Diseo factorial de 2k^3

ASIGNATURA: Estadstica inferencial

ll
UNIDAD: 4
TEMA: Conceptos bsicos en diseos
factoriales
Docente:

M.G.T.I. Cupul Burgos Erick Alberto

4 A
Alumno (s)

INGENIERIA INDUSTRIAL
1

ndice

Contenido
Introduccin.......................................................................................................... 3
Objetivos............................................................................................................... 4
Marco Terico......................................................................................................... 5
Definicin........................................................................................................... 7
Ventajas:............................................................................................................. 8
Desventajas:........................................................................................................ 8
Conceptos generales............................................................................................... 8
Frmulas utilizados en diseos factoriales con replicas.....................................................11
Planteamiento del problema...................................................................................... 12
ANOVA............................................................................................................... 15
Procedimiento Para Anlisis De Varianza...................................................................16
Graficas complementarias......................................................................................... 18
Conclusiones......................................................................................................... 21
Referencias bibliogrficas......................................................................................... 22

Introduccin
El presente trabajo se va a exponer un estudio realizado sobre el pintado de un pedazo de
madera de 18cm x 25cm, para determinar en qu niveles de los factores se minimiza el
tiempo de espera para el secado total. Se realiz un experimento factorial completo de 3
factores con 2 niveles cada uno, los factores que se van a utilizar son marca de pintura a
utilizar (Vinlica y Sayer), la concentracin (solventado con agua y sin agua) y la cantidad
de capas que se aplican (1 o 2 capas). Se realizaron 4 rplicas para quitar ambigedades en
las respuestas. En sntesis el trabajo presenta la mejor combinacin de los niveles de los
factores para el pintado del producto, dicha combinacin es maleable con respecto a si
existe algn nivel inmodificable en el proceso del pintado.
El diseo de experimentos se puede definir como un conjunto de mtodos que se utilizan
para manipular un proceso con el fin de obtener informacin de cmo mejorarlo (Snchez,
2009). De acuerdo con Abel Daz en su libro Diseo estadstico de experimentos el diseo
de experimentos es una tcnica que se debe incorporar al proceso investigativo (Daz,
2009).
El diseo de experimentos permite analizar datos mediante modelos estadsticos para
observar la interaccin entre las variables independientes y como afectan a la variable
dependiente. Montgomery (2001) establece que la importancia del diseo de experimentos
recae en la necesidad que tienen las empresas de contar con procesos ptimos con la menor
variabilidad para incrementar la calidad en sus productos o servicios.
Esta metodologa est basada en la experimentacin. Al momento de realizar estos
experimentos se debe de obtener rplicas y aleatorizar los datos. Mediante las rplicas se
obtiene una estimacin del error experimental, por lo que entre mayor sea el nmero de
rplicas, menor ser este error experimental, siempre y cuando los experimentos se den en
las mismas condiciones. La aleatorizacin durante la realizacin del experimento es
esencial para evitar la dependencia entre las muestras y asegurar que los resultados sean
realmente causados por las variables dependientes y no por el experimentador. Todo el
experimento que se redactara a continuacin fue realizado con la ayuda del software
Minitab en su versin 15 y la ayuda de las formula de ANOVA.

Objetivos
El objetivo general de este experimento es identificar el factor principal que influye sobre el
tiempo de secado de una pintura, para que de esta forma al concluir con el proyecto y al
realizar cualquier trabajo de pintado se elija la combinacin ptima de los factores.
El objetivo especfico de este experimento es realizar varias pruebas en base a la variable
respuesta, que es el tiempo en el que se seca pintura aplicada en el producto (madera), con
sus diferentes factores y niveles esto con la finalidad de identificar cul de los 3 factores
(marca de pintura, concentracin y numero de capas) presentes en esta prueba es el que ms
influye sobre la variable de respuesta. Para esto ser necesario lo siguiente:
Para comenzar el experimento se debe identificar las variables independientes y la variable
dependiente. Las variables independientes (X) son las que puedan generar variabilidad en la
respuesta. La variable dependiente (Y) es aquella que podr ser afectada por las variables
independientes identificadas. Existen tambin variables de ruido que son aquellas que
puedan afectar a la variable dependiente pero que no pueden ser controladas por el
experimentador.
El experimento factorial permite observar el efecto que tiene cada variable independiente
sobre la variable dependiente, as como el efecto que tienen las interacciones entre estas
variables. Se deben definir los factores y niveles del experimento. Un factor es cualquier
influencia que pueda afectar a la variable de respuesta y que sea controlada por el
experimentador. Los niveles son las categoras o intensidades que tiene cada factor
previamente establecido.
La herramienta de ANOVA, es decir el anlisis de la varianza, para el cual lo primero que
se debe de realizar es verificar que los datos obtenidos se comporten como normales, es
decir que la variable respuesta se comporte normal, dicha herramienta es til para saber
cules variables son significativas en el experimento y cules no. Esta prueba se realiza

bajo el supuesto de que los datos estn distribuidos normalmente; es decir con un nivel de
confianza del 95%, entonces los datos son significativos.

Marco Terico
Diseos de experimentos de tres factores
El diseo de investigacin constituye un aspecto fundamental y necesario de todo proceso
cientfico. Cuando un investigador se plantea realizar un estudio, suele tratar de desarrollar
algn tipo de comparacin. El diseo de investigacin supone, as, especificar la naturaleza
de las comparaciones que habran de efectuarse, constituyendo adems el plan general del
investigador para obtener respuestas a sus interrogantes o comprobar las hiptesis de
investigacin.
La importancia de utilizar un adecuado diseo experimental en la investigacin cientfica
ha sido sealada por numerosos investigadores. Sin embargo, estos investigadores an no
han logrado ponerse de acuerdo a la hora de elaborar una definicin adecuada del diseo
experimental.
El diseo de experimentos permite analizar datos mediante modelos estadsticos para
observar la interaccin entre las variables independientes y como afectan a la variable
dependiente.
Montgomery (2001) establece que la importancia del diseo de experimentos recae en la
necesidad que tienen las empresas de contar con procesos ptimos con la menor
variabilidad para incrementar la calidad en sus productos o servicios.
Para Kirk (1972) un diseo experimental es un plan de acuerdo con el cual se asigna a los
sujetos a los diferentes grupos o condiciones experimentales. Hay cinco actividades
interrelacionadas que lo caracterizan:

La formulacin de hiptesis estadsticas.

El establecimiento de reglas de decisin para poner a prueba dichas hiptesis.
La recogida de los datos de acuerdo con un plan que permita evaluar las hiptesis.
El anlisis de los datos.

La toma de decisiones respecto a las hiptesis y a la formulacin de inferencias

inductivas respecto de las hiptesis cientficas o de investigacin.

Kerlinger (1975) define el diseo de investigacin como "el plan, la estructura y la

estrategia de investigacin concebidos para obtener respuestas a preguntas de investigacin
y controlar la varianza". Para este autor, el plan es el esbozo general del proyecto de
investigacin, e incluye todo el proceso que va desde la formulacin de las hiptesis hasta
el anlisis de los datos. La estructura es, para Kerlinger, ms especfica que el plan,
constituyendo el esquema y el paradigma de lo que se har con las variables.
Por ltimo, estrategia se refiere a los mtodos de recogida y anlisis de datos.
Domnech i Massons (1980) afirma que "bajo este nombre se designan las tcnicas de
realizacin de experiencias que permiten estudiar la influencia de uno o varios factores o
variables".
Los experimentos son una parte natural del proceso de toma de decisiones en la ingeniera.
Esta metodologa est basada en la experimentacin. Al momento de realizar estos
experimentos se debe de obtener rplicas y aleatorizar los datos. Mediante las rplicas se
obtiene una estimacin del error experimental, por lo que entre mayor sea el nmero de
rplicas, menor ser este error experimental, siempre y cuando los experimentos se den en
las mismas condiciones. La aleatorizacin durante la realizacin del experimento es
esencial para evitar la dependencia entre las muestras y asegurar que los resultados sean
realmente causados por las variables dependientes y no por el experimentador.
Para comenzar el experimento se debe identificar las variables independientes y la variable
dependiente. Las variables independientes (X) son las que puedan generar variabilidad en la
respuesta. La variable dependiente (Y) es aquella que podr ser afectada por las variables
independientes identificadas.

Un factor es cualquier influencia que pueda afectar a la variable de respuesta y que sea
controlada por el experimentador. Los niveles son las categoras o intensidades que tiene
cada factor previamente establecido.
El experimento factorial permite observar el efecto que tiene cada variable independiente
sobre la variable dependiente, as como el efecto que tienen las interacciones entre estas
variables. Se deben definir los factores y niveles del experimento.
En un diseo factorial es necesaria al menos tres o cuatro rplicas para poder analizar las
observaciones de los efectos principales y las interacciones, de esta forma se pueden probar
las hiptesis que se formularon previamente. Para poder resolver problemas de este tipo
utilizamos el modelo de anlisis de varianza (ANOVA).

Definicin
Un experimento diseado es una prueba o serie de pruebas en las cuales se inducen
cambios deliberados en las variables de entrada de un proceso o sistema, de manera que sea
posible observar e identificar las causas de los cambios en la respuesta de salida
Montgomery[5]1991. Actualmente los mtodos de diseo experimental tienen una amplia
aplicacin en muchas disciplinas. Ejemplos: la Agricultura y el Diseo Tcnico.

Los experimentos factoriales en si no constituyen un diseo experimental si no un diseo de

tratamiento (un arreglo de tratamiento es una disposicin geomtrica de ellos bien en el
espacio o en el tiempo y que deben ser llevados en cualquiera de los diseos experimentales
clsicos tal como el Diseo Completo al Azar, el Diseo en Bloques Completos al Azar, el
Diseo en Cuadrado Latino).
Los experimentos factoriales se emplean en todos los campos de la investigacin, son muy
tiles en investigaciones exploratorias en las que poco se sabe acerca de muchos factores.
Muy frecuentemente usados en investigaciones comparativas.

Ventajas:
1.- Permiten estudiar los efectos principales, efectos de interaccin de factores, efectos
simples.
2.- Todas las unidades experimentales intervienen en la determinacin de los efectos
principales y de los efectos de interaccin de los factores, por lo que el nmero de
repeticiones es elevado para estos casos.
3.- El nmero de grados de libertad para el error experimental es alto, comparndolo con
los grados de libertad de los experimentos simples de los mismos factores, lo que
contribuye a disminuir la varianza del error experimental, aumentando por este motivo la
precisin del experimento.

Desventajas:
1.- Se requiere un mayor nmero de unidades experimentales que los experimentos simples
y por lo tanto se tendr un mayor costo y trabajo en la ejecucin del experimento.
2.- Como en los experimentos factoriales cada uno de los niveles de un factor se combinan
con los niveles de los otros factores; a fin de que exista un balance en el anlisis estadstico
se tendr que algunas de las combinaciones no tiene inters prctico pero deben incluirse
para mantener el balance.
3.- El anlisis estadstico es ms complicado que en los experimentos simples y la
interpretacin de los resultados se hace ms difcil a medida de que aumenta el nmero de
factores y niveles por factor en el experimento.

Conceptos generales
El diseo de experimentos ha sido creado por matemticos y estadsticos, por lo que posee
su propio lenguaje, el cual es necesario conocer para su mejor comprensin y utilizacin. A
continuacin se describen los trminos ms importantes Beauregard [6] (1992):
Factor: Es un conjunto de tratamientos de una misma clase o caracterstica. Ejemplo: tipos
de riego, dosis de fertilizacin, variedades de cultivo, manejo de crianzas, mtodos de
enseanza, tipos de liderazgo, tipos raciales, etc.

Factorial: Es una combinacin de factores para formar tratamientos.

Niveles de un factor: Son los diferentes tratamientos que pertenecen a un determinado
factor. Se acostumbra simbolizar algn elemento "i" por la letra minscula que representa al
factor y el valor del respectivo subndice
Tipos de factor
1.- Factores Cuantitativos: Son aquellos factores cuyos niveles son cantidades numricas.
2.- Factores Cualitativos: Son aquellos factores cuyos niveles son procedimientos, o
cualidades o atributos.
Nivel: Son los valores que puede tener el factor a estudiar.
Combinacin: Es la asignacin de un solo nivel a un factor, o de varios niveles a todos los
factores en una corrida experimental.
Variable de respuesta: Es el resultado de una corrida experimental. Variable a estudiar.
Efecto: Es el cambio en la variable de respuesta por el cambio del nivel de un factor.
Interaccin: Cuando uno o ms factores trabajan juntos para producir un efecto diferente
que los efectos producidos por aquellos factores de manera individual.
Corrida experimental: Implementacin de cada una de las combinaciones.
Bloque: Agrupacin planeada de factores o combinaciones. Es realizada a manera de
minimizar la variacin no incluida en el diseo.
Replicacin: Repeticin de la corrida experimental.
Las tcnicas de diseo experimental basadas en la Estadstica son muy tiles dentro de la
ingeniera, sobre todo en lo que toca a la mejora del rendimiento de los procesos de
manufactura. Estas tcnicas de diseo experimental tienen gran aplicacin en el desarrollo
de nuevos procesos, muchos de estos procesos pueden describirse en trminos de variables
controladas (temp, presin y tasa de abastecimiento). Mediante el empleo de experimentos
10

diseados, los ingenieros pueden determinar el subconjunto de variables del proceso que
tienen la mayor influencia sobre el rendimiento de ste.
Todo experimento implica una secuencia de actividades:
1. Conjetura, la hiptesis original que motiva al experimento
2. Experimento, prueba efectuada para investigar la conjetura
3. Anlisis estadstico de los datos obtenidos del experimento
4. Conclusin, lo que se aprendi de la conjetura original con la realizacin del
experimento

Un caso especial y de gran valor dentro de los diseos factoriales es el diseo factorial 2k
en donde puede haber n factores pero cada uno de ellos y solo cuenta con 2 niveles (para
fines prcticos se pueden nombrar dichos niveles como alto y bajo). Los pasos a seguir para
el anlisis de un diseo factorial 2k son:
1. Estimar los efectos de los factores
2. Formar el modelo inicial
3. Realizar las pruebas estadsticas
4. Refinar el modelo
5. Analizar los residuales
6. Interpretar los resultados (Montgomery, 2001, p.242).
Segn Yamane, T. (1974) una R cuadrada a partir de 70 por ciento es un modelo que
funciona bien, pero an puede mejorar, a partir de 80 porciento es un modelo excelente, si
se llega a un 95 por ciento es un gran logro pero a partir del 95 por ciento hasta el 100% de
la explicacin seguramente se est mintiendo o hay algn error.

11

Frmulas utilizados en diseos factoriales con replicas

12

13

Planteamiento del problema

El problema inicial se origin al momento de que 4 bachilleres estaban trabajando sobre un
proyecto en la cual tenan que pintar pedazos de madera y tenan su disposicin un
determinado tiempo para el proyecto razn por la cual decidieron aplicar un modelo de
diseo factorial de 2k^3, para determinar los factores que influyen sobre el secado de la
pintura y de esta forma ahorrar tiempo.
El experimento factorial presentado en esta investigacin, es factorial completo con 3
factores y 2 niveles. Se realizaron 4 rplicas, dando un total de 32 corridas. La variable de
respuesta es el tiempo de secado de la pintura aplicada en un tipo especfico de madera.
Para tener un mayor control del tiempo de secado durante la realizacin del experimento, se
verific cada medio minuto el avance del secado de la pintura.
Los factores en este experimento son la marca de pintura, concentracin y nmero de capas.
Los niveles para cada factor son los siguientes:
Para la marca de pintura son Vinlica y Sayer.
Para la concentracin son Sin agua Y Con agua.
Para el nmero de capas se utilizaron una capa y dos capas.
En la Tabla 1 uno se muestra el concentrado de datos con la variable de respuesta.
Replic
a

Corrida

1
1
1
1
1
1
1
1
2
2
2

1
2
3
4
5
6
7
8
9
10
11

Marca de
pintura
Vinlica
Sayer
Vinlica
Sayer
Vinlica
Sayer
Vinlica
Sayer
Vinlica
Sayer
Vinlica

Concentracin
Sin agua
Sin agua
Con agua
Con agua
Sin agua
Sin agua
Con agua
Con agua
Sin agua
Sin agua
Con agua

Cantidad de
capas
1
1
1
1
2
2
2
2
1
1
1

Tiempo de
secado
(minutos)
11.25
11.45
14.10
15.12
20.15
19.46
22.18
22.06
11.40
12.01
16.20

14

2
2
2
2
2
3
3
3
3
3
3
3
3
4
4
4
4
4
4
4
4

12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32

Cantidad de
capas

Sayer
Vinlica
Sayer
Vinlica
Sayer
Vinlica
Sayer
Vinlica
Sayer
Vinlica
Sayer
Vinlica
Sayer
Vinlica
Sayer
Vinlica
Sayer
Vinlica
Sayer
Vinlica
Sayer

Pintura Vinlica
Con agua
Sin agua
14.10
11.25
16.20

15.08
15.43

Con agua
Sin agua
Sin agua
Con agua
Con agua
Sin agua
Sin agua
Con agua
Con agua
Sin agua
Sin agua
Con agua
Con agua
Sin agua
Sin agua
Con agua
Con agua
Sin agua
Sin agua
Con agua
Con agua

1
2
2
2
2
1
1
1
1
2
2
2
2
1
1
1
1
2
2
2
2

Pintura Sayer
Con agua
Sin agua
15.12
11.45

11.40

14.15

12.01

11.55

14.55

11.05

11.43

14.35

11.55

Suma: 60.81 Suma: 45.63 Suma: 58.17 Suma: 46.06

22.18
20.15
22.06
19.46
22.36

20.28

22.59

18.05

22.32

20.40

23.25

18.50

14.15
20.28
18.05
22.36
22.59
11.55
11.05
15.08
14.55
20.40
18.50
22.32
23.25
11.43
11.55
15.43
14.35
19.55
19.31
22.58
22.35

Total Yi...

210.67

335.39

15

22.58

19.55

22.35

19.31

Suma: 89.44 Suma: 80.38 Suma: 90.25 Suma: 75.32

Total Y.j.

150.25

126.01

148.42

121.38

Y
=546.06

ANOVA
Hiptesis Nula
Ho: Efecto A=0
Ho: Efecto B=0
Ho: Efecto C=0
Ho: Efecto AB=0
Ho: Efecto AC=0
Ho: Efecto BC=0
Ho: Efecto ABC=0

Hiptesis Alternativa
H1: Efecto A0
H1: Efecto B0
H1: Efecto C0
H1: Efecto AB0
H1: Efecto AC0
H1: Efecto BC0
H1: Efecto ABC0

16

Cantidad de
capas

AXB
1
2
B
AXB
1
2

Pintura Vinlica
Con agua
Sin agua

Pintura Sayer
Con agua
Sin agua

Suma: 60.81 Suma: 45.63 Suma: 58.17 Suma: 46.06

Suma: 89.44 Suma: 80.38 Suma: 90.25 Suma: 75.32

AXC
1
2
C

B1
118.98
B1 179.69
B2
298.67
106.44 104.23

Total Yi...

210.67

335.39

B2
91.69
155.7
247.39

169.82 165.57
B1
276.26 269.8
150.25
148.42

B2
126.01
121.38

Procedimiento Para Anlisis De Varianza

SCT =9896.8999318.172=578.727

SCA=9804.2689318.172=486.096

17

 SCB=9400.3489318.172=82.176

SCC =9319.4769318.172=1.304

SC ( AB )=9886.7859518.172486.09682.176=0.341

SC ( BC )=9401.8979318.17282.1761.304=0.245

SC ( AC )=9805.7029318.172486.0961.304=0.130

SC ( ABC ) =9890.9629318.172486.09682.1761.3040.3410.2450.130=2.498

18

SCR=578.727486.09682.1761.3040.3410.2450.1302.498=5.937
F.V
Factor A
Factor B
Factor C
AXB
A XC
BXC
AXBXC
RESIDUAL
TOTAL

S.C
486.096
82.176
1.304
0.341
0.130
0.245
2.498
5.937
578.727

G.L
1
1
1
1
1
1
1
24
31

CM
486.096
82.176
1.304
0.341
0.130
0.245
2.498
0.247
18.668

F exper
1,968
332.696
5279.352
1.380
0.526
0.991
10.113

19

Graficas complementarias
Grfica normal de efectos estandarizados
(la respuesta es Y, Alfa = 0.05)
99

Tipo de efecto
No significativo
Significativo

95
C

90

Porcentaje

80

Factor
A
B
C

70

Nombre
marca
concentracion
capas

ABC

60
50
40
30
20
10

10

20
30
Efecto estandarizado

40

50

20

Grfica de Pareto de efectos estandarizados

(la respuesta es Y, Alfa = 0.05)
2.06
Factor
A
B
C

Nombre
marca
concentracion
capas

Trmino

ABC
A
BC
AB
AC
0

10

20
30
Efecto estandarizado

40

50

Grfica de efectos principales para Y

Medias de datos
21
20
19

Media

18
17
16
15
14
13
1

2
capas

21

Grfica de interaccin para Y

Medias de datos
sa

ca

20
marca

marca
v
s

15

10
20
concentracion

concentracion
sa
ca

15

10

capas

Grfica de cubos (medias de los datos) para Y

21.2275

20.6962

13.3050

13.0287

capas

1
v

marca

22

Conclusiones
Al finalizar este proyecto sobre diseos factoriales con tres factores, cabe destacar que fue
un poco complicado ya que actualmente los procesos de clculos comnmente se hacen con
algn software estadstico; sin embargo con la ayuda de libros de texto e investigaciones
digitales se pudo realizar el problema planteado al principio.
En este caso en particular al realizar todos clculos necesarios para la obtencin de
resultados claros y con evidencia estadstica de 95% de confianza se obtuvieron los
siguientes resultados.
f 0.05 1,24= 4.26
Hiptesis Nula
Ho: Efecto A=0
Ho: Efecto B=0
Ho: Efecto C=0
Ho: Efecto AB=0
Ho: Efecto AC=0
Ho: Efecto BC=0
Ho: Efecto ABC=0

Se rechaza
Se rechaza
Se rechaza
Se acepta
Se acepta
Se acepta
Se rechaza

Para finalizar se puede decir que el factor que ms influye sobre la variable de respuesta,
que en este caso es el tiempo de secado de la pintura es el factor c que en este caso es el
nmero de capas aplicadas al igual que la concentracin de pintura (con agua y sin agua).
El factor A es decir, la marca de pintura, no influye mucho sobre el tiempo de secado.

23

Referencias bibliogrficas
Olmos O. (2015). Aplicacin del Diseo de Experimentos al proceso de moldeo por
inyeccin de plstico de la pieza fcp 52 W 70. Tesis para obtener el ttulo de Ingeniero
Industrial por la Universidad Autnoma del Estado de Hidalgo, Instituto de Ciencias
Bsicas e Ingeniera.
Tanco, M. & Ilzarbe, L., Viles, E. & lvarez M. J. (2015). Aplicacin del Diseo de
Experimentos (DoE) para la mejora de procesos. Memoria Investigaciones en Ingeniera, 6,
85-95.Yamane, T. (1974). Estadstica.
Scibilia, B. (2015). Design of Experiments: "Fractionating" and "Folding" a DOE. The
Minitab Blog. Recuperado el 22/05/2015 de: http://blog.minitab.com/blog/applyingstatisticsin-quality-projects/design-of-experiments-fractionating-and-folding-a-doe
Zertuche F., Valencia, M. & Rodrguez, R. (2015). Aplicacin del diseo de experimentos utilizando anlisis de varianza
multivariado para la disminucin de rechazo en un proceso del ramo automotriz. Revista de la Ingeniera
Industrial, 5(1), 35-46.

24