Documentos de Académico
Documentos de Profesional
Documentos de Cultura
5E
INTRODUCCIÓN
Los diseños factoriales se han utilizado desde muchos años atrás, ya que, se descubrió que
era mas eficiente evaluar 2 factores a la vez, en lugar de solamente 1, fueron utilizados por
Jhon Bennet Lawes y Henry J. Gilbert de la Estación experimental de Rothamsted. Estos
diseños se encargan de determinar qué factores influyen más a nuestros resultados para
poder lograr una mayor optimización o bien, para darnos cuenta si es necesario eliminar
alguno que no influya o afecte de manera negativa en nuestro resultado.
Los diseños factoriales son aquellos que estudian como es que distintos factores afectan a
un determinado resultado, estos diseños son muy útiles pues no solamente se pueden
utilizar como la gente creería en análisis estadísticos, o bien, tal vez la mayoría de la gente
no tenga idea de como es que se pueden llegar a utilizar. Sin embargo, este análisis es muy
útil, ya que, no solo evalúan datos cualitativos, sino que, también datos cuantitativos, es
decir, factores como, temperaturas, humedad, velocidad, presión, etc., entonces si nos
ponemos a pensar son análisis muy útiles al momento de querer analizar un resultado, ya
sea, de tipo cuantitativo o de tipo cualitativo.
Existen distintos tipos de diseños factoriales, cada uno, se usa en casos diferentes, es decir,
depende del resultado que se desee analizar. Uno de los mas comunes es el 2^2, este
representa un diseño factorial de dos niveles, normalmente alto y bajo(1, -1), un ejempló
seria; suponer que un jugador de futbol quiere analizar 2 factores para ver si influyen, si no
influyen y si es que si influye, cual influye más, supongamos que quiere analizar su
velocidad, los dos factores a evaluar son tipo de taquete y tipo de pasto de la cancha, cada
uno de estos factores tiene dos niveles, taquetes 1: de futbol rápido y taquetes 2: futbol
soccer, pasto 1: natural y pasto 2: sintético. Este seria un ejemplo muy claro en el que
podemos utilizar los diseños factoriales utilizando el modelo para un caso de tipo
cuantitativo. Así, mismo, hay otro tipo de diseños como; diseños factoriales 2^3, 3^k,
mixtos, 2^k-p, fraccionados mixtos, etc.
Es importante tener presente, que en estos diseños se requieren de replicas, las replicas
como uno se podrá imaginar, son el numero de corridas de cada tratamiento o factor, en
ambos niveles, debe haber el mismo numero de replicas en todos los niveles.
Se realiza un experimento a una catapulta en donde se estudia la influencia del tamaño del
brazo de la misma, el peso del proyectil y el ángulo en que se inclina, para ver que tanto
influyen estos en la distancia en que puede ser lanzado el proyectil todo esto con el fin de
encontrar las mejores condiciones en el que la catapulta pueda actuar, para esto se van a
probar estos factores en 2 niveles, alto y bajo.
Para poder evaluar estos factores se realizó un análisis de diseño factorial 2^3, que se
muestra a continuación.
Resumen del modelo
R-cuadrado
S R-cuadrado R-cuadrado(ajustado) (pred)
Una vez analizados los datos arrojados en el ANOVA anterior, podemos determinar que los
factores si influyen de manera significativa a la distancia que recorre el proyectil, sin
embargo, las interacciones no afectan considerablemente a la distancia recorrida.
COEFICIENTE DE CORRELACION.
Resumen del modelo
R-cuadrado
S R-cuadrado R-cuadrado(ajustado) (pred)
ECUACION DE REGRESION.
Ecuación de regresión en unidades no codificadas
y = 305 - 113 legth short arm - 398 Mass of projectile - 3.5 Release angle
+ 606 legth short arm*Mass of projectile + 2.48 legth short arm*Release angle
+ 8.2 Mass of projectile*Release angle
- 10.9 legth short arm*Mass of projectile*Release angle
Esta ecuación de regresión es muy útil para realizar predicciones, sin embargo,
es importante eliminar variables que superen el nivel de significancia, ya que,
esto indica que los valores tienden a cero por lo tanto no influyen y solo harían
ruido.
y = -42.4 + 85.9 legth short arm + 662 Mass of projectile + 2.78 Release angle
- 1.103 legth short arm*Release angle
- 10.93 Mass of projectile*Release angle
En base al análisis de las graficas mostradas, se puede deducir que los datos se ajustan a la
línea central y que se distribuyen de manera uniforme, esto nos indica, que se pueden
realizar predicciones muy precisas y que nos den una buena idea de lo que se puede llegar a
optimizar con estos factores.
DIAGRAMA DE PARETO.
En el diagrama de Pareto podemos darnos cuenta de que los datos están acomodados en
orden de tal manera que la barra mas grande en este caso es la que mas influye en la
distancia recorrida, el factor mas influyente es el ángulo de inclinación.
OPTIMIZACIÓN.
El ejercicio ha mostrado todos los indicadores necesarios para poder ejecutar una buena
optimización de los factores y que la distancia recorrida del proyectil sea mas grande, por lo
tanto, a continuación, se muestran los resultados de dicha optimización.
Al optimizar el proceso nos arroja que para poder obtener la mayor distancia es
necesario ejecutar el experimento con el legth short arm en nivel alto(1, 2),con la
mass of proyectile en nivel alto (1, .348) y el ángulo en nivel bajo (-1, 30). Todo
esto se ejecutaría con una deseabilidad de .96558 que entre más cerca este dato
de 1 mejor ya que esto se podrá ver así en la práctica real.
OPTIMIZACIÓN EN SIMULADOR.
Nos da un valor de 260 que dicho valor se encuentra dentro del intervalo de
confianza.
Sin embargo, si es necesario obtener un valor específico en este caso, una distancia de 250
se tendría que correr el proceso en estas condiciones (números en rojo).
COMPROBACIÓN EN SIMULADOR.
El dato obtenido, es casi el mismo al valor deseado, por otro lado, este resultado, sigue
estando dentro de los intervalos de confianza.
CONCLUSIÓN.
Al finalizar este ensayo-experimento, puedo concluir, que los diseños factoriales son una
gran ayuda para el análisis de factores en distintos resultados que se desean optimizar, ya
que, brindan estudios detallados sobre los factores que influyen en nuestros resultados, en
este caso, fue la distancia, es muy útil que te ayudan a identificar que factores influyen y
cuales no, porque puedes eliminarlo u optimizarlos, son eficientes, precisos y muy buenos
indicadores.
BIBLIOGRAFÍA.
https://gc.scalahed.com/recursos/files/r161r/w19537w/analisis_y_diseno_experimentos.pdf