UNIVERSIDAD ESTATAL DE BOLIVAR

FACULTAD DE CIENCIAS AGROPECUARIAS RECURSOS NATURALES Y DEL

AMBIENTE

CARRERA DE AGROINDUSTRIAS

ASIGNATURA:

Diseño Experimental

TEMA:

Tarea 10 ape

PROFESOR:

Ing. Juan Gaibor Chávez PhD.

Integrantes:

Andrade Bryan, Gaibor Sthefany, León Dayana, Tulmo Evelyn, Villota Julissa.

CICLO:

6to “A”

PERIODO ACADÉMICO:

Noviembre 2021 / Marzo 2022

FECHA DE ENTREGA

25/01/2022
 1. INTRODUCCIÓN
Las factoriales 2k completos son útiles principalmente cuando el número de factores a
estudiar está entre dos y cinco (2 ￡ k ￡ 5), rango en el cual su tamaño se encuentra
entre cuatro y 32 tratamientos; esta cantidad es manejable en muchas situaciones
experimentales. Si el número de factores es mayor que cinco se recomienda utilizar un
factorial fraccionado 2k – p (capítulo 8). En general, las factoriales en dos niveles, sean
completos o fraccionados, constituyen el conjunto de diseños de mayor impacto en las
aplicaciones. Con un diseño factorial 22 se estudia el efecto de dos factores considerando
dos niveles en cada uno. Cada réplica de este diseño consiste de 2 × 2 = 4 combinaciones
o tratamientos que se pueden denotar de diferentes maneras. Algunas de estas notaciones
se utilizan en situaciones muy particulares; por ejemplo, la notación +1, –1 es útil a la
hora de hacer los cálculos para ajustar por mínimos cuadrados un modelo de regresión a
los datos; es la notación que utilizan los paquetes Statgraphics y Minitab.

2. Objetivo
2.1. Objetivo General

Aplicar el diseño factorial 2k y 3k

2.2. Objetivo Específicos

Elaborar la pregunta de investigación, hipótesis, modelo estadístico y análisis de

varianza. Explicar los términos del modelo
 3. METODOLOGIA
3.1. Enunciado del problema

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 entorno a este objetivo, y a la embotelladora le
gustaría entender mejor las fuentes de esta variabilidad, así como reducirla. El
ingeniero del proceso puede controlar tres variables durante el proceso de llenado, es
decir los factores. Estos serán: el porcentaje de carbonatación (A), la presión de
operación en el llenador (B) y la rapidez de la línea, botellas producidas por minuto
(C). Para cada una de ellas cuenta con dos valores a los que las puede ajustar, estos
serán los niveles de los factores pues [7].

Tabla 1
Datos del ejercicio
Presión de operación (B)  
25 pul 30 pul  
Porcentaje de
Carbonatación
(A) Rapidez de línea (C) Rapidez de línea (C)
 
200 250 200 250  
-3 -1 -1 1
10 -1 0 0 1 -4
0 2 2 6
12 1 1 3 5 20
5 7 7 10
14 4 6 9 11 59
 Totales B x C          
           

3.2. Pregunta de investigación

¿Cuál es el efecto que tiene el factor A referente al porcentaje de carbonatación con

sus tres niveles, el factor B referente a la presión de operación en el llenador con sus
dos niveles y el factor C referente a la rapidez de la línea, botellas producidas por
minuto con sus dos niveles sobre obtener alturas de llenado más uniformes?
 3.3. Hipótesis

H 0 : Hipótesis nula

H 0 : μ1=μ2=μ 3=. ..=μk =μ

H i : Hipótesis alterna

H i :μ i ≠ μ j para algún i≠ j

3.4. Factor de estudio

Tabla 2
Factores de estudio
Factores Código Nivel

(-) (-1): 10psi

Carbonatación A
(+) (+): 12psi
(-) (-1): 25psi
Presión B
(+) (+1): 30psi
(-) (-1): 200bpm
Rapidez C
(+) (+1): 250bpm

3.5. Matriz de diseño

Tabla 3
Matriz de experimento
  Factores     Respuesta  
Corrida (A) (B) (C) Réplica 1 Réplica 2
1 -1 -1 -1 -3 -1
2 1 -1 -1 0 1
3 -1 1 -1 -1 0
4 1 1 -1 2 3
5 -1 -1 1 -1 0
6 1 -1 1 2 1
7 -1 1 1 1 1
8 1 1 1 6 5
 3.6. Características del experimento

Tabla 4
Características del experimento
Características del experimento

Número de factores 3
Niveles Factor A 2
Niveles Factor B 2
Niveles Factor C 2
Réplicas 2
Unidades experimentales 24

3.6.1. Variables de respuesta

La variable de respuesta que se analizara es: llenado de botella a la altura correcta.

3.7. Modelo estadístico de diseño factorial de axbxc

Y ijkl =μ+∝i + β j +γ k +(αβ )ij +(αγ)ik +( βγ) jk +(αβγ )ijk + ε ijkl

Donde:

Y ijlm :Observación del tratamiento i ( i−ésima letra latina ) , enel renglón j , en la columna l y enla m−ési

μ : Media general

∝i : es el efecto del nivel i−esimo del factor C

(αβ )ij ,(αγ)ik ,( βγ) jk : efectos de interaccion dobles ( de dos factores ) en los niveles ij , ik , jk

(αβγ )ijk :el efecto de interaccion triple enla combinacion o punto ijk
ε ijkl :error aleatorio enla combinacionijkl
l :repeticiones o replicas del experimento

3.8. Modelo de Análisis de Varianza (ANOVA)

Fuente de Suma de Grados de Cuadrado Fo Valor-p
variabilidad cuadrados libertad medio
Efecto A SCA a-1 CMA CMA /CME P ( F> F OA )
Efecto B SCB b-1 CMB CMB /CME P ( F> F O )
B

Efecto C SCC c-1 CMC CMC /CME P ( F> F CO )

Efecto AB SCAB (a-1) (b-1) CMAB CMAB P ( F> F OAB )
/CME
Efecto AC SCAC (a-1) (c-1) CMAC CMAC P ( F> F OBC )
/CME
Efecto BC SCBC (b-1) (c-1) CMBC CMBC /CME P ( F> F O )
ABC

Efecto ABC SCABC (a-1) (b-1) CMABC CMABC

(c-1) /CME
Error SCE abc(n-1) CME
Total SCT abcn-1

Donde:

Y i . : Suma de observaciones del tratamiento i .

Y i . : Medias de las observaciones deli−ésimo tratamiento .

Y .. : Suma total de las N=n 1+ n1+ … … … … .+nk mediciones .

Y .. : Media global o promedio de todaslas observaciones .

y 2ijlm :Observación o respuesta que se encuentra en el tratamiento i

Y j . : Es el efecto del renglón j .

SC A −SC B−SCC :Variabilidad debido a los factores del bloque renglón .

4. RESULTADOS
4.1. Resumen Estadístico
Tabla 4
Resumen estadístico
Recuento 16
Promedio 1
Desviación
2,28035
Estándar
Coeficiente de
228,04%
Variación
Mínimo -3
Máximo 6
Rango 9

Sesgo
1,13319
Estandarizado

Curtosis
0,600068
Estandarizada

Interpretación
La presente tabla nos muestra los resúmenes estadísticos para tiempo de llenado, y sus
diferentes niveles de estudio. Siendo de mayor importancia el sesgo estandarizado y la
curtosis estandarizada, para poder determinar si el diseño de estudio proviene de una
distribución normal. Si los valores están en el rango de -2 a +2 significan que no están
dentro del rango de significancia. Por lo tanto, se invalida cualquier prueba estadística
con respecto a la desviación estándar. No obstante, en este caso el valor del sesgo se
encuentra dentro del rango estadístico al igual que la curtosis los cuales representan una
distribución normal en el análisis del diseño de estudio.
 4.2. Tabla ANOVA
Tabla 5
Análisis de Varianza para Tiempo de llenado
Fuente Suma de Gl Cuadrado Razón-F Valor-P
Cuadrados Medio
A: Porcentaje de 36,0 1 36,0 54,00 0,0000
Carbonatación.
B: Presión de llenado 20,25 1 20,25 30,38 0,0004
C: Rapidez de botellas 12,25 1 12,25 18,38 0,0020
AB 2,25 1 2,25 3,38 0,0994
AC 0,25 1 0,25 0,38 0,5554
BC 1,0 1 1,0 1,50 0,2518
Error total 6,0 9 0,666667
Total (corr.) 78,0 15

R-cuadrada = 92,3077 porciento

R-cuadrada (ajustada por g.l.) = 87,1795 porciento
Error estándar del est. = 0,816497
Error absoluto medio = 0,53125
Estadístico Durbin-Watson = 1,0 (P=0,0430)
Autocorrelación residual de Lag 1 = 0,364583

Interpretación
En este caso, 3 efectos tienen una valor-P menor que 0,05, indicando que son
significativamente diferentes de cero con un nivel de confianza del 95,0%.
El estadístico R-Cuadrada sugiere que el modelo, de esta forma ajustado, explica
92,3077% de la variabilidad en Tiempo de llenado. El error estándar del querido muestra
que la desviación estándar de los residuos es 0,816497. El error medio absoluto (MAE)
de 0,53125 es el costo promedio de los residuos. El estadístico de Durbin-Watson (DW)
prueba los residuos para decidir si haya alguna correlación significativa basada en el
orden en que se muestran los datos en el documento.
 4.2.1. Cálculos de ANOVA

1 1
A=
4·n
[ a−( 1 ) +ab−b+ ac−c +abc−bc ] = [1−(−4 ) +5− (−1 )+ 3−(−1 ) +11−2 ] =3
8
1
B=
4 ·n
[ b+ab +bc+ abc−( 1 )−a−c −ac ]= 18 [ (−1 ) +5+2+11−(−4 )−1− (−1 )−3 ] =2,25
1 1
C=
4. n
[ c +ac +bc +abc− (1 ) −a−c−ac ] = [ (−1 )+ 3+2+11−(−4 ) −1−(−1 )−5 ]=1,75
8
1 1
AB= [ ab−a−b+ ( 1 ) +abc−bc−ac+ c ]= [ 5−1−(−1 ) + (−4 ) +11−2−3+(−1) ]=0,75
4·n 8
1
A C=
4·n
[ (−1 ) −a+b−ab−c +ac−bc+ abc ]= 18 [ (−4 )−1+ (−1 ) −5−(−1 ) +3−2+11 ]=0,25
1 1
BC=
4·n
[ ( 1 )+ a−b−ab−c−ac +bc +abc ]= [ (−4 )+1−(−1 )−5−(−1 )−3+2+11 ]=0,5
8
1 1
A BC= [ abc−bc−ac+ c−ab+ b+a−(1)]= [ 11−2−3+ (−1 ) +1−(−4)]=0,5
4·n 8
 4.3. Modelo de regresión

Tabla 6
Coef. de regresión para Tiempo de llenado
Coeficiente Estimado
Constante 1
A: Porcentaje de
1,5
Carbonatación.
B: Presión de
1,125
llenado
C: Rapidez de
0,875
botellas
AB 0,375
AC 0,125
BC 0,25

Interpretación
Tiempo de llenado = 1,0 + 1,5*Porcentaje de Carbonatación. + 1,125*Presión de llenado
+ 0,875*Rapidez de botellas + 0,375*Porcentaje de Carbonatación. *Presión de llenado +
0,125*Porcentaje de Carbonatación. *Rapidez de botellas + 0,25*Presión de
llenado*Rapidez de botellas en donde los valores de las variables están especificados en
sus unidades originales.

4.4. Tabla de optimización

Tabla 7
Optimización
Factor Bajo Alto Óptimo
Porcentaje de
Carbonatación. -1 1 1

Presión de llenado -1 1 1

Rapidez de botellas -1 1 1

Optimizar Respuesta
Meta: maximizar Tiempo de llenado
Valor óptimo = 5,25

Interpretación
Esta tabla muestra la mezcla de los niveles de los componentes, la cual maximiza Tiempo
de llenado sobre la zona indicada. Utilice el cuadro de diálogo de Posibilidades de
Ventana para indicar la zona sobre la cual se llevará a cabo la mejora.
 4.5. Gráfico de Pareto

Figura 1.
Gráfico de Pareto estandarizada para tiempo de llenado

Diagrama de Pareto Estandarizada para Tiempo de llenado

A:Porcentaje de Carbonatación. +
-

B:Presion de llenado

C:Rapidez de botellas

AB

BC

AC

0 2 4 6 8
Efecto estandarizado

4.6. Gráfico efectos individuales

Figura 2.
Gráfico de efectos principales para tiempo de llenado

Gráfica de Efectos Principales para Tiempo de llenado

2,5

2
Tiempo de llenado

1,5

0,5

-0,5
-1,0 1,0 -1,0 1,0 -1,0 1,0

Porcentaje de Carbonatación. Presion de llenado Rapidez de botellas

 4.7. Gráfico de interacción

Figura 3.
Gráfico de interacción para tiempo de llenado

Gráfica de Interacción para Tiempo de llenado

4,7
+
3,7
+
+
Tiempo de llenado

2,7

1,7
-
- -
0,7
+
+ +
-0,3
-
-1,3 - -
-1,0 1,0 -1,0 1,0 -1,0 1,0
AB AC BC
 5. Conclusión

Según el análisis de varianza que la operación de porcentaje de carbonatación, la presión

de llenado y la rapidez de botella no tienen significancia rechaza la hipótesis nula
mientras que en el proceso AB, AC Y BC se acepta la hipótesis porque si hay
significancia, se logra calcular los siguientes cálculos.