Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Introducción Diseño 2kk
Introducción Diseño 2kk
TEMA:
Diseño Factorial con Factores 2K
CURSO
Quinto “B” Ingeniería en Alimentos
INTEGRANTES
Sandra Maribel PINGUIL LEMA
Edgar
Daysi
Joselin Cristina SEVILLANO FUEL
Lady Soledad QUIROZ
Adriana Maribel TARAPUES TERAN
Ana Belén VELA NARVÁEZ
DOCENTE
Ing. Christiam JÁCOME CEDILLO
JUNIO 2018
Diseño Factorial con Factores 2K
Existen varios casos especiales del diseño factorial general que resultan importantes
porque se usan ampliamente en el trabajo de investigación, y porque constituyen la base
para otros diseños de gran valor práctico. En los últimos años se ha observado un
creciente interés por algunas de las ideas del profesor Genechi Taguchi acerca del
diseño experimental y su aplicación al mejoramiento de la calidad. El diseño factorial
fraccionario 2 k-p se usa en experimentos para identificar con rapidez y de manera
eficiente el subconjunto de factores que son activos, y para obtener alguna información
sobre la interacción. La propiedad de proyección de estos diseños hace posible en
muchos casos examinar los factores activos con más detalle. La combinación secuencial
de estos diseños a través del plegamiento es una forma muy eficaz de obtener
información extra acerca de las interacciones, la cual puede identificarse en un
experimento inicial como potencialmente importante.[ CITATION Alz07 \l 12298 ]
El más importante de estos casos especiales ocurre cuando se tienen k factores, cada
uno con dos niveles. Estos niveles pueden ser cuantitativos como sería el caso de dos
valores de temperatura presión o tiempo. También pueden ser cualitativos como sería el
caso de dos máquinas, dos operadores, los niveles "superior" e "inferior" de un factor, o
quizás, la ausencia o presencia de un factor. Una réplica completa de tal diseño requiere
que se recopilen 2 x 2 x .... x 2 = 2k observaciones y se conoce como diseño general 2k.
[ CITATION Gal10 \l 12298 ]
Por diseño factorial se entiende aquel en el que se investigan todas las posibles
combinaciones de los niveles de los factores en cada ensayo completo o réplica del
experimento. Por ejemplo, si existen “a” niveles del factor A y “b” niveles del factor B,
entonces cada réplica del experimento contiene todas las “ab” combinaciones de los
tratamientos. A menudo, se dice que los factores están cruzados cuando éstos se
arreglan en un diseño factorial. El efecto de un factor se define como el cambio en la
respuesta producida por un cambio en el nivel del factor. Con frecuencia, éste se conoce
como efecto principal porque se refiere a los factores de interés primordial del
experimento.
Los diseños factoriales poseen algunas ventajas en los cuales son más eficientes
que los experimentos de un factor a la vez. son necesarios cuando alguna interacción
puede estar presente, para evitar hacer conclusiones engañosas. permiten estimar los
efectos de un factor en diversos niveles de los otros factores, produciendo conclusiones
que son válidas sobre toda la extensión de las condiciones experimentales. Los tipos
más sencillos de diseños factoriales implican sólo dos factores o conjuntos de
tratamientos. Haya “a” niveles del factor A y “b” niveles del factor B, dispuestos en un
diseño factorial; esto es, cada A repetición o réplica del experimento contiene todas las
combinaciones de tratamiento ab. En general, hay n repeticiones.
Los mayores beneficios de los diseños factoriales completos se obtienen cuando
se deben estudiar pocas variables. El motivo es que el número de experimentos crece
exponencialmente con el número de factores. Por ejemplo, para 8 factores, el diseño 2 8
comprende 256 experimentos. Éstos permiten estimar 256 efectos, muchos de los cuales
son interacciones de orden elevado y no serán significativos. Para estudiar un número
elevado de factores, es más eficaz utilizar sólo una fracción de un diseño factorial
completo.
Se utiliza técnica estadística que permite identificar y cuantificar las causas de un efecto dentro de
un estudio experimental. Un diseño experimental se manipula deliberadamente una o más variables,
vinculadas a las causas, para medir el efecto que tienen en otra variable de interés. El diseño
experimental prescribe una serie de pautas relativas. Variables hay que manipular, de qué manera,
cuántas veces se requiera el experimento y en qué orden para poder establecer con un grado de
confianza predefinido la necesidad de una presunta relación de causa-efecto. El diseño factorial
encuentra aplicaciones en la industria, la agricultura, la mercado tenia, la medicina, las ciencias de la
conducta, etc. constituyendo una fase esencial en el desarrollo de un estudio experimental. [ CITATION
Wil08 \l 12298 ]
El diseño factorial se lleva con dos factores para estudiar los efectos producidos
por dos o más factores. Puede mostrarse que en general los diseños factoriales ya que
son los más eficientes para este tipo de experimentos. Por diseño factorial se entiende
aquel en el que se investigan todas las posibles combinaciones de los niveles de los
factores en cada ensayo completo o réplica del experimento. Por ejemplo, si existen “a”
niveles del factor A y “b” niveles del factor B, entonces cada réplica del experimento
contiene todas las “ab” combinaciones de los tratamientos. A menudo, se dice que los
factores están cruzados cuando éstos se arreglan en un diseño factorial. El efecto de un
factor se define como el cambio en la respuesta producida por un cambio en el nivel del
factor. Con frecuencia, éste se conoce como efecto principal porque se refiere a los
factores de interés primordial del experimento.[ CITATION Kue01 \l 12298 ]
Los diseños factoriales permiten estimar los efectos de un factor en diversos niveles
de los otros factores, producidos que son válidas sobre toda la extensión de las
condiciones experimentales. Diseño factorial es aquel en el que sólo tiene dos factores,
A y B, cada uno con dos niveles. Este diseño se conoce como diseño factorial 22.
Arbitrariamente, los niveles del factor pueden llamarse “bajo” y “alto”.
un modelo con dos factores sin interacción y calcularíamos de nuevo la tabla ANOVA.
Kuehl, R.2001. Diseño factoral con dos diseños . Mexico: Acribias, 2001..