OBJETIVO:

Realizar una investigación sobre diseños factoriales con ejemplo y esquemas.

INTRODUCCIÓN

El diseño estadístico experimental (DOE) consiste en planear y realizar

Un conjunto de pruebas y experimentos con el objetivo de generar datos E.4-3

que, al ser analizados estadísticamente, proporcionen evidencias objetivas que
permitan responder las preguntas planteadas en un proceso de investigación.

Esta metodología de diseño de experimentos estudia, cómo variar las

condiciones habituales de un proceso de producción para aumentar la
probabilidad de detectar cambios significativos en las variables de respuestas;
de forma que se obtiene un mayor conocimiento del comportamiento del
proceso de interés. Las etapas de un diseño de experimentos constan de los
siguientes pasos:

 Planteamiento del problema.

 Selección de los factores de estudio y niveles de los
factores.
 Elección de las variables de respuestas.
 Planear y organizar el diseño experimental.
 Analizar los datos obtenidos e interpretarlos.
 Conclusiones.
Los diseños experimentales más populares son los diseños factoriales que
sirven para estudiar el efecto individual y de interacción de k factores sobre una
o más variables respuestas. Generalmente los niveles en cada factor son
denotados como bajo y alto, que en forma codificada Yates se representan -1 y
+1 respectivamente.[2] Este diseño permite explorar una zona seleccionada del
dominio experimental y encontrar una dirección prometedora para la
optimización posteriormente. Un método estadístico de gran utilidad son los
diseños fraccionados 2k-

P , donde k=factores y p=es la fracción. Este método es muy utilizado debido a

que reduce tiempo y recursos al estudiar interacciones de mayor importancia
de un diseño experimental completo. Estos son diseños en los que únicamente
un subconjunto (o fracción) del factorial completo es analizado, ya sea la mitad,
o un cuarto del diseño por ejemplo. Sin embargo esto de experimentar una
fracción se hace porque no siempre es posible llevar a cabo el diseño factorial
completo.

DESARROLLO

En estadística, un experimento factorial completo es un experimento cuyo

diseño consta de dos o más factores, cada uno de los cuales con distintos
valores o niveles, cuyas unidades experimentales cubren todas las posibles
combinaciones de dichos niveles en todos los factores. Este tipo de
experimentos permiten estudiar el estudio del efecto de cada factor sobre la
variable respuesta, así como el efecto de las interacciones entre factores sobre
dicha variable.

Por ejemplo, con dos factores y dos niveles en cada factor, un experimento
factorial tendría en total cuatro combinaciones de tratamiento, y se le
denominaría diseño factorial de 2×2.

Si el número de combinaciones en un diseño factorial completo es demasiado

alto para su procesamiento, puede optarse por un diseño factorial fraccional, en
el que se omitan algunas de las combinaciones posibles.
El experimento factorial más simple contiene dos niveles para cada uno de dos
factores. Suponga que un ingeniero desea estudiar la energía total usada por
cada uno de dos diferentes motores, A y B, funcionando cada uno en alguna de
las siguientes dos velocidades: 2000 o 3000 RPM. El experimento factorial
consistiría en cuatro elementos experimentales: motor A a 2000 RPM, motor B
a 2000 RPM, motor A a 3000 RPM, y motor B a 3000 RPM. Cada combinación
de un solo nivel seleccionado con cada factor está presente una vez.

Este experimento es un ejemplo de un experimento factorial de 2^2 (o 2x2),

nombrado así porque considera dos niveles (la base) para cada uno de dos
factores (la potencia o exponente), o #niveles#factores, produciendo 22=4
puntos factoriales.

Los diseños pueden implicar muchas variables independientes. Como otro

ejemplo, los efectos de tres variables entradas se pueden evaluar en ocho
condiciones experimentales ilustradas como las esquinas de un cubo. Esto se
puede conducir con o sin repetición, dependiendo de su propósito previsto y
recursos disponibles. Proporcionará los efectos de las tres variables
independientes en la variable dependiente y las interacciones posibles (en caso
de haber más de 3 se habla de un hiperespacio).

1 Ejemplo Diseño Factorial 2^3

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 resol ver este problema, por lo que es
necesario explorar la situación; para ello se corre un experimento 23 con dos
réplicas. A continuación, se aprecian los resultados obtenidos(Pulido & Vara
Salazar, 2012):
Para calcular los efectos de los factores, debemos considerar que en la
ejecución de un diseño factorial completo de la familia 23 es necesario
considerar el factor de interacción; el modelo matemático que relaciona los
efectos de los factores en la variable de salida se escribe de la siguiente
manera:

Como podemos observar existe una interacción entre los factores, por ende la
viscosidad puede ser cambiada por los ingredientes.

Se puede apreciar que el valor de el ingrediente_A si inflye en la viscosidad de

la leche.

El ingrediente_B tambien resulta ser significativo, por ese este tambien influye
en la viscosidad de la leche.
El ingrediente_C tambien resulta influir en la viscosidad de la leche.

Las interaciones que tienen los ingresientes A y B resulta ser significativo,

puesto a que su interación resulta afectar la viscosidad de la leche.

Las interaciones que tienen los ingresientes B y C resulta ser significativos

también, puesto a que su interación resulta afectar la viscosidad de la leche.

Podemos concluir diciendo que los tres ingredientes si influyen en la viscosidad

de la leche, como lo puede representar el valorp obtenido de la regresión lineal,
puesto a que el valorp<0.05 es el valor significativo del ejercicio.
Gráfica de efectos individuales

Como se puede apreciarde forma individual se observa en la gráfica de efectos

individuales cuales son significativos, y en los efectos el que hace un mayor
alteramiento es el ingrediente C, ya que de acuerdo con la gráfica este tiene
una pendiente más pronunciada a comparación de los ingredientes A y B.

Gráfica de interacciones

En la gráfica de interacciones se puede observar como se comportan cuando

se asocian los factores.

Y es de de observarse que en efecto, el ingrediente C es el factor

preponderante, es el que altera a los demás ingredientes junto con el
ingrediente B.

CONCLUSIÓN

El diseño factorial fraccionado 25-1 Con puntos al centro fue aplicado con

el objetivo de determinar el nivel óptimo de 5 factores operacionales que

maximicen Y1 y minimicen Y2.

Por la evidencia estadística mostrada en los resultados y discusión se puede

concluir:

• El proceso de manufactura del EPDM utilizado requiere de un procedimiento

preciso y controlado, ya que los experimentos presentan la complejidad que
representa trabajar con el caucho.

•De los 5 factores operacionales analizados sólo 4 factores ejercen un efecto

estadísticamente significativo sobre las variables scorch time (Y1) y tiempo de
90% de vulcanizado (Y2).

• Los resultados revelaron que el arreglo óptimo al que se tiene que correr
cada uno de los factores es (A=-1, B=-1, C=1, D=-1,
E=-1) para que el scorch time y el tiempo de 90% de vulcanizado sean 4.21 y
8.59 minutos respectivamente.

•La realización de este trabajo en cuanto al proceso de manufactura y la

optimización de dos tiempos críticos en el proceso del caucho, revelan una
gran oportunidad de mejora para el desarrollo de algún compuesto.

•La metodología del diseño de experimentos, es una herramienta altamente

efectiva en la optimización de tiempos críticos del proceso de manufactura del
caucho.

• El apoyo de la herramienta de optimización simultánea, permitió dar una

respuesta global, para ambas variables de respuesta, ayudó a despejar dudas
del análisis por separado que se hizo de cada variable Y1 y Y2 al englobar en
forma simultánea en una sola respuesta.

Se trabajó en la región experimental de los factores de operación, en el espacio

delimitado por los rangos de estos factores, sin embargo existe la posibilidad
de desplazarse para trabajar un estudio fuera de esta área y trabajar en el área
de operabilidad.

Referencias:

1.-Frank Yates and Kenneth Mather (1963). “Ronald Aylmer Fisher”.

Biographical Memoirs of Fellows of the Royal Society of London 9: 91–120.
http://digital.library.adelaide.edu.au/coll/special//fisher/fisherbiog.pdf Archivado
el 28 de septiembre de 2011 en Wayback Machine..

2.-Ronald Fisher (1926). “The Arrangement of Field Experiments”. Journal of

the Ministry of Agriculture of Great Britain 33: 503–513.
https://web.archive.org/web/20110928044736/http://digital.library.adelaide.edu.
au/coll/special//fisher/48.pdf.