2010

Universidad
Autónoma de Tlaxcala
Análisis de varianza en el proceso de
saponificación para la producción de jabón
Este escrito desarrolla un análisis estadístico para la selección de los factores que
influyen en el proceso de saponificación usado en la industria jabonera mediante
el análisis de varianza por diseño factorial.

García Sánchez Miriam

Tlapapal Pérez Manuel
Carrasquedo Peñaloza Carlos Arturo
Berriel Romero Hilda Guadalupe
Praxediz Sánchez Laura Anahi
2:
ÍNDICE

Objetivos 3

Introducción 4

Marco teórico 5-20

Elección y diseño de experimento 21-28

Desarrollo experimental, capitulación de resultados y análisis de datos 29-42

-ANOVA factorial

-ANOVA unifactorial

-Prueba de rangos múltiples de Duncan

-Polinomios ortogonales

-Análisis de residuales

Aplicación de programas integrados 43

Conclusión 44

Bibliografía 45

Anexos 46
3:
OBJETIVOS

 Realizar un diseño experimental, fundamentado en la teoría publicado en la literatura,

para un análisis estadístico en la variabilidad de factores cuantitativos y cualitativos del

proceso de saponificación en la producción de jabón.

 Escalar el proceso productivo de la producción de jabón a nivel industrial a escala

laboratorio, cuidando las condiciones óptimas de operación en la cual se desarrolla el

proceso productivo.

 Detección de los factores cualitativos o cuantitativos a priori de la realización de un

estudio más detallado de los mismos en función de una variable de respuesta en común.

 Desarrollar un análisis de variancia de los factores seleccionados y determinar si causa

variabilidad en el proceso; de ser así desarrollar un análisis del factor o factores para su

análisis más detallado, generando las correspondientes relaciones polinomiales y si es

posible optimizar el proceso.

4:
INTRODUCCIÓN

En nuestra sociedad actual y en el marco de globalización en el que se desarrollan las

organizaciones, la implementación de políticas de calidad que se enfoquen al desarrollo de una

competitividad en el mercado, favorecen el desarrollo de las organizaciones así como el alcance de

los objetivos planteados por la misma.

El diseño de experimentos constituye la herramienta básica en la búsqueda del mejoramiento de la

calidad, así como el buen manejo de las materias primas, del cuidado del equipo industrial y por

supuesto de la seguridad de los trabajadores; aspectos importantes en una organización con los

estándares de calidad y seguridad mundial.

Debido a todos los aspectos que se han mencionado en párrafos anteriores, este escrito presenta

un análisis estadístico en el proceso de saponificación de acetato de etilo, basado en los diseños

factoriales, en los cuales se analizan factores que se estudiaron a detalle y se eligieron dentro de

un grupo más grande de ellos, en función a la demanda de los interesados. Los análisis se

desarrollan detalladamente sin dejar de lado el análisis científico que como ciencia ingenieril

necesita y ejerce de manera sustancial.

“El amor y el deseo son las alas del espíritu

de las grandes hazañas”.

Los autores.
5:
MARCO TEÓRICO

1. ANÁLISIS DE VARIANZA MEDIANTE DISEÑOS FACTORIALES

1.1. Definición y principios básicos.

En muchos experimentos interviene el estudio de los efectos de dos o más factores, cada uno de

los cuales con distintos valores o "niveles", y cuyas unidades experimentales cubren todas las

posibles combinaciones de esos niveles en todos los factores. Este tipo de experimentos permiten

el estudio del efecto de cada factor sobre la variable respuesta, así como el efecto de las

interacciones entre factores sobre la dicha variable.

Por ejemplo, si el factor A tiene a niveles y el factor B tiene b niveles, cada replica contiene todas

las ab combinaciones de los tratamientos.

Para el buen entendimiento del desarrollo de este análisis vamos a definir ciertos conceptos

básicos y homogeneizar la nomenclatura utilizada:

 FACTOR. Es un conjunto de tratamientos de una misma clase o característica. Ejemplo:

tipos de riego, dosis de fertilización, variedades de cultivo, manejo de crianzas, etc.

 FACTORIAL. Es una combinación de factores para formar tratamientos.

 NIVELES DE UN FACTOR. Son los diferentes tratamientos que pertenecen a un

determinado factor. Se acostumbra simbolizar algún elemento "a" por la letra minúscula

que representa al factor y el valor del respectivo subíndice.

6:
 FACTORES CUANTITATIVOS. Son aquellos factores cuyos niveles son cantidades numéricas.

 FACTORES CUALITATIVOS. Son aquellos factores cuyos niveles son procedimientos o

cualidades.

 El efecto de un factor se define como el cambio en la respuesta producido por un cambio

en el nivel del factor.

1.2. Ventaja de los diseños factoriales

Los diseños factoriales son más eficientes que los experimentos de un factor a la vez. Además un

diseño factorial es necesario cuando puede haber interacciones presentes a fin de evitar llegar a

conclusiones incorrectas. Por último los diseños factoriales permiten la estimación de los efectos

de un factor con varios niveles de los factores restantes, produciendo conclusiones que son validas

para un rango de condiciones experimentales.

Permite estudiar los efectos principales, efectos de interacción de factores, efectos simples y

efectos cruzados.

Todas las unidades experimentales intervienen en la determinación de los efectos principales y de

los efectos de interacción de los factores, por lo que el número de repeticiones es elevado para

estos casos.

El número de grados de libertad para el error experimental es alto, comparándolo con los grados

de libertad de los experimentos simples de los mismos factores, lo que contribuye a disminuir la

variancia del error experimental, aumentando por este motivo la precisión del experimento.
7:
1.3. Diseño factorial general

Los resultados del diseño factorial de dos factores pueden ampliarse al caso general en que hay a

niveles del factor A, b niveles del factor B, c niveles del factor C, etc. Dispuestos en un experimento

factorial. En general, habrá abc….n observaciones totales si se hacen n replicas del experimento

completo. De nueva cuenta es necesario un mínimo de dos replicas para determinar una suma de

cuadrados debida al error si todas las interacciones posibles están incluidas en el modelo.

Cuando todos los factores del experimento son fijos es sencillo formular y probar hipótesis acerca

de los efectos principales y las interacciones. Para un modelo con efectos fijos los estadísticos de

prueba para cada efecto principal e interacción pueden construirse dividiendo el cuadrado medio

correspondiente del efecto o interacción por el cuadrado medio del error. Todas estas pruebas F

serán de una cola superior. El numero de grados de libertad de cualquier efecto principal es el

numero de niveles del factor menos uno, y el numero de grados de libertad de una interacción es

el producto del numero de grados de libertad asociados con los componentes individuales de la

interacción.

En general, los cálculos del análisis de varianza se efectúan utilizando un paquete de software de

estadística, sin embargo en ocasiones resultan utiles las formulas para calcular manualmente las

sumas de cuadrados:

𝑎 𝑏 𝑐 𝑛
2
𝑌 …2
𝑆𝑆𝑇 = 𝑌𝑖𝑗𝑘𝑙 −
𝑎𝑏𝑐𝑛
𝑖=1 𝑗 =1 𝑘=1 𝑙=1
8:
Las sumas de cuadrados de los efectos principales se encuentran a partir de los totales de los

factores 𝐴 𝑦𝑖… , 𝐵 . 𝑦𝑗 .. , 𝐶(𝑦..𝑘. ) de la sig. Manera:

𝑎
1 2
𝑌. …2
𝑠𝑠𝐴 = 𝑌𝑖… −
𝑏𝑐𝑛 𝑎𝑏𝑐𝑛
𝑖=1

𝑏
1 𝑌. …2
𝑆𝑆𝐵 = 𝑌.𝑗2.. −
𝑎𝑐𝑛 𝑎𝑏𝑐𝑛
𝑗 =1

𝑐
1 2
𝑌. …2
𝑆𝑆𝐶 = 𝑌..𝑘. −
𝑎𝑏𝑛 𝑎𝑏𝑐𝑛
𝑘=1

Para calcular las sumas de cuadrados de las interacciones de dos factores, se necesitan los totales

de las celdas A x B, A x C y B x C. Con frecuencia es útil desplegar la tabla de los datos originales en

tres tablas de dos vías para calcular estas cantidades. Las sumas de cuadrados se encuentran con:

𝑎 𝑏
1 𝑌 … .2
𝑆𝑆𝐴𝐵 = 𝑌𝑖𝑗2.. − − 𝑆𝑆𝐴 − 𝑆𝑆𝐵
𝑐𝑛 𝑎𝑏𝑐𝑛
𝑖=1 𝑗 =1

𝑎 𝑐
1 2
𝑌 … .2
𝑆𝑆𝐴𝐶 = 𝑌𝑖.𝑘. − − 𝑆𝑆𝐴 − 𝑆𝑆𝐶
𝑏𝑛 𝑎𝑏𝑐𝑛
𝑖=1 𝑘=1

𝑏 𝑐
1 2
𝑌 … .2
𝑆𝑆𝐵𝐶 = 𝑌.𝑗𝑘 .− − 𝑆𝑆𝐵 − 𝑆𝑆𝐶
𝑎𝑛 𝑎𝑏𝑐𝑛
𝑗 =1 𝑘=1
9:
La suma de cuadrados de la interacción de los tres factores se calcula a partir de los totales de las

celdas 𝑌𝑖𝑗𝑘 . De tres vías como:

𝑎 𝑏 𝑐
1 2
𝑌 … .2
𝑆𝑆𝐴𝐵𝐶 = 𝑌𝑖𝑗𝑘 − − 𝑆𝑆𝐴 − 𝑆𝑆𝐵 − 𝑆𝑆𝐶 − 𝑆𝑆𝐴𝐵 − 𝑆𝑆𝐴𝐶 − 𝑆𝑆𝐵𝐶
𝑛 𝑎𝑏𝑐𝑛
𝑖=1 𝑗 =1 𝑘=1

La suma de cuadrados del error puede encontrarse restando la suma de cuadrados de cada efecto

principal e interacción de la suma de cuadrados total con:

𝑆𝑆𝐸 = 𝑆𝑆𝑇 − 𝑆𝑆𝑆𝑢𝑏𝑡𝑜𝑡𝑎𝑙𝑒𝑠

Después de la realización de las operaciones correspondientes, se presenta la tabla de ANOVA a

utilizar en el diseño factorial con tres factores:

FV SC GL MS Fo

Factor A 𝑆𝑆𝐴 (𝑎 − 1) 𝑆𝑆𝐴 𝑀𝑆𝐴

(𝑎 − 1) 𝑀𝑆𝐸

Factor B 𝑆𝑆𝐵 (𝑏 − 1) 𝑆𝑆𝐵 𝑀𝑆𝐵

(𝑏 − 1) 𝑀𝑆𝐸

Factor C 𝑆𝑆𝐶 (𝑐 − 1) 𝑆𝑆𝐶 𝑀𝑆𝐶

(𝑐 − 1) 𝑀𝑆𝐸

Interacción AB 𝑆𝑆𝐴𝐵 (𝑎 − 1) (𝑏 − 1) 𝑆𝑆𝐴𝐵 𝑀𝑆𝐴𝐵

(𝑎 − 1) (𝑏 − 1) 𝑀𝑆𝐸

Interacción BC 𝑆𝑆𝐵𝐶 (𝑏 − 1) (𝑐 − 1) 𝑆𝑆𝐵𝐶 𝑀𝑆𝐵𝐶

(𝑏 − 1) (𝑐 − 1) 𝑀𝑆𝐸

Interacción AC 𝑆𝑆𝐴𝐶 (𝑎 − 1) (𝑐 − 1) 𝑆𝑆𝐴𝐶 𝑀𝑆𝐴𝐶

(𝑎 − 1) (𝑐 − 1) 𝑀𝑆𝐸

Interacción ABC 𝑆𝑆𝐴𝐵𝐶 (𝑎 − 1) (𝑏 − 1) (𝑐 − 1) 𝑆𝑆𝐴𝐵𝐶 𝑀𝑆𝐴𝐵𝐶

(𝑎 − 1) (𝑏 − 1) (𝑐 − 1) 𝑀𝑆𝐸

Error 𝑆𝑆𝐸 𝑎𝑏𝑐(𝑟𝑒𝑝𝑙𝑖𝑐𝑎𝑠 − 1) 𝑆𝑆𝐸

𝑎𝑏𝑐(𝑟𝑒𝑝𝑙𝑖𝑐𝑎𝑠 − 1)

Total 𝑆𝑆𝑇 𝐴𝑏𝑐𝑟𝑒𝑝𝑙𝑖𝑐𝑎𝑠 − 1

10:
2. DESCRIPCIÓN Y ANÁLISIS QUÍMICO DE LA REACCIÓN DE SAPONIFICACIÓN

2.1. Información general de reacción

Como un antecedente al análisis estadístico de la variabilidad del proceso se mencionara

fracciones importantes de conocimiento teórico de la reacción en estudio como medida del

control de las condiciones de operación de la reacción:

 Hidrólisis de esteres en medio alcalino

La saponificación es una reacción química entre un ácido graso (o un lípido saponificable,

portador de residuos de ácidos grasos) y una base o álcali, en la que se obtiene como principal
producto la sal de dicho ácido y de dicha base. Estos compuestos tienen la particularidad de ser
anfipáticos, es decir tienen una parte polar y otra apolar (o no polar), con lo cual pueden
interactuar con sustancias de propiedades dispares. Por ejemplo, los jabones son sales de ácidos
grasos y metales alcalinos que se obtienen mediante este proceso.

El método de saponificación en el aspecto industrial consiste en hervir la grasa en grandes

calderas, añadiendo lentamente soda cáustica (NaOH), agitándose continuamente la mezcla hasta
que comienza esta a ponerse pastosa.

La reacción que tiene lugar es la saponificación y los productos son el jabón y la glicerina:

Grasa + soda cáustica → jabón + glicerina

El término jabón se aplica a las sales de sodio o potasio de varios ácidos grasos,
especialmente oleico, esteárico, palmítico, laúrico y mirístico. Las principales materias primas para
la fabricación del jabón son el sebo y las grasas. También se consumen grandes cantidades de
otros productos químicos, especialmente sosa caústica, carbonato sódico y potasa caústica, así
como silicato de sodio, bicarbonato sódico y fosfato trisódico.
11:
La reacción química básica para la fabricación del jabón es la saponificación:

3𝑁𝑎𝑂𝐻 + 𝐶17 𝐻35 𝐶𝑂𝑂 3 𝐶3 𝐻5 3𝐶17 𝐻35 + 𝐶3 𝐻5 𝑂𝐻3

Aunque en estas reacciones aparezcan derivados del ácido esteárico, éstos se podrían
sustituir por los de los ácidos oleico, laúrico o por los de algunos constituyentes ácidos de grasas.
El procedimiento industrial consiste en descomponer o hidrolizar la grasa y neutralizar los ácidos
grasos con una solución de sosa caústica después de una separación de la glicerina:

𝐶𝐻35 𝐶𝑂𝑂 3 𝐶3 𝐻5 + 𝐻2 𝑂 3𝐶17 𝐻35 𝐶𝑂𝑂𝐻 + 𝐶3 𝐻5 (𝑂𝐻)3

𝐶17 𝐻35 𝐶𝑂𝑂𝐻 + 𝑁𝑎𝑂𝐻 𝐶17 𝐻35 𝐶𝑂𝑂𝑁𝑎 + 𝐻2 𝑂

En este análisis se efectuará un estudio volumétrico de la reacción de saponificación del

acetato de etilo con sosa. La reacción de saponificación del acetato de etilo es una reacción
irreversible que puede representarse del siguiente modo:

𝐶𝐻3 𝐶𝑂𝑂𝐶𝐻2 𝐶𝐻3 + 𝑁𝑎𝑂𝐻 𝐶𝐻3 𝐶𝑂𝑂𝑁𝑎 + 𝐶𝐻3 − 𝐶𝐻2 𝑂𝐻

La reacción de saponificación se realiza en exceso de acetato de etilo. Por lo tanto, la

concentración de acetato de etilo puede suponerse constante durante la reacción. Entonces, la
velocidad a la que se realiza este proceso va a depender únicamente de la concentración de NaOH
en el medio de reacción.

α β α
−rA = kCAcet CNaOH k ′ = kCAcet

Mecanismo de Reacción

𝐶𝐻3 𝐶𝑂𝑂𝐶2 𝐻5 + 𝑁𝑎𝑂𝐻 𝐶𝐻3 𝐶𝑂𝑂− 𝑁𝑎+ + 𝐶2 𝐻5 𝑂𝐻

Los esteres se hidrolizan en medios acuosos, bajo catálisis ácida o básica, para rendir
ácidos carboxílicos y alcoholes. La hidrólisis básica recibe el nombre de saponificación y
transforma esteres en carboxilatos.
12:

El mecanismo de la hidrolisis básica transcurre en las etapas siguientes:

Etapa 1. Adición nucleófila del agua al carbonilo

Etapa 2. Eliminación de metóxido

Etapa 3. Equilibrio ácido base entre el ácido carboxílico y el metóxido. Este equilibrio muy
favorable desplaza los equilibrios anteriores hacia el producto final.

La experiencia prueba que la saponificación del acetato de etilo por soluciones acuosas de
hidróxidos alcalinos o alcalino-térreos es, en todo momento, proporcional al producto de las
concentraciones de Ester y de iones oxhidrilo. Por lo tanto la reacción es de segundo orden.
13:
3. Análisis Termodinámico

La termodinámica proporciona a la ingeniería química en específico al área de reactores,

información muy valiosa. Tal vez lo más importante, desde el punto de vista práctico, es la

estimación de la máxima conversión que se puede lograr en una reacción o en un conjunto de

reacciones limitadas por el equilibrio. Generalmente cuando más de una reacción está presente,

no nos interesa operar cerca del equilibrio. De hecho tampoco resulta práctico cuando se trata de

una sola reacción. Operar hasta conversiones cercanas al equilibrio en reactores continuos

requeriría de volúmenes de reactor muy grandes. Conforme la velocidad de reacción neta tiende a

cero, el volumen de reactor tiende a infinito.

 Constante de equilibrio

El equilibrio químico establece la conversión máxima que se puede alcanzar en un reactor si una

reacción es reversible. El equilibrio, desde un punto de vista de reactores químicos, se puede

visualizar como una restricción termodinámica. Solamente bajo condiciones en que una reacción

sea extremadamente rápida y no existen reacciones secundarias significativas, los cálculos de

equilibrio podrían ser de utilidad para la estimación de las composiciones a la salida del reactor.

Sin embargo, generalmente las composiciones de salida deben de calcularse mediante expresiones

cinéticas porque conforme el avance de reacción se aproxima a las condiciones de equilibrio, la

velocidad neta de reacción tiende asintóticamente a cero y entonces el cálculo del volumen de

reactor, a partir de una ecuación de diseño dada, tendería a infinito. La conversión en el equilibrio

es un límite fisicoquímico, y en cuanto a cálculos de diseño de reactores, también es un limite

matemático.

Recordemos que la energía libre de Gibbs para un sistema cerrado a Temperatura y Presión

constantes, decrece en un proceso irreversible y que las condiciones para el equilibrio se alcanzan
14:
cuando la energía libre de Gibbs llega a un punto mínimo, por lo tanto para un cambio deferencial

en el equilibrio:

(𝑑𝐺 𝑇 ) 𝑇,𝑃 = 0

Así, si una mezcla de especies químicas no está en equilibrio químico, cualquier reacción que

ocurra a Temperatura y Presión constantes debe de llevar a una disminución en la energía libre de

Gibbs del sistema. El significado de esto para una reacción química individual se muestra en la

figura --- , la cual permite observar un diagrama 𝐺 𝑇 contra ξ, la coordenada de reacción.

𝐺𝑇

(𝑑𝐺 𝑇 ) 𝑇,𝑃 = 0

En relación a este análisis termodinámico, comencemos la forma de determinación del avance de

reacción en función de la coordenada de reacción.

Consideremos un sistema con la siguiente funcionalidad:

𝐺 = 𝐺(𝑃, 𝑇, 𝑛1 , 𝑛2 , 𝑛3,… , 𝑛𝑖 )
15:
Por lo tanto para el cambio de la energía libre de Gibbs:

𝜕𝑛𝐺 𝜕𝑛𝐺 𝜕𝑛𝐺 𝜕𝑛𝐺

𝑑 𝑛𝐺 = 𝑑𝑝 + 𝑑𝑇 + 𝑑𝑛1 … + 𝑑𝑛𝑖
𝜕𝑃 𝑇,𝑛 𝑖 𝜕𝑇 𝑃,𝑛 𝑖 𝜕𝑛1 𝑇,𝑃,𝑛 𝑗 ≠𝑖 𝜕𝑛𝑖 𝑇,𝑃,𝑛 𝑗 ≠𝑖

Reduciendo términos:

𝜕𝑛𝐺 𝜕𝑛𝐺 𝜕𝑛𝐺

𝑑 𝑛𝐺 = 𝑑𝑝 + 𝑑𝑇 +
𝜕𝑃 𝑇,𝑛 𝑖 𝜕𝑇 𝑃,𝑛 𝑖 𝜕𝑛𝑖 𝑇,𝑃,𝑛 𝑗 ≠𝑖

Recordando las siguientes relaciones termodinámicas:

𝜕𝑛𝐺
= 𝑛𝑉
𝜕𝑃 𝑇,𝑛 𝑖

𝜕𝑛𝐺
= −𝑛𝑆
𝜕𝑇 𝑃,𝑛 𝑖

𝜕𝑛𝐺
=𝐺=𝜇
𝜕𝑛 𝑇,𝑃

Y sustituyendo en la ecuación original:

𝑑 𝑛𝐺 = 𝑛𝑉 𝑑𝑃 − 𝑛𝑆 𝑑𝑇 + 𝜇𝑖 𝑑𝑛𝑖

Donde 𝑛𝐺 es la energía libre total de la mezcla y 𝜇𝑖 son los potenciales químicos de los 𝑁𝐶

componentes de la mezcla reaccionante. Notemos que 𝐺, 𝑉 𝑦 𝑆 son propiedades intensivas. Por

otro lado, aunque mediante estequiometria es posible relacionar los 𝑑𝑛𝑖 y dejarlos en función de

los 𝑛𝑖 independientemente; para trabajar las relaciones estequiométricas es mucho mejor

emplear el avance de reacción como variable independiente y sustituir 𝑑𝑛𝑖 = 𝜈𝑖 𝑑𝜀

Sustituyendo en la ecuación general:

𝑑 𝑛𝐺 = 𝑛𝑉 𝑑𝑃 − 𝑛𝑆 𝑑𝑇 + 𝜇𝑖 𝜈𝑖 𝑑𝜀

Tomemos en cuenta las siguientes definiciones:

16:
𝜇𝑖 = 𝑅𝑇 𝑙𝑛𝑓𝑖

𝐺𝑖0 = 𝑅𝑇𝑙𝑛 𝑓𝑖

Realizando la diferencia, obtenemos:

𝜇𝑖 − 𝐺𝑖0 = 𝑅𝑇 𝑙𝑛𝑓𝑖 − 𝑙𝑛 𝑓𝑖

𝑓𝑖
𝜇𝑖 − 𝐺𝑖0 = 𝑅𝑇 𝑙𝑛
𝑓𝑖

Por definición sabemos que la actividad está definida como:

𝑓𝑖
𝑎=
𝑓𝑖

Por lo tanto sustituyendo en la ecuación general:

𝜇𝑖 = 𝐺𝑖0 + 𝑅𝑇𝑙𝑛𝑎𝑖

Tomemos el tercer término de la ecuación que representa en cambio en la energía libre de Gibbs,

en el equilibrio:

𝜇𝑖 𝜈𝑖 𝑑𝜀 = 0

𝜈𝑖 (𝐺𝑖0 + 𝑅𝑇𝑙𝑛𝑎𝑖 )𝑑𝜀 = 0

Realizando las operaciones algebraicas:

𝜈𝑖 𝐺𝑖0 + 𝑅𝑇 𝑙𝑛𝑎𝑖 𝜈 𝑖 = 0

𝑅𝑇 𝑙𝑛𝑎𝑖 𝜈 𝑖 = − 𝜈𝑖 𝐺𝑖0
17:
− 𝜈𝑖 𝐺𝑖0
𝑙𝑛𝑎𝑖 𝜈 𝑖 =
𝑅𝑇

Por leyes de logaritmos deducimos:

− 𝜈𝑖 𝐺𝑖0
𝑙𝑛 𝑎𝑖 𝜈 𝑖 =
𝑅𝑇

Aplicando antilogaritmo:

− 𝜈𝑖 𝐺𝑖0
𝑎𝑖 𝜈 𝑖 = exp⁡
𝑅𝑇

Donde el término exponencial puede ser representado por una constante (que puede ser la

energía libre de Gibbs estándar para la reacción)

𝑎𝑖 𝜈 𝑖 = 𝐾

El caso de análisis en la reacción de interés (saponificación) de nuestro proceso de producción, se

realiza en fase liquida, por lo que realizamos el siguiente análisis bajo dichas condiciones:

Partamos de:

𝑎𝑖 𝜈 𝑖 = 𝐾

El estado estándar más común para líquido puro con un sistema de referencia definido:

Temperatura de sistema y 1 bar de presión, esta dado por:

𝑓𝑖0
18:
𝑓𝑖
𝑎=
𝑓𝑖

De la definición de coeficientes de actividad, para medir la desviación a la solución ideal:

𝑓𝑖
𝛾𝑖 =
𝑓𝑖 𝑥𝑖

𝑓𝑖 = 𝛾𝑖 𝑓𝑖 𝑥𝑖

𝛾𝑖 𝑓𝑖 𝑥𝑖
𝑎=
𝑓𝑖

Donde el cociente de fugacidades en estado puro se puede tomar como la unidad. Y nos queda:

𝑎 = 𝛾𝑖 𝑥𝑖

Para presiones muy altas se realiza la siguiente modificación:

𝜈𝑖
𝑃 − 𝑃𝑜
𝐾= 𝛾𝑖 𝑥𝑖 𝑒𝑥𝑝 𝜈𝑖 𝑉𝑖
𝑅𝑇

Pero para sistemas donde el efecto de la presión no es considerable:

𝜈𝑖
𝐾= 𝛾𝑖 𝑥𝑖

Que es la ecuación con la que trabajaremos en los siguientes apartados en base a datos teóricos

en función del máximo avance de reacción.

19:
4. Modelos de solución

La energía residual de Gibbs y el coeficiente de fugacidad esta relacionados al tratamiento de

gases y se desviación respecto al gas ideal; así pues las soluciones liquidas se tratan

preferentemente mediante propiedades que miden sus desviaciones no desde el comportamiento

de un gas ideal, si no del comportamiento de una solución ideal.

Por tal motivo para estos casos no se hablara de propiedades residuales, a su vez se tomaran los

conceptos de propiedades en exceso, como se muestra en la siguiente generalización de dichas

propiedades:

𝑀𝐸 = 𝑀 − 𝑀𝑖𝑑

Las propiedades en exceso no tienen significado alguno para el caso de sustancias puras, caso

contrario a las propiedades residuales cuya definición es extendida.

Consideremos ahora las siguientes ecuaciones en función a las herramientas necesarias para el

análisis de experimentos:

𝐺 = 𝑅𝑇 𝑙𝑛 𝑓𝑖

Para una solución ideal esta ecuación se convierte en

𝐺𝑖𝑑𝑒𝑎𝑙 = 𝑅𝑇 𝑙𝑛 𝑥𝑖 𝑓𝑖

Por diferencia

𝑓𝑖
𝐺 − 𝐺𝑖𝑑𝑒𝑎𝑙 = 𝑅𝑇 𝑙𝑛
𝑥𝑖 𝑓𝑖
20:
Y aquí se introduce una nueva definición auxiliar en los problemas de soluciones: el coeficiente de

actividad

𝑓𝑖
𝛾𝑖 =
𝑥𝑖 𝑓𝑖

Por lo tanto

𝐺 𝐸 = 𝑅𝑇 𝑙𝑛 𝛾𝑖

El análisis termodinámico se realizo con el fin de contar con una herramienta básica para el cálculo

de la máxima conversión de reacción, en función de las fracciones molares en función de la

coordenada de reacción, así como de la evaluación de la constante de equilibrio mediante las

expresiones que se adecuen al modelo.

21:
ELECCIÓN Y DISEÑO DE EXPERIMENTOS

Los experimentos factoriales son aquellos en los que se prueban varios niveles de dos o más

factores. El número de tratamientos es el resultado de combinar los diferentes niveles de los

factores. Un factor es un ingrediente que interviene en un tratamiento, mientras que el nivel es

cada una de las dosis o categorías de cada factor. Todo experimento con dos o más factores

tienen un arreglo de tratamientos y un diseño experimental.

La aleatorización de los tratamientos se lleva a cabo de acuerdo con el diseño experimental de que

se trate.

Las razones principales por lo que se eligió realizar un experimento FACTORIAL son:

 Para obtener información de los efectos medios de todos los factores de un experimento

simple y de tamaño moderado.

 Para ampliar las bases de las inferencias de un factor para probarlo bajo condiciones

variadas de otros.

 Para evaluar la manera en la cual los efectos de los factores interactúan con cada uno.

 Por la robustez respecto a los grados de libertad del error.

 Por su generalidad en función a la información obtenida y un grado de precisión mayor

del mismo número de observaciones.

Sabedores que la experiencia juega un papel importante y natural en la mayoría de las

investigaciones científicas, es importante no solo el uso de estas consideraciones empíricas de la

naturaleza humana si no el desarrollar técnicas, procedimientos o metodologías que lleven a un

resultado favorable de los análisis y diseños experimentales. La forma tradicional de desarrollar la

22:
experimentación para el estudio de estos problemas, se basaba en estudiar los factores uno a uno,

lo cual desembocaba en situaciones tales como:

 La necesidad de realizar un gran número de pruebas

 Las conclusiones obtenidas en el estudio de cada factor tiene un campo de validez

muy restringido

 No es posible estudiar la existencia de interacción entre los factores

 Es inviable, con problemas de tiempos y costos.

Bajo esta premisa, y varios puntos mencionados anteriormente, se decide utilizar un diseño

factorial, cuyas etapas de planificación y realización se enumeran a continuación:

1. Definir los objetivos del experimento

2. Identificar todas las fuentes de variación, incluyendo:

a. Factores de tratamiento y sus niveles,

b. Unidades experimentales,

c. Factores de ruido

3. Elegir una regla de asignación de las unidades experimentales a las condiciones de

estudio (tratamientos)

4. Especificar las medidas con que se trabajará (la respuesta), el procedimiento experimental

y anticiparse a las posibles dificultades

5. Especificar el modelo

6. Ejecutar el experimento

7. Capturar resultados

8. Análisis de datos

9. Análisis y discusión de resultados

23:
1. Definición de los objetivos del experimento:

 Realizar un diseño de experimentos para el análisis de los factores cualitativos o

cuantitativos del proceso de saponificación.

 Cuidar las condiciones óptimas en las que el proceso se lleva a cabo para no

afectar el escalamiento del proceso.

 Realizar análisis de varianza para los factores en estudia.

 Si y solo si para los factores que afecten se realizara un análisis unifactorial con el

fin de conocer su fuente de variabilidad de manera más detallada.

 Realizar optimización mediante el uso de polinomios ortogonales (si la

funcionalidad así lo permite).

2. Identificación de las fuentes de variación:

Se realiza a priori una serie de posibles fuentes de variabilidad que se muestra en el siguiente

diagrama Ishikawa:

Temperatura Operador Turno

Concentración Equipo Ruido

24:
De los factores identificados en la representación esquemática se descartan tanto el equipo y el

ruido por suponer no tienen gran influencia en la variabilidad del proceso. Hay que dejar en claro

que esta premisa solo es una suposición a priori. Los factores que se eligen para el diseño

experimental sol:

a. Concentración

b. Temperatura

c. Operador

Esto en base a los conocimientos básicos de cinética de reacciones (donde la concentración, la

temperatura y la presencia de catalizadores influyen en la reacción química), así como de la

variabilidad importante que causa la naturaleza humana.

3. Elección una regla de asignación de las unidades experimentales a las condiciones de

estudio (tratamientos):

Como se menciono en párrafos anteriores, y en función a las características de los datos se elige

un diseño de forma factorial como herramienta en el análisis de variabilidad de los factores en el

proceso.
25:
4. Especificación de la variable de respuesta, el procedimiento experimental y anticipación

a posibles dificultades

El proceso de saponificación siendo una reacción química, tiende a ciertas variables de respuesta

(medibles y objetivas) mas exactas y que dependen en relación directa de técnicas analíticas de

fácil aplicación y que no dependen de una gestión económica alta. Por tal motivo se elige como

variable de respuesta el rendimiento de reacción en función a la cantidad de Hidróxido de Sodio

consumido mediante un análisis volumétrico ácido- base.

La descripción del procedimiento experimental se detalla a continuación:

Objetivo: Determinar factores de variabilidad que influyen en la reacción de saponificación,

eligiendo diferentes niveles de temperatura, concentración y además considerando a 3 distintos

operadores.

Material Reactivos

• hidróxido de sodio .05 N

• 6 Matraces de 250 ml
• acetato de sodio .05 N,
• 5 Pipetas de 10 ml
0.04 y 0.06
• Cronometro
• acido clorhídrico .025 N
• 3 Probetas
• Hielo
• 3 Soporte universal

• 3 Buretas

• 3 Pinzas para Bureta

• 3 Termómetro

• 3 Matraces Aforados de 500 ml

• Perillas

• 3 Cristalizadores
26:
• 6 Vasos de ppdo. de 50 ml

PREPARACION DE SOLUCIONES

 Preparación de hidróxido de sodio

Partiendo de la ecuación en la que 𝐶1 𝑉1 = 𝐶2 𝑉2

𝐶2 𝑉2
Despejando 𝑉1 = 𝐶1

En un litro hay 300gr de NaOH, entonces:

N= 300/(1L)(40)= 7.5 N

0.05𝑁 (0.5𝐿)
Sustituyendo valores 𝑉1 = 7.5 𝑁
= 0.3.333 ml y aforara a 500 ml

 Preparación de acetato de etilo

Para 0.04 N
𝑃𝑀𝐶𝐻3 𝐶𝑂𝑂𝐶2 𝐻5 = 88.11, N=0.05, V=500 ml, pureza=0.99
0.04 𝑁 88.1 0.05
𝑉𝐶𝐻3 𝐶𝑂𝑂𝐶2 𝐻5 = 0.99
= 0.1779 𝑚𝑙 ml y aforar a 500 ml

Para 0.05 N
𝑃𝑀𝐶𝐻3 𝐶𝑂𝑂𝐶2 𝐻5 = 88.11, N=0.05, V=500 ml, pureza=0.99
0.05 𝑁 88.1 0.05
𝑉𝐶𝐻3 𝐶𝑂𝑂𝐶2 𝐻5 = 0.99
= 0.222 𝑚𝑙 ml y aforar a 500 ml

Para 0.06 N
𝑃𝑀𝐶𝐻3 𝐶𝑂𝑂𝐶2 𝐻5 = 88.11, N=0.05, V=500 ml, pureza=0.99
0.06 𝑁 88.1 0.05
𝑉𝐶𝐻3 𝐶𝑂𝑂𝐶2 𝐻5 = 0.99
= 0.266 𝑚𝑙 ml y aforar a 500 ml

 Preparación de acido clorhídrico

27:
𝑃𝑀𝐻𝐶𝑙 = 36.460, N=0.025, V= 1 L, pureza=0.371

0.025 𝑁 1 36.460
𝑉𝐻𝐶𝑙 = 0.371
= 2.45 𝑚𝑙 ml y aforar a 1L

Procedimiento

En un matraz aforado de 500 ml colocar la solución de hidróxido de sodio 0.05 N en un

baño María a 20ºC y hacer lo mismo con el acetato de etilo 0.04 N. Tomar de cada solución 12.5
ml y mezclarlas dejar que reaccionen por 15 minutos y mantener el equilibrio térmico, para
detener la reacción agregar 25 ml de agua previamente enfriada a 4º C después se lleva a cabo la
titulación con fenolftaleína como indicador y se registra el volumen gastado de acido clorhídrico
0.025 N. Se realizaran dos replicas para cada experimento.
Se registran los resultados de cada titulación y se representan por medio de tablas y graficas.

Nota: los esquemas se presentan en el apéndice de este escrito.

5. Especificación del modelo estadístico

El modelo estadístico para el análisis de la variación de factores ya establecidos es el siguiente:

𝑌𝑖𝑗𝑘 = 𝜇 + 𝛼𝑖 + 𝛽𝑗 + 𝛼𝛽 𝑖𝑗 + 𝜀𝑖𝑗𝑘

𝜇 = 𝑚𝑒𝑑𝑖𝑎 𝑔𝑒𝑛𝑒𝑟𝑎𝑙
𝛼𝑖 = 𝑒𝑓𝑒𝑐𝑡𝑜 𝑑𝑒𝑙 𝑖 − é𝑠𝑖𝑚𝑜 𝑑𝑒𝑙 𝑓𝑎𝑐𝑡𝑜𝑟 𝛼
𝛽𝑗 = 𝑒𝑓𝑒𝑐𝑡𝑜 𝑒¡ 𝑑𝑒𝑙 𝑗 − é𝑠𝑖𝑚𝑜 𝑛𝑖𝑣𝑒𝑙 𝑑𝑒𝑙 𝑓𝑎𝑐𝑡𝑜𝑟 𝛽
𝛼𝛽 𝑖𝑗 = 𝑒𝑓𝑒𝑐𝑡𝑜 𝑑𝑒 𝑙𝑎 𝑖𝑛𝑡𝑒𝑟𝑎𝑐𝑐𝑖ó𝑛 𝑑𝑒 𝑙𝑎 𝑐𝑜𝑚𝑏𝑖𝑛𝑎𝑐𝑖ó𝑛 𝑖𝑗
𝜀𝑖𝑗𝑘 = 𝑒𝑟𝑟𝑜𝑟 𝑎𝑙𝑒𝑎𝑡𝑜𝑟𝑖𝑜
28:
6. Ejecución del experimento

7. Capturar resultados

8. Análisis de datos

9. Análisis y discusión de resultados

Estos puntos se desarrollan como un todo en los siguientes apartados con el fin de dar el

espacio y estudio necesario por ser la parte medular del proceso de diseño experimental.
29:
DESARROLLO DEL EXPERIMENTO, CAPTURA DE RESULTADOS Y ANÁLISIS DE
DATOS.

Una vez realizado el experimento se procede al análisis de los datos obtenidos en laboratorio, los

cuales corresponde a volumen gastado de titulante (HCl, 0.025N) y se muestran a continuación:

Operador: 1
Conc. Acetato de etilo Temperatura
15°C 20°C 25°C
0.04N 12 11.6 11.8
11.7 11.8 11.6
0.05N 13.2 12.9 12.7
13 12.7 12.6
0.06N 13.1 12.8 13.5
11.5 12.8 11.8

Operador: 2
Conc. Acetato de etilo Temperatura
15°C 20°C 25°C
0.04N 11.9 11.86 11.7
11.7 11.56 12
0.05N 12.6 13.4 12.8
12.8 11.9 12.6
0.06N 13.5 11.9 11.8
13.4 11.5 11.7

Operador: 3
Conc. Acetato de etilo Temperatura
15°C 20°C 25°C
0.04 11.9 11.6 11.7
11.4 11.8 11.9
0.05 12.6 13 12.6
12.7 12.5 12.8
0.06 13.3 12.2 11.8
13.1 12.7 11.9
30:
Con los datos derivados de dicho procedimiento se calcula la masa (gr) de NaOH presente en la

mezcla mediante:

𝑤
𝑉𝑁 𝑡𝑖𝑡𝑢𝑙𝑎𝑛𝑡𝑒 =
𝑃𝑒𝑞 𝑎𝑛𝑎𝑙𝑖𝑡𝑜

Los resultados hallados son

Operador: 1
Conc. Acetato de Temperatura
etilo 15°C 20°C 25°C
0.04N 0.012 0.0116 0.0118
0.0117 0.0118 0.0116
0.05N 0.0132 0.0129 0.0127
0.013 0.0127 0.0126
0.06N 0.0131 0.0128 0.0135
0.0115 0.0128 0.0118

Operador: 2
Conc. Acetato de Temperatura
etilo 15°C 20°C 25°C
0.04N 0.0119 0.01186 0.0117
0.0117 0.01156 0.012
0.05N 0.0126 0.0134 0.0128
0.0128 0.0119 0.0126
0.06N 0.0135 0.0119 0.0118
0.0134 0.0115 0.0117

Operador: 3
Conc. Acetato de Temperatura
etilo 15°C 20°C 25°C
0.04 0.0119 0.0116 0.0117
0.0114 0.0118 0.0119
0.05 0.0126 0.013 0.0126
0.0127 0.0125 0.0128
0.06 0.0133 0.0122 0.0118
0.0131 0.0127 0.0119
31:
Con base en estos datos se obtuvo la cantidad de masa de NaOH que había reaccionado, de la

siguiente manera: se resto a la masa inicial de NaOH para cada concentración, la masa del reactivo

en estudio hallada en el paso anterior.Nuevamente los resultados se muestran a continuación,

para cada uno de los operarios en el proceso de titulación.

Operador: 1
Conc. Acetato de Temperatura
etilo 15°C 20°C 25°C
0.04N 0.008 0.0084 0.0082
0.0083 0.0082 0.0084
0.05N 0.0118 0.0121 0.0123
0.012 0.0123 0.0124
0.06N 0.0169 0.0172 0.0165
0.0185 0.0172 0.0182

Operador: 2
Conc. Acetato de Temperatura
etilo 15°C 20°C 25°C
0.04N 0.0081 0.00814 0.0083
0.0083 0.00844 0.008
0.05N 0.0124 0.0116 0.0122
0.0122 0.0131 0.0124
0.06N 0.0165 0.0181 0.0182
0.0166 0.0185 0.0183

Operador: 3
Conc. Acetato de Temperatura
etilo 15°C 20°C 25°C
0.04 0.0081 0.0084 0.0083
0.0086 0.0082 0.0081
0.05 0.0124 0.012 0.0124
0.0123 0.0125 0.0122
0.06 0.0167 0.0178 0.0182
0.0169 0.0173 0.0181
32:
El siguiente paso es, mediante relaciones estequiométricas, calcular la masa de producto

obtenido (acetato de sodio) y compararla con lo obtenido teóricamente con un rendimiento del

100%, para así poseer valores que denoten el rendimiento de la reacción en cada uno de los

experimentos realizados, con las diferentes condiciones operacionales. Él rendimiento (%) para

cada experimento se muestra a continuación:

Operador: 1
Conc. Acetato Temperatura
de etilo 15°C 20°C 25°C
0.04N 40 42 41
41.5 41 42
0.05N 47.2 48.4 49.2
48 49.2 49.6
0.06N 56.3333333 57.3333333 55
61.6666667 57.3333333 60.6666667

Operador: 2
Conc. Temperatura
Acetato de 15°C 20°C 25°C
etilo
0.04N 40.5 40.7 41.5
41.5 42.2 40
0.05N 49.6 46.4 48.8
48.8 52.4 49.6
0.06N 55 60.3333333 60.6666667
55.3333333 61.6666667 61

Operador: 3
Conc. Temperatura
Acetato de 15°C 20°C 25°C
etilo
0.04 40.5 42 41.5
43 41 40.5
0.05 49.6 48 49.6
49.2 50 48.8
0.06 55.6666667 59.3333333 60.6666667
56.3333333 57.6666667 60.3333333
33:
Para la realización de los cálculos correspondientes al análisis de varianza "ANOVA" se empleo

paquetería de software: Hoja de cálculo, que permitió obtener los resultados para la comparación

de medias.

Se calcularon, como lo solicita el método, las sumas de cuadrados de los factores, de sus

interacciones y del error.

La tabla de ANOVA que se construyó es la siguiente:

ANOVA
FV SC GL MC Fo FT
Efecto O 2.1842423 2 1.09212115 0.4649968 3.55
Efecto C 2675.02528 2 1337.51264 569.478121 4.41
Efecto T 13.6969381 2 6.84846905 2.91590014 3.55
Efecto O*C 2.62963794 4 0.65740949 0.27990787 3.55
Efecto O*T 7.44860918 4 1.86215229 0.79285605 2.9
Efecto C*T 16.7561162 4 4.18902905 1.7835797 3.55
Efecto O*C*T 34.8415884 8 4.35519854 1.85433035 2.9
Error 63.4139222 27 2.34866379
Total 2815.99633 53

Donde O=Operadores

C=Concentración de acetato de etilo

T= Temperatura

Los valores de FT se obtuvieron de tablas con un nivel de significancia de 0.005

34:
Por lo que se concluye que el único factor que afecta el rendimiento de la reacción en estudio es la

concentración de acetato de etilo.

Con esta conclusión obtenida después del análisis, se procede a desarrollar un diseño unifactorial

que nos permitirá conocer el mejor valor de concentración para tener el mayor rendimiento de

reacción, así como obtener un modelo matemático que describa el comportamiento de nuestra

variable de respuesta, la cual depende de la concentración de acetato de etilo. Para este caso las

observaciones de cada tratamiento, serán ahora tratadas como replicas para cada concentración.

Ahora el ANOVA para el diseño Unifactorial es:

ANOVA
FV SC GL MC Fo FT
Efecto C 2675.025 2 1337.513 483.8805 3.186
Error 140.9711 51 2.764138
Total 2815.996 53

Con la cual llegamos a la misma conclusión que la hallada en el ANOVA del diseño factorial, que la

concentración afecta el rendimiento de la reacción en estudio.

Con el fin de tener en cuenta el comportamiento entre los niveles para el diseño unifactorial, y

poder manipular los resultados se realiza la prueba de rangos múltiples de Duncan, cuyo

desarrollo se muestra a continuación:

35:
PRUEBA DE DUNCAN

𝑦1. = 41.2500

𝑦2. = 49.0166

𝑦3. = 58.46292

Realizando las diferencias:

𝑦3.− 𝑦1. = 58.46292 − 41.2500 = 17.21292

𝑦3.− 𝑦2. = 58.46292 − 49.0166 = 9.44632

𝑦2. − 𝑦1. = 49.0166 − 41.2500 = 7.76666

De tablas

40 2.86 3.01
51 x x
60 2.83 2.98

Interpolando 𝑟1=2.8435; 𝑟2= 2.9935

𝑀𝐶𝐸
𝑆𝑦 =
3

2.764138
𝑆𝑦 = = 0.095988
3

𝑅1 = 2.8435 0.095988 = 0.272634

𝑅2 = 2.9935 0.095988 = 0.287340

Realizando las comparaciones identificamos que los tres niveles se comportan de manera distinta.
36:
Polígonos Ortogonales

Se realizan con la finalidad de obtener un modelo matemático que describa y, en un momento

dado, prediga, el comportamiento de la variable de respuesta (rendimiento) cuando existan

cambios en el factor independiente (concentración de acetato de etilo).

Ya que el número de niveles de la concentración de acetato de etilo es 3, entonces el grado

máximo del polinomio que podría describir el comportamiento de la variable de respuesta es 2.

Los posibles modelos a obtener son:

Lineal
𝑌𝑖𝑗 = 𝜇 + 𝛼1 𝑃1

Cuadrático
𝑌𝑖𝑗 = 𝜇 + 𝛼1 𝑃1 + 𝛼2 𝑃2

Se construye la siguiente tabla

Conc. Coeficientes
Acetato de 𝑷𝟎 𝑷𝟏 𝑷𝟐
𝒀𝒊.
etilo
0.04 41.25 1 -1 1
0.05 49.016666 1 0 -2
0.06 58.46292 1 1 1
𝑃1 𝑌𝑖. 148.729586 17.21292 1.679588

𝑃1 𝑥𝑖 2 3 2 6

𝑆𝐶𝑃𝑖 2666.56153 8.46304755

𝛼𝑖 49.5765287 8.60646 0.27993133
λ 1 3
37:
El ANOVA resultante es:

ANOVA
FV SC GL MC Fo FT

Efecto Conc. 2675.025 2 1337.513 483.8805 3.186

Lineal 2666.562 1 2666.562 964.699 4.036
Cuadrática 8.463048 1 8.463048 3.061731 4.033
Error 140.9711 51 2.764138
Total 2815.996 53

Po lo que la única contribución existente es la lineal, así que se procede a la construcción de dicho
modelo.

𝑌𝑖𝑗 = 𝜇 + 𝛼1 𝑃1

Evaluación de 𝑃1

𝑥−𝑥
𝑃1 = 𝜆1
𝑑

𝑥 − 0.05
𝑃1 = 1
0.01

𝑃1 = 100 𝑥 − 0.05

Sustituyendo

𝑌𝑖𝑗 = 49.576528 + 8.60646 ∗ 100 𝑥 − 0.05

Simplificando

𝑌𝑖𝑗 = 4860.646𝑥 + 6.545228

Donde 𝑌𝑖𝑗 = Rendimiento

𝑥 = Concentración de acetato de etilo

38:
Comprobando el modelo

𝑌1. = 40.970068

𝑌2. = 49.576528

𝑌3. = 58.182988

Y calculando el porcentaje de error respecto a los valores experimentales

% 𝑒𝑟𝑟𝑜𝑟𝑌1. = 0.678621

% 𝑒𝑟𝑟𝑜𝑟𝑌2. = 1.142188

% 𝑒𝑟𝑟𝑜𝑟𝑌3. = 0.478818

Por lo que el modelo predice correctamente los valores hallados en el laboratorio.

La grafica del comportamiento de dicho análisis ortogonal es la que se muestra a continuación:

Rendimiento de la reacción en función

de la concentración de acetato de etilo
60
58
56
54
52
50
Rendimiento
48
46
44
42
40
0.03 0.035 0.04 0.045 0.05 0.055 0.06 0.065
39:
Análisis de Residuales

El análisis de residuales permite asegurar que, los supuestos del análisis de varianza “ANOVA”, se

cumplen y por consiguiente que los resultados arrojados por este, poseen un alto nivel de

confianza.Para esto se realizan lo siguientes pasos:

1. Calcular cada residual, mediante:

𝑒𝑖𝑗 = 𝑌𝑖𝑗 − 𝑌𝑖.

2. Ordenar de menor a mayor y enumerar

3. Calcular la probabilidad con:

𝑖 − 1/2
𝑝𝑘 =
𝑁

Donde i=orden del residual al enumerar

4. Graficar probabilidad acumulada vs residual

Desarrollando este procedimiento para el experimento realizado

1. Residuales 2. Ordenar y numerar 3. Probabilidad

𝑒𝑖𝑗 𝑒𝑖𝑗 𝑝𝑘
-1.81666 1 -3.462922 0.92592593
-1.01666 2 -3.462922 2.77777778
-0.61666 3 -3.129622 4.62962963
0.18334 4 -2.796322 6.48148148
0.18334 5 -2.61666 8.33333333
0.58334 6 -2.129622 10.1851852
0.58334 7 -2.129622 12.037037
-0.21666 8 -1.81666 13.8888889
-2.61666 9 -1.25 15.7407407
40:
3.38334 10 -1.25 17.5925926
-0.21666 11 -1.129622 19.4444444
0.58334 12 -1.129622 21.2962963
0.58334 13 -1.01666 23.1481481
0.18334 14 -1.01666 25
-1.01666 15 -0.796322 26.8518519
0.88334 16 -0.75 28.7037037
0.58334 17 -0.75 30.5555556
-0.21666 18 -0.65 32.4074074
-2.129622 19 -0.61666 34.2592593
3.203678 20 -0.55 36.1111111
-1.129622 21 -0.25 37.962963
-1.129622 22 -0.25 39.8148148
-3.462922 23 -0.25 41.6666667
2.203678 24 -0.21666 43.5185185
-3.462922 25 -0.21666 45.3703704
-3.129622 26 -0.21666 47.2222222
1.870378 27 0.18334 49.0740741
3.203678 28 0.18334 50.9259259
2.203678 29 0.18334 52.7777778
2.537078 30 0.25 54.6296296
-2.796322 31 0.25 56.4814815
-2.129622 32 0.25 58.3333333
0.870378 33 0.25 60.1851852
-0.796322 34 0.58334 62.037037
2.203678 35 0.58334 63.8888889
1.870378 36 0.58334 65.7407407
-1.25 37 0.58334 67.5925926
0.25 38 0.58334 69.4444444
0.75 39 0.75 71.2962963
-0.25 40 0.75 73.1481481
-0.25 41 0.75 75
0.75 42 0.870378 76.8518519
-0.75 43 0.88334 78.7037037
0.25 44 0.95 80.5555556
-0.55 45 1.75 82.4074074
0.95 46 1.870378 84.2592593
0.25 47 1.870378 86.1111111
-1.25 48 2.203678 87.962963
-0.75 49 2.203678 89.8148148
1.75 50 2.203678 91.6666667
0.75 51 2.537078 93.5185185
41:
-0.25 52 3.203678 95.3703704
0.25 53 3.203678 97.2222222
-0.65 54 3.38334 99.0740741

4. Grafica probabilidad acumulada vs residual

Residuales
100

90

80

70

60

50
Residuales
40

30

20

10

0
-4 -3 -2 -1 0 1 2 3 4

Se observa que la tendencia es lineal por lo que los supuestos del Análisis de Varianza “ANOVA” se

cumplen para el experimento en estudio

42:
APLICACIÓN DE PROGRAMAS INTEGRADOS

Gracias al avance de los paquetes numéricos y más aun, al desarrollo de software estadístico,

aporta una herramienta de suma importancia en el mejoramiento de las inferencias estadísticas

más utilizadas y aplicadas a nivel industrial, económico y social. Para el desarrollo de este proyecto

se uso como paquete oficial Microsoft Office Excel, hoja de calcula cuya eficacia es importante en

el análisis numérico. Pero cabe mencionar que existen programas que de manera directa aplican el

estudio estadístico, como es el caso del MINITAB. Instrumento que minimiza los esfuerzos

humanos, disminuyendo la probabilidad del error humano. Eh justo en este punto donde radica la

importancia del uso de los paquetes existentes en el ambiente mercantil y laboral.

43:
CONCLUSIÓN

El desarrollo de los diseños experimentales permite el análisis de los factores que puedan influir

en la variabilidad en un proceso y así afectar de manera directa las políticas de calidad sujetas en

la organización. Este proyecto consideró el proceso de saponificación mediante un análisis de

varianza en un diseño factorial de 3 factores: temperatura, concentración y operador. Detalló de

manera minuciosa el seguimiento de dicho estudio y deja de manera importante una aplicación

directa de los diseños en sus diferentes modalidades, así como del proceso de optimización y

finalmente la toma de decisiones que repercutan positivamente en el espacio donde sea aplicado

este diseño.

Así pues es de vital importancia hacer del conocimiento y dominio público que el aprendizaje al

desarrollar este diseño, fue pilar sustancial en el mejoramiento de la experiencia y de las

habilidades personales.
44:
BIBLIOGRAFÍA

 Douglas C. Montgomery (2005). Diseño y análisis de experimentos.

 Disponible:http://costaricalinda.com/Estadistica/duncan.htm

 Wikipedia, la enciclopedia libre. (2010). Saponificación. [En línea]

Disponible
http://es.wikipedia.org/wiki/Saponificación

 Smith, Et. Al. (1996).Introducción a la Termodinámica en Ingeniería Química.Mc Graw Hill:

México D.F.

 Fernando Tisacareño Lechuga (2008). ABC para comprender reactores químicos.

México. Reverté.

 Perry(2006). Manual del ingeniero químico. México. Mc Graw Hill

 Wikipedia, la enciclopedia libre. (2010). Hidrólisis de esteres. [En línea]

Disponible
http://es.wikipedia.org/wiki/Hidrólisis
45:
ANEXOS