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

puede ampliar un diseño factorial para formar un diseño compuesto central. 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. 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.1680084 Universidad Iberoamericana . Además. Posterior a esta etapa de exploración. el Factor B puede tener tres niveles y el Factor C puede tener cinco niveles. el Factor A puede tener dos niveles. las respuestas se miden en todas las combinaciones de niveles de factores experimentales.Campus Laguna Página 2 . por ejemplo. el investigador puede efectuar la optimización del experimento para determinar los mejores valores de configuración y definir la naturaleza de la curvatura existente. 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. cuando usted necesita explorar más una región donde cree que puede existir una configuración óptima. los factores experimentales pueden tener cualquier número de niveles. Aunque los diseños factoriales de dos niveles no pueden explorar completamente una amplia región del espacio de los factores. Los diseños José Luis Hernández H. Por su parte. En un diseño factorial completo de dos niveles. para el rango especificado. en un diseño factorial completo general. cada factor experimental tiene sólo dos niveles. Diseños factoriales completos En un experimento factorial completo. . Las corridas experimentales incluyen todas las combinaciones de estos niveles de factores. La totalidad del conjunto de corridas representa el diseño. Cada condición experimental es denominada una corrida y la medición de la respuesta es denominada una observación. 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. sí pueden proporcionar información útil aplicando un número relativamente reducido de corridas por factor. Por ejemplo. Debido a que los diseños factoriales de dos niveles pueden indicar las tendencias principales.Confusión y Diseños Factoriales 11 abril 2013 para lograr un resultado optimizado y definir si existe o no curvatura en su desempeño.

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

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

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

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

1680084 Universidad Iberoamericana . . 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.Campus Laguna Página 7 . B y C conjuntamente. Genere las corridas para el factor D a confundir multiplicando la configuración de los factores A. Debido a que los efectos confundidos no pueden calcularse por separado.Confusión y Diseños Factoriales 11 abril 2013 2. el factor D se confunde con la interacción ABC. se deben escoger cuidadosamente los generadores de diseño. Por opción predeterminada. Por ejemplo. 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.

Sign up to vote on this title
UsefulNot useful