Captulo 11

Diseo de experimentos factoriales

a dos niveles

1. Introduccin
2. El diseo 22
3. El diseo 2k
4. Fracciones de diseos factoriales

1 Apuntes realzados por el Profesor Ismael Snchez para la asignatura: Mtodos Estadsticos para la Mejora de
la Calidad, de la titulacin de Ingeniera de Telecomunicaciones. Universidad Carlos III de Madrid

Diseo de experimentos factoriales a dos niveles

11.1.

Introduccin

En los dos captulos anteriores tratamos el anlisis de los datos que resultaban al realizar un
conjunto de experimentos. En este captulo estudiaremos cmo disear el experimento con el fin
de analizar el mximo nmero de factores con el mnimo nmero de datos. La motivacin general es
que la obtencin de datos reales por medio de experimentos puede ser muy caro. Por tanto, hemos
de optimizar el coste del experimento. Para ello, una estrategia habitual es realizar experimentos
con slo dos niveles para cada uno de los factores a considerar. Por ejemplo:
Tipo de motor: con/sin catalizador
Temperatura: alta/baja
Reactivo qumico: en cantidad Q1 Q2
Circuitos: con componentes tipo I o tipo II
Voltaje: V1 V2
Potencia: P1 P2
Este tipo de diseos es muy frecuente en la industria debido al alto coste que puede suponer la
experimentacin y al elevado nmero de experimentos que seran necesarios si estamos interesados
en muchos factores con muchos niveles. Por ejemplo, un diseo de 5 factores con 5 niveles cada uno
requiere la realizacin de 55 = 3125 experimentos. El objetivo, por tanto, es detectar qu factores
son significativos (o interacciones entre factores) realizando un nmero mnimo de experimentos.
Posteriormente, se pede pasar a realizar un experimento ms exhaustivo slo con los factores
que en esta primera etapa hayan resultado significativos. En la literatura inglesa a este tipo de
experimentos se le denomina screening designs, o diseos prospectivos, por su carcter preliminar.

11.2.

El diseo 22

11.2.1.

Tabla estndar y ecuacin de regresin

Este es el caso ms sencillo de diseos factoriales a dos niveles. En la notacin 22 , el exponente

indica el nmero de factores: 2; mientras que la base indica los niveles de cada factor: tambin 2.
El diseo consta de dos factores: el factor A y el factor B. Ambos factores tienen dos niveles: el
nivel () y el nivel (+). Si el factor es cuantitativo, el nivel (+) representa al nivel superior y el ()
al inferior. Si el factor es del tipo presencia/ausencia de cierto atributo, el nivel (+) representa la
presencia del atributo y () la ausencia. En cualquier otro caso, la asignacin del nivel (+) o ()
es arbitraria. El diseo consta, entonces, de 4 experimentos segn las cuatro combinaciones de los
signos de los factores (factor A, factor B). Sea y la variable respuesta. Se suele denominar con la
letra o al valor de y correspondiente a la combinacin (,); con a a la combinacin (+,); con b
a la combinacin (,+); y ab a la combinacin (+,+). El diseo se puede resumir en la siguiente
tabla, donde cada fila es un experimento distinto:
Factor A Factor B Respuesta y

y11 (o)
+

y21 (a)

+
y12 (b)
+
+
y22 (ab)

(11.1)

11.2 El diseo 22

Cuando la secuencia de signos es como aparece en la tabla, recibe el nombre de configuracin

o tabla estndar: el factor A alterna los signos comenzando con el (), mientras que el B cambia
de signo cada dos experimentos y comienza por el (). El subndice de y es 1 si el factor est en el
nivel (), y 2 si est en el (+).

Ejemplo 1:
Una empresa de componentes electrnicos desea saber qu factores afectan a la variabilidad
de sus resistencias elctricas. Dicha variabilidad se mide con la diferencia entre el valor real y el
nominal (en Ohmios). Se realiza un primer experimento con 4 resistencias de valor nominal 100
. Los factores que se controlan son:
Factor A: Temperatura: (-) 15o C (+) 60o C
Factor B: Vida del componente: (-) sin usar (+) 1000 horas de uso
Los valores obtenidos para las cuatro resistencias analizadas (variable y =diferencia entre valor
real y nominal (100 )) son los siguientes
Factor A Factor B Respuesta y

y11 (o) = 3
+

y21 (a) = 15

+
y12 (b) = 20
+
+
y22 (ab) = 34

El modelo que sigue la variable y en este diseo es:

yij = + i + j + ()ij + uij ; i, j = 1, 2

(11.2)

y es un caso particular de los diseos factoriales vistos en el tema anterior. Al existir slo dos niveles,
merece la pena encontrar una expresin simplificada alternativa de este modelo, que permita un
anlisis ms sencillo. El valor de yij en cada celda de la tabla de dimensin 22 puede expresarse
de la siguiente forma:

Factor A
+
+
+

+
Factor B y11 y21 = + 1 2 + 1 1
+
+ 1 2
+ y12 y22
+ 2 2

+
+
u11 u21
+ ()11 ()21 +
+ u12 u22
+ ()12 ()22
Como i representa desviaciones respecto al valor medio se verifica que
1 + 2 = 0 1 = 2

Diseo de experimentos factoriales a dos niveles

Por tanto
+
+
1 2 2 2
+ 1 2
+ 2 2
Anlogamente:
1 + 2 = 0 1 = 2
y, por tanto
+

+
1 1 2 2
+ 2 2
+ 2
2
Los parmetros de la interaccin ()ij tambin suman cero por filas y columnas, por tanto:

+
()11 ()21 ()22 ()22
+ ()12 ()22
+ ()22 ()22
Por tanto, se cumple que:
Factor A

+
+
+

+
Factor B y11 y21 = + 2 2 + 2 2
+
+ 2 2
+ y12 y22
+ 2
2

+
+
u11 u21
+ ()22 ()22 +
+ u12 u22
+ ()22 ()22
y basta, entonces, un slo parmetro para describir el efecto de cada componente de la variabilidad explicada (factor o interaccin). Definamos ahora las siguientes variables dicotmicas (variable
dicotmica= que slo toma dos valores):

si el Factor A est al nivel (+)

DA = +1
1 si el Factor A est al nivel ()

si el Factor B est al nivel (+)

DB = +1
1 si el Factor B est al nivel ()
Utilizando estas variables, el modelo (11.2) puede escribirse de la siguiente manera:
yij = + 2 DA + 2 DB + ()22 DA DB + uij .
A esta representacin se le denomina Ecuacin o Modelo de Regresin. Por ejemplo, para
la observacin y11 se tiene que ambos factores toman valor (). Se tiene entonces que DA = 1,
DB = 1 y DA DB = +1, y la ecuacin de regresin toma el valor
y11 = 2 2 + ()22 + u11 .

11.2 El diseo 22

11.2.2.

Estimacin

La estimacin de los parmetros se hace de la misma manera que se defini en los temas
anteriores. Por tanto:
P2 P2
j=1
i=1 yij

=
4
P2
j=1 y2j

2 =
2
P2
= i=1 yi2

2
2
La interaccin en la celda (i, j) es
()ij = E(yij |para i, j) i j
donde, al existir una sola observacin en cada celda, la estimacin de E(yij |para i, j) ser dicha
observacin. Por tanto:
[ = y22
.
()

2
2
22

En este modelo sin replicaciones, la interaccin de orden 2 coinciden con los residuos, por lo que
su estimacin nos deja sin informacin para calcular la VNE, lo que implicara que la variabilidad
de y se explicara totalmente, sin error, con esos dos factores. No se tiene, entonces, informacin
para realizar contrastes. No obstante, a nivel terico tiene inters incluir aqu su estimacin, y as
definir de forma fcil la notacin y propiedades que sern de utilidad para modelos ms complejos
en los que s exista inters en estimar la interaccin.
Se define Efecto de un factor o interaccin al incremento esperado en la variable respuesta
al pasarse del nivel () al nivel (+). Se tiene entonces que:
Efecto del Factor A = 2 1 = 22
Efecto del Factor B = 2 1 = 2 2
Efecto de la interaccin = ()22 ()12 = 2()22

Al efecto de los factores se les denomina tambin efectos principales. Puede demostrarse que
la estimacin de los efectos, tanto principales como interacciones, son independientes entre si. Esta
independencia procede de la ortogonalidad de las columnas; es decir, que el producto escalar de
cualquier par de columnas (con +1 en lugar de +, y -1 en lugar de ) es nulo. Por ejemplo
A B = {(1) (1)} + {(+1) (1)} + {(1) (+1)} + {(+1) (+1)} = 0.

Con los datos del Ejemplo 1 se tiene:

= 18

2 = 6,5
=9

[ = 0,5
()
22

Diseo de experimentos factoriales a dos niveles

Figura 11.1: Diagrama de Pareto para los efectos del Ejemplo 1.

y la ecuacin de regresin es:
yij = 18 + 6,5DA + 9DB + 0,5DA DB
donde no hay residuos porque coinciden con el efecto de la interaccin. El efecto de cada factor es:
Media global=18
Factor A: Temperatura=13
Factor B: Componente=18
Interaccin=1
Es habitual representar estos efectos, en valor absoluto, en un diagrama de Pareto, donde los
efectos se ordenan de mayor a menor magnitud (en valor absoluto). La figura 11.1 muestra el
diagrama de Pareto para los efectos del ejemplo 1.
La figura 11.2 muestra los grficos de efectos principales e interacciones de este ejemplo.Puede
verse que la interaccin parece poco relevante, al ser las rectas del grfico casi paralelas. En este
ejemplo, no hay datos suficientes para estimar los residuos, por lo que no podemos hacer contrastes.
Estimamos 4 parmetros con 4 datos y, por tanto, no hay grados de libertad para los residuos.

Otra forma alternativa y simple de obtener las estimaciones de los efectos de los factores,
totalmente equivalente a la anterior, es aplicando el llamado criterio de los signos. Este criterio
consiste en obtener las estimaciones aplicando las columnas de signos de la tabla estndar (11.1)
a la columna de datos. Por ejemplo, el efecto de Factor A, , es el incremento entre el nivel (+) y

Main Effects Plot

27
24
21
18
15
12
9
-1,0
1,0
Temperatura

-1,0
1,0
Vida del comp.

Variabilidad de las resistencias

Variabilidad de las resistencias

11.2 El diseo 22

Interaction Plot
40
Vida=1,0
30
20

Vida=1,0
Vida=-1,0

10
0

Vida=-1,0
-1,0

1,0
Temperatura

Figura 11.2: Grfico de efectos principales e interacciones del ejemplo 1

el () de dicho factor. La estimacin ser la diferencia entre el efecto medio del nivel (+) y el del
nivel (), es decir,
a + ab o + b
1

= (o + a b + ab)
2
2
2
Puede observarse que la estimacin es equivalente a aplicar la secuencia de signos del factor al
vector de datos dividida por el nmero de veces que aparece el signo (+) (o el ()). El efecto del
Factor B, , es el incremento entre el nivel (+) y el () de dicho factor, es decir,
= ab + b o + a = 1 (o a + b + ab) ,

2
2
2
donde puede comprobarse que coincide con el criterio de los signos.
Para la estimacin de la interaccin, puede comprobarse que su estimacin es equivalente a
aplicar una columna de signos obtenida multiplicando las columnas de los factores implicados. Si
multiplicamos las columnas de signos del Factor A y el Factor B se obtiene:
Factor A Factor B Interaccin AB Respuesta y

+
y11 (o)
+

y21 (a)

y12 (b)
+
+
+
y22 (ab)

(11.3)

y el efecto de la interaccin se estima con:

[ = 1 (o a b + ab) .
()
2
En resumen, el criterio de los signos sirve para:
Construir la columna de signos de las interacciones. Para ello se multiplican los signos de las
columnas de los factores
Estimar el efecto de un factor o interaccin. El efecto ser:
Efecto estimado=

1
(producto escalar de columna de signos y datos)
no de signos (+)

Diseo de experimentos factoriales a dos niveles

La estimacin de la media global equivale a utilizar una columna con todos los signos +, es
decir:
1

= (o + a + b + ab).
4
Con los datos del Ejemplo 1 se tiene, aplicando el criterio de los signos:
Media global= 14 (3 + 15 + 20 + 34) =18,
Factor A= 12 (3 + 15 20 + 34) =13,
Factor B= 12 (3 15 + 20 + 34) =18,
Interaccin= 12 (+3 15 20 + 34) =1,
obtenindose los mismos resultados que antes.

11.2.3.

Modelo con replicacin

Si se desea contrastar si la interaccin de orden ms alto es significativa se ha de tener, como

se vio ya en el tema anterior, replicaciones del experimento. El modelo para la variable respuesta
yijk , donde el subndice k corresponde a la replicacin k-sima es:
yijk = + i + j + ()ij + uijk ; i, j = 1, 2; k = 1, ..., K

(11.4)

y la ecuacin de regresin ser:

yijk = + 2 DA + 2 DB + ()22 DA DB + uijk
Por ejemplo, si se tiene una replicacin, la tabla estndar es:
Factor A Factor B Interaccin AB Respuesta y
+
y111
+

y211
+

y121
+
+
+
y221

+
y112
+

y212

y122
+
+
+
y222

Ejemplo 2:
Se repite el experimento del Ejemplo 1, obtenindose los siguientes datos
Factor A Factor B Interaccin AB Experimento 1 Experimento 2

+
y111 = 3
y112 = 2
y212 = 15
+

y211 = 15
y122 = 21

y121 = 20
y222 = 36
+
+
+
y221 = 34
La estimacin del efecto de cada factor es, aplicando el criterio de los signos,

(11.5)

11.2 El diseo 22

Media:
= 18 (+3 + 15 + 20 + 34 + 2 + 15 + 21 + 36) = 18,25
Factor A:
= 14 (3 + 15 20 + 34 2 + 15 21 + 36) = 13,5 2
2
= 1 (3 15 + 20 + 34 2 15 + 21 + 36) = 19 2

Factor B:
2
4
[
c = 1 (+3 15 20 + 34 + 2 15 21 + 36) = 1 2()
Interaccin AB=
22
4

Y la ecuacin de regresin es

yijk = 18,25 + 6,75DA + 9,5DB + 0,5DA DB + uijk .

11.2.4.

Tabla ANOVA y contrastes

La tabla ANOVA se construye de la misma forma que se indic en los temas anteriores, pues el
diseo 22 no es ms que un caso sencillo de modelo con dos factores. El contraste de si un factor
influye en la variable respuesta o la interaccin es significativa se realiza con el respectivo contraste
F. En el caso del ejemplo 1 la tabla, sin contar la interaccin es

y puede verse en los p-valores que si usamos un nivel de significacin del 5 % ambos factores influyen
significativamente en la variable respuesta. Es decir, en el contraste:
H0 : 1 = 2 = 0
H1 : H0 falsa
o bien, puesto que 1 + 2 = 0,
H0 : 2 = 0
H1 : 2 6= 0
tenemos que rechazar H0 . Asmismo, en el contraste
H0 : 2 = 0
H1 : 2 6= 0
denemos tambien rechazar H0 . Si se quiere contrastar si la interaccin es significativa se ha de
utilizar el experimento replicado del ejemplo 2. El contraste puede resumirse con las siguientes
hiptesis:
H0 : ()22 = 0
H1 : ()22 6= 0

10

Diseo de experimentos factoriales a dos niveles

La tabla ANOVA es la siguiente:

donde se confirma que los factores tienen efectos significativos y que la interaccin no es significativa.

11.3.

El diseo 2k

En esta seccin extenderemos los resultados expuestos para el diseo 22 al caso de k factores
con dos niveles cada uno. Se tiene, por tanto, 2k observaciones. Por ejemplo, si k = 3 se tienen
23 =8 observaciones. La tabla estndar se construye de igual forma que en el caso 22 . El primer
factor comienza con el signo () y alterna signos () y (+). El segundo factor cambia de signo cada
dos observaciones (21 ), el tercer factor cada cuatro (22 ) y el factor k-simo cada 2k-1 observaciones.
Por ejemplo, el diseo 24 tiene la siguiente tabla estndar:
Factor A Factor B Factor C Factor D

+
+

+
+

+
+

+
+

+
+
+
+

+
+
+
+

+
+
+
+
+
+
+
+

Respuesta y

y1111
y2111
y1211
y2211
y1121
y2121
y1221
y2221
y1112
y2112
y1212
y2212
y1122
y2122
y1222
y2222

=o
=a
=b
= ab
=c
= ac
= bc
= abc
=d
= ad
= bd
= abd
= cd
= acd
= bcd
= abcd

Las interacciones de factores tienen signos que se obtienen de multiplicar los signos de los
factores implicados. Por ejemplo, en el diseo 23 la tabla estndar con las interacciones es:
A

+
+

+
+

C AB AC BC ABC Respuesta y
+ + +

y111 = o

+
+ y211 = a

+

+ y121 = b
+

y221 = ab
+ +

+ y112 = c
+
+

y212 = ac
+

y122 = bc
+ + + +
+ y222 = abc

11.3 El diseo 2k

11

Asmismo, la estimacin de los efectos de cada factor o interaccin se realiza combinando

linealmente los datos usando la columna de signos correspondiente y dividiendo por el nmero de
signos (+) de la columna. Por ejemplo, en el diseo anterior, la estimacin () del efecto de la
interaccin de los factores B y C es:
d = 1 (+o + a b ab c ac + bc + abc)
()
4
Ejemplo 3:
La empresa ALCATEL ESPAA tiene una factora en el municipio de Legans donde produce,
entre otros, equipos de conmutacin para telecomunicaciones. En esta planta se tiene una seccin
de soldadura por ola para el ensamblaje de placas de circuitos impresos (PCB). La soldadura por
ola consiste en una cinta transportadora que desplaza las PCBs, que tiene todos los circuitos ensamblados pero sin soldar, sobre una cubeta rectangular que contiene estao lquido. En la cubeta
existe un mecanismo que produce una ola en el estao. La altura de la ola est diseada para que
toque a la PCB quedando las conexiones de la placa soldadas.
Las inspecciones efectuadas en condiciones normales de funcionamiento sealan que el nmero
de soldaduras defectuosas es del 0.35 % (350 ppm, donde ppm son partes o defectos por milln). Se
desea realizar un experimento para determinar si existen posibilidades de mejorar su funcionamiento. Para ello se decide controlar los siguientes factores:
Factor A: Velocidad de la cinta: 1.6/1.8 (m/min)
Factor B: Temperatura de la placa: 30/50o C
Factor C: Temperatura del estao lquido: 210/260o C
factor D: Densidad del estao: 0.83/0.86 (gr/cm 3 )
Para cada combinacin de factores se utilizan 30 PCBs iguales, con 998 uniones cada una. Despus de la soldadura se inspecciona cada placa y se contabiliza el nmero de defectos de soldadura
en las 30 placas. El resultado del experimento se muestra en la siguiente tabla donde
PPM =

nmero de soldaduras defectuosas en la 30 placas

106 .
nmero de soldaduras realizadas (=30 998)

Velocidad cinta Temp. PCB Temp. estao Densidad PPM

299
+

267
+

311
+
+

299

334
+

301

+
+

378
+
+
+

367

+
334
+

+
298

+
356
+
+

+
321

+
+
336
+

+
+
328

+
+
+
435
+
+
+
+
406

12

Diseo de experimentos factoriales a dos niveles

Figura 11.3: Diagrama de Pareto para los efectos del Ejemplo 3

La estimacin de los efectos es (clculos realizados con el Statgraphics 4.0)

El primer problema que se presenta al analizar un diseo 2k es saber qu factores son significativos. Si no se poseen replicaciones del experimento, habr que calcular la varianza residual s2R con
la variabilidad correspondiente a las interacciones y factores no significativos. Por tanto, antes de
poder hacer contrastes con la tabla ANOVA es necesario hacer una pre-seleccin de aquellos efectos
que se consideran no significativos. Una forma secilla de decidir qu efectos excluir es mediante un
diagrama de Pareto donde se representan los efectos de cada factor e interaccin en valor absoluto.
El diagrama de Pareto para los datos del ejemplo 3 se muestra en la figura ??.
En esta figura puede verse que los efectos que ms influencia tienen en la variable respuesta
son los 4 efectos principales de los factores y la interaccin BC (temperatura de la placa con

11.3 El diseo 2k

13

Figura 11.4: Grafico probabilstico normal para los datos del ejemplo 3

temperatura del estao).

Una segunda forma de hacer la preseleccin es con un grfico probabilstico normal. El fundamento de este grfico es el siguiente. La estimacin se basa en medias muestrales, o diferencias
de medias muestrales de la variable respesta. Como estamos utilizando la hiptesis de que la variable respuesta es normal, las estimaciones sern combinaciones lineales de normales, lo que resulta
tambin en variables normales. Por tanto, si los efectos no son significativos, su valor estimado
proceder de una distribucin normal de media cero. El grfico probabilistico normal que se usa
para identificar efectos significativos se basa en esta propiedad. El grfico probabilstico normal
tiene una escala en el eje de ordendas tal que los efectos no significativos estarn alineados. Si algn
efecto es no nulo, aparecer fuera de dicha alineacin. La figura 11.4 muestra el grfico probabilstico normal con los datos del ejemplo 3. De este grfico se extraen las mismas conclusiones que
del grfico de Pareto anterior: los factores principales y la interaccin BC parecen ser los nicos
efectos significativos.
A la hora de hacer una primera identificacin de los efectos que pueden inclurise en el anlisis,
es til tener en cuenta las dos siguiente reglas empricas: (1) Cuanto ms complejo es un efecto,
es decir, cuanto ms alto sea el orden de una interaccin, menos probable es que tenga un efecto
significativo; (2) si dos variables no son significativas, es raro que su interaccin lo sea. Con estas
dos reglas empricas y el resultado del grfico probabilstico normal o de Pareto se har una primera
seleccin de efectos. En general, esta primera seleccin consiste en eliminar aquellos efectos de alto
orden que sean menos prometedores. Con los datos del ejemplo, en primer lugar construiremos una
tabla ANOVA en la que se eliminen las interacciones de cuarto y tercer orden. La tabla que se
obtiene es:

14

Diseo de experimentos factoriales a dos niveles

donde se confirma que las interacciones AC, CD, AD y BD no son tampoco significativas. Si
eliminamos tambin estas interacciones tendremos una mejor estimacin de la varianza residual.
La tabla ANOVA es, entonces,

Si se consideran slo estos efectos, la ecuacin de regresin es:

PPMijkl = 335,625 12,25DA + 23,5DB + 25DC

+ 16,125DD + 12,375DB DC + eijkl .

Para obtener la combinacin ptima de factores, se han de seleccionar los niveles que nos
proporcionan los mejores valores de la variable respuesta PPM con la anterior equacin. Si no
existiesen interaciones significativas, la eleccin de los niveles ms adecuados sera muy sencilla,
pues bastara analizar la respuesta factor a factor. Si existen interacciones, no basta con observar
el comportamiento individual de cada factor. Lo ms sencillo es calcular el resultado de la ecuacin
de regresin para todos los experimentos y buscar la combinacin ms ventajosa. El resultado de
esta operacin con el Statgraphics es:

11.3 El diseo 2k

15

Por lo tanto, el experimento correspondiente a la fila 2 de la tabla estndar es el que proporciona

el menor nmero de defectos. Los mejores resultados para la instalacin de soldadura por ola se
tendrn con:
Velocidad alta: 1.8 m/min: Factor A a nivel (+)
Temperatura de placa baja: 30o C: Factor B a nivel ()
Temperatura de estao lquido baja: 210o C. Factor C a nivel ()
Densidad a nivel bajo. Factor D a nivel ().
Con esos niveles se espera, por trmino medio, 271 PPM o 0.27 % de defectos en lugar del
0.35 % que se estaban produciendo. La mejora es del 22.5 %.
El procedimiento general para resolver un diseo 2k se puede resumir en los siguientes puntos:

1. Se hace un anlisis previo de los datos utilizando tcnicas descriptivas

2. Se estiman los efectos de los factores e interacciones
3. Se representan dichas estimaciones en un diagrama de Pareto o grfico probabilstico normal
4. A la vista de estas representaciones grficas se hace una preseleccin de los efectos que no
son significativos
5. Se construye la tabla ANOVA con los efectos restantes y se contrasta su significatividad

16

Diseo de experimentos factoriales a dos niveles

6. Se eliminan los efectos que, tras los contrastes anteriores, no resulten significativos y se
reconstruye la tabla ANOVA hasta que todos los efectos incluidos sean significativos
7. Se hace diagnosis de los residuos para comprobar que el modelo es adecuado
8. Se construye la recta de regresin y se obtiene con ella las condiciones de los factores que
proporcionan mejores valores de la variable respuesta

11.4.

Fracciones

11.4.1.

Conceptos generales

Se denomina fraccin de un diseo factorial a un diseo en el que no se realizan todos

los experimentos que se indican en la tabla estndar, sino slo una fraccin de ellos. Veamos un
ejemplo a partir del diseo 23 . La tabla estndar de un diseo 23 es:
A

+
+

+
+

C AB AC BC ABC Respuesta y
+ + +

y111 = o

+
+ y211 = a

+

+ y121 = b
+

y221 = ab
+ +

+ y112 = c
+
+

y212 = ac
+

y122 = bc
+ + + +
+ y222 = abc

lo que indica que hay que realizar 8 experimentos para obtener estimaciones independientes de
cada efecto. Se pueden elegir muchas fracciones diferentes de este diseo. Una posible fraccin
consistira, por ejemplo, en realizar slo aquellos experimentos correspondientes a los signos (+)
de la interaccin ABC, es decir, hacer slo la siguiente mitad de la tabla:
A
+

C AB AC BC ABC Respuesta y

+
+ y211 = a

+

+ y121 = b
+ +

+ y112 = c
+ + + +
+ y222 = abc

La ventaja de realizar slo una fraccin de los experimentos es clara: es ms econmico. Pero,
como puede observarse en esta tabla, al realizarse slo una parte de los experimentos, no se tiene
la informacin suficiente para estimar todos los efectos de forma independiente. las columnas de
signos ya no son todas ortogonales. Mirando las columnas de signos puede verse que el efecto de la
interaccin ABC est confundido con el de la media general. Se dice entonces que ambos efectos son
alias. Igual confusin ocurre en la estimacin de estos efectos. Aplicando el criterio de los signos a
la tabla anterior se tiene que la estimacin de la interaccin ABC coincidir con la estimacin de
la media
. De la tabla se deduce que tambin hay confusin de los siguientes efectos:
Factor A e interaccin BC
Factor B y la interaccin AC
Factor C e interaccin AB
Puede demostrarse que cuando estimamos efectos confundidos estamos, en realidad, estimando
el efecto agregado, o suma, de ellos. Por ejemplo, con la fraccin anterior, el efecto del factor A (que

11.4 Fracciones

17

denotamos por ) y la interaccin BC (que denotamos por ()) son alias. Entonces la estimacin
de estos efectos verifica que
n
o
d = + ()
E(
) = E ()

Por tanto, la realizacin de una fraccin tendr inters slo si suponemos que algunos de los efectos que se confunden son nulos. En nuestro ejemplo, la fraccin propuesta es un diseo til para
estimar los efectos principales slo si suponemos que las interacciones de orden 2 son nulas.

Cuando la fraccin consiste en realizar la mitad del diseo eligiendo signos iguales de algn
efecto se le denomina media fraccin o diseo 2k1 . Por ejemplo, la media fraccin expuesta antes
es una media fraccin de un 23 y sera un diseo 231 . Dado un diseo, se pueden escoger muchas
fracciones distintas. Por ejemplo, otra fraccin 231 se podra conseguir eligiendo los experimentos
correspondientes al signo () de la interaccin AB. La tabla sera:
A
+

C AB AC BC ABC Respuesta y

+
+ y211 = a

+

+ y121 = b
+
+

y212 = ac
+

y122 = bc

En este caso, la disminucin del nmero de experimentos lleva a las siguientes confusiones:

Factor A y Factor B (slo se diferencian en el signo:

= )
Factor C e interaccin ABC
Interaccin AB y media

Interacciones AC y BC
Este diseo es peor que la fraccin anterior, pues confunde efectos principales entre si: no se
puede obtener una estimacin independiente del factor A y el B. En resumen, una fraccin de un
diseo factorial
Permite economizar la investigacin al necesitar menos experimentos
Confunde efectos, por lo que habr que seleccionarlo con cautela y utilizar hiptesis simplificadoras que resuelvan las confusiones
El anlisis de las confusiones que se producen en una fraccin se realiza mediante la llamada
ecuacin generatriz de la fraccin. Adems, estudiaremos el concepto de Resolucin, que
nos permitir escoger fracciones donde no se confundan los efectos principales de los factores.

11.4.2.

Ecuacin generatriz de una fraccin

La ecuacin generatriz de una fraccin permite conocer la estructura de confusin de una

fraccin. A esta estructura de efectos confundidos tambin se le conoce como estructura de
alias. Denotemos con I a una columna que tiene todos sus signos (+) y a I a una columna con
todos los signos (). La ecuacin generatriz de una fraccin es el conjunto de columnas
de la tabla de la fraccin que son iguales a I. En el caso anterior de la fraccin 231 donde

18

Diseo de experimentos factoriales a dos niveles

se escoga aquella fraccin del diseo 23 que coincida con los signos (+) de la columna ABC, la
ecuacin generatriz es:
I = ABC.
En el segundo ejemplo, donde la fraccin se escoga con los signos () de la columna AB, la ecuacin
generatriz es
I = AB.
A partir de esta ecuacin es fcil hallar la estructura de confusin o alias. Para ello, basta con
comprobar que se cumplen las siguientes reglas para operar con columnas:
1. La multiplicacin de una columna por si misma es I: AA=I; (AB)(AB)=I, etc.
2. La multiplicacin de una columna por I no la modifica: AI=A; (AB)I=AB.
Aplicando estas reglas a la fraccin I = ABC podemos obtener la confusin del factor A con la
interaccin BC mencionada anteriormente. Si multiplicamos por A a ambos lados de la ecuacin
generatriz se tiene:
AI = A = A(ABC) = A2 BC = BC A = BC.
Se dice entonces que el factor A y el BC estn confundidos o son alias. Por tanto, si el factor A
y la interaccin BC son significativas, esta fraccin no podra estimar su efecto por separado. La
estimacin que se obtiene sera la suma de ambos efectos. De la misma forma se puede obtener el
resto de las confusiones
BI = B = B(ABC) = AB 2 C = AC B = AC

CI = C = C(ABC) = ABC 2 = AB C = AB

En el segundo ejemplo, con ecuacin generatriz I = AB, se tiene la siguiente estructura de alias:
AI = A = A(AB) = A2 B = B A = B,
CI = C = C(AB) = ABC C = ABC,
ABI = AB = AB(AB) = I AB = I,

ACI = AC = AC(AB) = A2 CB = CB AC = CB.

11.4.3.

Resolucin

Uno de los fundamentos para el uso de fracciones es la hiptesis de que las interacciones de
orden alto no son significativas. De esta forma, es fcil resolver las confusiones que se originan en
la estimacin de efectos. Este fundamento se basa en la experiencia emprica mencionada anteriormente: cuanto mayor es el orden de una interaccin menor suele ser su efecto. Segn esto, puede
decirse que una fraccin ser buena si confunde los efectos principales de los factores con las interacciones de orden ms alto posible. Por contra, una mala fraccin ser aquella que confunda los
efectos principales de los factores entre s. Estas diferencias en el tipo de confusin que se produce
en una fraccin se cuantifican a travs del concepto de resolucin, de forma que a mayor resolucin
mejor sea la fraccin. Se define resolucin de una fraccin de la siguiente forma:
Resolucin: orden de interaccin ms baja confundida con algn efecto principal+1.

11.4 Fracciones

19

Por ejemplo, en una fraccin de resolucin III, los efectos principales pueden estar confundidos
con interacciones de orden 2, pero no hay confusin de efectos principales entre si. Por ejemplo
la fraccin 231 construida con la ecuacin I = ABC es de resolucin III. Esta fraccin tambin
puede escribirse como 231
III . En el caso de la fraccin de ecuacin I = AB la resolucin es II
(231
II ) pues los efectos principales estn confundidos entre si. En estos dos ejemplos puede verse
que una definicin alternativa de resolucin es el nmero de letras de la ecuacin generatriz (si la
ecuacin consta de varias palabras, la resolucin est determinada por la ms corta).
Supongamos que queremos un diseo 2k1 con mxima resolucin. Un procedimientro general
para conseguirlo es el siguiente:
1. Escribir el diseo factorial completo para k-1 variables. Por ejemplo, si queremos un diseo
231 comenzaramos escribiendo la tabla de un diseo 22 .
2. Asignamos la variable k-sima a alguna columna de interaccin de orden k-1. En el caso
del diseo 231 , el tercer factor sera asignado a la columna de signos de los dos factores
principales del 22
En general, diseos 2kp con mxima resolucin se obtienen de la siguiente forma:
1. Se escribe el diseo completo para k-p factores
2. Se asignan los p factores adicionales a las columnas de las interacciones de mayor orden
posible

Ejemplo 4:
Se desea realizar un diseo para determinar la significatividad de 6 factores (A,B,C,D,E,F)
sobre una variable respuesta. Debido al coste de la recogida de datos, se desea hacer un primer
anlisis con slo 8 experimentos. Cmo ha de ser el diseo?
Si se van a recoger slo 8 datos se ha de partir de la tabla de un diseo 2 3 :
A

+
+

+
+

C AB AC BC ABC
+ + +

+
+

+

+
+

+ +

+
+
+

+ + + +
+

Para asignar los factores D, E y F hay varias opciones, o asignarlos en las columnas de las
interacciones de orden 2 o asignar un factor en la columna ABC y los otros dos factores en las
columnas de interaccin de orden 2. En el caso en que se asignen a las columnas de orden dos, el
diseo final sera
A B C D=AB E=AC F=BC

+
+
+
+

+
+

+ +
+

+
+

+ +

+ +

+
+ + +
+
+
+

20

Diseo de experimentos factoriales a dos niveles

y el diseo es de resolucin III al confundirse los efectos principales con las interacciones de
orden 2. Este diseo puede entonces escribirse como 2 63
III . Utilizando que D=AB se obtiene que
DD=I=ABD. Operando de esta forma se obtiene la siguiente ecuacin generatriz:
I = ABD = ACE = BCF.
Esta ecuacin puede ampliarse incorportando trminos de orden 4 superior, aunque en la prctica
suelen tener escaso inters. Aplicando que ABD=ACE, entonces ABDACE=BDCE=I. Anlogamente se tiene que (ABD)(BCF)=ACDF=I y tambin que (ACE)(BCF)=ABEF=I. Multiplicando
los trminos de tres en tres se tiene que (ABD)(ACE)(BCF)=DEF. La ecuacin generatriz completa es
I = ABD = ACE = BCF = DEF = BDCE = ACDF = ABEF.
La estructura de alias de los efectos principales es:
A = BD = CE = ABCF
B = AD = ABCE = CF
C = ABDF = AE = DF
D = AB = ACDE = BCDF
E = ABDE = AC = BCF E
F = ABDF = ACEF = BC
La segunda opcin para disear la fraccin consiste en asignar uno de los factores a la interaccin ABC. Si hubiese algn motivo para pensar que alguna interaccin de orden 2 fuese significativa
podra dejarse dicha columna libre y utilizar el resto de las columnas de interacciones para asignar
los factores restantes. Por ejemplo, si se sospechase que la interaccin AB pudiese ser significativa,
un diseo que no confundiese la interaccin AB con ningn factor principal sera
A

+
+

+
+

C D=AC E=BC F=ABC

+
+

+
+

+
+
+

+
+
+
+

que seguira siendo de resolucin III. Su ecuacin generatriz es:

I = ACD = BCE = ABCF.
De esta ecuacin se obtiene la siguiente estructura de alias de los efectos principales:
A = CD = ABCE = BCF
B = ABCD = CE = ACF
C = AD = BE = ABF
D = AC = BCDE = ABCDF
E = ACDE = BC = ABCEF
F = ACDF = BCEF = ABC

11.4 Fracciones

21

donde se comprueba que los efectos principales se confunden con interacciones de orden 2, excepto
con la interaccin AB, que se espera sea significativa, por lo que los efectos de inters pueden ser
estimados adecuadamente.
Si resolvemos este problema con el Statgraphics 4.0, utilizar por defecto el primero de los diseos. Es decir, asignara los factores adicionales a los efectos de orden 2. Si quisiesemos planear la
segunda opcin deberamos usar la opcin user specified design. Al decir al programa que deseamos
un diseo con 6 factores nos proporciona las siguientes opciones:

Si estamos interesados en un diseo de 8 experimentos seleccionaremos el diseo 2 63

III . El ordenador proporciona la siguiente estructura de alias completa:

Estructura de alias. Salida del Statgraphics 4.0

11.4.4.

Ampliacin de los diseos: diseos secuenciales

El anlisis de una fraccin se realiza de la misma forma que los diseos completos. La tabla
ANOVA nos dir qu efectos son significativos. Para resolver las confusiones se ha de emplear la
informacin adicional que se tenga sobre la posible significatividad de las interacciones. En caso de
duda se debe ampliar el experimento de forma que la interaccin de inters no tenga confusiones.

22

Diseo de experimentos factoriales a dos niveles

En general se cumplen las siguientes reglas

Es infrecuente que si dos factores no son significativos lo sean las interacciones
Los efectos principales suelen ser de mayor magnitud que las interacciones
63
Hay situaciones en las que pueden existir dudas. Veamos, por ejemplo, el diseo 2III
que
proporciona el Statgraphics para el ejemplo anterior. Supongamos que tras analizar los datos se
detecta que los contrastes 1,2 y 4 son significativos (ver figura ??). En ese caso existen varias
interpretaciones (suponiendo que las interacciones de orden 3 o mayores no son significativas)

Los factores A,B y D son significativos y no hay interacciones significativas

Los factores A, B y su interaccin AB son significativos. El factor D no es significativo ni
ninguna otra interaccin
Los factores A y D y su interaccin AD son los efectos significativos. El factor B no es
significativo ni ninguna otra interaccin
Los factores B y D y su interaccin BD son los efectos significativos. El factor A no es
significativo ni ninguna otra interaccin
Si no se posee informacin adicional para decidir cul de estas cuatro opciones es la ms
adecuada se debe ampliar el experimento. En este caso, el segundo diseo se tratara slamente
de un diseo con 3 factores A, B, y D donde la interaccin de tercer orden y las interacciones
AD y BD no seran significativas. Por tanto, una opcin econmica es realizar un diseo 23 donde
utilizaramos las interacciones no significaticas para calcular la VNE y poder hacer contrastes.
De esta forma, con un total de 8+8=16 experimentos habramos resuelto el anlisis, en lugar
de los 26 = 64 experimentos que requerira un diseo factorial completo. Esta forma de resolver
el problema: la aplicacin secuencial de diseos con el mnimo nmero de experimentos
posible, es la clave del diseo de experimentos en ingeniera.
Para el problema del ejemplo 4 se opta por el siguiente diseo 2 63
III :
A

+
+

+
+

C D=AB E=AC F=BC

+
+
+

+
+

+
+
+
+
+

Despus de realizarse los 8 experimentos se obtienen los siguientes datos

A

+
+

+
+

+
+
+
+

D
+

+
+

E
+

F Respuesta
+
3
+
15

20

34

15
+
19
+
36

11.4 Fracciones

23

Figura 11.5:
La estimacin de los parmetros (utilizando el criterio de los signos) proporciona las estimaciones que estn representadas en el siguiente diagrama de pareto (valores absolutos).
Este grfico sugiere que los factores E, F, C y sus interacciones son no significativos. De esta forma, sus grados de libertad se utilizan para estimar la varianza residual. La tabla ANOVA
resultante de no considerar estos efectos es

El resultado no es claro, pues no se sabe si los factores A, B y D son los efectos significativos o
slo lo son dos de ellos y su interaccin. El paso siguiente sera proponer un segundo experimento
con slo estos 3 factores.