Laboratorio de Ingeniería Química II

UAM - Azcapotzalco

DISEÑO
FACTORIAL
DE
EXPERIMENTOS
Dra. Mayra NOEMI LEVY (ISP-JAE, Cuba)

Dr. José Á. DAVILA GOMEZ (UAM-A, Méx)

Dr. José ROMERO CORTES (UAM-A, Méx)

Contenido
DISEÑO FACTORIAL .............................................................................................................................. 1
DE EXPERIMENTOS ................................................................................................................................ 1
1. Introducción al Análisis y Diseño de Experimentos ......................................................................... 2
1.1 Etapas mínimas requeridas en la planeación del experimento ......................................... 3
1.2 Necesidad de un buen diseño ................................................................................................ 5
1.3 Criterios utilizados para clasificar los diseños ..................................................................... 6
1.4 Ejemplo con variantes de diseño ................................................................................................... 6
1.5 Modelos matemáticos ..................................................................................................................... 8
1.5 Clasificación de los estudios experimentales ............................................................................... 9

México, D. F. Noviembre 2007

1
 Laboratorio de Ingeniería Química II
UAM - Azcapotzalco

1. Introducción al Análisis y Diseño de Experimentos

En las diversas disciplinas científico-académicas o ramas industriales,
experimentos son realizados para la obtención de información específica del
comportamiento de los procesos mediante la generación de datos. Por ejemplo
los ingenieros realizan experimentos para mejorar la calidad de los productos,
establecer nuevos parámetros o nuevas condiciones de operación que
incrementen el rendimiento, y los investigadores ambientales experimentan y
recolectan datos para determinar el efecto de las sustancias sobre los animales y
las plantas; por su parte, los investigadores sociales llevan a cabo experimentos,
entre otros, para determinar las causas de la existencia de ciertos patrones de
comportamiento humano.

Normalmente una investigación científica comienza con el planteamiento de

una hipótesis. Para probarla se lleva a cabo un experimento ― el cual es más
efectivo si se diseña apropiadamente para obtener la información deseada ―;
con los datos así obtenidos del experimento se evalúa la hipótesis original de tal
forma que con los resultados puedan comprobarse o sugerirse modificaciones
de esa hipótesis con lo que una nueva hipótesis es formulada.

Continuando de esta manera, se prueba la hipótesis, se ajusta y de esta forma

iterativa se lleva a cabo la investigación científica. Este proceso en general se
conoce como proceso de construcción de modelos y se representa
esquemáticamente a continuación:

Experimentos (datos)

Análisis de Análisis de
resultados resultados

Diseño Diseño
experimental experimental

Hipótesis (modelo)

Figura 1.1 Método de investigación científica simplificado

En la figura 1.1 se muestran los dos papeles que en el proceso de investigación

puede la Estadística jugar, estos son, el diseño y el análisis. De estos dos, el
diseño es el más importante ya que pobre información podrá ser obtenida de un
experimento mal diseñado, aunque sean utilizadas las herramientas más
sofisticadas. Un buen diseño puede brindar una clara visión del proceso bajo
estudio, aún utilizando los métodos de análisis más simples.

2
 Laboratorio de Ingeniería Química II
UAM - Azcapotzalco

Los propósitos para experimentar pueden ser muy diversos, por ejemplo en el
campo de la Ingeniería Química es frecuente encontrar como aspecto de interés,
el determinar cuánto debe cambiar el valor de una variable o medida para
afectar otras variables, por ejemplo determinar el efecto de incrementar los
niveles de cobre en el agua sobre la vida de los peces.

Otro propósito al experimentar puede estar encaminado a comparar las

diferencias entre las medias estadísticas de una variable para diversos grupos.
Por ejemplo en un estudio sobre la posible discriminación por género en el
ingreso a la Universidad, se puede querer comparar la calificación media en el
examen de selección (primera variable) para hombres y mujeres (valores de la
variable género); otro ejemplo sería si se tienen tres diferentes tipos de un
catalizador para la obtención de un producto, siendo el interés la evaluación de
su efectividad para elevar el rendimiento del mismo, todo ello manteniendo
constantes las condiciones de operación.

Por otra parte, no sólo es necesario comprender la importancia de realizar un

experimento, sino que éste debe ser planeado para que con el mínimo de
recursos a utilizar se haga lo indispensable para poder llegar a conclusiones
válidas, en correspondencia con los propósitos fijados. Para cumplir con las
expectativas anteriores, lo más conveniente es realizar un diseño de
experimentos, esto es que el experimentador previa y conscientemente, planee
la estructura del mismo.

En estos casos, el experimentador debe determinar las variables que serán

medidas, los rangos de valores de interés para el estudio de esas variables, el
orden en el cual sus diferentes combinaciones serán corridas y en general el
conjunto de experimentos a realizar de forma tal que los datos que se obtengan
puedan ayudar a dar respuesta apropiada a las preguntas formuladas.

Hay varios pasos requeridos para establecer un conjunto de experimentos. La

mayoría de los problemas incluyen los pasos que se establecen más abajo, lo
cual se ilustrará con un ejemplo a continuación.

Una compañía produce láminas metálicas y quiere mejorar la dureza de las

mismas. Se considera que la dureza de las láminas está principalmente
determinada por dos sustancias químicas A y B que son usadas en la
producción de la aleación metálica. Es de interés estudiar las relaciones entre las
cantidades de estas dos sustancias y la dureza de la lámina metálica, por ello, a
continuación se presenta un conjunto de pasos mínimos que son indispensables
acometer en un estudio experimental al respecto.

1.1 Etapas mínimas requeridas en la planeación del experimento

1. Objetivo. El primer paso es determinar los objetivos y alcance del

experimento. En el problema planteado el objetivo deseado es determinar

3
 Laboratorio de Ingeniería Química II
UAM - Azcapotzalco

las relaciones entre las cantidades de las sustancias químicas A y B con la

dureza del metal.

2. Variable respuesta (o dependiente). El próximo paso es definir la variable

respuesta para el problema. Ésta es la variable principal y la afectada por las
otras variables. En el caso que nos ocupa, la variable dependiente es la
dureza de la lámina y se asume que las otras variables, esto es, las
cantidades de las sustancias A y B afectan la misma.

3. Variables independientes. A continuación se requiere establecer las

variables independientes, las cuáles son aquéllas que potencialmente afectan
la variable respuesta. Las variables independientes podrán ser controlables,
no controlables o, incluso, constantes durante la realización del experimento.

Son llamadas variables controlables aquéllas que se varían intencionalmente

por el experimentador y son las que se consideran factores para el
experimento. En el ejemplo, los factores son las cantidades de A y B, ya que
éstas pueden ser establecidas por el experimentador; ellas serán las variables
a controlar.

Las variables que el experimentador no controla, generalmente por que no

puede, son llamadas variables no controladas, ejemplos de ellas pueden ser la
humedad, la temperatura ambiente, y otros factores que pudieran influir,
pero que no son controlables por el experimentador.

En algunos experimentos una o más variables son mantenidas constantes a

través de los mismos. En el ejemplo es la cantidad de otra sustancia C, que
se mantiene constante al cambiar A y B.

4. Niveles. Por cada factor el experimentador tiene que escoger los diferentes
niveles o valores que el factor asumirá durante el experimento. En algunas
situaciones los niveles son obvios y ninguna selección tiene que realizarse,
por ejemplo si el factor es el género entonces son claramente dos niveles los
posibles a considerar, esto es, masculino y femenino.

En el caso general, sin embargo, la situación no está siempre tan definida y

el investigador necesita determinar, cuántos y cuáles son los niveles a
considerar para cada factor. En la mayoría de los estudios se contemplan dos
o tres niveles por factor, por ejemplo en el problema que se analiza se
considerará dos niveles para A (alto y bajo) y de forma similar para B.

Así, si A tiene dos niveles: alto (H) y bajo (L), y B tiene tres niveles: alto (H),
medio (M) y bajo (L), entonces las diferentes corridas experimentales
posibles serían:

4
 Laboratorio de Ingeniería Química II
UAM - Azcapotzalco

Niveles Corridas
A H H H L L L
B H M L H M L

5. Diseño. El experimentador ahora necesita seleccionar un diseño para el

experimento. Para ello se tendrá que considerar diferentes aspectos
importantes y entre las muchas decisiones importantes que deben ser
tomadas se encuentran entre otras, las siguientes:

¿Cuáles de las corridas serán realizadas: todas, la mitad, cuál mitad…etc.?

¿Deben ser replicadas las corridas? Si es así ¿cuántas veces y cuáles? ¿En qué
orden deben realizarse las corridas? ¿Cuál debe ser la primera y cuál la
última?

6. Experimentación. Después de toda esta preparación cuidadosa el

experimento es realizado de acuerdo a las decisiones tomadas y los
diferentes datos de la variable respuesta (dependiente) son obtenidos.

7. Análisis de los datos y conclusiones. El conjunto de datos obtenido a partir

del diseño de experimentos -en correspondencia con las decisiones tomadas
previamente- es ahora analizada con el objetivo de responder las preguntas
inicialmente formuladas. Finalmente, las conclusiones son presentadas sobre
la base de los datos obtenidos.

1.2 Necesidad de un buen diseño

La primera consideración en un diseño experimental es la obtención de la

información del proceso bajo estudio en una forma (modelo) tan poco ambigua
como sea posible. Podrían existir dudas acerca del modelo a seleccionar, en este
caso se sigue la regla “el más simple es el mejor”.

La información acerca del modelo del proceso debe ser tan precisa como sea
posible, lo que se puede lograr haciendo el número de corridas experimentales
adecuado (tan grande como sea posible), y evaluando cuidadosamente los
aspectos económicos asociados a la experimentación. Un criterio más racional es
establecer estratégicamente los valores de las variables independientes para
cada corrida siendo ello una de las ventajas del diseño experimental.

Hay varias razones para tratar de garantizar un buen diseño, entre las más
importantes se encuentran las siguientes:

 Se requiere asegurar que los datos obtenidos en las corridas

experimentales son suficientes para dar respuesta confiable a las
preguntas del objetivo.

5
 Laboratorio de Ingeniería Química II
UAM - Azcapotzalco

 La variable respuesta varía de una corrida a otra, debido principalmente

a los diferentes valores de las variables controladas (factores) y en parte a
las no controladas. Se necesita establecer un diseño de forma tal que la
variabilidad en la respuesta debido a las variables no controladas,
llamada error experimental, no sea tan grande o similar que enmascare
los efectos de las variables controladas.

Por ejemplo, en el problema de la lámina metálica, la variación de la

dureza de las mismas debido a la temperatura y humedad (variables no
controladas), podría ser tan grande que los efectos debidos a las
cantidades de las sustancias A y B no serían detectables.
 Se requieren diseños experimentales eficientes, esto es, diseños donde se
pueda alcanzar la respuesta (objetivo) con una mínima cantidad de
datos, debido a los costos asociados con la obtención de los datos y el
tiempo de experimentación.

1.3 Criterios utilizados para clasificar los diseños

Hay diferentes tipos de diseños de experimentos los cuáles son clasificados

de acuerdo a sus características. Algunos de los criterios utilizados para ello
son:

 Número de factores.
 Tipos de factores: variables cualitativas versus variables cuantitativas (o
numéricas), variables fijas o aleatorias, número de niveles, etc.
 Tipos de aleatoriedad utilizada, esto es, cómo la asignación de los niveles
se realiza.
 Estructura de las réplicas o sea, cuántas veces cada corrida experimental
se repite.
 Relación entre los factores.

1.4 Ejemplo con variantes de diseño

A continuación se plantea un problema con el objetivo de que pueda

comprenderse con mayor claridad la existencia de diferentes diseños para un
experimento.

<< En un estudio ambiental se desea desarrollar un experimento con el objetivo

de determinar en qué medida el nivel de concentración de cobre afecta la vida
acuática. Para ello se estudiarán las afectaciones que sobre el tiempo de vida de
las mojarras tilapia tiene la existencia de diferentes concentraciones de cobre en
el agua.

Factor de interés (variable independiente): cantidad de cobre en el agua

6
 Laboratorio de Ingeniería Química II
UAM - Azcapotzalco

Niveles de cobre: 0 (grupo control)

20 mg/l
40 mg/l

El grupo control es un nivel del factor que es esencialmente usado como

condición base y usado para comparaciones con otros niveles del factor. En este
caso algunas variables no controladas en principio incluyen el sexo, las
condiciones físicas de las tilapia, la temperatura del agua y otras.

En el experimento se utilizarán 30 mojarras tilapia de la misma edad. >>

Diseño I
Un posible diseño para este experimento es tener 30 cámaras separadas, una
para cada tilapia. En este caso se asignan 10 tilapia para cada nivel de cobre. La
representación tabla sería como sigue:

Nivel Corridas experimentales

0 * * * * * * * * * *
20 * * * * * * * * * *
40 * * * * * * * * * *

Diseño II
Otro posible diseño podría ser sobre la base de tener sólo 6 cámaras
separadas. En ese caso se escogerían aleatoriamente dos cámaras para cada
nivel de cobre y las 30 tilapia son asignadas también aleatoriamente, a las 6
cámaras. En cada una de ellas se tendrían 5 tilapia. La estructura del diseño en
este caso se muestra a continuación.

Nivel Cámara 1 Cámara 2

0 * * * * * * * * * *
20 * * * * * * * * * *
40 * * * * * * * * * *

Aún cuando el objetivo se mantiene, el diseño de experimentos es diferente. El

experimentador necesita seleccionar el diseño que mejor se ajusta a sus
expectativas. En algunos casos el diseño a utilizar depende del tipo de pregunta
y análisis a realizar en la etapa de los resultados y conclusiones.

Algunas preguntas típicas u objetivos que pueden ser de interés en un

problema son:

¿Existen diferencias entre las medias de la variable respuesta para los diferentes
niveles de un factor?
¿Cuál es el factor o factores que más influyen en una variable respuesta?
Determinar una relación funcional entre los factores (variables independientes)
y la variable respuesta (dependiente).

7
 Laboratorio de Ingeniería Química II
UAM - Azcapotzalco

¿Cómo los factores se relacionan unos con otros?

Determinar los valores de los factores que maximizan o minimizan la variable
respuesta.

De acuerdo al objetivo trazado el experimentador debe decidir el tipo de diseño

a utilizar, iniciando la planeación del mismo.

1.5 Modelos matemáticos

Un modelo matemático es una expresión cuantitativa de la relación entre

las variables operativas independientes seleccionadas y una (o más) respuestas o
variables dependientes.

Un modelo matemático puede expresarse, en general, como:

  f(x, )
dónde,
: función de respuesta teórica del modelo
x: (x1, x2, ......xk): vector de las variables independientes
: (1, 2, ....k): vector de los parámetros del modelo (a menudo
constantes físicas).

Una forma útil de representar la función de respuesta es mediante superficies

de respuesta como la que se muestra en la figura 2.

C Contornos de
rendimiento
constante

96%
92%
88%

Figura 1.2. Contornos de rendimiento

Un problema típico de análisis de datos es estimar los parámetros desconocidos

en un modelo propuesto a partir de datos experimentales. El valor medido, u
observado, se designa por un símbolo diferente a la respuesta esperada por el
modelo, y.
y = f(x , ) + 

8
 Laboratorio de Ingeniería Química II
UAM - Azcapotzalco

donde : término residual, igual a y - 

Ahora bien, un modelo puede ser determinístico o empírico. El modelo

determinístico se desarrolla a partir de la teoría de los fenómenos físicos y
químicos que gobiernan el proceso, lo que implica conocer claramente esa
fenomenología; y por su parte, el modelo empírico, como resultado de un
conjunto de observaciones experimentales, es una descripción aproximada del
proceso en forma de expresiones algebraicas simples, generalmente polinomios
de bajo grado y tiene poca información acerca de los mecanismos del proceso y
sólo serán válidos en una región de operación restringida.

Los modelos determinísticos son ampliamente utilizados por la metodología de

la investigación científica y los empíricos por la metodología tecnológica. Estos
últimos son muy útiles al menos en tres situaciones:

 Cuando el conocimiento es insuficiente para formular un modelo

determinístico.
 Cuando el modelo determinístico es tan complejo que hace
económicamente impracticable su uso.
 Cuando sólo interesa una región restringida de operación.

Es raro que un modelo sea totalmente empírico o determinístico, lo más

frecuente es que estén presentes ambos componentes.

1.5 Clasificación de los estudios experimentales

En la tabla 1.1 se resume la clasificación de los estudios experimentales,

la cual se debe a Box. Los tipos considerados son los de tamizado, construcción
de modelos empíricos, construcción de modelos determinísticos y los de ajustes
de estos. En todos los casos se trata de obtener información general de un
modelo determinístico de la forma:
Y = f(x, ) + e

Al comenzar una investigación hay numerosas variables que potencialmente

pueden influir en la respuesta de interés y por tanto es necesario identificar
aquellas que realmente lo hacen. Un útil diseño de experimentos, conocido
como tamizado es aquel que sólo toma en cuenta dos niveles para cada unos de
los factores considerados, en este caso, en cada corrida experimental sólo se
modifica un factor manteniendo constante el resto de los factores y así evaluar
aquellos que producen cambios significativos

Los modelos empíricos se plantean en general cuando la determinación del

modelo determinístico es impracticable. La construcción de estos modelos se
estudiará posteriormente. En los procesos químicos, los modelos
determinísticos son generalmente no lineales y la estimación de los parámetros

9
 Laboratorio de Ingeniería Química II
UAM - Azcapotzalco

es un problema difícil. De particular importancia son las pruebas del modelo

ajustado donde se determina cuándo el modelo representa adecuadamente el
proceso, así como en que medida éste es inadecuado. Este tipo de información
se obtiene a partir de un minuciosos estudio de los residuos.

Existen diseños de experimentos apropiados para estas situaciones Un caso de

particular interés es cuando se requiere discriminar el mejor modelo entre
varios que resultan satisfactorios. En esta situación el diseño de experimentos
debe fijar las condiciones que permitan llegar a conclusiones al respecto.

En el caso en que ya está definido un modelo al menos tentativo, lo que queda

es diseñar las corridas experimentales que permitan obtener estimados precisos
de los parámetros desconocidos del modelo propuesto, así como comprobar si
el modelo propuesto es adecuado o no.

Tabla 1.1 Clasificación de los estudios experimentales

Información Objetivos del estudio Tipos de
Clase
desconocida experimental estudios
De un número grande de los
f
valores x1, x2...... xm,
1 x Tamizado
determinar cuáles son los que

afectan la respuesta
Para obtener una descripción
aproximada de la relación entre
X y Y: Y = g(X, ) + e
g: es una aproximación de la
verdadera función f Construcción
f
2 X: vector de las variables de modelos

independientes empíricos
: parámetros a determinar en el
modelo aproximado
e: término residual en el modelo
aproximado g
Para determinar la relación Construcción
f
3 funcional verdadera entre X y Y de modelo

Y = f(X, ) + e determinístico
Para hallar los mejores
estimados de los parámetros Ajuste del
4  desconocidos modelo
 = (1, ....... p) en el modelo determinístico
propuesto

10