DISEO FACTORIAL DE 2K

(2 NIVELES X 3 FACTORES)

CONCEPTO DE DISEO FACTORIAL:
El diseo factorial es una tcnica estadstica que permite identificar y cuantificar las
causas de un efecto dentro de un estudio experimental. En un diseo experimental se
manipulan deliberadamente una o ms variables, vinculadas a las causas, para medir el
efecto que tienen en otra variable de inters. El diseo experimental prescribe una serie de
pautas relativas qu variables hay que manipular, de qu manera, cuntas veces hay que
repetir el experimento y en qu orden para poder establecer con un grado de confianza
predefinido la necesidad de una presunta relacin de causa-efecto.
El diseo factorial encuentra aplicaciones en la industria, la agricultura, la mercadotecnia,
la medicina, las ciencias de la conducta, etc. constituyendo una fase esencial en el
desarrollo de un estudio experimental.
DISEO 2
K
PARA K = 3 FACTORES
Es un diseo de 3 factores, cada uno a 2 niveles y consta de 8 combinaciones.
Geomtricamente el diseo es un cubo, cuyas esquinas son las 8 combinaciones. Este
diseo permite estimar los 3 efectos principales (A, B, y C), las tres interacciones de dos
factores (AB, AC, BC) y la interaccin de los tres factores (ABC).
La estimacin de cualquier efecto principal o interaccin en un diseo 2
k
se determina al
multiplicar las combinaciones de tratamientos de la 1 columna de la tabla por los signos
del correspondiente efecto principal o columna de interaccin, sumando los resultados para
obtener un contraste, y dividiendo el contraste por la mitad del n total de rplicas.
A = [a+ab+ac+abc-(1)-b-c-bc]/4n
B = [b+ab+bc+abc-(1)-a-c-ac]/4n
C = [c+ac+bc+abc-(1)-a-b-ab]/4n
AB = [abc-bc+ab-b-ac+c-a+(1)]/4n
AC = [(1)-a+b-ab-c+ac-bc+abc]/n
BC = [(1)+a-b-ab-c-ac+bc+abc]/4n
ABC = [abc-bc-ac+c-ab+b+a-(1)]/4n







SIGNOS ALGEBRAICOS PARA CALCULAR LOS EFECTOS DEL DISEO
2
3

Comb.Tratamientos I A B AB C AC BC ABC
(1) + - - + - + + -
a + + - - - - + +
b + - + - - + - +
ab + + + + - - - -
c + - - + + - - +
ac + + - - + + - -
bc + - + - + - + -
abc + + + + + + + +


TABLA DE ANOVA DISEO 2
3

Fuente de
Variacion
Suma de
Cuadrados
Grados de
Libertad
Cuadrado Medio F
0

Tratamiento A SS
A
a-1 MS
A
= SS
A
/a-1 MS
A
/MS
E

Tratamiento B SS
B
b-1 MS
B
= SS
B
/b-1 MS
B
/MS
E

Tratamiento C SS
C
c-1 MS
C
=SS
C
/c-1 MS
C
/MS
E

Interaccin AB SS
AB
(a-1)(b-1) MS
AB
= SS
AB
/(a-1)(b-1) MS
AB
/MS
E

Interaccin AC SS
AC
(a-1)(c-1) MS
AC
=SS
AC
/(a-1)(c-1) MS
AC
/MS
E

Interaccin BC SS
BC
(b-1)(c-1) MS
BC
=SS
BC
/(b-1)(c-1) MS
BC
/MS
E

Interaccin ABC SS
ABC
(a-1)(b-1)(c-1)
MS
ABC
=SS
ABC
/(a-1)(b-
1)(c-1)
MS
ABC
/M
E

Error SS
E
abc(n-1)

Total SS
T
abcn-1 MS
E
=SS
E
/abc(n-1)

Eliminaremos la interaccin triple ABC, por lo que tendremos un grado de libertad ms
para el error.

Diseo 2
k
con una rplica
Si aumentamos el nmero de factores en un experimento factorial, tambin aumenta el
nmero de efectos que pueden ser estimados.
As un experimento 2
4
tiene 4 efectos principales, 6 interacciones dobles, 4 triples, y 1
cudruple.
La mayora de las veces las interacciones de orden superior a dos son despreciables.
En experimentos factoriales 2
k
,con un k=3,4,5 o superior es comn efectuar una sola
replica, despreciar las interacciones de orden superior a dos, y de estos modo poder utilizar
los grados de libertad de dichas interacciones para la estimacin del error. Esta forma de
actuar puede conducirnos a decisiones errneas si realmente alguna de estas interacciones
que son de orden superior a dos son significativas.
Aplicaciones
El diseo de experimentos tiene una gran variedad de aplicaciones y puede ser aplicado a
un gran nmero de industrias, la optimizacin de recursos, la identificacin de causas de
variabilidad son algunos de los objetivos del diseo de experimentos aplicados en nivel
industrial.
Aplicaciones segn la clasificacin de la industria
A continuacin se muestran algunos ejemplos de aplicaciones existentes segn el tipo de
industria.
Industrias pesadas o de base
Qumica pesada
Estudio de la composicin para la elaboracin de productos: Estudio de los
valores ms apropiados para la elaboracin de compuestos qumicos que requieran
diversos componentes. Anlisis del efecto de las condiciones del entorno en la
elaboracin del producto como la temperatura ambiente, humedad relativa etc.
2

Industrias de bienes de equipo
Maquinaria
Medida de la variabilidad de los instrumentos de medida: Es posible aplicar el
diseo de experimentos como herramienta para determinar y mejorar los ndices de
capacidad de un proceso concreto apoyndose en estudios de reproducibilidad y
repetitividad.
Diseo de motores elctricos: Estudio de las caractersticas constructivas del motor
y su influencia en variables importantes como la perdida de flujo y la constante de
velocidad.
Diseo de electrodos: Estudio de los esfuerzos en los electrodos en funcin de la
fuerza de aplicacin y el tamao del electrodo.
Diseo de elementos de sujecin: Anlisis de la influencia de los parmetros
geomtricos en la resistencia de los remaches.
Materiales de construccin
Estudios de corrosin: Estudios de la influencia del tiempo en la corrosin de
aceros de construccin y metales en general.
Aplicaciones en el mecanizado: estudio de la variabilidad en los procesos de
mecanizado, ayuda a la reduccin de piezas defectuosas y aumento de la capacidad
de produccin.
Produccin de vehculos industriales
Estudio de procesos de soldadura: estudio de un proceso de soldadura, para
determinar las variables que influyen en la resistencia de la soldadura.
Industria aeronutica
Optimizacin del proceso de anodizado y pintado: optimizar los procesos de
anodizado y pintado para conseguir una buena proteccin anticorrosin.
Industrias ligeras o de uso y consumo
Farmacia y qumica ligera
Informtica y telecomunicaciones
Estudio del rendimiento de una red informtica: Realizando simulaciones es
posible cuantificar el rendimiento y las variables criticas que hacen que la
transferencia de datos en la red sea econmicamente rentable.
Mejora del rendimiento de un procesador: Se usa para determinar el impacto que
tienen variables importantes como la temperatura y las horas de uso en el
rendimiento del procesador.
Reduccin del tiempo del CPU: El estudio se basa en la aplicacin del diseo de
experimentos para determinar la mejor combinacin de factores que reduzcan el
tiempo de CPU.
Optimizacin de materiales en semiconductores: Estudio de las propiedades
elctricas del arsienuro de galio dopado con silano.
Diseo de filtros pasivos: se utiliza el diseo de experimentos para determinar los
valores de las tolerancias de los componentes para optimizar los circuitos.
Biotecnologa
Operaciones en un sistema de fangos activos: optimizar y entender las reacciones
que se dan en el tratamiento secundario de una EDAR, por ejemplo, los fangos
activos.
Pasos para el diseo de un experimento
Observacin
Planteamiento del problema de investigacin
Hiptesis: hiptesis nula (Ho) e hiptesis alterna
Mtodo (incluye la eleccin de los sujetos, para la conformacin de la muestra; el
procedimiento, es decir, el tratamiento a los sujetos; las variables consideradas:
variable dependiente, variable independiente, variables extraas)
Resultados: aqu se describen cules fueron las relaciones observadas entre las
variables (si los valores de la variable independiente realmente influyeron
significativamente sobre los de la variable dependiente, si hubo tantas variables
extraas como se pensaba o si surgieron otras), para lo cual se aaden a dicha
descripcin tanto grficas (de barras, de pastel, etc.) como cuadros.
Conclusiones
A partir de aqu, ya es posible pensar en la elaboracin del informe (publicacin del
experimento y sus resultados, a travs de un artculo en una publicacin nacional o
internacional, donde se incluirn, adems de las secciones ya mencionadas, las referencias
bibliogrficas).
Un ejemplo
Un ingeniero quiere estudiar la resistencia de una pieza plstica sometida a temperaturas
cambiantes. La pieza puede ser elaborada con tres tipos de plstico distintos. De ah que se
plantee las siguientes preguntas:
Qu efecto tienen la composicin de la pieza y la temperatura en la resistencia de
la pieza?
Existe algn material con el que la pieza resulte ms resistente que con cualquiera
de los otros dos independientemente de la temperatura?
Para darles respuesta, el ingeniero se plantea realizar una batera de experimentos. Cada
uno de ellos consiste en tomar una pieza de un material dado, someterla a una temperatura
prefijada y aplicarle una presin hasta que la pieza se quiebre. El grado de presin
necesario ser la medida de resistencia de la pieza.
Por fijar ideas, selecciona tres temperaturas, -20C, 20C y 60C. Por lo tanto, puede
realizar 9, es decir, 3x3, pruebas distintas. Adems, decide repetir cada una de las 9 pruebas
4 veces cada una. Finalmente, decide aleatorizar las pruebas, es decir, desordenarlas
aleatoriamente en el tiempo.
Tras realizar los experimentos, obtiene 36, es decir, 4x9, medidas de resistencia distintas. A
partir de ese momento, realiza un estudio cuantitativo utilizando tcnicas estadsticas, como
la ANOVA, que ya no forman parte propiamente de la fase del diseo experimental.
Ejemplo numrico
Una empresa manufacturera desea saber qu factores son ms importantes en el proceso de
mecanizado, para obtener el mejor acabado superficial en uno de sus productos. Para
realizar el experimento se han identificado 3 parmetros que se consideran de importancia,
la velocidad de giro de la maquina, el avance y el radio de le herramienta. Se ha decido
realizar un experimento a dos niveles (alto y bajo), con 3 factores.
Los datos tomados son los siguientes.
Corrida
Velocidad de giro
(RPM)
Avance
(mm/rev)
Radio de la herramienta (
pulgadas)o
Acabado
superficial
1 588 0,004 1/64 50,50,55,50
2 588 0,004 1/32 145,150,100,110
3 588 0,008 1/64 160,160,160,155
4 588 0,008 1/32 180,190,195,200
5 1182 0,004 1/64 60,60,60,55
6 1182 0,004 1/32 25,35,35,30
7 1182 0,008 1/64 160,160,160,160
8 1182 0,008 1/32 80,70,70,80
Para el anlisis del experimento se toma la siguiente notacin
Factor A: Velocidad de giro (RPM)
Factor B: Avance (mm/rev)
Factor C: Radio de la herramienta ( pulgadas)
Respuesta: Acabado superficial
Primero es necesario definir la matriz que tome tanto los efectos principales, como las
interacciones entre ellas. Segn muchos autores, se suele despreciar las interacciones de
tercer orden o superiores ya que no influyen de manera significativa.
14
La matriz para
nuestro caso, queda como sigue.
Combinaciones de Tratamientos A B C AB AC BC ABC RESPUESTA
1 -1 -1 -1 1 1 1 -1 145,150,100,110
a 1 -1 -1 -1 -1 1 1 25,35,35,30
b -1 1 -1 -1 1 -1 1 180,200,190,195
ab 1 1 -1 1 -1 -1 -1 70,70,80,80
c -1 -1 1 1 -1 -1 1 50,50,50,55
ac 1 -1 1 -1 1 -1 -1 55,60,60,60
bc -1 1 1 -1 -1 1 -1 155,160,160,160
abc 1 1 1 1 1 1 1 160,160,160,160
Con esta matriz se pasa a realizar el anlisis de la influencia de cada componente sobre la
respuesta utilizando el anlisis de la varianza (ANOVA).

La tabla ANOVA inicial queda como sigue:
Fuentes de
Variacin
Contraste
Suma de
Cuadrados
grados de
libertad
Cuadrado
Medio
Fo Ft
A -810 20503,125 1 20503,125 212,789189 4,2596
B 1270 50403,125 1 50403,125 523,102703 4,2596
C 20 12,5 1 12,5 0,1297 4,2596
AB -110 378,125 1 378,125 3,92432 4,2596
BC 400 5000 1 5000 51,89189 4,2596
AC 880 24200 1 24200 251,1567 4,2596
ABC 60 112,5 1 112,5 1,1675 4,2596
ERROR

2312,5 24 96,3541667 34,02659

TOTAL

102921,875 31 3320,06048

Se puede apreciar en la tabla inicial que las interacciones ABC, no afectan
significativamente a la respuesta, pues su Fo es menor a Ft. As pues eliminamos la
interaccin ABC (antes se haba mencionado que estos efectos son despreciables de manera
directa por varios autores), y pasamos a re calcular la tabla ANOVA, y eliminamos aquellos
elementos cuyas Fo sean menor a Ft. Es necesario recordar que no es posible eliminar los
efectos principales si existen interacciones dobles donde estas se encuentren, es decir no es
posible eliminar A, sin antes haber eliminado AC y AB.
la tabla final de la ANOVA es la siguiente.
Fuentes de
Variacin
Contraste
Suma de
Cuadrados
grados de
libertad
Cuadrado
Medio
Fo Ft
A -810 20503,125 1 20503,125 212,789189 4,2252
B 1270 50403,125 1 50403,125 523,102703 4,2252
C 20 12,5 1 12,5 0,1297 4,2252
BC 400 5000 1 5000 51,89189 4,2252
AC 880 24200 1 24200 251,1567 4,2252
ERROR

2803,,125 26 107,8125 38,0730051

TOTAL

102921,875 31 3320,06048

Como se puede apreciar en la tabla, no es posible eliminar el efecto principal C aun si su Fo
es menor a su Ft, ya que existen las interacciones BC y AC las cuales son significativas. La
tabla ANOVA nos muestra que la influencia de los efectos principales A, B, C y los
interacciones dobles AC y BC tienen una importancia no despreciable en la respuesta. Para
cuantificar que tanto influye cada elemento, pasamos a calcular su efecto y los coeficientes
de la ecuacin que predecir la respuesta en funcin de los elementos que hemos
considerado como importantes.
Fuentes de Variacin Efecto Coeficiente Interseccin de la recta
A 5125,7815 2562,89063 106,5625
B 12600,7813 6300,39063

C 3,125 1,5625

BC !250 625

AC 6050 3025

El diagrama de Pareto para nuestro caso, revela el peso que tiene cada elemento en la
respuesta. Se puede apreciar la importancia de cada elemento en orden descendente.
1. Avance: es la variable que ms influye en el acabado superficial, si se quiere tener
una mejor respuesta es necesario actuar sobre esta variable.
2. Velocidad de Giro y radio de la herramienta: esta interaccin doble representa
tambin una variable no menospreciable y la actuacin sobre estas dos variables
lograra tener una mejor respuesta.
3. Velocidad de Giro: si bien parece que est en tercer lugar, su efecto en la respuesta
es casi idntica a la interaccin doble, por lo que es actuar sobre esta variable
mejorara la respuesta.
4. Avance y radio de la herramienta: el efecto conjunto de estas dos variables muestra
una influencia en la respuesta significativa estadsticamente pero no tan grande
como las anteriores.
5. Radio de la herramienta: su efecto es casi imperceptible sin embargo no es posible
eliminarla por la existencia de interacciones dobles