Documentos de Académico
Documentos de Profesional
Documentos de Cultura
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.
Objetivos 3
Introducción 4
-ANOVA factorial
-ANOVA unifactorial
-Polinomios ortogonales
-Análisis de residuales
Conclusión 44
Bibliografía 45
Anexos 46
3:
OBJETIVOS
proceso productivo.
estudio más detallado de los mismos en función de una variable de respuesta en común.
variabilidad en el proceso; de ser así desarrollar un análisis del factor o factores para su
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
Debido a todos los aspectos que se han mencionado en párrafos anteriores, este escrito presenta
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
Los autores.
5:
MARCO TEÓRICO
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
Por ejemplo, si el factor A tiene a niveles y el factor B tiene b niveles, cada replica contiene todas
Para el buen entendimiento del desarrollo de este análisis vamos a definir ciertos conceptos
determinado factor. Se acostumbra simbolizar algún elemento "a" por la letra minúscula
cualidades.
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
Permite estudiar los efectos principales, efectos de interacción de factores, efectos simples y
efectos cruzados.
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
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
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
FV SC GL MS Fo
La reacción que tiene lugar es la saponificación y los productos son el jabón y la 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:
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:
α β α
−rA = kCAcet CNaOH k ′ = kCAcet
Mecanismo de Reacción
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
información muy valiosa. Tal vez lo más importante, desde el punto de vista práctico, es la
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
Constante de equilibrio
El equilibrio químico establece la conversión máxima que se puede alcanzar en un reactor si una
visualizar como una restricción termodinámica. Solamente bajo condiciones en que una reacción
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
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
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
𝐺𝑇
(𝑑𝐺 𝑇 ) 𝑇,𝑃 = 0
𝐺 = 𝐺(𝑃, 𝑇, 𝑛1 , 𝑛2 , 𝑛3,… , 𝑛𝑖 )
15:
Por lo tanto para el cambio de la energía libre de Gibbs:
Reduciendo términos:
𝜕𝑛𝐺
= 𝑛𝑉
𝜕𝑃 𝑇,𝑛 𝑖
𝜕𝑛𝐺
= −𝑛𝑆
𝜕𝑇 𝑃,𝑛 𝑖
𝜕𝑛𝐺
=𝐺=𝜇
𝜕𝑛 𝑇,𝑃
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
otro lado, aunque mediante estequiometria es posible relacionar los 𝑑𝑛𝑖 y dejarlos en función de
𝑑 𝑛𝐺 = 𝑛𝑉 𝑑𝑃 − 𝑛𝑆 𝑑𝑇 + 𝜇𝑖 𝜈𝑖 𝑑𝜀
𝐺𝑖0 = 𝑅𝑇𝑙𝑛 𝑓𝑖
𝜇𝑖 − 𝐺𝑖0 = 𝑅𝑇 𝑙𝑛𝑓𝑖 − 𝑙𝑛 𝑓𝑖
𝑓𝑖
𝜇𝑖 − 𝐺𝑖0 = 𝑅𝑇 𝑙𝑛
𝑓𝑖
𝑓𝑖
𝑎=
𝑓𝑖
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 + 𝑅𝑇 𝑙𝑛𝑎𝑖 𝜈 𝑖 = 0
𝑅𝑇 𝑙𝑛𝑎𝑖 𝜈 𝑖 = − 𝜈𝑖 𝐺𝑖0
17:
− 𝜈𝑖 𝐺𝑖0
𝑙𝑛𝑎𝑖 𝜈 𝑖 =
𝑅𝑇
− 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
𝑎𝑖 𝜈 𝑖 = 𝐾
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:
𝑓𝑖0
18:
𝑓𝑖
𝑎=
𝑓𝑖
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
𝜈𝑖
𝑃 − 𝑃𝑜
𝐾= 𝛾𝑖 𝑥𝑖 𝑒𝑥𝑝 𝜈𝑖 𝑉𝑖
𝑅𝑇
𝜈𝑖
𝐾= 𝛾𝑖 𝑥𝑖
Que es la ecuación con la que trabajaremos en los siguientes apartados en base a datos teóricos
gases y se desviación respecto al gas ideal; así pues las soluciones liquidas se tratan
Por tal motivo para estos casos no se hablara de propiedades residuales, a su vez se tomaran los
propiedades:
𝑀𝐸 = 𝑀 − 𝑀𝑖𝑑
Las propiedades en exceso no tienen significado alguno para el caso de sustancias puras, caso
Consideremos ahora las siguientes ecuaciones en función a las herramientas necesarias para el
análisis de experimentos:
𝐺 = 𝑅𝑇 𝑙𝑛 𝑓𝑖
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
Los experimentos factoriales son aquellos en los que se prueban varios niveles de dos o más
cada una de las dosis o categorías de cada factor. Todo experimento con dos o más factores
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
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.
muy restringido
Bajo esta premisa, y varios puntos mencionados anteriormente, se decide utilizar un diseño
b. Unidades experimentales,
c. Factores de ruido
estudio (tratamientos)
4. Especificar las medidas con que se trabajará (la respuesta), el procedimiento experimental
5. Especificar el modelo
6. Ejecutar el experimento
7. Capturar resultados
8. Análisis de datos
Cuidar las condiciones óptimas en las que el proceso se lleva a cabo para no
Si y solo si para los factores que afecten se realizara un análisis unifactorial con el
Se realiza a priori una serie de posibles fuentes de variabilidad que se muestra en el siguiente
diagrama Ishikawa:
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
estudio (tratamientos):
Como se menciono en párrafos anteriores, y en función a las características de los datos se elige
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
operadores.
Material Reactivos
• 3 Buretas
• 3 Termómetro
• Perillas
• 3 Cristalizadores
26:
• 6 Vasos de ppdo. de 50 ml
PREPARACION DE SOLUCIONES
0.05𝑁 (0.5𝐿)
Sustituyendo valores 𝑉1 = 7.5 𝑁
= 0.3.333 ml y aforara a 500 ml
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
0.025 𝑁 1 36.460
𝑉𝐻𝐶𝑙 = 0.371
= 2.45 𝑚𝑙 ml y aforar a 1L
Procedimiento
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
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
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
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
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
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
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
T= Temperatura
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.
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
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
𝑦1. = 41.2500
𝑦2. = 49.0166
𝑦3. = 58.46292
De tablas
40 2.86 3.01
51 x x
60 2.83 2.98
𝑀𝐶𝐸
𝑆𝑦 =
3
2.764138
𝑆𝑦 = = 0.095988
3
Realizando las comparaciones identificamos que los tres niveles se comportan de manera distinta.
36:
Polígonos Ortogonales
Lineal
𝑌𝑖𝑗 = 𝜇 + 𝛼1 𝑃1
Cuadrático
𝑌𝑖𝑗 = 𝜇 + 𝛼1 𝑃1 + 𝛼2 𝑃2
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
ANOVA
FV SC GL MC Fo FT
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
Simplificando
𝑌1. = 40.970068
𝑌2. = 49.576528
𝑌3. = 58.182988
% 𝑒𝑟𝑟𝑜𝑟𝑌1. = 0.678621
% 𝑒𝑟𝑟𝑜𝑟𝑌2. = 1.142188
% 𝑒𝑟𝑟𝑜𝑟𝑌3. = 0.478818
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
𝑖 − 1/2
𝑝𝑘 =
𝑁
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
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
Gracias al avance de los paquetes numéricos y más aun, al desarrollo de software estadístico,
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
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
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
habilidades personales.
44:
BIBLIOGRAFÍA
Disponible:http://costaricalinda.com/Estadistica/duncan.htm