Experimentos de Cribado. Diseo 23.

Los diseos de cribado de variables se aplican al procedimiento de identificacin rpida de las variables que
tienen efecto sobre la respuesta, descartando los factores no significativos.
En los experimentos diseados 2k, se prueban k factores, cada uno a dos niveles que contrasten fuertemente, para
medir sus efectos sobre la variable de respuesta.
Estudiaremos, para generalizar, el diseo 23, de tres factores con 2 niveles cada uno. El procedimiento es muy
sencillo, y lleva rpidamente a las respuestas, a la ecuacin de regresin, y a la visualizacin de la superficie de
respuesta.

Ejercicio 6.1 de Montgomery [1, p. 276].

Un ingeniero est interesado en los efectos de la velocidad de corte A, la geometra de la herramienta B y el
ngulo de corte C, sobre la vida en horas de una mquina herramienta. Se eligen dos niveles de cada factor y se
corren tres rplicas en un diseo factorial 23. Los resultados fueron los siguientes:

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

Combinacin de
tratamientos

(1)
a
b
ab
c
ac
bc
abc

II
22
32
35
55
44
40
60
39

III
31
43
34
47
45
37
50
41

25
29
50
46
38
36
54
17

Los coeficientes para cada factor A, B o C pueden ser -1 1, el negativo si el factor se encuentra en su nivel bajo,
y el positivo si el factor se encuentra en su nivel alto. La columna de combinacin de tratamientos muestra la
nomenclatura de Yates y el orden estndar para los tratamientos, constituido cada uno de ellos por cada
combinacin de los factores en un nivel alto o bajo cada uno. En la nomenclatura de Yates, la combinacin de
tratamientos a, por ejemplo, significa que en el tratamiento correspondiente a ese rengln el factor A se encuentra
en su nivel alto, pero los factores B y C en sus niveles bajos. Para conocer el efecto del factor A, por ejemplo, se
procesan los contrastes ortogonales correspondientes:

IQ. PABLOS HERNNDEZ SNCHEZ

Pgina 1

En donde n es el nmero de rplicas. Observa que 4 es el nmero de contrastes con cada signo. Para obtener la
suma de cuadrados correspondiente al factor A, tenemos:

Observa que el 8 es la cantidad de coeficientes que entran en el contraste. La evaluacin de todos los contrastes se
facilita mucho mediante la multiplicacin de una matriz de coeficientes por un vector de sumas, que deben
obtenerse de manera preliminar.

Para determinar los coeficientes de A, por ejemplo, seguimos el rengln superior que contiene los factores en el
orden estndar. Si est presente el trmino A, el coeficiente es 1, si ausente, el coeficiente es -1. De manera
anloga, se determinan los coeficientes para los factores B y C. Para las interacciones, basta con multiplicar los
coeficientes. Por ejemplo, para evaluar la interaccin AB se multiplican los coeficientes de A por los de B. La
matriz de coeficientes completa, representada con fondo verde en la figura, se multiplica por el vector de las
sumas, en color durazno en la figura, el cual tambin ha de disponerse en el orden estndar.

La columna titulada Preliminar es el producto de la matriz de coeficientes por el vector de sumas. La columna
de efectos se obtuvo dividiendo cada elemento de Preliminar por 12, el resultado de 4n, a excepcin de (1), que
IQ. PABLOS HERNNDEZ SNCHEZ

Pgina 2

es el gran total. Ya tenemos las sumas de cuadrados para evaluar los tratamientos. La suma de cuadrados de
totales se obtiene por la va acostumbrada, y la del error, por diferencia. Cada factor, por haber sido evaluado en
dos niveles, tiene un solo grado de libertad. El anlisis de varianza es:

El valor de R del modelo es 1

SSerror
SStotales

802 .66667
2587 .83333

0.689831 La interaccin AC es significativa, por lo

que los coeficientes de regresin de A y C, con todo y no ser significativos en la valoracin de sus efectos
principales, permanecen porque el modelo es jerrquico. Tambin es significativo el efecto principal del factor B.
La ecuacin de regresin que constituye el modelo final es:
Vida 39.58333 1.08333 Velocidad 4.416667 geometra 2.16667 ngulo 5.66667 Velocidad ngulo

Nota que los coeficientes de regresin son la mitad de los efectos. Si estimamos los valores esperados a partir de
la ecuacin de regresin reducida, la suma de cuadrados del error o residuales es diferente a la del anlisis de
varianza.

IQ. PABLOS HERNNDEZ SNCHEZ

Pgina 3

En conformidad con los valores esperados, el ms alto desempeo se tendra con A en el nivel bajo, B y C en los
niveles altos.

Los residuales son aleatorios, y a excepcin de uno demasiado pequeo, en que el valor esperado era prximo a
40, pero el observado fue 17, todo lo dems se ve muy bien. No parece, tampoco, haber violacin al supuesto de
homocedasticidad. Como la grfica se realiza con los valores esperados, tambin se observa que los residuales son
independientes del orden de observacin.

IQ. PABLOS HERNNDEZ SNCHEZ

Pgina 4

La grfica muestra que no hay violacin al supuesto de normalidad de residuales. Finalmente, se muestran las
superficies de respuesta, una correspondiente a una B cuyo coeficiente es -1, la otra, al coeficiente +1.

La mayor duracin de la herramienta, se logra con velocidad baja, geometra de la herramienta y ngulo de corte
altos, y se estima en 52.91666667 horas.

Trabajos citados

[1] D. C. Montgomery, Diseo y Anlisis de Experimentos, Segunda ed., Mxico, Distrito Federal: LIMUSA, S.
A. de C. V, 2006, p. 686.

IQ. PABLOS HERNNDEZ SNCHEZ

Pgina 5

IQ. PABLOS HERNNDEZ SNCHEZ

Pgina 6