Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Diseño Factorial Compl PDF
Diseño Factorial Compl PDF
Joan Ferré
Grupo de Quimiometría y Cualimetría
Departamento de Química Analítica y Química Orgánica
Universidad Rovira i Virgili (Tarragona)
INTRODUCCIÓN
1
Respuesta es la variable de interés que mediremos como consecuencia de la experimentación. Por
ejemplo, el rendimiento de una reacción. Factores son las variables que modificaremos para estudiar
su efecto en la respuesta.
1
el mínimo número de experimentos (y por tanto, con el menor coste) y con la menor
incertidumbre posible (porque los errores aleatorios de las respuestas se
promedian).
2
Tabla 1. Factores y dominio experimental.
+1 80
x2
−1 40
−1 +1 6 8
x1 Tiempo (h)
Figura 1. Domino experimental para dos factores continuos expresado en variables
codificadas (izquierda) y variables reales (derecha). Los experimentos de los vértices
corresponden al diseño factorial completo 22.
2
Esta codificación también es válida para valores intermedios dentro del dominio experimental
(necesarios en diseños de superficies de respuesta). Por ejemplo, para el tiempo de reacción, 6.5, 7
y 7.5 h. corresponden a los valores codificados –0.5, 0 y +0.5.
3
La experimentación más económica (mínimo número de experimentos) es aquella
en la que cada factor toma sólo dos valores (niveles). Y la que proporcionará la
información con menor incertidumbre es aquella en la que estos valores son los
extremos del dominio experimental, –1 y +1. La Tabla 2 muestra la matriz de
experimentos que se obtiene combinando los dos niveles de los dos factores. Cada
fila es un experimento y cada columna es un factor estudiado. Este diseño se
denomina factorial completo 22 (el 2 de la base indica que cada factor toma sólo dos
valores). La posición de estos 4 ( = 22 ) experimentos en el dominio experimental se
muestra en la Figura 1.
Antes de llevar a cabo los experimentos hay que comprobar que todos parecen
factibles. Si alguno corresponde a una combinación de factores que no es de interés
económico o es imposible llevarlo a la práctica, se puede reemplazar por otro que
complete el diseño con la mínima pérdida de calidad [3].
4
80
Rendimiento (%)
7
Temperatura (ºC) 80 73 80 73
24 26 54
49
40 49 5 54 80
8
6 8 Temperatura (ºC) 40 6 Tiempo (h)
Tiempo (h)
Figura 2. Ejemplo 1. Rendimientos obtenidos con los experimentos del diseño factorial
completo 22.
Valor promedio
b0 = ( + y1 + y2 + y3 + y4 ) / 4 = 64 (1)
bt = ( – y1 + y2 – y3 + y4 ) / 2 = 6 (2)
bT = ( – y1 – y2 + y3 + y4 ) / 2 = 25 (3)
bt×T = ( + y1 – y2 – y3 + y4 ) / 2 = 1 (4)
3
Algunos autores definen el efecto principal dividiendo entre 4 y no entre 2. Ambas opciones son
válidas puesto que la información se obtendrá al comparar los efectos entre ellos.
5
• El valor promedio indica alrededor de qué valor están distribuidas las respuestas.
Si ningún factor tuviera efecto, esta distribución sería debida a la incertidumbre
experimental. b0 es también el valor predicho en el centro del dominio
experimental (cuando x1 = 0 y x2 = 0) si el fenómeno se comporta linealmente.
bt– = y2 – y1 = 54 − 49 = 5 (5)
bt+ = y4 – y3 = 80 − 73 = 7 (6)
4
Aunque hay diversos métodos [4,5], el error experimental se suele estimar como la desviación
estándar de las respuestas al repetir un experimento. Estas repeticiones pueden ser las que el
experimentador realiza antes del estudio para comprobar que tiene el sistema bajo control y que los
experimentos son reproducibles dentro del error aceptado. Otra posibilidad es ampliar el diseño
factorial con experimentos que contemplen alguna repetición.
5
Si el signo fuera negativo (bt = –6) indicaría que el rendimiento disminuye
6
Tanto bt– como bt+ indican el efecto del tiempo de reacción, pero a dos
temperaturas distintas. El efecto de interacción se calcula como su diferencia
promedio:
85 85
80 ºC
Rendimiento (%)
Rendimiento (%)
8 h.
65 65
40 ºC 6 h.
45 45
6 8 40 80
Tiempo (h) Temperatura (ºC)
7
Como conclusión, la experimentación ha permitido descubrir que el rendimiento
aumenta al aumentar tanto la temperatura como el tiempo de reacción. Puesto que
el mayor efecto lo tiene la temperatura, este factor es el que se debe controlar más
detenidamente, y es el primero que hay que considerar para optimizar el
rendimiento.
6. ¿Y si existe interacción?
54
Rendimiento (%)
73
-19
80 73 54 80
Temperatura (ºC)
24 -26
49
40 49 80 80
31
8
6 8 Temperatura (ºC) 40 6 Tiempo (h)
Tiempo (h)
Figura 4. Ejemplo 2. Rendimientos obtenidos con los experimentos del diseño factorial
completo 22.
8
85 85
Rendimiento (%)
Rendimiento (%)
80 ºC 8 h.
65 65
6 h.
40 ºC
45 45
6 8 40 80
Tiempo (h) Temperatura (ºC)
Figura 5. Gráficos de interacción. Las líneas cruzadas indican que existe interacción
importante entre los dos factores.
Este ejemplo enseña que hay que considerar el efecto de interacción antes de
interpretar los efectos principales. Justo en el orden contrario en que, para facilitar la
explicación, lo hemos hecho aquí. Si la interacción es pequeña, podemos pasar a
interpretar los efectos principales. Si es grande, hay que recurrir a la representación
gráfica. La interacción se observa fácilmente en la Figura 5. Las líneas cruzadas
indican un elevado grado de interacción.
COMENTARIO Y CONCLUSIONES
- identificar qué variables influyen en una reacción, para luego poder optimizarlas
hasta alcanzar el rendimiento deseado, o para disminuir el tiempo de reacción.
- decidir qué se debe ajustar en el nuevo proceso de fabricación para que no se
produzcan tantos productos fuera de especificaciones.
- estudiar en qué condiciones el proceso es más robusto a pequeñas variaciones
de temperatura, humedad,....
- ...
9
BIBLIOGRAFIA
El autor agradece todos los comentarios relacionados con los contenidos de este
artículo. Pueden dirigirse, mediante mensaje electrónico, a la dirección:
quimio@quimica.urv.es. Una versión en soporte electrónico de este artículo e
información suplementaria pueden encontrarse en: http://www.quimica.urv.es/quimio
10