Eficacitatea unui program experimental (E):

E  I 100 I – numarul de informatii utile;

N
N - numarul de experiente cuprinse in program

 Daca nu se foloseste un model matematic cu un grad mai mare de

doi, eficacitatea programelor factoriale intregi scade odata cu
cresterea numarului de factori implicati (ex.: scadere de pana la 50%
cand sunt implicati 5 factori)

Informatii obtinute din aplicarea unor programe factoriale intregi la doua

nivele de variatie a factorilor de influenta: media raspunsului (b0);

coeficientii variabilelor independente (bj); coeficientii interactiunilor intre

factori (bij)
 Experimente care nu se pot limita doar la doua nivele de variatie ale
factorilor de influenta  importanta crestere a numarului de
experiente de efectuat  aplicarea planurilor factoriale fractionate

crestere considerabila de timp si de cost pentru efectuarea

tuturor experimentelor necesare

blocuri (fractiuni ) ale unui plan factorial intreg (plan de tipul 2k, cu
N = 2k experiente)

desfasurarea unei fractiuni din planul factorial intreg (ex.: ½, ¼ …), sacrificand
unele aspecte privind eroarea experimentala sau consistenta in derularea
experimentelor
Numar mare de variabile  ierarhie a semnificatiei termenilor
corespunzatori interactiunilor (interactiunile de ordin mai mare tind sa
devina neglijabile , putand fi astfel eliminate din model, atunci cand
numarul variabilelor creste

Ex.: Intr-o schema de experienta factoriala cu trei factori (A, B, C), efectul de
interactiune de gradul cel mai mare:
ABC = - (1) + a + b – ab + c – ac – bc + abc
Experientele pot fi impartite in doua blocuri:
Blocul 1: - (1) - ab - ac - bc
Blocul 2: a b c abc
Introducerea de programe factoriale fractionate  pentru reducerea la
minim a numarului de experiente, fara a diminua cantitatea si calitatea
informatiilor utile

In practica, pentru o cercetare aprofundata a unui fenomen / proces:

* Plan factorial fractionat
* Program factorial intreg
 MATRICI DE EXPERIMENTARE PENTRU
EXPERIMENTE FACTORIALE FRACTIONATE
A. METODA SUBSTITUTIEI

In matricea de baza, se inlocuieste interactiunea presupusa a nu

influenta semnificativ procesul de studiat (pe baza analizei calitative a
procesului), cu un nou factor

contraste definitorii contraste definitorii de rezolutie maxima

(sunt prezenti toti factorii implicati)

In matricea de baza: numarul minim de experiente trebuie sa fie cu cel

putin o unitate mai mare decat numarul factorilor implicati: N  k + 1

In functie de numarul de interactiuni care se inlocuiesc in matricea de

baza  replicatii fractionate la jumatate, la sfert, la optime….
 REPLICATII INJUMATATITE (N = 2k-1)
* Matrice de experimentare 22 (2 factori / 2 nivele de variatie) cu o
singura interactiune

Interactiunea X1X2 poate fi inlocuita cu un nou factor:

X1X2 = X3 (matricea de experimentare I)

- X1X2 = X3 (matricea de experimentare II)

Elementele matricei de tip I (N = 23-1)

Cod in X1 X2 X3 = X1X2 Cod in

program programul
(A) (B) (C)
N = 22 de baza
N = 23
(1) -1 -1 +1 c
a +1 -1 -1 a
b -1 +1 -1 b
ab +1 +1 +1 abc
 Elementele matricei de tip II (N = 23-1)

Cod in X1 X2 X3 = - X1X2 Cod in

program programul
(A) (B) (C)
N = 22 de baza
N = 23
(1) -1 -1 -1 (1)
a +1 -1 +1 ac
b -1 +1 +1 bc
ab +1 +1 -1 ab

 replicatie injumatatita a matricei de experimentare pentru un

experiment factorial intreg pentru 3 factori la 2 nivele
* Matrice de experimentare 23 cu patru interactiuni
(3 factori / 2 nivele de variatie)

Oricare din cele 8 interactiuni poate fi inlocuita cu un nou factor 

contrastele definitorii:
X4 = X1X2 X4 = - X1X2

X4 = X2X3 X4 = - X2X3

X4 = X1X3 X4 = - X1X3

X4 = X1X2X3 X4 = - X1X2X3

Selectarea uneia din cele 8 solutii posibile  pe baza analizei

calitative a procesului
In lipsa unei restrictii de ordin calitativ, se alege contrastul definitoriu
de rezolutie maxima: X4 = X1X2X3 sau X4 = - X1X2X3
 Elementele unei matrici de tip I (N = 24-1)

Cod in X1 X2 X3 X1X2 X2X3 X1X3 X4 = Cod in

program programul
X1X2X3
N = 23 (A) (B) (C) de baza
(D) N = 24
(1) -1 -1 -1 +1 +1 +1 -1 d
a +1 -1 -1 -1 +1 -1 +1 ad
b -1 +1 -1 -1 -1 +1 +1 bd
ab +1 +1 -1 +1 -1 -1 -1 ab
c -1 -1 +1 +1 -1 -1 +1 cd
ac +1 -1 +1 -1 -1 +1 -1 ac
bc -1 +1 +1 -1 +1 -1 -1 bc
abc +1 +1 +1 +1 +1 +1 +1 abcd
 Elementele unei matrici de tip II (N = 24-1)

Cod in X1 X2 X3 X1X2 X2X3 X1X3 X4 = Cod in

program programul
N = 23 (A) (B) (C) -X1X2X3 de baza
N = 24
(D)
(1) -1 -1 -1 +1 +1 +1 -1 d
a +1 -1 -1 -1 +1 -1 +1 ad
b -1 +1 -1 -1 -1 +1 +1 bd
ab +1 +1 -1 +1 -1 -1 -1 ab
c -1 -1 +1 +1 -1 -1 +1 cd
ac +1 -1 +1 -1 -1 +1 -1 ac
bc -1 +1 +1 -1 +1 -1 -1 bc
abc +1 +1 +1 +1 +1 +1 +1 abcd

Ambele matrici contin doar jumatate din numarul experientelor din

programul factorial intreg 24
 REPLICATII PE SFERT (N = 2k-2)

 Doua interactiuni din matricea de baza sunt inlocuite cu doi factori noi
(X4, X5)

Ex.: pentru o matrice de baza 23, pot fi alese solutiile:

X4 = X1X2X3 X5 = - X1X2X3

X4 = X1X2 X5 = - X1X2

X4 = X2X3 X5 = - X2X3

X4 = X1X3 X5 = - X1X3

Fiecare interactiune dintr-un program de baza  inlocuita cu cate un

nou factor  programe saturate, care permit evaluarea a N – 1 factori
independenti in N experiente
 Matrice saturata obtinuta prin substitutie

Cod in X1 X2 X3 X4=X1X2 X5=X1X3 X6=X2X3 X7 =

program X1X2X3
N = 23
(1) -1 -1 -1 +1 +1 +1 -1
a +1 -1 -1 -1 +1 -1 +1
b -1 +1 -1 -1 -1 +1 +1
ab +1 +1 -1 +1 -1 -1 -1
c -1 -1 +1 +1 -1 -1 +1
ac +1 -1 +1 -1 -1 +1 -1
bc -1 +1 +1 -1 +1 -1 -1
abc +1 +1 +1 +1 +1 +1 +1
B. MATRICI HADAMARD

 linii de generare pentru N = 8, 12, 16, 20, 24, 32 experiente

 pot fi utilizate ca programe factoriale saturate (N = k + 1), sau nesaturate
(N > k + 1)
Matrice Hadamard saturata pentru N = 8 determinari

Nr. exp. X1 X2 X3 X4 X5 X6 X7 Raspuns

Yi
1 +1 +1 +1 -1 +1 -1 -1 Y1
2 -1 +1 +1 +1 -1 +1 -1 Y2
3 -1 -1 +1 +1 +1 -1 +1 Y3
4 +1 -1 -1 +1 +1 +1 -1 Y4
5 -1 +1 -1 -1 +1 +1 +1 Y5
6 +1 -1 +1 -1 -1 +1 +1 Y6
7 +1 +1 -1 +1 -1 -1 -1 Y7
8 -1 -1 -1 -1 -1 -1 -1 Y8
Yi – valorile experimentale obtinute pentru parametrul de optimizat
Stabilirea modelului matematic pentru un experiment factorial fractionat

Metoda substitutiei

Matrici obtinute prin  calculul coeficientilor

modelelor matematice de tip
polinomial
Metoda Hadamard

Coeficientul factorului introdus in locul unei interactiuni contine atat efectul factorului
introdus, cat si efectul interactiunii inlocuite

 determinarea modelului matematic pentru un experiment factorial

fractionat (ex.: operatia de filtrare din procesul de purificare a unei SM)

Obiectiv: stabilirea conditiilor de filtrare pentru obtinerea puritatii maxime a SM,

prin intermediul unui plan experimental cu 8 experiente
Planul experimental continand factorii de influenta, valorile naturale si valorile codificate

Factori UM Cod Xjmin – Xj Xj0 Nivelul

factor Inferior Superior
Xjmax

1 2 3 4 5 6 7 8
Concentratia suspensiei % X1 2 – 25 15 12 2 25
Varsta suspensiei Zile X2 0 – 10 5 5 0 10
Concentratia solventului % X3 0 – 20 10 10 0 20
Temperatura °C 5 - 25 10 15 5 25
X4
Xj  valoarea naturala a factorului j (valoarea minima si maxima a factorului j)
Xj  unitatea de variere (incrementul care se adauga sau se scade din valoarea
nivelului de baza, Xj0)
Xj0  valoarea naturala a factorului j la centru

stabilite prin experimente preliminare

Pentru determinarea influentei factorilor  replicare injumatatita
a experimentului factorial intreg 24 (k = 4 factori / 2 nivele de variatie)

N = 2k -1  matricea de baza corespunde experimentului 23

Relatia de generare: X4 = X1X2X3

 Matricea de experimentare

Nr. Cod in X1 X2 X3 X4 = X1X2 X1X3 X2X3 Yi

exp. program X1X2X3 puritate
N = 23
1 (1) -1 -1 -1 -1 +1 +1 +1 70
2 a +1 -1 -1 +1 -1 -1 +1 77
3 b -1 +1 -1 +1 -1 +1 -1 85
4 ab +1 +1 -1 -1 +1 -1 -1 91
5 c -1 -1 +1 +1 +1 -1 -1 69
6 ac +1 -1 +1 -1 -1 +1 -1 84
7 bc -1 +1 +1 -1 -1 -1 +1 83
8 abc +1 +1 +1 +1 +1 +1 +1 95

Pentru stabilirea influentei cantitative a fiecarui factor in parte asupra raspunsului

(puritatea produsului) si pentru stabilirea interactiunii dintre factori  model
matematic de tip polinomial cu 8 termeni (N = 2k – 1 = 24 – 1 = 23 = 8)

Y = b0 + b1X1 + b2X2 + b3X3 + b4X4 + b12X1X2 + b13X1X3 + b23X2X3

Valoarea reala a influentei factorului X4 = X1X2X3 din replicatia injumatatita
se cumuleaza cu efectul interactiunii dintre cei trei factori:
4 = b4 + b123

b0 
 Yi b0 = 81,75
N

1 N
b j   ( X jiYi ) b1 = 5,0; b2 = 6,75; b3 = 1,0; b4 = -0,25; b12 = -0,5;
N i 1
b13 = 1,75; b23 = -0,5

Influenta relativa a factorilor asupra raspunsului: 2bj x 100 / b0

X1 (concentratia suspensiei)  12%; X2 (varsta suspensiei)  16,5%;

X3 (concentratia solventului)  2,5%; efectul cumulat al X4 (temperatura) cu X1X2X3 

0,6%
 Alte programe de proiectare factoriala

* Efectul unui factor trebuie investigat la mai mult de doua nivele

* Modelul matematic obtinut nu este adecvat pentru descrierea cu buna
aproximatie a sistemului / procesului studiat

 necesitatea proiectarii unui model de ordin superior (ex.:

model patratic ce contine termeni Xi2)  crestere semnificativa a
numarului de experiente  experimentul devine costisitor
 Metoda patratelor latine

* Permite planificarea experientelor in vederea evaluarii efectelor a k factori

la un numar de nivele de variatie p > 2

* Ofera informatii in conditiile in care efectele interactiunilor dintre factori

sunt mai mici decat efectele cauzate de factorii principali si erorile
experimentale urmeaza o distributie normala

Patrate latine: matrici patrate de un ordin oarecare, in fiecare celula

aparand o litera latina, o singura data, pe linie sau pe coloana
Patrat latin 2 x 2

a b
b a Patrat latin 3 x 3

a b c

b c a

c a b

Patrat latin 4 x 4

a b c d http://designtheory.org/library/e
ncyc/latinsq/e/
b c d a
c d a b
http://www.isogenic.info/html/bl
d a b c ocked_designs.html
Avantaj al metodei patratelor latine: reducerea semnificativa a numarului de
experiente ce trebuie realizate (ex.: pentru un experiment factorial ce implica trei
factori de influenta (A, B, C) la cate trei nivele de variatie, prin intermediul unui plan
de tipul patrat latin 3 x 3, numarul experientelor din care se pot obtine informatii
este de doar 9, fata de 27 conform unui plan factorial complet (33))

Exemplu de plan de experiente conform unui plan latin 3 x 3

A1 A2 A3
B1 C1 (1) C2 (2) C3 (3)
B2 C2 (4) C3 (5) C1 (6)
B3 C3 (7) C1 (8) C2 (9)
Cifra din paranteze → numarul experientei

Linia intai a matricei → factorul A la cele p nivele

Coloana intai a matrice → factorul B la cele p nivele
Factorul C → scris sub forma de patrat latin

Raspunsul Y al sistemului → evaluat pentru toate cele 9 experiente (efectuate in

ordine aleatoare)
 Planurile de experiente Taguchi

• abordare complementara fata de metodele clasice de proiectare

experimentala
• combinarea tehnicilor de inginerie cu cele de statistica
• se stabileste o relatie intre functia pierdere a calitatii sistemului /
procesului studiat si raportul semnal / zgomot
• aplicatii in domeniul farmaceutic: planuri de experiente in proiectarea,
formularea si optimizarea farmaceutica, optimizarea unor procese
tehnologice …
Factori controlati (de semnal, de
formulare); ex.: concentratia de substanta
activa, raportul dintre diversi excipienti etc.
Metoda Taguchi → factori de
influenta
Factori de zgomot (afecteaza procesul
studiat, determinand instabilitatea acestuia)
Obiectivul metodei Taguchi: reducerea efectelor factorilor de zgomot,
prin identificarea combinatiilor de parametri controlati ce micsoreaza
efectele acestora

Indicatorul de performanta: raportul semnal (S) / zgomot (Z)

semnalul  valoarea dorita
zgomotul  variabilitatea nedorita a valorii
S / Z mai mare  performanta procesului / produsului ce trebuie a fi
optimizat mai buna
 Experimente factoriale fractionate
http://en.wikipedia.org/wiki/Fractional_factorial_design

http://www.itl.nist.gov/div898/handbook/pri/section4/pri472.htm

http://www.mathworks.com/access/helpdesk/help/toolbox/stats/f7630.html

Matrici Hadamard
http://designtheory.org/library/encyc/topics/had.pdf

http://en.wikipedia.org/wiki/Hadamard_matrix

Metoda Taguchi

http://www.ee.iitb.ac.in/~apte/CV_PRA_TAGUCHI_INTRO.htm

http://design.caltech.edu/Research/Publications/90f.pdf