Unidad IV conceptos bsicos de diseo factorial.

INSTITUTO TECNOLGICO SUPERIOR DE CENTLA

Materia: estadstica inferencial II

Carrera: ingeniera industrial

Profesor(a): ing. Ind. Mara del roco cruz torres

Alumno: Csar Augusto Garca Snchez

Trabajo: investigacin de la unidad 3 diseo bloques

Semestre: 4

Grupo: A

Unidad IV conceptos bsicos de diseo factorial.

INTRODUCCIN

El diseo de tratamientos es independiente del diseo experimental que indica la manera en que los tratamientos se aleatorizan a las diferentes u. e. y las formas de controlar la variabilidad natural de las mismas.

As, el diseo experimental puede ser diseos factoriales a 2factores, diseo factorial general etc. y para cada uno de estos diseos se puede tener arreglo factorial de los tratamientos, si estos se forman por la combinacin de niveles de varios factores. A ambos tipos de diseos, el de tratamientos y el experimental, les corresponde un modelo matemtico.

La necesidad de estudiar conjuntamente varios factores obedece a la posibilidad de que el efecto de un factor cambie segn los niveles de otros factores, esto es, que los factores interacten, o exista interaccin. Tambin se utilizan los arreglos factoriales cuando se quiere optimizar la respuesta o variable dependiente, esto es, se quiere encontrar la combinacin de niveles de los factores que producen un valor ptimo de la variable dependiente. (superficie de respuesta) Si se investiga un factor por separado, el resultado puede ser diferente al estudio conjunto y es mucho ms difcil describir el comportamiento general del proceso o encontrar el ptimo.

Unidad IV conceptos bsicos de diseo factorial.

Conceptos Bsicos En Diseos Factoriales

En este resumen se presenta la familia de diseos factoriales completas desde una perspectiva un tanto general: factoriales para cualquier nmero de factores y de niveles de prueba en cada uno de ellos, sin dejar cierto nivel de generalidad, se presentan los diseos factoriales para dos o para tres factores y el caso con cualquier cantidad de factores. Diseo Factorial: es estudiar el efecto de varios factores sobre una o varias respuestas, es decir, busca estudiar la relacin entre los factores y la respuesta, y tiene la finalidad de conocer mejor como es esta relacin y que permita tomar acciones y decisiones que mejoren el desempeo del proceso. Uno de los objetivos particulares ms importantes que en general tiene un diseo factorial es determinar una combinacin de niveles de los factores en la cual el desempeo del proceso sea mejor que en las condiciones de operacin actuales, es decir, encontrar nuevas condiciones de operacin que eliminen o disminuyan cierto problema de calidad en la variable de salida. Los factores pueden ser de tipo cualitativo (maquinas, tipo de material, operador, presencia o ausencia de una operacin previa, etc.) o de tipo cuantitativo (temperatura, humedad, velocidad, presin, etc.). Para poder estudiar de manera en que influye cada factor sobre una variable de respuesta, es necesario elegir al menos dos niveles de prueba para cada uno de ellos. Factor Cualitativo: Sus niveles toman valores discretos o de tipo nominal que no pueden ser fracciones. Factor Cuantitativo: Sus niveles de prueba pueden tomar cualquier nivel de cierto intervalo. La escala es continua. Cabe mencionar que en la materia solo usamos este tipo de factores. Experimento Factorial: Un diseo de experimentos factorial o arreglo factorial es el conjunto de puntos experimentales o tratamientos que pueden formase considerando todas las posibles combinaciones de los niveles de los factores.

Unidad IV conceptos bsicos de diseo factorial.

Efecto Principal Y Efecto De Interaccin: El efecto de un factor se define como el cambio observado en la variable de respuesta debido a un cambio del nivel de tal factor. En particular los efectos principales son los cambios en la media de la variable de respuesta debidos a la accin individual de cada factor. Unidad Experimental: Unidad a la cual se le aplica un solo tratamiento (que puede ser una combinacin de muchos factores) en una reproduccin del experimento. En cada diseo de experimentos es importante definir cuidadosamente la unidad experimental, ya que esta puede ser una pieza o conjunto de piezas producidas, dependiendo del proceso que se estudia. Variable De Respuesta: Es la caracterstica del producto cuyo valor interesa mejorar mediante el diseo de experimento. Factores Controlables: Son variables de proceso que se pueden fijar en un punto o nivel de operacin. Algunos de estos son los que usualmente se controlan durante la operacin normal del proceso, y se distinguen porque para cada uno de ellos existe la manera o el mecanismo para cambiar o manipular su nivel de operacin.Alos factores controlables tambin se les llama variables de entrada, condiciones de proceso, variables de diseo,parmetros del proceso o simplemente factores. Factores No Controlables: Son variables que no se pueden controlar durante la operacin normal del proceso como la luz, temperatura que se investigan en el experimento para observar cmo afectan o influyen en la variable de respuesta.

Entrada
Factores Controlables Factores No Controlables

Proceso

Salida
Caractersticas de calidad o variables de respuesta

Cules caractersticas se van a medir? Qu factores controlables deben incluirse en el experimento? Qu niveles debe utilizar cada factor? Cul diseo es experimental es adecuado?

Unidad IV conceptos bsicos de diseo factorial.

Error Aleatorio: Es la variabilidad observada que no se puede explicar por los factores estudiados; y resulta del pequeo efecto de los factores no estudiados y del error experimental. Aleatorizacion: Consiste en hacer corridas experimentales en orden aleatorio; este principio aumenta la posibilidad de que la independencia del error se cumpla. Bloqueo: Es nulificar o tomar en cuenta en forma adecuada todos los factores que pueden afectar la respuesta observada. Diseo De Bloques Completos Al Azar: En este diseo se consideran tres fuentes de variabilidad: el factor de tratamientos, el factor de bloques y el error aleatorio, es decir, se tienen tres posibles culpables de variabilidad presente en los datos. Diseo De Cuadrado Latino: Diseo en el que se controlan dos factores de bloque y uno de tratamientos; los tres factores tienen la misma cantidad de niveles. Los tratamientos se representan por letras latinas y se distribuyen en forma adecuada en un cuadro. Diseo De Cuadrado Greco- Latino: Diseo en el que se controlan tres factores de bloques y un factor de tratamientos; los cuatro factores utilizan la misma cantidad de niveles. Factores: Las variables independientes relacionadas con una variable de respuesta y se denominan factores. Nivel: Es el grado de intensidad de un factor Tratamiento: Es una combinacin especifica de niveles de los factores que intervienen en un experimento. Resumen De Pasos Para El Diseo De Experimentos: 1. 2. 3. 4. Seleccionar los datos. Escoger los tratamientos (combinaciones factor-nivel). Determinar el tamao de la muestra para cada tratamiento. Asignar los tratamientos a las unidades experimentales.

Unidad IV conceptos bsicos de diseo factorial.

Diseos factoriales con dos factores

En primer lugar vamos a estudiar los diseos ms simples, es decir aquellos en los que intervienen slo dos factores. Supongamos que hay a niveles para el factor A y b niveles del factor B, cada rplica del experimento contiene todas las posibles combinaciones de tratamientos, es decir contiene los ab tratamientos posibles.

Modelo matemtico. El modelo matemtico asociado al diseo de dos factores-tratamiento con interaccin y replicado es el siguiente: Para cada i = 1,...,I, j = 1,...,J, k = 1,...,K se tiene el siguiente modelo:

con Donde,

ijk

v.a. independientes con distribucin N

Y ijk es el resultado del tratamiento i-simo, i = 1,2,...,I del factor T y del tratamiento j-simo, j = 1,2,...,ni del factor T , en la replicacin t-sima, t = 1,...,K. es el efecto global que mide el nivel medio de todos los resultados, i es el efecto (positivo o negativo) sobre la respuesta debido a que se observa I el nivel i del factor T . Se verifica que i = 1 i = 0, j es el efecto (positivo o negativo) sobre la respuesta debido a que se observa J el nivel j del factor T . Se verifica que j=1 i = 0, ij representa la interaccin y es el efecto extra (positivo o negativo) sobre la respuesta debido a que se observan conjuntamente los niveles i y j de los factores T y T respectivamente. Mide la desviacin de las medias de la hiptesis de aditividad de los efectos y viene definida por:

Se verifica que

I i=1

ij

J j=1

ij

= 0, para i = 1,...,I; j = 1,...,J.

Unidad IV conceptos bsicos de diseo factorial.

es el error experimental o perturbacin, son variables aleatorias independientes idnticamente distribuidas (i.i.d.) con distribucin N .
ijk

Por tanto, los parmetros de este modelo son

Parmetros Nmero 1
i

I-1 J-1
ij

1 IJ + 1

Total Siendo n = IJK el nmero de observaciones.

El modelo matemtico anterior de diseo de experimentos con dos factores tratamiento con interacin se conoce como modelo completo de dos vas o modelo de anlisis de la varianza de dos vas. Si, ocasionalmente, experimentos similares previos o hechos cientficos contrastados garantizan con una razonable seguridad que ambos factores no interaccionan, el experimento se modeliza a travs de:

(1) con
ijk

v.a. independientes con distribucin N

El modelo (1) es un submodelo del modelo completo de dos vas y se denomina modelo de efectos principales de dos vas o modelo aditivo de dos vas dado que el efecto sobre la respuesta del tratamiento ij se modeliza como la suma de los efectos individuales de cada factor. Es importante

Usar el modelo de efectos principales slo cuando se tiene la certeza de que no existe interaccin entre los factores.

Unidad IV conceptos bsicos de diseo factorial.

Si no se tiene un conocimiento razonable acerca de la interaccin debe seleccionarse un modelo completo. El motivo es que la inferencia sobre los efectos principales cuando no se ha considerado interaccin errneamente puede ser confusa ya que se est incrementando artificialmente el error experimental. La estrategia a seguir es: 1. Si se sospecha que hay interaccin, en primer lugar, se contrasta el efecto de la interaccin en un modelo completo de dos vas. 2. Si no resulta significativa, se contina con el anlisis examinando los efectos principales en el mismo modelo. No es conveniente cambiar al modelo de efectos principales salvo que se est muy seguro de la no existencia de interaccin. 3. Si resulta significativo el efecto interaccin, entonces los contrastes sobre los efectos individuales no son vlidos. Si son significativos los contrastes sobre los efectos individuales, los resultados pueden darse por vlidos. Pero si los contrastes son no significativos, los resultados no tienen porque ser correctos. Si el efecto interaccin es significativo, generalmente es preferible pasar a un modelo de una va donde los niveles son todas las combinaciones de niveles y examinar as sus posibles diferencias. Otra posibilidad es examinar las diferencias entre niveles de un factor manteniendo fijos los niveles del otro. En este caso las conclusiones son correctas para la situacin concreta estudiada. Estimacin de los parmetros. Los parmetros del modelo se obtienen por mnimos cuadrados, tcnica que se basa en minimizar la suma de los cuadrados de los residuos.

(5.24) Proporciona los siguientes estimadores:

Unidad IV conceptos bsicos de diseo factorial.

Donde ij. es la media de las observaciones de la casilla ij. El resto de los trminos tiene la interpretacin habitual. La prediccin de la casilla ij es la media de los valores de la casilla, por tanto:

(1) Los residuos, diferencia entre lo observado y la prediccin,

Los residuos verifican la siguiente restriccin (la suma de los residuos en cada casilla es cero)

por tanto, en cada casilla hay residuos independientes y el nmero de grados de libertad es: IJ. Al igual que en los modelos estudiados previamente se utiliza la varianza residual como estimador de la varianza. Este estimador viene dado por

(2)

Unidad IV conceptos bsicos de diseo factorial.

Descomposicin de la variabilidad La suma de cuadrados global se puede descomponer de la forma:

esto es,

Escrito de otra forma:

Unidad IV conceptos bsicos de diseo factorial.

4.2 Diseo factoriales con tres factores.
El modelo de diseo de experimentos con dos factores se puede generalizar a tres o ms factores, aunque presenta el gran inconveniente de que para su aplicacin es necesario un tamao muestral muy grande. El modelo de diseo de experimentos completo con tres factores (T , T y T ), interaccin y replicacin (K rplicas) tiene el siguiente modelo matemtico:

En este modelo se tienen tres factores-tratamineto: el factor T (efecto ) con niveles i = 1,...,I, el factor T (efecto ) con niveles j = 1,...,J, y el factor T (efecto ) con niveles r = 1,...,R. Cada tratamiento se ha replicado K veces. Por tanto se tienen n = IJRK observaciones. El trmino ijk es la interaccin de tercer orden que, en la mayora de las situaciones, se suponen nulas. En este modelo se verifican las siguientes restricciones

El nmero de parmetros del modelo es Parmetros

i j r

Nmero 1 I-1 J-1 R-1

ij ir jr
2

ijr

Total

1 IJR + 1

Los estimadores mximo-verosmiles de este modelo son los siguientes (se utiliza la notacin habitual):

Unidad IV conceptos bsicos de diseo factorial.

De la media global de los efectos principales, de las interacciones de segundo orden orden. de las interacciones de tercer

La descomposicin de la variabilidad se obtiene la siguiente tabla ANOVA (Tabla siguiente), a partir de la cual se pueden obtener contrastes como en la seccin anterior. CUADRO DEL ANLISIS DE LA VARIANZA MODELO COMPLETO DE TRES VAS Fuente de variacin Factor T Factor T Factor T Inter. Inter. Inter. Inter. Residual Global sc scR = scG = sc sc sc Suma de cuadrados scT scT scT = J RK = IRK = IJK
i=1 i=1 I I I i=1 J j=1 R r=1 2

g.l. I1 J1 R1
ij 2 2

i j

2 2

= RK = JK = IK =K
I i=1

J j=1 R r=1 R r=1 J j=1

(I - 1)(J - 1) (I - 1)(R - 1) (J - 1)(R - 1) (I - 1)(J - 1)(R 1)

t=

ir jr

J j=1 I i=1 ijr

R r=1

J j=1 K 2 1 eijrk J j=1 K 2 1 eijrk

R r=1

IJR(K - 1) IJRK 1

I i=1

R r=1

t=

Tabla 3 Cuadro del anlisis de la varianza para un diseo completo de tres factores.

4.3 Diseo factorial general

Los resultados del ANOVA para dos factores pueden ser extendidos a un caso general en donde a son los niveles del factor A, b son los niveles del factor B, c son los factores del nivel C, y as sucesivamente, los cuales pueden ser arreglados en un experimento factorial, en el cual el nmero de rplicas es n.

Unidad IV conceptos bsicos de diseo factorial.

Est diseada para generar procesos de calidad. TAGUCHI desarroll una aproximacin al diseo de experimentos con el objetivo de reducir los costos emanados de la experimentacin, esta aproximacin es ms prctica que terica y se interesa ms por la productividad y los costos de produccin que en las reglas estadsticas. Los conceptos de estas tcnicas estn basados en las relaciones de costos y ahorros. Disear un sistema de manufactura para elaborar un producto requiere de conocimientos tcnicos adems de una gran experiencia en el rea a la cual pertenece el producto. Los diseos factoriales son ampliamente utilizados en experimentos en los que intervienen varios factores para estudiar el efecto conjunto de estos sobre una respuesta. Existen varios casos especiales del diseo factorial general que resultan importantes porque se usan ampliamente en el trabajo de investigacin, y porque constituyen la base para otros diseos de gran valor prctico. En los ltimos aos se ha observado un creciente inters por algunas de las ideas del profesor Genechi Taguchi acerca del diseo experimental y su aplicacin al mejoramiento de la calidad.
El diseo factorial fraccionario 2 k-p se usa en experimentos de escrutinio para identificar con rapidez y de manera eficiente el subconjunto de factores que son activos, y para obtener alguna informacin sobre la interaccin. La propiedad de proyeccin de estos diseos hace posible en muchos casos examinar los factores activos con ms detalle. La combinacin secuencia de estos diseos a travs del plegamiento es una forma muy eficaz de obtener informacin extra acerca de las interacciones, la cual puede identificarse en un experimento inicial como potencialmente importante.

4.4 MODELO DE EFECTOS ALEATORIOS

Diseo Factorial General 2k Los diseos factoriales son a ampliamente utilizados en experimentos en los que intervienen varios factores para estudiar el efecto conjunto de estos sobre una respuesta. Existen varios casos especiales del diseo factorial general que resultan importantes porque . se usan ampliamente en el trabajo de investigacin, y porque constituyen la base para otros diseos de gran valor prctico. El ms importante de estos casos especiales ocurre cuando se tienen k factores, cada uno con dos niveles. Estos niveles pueden ser cuantitativos como sera el caso de dos valores de temperatura presin o tiempo. Tambin pueden ser cualitativos como sera el caso de dos mquinas, dos operadores, los niveles "superior" e "inferior" de un factor, o quizs, la ausencia o presencia de un factor.

Unidad IV conceptos bsicos de diseo factorial.

Una rplica completa de tal diseo requiere que se recopilen 2 x 2 x .... x 2 = 2 k observaciones y se conoce como diseo general 2k. El segundo caso especial es el de k factores con tres niveles cada uno, conocido como diseo factorial 3k. Se supone que:

a) los factores son fijos b) los diseos son completamente aleatorios c) se satisface la suposicin usual de normalidad El diseo 2k es particularmente til en las primeras fases del trabajo experimental, cuando es probable que haya muchos factores por investigar. Conlleva el menor nmero de corridas con las cuales pueden estudiarse k factores en un diseo factorial completo. Debido a que slo hay dos niveles para cada factor, debe suponerse que la respuesta es aproximadamente lineal en el intervalo de los niveles elegidos de los factores.
DISEO 22

El primer diseo de la serie 2k es aquel que tiene slo dos factores, A y B, cada uno con dos niveles. Arbitrariamente, los niveles del factor pueden llamarse "inferior" y "superior".

DISEO 23

Suponga que se encuentran en estudio tres factores A, B y C, cada uno con dos niveles. Este diseo se conoce como diseo factorial, 2 3 y las ocho combinaciones de tratamientos pueden representarse grficamente mediante un cubo. Existen en realidad tres notaciones distintas que se usan ampliamente para las corridas o ejecuciones en el diseo 2k: 1. La primera es la notacin "+,-", llamada "geomtrica". 2. La segunda consiste en el uso de letras minsculas para identificar las combinaciones de tratamientos. 3. En la tercera se utilizan los dgitos 1 y 0 para denotar los niveles alto y bajo del factor, respectivamente.

Unidad IV conceptos bsicos de diseo factorial.

1.3 Diseo Factorial General 3k Este diseo es una variacin del diseo 2k y son muy tiles como las que se emplean cuando todos los factores actan a tres niveles. En los ltimos aos se ha observado un creciente inters por algunas de las ideas del profesor Genechi Taguchi acerca del diseo experimental y su aplicacin al mejoramiento de la calidad. Este es un diseo que consta de k factores con tres niveles cada uno. Los factores y las interacciones se representan mediante letras maysculas. Los tres niveles de los factores pueden referirse como nivel inferior, intermedio y superior. Estos niveles se representan mediante los dgitos 0 (nivel inferior), 1 (intermedio) y 2 (superior). Cada combinacin de tratamientos de un diseo 3k se presenta mediante k dgitos, donde el primero incida el nivel de A, el segundo seale al nivel de B, ..... y el ksimo dgito, el nivel del factor k.

Por ejemplo, es un diseo 32 el 00 representa la combinacin de tratamientos, en la que tanto el factor A como el B estn en el nivel inferior, y el 01 representa la combinacin de tratamientos que corresponde al factor A en el nivel inferior y a B en el nivel intermedio.

En ste, el sistema de notacin que se prefiere usar es el de + - en virtud de que facilita la interpretacin geomtrica del diseo y de que es directamente aplicable al modelado por regresin, la formacin de bloques y la construccin de factoriales fraccionarios. La adicin de un tercer nivel permite modelar con una relacin cuadrtica la relacin entre la respuesta y cada factor. DISEO 32 El diseo ms simple es el 32 que consta de dos factores con tres niveles cada uno. Como hay 32 = 9 combinaciones de tratamientos, existen 8 grados de libertad entre ellas, Los efectos principales A y B tienen dos grados de libertad cada uno, y la interaccin AB tiene cuatro grados de libertad. Si hay n rplicas habr un total

Unidad IV conceptos bsicos de diseo factorial.

de n32 - 1 grado de libertad, correspondiendo para el error 3 2 (n-1) grados de libertad. DISEO 33 Si se supone que se estn estudiando tres factores (A, B, C) y que cada factor tiene tres niveles acomodados en un experimento factorial. Este es un diseo 33. Las 27 combinaciones tienen 26 grados de libertad. FACTOR A Bajo Medio 0 Bajo FACTOR B Medio Alto 2 0 1 0 1 2 1 10 11 12 20 21 22 Alto 2

4.5. USO DE UN SOFTWARE ESTADSTICO El procedimiento (PROC) GLM del programa estadstico SAS ha sido la rutina mas comnmente utilizada para analizar datos provenientes de diseos con parcelas divididas. Sin embargo, este procedimiento fue desarrollado para evaluar modelos de componentes fijos y no considera que en realidad este tipo de diseo se corresponde a un modelo mixto con factores fijos y aleatorios, por lo que se hace necesario evaluar rutinas que consideren los modelos mixtos. El PROC MIXED del SAS fue desarrollado explcitamente para evaluar datos provenientes de modelos mixtos, eliminndose los problemas que presenta el PROC GLM para este tipo de anlisis. Se discuten las ventajas del PROC MIXED en comparacin con PROC GLM, por medio de un ejemplo analizado con ambos procedimientos. Se concluye que el PROC MIXED proporciona los errores estndares adecuados a cada nivel de anlisis, realizando las comparaciones de media en la forma correcta, por lo que se 15recomienda su utilizacin ampliamente en sustitucin del PROC GLM para anlisis de parcelas divididas.

Unidad IV conceptos bsicos de diseo factorial.

CONCLUSIN

Bibliografa utilizada * Lara Porras, A.M. (2000). Diseo Estadstico de Experimentos, Anlisis de la Varianza y Temas Relacionados: Tratamiento Informtico mediante SPSS. Proyecto Sur de Ediciones.