Professional Documents
Culture Documents
Diseño de Experimentos - F. B. Sheila
Diseño de Experimentos - F. B. Sheila
DISEÑO DE EXPERIMENTOS:
DISEÑO FACTORIAL
Memoria y Anexos
RESUM
RESUMEN
Este Trabajo de Fin de Máster resulta de una revisión bibliográfica acerca del
diseño factorial. Consiste en una búsqueda específica de este diseño en todas sus formas
así como de su utilidad.
Se introduce el diseño de experimentos y se explica la importancia de su
aplicación en la ingeniería, para así posteriormente, explicar el diseño factorial como
una de las herramientas más útiles del diseño de experimentos.
Se explica en detalle en que consiste el diseño de experimentos, las fases que
este debe seguir, sus principios básicos, los tipos que existen y los programas que puede
ser útiles para llevarlo a cabo.
Una vez explicado, se centra en lo que es el diseño de experimentos factorial.
Empezando por el diseño factorial completo, el más sencillo de realizar y de entender.
A continuación, el estudio se centra en el diseño factorial fraccionado, uno de los
tipos de diseño factorial más utilizados en la ingeniería. Acompañando a esta explicación
con los ejemplos correspondientes para una mejor comprensión.
En el siguiente apartado, se explica el bloqueo del diseño factorial, otra de las
herramientas más utilizadas del diseño de experimentos factorial, en este apartado se
explican los tipos de confusiones que puede haber en un diseño y como ejecutarlo para
poder interpretarlas.
Al final del proyecto, se realizan también un pequeño estudio ambiental y un
análisis económico de lo que sería realizar este proyecto para una empresa.
En el Anexo I, se explicará cómo utilizar el programa seleccionado para realizar
los ejemplos.
ABSTRACT
This Final Master's Project results from a bibliographic review about factorial
design. It consists of a specific search for this design in all its types.
The design of experiments is introduced and the importance of its application in
engineering is explained, in order to subsequently explain factorial design as one of the
most useful tools in the design of experiments.
It explains in detail what the design of experiments consists of, the phases that
it must follow, as well as its basic principles, the types that exist and the programs that
may be useful to carry it out.
Once explained, it focuses on what is the design of factorial experiments. Starting
with the full factorial design, the easiest to make and understand.
Next, the study focuses on fractional factorial design, one of the most widely
used factorial design types in engineering. Accompanying this explanation with the
corresponding examples for a better understanding.
In the next section, the factorial design blockade is explained, another of the
most used tools in the design of factorial experiments.
At the end of the project, a small environmental study and an economic analysis
of what it would be like to carry out this project for a company are also carried out.
Annex I will explain how to use the selected program to carry out the examples.
ÍNDICE
RESUM .......................................................................................................................... 2
RESUMEN ..................................................................................................................... 3
ABSTRACT ..................................................................................................................... 4
INTRODUCCIÓN ................................................................................................................ 6
MOTIVACIÓN ................................................................................................................ 7
ALCANCE ....................................................................................................................... 7
INTRODUCCIÓN AL DISEÑO DE EXPERIMENTOS .......................................................... 7
OBJETIVO ...................................................................................................................... 9
1.EL DISEÑO DE EXPERIMENTOS .................................................................................... 10
1.1.FASES DEL DISEÑO DE EXPERIMENTOS ................................................................ 11
1.2.PRINCIPIOS BÁSICOS DEL DISEÑO DE EXPERIMENTOS ......................................... 13
1.3.TIPOS DE DISEÑOS EXPERIMENTALES .................................................................. 14
1.4.PROGRAMAS UTILIZADOS EN EL DISEÑO DE EXPERIMENTOS .............................. 15
2.DISEÑO DE EXPERIMENTOS FACTORIAL COMPLETO ................................................... 16
2.1.DISEÑO FACTORIAL COMPLETO 2K ...................................................................... 19
2.2.EJEMPLO DISEÑO FACTORIAL 2k CON CÁLCULOS MANUALES ............................. 24
2.3.EJEMPLO DISEÑO FACTORIAL 2k UTILIZANDO MINITAB 19 .................................. 26
2.4.DISEÑO FACTORIAL COMPLETO 3k ....................................................................... 32
2.5.EJEMPLO DISEÑO FACTORIAL 3k ........................................................................... 34
3.DISEÑO DE EXPERIMENTOS FACTORIAL FRACCIONADO ............................................. 37
3.1.DISEÑO FACTORIAL FRACCIONADO 2k-1 ............................................................... 40
3.2.DISEÑO FACTORIAL FRACCIONADO 2k-p ............................................................... 41
3.3.EJEMPLO DISEÑO FACTORIAL FRACCIONADO ...................................................... 43
3.4.DISEÑO FACTORIAL FRACCIONADO 3k-p ............................................................... 46
4.BLOQUEO DEL DISEÑO FACTORIAL ............................................................................. 48
4.1.CONFUSIÓN DEL DISEÑO FACTORIAL ................................................................... 50
4.1.1CONFUSIÓN DEL DISEÑO FACTORIAL 2k EN DOS BLOQUES ........................... 50
4.1.2.CONFUSIÓN DEL DISEÑO FACTORIAL 2k EN 2p BLOQUES .............................. 52
4.2.CONFUSIÓN PARCIAL DEL DISEÑO FACTORIAL 2k ................................................ 53
4.3.EJEMPLO DE DISEÑO FACTORIAL 2k EN DOS BLOQUES ........................................ 53
ESTUDIO AMBIENTAL ..................................................................................................... 57
ANALISIS ECONÓMICO ................................................................................................... 59
CONCLUSIÓN .................................................................................................................. 64
BIBLIOGRAFÍA ................................................................................................................. 66
ANEXO I .......................................................................................................................... 70
INTRODUCCIÓN
MOTIVACIÓN
ALCANCE
OBJETIVO
1.EL DISEÑO DE
EXPERIMENTOS
10
Para realizar un buen diseño distintos autores han descrito fases a seguir, las
cuales están enfatizadas dependiendo del propósito de cada autor, entre estas se
encuentran las descritas por Douglas C. Montgomery (2007) el cual sugiere [2]:
1. Reconocimiento y formulación del problema: Este es un paso obvio, sin
embargo, en la práctica no resulta siempre sencillo de realizar y menos de forma
clara y aceptada por todos. Es necesario desarrollar todas las ideas sobre el
objetivo del experimento y normalmente es importante solicitar información a
todas áreas involucradas en el experimento, ingeniería, calidad, manufactura,
administración, etc.
2. Selección de los factores y niveles: El investigador selecciona los factores o
variables independientes que serán analizadas, de acuerdo con el conocimiento
del fenómeno y la posibilidad de controlar estas. Al escoger los factores que
pueden influir en el desempeño del proceso, estos pueden clasificarse en:
§ Factores potenciales del proceso: los cuales el experimentador quiere
hacer variar en el experimento, dentro de estos podrán ser:
§ Factores de diseño que se mantienen constantes:
Estos suelen ser variables con cierto efecto para la
11
6. Análisis de los datos: Deben utilizarse métodos estadísticos para analizar los
datos recogidos, el método que se escoja debe ir acorde con el diseño utilizado.
7. Conclusiones y recomendaciones: Después de analizar los datos se establecen
las inferencias estadísticas, las cuales deben traducirse al lenguaje del
experimento para darle la correspondiente interpretación física y evaluar su
significación práctica.
Superficies de respuesta
Este método se utiliza cuando en un problema la respuesta de interés recibe una
influencia de diversas variables, donde el objetivo es optimizar la respuesta y determinar
el modelo matemático que mejor se ajusta a los datos obtenidos.
En estos problemas la forma de relación entre la respuesta y las variables
independientes suele ser desconocida, por lo que el primer paso es encontrar una
próxima a la verdadera relación funcional entre la respuesta y el conjunto de variables
independientes. Se emplea un polinomio de orden inferior en alguna región, si la
respuesta es línea se ajustará a un modelo de primer orden, mientras que si tiene
curvatura debe usarse un polinomio de orden superior.
Programas estadísticos
Sigma XL SPSS
Tabla XLSTAT
Matlab Cerebral
Minitab R
Stata JMP Statistical Software
15
2.DISEÑO DE
EXPERIMENTOS FACTORIAL
COMPLETO
16
combinaciones posibles para estos factores y niveles. Los factores serán A (Tipo de
mezcla) y B (Tipo de compactación), ya que el experimentador ha considerado que estas
dos variables son las que más afectan al proceso y son más sencillas de manipular.
Lo niveles para estas dos variables serán denominados en este caso como nivel 1 y
nivel 2, estos niveles representan cada uno de los tipos de mezcla y compactación con
los que se puede trabajar para los factores seleccionados. Teniendo así para el factor A,
A1 y A2, y para el factor B, B1 y B2.
Cada una de estas variables(factores) en sus respectivas condiciones de trabajo
(niveles) proporcionan un efecto diferente en el experimento, estos efectos se miden
en este caso, con el coeficiente de ruptura de cada una de las combinaciones en el
experimento y se muestran en la siguiente Tabla 2 [6].
Tabla 2.Datos del ejemplo [6].
B1 B2
A1 68 60
A2 65 97
Calculando así:
§ Efectos simples: Comparamos todos los niveles de un factor, A en este caso,
sobre un nivel de otro factor, B1 primero y luego B2.
- Efecto simple de A sobre B1 será: I1= 65-68 = -3
- Efecto simple de A sobre B2 será: I2= 97-60 = 37
§ Efectos principales: En primer lugar, se promedia los niveles del factor A para
ambos niveles de B, posteriormente se compara entre ambos para calcular el
efecto principal.
- Media de A1 para ambos niveles de B: µ1= ½ · (68+60) = 64
- Media de A2 para ambos niveles de B: µ2= ½ ·(65+97) = 81
- Efecto principal: I3= 81-64 = 17
§ Efectos de interacción: Se calcula al comparar los efectos simples de ambos
factores.
Efectos de interacción: I4= I2-I1= 40
18
Son denominados diseño factorial 2k los diseños en los cuales cada uno de los
factores cuenta con dos niveles, es decir cuando se realiza un experimento con un
número de factores k en el que cada uno de estos solo puede adoptar dos niveles. Estos
niveles podrían ser cuantitativos o cualitativos y una réplica completa de tal diseño
requiere que realizar 2k combinaciones.
19
Este diseño describe como realizar los experimentos de la forma más adecuada para
conocer simultáneamente qué efecto tienen k factores sobre una respuesta y descubrir
si interaccionan entre ellos [9].
20
3
Tabla 3.Matriz de diseño para un diseño factorial completo 2 . Elaboración propia.
B(-) B(+)
A(-) (1) b
A(+) a ab
21
Así se podrán calcular los efectos principales de cada uno de los factores y de sus
combinaciones, como:
#
𝐴= 𝑎𝑏 − 𝑏 + (𝑎 − 1 ) Ecuación 1
$·&
#
𝐵= 𝑎𝑏 − 𝑎 + (𝑏 − 1 ) Ecuación 2
$·&
#
𝐴𝐵 = 𝑎𝑏 − 𝑎 + ((1) − 𝑏) Ecuación 3
$·&
Las conclusiones de estos efectos dependerán de que es lo que miden, se examina
su magnitud y su dirección con el fin de poder determinar cuáles serán los niveles que
causan el efecto deseado en nuestro experimento, así como si estos efectos son de
importancia o pueden despreciarse.
El modelo que sigue este diseño será:
𝑦012 = 𝜇 + 𝜏0 + 𝛽1 + (𝜏𝛽)01 + 𝜀012 Ecuación 4
Siendo 𝜇 el efecto promedio global, 𝜏0 el efecto del nivel i-esímo del factor A, 𝛽1 el
nivel j-ésimo del factor B, (𝜏𝛽)01 el efecto de la interacción entre 𝜏0 y 𝛽1 , y 𝜀012 un
componente del error aleatorio. Con i=1,2; j=1,2; k=1…n.
Además de cada factor también se puede realizar un análisis de varianza, para ello
se calculan los contrastes de los factores, o también llamados los efectos totales con las
Ecuaciones 5, 6 y 7. La suma de los cuadrados de los contrastes, la cual muestra
información sobre la importancia de los efectos principales o combinaciones, es igual al
cuadrado del contraste dividido por el número de observaciones en cada total
multiplicado por la suma de cuadrados de los coeficientes del contraste, como se
muestra en las Ecuaciones 9, 10 y 11. [7].
22
BCDCEBE(#) F
𝑆𝑆@ = Ecuación 9
G&
BCD(#)EBEC F
𝑆𝑆?@ = Ecuación 10
G&
Estas Ecuaciones 5,6,7,8,9 y 10 podrían aplicarse a cualquier modelo 2k como:
𝐶𝑜𝑛𝑡𝑟𝑎𝑠𝑡𝑒?@…I = 𝑎 ± 1 𝑏 ± 1 … (𝑘 ± 1) Ecuación 11
$
𝐴𝐵 … 𝐾 = (𝐶𝑜𝑛𝑡𝑟𝑎𝑠𝑡𝑒?@…I ) Ecuación 12
$M ·&
$
𝑆𝑆?@…I = (𝐶𝑜𝑛𝑡𝑟𝑎𝑠𝑡𝑒?@…I )$ Ecuación 13
$M ·&
Además de los cálculos mencionados en este tipo de diseño es muy importante la
interpretación de las gráficas correspondientes a los efectos de los factores, así como
las de las combinaciones entre estos.
Para que todos estos conceptos mencionados queden claros y se pueda mostrar
cómo se interpretan los resultados de estos cálculos, se realizarán dos ejemplos de
diseño factorial 2k, uno con cálculos manuales y otro utilizando el programa Minitab 19.
En ellos también se introducen algunos conceptos nuevos que se van explicando a lo
largo de los ejemplos.
23
24
3
Tabla 6.Matriz de diseño del ejemplo manual 2 . [7]
Factores Respuesta
Corrida (A) (B) (C) Réplica 1 Réplica 2 SRéplicas
1 -1 -1 -1 -3 -1 -4
2 1 -1 -1 0 1 1
3 -1 1 -1 -1 0 -1
4 1 1 -1 2 3 5
5 -1 -1 1 -1 0 -1
6 1 -1 1 2 1 3
7 -1 1 1 1 1 2
8 1 1 1 6 5 11
Así a partir de la Ecuación 12, se calculan los efectos de los factores de la siguiente
forma:
1 1
𝐴= a − 1 + ab − b + ac − c + abc − bc = 1 − −4 + 5 − −1 + 3 − −1 + 11 − 2 = 3
4·𝑛 8
1 1
𝐵= 𝑏 + 𝑎𝑏 + 𝑏𝑐 + 𝑎𝑏𝑐 − 1 − 𝑎 − 𝑐 − 𝑎𝑐 = −1 + 5 + 2 + 11 − −4 − 1 − −1 − 3 = 2,25
4·𝑛 8
1 1
𝐶= 𝑐 + 𝑎𝑐 + 𝑏𝑐 + 𝑎𝑏𝑐 − 1 − 𝑎 − 𝑐 − 𝑎𝑐 = −1 + 3 + 2 + 11 − −4 − 1 − −1 − 5 = 1,75
4·𝑛 8
1 1
𝐴𝐵 = 𝑎𝑏 − 𝑎 − 𝑏 + 1 + 𝑎𝑏𝑐 − 𝑏𝑐 − 𝑎𝑐 + 𝑐 = 5 − 1 − −1 + −4 + 11 − 2 − 3 + (−1) = 0,75
4·𝑛 8
1 1
𝐴𝐶 = 1 − 𝑎 + 𝑏 − 𝑎𝑏 − 𝑐 + 𝑎𝑐 − 𝑏𝑐 + 𝑎𝑏𝑐 = −4 − 1 + −1 − 5 − −1 + 3 − 2 + 11 = 0,25
4·𝑛 8
1 1
𝐵𝐶 = 1 + 𝑎 − 𝑏 − 𝑎𝑏 − 𝑐 − 𝑎𝑐 + 𝑏𝑐 + 𝑎𝑏𝑐 = −4 + 1 − −1 − 5 − −1 − 3 + 2 + 11 = 0,5
4·𝑛 8
1 1
𝐴𝐵𝐶 = 𝑎𝑏𝑐 − 𝑏𝑐 − 𝑎𝑐 + 𝑐 − 𝑎𝑏 + 𝑏 + 𝑎 − (1) = 11 − 2 − 3 + −1 + 1 − (−4) = 0,5
4·𝑛 8
Se observa que los efectos más grandes son para la carbonatación (A=3), la presión
(B=2,25) y la velocidad (C=1,75) así como la interacción carbonatación-presión
(AB=0,75), si bien el efecto de esta parece tener un menor impacto sobre la desviación
que los efectos principales.
25
27
k
Tabla 9.Matriz de diseño del experimento para el ejemplo 2 . Elaboración propia.
Nº Nº
Tiempo Temperatura Catalizador Rendimiento(%)
aleatorio experimento
3 1 - - - 49
5 2 + - - 54
7 3 - + - 73
4 4 + + - 80
8 5 - - + 31
1 6 + - + 40
6 7 - + + 76
2 8 + + + 89
k
Tabla 10. Resultado del cálculo de efectos en Minitab 19 para el ejemplo 2 . Elaboración propia.
28
k k
Gráfica 1. Gráfica normal de los efectos del ejemplo 2 . Gráfica 2.Diagrama de Pareto de los efectos del ejemplo 2 .
Elaboración propia. Elaboración propia.
En ambas gráficas se observa como el factor principal que muestra un mayor
efecto es la Temperatura, algo que también se mostraba con valor numérico la Tabla 10
En la gráfica normal, los valores significativos aparecen en color rojo alejados de
la recta de efecto-porcentaje. Pero también se deben tener en cuenta los valores, que a
pesar de no estar suficiente alejados de la recta para considerarse significativos y estar
en rojo, si se encuentran más alejados que el resto, estos valores tendrán un efecto
importante en la respuesta también.
En el diagrama de Pareto se observan por orden, de mayor a menor efecto, los
factores o combinaciones. Los factores que superar la franja roja son los denominados
factores significativos, sin embargo, al igual que en el caso anterior, se deben de tener
en cuenta los valores que tienen mayor efecto que el resto a pesar de no llegar a ser
significativos como tal.
Un valor de efecto igual a 36 indica que al variar la temperatura de 40 ºC a 80ºC
el rendimiento aumenta en esa cantidad. El signo de este valor indica si aumenta o
disminuye la respuesta. Al observar también la Gráfica 3 se puede llegar esa conclusión
dado que nos muestra como el efecto significativo es la Temperatura, además de
indicarnos que este cambio es en orden creciente, es decir la temperatura aumenta y el
rendimiento también.
29
k
Gráfica 3.Efectos principales del ejemplo 2 . Elaboración Gráfica 4.Diagrama de cubos para los efectos. Elaboración
propia. propia.
Por otro lado, también se observa que, para el factor catalizador, el efecto es
negativo por lo que el rendimiento disminuye al cambiar del catalizador CA al CB. Y el
tiempo tiene un efecto positivo, por lo que al aumentarlo aumenta el rendimiento.
Para una mejor interpretación de los efectos es interesante utilizar también la
Gráfica 4 para el efecto de la temperatura se debe considerar la cara superior del cubo
frente a la inferior.
Observando entonces solo los efectos principales se ha llegado a las conclusiones
de que las mejores condiciones serán valores altos de tiempo y temperatura utilizando
el Catalizador CA. Sin embargo, para no llegar a una conclusión errónea en el
experimento es necesario considerar los efectos de las interacciones.
Los efectos de las interacciones miden la influencia que tienen las combinaciones
de los factores en la respuesta. Para observar estas interacciones de forma gráfica
Minitab 19 proporciona una gráfica de interacciones como se muestra en la Gráfica 5
30
Gráfica 5.Interacciones de los factores Elaboración propia.
En la Tabla 10 se muestra que el valor de la interacción Temperatura*Catalizador
tiene un efecto con un valor alto en la respuesta, al observar la Gráfica 5 esta muestra
como el mayor rendimiento se encuentra cuando se utiliza el catalizador B a una
temperatura elevada.
Se observa como el efecto de la temperatura depende del Catalizador que se
utilice y viceversa, esto ocurre con todos los factores implicados en el experimento.
El resto de interacciones tienen un efecto con valor más pequeño, lo que significa
que causan menos efecto en la respuesta.
El valor de la interacción de los tres factores tiene un valor muy pequeño
comparado con los otros dos factores, como se observa en la Tabla 10 este valor es solo
de 0,5, es habitual que sean cada vez menos importantes cuantos más factores se
consideran en la interacción.
En conclusión, estos experimentos han permitido descubrir que el rendimiento
mejora al aumentar el tiempo de reacción y la temperatura, así como que el
catalizador CB proporciona mayores rendimientos, pero solo a temperaturas altas.
Esto puede observarse de una forma más visual en la Gráfica 4, donde muestra como
en la interacción de los tres factores el rendimiento más alto, 89 %, se da con un
tiempo elevado, temperatura elevada y catalizador CB.
31
Los diseños factoriales 3k cuentan con un número de factores k, los cuales tienen
tres niveles cada uno. Por lo que una réplica completa de este diseño tendrá un número
de observaciones igual a 3k. Esto nos muestra una desventaja con respecto al diseño
factorial 2k, se requiere un mayor número de experimentos en este nuevo diseño.
Sin embargo, en experimentos en los cuales se tienen un número pequeño de
factores puede ser una buena alternativa. Este diseño permite que la relación entre la
respuesta y los factores del diseño se puedan modelar de forma cuadrática [14].
Dos de las ventajas más importantes que muestra este diseño se muestran tanto
para los factores de tipo continuo en los que interesa estudiar sus efectos cuadráticos,
lo cual se realiza cuando la respuesta no es lineal, como para los factores discretos que
de manera natural tienen tres niveles, así pueden compararse influencia para cada una
de las diferentes combinaciones entre los niveles de cada factor [15].
Al igual que con el diseño 2k para los diseños 3k, el 32 es el ejemplo más sencillo.
Este cuenta con dos factores, A y B, los cuales tienen tres niveles cada uno, -1,0 y 1. Así
para analizar una réplica completa de este experimento se realiza la matriz con las nueve
combinaciones posibles.
2
Tabla 11. Matriz de diseño para una réplica completa para un diseño 3 . Elaboración propia.
32
Gráfica 6.Representación de un diseño 32 [14]
Siendo un experimento de n réplicas entonces el modelo estadístico de este diseño
quedaría de la siguiente forma:
𝑦012 = 𝜇 + 𝜏0 + 𝛽1 + (𝜏𝛽)01 + 𝜀012 Ecuación 14
Siendo µ el efecto promedio global, τ^ el efecto del nivel i-esímo del factor A, β` el
nivel j-ésimo del factor B, (τβ)^` el efecto de la interacción entre τ^ y β` , y ε^`b un
componente del error aleatorio. Con i=1,2,3 ; j=1,2,3; k=1,…,n [14].
El cálculo de los efectos cuadrados para los efectos vendrá dado por las siguientes
ecuaciones [15]:
F
f cd.. cF...
𝑆𝑆? = 0g# f& − Ecuación 15
&fF
F
f c.h. cF...
𝑆𝑆@ = 1g# f& − Ecuación 16
&fF
F
f f cdh. cF...
𝑆𝑆?@ = 0g# 1g# & − − 𝑆𝑆? − 𝑆𝑆@ Ecuación 17
&fF
f f & $ cF...
𝑆𝑆ig 0g# 1g# 2g# 𝑌012 − Ecuación 18
&fF
33
𝑆𝑆k = 𝑆𝑆i − 𝑆𝑆? − 𝑆𝑆@ − 𝑆𝑆?@ Ecuación 19
Al igual que en diseño 2k además de los cálculos mencionados anteriormente, es
muy importante la interpretación de las gráficas que corresponden al efecto de los
factores, así como de sus combinaciones.
En este ejemplo una empresa está investigando sobre la resistencia del papel
que producen a partir de fibra de madera, en este proceso de producción el investigador
sabe que influyen tres variables las cuales puede controlar, estas son de fibra de madera
(A), presión del tanque (B) y tiempo de cocción de la pulpa (C).
Por ello se realiza un diseño factorial con tres factores diferentes, concentración
de fibra de madera (A), presión del tanque (B) y tiempo de cocción de la pulpa (C). El
factor A, se probará en tres niveles diferentes, dado que es posible ajustar la variable en
tres valores diferentes, mientras que los factores B y C se probarán solo en dos. Así en
la siguiente Tabla 12 se muestran los diferentes factores con sus respectivos niveles [16].
k
Tabla 12.Niveles para los factores del ejemplo 3 .Elaboración propia.
C C1 C2
Siendo la matriz de diseño para este experimento, así como la respuesta para
cada combinación de los factores la mostrada en la Tabla 13.
34
k
Tabla 13.Matriz del diseño para el ejemplo 3 . Elaboración propia.
35
k
Gráfica 7.Interacciónes de los factores del ejemplo 3 . Elaboración propia.
En la Gráfica 7 se observa también como al aumentar el nivel de A al mismo
tiempo que el nivel de C aumentamos la resistencia del papel, esto ocurre también al
aumentar el nivel de A y nivel de B.
Por lo que se puede concluir que es importante tener en cuenta la
concentración de la madera a su vez que la presión y el tiempo, y al trabajar en los
máximos valores se consigue una mayor resistencia.
36
3.DISEÑO DE
EXPERIMENTOS FACTORIAL
FRACCIONADO
37
factores, pero las interacciones de dos factores si son alias entre sí. Un ejemplo
de esta resolución es el diseño 24-1.
§ Diseños de resolución V. Se trata de diseños en los que ninguno de los efectos
principales ni de las interacciones de dos factores son alias de otro efecto
principal o interacción de dos factores, pero las interacciones de dos factores si
son alias de las interacciones de tres factores. Un ejemplo es el diseño 25-1.
Uno de los diseños más utilizados dentro del diseño factorial fraccionado es el
medio, es decir el diseño 2k-1, estos diseños tienen un número de factores k con dos
niveles cada uno y para una réplica de estos se requiere un número de experimentos
igual a 2k-1, es decir, la mitad de experimentos que para una réplica completa.
El diseño más sencillo dentro del diseño 2k-1 es el diseño 23-1, dado que para este
diseño k>2 no tendría sentido realizar un diseño fraccionado para un experimento con
solo dos experimentos.
Para llevar a cabo el diseño es necesario realizar la matriz de este, para ello se
realizan las columnas de todos los factores menos el último como si fuera una matriz
para un diseño factorial completo, como se ha explicado en apartados anteriores.
Posteriormente, se completará la columna del último factor como la interacción de los
otros dos factores.
3-1
Tabla 15. Ejemplo matriz de un diseño 2
40
B=B*I=B*ABC=BB*AC=I*AC=AC
C=C*I=C*ABC=CC*AB=I*AB=AB
Por lo que A está confundido con BC, B está confundido con AC y C está
confundido con AB.
41
Por ejemplo, para un diseño de siete factores con una fracción de un cuarto, es
decir, un diseño 27-2=25, se construye la matriz de forma que las columnas de los cinco
primeros factores será igual que la matriz para un diseño completo 25, mientras que los
dos últimos factores, F y G, serán la combinación de los otros factores. El generador más
utilizado para este diseño será: F=ABC y G=ABD.
A continuación, en la Tabla 16 se muestran los generadores más utilizados para
diferentes diseños [7].
k-p
Tabla 16.Generadores más utilizados en los diseños fraccionados factoriales 2 . Elaboración propia.
42
43
44
Gráfica 8.Diagrama de Pareto para los efectos del diseño Gráfica 9.Gráfica normal de los efectos para el ejemplo del
factorial fraccionado. Elaboración propia. diseño factorial fraccionado. Elaboración propia.
En la Gráfica 8 y Gráfica 9 se observa como los efectos B y C son los efectos
significativos, es decir, el efecto de estos factores es mayor que el del resto. Sin
embargo, H, AG y AC también causan un efecto importante en el experimento.
Se observa como B y C tienen un efecto negativo en la respuesta, lo que significa
que al aumentar el nivel de estos dos factores disminuye la respuesta, la rugosidad. Esto
mismo ocurre para el factor H.
Para observar el efecto de las interacciones AG y AC se grafican por separado, tal
y como se ve en las Gráfica 10.
Gráfica 10.Interacciones de los efectos para el ejemplo del diseño factorial fraccionado. Elaboración propia.
En la Gráfica 10 se observa que se obtienen las menores rugosidades ajustando
el factor C en el nivel más alto, mientras que el factor A se mantiene también en su nivel
45
más altos. También se observa que para obtener la menor rugosidad G debe estar en el
nivel más alto mientras que A se mantiene en este también.
Se puede concluir así, que las condiciones operativas óptimas, para reducir la
rugosidad del material, se encuentran cuando se mantiene los factores B, C ,H, G y A
en sus mayores niveles. El resto de factores es indiferente en el nivel en el que se
encuentren, dado que tienen un efecto muy pequeño sobre la rugosidad en
comparación con el resto.
Este diseño 3k-p contendrá un número k de factores, k>2, con tres niveles cada
uno y un número de experimentos que será fracción del diseño factorial 3k.
En este tipo de diseño con tres niveles es aún más necesario el diseño
fraccionado, dado que es necesario más experimentos con un número de factores
menor. Sin embargo, la estructura de estos diseños, debido a los alias que crea, es
bastante complicada.
Para construir este diseño se realiza una partición del diseño 3k completo en
# l
bloques. Se construye una fracción tal que del diseño para p < k. Los pasos a seguir
f
serán:
• En primer lugar, se seleccionan p factores como interacciones y se usan
sus efectos para realizar la partición de 3k combinaciones posibles en 3p
bloques. Por lo que cada bloque será un diseño factorial fraccionado 3k-p.
• Posteriormente, se construye la relación de definición I de cualquier
fracción, que constará de los p efectos elegidos inicialmente y de sus
interacciones generalizadas. El alias de cualquier efecto principal o
interacción se obtendrá a partir de la multiplicación de módulo 3 por I e
I2.
46
Esto puede traducirse por ejemplo en el diseño 34-2, el cual tiene cuatro factores
# $ #
con tres niveles cada uno y su fracción se realiza como = , es decir, una novena
f m
4
parte del diseño 3 .
• Se seleccionan dos factores como interacciones, E y F, dado que p=2 en
este diseño, así A,B C y D serán los factores principales.
• Se seleccionan las interacciones E=AB2C y F=BCD, como los dos
componentes de interacción elegidas para construir el diseño. Las
interacciones entre ambos efectos serán EF=AC2D y EF2=ABD2, por lo
que la relación de definición será I=AB2C=BCD=AC2D=ABD2.
Esto dará lugar a cuatro alias I y otros cuatro alias I2 para cada uno de los efectos
A, B, C y D. Por lo que a la hora de estudiar los resultados tiene una gran complejidad.
47
49
Siendo m el número de bloques, Bi la suma de las combinaciones de cada uno de
los bloques e y… la suma de cada Bi.
Esta varianza nos mostrará si el efecto del bloqueo es útil o no. [6]
Este apartado se explicará a partir de un caso para que su comprensión sea más
sencilla.
50
Se supone una investigación con dos factores a dos niveles cada uno. Este
experimento requiere de un número de horas elevado que permite realizar solo dos
combinaciones cada día, debido a los recursos limitados del laboratorio, por lo que
tendremos que decidir qué combinaciones se realizan cada día. Cada conjunto de
combinaciones por día serán los denominados bloques, habrá dos bloques en esta
investigación. La matriz del diseño factorial correspondiente sería la mostrada en la
Tabla 20 y los bloques podrían fijarse de dos maneras como se muestra en la Gráfica 11
2
Tabla 20.Matriz de un diseño factorial 2 . Elaboración propia.
Combinaciones A B AB
(1) - - +
a + - -
b - + -
ab + + +
Gráfica 11.Posibles agrupaciones de los factores en
bloques. Elaboración propia.
La Gráfica 11 se muestra de forma más detallada en las siguientes tablas ( Tabla
21 y Tabla 22), donde se pueden observar las disposiciones posibles para el diseño en
bloques.
Tabla 21.Disposición 1 para el diseño factorial en bloques. Tabla 22. Disposición 2 para el diseño factorial en bloques.
Elaboración propia. Elaboración propia.
Disposición 1 Disposición 2
Bloques Combinación A B AB Bloques Combinación A B AB
(1) - - + a + - -
Bloque 1 Bloque 1
ab + + + ab + + +
b - + - b - + -
Bloque 2 Bloque 2
a + - -
(1) - - +
En la Disposición 1, tal y como se muestra en la Tabla 21, los efectos principales
no están afectados por la formación de bloques dado que tanto A como B tienen una
combinación de un tratamiento positivo y negativo en cada uno de los bloques. El efecto
51
de los bloques y la interacción AB sin embargo si está confundido, dado que se muestra
como en cada uno de los bloques solo cuentan con un signo. Las combinaciones de AB
positivas se le asignan al Bloque 1 mientras que las negativas al Bloque 2. Esta
disposición sacrifica la información de la interacción.
En la Disposición 2, tal como se muestra en la Tabla 22, es el efecto A el que se
muestra confundido con el bloque. Esta disposición sacrifica la información de un efecto
principal.
Por lo que lo razonable será escoger la Disposición 1.
Esto puede aplicarse a cualquier diseño factorial 2k dividido en dos bloques,
escogiendo siempre que las interacciones con mayor número de factores estén
confundidas con los bloques.
En los diseños mayores a 22, la representación de las combinaciones serán cubos
y no cuadrados. En este caso no se seleccionan los tratamientos que componen las caras,
dado que se estaría fundiendo los efectos principales con los bloques.
52
Tabla 23.Sugerencia de bloques más común, así como sus confusiones para un diseño factorial. Elaboración propia.
En ocasiones ocurre que al dividir un diseño factorial en bloques cada uno de los
bloques tiene una interacción diferente confundida, esto se conoce como confusión
parcial. En estos diseños pueden obtenerse información de las confusiones de los
bloques a partir de los otros bloques en los cuales no se presenta esta misma confusión.
Para calcular la suma de los cuadrados de las interacciones se utiliza el efecto en
los bloques en los cuales esta interacción no está confundida.
53
• Temperatura (A)
• Presión (B)
• Concentración de formaldehido (C)
• Velocidad de agitación (D).
Cada una de ellas presenta dos niveles diferentes, es decir, se pueden ajustar en
dos valores diferentes a la hora de realizar el experimento. El ingeniero a partir de un
diseño factorial desea maximizar el índice de filtración. Las condiciones actuales del
proceso producen un índice de filtración alrededor de 75 gal/h, además, la
concentración de formaldehido se usa en un nivel alto y al ingeniero le gustaría reducir
esta concentración lo máximo posible.
Sin embargo, tiene una limitación en la planta piloto para este diseño, no es
posible realizar 16 experimentos con un solo lote de materia prima, solo es posible llevar
a cabo 8, por lo que el ingeniero decide realizar un diseño factorial en dos bloques. Para
demostrar la utilidad del diseño en bloques le introduce un efecto a este, los
experimentos del bloque 1 se realizarán con materia prima de peor calidad que los del
bloque 2, por lo que las respuestas del primer bloque serás 20 unidades más bajas de lo
que se obtendría utilizando la materia prima de mejor calidad.
La matriz de este diseño, así como los resultados de filtración obtenidos se
muestran en la Tabla 24 y Tabla 25 en la que se puede observar la respuesta del bloque
1 restando las 20 unidades correspondientes.
Tabla 24.Resumen del diseño factorial del ejemplo en dos bloques. Elaboración propia.
54
Tabla 25.Matriz del ejemplo de diseño factorial en dos bloques. Elaboración propia.
Gráfica 12.Grafíca normal de los efectos del ejemplo de diseño Gráfica 13.Diagrama de Pareto de los efectos del ejemplo de
factorial en bloques. Elaboración propia. diseño factorial en bloques. Elaboración propia.
55
En las Gráfica 12 y Gráfica 13, se observa como los factores A,B,C, D , AC y AD,
son los factores con un efecto significativo. El factor con más efecto en la respuesta es
el factor A, el cual tiene un valor positivo, lo que significa que al aumentar el nivel de
este aumenta la respuesta, el índice de filtración.
El efecto B también tienen un efecto positivo, por lo que al igual que para el
factor A, al ajustarlo en su nivel más alto aumentamos el índice de filtración.
Los efectos C y D tienen un efecto significativo positivo también, sin embargo, es
mayor el efecto de sus interacciones con el factor A, por lo que para poder llegar una
conclusión hay que observar de qué manera interaccionan con A. Esto puede observarse
en la siguiente Gráfica 14.
Gráfica 14.Interacciones significativas del ejemplo de diseño factorial en bloques. Elaboración propia.
Se observa como para un nivel alto de A las mejores condiciones son un nivel
bajo de C y un nivel alto de D, esto lleva a un mayor índice de filtración.
Por lo que se puede concluir que las condiciones óptimas para conseguir un
mayor índice de filtración se darán trabajando con los factores A, B y D en sus niveles
más altos mientras que con C en su nivel más bajo.
Si se realizara este diseño factorial sin bloques, como los ocho primeros tendrían
un efecto con una magnitud de -20, el resultado hubiera sido muy distinto. El diseño de
bloques hace que esto no ocurra pudiendo así trabajar con los dos lotes de materia
prima.
56
ESTUDIO AMBIENTAL
57
Este trabajo es una revisión bibliográfica, por lo que el único impacto ambiental
que causa es de forma indirecta, provocado por el consumo eléctrico. Dado que el
proceso de esta energía eléctrica que se utiliza causa un impacto ambiental en la tierra.
La producción de esta energía es una de las causas más importantes de
emisiones de gases de efecto invernadero. Según sea el origen de esta energía tiene
también más impactos ambientales [17].
• Productos químicos que se emiten en las centrales térmicas de carbón y
derivados de petróleo. Estos pueden provocar lluvias ácidas que es
causante de deterioro y destrucción de bosques, lagos y otros
ecosistemas.
• Residuos radiactivos provocados por las centrales nucleares, estos
suponen una gran amenaza para el medio ambiente dado que existe una
incapacidad actual de gestionarlos.
Para poder estimar un valor de estas emisiones de gases de efecto invernadero
se aplica un factor de emisión de CO2 que se atribuye al suministro eléctrico, este será
de 181 g CO2/ kWh [18].
Se considera un valor medio de consumo anual por persona de 5.500 kWh/año
[18].
Por lo que se puede calcular una emisión anual de CO2 de :
2|} 2€ [•F 2€ [•F
5.500 𝑥 0,181 =995,5
Bño 2|} Bño
Este será el valor de la emisión de CO2 causada por el estudio que se ha llevado
a cabo, que produce un mayor impacto ambiental.
58
ANÁLISIS ECONÓMICO
59
60
Ø Factura Internet.
Tabla 27. Factura de Internet ficticia. Elaboración propia.
Ø Suministro de energía
Tabla 30. Factura de suministro eléctrico ficticia. Elaboración propia.
63
CONCLUSIÓN
64
BIBLIOGRAFÍA
66
11. J. Ferré Técnicas de Laboratorio, 2003, En prensa.
12. Carlson R. Design and optimization in organic synthesis. Elsevier: The Netherlands
1992.
13. D.L. Massart, B.G.M. Vandeginste, L.M.C. Buydens, S. De Jong,. P.J. Lewi, J. Smeyers-
Verbeke. Handbook of Chemometrics and Qualimetrics: Part A. Elsevier, Amsterdam
1997.
14.Victor Maehara, ,”Diseños experimentales Avanzados” Universidad Nacional Agraria
La Molina.2010.En línea: https://issuu.com/jesuseduardog/docs/diseno_factorial_3k
17. Lara Porras, A.M.“Diseño Estadístico de Experimentos, Análisis de la Varianza y
Temas Relacionados: Tratamiento Informático mediante SPSS.” Proyecto Sur de
Ediciones. 2000.
15. A.H. Chowdhury y N. S. Fard.”Determination of censored response data for 2k-p
fractional factorial experiment”. Quality Engineering, 13, 261-267. 2000
16. Lara Porras, A.M. (2000). “Diseño Estadístico de Experimentos, Análisis de la
Varianza y Temas Relacionados: Tratamiento Informático mediante SPSS.” Proyecto Sur
de Ediciones.
17. Instituto Sindical de Trabajo, Ambiente y Salud , “Problema ambiental del consumo
de energía” Valencia.2019.En línea: https://istas.net/istas/condiciones-de-acceso-y-
utilizacion.
69
ANEXO I
70
71
Una vez se selecciona todo el diseño, Minitab 19 muestra la matriz del diseño en
la parte inferior de la pantalla, en esta parte hay que añadir una nueva columna que será
donde se escriba la respuesta del experimento para cada una de las combinaciones de
los factores. Con esto último estará creado el diseño.
Una vez realizado el diseño se procede a analizarlo. Para ello en las pestañas
superiores hay que seleccionar Estadísticasà DOEà Factorialà Analizar diseño
factorial.
Al seleccionar el análisis aparece una pestaña como la mostrada en la Gráfica 17,
hay que seleccionar cual será la respuesta a analizar, el nombre que se le haya puesto a
la respuesta, rugosidad, rendimiento, etc. En esta pestaña también se selecciona las
gráficas que se quieren analizar, como predeterminadas están tanto la gráfica normal
como el diagrama de Pareto que son las que se utilizarán, tal y como se puede observar
en la Gráfica 18.
72
73