Experimentos Factoriales

Hasta el momento se ha estudiado el caso en el que

solamente un factor sobre la variable o característica de
respuesta es de interés. Si bien se analizaron una serie de
bloqueos, con el objeto de homogeneizar las condiciones
experimentales, pero el interés siguió siendo de un solo
factor.

En varias situaciones prácticas se ésta interesando en el

efecto de más de un factor sobre la variable de respuesta o
característica de calidad. En estos casos se aplica un diseño
factorial.
 Experimentos Factoriales
Un diseño factorial, se define como:

Aquel en el que todos los niveles de un factor se combinan con

todos los niveles de otro factor en un mismo experimento.

Las ventajas de un experimento factorial son:

1. Es mas eficiente, se requiere de un menor número de pruebas para obtener

la misma cantidad de información
2. Permite detectar interacciones entre factores y tratamientos
3. Permite obtener conclusiones robustas o consistentes, ya que considera que
varios factores se pueden mover como sucede en la realidad, y no que hay
factores con niveles fijos.
Ejemplo 1. Factoriales

Se está estudiando el efecto que sobre la resistencia a la ruptura pueden tener los factores, Máquina y
Operador. Para una línea en particular, se tienen 4 máquinas y 3 Operadores. Los resultados del
experimento se muestran en la siguiente tabla. Analice con alfa = 0.05 y obtenga sus conclusiones.

MAQUINA
M1 M2 M3 M4
HUGO 109 110 108 112
110 115 109 114
PACO 111 110 111 114
OPERADOR
112 111 109 112
LUIS 109 112 111 111
111 115 112 112
 M1 M2 M3 M4
HUGO 109 110 108 112
110 115 109 114
PACO 111 110 111 114
112 111 109 112
LUIS 109 112 111 111
111 115 112 112
 ANÁLISIS DE VARIANZA
rigen de las variaciones
Suma de cuadrados
Grados de
Promedio
libertad de los cuadradosF Probabilidad Valor crítico para F
Muestra 2.25 2 1.125 0.48214286 0.62892074 3.885293835
Columnas 28.8333333 3 9.61111111 4.11904762 0.03183236 3.490294819
Interacción 23.4166667 6 3.90277778 1.67261905 0.21095152 2.996120378
Dentro del grupo 28 12 2.33333333

Total 82.5 23

RESUMEN M1 M2 M3 M4 Total
Total
Cuenta 6 6 6 6
Suma 662 673 660 675
Promedio 110.333333 112.166667 110 112.5
Varianza 1.46666667 5.36666667 2.4 1.5
RESUMEN M1 M2 M3 M4 Total
HUGO
Cuenta 2 2 2 2 8
Suma 219 225 217 226 887
Promedio 109.5 112.5 108.5 113 110.875
Varianza 0.5 12.5 0.5 2 6.41071429

PACO
Cuenta 2 2 2 2 8
Suma 223 221 220 226 890
Promedio 111.5 110.5 110 113 111.25
Varianza 0.5 0.5 2 2 2.21428571

LUIS
Cuenta 2 2 2 2 8
Suma 220 227 223 223 893
Promedio 110 113.5 111.5 111.5 111.625
Varianza 2 4.5 0.5 0.5 2.83928571

Total
Cuenta 6 6 6 6
Suma 662 673 660 675
Promedio 110.333333 112.166667 110 112.5
Varianza 1.46666667 5.36666667 2.4 1.5
Ejemplo 2. Factoriales

Se cree que el acabado superficial de una parte metálica (medida de 0 a 100, 100 es el mejor acabado)
se ve afectado por el tipo de pintura y el tiempo de secado. Se seleccionan 3 tiempos de secado: 20, 25
y 30 minutos y dos tipos de pintura, Comex y Ossel. Los resultados del experimento se muestran en la
siguiente tabla. Analice con alfa = 0.05 y obtenga sus conclusiones.

TIEMPO DE SECADO
20 25 30
COMEX 64 53 88
63 61 85
61 64 82
OSSEL 80 85 66
86 86 67
80 88 63
 ANÁLISIS DE VARIANZA
Origen de las variaciones
Suma de cuadrados
Grados de
Promedio
libertad de los cuadradosF Probabilidad
Valor crítico para F
Muestra 355.555556 1 355.555556 34.2245989 7.8358E-05 4.74722535
Columnas 27.4444444 2 13.7222222 1.32085561 0.30306547 3.88529383
Interacción 1878.77778 2 939.388889 90.4224599 5.8055E-08 3.88529383
Dentro del grupo124.666667 12 10.3888889

Total 2386.44444 17
Análisis de varianza de dos factores con varias muestras por grupo

RESUMEN 20 25 30 Total
COMEX
Cuenta 3.00 3.00 3.00 9.00
Suma 188.00 178.00 255.00 621.00
Promedio 62.67 59.33 85.00 69.00
Varianza 2.33 32.33 9.00 157.00

OSSEL
Cuenta 3.00 3.00 3.00 9.00
Suma 246.00 259.00 196.00 701.00
Promedio 82.00 86.33 65.33 77.89
Varianza 12.00 2.33 4.33 96.86

Total
Cuenta 6.00 6.00 6.00
Suma 434.00 437.00 451.00
Promedio 72.33 72.83 75.17
Varianza 117.87 232.57 121.37