Diseos factoriales

CAPTULO 6
En este captulo se presenta la familia de diseos factoriales
completos 2 (k factores con dos niveles de prueba cada
uno), que es una de las familias de diseos de mayor impacto
en la industria y en la investigacin, debido a su eficacia y
versatilidad. Los factoriales 2 completos son tiles
principalmente cuando el nmero de factores a estudiar est
entre dos y cinco, rango en el cual su tamao se encuentra
entre cuatro y 32 tratamientos; esta cantidad es manejable en
muchas situaciones experimentales.

UNIVERSIDAD NACIONAL DE TRUJILLO

 DISEO FACTORIAL

Con un diseo factorial 22 se

estudia el efecto de dos factores
considerando dos niveles en
cada uno. Cada rplica de este
diseo consiste de 2 2 = 4
combinaciones o tratamientos
que se pueden denotar de
diferentes mane ras, como se
muestra en la tabla 6.1.
 REPRESENTACIN
GEOMTRICA

El diseo factorial 22 se representa

de manera geomtrica por los
vrtices del cuadrado de la figura
6.1. Cada vrtice representa un
punto de diseo o tratamiento. El
rea limitada por este cuadrado se
conoce como regin experimental
y, en principio, las conclusiones
que se obtengan del experimento
slo tienen validez sobre esta
regin.
 CLCULO DE LOS EFECTOS

En este diseo hay tres efectos de inters:

los dos efectos principales (A y B) y el
efecto de interaccin (AB). Con el uso de
la notacin de Yates podemos ver que si
cada tratamiento se corre n veces,
entonces la media de Y en el nivel alto de
A es (a + ab)/2n y en el nivel bajo es (b +
(1))/2n. Se calcula como:
ANLISIS DE VARIANZA

Aunque los efectos calculados con datos

muestrales sean nmeros distintos de cero,
esto no implica que el efecto correspondiente sea
estadsticamente diferente de cero. O si en su
representacin grfica aparentan ser
importantes, eso tampoco es suficiente para
concluir que afectan de manera significativa la
variable de respuesta.
 DEFINICIN DE CONTRASTE

Se sabe que la suma de cuadrados

para cualquier contraste C la cual slo
tiene un grado de libertad.
Note que en el contexto de los diseos
factoriales, las sumas corren sobre los
2 tratamientos del diseo factorial 2 ,
y cada trmino Yi representa un
trmino de la notacin de Yates.
MTODOS PARA CALCULAR CONTRASTES

Una manera prctica de establecer los

contrastes de cualquier efecto, sea
principal o de interaccin en el diseo
factorial 2 es mediante el auxilio de
una tabla de signos. La tabla de signos
se construye a partir de la matriz de
diseo, multiplicando las columnas que
intervienen en la interaccin que se
quiera calcular.
INTERPRETACIN DE LOS EFECTOS
SIGNIFICATIVOS

Con el anlisis de la
varianza de la tabla 6.2 se
sabe cules de los tres
efectos A, B o AB actan
sobre la variable de
respuesta
 EXPERIMENTO : EJEMPLO INTEGRADOR

Ahora interesa estudiar el efecto

del tamao de broca (factor A) y de
la velocidad (factor B) sobre la
vibracin de la ranuradora
(respuesta Y). Para ello, se decide
utilizar un diseo factorial 22 con
cuatro rplicas, lo cual da un total
de 4 22 = 16 corridas del
proceso, que se realizan en orden
aleatorio. El tamao de la broca se
prueba en 1/16 y en 1/8 de pulgada
y la velocidad en 40 y 90
revoluciones por segundo, segn
se describe en la siguiente tabla:
 DISEO FACTORIAL

Con el diseo factorial 23 se estudian tres

factores en dos niveles cada uno. Consta de 23
= 2 2 2 = 8 tratamientos diferentes. Los
tratamientos del diseo 23 y su representacin
geomtrica se muestran en la figura 6.10. La
regin experimental ahora es un cubo regular
centrado en el origen (0, 0, 0), cuyos vrtices
son los ocho tratamientos. La matriz de diseo
se construye fcilmente alternando el signo
menos y el signo ms en la primera columna,
dos menos y dos ms en la segunda columna,
y cuatro menos y cuatro ms en la tercera; el
diseo resulta acomodado en el orden estndar
o de Yates.
ANLISIS DEL DISEO FACTORIAL

Sean A, B y C los factores que se quieren

estudiar y sean (I), a, b, ab, c, ac, bc y abc,
los totales observados en cada uno de los
ocho tratamientos escritos en su orden
estndar. Los efectos en este diseo se
pueden calcular a partir de la tabla de
signos (tabla 6.5).
Al igual que en el diseo 22 , las columnas
de los efectos principales A, B y C son las
mismas que en la matriz de diseo, y las
columnas de los efectos de interaccin se
obtienen multiplicando las columnas
correspondientes.
EXPERIMENTO : EJEMPLO INTEGRADOR

En una empresa que fabrica dispositivos

electrnicos se identific mediante un anlisis de
Pareto que las fracturas de las obleas de silicio por
choques trmicos era la principal causa de las
obleas rotas en las etapas de procesamiento
conocidas como grabado mesa y piraa. Un
grupo de esas reas identific a tres factores
principales (temperaturas) como las probables
causas del problema.
Los tres factores controlados y sus niveles en
unidades originales, son las temperaturas.
 DISEO FACTORIAL GENERAL

Las k columnas y 2 renglones que componen la

matriz para este diseo, se construyen de la
siguiente manera: en la primera columna, que
corresponde a los niveles del factor A, se alternan
signos + y , empezando con hasta llegar a los
2 renglones; en la segunda columna se alternan
dos signos menos con dos signos ms; en la
tercera, se alternan cuatro signos menos y cuatro
signos ms, y as sucesivamente hasta la k-sima
columna compuesta por 21 signos , seguidos de
21 signos +. En la tabla 6.10 se muestra la familia
de diseos factoriales 2 (k5).
 DISEO FACTORIAL NO REPLICADO

NMERO DE RPLICAS EN LOS FACTORIALES

Al aumentar el nmero de factores en el diseo 2

crece rpidamente el nmero de tratamientos y, por lo
tanto, el nmero de corridas experimentales. Si se
realizan dos repeticiones en cada punto se tienen que
hacer 2 2 corridas experimentales, lo cual consume
muchos recursos para cinco o ms factores (k 5), ya
que seran 64 o ms corridas.
GRFICO DE EFECTOS EN PAPEL NORMAL (GRFICA DE DANIEL)

Los efectos no significativos deben seguir una distribucin normal con

media igual a cero y varianza constante. Esto implica que si los
efectos se grafican en papel probabilstico normal, los que no son
significativos tendern a formar una lnea recta, mientras que los
efectos activos aparecern alejados de la lnea de normalidad.
Cuando se tienen efectos positivos y negativos es mejor utilizar el
papel probabilstico medio normal (half normal), para tener una mejor
perspectiva de cules efectos se alinean y cules no.
DIAGRAMA DE PARETO DE EFECTOS

El diagrama de Pareto para los efectos sin estandarizar

representa una manera prctica de ver cules efectos son
los ms grandes en cuanto a su magnitud. El Pareto
representa de manera descriptiva la realidad observada de
los efectos, pero sin considerar supuestos distribucionales.
En la grfica de efectos en papel de probabilidad normal
(grfico de Daniel) es ms difcil apreciar la importancia
relativa de los efectos, pero es mejor que el Pareto para
sealar cules efectos son activos. Por ello, lo mejor es
utilizar ambas grficas para decidir cules efectos mandar al
error.
 OTROS
CRITERIOS
TILES
En ocasiones, ni el grfico de
Daniel ni el diagrama de Pareto
aclaran bien la situacin de
algunos efectos de magnitud
intermedia. En estos casos,
para decidir cules de estos
efectos se mandarn al error, se
recomienda fijarse en todos los
criterios siguientes y no slo en
uno de ellos:
1. La magnitud del efecto.
2. Si primero se excluyen los efectos que son
claramente no significativos de acuerdo al grfico
de Daniel y al Pareto, se puede lograr un ANOVA
preliminar.
3. Los grados de libertad del error deben ser al
menos 8 para tener un ANOVA
ms confiable.
2
4. El del modelo en el ANOVA preliminar.
COLAPSACIN O PROYECCIN DEL DISEO

Cuando en el mejor ANOVA que se pudo determinar se detecta

que un factor particular no es significativo, ya que su efecto
principal y todas las interacciones en las que interviene no son
importantes, entonces en lugar de mandar al error este factor y
sus interacciones, otra posibilidad es colapsar o proyectar el
diseo, lo cual consiste en eliminar completamente del anlisis a
tal factor.
Debemos aclarar que la accin de colapsar facilita la
reproduccin posterior del anlisis del experimento, al eliminar del
anlisis los factores que se sabe que no tienen influencia.
 EXPERIMENTO NO REPLICADO:
EJEMPLO INTEGRADOR

En una planta donde se

fabrican semiconductores se
quiere mejorar el rendimiento
del proceso va diseo de
experimentos. De acuerdo
con la experiencia del grupo
de mejora, los factores que
podran tener mayor
influencia sobre la variable
de respuesta (rendimiento),
as como los niveles de
prueba utilizados son los
siguientes:
Anlisis del experimento

Lo primero es estimar los

efectos potencialmente
importantes: cinco efectos
principales, 10 interacciones
dobles y 10 interacciones triples.
Todos los efectos de las
interacciones triples son
pequeos; por ello, en la tabla
slo hemos reportado los
efectos principales y las
interacciones dobles.
 INTERPRETACIN

Se procede a interpretar los

cuatro efectos que
resultaron significativos en
el mejor anlisis de varianza
de la tabla 6.17, que son: A,
B, C y AB. Los tres efectos
principales se muestran en
la figura 6.19, y de ellos slo
se interpreta el efecto de C
(tiempo de revelado) puesto
que A y B interactan, lo
cual tiene prioridad.
VERIFICACIN DE SUPUESTOS

La verificacin de supuestos debe hacerse para el

modelo que corresponde al mejor ANOVA. De
violarse alguno de los supuestos, el anlisis
podra dar conclusiones incorrectas. Debemos
observar que en este ejemplo la situacin con los
efectos es tan contundente que aun una violacin
clara de los supuestos difcilmente cambiara las
conclusiones.
FACTORIALES CON PUNTO AL CENTRO

Cuando en un diseo factorial 2 los k factores

admitan un nivel de prueba intermedio, es
recomendable implementar un tratamiento
adicional formado por la combinacin del nivel
intermedio o medio de todos los factores. Esta
combinacin se le conoce como punto central.
FACTORIALES EN BLOQUES

Por lo general, no es posible correr todos los

tratamientos de un diseo factorial 2 bajo las mismas
condiciones experimentales.
El objetivo del experimento repartido en bloques es
estudiar el efecto de los k factores sobre la respuesta y
conocer la pertinencia de haberlo considerado.
El uso adecuado de bloques incrementa la precisin
del experimento, adems es un medio para darle un
rango de validez mayor al estudio.
INTEGRANTES:

Chavarri Julcamoro, Dayan.

Snchez Retegui, Gianny.