Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Carrera:
Insertar logo de la
carrera
1. Objetivo(s): Crear un diseño de experimentos factorial 23 para poder estudiar el efecto de varios
factores sobre la disolución de pastillas.
¿Qué es un experimento?
Diseño de experimentos 2k
Los diseños factoriales son ampliamente utilizados en experimentos en los que intervienen varios
factores para estudiar el efecto conjunto de éstos sobre una variable de interés. Existen varios
casos especiales del diseño factorial general que resultan importantes porque se usan
ampliamente en el trabajo de investigación, además de constituir la base para otros diseños de
gran valor práctico. Uno de los más importantes de estos casos especiales ocurre cuando se tienen
k factores, cada uno con dos niveles. Estos niveles pueden ser cuantitativos como sería el caso
de dos valores de temperatura, presión o tiempo, pero también pueden ser cualitativos como sería
el caso de dos máquinas, dos operadores, los niveles "superior" e "inferior" de un factor, o quizás,
la ausencia o presencia de un factor. Una réplica completa de tal diseño requiere que se recopilen
2 x 2 x .... x 2 = 2k observaciones y se conoce como diseño general 2 k. (Pereira, 2014)
Ventajas
Los diseños factoriales son a ampliamente utilizados en experimentos en los que intervienen varios
factores para estudiar el efecto conjunto de estos sobre una respuesta. Existen varios casos
El más importante de estos casos especiales ocurre cuando se tienen k factores, cada uno con
dos niveles. Estos niveles pueden ser cuantitativos como sería el caso de dos valores de
temperatura presión o tiempo. También pueden ser cualitativos como sería el caso de dos
máquinas, dos operadores, los niveles "superior" e "inferior" de un factor, o quizás, la ausencia o
presencia de un factor. ( diseño experimental 2×2 en tus investigaciones, 2019)
Una réplica completa de tal diseño requiere que se recopilen 2 x 2 x.... x 2 = 2k observaciones y
se conoce como diseño general 2k. El segundo caso especial es el de k factores con tres niveles
cada uno, conocido como diseño factorial 3k.
Se supone que
El diseño 2k es particularmente útil en las primeras fases del trabajo experimental, cuando es
probable que haya muchos factores por investigar.
Conlleva el menor número de corridas con las cuales pueden estudiarse k factores en un diseño
factorial completo. Debido a que sólo hay dos niveles para cada factor, debe suponerse que la
respuesta es aproximadamente lineal en el intervalo de los niveles elegidos de los factores.
Suponga que se encuentran en estudio tres factores A, B y C, cada uno con dos niveles.
Este diseño se conoce como diseño factorial, 2 a la 3 y las ocho combinaciones de tratamientos
pueden representarse gráficamente mediante un cubo.
Metodologia MINITAB
1. Comenzamos abriendo el software de minitab, al abrirlo en la parte superior izquierda
seleccionamos ESTADISTICAS, se nos abrira una lista de diferentes opciones eligiremos
DOE abriendonos otra lista de opciones elegimos FACTORIAL desplegandonos otra lista
de opciones en donde por ultimo eligiremos CREAR DISEÑO FACTORIAL
2 4
3
2. Al seleccionar CREAR DISEÑO FACTORIAL se nos abrirá una ventana como la que se
muestra en la imagen donde en tipo de diseño elegiremos la primera opción y en número
de factores le pondremos y damos aceptar.
Figura 4: Diseños
Figura 5: Factores
6. Como sexto paso selecionamos Opciones donde se nos muestran una ventada en la cual
en el apartado de aleoterizar corridas sera deseleccionada. Damos aceptar.
Figura 6: Opciones
Figura 7: Resultados
Al dar aceptar se nos mostrara el Diseño factorial completo, como se muestra a continuación
HOJA DE TRABAJO 2
Diseño factorial completo
Resumen del diseño
Factores: 3 Diseño de la base: 3, 8
Corridas: 16 Réplicas: 2
2. Como siguiente paso de acuerdo con lo arrojado en Minitab se realiza la primera disolución
de la pastilla, de acuerdo con la temperatura, el tipo de laboratorio de la pastilla y el agitador
que Minitab nos indicó. Se toma el tiempo de lo que se tarda en disolver totalmente.
3. Realizar el paso 2 15 veces más de acuerdo con las combinaciones arrojadas en el diseño
en Minitab.
4. Seleccionamos Graficas verificamos que este seleccionado: Pareto, Residuos para las
gráficas y Cuatro en uno. Damos aceptar
EE del
Término Efecto Coef coef. Valor T Valor p FIV
Constante 71,77 1,93 37,19 0,000
R-cuad. R-cuad.
S R-cuad. (ajustado) (pred)
7,71832 99,26% 98,61% 97,03%
Análisis de Varianza
Fuente GL SC Ajust. MC Ajust. Valor F Valor p
Modelo 7 63747,6 9106,8 152,87 0,000
Lineal 3 63554,1 21184,7 355,61 0,000
laboratorio 1 63398,2 63398,2 1064,22 0,000
agitador 1 139,6 139,6 2,34 0,164
agua 1 16,3 16,3 0,27 0,615
Interacciones de 2 términos 3 190,1 63,4 1,06 0,417
laboratorio*agitador 1 44,3 44,3 0,74 0,414
laboratorio*agua 1 128,7 128,7 2,16 0,180
agitador*agua 1 17,1 17,1 0,29 0,607
Interacciones de 3 términos 1 3,5 3,5 0,06 0,816
laboratorio*agitador*agua 1 3,5 3,5 0,06 0,816
Error 8 476,6 59,6
Total 15 64224,2
Resid
Obs Tiempo Ajuste Resid est.
2 123,25 136,99 -13,74 -2,52 R
Residuo grande R
Alias
I
A
B
C
AB
AC
BC
ABC
10. Como siguiente paso se realizará la gráfica factoriales, seleccionando de la parte superior
izquierda ESTADISTICAS, DOE, FACTORIAL y por último GRAFICA FACTORIAL.
No
SI
Una vez realizado el diseño factorial 2 a la 3 obtenemos los resultados de MINITAB siendo los
siguientes:
Regresión factorial: Tiempo vs. laboratorio; agitador; agua
Coeficientes codificados
EE del
Término Efecto Coef coef. Valor T Valor p FIV
Constante 71,77 1,93 37,19 0,000
laboratorio 125,90 62,95 1,93 32,62 0,000 1,00
agitador -5,91 -2,95 1,93 -1,53 0,164 1,00
agua 2,02 1,01 1,93 0,52 0,615 1,00
laboratorio*agitador -3,33 -1,66 1,93 -0,86 0,414 1,00
laboratorio*agua 5,67 2,84 1,93 1,47 0,180 1,00
agitador*agua 2,06 1,03 1,93 0,54 0,607 1,00
laboratorio*agitador*agua 0,93 0,47 1,93 0,24 0,816 1,00
La tabla de coeficientes codificados nos muestra en análisis de los efectos. Podemos observar
en la tabla que el efecto del laboratorio es el 125,90, el efecto del agitador es de -5,91 y el
efecto del agua es de 2,02. Por lo que los factores de agitador, laboratorio-agitador, agitador-
agua y laboratorio-agitador-agua no son significativos.
Análisis de Varianza
Resid
Obs Tiempo Ajuste Resid est.
2 123,25 136,99 -13,74 -2,52 R
10 150,72 136,99 13,73 2,52 R
Residuo grande R
Estructura de alias
Facto
r Nombre
A laboratorio
B agitador
C agua
Alias
I
A
B
C
AB
AC
BC
ABC
La figura 27 nos muestra el diagrama de Pareto de los efectos, en esta grafica podemos observar
los factores con mayor significancia por si solos y con interacciones. El factor A (laboratorio) es el
que presenta mayor significancia sobrepasando el margen de error, mientras que los demás
factores no son significativos.
De acuerdo con la gráfica de cubo, la combinación óptima para un menor tiempo de disolución
como respuesta, es utilizar el factor "A" en un nivel bajo (bayer) con el factor "B" en un nivel bajo
(metal) y el factor "C" en un nivel alto (50°c) obteniendo como respuesta de disolución una duración
de 6.27 segundos
En la figura 30 observamos que las líneas de los factores agitador y agua tienden a ser más
horizontales, esto nos indica que no son significativos. Por otro lado, el factor de laboratorio si es
significativo pues la línea tiende a ser más vertical. Esto indica que el laboratorio Bayer es el efecto
que más significancia tiene.
R-cuad. R-cuad.
S R-cuad. (ajustado) (pred)
7,71832 99,26% 98,61% 97,03%
Con el resumen del modelo, de acuerdo con el porcentaje de la R cuadrada ajustada de 98,61%
podemos determinar que el modelo es aceptado, pues el porcentaje nos da la seguridad de que el
modelo experimental es acertado y confiable.
7. Discusión (De los resultados obtenidos; incluir observaciones y cuestionario -si aplica-
):
Durante la ejecución de la practica todo marchó de forma correcta, los experimentos se hicieron
acorde a lo obtenido del diseño, acorde a las temperaturas establecidas y en general el
experimento fue desarrollado de manera eficiente y adecuada. Al obtener los resultados nos
dimos cuenta de que estos presentaban cierta variación, sin embargo, esto no afectó en gran
medida al diseño y se obtuvo un resultado concreto y fiable.
A través de esta práctica, adquirimos conocimientos sobre cómo realizar correctamente un diseño
de 23 factores utilizando el software Minitab. Muestra claramente la interacción entre las variables
mediante diagramas que describen el diseño con tres factores diferentes, dándonos ocho
combinaciones mostradas en un cubo para ayudarnos a optimizar nuestros procesos y entender
cuál es la mejor opción. Los experimentos factoriales son muy útiles para obtener información
sobre un proceso.
Podemos concluir que este diseño de experimentos 2`3 nos permitió identificar las variables de
cada uno de los niveles, facilitando la interacción entra cada una de las variables así mismo
ayudándonos a optimizar el proceso. Esto se nos facilitó con la ayuda de MINITAB ya que nos
ayuda a analizar el diseño factorial de cada variable dándonos un análisis correcto y más eficaz.
La realización de esta práctica nos permitió obtener conocimiento del cómo realizar correctamente
el diseño factorial 23 haciendo uso del software Minitab. De una manera explícita mediante graficas
nos dio a conocer la interacción que existe entre las variables, generalizando el diseño el cual tenía
tres factores diferentes, proporcionándonos ocho combinaciones mostradas en un cubo, con esto
nos ayuda a optimizar el proceso y conocer cuál es la mejor opción. Siendo los experimentos
factoriales sumamente útiles para obtener información sobre un proceso.
Conclusión Mariana:
El diseño de experimentos nos resulta ser una herramienta de gran impacto para el progreso de
la industria pues contribuye a conocer los procesos de una manera más profunda, lo cual permite
hacer mejoras en la calidad y bajar los costos de producción por medio de métodos científicos. Al
implementar diseños experimentales reducimos al máximo la variabilidad de los procesos,
estudiando los factores que son considerados como de más alta influencia sobre el proceso.
Bibliografía
diseño experimental 2×2 en tus investigaciones. (17 de marzo de 2019). Obtenido de Udesta.com:
https://suico.es/experimenta/diseno-experimental-2x2/
Equipo editorial, Etecé. (06 de marzo de 2023). Experimento. Obtenido de Concepto.de:
https://concepto.de/experimento/
La web del programador. (28 de 09 de 2017). LWP. Obtenido de
https://www.lawebdelprogramador.com/pdf/6010-Arquitectura-y-Organizacion-de-un-
microcontrolador-generico.html
Pereira, U. T. (22 de abril de 2014). Diseños factoriales. Obtenido de analisis critica de los diseños
factoriales : https://www.redalyc.org/pdf/849/84921327018.pdf
SlideShare. (17 de 10 de 2017). SlideShare. Obtenido de
https://es.slideshare.net/witwicky/exposicion-ekipo-2
Urrutia, F. L. (27 de Septiembre de 2021). Diseños de experimentos. Obtenido de Scrib:
file:///C:/Users/Fernanda/Downloads/Investigaci%C3%B3n.pdf
Wikipedia. (28 de 09 de 2017). Wikipedia. Obtenido de
https://es.wikipedia.org/wiki/Proteus_Design_Suite
Wikipedia. (28 de 09 de 2017). Wikipedia. Obtenido de https://es.wikipedia.org/wiki/MPLAB