Universidad Central del Ecuador

Facultad de Ciencias Químicas

Carrera Química Farmacéutica
Diseño Experimental

Nombre: Kevin Mena

Fecha: 4 de enero de 2020
Tema: Diseño factorial 2k y confusión
Problema:

Una empresa desea determinar el índice de solubilidad del almidón de coco extraído en haciendas
recién adquiridas en Indonesia. Para lo cual plantea un pequeño experimento local, se toman
únicamente 2 valores diferentes para las variables de Temperatura, Presión, Concentración de
almidón y Velocidad de agitación. Debido a que el experimento tiene una función orientativa solo
existe materia prima para 16 experimentaciones y únicamente se pueden realizar 4 diarias, se
requiere un diseño experimental que se ajuste a los parámetros antes mencionados.

Se abre statgraphics, se selecciona DDE, procedimientos DDE Heredados, Crear Diseño, Diseño
Nuevo.

2.- Se selecciona “Clase de diseño Cibado” se seleccionan las variables de respuesta y de

experimentación, en este caso las variables de experimentación, son: temperatura, concentración,
velocidad de agitación, presión; y la variable respuesta es el índice de solubilidad. Y se presiona
aceptar.

3.- Se determina el nombre de cada variable y el valor bajo y alto de cada una (adicionalmente se
puede indicar las unidades para una mayor comprensión de cada variable) y se presiona aceptar.
4.- Se escoge el modelo específico, en este caso el modelo factorial en 4 bloques que corresponden
a cada uno de los días en los que se puede realizar los experimentos. Click en aceptar.

5.- Se selecciona el número de corridas por bloque y el número de repeticiones de todo el

experimento, en este caso ambos valores son cero ya que se requiere dividir aleatoriamente las 16
combinaciones en 4 bloques.
6.- Se observa la creación de la tabla con las combinaciones de todas las interacciones ordenadas
aleatoriamente, esta es la tabla de datos final.

7.- Se selecciona nuevamente DDE, Procedimientos Heredados, Analizar Diseño, Analizar

diseño.
8.- Se selecciona la variable de respuesta a ser analizada, en este caso únicamente tenemos la
variable índice de Filtración y se da en aceptar.

9.- Se selecciona la casilla ignorar numero de bloque, mostrar errores estándar y el patrón de
confusión del diseño original y clic en aceptar.
1. Abrir Statgraphics, en la hoja de cálculos dirigirse a las columnas y en “Col_#” doble click
derecho para dar nombre a cada columna con la variable correspondiente y aceptar.
2. Ubicar los datos, una columna por cada factor y variable respuesta, en este caso se obtendrá
4 columnas: arreglo, operador, dispositivo y tiempo de ensamblaje.

3. Una vez ubicados completamente los datos, seleccionar la pestaña “Comparar”, escoger la
viñeta “Análisis de Varianza” y escoger la opción “Modelos Lineales Generalizados”.

4. En el cuadro de dialogo “Modelos Lineales Generalizados” ubicar la variable dependiente

y las variables independientes, una vez realizo seleccionar “Aceptar”.
5. En el cuadro de dialogo “Especificación de Modelo GLM” agregar los factores, los factores
anidados y factores cruzados (interacciones), en este caso serían: A: arreglo; B: dispositivo;
C(A): Operadores anidado a arreglos; B*A: interacción dispositivos-arreglos y B*C(A):
interacción dispositivos-operadores anidado a arreglos y seleccionar “Aceptar”.

6. En el cuadro de dialogo “Tablas y Gráficos” seleccionar “Resumen del Análisis” y por

ultimo “Aceptar”.
7. Analizar los datos obtenidos: Se relación el valor de P respecto al valor de alfa y se entiende
si cada factor, o interacción de factores influyen en el proceso.