Documente Academic
Documente Profesional
Documente Cultură
TEMA 5
DISEÑOS FACTORIALES
1
TECNOLÓGICO NACIONAL DE MÉXICO
CAPITULO 4
CONCEPTOS BASICOS EN
DISEÑOS FACTORIALES
2
TECNOLÓGICO NACIONAL DE MÉXICO
Sin embargo en muchos procesos existen varios factores, por lo que es necesario
investigar de manera simultánea su influencia en una o varias variables de
respuesta, y en donde cada factor tiene la misma importancia desde el momento
en que se decide estudiarlo, así como la interacción entre ellos si la hubiera.
Los factores pueden ser de tipo cualitativo (máquinas, tipos de material, operador)
o de tipo cuantitativo (temperatura, velocidad, humedad, presión etc.) . Para
investigar de qué manera influye cada factor sobre la variable de respuesta, es
necesario elegir al menos dos niveles de prueba para cada uno de ellos (tres
máquinas, dos operadores, tres velocidades, dos temperaturas) Con el diseño
3
TECNOLÓGICO NACIONAL DE MÉXICO
Una familia de diseños factoriales 2𝑘 consiste en k factores, todos con dos niveles
de prueba; una familia de diseños 3𝑘 consiste en k factores cada uno con tres
niveles de prueba. Si los k factores no tienen los mismos niveles de prueba se
escribe de la siguiente manera. Por ejemplo k=3 factores, el primero con cuatro
niveles y los dos restantes con dos niveles, se tiene un diseño factorial 4 x 2 x 2
que consiste en 16 combinaciones.
Supongamos que se tienen dos factores: A= tiempo y B= velocidad, cada uno con
dos niveles Bajo y Alto, denotados por 𝐴1= 3 min, 𝐴2 = 6 min y 𝐵1= 600 rpm, 𝐵2=
1000 rpm. La variable de respuesta es la cantidad de aditivo, se tiene un diseño
factorial 2², es decir cuatro combinaciones
A Tiempo B Velocidad Y Aditivo
𝑨𝟏 (Bajo)= 3 𝐵1( Bajo) = 600 17.10
𝑨𝟐( Alto) = 6 𝐵1( Bajo) = 600 16.26
𝑨𝟏( Bajo) = 3 𝐵2( Alto) = 1000 18.76
𝑨𝟐( Alto) = 6 𝐵2( Alto) = 1000 18.16
4
TECNOLÓGICO NACIONAL DE MÉXICO
velocidad
Por otra parte se dice que dos factores interactúan entre sí o que tienen un efecto
de interacción sobre la variable de respuesta, cuando el efecto de un factor,
depende del nivel en que se encuentra el otro. Por ejemplo los factores tiempo y
velocidad interactúan si el efecto del tiempo es muy diferente en cada nivel de la
velocidad o viceversa si el efecto de la velocidad depende del tiempo. Veamos lo
siguiente:
Si estos dos efectos de A en función del nivel B fueran diferentes, entonces esto
sería evidencia de que la elección más conveniente del nivel A depende del nivel
en que esté B y viceversa. Esto sería evidencia de que los factores A y B
interactúan entre sí. Para este ejemplo el efecto se interacción entre tiempo y
velocidad se calcula como la diferencia entre la respuesta media cuando ambos
5
TECNOLÓGICO NACIONAL DE MÉXICO
AB =
Los valores absolutos (sin importar el signo) de los efectos principales y del efecto
de interacción con una medida de la magnitud de su efecto sobre la variable de
respuesta. Así, entre más grande sea el valor absoluto de un efecto, mayor
influencia tendrá sobre la variable de respuesta. Sin embargo para saber si los
efectos son estadísticamente significativos (diferentes de cero) se requiere el
análisis de varianza. Si hay una influencia significativa se procede entonces a
determinar las mejores condiciones de un proceso.
Cuando existe interacción entre dos factores las líneas obtenidas al graficar, tienen
una pendiente muy diferente, véanse las siguientes figuras:
a) b)
Si existe interacción: el efecto del incremento de B sobre Y es diferente dependiendo del nivel de
A y viceversa
6
TECNOLÓGICO NACIONAL DE MÉXICO
Modelo estadístico.
Con un diseño factorial a x b se pueden estudiar los dos efectos individuales y el
efecto de interacción de ambos factores. En términos estadísticos lo que se afirma
es que el comportamiento de la variable de respuesta γ en el experimento, con la
k réplicas se podrá describir mediante el siguiente modelo de efectos
7
TECNOLÓGICO NACIONAL DE MÉXICO
Con un diseño factorial a x b interesa estudiar los tres efectos A, B y AB, para ellos
se pueden plantear los tres pares de hipótesis siguientes:
𝐻𝑜: Efecto AB = 0 (No hay interacción, es decir, el efecto AB no tiene influencia sobre
la variable de respuesta)
8
TECNOLÓGICO NACIONAL DE MÉXICO
9
TECNOLÓGICO NACIONAL DE MÉXICO
10
TECNOLÓGICO NACIONAL DE MÉXICO
𝐻𝑜: Interacción = 0
𝐻𝐴: Interacción ≠ 0
Factor Information
11
TECNOLÓGICO NACIONAL DE MÉXICO
Model Summary
Del ANOVA se concluye que los tres efectos A : vel, B : prof y AB están activos o
influyen en el acabado. Dado que el efecto de interacción AB resulta significativo,
prácticamente toda la información relevante del experimento se aprecia en su
representación gráfica . Nótese que aparecen tantas líneas como niveles tenga el
factor que se dibuja en la parte de arriba, que en este caso es la profundidad con
sus cuatro niveles . La significancia de la interacción detectada por el ANOVA se
observa en el hecho de que las líneas en la gráfica de interacción tienen pendientes
relativamente diferentes. Como lo que interesa es minimizar la variable de
respuesta, se observa que a mayor velocidad y profundidad hay una tendencia a
obtener peores acabados. Además se ve que cuando se tiene velocidad alta el
efecto de profundidad es menor (véase la dispersión de las líneas en la gráfica
cuando la velocidad es alta). Por lo tanto, las condiciones de operación o
tratamiento que convienen es profundidad y velocidad bajas.
12
TECNOLÓGICO NACIONAL DE MÉXICO
Comparación de medias.
Como ya se había mencionado en el Capítulo 2, cuando en un ANOVA se rechaza
la hipótesis nula 𝐻𝑜 , es necesario investigar cuales medias son las que causas las
diferencias detectadas, porque el ANOVA sólo indica que al menos un par de
niveles del factor significativo son diferentes entre sí , pero no dice cuáles son. Para
ello denotaremos los cuatro niveles del factor A ( Profundidad), como 𝐴1, 𝐴2, 𝐴3, 𝐴4,
así como los tres niveles del factor B ( Velocidad) , como 𝐵1, 𝐵2 y 𝐵3. Entonces los
seis juegos de hipótesis para comparar el factor A son:
13
TECNOLÓGICO NACIONAL DE MÉXICO
14
TECNOLÓGICO NACIONAL DE MÉXICO
Se obtienen las medias del factor A, al dividir entre 9, que son el número de
mediciones involucradas en cada total.
Así, las seis posibles diferencias muestrales en valor absoluto resultan ser:
Verificación de supuestos.
Los supuestos de normalidad, varianza constante e independencia de los residuos
en un diseño factorial se verifican principalmente con los métodos gráficos
presentados para diseños con un solo factor.
Para el ejemplo anterior, la independencia no la verificamos por no tener el orden
en el cual se hicieron las corridas experimentales. En las siguiente figuras se
grafican los residuos vs. predichos, y se observa que si se cumple el supuesto de
varianza constante, al caer todos los puntos dentro de una banda horizontal.
Asimismo, se cumple la normalidad al caer los residuos alineados en la gráfica de
15
TECNOLÓGICO NACIONAL DE MÉXICO
16
TECNOLÓGICO NACIONAL DE MÉXICO
Ejemplo:
Se desea investigar el efecto del tipo de suspensión (A), abertura de malla (B) y
temperatura de ciclaje (C) en el volumen de sedimentación Y(%) de una
suspensión. Para ello se decide correr un experimento factorial 3 × 2 × 2 con seis
réplicas, y las observaciones obtenidas en las 72 corridas experimentales se
muestran en la siguiente tabla:
Los niveles de prueba para cada factor, tanto en unidades originales como en
unidades codificadas, se muestran en la siguiente tabla:
Hipótesis.
El estudio factorial de tres factores (A, B y C) permite investigar los efectos: A, B,
C, AB, AC, BC y ABC, donde el nivel de desglose o detalle con el que pueden
estudiarse depende del número de niveles utilizado en cada factor. Por ejemplo, si
un factor se prueba en dos niveles, todo su efecto marginal (individual) es lineal, o
sea que su efecto individual no se puede descomponer; pero, si tuviera tres niveles
17
TECNOLÓGICO NACIONAL DE MÉXICO
18
TECNOLÓGICO NACIONAL DE MÉXICO
Con :
y
Ho :Efecto A= 0 Se acepta
Ho :Efecto B= 0 Se rechaza
Ho :Efecto C= 0 Se rechaza
Ho :Efecto AB= 0 Se rechaza
Ho :Efecto AC= 0 Se acepta
Ho :Efecto CB= 0 Se rechaza
Ho :Efecto ABC= 0 Se acepta
Gráficas de interacción
19
TECNOLÓGICO NACIONAL DE MÉXICO
Lo que se ha dicho para los dos diseños factoriales con 2 y 3 factores puede
extenderse fácilmente para cuando se tienen más factores. Considere f factores A,
B, C, …, K con niveles a, b, c, …, k, respectivamente, donde la letra K denota al f-
ésimo o último factor del conjunto a estudiar, no necesariamente el undécimo, que
es el lugar de esta letra en el alfabeto. Con estos niveles y factores se puede
construir el diseño factorial general a × b × … × k, que consiste de a × b × … × k
tratamientos o puntos de prueba.
20
TECNOLÓGICO NACIONAL DE MÉXICO
21
TECNOLÓGICO NACIONAL DE MÉXICO
22
TECNOLÓGICO NACIONAL DE MÉXICO
Hasta aquí los modelos de efectos que se han utilizado son modelos de efectos o
factores fijos, lo cual significa que todos los niveles de prueba en cada factor son
todos los disponibles para ese factor, o bien, se estudian todos los niveles de
interés en ese factor; es en este sentido que los niveles están fijos. Éste es el caso,
por ejemplo, cuando en el factor operador se toman los tres únicos operadores
como los niveles de prueba, o cuando los niveles del factor máquinas son las cuatro
máquinas existentes. O bien, cuando se comparan tres tipos de material porque
son los que interesa comparar aunque existan otros materiales de ese tipo. Con
factores fijos, las conclusiones obtenidas sólo son válidas para los niveles de
prueba que se estudian en el experimento.
En ocasiones, los niveles de prueba son una muestra aleatoria de la población de
niveles posibles. En este caso es más apropiado utilizar un modelo de efectos o
factores aleatorios. Un ejemplo de esta situación es cuando se prueban cinco
instrumentos de medición, pero la población de los mismos es de 100 instrumentos;
obviamente, no es posible experimentar con todos los equipos. Entonces se
experimenta sólo con cinco de ellos elegidos al azar, y las conclusiones obtenidas
se infieren como válidas para la población entera de instrumentos.
Los modelos de efectos aleatorios son de mucha utilidad en metrología para
estimar la incertidumbre de mediciones . Un caso particular de este tipo, son los
estudios de repetibilidad y reproducibilidad ( R&R), muy utilizados en la industria
para estudiar la contribución del sistema de medición a la variación de las
mediciones.
Así, la aplicación de un modelo de efectos aleatorios conlleva la necesidad de
considerar la incertidumbre asociada con la elección aleatoria de los niveles de
prueba. Es decir, ya no tiene sentido, para un factor A preocuparse por el efecto 𝛼𝑖
del nivel i como con efectos fijos. Lo que ahora (con efectos aleatorios) tiene
sentido es hablar de la varianza con la que el factor aleatorio contribuye a la
23
TECNOLÓGICO NACIONAL DE MÉXICO
24
TECNOLÓGICO NACIONAL DE MÉXICO
25
TECNOLÓGICO NACIONAL DE MÉXICO
26
TECNOLÓGICO NACIONAL DE MÉXICO
Factors: 2 Replicates: 3
27
TECNOLÓGICO NACIONAL DE MÉXICO
Number of levels: 4, 3
Factors: 2 Replicates: 3
Base runs: 12 Total runs: 36
Base blocks: 1 Total blocks: 1
Number of levels: 4, 3
Factor Information
Analysis of Variance
Model Summary
28
TECNOLÓGICO NACIONAL DE MÉXICO
29
TECNOLÓGICO NACIONAL DE MÉXICO
30
TECNOLÓGICO NACIONAL DE MÉXICO
31