UNIDAD II

DISEÑO
FACTORIAL 2K
STATGRAPHIC CENTURION XVI
El diseño factorial es uno de los diseños más empleados en ingeniería
en el presente informe se estudiara su metodología de desarrollo
mediante su aplicación con un software estadístico, Statgraphic
centurión XVI
 ÍNDICE
INTRODUCCION: ............................................................................................................................ 1
Interacción ................................................................................................................................ 2
Efecto principal ..................................................................................................................... 2
Efecto interacción ................................................................................................................. 2
Efecto simple ......................................................................................................................... 3
Ventajas: ................................................................................................................................... 3
Desventajas: .............................................................................................................................. 3
Tipos de factores: ...................................................................................................................... 4
Concepto de interacción............................................................................................................ 4
PRIMER CASO: dos factores sin interacción. Los datos son: .............................................. 5
SEGUNDO CASO: Dos factores con interacción. Los datos son......................................... 7
EJEMPLO 23: ............................................................................................................................ 9
Procedimiento en Statgraphic Centurión XVI: ................................................................... 10
EJEMPLO 24: .......................................................................................................................... 15
..................................................................................................................................................... 20
CONCLUSIONES: .......................................................................................................................... 21
BIBLIOGRAFÍA .............................................................................................................................. 22

ÍNDICE DE ILUSTRACIONES

Ilustración 1: inicio del diseño........................................................................................ 10

Ilustración 2: selección del diseño .................................................................................. 10
Ilustración 3: rotulación de factores ............................................................................... 10
Ilustración 4: rotulacion de variable respuesta ............................................................... 11
Ilustración 5: cuadro de aleoterizacion ........................................................................... 11
Ilustración 6: introducción variable respuesta ................................................................ 11
Ilustración 7: análisis del diseño..................................................................................... 12
Ilustración 8: selección de la variable ............................................................................ 12
Ilustración 9: selección de gráficas y tablas ................................................................... 13
Ilustración 10: vista de resultados, gráficas y tablas ...................................................... 13
Ilustración 11: optimización ........................................................................................... 14
Ilustración 12: grafico de respuesta ................................................................................ 20
Ilustración 13: grafico de efectos principales ................................................................. 20
DISEÑO FACTORIAL 2K UNIDAD II

DISEÑO FACTORIAL 2K

INTRODUCCION:
Se llaman Experimentos Factoriales a aquellos experimentos en los que se estudia
simultáneamente dos o más factores, y donde los tratamientos se forman por la
combinación de los diferentes niveles de cada uno de los factores.

Los diseños factoriales son ampliamente utilizados en experimentos en los que

intervienen varios factores para estudiar el efecto conjunto de éstos sobre una variable
de interés. Existen varios casos especiales del diseño factorial general que resultan
importantes porque se usan ampliamente en el trabajo de investigación, además de
constituir la base para otros diseños de gran valor práctico.

Uno de los más importantes de estos casos especiales ocurre cuando se tienen k
factores, cada uno con dos niveles. Estos niveles pueden ser cuantitativos como sería el
caso de dos valores de temperatura, presión o tiempo pero también pueden ser
cualitativos como sería el caso de dos máquinas, dos operadores, los niveles "superior"
e "inferior" de un factor, o quizás, la ausencia o presencia de un factor. Una réplica
completa de tal diseño requiere que se recopilen 2 x 2 x .... x 2 = 2kconoce como diseño
general 2k.

Los experimentos factoriales en si no constituyen un diseño experimental si no un

Diseño de Tratamiento (un arreglo de tratamiento es una disposición geométrica de ellos
bien en el espacio o en el tiempo y que deben ser llevados en cualquiera de los diseños
experimentales clásicos tal como el Diseño Completo al Azar, el Diseño en Bloques
Completos al Azar, el Diseño en Cuadrado Latino.

Los experimentos factoriales se emplean en todos los campos de la investigación, son

muy útiles en investigaciones exploratorias en las que poco se sabe acerca de muchos
factores.

Muy frecuentemente usados en investigaciones comparativas.

Como se menciona en, se podría definir el diseño estadístico de experimentos también

denominado diseño experimental, como una metodología basada en herramientas

UNS 1
DISEÑO FACTORIAL 2K UNIDAD II
matemáticas y estadísticas cuyo objetivo es ayudar al experimentador a:

estrategia experimental óptima que permita obtener la información

buscada con el mínimo costo.

ados experimentales obtenidos, garantizando la máxima fiabilidad

en las conclusiones que se obtengan.

El diseño experimental es aplicado ampliamente al estudio de los procesos de

producción. Un proceso puede considerarse como una “caja negra” a la cual ingresan
diversas variables que interactúan para producir un resultado. Las variables que ingresan
al proceso se denominan variables de entrada, y el resultado, variable de salida. El nivel
de la variable de salida depende de los niveles que adopten las variables de entrada, y
los gerentes y técnicos se benefician al saber qué combinación de variables de entrada
produce el mejor nivel en la variable de salida. La búsqueda de combinaciones óptimas
de las variables de entrada da lugar al diseño experimental, que es una prueba (o un
conjunto de pruebas) durante la cual se realizan cambios sistemáticos y controlados a
las variables de entrada para medir el efecto sobre la variable de salida.

Interacción

Es el e efecto combinado de dos o más factores. Es la combinación de dos o más

variables independientes para generar un efecto diferente al que ellos tienen cuando
actúan independientemente. El experimento factorial se planifica con la intención
exprofesa de medir la interacción y evaluarla. La interacción puede ser de tres tipos:
Sinergismo, Antagonismo, Aditivo. Es análoga a la acción de una droga

Efecto principal
Es una medida del cambio en el promedio entre los niveles de un factor, promediado
sobre los diferentes niveles del otro factor. Ejemplo: Dosis de Nitrogeno en las U.E.

Efecto interacción
Es una medida de cambio que expresa el efecto adicional resultante de la influencia
combinada de dos o más factores.

Ejemplo: Efecto conjuntode nitrógeno y fósforo.

UNS 2
DISEÑO FACTORIAL 2K UNIDAD II

Efecto simple
Es una medida de cambio en los promedios de los niveles de un factor, manteniendo
constante, uno de los niveles del otro factor.
Ejemplo: Efecto de nitrógeno ante la presencia de 5% de fósforo.

Ventajas:

1.- Permiten estudiar los efectos principales, efectos de interacción de factores, efectos
simples y efectos cruzados y anidados.

2.- Todas las unidades experimentales intervienen en la determinación de los efectos

principales y de los efectos de interacción de los factores, por lo que el número de
repeticiones es elevado para estos casos.

3.- El número de grados de libertad para el error experimental es alto, comparándolo

con los grados de libertad de los experimentos simples de los mismos factores, lo que
contribuye a disminuir la varianza del error experimental, aumentando por este motivo
la precisión del experimento.

Desventajas:

1.- Se requiere un mayor número de unidades experimentales que

los experimentos simples y por lo tanto se tendrá un mayor costo y trabajo en la
ejecución del experimento.

2.- Como en los experimentos factoriales cada uno de los niveles de un factor se
combinan con los niveles de los otros factores; a fin de que exista un balance en el
análisis estadístico se tendrá que algunas de las combinaciones no tiene interés práctico
pero deben incluirse para mantener el balance.

UNS 3
DISEÑO FACTORIAL 2K UNIDAD II
3.- El análisis estadístico es más complicado que en los experimentos simples y la
interpretación de los resultados se hace más difícil a medida de que aumenta el número
de factores y niveles por factor en el experimento.
Conceptos generales:

Factor.- Es un conjunto de tratamientos de una misma clase o característica. Ejemplo:

tipos de riego, dosis de fertilización, variedades de cultivo, manejo de crianzas, métodos
de enseñanza, tipos de liderazgo, tipos raciales, etc.

Niveles de un factor.- Son los diferentes tratamientos que pertenecen a un

determinado factor. Se acostumbra simbolizar algún elemento "i" por la letra minúscula
que representa al factor y el valor del respectivo subíndice. (Modelo de diseños
factoriales 2k)

Tipos de factores:

1.- Factores Cuantitativos. Son aquellos factores cuyos niveles son cantidades
numéricas.

2.- Factores Cualitativos. Son aquellos factores cuyos niveles son procedimientos, o
cualidades o atributos.

Concepto de interacción

Para ilustrar de forma intuitiva lo que es la interacción vamos a tomar dos conjuntos de
datos. Consideramos dos factores

UNS 4
DISEÑO FACTORIAL 2K UNIDAD II
PRIMER CASO: dos factores sin interacción. Los datos son:

El efecto principal del factor α es la diferencia entre la respuesta promedio de α1 y α2:

Y el efecto principal del factor β es:

Ahora bien, para el nivel β1, el efecto del factor α es:

Y para el nivel β2 es:

De forma similar, los efectos del factor β para los niveles α1 y α2 son, respectivamente:

Entonces, el efecto de uno de los factores n o depende de los niveles del otro factor, lo
cual indica que no hay interacción entre los factores. Cuando ambos factores tienen dos
niveles, el efecto de la interacción es la diferencia entre los promedios de las diagonales,

UNS 5
DISEÑO FACTORIAL 2K UNIDAD II
que es en este caso.

Lo que indica que no hay interacción. Los siguientes gráficos de perfil muestran la falta
de interacción ya que las rectas que aparecen son paralelas.}

UNS 6
DISEÑO FACTORIAL 2K UNIDAD II
SEGUNDO CASO: Dos factores con interacción. Los datos son

El efecto principal del factor α es:

Lo que indicaría que el factor αno tendría ningún efecto en la respuesta. Sin embargo,
para el nivel β1, el efecto del factor α es:

Y para el nivel β2 es:

Entonces, aunque el efecto principal indique que el factorαno influye en la respuesta, el

efecto que produceαdepende del nivel seleccionado del factor β y se concluye que hay
interacción entre α y β.

El efecto de la interacción es en este caso:

Lo que indica que hay interacción. Los siguientes gráficos de perfil muestran la
existencia de interacción ya que las rectas que aparecen se cruzan entre sí.

UNS 7
DISEÑO FACTORIAL 2K UNIDAD II

En este caso, la variable respuesta Y puede depender también de dos factores α y β, pero
éstos a su vez pueden potenciarse o interactuar.

Para comprobar la existencia de interacción, se puede considerar el gráfico de residuos

frente a valores previstos de un modelo sin interacción. La idea de este resultado es que
los residuos contendrán la influencia de todos aquellos efectos no considerados de
forma explícita en el modelo. Por lo tanto, si la interacción es significativa y no ha sido
incluida, su efecto se verá en los residuos. La forma de ver la interacción en los residuos
es a través de cierta curvatura en la nube de puntos del gráfico de residuos frente a
valores previstos. El motivo es que la interacción implica una relación no lineal entre
los factores y la variable respuesta; por tanto si hay interacción y el modelo no la
incluye, los residuos tendrán una estructura no lineal no incluida en el modelo. (XVI.I)

UNS 8
DISEÑO FACTORIAL 2K UNIDAD II
EJEMPLO 23:
Un ingeniero realiza un experimento en e cual se evalúa la influencia de los °brix,
temperatura y de tiempo de inmersión en la reducción de la actividad de agua en
alimentos. Para este experimento el ingeniero empleo manzana San Antonio.

Tiempo Temperatura °Brix

2 35 40
3 45 50

Tiempo Temperatura °Brix Aw

2 35 40 0.831
3 35 40 0.846
2 45 40 0.822
3 45 40 0.809
2 35 50 0.82
3 35 50 0.8
2 45 50 0.791
3 45 50 0.753

codificacion Tiempo Temperatura °Brix

-1 2 35 40
1 3 45 50

UNS 9
DISEÑO FACTORIAL 2K UNIDAD II
Procedimiento en Statgraphic Centurión XVI:
Ilustración 1: inicio del diseño

Nos aparece este cuadro de dialogo:

Seleccionamos FACTORIAL
MULTINIVEL.

Digitamos para 3 FACTORES

Y 1 VARIABLE RESPUESTA

Ilustración 2: selección del diseño

Ilustración 3: rotulación de factores

Luego se coloca la denominación de cada factor y sus respectivos niveles y unidades.

De la misma manera procedemos para la variable respuesta:

UNS 10
DISEÑO FACTORIAL 2K UNIDAD II
Ilustración 4: rotulacion de variable respuesta

Ilustración 5: cuadro de aleoterizacion

Aquí nos aparece este

cuadro de dialogo, donde
se procede a colocar el
número de repeticiones, en
nuestro caso no habrá
repeticiones.

Ilustración 6: introducción variable respuesta

UNS 11
DISEÑO FACTORIAL 2K UNIDAD II
Nos aparecerán los valores introducidos con sus respectivas combinaciones y
agregamos los valores de la variable respuesta.

Luego se procede a analizar el diseño:

En el siguiente cuadro seleccionamos nuestra variable respuesta:

Ilustración 7: análisis del diseño

Ilustración 8: selección de la variable

UNS 12
DISEÑO FACTORIAL 2K UNIDAD II
En el siguiente cuadro seleccionamos las siguientes opciones y damos en aceptar:

Ilustración 9: selección de gráficas y tablas

Ilustración 10: vista de resultados, gráficas y tablas

Automáticamente el programa nos arroja el análisis del diseño con sus respectivas
gráficas:

Pero ahora debemos corregir la optimización del diseño ya que por defecto se analiza

UNS 13
DISEÑO FACTORIAL 2K UNIDAD II
con la meta en Maximizar la variable respuesta, pero en nuestro caso necesitamos que
esta disminuya, entonces procedemos:

Seleccionamos el icono
resaltado

Ilustración 11: optimización

Seleccionamos la
opción minimizar y
damos en aceptar

UNS 14
DISEÑO FACTORIAL 2K UNIDAD II
EJEMPLO 24:
En una planta de fuerza se corrió un experimento factorial 24 con repeticiones al centro
con el objetivo de hacer más e…caz la operación de la máquina de absorción. La
eficiencia de la maquina se mide en toneladas de refrigeración entre el flujo de vapor.
Los factores a controlar fueron: flujo de vapor (A), temperatura de agua helada (B),
temperatura de agua de enfriamiento(C), presión diferencial (D). El diseño, en las
unidades originales, es el que se muestra en la tabla siguiente. (a) Determine el ANOVA
para estos datos. (b) Grafique los efectos significativos. (c) Determine el mejor
tratamiento y haga la predicción de la eficacia esperada sobre él.

A(temp. B(temp. De
C(presión
Toneladas de Agua agua de
diferencial) Eficiencia
refrigeración (t/h) helada) enfriamiento
kg/cm2
(ºC) (ºC)
4.5 6.5 23 1.4 35
4.5 6.5 23 1.7 38
2 4 23 1.7 36.6
2 4 27 1.4 27.5
4.5 6.5 27 1.4 29.8
2 6.5 27 1.7 32.9
4.5 4 23 1.4 32.5
2 4 27 1.7 33.5
4.5 4 23 1.7 32.5
4.5 4 23 1.4 40.1
4.5 6.5 23 1.4 40.2
4.5 6.5 27 1.7 37.8
4.5 6.5 27 1.4 34.4
4.5 6.5 27 1.7 34.6
2 6.5 27 1.7 34.9
2 4 23 1.4 37.6

UNS 15
DISEÑO FACTORIAL 2K UNIDAD II
Crearemos nuestro diseño de experimentos

Luego procederemos a marcar la opción factorial multinivel con 4 número de factores

como indica el problema 24

UNS 16
DISEÑO FACTORIAL 2K UNIDAD II
Procederemos a introducir los datos de los factores con sus respectivos niveles altos y
bajos indicados en el problema 24

Luego introduciremos la variable respuesta

y quitaremos el marcado de la opción
aleatorizar

Una vez realizado este

paso en el Libro de
datos introduciremos
nuestras variables
respuesta

UNS 17
DISEÑO FACTORIAL 2K UNIDAD II
Y analizaremos nuestra variable respuesta:

Analizaremos nuestro ANOVA, Optimización y grafica de respuesta

Análisis de Varianza para eficiencia

Fuente Suma de Gl Cuadrado Razón- Valor-

Cuadrados Medio F P
A:toneladas de refrigeracion 2.32562 1 2.32562 0.20 0.6705

B:temperatura de agua helada 0.680625 1 0.680625 0.06 0.8167

C:temperatura de agua de 19.1406 1 19.1406 1.68 0.2517

enfrien
D:presion diferencial 43.2306 1 43.2306 3.79 0.1091
AB 29.4306 1 29.4306 2.58 0.1691
AC 3.90063 1 3.90063 0.34 0.5841
AD 6.37563 1 6.37563 0.56 0.4883

UNS 18
DISEÑO FACTORIAL 2K UNIDAD II
BC 6.63063 1 6.63063 0.58 0.4802
BD 13.1406 1 13.1406 1.15 0.3322
CD 0.030625 1 0.030625 0.00 0.9607
Error total 57.0281 5 11.4056
Total (corr.) 181.914 15

R-cuadrada = 68.6511 porciento

R-cuadrada (ajustada por g.l.) = 5.95335 porciento
Error estándar del est. = 3.37722
Error absoluto medio = 1.575

La tabla ANOVA particiona la variabilidad de eficiencia en piezas separadas para cada

uno de los efectos. Entonces prueba la significancia estadística de cada efecto
comparando su cuadrado medio contra un estimado del error experimental. En este
caso, 0 efectos tienen una valor-P menor que 0.05, indicando que son significativamente
diferentes de cero con un nivel de confianza del 95.0%.

Dicho de otro modo no existe diferencia en usar un tratamiento u otro, ya que estos
no influyen de manera significativa en la eficiencia.

Optimizar Respuesta

Meta: maximizar eficiencia

Valor óptimo = 39.0563

Factor Bajo Alto Óptimo

toneladas de refrigeración 2.0 4.5 4.5

temperatura de agua helada 4.0 6.5 4.0

temperatura de agua de enfríen. 23.0 27.0 23.0

presión diferencial 1.4 1.7 1.7

Esta tabla muestra la combinación de los niveles de los factores, la cual maximiza
eficiencia sobre la región indicada.

UNS 19
DISEÑO FACTORIAL 2K UNIDAD II

Superficie de Respuesta Estimada

temperatura de agua de enfrien=25.0,presion diferencial=1.55

42

39
eficiencia

36

33

30
6.5
27 6
5.5
2 5
2.5 3 4.5
3.5 4 4temperatura de agua helada
4.5
toneladas de refrigeracion

Ilustración 12: grafico de respuesta

Gráfica de Efectos Principales para eficiencia

37

36
eficiencia

35

34

33
toneladas de refrigeracion temperatura de agua de enfrien
temperatura de agua helada presion diferencial

Ilustración 13: grafico de efectos principales

UNS 20
DISEÑO FACTORIAL 2K UNIDAD II
CONCLUSIONES:

 Los diseños factoriales completos son la estrategia experimental óptima para

estudiar simultáneamente el efecto de varios factores sobre la respuesta y sus
interacciones. Por su potencia y sencillez, su campo de aplicación es muy
amplio.
 Identificar que variables influyen en una reacción, para luego poder optimizarlas
hasta alcanzar el rendimiento deseado, o para disminuir el tiempo de reacción.
 Las dificultades que surgen de los experimentos grandes no deben ser
consideradas como una crítica del método factorial 2k, puesto que la base de la
dificultad simplemente es que se ejecuta un programa de investigación más
grande.
 En investigaciones de las interacciones entre los efectos de varios factores. Por
su naturaleza las interacciones no se pueden estudiar sin probar algunas de las
combinaciones que se forman de los diferentes factores. Frecuentemente la
información se obtiene mejor probando todas las combinaciones.

UNS 21
DISEÑO FACTORIAL 2K UNIDAD II
BIBLIOGRAFÍA
 Experimentos factoriales capitulo 5. (s.f.). Obtenido de
http://www.uru.edu/fondoeditorial/libros/pdf

 Modelo de diseños factoriales 2k. (s.f.).

 XVI.I, S. C. (s.f.). Patente nº Manual de Statgraphic Centurion XVI.I.

 Gonzales, D., Rodriguez, C., & Anaya, A. (s.f.). Manual de diseño y analisis de
experimentos.

 Medina, P. &. (2011). Analisis critico del diseño factorial 2k sobre casos
aplicados. Obtenido de htpp://www.redalyc.org/articulo.on

UNS 22