5-4 DISEÑO FACTORIAL GENERAL 197

EJEMPLO 5..3 ó ••••••••••••••••••••••••••••••••••••••••••••••••••••••

El problema del embotellado de un refresco

Una empresa embotelladora de refrescos está interesada en obtener alturas de llenado más uniformes en
las botellas que se fabrican en su proceso de manufactura. Teóricamente, la máquina de llenado llena cada
botella a la altura objetivo correcta, pero en la práctica, existe variación en torno a este objetivo, y a la embo-
telladora le gustaría entender mejor las fuentes de esta variabilidad y, en última instancia, reducirla.
El ingeniero del proceso puede controlar tres variables durante el proceso de llenado: el porcentaje
de carbonatación (A), la presión de operación en el llenador (B) y las botellas producidas por minuto o ra-
pidez de línea (e). Es sencillo controlar la presión y la rapidez, pero el porcentaje de carbonatación es
más difícil de controlar durante la manufactura real debido a que varía con la temperatura. Sin embargo,
para los fines de un experimento, el ingeniero puede controlar la carbonatación en tres niveles: 10, 12 Y14
por ciento. Elige dos niveles para la presión (25 y 30 psi) Ydos niveles para la rapidez de línea (200 y 250
bpm). El ingeniero decide correr dos réplicas de un diseño factorial con estos tres factores, haciendo las
24 corridas de manera aleatoria. La variable de respuesta observada es la desviación promedio de la altu-
ra del llenado objetivo que se observa en una corrida de producción de botellas con cada conjunto de con-
diciones. En la tabla 5-13 se muestran los datos que resultaron de este experimento. Las desviaciones
positivas son alturas de llenado arriba del objetivo, mientras que las desviaciones negativas son alturas de
llenado abajo del objetivo. Los números encerrados en círculos de la tabla 5-13 son los totales de las cel-
das de tres vías Yijk.'
La suma de cuadrados total corregida que se encuentra con la ecuación 5-27 es
a b e n 2 y'~.
SST = ~~~~ Yijki - aben

= 571- (75)2,= 336.625

24

Tabla 5-13 Datos de la desviación de la altura de llenado del ejemplo 5-3

Presión de operación (B)
25 psi 30 psi
Porcentaje de Rapidez de línea (C) Rapidez de línea (C)
carbonatación (A) 200 250 200 250
C[\ C[\ 1
10 -3
-1
Gj:\
'0
-1
O c.v
-1
O c.v 1 (3) -4
'5'
12 ~ CD i ® 2
3 \:!.../
6
5 @ 20

14 ¡ ® ~ @ 7
9
fí6\
~
10
11 @ 59

Totales B x CY.jk. 6 15 20 34 75 = Y....

Y.j.. 21 54
TbtalesA x B TotalesA x C
Yij.. Yi.k.
B C
A 25 30 A 200 250
10 -5 1 10 -5 1
12 4 16 12 6 14
14 22 37 14 25 34
1 1

1\
I
198 CAPÍTULO 5 INTRODUCCIÓN A LOS DISEÑOS FACTORIALES

y las sumas de cuadrados de los efectos principales que se calculan con las ecuaciones 5-28, 5-29 Y5-30 son
1 a 2
SS =-~ 2_~
Carbonatación ben -f::; Yi... aben

= ~[(_4)2 +(20)2 +(59)2]- (7;{ = 252.750

1 b 2
SS =_~ 2_~
Presión aen LJ y.j.. aben
]=1

1
= 12 [(21)2 +(54)2]- (7;{ = 45.375

y
1 e 2
SS . = _ V y 2 -~
Rapidez abn L.J .. k. aben
k=1

1
= 12 [(26)2 +(49)2 ]_ (7;{ = 22.042

Para calcular las sumas de cuadrados de las interacciones de dos factores, se deben encontrar los tota-
les de las celdas de dos vías. Por ejemplo, para encontrar la carbonatación-presión o interacciónAB, se
necesitan los totales de las celdas A x B {Yij.) que se muestran en la tabla 5-13. Utilizando la ecuación
5-31, se encuentra que las sumas de cuadrados son
1 a b 2
SS = - ~~ Y~ -~-SS -SS
AB en ~LJ y.. aben A B
¡=1 ]=1

1 (75)2
= -[(_5)2 +(1)2 +(4)2 +(16)2 +(22)2 +(37)2 ] - - - - 252.750- 45.375
4 . ~

= 5.250
Para la carbonatación-rapidez o interacciónAC se usan los totales de las celdasA x C {YUe} que se mues-
tran en la tabla 5-13 y la ecuación 5-32:
1 a e 2
SS AC = -b L L Y~k. - yb···· - SSA - SS C
n i=1 k=l a en

= ¡[(_5)2 +(1)2 +(6)2 +(14)2 +(25)2 +(34)2]- (7;{ - 252.750- 22.042

= 0.583
La presión-rapidez o interacción BC se encuentra con los totales de las celdas B x C {y Jk} que se mues-
tran en la tabla 5-13 y la ecuación 5-33:
1 b e 2

SSBC = ~ LL Y.~k. -~-SSB -SSC

an j=1 k=1 aben

=i[(6)2 +(15)2 +(20)2 +(34)2]- (7;{ - 45.375- 22.042

= 1.042
 5-4 DISEÑO FACTORIAL GENERAL 199

La suma de cuadrados de la interacción de los tres factores se encuentra con los totales de las celdas
.Á. B X e {Yijk.}, los cuales están encerrados en un círculo en la tabla 5-13. Por la ecuación 5-34a se en-
X
cuentra
1 a b e Y.~.
SSABC = - LLL
n ;=1 j=l k=l
2
Yijk. ----SSA -SSB -SSC -SSAB -SSAC -SSBC
aben
1 2 (75) 2
= -[(-4)- ? ? ?
+(-1)- +(-1)- +···+(16)- +(21) ] - -
?

2 24
- 252.750- 45.375- 22.042- 5.250- 0.583-1.042
= 1.083
por último, al observar que
1 a b e 2

SSsublotaleS(ABC) =-;; LLL 2 y...

,. --b-=
Y¡ik a en
328125
.
;=1 j=l k=l

se tiene
SSE = SST - SS Subtotales(ABC)
= 336.625- 328.125
= 8.500
En la tabla 5-14 se resume el análisis de varianza. Se observa que el porcentaje de carbonatación, la
presión de operación y la rapidez de línea afectan significativamente el volumen de llenado. El cociente F
de la interacción carbonatación-presión tiene un valor P de 0.0558, lo cual indica cierta interacción entre
estos factores.
El siguiente paso deberá ser un análisis de los residuales de este experimento. Se deja como ejercicio
para el lector, pero se señala que la gráfica de probabilidad normal de los residuales y los demás diagnós-
ticos usuales no indican ningún motivo de preocupación importante.
Como ayuda para la interpretación práctica de este experimento, en la figura 5-16 se grafican los tres
efectos principales y la interacciónAB (carbonatación-presión). Las representaciones de los efectos princi-
pales son sólo gráficas de los promedios de las respuestas marginales para los niveles de los tres factores.
Observe que las tres variables tienen efectos principales positivos; es decir, el incremento de la variable
mueve hacia arriba la desviación promedio dell1enado objetivo. La interacción entre la cabonatación y la
;·'1
presión es bastante pequeña, como lo indica la forma similar de las dos curvas de la figura 5-16d. I

Puesto que la empresa quiere que la desviación promedio del llenado objetivo esté cerca de cero, el
ingeniero decide recomendar el nivel bajo de la presión de operación (25 psi) y el nivel alto de la rapidez
de línea (250 bpm, que maximizará la rapidez de producción). En la figura 5-17 se grafica la desviación

Tabla 5-14 Análisis de varianza del ejemplo 5-3

Suma de Grados de Cuadrado
Fuente de variación cuadrados libertad medio Fa Valor P
Porcentaje de carbonatación (A) 252.750 2 126.375 178.412 <0.0001
Presión de operación (B) 45.375 1 45.375 64:059 <0.0001
Rapidez de línea (C) 22.042 1 22.042 31.118 0.0001
AB 5.250 2 2.625 3.706 0.0558
AC 0.583 2 0.292 0.412 0.6713
BC 1.042 1 1.042 1.471 0.2485
ABC 1.083 2 0.542 0.765 0.4867
Error 8.500 12 0.708
Total 336.625 23
200 CAPÍTULO 5 INTRODUCCIÓN A LOS DISEÑOS FACTORIALES
o 8 8
-o
co
1::

ª
Qi
-o
o
6 6

'O
"
E
~
o.
1::
-o
o¡¡
4

2
4

2 /
o;;co O O
lI)

o"
-2 A -2 B
10 12 14 25
Porcentaje de carbonatación (Al Presión (B)
al bl

10

o
-o 8
co
1::

ª
Qi
-o
o
6 6

'O 4 4
"
E
~
o.
1::
00
o¡¡
2 / 2
co
o;; O
lI)
O
o"
-2 C -2 A
200 250 10 12 14
Rapidez de linea (Cl Interacción
el carbonatación-presión
dI
Figura 5-16 Gráficas de los efectos principales y la interacción del
ejemplo 5-30 a) Porcentaje de carbonatación (A), b) presión (B), e) ra-
pidez de línea (e), d) interacción carbonatación-presióno

promedio observada de la altura de llenado objetivo con los tres diferentes niveles de carbonatación para
este conjunto de condiciones de operación. Ahora, el nivel de la carbonatación no puede actualmente
controlarse perfectamente en el proceso de manufactura, y la distribución normal indicada con la línea
continua de la figura 5-17 es una aproximación de la variabilidad de los niveles de carbonatación que se

o 8
-o
co
1::

"
=co
"0-
-oE 6
~I:: Distribución mejorada del
:::loa
~'Cii porcentaje de carbonatación
co"
JEa
,,>
4
-oco
0-o""co 2
~lii
E-o
0-
0~o.
o.~
1::1:: O
:Q o
uu
co
o;;
lI)
-2
"
o 10 12 14
Porcentaje de carbonatación (Al

Figura 5·17 Desviación promedio de la altura de llenado

con rapidez alta y presión baja para diferentes niveles de
carbonatacióno
 5-5 AJUSTE DE CURVAS YSUPERFICIES DE RESPUESTA 201

registran actualmente. Como el proceso es impactado por los valores del nivel de carbonatación sacado
de esta distribución, la fluctuación de las alturas de llenado será considerable. Esta variabilidad de las al-
turas de llenado podría reducirse si la distribución de los valores del nivel de carbonatación siguieran la
distribución normal indicada con la línea punteada de la figura 5-17. La reducción de la desviación están-
dar de la distribución del nivel de carbonatación se consiguió finalmente mejorando el control de la tem-
peratura durante la manufactura.
.... ... . ......... . .............. ........................ ............ . ....
Se señaló ya que si todos los factores de un experimento factorial son fijos, la construcción del esta-
dístico de prueba es directa. El estadístico para probar cualquier efecto principal o interacción se forma
siempre dividiendo el cuadrado medio del efecto principal o la interacción por el cuadrado medio del
error. Sin embargo, si el experimento factorial incluye uno o más factores aleatorios, la construcción del
estadístico de prueba no siempre se hace de esta manera. Es necesario examinar los cuadrados medios es-
perados para determinar las pruebas correctas. La revisión completa de los experimentos con factores
aleatorios se pospone hasta el capítulo 12.

5~5 AJUSTE DE CURVAS y SUPERFICIES DE RESPUESTA

Se ha visto que puede resultar útil ajustar una curva de respuesta a los niveles de un factor cuantitativo
para que el experimentador cuente con una ecuación que relacione la respuesta con el factor. Esta ecua-
ción podría utilizarse para hacer interpolaciones, es decir, para predecir la respuesta en niveles interme-
dios entre los factores, respecto de los que se utilizaron realmente en el experimento. Cuando al menos
dos de los factores son cuantitativos, puede ajustarse una superficie de respuesta para predecir y con va-
rias combinaciones de los factores del diseño. En general, se usan métodos de regresión lineal para ajus-
tar estos modelos a los datos experimentales. Este procedimiento se ilustra en la sección 3-5.1 para un
experimento con un solo factor. A continuación se presentan dos ejemplos que incluyen experimentos
factoriales. Se utilizará un paquete de software de computadora para generar los modelos de regresión.
Para mayor información acerca del análisis de regresión, referirse al capítulo 10 y al material suplementa-
rio del texto de este capítulo.

EJEMPLO 5~4 .
Considere el experimento que se describe en el ejemplo 5-1. El factor temperatura es cuantitativo y el tipo
de material es cualitativo. Además, hay tres niveles de la temperatura. Por consiguiente, puede calcularse
un efecto de la temperatura lineal y uno cuadrático para estudiar la forma en que la temperatura afecta la
vida de la batería. En la tabla 5-15 se presenta la salida condensada de Design-Expert para este experimen-
to, donde se supone que la temperatura es cuantitativa y el tipo de material es cualitativo.
El análisis de varianza de la tabla 5-15 indica que la fuente de variabilidad "modelo" se ha subdividi-
do en varios componentes. Los componentes "A" Y"A 2" representan los efectos lineal y cuadrático de
la temperatura, y "B" representa el efecto principal del factor tipo de material. Recuerde que el tipo de ma-
terial es un factor cualitativo con tres niveles. Los términos "AB" y "A2B" son las interacciones delfactor tem-
peratura lineal y cuadrático con el tipo de material.
Los valores P indican queA 2 y AB no son significativos, mientras que el términoA 2B es significativo.
Con frecuencia se piensa en eliminar los términos o factores no significativos del modelo, pero en este
P"
"

Tabla 5-15 Salida de Design-Expert para el ejemplo 5-4

Response: Life in hr
ANOVA for Response Surface Reduced Cubic Model
Analysis of variance table [Partial sum of squares]
Sum of Mean F
Source Squares DF Square Value Prob> F
Model 59416.22 8 7427.03 11.00 <0.0001 significant
A 39042.67 1 39042.67 57.82 <0.0001
a 10683.72 2 5341.86 7.91 0.0020
A2 76.06 1 76.06 0.11 0.7398
Aa 2315.08 2 1157.54 1.71 0.1991
Na 7298.69 2 3649.35 5.40 0.0106
Residual 18230.75 27 675.21
Lack of Fit 0.000 O
Pure Error 18230.75 27 675.21
Cor Total 77646.97 35
Std. Dev. 25.98 R-Squared 0.7652
Mean 105.53 Adj R-Squared 0.6956
C.V. 24.62 Pred R-Squared 0.5826
PRESS 32410.22 Adeq Precision 8.178
Coefticient Standard 95%CI 95%CI
Term Estimate DF Error Low High VIF
Intercept 107.58 1 7.50 92.19 122.97
A-Temp -40.33 1 5.30 -51.22 -29.45 1.00
B[1] -50.33 1 10.61 -72.10 -28.57
B[2] 12.17 1 10.61 -9.60 33.93
N -3.08 1 9.19 -21.93 15.77 1.00
AB[1] 1.71 1 7.50 -13.68 17.10
AB[2] -12.79 1 7.50 -28.18 2.60
NB[1] 41.96 1 12.99 15.30 68.62
NB[2] -14.04 1 12.99 -40.70 12.62
Final Equation in Terms of Coded Factors:
Life =
+107.58
-40.33 *A
-50.33 *B[1]
+12.17 *B[2]
-3.08 *N
+1.71 *AB[1]
-12.79 *AB[2]
+41.96 *NB[1]
-14.04 *NB[2]
Final Equation in Terms of Actual Factors:
Material Type 1
Life =
+169.38017
-2.48860 *Temp
+0.012851 *Temp 2

Material Type 2
Life =
+159.62397
-0.17901 *Temp
+0.41627 *Temp 2
Material Type 3
Life =
+132.76240
+0.89264 *Temp
-0.43218 *Temp 2
 5-5 AJUSTE DE CURVAS Y SUPERFICIES DE RESPUESTA 203

caso eliminar A 2 YAB Yconservar A 2B resultará en un modelo que no es jerárquico. El priucipio de jerar-
quía establece que si un modelo contiene un término de orden superior (tal comoA 2B), deberá contener
también todos los términos de orden inferior que lo componen (A 2 y AB en este caso). La jerarquía pro-
mueve un tipo de consistencia interna en un modelo, y muchos constructores de modelos estadísticos si-
guen rigurosamente este principio. Sin embargo, la jerarquía no es siempre una buena idea, y muchos
modelos en realidad funcionan mejor como ecuaciones de predicción que no incluyen los términos no sig-
nificativos que propone la jerarquía. Para mayor información, ver el material suplementario del texto de
este capítulo.
La salida de computadora incluye también estimaciones de los coeficientes del modelo y una ecua-
ción para la predicción final de la vida de la batería en términos de factores codificados. En esta ecuación,
los niveles de la temperatura sanA = -1, 0, + 1, respectivamente, cuando la temperatura está en los nive-
les bajo, intermedio y alto (15,70, 125°F). Las variables B[l] YB[2] son variables iudicadoras codificadas
que se definen de la siguiente manera:
---------,-----
Tipo de material
123
B[l] 1 O -1
B[2] O 1 -1

Hay también ecuaciones para la predicción de la vida de la batería en términos de los niveles de los facto-
res reales. Observe que como el tipo de material es un factor cualitativo, hay una ecuación para la vida
predicha como una función de la temperatura para cada tipo de material. En la figura 5-18 se muestran

188 •

• •
146

~ 104

62

20 ••
15.00 42.50 70.00 97.50 125.00

Temperatura

Figura 5-18 La vida predicha como una función de la temperatura para los tres ti-
pos de material, ejemplo 5-4.
ffr""!

204 CAPÍTULO 5 INTRODUCCIÓN A LOS DISEÑOS FACTORIALES

las curvas de respuesta generadas por estas tres ecuaciones de predicción. Compárense con la gráfica de
la interacción de dos factores para este experimento de la figura 5-9.

Si varios de los factores de un experimento factorial son cuantitativos, puede usarse una superficie de
respuesta para modelar la relación entre y y los factores del diseño. Además, los efectos de los factores
cuantitativos pueden representarse con efectos polinomiales con un solo grado de libertad. De manera si-
milar, es posible hacer la partición de las interacciones de factores cuantitativos en componentes de inter-
acción con un solo grado de libertad. Esto se ilustra en el ejemplo siguiente.

EJEMPLO 5~5 .
Se piensa que la vida efectiva de una herramienta de corte instalada en una máquina controlada numéri-
camente se afecta por la velocidad de corte y el ángulo de la herramienta. Se seleccionan tres velocidades
y tres ángulos, y se lleva a cabo un experimento factorial con dos réplicas. En la tabla 5-16 se muestran los
datos codificados. Los números de las celdas encerrados en círculos son los totales de las celdas {yij)'
En la tabla 5-17 se presenta la salida condensada de Design-Expen para este ejemplo. Los términos A
y A 2 son los efectos lineal y cuadrático del ángulo de la herramienta, y By B 2 son los efectos lineal y cua-
drático de la velocidad. Los términosAB,A 2B,AB 2 y A 2B 2 representan los componentes lineal x lineal,
cuadrático x lineal, lineal x cuadrático y cuadrático x cuadrático de la interacción de dos factores. Aun
cuando hay algunos valores P grandes, se han conservado todos los términos del modelo para respetar la
jerarquía. En la ecuación de predicción expresada en factores codificados se utilizan los niveles -1, OY+ 1
de A y B para representar los niveles bajo, intermedio y alto, respectivamente, de estos factores.
En la figura 5-19 se presenta la gráfica de contorno de la superficie generada por la ecuación de pre-
dicción de la vida de la herramienta. El examen de esta superficie de respuesta indica que la vida máxima
de la herramienta se consigue con velocidades de corte de alrededor de 150 rpm y ángulos de la herra-
mienta de 25°. La gráfica de la superficie de respuesta tridimensional de la figura 5-20 proporciona en
esencia la misma información, pero ofrece una perspectiva diferente, y en ocasiones más útil, de la super-
ficie de respuesta de la vida de la herramienta. La exploración de las superficies de respuesta es un aspec-
to muy importante del diseño experimental, el cual se estudiará en detalle en el capítulo 11.

Tabla 5-16 Datos del experimento de la vida de la herramienta de corte

Ángulo de la herramienta Velocidad de corte (pulg/min)
(grados) 125 150 175 Yi..
15 -2 -3 2
-1 @ O
@ 3 0) -1
20 O 1 4
2
(1) 3
G) 6
@ 16
25 -1 5 O
O @ 6
@ -1
@ 9

Y.j. -2 12 14 24 = Y...
 s-s AJUSTE DE CURVAS Y SUPERFICIES DE RESPUESTA 205
Tabla 5-17 Salida de Design-Expert para el ejemplo S-S
Response: Life in Hours
ANOVA for Response Surface Reduced Order 4 Model
Analysis of variance table [Partial sum of squares]
Sum of Mean F
Source Squares DF Square Value Prob> F
Model 111.00 8 13.87 9.61 0.0013 significant
A 49.00 1 49.00 33.92 0.0003
B 16.00 1 16.00 11.08 0.0088
A2 0.000 1 0.00r:! 0.000 1.0000
B2 1.33 1 1.33 0.92 0.3618
AB 8.00 1 8.00 5.54 0.0431
NB 2.67 1 2.67 1.85 0.2073
AB2 42.67 1 42.67 29.54 0.0004
A 2 B2 8.00 1 8.00 5.54 0.0431
Residual 13.00 9 1.44
Lack of Fit 0.000 O
Pure Error 13.00 9 1.44
CorTotal 124.00 17
Std. Dev. 1.20 R-Squared 0.8952
Mean 1.33 Adj R-Squared 0.8020
C.V. 90.14 Pred R-Squared 0.5806
PRESS 52.00 Adeq Precision 8.237
Coefficient Standard 95%CI 95%CI
Factor Estimate DF Error Low High VIF
Intercept 2.00 1 0.85 0.078 3.92
A-Too 1 Angle 3.50 1 0.60 2.14 4.86 3.00
B-Speed 2.00 1 0.60 0.64 3.36 3.00
A2 0.000 1 1.04 -2.35 2.35 3.00
B2 1.00 1 1.04 -1.35 3.35 3.00
AB -1.00 1 0.42 -1.96 -0.039 1.00
NB -1.00 1 0.74 -2.66 0.66 3.00
A8 2 -4.00 1 0.74 -5.66 -2.34 3.00
NB 2 -3.00 1 1.27 -5.88 -0.12 5.00
Final Equation in Terms of Coded Factors:
Life =
+2.00
+3.50 *A
+2.00 *8
+0.000 *N
+1.00 *8 2
-1.00 *A *8
-1.00 *N *8
-4.00 *A *82
-3.00 *A2 *8 2
Final Equation in Terms of Actual Factors:
Life =
-1068.00000
+136.30000 *Tool Angle
+14.48000 *Speed
-4.08000 *Tool Angle2
. -0.049600 *Speed 2
-1.86400 *Tool Angle *Speed
+0.056000 *Tool Angle 2 *Speed
+6.40000E-003 *Tool Angle *Speed2
-1.92000E-004 *Tool Angle 2 *Speed2
 2 2 2
175.00 • ......,...------...::--------.....f - - - - . . , - - -__--'<;;:==:;--. .

162.50

1:l
ro
1:l
'C:;
o
ID
>

137.50

125.00 2 ._-L
15.00
--l...~"__

17.50
~t-

20.00
.L__"""'"
22.50
~

Ángulo de la herramienta

Figura 5·19 Gráfica de contorno bidimensional de la superficie de respuesta de la vida de

la herramienta del ejemplo 5-5.

5.5

ro
1:l
:>

Velocidad
Ángulo de la herramienta

125.00 15.00

Figura 5·20 Superficie de respuesta tridimensional de la vida de la herramienta del

ejemplo 5-5.

206