Diseo de experimentos

industrial
Definicin: Una planta productiva no solamente nos
entrega productos sino tambien informacin. Y en las
etapas de puesta en marcha de dicha planta, as como
cuando cambia la materia prima, su proveedor, la
secuencia anterior de equipos o el tipo de proceso, la
informacin es la salida principal. "Disear experimentos
industriales" es entonces buscar cul es la forma ms
prolija y efectiva de acondicionar la informacin de salida,
de manera de interpretarla agudamente.
o
o

siguiente a formas como se presenta la informacin

de salida
diseo de experimentos para identificar modelos

19.may.2000

Formas cmo se presenta la

informacin de salida de una
planta industrial
Definicin: La lgica utilizable para mejorar la eficiencia de
una planta puede abarcar dos formas.
o

Se puede recurrir a las planillas de operacin, donde

aparecen las novedades y el valor de las variables
detectadas por los instrumentos indicadores y/o
registradores.
Se puede programar de antemano un experimento
correctamente diseado donde la tarea se orienta
hacia el logro final de un buen anlisis de la
informacin.

La primera forma sera criticable si hubiera causas de

confusin en el anlisis de una planilla. Por ejemplo, uno
observa cambios en la temperatura y el caudal. Puede ser
que el operario haya corregido la elevacin de temperatura
aumentando el caudal o que haya corregido el aumento de
caudal elevando la temperatura. En general la planilla

refleja un cierto estado estacionario deseable para la

uniformidad de produccin de la planta - inadecuado para
sacar informacin de ella.
La doctrina estadstica sabe cmo analizar estas escasas
informaciones. Una excursin del flujo fuera del estado
estacionario se puede interpretar mediante el Principio de
Mximo o tcnicas afines, con el objetivo de reconocer si
fue favorable o n. Por supuesto, realizando excursiones
intencionales, se est ms seguro de la interpretacin de
su resultado que si las excursiones resultan de motivos no
programados de antemano.
As como la teora cientfica aplicable a la produccin de
una planta avanz notablemente a lo largo del siglo XX,
debemos sealar esto mismo con respecto al empirismo.
Las tcnicas empricas y an las mixtas (las que combinan
empirismo con ciencia) han sido perfeccionadas con gran
rigor lgico. Nos referiremos a cuatro tcnicas,
relacionadas entre s:
o
o

Diseos factoriales
Diseos segn Box-Wilson

Diseos factoriales incompletos

Anlisis de la regresin y de la varianza

Cualquiera que sea la tcnica elegida, habr que resolver

en forma previa a la experimentacin estos aspectos:

Cantidad total de ensayos a realizar - tamao del

diseo
Nmero de factores aconsejable.

Nmero de nivles aconsejables y su seleccin

Orden en la ejecucin secuencial de los ensayos

Interpretacin final de los ensayos realizados (gestin

de la informacin)

Un caso especial de la bsqueda del ptimo industrial es el

de experimentar con las formulaciones de ingredientes.
Este caso se debe resolver basicamente en un laboratorio y

dejar para la planta un ajuste muy fino muy cerca de su

operacin estacionaria.
Los dos conceptos ya citados de factores y de niveles
conviene que resulten clarificados.

previo a diseo de experimentos en una planta

industrial
siguiente a factores y niveles

diseos factoriales

diseos de Box-Wilson

diseos factoriales incompletos

formulaciones de ingredientes

anlisis de la regresin y de la varianza

cantidad total de ensayos a realizar

nmero de factores aconsejables

nmero de niveles aconsejable y su seleccin

orden en la ejecucin secuencial de los ensayos

interpretacin final de los ensayos realizados

Factores y niveles: fijos y

aleatorios
Definicin: Por factor entendemos (en diseo de
experimentos) variable de decisin, esto es, una variable
dependiente de la decisin del optimizador, pero
independiente en el sentido matemtico ("causa"). Un
factor es una "causa" de la eficiencia de la planta,
eficiencia que es una consecuencia de varios factores.
Factores pueden ser cada uno de los ingredientes
formulados, el tamao del equipo, la forma del equipo, el
tipo de agitacin, la temperatura, la presin, el catalizador,
los inertes, la duracin del proceso, etc. Para cada factor

tenemos que comparar algun valor alto del mismo con un

valor bajo, teniendo que pasar, eventualmente, por valores
intermedios. P.ej., para el factor tamao podemos
comparar corridas en equipos grandes y en equipos chicos
similares. La manera emprica de estudiar el efecto del
tamao es la de comparar, por lo menos, dos distintos
donde ese factor vara (tamao grande versus tamao
chico). Para el factor forma podemos comparar (a tamao
constante) diferentes relaciones dimetro/altura.
Tanto el tamao como la forma son factores fijos, En una
instalacin industrial promedio no disponemos de toda la
gama de tamaos y formas, sino unas pocas posibilidades.
En cambio, sern factores aleatorios la proporcin de los
ingredientes, la temperatura, la presin, el catalizador, el
inerte, porque dentro del rango permitido, podemos alterar
infinitesimalmente sus valores. El motivo por el cual un
factor es fijo reside en que no podemos jugar libremente
con sus valores o niveles, que tamben sern fijos. El
motivo por el cual un factor es aleatorio, es que podemos
elegir libremente niveles mayores o menores, dentro de
las restricciones del proceso.
La mezcla de factores fijos con aleatorios se resuelve con
sencillez aplicando a la interpretacin un anlisis de la
regresin. En cambio, aplicando anlisis de la varianza se
llega a sutilezas que escapan al estudio ms simplificado
que nos proponemos. Preferiramos, en ese caso,
desdoblar los diseos mixtos (donde aparecen ambos tipos
de factores) y transformarlos en dos estudios puros. Cada
nuevo diseo resultante ya no tendr mezcla, pues se
refiere a un cierto nivel del factor fijo, interactuando con el
resto de los factores aleatorios. Contrastando entre s las
conclusiones obtenidas de los diversos niveles del factor
fijo, se infiere cul es la importancia de dicho factor fijo.
Por ejemplo, disponemos de dos reactores de distinto
tamao. Tamao es un factor fijo. Un diseo tamao x
temperatura x presin se desobla en dos diseos, ambos
de temperatura x presin, que difieren entre s por
realizarse en uno diferente de los dos tamaos. La
conclusin final sobre el factor tamao se halla razonando
sobre los resultados de ambos diseos. Si usamos anlisis
de la regresin quizs ofendamos a los tericos

denominando X1 al tamao, con sus dos niveles, 0 ( -1)

para el tamao chico y 1 para el tamao grande. X2 ser el
factor temperatura, etc.
o
o

previo a formas como se presenta la informacin de

salida
siguiente a ensayos factoriales

Ensayos factoriales
Definicin: Un ensayo factorial se presta para el estudio
sistemtico de dos o ms variables de decisin (factores),
digamos temperatura x caudal x presin, esto es, X1.X2.X3.
Para concretar el estudio debemos elegir un nmero
adecuado de corridas para lograr nuestro propsito, fijar el
nmero de factores, que en este caso ya lo hemos fijado en
tres; y decidir sobre el nmero de niveles y su
espaciamiento ptimo en el espacio de ensayos. En
realidad las tres decisiones forman un paquete de
decisiones, dado que estn ligadas por claras relaciones
matemticas. Adems en la experimentacin industrial con
la planta rige una muy importante restriccin, evidente por
s misma: el optimizador est inhibido de incurrir en
combinaciones de factores que arruinen la produccin a
partir de la materia prima o que resulten, a priori,
ineficientes.. El espacio de ensayos est acotado por
difusos espacios tab.
Tenemos ya nuestros tres factores. Elegimos
(arbitrariamente a esta altura) tres niveles para cada
factor. Podemos codificar estos niveles con los dgitos 0 ,1
y 2 (o bien -1, 0 , 1). Al margen aparecen las 27
combinaciones de la frmula (niveles) (factores) = 33 = 27.
Dicha frmula es la definicin de un ensayo factorial puro.

000
001
002
010
011
012
020

(-1
(-1
(-1
(-1
(-1
(-1
(-1

-1
-1
-1
0
0
0
1

-1)
0)
1)
-1)
0)
1)
-1)

021
022
100
101
102
110
111
112
120
121
122
200
201
202
210
211
212
220
221
222

(-1
(-1
(0
(0
(0
(0
(0
(0
(0
(0
(0
(1
(1
(1
(1
(1
(1
(1
(1
(1

1
1
-1
-1
-1
0
0
0
1
1
1
-1
-1
-1
0
0
0
1
1
1

0)
1)
-1)
0)
1)
-1)
0)
1)
-1)
0)
1)
-1)
0)
1)
-1)
0)
1)
-1)
0)
1)

Las 27 combinaciones del ensayo factorial de 33 con dos

nomenclaturas para los niveles equivalentes. El baricentro
del diseo es ya sea el ensayo 111 a la izquierda o el (0 0
0) a la derecha.
Vamos a clarificar la primera de las dos listas. Cada punto
del ensayo consta de tres cifras. La primera cifra se refiere
al nivel que adopta el primer factor (temperatura), la
segunda idem para el segundo factor (caudal) y la tercera
est asociada con el ltimo (presin). 0 significa nivel bajo,
1 intermedio y 2 alto. Las tres cifras son as los niveles de
cada factor. La explicacin con respecto a la segunda lista
difiere en el significado de los dgitos. Ahora -1 es nivel
bajo, 0 es intermedio y 1 es alto.
En el caso aqu explicado hay tres factores y hay tres
niveles por cada factor. Esto no es obligatorio sino
arbitrario. Por ejemplo, siempre dentro de los ensayos
factoriales, aparecen diseos de 2x3x4 o de 4x3x3x2, que
se deben interpretar as:
o

2x3x4 implica dos nivels del primer factor, tres

niveles del segundo y cuatro del tercero. Total, 24
tentativas en el ensayo total. Es el resultado de la
multiplicacin.
4x3x3x2 implica cuatro niveles en X1, el primer factor;
tres niveles tanto para X2, como para X3, y dos para
X4. El nmero total de factores es cuatro y el de las
tentativas es de 72.

Queda claro que el ensayo tabulado de 27 tentativas

responde a
(niveles)(factores) = 33 = 27.

que se puede reescribir como ensayo factorial de 3 x 3 x 3.

Esto se entiende as: (niveles de X1).(niveles de X2).(niveles
de X3)

previo a factores y niveles

siguiente a diseo rotable de Box-Wilson

polinomios lineales y alineales

Diseo rotable de Box - Wilson

Definicin: Estos dos autores han propuesto diseos rotables de
dos o ms factores o dimensiones, optimamente pensados para
una experimentacin secuencial. La racionalidad de la propuesta
deriva, en primer trmino, de la posibilidad de hacer los ensayos
sin arruinar, preumiblemente, materia prima por riesgo de
incurrir en combinaciones peligrosas. Esto se entiende si
pensamos que el diseo rotable tiene los niveles espaciados
entre s lo suficientemente cerca de las "condiciones de
operacin poco riesgosas" como para dar cierta seguridad al
diseador que no incursiona en zonas "tab".
En segundo trmino, el diseador puede hacer crecer su diseo
por rotacin. La bsqueda de informacin til se plantea
en dos etapas, esto es, primero un diseo rotable antes
de rotar y luego (si los datos del anlisis de la primera
etapa as lo recomiendan), uno complementario, despus
de rotar.
La lgica incluye una replicacin de varias veces del punto
central del diseo para conseguir una valiosa estimacin de la
importancia

Del error experimental.

Para la primera etapa se investigan suficientes puntos

factoriales en torno a un punto central o baricentro del
diseo, como para permitir la determinacin de la
importancia de

Los componentes lineales del modelo,

Las interacciones simples y

La curvatura global

La ltima inferencia, la de la curvatura global, es crucial.

Puede ser ya sea nula o no-nula. El detalle crucial consiste en
desplazar el diseo a otra zona si la curvatura global no tiene
importancia. Siendo, en cambio, no-nula, ello es sntoma de la
presencia de componentes no-lineales, que permiten decidir
que el ensayo contina pasando por una segunda etapa
complementaria, que se omite si la curvatura global fuese
descartable.
Dicha segunda etapa consiste en rotar el diseo. Se puede
visualizar as la primera y la segunda etapas,
respectivamente antes de rotar y despus: Antes de rotar,
los puntos externos al baricentro no se ubican
ortogonales a dicho centro, sino sesgados en diagonal.
* Nota: Nota: aqu, en 2D, se representan dos variables de decisin o
factores. La distancia entre los puntos perifricos se puede codificar como de
valor 2. (Ver la tabla de la derecha de ensayos factoriales). La distancia entre
el punto central y un perifrico es, por el teorema de Pitgoras, 1,41 (raz
cuadrada de 2)

Para la segunda etapa el diseo previo se rota de manera que

los puntos sesgados estn ahora ortogonales con respecto al
baricentro, con lo cual hay suficiente informacin como para
deducir la importancia de cada una de las curvaturas posibles,
tantas curvaturas como dimensiones de bsqueda existan.
* Nota: Sumados a los perifricos anteriores, los ocho puntos totales
perifricos deben estar en un crculo de radio = 1,41 (siempre con dos
variables de decisin)

Utilizando los datos ANTES de rotar en conjunto con los datos

DESPUES de rotar, los clculos pueden estimar con
precisin la importancia de los componentes cuadrticos
(la "curvatura de la superficie de respuesta") de la funcin
que liga a las variables de decisin o factores con la
eficiencia buscada.
Es fcil correlacionar los puntos experimentales del diseo con
una ecuacin no-lineal del tipo de productos de potencias
(trminos lineales, de interaccin y cuadrticos). Con ella
es suficiente derivar con respecto a las variables de
decisin, igualar a cero y despejar la decisin ptima.
TECNICA DE BOX, WILSON Y FAURE

En el caso de tener que desplazar el diseo a zonas ms

promisorias, es factible readaptar la informacin de la
primera parte del diseo para determinar con ella la
pendiente mxima que indica hacia qu zona es prudente
avanzar con el baricentro del nuevo diseo. Aunque es
ms astuto avanzar solamente con el punto central (sin
construir los perifricos) hasta notar que con el paso de
avance arbitrariamente elegido ya no se mejora ms con
la eficiencia medida. Entonces se retrocede un paso y se
construyen los puntos de bsqueda perifricos. Esta
descripcin la denominamos tcnica de Box-Wilson-Faure.
Como es bastante general, se pueden armar otros
razonamientos y recetas alternativos con los elementos aqu
enumerados.

previo a ensayos factoriales

siguiente a polinomios lineales y alineales

bsqueda

complejidad

algoritmo gentico

deliberacin

diseo factorial incompleto

diseo rotable

diseo hbrido

Diseos factoriales
incompletos
Definicin: Cuando crece m , el nmero de factores,
aparecen tantas combinaciones en los ensayos factoriales
(y ms an en los rotables), que es prudente reducir la
labor experimental. En lugar de ejecutar el ensayo
completo con un nmero muy alto de tentativas, se recurre
a los diseos factoriales fraccionales o incompletos, donde,
en lugar de analizar la totalidad de las posibilidades, se
considera una fraccin bien elegida. Con cinco factores a

tres niveles se llegan a 243 combinaciones posibles y si la

tarea se redujese a una fraccin de un tercio, bastaran 81
ensayos. Si fuese 1/9, tendramos 27. La ventaja de este
enfoque es que reduciendo mucho el esfuerzo, no se pierde
un panorama muy amplio y ambicioso de las relaciones
entre causas y efectos en sistemas multivariables. El
estudio de una fraccin no le quita validez al anlisis final.
El tpico principal es el de saber elegir bien a la fraccin de
ensayo con la cual queremos experimentar. La base terica
se apoya en la aritmtica modular (ya considerado en el
estudio de diseos compuestos de caras centradas) y en la

teora de los alias.

ARITMETICA MODULAR
La secuencia 7,14,21,28,... pertenece a un conjunto
denominado 0(mod 7) que se lee cero mdulo siete.
Obsrvese que cualquiera de sus elementos, al ser dividido
por 7, deja 0 como resto. La secuencia 1,8,15,22,29,...
pertenece al conjunto de soluciones de 1 (mod 7), ya que al
ser divididos por siete, queda 1 en el resto. El nfasis de la
aritmtica modular est en el resto.
La secuencia 0+0+0, 1+1+0, 0+2+0, 4+1+5, pertenece al
conjunto 0 (mod 2), ya que todas las sumas resultan pares.
Llamemos en forma abstracta a los tres dgitos x1,x2 y x3.
Se nos pregunta cules son las combinaciones de la tabla
izquierda que aparece al estudiar los ensayos factoriales
que pertenecen al conjunto de
x1 + x2 + x3 = 1(mod 3)
Respondemos que cumplen con esa restriccin las
siguientes nueve combinaciones:
001,010,022,100,112,121,202,211,220.
Observamos que ese conjunto ha quedado notablemente
balanceado: hay tres casos con x1 valiendo cero, tres con
x1 valiendo 1 y tres con x1 valiendo 2. Esto se repite para
x2 y para x3. An ms, el subconjunto de dos dgitos x1x2
est completo: 00.,01.,02.,10.,11.,12.,20.,21.,22. - en
diseo de experimentos el punto reemplaza a lo que no
tiene importancia en un dado anlisis. As x3 no tiene por
qu aparecer aqu. Pero lo mismo pasa con x1x3 y con
x2x3. Al conjunto de nueve tentativas estudiado lo

podemos llamar validamente factorial incompleto

balanceado. El factorial completo tiene 27, tres veces ms.
Su nica ventaja es que tiene todas las 27 combinaciones
de x1x2x3.
TEORIA DE LOS ALIAS
Este asombroso diseo oculta una trampa. Hay que pagar
un precio por reducir un ensayo de 27 combinaciones a 9.
Es el siguiente:
Si queremos estudiar el efecto de x1 sobre la respuesta, lo
mejor que podemos hacer es acumular toda la informacin
referente a
x1 = 0 (mod 3)
y contrastarla con la acumulacin de toda la informacin
referente a
x1 = 2 (mod 3)
La diferencia entre ambas informaciones nos dir si x1 es
importante.
Otra manera ms larga de hacer la misma tarea es la de
acumular asimismo, toda la informacin relacionada con
x1 = 1 (mod 3)
pero el anlisis quedar dominado por la diferencia antes
mencionada, que, en el caso de aparecer, siempre ser ms
significativa.[Si en vez de tres, los niveles fuesen dos,
bastara reducir el anlisis del efecto principal x1 al
contraste entre los dos subconjuntos
x1 = 0 (mod 2)

x1=1(mod 2)]

Si queremos estudiar el efecto principal de x2 sobre la

respuesta, podemos acumular estas tres informaciones:
x2 = 0 (mod 3)

x2 = 1 (mod 3)

x2 = 2 (mod 3)

x2 = 0 (mod 3)

x2 = 1 (mod 3)

x2 = 2 (mod 3)

y contrastarlos de a pares. Ha de dominar el contraste

entre el primer subconjunto y el ltimo.
Si queremos estudiar el efecto de la interaccin x1x2 sobre
la respuesta, podemos estudiar estas tres informaciones:
x1+x2 = 0 (mod 3)

x1+x2 = 1 (mod 3)
(mod 3)

x1+x2 = 2

En el caso particular al cual nos estamos refiriendo de los

nueve ensayos factoriales fraccionales, quedan,
respectivamente, estos tres subconjuntos:
o
o

primer subconjunto... 010,100,220

segundo subconjunto ...001,121,211

tercer subconjunto...022,112,202

Pero ellos resultan ser exactamente los mismos

subconjuntos que si estudiasemos el efecto principal x3, ya
que
o
o

el primer subconjunto coincide con x3 = 0 (mod 3)

el segundo coincide con x3 = 1 (mod 3) y

el tercero con x3 = 2 (mod 3).

Entonces se justifican los alias (los "otros nombres" o
seudnimos) en los diseos factoriales incompletos
balanceados. Llamamos alias a los dos nombres que
tienen esos tres subconjuntos. P.ej., el subconjunto se
llama por un lado x1+x2 = 1 (mod 3) y por otro x3 = 0
(mod 3). Si lo llamamos de la primera manera, su
alias es la segunda manera de nombrarlo - y
viceversa.
Interesa descubrir alguna manera de saber de
antemano cules sern los alias en un diseo factorial
fraccional. Para ello, multiplicar la relacin con la cual
se gener el ensayo fraccional (que denominamos de
ahora en adelante relacin definitoria) - omitiendo
los signos ms - por el primer nombre del cual se
busca el alias. Descartar los trminos cuadrticos. Lo
que queda (devolviendo el signo ms) es el alias.

Por ejemplo, reconocemos que en el ejemplo que

venimos usando la relacin definitoria es x1+x2+x3.
Aplicando la receta queda x1.x2.x3. Sea el primer
nombre x3. Aplicando la receta, queda x1.x2.x3.x3. El
trmino cuadrtico es (x3)2 y se lo descarta. Queda
x1.x2 O sea el alias buscado es x1+x2 (la interaccin
x1.x2). Dicha interaccin tiene asimismo un alias, que
es el efecto principal x3.
En resumen, el precio que hay que pagar por no tener
el ensayo completo es la confusin (en ingls
"confounding" que emerge entre dos contribuciones
que tendran que medirse de una forma diferente,
resultando que ya no es as. Si el primer subconjunto
debiera dar un resultado de alta eficiencia y el efecto
principal debiera dar un resultado de baja eficiencia y
por efectos compensatorios nada de eso queda
aparente durante el anlisis, nos equivocamos e
ignoramos la verdad.
Pero debe sealarse que aplicando la teora de los
alias a diseos con muchas ms que las tres variables
del ejemplo simple elegido, los alias pueden pasar a
ser muy aceptables si se los elige adecuadamente. La
habilidad del diseador es la de aprovechar esa
ventaja.
P.ej., en general es aceptable un alias que resulta ser
interaccin de 3 o ms factores. Esto se relaciona con
este hecho experimental: es muy improbable, a priori,
que existan en la realidad nteracciones de orden
superior. En general estudiamos sobre todo los
efectos principales y las interacciones simples, o - en
ltimo caso - de un pool de varias interacciones
simples.

Inferencias que se pueden hacer con ensayos

factoriales incompletos
A partir de un ensayo incompleto podemos llegar a
conocer

los efectos principales que tengan alias de muy

poca importancia, o alias carezcan de
importancia.

Reglas de prioridad para la importancia de los alias.

*Un alias que involucra un efecto principal xj es muy
importante,
*uno que involucra una interaccin xixj se considera
menos grave,
*uno que involucra interacciones de orden superior
xixjxk, se considera de escasa importancia prctica.
Analizado un ensayo, el resultado suele sugerir como
etapa siguiente completar algunas o todas las
combinaciones faltantes.

previo a polinomios lineales y alineales

siguiente a otros diseos interesantes

anlisis de la regresin y de la varianza

formas como se presenta la informacin de

salida

ensayos factoriales

Diseo compuesto de caras

centradas
Definicin: el diseo compuesto de caras centradas es un caso
especial del diseo central compuesto con x = 1. Esto implica
que los puntos axiales u ortogonales pasan a ser los centroides
de cada una de las caras con sus (n-1) dimensiones. Por
consiguiente, el diseo centrado en las caras minimiza el
nmero de niveles a los cuales un dado ingrediente se
muestrea. En otros diseos, por ejemplo los rotables, el nmero
de niveles es mayor.
Sea el caso n = 3, o con tres ingredientes. El nivel de cada
ingrediente se normaliza entre [-1, +1]. Entonces el conjunto de
puntos a analizar ser,
1. Puntos factoriales o en vrtices,
(-1, -1, -1) o tambien (000)
(-1, -1, +1)
(001)
(-1, +1, -1)
(010)
(-1, +1, +1)
(011)
(+1, -1, -1)
(100)
(+1, -1, +1)
(101)

(+1, +1, -1)

(110)
(+1, +1, +1)
(111)
2. Puntos axiales u ortogonales,
(-1
0
0)
(0
-1
0)
(0
0 -1)
(1
0
0)
(0
1
0)
(0
0
1)
3. Punto Centroide es (0, 0, 0)

El nmero de puntos factoriales o en vrtices es exponencial con

el nmero de ingredientes (lo que sucede tamben con el diseo
compuesto centrado en el cuerpo). An para un nmero
modesto de ingredientes la cantidad de ensayos a encarar suele
exceder la capacidad del laboratorio. Hay que hacer un trueque
entre informatividad (completitud) y posibilidad de realizacin
de experimentos simultneos, recurriendo a un diseo
incompleto.
La seleccin de un subconjunto balanceado de puntos
factoriales o en los vrtices se logra aplicando restricciones
basadas en aritmtica modular. Por ejemplo los ocho casos del
diseo para puntos en vrtices del inciso 1 - lista derecha (ms
arriba) se suman algebraicamente y se salvan arbitrariamente
los pares y se descartan los impares, esto es: llamado x al
primer dgito del parntesis, y al segundo y z al tercero)

quedan los (x+y+z) = 0 (mod 2) y

se descartan los (x+y+z) = 1(mod 2)

Los puntos sobrevivientes son

(xyz)
(-1, -1, -1) o sea (000)
(-1, +1, +1)
(011)
(+1, -1, +1)
(101)
(+1, +1, -1)
(110)

El diseo que queda est balanceado porque hay dos x valiendo

0 y dos x valiendo 1, hay dos y valiendo 0 y dos y valiendo
1, hay dos z valiendo 0 y dos z valiendo 1 . Adems estas
las cuatro combinaciones de a dos posibles para (xy), para
(xz) y para (yz). Por ejemplo para esta ltima interaccin
vemos en el mismo orden de la lista:
00 11 01 10

- obsrvese que estn todas las combinaciones.

diseo de Box - Behnken

diseo compuesto centrado en el cuerpo

diseo compuesto de caras centradas