--,

9.97---9.07

/1

.-/

3.24--t-3 .44

,.L _1~.-/

-5.70

"
1 . 6 8 -1.98
. Figura 617

65 UNA SOLA RPLICA DEL DISEO 2k

257

)..ll5---=:)6.30
4.09---4.53

"

7.L-'~.-/

-9.43

2.07---2.44

c~
A

Datos del experimento de perforacin del ejemplo 6-3.

cualquier supuesto dado acerca de la magnitud de a, el experimentador puede construir una "cinta de medir" para juzgar la significacin aproximada de los efectos. La carta tambin puede usarse en sentido inverso. Por ejemplo, suponga que estuviera en duda si el factor e es significativo o no. Entonces el
experimentador podra preguntar si es razonable esperar que a pudiera ser tan grande como 10 o ms. Si
es improbable que a sea tan grande como 10, entonces puede concluirse que e es significativo.
Se presentan ahora tres ilustrativos ejemplos de diseos factoriales 2k no replicados.

EJEMPLO

6~3

1J:ansformacin de datos en un diseo factorial

Daniel [35b] describe un diseo factorial 24 utilizado para estudiar la rapidez de avance de una perforadora
como una funcin de cuatro factores: la carga de la perforadora (A), la rapidez de flujo (B), la velocidad de rotacin (C) y el tipo de lodo de perforacin usado (D). Los datos del experimento se presentan en la figura 6-17.
En la figura 6-18 se muestra la grfica de probabilidad normal de las estimaciones de los efectos de
este experimento. Con base en esta grfica, los factores B, e y D, junto con las interacciones Be y BD,
requieren interpretacin. La figura 6-19 es la grfica de probabilidad normal de los residuales y la fi-

99

95

~ 10

90

R:' 20
1
~

80

30

70
o
o

50
E
o

50 ';

c:

;;''''

"C

;g'" 70

:c

80

30
20

95

.o
'"
o. 90

10

99

7
Estimacin del efecto

Figura 6-18

Grfica de probabilidad normal de los efectos del ejemplo 63.

258

DISEO FACTORIAL 2k

CAPTULO 6

99

5
o
o

90

..... 10
x

80

;;:-. 20
I

70

30

95

ro

o
o

E 50

50 ';

."

30
20

oc:

;g'"

';-'

70

J3 80

e'"

.a

"-

10

90
95

99

-1

-2

Residuales

Figura 6-19

Grfica de probabilidad normal de los residuales del ejemplo 6-3.

gura 6-20 es la grfica de los residuales contra la velocidad de avance predicha a partir del modelo que
contiene los factores identificados. Hay problemas evidentes con la normalidad y la igualdad de la varianza. Con frecuencia se usa una transformacin de los datos para abordar estos problemas. Puesto que la variable de respuesta es una razn de cambio, la transformacin logartmica parece un candidato razonable.

Ul

al

ro:J

."

;
al

c::

-1

Velocidad de avance predicha

Figura 6-20 Grfica de los residuales contra la velocidad de avance

predicha en el ejemplo 6-3.

6-5 UNA SOLA RPLICA DEL DISEO 2'

259

99
B

95

...g

10

;:;~

20

80

~ 30

70

90

ii1

o
o

E 50

50 ~

16
70
"O

30
20

oc:
:B

i,'"

80

~ 90
95

10
5

99

0.6

0.9

1.2

Estimacin del efecto

Figura 621 Grfica de probabilidad normal de los efectos del ejemplo 6-3 despus de la transformacin logartmica.

En la figura 6-21 se presenta la grfica de probabilidad normal de las estimaciones de los efectos despus de hacer la transformacin y* = lny. Observe que al parecer ahora es posible una interpretacin
mucho ms simple, ya que slo los factores B, e y D estn activos. Es decir, expresar los datos en la mtrica correcta ha simplificado su estructura hasta el punto de que las dos interacciones han dejado de requerirse en el modelo explicatorio.

99
5

95

10

90

;:;... 20

80

...oox
I

:::: 30
ro

70

E
o

50

50 ~

"O

70
80

30
20

i,'"

c:

;g"

:c

"

oC

~ 90
95

10
5

99
-0.2

-0.1

0.1

0.2

Residuales

Figura 622 Grfica de probabilidad normal de los residuales del ejemplo 6-3
despus de la transformacin logartmica.

J~ i

,
I

'

260

CAPTULO 6 DISEO FACTORIAL 2k

0.2

0.1

Ul

al

ro::;

"O

.;;
al

oc

-0.1

1.5

0.5

Velocidad de avance logarftmica predicha

Figura 623 Grfica de los residuales contra la velocidad predicha

para el ejemplo 6-3 despus de la transformacin logartmica.

En las figuras 6-22 y 6-23 se presentan, respectivamente, una grfica de probabilidad normal de los
residuales y una grfica de los residuales contra la rapidez de avance predicha para el modelo en la escala
logartmica que contiene a B, e y D. Ahora estas grficas son satisfactorias. Se concluye que el modelo
y* = lny slo requiere los factores B, e y D para una interpretacin adecuada. En la tabla 6-14 se resume
el anlisis de varianza de este modelo. La suma de cuadrados del modelo es
SSModelo = SSB +SSc +SSD
= 5.345+ 1.339 + 0.431
= 7.115
YR 2 = SSModelo/SST = 7.11517.288 = 0.98, por lo que el modelo explica cerca de 98% de la variabilidad de la
rapidez de avance de la perforadora.

EJEMPLO 6~4

Efectos de localizacin y dispersin en un diseo factorial no replicado

Se corri un diseo 24 en un proceso de manufactura de paneles laterales y ventanas de un avin comercial. Los paneles se hacen en una prensa, y bajo las condiciones actuales es demasiado elevado el nmero
Tabla 6-14 Anlisis de varianza del ejemplo 63 despus de la transformacin logartmica

Fuente de
variacin

Suma de
cuadrados

Grados de
libertad

Cuadrado
medio

B (Flujo)
e (Velocidad)
D (Lodo)
Error
Total

5.345
1.339
0.431
0.173
7.288

1
1
1
12
15

5.345
1.339
0.431
0.014

ValorP
381.79 <0.0001
95.64 <0.0001
30.79 <0.0001

"
6-5 UNA SOLA RPLICA DEL DISEO 2k
Factores

ji""= Temperatura (OF)

B = Tiempo de sujecin (min)

e = Flujo de resina

D = Tiempo de cierre (s)

Bajo(-)

Alto(+)

295

325

10
15

20
30

261

D
5

1.5
9.5
/
8/
0.5
I

CtL:

)5-+7'

5~

11

Figura 624 Datos del experimento del proceso de los paneles

del ejemplo 64.

promedio de defectos por panel en una operacin de prensado. (El promedio actual del proceso es 5.5 defectos por panel.) Se investigan cuatro factores utilizando una sola rplica de un diseo 2\ en el que cada
rplica corresponde a una sola operacin de prensado. Los factores son la temperatura (A), el tiempo de
sujecin (B), el flujo de resina (C) y el tiempo de cierre en el prensado (D). En la figura 6-24 se muestran
los datos de este experimento.
En la figura 6-25 se muestra la grfica de probabilidad normal de los efectos de los factores. Es evidente que los dos efectos ms grandes sanA = 5.75 YC = -4.25. Ningn efecto de los otros factores parece ser tan grande, y A YC explican cerca de 77% de la variabilidad total, por lo que se concluye que la
temperatura (A) baja y el flujo de resina (C) alo reduciran la incidencia de defectos en los paneles.
El anlisis residual cuidadoso es un aspecto importante de cualquier experimento. La grfica de probabilidad normal de los residuales no indic anomalas, pero cuando el experimentador grafic los resi99
eA

95

10

90

~ 20

80

;;--.30

70

x
I

S
;

E
o
c:

"C

"
.c"
e
~

50

50

70

x
30 :';-'

80

20

90

10

:c
ll.

95

5
Ce

99

-10

-5

10

Efectos de los factores

Figura 625 Grfica de probabilidad normal de los efectos de los factores para
el experimento del proceso de los paneles del ejemplo 6-4.

W!l!
I

262

CAPTULO 6 DISEO FACTORIAL 2"

e
e

ee
Ul
QJ

.g
<ti

Of - - -

.~

e
----J.

eee

ce

B = Tiempo de sujecin

e
eee

-5

Figura 626 Grfica de los residuales contra el tiempo de sujecin para el ejemplo 6-4.

duales contra cada uno de los factoresA aD, la grfica de los residuales contraB (tiempo de sujecin)
present el patrn de la figura 6-26. Este factor, que carece de importancia en lo que se refiere al nmero
promedio de defectos por panel, es muy importante en su efecto sobre la variabilidad del proceso, con el
tiempo de sujecin bajo dando como resultado una variabilidad menor en el nmero promedio de defectos por panel en una operacin de prensado.
El efecto de dispersin del tiempo de sujecin tambin es muy evidente en la grfica de cubo de la fi
gura 627, donde se grafica el nmero promedio de defectos por panel y el rango del nmero de defectos
en cada punto del cubo definido por los factoresA, B y c. El rango promedio cuando B est en el nivel alto
(la cara posterior del cubo de la figura 6-27) esRB + = 4.75, y cuandoB est en el nivel bajo esRB - = 1.25.
Como resultado de este experimento, el ingeniero decidi operar el proceso con la temperatura baja
y el flujo de resina alto para reducir el nmero promedio de defectos, con el tiempo de sujecin bajo para
reducir la variabilidad en el nmero de defectos por panel, y con el tiempo de cierre en el prensado bajo
(el cual no tuvo ningn efecto ni sobre la localizacin ni sobre la dispersin). El nuevo ajuste de las condiciones de operacin produjo un nuevo promedio del proceso de menos de un defecto por panel.
Los residuales de un diseo 2k proporcionan mucha informacin acerca del problema bajo estudio. Puesto que los residuales pueden considerarse como los valores observados del ruido o error, con frecuencia ofrecen informacin acerca de la variabilidad del proceso. Puede hacerse el examen sistemtico de los residuales
de un diseo 2k no replicado para proporcionar informacin acerca de la variabilidad del proceso.
R
20

c= Flujo de resina

10

= 3.5
R =4.5
3.25-----7.25

R=O.V"
0.75
I

R=2/
7.0

I
I
I

IR =4.5
",?75--

R=6.5

-~12.~9

R = 1 '" '"
R_=
5.5'
11.75
I
I
295
325
A = Temperatura (OF)

B = Tiempo de sujecin (min)

7

Figura 627 Grfica de cubo de la temperatura, el tiempo de sujecin y el flujo de

resina para el ejemplo 6-4.

Tabla 6-15
Corrida

1
2
3
4
5
6
7
8
9
10

\,,J

+
+

+
+

+
+

+
+

BC

ABC

AD

BD

+
+

+
+

+
+
+
+

+
+

+
+

+
+
+
+

+
+

+
+
+
+

2.25
1.85
0.39

2.72
0.83
2.37

2.21
1.86
0.34

1.91
2.20
-0.28

AC

+
+

+
+

C
-

0\

+
+

12
13
14
15
16

F*

AB

+
-

s(1-)

11

SV)

Clculo de los efectos de dispersin para el ejemplo 6-4

ACD

BCD

ABCD

Residual

+
+

+
+
+
+

+
+

+
+

+
+
+
+

+
+

-0.94
-0.69
-2.44
-2.69
-1.19
0.56
-0.19
2.06
0.06
0.81
2.06
3.81
-0.69
-1.44
3.31
-2.44

+
+

+
+

1.81
2.24
-0.43

1.80
2.26
-0.46

1.80
2.24
-0.44

2.24
1.55
0.74

CD

+
+
+
+
+
+
+
+

+
+

ABD

+
-

+
+

2.05
1.93
0.12

2.28
1.61
0.70

+
+

+
+
+
+

+
1.61
2.33
-0.74

+
+
+
+

+
+

1.97
2.11
-0.14

1.93
1.58
0.40

1.52
2.16
-0.70

2.09
1.89
0.28

+
-

264

CAPTULO 6

DISEO FACTORIAL 2k

Considere la grfica de los residuales de la figura 6-26. La desviacin estndar de los ocho residuales
donde B est en el nivel bajo es S(B-) = 0.83, Yla desviacin estndar de los ocho residuales donde B est
en el nivel alto es S(B+) = 2.72. El estadstico
S2
F*=ln (B:)
(6-24)
B
S2(B-)
tiene una distribucin aproximadamente normal cuando las dos varianzas if(B+) y if(B-) son iguales.
Para ilustrar los clculos, el valor de F; es
S2(B+)
F* = In ---'----'B
S2(B-)

= In (2.72)2
(0.83)2

= 2.37
En la tabla 6-15 se presenta el conjunto completo de contrastes para el diseo 24 junto con los residuales para cada corrida del experimento del proceso de los paneles del ejemplo 6-4. Cada columna de
esta tabla contiene el mismo nmero de signos positivos y negativos, y es posible calcular la desviacin estndar de los residuales de cada grupo de signos en cada columna, por ejemplo, SW) y Sen, i = 1,2, ;.., 15.
Entonces
S2 (i +)
F.* = In
i = 1, 2, ..., 15
(6-25)
S2(i-)
1

es un estadstico que puede usarse para evaluar la magnitud de los efectos de dispersin del experimento.
Si la varianza de los residuales de las corridas donde el factor i es positivo es igual a la varianza de los residuales de las corridas donde el factor i es negativo, entonces F;* tiene una distribucin aproximadamente
normal. Los valores de F;* se presentan al final de cada columna de la tabla 6-15.
La figura 6-28 es la grfica de probabilidad normal de los efectos de dispersin F;*. Evidentemente, B
es un factor importante en lo que se refiere a la dispersin del proceso. Para un estudio ms amplio de
99.9

0.1

99
o
o

95

ii:;-'
I

80

o
o

ro

50

x
~...

c:

"O

20

ro

;g

:.cro
.n

"-

0.1
0.2

1.2

2.2

Figura 628 Grfica de probabilidad normal de los efectos de dispersin

F' del ejemplo 6-4.

ti

6-5 UNA SOLA RPLICA DEL DISEO 2k

265

este procedimiento, ver Boxy Meyer [19] y Myers y Montgomery [85a]. Asimismo, para que los residuales
del modelo ofrezcan la informacin apropiada acerca de los efectos de dispersin, es necesario especificar correctamente el modelo de localizacin. Referirse al material suplementario del texto de este captulo para mayores detalles y un ejemplo.

EJEMPLO

6~5

......................................................

Mediciones duplicadas de la respuesta

Un equipo de ingenieros en una fbrica de semiconductores realizaron un diseo factorial 24 en un horno
de oxidacin vertical. Se "apilan" cuatro obleas en el horno, y la variable de respuesta de inters es el espesor del xido en las obleas. Los cuatro factores del diseo son la temperatura (A), el tiempo (B), la pre.sin (e) y el flujo de gas (D). El experimento se lleva a cabo cargando cuatro obleas en el horno, ajustando
las variables del proceso en las condiciones de prueba requeridas por el diseo experimental, procesando
las obleas y midiendo despus el espesor del xido en las cuatro obleas. En la tabla 6-16 se presentan el diseo y las mediciones del espesor resultantes. En esta tabla, las cuatro columnas bajo el encabezado
"Espesor" contienen las mediciones del espesor del xido de cada oblea individual, y las dos ltimas columnas contienen el promedio muestral y la varianza muestral de las mediciones del espesor en las cuatro
obleas de cada corrida.
La manera apropiada de analizar este experimento es considerar las mediciones del espesor de las
obleas individuales como mediciones duplicadas, y no como rplicas. Si fueran en realidad rplicas,
cada oblea se habra procesado individualmente en una sola corrida del horno. Sin embargo, debido a que
las cuatro obleas se procesaron en conjunto, recibieron los factores de los tratamientos (es decir, los niveles de las variables d~l diseo) simultneamente, por lo que hay mucho menos variabilidad en las mediciones del espesor de las obleas individuales que la que se habra observado si cada oblea fuera una rplica.
Por lo tanto, el promedio de las mediciones del espesor es la variable de respuesta correcta que deber
considerarse inicialmente.
En la tabla 6-17 se muestran las estimaciones de los efectos de este experimento, utilizando el espesor
del xido promedio ycomo la variable de respuesta. Observe que los factoresA y B Yla interaccinAB tienen efectos grandes que explican en conjunto cerca de 90% de la variabilidad del espesor promedio del

Tabla 6-16 El experimento del espesor del xido

Orden
estndar

Orden de
la corrida

1
2
3
4
5
6
7
8
9

10

10

11

12
13

14
15
16

7
3
9
6
2
5
4
12
16
8
1
14
15
11
13

-1
1
-1
1
-1
1
-1
1
-1
1
-1
1
-1
1
-1
1

-1
-1
1
1
-1
-1
1
1
-1
-1
1
1
-1
-1
1
1

-1
-1
-1
-1
1
1
1
1
-1
-1
-1
-1
1
1
1
1

-1
-1
-1
-1
-1
-1
-1
-1
1
1
1
1
1
1
1
1

Espesor

378
415
380
450
375
391
384
426
381
416
371
445
377
391
375
430

376
416
379
446
371
390
385
433
381
420
372
448
377
391
376
430

379
416
382
449
373
388
386
430
375
412
371
443
379
386
376
428

379
417
383
447
369
391
385
431
383
412
370
448
379
400
377
428

378
416
381
448
372
390
385
430
380
415
371
446
378
392
376
429

S2

2
0.67
3.33
3.33
6.67
2
0.67
8.67
12.00
14.67
0.67
6
1.33
34
0.67
1.33

,rlt
266

CAPTULO 6 DISEO FACTORIAL 2k

Tabla 6-17

Trmino del
modelo
A
B
C
D

AB
AC
AD

BC
BD

CD
ABC
ABD
ACD

BCD

ABCD

Estimaciones de los efectos del ejemplo 6-5, la variable de

respuesta es el espesor promedio del xido

Estimacin
del efecto

Suma de
cuadrados

43.125
18.125
-10.375
-1.625
16.875
-10.625
1.125
3.875
-3.875
1.125
-0.375
2.875
-0.125
-0.625
0.125

7439.06
1314.06
430.562
10.5625
1139.06
451.563
5.0625
60.0625
60.0625
5.0625
0.5625
33.0625
0.0625
1.5625
0.0625

Contribucin
porcentual
67.9339
12.0001
3.93192
0.0964573
10.402
4.12369
0.046231
0.548494
0.548494
0.046231
0.00513678
0.301929
0.000570753
0.0142688
0.000570753

xido. La figura 6-29 es una grfica de probabilidad normal de los efectos. Al examinar esta representacin, se concluira que los factores A, By C y las interaccionesAB yAC son importantes. En la tabla 6-18
se muestra el anlisis de varianza de este modelo.
El modelo para predecir el espesor promedio del xido es

y= 399.19+ 21.56x1 + 9.06x z -

5.19x 3 + 8.44x 1x Z - 5.31x1X 3

El anlisis residual de este modelo es satisfactorio.

Los experimentadores estn interesados en obtener un espesor promedio del xido de 400 A, y las especificaciones del producto requieren que el espesor sea de entre 390y 410 A. En la figura 6-30 se presentan dos grficas de contorno del espesor promedio, una con el factor C (o x 3 ), la presin, en el nivel bajo
(es decir, X 3 = -1) Yla otra con C (o x 3) en el nivel alto (es decir, X 3 = + 1). Al examinar estas grficas de
contorno, es evidente que hay muchas combinaciones del tiempo y la temperatura (factores A y B) que
producirn resultados aceptables. Sin embargo, si la presin se mantiene constante en el nivel bajo, la
"ventana" de operacin se corre hacia el extremo izquierdo, o ms bajo, del eje del tiempo, indicando que
se necesitarn duraciones del ciclo ms cortas para conseguir el espesor del xido deseado.
Es interesante observar los resultados que se hubieran obtenido si las mediciones del espesor del xido de las obleas se hubieran considerado incorrectamente como rplicas. En la tabla 6-19 se presenta el
anlisis de varianza del modelo completo basado en tratar el experimento como un diseo factoria12 4 con
rplicas. Observe que hay muchos factores significativos en este anlisis, lo cual sugiere un modelo mucho
ms complejo del que se encontr cuando se utiliz el espesor promedio del xido como la respuesta. La
razn de esto es que la estimacin de la varianza del error de la tabla 6-19 es muy pequea (a z = 6.12). El
cuadrado medio de los residuales de la tabla 6-19 refleja la variabilidad entre las obleas dentro de una corrida yla variabilidad entre las corridas. La estimacin del error que se obtiene en la tabla 6-18 es mucho
ms grande, aZ = 17.61, Yes principalmente una medida de la variabilidad entre las corridas. sta es la
mejor estimacin del error que deber usarse para juzgar la significacin de las variables del proceso que
se modifican de una corrida a otra.
Una pregunta lgica que podra plantearse es: qu dao causa identificar demasiados factores como
importantes?, como ciertamente sera el caso en el anlisis incorrecto de la tabla 6-19. La respuesta es que