EXPERIMENTOS

FACTORIALES 2^k
FRACCIONADOS
ÁLVAREZ SALAS DIEGO ANTONIO
ÁNGELES JUÁREZ ODALYS MONSERRAT
FLORES HERNÁNDEZ ADRIANA ALEJANDRA
LÓPEZ YÁÑEZ AZUCENA
 PROCEDIMIENTO
1.- ELEGIR EL EXPERIMENTO (Problema).
2.- DETERMINAR EL No. DE FACTORES.
3.- DETERMINAR LOS GRADOS DE LIBERTAD NECESARIOS
(Combinaciones de 2 factores).
4.- CREAR EL DISEÑO FACTORIAL.
5.- REALIZAR EL EXPERIMENTO (Determinar los valores de la variable
dependiente).
6.- ANALIZAR EL DISEÑO FACTORIAL.
7.- ESTABLECER CONCLUSIONES SOBRE LOS FACTORES DE MAYOR PESO
EN EL EXPERIMENTO.
PLANTEAMIENTO DEL PROBLEMA
• Un grupo de amigos (hombres y mujeres) acuden a
una competencia de juegos contra reloj, el juego
que más llamó su atención fue “La Torre de Vasos”.
Ellos desean conocer cuál combinación de factores
podría ayudar al proceso de armado y desarmado de
una torre de vasos de 15 piezas en el menor tiempo
posible para poder ganar la competencia. Los
factores y tratamientos que se consideran son los
más significativos al proceso son:
 FACTORES Y TRATAMIENTOS

A.- Género del operario (Hombre, mujer).

B.- Tipo de iluminación (Natural, roja).
C.- Número de operarios en línea (1 o 2).
D.- Número de supervisores (Sin supervisor, un supervisor)
E.- Distancia del Almacén a la estación de trabajo (2m, 4m).
F.- Aire en la zona de trabajo (Si o no).
G.- Posición del operario (Sentado, de pie).
• La variable de respuesta (y) será la cantidad de tiempo total del
armado y desarmado de la torre de vasos por los operarios dándoles
una cierta posición para el ensamble.

• Dado que para la competencia lo mejor es que se arme y desarme en

el menor tiempo posible, podemos decir que el objetivo de la variable
es: lo menor es lo mejor.
• La empresa no dispone del tiempo suficiente para realizar la totalidad
de los experimentos que se requieren en un diseño 2^7, ya que nos
da 128.

• Se decidió hacer un diseño factorial 2^k fraccionado, sabiendo de

antemano que se desean conocer los efectos principales y las
interacciones dobles (Nota: las interacciones de orden mayor a dos no
se pueden explicar, y hay baja probabilidad de que sean significativas
en el proceso).

• Para ello, determinamos los grados de libertad necesarios…

 COMBINACIONES
• Para los efectos principales:
7C1= 7  Grados de libertad
• Para las interacciones dobles:
7C2= 21  Grados de libertad para interacciones dobles
• e= 1  Grado de libertad para el error
• ∑= 29  Se necesitan 29 experimentos para poder explicar los efectos
principales y los efectos dobles.
• NOTA: Enseguida se muestra la forma de calcular los grados de libertad en base a
las combinaciones de factores
 COMBINACIONES
Para los efectos principales:
• nCr = n! /(n-r)! . r!
• 7C1= 7.6.5.4.3.2.1 / 6.5.4.3.2.1.1 = 7
• 7C2= 7.6. 5.4.3.2.1/5.4.3.2.1.2.1 =21
ERROR = 1
7C1 = 7
7C2 = 21
TOTAL = 29
 COMBINACIONES

• 7C1= 7  Grados de libertad para efectos principales

• A,B,C,D,E,F,G
• 7C2= 21  Grados de libertad para interacciones dobles
• AB,AC,AD,AE,AF,AG,BC,BD,BE,BF,BG,CD,CE,CF,CG,DE,DF,DG,EF,E
G,FG
• e= 1  Grado de libertad para el error
• ∑= 29  Se necesitan 29 experimentos para poder explicar los
efectos principales y los efectos dobles de los 7 factores.
• El diseño factorial fraccionado que proporciona los suficientes grados
de libertad, y además economiza el número de pruebas es el 2^(7-2),
o sea un 2^5, que da como resultado 32 experimentos a realizar.
 ¿CÓMO SON LOS DISEÑOS
FRACCIONADOS?
• Son utilizados para reducir el número de pruebas cuando la cantidad de
factores es muy grande, o bien, cuando se necesita de la rapidez de
resultados o cuando no es económico realizar tantos experimentos.

• El diseño factorial se divide a la mitad, a la cuarta, octava parte, etc.

• Como vimos en diapositivas anteriores, si únicamente queremos explicar

hasta las interacciones dobles, es necesario fraccionar el diseño de modo
que hayan grados de libertad suficientes para los efectos individuales, las
interacciones dobles y el error.

• Se necesitan al menos 29 grados de libertad.

 ELECCIÓN DEL DISEÑO
• Se hacen las siguientes pruebas para la elección del mejor diseño.

 2^(7)=128 experimentos  Diseño completo

 2^(7-1)=2^6=64 experimentos  Muchas pruebas aún

 2^(7-2)=2^5= 32 experimentos  El mejor diseño

 2^(7-3)=2^4=16 experimentos  Para esto ya no alcanzan los grados de

libertad.
• Dado que se harán solo 32 de las 128 pruebas que se harían en un
diseño completo, entonces se dice que se ha fraccionado en ¼.
 PLANTEAMIENTO DE LAS
HIPÓTESIS
• H0: No existe diferencia significativa entre las medias de los efectos
individuales de los factores.

• H1: Existe al menos una media de un factor con una diferencia

significativa de las demás medias de los factores.
HIPÓTESIS PARA LOS EFECTOS DOBLES

• Ho: Las medias de las interacciones son iguales entre sí. No existe
diferencia significativa entre ellas.

• H1: Al menos una de las medias de una interacción doble es diferente

a las demás, y existe una diferencia significativa entre éstas.
 PROCEDIMIENTO EN MINITAB

Haremos uso de este software

estadístico debido a que es de los
más utilizados en el ámbito de
los diseños experimentales,
además de que las opciones para
crear los diseños son muy fáciles
de realizar.
 CREACIÓN DEL DISEÑO
En el menú de Minitab, damos clic, como se muestra enseguida, en:
DOE (Design of experiments), Factorial, Crear diseño factorial.
• Seleccionamos la opción por
default, es decir, factorial a dos
niveles.

• Seleccionamos el número de
factores (7).

• Presionamos en Mostrar los

diseños disponibles.
• Como se observa, al fraccionar
a la cuarta parte el diseño, se
ejecutarán 32 corridas.
En el cuadro de diálogo Diseños,
seleccionamos el de 1/4 de
fracción y….

Podemos pedir a Minitab que el

diseño lo divida en bloques de 4.
• En el cuadro de diálogo “factores”
podemos cambiar de nombre a
los factores del experimento, y
definir sus niveles (bajo y alto).

• Es necesario que definamos si la

variable es de carácter
cuantitativo (numérica) o
cualitativa (texto).
• En el cuadro de Opciones,
dejamos seleccionadas las
opciones que vienen por
default, es decir, no plegar el
diseño, aleatorizar las corridas, y
almacenar el diseño en la hoja
de cálculo.
• En el cuadro Resultados,
seleccionamos solo las opciones
que nos serán útiles, es decir, la
tabla de resumen, y las
interacciones por default.

• De momento, para efectos de este

proyecto no se harán uso o
explicación de los “alias”.

Damos OK para crear el diseño.

Minitab genera en la parte de Sesión un breve resumen del diseño que
hemos creado
DISEÑO CREADO
 ¿QUÉ SIGUE?

• Una vez que se tienen las corridas aleatorizadas, se debe efectuar el

proceso experimental con cada tratamiento.

• Los resultados se registran en la columna C-12 que hemos creado

específicamente para los valores de la variable de respuesta (y), que
serían el número de plumas armadas en los tiempos señalados.
RESULTADOS
• Es necesario ahora conocer cuál de los factores propuestos resultó
significativo en el proceso.

• Esto se hace mediante el análisis del diseño factorial.

 PROCEDIMIENTO PARA EL
ANÁLISIS

• Nos dirigimos al menú Estadísticas, DOE, Factorial, Analizar diseño

factorial, para analizar el diseño creado.
Seleccionamos la variable de respuesta (y), y el orden máximo para las
interacciones (2).
En este cuadro podemos cambiar
el nivel de confianza. En nuestro
caso, utilizaremos el nivel de
confianza del 95%, que sabemos
representa un nivel de
significancia del 5%.
Aquí podemos seleccionar aquellas
gráficas que sean útiles para
analizar. Se sugiere dejar
seleccionadas las de Pareto, la
gráfica de probabilidad normal y la
de residuos vs orden para verificar
los supuestos estadísticos de
normalidad e independencia.

Pedimos los residuos regulares.

Finalmente, en los resultados, seleccionamos el análisis de varianza y el
resumen del modelo para que genere el estadístico R^2.

Pedimos que almacene los residuos.

GRÁFICA DE PARETO
 EXPLICACIÓN
• La gráfica anterior nos muestra en orden de mayor a menor efecto
producido en el proceso a aquellos factores e interacciones que
resultaron significativos.

• Se puede apreciar que el mayor efecto lo produjo la interacción del

factor número de operarios y el factor posición, seguido de la
interacción de los factores de distancia almacén de materiales (vasos) y
el factor aire y por último el factor género, ya que estas interacciones y
este factor lograron pasar la zona de significancia.

• Enseguida se confirmará lo dicho por esta gráfica en el ANOVA.

GRÁFICA DE PROBABILIDAD NORMAL
 EXPLICACIÓN DE LA GRÁFICA

• Se aprecia que los residuos no se ajustan perfectamente a la línea

recta, lo cual es una condición ideal.

• Sin embargo, hay una buena normalidad ya que los puntos no están
demasiado dispersos con respecto a la línea, además se puede
apreciar que se repitieron los mismos residuos para varias
observaciones, con lo cual podemos suponer que la variabilidad
estuvo controlada durante el proceso.
GRÁFICA DE RESIDUOS VS ORDEN
 EXPLICACIÓN DE LA GRÁFICA

• La independencia estadística se presenta cuando no existen más de

6 tendencias consecutivas en los residuos. Podemos apreciar que
en nuestra gráfica, al principio se muestran tendencias
consecutivas con residuos de 0.0 (más de 6 puntos), se presentan
algunas tendencias ascendentes y descendentes (de 2 puntos a lo
mucho) y se rompen inmediatamente, por lo tanto, no existe
independencia estadística.

¿Qué significa no tener independencia estadística?

 ANÁLISIS DE VARIANZA PARA
EFECTOS INDIVIDUALES
ANÁLISIS DE VARIANZA
 EXPLICACIÓN
• El criterio de decisión es del 5% tanto para efectos principales
como dobles, es decir el 0.05.

• El factor cuyo valor P fue menor al nivel de significancia fue el

género, ya que obtuvo un valor P de 0.024 < 0.05. Es el factor al
que podemos atribuir los resultados obtenidos en la variable de
respuesta. Pues según el análisis, esto supone que el armado de la
torre será más rápido cuando el género (Hombre) lo realice.

• Pv < 5% en el factor género, por lo tanto se rechaza H0 y se acepta

H1, es decir, hay diferencia significativa entre factores.
ANÁLISIS DE VARIANZA PARA
EFECTOS DOBLES
 EXPLICACIÓN

• Las interacciones marcadas en rojo fueron las que más influyeron en el proceso
ya que el efecto que tuvieron el él fue significativo, sobre todo la interacción del
factor número de operarios y el factor posición. (Ver gráfico de Pareto).
• Las interacciones cuyos valores P fueron menores al nivel de significancia fueron
(Número de operarios – Posición), ya que obtuvo un valor P de 0.021 < 0.05, esto
supone que si se está sentado y entre más operarios haya en la línea, se armará y
desarmará la torre en menor cantidad de tiempo.
• Y la otra interacción es la de los factores (Distancia Almacén de Materiales – Aire),
ya que obtuvo un valor P de 0.023 < 0.05. Son estas interacciones a las que
podemos atribuir los resultados obtenidos en la variable de respuesta.
• Pv < 5%, por lo tanto se rechaza H0 y se acepta H1, es decir, hay diferencia
significativa entre las interacciones.
 GRÁFICOS DE APOYO
• Se necesitan gráficas que nos
muestren qué efectos
podemos implementar en el
proceso para hacerlo
óptimo.

• Para eso buscaremos las

gráficas factoriales (gráficas
de efectos principales y de
interacciones).
GRÁFICO DE EFECTOS PRINCIPALES
 EXPLICACIÓN

• Podemos observar a simple vista cuáles efectos tuvieron una

diferencia significativa entre sus medias, ya que tienen una pendiente
de la recta más pronunciada, mientras que las que no son
significativas tienen su pendiente muy reducida ya que el cambio de
valores cuando se pasa de un tratamiento a otro es mínimo. Se
aprecia también qué tratamiento (si bajo o alto nivel) es el que
produce la mayor media.

• En el caso del factor género, el tratamiento a alto nivel produce la

mayor media (30….) con respecto al tratamiento a bajo nivel (22….).
GRÁFICO DE INTERACCIONES
 EXPLICACIÓN
• Dado que son 7 factores, la gráfica no se visualiza muy bien. El
procedimiento para analizarla es ver cuál es la media más alta (en la
interacción que resultó significativa en el ANOVA), y ver qué
tratamientos fueron los que dieron lugar a ese valor.

EXPLICACIÓN DE LAS INTERACCIONES

 CONCLUSIÓN
• El grupo de amigos debe poner en la línea de jugadores a dos operarios
hombres, y se debe considerar poner a las personas más veloces y con un gran
nivel de concentración que sepan jugar bajo presión para que en el menor
tiempo posible puedan realizar el armado y desarmado de la torre de vasos,
sentados, en la competencia de 4 metros al almacén de materiales (vasos) y con
aire en la zona de trabajo para ganar la competencia.
• La confiabilidad de los resultados es bastante aceptable, ya que el estadístico
R^2 fue de un 99.22% explicando en esa medida porcentual la variabilidad que
sí puede ser explicada por los factores.
GRACIAS