TALLER

DISEÑOS FACTORIALES
2^K

PRESENTADO POR:
Juan Sebastián Meyer
Andrea Benavides
Jesús Manuel Carcamo

Docente:
RICK KEVIN ACOSTA VEGA

UNIVERSIDAD DEL MAGDALENA

Santa marta

2018
Punto 1

a) Explique qué son los factores y qué es la(s) variable(s) de respuesta.

La variable de respuesta es el aspecto que nos interesa mejorar mediante el

diseño o lo que se quiere saber del experimento y los factores son variables que
se piensa que influyen en el experimento y que de ellas depende la variable de
respuesta.

b) ¿Cuál es el objetivo de un diseño factorial?

El objetivo de este es estudiar la relación entre los factores y la respuesta, con la

finalidad de conocer mejor cómo es esta relación para así poder tomar acciones y
decisiones que mejoren el desempeño del proceso.

c) Ejemplifique y explique en qué consiste la estrategia de modificar o mover

un factor a la vez, que es propia de la experimentación empírica.

Consiste en elegir el primer factor, realizar las corridas que quiera con varios
niveles para saber qué efectos se pueden comparar

d) Señale y argumente qué ventajas tienen los experimentos factoriales

sobre la estrategia de mover un factor a la vez.

 Permiten estudiar el efecto individual y de interacción de los distintos

factores.
 Se pueden correr fracciones de diseños factoriales, para descartar de
manera rápida los que no son importantes.
 Pueden utilizarse en combinación con diseño de bloques en situaciones
en las que estos no comparten las mismas condiciones

e) ¿Qué significa que un factor tenga un efecto significativo? ¿Sobre quién

es el efecto?

Significa que en interacción con otro factor su significancia es negativa, y esto

influye en la variable de respuesta
f) ¿Todos los factores deben ser de tipo cuantitativo o es posible involucrar
factores cualitativos, por ejemplo dos tipos de máquinas, o la presencia o
ausencia de alguna sustancia?

No, porque solo los de tipo cuantitativo nos dan una comparación precisa pero sin
embargo se pueden incluir lo cualitativo en el experimento.

Punto 2

a) ¿Por qué este diseño recibe tal nombre?

Porque es un experimento que tiene dos factores y dos niveles.

b) Anote los diferentes tratamientos que forman este diseño. Utilice

diferentes tipos de códigos.

Temperatura Velocidad A B Código

(A) (B)
8 4 - - 1
8 7 - + a
20 4 + - b
20 7 + + ab

c) Explique cómo piensa que fue el proceso para seleccionar esos factores y
esos niveles.

Al tratarse de dos variables de tipo cuantitativo se optó por utilizarlos ya que se

tratan de ajustes que van a influir en el proceso y pueden ser calibrados.

d) Defina qué son los efectos principales y cuál el efecto de interacción.

Los efectos
principales
de
un
factor
son
comparaciones
entre
los
 niveles
de


un
factor
promediados
para
todos
los
niveles
de
 otro
factor.

Los efectos
de
Interacción
son
las
diferencias
entre
efectos
simples.

e) Señale los diferentes efectos que se pueden estudiar con este diseño y la
forma en que se calcula cada uno.

Efectos
Simples:
 l 1 
=
µ21
‐
µ11 =
65
–
68
=
‐3 l 2

=
µ22
‐
µ12 =
97
–


60
=
37


Efectos
principales:
 l 3 
=
µ2.
‐
µ1. =
81
–
64
=
17

Efectos
de
Interacción: l 4 
=
l 2
‐
l 1
 =
37
–
 (‐3) 
=
40

Cuando
no
hay
interacción
 µij =

µ.. +
αi +
βj αi =
µi. ‐

µ.. βj =
µ.j ‐

µ.. …

Son
Efectos
Fijos:
si
los
niveles
son
reproducibles Los
Efectos
de
un
factor

son
aditivos
en
ausencia
de
 Interacción

Si
hay
interacción
 µij =

µ.. +
αi +
βj +
αβij αβij =
(µij ‐

µ.. )
‐
(µi. ‐

µ.. )
‐

(µ.j ‐

µ.. ) αβij =
(µij ‐
µi.
‐
µ.j +

µ.. )

f) Describa en qué consiste la aplicación de los tres principios básicos del

diseño de experimentos (capítulo 1), en este caso.

Aleatorizar

Aleatorizar todos los factores no controlados por el experimentador en el diseño

experimental y que pueden influir en los resultados serán asignados al azar a las
unidades experimentales”.

Ventajas de aleatorizar los factores no controlados:

• Transforma la variabilidad sistemática no planificada en variabilidad no

planificada o ruido aleatorio. Dicho de otra forma, aleatorizar previene contra la
introducción de sesgos en el experimento.

• Evita la dependencia entre observaciones al aleatorizar los instantes de recogida

muestral.

• Valida muchos de los procedimientos estadísticos más comunes.

Bloquear

Se deben dividir o partir las unidades experimentales en grupos

llamados bloques de modo que las observaciones realizadas en cada bloque se
realicen bajo condiciones experimentales lo más parecidas posibles.

A diferencia de lo que ocurre con los factores tratamiento, el experimentador no

está interesado en investigar las posibles diferencias de la respuesta entre los
niveles de los factores bloque”.

Bloquear es una buena estrategia siempre y cuando sea posible dividir las
unidades experimentales en grupos de unidades similares.

La ventaja de bloquear un factor que se supone que tienen una clara influencia en
la respuesta pero en el que no se está interesado, es la siguiente:
• Convierte la variabilidad sistemática no planificada en variabilidad sistemática
planificada.

Con el siguiente ejemplo se trata de indicar la diferencia entre las estrategias de

aleatorizar y de bloquear en un experimento.

Factorización del diseño.

Un diseño factorial es una estrategia experimental que consiste en cruzar los

niveles de todos los factores tratamiento en todas las combinaciones posibles”.

Ventajas de utilizar los diseños factoriales:

• Permiten detectar la existencia de efectos interacción entre los diferentes

factores tratamiento.

• Es una estrategia más eficiente que la estrategia clásica de examinar la

influencia de un factor manteniendo constantes el resto de los factores.

II. Ejercicios

1. En una empresa de electrónica una máquina toma componentes que le

proporciona un alimentador, para montarlos o depositarlos en una tarjeta. Se
ha tenido el problema de que la máquina falla en sus intentos por tomar el
componente, lo cual causa paros de la máquina que detienen el proceso hasta
que el operador se da cuenta y reinicia el proceso. Para diagnosticar mejor la
situación, se decide correr un diseño de experimentos 2 4 con n = 2 réplicas,
en el que se tienen los siguientes facto res y niveles (–, +), respectivamente:
A) Velocidad de cam (70%, 100%), B) Velocidad de mesa (media, alta), C)
Orden o secuencia de colocación (continua, variable), D) Alimentador (1, 2).
Como el pro ceso es muy rápido, es necesario dejarlo operar en cada
condición experimental el tiempo suficiente para reproducir el problema. Se
consideró que esto se lograba con suficiente confianza con 500 componentes;
por ello, cada una de las corridas experimentales consistió en colocar 500
componentes, y se midieron dos variables de respuesta: Y1 = número de
errores (o intentos fallidos), y Y2 = tiempo real (en segundos) para tomar y
“colocar” los 500 componentes. Es evidente que se quiere minimizar ambas
variables. Los datos obtenidos se muestran en la siguiente tabla.
a) Al observar los datos obtenidos se deduce que hay algunos tratamientos
que tienen pocos o ningún componente caídos, como por ejemplo el (–1, –1,
+1, +1), alguien muy “práctico” decidiría poner la máquina a operar bajo
estas condiciones, y olvidarse del análisis estadístico. De proceder así,
explique qué información se perdería.

El planteamiento del experimento encontró que para la empresa electrónica es

mejor realizar el proceso dejándolo operar en todas las condiciones
experimentales, por lo tanto si alguien muy “practico” solo decidiera trabajar bajo
dichas condiciones estaría perdiendo la información valiosa de no saber si los
demás tratamientos de todas las unidades experimentales aportarían una mejor
respuesta para minimizar el número de errores y el tiempo en cuanto a la
colocación de los componente, porque quizás probando con todos y haciendo un
análisis estadístico obtendríamos un proceso más eficiente en determinados
tratamientos.

b) Investigue qué efectos influyen de manera significativa sobre Y1 (apóyese

en Pareto y ANOVA).

Analizando el diagrama de Pareto y la prueba analita del analisis de varianza se

encontro que los factores que tienen significancia en la variable de respuesta Y1:
Numero de errores, son los factores principales velocidad de cam, velocidad de
mesa, Orden o secuencia de colocación, Alimentador y la interacción de la
velocidad de cam con el orden o secuencia de colocación. Cada uno con un p-
value de 0,0000; 0,0081; 0,0000; 0,0000; 0,0001 respectivamente los cuales son
menores que el alfa de 0,05 por lo tanto tiene significancia en la variable de
respuesta Y1.

c) Obtenga el mejor ANOVA.

Al correr el experimento obtuvimos que en el mayor orden de interacción nos

proporciona unos resultados más favorables, por lo tanto el mejor Anova lo
obtuvimos con los factores significativos en este orden de interacción.
d) Si en el análisis anterior encuentra alguna interacción significativa, analice con
detalle la más importante e interprete en términos físicos.

Solo tenemos una interacción significativa y es la AC: velocidad de cam con orden
o secuencia de colocación debido a que su P-value es menor que el alfa de 0,05.

e) ¿Qué tratamiento minimiza Y1?

Minimiza Y1: El factor A en el tratamiento de 70, el factor B en el nivel medio, el

factor C en el nivel variable y el alimentador 2.

f) Ahora investigue qué efectos influyen de manera relevante sobre Y2.

Los factores influyen de manera relevante sobre el tiempo real (en segundos) son
el factor A: Velocidad de cam, orden o secuencia de colocación y el alimentador
debido a que estos tienen un p-value de 0,0024; 0,0119; 0,0192 respectivamente,
estos valores son menores que el alfa de 0,05.

g) ¿Qué tratamiento minimiza Y2?

Minimiza Y2 el factor A en el nivel 100, en el factor B en el tratamiento medio, en

el factor C en el nivel continuo y el factor D con el alimentador 1.

h) Encuentre una condición satisfactoria tanto para minimizar Y1 como Y2.

Para minimizar tanto Y1 como Y2 la estimación se encuentra en el mejor punto

para lograr este objetivo que es el (1,-1) para Y2

Y2=70,43755

Y1=-8,875

Para Y2 se escoge el mejor punto de diseño para minimizar el tiempo real (-1,1)

i) De los análisis de varianza para Y1 y Y2 observe el coeficiente R2. ¿Qué

concluye de ello?

Para Y1 R-cuadrada=89,9082 por ciento explica la variabilidad en Y1

Para Y2 R-cuadrada=53,3663 por ciento explica la variabilidad en Y2.

j) Verifique residuos

Para número de errores:

VERIFICACION DE LOS SUPUESTOS PARA Y1
 NORMALIDAD

H0 = los datos provienen de una distribución normal

Ha= los datos no provienen de una distribución normal

Se cumple el supuesto.

 INDEPENDENCIA
H0 = los datos son independientes
Ha= los datos no son independientes

Prueba de Aleatoriedad de RESIDUOS

Corridas arriba o abajo de la mediana
Mediana = -0,4375
Número de corridas arriba o abajo de la mediana = 15
Número esperado de corridas = 16,0
Estadístico z para muestras grandes = 0,185806
Valor-P = 0,852592

(2) Corridas arriba y abajo

Número de corridas arriba y abajo = 19
Número esperado de corridas = 21,0
Estadístico z para muestras grandes = 0,647499
Valor-P = 0,517307

(3) Prueba Box-Pierce

Prueba basada en las primeras 10 autocorrelaciones
Estadístico de prueba para muestras grandes = 8,44048
Valor-P = 0,585894

Se cumple el supuesto.

 HOMOCEDASTICIDAD
Factor velocidad de cam
H0 = σ1 2=σ2 2
Ha= = σ1 2≠σ2 2, para alguna de ellas sean diferentes

Factor Velocidad de mesa

H0 = σ1 2=σ2 2
Ha= = σ1 2≠σ2 2, para alguna de ellas sean diferentes

Factor Orden o secuencia de colocación

H0 = σ1 2=σ2 2
Ha= = σ1 2≠σ2 2, para alguna de ellas sean diferentes

Factor Alimentador
H0 = σ1 2=σ2 2
Ha= = σ1 2≠σ2 2, para alguna de ellas sean diferentes
VERIFICACION DE LOS SUPUESTOS PARA Y2
 NORMALIDAD

H0 = los datos provienen de una distribución normal

Ha= los datos no provienen de una distribución normal

 INDEPENDENCIA
H0 = los datos son independientes
Ha= los datos no son independientes

Prueba de Aleatoriedad de RESIDUOS

Mediana = -1,3125
Número de corridas arriba o abajo de la mediana = 14
Número esperado de corridas = 17,0
Estadístico z para muestras grandes = 0,898494
Valor-P = 0,36892

(2) Corridas arriba y abajo

Número de corridas arriba y abajo = 15
Número esperado de corridas = 21,0
Estadístico z para muestras grandes = 2,37416
Valor-P = 0,0175887

(3) Prueba Box-Pierce

Prueba basada en las primeras 10 autocorrelaciones
Estadístico de prueba para muestras grandes = 12,0254
Valor-P = 0,283361

 HOMOCEDASTICIDAD
Factor velocidad de cam
H0 = σ1 2=σ2 2
Ha= = σ1 2≠σ2 2, para alguna de ellas sean diferentes
Factor Velocidad de mesa
H0 = σ1 2=σ2 2
Ha= = σ1 2≠σ2 2, para alguna de ellas sean diferentes

Factor Orden o secuencia de colocación

H0 = σ1 2=σ2 2
Ha= = σ1 2≠σ2 2, para alguna de ellas sean diferentes

Factor Alimentador
H0 = σ1 2=σ2 2
Ha= = σ1 2≠σ2 2, para alguna de ellas sean diferentes
2. En el área de SMT se busca reducir los defectos ocasionados por impresiones
de soldadura en pasta inadecuada. Se corre un diseño 2 4 con dos réplicas y
dos puntos centrales por réplica. Los factores son: altura de la mesa (A),
velocidad de separación (B), velocidad de impresión (C) y presión de las
escobillas (D). La variable de respuesta es la altura de la impresión de
soldadura en pasta. El experimento se corrió en planta, pero como el proceso
es muy rápido (la impresión de una tarjeta tarda menos de un minuto),
entonces se recomienda obtener más de un producto en cada condición
experimental. Por ello se decidió que cada prueba experimental debería de
consistir en dejar que el proceso se estabilizara y a partir de ahí imprimir 10
tarjetas de manera consecutiva, a cada tarjeta se le midió la altura. Con estos
10 datos se calculó la media y la desviación estándar, para así analizar el
efecto de los factores sobre ambas. Una vez que se corre en orden aleatorio la
primera réplica de todos los tratamientos, se deja de experimentar y al día
siguiente se hace de manera similar la segunda réplica. Los datos se muestran
a continuación:

a) ¿Con qué finalidad se utilizan los puntos centrales?

El número de puntos al centro que serán adicionados en el diseño base, los

cuales son corridas experimentales adicionales localizadas en un punto medio
entre el nivel bajo y alto de todos los factores. Cada punto central adicional
agrega un grado de libertad para estimar el error experimental.
b) Investigue qué efectos influyen de manera significativa sobre la altura
promedio de la pasta (apóyese en Pareto y ANOVA).
Influyen factor A, Factor C, Factor D, Interacción AC e interacción AD
debido a que en Pareto se encuentran a la derecha de la línea azul y
corroborando con la prueba analítica estos posen un P-valué de 0,0014;
0,0022; 0,0001; 0,0017; 0,0014 respectivamente, estos son <0,05 por lo
tanto tienen un efecto significativo sobre la altura promedio de la Pasta.

c) Si en el análisis anterior encuentra alguna interacción significativa, analice

a detalle la más importante.
De las dos interacciones significativas, se encontró que la combinación de
velocidad de separación con la presión de las escobillas es más importante
debido a que tiene un cuadrado medio de 2,10125 superiores al de la otra
interacción.
d) Si se quiere un valor de 6.0 para la altura de la pasta, ¿cuáles son las
condiciones para lograrlo?
Las condiciones para lograrlo sería trabajar con el punto que haga
maximizar la altura de la pasta en este valor: seria el (1,1)