INGENIERÍA AUTOMOTRÍZ

Tarea en Clase

Diseño Factorial 2K

INTEGRANTES:

Carlos Alexander López Alba

Lenin Graciani Nivelo Puma

Steven Alexander López Vera

DOCENTE:

Ing. Andrés Esteban Ordoñez Segarra

MATERIA:

Diseño de Experimentos

FECHA:

Miércoles 06 de julio de 2022

GRUPO:

N°1

Cuenca-Azuay-Ecuador
Contenido
Diseño Factorial 2K...............................................................................................1

Introducción...........................................................................................................3

Objetivos................................................................................................................3

Objetivo General...............................................................................................3

Objetivos Específicos........................................................................................3

Desarrollo..............................................................................................................4

Ejercicio 1. Conteste las siguientes preguntas.......................................................4

Ejercicio 2. Suponga un diseño factorial 22..........................................................5

Ejercicio 3. A continuación, se muestran los resultados de un diseño factorial....8

Ejercicio 4. Suponga un diseño factorial 23.........................................................10

Ejercicio 5. A continuación, se muestran los resultados obtenidos.....................12

Ejercicio 6. Suponga un diseño factorial 24.........................................................14

Ejercicio 7. En una fábrica de dientes se tienen problemas de calidad...............17

Ejercicio 8. En una empresa lechera se han tenido problemas............................20

Ejercicio 9. En una empresa de electrónica una máquina...................................23

Conclusión...........................................................................................................28

Bibliografía..........................................................................................................28

Anexos.................................................................................................................29
 Introducción

En este trabajo se exponen las definiciones de diseño experimental y

específicamente del diseño factorial 2k, su importancia, características, ventajas y

desventajas; además de presentar nueve casos aplicados de dicho diseño con su

correspondiente análisis, explicando por qué en cada uno de estos casos fue apropiado

aplicar el método factorial 2k. Se muestran también los parámetros bajo los cuales es

adecuado utilizar este método y se concluye que es uno de los métodos más

convenientes de aplicar cuando se requiere analizar los efectos conjuntos de varios

factores y las interacciones entre ellos.

Objetivos

Objetivo General

 Explicar de forma clara, detallada contextualizada el diseño factorial, su

aplicación y las diferentes formas en la que este puede llevar a cabo para

conseguir conclusiones validas en un experimento, así como demostrar la

importancia de utilizarlo para un mejor rendimiento en los procesos.

Objetivos Específicos

 Para conseguir este objetivo se realizará ejemplos con el software

Minitab 20.3

 Crear una hipótesis nula y una alternativa para poder llegar a una

conclusión verídica.

 Reconocer y formular el problema y forma clara para desarrollar los

ejercicios planteados.

 Seleccionar los factores y niveles dentro del ejercicio.

 Desarrollo

Ejercicio 1. Conteste las siguientes preguntas, de índole general, con

respecto a los diseños factoriales:

a) Explique qué son los factores y qué es la (s) variable (s) de respuesta.

Factor: Variable independiente que se incluye en el experimento para tomarla

en cuenta como factor de ruido sobre la variable de respuesta.

Variables de respuesta: Particularidad del producto cuyo valor interesa mejorar

mediante el diseño de experimentos.

b) ¿Cuál es el objetivo de un diseño factorial?

Corteja el estudio en el efecto individual y de interacción de varios factores

sobre una o varias respuestas.

c) Ejemplifique y explique en qué consiste la estrategia de modificar o mover

un factor a la vez, que es propia de la experimentación empírica

Se elegir el primer factor, realizar las corridas que quiera con ambos niveles,

para obtener así la condición óptima.

d) Señale y argumente qué ventajas tienen los experimentos factoriales sobre la

estrategia de mover un factor a la vez.

Se estudia el efecto individual y de interacción de los distintos factores.

Permite correr fracciones de diseños factoriales, las cuales son de gran utilidad

cuando se involucran muchos factores para descartar de manera económica los que no

son importantes; así mismo, pueden utilizarse en combinación con diseño de bloques en

situaciones en las que no puede correrse todo el diseño factorial bajo las mismas

condiciones.
 e) ¿Qué significa que un factor tenga un efecto significativo? ¿Sobre quién es el

efecto?

Es la interacción con otro factor; además, su significancia es negativa, y esto

recae en la variable de respuesta, lo que significa que no es el mejor tratamiento

f) ¿Todos los factores deben ser de tipo cuantitativo o es posible involucrar

factores cualitativos, por ejemplo, dos tipos de máquinas, o la presencia o

ausencia de alguna sustancia?

No, sin embargo, se pueden involucrar factores cualitativos en los experimentos.

Ejercicio 2. Suponga un diseño factorial 22, cuyos factores y niveles son:

temperatura (8,20) y velocidad (4,7). La variable de respuesta es rendimiento.

Conteste las siguientes preguntas:

a) ¿por qué este diseño recibe tal nombre?

Ya que es un experimento de dos factores, con dos niveles por cada factor.

b) Anote los diferentes tratamientos que forman este diseño. Utilice diferentes

tipos de códigos

Temperatura (A) Velocidad (B) A B Código

8 4 - - (1)

8 7 - + a

20 4 + - b

20 7 + + ab

Tabla 1: Tratamientos (Temperatura-Velocidad)

c) Represente el diseño en forma geométrica y resalte la región de

experimentación.
  

    (-1,1) (1,1)
7
     

     

     

B: Velocidad    

     

       
4
  (-1,-1) (1,-1)

           

   

8 20

A: Temperatura

d) Explique cómo piensa que fue el proceso para seleccionar esos factores y

esos niveles

Escoger el rendimiento fuera la variable de respuesta ya que era el factor de

interés para el experimento, y como factores la temperatura y la velocidad debido a que

son los factores que pueden causar mayor significancia en el rendimiento, y se toman

los niveles mencionados ya que son los de mayor significancia.

e) Defina qué son los efectos principales y cuál el efecto de interacción.

Los efectos principales: Efectos por separado de los factores a estudiar.

Efecto de interacción: Es cuando un factor depende del nivel de otro

 f) Señale los diferentes efectos que se pueden estudiar con este diseño y la

forma en que se calcula cada uno.

Existen tres efectos de interés, los efectos principales A y B, y el efecto de

interacción AB.

El efecto de A se calcula de la siguiente manera

1 [ a+ ab ] [ b+(1) ]
Efecto A= [ a+ b−b−(1) ] = −
2n 2n 2n

El efecto B se calcula de la siguiente manera

1 [ b+ ab ] [ a+(1) ]
Efecto B= [ b+ab−a−(1)] = −
2n 2n 2n

El efecto AB se calcula de la siguiente manera

1 [ ab+b ] [ a−(1) ]
Efecto AB= [ ab+(1)−a−b ] = −
2n 2n 2n

g) Describa en qué consiste la aplicación de los tres principios básicos del

diseño de experimentos (capítulo 1) en este caso.

Aleatorización: Hacer corridas experimentales al azar; este principio aumenta la

posibilidad de que el supuesto de independencia en los errores se cumpla.

Repetición: Correr más de una vez un tratamiento o combinación de factores.

Bloqueo: Nulificar o tomar en cuenta en forma adecuada todos los factores que

pueden afectar la respuesta observada

 Ejercicio 3. A continuación, se muestran los resultados de un diseño

factorial. Conteste los siguientes incisos sin utilizar un software computacional, es

decir haga las operaciones de manera manual.

a) ¿Qué nombre recibe este diseño y por qué?

Es un diseño 22, ya que cuenta con dos factores y dos niveles en cada uno.

b) ¿Cuántos tratamientos tiene este diseño, cuantas replicas?

Cuenta con 4 tratamientos y 3 replicas

c) En total son 12 corridas experimentales. Señale en qué orden debieron

correrse y explique por qué.

Hay que correr de manera aleatoria, debido a que de esa manera el experimento

se vuelve más confiable, y los datos tienden a ser menos afectados por los factores en

comparación a que si se corrieran en orden.

d) Explique los efectos que se pueden estudiar a través de este diseño

Deben estudiar los efectos A y B sobre la variable de respuesta, así como

también la interacción entre ellos y sus niveles.

e) Obtenga los contrastes para los efectos principales de A y B, así como

para la interacción.

Contraste A=[ (−1 )+ a−b+ab ] =[ −246+239−207+270 ]=56

Contraste B=[ (−1 ) −a+b+ ab ]= [−246−239+207 +270 ] =−8

Contraste AB=[ 1−a−b+ ab ] = [ 246−239−207+270 ] =70

f) Calcule los efectos principales y el efecto de interacción.

 [ Contraste A ] 56
Efecto A= = =9.33
2n 6

[ Contraste B ] −8
Efecto B= = =−1.33
2n 6

[ Contraste AB ] 70
Efecto AB = = =11.66
2n 6

g) Haga las gráficas de los efectos principales A y B, e interprételas.

Ilustración 1:Gráfico de efectos principales para resultados

h) ¿Desde su punto de vista el factor B parece tener influencia sobre Y?

Argumente su respuesta

Ilustración 2:Gráfico de interacción para resultados

 i) ¿Desde su punto de vista el factor B parece tener influencia sobre Y?

Argumente su respuesta

No, ya que tiene punto de interacción diferentes

Ejercicio 4. Suponga un diseño factorial 2 3, y conteste las siguientes

preguntas.

a) Utilice la notación de (-, +) para los niveles de los factores, y escriba

todos los tratamientos que forman este diseño.

Código A B C
(1) - - -
a + - -
b - + -
ab + + -
c - - +
ac + - +
bc - + +
abc + + +
Tabla 2: Factores y tratamientos

b) Represente en forma geométrica este diseño y resalte la región de

experimentación.

Ilustración 3: Gráfica de cubos

 c) ¿Cuáles son todos los posibles efectos que se pueden estudiar con este

diseño?

Los efectos que podemos estudiar son los efectos que, debido a los factores de

A, B, C y la interacción de los dos niveles con cada uno de los factores.

d) Para cada uno de los efectos anteriores, obtenga su contraste.

Contraste A=(a+ ab+ ac+ abc−( 1 )−b−c−bc)

Contraste B=( b+ab+ bc+ abc−( 1 )−a−c−ac )

Contraste C=( c +ac +bc +abc− (1 ) −a−b−ab )

Constante AB=( ab−b−a+ abc+ ( 1 ) −bc−ac +c )

Constante AC =( ( 1 )−a+ b−ab−c+ ac−bc +abc)

Constante BC=( ( 1 ) +a−b−ab−c−ac+ bc+ abc )

Constante ABC =( abc−bc−ac +c−ab+b+ a−( 1 ) )

e) Señale en forma específica cómo utilizaría los contrastes para calcular los

efectos y la suma de cuadrados.

El efecto se tiene que dividir el contraste sobre el número de replicas por los

niveles elevado a la k-1.

contraste A
Efecto A=
N 2 k−1

La suma de cuadrados se eleva al cuadrado el contraste y se divide sobre el

número de replicas por los niveles elevado a la k

2
( contraste efecto )
SC efecto = k
n2

f) En este caso, cómo aplicaría los tres principios básicos del diseño de

experimentos (capítulo 1)
 Aleatorización: Hacer corridas experimentales al azar; este principio aumenta la

posibilidad de que el supuesto de independencia en los errores se cumpla.

Repetición: Se corre más de una vez un tratamiento o combinación de factores.

Bloqueo: Tomar en cuenta en forma adecuada todos los factores que pueden

afectar la respuesta observada

Ejercicio 5. A continuación, se muestran los resultados obtenidos en un

diseño factorial 23 no replicado. Conteste los siguientes incisos sin utilizar un

software computacional, es decir, haga las operaciones de manera manual.

a) En la primera columna de la matriz de diseño especifique el código de cada

uno de los tratamientos, de acuerdo con la notación de Yates.

Código A B C Y
b - + - 25
abc + + + 12
(1) - - - 30
ac + - + 10
c - - + 10
ab + + - 14
bc - + + 31
a + - - 17
Ilustración 4: Código y tratamientos

b) Calcule los efectos principales de A y B.

Efecto principal de A = -10.75

Efecto principal de B = 3.750
c) Haga la gráfica de los efectos principales de A y B.

Ilustración 5: Efectos principales para Y

d) Calcule el efecto de la interacción de AB

Efecto de interacción AB = -4.250

e) Realice la gráfica de la interacción entre los factores A y B, e interprétela

con detalle.
 Ilustración 6: Gráfica de interacción para Y

f) ¿Qué tendría que hacer para saber si los efectos que calculó en los incisos

anteriores afectan de manera significativa la variable de respuesta?

Los efectos contribuyen a explicar el comportamiento de la respuesta, se debe

hacer la prueba estadística del análisis de varianza. Las sumas de cuadrados que

componen el ANOVA se pueden calcular por medio de los efectos estimados, como

veremos a continuación. Es obvio que si se tiene un software especializado que haga los

cálculos, lo que sigue sirve de fundamento.

g) Calcule la suma de cuadrados para el efecto principal de A y para la

interacción

Suma de cuadrados para efecto principal A = 231.125.

Suma de cuadrados para interacción AB = 36.125.

Suma de cuadrados para interacción AC = 3.125.

Suma de cuadrados para interacción BC = 120.125.

Suma de cuadrados para interacción ABC = 55.125.

 Ejercicio 6. Suponga un diseño factorial 2 4, y conteste las siguientes

preguntas.

a) Anote la matriz de diseño, es decir, haga una lista de todos los tratamientos

que forman este diseño.

Código A B C D
(1) - - - -
a + - - -
b - + - -
ab + + - -
c - - + -
ac + - + -
bc - + + -
abc + + + -
d - - - +
ad + - - +
bd - + - +
abd + + - +
cd - - + +
acd + - + +
bcd - + + +
abcd + + + +
Tabla 3: Código y tratamientos

b) ¿Por qué este diseño recibe tal nombre?

Ya que cuenta con 4 factores con dos niveles por factor.

c) ¿Cuáles son todos los posibles efectos que se pueden estudiar con este

diseño?

Se estudia los efectos A, B, C y D sobre la variable de respuesta, así como

también la interacción entre estos y sus niveles.

d) Con respecto al análisis, ¿en qué consiste y cuál es el objetivo de obtener el

mejor ANOVA?
 El ANOVA más optimo a utilizar es el modelo más simple que explica mejor el

comportamiento de la variable de respuesta y se obtiene eliminando los términos que no

contribuyen.

e) ¿Cómo se calculan los coeficientes de determinación R2 y R2AjS?

2 SCtotal −SC error SC modelo

R= ∗100= ∗100
SC total SC total

2 CM total−CM error
Raj = ∗100
CM total

f) Si después de conseguir el mejor ANOVA, se obtiene que estos R2,

coeficientes tienen un valor de alrededor de 90, ¿qué significa esto?

Los factores estudiados, junto con su interacción, son responsables o explican un

alto porcentaje de la variabilidad observada en la variable de respuesta

g) Si, por el contrario, tales coeficientes tienen un valor de alrededor de 20,

¿qué significa esto?

Los factores estudiados, junto con su interacción, no son responsables o no

explican un alto porcentaje de la variabilidad observada en la variable de respuesta.

h) Obtenga el contraste para el efecto principal de D y para el efecto de

interacción CD.

Contraste D=(−(1)−a−b−ab−c−ac−bc−abc+ d+ ad +bd +abd +cd +acd +bcd + abcd)

Contraste CD=( ( 1 )+ a+b+ ab−c−ac−bc−abc−d −ad−bd −abd+ cd +acd +bcd +abcd )

i) Señale en forma específica cómo utilizaría los contrastes para calcular los

efectos y la suma de cuadrados.

El efecto se divide el contraste sobre el número de réplicas por los niveles

elevado a la k-1
 Contraste A
Efecto A=
n 2k−1

La suma de cuadrado se eleva al cuadrado el contraste y dividir sobre el número

de réplicas por los niveles elevado a la k

SC efecto =¿ ¿

j) ¿Puede darse el caso de que el efecto principal de A no sea significativo, y el

efecto de la interacción AB si lo sea?

El método de diseño de experimentos es de gran utilidad para cualquier proceso

de ingeniería, tanto en la fase de desarrollo como para la mejora del proceso ya en

marcha. Dicho método elimina la necesidad de un estudio de prueba y error,

permitiendo la adaptación de los procesos y la optimización de sus condiciones. Y en

cuanto Minitab es una herramienta que ofrece de forma clara y sencilla soluciones en el

diseño de experimentos, ahorrando tiempo y recursos, así como proporcionando al

experimento validez, precisión y eficacia.

Ejercicio 7. En una fábrica de dientes se tienen problemas de calidad:

porosidad (burbujas de aire dentro de los dientes), manchas blancas, dientes

sucios, dientes quebrados. En los intentos por resolver los problemas han hecho

cambios en algunos factores o variables del proceso. Con base en la metodología

del DDE se decide correr un diseño de experimentos 23. Los factores y niveles son:

temperatura de prensado (90, 130 °C), tiempo de prensado (8 y 15 minutos) y

tamaño de partícula (sin tamizar y con tamizado), la variable de respuesta fue

porcentaje por diente bueno en cada corrida (un lote de producción). Los datos son

los siguientes.
 a) Estime todos los posibles efectos y diga cuales son significativos.

H 0=Efecto Temperatura=0

H 0=Efecto tiemp=0

H 0=Efecto tamaño=0

H 0=Efecto Temperatura tiempo=0

H 0=Efecto Temperatura tamaño=0

H 0=Efecto tiempo tamaño=0

H 0=Efecto Temperatura tiempo tamaño=0

Podemos observar que se rechaza la hipótesis nula con respecto al

temperatura pues no es significativo. Con respecto al tiempo y partícula se acepta la

hipótesis nula pues si tiene un valor significativo. La interacción temperatura y tiempo

no es significativa por lo que se rechaza la hipótesis nula, la interacción temperatura

partícula si es significativa por lo que se acepta la hipótesis nula, interacción triple es

también significativa por lo que se acepta la hipótesis nula

b) Realice un análisis de varianza de estos datos y obtenga conclusiones

generales.

Análisis de Varianza
Fuente GL SC Ajust. MC Ajust. Valor F Valor p
Modelo 3 10,0000 3,33333 0,42 0,751
  Lineal 2 10,0000 5,00000 0,63 0,580
    Temperatura 1 2,0000 2,00000 0,25 0,643
     Tiempo 1 8,0000 8,00000 1,00 0,374
  Interacciones de 2 términos 1 0,0000 0,00000 0,00 1,000
    Temperatura*Tiempo 1 0,0000 0,00000 0,00 1,000
Error 4 32,0000 8,00000    
Total 7 42,0000      
c) Verifique residuos ¿qué observa que sea notorio?

Ilustración 7: Orden VS Residuo

Se nota que hay un descontrol en la gráfica en los puntos 4 y 12 se encuentran

fuera del límite central por lo tanto afecta el proceso

d) ¿Hay un tratamiento ganador?

La temperatura y el tiempo son los que se encuentran más cercas de los limites

por lo que se puede interpretar que son los que se pueden controlar con más facilidad.

Ilustración 8: Interacción tamaño-tiempo

 e) ¿Qué condición de proceso sugiere emplear a futuro? Tome en cuenta,

además, que, a mayor tiempo y mayor temperatura, más costos.

Se recomienda aplicar el tamizado en el proceso con busca de aumentar el

porcentaje de dientes buenos, en los factores de tiempo y temperatura.

f) Las condiciones que se utilizaban antes del experimento eran: temperatura de

130°C y tiempo de 15 minutos ¿Por qué cree que se eligieron niveles

inferiores de prueba para estos factores?

Ambos casos se establecen que el proceso optimo se realiza siempre con

tamizado.

Ilustración 9:Gráfica de interacción

Ejercicio 8. En una empresa lechera se han tenido problemas con la

viscosidad de cierta bebida de chocolate. Se cree que con tres ingredientes que se

agregan en pequeñas cantidades se puede resolver este problema, por lo que es

necesario explorar la situación; para ellos se corre un experimento 23 con dos

réplicas. A continuación, se aprecian los resultados obtenidos.

a) Estime todos los posibles efectos y diga cuáles son significativos.

Ilustración 10: Gráfica de efectos individuales

 Ilustración 11: Gráfica de interacciones entre Ingredientes

Signo Ingrediente A: Ingrediente B Ingrediente A: Ingrediente C Ingrediente B: Ingrediente C

s
-:- 15.325 16.000 14.925
+:- 14.925 14.925 16.000
-:+ 16.000 15.325 15.325
+:+ 16.625 16.625 16.625
Tabla 4: Valores de Interacción entre factores

Como se puede observar existe una interacción entre los factores. Lo cual quiere

decir que los ingredientes A, B y C si afectan la viscosidad de la leche, esto se observa

en el valor p<0.05 el cual es de significancia para este ejercicio.

b) Realice un análisis de varianza de estos datos y obtenga conclusiones

generales.

Los efectos significativos son los ingredientes B, C, AB, BC y ABC eso quiere

decir que estos ingredientes si afectan a la viscosidad de la bebida.

c) Interprete a detalle los efectos significativos

 Como se observó anteriormente, si existen efectos significativos en los

ingredientes con la viscosidad que se genera. Los ingredientes que más demostraron

interacciones son el Ingrediente B y el Ingrediente C con lo que se puede decir que estos

afectan la viscosidad de la leche. Ahora bien, el que mayor agrega viscosidad es el

ingrediente C

d) ¿Hay un tratamiento ganador para minimizar?

En el ANOVA nos encontramos que los efectos mencionados son significativos

de igual forma, por lo que no hay un tratamiento para que dichos efectos se puedan

minimizar.

e) Verifique residuos ¿Qué considera destacado?

Para poder hacerlo, se hará una prueba de normalidad de shapiro;

2 2
H 0 :σ =σ j =Constante

2 2
H A :σ ≠ σ j ≠Constante

Ejercicio 9. En una empresa de electrónica una máquina toma componentes

que le proporciona un alimentador, para montarlos o depositarlos en una tarjeta.

Se ha tenido el problema de que la máquina falla en sus intentos por tomar el

componente, lo cual causa paros de la máquina que detienen el proceso hasta que

el operador se da cuenta y reinicia el proceso. Para diagnosticar mejor la situación,

se decide correr un diseño de experimentos 24 con n=2 réplicas en el que se tienen

los siguientes factores y niveles (+-) respectivamente: A) velocidad de cam (70%,

100%), B) velocidad de mesa (media, alta), C) orden de secuencia de colocación

(continua, variable), D) Alimentador (1, 2). Como el proceso es muy rápido, es

necesario dejarlo operar en cada condición experimental el tiempo suficiente para

reproducir el problema. Se consideró que esto lo lograba con suficiente confianza

con 500 componentes; y se midieron dos variables de respuesta Y1= número de

errores (o intentos fallidos) y Y2= tiempo real (segundos)

Para tomar y “colocar” los 500 componentes. Es evidente que se quiere

minimizar ambas variables. Los datos obtenidos se muestran en la siguiente tabla.

a) Al observar los datos obtenidos se deduce que hay algunos tratamientos que

tienen pocos o ningún componente caídos, como por ejemplo el (-1, -1, +1,

+1), alguien muy “Práctico” decidirla poner la máquina o operar bajo estas

condiciones y olvidarse del análisis estadístico. De proceder así, explique

qué información se perdería

De proceder de esta manera omitiríamos información importante, sería una

decisión riesgosa ya que no sabemos con exactitud si esta condición es la óptima en el

proceso.

b) Investigue qué efectos influyen de manera significativa sobre Y1 (apóyese

Pareto y anova)

Análisis de Varianza
 Fuente GL SC Ajust. MC Ajust. Valor F Valor p
A 1 25,000 25,000 1,10 0,403
Error de PC 2 45,250 22,625 * *
B 1 42,250 42,250 * *
C 1 182,250 182,250 * *
D 1 16,000 16,000 * *
A*B 1 9,000 9,000 * *
A*C 1 9,000 9,000 * *
A*D 1 56,250 56,250 * *
B*C 1 132,250 132,250 * *
B*D 1 9,000 9,000 * *
C*D 1 16,000 16,000 * *
A*B*C 1 121,000 121,000 * *
A*B*D 1 30,250 30,250 * *
A*C*D 1 42,250 42,250 * *
Error de PD 0 * *   
Total 15        
Tabla 5: ANOVA

c) Obtenga el mejor ANOVA.

ANOVA anidada: Y1 vs. A; B; C; D

Análisis de varianza de Y1
Fuente GL SC MC F P
A 1 6320,2500 6320,2500 96,862 0,010
B 2 130,5000 65,2500 0,045 0,956
C 4 5753,0000 1438,2500 1,682 0,246
D 8 6840,0000 855,0000    
Total 15 19043,7500    
 
Componentes de la varianza
Fuente Comp.Var. % del total Desv.Est.
A 781,875 40,54 27,962
B -343,250* 0,00 0,000
C 291,625 15,12 17,077
D 855,000 44,33 29,240
Total 1928,500   43,915

* El valor es negativo y se calcula dividiendo entre cero.

Media de cuadrados esperada

1 A 1,00 (4) + 2,00 (3) + 4,00 (2) + 8,00 (1)
2 B 1,00 (4) + 2,00 (3) + 4,00 (2)
3 C 1,00 (4) + 2,00 (3)
4 D 1,00 (4)
Tabla 6: ANOVA Mejorado

d) Si el análisis interior encuentra alguna interacción significativa, analice con

detalle la más importante e interprete e términos físicos

Se puede observar a partir del análisis anterior que existe una interacción

significativa entre los efectos A y C, se puede apreciar en la gráfica siguiente:

 Ilustración 12: Interacción A y C

e) ¿Qué tratamiento minimiza Y1?

Ilustración 13: Tratamiento minimiza Y1

f) Ahora investigue qué efectos influyen de manera relevante sobre y2

Factor Nombre
A A

B B

C C

D D

Alias
I

AB

AC

AD

BC

BD

CD

ABC
 ABD

ACD

Término Efecto Coef EE del coef. Valor T Valor p FIV

Constante   81,38 1,19 68,43 0,000  
A 2,50 1,25 1,19 1,05 0,403 *
B 3,250 1,625 * * * 1,00
C -6,750 -3,375 * * * 1,00
D 2,000 1,000 * * * 1,00
A*B -1,5000 -0,7500 * * * 1,00
A*C -1,5000 -0,7500 * * * 1,00
A*D -3,750 -1,875 * * * 1,00
B*C 5,750 2,875 * * * 1,00
B*D 1,5000 0,7500 * * * 1,00
C*D 2,000 1,000 * * * 1,00
A*B*C -5,500 -2,750 * * * 1,00
A*B*D -2,750 -1,375 * * * 1,00
A*C*D -3,250 -1,625 * * * 1,00
Tabla 7: Efectos sobre Y2

g) ¿qué tratamiento minimiza y2?

Ilustración 14: Tratamiento Minimiza Y2

h) Encuentre una condición satisfactoria tanto para minimizar Y1 como Y2

Para Y 1=( A , B , C , D )=¿ ¿

Para Y 2=( A , B , C , D )=¿ ¿

 Observamos que los niveles de A y C, difieren en ambas variables de respuesta.

Dado que deseamos mayormente minimizar Y1 o los errores fallidos, tomamos los

niveles que asumen la combinación para dicha variable para los factores mencionados.

Condición:

( A , B , C , D )=¿ ¿

i) De los análisis de varianza para Y1 y Y2 observe el coeficiente R 2 ¿Qué

concluye de ello?

Se deben optimizar para obtener un resultado mejorado en cuanto a los 2

términos, ya que así encontraremos un ANOVA mejorado y optimizado.

Conclusión

Se puede concluir que, el método de diseño de experimentos factorial es de gran

utilidad para cualquier proceso de ingeniería, tanto en la fase de desarrollo como para la

mejora del proceso ya en marcha. Dicho método elimina lanecesidad de un estudio de

prueba y error,permitiendo la adaptación de los procesos y la optimización de sus

condiciones.

Cuando este software se utiliza de forma adecuada, es decir, cuando se adapta al

experimento y a los recursos que tiene a su alcance el experimentador, se puede

conseguir un resultado óptimo, o lo más cerca posible del óptimo. Esto se debe a que se

puedenmodelar los parámetros, en los que se tiene que mantener el experimento, de una

forma sencilla.

Bibliografía

Varela, P. D. M., & Reyes, A. M. L. (2011). Análisis crítico del diseño factorial 2k

sobre casos aplicados. Scientia et technica, 1(47), 101-106.

DE, V. D. C. D. I., & CULTURAL, I. (2008). DISEÑO FACTORIAL

FRACCIONADO 2K-P APLICADO A LA DETERMINACIÓN DEL. Scientia

et Technica, 14(39).

Álvarez-Gil, L., Guerra-Sandoval, J., & Rojas-Reyes, N. (2018). Diseño factorial 2 k

aplicado a la caracterización reológica de suspensiones de caolín. Prospectiva,

16(1), 18-25.

Fernández Bao, S. (2020). Diseño de experimentos: Diseño factorial (Master's thesis,

Universitat Politécnica de Catalunya).

Humberto, G. P., & De La Vara, R. (2008). Análisis y diseño de experimentos. Editorial

Mc Graw Hill.

Anexos