Documente Academic
Documente Profesional
Documente Cultură
EXPERIMENTALES
APLICADO A
PROCESAMIENTO DE
MINERALES
Diseos Factoriales
La siguiente gua es la publicacin de la primera parte, de
un conjunto de resmenes de datosreales, que se aplican
en procesamiento de minerales en base a la estadstica.
Alvaro Paitan Q.
13/12/2011
PERU
AlvaroPAITAN Q.
Primera Parte: 1
INTRODUCCION
Las actividades de planear y realizar una investigacin tienen implicaciones de estadstica,
es por ello que a la estadstica se le considera como la base fundamental que relaciona
una estructura sistematizada de los factores que intervienen en un proceso para obtener
un resultado.
alvaropaitan@hotmail.com
PERU
AlvaroPAITAN Q.
Primera Parte: 1
DISEOS FACTORIALES
Que son los Diseos Factoriales?
Los diseos factoriales permiten el estudio de las simulaciones de varios efectos del factor
sobre el proceso conocido como respuesta. Para dicho estudio es necesario variar los
niveles de los factores que intervienen.
El diseo factorial se aplica:
Para determinar los efectos de los factores en estudio, para la funcin respuesta.
Eficiente en trminos del tiempo y costo, porque disminuye el numero de
tratamiento o pruebas.
Permite el estudio de interacciones entre los factores.
Cundousar los diseos factoriales?
Se usa para:
Obtener eficiencia en las estimaciones de los efectos de cada factor de la
respuesta.
Estimar los efectos de interacciones entre dos o ms factores en la respuesta.
Probar la curvatura en la respuesta incluyendo el centro de los puntos de rplica
en el diseo.
Determinar la varianza de error experimental.
PERU
AlvaroPAITAN Q.
Primera Parte: 1
alvaropaitan@hotmail.com
PERU
AlvaroPAITAN Q.
Primera Parte: 1
Y = (x u z, , ) (1.1)
Donde:
Y:Funcin respuesta.
x : Variable controlable
u : Variable no controlable
z : Variable desconocida
Las variables no controlables pueden medirse pero no controlar, y las variables
desconocidas no pueden medirse ni controlarse y se encuentra dentro de las variables
aleatorias; estas son incluidas dentro de la funcin respuesta como se puede ver en la
ecuacin (1.1)
alvaropaitan@hotmail.com
PERU
AlvaroPAITAN Q.
Primera Parte: 1
Y = (x1,x2,...,xn) + .(1.2)
Donde:
e : Variable aleatoria (variable no controlada y desconocida).
Xn : Variables controladas o estudiadas.
K
En el diseo factorial 2 se estudian en la mayor parte de los casos los efectos de los
factores y las n interacciones de las mismas.
K
N=2 indica el numero de tratamientos que deben hacerse con los K factores y n
interacciones.
K
En la notacin 2 los niveles superior e inferior estn indicados por los signos (+) y ( -)
(+1) y (-1) respectivamente.
Investigar con diseo experimental es determinar los experimentos que conviene usar
para poder hacer un mejor estudio de las variables, al mismo tiempo determinar la
influencia de cada una sobre la funcin respuesta.
Es por ello importante para que una funcin respuesta se la mejor (optima) en
procesamiento de minerales identificar y seleccionar las variables que ms influyen para
ello existe los diseos experimentales completos, fraccionados y de Planckett Burman que
permite estudiar hasta 20 variables o factores.
PRIMERA ETAPA DE SELECCIN DE VARIABLES.
Es una de las etapas ms importantes en la cual se debe definir las variables o factores a
estudiar, estoy convencido de que en esta etapa el factor humano es importante, porque
mediante el cual los rangos sern elegidos adecuadamente (con lgica), de no ser as el
diseo aplicarse ser poco confiable por no decirlo nulo.
Si tomamos un ejemplo simple de realizar una flotacin de zinc y en planta o
histricamente se determino que el colector xantato se usa un promedio de 30g/TM, seria
en vano escoger parmetros de 10g/TM y 60g/TM para las variables de investigacin,
debido a que estos datos estn lejos del dato promedio.
Para la seleccin de las variables es necesario usar todo los conocimientos en un proceso
metalrgico as como un diagnostico de todos los antecedentes de la operacin, ya que
ser de mucha importancia para la identificacin las posibles variables las cuales se
sometern a pruebas de diseo factorial.
Como ya mencionamos la codificacin de las variables estn en rango inferior con ( -1) y el
rango mximo con (+1) tomando como promedio cero (0).
alvaropaitan@hotmail.com
PERU
AlvaroPAITAN Q.
Primera Parte: 1
Z j = Z j + X j.Z j (1.3)
Donde:
Zj :Centro del diseo
Zj : Radio del diseo
Xj : Escala codificada
max
min
+ Zi
.(1.4)
2
max
min
Zi Zi
Zj =
...............(1.5)
2
Para la seleccin de variables existen las plantillas codificadas y dependen del nmero de
variables ofactores.
o
Zj =
Zi
alvaropaitan@hotmail.com
PERU
AlvaroPAITAN Q.
Primera Parte: 1
2
Plantilla para el factorial 2 este diseo se aplica para estudiar los efectos de las dos
variables A y B as como sus interacciones AB, AA y BB es aplicable en la mayora en la
etapa de optimizacin a mas detalle se tocara en la etapa siguiente.
Tabla 1.
N pruebas
1
2
3
4
5
A(X1)
+
+
0
B(X2)
+
+
0
Plantilla para el factorial 2 este diseo se aplica para identificar los efectos de tres
variables A, B, C y sus interacciones AB, AC, BC y ABC
Tabla 2.
N
pruebas
1
2
3
4
5
6
7
8
A(X1)
B(X2)
C(X3)
+
+
+
+
+
+
+
+
+
+
+
+
Para realizar una regresin es necesario que la diferencia entre el nmero de pruebas
menos las variables y menos uno esto sea igual o mayor a uno en todas las plantillas a
disear, por ejemplo en la Tabla 2 tenemos 8 pruebas y 3 variables entonces para la
regresin quedan 4 a esto se le conoce como grados de libertad de la regresin. Esto se
debe a que la ecuacin lineal que forma es el siguiente:
PERU
AlvaroPAITAN Q.
Primera Parte: 1
A(X1)
B(X2)
C(X3)
AB
AC
BC
ABC
Y
Respuesta
(1)
a
1
-1
-1
-1
1
1
1
-1
2
+1
-1
-1
-1
-1
1
1
3
-1
+1
-1
-1
1
-1
1
b
4
+1
+1
-1
1
-1
-1
-1
ab
5
-1
-1
+1
1
-1
-1
1
c
6
+1
-1
+1
-1
1
-1
-1
ac
7
-1
+1
+1
-1
-1
1
-1
bc
8
+1
+1
+1
1
1
1
1
abc
9
0
0
0
0
0
0
0
10
0
0
0
0
0
0
0
Los signos de la interaccin de las variables se completa multiplicando los signos de las
mismas variables.
Es importante considerar que los cuadros de diseo factorial deben cumplir la
ortogonalidad.
Comprobacin ortogonal.
Para evaluar el ortogonal de un diseo, se necesita cambiar la hoja de trabajo a cdigo de
unidad. Tambin se puede entender el diseo fcilmente en cdigo automtico como ya
mencionamos.
Las columnas de los cuadros deben ser ortogonales una a la otra, se pude tener las
siguientes condiciones:
alvaropaitan@hotmail.com
PERU
AlvaroPAITAN Q.
Primera Parte: 1
n2K
La media de suma de cuadrados se determina:
SCA
CMA =
..(1.9)
gl.
Donde:
K
g.l : Grados de libertad de la variable, en un diseo factorial 2 es la unidad.
Ejemplo:
En una planta metalrgica el gerente de operaciones, busca mejorar la produccin de
concentrado de zinc, para ello selecciona tres variables ms influyentes en el proc eso con
la finalidad interpretar los efectos en la produccin, y buscar una posible optimizacin.
Las variables seleccionados X1 (altura de espuma), X2 (Suministro de aire), X3 (agua de
lavado) en rangos de 800:900mm, 25:35Ipm y 8:12lpm y la variable Y representado como
la recuperacin del concentrado de Zinc (es importante tambin relacionar con las leyes
del concentrado, cabeza de mineral y la recuperacin conocida como factor metalrgico)
alvaropaitan@hotmail.com
10
PERU
AlvaroPAITAN Q.
Primera Parte: 1
El cuadro de diseo factorial 2 con dos pruebas centrales y una columna Xo para obtener
la constante:
n
x0
1
2
3
4
5
6
7
8
9
10
A (x1)
B(x2)
1
1
1
1
1
1
1
1
1
1
C(x3)
-1
1
-1
1
-1
1
-1
1
0
0
x1x2
-1
-1
1
1
-1
-1
1
1
0
0
-1
-1
-1
-1
1
1
1
1
0
0
x1x3
1
-1
-1
1
1
-1
-1
1
0
0
x2x3
1
-1
1
-1
-1
1
-1
1
0
0
1
1
-1
-1
-1
-1
1
1
0
0
X1X2X3 Yobs
-1
86,4
1
89,5
1
86,1
-1
90,3
1
84,5
-1
85,7
-1
87,2
1
90,4
0
85,9
0
86,2
Para facilitar el clculo de efectos se determina por matrices en Excel (se puede calcular
con las formulas de efectos descritos con anterioridad).
N
Ej =
i=1
1
1
-1
-1
-1
-1
1
1
1
-1
1
-1
-1
1
-1
1
1
1
1
-1
1
-1
-1
-1
1
-1
-1
1
1
-1
-1
1
1
1
-1
1
-1
1
-1
-1
1
-1
1
1
-1
-1
1
-1
1
1
1
1
1
1
1
1
1
0
0
0
0
0
0
0
1
0
0
0
0
0
0
0
[X]T.[Y] Efecto
872,2
11,7
2,925
7,9
1,975
-4,5
-1,13
3,1
0,775
-2,9
-0,72
6,9
1,725
0,9
0,225
alvaropaitan@hotmail.com
11
PERU
AlvaroPAITAN Q.
Primera Parte: 1
INVERSA ([X]T.[X])
0,1
0
0
0
0,125
0
0
0
0,125
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0,125
0
0
0
0
0
0
0
0
0,125
0
0
0
0
0
0
0
0
0,125
0
0
0
0
0
0
0
0
0,125
0
0
0
0
0
0
0
0
0,125
constante
X1
X2
X3
X1X2
X1X3
X2X3
X1X2X3
La ecuacin.
Y= 87,22 + 1,46X1 +0,9875X2-0,56X3 +0,387X1X2-0,362X1X3 +0,86X2X3 +0,11X1X2X3
Analizando con t-student, para el anlisis es importante realizar una regresin con las
variables para los resultados.
Estadsticas de la regresin
Coeficiente de correlacin mltiple
0,954770042
Coeficiente de determinacin R^2
0,911585832
R^2 ajustado
0,602136245
Error tpico
1,316671941
Observaciones
10
Intercepcin
Variable X 1
Variable X 2
Variable X 3
Variable X1X2
Variable X1X3
Variable X2X3
alvaropaitan@hotmail.com
Coeficientes
87,22
1,4625
0,9875
-0,5625
0,3875
-0,3625
0,8625
Error tpico
0,41636823
0,46551383
0,46551383
0,46551383
0,46551383
0,46551383
0,46551383
Estadstico
t
209,47804
3,1416897
2,12131185
-1,2083421
0,83241351
-0,7787094
1,85279136
Probabilidad
2,2788E-05
0,08812773
0,16795073
0,35039974
0,49274304
0,51765713
0,20509867
12
PERU
AlvaroPAITAN Q.
Primera Parte: 1
Variable X1X2X3
0,83155634
SC
GL
17,111
7,8012
2,5313
1,2013
1,0512
5,9513
0,1012
0,045
35,794
CM
1 17,11125
1
7,80125
1
2,53125
1
1,20125
1
1,05125
1
5,95125
1
0,10125
1
0,045
9 3,9770833
F
380,25
173,3611
56,25
26,69444
23,36111
132,25
2,25
Ftabl(1,1,95%)
161,45
161,45
161,45
161,45
161,45
161,45
161,45
alvaropaitan@hotmail.com
13
PERU
AlvaroPAITAN Q.
Primera Parte: 1
Calculo de Y estimado.
Y = [Y].[B].(1.10)
Yobservado Y estimado (Yobs-Yest)^2
(Yos-Ypromedio)^2
86,4
86,108
0,08555625
0,6724
89,5
89,208
0,08555625
5,1984
86,1
85,808
0,08555625
1,2544
90,3
90,008
0,08555625
9,4864
84,5
84,208
0,08555625
7,3984
85,7
85,408
0,08555625
2,3104
87,2
86,908
0,08555625
0,0004
90,4
90,108
0,08555625
10,1124
85,9
87,22
1,7424
1,7424
86,2
87,22
1,0404
1,0404
SSC
CM
39,216
19,608
1
1
2,7828
36,4332
2,7828
36,4332
Error.modelo
GL. 1
F=
= 36,43/2,78 = 13,092
Error.modelo
GL. 2
Ftabla (GL1, GL2, 95%) = 161,45
Entonces F<F tabla; por lo tanto la ecuacin calculada es confiable en un 95%.
Analizando con graficas.
Diagrama de Pareto.
alvaropaitan@hotmail.com
14
PERU
AlvaroPAITAN Q.
Primera Parte: 1
Factor
A
Name
A
B
C
B
C
B
BC
C
AB
AC
ABC
0
10
StandardizedEffect
15
20
En la grafica 1 observamos que los factores A (X1) y B (X2) son los que intervienen con
mayor efecto a la funcin respuesta, debemos tomar en cuenta siempre un anlisis de
Pareto es importante porque permite identificar los efectos de muchos factores en un
proceso.
La grafica 1 exhibe lo siguiente:
Los trminos desde arriba hacia abajo en orden de importancia decreciente.
Una lnea de referencia
Mientras el diagrama de Pareto muestra una clara visualizacin de la magnitud de un
efecto, este no provee informacin acerca de la direccin del efecto. Usar las graficas
normales de efectos para evaluar la direccin.
Grafica de probabilidad normal.
Una grafica de probabilidad normal identifica el signo de cada efecto. Estos trminos son
los mismos efectos significativos que se muestran en el diagrama de Pareto.
La identificacin de signos se encuentra en la lnea de las abscisas.
Grafica 2.
alvaropaitan@hotmail.com
15
PERU
AlvaroPAITAN Q.
Primera Parte: 1
NormalProbabilityPlotoftheStandardizedEffects
(re sp onse is Y, Alp ha=,0 5)
99
EffectType
NotSignificant
Significant
95
90
80
70
Factor
A
B
C
Name
A
B
C
60
50
40
30
20
10
5
-10
-5
5
10
StandardizedEffect
15
20
PointType
Corner
Center
89,0
88,5
88,0
87,5
87,0
86,5
86,0
-1
-1
16
PERU
AlvaroPAITAN Q.
Primera Parte: 1
A PointType
90
-1 Corner
0 Center
1 Corner
89
88
87
86
85
-1
0
B
alvaropaitan@hotmail.com
17
PERU
AlvaroPAITAN Q.
Primera Parte: 1
Ara a
optimizar
Grafica 5.
Contour Plotof Y vs B;A
1,0
Y
< 87
87 - 88
88 89 -
0,5
89
90
> 90
HoldValues
C -1
0,0
-0,5
-1,0
-1,0
-0,5
0,0
A
0,5
1,0
alvaropaitan@hotmail.com
18
PERU
AlvaroPAITAN Q.
Primera Parte: 1
C
-1
-1
-1
-1
+1
+1
+1
+1
D
-1
+1
+1
-1
+1
-1
-1
+1
D
-1
+1
-1
+1
+1
-1
+1
-1
E
-1
-1
+1
+1
+1
+1
-1
-1
alvaropaitan@hotmail.com
19
PERU
AlvaroPAITAN Q.
Primera Parte: 1
+1
+1
+1
-1
+1
-1
-1
-1
+1
+1
-1
+1
-1
-1
+1
-1
+1
-1
+1
-1
-1
+1
-1
-1
-1
+1
-1
-1
+1
+1
+1
-1
+1
-1
-1
+1
+1
+1
-1
-1
-1
-1
+1
+1
+1
-1
+1
-1
-1
+1
+1
+1
-1
+1
-1
-1
EL arreglo de los (+) y (-) de las tablas de La Planckett Burman es tal que cuando una
variables esta a un nivel dado la mitad son positivos y la otra mitad negativos y el efecto
neto de una variable se calcula como la influencia de las otras variables. Estos efectos es la
diferencia de los promedios de la suma de cantidades positivos y negativos de la funcin
respuesta y se calcula con la siguiente formula.
sumade. .(+) sumade. .()
Efecto =
Numero(+)
Numero()
Suma (+): Suma de los valores positivos que se obtiene al multiplicar los signos de la
columna de un factor con la funcin respuesta Y observada.
Suma (-): Suma de los valores negativos que se obtiene al multiplicar los signos de la
columna de un factor con la funcin respuesta Y observada.
Numero (+) y (-): Es la cantidad de signos que intervienen en la columna de una variable o
factor.
Determinacin de efectos de cada variable se determina con las ecuaciones mencionadas
anteriormente, es importante considerar en una tabla de Planckett Burman una columna
de un factor como constante en este caso para la tabla tomemos la columna D, esto se
debe a que los efectos calculados se divide entre el error del diseo.
Para determinar la significancia del efecto de las variables por el mtodot student
y se calcula por regresin.
En la mayora de los casos de debe tomar una significancia mayor al 85% valida la
probabilidad.
Tabla 7.
alvaropaitan@hotmail.com
20
PERU
AlvaroPAITAN Q.
Primera Parte: 1
Plantilla de 7 a 10 factores.
Tabla 8.
Prueba
1
2
3
4
5
6
7
8
9
10
11
12
1
1
-1
1
1
1
-1
-1
-1
1
-1
-1
1
-1
1
1
1
-1
-1
-1
1
-1
1
-1
-1
1
1
1
-1
-1
-1
1
-1
1
1
-1
1
1
1
-1
-1
-1
1
-1
1
1
-1
-1
1
1
-1
-1
-1
1
-1
1
1
-1
1
-1
1
-1
-1
-1
1
-1
1
1
-1
1
1
-1
-1
-1
-1
1
-1
1
1
-1
1
1
1
-1
-1
-1
1
-1
1
1
-1
1
1
1
-1
-1
-1
1
-1
1
1
-1
1
1
1
-1
-1
-1
1
-1
1
1
-1
1
1
1
-1
-1
-1
-1
-1
1
1
-1
1
1
1
-1
-1
-1
1
-1
alvaropaitan@hotmail.com
21