ENSAYO: DISEÑOS FACTORIALES.

SALAS MARQUEZ JESUS ESTEBAN – 21211692

5E

MATERIA: INGENIERIA INDUSTRIAL

PROFESOR: JORGE GONZALEZ RESENDIZ

TIJUANA, B.C., A DE NOVIEMBRE DE 2023

ÍNDICE
INTRODUCCIÓN..................................................................................................... 2
COEFICIENTE DE CORRELACION........................................................................6
ECUACION DE REGRESION..................................................................................6
ANÁLISIS DE RESIDUALES................................................................................... 7
DIAGRAMA DE PARETO........................................................................................ 8
OPTIMIZACIÓN....................................................................................................... 8
OPTIMIZACIÓN EN SIMULADOR...........................................................................9
COMPROBACIÓN EN SIMULADOR.....................................................................10
CONCLUSIÓN....................................................................................................... 10
BIBLIOGRAFÍA...................................................................................................... 11

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.

El libro de ¨análisis y diseño de experimentos¨, de ¨Humberto Gutiérrez Pulido¨, nos

remarcan algunas de las ventajas mas importantes de estos diseños:

 Permiten estudiar el efecto individual y de interacción de los distintos factores.

 Son diseños que se pueden aumentar para formar diseños compuestos en caso de
que se requiera una exploración más completa. Por ejemplo, es útil aumentar el
diseño si el comportamiento de la respuesta no es lineal en los factores controlados
(capítulo 12).
 Se pueden correr fracciones de diseños factoriales, las cuales son de gran utilidad en
las primeras etapas de una investigación que involucra a muchos factores, cuando
interesa descartar de manera económica los que no son importantes, antes de hacer
un estudio más detallado con los factores que sí son importantes (capítulo 8).
 Pueden utilizarse en combinación con diseños de bloques en situaciones en las que
no puede correrse todo el diseño factorial bajo las mismas condiciones. Por ejemplo,
cuando cada lote de material sólo alcanza para correr la mitad del experimento, éste
se puede realizar en dos bloques (dos lotes), lo cual implica repartir las pruebas en
los dos lotes de la manera más conveniente posible.
  La interpretación y el cálculo de los efectos en los experimentos factoriales se puede
hacer con aritmética elemental, en particular cuando cada factor se prueba en dos
niveles.

ENSAYO: DISEÑOS FACTORIALES (CATAPULTA).

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.

FACTORES HIGH LOW

LENGHT SHOR ARM 2 1.5
MASS OF PROYECTILE 0.348 0.308
RELEASE ANGLE 60 30

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)

5.49287 99.17% 98.45% 96.69%

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)

5.49287 99.17% 98.45% 96.69%

Si nos damos cuenta el coeficiente de correlación es muy elevado lo que va

apuntando a que nuestros factores influyen en la distancia, junto con los valores
de R^2 ajustado y R^pred tan similares.

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.

Ecuación de regresión en unidades no codificadas

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 esta ecuación, ya se eliminaron las variables que superan la significancia, si

bien, los valores tal vez no cambiaron tanto, con esto se pueden obtener
predicciones sin tanto ruido y que sean mas precisas, así mismo, la ecuación es
más adaptable y exacta.
 ANÁLISIS DE RESIDUALES.

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.

Humberto G., Román de la Vara. Análisis y diseño de experimentos. (México 2008.)

https://gc.scalahed.com/recursos/files/r161r/w19537w/analisis_y_diseno_experimentos.pdf