P. 1
Confusión y diseños factoriales.docx

Confusión y diseños factoriales.docx

|Views: 353|Likes:
Published by jlhdez39

More info:

Published by: jlhdez39 on May 20, 2013
Copyright:Attribution Non-commercial

Availability:

Read on Scribd mobile: iPhone, iPad and Android.
download as DOCX, PDF, TXT or read online from Scribd
See more
See less

06/22/2015

pdf

text

original

Confusión y Diseños Factoriales

11 abril 2013

Resumen
En muchos de los casos el investigador encontrará que es imposible realizar todas las corridas experimentales de un diseño factorial 2k, bajo condiciones homogéneas, debido al costo, a las condiciones operativas (disponibilidad de tiempo) o sencillamente a la disponibilidad de material asociado. En el diseño de experimentos existe la posibilidad de fraccionar estos diseños, seleccionando solo una parte de los tratamientos, con resultados muy aproximados a si hubiésemos analizado todas las opciones. Para estos casos, existen técnicas de diseño como:    La formación de bloques con réplicas La confusión del diseño factorial La confusión parcial

El presente trabajo es una breve investigación para responder a tres preguntas que refieren conceptos fundamentales asociados con el tema de la confusión y los diseños factoriales, las cuales son: 1.- ¿Qué son los alias? 2.- ¿Qué significa resolución de diseño? 3.- ¿Qué son los generadores de diseño?

Diseño de experimentos para exploración
En los procesos especialmente de manufactura, el número de factores o variables potenciales que participan en la operación es muy grande. La caracterización del proceso es una etapa del diseño de experimentos que se orienta a la reducción del número de variables de entrada, con el fin de identificar las variables críticas que afectan a la calidad del producto o la capacidad de proceso. La reducción de estas variables permite al investigador concentrar sus esfuerzos de mejora en un pequeño conjunto de variables, junto con ciertas interacciones, verdaderamente significativas, bajo el principio de los pocos vitales. Esta etapa de exploración le permite al investigador identificar cual es la mejor configuración de factores

José Luis Hernández H. - 1680084 Universidad Iberoamericana - Campus Laguna

Página 1

Posterior a esta etapa de exploración. Los diseños factoriales de dos niveles completos y fraccionados se utilizan con frecuencia para explorar cuáles son los factores verdaderamente importantes que ejercen influencia en las medidas de salida del proceso o en la calidad del producto. el Factor A puede tener dos niveles. en un diseño factorial completo general. Aunque los diseños factoriales de dos niveles no pueden explorar completamente una amplia región del espacio de los factores. Debido a que los diseños factoriales de dos niveles pueden indicar las tendencias principales.1680084 Universidad Iberoamericana . cada factor experimental tiene sólo dos niveles. La totalidad del conjunto de corridas representa el diseño.Campus Laguna Página 2 .Confusión y Diseños Factoriales 11 abril 2013 para lograr un resultado optimizado y definir si existe o no curvatura en su desempeño. los factores experimentales pueden tener cualquier número de niveles. En un diseño factorial completo de dos niveles. Estos diseños son útiles para ajustar modelos de primer orden (los cuales detectan efectos lineales) y pueden proveer información acerca de la existencia de efectos de segundo orden (curvatura) cuando el diseño incluye puntos centrales. sí pueden proporcionar información útil aplicando un número relativamente reducido de corridas por factor. para el rango especificado. . cuando usted necesita explorar más una región donde cree que puede existir una configuración óptima. las respuestas se miden en todas las combinaciones de niveles de factores experimentales. Diseños factoriales completos En un experimento factorial completo. Por su parte. por ejemplo. el Factor B puede tener tres niveles y el Factor C puede tener cinco niveles. el investigador puede efectuar la optimización del experimento para determinar los mejores valores de configuración y definir la naturaleza de la curvatura existente. Las corridas experimentales incluyen todas las combinaciones de estos niveles de factores. puede ampliar un diseño factorial para formar un diseño compuesto central. Los diseños José Luis Hernández H. Por ejemplo. Además. usted puede utilizarlos para obtener la orientación necesaria para fases posteriores de la experimentación. Las combinaciones de niveles de factores representan las condiciones en las cuales se medirán las respuestas. La corrida experimental incluye todas las combinaciones de estos niveles de factores. los diseños factoriales completos generales (diseños con más de dos niveles) se pueden utilizar con pequeños experimentos de exploración. Cada condición experimental es denominada una corrida y la medición de la respuesta es denominada una observación.

Confusión y Diseños Factoriales 11 abril 2013 factoriales completos generales se pueden utilizar con pequeños experimentos de exploración. José Luis Hernández H. A los diseños factoriales que excluyen una o más combinaciones de niveles se les conoce como diseños factoriales fraccionados. con solo una repetición. Cuando el investigador no ejecuta todas las combinaciones de niveles de factores. Para reducir el tiempo y el costo. con 2 repeticiones serían 64 corridas. los diseños factoriales completos están libres de estructuras alias.1680084 Universidad Iberoamericana . un diseño con 8 factores requiere 256 corridas para una sola repetición. Por ejemplo. Diseños factoriales fraccionados Los experimentos factoriales completos pueden generar un número muy elevado de corridas. Las corridas que se realizan son un subconjunto seleccionado o fracción del diseño factorial completo. . un diseño factorial completo de 2 niveles con 5 factores requiere 32 corridas. se dice que algunos de los efectos se “confunden”. concepto asociado a los diseños fraccionales. el investigador puede utilizar diseños que excluyan algunos factores o combinaciones de niveles de factores. Al integrar todos los factores en el experimento. o en experimentos de optimización. Estos diseños factoriales fraccionados son útiles en la exploración de factores porque son capaces de reducir el número de corridas a un tamaño que más manejable.Campus Laguna Página 3 .

Por lo tanto. a continuación. los factores no considerados no pueden ser estimados por separado. cuando se utiliza un diseño factorial fraccional. La estructura de alias describe los factores que integran la confusión que ocurre en el diseño. Ejemplo. La clave para la estructura de alias es el enunciado de identidad. Por ejemplo. la estructura de alias se establece con la siguiente expresión: I + ABCE + ADEF + BCDF. para encontrar el término con el que se confunde AB: (AB)*(I + ABCDE) = AB + A2B2CDE = AB + CDE. alias para B C + ABE + BDF + ACDEF. Para determinar qué efectos forman una estructura de confusión.1680084 Universidad Iberoamericana . alias para F José Luis Hernández H. I + ABCDE. Para el ejemplo anterior. “quedan confundidos” . si el factor B no es considerado en el diseño fraccionado y se confunde con la interacción ACD de 3 factores. el investigador no podrá decir si un efecto significativo se debe al factor B o a la interacción ACD. multiplique el término de interés por el enunciado de identidad y. . el efecto estimado para B será la suma del efecto de B y el efecto de ACD. se dice también que estos efectos forman una estructura de alias. BCDF y ADEF en un experimento con 5 factores. por ejemplo. 1.Campus Laguna Página 4 .Confusión y Diseños Factoriales 11 abril 2013 Los efectos que se confunden no pueden estimarse en forma separada y conforman lo que se denomina como “estructuras de alias”. Por ejemplo. alias para A B + ACE + CDF + ABDEF. lo que el Minitab especifica como patrones de confusión. alias para D E + ABC + ADF + BCDEF. Confusión y alias Se refiere que hay confusión. si se decide confundir ABCE. alias para C D + AEF + BCF + ABCDE. AB y CDE se confunden entre sí. Debido a que algunos de los efectos se confunden y no se pueden separar de los otros efectos. alias para E F + ADE + BCD + ABCEF. elimine los términos cuadrados. lo que exige un conocimiento especializado del producto o proceso que se investiga. la fracción debe ser cuidadosamente elegida para alcanzar resultados útiles. debido a que al no ejecutarse todas las combinaciones de niveles de factores. a partir de la multiplicación de esta expresión con cada uno de los factores susceptibles de integrar el experimento la estructura resultante es:       A + BCE + DEF + ABCDF.

CF. DF y EF). lo que significa que no se pueden estimar por separado. . alias para AD AE + BC + DF + ABCDEF.Campus Laguna Página 5 . La resolución de diseño señala hasta qué punto los efectos de un diseño factorial fraccional forman una estructura de alias con otros efectos. 2. uno o más efectos se confunden.Confusión y Diseños Factoriales       11 abril 2013 AB + CE + ACDF + BDEF. ABD + ACF + BEF + CDE. BD. DE. alias para AF … y así sucesivamente con el resto de las interacciones de 2 factores (BC. alias para AC AD + EF + ABCF + BCDE. alias para AE AF + DE + ABCD + BCEF. alias para AB AC + BE + ABDF + CDEF. CD. Resolución de diseño En el apartado anterior se estableció que cuando se ejecuta un diseño factorial fraccional. el investigador emplea un diseño factorial fraccional con la resolución más alta posible. Por lo general. CE. alias para ABD … y así sucesivamente con el resto de las interacciones de 3. José Luis Hernández H. BE. BF. 4 y 5 factores. Generalmente es mejor seleccionar un diseño en el cual los efectos principales se confunden con interacciones de 3 factores (Resolución IV) que un diseño que confunda los efectos principales con interacciones de 2 factores (Resolución III).1680084 Universidad Iberoamericana .

Por ejemplo. para un diseño completo de 4 factores se requieren 16 tratamientos por repetición. por réplica. Los efectos principales forman estructuras de alias con las interacciones de 2 factores. con un diseño de fracción de 1/2 se requieren solo la mitad. Resolución IV    Resolución V  3. Ningún efecto principal o interacción de 2 factores forma una estructura de alias con otro efecto principal o interacción de 2 factores. A -1 +1 -1 +1 -1 +1 -1 +1 B -1 -1 +1 +1 -1 -1 +1 +1 C -1 -1 -1 -1 +1 +1 +1 +1 Página 6 José Luis Hernández H. Ningún efecto principal forma una estructura de alias con cualquier otro efecto principal o interacciones de 2 factores Algunas interacciones de 2 factores forman estructuras de alias con otras interacciones de 2 factores Los efectos principales forman estructuras de alias con las interacciones de 3 factores. respectivamente. IV y V son los más comunes:  11 abril 2013 Resolución III   Ningún efecto principal forma una estructura de alias con cualquier otro efecto principal. Las interacciones de 2 factores forman estructuras de alias con las interacciones de 3 factores y los efectos principales forman estructuras de alias con las interacciones de 4 factores.1680084 Universidad Iberoamericana . Utilizando el generador de diseño D = ABC se procede de la siguiente manera: 1 . .Confusión y Diseños Factoriales Los diseños de las Resoluciones III. o sea 8. Generadores de diseño Determinan cómo se selecciona la fracción (o subconjuntos de corridas) del conjunto completo de corridas en un diseño factorial fraccionado.Campus Laguna . Construya un diseño completo para 3 factores en el que -1 y +1 representan los niveles bajos y altos de los factores.

se deben escoger cuidadosamente los generadores de diseño.Confusión y Diseños Factoriales 11 abril 2013 2.Campus Laguna Página 7 .1680084 Universidad Iberoamericana . el factor D se confunde con la interacción ABC. Minitab utiliza los generadores de diseño que crean el diseño con la resolución más alta para el número de factores en el diseño José Luis Hernández H. . Por opción predeterminada. Debido a que los efectos confundidos no pueden calcularse por separado. Genere las corridas para el factor D a confundir multiplicando la configuración de los factores A. Por ejemplo. B y C conjuntamente. el valor de configuración del factor D para la primera corrida es -1 * -1 * -1 = -1 (configuración baja) A -1 +1 -1 +1 -1 +1 -1 +1 B -1 -1 +1 +1 -1 -1 +1 +1 C -1 -1 -1 -1 +1 +1 +1 +1 D = ABC -1 +1 +1 -1 +1 -1 -1 +1 Como la configuración del factor D es igual a la configuración de A por la configuración del factor B por la configuración del factor C.

You're Reading a Free Preview

Download
scribd
/*********** DO NOT ALTER ANYTHING BELOW THIS LINE ! ************/ var s_code=s.t();if(s_code)document.write(s_code)//-->