Nombre: Romaneth Calderón Llanos

Materia: diseño de experimentos

USO DEL DISEÑO FACTORIAL EN LA SÍNTESIS DE PRODUCTOS DE
QUÍMICA FINA

Objetivos
Conseguir analizar k factores con menos de 2k experimentos elementales,
fracción de un diseño factorial
Marco teórico
Es un diseño factorial en el que no se realizan todos los experimenos
factoriales.si se elige la fracción adecuada se podrán estimar los factores de
forma independiente
(Homologo Aceite de Jojoba)
Son productos de alto valor agregado y pequeños tonelajes fabricados como
procesos discontinuos y polivalentes.
Aceite de Jojoba.- Éster de alto peso molecular (Usos: Plastificante para la
industria cosmética, farmacéutica, alimenticia). Se encuentra en la Jojoba y
esperma de ballena.
Equipo Experimental.- Reactor tanque agitado a vacío con sus respectivos
controles de Temperatura (T) y agitación.
Materiales usados. -
Catalizador: Cloruro de cobalto
Ácido oleico al 99 % de pureza
Alcohol oleico al 98 % de pureza
Método Analítico. - Cromatógrafo de gases y espectrofotómetro de masas.
Calidad del Producto. - Se determinó midiendo punto de solidificación, índice
de saponificación, índice de Iodo y viscosidad.
Método de Operación. - Se introducen los reactivos al reactor provisto de un
condensador con reflujo.
Se realiza vacío hasta 0.1 mm Hg y se calienta los reactivos a la temperatura
deseada. Se agitan durante dos horas y se analizan las muestras al finalizar la
reacción. Durante cada experimento permanece cte. la T, P y velocidad de
agitación.
Análisis Estadístico.- En este trabajo, el tipo de diseño seleccionado para el
estudio de un éster análogo del aceite de Jojoba ha sido un diseño factorial de
(un factor a tres niveles y dos factores a dos niveles). Los factores elegidos,
considerando los aspectos químicos del proceso fueron,
Temperatura (T) con dos niveles (100 y 150 ºC); Concentración inicial de
catalizador (C) con dos niveles (0.1 y 0.05 gr); Relación inicial molar (M)
alcohol – ácido en tres niveles (0.5, 1, y 1.5).
Matriz de Experimentación de un Diseño
Resolución

XT XC XM REND XTXM ADJ_1

1 1 1 78,1 1 82,67143
-1 1 1 13,4 -1 17,02857
1 -1 1 77 1 83,45714
-1 -1 1 18,1 -1 13,67143
1 1 0 70 0 56,52
-1 1 0 14 0 12,58
1 -1 0 60,4 0 58,44
-1 -1 0 10,7 0 13,24
1 1 -1 34,1 -1 38,67143
-1 1 -1 10,7 1 9,7
1 -1 -1 33 -1 39,45714
-1 -1 -1 10 1 10,2

Análisis de varianza univariante

Notas

Resultados creados 10-APR-2021 06:55:49

Comentarios
Conjunto de datos activo Conjunto_de_datos0
Filtro <ninguno>
Peso <ninguno>
Entrada
Dividir archivo <ninguno>
Núm. de filas del archivo de 12
trabajo
Los valores perdidos definidos por el
Definición de perdidos
usuario se tratarán como perdidos.
Tratamiento de los datos
Los estadísticos se basan en todos los
perdidos
Casos utilizados casos que incluyen datos válidos para
las variables del modelo.
UNIANOVA REND BY XT XC XM
/METHOD=SSTYPE(3)
/INTERCEPT=INCLUDE
Sintaxis
/CRITERIA=ALPHA(0.05)
/DESIGN=XT XC XM XC*XT XM*XT
XC*XM.
Tiempo de procesador 00:00:00,02
Recursos
Tiempo transcurrido 00:00:00,14

Factores inter-sujetos
 N

-1,00 6
XT
1,00 6
-1,00 6
XC
1,00 6
-1,00 4

XM ,00 4

1,00 4

Pruebas de los efectos inter-sujetos

Variable dependiente: REND
Origen Suma de gl Media F Sig. FT
cuadrados tipo cuadrátic
III a
Modelo 8482,857a 9 942,54 352,242 0,003 19,3848257
corregido
Intersección 15372,521 1 15372,521 5744,947 0 18,5128205

XT 6334,207 1 6334,207 2367,191 0 18,5128205

XC 10,268 1 10,268 3,837 0,189 18,5128205
XM 1273,582 2 636,791 237,979 0,004 19
XT * XC 13,021 1 13,021 4,866 0,158 18,5128205
XT * XM 816,395 2 408,197 152,55 0,007 19
XC * XM 35,385 2 17,693 6,612 0,131 19
Error 5,352 2 2,676      
Total 23860,73 12        
Total corregida 8488,209 11        

a. R cuadrado = ,999 (R cuadrado corregida = ,997)

ANÁLISIS DE TABLAS
Vemos en en el f de tablas xt,xm y xtxm son las variables significativas ,vemos que son
menores a 0.05

Regresión lineal
 Variables introducidas/eliminadasa

Modelo Variables Variables Método

introducidas eliminadas
b
1 XTXM, XM, XT . Introducir

a. Variable dependiente: REND

b. Todas las variables solicitadas introducidas.

ANOVAa

Modelo Suma de gl Media F Sig.

cuadrados cuadrática

Regresión 8299,367 3 2766,456 117,197 ,000b

1 Residual 188,842 8 23,605

Total 8488,209 11

a. Variable dependiente: REND

b. Variables predictoras: (Constante), XTXM, XM, XT

Analizamos que es menor a 0,05 ´por eso es aprobado el modelo de abajo

Coeficientes

Modelos Coeficientes no Coeficientes t Sig. Intervalo de confianza de 95,0% para B

estandarizados tipificados
Límite inferior Límite superior
B Error Beta
típ.

(Consta 35,792 1,403 25,519 ,000 32,557 39,026

nte)

1 XT 22,975 1,403 ,864 16,381 ,000 19,741 26,209

XM 12,350 1,718 ,379 7,190 ,000 8,389 16,311

XTXM 9,650 1,718 ,296 5,618 ,000 5,689 13,611

Vemos que beta (xt, xm, xtxm) está en los límites entonces sus valores son significativos,
también vemos que la cola de significación es menor a 0,025
 Estadísticos sobre los residuosa

Mínimo Máximo Media Desviación N

típica

Valor pronosticado 10,1167 80,7667 35,7917 27,46794 12

Valor pronosticado tip. -,935 1,637 ,000 1,000 12
Error típico de valor 1,983 3,136 2,752 ,568 12
pronosticado
Valor pronosticado corregido 9,7000 83,4571 36,3031 28,05083 12
Residual -3,76667 11,23333 ,00000 4,14336 12
Residuo típ. -,775 2,312 ,000 ,853 12
Residuo estud. -1,015 2,533 -,044 ,989 12
Residuo eliminado -6,45714 13,48000 -,51143 5,63984 12
Residuo eliminado estud. -1,017 5,323 ,191 1,708 12
Dist. de Mahalanobis ,917 3,667 2,750 1,354 12
Distancia de Cook ,000 ,321 ,087 ,099 12
Valor de influencia centrado ,083 ,333 ,250 ,123 12

a. Variable dependiente: REND

Gráficos

3) Graficar los valores observados y los valores obtenidos por el modelo en

función del número de experimentos
 N REND ADJ1
1 78,1 82,67143
2 13,4 17,02857
3 77 83,45714
4 18,1 13,67143
5 70 56,52
6 14 12,58
7 60,4 58,44
8 10,7 13,24
9 34,1 38,67143
10 10,7 9,7
11 33 39,45714
12 10 10,2

Conclusiones
Calculamos en spss el diseño factorial, la regresión lineal, F de la
distribución de F-Fisher, colas de significación de la distribución F-
Fisher, graficamos los valores observados y valores obtenidos así
manejamos mejor spss y Excel.
Vemos también que hay una concordancia con los datos observados y
los datos que va arrojando el modelo, se presenta errores perro están
en el límite de confianza

Biografía
https://aula.uajms.edu.bo/course/view.php?id=7328
https://drive.google.com/file/d/19jm5OdSZhLFZMSspqLhPZzHwUYvbsdmP/view
https://www.youtube.com/watch?v=5VsQV0jRzvE