.CAPITULO 3 DISEÑOS FACTORIALES CON TRES FACTORES A DOS NIVELES Los diseños 2 son diseños en que hay tres factores. en el convertidor catalítico de la planta. Identificaremos al tercer factor con la letra C. c2 : 1139 a 1867 m3/hora. Estos son colocados en capas. c1 : 348 a 891 m3/hora. utilizados en los convertidores de plantas de Acido Sulfúrico. NIVELES a1 : Catalizador tipo I. b1 : 1 mes. Se diseñó un experimento. Jorge Galbiati Riesco: Diseño de Experimentos Factoriales con aplicaciónes a Procesos Industriales . b2 : 12 meses. transformándolo en SO3. EN UNA PLANTA DE PRODUCCION DE ACIDO SULFURICO. cada uno con dos niveles. que contienen pentóxido de vanadio. compuesto polucionante de la atmósfera. respectivamente. El número de combinaciones de tratamientos ahora es 8 ( = 23 ). con instrumentación en linea. Este es medido instantáneamente. lo que dió 56 corridas experimentales. Los catalizadores son cilindros de 10 mm de diámetro y 10 mm de alto. En la producción de ácido sulfúrico. Se hicieron siete réplicas de cada combinación de tratamientos. basado en los resultados operacionales obtenidos. disminuye la emisión de SO2 a la atmósfera. a2 : Catalizador tipo II.

en lugar de utilizar los símbolos de la tercera columna.Tabla de Combinaciones de Tratamientos del Diseño Experimental 2 . Figura 3. o combinaciones de tratamientos. los símbolos de la segunda columna pueden usarse para representar. también representa al número Y. B está al nivel b2 y C está al nivel c1 . El proceso de producción de cal comienza con la introducción de carbonato de calcio (CaC03) en un horno rotatorio de velocidad variable. el valor numérico de la respuesta respectiva.En un experimento 23. Por lo tanto el símbolo a1b2c1 representa a la combinación de tratamientos en que el factor A está al nivel a1 .1 . Jorge Galbiati Riesco: Diseño de Experimentos Factoriales con aplicaciónes a Procesos Industriales . la respuesta de esa particular combinación de tratamientos. Al igual que en el caso 22 .1 . que se pueden aplicar. El gráfico siguiente ilustra en forma esquemática. el número de combinaciones distintas de niveles de los tres factores.26 - . los elementos de este diseño.Representación Gráfica del Experimento 2 . en cuyo extremo de salida hay un quemador que produce una temperatura de alrededor de 1200 ºC en la zona de calcinación. además de la particular combinación de tratamientos.O bien. 3 ESTUDIO DE CASO : LEY DE CAL LIBRE EN EL PROCESO DE PRODUCCION DE CAL. los simbolizamos de la forma siguiente: CORRIDA EXPERIMENTAL COMBINACION DE TRATAMIENTOS RESPUESTA 1 2 3 4 5 6 7 8 a1b1c1 a2b1c1 a1b2c1 a2b2c1 a1b1c2 a2b1c2 a1b2c2 a2b2c2 Y111 Y211 Y121 Y221 Y112 Y212 Y122 Y222 3 Tabla 3.

de alguna manera determina el destino final que se le da a este producto. Velocidad de Giro. con sistemas que reduzcan en forma importante la cantidad de impurezas. b2 : Sobre 1200 ºC. b2 : Sobre 1. sobre la calidad del producto.27 - . Si se analiza la concentración de CaO en el CaCO3.Con el objeto de mejorar la calidad del producto. de acuerdo a la siguiente descripción: FACTORES A : TAMAÑO DE LA CARGA B : VELOCIDAD DE GIRO C : CALOR NIVELES a1 : Granulometría de ¼ a ¾ plg. Para este fin. y Calor. b1 : Bajo 1. a2 : Granulometría de ¾ a 1½ plg. La naturaleza y cantidad de éstas. DISEÑO DEL EXPERIMENTO : Se diseñó a tres factores. por alguno de los siguientes tres procedimientos: De soluciones provenientes de los procesos cuyos minerales son directamente solubles en ácido sulfúrico. poder contar. y que se llaman impurezas. CaO. se diseñó un experimento para medir el efecto de tres variables de operación. El tiempo de residencia del CaC03 en el horno debe ser considerado antes de cada corrida. a dos niveles cada uno: Tamaño de la carga. en sus procesos. a fin de que la respuesta medida corresponda realmente a lo que se desea medir y no a residuos experimento anterior. es necesario controlar las fuentes de variación de la ley de cal libre. Es obtenido electrolíticamente.5 rpm. b1 : Bajo 1200 ºC. Dependiendo del uso que se le dará al producto. y se observan los resultados de todo un día. por un sistema de percolación in situ y posterior separación con un solvente orgánico. Jorge Galbiati Riesco: Diseño de Experimentos Factoriales con aplicaciónes a Procesos Industriales . ESTUDIO DE CASO : ANALISIS DE LABORATORIO PARA LA DETERMINACION DE CONTENIDO DE CLORURO EN CATODOS DE COBRE. son importantes algunos elementos que no es posible eliminar del todo. LIMITACIONES : Algunos posibles factores no deseados que puedan la respuesta son: El CaCO3 introducido al horno puede variar su concentración de CaO. Aparte de la pureza en el contenido del elemento principal. y que se concentran en etapas de flotación y fusión. Por esa razón. Por ello se efectúa una corrida experimental en un día completo. RESPUESTA : La respuesta es la ley de cal libre. hay especificaciones sobre los porcentajes máximos de contenido de determinados elementos. A mayores concentraciones de impurezas. con lo cual los resultados serian afectados. medida en porcentaje de ley.5 rpm. El cátodo de cobre es el principal producto que produce una compañía productora de cobre. es preocupación importante de la empresa. O bien por una preconcentración del deshecho de la etapa anterior. menor es el precio de venta del producto. El tercer procedimiento consiste en la refinación de cobre blister de los procesos en que se trata el cobre provenientes de minerales insolubles en ácido sulfurico. este efecto puede ser minimizado corrigiendo la respuesta .

laminado. cuya presencia produce contaminación ambiental. 3. Un problema que existe. C : Técnica analítica.a1b2c2 ) es la diferencia entre todas las respuestas que resultan de aplicar el nivel alto del factor A. FACTORES A : Laboratorio.a1b1c2 . para cuantificar el contenido de cloruro. Este se denomina método directo. con dos niveles cada uno. DISEÑO : Se diseñó a tres factores. el efecto del factor B.a1b2c1 . Es. Usaremos el símbolo A para indicar esta medida. Para analizar. que son disueltas en ácido nítrico. los que se perforan para obtener virutas. a2 : Laboratorio Antofagasta. y así cuantificar el cloruro. Las diez muestras constituyeron diez réplicas. es B = ¼ ( a1b2c1 + a2b2c1 + a1b2c2 + a2b2c2 . El primer factor es el laboratorio. Para asegurar la homogeneidad del material a analizar. cada una de las cuales se utilizó para una combinación de tratamientos. Para poder controlar la presencia de este elemento. para estimar los diferentes efectos. es la no homogeneidad en la distribución del cloruro en el cátodo. se selecciona una muestra aleatoria de cátodos. El segundo factor es la masa de muestra. directo o indirecto. b2 : 10 gramos. se piensa que el aumentar su tamaño. etc. en partes de cloruro por millón de partes de cátodo de cobre. NIVELES a1 : Laboratorio Chuquicamata. podemos combinar las respuestas en diversas formas. B : Masa de muestra. Como alternativa.a1b1c1 . De forma análoga. RESPUESTA: La respuesta es la concentración cuantitativa del cloruro.a2b1c1 .a1b1c2 . Este se denomina Método Indirecto.Uno de los elementos que interesa controlar es el cloruro. Se puede pesar el cloruro de plata sólido. c2 : Método indirecto. se obtuvieron 10 muestras distintas. Esto ocasiona serias dificultades para lograr una buena precisión en los resultados del análisis. y cada una se dividió en ocho porciones. se puede disolver el cloruro de plata en exceso de ácido clorhídrico.28 - .1. La presencia del ión plata precipita el cloruro en forma de cloruro de plata. El tercero es el método de análisis. OBJETIVO DEL EXPERIMENTO : El objetivo es conocer la influencia de los potenciales factores que afectan la precisión de la cuantificación del cloruro en muestras de cátodos de cobre. b1 : 50 gramos. a fin de investigar el efecto de que la muestra sea tratada en diversos ambientes. una medida del efecto del factor A. Por ejemplo.a1b1c1 . tiende a homogenizar su contenido. que llamamos efecto A. pues. durante los procesos de moldeo. c1 : Método directo.Matriz de Diseño del Experimento 23 ..a2b1c2 ) Jorge Galbiati Riesco: Diseño de Experimentos Factoriales con aplicaciónes a Procesos Industriales .el número 2 A = ¼ ( a2b1c1 + a2b2c1 + a2b1c2 + a2b2c2 . se debe contar con un sistema de análisis de laboratorio confiable. En forma similar a como se hizo en el caso del diseño 2 . menos todas las respuestas que resultan de aplicar el nivel bajo del mismo factor.

a1 )( b2 .a1b2c1 . Observemos que la podemos expresar tambien.b1 )( c2 + c1 ) ) C = ¼ ( ( a2 + a1 )( b2 + b1 )( c2 . pero al nivel bajo de C. obteniendo notaciones formales que utilizaremos en forma equivalente.b1 )( c2 + c1 ) ) y AC = ¼ ( ( a2 . En resúmen. A = ¼ ( ( a2 . todo bajo el nivel alto de C.a1b1c2 .29 - . Por último.[ ( a1b2c1 + a2b2c1 ) .a1 )( b2 .a1 )( b2 + b1 )( c2 .c1 ) ) Pero hay más expresiones similares que podemos formar.a1b1c1 .( a1b1c2 + a2b1c2 ) ] . lo que en realidad no son. y que sería interesante tratar de interpretar. promediada a través de todos los niveles del factor A.a2b2c1 ) Observemos que si hacemos un poco de álgebra con estas expresiones.c1 ) ) y ¼ ( ( a2 + a1 )( b2 + b1 )( c2 + c1 ) ) Jorge Galbiati Riesco: Diseño de Experimentos Factoriales con aplicaciónes a Procesos Industriales . B y C.a2b2c1 .c1 ) ) De manera similar.a2b1c1 . Ellas son ¼ ( ( a2 .a1 )( b2 + b1 )( c2 + c1 ) ) B = ¼ ( ( a2 + a1 )( b2 .a2b1c2 ) que podemos escribir como ¼ ( [( a1b2c2 + a2b2c2 ) . como si fueran expresiones algebraicas.c1 ) ) representan las interacciones entre A y B. y la simbolizamos BC. o el efecto de B en ausencia de C. Las tres primeras expresiones. Entonces la expresión completa mide la diferencia entre los efectos del factor B bajo los dos niveles del factor C. Ellas son.a1b2c1 . y entre A y C. quedan dos expresiones más que es posible formar. respectivamente. como por ejemplo.b1 )( c2 . es decir A. siguiendo el análogo algebraico. AB = ¼ ( ( a2 . es el efecto de B bajo la presencia de C. y que trataremos de intrerpretar. ¼ ( a1b1c1 + a2b1c1 + a1b2c2 + a2b2c2 . representan lo que se denominan efectos principales. El segundo paréntesis es lo mismo. podemos factorizarlas.( a1b1c1 + a2b1c1 ) ] ) El primer paréntesis cuadrado es una diferencia entre el resultado de aplicar el factor B al nivel alto menos el resultado de aplicarlo al nivel bajo. Esta medida se denomina interacción entre B y C.y el efecto del factor C es C = ¼ ( a1b1c2 + a2b1c2 + a1b2c2 + a2b2c2 . como BC = ¼ ( ( a2 + a1 )( b2 .b1 )( c2 .

dos contrastes se pueden "multiplicar" comparando los pares de componentes que están en la misma posición relativa en ambos contrastes que se están multiplicando.-.+ ) Jorge Galbiati Riesco: Diseño de Experimentos Factoriales con aplicaciónes a Procesos Industriales . ahora promediamos ú cantidades.a1b2c2 .-.+. como los contrastes.+.+.a1b2c1 ) ] .+ ) = ( +. ( -.+.-. llamado orden standard.-. Al resultado se le asigna. tienen la particularidad de que al desarrollarlas.-.( a1b1c1 . a2b2c1. pues todos los términos aparecen con signo positivo.La primera corresponde al número ¼ ( a2b1c1 + a1b2c1 + a1b1c2 + a2b2c2 . La última expresión.-.+. a1b2c1. a2b1c2. un (+) si ambas componentes de los multiplicandos son iguales.+.-.a2b2c1 ) .-. bajo los dos niveles de A. Es lo que se denomina interacción entre A. Estos contrastes son A. Como en el caso 2 . Por eso lo dividimos por ú y no por á.-. a1b2c2. La expresión para un efecto consiste en una colección ordenada de los símbolos (+) y (-).-. Mantengamos el orden introducido en la representación anterior. a1b1c1. 1 /8 (( a2 + a1 )( b2 + b1 )(c2 + c1 )) es igual a 1 /8 (( a1b1c1 + a2b1c1 + a1b2c1 + a2b2c1 + a1b1c2 + a2b1c2 + a1b2c2 + a2b2c2 ) y no es un contraste. AxB es igual a ( -.+. recordando que donde hay un (+).+. a2b1c1.+. De esta manera. Construiremos una matriz de diseño.-. y un (-) si son distintos.a1b2c2 ) ] ) y es la diferencia ( bajo los dos niveles de C).-.+.-. en lugar de á. una expresión es un contraste si tiene tantos (+) como (-).-. Tiene ú términos con signo (+).a2b1c2 .30 - .+. B y C. Esto se puede verificar fácilmente. a1b1c.a1b1c1 ) = ¼ ( [( a2b1c1 . en la misma posición relativa.+.+ ). como los anteriores. o interacción triple. la respectiva combinación de tratamientos va con un signo más. B y C. a2b2c2 Igual que antes.-.+. que indican el signo de la componente asociada a la correspondiente combinación de tratamientos. los efectos principales. y donde hay un (-).+.+ ) y ( -.-. Proporciona una medida del efecto promedio de todos los tratamientos. y no es una comparación entre los efectos provocados por diversas combinaciones de tratamientos. es decir. De esta forma ( -. Observemos que las siete expresiones vistas hasta aquí. las interacciones dobles y la interacción triple.-. Al igual que en el caso del diseño 2 . ) son contrastes. como en el caso 2 . tienen cuatro términos o componentes positivas y cuatro negativas. Esto se repite para cada componente.a2b2c1 . antes promediábamos 4 diferencias. entre las diferencias de los efectos de B.[ ( a2b1c2 .-.a2b2c2 ) . respectivamente.-.+.+.+ ) x ( -.( a1b1c2 . una expresión que tiene el mismo número de componentes positivas que negativas se denomina contraste. La simbolizamos ABC. La simbolizamos por 1. Hay que convenir en el orden de las combinaciones de tratamientos para saber qué mide cada una.+.+. con sigmo menos.

un contraste multiplicado por si mismo da la identidad. Si "x" representa la multiplicación de contrastes.-. Además.+. A es igual a 1.+ ). ABxAB es igual a 1.2 . En realidad. que no es contraste por tener seis (+) y dos (-). En el experimento 23 . que se puede denotar como ABC2 . y virutilla de l/4 de pulgada de espesor.-. En general. No es contraste. A2BC2 es igual a B. con la finalidad de determinar el o los materiales más adecuados para fabricar un encerramiento de una fuente sonora. con la expresión que tiene sólo (+). Si el resultado de multiplicar dos contrastes es un contraste. COMBINACION DE TRATAMIENTOS CONTRASTES a1b1c1 a2b1c1 a1b2c1 a2b2c1 a1b1c2 a2b1c2 a1b2c2 a2b2c2 1 + + + + + + + + A + + + + B + + + + AB + + + + C + + + + 3 AC + + + + BC + + + + ABC + + + + Tabla 3.Matriz de Diseño del Experimento 2 ESTUDIO DE CASO : MATERIALES AISLANTES DE RUIDO. También contiene la identidad (que no es contraste). Sin embargo. combinada con Internit de 4 mm. para que sean 2k . consistente en una máquina de forja. pues el producto es igual a ( +. AC y BC. para verificar que efectivamente miden lo que se señala con el símbolo con que se designa cada contraste. todos los demás estarán repetidos.+. Con paciencia se puede ver que si se multiplican los contrastes A. uso del 1 como símbolo. B y C. el número de contrastes ortogonales que se puedeencontrar es 2k . tomados de a pares.+ ).+. como en el ejemplo anterior. se dice que los contrastes que y C son ortogonales entre sí. en un experimento 23 el máximo número de contrastes ortogonales que se puede encontrar es ó. Todas las expresiones contenidas en un conjunto ortogonal tienen interpretación. A no es ortogonal con el contraste ( -. en un experimento 2k.+.+. En un experimento 22 es 3. La tabla permite efectuar los productos.+.+. etc. de espesor.-. que llamamos identidad. Se efectuó un estudio con el objeto de evaluar el comportamiento de materiales absorbentes de ruido. en un 24 es 15. y así sucesivamente. de a pares. y que designamos por 1.-. lo que se puede verificar fácilmente. Jorge Galbiati Riesco: Diseño de Experimentos Factoriales con aplicaciónes a Procesos Industriales . De esta forma. el conjunto de contrastes ortogonales está constituído por los efectos principales A.Obsérvese que aquí también el resultado de multiplicar A por B es precisamente la interacción AB.31 - . sólo aparecerán ó contrastes distintos. ABCxC.-. igualdad que facilita la construcción de la Matriz de Diseño. las interacciones dobles AB. pero tiene la particularidad de que al multiplicarlo por otro contraste. podemos decir que AxB = AB. definida arriba. es lo mismo que AB. y la interacción triple ABC. B y C. La tabla siguiente contiene el conjunto de los siete contrastes ortogonales de 23 y su identidad. Se denomina Matriz de Diseño del experimento 23. tales como goma de 1/2 de pulgada de espesor. por ejemplo. Podemos completar el conjunto. PARA ENCERRAMIENTO DE UNA MAQUINA DE FORJA.1. y despu‚s los resultados se multiplican entre si y por los originales. etc. Se agregó una columna con las combinaciones de tratamientos que intervienen en las expresiones.

Y121 = 90 db. los valores observados de la variable Y. Esta tabla permite efectuar los cálculos necesarios para medir los efectos de cada factor y de sus interacciones. dando siempre la lectura de 124 decibeles en 250 hz. a una réplica por cada combinación de tratamientos. Antes y después de usar el sonómetro. Y122 = 86 db. Se usó un sonómetro de precisión Bruel Kjaer 2203. con dos niveles cada uno. que cumple con las normas de sonómetro. según la siguiente descripción: FACTORES NIVELES A: MATERIAL ABSORBENTE. de spesor. a1b1c1 a2b1c1 a1b2c1 a2b2c1 a1b1c2 a2b1c2 a1b2c2 a2b2c2 3. a2 : Virutilla de ¼ de pulgada de espesor entre dos placas de Internit de 4 mm. El equipo se utilizó con un micrófono con la extensión UAD 196 de acuerdo a normas. Se consideraron distancias a 1 y de 4 mts. introduciremos una forma tabular de presentar las respuestas. Tipo de análisis. REALIZACIÓN DEL EXPERIMENTO: Todas las mediciones se realizaron un día domingo en la madrugada. Y222 = 90 db. Este instrumento lleva incorporado el analizador de frecuencia 1613 que posee una gama de frecuencias centrales de 31. aproximadamente 40 decibeles. bajo las distintas combinaciones de tratamientos. El ruido de fondo era de baja intensidad. Al mismo tiempo se quiso comprobar que el nivel de presión sonora es inversamente proporcional a la distancia de la fuente sonora. que son 500 y 4000 hz. a1 : Goma de ½ pulgada de espesor. Y112 = 92 db. es decir. factibles de ser usados en encerramiento de las fuentes sonoras para la atenuación de las frecuencias fundamentales de 500 y 4000 hz. Los resultados obtenidos fueron los siguientes: COMBINACION DE TRATAMIENTOS RESPUESTA Y111 = 96 db Y211 = 91 db. Y221 = 92 db. utilizando un pistófono 4220.Además se requiere probar estos materiales en función de dos niveles de frecuencias críticas de sonido. B : FRECUENCIA DE SONIDO. se verificó la calibración acústica.32 - .5 hz. b1 : 500 hz.2. c1 : 1 mt.Tabla de Respuestas y Diagrama de Efectos del Experimento 23 . desde las 01:00 a las 06:00 hrs.. RESPUESTA: La respuesta es el nivel de decibeles del ruido. a 31. Y212 = 89 db. Como en el caso 22.5 Khz. OBJETIVOS DEL EXPERIMENTO : Investigar el comportamiento de materiales absorbentes de ruido. c2 : 4 mts. C : DISTANCIA A LA FUENTE EMISORA. b2 : 4000 hz. DISEÑO DEL EXPERIMENTO : Es un experimento a tres factores. de bandas de octavas. Jorge Galbiati Riesco: Diseño de Experimentos Factoriales con aplicaciónes a Procesos Industriales .

con dos niveles.0 5 46 23 69 67 46 23 BC 49 43 ABC 49 43 69 67 46 23 a1b1c1 a2b1c1 a1b2c1 a2b2c1 a1b1c2 a2b1c2 a1b2c2 a2b2c2 TOTAL VERIF.0 3 Tabla 3.5 6 66 61 205 -1 219 424 1 14 4 3. Temperatura (B).5 1 66 69 AB 49 49 43 69 67 46 67 C 43 AC 49 69 67 46 23 66 66 61 222 -1 202 424 1 20 4 5. 3 Jorge Galbiati Riesco: Diseño de Experimentos Factoriales con aplicaciónes a Procesos Industriales .Tabla de Respuestas del Experimento 2 .5 6 61 201 -1 223 424 1 22 4 5.0 2 161 -1 23 43 B 43 69 67 23 66 61 263 424 1 102 4 25.4 . efectos. se obtienen los siguientes índices de Dureza (Y): COMBINACION DE TRATAMIENTOS INDICE DE DUREZA RESULTANTE (y) 49 43 69 67 46 23 66 61 3 a1b1c1 a2b1c1 a1b2c1 a2b2c1 a1b1c2 a2b1c2 a1b2c2 a2b2c2 Tabla 3. le agregamos un tercer factor. la de la derecha para copiar las respuestas en que hay un signo (-). El divisor corresponde al número de términos que hay en cada columna.5 4 228 -1 61 196 424 1 32 4 8. EJEMPLO 3. Abajo de la tabla se agregan filas para las sumas.3 - Respuestas obtenidas en el Experimento 2 La Tabla de Respuestas completa es la siguiente: COMPONENTE 1 49 43 69 67 46 23 66 61 424 1 424 8 53. Spongamos que bajo las distintas combinaciones de tratamientos. del Ejemplo 3. promedios.33 - . El valor que se copia en las casillas de cada fila (horizontal) es la respuesta Y.La tabla se organiza de la forma como indica la matriz de diseño. Construiremos la Tabla de Respuestas con un ejemplo numérico. Tiempo de Aplicación (C).1. dejando dos columnas por cada contraste.0 230 -1 66 46 69 49 A 49 43 67 46 23 61 194 424 1 36 4 9. La columna de la izquierda se utiliza para copiar las respuestas en que los contrastes tienen un signo (+). y otros cálculos que se desee efectuar. Como respuesta. correspondiente a la respectiva combinación de tratamientos. FACTOR NETO DIVISOR EFECTO RANGO 66 61 205 -1 219 424 1 14 4 3. Presion (A).

El Efecto es el Neto dividido por el Factor.34 - .0 67. El Rango es el orden de magnitud del Efecto. El siguiente es el Diagrama de Efectos de estos resultados. El resultado es el siguiente: COMBINACION DE TRATAMIENTO 1 49 43 69 67 46 23 66 61 424 53. es mediante los gráficos de interacción.Tabla de Respuestas para la Construcción de Gráficos de Interacción Jorge Galbiati Riesco: Diseño de Experimentos Factoriales con aplicaciónes a Procesos Industriales . y muy débiles interacciones BC y ABC.0 92 46. Se ve que hay un fuerte efecto de B.0 118 59.0 110 55. débiles interacciones AB y AC. pero sólo con la columna de la identidad y las columnas de las interacciones dobles. Para construirlos. efectos moderados de A y C.5 .0 136 AC a1b1 a2b1 a1b2 a2b2 b1c1 b2c1 b1c2 b2c2 a1c1 a2c1 a1c2 a2c2 a1b1c1 a2b1c1 a1b2c1 a2b2c1 a1b1c2 a2b1c2 a1b2c2 a2b2c2 TOTAL VERIFICACION PROMEDIO 46 23 66 61 69 34..0 66 61 84 424 42.5 68.2 . 3.0 112 56.5 66 46 23 49 43 AB 49 43 69 67 69 67 BC 49 43 69 67 46 23 66 61 135 128 424 64. Otra forma de visualizar los efectos principales y las interacciones dobles.0 95 47. se hace una tabla similar a la Tabla de Respuestas.Gráficos de Interacción. y es igual al total de la columna de la identidad.Diagrama de Efectos del Experimento Factorial 2 3 La fila de verificación debe dar la misma suma en todas las casillas. El Divisor es el número de sumandos con el mismo factor.5 33.Figura 3. El Neto es el valor absoluto de la suma ponderada por el respectivo factor.5 127 424 63.0 Tabla 3.3.

La línea punteada muestra el promedio a través de ambos niveles de B. Si las líneas tienen igual pendiente.Cada una de las columnas de las interacciones dobles se disgrega en cuatro columnas en lugar de dos. En el gráfico de AB. y la última. entonces no hay interacción. otra donde A = a2 y B = b1 . las respuestas promedio de a y de a . en sus extremos. Los gráficos de interacción se interpretan de la siguiente forma: Si la línea punteada es horizontal. estratificado por Temperatura Jorge Galbiati Riesco: Diseño de Experimentos Factoriales con aplicaciónes a Procesos Industriales . Figura 3. se usan para construir los respectivos gráficos de interacción que se presentan a continuación. Presión. entonces no hay efecto del otro factor mostrado en el gráfico. las líneas llenas muestran. entonces no hay efecto del factor que se muestra en el eje horizontal. si la hay. si tiene pendiente. Si las líneas llenas están a la misma altura. La columna AB se divide en una columna donde van las respuestas correspondientes a las combinaciones de tratamientos en que A = a1 y B = b1 .Grafico de interaccion de Indice de Dureza vs. entonces hay efecto. Los cuatro promedios que aparecen en cada una de las interacciones.35 - . Los valores para la línea punteada se pueden obtener de la Tabla de Respuestas original.3 . si la pendiente de ambas es distinta. cada una bajo los dos dintintos niveles de B. otra donde A = a1 y B = b2 . donde A = a2 y B = b1 . como se hizo en la tabla anterior.

estratificado por Presión Figura 3.4 . Temperatura. estratificado por Tiempo de aplicación En los gráficos mostrados. y finalmente. Jorge Galbiati Riesco: Diseño de Experimentos Factoriales con aplicaciónes a Procesos Industriales . podemos observar que: Casi no hay efecto de A.Grafico de interaccion de Indice de Dureza vs. Tiempo. hay efectos de B y de C.36 - . hay una fuerte interacción entre A y B.Grafico de interaccion de Indice de Dureza vs.Figura 3. ni hay interacción BC.5 . La interacción AC es muy pequeña.

ESTUDIO DE CASO : OPTIMIZACION DE LA PLASTICIDAD DE UN COMPUESTO DE CAUCHO DE LA BANDA DE RODAMIENTO DE NEUMATICOS. C :. aproximadamente. LIMITACIONES : Pueden haber factores no deseados. El torque mínimo se mide cuando la goma comienza a vulcanizar y el torque máximo. Por ejemplo. el experimento se hizo con componentes de una misma procedencia. en este caso 191 °C. promediadas a través de las dos réplicas. según la siguiente descripción: FACTORES A : TIPO DE CAUCHO. a2 : Caucho Natural SMR20. NIVELES a1 : Caucho Natural SMR5. buscando optimizar la plasticidad del compuesto. El delta torque es la diferencia entre el torque mínimo y el torque máximo. Se diseñó una experiencia para mejorar las propiedades del compuesto para banda de rodamiento de neumáticos. con dos réplicas por combinación de tratamientos. un caucho natural SMR5 puede ser de Indonesia. que influyan sobre la respuesta. DISEÑO DEL EXPERIMENTO : El experimento se diseñó a tres factores con dos niveles cada uno. Malasia o Venezuela y los tres tienen comportamientos distintos. durante la fase de vulcanización. y se efectuó una por día. c2 : Acido esteárico. ACTIVADOR DEL ACELERANTE. 2) Variaciones debido a la procedencia de alguno de los componentes. y de los acelerantes. Cada corrida experimental dura 60 minutos. b1 : Sulfenamida (Di-Benzotiazol Disulfuro). debido a los factores climáticos de los países. c1 : Oxido de Zinc. expresado en Newton Metro [Nm]. TIPO DE ACELERANTE. RESULTADOS : Se corrió el experimento. También los acelerantes y catalizadores fueron del mismo proveedor. cuando el compuesto alcanza la máxima vulcanización. Los acelerantes son compuestos que ayudan a la vulcanización de los cauchos. Se mide con un equipo llamado rehómetro. Los resultados son los siguientes: Jorge Galbiati Riesco: Diseño de Experimentos Factoriales con aplicaciónes a Procesos Industriales . OBJETIVO DEL EXPERIMENTO : El objetivo es buscar una combinación de compuesto que permita disminuir los ciclos de vulcanización de los neumáticos que utilicen este compuesto. el cual. a fin de hacer el proceso más eficiente. a través de un rotor.37 - . y los activadores del acelerante actúan como catalizadores. b2 : Mercaptano (2-Mercapto-Benzotiazol). RESPUESTA : el delta torque. Se sabe que la calidad del compuesto dependen del tipo de caucho utilizado. le aplica un torque al compuesto a una temperatura fija. Estos son: 1) Alguna posible falla del equipo mezclador al momento de realizarse el experimento. dando las siguientes respuestas. B :. Por lo tanto.

los otros pares de rectas. tipo de caucho. sobre todo el del factor A.3 10. tipo del acelerante y activador del acelerante.1 17. El paralelismo de las rectas del gráfico de AB indica que esta interacción es nula. Figura 3. que se presentan a continuación. muestran los efectos de los tres factores.COMBINACION DE TRATAMIENTOS a1b1c1 a2b1c1 a1b2c1 a2b2c1 a1b1c2 a2b1c2 a1b2c2 a2b2c2 RESPUESTA 10.8 15. cuyas pendientes son similares.6 .Diagrama de efectos del experimento Optimización de la Plasticidad del Caucho de Neumático Los gráficos de interacción. y una influencia más moderada de los dos factores restantes. por las pendientes de las rectas.8 15.6 11. Jorge Galbiati Riesco: Diseño de Experimentos Factoriales con aplicaciónes a Procesos Industriales .1 14.7 El siguiente es el diagrama de efectos. muestran un grado menor de interacción BC y AC. que muestra una importante influencia del factor A.1 15. Las interacciones son muy poco importantes.38 - .

Figura 3.7 - Gráfico de interacción Delta Torque versus Tipo de Caucho, estratificado por Tipo de Ascelerante

Figura 3.8 - Gráfico de interacción Delta Torque versus Tipo de Ascelerante, estratificado por Tipo de Caucho

Jorge Galbiati Riesco: Diseño de Experimentos Factoriales con aplicaciónes a Procesos Industriales - 39 -

Figura 3.9 - Gráfico de interacción Delta Torque versus Activador del Acelerante, estratificado por Tipo de Caucho

EJERCICIOS 3.1) Se corrió un experimento con tres factores, a dos niveles cada uno. Los factores, con sus respectivos niveles, son: FACTOR A : MAQUINA a2 : Maquina nueva. B : METODO OPERATIVO b2 : Modificado. C : MATERIAL c2 : Granulosidad media. NIVELES a1 : Maquina antigua. b1 : Standard. c1 : Baja granulosidad.

RESPUESTA: Porcentaje de ítemes producidos fuera de especificaciones. De las respuestas obtenidas, se hicieron los tres gráficos de interacción que se muestran a continuación:

Jorge Galbiati Riesco: Diseño de Experimentos Factoriales con aplicaciónes a Procesos Industriales - 40 -

Interprete los resultados, en terminos de si hay o no, efectos principales de A, de B o de C, y si hay o no, interacciones dobles AB, AC y BC. 3.2) Se diseña un experimento para controlar la elasticidad de una lámina metálica utilizada en termostatos. Los factores son tres, con dos niveles cada uno. El primero corresponde a la aleación, el segundo al grosor de la lámina y el tercero al templado. Designaremos los factores por A, B y C, y sus niveles respectivos son a , a , b , b , c , y c .Los siguientes son los gráficos de interacción:

Jorge Galbiati Riesco: Diseño de Experimentos Factoriales con aplicaciónes a Procesos Industriales - 41 -

en el sentido de si hay o no efectos principales de A.42 - .Interprete los gráficos. y si hay o no interacciones dobles AB. Jorge Galbiati Riesco: Diseño de Experimentos Factoriales con aplicaciónes a Procesos Industriales . AC o BC. de B o de C.

iii) Respuesta versus C. Las respuestas del experimento. temperatura del refrigerante. con una resistencia eléctrica enrollada en su interior. estratificado por B (promediado a través de los niveles de C). Se diseñó el experimento a dos niveles por cada factor. están dadas en la tabla siguiente: Jorge Galbiati Riesco: Diseño de Experimentos Factoriales con aplicaciónes a Procesos Industriales . c1 : Al fondo del cilindro. ii) Respuesta versus B. y si hay interacciones dobles AB. Se diseña un experimento para estudiar el efecto de la forma y tipo de la pieza de aislante y la posición de la resistencia. 3. estratificado por C (promediado a través de los niveles de A). de forma cilíndrica. Se desea minimizar el porcentaje de amoníaco que no se oxida. B. Interprete los resultados obtenidos. en el sentido de si hay efectos principales de A. flujo de aire. Construya la tabla de respuestas. o C. concentración del compuesto. b1 : 15 cm. RESPUESTA: Tiempo de calentado.43 - . a dos niveles cada uno: FACTOR A : TIPO DE MATERIAL AISLANTE B : DIÁMETRO DE LA PIEZA AISLANTE C : POSICIÓN DE LA RESISTENCIA c2 : En mitad del cilindro. b2 : 20 cm. sobre el tiempo que toma el sello en alcanzar la temperatura necesaria para contraerse. en porcentajes x10. Los factores son tres. del sello. abierta por debajo. C. Los factores a controlar son tres: A. BC. B. a2 : Baja densidad. por oxidación de amoníaco. estratificado por A (promediado a través de los niveles de B). b) Interprete los gráficos.4) En una planta química se produce ácido nítrico. el diagrama de efectos y dibuje los gráficos de interacción. o AC. en segundos. y que se pierde.3) Un dispositivo para colocar sellos plásticos en cilindros de oxígeno consiste en una pieza de material aislante.3. Los resultados de llevar a cabo el experimento son los siguientes: COMBINACION DE TRATAMIENTOS RESPUESTA 6 8 7 9 7 9 11 13 a1b1c1 a2b1c1 a1b2c1 a2b2c1 a1b1c2 a2b1c2 a1b2c2 a2b2c2 a)Construya los siguientes tres gráficos de interacción: i) Respuesta versus A. NIVELES a1 : Alta densidad.

TAMAÑO DE LA CARGA. C. c1 : Bajo 1200 ºC. B. a dos niveles cada uno: FACTOR A..P. como una etapa dentro del proceso de producción.6) En las planta de producción de ácido sulfúrico se utilizan catalizadores en los convertidores que permiten la transformación de trióxido de azufre (SO3) a dióxido de azufre (SO4). b2 : Sobre 1.P.. 3. RESPUESTA: Ley de la cal libre que presenta reactividad para los procesos. en cuyo extremo de salida hay un quemador que produce una temperatura de alrededor de 1200 ºC en la zona de calcinación. Se hizo un experimento para medir el efecto de tres variables de operaci¢n.5) El proceso de producción de cal comienza con la introducción de carbonato de calcio a un horno rotatorio de velocidad variable. realizado con dos réplicas: COMBINACION DE TRATAMIENTOS RESPUESTA REPLICA 1 REPLICA 2 84 92 87 92 98 96 97 94 96 91 90 86 90 99 94 98 a1b1c1 a2b1c1 a1b2c1 a2b2c1 a1b1c2 a2b1c2 a1b2c2 a2b2c2 Construya la tabla de respuestas.44 - . medida en porcentaje de ley.COMBINACION DE TRATAMIENTOS RESPUESTA 38 37 29 30 35 34 24 25 a1b1c1 a2b1c1 a1b2c1 a2b2c1 a1b1c2 a2b1c2 a1b2c2 a2b2c2 3. Los factores son tres.M. NIVELES a1 : Granulometría de 1/4 a 3/4 plg.5 R. La tabla siguiente entrega los resultados del experimento. sobre la calidad del producto.VELOCIDAD DE GIRO. Interprete los resultados obtenidos.5 R. c1 : Sobre 1200 ºC.. Una parte del SO3 no se transforma y es lanzado a la Jorge Galbiati Riesco: Diseño de Experimentos Factoriales con aplicaciónes a Procesos Industriales .M. a2 : Granulometr¡a de 3/4 a 1 1/2 plg.CALOR. el diagrama de efectos y dibuje los gráficos de interacción. b1 : Bajo 1.

Se corrió el experimento. Jorge Galbiati Riesco: Diseño de Experimentos Factoriales con aplicaciónes a Procesos Industriales . y los Gráficos de Interacción. en términos de los elementos dados en el planteo del problema. y de los niveles de alimentación de ácido sobre el porcentaje de emisión de SO a la atmósfera. Se diseña un experimento con tres factores. el Diagrama de Efectos. : TIEMPO DE OPERACIÓN b2 : 12 meses C. que se busca minimizar.45 - . como se describe a continuación: FACTORES A : CATALIZADOR a2 : tipo 2 B. Compare lo mostrado por ambos. a dos niveles cada uno. del tiempo de utilizacion de éstos. en partes por cada 100000. medida con instrumentos en línea. dando por resultado los siguientes valores: COMBINACION DE TRATAMIENTOS RESPUESTA 100 116 125 178 100 138 157 148 a1b1c1 a2b1c1 a1b2c1 a2b2c1 a1b1c2 a2b1c2 a1b2c2 a2b2c2 Construya la Tabla de Respuestas. Se desea probar el efecto de dos tipos de catalizadores. : NIVEL DE ALIMENTACIÓN c2 : nivel 2 NIVELES a1 : tipo 1 b1 : 1 mes c1 : nivel 1 RESPUESTA: Factor de emisión de SO3 a la atmósfera.atmósfera. Dé una interpretación del Diagrama de Efectos y de los Gráficos de Interacción.

1 . se debe escoger un bloque que sea una fracción de 1/p del total de combinaciones de tratamientos ( con p<k ). Las fracciones se denominan bloques. siendo imposible obtener información individual sobre la influencia que cada uno de ellos tiene. a 64. si k = 3. se debe dividir el total de combinaciones de tratamientos por una potencia de dos. y a 128 si hay 7 factores. No es un número muy inusual el de 7 factores. La siguiente figura muestra el diseño 23 fraccionado en dos bloques de cuatro combinaciones de tratamientos. Así. un experimento 23 puede dividirse en 2. y utilizar una de esas fracciones para el experimento.CAPITULO 4 DISEÑOS FACTORIALES FRACCIONADOS Se vio que el número de combinaciones de tratamientos para llevar a cabo un experimento factorial de k factores a dos niveles cada uno. a 32.1. si k = 2. En general. Nos remitiremos a este tipo de situaciones.2. Este hecho no garantiza que esté balanceado. que esté balanceado. es 2k. se debe tratar de que cada nivel de los factores aparezca el mismo número de veces en el total de combinaciones de tratamientos. para lograr un experimento fraccionado de un experimento factorial 2k . En tal caso se dice que el diseño está balanceado. de modo que se puedan medir sus efectos con igual precisión. Al planear un experimento en forma fraccionada. sobre la respuesta. Jorge Galbiati Riesco: Diseño de Experimentos Factoriales con aplicaciónes a Procesos Industriales . se requieren 22 = 4 combinaciones de tratamientos. después a 16. BLOQUE I BLOQUE II 3 Los siguientes ejemplos muestran posibles fraccionamientos balanceados de experimentos 2 y 22 a1b1 a2b2 a2b1 a1b2 2-1 Tabla 4. Se usa el símbolo 2k-p para designar un experimento fraccionado a 1/2p y2 . EJEMPLO 4. Sin embargo. separadamente. disponer de 128 combinaciones de tratamientos es sumamente costoso. En tal caso se habla de un diseño factorial fraccionado. 2k aumenta a 8. En tal caso se dice que esos efectos están confundidos. que los niveles de todos los efectos aparezcan el mismo número de veces. es posible realizar el experimento con menos combinaciones de tratamientos que las indicadas arriba. lo que nos da dos bloques de 23/2=22=4 combinaciones de tratamientos. además. Afortunadamente. sino más de uno a la vez. Se debe tener cuidado. La siguiente figura muestra el diseño 22 fraccionado en dos bloques parciales de dos combinaciones de tratamientos.46 - . Por ejemplo. Para lograrlo.Distribución de los dos Bloques en un Diseño Balanceado 2 EJEMPLO 4. o puede dividirse en cuatro bloques de 23-2=2 combinaciones de tratamientos. El precio que se paga por este ahorro es el hecho que algunos contrastes miden no un solo efecto (efecto principal o interacción).

y los prepara para una posterior utilización. requieren de un control operacional. Junto a este control se destaca también el control a los productos. Una vez extraído el mineral de la mina. control de pesaje). Registro de datos del instrumental. laboratorio físico. Separación de la solución de oro del material insoluble. Jorge Galbiati Riesco: Diseño de Experimentos Factoriales con aplicaciónes a Procesos Industriales . de ley aproximadamente 99. el primer paso consiste en separar físicamente las especies mineralógicas de cobre de la ganga. Tratamiento de la muestra. En el caso del cobre.Distribución de los cuatro Bloques en un Diseño Balanceado 2 ESTUDIO DE CASO : PRECISION DEL RESULTADO DEL ANALISIS QUIMICO PARA MEDIR EL CONTENIDO DE ORO EN CONCENTRADO DE COBRE. El producto obtenido en esta etapa se denomina concentrado de minerales o concentrado de cobre. Los productos obtenidos en las distintas etapas mencionadas. mezcladas con grandes cantidades de materiales de deshecho o ganga.Distribución de los dos Bloques en un Diseño Balanceado 2 EJEMPLO 4. La etapa siguiente es la eliminación de las impurezas obtenidas en la flotación junto al cobre.3.98%. triturando y moliendo los minerales. el cual es comercializado mayoritariamente en los mercados de Europa y Estados Unidos. Evaluación. BLOQUE I BLOQUE II BLOQUE III BLOQUE IV a1b1c1 a2b2c2 a2b1c1 a1b2c2 a1b2c2 a2b1c2 a1b1c2 a2b2c1 3-2 Tabla 4. éste se encuentra en la naturaleza en los minerales. muestreras. formados por especies mineralógicas valiosas de cobre. a través de sus distintas áreas (laboratorio químico. El siguiente diagrama muestra en detalle el procedimiento analítico: Muestreo. Es así como adquiere una real importancia el departamento de control de calidad. La metalurgia es la ciencia que estudia la forma de extraer los metales de las menas. llamado control de certificación. se lleva a cabo a través de dos técnicas combinadas: Extracción orgánica por solventes y espectrofotometría de absorción atómica. el segundo paso consiste en concentrar las especies valiosas por flotación por espuma. El análisis químico de oro en concentrados de cobre.3 .2 . de ley aproximadamente 99. A continuación este ánodo es tratado electroquímicamente. Estas operaciones no modifican las características químicas de las especies que han sido separadas y concentradas. La primera consiste en un proceso pirometalúrgico realizado en hornos a altas temperaturas.BLOQUE I BLOQUE II a1b1c1 a2b2c1 a2b1c2 a1b2c2 a2b1c1 a1b2c1 a1b1c2 a2b2c2 3-1 Tabla 4.5%. dando como producto el denominado cátodo de cobre.47 - . La siguiente figura muestra el diseño 23 fraccionado en cuatro bloques de dos combinaciones de tratamientos. dando origen a un ánodo de cobre. Decantación en embudo de decantación Separación del oro en fase orgánica de fase inorgánica.

Temperatura de reacción. según la siguiente descripción: FACTORES NIVELES A : TAMAÑO DE LA MUESTRA. con dos niveles cada uno. g1 : Estándar alto en concentración de oro. a1 : Partícula fina. CAPACIDAD DEL EXTRACTANTE G :. RESPUESTA: Concentración de oro en gramos por tonelada. Los factores que potencialmente influyen sobre el resultado son: Tamaño de la muestra. la que se dividió en porciones. un diseño 27-4. a2 : Partícula gruesa. C : TIEMPO DE REACCIÓN. para observar la variabilidad de los resultados. y correr dos bloques distintos. Tiempo de reacción. B : TEMPERATURA DE REACCIÓN. Dado que el experimento completo requeriría el excesivo número de 27 = 128 corridas experimentales. se pudo contrastar los resultados. lo que redunda en valores poco confiables. d2 : 12 ml. c1 : 2 horas 30 minutos. Se hizo un estudio. OBJETIVO DEL EXPERIMENTO : Diseñar un experimento para controlar las fuentes de variación mas relevantes. enmarcado dentro de estos procesos de control. se tomo una muestra homogeneizada de concentrado de cobre. Volumen extraído. D :. se decidió fraccionarlo a 1/16. b1 : Baja. Con el objeto de estudiar la influencia de estos factores sobre el resultado del análisis. DISEÑO DEL EXPERIMENTO : Siete factores. d1 : 10 ml. que corresponde al análisis químico de oro contenido en concentrados de cobre. por lo que se sospecha que el método de análisis influye sobre éste. para utilizar en cada corrida experimental. Jorge Galbiati Riesco: Diseño de Experimentos Factoriales con aplicaciónes a Procesos Industriales . e1 : 20% de HCl e2 : 15% de Hcl f1 : Alta extracción. VOLUMEN EXTRAÍDO E :. f2 : Baja extracción. Al ser distintos los bloques. Forma de calibrar el instrumento de medición. ACIDEZ DEL MEDIO F :.48 - . en la determinación de oro en concentrados de cobre. Acidez del medio. de 8 combinaciones de tratamiento cada una. c2 : 3 horas 30 minutos.Los resultados del análisis presentan una alta variabilidad. FORMA DE CALIBRAR EL INSTRUMENTO DE MEDICIÓN. b2 : Alta. g2 : Estándar bajo en concentración de oro. Capacidad del extractante. es decir.

Hay una forma simple de determinar cuáles grupos de efectos están confundidos entre sí. CONTRASTES COMPONENTE BLOQUE I BLOQUE II a1b1c1 a2b2c1 a2b1c2 a1b2c2 a2b1c1 a1b2c1 a1b1c2 a2b2c2 1 + + + + + + + + A + + + + B + + + + AB + + + + C + + + + AC + + + + 3-1 BC + + + + ABC + + + + Tabla 4. Los bloques que se corrieron son los siguientes: BLOQUE I BLOQUE II a1b1c1d1e1f1g1 a1b1c1d2e2f2g2 a1b2c2d1e1f2g2 a1b2c2d2e2f1g1 a2b1c2d1e2f1g2 a2b1c2d2e1f2g1 a2b2c1d1e2f2g1 a2b2c1d2e1f1g2 a1b1c1d1e1f1g1 a1b1c2d1e2f2g1 a2b2c1d1e2f2g1 a2b2c2d1e1f1g1 a1b2c1d1e1f2g2 a1b2c2d1e2f1g2 a2b1c1d1e2f1g2 a2b1c2d1e1f2g2 4. Observemos la matriz de diseño del experimento 23 .Matriz de Diseño del Experimento 2 Si nos fijamos en un solo bloque cualquiera.1. según el diseño 23-1 del ejemplo 5. C con AB y ABC con 1. Consiste en identificar el o los efectos que aparezcan confundidos con la identidad 1.49 - . dentro de cada bloque ( y por lo tanto. Por lo tanto. veremos que es lo mismo probar el efecto A que el efecto de la interacción BC. También vemos que están confundidos B con AC. al querer medir uno de estos efectos. pero esta vez con las combinaciones de tratamientos agrupadas en dos bloques.4 .. Se dice que los efectos A y BC están confundidos.Efectos Confundidos. estaremos midiendo ambos a la vez. están confundidos con los bloques). sin tener que construir la matriz de diseño completa. que se muestra a continuación.para ver si hay evidencia de pérdida de información por efectos confundidos. Jorge Galbiati Riesco: Diseño de Experimentos Factoriales con aplicaciónes a Procesos Industriales .

obtenemos los siguientes resultados: ABC x 1 = ABC ABC x A = A2BC = BC ABC x B = AB2C = AC ABC x AB = A2B2C = C ABC x C = ABC2 = AB ABC x AC = A2BC2 = B ABC x BC = AB2C2 = A ABC x ABC = A2B2C2 = 1 En resumen. vimos en la Matriz de Diseño del Bloque I. respetando la convención de que una letra elevada al cuadrado es igual a 1. lo mismo ocurre en el Bloque II . Entonces debemos multiplicar cada uno de ellos por todos los efectos.3 (Continuación). es lo mismo que medir la identidad (sólo aparecen cambiados los signos. Veamos qué pasa con el experimento 23-2. En el ejemplo con el diseño 23-1 . según la distribución en bloques mostrada más arriba. del ejemplo 4.Matriz de Diseño del Experimento 2 Aquí vemos que AB. AC y BC aparecen confundidos con la identidad 1.50 - . Entonces el efecto que se multiplica por él está confundido con el efecto resultado de la "multiplicación". podemos concluir que: 1 está confundido con ABC A está confundido con BC B está confundido con AC C está confundido con AB EJEMPLO 4. es la que se presenta a continuación: CONTRASTES COMPONENTE BLOQUE I BLOQUE II BLOQUE III BLOQUE IV a1b1c1 a2b2c2 a2b1c1 a1b2c2 a1b2c1 a2b1c2 a1b1c2 a2b2c1 1 + + + + + + + + A + + + + B + + + + AB + + + + C + + + + - AC + + + + 3-2 BC + + + + - ABC + + + + - Tabla 4. Si multiplicamos ABC por cada uno de los efectos. agrupando las combinaciones de tratamientos en los á bloques. pero eso no altera la situación). como se muestra seguidamente: Jorge Galbiati Riesco: Diseño de Experimentos Factoriales con aplicaciónes a Procesos Industriales . que sólo ABC está confundido con 1.5 . La matriz de diseño.El símbolo de cada uno de éstos se "multiplica" por los símbolos correspondientes a cada uno de los demás efectos. pues si se mide ABC dentro de ese bloque . visto más arriba.3.

que son AC. que dimos anteriormente. en el Ejemplo 3. Generalizando los resultados obtenidos. sino que éstos estén confundidos con interacciones de orden superior. a2b1c2 = 23 y a1b2c2 = 66. Generalmente se prefiere aquellas estructuras en que no aparezcan confundidos los efectos principales. aunque no siempre es así. EJEMPLO 4. hay más de una forma de definir bloques balanceados. C y ABC Este no es un buen diseño. en que sólo se usó el que llamamos Bloque I. Veamos un ejemplo de un diseño 23-1 . Los resultados obtenidos son buenos bajo el supuesto de que los efectos de las interacciones son poco significativos.6 . y que contiene las combinaciones de tratamientos a1b1c1 .. Supongamos que los valores de las respuestas coinciden con los del experimento completo. y cada grupo tiene 2p efectos. Para el análisis de los experimentos 2 k-p se usan los Diagramas de Efectos.2 (Continuación). por lo que se puede tener más de una estructura de confundidos. a1b1c1 = 49. a2b1c2 y a1b2c2. AB. Este supuesto. dado un número de bloques. a2b2c1 = 48. con frecuencia es válido. más arriba. frente a los efectos principales.Cálculo de Efectos Confundidos en el Diseño 2 Observando todas las igualdades. En experimentos con más de tres factores. Recordemos que la Tabla de Respuestas del experimento completo es la siguiente Jorge Galbiati Riesco: Diseño de Experimentos Factoriales con aplicaciónes a Procesos Industriales .. puesto que en situaciones reales es normal que los efectos de más bajo orden tiendan a ser más significativos que los de orden más alto. B. BC y 1 A.1. de modo que sería imposible cuantificar cuánta influencia tiene cada uno sobre la respuesta. de las cuales hay varias repetidas.51 - .MULTIPLICACION POR AB MULTIPLICACION POR AC MULTIPLICACION POR BC AB X 1 = AB AB X A = B AB X B = A AB X AB = 1 AB X C = ABC AB X AC = BC AB X BC = AC AB X ABC = C AC x 1 = AC AC x A = C AC x B = ABC AC x AB = BC AC x C = A AC x AC = 1 AC x BC = AB AC x ABC = B BC x 1 = BC BC x A = ABC BC x B = C BC x AB= AC BC x C = B BC x AC = AB BC x BC = 1 BC x ABC = A 3-1 Tabla 4. en la misma forma que para los experimentos 2k . a2b2c1 . nos encontramos con que hay dos grupos de efectos confundidos. pues todos los efectos principales están confundidos entre ellos. es decir. podemos decir que en un experimento 2k-p hay 2k-p grupos de efectos confundidos.

5 4 Tabla 4. ( y por lo tanto sus promedios coinciden ).5. Está confundido con la identidad.3 66 115 -1 49 A 49 67 23 90 205 1 25 2 12.5 2 66 89 -1 AB 49 67 49 67 C AC 49 67 23 66 66 133 -1 72 205 1 61 2 30. respectivamente. Podemos observar algunos resultados interesantes: Primero.5 y 13. nos hubiéramos encontrado con la Tabla de Respuestas dada a continuación: Jorge Galbiati Riesco: Diseño de Experimentos Factoriales con aplicaciónes a Procesos Industriales .7 . FACTOR NETO DIVISOR EFECTO RANGO 66 61 205 -1 219 424 1 14 4 3. si se comparan con los valores que habíamos obtenido del experimento completo: 12.5 1 66 69 AB 49 49 43 69 67 46 67 C 43 AC 49 69 67 46 23 66 66 61 222 -1 202 424 1 20 4 5.3 1 a1b1c1 a2b2c1 a2b1c2 a1b2c2 TOTAL VERIF.8 .5 2 3 BC 49 67 23 66 90 -1 115 205 1 25 2 12.5 .5 6 66 61 205 -1 219 424 1 14 4 3.5 6 61 201 -1 223 424 1 22 4 5.0 2 161 -1 23 43 B 43 69 67 23 66 61 263 424 1 102 4 25.0 . Si hubiésemos realizado el experimento en el Bloque II. B y C no son muy buenas. FACTOR NETO DIVISOR EFECTO RANGO 23 116 205 1 27 2 13.5 4 116 -1 89 205 1 27 2 13.Tabla de Respuestas del Experimento 2 3 La Tabla de Respuestas para las combinaciones de tratamientos del Bloque I es la siguiente: COMPONENTE 1 49 67 23 66 205 1 205 4 51.5 4 228 -1 61 196 424 1 32 4 8.5 6 ABC 49 67 23 66 205 -1 0 205 1 205 4 51.52 - . es que la estimación del efecto de la interacción triple no se puede hacer.0 5 46 23 69 67 46 23 BC 49 43 ABC 49 43 69 67 46 23 a1b1c1 a2b1c1 a1b2c1 a2b2c1 a1b1c2 a2b1c2 a1b2c2 a2b2c2 TOTAL VERIF.0 3 Tabla 4.5 6 23 B 67 23 66 72 -1 133 205 1 61 2 30. comparados con los valores dados por el experimento completo. 30. 25. las estimaciones de los efectos A.0. Bloque I. que los efectos principales coinciden con sus respectivos confundidos (aparte del signo). respectivamente.COMPONENTE 1 49 43 69 67 46 23 66 61 424 1 424 8 53. La razón es que las interacciones BC (confundida con A) y AB (confundida con C) son muy grandes.0 230 -1 66 46 69 49 A 49 43 67 46 23 61 194 424 1 36 4 9. Los valores eran 9. En segundo lugar.Tabla de Respuestas del Experimento 2 .5 y 8. Otro aspecto que podemos notar.

tanto de los valores dados por el experimento completo.Tabla de Respuestas del Experimento 2 .3 6 86 103 265 -1 250 515 1 15 4 3.5 3 89 -1 61 130 219 1 41 2 20. Nuevamente vemos que los efectos de A. .8 104 -1 69 46 A 43 43 B 43 69 46 61 115 219 1 11 2 5.8 5 a2b1c1 a1b2c1 a1b1c2 a2b2c2 TOTAL VERIF.5 1 69 AB 43 69 46 61 107 -1 112 219 1 5 2 2.3 3 204 -1 80 42 B 42 47 75 80 86 103 311 515 1 107 4 26. Como consecuencia de esto.8 2 86 47 AB 24 24 42 47 75 58 75 C 42 AC 24 47 75 58 80 86 86 103 261 -1 254 515 1 7 4 1.5 y 2. con el mismo tipo de fraccionamiento. pero en que las respuestas dieron otros valores distintos.3 6 188 -1 103 327 515 1 139 4 34.8 5 58 80 47 75 58 80 BC 24 42 ABC 24 42 47 75 58 80 a1b1c1 a2b1c1 a1b2c1 a2b2c1 a1b1c2 a2b1c2 a1b2c2 a2b2c2 TOTAL VERIF. Bloque II.5 6 130 -1 46 61 89 219 1 5 2 20.5 1 3-1 BC 43 69 46 61 115 -1 104 219 1 41 2 5.Tabla de Respuestas del Experimento 23-1 Se puede ver que las interacciones no parecen significativas. en cualquiera de los dos bloques. Jorge Galbiati Riesco: Diseño de Experimentos Factoriales con aplicaciónes a Procesos Industriales .53 - . EJEMPLO 4. frente a los efectos principales.5.8 4 103 255 -1 260 515 1 5 4 1.4 215 -1 86 58 47 24 A 24 42 75 58 80 103 300 515 1 85 4 21.5 6 112 -1 C AC 43 69 46 61 107 219 1 5 2 2.9 . COMPONENTE 1 24 42 47 75 58 80 86 103 515 1 515 8 64. respectivamente. Mostramos una situación similar a la anterior.4. como por el experimento fraccionado realizado en el Bloque I: los nuevos valores son 5. como 23-1 .5 3 ABC 43 69 46 61 219 219 1 219 4 4. FACTOR NETO DIVISOR EFECTO RANGO 86 103 260 -1 255 515 1 5 4 1.10.COMPONENTE 1 43 69 46 61 219 1 219 4 54. B y C están muy lejos. 20.8 1 Tabla 4. FACTOR NETO DIVISOR EFECTO RANGO -1 Tabla 4. al efectuar el experimento en forma fraccionada.5. En primer lugar se muestra la Tabla de Respuestas del experimento completo 23 . las estimaciones de los efectos principales son muy parecidas a las obtenidas con el experimento completo.

La interacción generalizada de B y BC es C. Por ejemplo.54 - .0 4 -1 89 47 AB 42 47 58 103 161 250 1 72 2 36.0 6 ABC 42 47 58 103 0 -1 250 250 1 250 4 62.0 2 -1 89 C AC 42 47 58 103 161 250 1 72 2 -1 100 58 103 150 250 1 50 2 25. su interacción generalizada es el efecto AB x ACD = A BCD = BCD. FACTOR NETO DIVISOR EFECTO RANGO 36. Una interacción generalizada de dos o más efectos. definiremos dos nuevos conceptos que son importantes para la comprensión del procedimiento: Interacciones Generalizadas. si los efectos son AB y ACD. Bloque II.5 2 Tabla 4. FACTOR NETO DIVISOR EFECTO RANGO 80 166 99 265 1 67 2 33.0 4 3-1 BC 42 47 58 103 105 -1 145 250 1 40 2 20.Construcción de Bloques en Diseños 2K . en que se tiene determinado el número de factores. Jorge Galbiati Riesco: Diseño de Experimentos Factoriales con aplicaciónes a Procesos Industriales . en un diseño 2 . Pero antes de introducir estos dos elementos.5 6 ABC 24 75 80 86 265 -1 0 265 1 265 4 66. k. correspondientes al experimento fraccionado.5 1 a2b1c1 a1b2c1 a1b1c2 a2b2c2 TOTAL VERIF. Esto se puede apreciar en las dos Tablas de Respuestas que se muestran más abajo.11 .3 86 110 -1 24 A 24 75 80 80 B 75 80 86 155 265 1 45 2 22. etc.5 105 -1 47 58 A 42 42 B 42 47 58 103 145 250 1 40 2 20.Además..Tabla de Respuestas del Experimento 2 .3 1 a1b1c1 a2b2c1 a2b1c2 a1b2c2 TOTAL VERIF. en un diseño factorial fraccionado. COMPONENTE 1 42 47 58 103 250 1 250 4 62.5 2 99 -1 166 265 1 67 2 33. como se mostró anteriormente. COMPONENTE 1 24 75 80 86 265 1 265 4 66. Para definir bloques.2. Bloque I. en ambos bloques.Tabla de Respuestas del Experimento 2 .5 6 -1 104 161 265 1 57 2 28. los efectos aparecen con los mismos rangos.5 4 3-1 BC 24 75 80 86 155 -1 110 265 1 45 2 22. es la que resulta de "multiplicar" esos efectos.0 6 -1 100 103 150 250 1 50 2 25.12 . efectuado separadamente en cada uno de los dos bloques. 4.0 2 Tabla 4.5 4 -1 86 AB 24 75 24 75 C AC 24 75 80 86 86 161 -1 104 265 1 57 2 28. el experimentador debe decidir previamente sobre dos elementos.

es decir. ABC } es un conjunto de efectos independientes. Entonces se debe definir un sólo efecto a confundir con 1. en nuestro ejemplo: Jorge Galbiati Riesco: Diseño de Experimentos Factoriales con aplicaciónes a Procesos Industriales . qué efectos está dispuesto a no poder cuantificar. ocho bloques. dos bloques de cuatro combinaciones de tratamientos cada uno. C } no lo es. El número de efectos independientes que quedan confundidos con 1 es igual a p. si la fracción de diseño es 1/2. Los grupos de confundidos constan de á efectos cada uno. y por lo tanto es un efecto que se debe confundir con 1.5. La siguiente tabla muestra los cálculos que habría que hacer. en lo posible. interacciones dobles. mientras más alto es el orden de la interacción. más grande el p. el conjunto { A. es decir. AC. en la práctica. b y c.55 - . Dadas estas definiciones. Si se desea confundir ABC. enumeramos las decisiones que debe tomar el experimentador. 1/8. Mientras más económico deba ser el diseño. Supóngase que el experimentador decide confundir AB. 2) Debe decidir qué efectos independientes va a confundir con 1. 0 en caso contrario. Una vez tomadas sus decisiones. Para mayor claridad. el siguiente procedimiento le permitirá construir los bloques. Es decir. en cada una de las combinaciones de tratamientos del experimento completo. ABC. Si la fracción es 1/4. son tres los efectos independientes a confundir con 1. Supóngase que se trata de un diseño 23 . y los grupos de confundidos tienen ú efectos. En nuestro caso queremos confundir AB. y el otro bloque con todas aquellas para las que L resultó ser impar. respectivamente. hay k factores a 2 niveles cada uno. Es deseable que no sean efectos principales. Se construye una ecuación definitoria.Efectos Independientes. Todo lo anterior se puede verificar en los ejemplos dados al principio del capítulo. para cada combinación de tratamientos. pero más restringida será la información que obtenga el investigador. para definir su estructura de diseño experimental fraccionado: 1) Debe decidir qué fracción del diseño completo va a utilizar. 0 si no lo está. pues ninguno es interacción generalizada de los demás. α1 = 1. α2 = 1 y α3 = 1. Se prefiere confundir interacciones de alto orden. Un conjunto de efectos son independientes si ninguno de ellos es interacción generalizada de algunos de los restantes. y lo mismo para α3 . son dos bloques. El número combinaciones de de combinaciones de tratamientos es 2k . del tipo L = α1 x1 + α2 x2 + α3 x3 en que α1 es igual a 1 si A está presente en el efecto a confundir. y se va a fraccionar a 1/2. y son dos los efectos independientes a confundir con 1. p=1. Luego de calculado el valor de L. x2 y x3 toman el valor del subíndice de a. que ya quedan totalmente determinados. ni. son cuatro bloques. Por ejemplo. va a utilizar un diseño 2k-p y tiene que decidir cuál va a ser el valor de p. y la ecuación definitoria es L = x1 + x2 Los términos x1 . α2 = 1 y α3 = 0. 1/4. Algunos resultados numéricos: En un diseño 2k-p. distribuidas en 2p bloques de 2k-p tratamientos en cada una. siguiendo la regla de que. luego α1 = 1. Esto dependerá de los recursos de que dispone. Si la fracción es 1/8. Se forman 2k-p grupos de 2p efectos confundidos entre sí. pues el producto de A por AC es C. se presentará el procedimiento a través de un ejemplo: EJEMPLO 4. Es decir. 2 si está al nivel alto. probablemente su efecto sobre la respuesta será menos significativo. sea 1/2. α2 es 1 si B está. Sin embargo { A. Por ejemplo. se forma un bloque con todas aquellas para las cuáles L resultó ser un número par. hay grupos de efectos confundidos. AC. etc. de cada combinación de tratamientos: 1 si el factor está al nivel bajo. más pequeña la fracción.

13 . A esto se referirá la siguiente sección. Jorge Galbiati Riesco: Diseño de Experimentos Factoriales con aplicaciónes a Procesos Industriales . nos encontramos con lo siguiente: AB x 1 = AB AB x A = A2B = B AB x B = AB2 = A AB x AB = A2B2 = 1 AB x C = ABC = ABC AB x AC = A2BC = BC AB x BC = AB2C = AC AB x ABC = A2B2C = C Recordemos que ahora AB está confundido con 1. por eso se "multiplican" los efectos por AB. A está confundido con B C está confundido con ABC AC está confundido con BC Este no resultó ser un buen diseño. y no se podrá saber si son significativos. que era la condición bajo la cual se construyó el diseño. para determinar qué efectos están confundidos con cuáles otros. van al mismo bloque. quedan estructurados de la siguiente forma: BLOQUE I BLOQUE II a1b1c1 a2b2c1 a1b1c2 a2b2c2 a2b1c1 a1b2c1 a2b1c2 a1b2c2 Si aplicamos la regla vista anteriormente.Construcción de bloques Los bloques definidos en la última columna. quedaron confundidos entre sí.56 - . 1/8. por separado. se tomarán tantas ecuaciones definierais como el valor de p.COMBINACION DE TRATAMIENTOS ECUACION DEFINITORIA a1b1c1 a2b1c1 a1b2c1 a2b2c1 a1b1c2 a2b1c2 a1b2c2 a2b2c2 x1 1 2 1 2 1 2 1 2 x2 1 1 2 2 1 1 2 2 x3 1 1 1 1 2 2 2 2 L = x1 + x2 2 3 3 4 2 3 3 4 PARIDAD BLOQUE par impar impar par par impar impar par I II II I I II II I Tabla 4. etc.). Si p es 2 o más ( fracciones de 1/4. Podemos concluir que: 1 está confundido con AB. Las combinaciones de tratamientos cuya paridad coincide en todas sus ecuaciones definierais. pues dos efectos principales. A y B.

y 4. Por lo tanto la resolución es II. dos confundidos con 1.par) y (impar.1) La empresa CHILE-OLIVES desea mejorar la hermeticidad de los envases.57 - .Resolución de un Diseño Factorial Fraccionado. Si hay interacciones dobles confundidas con triples. IV y V: Resolución III.3. EJERCICIOS 4. el de más alta resolución. Mientras más alta es la resolución. si p=4. evita tener que efectuar los cálculos para la construcción de bloques. entregan el diseño óptimo. No hay efectos principales ni interacciones dobles confundidos entre ellos. Si hay interacciones dobles confundidas entre sí. respectivamente. Este es un diseño 2 III . el adhesivo y la temperatura de sellado. B con AC y C con AB. 3 factores en cada caso. Existen programas computacionales que. Esto es porque es deseable evitar confundir afectos de bajo orden con otros de bajo orden. El sello es de dos tipos posibles. entonces de un diseño 23. y el diseño es un 2 II 3− 2 3−1 . los confundidos son 1 con ABC. A continuación se enumeran las características de los diseños con resoluciones III. A con B.Por ejemplo. habrán 4 bloques. el adhesivo se aplica en baja densidad y en alta densidad. dos ecuaciones definitorias. Es mejor confundir efectos de bajo orden con otros de orden alto. 2. Luego la resolución es III. las paridades posibles para los dos valores de L son (par. No hay efectos principales confundidos entre sí. 4. el número total de factores contenidos en ellos es a lo menos R. interacciones dobles. en la práctica. pues en general éstos últimos suelen tener poca significación. como serían efectos principales entre sí. No hay efectos principales confundidos entre sí. (par. el experimento se hace fraccionado en cuatro bloques.. El uso de estos programas. A con BC. de aceitunas de exportación. el número total de factores en cada par de confundidos es 2. que puede ser bastante tediosa en diseños con muchos factores. en el Ejemplo 5. dadas las condiciones mencionadas en la sección anterior. pero si efectos principales con Resolución IV. (impar. También se mostró un diseño 23-2 . mejor es el diseño. 4. Se trata. independientes. como fuentes de variación de la respuesta.impar). y la temperatura de sellados tiene dos niveles. 50 grados y 65 grados centígrados. De esta forma quedan definidos los cuatro bloques.par). Luego la resolución es II. En el Ejemplo 8 se vio un diseño 23-1 . dado cualquier par de efectos confundidos entre sí. Este diseño se expresa en símbolos como 2 II 3−1 En el ejemplo 6 se muestra un diseño 23-1. El siguiente diseño corresponde a un experimento a tres factores: El sello. Un diseño fraccionado es de resolución R si. ni efectos principales con interacciones dobles. es decir. y se vio que los confundidos son AC con AB con BC con 1. en el que están confundidos 1 con AB. que se muestra a continuación: Jorge Galbiati Riesco: Diseño de Experimentos Factoriales con aplicaciónes a Procesos Industriales . con capacidad para 200 litros. y A con B con C con ABC. Por razones de economía. Resolución V.impar). BC con AC y C con ABC.

45 a2 : 0. El siguiente diagrama muestra la forma de fraccionar el experimento en bloques de dos: EFECTOS E INTERACCIONES BLOQUE I BLOQUE II BLOQUE III BLOQUE IV 1 + + + + + + + + A + + + + - B + + + + - AB + + + + C + + + + AC + + + + - BC + + + + - ABC + + + + a) entre sí.3) Repita lo del ejercicio 4. para el siguiente caso: EFECTOS E INTERACCIONES BLOQUE I BLOQUE II BLOQUE III BLOQUE IV 1 + + + + + + + + A + + + + - B + + + + AB + + + + - C + + + + AC + + + + - BC + + + + ABC + + + + - Jorge Galbiati Riesco: Diseño de Experimentos Factoriales con aplicaciónes a Procesos Industriales .5 % c2 : 1. y los grupos de efectos confundidos entre sí. medida en Kg/cm. b) ¿Cuál es la resolución del diseño ? 4.60 b1 : 7 días. b) Encuentre los efectos confundidos con bloques.2. NIVELES a1 : 0. C.5 % La respuesta es la resistencia a la compresión.2) Se busca optimizar la resistencia a la compresión del hormigón denominado tipo H-30.BLOQUE I BLOQUE II BLOQUE III BLOQUE IV a1b1c1 a2b1c1 a1b2c1 a1b1c2 a2b2c1 a2b2c2 a2b1c2 a1b2c2 a) Encuentre los efectos confundidos con bloques. a dos niveles cada uno: FACTORES A: RAZÓN AGUA-CEMENTO. en función de los siguientes factores. El diseño del experimento es en un bloque de dos combinaciones de tratamientos.ADITIVO PLASTIMENT-HER.. B: TIEMPO DE CURADO.58 - . b2 : 28 días c1 : 0. y los grupos de efectos confundidos ¿Cuál es la resolución del diseño ? 4.

determine si hay consistencia con los resultados obtenidos en a).5) Repita lo del ejercicio 4. Se trata de un diseño 23-1 .4. supóngase que CHILE-OLIVES dispone de mayores recursos para su estudio.59 - . Se dan. y los grupos de efectos confundidos entre sí.4. después de realizado el experimento: COMBINACION DE TRATAMIENTOS RESPUESTA 38 30 35 25 37 29 34 24 BLOQUE I BLOQUE II a1b1c1 a2b2c1 a1b1c2 a2b2c2 a2b1c1 a1b2c1 a2b1c2 a1b2c2 a) Calcule los efectos de los tratamientos en cada bloque. Observando las tablas de respuestas. A continuación se da la distribución de las combinaciones de tratamientos.4. mediante tablas de respuestas. además. b) Encuentre los efectos confundidos con bloques. en cada uno de los bloques. para los siguientes datos: COMBINACION DE TRATAMIENTOS RESPUESTA 16 22 32 35 18 24 26 29 BLOQUE I BLOQUE II a1b1c1 a1b2c1 a2b1c2 a2b2c2 a2b1c1 a2b2c1 a1b1c2 a1b2c2 4. los valores de las respuestas obtenidas. y el experimento lo fracciona sólo en dos bloques. c) ¿Cuál es la resolución del diseño ? 4.6) Repita lo del ejercicio 4. para los siguientes datos: EFECTOS E INTERACCIONES BLOQUE I BLOQUE II 1 + + + + + + + + A + + + + B + + + + AB + + + + C + + + + AC + + + + BC + + + + ABC + + + + RESPUESTA 325 226 451 227 358 295 441 396 Jorge Galbiati Riesco: Diseño de Experimentos Factoriales con aplicaciónes a Procesos Industriales .4) En el mismo problema de optimizar la hermeticidad de sus envases de 200 litros.

en diversas condiciones del camino. B : CONDICION DEL CAMINO C : PRESION DE LOS NEUMATICOS NIVELES a1 : Concreto. de los cuáles el experimentados seleccionar uno para ejecutar: COMBINACIÓN DE TRATAMIENTOS EFECTOS E INTERACCIONES BLOQUE I BLOQUE II a1b1c1 a2b1c1 a1b2c2 a2b2c2 a1b2c1 a2b2c1 a1b1c2 a2b1c2 1 + + + + + + + + A + + + + B + + + + - AB + + + + - C + + + + AC + + + + BC + + + + - ABC + + + + - a) ¿Qué efecto o efectos están confundidos con los bloques? b) Forme todos los grupos de efectos que están confundidos entre sí. y en ella se indican los dos bloques en que se decide fraccionar el experimento. La respuesta es la distancia recorrida al aplicar los frenos.60 - .7) Repita lo del ejercicio 4. c2 : 30 psi. sólo se corre un bloque de cuatro combinaciones de tratamientos. por hora. relacionado con la maniobrabilidad de un vehículo. La siguiente es la matriz del diseño.8) Se requiere efectuar un experimento con tres factores.4. a2 : Asfalto. cuando el vehículo se desplaza a 50 km.4. para los siguientes datos: EFECTOS E INTERACCIONES BLOQUE I BLOQUE II 1 + + + + + + + + A + + + + B + + + + AB + + + + C + + + + AC + + + + BC + + + + ABC + + + + RESPUESTA 16 18 19 19 18 16 19 19 4. es decir. a dos niveles cada uno. Se hace un diseño 23-1 . Los factores y sus respectivos niveles son: FACTOR A : TIPO DE SUPERFICIE. b2 : Mojado c1 : 2ú psi. b1 : Seco. Jorge Galbiati Riesco: Diseño de Experimentos Factoriales con aplicaciónes a Procesos Industriales .

61 - .13) bloques. y distancia de desplazamiento (factor C). tipo de superficie de deslizamiento (factor B).14) Repita lo del ejercicio 4.c) ¿Cuál es la resolución del diseño? ¿Es ésta la partición más conveniente del diseño factorial 23 . Se piensa que la interacción triple ABC es poco importante.12. pero confundiendo la interacción doble BC y el efecto principal A con bloques. _________________________________________________ Jorge Galbiati Riesco: Diseño de Experimentos Factoriales con aplicaciónes a Procesos Industriales .8.10) Repita lo del ejercicio 4. se decide correr sólo un bloque de cuatro combinaciones de tratamientos. Los factores considerados son tres: Peso del portón (factor A). pero confundiendo las interacciones dobles BC y AC con 4. y sólo se correrá un bloque de dos combinaciones de tratamientos. b )Indique los grupos de efectos confundidos entre sí. Cuál es la resolución del experimento ? 4. A cada factor se le definen dos niveles. por lo que se decide confundirla con bloques.12. pero confundiendo el efecto principal A con bloques. pero confundiendo la interacción doble AB con bloques. a) b) c) Diseñe los bloques de tal modo que se confundan con ABC. ¿Por qué no sería conveniente este diseño ? 4.11) Repita lo del ejercicio 4. pero ahora el presupuesto para efectuar estudios es aún más escuálido. Debido a lo caro que resultaría la experimentación para realizar las 8 corridas experimentales mínimas necesarias para efectuar el experimento completo. c) ¿Cuál es la resolución del experimento ? 4.9) Se desea efectuar un experimento para determinar los factores que afectan el desgaste de un motor para portones automáticos.12) Supóngase la misma situación del ejercicio 4. Indique los grupos de efectos confundidos entre sí.9. 4. a) Diseñe los bloques de tal modo que se confundan con AB y con ABC. Repita lo del ejercicio 4. en dos bloques? 4.10.

deben incluir. accionando un eje que abre el paso de gas. de apagarse la llama del piloto.1 ) x ( 3 . o simplemente dejando el artefacto sin encender. ESTUDIO DE CASO : PERDIDA DE CALIBRACION DE LAMINAS BIMETALICAS. Jorge Galbiati Riesco: Diseño de Experimentos Factoriales con aplicaciónes a Procesos Industriales . Al aumentar la temperatura. de cada uno de los dos factores. UTILIZADAS COMO ELEMENTO DE SEGURIDAD EN ARTEFACTOS A GAS. un análisis confirmatorio posterior puede requerir que algunos factores tengan más de dos niveles. el número de grados de libertad es igual al producto del número de niveles menos uno. el tratamiento que se hace es distinto. Si hay tres niveles.1 ) = 4 grados de libertad. Por ejemplo. el número es divisible sólo por 1 y por sí mismo. La situación aquí es bastante más compleja.62 - . surgen diseños experimentales que se designan simbólicamente por 32 . 3x5x6. y el número de grados de libertad es igual al número de niveles menos uno. Los artefactos de gas que tienen un piloto de alimentación de encendido. en un diseño 3 . Este hace que. una se dilata más que la otra. El número se denomina grados de libertad del efecto. ésta pierde sus propiedades mecánicas. 23x32 . se cierra el paso de gas. se requieren dos contrastes para medir el efecto de un factor. que especifica que el corte de gas debe producirse en un tiempo menor de 60 segundos. y según sea el caso. Por ejemplo. al enfriarse ocurre lo inverso. la metodología a usar es diferente que si el número de niveles no es primo. ocasionando problemas de retraso en el tiempo de encendido. si un factor tiene un número primo de niveles. Si es un efecto principal. accionando una bobina que abre un sello en un conducto de paso de gas. por norma. interviene sólo un factor. También el número de expresiones o contrastes asignada a un efecto no es uno. que al subir de temperatura. En ambos casos. De esta forma. es decir. la llama del piloto calienta la cabeza de un filamento conductor. La lamina bimetálica consta de dos láminas pegadas de metales distintos. Si es una interacción doble. por economía de recursos y de tiempo. Estos dispositivos pierden su calibración. como en el caso de dos niveles. o por alguna otra razón. si por alguna razón se apaga la llama del piloto. Sin embargo. Se diseñó un experimento para observar el comportamiento del sistema de seguridad tipo lámina bimetálica. OBJETIVO DEL EXPERIMENTO : Medir el efecto de las dimensiones de los elementos constitutivos de la lámina bimetálica. cada uno disminuido en uno. etc. En el primero. Esto puede ser por las características propias del fenómeno que se está estudiando. 54 . En el caso de la lámina bimetálica. con el tiempo. con el objeto de prolongar la vida útil de este elemento. por ser necesario estudiar con más precisión la forma que tiene la respuesta (análisis de superficies de respuesta). aumenta su presión interior. sobre el tiempo de vida antes de perder la calibración. y el artefacto no puede encenderse en forma normal.CAPITULO 5 DISEÑOS FACTORIALES CON MAS DE DOS NIVELES En una etapa exploratoria. se produzca un corte automático del paso de gas. Existen dos sistemas de corte automático : El termo-par y la lámina bimetálica. Ambos sistemas deben cumplir con la norma. En general. el fijar dos niveles por factor puede ser conveniente. y así reducir el número de llamadas solicitando servicio. los efectos principales tienen 3 . Es una medida de la cantidad de información que se requiere para medir el efecto. un efecto se mide por un número de contrastes igual al producto de los números de niveles de los factores que intervienen en el efecto. se representa por 4 contrastes. sugerida por el conocimiento empírico que se tiene del fenómeno. un elemento de seguridad.1 = 2 grados de libertad. las interacciones dobles tienen ( 3 . La interacción de dos factores a tres niveles cada uno. lo que produce que el par se curve.

con dos Factores a Tres Niveles. del mismo factor. El segundo. El siguiente es un conjunto de contrastes ortogonales.. B :. cada uno con tres niveles. b2 : 2 mm. a3b1. Los últimos cuatro. los dos primeros contrastes miden el efecto del factor A. Las combinaciones de tratamientos son a1b1. b1 : 1 mm. los dos siguientes. llamado A1. Este conjunto constituye la Matriz de Diseño del experimento 32. 5. En la Matriz de Diseño del experimento 32 . veremos un ejemplo de un diseño a dos factores.1 . con cinco réplicas. COMBINACION DE TRATAMIENTOS a1b1 a2b1 a3b1 a1b2 a2b2 a3b2 a1b3 a2b3 a3b3 1 1 1 1 1 1 1 1 1 1 A1 -1 0 1 -1 0 1 -1 0 1 A2 1 -2 1 1 -2 1 1 -2 1 EFE CTOS B1 B2 AB1 AB2 AB3 AB4 -1 1 1 -1 -1 1 -1 1 0 0 2 -2 -1 1 -1 1 -1 1 0 -2 0 2 0 -2 0 -2 0 0 0 4 0 -2 0 -2 0 -2 1 1 -1 -1 1 1 1 1 0 0 -2 -2 1 1 1 1 1 1 Tabla 5. a3 : 3 mm. A y B. la suma de sus componentes es cero. a2b1. AB1 a AB4. NIVELES a1 : 1 mm. a1b3. sirve para comparar el efecto del nivel 1 con el efecto del nivel 3 del factor A. RESPUESTA : La respuesta es el número de horas de vida antes de perder la calibración.Diseños Factoriales 32 . De forma similar. y registrando el momento en que se descalibraban. Por eso.1.DISEÑO DEL EXPERIMENTO : Dos factores. La pérdida de calibración se determina cuando el tiempo de corte de gas sube de 60 segundos después de apagado el piloto. A2. b3 : 3 mm. a3b2. si el resultados de multiplicarlos es otro contraste. con tres niveles cada uno. compara el efecto del nivel 2 con los efectos de los niveles 1 y 3 en promedio. Siguen válidas las definiciones dadas en el Capítulo 2 para contrastes y para contrastes ortogonales: Un contraste es una suma algebraica de combinaciones de tratamientos tales que la suma de los coeficientes positivos es igual a la suma de los coeficientes negativos. a2b2. podemos ver que el primer contraste. que sirven para medir los efectos. comparan el efecto de las diferencias de niveles de un Jorge Galbiati Riesco: Diseño de Experimentos Factoriales con aplicaciónes a Procesos Industriales . a2b3 y a3b3.63 - . a1b2. Dos contrastes son ortogonales. miden el efecto del factor B. Como ilustración. a2 : 2 mm. en cada uno.Matriz de Diseño para Analizar un Experimento 32 Observemos que. según la siguiente descripción: FACTORES A: DISTANCIA DEL EJE IMPULSOR A LA LAMINA BIMETALICA. DISTANCIA DE LA CABEZA PILOTO A LA LAMINA BIMETALICA. El experimento se realizó manteniendo los pilotos encendido durante varias semanas. verificando cada día su calibración. B1 y B2.

2a2 + a3)( b3 . se forma una comparación entre los niveles a2 y a3. EJEMPLO 5. con paciencia.2b2 + b3 ) Observemos que si sumamos A1 con A2. 48. Por eso decimos que los cuatro miden diversos aspectos de la interacción entre A y B.b1 ) AB2 = ( a3 . B1 = ( a1 + a2 + a3 )( b3 . 27. respectivamente.b2 ) una diferencia entre las diferencias de los efectos de a3 y a2 de A. Análogamente. 53.a2 )( b3 .b1 ) AB4 = (a1 . 27. en el orden dado más arriba.1.64 - . a2b1. que la suma de las cuatro expresiones da AB1 + AB2 + AB3 + AB4 = 4( a3 . a2b3 y a3b3 . son. También se pueden tratar los contrastes como si fueran expresiones algebraicas. y que nos permite conocer los efectos.factor. La siguiente es la Tabla de Respuestas para este experimento. 69.2b2 + b3) El lector puede verificar.Supongamos que las respuestas a las diferentes combinaciones de tratamientos. a1b3. Jorge Galbiati Riesco: Diseño de Experimentos Factoriales con aplicaciónes a Procesos Industriales . construida en forma análoga al caso 23. Es así que el primer contraste se puede simbolizar como A1 = ( a3 . 59. 29..2a2 + a3)( b1 . a diferentes niveles del otro.a1 )( b1 . De forma análoga. 35. a los niveles b3 y b2 de B. a3b1. los cuatro contrastes para la interacción se pueden escribir como AB1 = ( a3 . a1b1 . 44.a1 )( b1 + b2 + b3 ) y ahora se ve con más claridad que se trata de una comparación entre los efectos de los niveles 1 y 3 del factor A. a2b2. a3b2. a1b2.2b2 + b3) AB3 = (a1 . También tenemos A2 = ( a1 .b1 ) B2 = ( a1 + a2 + a3 )( b1 .2a2 + a3 )( b1 + b2 + b3 ) comparación entre a1 y a2 con a3 combinados.a1 )( b3 . como lo hicimos en el caso de dos niveles . y factorizarlas.

4 A1 59 44 53 29 69 48 181 121 -1 1 -181 121 60 3 20.1 . La fila Total Ponderado.0 5 48 48 107 113 128 92 1 -1 -1 1 107 -113 -128 92 6 2 3. El Neto es el valor absoluto de la suma algebraica de los Totales Ponderados de cada contraste.0 6 Tabla 5. El Rango es el orden de magnitud de los Efectos. multiplicado por su Factor. y A2. ordenados por magnitud. se muestran en el Diagrama de Efectos. es el producto del Total respectivo de la columna. El Divisor es la suma de las componentes del contraste.7 3 69 35 48 48 302 89 130 152 1 -2 -1 1 302 -178 -130 152 35 124 6 20. Figura 5.7 1 22 3 7. ordenados de mayor a menor.0 2 A2 59 27 44 53 27 29 69 B1 59 27 44 B2 59 27 44 53 27 29 69 35 48 282 109 1 -2 282 -218 64 6 10.3 .COMPONENTE a1b1 a2b1 a3b1 a1b2 a2b2 a3b2 a1b3 a2b3 a3b3 TOTAL FACTOR TOTAL PONDERADO NETO DIVISOR EFECTO RANGO 1 59 27 44 53 27 29 69 35 48 391 1 391 391 9 43. El Efecto es el cuociente entre el Neto y el Divisor. que Jorge Galbiati Riesco: Diseño de Experimentos Factoriales con aplicaciónes a Procesos Industriales . tanto A1.Tabla de Respuestas para el Diseño 32 . Primera parte. la comparación entre el nivel medio a2 y los otros dos. Segunda parte.4 AB 59 1 59 44 AB 44 2 59 44 53 29 AB 27 3 59 44 AB4 27 53 27 29 69 69 53 29 103 27 2 -2 -1 2 106 -58 -103 54 12 4 3. COMPONENTE a1b1 a2b1 a3b1 a1b2 a2b2 a3b2 a1b3 a2b3 a3b3 TOTAL FACTOR TOTAL PONDERADO NETO DIVISOR EFECTO RANGO 1 59 27 44 53 27 29 69 35 48 391 1 391 391 9 43.2 .Tabla de Respuestas para el Diseño 3 . contiene las componentes de los contrastes.3 4 Tabla 5. La fila rotulada Factor. Sigue en importancia el contraste B2.5 8 69 35 48 220 144 27 1 -2 4 220 -288 108 40 8 5.65 - . la comparación entre los dos niveles extremos a1 y a3.0 6 69 35 48 117 35 1 -2 117 -70 2 4 0. respectivos. que tienen signo positivo. Los efectos. El efecto de A es el más notorio.

y las distancias entre los puntos no tienen un sentido físico. en este caso. que compara b1 con b3. lineal y cuadrático. a medida que aumenta A. A2.Diagrama de Efectos para el Experimento Factorial 32. y más lejos. En ellos se muestran los 9 puntos que corresponden a las respuestas a las 9 combinaciones de tratamientos. podemos interpretarlo como un efecto lineal: la respuesta al factor es de tipo lineal. Pero debe quedar muy claro que no tiene sentido hablar de efectos lineal o cuadrático. Ya con menor significación. si los niveles del factor A fuesen lineales. o de segundo grado. En cambio. superpuesto con un efecto cuadrático. Jorge Galbiati Riesco: Diseño de Experimentos Factoriales con aplicaciónes a Procesos Industriales . del factor. en este caso la forma de la respuesta depende del orden en que ubiquen los niveles en el gráfico. Se observa la presencia de los efectos principales y la interacción. o ésta es muy débil. con un cambio de pendiente. Debemos tener presente que si los niveles corresponden a una variable nominal.1 . A continuación se presentan los Gráficos de Interacción. se apreciaría que hay un efecto lineal de descenso de la respuesta. En este caso. Después sigue la componente AB4 de la interacción. Si muestran líneas quebradas. También podemos construir Gráficos de Interacción. o descendentes. lo interpretamos como un efecto cuadrático: hay una respuesta cuadrática. de concavidad hacia la parte superior. si los gráficos de interacción muestran líneas rectas ascendentes. el orden en que se ubican en el eje horizontal es arbitrario. Figura 5. dados en la columna de la Identidad de la Tabla de Respuestas. o de primer grado. en una respuesta. si el factor no es numérico.66 - . deben ir en el orden natural. Además. si los niveles de un factor son valores numéricos. Luego B1. le siguen A1. Puede darse una superposición de ambos efectos. El paralelismo de las rectas muestran que no hay interacción. A3.compara el nivel b2 con los niveles b1 y b3 de este factor.

Gráfico de Interacción del Experimento 32 . Figura 5.000 ladrillos de varios tipos.Gráfico de Interacción del Experimento 32 . factor B en el eje de las absisas. que produce la fractura de la arcilla al tamaño especificado de media pulgada de diámetro. que alimenta un chancador primario de cono 48 x 64. ESTUDIO DE CASO : RESISTENCIA A LA FLEXION EN LA FABRICACION DE LADRILLOS.3 . se extrae la arcilla por medio de cargadores frontales del tipo CAT 998 que la depositan a camiones tolva de 30 TM de capacidad. ubicados a 15km.Figura 5.2 . factor A en el eje de las absisas. para obtener un producto estable en su comportamiento mecánico frente a los requerimientos de los clientes Desde los yacimientos de arcilla El Libertador. es transportada por medio de una cinta transportadora de 48plg. La arcilla transportada es depositada dentro de una tolva de 25 metros cúbicos. de las instalaciones industriales de la Fabrica El Nuevo Tiempo.67 - . Jorge Galbiati Riesco: Diseño de Experimentos Factoriales con aplicaciónes a Procesos Industriales . El cambio en la forma de producción permitió a la fabrica manejar una serie de variables dentro del proceso productivo. de ancho al área de harneado. La fabrica de ladrillos El Nuevo Tiempo produce al mes una cantidad aproximada de 10. con muy poca participación de la mano del hombre directamente. La producción de estos es de carácter industrial. para su traslado hasta la fábrica. Producida la fractura la arcilla.

Los ladrillos cocidos dentro del horno de secador continuo pasan finalmente al patio de almacenamiento. Posteriormente. que la depositan en las máquinas de moldeo de los diferentes tipos de ladrillos.. Los Ingenieros de Proceso estiman que la resistencia al esfuerzo puede estar afectada por dos factores en el proceso de producción. son entregados a los clientes. Estos factores son la temperatura y el tiempo de cocimiento a que son sometidos. El sobretamaño recircula por medio de una cinta transportadora de 36plg. La respuesta se mide en kilos. la fábrica decidió conducir un experimento. que hace que estos circulen por dentro del horno de secado continuo. Producida la selección de la arcilla el bajotamaño. Los clientes de la fabrica de ladrillos El Nuevo Tiempo le han solicitado la certificación al esfuerzo de flexión de los ladrillos tipo Fiscal. cúbicos. o masa arcillosa.. Se hicieron 9 réplicas por cada combinación de tratamientos. pasa a otra etapa. que tienen una capacidad de 50. donde nuevamente es fracturada y devuelta al área de harneado. los ladrillos frescos son depositados en una cinta de rodillos. RESPUESTA: Se sometió a esfuerzos de flexión la muestra de ladrillos. a2 : 200 ºC.. junto con aditivos determinados. según el tipo de ladrillo que se va a producir. de preparación de la mezcla para el moldeo de los ladrillos. DISEÑO DEL EXPERIMENTO : El diseño es a dos factores. para determinar la forma de controlar la variabilidad en la resistencia de los ladrillos. b1 : 2 horas. El transporte desde el área de harneado se hace por medio de una cinta transportadora de 24plg. antes que el ladrillo sufra una deformación Esta cifra es producto de una fórmula de resistencia de materiales para el cálculo de la flexión. dentro del horno de secado continuo. que tienen instaladas mallas seleccionadoras de ½ plg. para determinar el tiempo de cocción de los ladrillos. de 96plg. Después de ser moldeada la arcilla. FACTORES NIVELES A : TEMPERATURA.000 mts. La cinta de rodillos permite ajustar la velocidad. b3 : 3 horas. Jorge Galbiati Riesco: Diseño de Experimentos Factoriales con aplicaciónes a Procesos Industriales . a3 : 250 ºC. Dentro de las piscinas de preparación se le adiciona agua para producir la mezcla. lo que dio 90 corridas experimentales. b2 : 2 1/2 horas. Frente a este requerimiento de sus clientes. de 40x25x8cm. B : TIEMPO DE COCIDO. La masa arcillosa es retirada desde las piscinas de preparación por medio de cargadores frontales del tipo CAT 966. con tres niveles cada uno. donde se enfrían en forma natural. al chancado primario. y se midió la fuerza aplicada para alcanzar la deformación máxima permitida. La arcilla seleccionada es depositada dentro de las cuatro piscinas de preparación.Dentro del área de harneado existen dos harneros de 8x10ps. La carga sobre el ladrillo tipo Fiscal debe ser de 180kg. a1 : 150 ºC. que alimenta un “stacker radial “ que alimenta indistintamente a cualquiera de las cuatro piscinas.68 - .

lineal en ambas componentes. una componente AB1 de interacción. En estos gráficos se aprecia que los valores óptimos están cerca del centro. promediados a través de las 9 réplicas. del punto TEMPERATURA = 200 ºC. es decir. Los gráficos de interacción.Los resultados obtenidos. TIEMPO = 2 1/2 horas. El paralelismo de las líneas indica poca interacción. aunque débil. muestran lo mismo que el diagrama de efectos: Componentes cuadráticas importantes. fueron los siguientes: COMBINACION DE TRATAMIENTOS a1b1 a2b1 a3b1 a1b2 a2b2 a3b2 a1b3 a2b3 a3b3 RESPUESTA Y11 = 110 Y21 = 154 Y31 = 150 Y12 = 160 Y22 = 190 Y32 = 181 Y13 = 140 Y23 = 193 Y33 = 196 El diagrama de efectos se presenta a continuación. Muestra una componente cuadrática del factor TEMPERATURA y una componente cuadrática del factor TIEMPO.69 - . Las componentes lineales de ambos factores son muy débiles. con valores aproximados al entero. para ambos factores. sobre todo del factor TIEMPO. Jorge Galbiati Riesco: Diseño de Experimentos Factoriales con aplicaciónes a Procesos Industriales . Se observa también. esto es. bajo efecto lineal. que se muestran a continuación.

Estudiaremos el caso 32. y los bloque puedan estar balanceados. Jorge Galbiati Riesco: Diseño de Experimentos Factoriales con aplicaciónes a Procesos Industriales . Aquí se debe fraccionar en un múltiplo de 3..70 - . para ver cómo se fracciona un diseño con más de dos niveles por factor.2. de modo que todas las fracciones tengan igual número de combinaciones de tratamientos. Los diseños fraccionados resultantes son del tipo 3k-p .5.Diseños 32 fraccionados.

etc). multiplicamos estas dos componentes por cada una de las componentes del experimento. Al multiplicar las componentes de efectos. de tal modo que se confunda el efecto principal A con bloques. Sea el factor A la marca de aceite. o componentes de efectos. y qué efectos están confundidos entre sí. Los valores observados de las respuestas son los siguientes: COMPONENTE RESPUESTA a1b1 10 a2b1 15 a3b1 12 a1b2 21 a2b2 8 a3b2 19 a1b3 30 a2b3 16 a3b3 18 Tabla 5. Multiplicando cada efecto principal e interacción. de modo que se confundan efectos que uno ha determinado previamente. a un nivel de revoluciones fijo. el número de efectos independientes que quedan confundidos con bloques está dado por p. Para determinar qué efectos quedan confundidos entre sí. eliminando todo factor que aparezca elevado al cuadrado.4 . utilizando ecuaciones definitorias. como en los casos de dos niveles. resultan confundidos entre sí. La respuesta es una medida codificada de la degradación del aceite. AB2. En el caso de un diseño 3p balanceado. se debe utilizar la misma regla de multiplicación de efectos. dada en el capítulo 2. visto anteriormente.Unidades de Degradación de Aceite Se desea fraccionar el experimento en tres bloques de tres combinaciones de tratamientos. Recordemos que este efecto tiene dos componentes. (como AB1. Es decir.Tabla de Multiplición de efectos para el diseño 32. EJEMPLO 5. utilizando la tabla de multiplicar dada anteriormente. se multiplican los efectos. se debe observar la matriz de diseño para determinar qué efectos resultan confundidos con bloques.71 - . Multiplicación por A1 : Jorge Galbiati Riesco: Diseño de Experimentos Factoriales con aplicaciónes a Procesos Industriales . y el factor B el tipo de motor.5 . También funciona el método para construir bloques. Se desea comparar la degradación de tres marcas de aceite de alta calidad. A1 y A2. se determina cuáles efectos. Los resultados se muestran en la tabla siguiente: A1 A2 B1 B2 AB1 AB2 AB3 AB4 A1 1 A1 AB1 AB2 B1 B2 AB1 AB2 A2 A1 1 AB3 AB4 AB1 AB2 B1 B2 B1 AB1 AB3 1 B1 A1 AB1 A2 AB3 B2 AB2 AB4 B1 1 AB1 A1 AB3 A2 AB1 B1 AB1 A1 AB1 1 B1 A1 AB1 AB2 B2 AB2 AB1 A1 B1 1 AB1 A1 AB3 AB1 B1 A2 AB3 A1 AB1 1 B1 AB4 AB2 B2 AB3 A2 AB1 A1 B1 1 Tabla 5. después de 10 horas de funcionamiento continuado del motor.2. en tres tipos de motores diferentes.Para determinar los efectos confundidos.

con los valores de las respuestas dadas más arriba: Jorge Galbiati Riesco: Diseño de Experimentos Factoriales con aplicaciónes a Procesos Industriales . AB3 B2. si no lo es puede tomar los valores 1 o 2. 2 o 3. entonces. A1. si se divide el valor de L por 3. en cada una de las combinaciones de tratamientos. AB1. Los bloques se forman agrupando aquellas combinaciones de tratamientos que generan el mismo residuo. Este puede ser 0. En este caso L es idéntico al valor de x1. por lo tanto cada bloque está determinado por las combinaciones de tratamientos en las que el factor A está al mismo nivel. Los bloques son. el nivel del factor A.72 - . se fijan los valores  = 1 y = 0. si L es múltiplo de 3. BLOQUE I a1b1 a1b2 a1b3 BLOQUE II a2b1 a2b2 a2b3 BLOQUE III a3b1 a3b2 a3b3 Compararemos los resultados que se obtendrían si se hubiera efectuado el experimento en alguno de los bloques. Esto define la ecuación definitoria L = x1 en que x1 toma los valores 1. según el nivel en que se encuentre el factor A. A2 B1. vemos que los grupos de confundidos son tres. luego en la ecuación definitoria L= 1x1 x . AB4 Para construir los bloques. AB2. a saber: 1. observamos que se debe confundir el efecto A. La siguiente es la tabla de respuestas del experimento completo.A1 x 1 A1 x A1 A1 x A2 A1 x B1 A1 x B2 A1 x AB1 A1 x AB2 A1 x AB3 A1 x AB4 Multiplicación por A2: A2 x 1 A2 x A1 A2 x A2 A2 x B1 A2 x B2 A2 x AB1 A2 x AB2 A2 x AB3 A2 x AB4 = = = = = = = = = A1 1 A1 AB1 AB2 B1 B2 AB1 AB2 = = = = = = = = = A2 A1 1 AB3 AB4 AB1 AB2 B1 B2 Observando los resultados.

6 A1 10 12 21 19 30 61 -1 -61 18 49 1 49 12 3 4.6 . II y III.Tabla de Respuestas para el Diseño 32 del Ejemplo 5.6 AB 10 1 10 12 AB 12 2 10 12 21 19 AB 3 10 15 12 AB4 15 21 8 19 30 18 28 1 28 42 -1 -42 14 2 7. Las siguientes son las tablas de respuestas que se hubieran obtenido si el experimento se hubiera llevado a cabo en cada uno de los bloques I.0 1 30 16 18 101 1 101 37 -1 -37 48 -2 96 5 6 0.2 .0 5 Tabla 5. Segunda parte.8 8 Tabla 5. respectivamente: Jorge Galbiati Riesco: Diseño de Experimentos Factoriales con aplicaciónes a Procesos Industriales .5 7 22 -1 -22 30 16 18 48 2 30 15 1 48 16 -2 -32 24 4 6.73 - .3 4 B1 10 15 12 B2 10 15 12 21 8 19 30 16 18 64 1 64 27 3 9. COMPONENTE a1b1 a2b1 a3b1 a1b2 a2b2 a3b2 a1b3 a2b3 a3b3 TOTAL FACTOR TOTAL PONDERADO NETO DIVISOR EFECTO RANGO 1 10 15 12 21 8 19 30 16 18 149 1 149 149 9 16.0 6 A2 10 15 12 21 8 19 30 16 18 110 1 110 39 -2 -78 32 6 5.2.COMPONENTE a1b1 a2b1 a3b1 a1b2 a2b2 a3b2 a1b3 a2b3 a3b3 TOTAL FACTOR TOTAL PONDERADO NETO DIVISOR EFECTO RANGO 1 10 15 12 21 8 19 30 16 18 149 1 149 149 9 16.0 2 30 40 -1 -40 18 30 1 30 21 2 42 19 -2 -38 6 4 1. Primera parte.0 3 30 16 18 70 71 8 1 -2 4 70 -142 32 40 8 5.Tabla de Respuestas para el Diseño 32 del Ejemplo 5.7 .

0 4 Tabla 5.8 .3 1 10 -1 -10 30 30 1 30 20 1 20.0 1 B2 10 21 30 40 1 40 21 -2 -42 2 2 1.0 2 30 40 -1 -40 AB 21 21 1 21 2 10 0 2 0 0 -2 0 19 2 9.2.10 .2.Tabla de Respuestas para el Diseño 32 del Ejemplo 5.0 A1 A2 15 8 16 39 -2 -78 78 3 26. Primera parte COMPONENTE a1b1 a1b2 a1b3 TOTAL FACTOR TOTAL PONDERADO NETO DIVISOR EFECTO RANGO 1 10 21 30 61 1 61 61 3 20.COMPONENTE a1b1 a1b2 a1b3 TOTAL FACTOR TOTAL PONDERADO NETO DIVISOR EFECTO RANGO 1 10 21 30 61 1 61 61 3 20. COMPONENTE a2b1 a2b2 a2b3 TOTAL FACTOR TOTAL PONDERADO NETO DIVISOR EFECTO RANGO 1 15 8 16 39 1 39 39 3 13.9 . Primera parte.Tabla de Respuestas para el Diseño 32 del Ejemplo 5.0 1 B1 15 16 16 -1 -16 15 1 15 1 1 1.74 - .5 2 0 -1 0 0 1 0 0 0 -6 0 1 0 Tabla 5. Segunda parte.0 1 21 -2 -42 0 4 0 2 2 1.3 1 A2 10 21 30 61 1 61 B1 10 0 -2 0 61 3 20.3 A1 10 21 30 61 -1 -61 0 1 0 61 3 20.Tabla de Respuestas para el Diseño 32 del Ejemplo 5.3 AB 10 10 1 10 1 10 30 30 -1 -30 20 1 20.5 3 10 -1 -10 AB 3 10 30 0 1 0 30 40 1 40 AB4 21 30 2 60 0 -2 0 50 1 50. Bloque I. Jorge Galbiati Riesco: Diseño de Experimentos Factoriales con aplicaciónes a Procesos Industriales .2. Bloque II.0 4 B2 15 8 16 31 1 31 8 -2 -16 15 2 7. Bloque I.0 6 Tabla 5.

3 AB 18 18 1 18 1 12 12 -1 -12 6 1 20. este tipo de experimentos es usual que se efectúen en forma fraccionada. COMPONENTE a1b1 a1b2 a1b3 TOTAL FACTOR T. es decir. Segunda parte.Tabla de Respuestas para el Diseño 32 del Ejemplo 10. PONDERADO NETO DIVISOR EFECTO RANGO 1 12 19 18 49 1 49 49 3 20.13 . 625 y 720 combinaciones de tratamientos.0 1 19 -2 -38 0 4 0 8 2 4.0 6 Tabla 5.11 . el número de corridas experimentales necesarias para realizar el experimento aumenta más rápidamente aún. si se desea hacer los experimentos completos.0 1 B2 12 19 18 30 1 40 19 -2 -42 2 2 1.Tabla de Respuestas para el Diseño 32 del Ejemplo 10. Bloque III.3 AB 1 AB 2 AB 15 0 -2 0 0 0 -3 0 -1 0 15 2 30 3 16 16 -2 -32 2 1 2. 3x5x6.0 3 12 -1 -12 0 2 0 0 -2 0 6 1 6. 54 . COMPONENTE a1b1 a1b2 a1b3 TOTAL FACTOR T.12 .0 1 AB4 15 8 0 1 0 16 31 -2 -62 8 4 32 30 4 7.75 - .COMPONENTE a2b1 a2b2 a2b3 TOTAL FACTOR T. Jorge Galbiati Riesco: Diseño de Experimentos Factoriales con aplicaciónes a Procesos Industriales .0 4 Tabla 5. PONDERADO NETO DIVISOR EFECTO RANGO 1 12 19 18 49 1 61 61 3 20. 32 . 90.Tabla de Respuestas para el Diseño 32 del Ejemplo 10.3 1 12 -1 -10 18 18 1 30 20 1 20. Bloque II. que en el caso de dos niveles. Bloque III. Por eso. respectivamente. PONDERADO NETO DIVISOR EFECTO RANGO 1 15 8 16 61 1 61 61 3 20.0 2 AB 12 18 30 -1 -30 2 12 19 AB 3 12 18 18 1 18 18 30 1 30 AB4 19 0 1 0 19 2 38 0 -2 0 8 2 4.5 4 0 1 0 0 -1 0 0 0 -2 0 -1 0 0 1 0 0 2 0 0 1 0 Tabla 5. Primera parte.3 A1 12 19 18 49 -1 -49 0 1 0 49 0 --- A2 12 19 18 49 1 B1 12 0 -2 0 49 3 20. En casos de factores con más de dos niveles. Segunda parte. Los ejemplos dados arriba. 23x34 . requieren de 9.

mientras gira a una velocidad de operación standard. Se puede variar el diámetro del orificio de los descansos y el grado de viscosidad del lubricante.2) Se pretende disminuir el roce del eje con sus dos descansos. y cuán significativos son los contrastes que componen cada efecto. se emplea la técnica llamada Análisis de Varianza. observada en seis puntos de la placa. y b1 . que tiene por objeto establecer cuán significativo es cada uno de los efectos principales e interacciones. y a3 los niveles del factor diámetro.1) Un diseño experimental tiene por objeto determinar los factores que inciden en la variabilidad del espesor de las capas de cobreado de placas para circuitos impresos. La respuesta es la fuerza transmitida por el eje. Designaremos a los factores A y B. la concentración de cobre en la solución y los amperios por tiempo de la electrólisis. El diámetro del eje es fijo.Finalmente. con cuatro réplicas por combinación de tratamientos. estratificado por el factor A. A cada uno de estos factores se le asignaron tres niveles. los de B los llamaremos b1 . Se corrió el experimento. y b3 . de un pequeño motor utilizado para girar el lente de una proyectora autofoco. estratificado por B: a) Dibuje el gráfico de interacción del factor B. EJERCICIOS 5. b) Interprete los resultados. Ellas son.76 - . respectivamente. en el sentido de si hay o no efectos principales de A o de B. La respuesta es una medida de variabilidad del espesor de la capa de cobre. así como interpretar con precisión el comportamiento funcional de la respuesta. b2 . Para un análisis confirmatorio posterior. 5. debemos hacer notar que los análisis mostrados hasta aquí tienen sólo el carácter de exploratorio. por cada nivel del factor A. Sean a1 .a2 .a2 . Los niveles de A los llamaremos a1 . Algunos elementos del Análisis de Varianza se darán en el capítulo siguiente. El ingeniero del proceso determina que hay dos fuentes potenciales de variabilidad. b2 . El siguiente gráfico muestra los valores promedio de la respuesta. frente al estímulo de los factores. y b3 los niveles del factor viscosidad. Supóngase que estos son dos factores de un diseño. y si hay interacción entre ambos factores. y a3 . registradas por cada combinación de tratamientos: Jorge Galbiati Riesco: Diseño de Experimentos Factoriales con aplicaciónes a Procesos Industriales . concentración de cobre y amperios por tiempo. La siguiente tabla muestra los valores de las respuestas.

Supóngase que se pudiera correr el experimento completo. dos factores a tres niveles cada uno. se desea bajar el grado de acidez del producto final. que corresponden a tres cantidades distintas. Se hace un diseño factorial fraccionado 32-1 . y b3 . de los cuáles se correrá uno. con los siguientes datos: COMBINACION DE TRATAMIENTOS a1b1 a2b1 a3b1 a1b2 a2b2 a3b2 a1b3 a2b3 a3b3 RESPUESTA (FUERZA TRANSMITIDA) 28 39 22 32 29 26 24 27 18 5. fraccionado en tres bloques de tres combinaciones de tratamientos.3) RESPUESTA (FUERZA TRANSMITIDA) 59 38 59 99 16 65 19 42 35 Construya la tabla de respuestas y calcule los efectos. Interprete y compare los resultados obtenidos. Sean a1 . es decir. los niveles de los dos factores. con los siguientes datos: COMBINACION DE TRATAMIENTOS a1b1 a2b1 a3b1 a1b2 a2b2 a3b2 a1b3 a2b3 a3b3 RESPUESTA (FUERZA TRANSMITIDA) 25 23 21 39 28 67 17 45 33 5. que también muestra la disposición de los bloques. Jorge Galbiati Riesco: Diseño de Experimentos Factoriales con aplicaciónes a Procesos Industriales . Repita lo del ejercicio 5.COMBINACION DE TRATAMIENTOS a1b1 a2b1 a3b1 a1b2 a2b2 a3b2 a1b3 a2b3 a3b3 a) b) c) d) 5. Dibuje los gráficos de interacción. b1 . dando por resultado las repuestas que se muestran en la tabla de más abajo. para ambos factores. respectivamente.2. Se hace variar el contenido de dos compuestos que intervienen en el proceso de fabricación. a3 . a2 . Se decide darle tres niveles a cada uno. b2 .77 - .5) En un proceso de fabricación de jabón.2. Dibuje el diagrama de efectos. y que llamaremos A y B.4) Repita lo del ejercicio 5.

de modo que el producto final.BLOQUE I BLOQUE II BLOQUE III COMBINACION DE TRATAMIENTOS a1b1 a1b2 a1b3 a2b1 a2b2 a2b3 a3b1 a3b2 a3b3 RESPUESTA (FUERZA TRANSMITIDA) 27 34 31 28 41 42 31 32 35 a) b) c) d) e) f) g) 5. 2) La colocación de los trozos de algodón en la camilla. sea homogéneo. Dibuje los gráficos de interacción. se comienza con la limpieza del algodón. del experimento completo.. La siguiente tabla muestra un diseño fraccionado en bloques. y separados en 10 cm. Jorge Galbiati Riesco: Diseño de Experimentos Factoriales con aplicaciónes a Procesos Industriales .7) En el proceso de fabricación de hilo.78 - . 5 cm. y los valores de las respuestas. con los siguientes datos: COMBINACION DE TRATAMIENTOS a1b1 a2b2 a3b3 a2b1 a3b2 a1b3 a3b1 a1b2 a2b3 RESPUESTA (FUERZA TRANSMITIDA) 27 34 31 28 41 42 31 32 35 BLOQUE I BLOQUE II BLOQUE III 5. Al final de este proceso. uno a continuación del otro. Construya la matriz de diseño. Dibuje el diagrama de efectos.6) Construya la tabla de respuestas y calcule los efectos. Los factores son dos: 1) El grosor de los trozos de algodón introducidos a la camilla de alimentación.5. 8 cm. según los resultados obtenidos. con tres niveles. y 12 cm. Interprete y compare los resultados anteriores. con tres niveles. el hilo. de la napa. se produce una napa formada por fibras de algodón limpias. Repita lo del ejercicio 5. Encuentre los efectos confundidos con bloques. sobrepuestos. sobre la regularidad de la napa. Critique el diseño. y los grupos de efectos confundidos entre sí. La respuesta es el coeficiente de variación (CV) calculado de los pesos de treinta trozos de una yarda de longitud. Se diseñó un experimento para determinar el efecto de la carga del algodón en una camilla que alimenta el sistema. Esta napa debe presentar una determinada regularidad en su densidad.

Se puede variar la forma de la rampa.- ANGULO DE LA RAMPA RESPUESTA: Tiempo de recorrido. y los grupos de efectos confundidos entre sí.5 º b2 . lo acciona e interrumpe el suministro eléctrico. 5. El diseño es el siguiente: FACTORES A. e) Encuentre las combinaciones de tratamientos correspondientes a cada fila. Interesa minimizar el tiempo que demora en llegar al interruptor. y el ángulo de la rampa.sección angular a2 .10 º b3 . f) Encuentre los efectos confundidos con bloques. c) Dibuje los gráficos de interacción. en décimas de segundos. y son fijas. Las distancias horizontal y vertical que recorre la bolita están determinadas para que llegue con la fuerza necesaria.79 - .9) Un dispositivo de seguridad automático antisísmico funciona mediante una bolita de cristal que desliza a través de una rampa.sección semi circular a3 .sección semi rectangular b1 . d) Interprete y compare los resultados anteriores. g) Critique el diseño.BLOQUE I BLOQUE II BLOQUE III 1 1 1 1 1 1 1 1 1 1 A1 0 1 0 1 -1 0 -1 -1 1 A2 2 -1 2 -1 -1 2 -1 -1 -1 B1 1 0 0 1 0 -1 -1 1 -1 EFECTO RESPUESTA B2 AB1 AB2 AB3 AB4 (CV) 1 0 0 2 2 12 -2 0 -2 0 2 4 -2 0 0 0 -4 5 1 1 1 -1 -1 13 -2 0 2 0 2 10 1 0 0 -2 2 5 1 1 -1 1 -1 9 1 -1 -1 -1 -1 14 1 -1 1 1 -1 6 a) Construya la tabla de respuestas y calcule los efectos. llega a un interruptor.7. Se corrió el experimento.8) Repita lo del ejercicio 5. con los siguientes datos: 1 1 1 1 1 1 1 1 1 1 A1 1 0 1 1 0 -1 1 -1 -1 A2 -1 2 -1 -1 2 -1 -1 -1 -1 B1 1 -1 -1 0 0 0 -1 1 -1 EFECTO RESPUESTA B2 AB1 AB2 AB3 AB4 (CV) 1 1 1 -1 -1 14 1 0 0 -2 2 9 1 -1 1 1 -1 14 -2 0 -2 0 2 11 -2 0 0 0 -4 11 -2 0 2 0 2 15 1 -1 1 1 -1 12 1 -1 -1 -1 -1 7 1 1 -1 1 -1 12 BLOQUE I BLOQUE II BLOQUE III 5. según los resultados obtenidos.FORMA DE LA RAMPA NIVELES a1 . dando por resultado los siguientes valores: Jorge Galbiati Riesco: Diseño de Experimentos Factoriales con aplicaciónes a Procesos Industriales . b) Dibuje el diagrama de efectos.15 º B.

está presente algún tipo de interacción ? Jorge Galbiati Riesco: Diseño de Experimentos Factoriales con aplicaciónes a Procesos Industriales . la humedad relativa del aire. y con los resultados se construyeron los siguientes gráficos de interacción.10) Se diseñó un experimento con el objeto de determinar el efecto de dos factores. Los factores son. b) Interprete detalladamente estos gráficos. sobre la dureza de la película de pintura. Si se fuera a realizar otro experimento. durante el secado. ¿ Qué valores recomendaría dar al ángulo de la rampa ? 5. Se hizo el experimento. con los mismos factores. en términos de los elementos dados en el enunciado del problema. ambos factores con tres niveles. y la temperatura del temperatura.COMBINACION DE TRATAMIENTOS a1b1 a2b1 a3b1 a1b2 a2b2 a3b2 a1b3 a2b3 a3b3 RESPUESTA 21 32 24 19 21 15 18 25 16 a) Construya los dos gráficos de interacción: Respuesta versus A. estratificado por A.80 - . con el objeto de obtener más información relacionada con este problema. estratificado por B. y Respuesta versus B. Interprételos los gráficos: ¿ Qué tipo de efectos principales hay.

y qué efectos se confunden. i) Posible prosecución del estudio. objetivos del estudio. f) Variables que se van a medir. sin señirse necesariamente a ella: a) Planteo del problema. relacionado con un proceso con el que Ud. marco conceptual. _______________________________________ Jorge Galbiati Riesco: Diseño de Experimentos Factoriales con aplicaciónes a Procesos Industriales . b) Descripción de los factores y sus niveles. y la forma cómo se efectuarán las mediciones. Use la siguiente pauta como guía. está familiarizado.81 - . g) Limitaciones: Posibles factores no deseados que pudieran influir. Orden en que se van a hacer. Días y horas de las distintas corridas experimentales. indicando las condiciones experimentales de cada una. Si es fraccionado.11) Diseñe un experimento. h) Técnicas de análisis de los resultados. y cómo disminuir su efecto. duración de cada una. c) Descripción de la respuesta. e) Realización física del experimento.5. indique la composición de los bloques. d) El diseño Bloque completo o fraccionado.

en términos aditivos. esta nueva forma tiene ventajas en cuanto a la interpretación. en componentes que pueden ser atribuibles a cada uno de los efectos considerados en el experimento. simplemente resolviendo las ecuaciones correspondientes. la respuesta es una función lineal de los efectos de los factores y las interacciones.(y21 + y12)) Sólo debemos resolver estas cuatro ecuaciones lineales para y11.1. con muchas variantes. otros atribuidos a las interacciones entre factores. Aquí sólo se presentarán los principios en que se basa y la forma de aplicarse. En los Capítulos 2 y 3. Comenzando por el efecto medio. O sea. Entonces estos modelos lineales no son muy novedosos. son expresiones para las repuestas. vimos expresiones para los efectos principales e interacciones.a1b1)) =1/2 ((y22 + y11) . sólo se modifica la forma de los valores o parámetros.CAPITULO 6 ELEMENTOS DE ANALISIS DE VARIANZA Las técnicas introducidas hasta aquí. de ahí que se les denomina modelos lineales. en términos de las respuestas aibj. La posibilidad de hacer esto se basa en propiedades algebraicas que permiten descomponer una medida de variabilidad especifica. en términos del análisis de varianza. entre otros.82 - . en experimentos a dos y a tres factores. y21 e y22 en Jorge Galbiati Riesco: Diseño de Experimentos Factoriales con aplicaciónes a Procesos Industriales . tienen solo carácter de exploratorio. . en términos de las respuestas. Sin embargo. Recordemos que en Capítulo 1 dimos las siguientes expresiones para los diversos efectos. para determinar la significación de efectos causados por factores experimentales. y12. y que definiremos más adelante. que introduciremos en este capítulo.(a1b1 + a1b2)) =1/2 ((y21 + y22) . Verificaremos esto en el caso del experimento a dos factores: Partiendo de las expresiones de los efectos e interacciones. queda 1 = 1 (y11+y21+y12+y22) 4 Lo mismo para los demás: A =1/2 ((a2b1 + a2b2) .El Modelo Lineal El análisis de varianza que estudiaremos en este capítulo se basa en modelos que suponen que la respuesta de un experimento puede representarse como una suma ponderada de efectos. cuyas magnitudes dependen individualmente de los distintos efectos determinados por los factores. respectivamente.a2b1) . Los modelos lineales que veremos en este capítulo. 6. Esencialmente consiste en la descomposición de la variabilidad total presente en las respuestas. en términos de los efectos.(a1b2 .(y11 + y12)) B =1/2 ((a1b2 + a2b2) . Es una técnica compleja.(a1b1 + a2b1)) =1/2 ((y12 + y22) . unos atribuidos a los diversos factores. Son lo que se llama una reparametrización. 1 = 1 (a1b1+a2b1+a1b2+a2b2) 4 Si usamos los símbolos "y" en lugar de "ab".(y11 + y21)) AB =1/2 ((a2b2 . Para un análisis de tipo confirmatorio se utiliza la técnica denominada Análisis de Varianza (ANOVA). construiremos expresiones para las respuestas.

A.y12)] = y22 luego y22 = 1 + 1 A + 1 B + 1 AB 2 2 2 de forma análoga. Hay una variabilidad presente. 2 1 2 1 2 α2 = αβ 12 = − AB . 2 se puede escribir y11 = µ + α 1 + β 1 + αβ 11 y12 = µ + α 1 + β 2 + αβ 12 y 21 = µ + α 2 + β1 + αβ 21 y 22 = µ + α 2 + β 2 + αβ 22 Esto último es una reparametrización de la expresión. En forma general. no atribuible a los factores. Otros ejemplos de modelos lineales son los siguientes: y i = µ + ei i = 1. y en que eij es el término correspondiente al error aleatorio.1 AB Se puede observar que la sucesión de signos (+) o (-) en cada expresión es la respectiva fila de la matriz de diseño.términos de 1.1 A . se tienen las expresiones y11 = 1 . bajo las mismas condiciones experimentales (iguales niveles en los factores). 2. los resultados observados no son iguales. cuando se replica el experimento. Si definimos los siguientes términos: µ =1. y ij = µ + α i + β j + αβ ij i = 1. (6. αβ 21 = − AB . αβ 11 = α1 = − A . . 1 A. y que denominaremos error aleatorio. j = 1. Sólo falta introducir en el modelo. 2 Hemos derivado expresiones para las respuestas.y21) + (y22 + y11) .y11 . 1 AB . B y AB: Si calculamos la expresión 1 + 1 A + 1 B + 1 AB. . . Con las condiciones adicionales dadas arriba.1 B .y ) 11 21 12 22 21 22 11 12 4 + (y12 + y22 . 2 α 1 + α 2 = 0. αβ 11 + αβ 12 = 0. 2 1 2 β1 = − B . en términos de los efectos. términos que expliquen el hecho que. j = 1. β1 + β 2 = 0 αβ 21 + αβ 22 = 0. αβ 22 = 1 2 β2 = 1 AB 2 1 B.y21 .83 - .y .1 B + 1 AB 2 2 2 y21 = 1 + 1 A . .2.1 A + 1 B . . De esta forma queda definido un modelo lineal para un experimento factorial a dos factores. αβ 11 + αβ 21 = 0. y ij = µ + α i + β j + αβ ij + eij con las condiciones adicionales i = 1.1 AB 2 2 2 2 2 2 y12 = 1 . αβ 12 + αβ 22 = 0. vemos que es igual a: 2 2 2 1 [(y +y +y +y ) + (y + y . 2.1) Jorge Galbiati Riesco: Diseño de Experimentos Factoriales con aplicaciónes a Procesos Industriales .

.5). j = 1.6) Cada uno de estos modelos lineales nos da una particular estructura de los datos.. El modelo (6.. El modelo (6.. atribuido al segundo factor.5) corresponde a un experimento a tres factores.. r = 1.:3) corresponde a un experimento a dos factores. o efectos principales...4) es similar al modelo (6... etc. De esta forma. y más un error aleatorio eijr . no atribuible al factor. ei .2. denominado error aleatorio. j = 1.. del i-ésimo nivel del primero. Este modelo lineal asume que no hay interacción entre los factores... más las tres interacciones dobles y la interacción triple.. I.. R.. R (6.... el segundo con J niveles.2) a (6. se agregan condiciones adicionales sobre estos términos. R i = 1. se denominan parámetros de los modelos. más un efecto α i ..1) corresponde a un grupo de observaciones efectuadas bajo las mismas condiciones experimentales... que corresponde al aporte de la interacción.2.R i = 1.3)... J. propio del i-ésimo nivel del factor. + α I = 0 β 1 + β 2 + ..I. r = 1.. más un término que corresponde a un error aleatorio. Así α 1 + α 2 + ... o que el efecto de la interacción es despreciable. que resulta conveniente para efectuar los cálculos necesarios para cuantificar los efectos. El modelo (6. Jorge Galbiati Riesco: Diseño de Experimentos Factoriales con aplicaciónes a Procesos Industriales . I. y j-ésimo nivel del segundo.. el primero con 1 niveles.2. Con estas condiciones los valores de estos parámetros quedan determinados en forma única. j = 1. por ejemplo.2. + αβ iJ = 0 .... α i . J.2. Lo mismo ocurre para los demás parámetros. r = 1...... más un término correspondiente a la variabilidad natural.. La repuesta se muestra descompuesta en un valor promedio global µ .. propio de cada observación.. yijkr = µ + αi + β j + γ k + αβij + αγik + βγ jk + eijkr (6.. Los términos µ . K.. Con el objeto de estandarizar los valores de los parámetros.2) (6. I... y la cuantificación de su efecto es el término αβ ij . Cada observación es igual a un promedio global µ .. a R réplicas cada uno... + β J = 0 αβ 1 j + αβ 2 j + .. pero aquí se asume que hay interacción. Estas condiciones son que las sumas sobre cualquiera de los subíndices es cero.. en los modelos (6.84 - ..2.. Cada observación es igual a un promedio global µ .4) yijr = µ + αi + β j + eijr yijr = µ + αi + β j + αβij + eijr i = 1.2. J.. y un efecto β j . El modelo (6..2. β j . + αβ Ij = 0 .2.3) (6.... relacionada con el tipo de experimento que los generó: El modelo (6. αβ i1 + αβ i 2 + .. k = 1... para todo valor de i.y i r = µ + α i + eir i = 1.. más un efecto α i atribuido al primer factor.2. y además se agrega una simetría a los modelos.2) corresponde a un experimento a un factor con I niveles y R réplicas.2. los parámetros constituyen desviaciones en torno al promedio global. r = 1. para todo valor de j. en que hay efectos de los factores...2.

2. La otra componente es la variación aleatoria. Esta variabilidad se denomina variabilidad residual. R. o debida al tratamiento. atribuible a un número grande de factores. La variabilidad residual se mide comparando las repuestas correspondientes a las réplicas de un mismo nivel del factor. . y el número de réplicas por nivel es R. la suma de todos ellos. En la siguiente tabla se presenta la notación a utilizar: yir = Respuesta individual correspondiente a la r-ésima réplica del nivel i-ésimo del factor. . Suma Promedio Recorrido de la suma o promedio Ai = T= ∑y r r ir A¡/R ir Todas las réplicas del i-ésimo nivel del factor A.Para terminar este punto. diremos que los modelos lineales presentados en este capítulo son modelos apropiados para representar las respuestas en términos de los efectos principales e interacciones de los diseños experimentales factoriales. a1 + a2 + a3 +.1: Notación para el análisis de varianza a un factor. pues. Daremos definiciones precisas para estos dos conceptos. propia del fenómeno. Sin embargo. Pero debemos tener presente que el respectivo modelo lineal es el que sustenta la técnica y justifica los procedimientos y las interpretaciones de los resultados.85 - .2. y que diseñamos un experimento con un determinado número de réplicas. Supóngase que el factor A tiene I niveles.... y que causan pequeñas dosis de variación. Las respuestas contienen variación. se puede anotar. como dijimos al principio. i = 1. la podemos descomponer en dos componentes.. La suma de Jorge Galbiati Riesco: Diseño de Experimentos Factoriales con aplicaciónes a Procesos Industriales . denominado sumatoria.. utilizada para cuantificar los efectos de los factores y sus interacciones. + a20.. a2. Por ejemplo. denominada fuente de variación: Variación Total: Es la variabilidad debida al factor y la variabilidad aleatoria reunidas. r = 1. Definimos los siguientes términos. ∑ ∑y i T/RI Tabla 6. . .I. por cada nivel del factor. La variabilidad debido al factor se mide comparando los promedios de las respuestas de cada nivel del factor. En cada una se indica la causa de la variación. 6. para expresar una suma. la variabilidad debida al factor. con un factor de variación. la variación presente en la respuesta que observamos. sobre la respuesta del experimento. si tenemos una serie de números a1. Esta variabilidad se denomina variabilidad debida al factor. presentaremos una técnica denominada Análisis de Varianza. Una componente es la variación causada por el factor. a3.Análisis de Varianza a un factor Supongamos que tenemos una situación experimental. . aún bajo idénticas condiciones experimentales.a20. Todas las réplicas de todos los niveles del factor A. Se utilizará el símbolo ∑ . El método de Análisis de Varianza consiste en comparar ambos tipos de variación. Este tipo de variación esta presente. la varia ción esta presente en todo fenómeno. En lo que sigue. que son medidas de variación de cada una de las dos componentes mencionadas. .. y la variabilidad residual.. sin preocupamos del modelo lineal subyacente. como ∑a i =1 I i o simplemente ∑a i cuando no hay ambigüedad sobre el recorrido del subíndice. en forma condensada. que no controlamos. .2. que observamos en su conjunto.

86 - . Se debe a causas que no son controladas por el experimentador. La Suma de Cuadrados Total es la suma de los cuadrados de las desviaciones de todas las observaciones.cuadrados total es una medida de toda la variación presente en el conjunto de las respuestas observadas. que tenderían a anularse con los positivos. o variación atribuible a error experimental. haciendo el desarrollo algebraico de los cuadrados de los binomios y reduciendo los términos semejantes.I. definidas de esta forma. con respecto del respectivo promedio por cada nivel del factor. y es igual al número SCT = ∑ i T ⎞ ⎛ ⎜ y ir − ⎟ ∑ IR ⎠ r ⎝ 2 La doble sumatoria indica que se está sumando a través de los I niveles y a través de las R réplicas de cada uno. Estas tres medidas de variación. Son una medida de la cantidad de información independiente que se ha utilizado para calcular cada suma de cuadrados. Residual Jorge Galbiati Riesco: Diseño de Experimentos Factoriales con aplicaciónes a Procesos Industriales . Se presentan en la siguiente tabla: Fuente de Variación Factor A Residuo Total Grados de Libertad (g. g. El objeto de elevar al cuadrado es eliminar los signos negativos. con respecto del promedio global. que se denominan grados de libertad. Es decir. Son I x R términos al cuadrado. y es igual al número T ⎞ ⎛A SCA = R ∑ ⎜ i − ⎟ IR ⎠ i ⎝ R 2 Es proporcional a la suma de los cuadrados de las desviaciones de las respuestas promedio por cada nivel del factor. SCTotal = SCA + SC Residual Esta propiedad se puede verificar fácilmente.1) IR-1 Tabla 6.) I-1 I(R . Es una medida de la variación producida dentro de cada nivel del factor. presentan la particularidad de que la suma de las dos últimas es igual la primera.l. y que están asociados al número de términos que se suman para formar cada una de las sumas de cuadrados. y es igual a SCR = ∑ i A ⎞ ⎛ ⎜ y ir − i ⎟ ∑ R⎠ r ⎝ 2 Es la suma de los cuadrados de las desviaciones de las observaciones. Los números de sumandos en cada una de las tres sumas de cuadrados son. respectivamente. e IR. que se suman.Total = g.l. Definiremos otros términos.l. con respecto del promedio global. I(R-1). Variación atribuible al factor: Se define una medida de la variabilidad causada por el factor. Variación Residual: Es la variación que no está explicada por los elementos que intervienen en el experimento. Es una medida de los efectos debidos a los niveles del factor. y que se denomina suma de cuadrados del factor. A + g.2: Grados de libertad para el Análisis de Varianza a un Factor. La variación residual la mide la suma de cuadrados residual. Podemos observar que se cumple una relación similar a la relación entre las sumas de cuadrados.l. una medida del error aleatorio. es decir. o suma de cuadrado del tratamiento.

7 r=5 2.0 21. cuando en realidad no lo es.5 2 ATLAS 3. denominados grados de libertad del numerador.8 2. La tabla F presentada en el apéndice es una de valores probabilísticos construida de tal forma que la probabilidad de concluir que el efecto es significativo. escapa del contexto de estas notas. y su aplicación supone que se cumplen algunas condiciones.1 Tabla 6.7 4. pues. por lo que no abordaremos este asunto. "Alpha". La discusión sobre ésta y las otras condiciones probabilísticas. dividido por el cuadrado medio residual. en cuanto a la pérdida de presión. la magnitud del cuociente F es una medida de la significación del efecto del factor A. en base a evidencia muestral.5 Promedio Ai/R 3. Es.7 2. De hecho. cuyo cuadrado medio va en el numerador del cuociente F. Se definen los cuadrados medios como los cuocientes entre las sumas de cuadrados y los respectivos grados de libertad.8 3. Una prueba de hipótesis está basada en consideraciones probabilísticas. copia de la cual aparece en el apéndice. se debe buscar dos números. cuyo cuadrado medio va en el denominador.6 5.3 Réplica r=3 3.1 El departamento de adquisiciones de una gran empresa minera desea comprar una partida de extintores contra incendio. Una de ellas es que las respuestas presenten una variación que obedece una ley de probabilidad normal.3 3. la tabla que utilizamos es una tabla de probabilidades.5 2.8 r=4 4. Este procedimiento de decisión. una hipótesis es que hay efecto debido al factor A. Para usar la tabla. la duración de la presión del extintor cargado. El cuociente F es el cuociente entre el cuadrado medio de A. por cada "unidad de información" aportada por las diversas fuentes de variación. comparamos el valor del cuociente F con valores proporcionados por una tabla. al cabo de tres meses. Cuociente F.6 4 ARGOS 2.87 - . "Ambar" y "Argos".5 13. Existen tablas F para otros niveles de significación. Se adoptó como uno de los criterios de decisión.0 Promedio Global T/IR = 3. se llevó a cabo un experimento.8 3.0 3.5 3 AMBAR 2. es de un 5 %. de acuerdo a las fórmulas dadas más arriba: TOTAL: Jorge Galbiati Riesco: Diseño de Experimentos Factoriales con aplicaciónes a Procesos Industriales . que corresponde a los grados de libertad residual. EJEMPLO 6. entonces se dice que el efecto es significativo. una comparación entre la variabilidad promedio atribuible al factor A. Debe elegir entre cuatro marcas distintas. Este valor se denomina nivel de significación de la prueba de hipótesis.7 1.3 2.2 3. que consistió en cargar cinco extintores de cada marca.3: Factor r=1 r=2 Extintor Pérdida de presión 1 ALFA 2. y grados de libertad del denominador. Los cuadrados medios son medidas de variabilidad promedio.3: Respuestas del Ejemplo 6. Por lo tanto. con la presión especificada.0 15.2 4. llamada precisamente tabla F. Los resultados obtenidos se muestran en la Tabla 6.Cuadrados Medios. Consiste en decidir entre dos hipótesis. en estadística se denomina prueba de hipótesis. En este caso.6 3. "Atlas".4 4. calculamos los valores de las sumas de cuadrados.1 3. Para comparar las cuatro marcas.3 Total Global T = 66. y medir la pérdida de presión. que corresponde a los grados de libertad del efecto A.1. pero 5 % es el valor más utilizado. no atribuible a causas conocidas. Con estos datos. totales y promedios globales y por nivel del factor. Si el cuociente F supera el valor de la tabla. Como criterio para determinar cuán significativo es el efecto del factor.0 Suma Ai 16. y la variación promedio del error experimental. para renovar los existentes. y la otra hipótesis es que no lo hay.

567 =4. La más deficiente es "Atlas". por lo que no es necesario calculado. El cuadrado medio residual es CMR = 9. Si se elige este camino.98 El cuadrado medio del total no se utiliza. + (3.24.7 = 2.25 + 0. 4. con una pérdida promedio de 2. Sin embargo. y los grados de libertad del denominador es I(R -1) = 4(5 -1) = 16.28.25 + 0.3)2 + (2.0 _ 3.6.1 _ 3. determinamos que los grados de libertad del numerador es igual a I .09 SCT = 16. se puede utilizar la fórmula para el cálculo directo.SCT = ∑ i T ⎞ ⎛ ⎜ y ir − ⎟ ∑ IR ⎠ r ⎝ 2 SCT = (2. FACTOR A: T ⎞ ⎛A SCA = R ∑ ⎜ i − ⎟ IR ⎠ r ⎝ R 2 SCA = 5 [(3.16 + 0.3)2 + . .28 = O.88 - .580 4(5 − 1) Por último.3)2 + (3.00 + 0. ese análisis no permite establecer si las diferencias entre cada par de marcas son significativas o no. Cabe hacer notar que el análisis realizado indica solamente que existe una diferencia significativa en la pérdida de presión entre las cuatro marcas de extintores consideradas.04 + 5. hay diferencias en la pérdida de la presión. que da 16. observamos la tabla de datos. Este es un análisis aproximado.3)2] SCA = 7. O sea. con una pérdida promedio de 4.6 .36 + 1. el cuociente F está dado por F= CMA 2.1 = 3. por marca.567 4 −1 RESIDUO: La suma de cuadrados de residuo se puede obtener por diferencia de suma de cuadrados total (SCT) menos la suma de cuadrados del factor A (SCA).76 + 1.04 + 0. Vemos que "Ambar" es la mejor marca. O bien. por lo que concluimos que el efecto del factor A es significativo.3.09 + 1.01 + 0. es igual a F(3.3)2 + (2.00 + 2. El valor de tabla.3.21 + 0.25 + 0.3)2 = 0.5 .25 + 0.3 .7 = 9.43. lo que se interpreta como que hay evidencia muestral suficiente que muestra que las respuestas difieren cuando los niveles son distintos.7 CMA = 7.580 Para buscar el valor de tabla. Si queremos saber cuál es la que presenta menos pérdida.64 + 0.64 + 0.09 + 0. Jorge Galbiati Riesco: Diseño de Experimentos Factoriales con aplicaciónes a Procesos Industriales . 16) = 3.3)2 + (4.1 = 4 .36 + 0.8 . Por ejemplo.3.3. que denotaremos F(3.43 = CMR 0.98 -7.49 + 2. vemos que es mayor que el valor de tabla.2 . Si comparamos el valor calculado.3. donde se muestran las pérdidas promedio. . 16). no se requiere calcular la suma de cuadrados total.3. de las diferentes marcas de extintores.

98 19 - Tabla 6. En este recinto hay una central telefónica. Una forma sistemática de organizar los resultados numéricos anteriores. es mediante una tabla. que hacen pedidos por teléfono. denominada Tabla de Análisis de Varianza o ANOVA. La planta tiene un número fijo de líneas. en ese caso. Por ello.6 = 0. donde cambia I. La tabla de análisis de varianza para los datos del Ejemplo 6. de 09:00 a 11:00 horas.580 16. elemento crítico para el negocio de la compañía.3. se hizo necesario hacer un estudio para determinar la forma óptima de distribuir las operadoras telefónicas a lo largo del día. un periodo medio-bajo. 6.Tabla de análisis de varianza a un factor. se atiende a un gran número de clientes.5) es significativa o no.43 9. Este caso ilustra la aplicación de la metodología de Diseño de Experimentos. al caso de mejoramiento de calidad en un proceso de servicios. de 11:00 a 13:00. y que se muestra a continuación: Fuente de Variación Factor A Residuo Total Suma de Cuadrados SCA SCR SCT Grados de Libertad I-1 I(R . Jorge Galbiati Riesco: Diseño de Experimentos Factoriales con aplicaciónes a Procesos Industriales .1.89 - .1 ESTUDIO DE CASO: DISTRIBUCIÓN DE OPERADORAS TELEFÓNICAS PARA LA RECEPCIÓN DE PEDIDOS. Es decir. Para ello debemos realizar el análisis usando el mismo procedimiento mostrado en el Ejemplo G. y un período bajo. no podemos concluir que la diferencia entre los extintores "Argos" y "Ambar" (3.1 es la siguiente: Fuente de Variación Factor A Residuo Total Suma de Grados de Cuadrados Cuociente Cuadrados Libertad Medios F 7. que deben distribuirse de manera que hayan más operadoras en los periodos altos.4: Análisis de varianza a un factor.basados en el análisis global. cinco.567 4.26 16 0. OBJETIVO DEL EXPERIMENTO: Estudiar el efecto de la distribución del número de operadoras sobre el tiempo de respuestas a las consultas de los usuarios externos del servicio. se hace una ANOVA para un experimento de un factor (marca extintor) a dos niveles ("Argos" y "Ambar"). En el área de comercialización de una compañía distribuidora de gas envasado. pues gran parte de sus ventas se hacen por vía de pedido telefónico. Se distinguen cuatro periodos de dos horas cada uno: un período medio-alto en el flujo de llamadas. Se dispone de un total de 20 horas-operadora. de 13:00 a 15:00 horas.1) IR-1 Cuadrados Medios CM A = SCA/(I . Por la importancia que tiene el teléfono para esta empresa.1.5: Análisis de varianza del Ejemplo 6. I= 2 y R = 5. un periodo alto. pero utilizando los datos correspondientes a los extintores "Argos" y "Ambar" solamente.1) CMR = SCR/(R -1) Cuociente F CMA/CMR - Tabla6.2. .7 3 2. de 15:00 a 17:00 horas.

entregaba un formulario al cliente. ∑ ∑y j r Suma ijr Bj = ∑ ∑y i r ijr Bj/IR ABij = ∑y r ijr ABij /R T= ∑∑∑ y i j r ijr T/IJR Todas las réplicas de todos los niveles de los dos factores. para el caso de dos factores: yij Ai = Respuesta individual correspondiente a la r-ésima réplica del nivel i-ésimo del factor A y del nivel j-ésimo del factor B Promedio Recorrido de la Suma o Promedio Todas las réplicas de todos los niveles del factor B. A y B. Todas las réplicas de todos los niveles del factor A. una debida a cada una de los dos factores. 14 semanas. del iAi/JR ésimo nivel del factor A. NIVELES Los niveles se describen en la siguiente tabla Número De Operadoras Por Período Total de Nivel Medio Alto Alto Medio Bajo Bajo Horas a1 2 10 4 4 20 a2 4 8 6 2 20 a3 4 8 4 4 20 a4 4 10 4 2 20 a5 6 6 4 4 20 a6 6 8 4 2 20 a7 6 10 2 2 20 Tabla 6.6: Distribución de operadoras por período Cada nivel del factor se aplicó durante una semana.. y el diseño es balanceado. La respuesta es el promedio de los tiempos indicados por los clientes. y al final de la experiencia se repitió todo una vez más. entonces. del jésimo nivel del factor B. que representan medidas de variación. Tabla 6.Análisis de Varianza de dos factores. Extenderemos el método al caso de dos factores. con R réplicas por cada combinación de tratamientos. El factor A tiene 1 niveles. con réplicas. La gran diferencia con el caso de un factor. del j-ésimo nivel del factor B. atribuibles a las fuentes de variación que se indican. hasta que le respondió la operadora.4. según la siguiente descripción: FACTOR A: Número de Operadoras. A continuación presentaremos las formulas análogas a las del caso de un factor. la persona que distribuía el gas.90 - .DISEÑO DEL EXPERIMENTO: Un factor con siete niveles. RESPUESTA: Para medir el efecto de cada nivel del factor. pidiéndole que anotara el tiempo que él estimaba se había demorado. El experimento completo demoró. desde que marco el número de teléfono. Todas las réplicas del i-ésimo nivel del factor A.7: Notación para el análisis de varianza a dos factores. de cada una de las combinaciones de tratamientos. Jorge Galbiati Riesco: Diseño de Experimentos Factoriales con aplicaciónes a Procesos Industriales . es que la variabilidad debida a los factores tiene tres componentes. y una debida a la interacción entre ambos. Utilizaremos las siguientes convenciones notacionales. 6. el factor B tiene J niveles.

SCR = ∑ i ∑ j ABi j ⎞ ⎛ ⎜ y ijr − ⎟ ∑ ⎜ ⎟ R r ⎝ ⎠ 2 La propiedad algebraica que permite la descomposición de la variación total.91 - . como la variación en las respuestas correspondientes a diferentes replicas de una misma combinación de tratamientos. Jorge Galbiati Riesco: Diseño de Experimentos Factoriales con aplicaciónes a Procesos Industriales . respectivamente. respectivamente T ⎞ ⎛A SCA = JR ∑ ⎜ i − ⎟ IJR ⎠ i ⎝ JR 2 T ⎞ ⎛A SCA = IR∑ ⎜ i − ⎟ IJR ⎠ j ⎝ IR 2 Variación Atribuible a la Interacción: Es un efecto debido al hecho que un factor puede actuar en forma diferente. IR. en el orden que aparecen en la igualdad. hay. y se presentan en la siguiente tabla: Fuente de Grados de Variación Libertad (g. La suma de cuadrados de la interacción es el número SCAB = R ∑ i ⎛ ABij Ai B j T ⎞ ⎜ ∑ ⎜ R − JR − IR + IJR ⎟ ⎟ j ⎝ ⎠ 2 Variación Residual: Variación no explicada por el modelo.l. producto de la forma como cada factor afecta al otro. Los grados de libertad son medidos de la cantidad de información independiente que se ha utilizado para calcular cada suma de cuadrados.J + 1 IJ(R-1) = IJR. sino que. Es la variación que no está explicada por los elementos que intervienen en el experimento. en componentes atribuibles a las diversas fuentes de variación. Los números de sumandos de los términos. y es igual a SCT = ∑ i ∑ j T ⎞ ⎛ ⎜ y ijr − ⎟ ∑ IJR ⎠ r ⎝ 2 Variación Atribuible a los Efectos Principales: Está constituida por las sumas de cuadrados de los factores A y B.IJ IJR -1 Tabla 6. un efecto combinado de ambos. a que nos referimos más arriba.Variación Total: La suma de cuadrados total es una medida de toda la variación presente en el conjunto de las respuestas observadas. IJR. o atribuible al error experimental. además. bajo los diferentes niveles del otro factor. IJ.) Factor A Factor B Interacción AB Residuo Total I-1 J-1 (I-1)(J-1) = IJ . Su medida es la suma de cuadrados residual.8: Grados de libertad para el análisis de varianza de dos factores.I . IJR. La interacción está presente cuando el resultado de aplicar los dos factores no es la simple suma de efectos de cada uno. son. JR. se expresa ahora como SGT = SGA + SGB + SGAB + SGR La verificación de esta igualdad se hace mediante un simple desarrollo algebraico de las expresiones de la mano derecha.

EJEMPLO 6.9: Análisis de varianza a dos factores. que para el caso de dos factores.Tabla de Análisis de Varianza Para Dos Factores. B + g.1 Cuadrados Medios CM A = SCA/(I . Para determinar cuán significativos son los efectos de cada fuente de información. Son comparaciones entre la variabilidad promedio atribuible a cada efecto. en minutos. pues es más fácil calcular la primera. A + g.Aquí también tenemos que: g. la marca del filtro y la cantidad de Hidróxido de So dio.1) IJ(R . que corresponde a los grados de libertad del efecto respectivo. con dos factores. Los valores que no aparecen no son necesarios.1)(J . y son los cuocientes entre los cuadrados medios de A.l. 6. y grados de libertad del denominador. Los valores calculados se organizan en una tabla Análisis de Varianza. la magnitud de los cuocientes F son una medida de la significación de cada fuente de variación. por diferencia. entonces se dice que el efecto es significativo.1) JIR . Total = g. para 10 cual se diseña un experimento. La suma de los cuatro primeros términos de las columnas de Sumas de Cuadrados y de Grados de Libertad son iguales al término correspondiente del Total. Se desea reducir el tiempo de filtrado. Los cuocientes F ahora son tres. a2: Filtro nuevo marca 2. b2: Baja. Si el cuociente F supera el valor de la tabla correspondiente.1) CMB = SCB/(J -1) CMAB = SCAB/(I -1)(J -1) CMR = SCR/IJ(R -1) Cuociente F CMA/CMR CMB/CMR CMAB/CMR - Tabla 6. a2: Filtro nuevo marca 1. Se determinan los grados de libertad del numerador.l. b1: Alta. comparamos el valor del cuociente F con valores proporcionados por la tabla F.92 - .. AB + g. se usa para obtener la suma de cuadrados residual. divididos por los cuadrados medios del error. respectivamente. o Soda Cáustica (NaOH): FACTORES A: Marca del Filtro B: Cantidad de NaOH NIVELES a1: Filtro utilizado actualmente. que corresponde a los grados de libertad residual. de B y de AB. y la variación promedio del error experimental. Como en el caso de un factor.l.2 Se utilizan filtros en una planta de agua potable. ANOVA.l.l.5. RESPUESTA: Tiempo de filtrado de un estanque completo. Residuo Los Cuadrados Medios son los cuocientes entre las sumas de cuadrados y los respectivos grados de libertad. es la siguiente: Fuente de Variación Factor A Factor B Interacción AB Residuo Total Suma de Cuadrados SCA SCB SCAB SCR SCT Grados de Libertad 1-1 J-1 (I . Jorge Galbiati Riesco: Diseño de Experimentos Factoriales con aplicaciónes a Procesos Industriales . La suma de cuadrados del total.

1 Cuociente F 5.25 Bj Bj/IR Valores Globales: T = 730 T /IJR = 30.5 349.00 32. concluimos que hay efectos significativos del factor A. Otros software más avanzados como SPSS pueden efectuar ANOVA de múltiples factores sin Jorge Galbiati Riesco: Diseño de Experimentos Factoriales con aplicaciónes a Procesos Industriales .6 54. 18) = 4. 4. son: F(2. Por ello. Hasta el momento hemos presentado las expresiones para realizar análisis ANOVA de uno o dos factores. 2.62 i=2 104 115 219 26. Sin embargo. la planilla de cálculo Excel trae en su herramienta de "Ánalisis de datos".57 5.8 182. para los correspondientes grados de libertad. y hay efecto significativo debido al factor B y no a la interacción entre ambos factores. comparando los valores de tabla con los cuocientes F calculados. dichas expresiones se tornan rápidamente poco adecuadas para realizar los cálculos correspondientes en forma manual. Se hizo el experimento.11: Tabla de Análisis de Varianza del Ejemplo 6.35 0. De forma similar.41 para B En consecuencia.92 ABi1 FACTOR A i=1 SUMAS ABi2 Ai PROMEDIOS ABij/ R ABi2/ R Ai/ JR 121 132 253 30.00 31. y los resultados son los siguientes: FACTOR B j=1 j=2 OBSERVACIONES 33 38 32 31 29 29 27 34 26 29 24 27 25 30 29 29 29 34 36 34 30 39 27 29 347 383 28. r =1.REPLICAS: Hay cuatro réplicas por cada combinación de tratamientos.25 33.00 28.38 i=3 122 136 258 30. se pueden desarrollar expresiones para efectuar ANOVA de tres o más factores. es la siguiente: Fuente de Variación Factor A Factor B Interacción AB Residuo Total Suma de Cuadrados 112.50 34.8 Grados de Libertad 2 1 2 18 23 Cuadrados Medios 56.92 31.75 27. la marca del filtro.42 Tabla 6.2 La tabla de análisis de varianza.0 0.2 Los valores obtenidos de la tabla F.0 0.4 10. cuyos cálculos detallados no se incluyen. 18) = 3. la gran mayoría de los softwares de análisis estadístico de datos incluyen herramientas para efectuar ANOVA. del Apéndice. Por ejemplo.04 - Tabla 6. 3.10: Respuestas y cálculos parciales del Ejemplo 6.3 54.93 - . El numero de corridas experimentales es 3x2x4 = 24. la capacidad de efectuar ANOVA de uno o dos factores.55 para A y para AB F(l.

Los resultados obtenidos fueron los siguientes: COMBINACION DE TRATAMIENTOS a1b1c1 a2b1c1 a1b2c1 a2b2c1 a1b1c2 a2b1c2 a1b2c2 a1b2c2 Réplica 1 64.mayores limitaciones.1 59. la masa del mineral depositado en las bateas. el que disuelve el contenido de cobre en él.1 67. de modo de optimizar el contenido de cobre extraído.8 74.94 - . con dos niveles cada uno. El experimento se hizo con tres corridas experimentales por cada combinación de tratamientos.3 65.2 75.6 74. que consiste en verter ácido sulfúrico sobre el mineral.2 67. del mineral.9 61.5 % de cobre RESPUESTA: Porcentaje de cobre extraído del mineral.7 Jorge Galbiati Riesco: Diseño de Experimentos Factoriales con aplicaciónes a Procesos Industriales .2 69.1 68. Uno de los métodos de extracción de cobre. la duración del ciclo de lixiviación.9 RESPUESTAS Ráplica 2 Réplica 3 63.3 68. depositado en grandes bateas.7 70.6 62.7 68.4 61. según la siguiente descripción: A: B: C: FACTORES Ciclo de lixiviación Masa del mineral por batea Ley del mineral a1 : a2 : b1 : b2 : c1 : c2 : NIVELES 120 horas 90 horas 11500 toneladas 13500 toneladas 1 % de cobre 1.9 66. su contenido de cobre.1 66. Se piensa que hay tres factores importantes que pueden controlar el proceso. Estos factores son.3 67.8 69.2 70. Para ello se diseñó el experimento descrito a continuación: OBJETIVO DEL EXPERIMENTO: Optimizar el porcentaje de cobre extraído mediante el proceso de lixiviación.9 69. y la ley del mineral.8 70.2 60. ESTUDIO DE CASO: PROCESO DE EXTRACCIÓN DE COBRE DE LA LIXIVIACIÓN DE BATEAS.1 59. es decir.0 Promedio 63. El líquido escurre.6 72. es el método de lixiviación. y de él se recupera posteriormente el metal.5 66.4 74.6 64. DISEÑO DEL EXPERIMENTO: Tres factores.2 70.

la ley del mineral.3).95 - . igual a 2. BC. lo mismo que la interacción triple (0.0.A continuación se muestra el diagrama de efectos y los gráficos de interacción. aparecen con un efecto moderado. Un efecto moderado del factor B. casi nada de efecto del factor A. es insignificante. El diagrama de efectos muestra un fuerte efecto del factor C. (1. un fuerte efecto del factor C. Jorge Galbiati Riesco: Diseño de Experimentos Factoriales con aplicaciónes a Procesos Industriales . igual a 7. Los gráficos de interacción muestran lo mismo.1. Sin embargo. 1.7).5) y AC (2. las interacciones AB (2. la masa del mineral.8.1). La otra interacción doble. ciclo de lixiviación. muy poco efecto de los demás factores y de la interacción.

96 - .89 7. el factor B.46 10.La Tabla de Análisis de Varianza se presenta a continuación. FUENTE DE VARIACION SUMA DE GRADOS DE CUADRADOS CUADRADOS LIBERTAD MEDIOS CUOCIENTE F SIGNIFICACION FACTOR A FACTOR B INTERACCION AB FACTOR C INTERACCION AC INTERACCION BC INTERACCION ABC RESIDUO TOTAL 6. y la interacción AB. para decidir si los cuocientes F son o no significativos. la masa del mineral. la ley del mineral.56 10.17 86.12 482.94 3.45 -- 1.74 13.68 3. Aparecen como significativos. el factor C.46 10.38 35. es F(1.22 26. y confirma los resultados anteriores. la interacción AC.94 2.16)=4. en ese orden de importancia.00 45.50 298. no signif.94 2.22 26.00 45.55 1 1 1 1 1 1 1 16 23 6. --- Jorge Galbiati Riesco: Diseño de Experimentos Factoriales con aplicaciónes a Procesos Industriales .94 55. El valor de tabla. * * * * no signif.49.38 35.85 --- no signif.50 298.17 0.

El departamento de Marketing desea probar qué color de envase resulta más atractivo para el consumidor. Se desarrolla el experimento con S réplicas. que se vende en forma de concentrado. de la sección G. 6. y se obtuvieron los siguientes resultados. "Lin-Lin". en un experimento factoria! a tres factores. y obtenga una conclusión respecto al efecto del color del tarro.3) Se diseña un experimento para probar la resistencia de tres tipos de nylon para pescar. dado en el Capítulo 3. Se desarrolla un experimento para probar el efecto de tres colores. si hay efecto causado por la temperatura. de O. de cada uno de los tres colores. EJERCICIOS. se puede observar que son totalmente consistentes en cuanto al orden y magnitudes relativas de los efectos con los cuocientes F. Los tipos de nylon son "Neptuno". 6.97 - . Las temperaturas a que fueron sometidas son 5ºC.1) Verificar la equivalencia entre el modelo que expresa los efectos principales en interacciones en términos de las repuestas. El número de corridas experimentales es 3 x 3 x 4 = 36. 15ºC y 28ºC.2) Una industria desarrolla un nuevo tipo de jugo de mango. 6. y si hay interacción entre tipo de nylon y temperatura. Las ventas semanales que se registraron fueron las siguientes: REPLICA 1 2 3 4 5 ROJO 46 52 59 78 81 AMARILLO 52 37 38 64 74 AZUL 61 29 38 53 79 Construya una tabla de análisis de varianza para este experimento. Obtenga una conclusión respecto si hay diferencia entre las resistencias de los tipos de nylon. Construya una tabla de análisis de varianza para este experimento. Se hicieron cuatro réplicas de cada combinación de tratamientos. en tarros de un litro. Se sometió el material experimental a pruebas de resistencia. durante periodos de una semana. y "Standard". Rojo. a diferentes temperaturas.Si se compara la tabla de análisis de varianza con el diagrama de efectos. utilizando un procedimiento similar al presentado en esa sección de este capítulo. sobre las ventas. Amarillo y Azul. y en el modelo lineal (fUi).I. Resultados experimentales: TIPO DE NYLON NEPTUNO LIN-LIN ESTANDAR 21 26 22 5ºC 24 43 36 32 35 40 28 40 35 36 30 19 15ºC 42 20 37 28 26 29 30 24 23 19 44 14 28ºC 21 38 23 27 33 27 18 18 22 ________________________________________________________________________ TEMPERATURA Jorge Galbiati Riesco: Diseño de Experimentos Factoriales con aplicaciónes a Procesos Industriales . Se registran las ventas de cada color en un supermercado.3mm de espesor.

28 2.37 2.63 2.84 2.90 19.32 2.46 2.32 5.60 2.53 2.80 19.68 2.51 2.28 4.56 2.79 3.40 18.12 4.30 2.98 - .47 2.10 2.55 2.32 4.38 8.12 6.17 2.59 2.29 2.88 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 40 60 120 ∞ Jorge Galbiati Riesco: Diseño de Experimentos Factoriales con aplicaciónes a Procesos Industriales .25 2.70 2.20 3.76 4.85 2.68 3.84 4.57 2.99 5.53 2.87 3.04 1.45 2.31 2.55 2.26 3.15 3.96 1.33 3.60 4.77 4.33 2.00 19.58 3.22 3.29 3.89 3.23 4.10 3.66 2.25 2.74 2.03 2.41 4.96 4.71 3.63 3.98 2.66 2.59 3.24 2.00 2.45 2.38 4.41 4.87 2.32 2.39 3.77 2.20 3.74 4.60 2.39 3.19 4.91 2.49 2.83 2.58 2.34 2.51 10.37 3.APENDICE TABLA DE DISTRIBUCION F Nivel de significación 5% PRIMERA PARTE GRADOS DE LIBERTAD DEL NUMERADOR GRADOS DE LIBERTAD DEL DENOMINADOR 1 161.86 3.98 3.02 1.03 3.22 2.16 4.96 2.28 6.01 2.12 2.45 4.92 3.45 2.81 6.60 2.33 8.97 3.04 4.41 3.95 2.59 2.57 2.48 3.10 7 236.37 8.17 4.74 2.37 2.61 2.94 9 240.00 3.77 2.35 8.69 3.37 5 230.21 6 234.71 2.44 3.73 3.50 9.74 2.50 19.59 5.00 4.55 3. 0 19.06 3.66 2.84 2.30 9.64 2.59 2.00 9.51 2.49 2.01 2.55 2.82 2.21 2.07 3.50 3.35 4.42 2.05 4.11 3.71 6.55 6.75 4.76 2.90 2.93 2.13 3.21 3.45 2.39 5.09 4.80 2.02 2.93 2.24 4.40 2.84 199.79 2.49 4.33 3.88 4.30 4.39 2.18 2.27 2.09 2.60 4 224.23 3.81 3.10 3.25 2.49 3.49 2.39 2.90 2.43 2.69 2.96 2.60 19.14 4.34 2.94 6.82 4.42 2.85 2.85 6.29 2.10 3.99 2.28 3.36 3.16 3.47 3.34 2.68 3.94 5.71 2.34 3.27 2.32 3.26 5.53 4.71 2.28 2.92 2.07 3.00 3 215.24 3.54 2.73 2.35 3.85 2.54 4.67 4.46 2.95 2.18 3.42 2.70 2.70 2.92 2.68 2.36 2.20 4.78 2.80 2.01 8 238.36 2.13 7.18 4.46 4.34 3.26 4.61 5.26 4.51 2.63 3.37 3.48 3.59 5.08 4.46 2.48 2.84 3.95 4.15 3.37 2.35 2.14 3.21 4.01 6.71 2.65 2.17 2.09 3.25 9.07 2.53 2.44 3.89 6.59 3.18 3.29 3.54 2.49 3.76 2.21 3.07 3.61 2.23 3.64 2.40 3.35 4.79 5.81 2.90 2.86 2.16 9.44 2.39 3.70 19.42 2.52 3.76 2.42 3.40 2.01 2.74 3.05 3.37 2.11 3.

04 2.70 2.69 2.74 1.10 19.93 2.75 1.23 2.18 2.70 5.41 2.43 2.75 1.27 2.53 2.42 2.96 1.75 4.54 2.87 1.32 120 253.49 2.75 1.34 2.38 2.01 1.77 3.15 2.99 1.89 1.69 4.42 2.67 20 248.25 2.82 1.19 2.70 3.96 4.72 2.77 2.77 1.85 1.61 2.90 1.47 1.15 2.12 2.69 1.39 60 252.46 40 251.79 2.19 2.31 2.29 2.86 4.28 3.29 2.92 1.06 2.73 1.66 4.70 1.15 2.97 2.79 1.91 2.62 3.84 1.53 3.40 3.20 2.74 5.34 3.11 2.94 1.90 19.65 2.07 2.47 8.11 2.19 2.22 2.95 2.84 1.49 8.62 2.68 1.82 1.90 2.99 1.61 1.57 5.01 2.81 3.84 1.75 15 245.46 8.41 3.90 19.16 2.77 4.27 2.10 19.95 1.56 3.90 1.50 1.TABLA DE DISTRIBUCION F Nivel de significación 5% SEGUNDA PARTE GRADOS DE LIBERTAD DEL NUMERADOR GRADOS DE LIDERTAD DEL DENOMINADOR 10 241.89 1.18 2.72 4.91 4.45 8.97 1.55 1.60 2.30 2.25 2.86 1.68 4.60 2.10 2.64 3.46 2.25 2.11 2.64 5.18 2.90 19.53 2.16 2.91 1.27 2.10 2.85 2.06 2.11 2.79 1.43 3.98 1.79 5.84 1.32 2.55 5.74 2.01 2.88 1.34 2.40 8.01 1.90 2.89 1.16 2.50 3.66 1.35 1.16 2.53 2.08 2.43 1.00 19.14 2.65 1.08 2.48 2.03 2.30 19.00 9.58 1.04 2.93 1.75 1.95 1.79 1.18 2.94 3.30 3.74 1.62 5.00 1.83 2 66 2.18 2.35 2.38 2.41 8.75 2.99 - .94 1.15 2.59 5.46 2.39 2.07 2.59 1.22 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 40 60 120 ∞ Jorge Galbiati Riesco: Diseño de Experimentos Factoriales con aplicaciónes a Procesos Industriales .54 2.24 2.58 2.31 2.79 1.98 2.96 1.06 2.07 2.84 1.79 2.70 1.19 2.13 2.92 1.03 1.15 2.01 1.98 1.28 2.67 3.07 2.99 1.49 2.85 1.06 2.81 1.51 3.75 2.47 2.89 1.02 1.57 2.20 2.43 8.87 1.20 2.27 2.20.48 8.87 3.24 2.94 1.20 2.96 1.22 3.66 5.01 2.23 2.03 2.67 2.91 1.40 2.25 2.93 1.38 2.45 2.10 2.86 2.04 2.05 2.53 1. 19.31 2.38 2.52 30 250.92 1.51 2.96 1.57 24 249.91 1.15 2.98 1.92 1.35 3.06 3.01 1.44 3.03 2.74 4.46 3.11 2.28 2.90 1.85 2.08 1.74 3.94 2.97 1.83 12 243.80 4.84 3.45 8.09 2.93 1.01 1.05 2.95 2.45 2.77 1.62 2.13 2.09 2.81 1.64 1.84 1.34 2.87 1.71 1.10 19.12 2.38 3.80 1.

You're Reading a Free Preview

Descarga
scribd
/*********** DO NOT ALTER ANYTHING BELOW THIS LINE ! ************/ var s_code=s.t();if(s_code)document.write(s_code)//-->