CURSO DE DISEÑO DE EXPERIMENTOS

• Diseño de experimentos de optimización

• Experimento Factorial 2k

Norbey Marín Arredondo

Norbey Marín Arredondo - Estadístico 1

INTRODUCCION
Los casos especiales del diseño factorial general; k factores y cada factor tiene sólo
dos niveles
- Niveles:
- Cuantitativa (temperatura, presión, ...)
- Cualitativa (máquina, operador, ...)
- Alta y baja
- Cada replica tiene K factores con 2 niveles (2 x 2 x . . . x 2 = observaciones 2k)
- Muy ampliamente utilizado en la experimentación industrial
- Permite formar un "bloque de construcción" básico para otros diseños
experimentales muy útiles
- Métodos especiales de análisis
- Supuestos:
1. Los factores son fijos
2. El diseño es completamente al azar o en bloques
3. Los supuestos habituales de normalidad y homogeneidad están
satisfechos
- Es muy utilizado en exploración de factores

4
Norbey Marin A. Estadístico
 Procedimiento de análisis

- Estimar los efectos de los factores

- Formular modelo
- Con la replicación, defina un modelo completo
- Con un diseño sin replicar, utilice gráficos de probabilidad normal

- Realice prueba estadística (ANOVA)

- Refinar el modelo
- Analizar los residuales (gráficos)
- Interpretar los resultados
- Pronosticar nuevo resultados

Norbey Marin A. Estadístico 5

Notación
Notación
A B A B A B A B A B A B de Yates

Bajo Bajo A1 B1 A- B- - - 0 0 -1 -1 1

Alto Bajo A2 B1 A+ B- + - 1 0 1 -1 a

Bajo Alto A1 B2 A- B+ - + 0 1 -1 1 b

Alto Alto A2 B2 A+ B+ + + 1 1 1 1 ab
(-1,1)=b (1,1)=ab
Alto

Bajo
(-1,-1)=1 (1,-1)=a

Bajo Alto
A
Norbey Marin A. Estadístico 6
Experimento factorial 23

Norbey Marin A. Estadístico 8

 Efectos en un experimento factorial 23

DOE 6a. Edición Montgomery 9

Norbey Marin A. Estadístico
 Grafico de contornos y superficie de respuesta

Gráfica de contorno de rendimiento vs. temperatura, tiempo Gráfica de superficie de rendimiento vs. temperatura, tiempo
1 35.0
rendimiento
< 55.0
55.0 – 56.2
56.2 – 57.4
57.4 – 58.6
1 32.5
58.6 – 59.8
59.8 – 61 .0
61 .0 – 62.2
temperatura

62.2 – 63.4
63.4 – 64.6
1 30.0
64.6 – 65.8 65
65.8 – 67.0
> 67.0 rendimiento
60
135
1 27.5
55
130
temperatura
70
75 125
1 25.0 tiempo 80
70 72 74 76 78 80
tiempo

Norbey Marin A. Estadístico 7

 Gráficas de contorno de altura
Frecuencia*Tipo semilla Profundidad*Tipo semilla altura
2.00 1 .50
< 3.70
3.70 – 4.1 1
1 .75 1 .25
4.1 1 – 4.52
4.52 – 4.93
1 .50 1 .00 4.93 – 5.34
5.34 – 5.75
1 .25 0.75 5.75 – 6.1 6
6.1 6 – 6.57
6.57 – 6.98
1 .00 0.50
2 3 4 5 2 3 4 5 6.98 – 7.39
7.39 – 7.80
Profundidad*Frecuencia
1 .50 > 7.80

Valores fijos
1 .25
Tipo semilla 3.5
Frecuencia 1 .5
1 .00 Profundidad 1

0.75

0.50
1 .00 1 .25 1 .50 1 .75 2.00

Norbey Marin A. Estadístico 10

 Gráficas de superficie de altura
Valores fijos
Tipo semilla 3.5
Frecuencia 1 .5
Profundidad 1
8
7
altura 6 altura 6
2. 0 5 1. 5
4 4
1. 5 1. 0
Frecuencia Profundidad
2. 5 3. 5 2. 5 3. 5
4. 5 1. 0 4. 5 0.5
T ipo s emilla T ipo s emilla

altura 6
1 .5
4
1. 0
1.0
1 .0
Profundidad
1. 5 0. 5
2.0
Frecuencia

Norbey Marin A. Estadístico 11

 Experimento factorial General 2k
• k factors and each factor has two levels
• Interactions
• The standard order for a 24 design: (1), a, b, ab, c, ac, bc, abc, d, ad, bd, abd,
cd, acd, bcd, abcd

k 
  two-factor interactions
 2
k 
  three-factor interactions
 3

1 k − factor interaction

Norbey Marin A. Estadístico 12

 Experimento factorial 2k no replicado

- Estos son los diseños factoriales 2k con una observación en cada esquina del
"cubo“

- Un diseño factorial 2k no replicado también a veces se llama una "réplica única" de

la 2k

- Si los factores están espaciados muy de cerca, que aumenta las posibilidades de
que el ruido esconda la señal en los datos

Norbey Marin A. Estadístico 13

- La falta de replicación causa problemas potenciales en las pruebas estadísticas

- La replicación admite una estimación de "error puro" (una estimación interna de

error)
- Sin replicación, el modelo ajustado tiene cero grados de libertad en el error

Posibles soluciones a este problema

- El agrupamiento de las interacciones de alto orden para estimar el error (escasez
de principio de los efectos)
- Utilizar el gráfico de probabilidad normal y de Pareto para determinar los efectos
significativos

Norbey Marin A. Estadístico 14

Norbey Marin A. Estadístico 15
Adicion de puntos centrales a un experimento 2k

Basándose en la idea de replicar algunas corridas de un diseño factorial 2k

Las corridas en el centro del experimento, proporcionan una estimación del error
y permiten al experimentador seleccionar entre dos modelos posibles:

k k k
Modelo de primer orden Y =  0 +   i X i +   ij X i X j + 
i =1 i= j i

k k k
Modelo de segundo Y =  0 +   i X i +   ii X i2 +   ij X i X j + 
i =1 i =1 i, j
i j

Norbey Marin A. Estadístico 16

 Sin punto central Con punto central
(-1,1)=b (1,1)=ab (-1,1)=b (1,1)=ab
Alto Alto

B B

Bajo Bajo
(-1,-1)=1 (1,-1)=a (-1,-1)=1 (1,-1)=a

Bajo Alto Bajo Alto

A A
Por lo general, incluir entre 3 a 6 puntos centrales funciona bien

El análisis incluye una prueba F para la curvatura cuadrática pura

H0: El modelo no tiene curvatura
H1: El modelo tiene curvatura
Norbey Marin A. Estadístico 17
Si la curvatura es significativa, se puede aumentar el diseño adicionando corridas
axiales para crear un diseño compuesto central (DCC).

El DCC es un diseño muy eficaz para ajustar un modelo de superficie de respuesta

de segundo orden

Norbey Marin A. Estadístico 18