Diseñofatorial Fraccionado

Diseño Factorial Fraccionado
Dra. Katia García Alfaro
Maestría en Estadística - UNSAAC
15 de julio de 2017
(Maestría en Estadística - UNSAAC) 15 de julio de 2017 1 / 61

Introducción
Los diseños factoriales, son diseños que son ampliamente utilizados

en experimentos de investigación en los que intervienen varios
factores para estudiar el efecto conjunto de estos sobre una
determinada respuesta. Son realizados en las etapas iniciales de un
proyecto, y la mayoría de los factores inicialmente considerados
frecuentemente tienen poco o ningún efecto en la respuesta de la
variable analizada. Los factores que son identificados como
importantes son entonces investigados más profundamente en
experimentos subsiguientes.
Los Diseños factoriales fraccionados son diseños en los que se elige
adecuadamente una parte o fracción de los tratamientos de un
factorial completo, con la intención de estudiar el efecto de los factores
utilizando menos corridas experimentales.

Introducción
Los diseños factoriales fraccionarios usan sólo la mitad, la cuarta

parte o incluso una fracción menor de las 2k combinaciones de
tratamientos y se usan por una o varias de las siguientes razones:
1 El número de tratamientos necesario excede a los recursos
2 Sólo se requiere información sobre los efectos principales y las
interacciones de bajo orden
3 Se necesitan estudios exploratorios para muchos factores
4 Se hace la suposición de que sólo unos cuantos efectos son
importantes

Número de efectos en en un diseño factorial
Conforme el número de factores del experimento crece, el número

condiciones experimentales crece exponencialmente en un
experimento factorial.
Efectos principales, en número es igual al número de factores
bajo estudio;
Efectos de interacciones, en número es igual a la siguiente
combinatoria,
k!
Crk = (1)
r !(k − r )!
donde:
k = número de factores considerados en el experimento.
r = número de factores presentes en la interacción.

Número de Efectos en los factoriales 2k .

Nro. de Nro. de Efectos Interacciones
Factores Trats Princ. 2 3 4 5 6 7 8
4 16 4 6 4 1
5 32 5 10 10 5 1
6 64 6 15 20 15 6 1
7 128 7 21 35 35 21 7 1
8 256 8 28 56 70 56 28 8 1
Así por ejemplo cuando se tienen siete factores, existen 128 posibles
tratamientos, lo que implica que para correr una replica requiere un
total de 128 observaciones. Si se decide tomar dos replicas por celda,
entonces serian necesarias 256 observaciones, lo cual es una
cantidad excesiva de pruebas para fines prácticos.

Por otro lado, se necesitan 128 observaciones para un experimento

con 7 factores porque se evaluan 127 posibles efectos (g.libertad
totales en 128 observaciones) de estos efectos 7 son los factores
principales, 21 interacciones de 2 factores, 35 de tres, 35 de cuatro, 21
de cinco , 7 de seis y una interacción de 7 factores. Los 128
tratamientos proporcionan una gran cantidad de información, quizá
más de la necesaria para las interacciones de mayor orden.
No es necesario correr una réplica completa de todo el experimento
cuando el número de factores crece, sino solamente algunas
condiciones experimentales.

Réplica fraccionada
Concepto de réplica fraccionada

El concepto de réplica fraccionada parte de las siguientes hipótesis:
1 Las interacciones de tres o más factores son sumamente raras en
la práctica, por lo que en general se pueden suponer como no
existentes.
2 En un experimento de varios factores lo más probable es que solo
algunos de ellos sean relevantes para la variable de respuesta.
3 La mayor parte del efecto se debe a los factores principales y
algunas interacciones de dos factores.
Lo anterior implica que por ejemplo para siete factores son necesarios
probablemente solo 28 grados de libertad (7 factores principales y 21
interacciones de dos factores), y esto equivale a solo 29 unidades de
información y no 128 como en el experimento original.

Fracción un medio del diseño 2k
La notación 2k −1 significa una fracción a la mitad del diseño factorial

completo 2k , k > 2 con 21 2k = 2k −1 .
No tiene sentido fraccionar el diseño factorial 22 porque prácticamente
desaparece: al tener sólo cuatro tratamientos, fraccionarlo a la mitad
implicaría correr dos tratamientos y con ellos no se podrían estimar ni
siquiera los dos efectos principales.
A continuación se muestra cómo se fracciona a la mitad un diseño
factorial en un diseño de tres factores.

Fracción un medio del diseño 23
Considérese el caso en el que se estudian tres factores de dos niveles
cada uno, pero en el que los experimentadores no pueden costear las
23 = 8 tratamientos, sin embargo, si se puede costear 4
observaciones.
Esto sugiere una fracción un medio, de un diseño 23 . la fracción un
medio del diseño 23 se conoce también como un diseño 23−1 por que
tiene 23−1 = 4 tratamiento.
En el diseño 23 completo se pueden estimar siete efectos: A, B, C, AB,
AC, BC y ABC. De acuerdo con su jerarquía, el efecto menos
importante a priori es la interacción triple ABC, así que éste es el
efecto más sacrificable para generar la fracción a la mitad, de manera
que se pierda un mínimo de información.
En la siguiente tabla aparecen signos positivos y negativos del diseño
23 . Supóngase que para componer la fracción un medio, se
seleccionan los tratamientos usando indistintamente la notación
convencional (a,b,c,...) y la de signos positivos y negativos.
Tabla de Signos para el diseño 23 .

Combinación de Efecto Factorial
Factores I A B C AB AC BC ABC
a + + - - - - + +
b + - + - - + - +
abc + + + + + + + +
c + - - + + - - +
ab + + + - + - - -
ac + + - + - + - -
bc + - + + - - + -
(1) + - - - + + + -
La generación de la fracción se hace con base en los signos del

contraste ABC: los signos (+) del contraste ABC señalan a los
tratamientos que conforman la llamada fracción principal, y los signos
(-) indican la fracción complementaria
Estructura de alias del diseño 23−1 con I = ABC
Los dos diseños factoriales fraccionados 23−1 así generados,
proporcionan la misma calidad de información sobre los efectos
potencialmente importantes. Se puede mostrar que cualquier otra
elección de cuatro tratamientos daría peores resultados.
Nótese que el diseño 23−1 se forma al seleccionar solo las
combinaciones de tratamientos que producen un signo positivo sobre
la columna ABC. Por esto ABC se denomina generador de una
fracción particular. Además, la columna identidad I siempre es
positiva, por lo cual:
I = ABC
Se denominara relación definitoria de nuestro diseño, en general, la

relación definitoria de un factorial fraccionario siempre es el conjunto
de todas las columnas que son iguales a la columna identidad I.

Las combinaciones de tratamientos del diseño 23−1 producen 3 G.L.
que pueden usase para estimar los efectos principales. En la tabla
anterior se muestra que las combinaciones lineales de las
observaciones que se utilizan para estimar los efectos principales A,
B, y C son:
1 1
LA = (a − b − c + abc) LB = (−a + b − c + abc)
2 2
1 1
LC = (−a − b + c + abc) LAB = (−a − b + c + abc)
2 2
1 1
LBC = (a − b − c + abc) LAC = (−a + b − c + abc)
2 2
Por lo tanto LA = LBC , LB = LAC y LC = LAB .


En consecuencia, es imposible distinguir entre A y BC, entre B y AC y
entre C y AB. De hecho, es posible mostrar que cuando se estima A, B
y C, en realidad, lo que sé esta haciendo es estimar A + BC, B + AC y
C + AB, respectivamente.
Dos o más efectos que tienen esta propiedad se conoce como alias,
esto es, dos efectos estimados por el mismo contraste se conocen
como alias.
En este ejemplo, A y BC, B y AC y C y AB son alias. En resumen, la
estructura del alias del diseño factorial fraccionado 23−1 está dada
por:Esto se indica empleando la notación:
LA → A + BC
LB → B + AC
LC → C + AB


La estructura de los alias se pueden determinar con la relación
I = ABC, multiplicando cualquier efecto por la relación que define al
diseño, modulo 2, da como resultado los alias de dicho efecto.
A ∗ I = A ∗ ABC = A2 BC ⇒ A = BC
O dado que el cuadrado de cualquier columna es simplemente la

identidad I.
De modo similar, se encuentra que los alias de B y C son:
B ∗ I = B ∗ ABC = AB 2 C = AC
C ∗ I = C ∗ ABC = ABC 2 = AB
Esta fracción un medio o semifracción, con I = +ABC, suele llamarse

fracción principal.
Interpretación de efectos alias.

Para interpretar los efectos alias es necesario suponer que sólo uno
de ellos es responsable del efecto observado y que los demás efectos
son nulos. Por ejemplo, si se utilizara el diseño 23−1 con la estructura
de alias, los efectos alias se interpretan atribuyendo (por jerarquía) el
efecto observado al efecto principal de cada grupo y considerando
nulas las interacciones dobles.
Comúnmente resulta bastante riesgoso suponer a priori que las
interacciones dobles no afectan, de aquí que no se recomienda utilizar
este diseño, a menos que el costo experimental no permita correr el
factorial completo. En general no es buena estrategia utilizar diseños
fraccionados donde se alían dos efectos que son potencialmente
importantes, como son los efectos principales y las interacciones
dobles; sin embargo, habrá situaciones en las que no queda otra
alternativa.

Estructura de alias del diseño 23−1 con I = −ABC
Ahora supóngase que se eligió la otra mitad de la replica. Esta se
compone de las combinaciones de tratamientos de la tabla anterior
que tiene signo negativo asociado con ABC. Esta fracción un medio o
alterna que consta de las siguientes corridas:
Equivalencia de las dos notaciones del diseño 23 para la fracción

complementaria.
Notación 1 Notación 2
(1) - - -
ab + + -
ac + - +
bc - + +
La relación definitoria de este diseño es:
I = −ABC
Estructura de alias del diseño 23−1 con I = −ABC

Usando la fracción alterna, las combinaciones lineales de las
observaciones, L0A , L0B y L0C , son:
L0A → A − BC
L0B → B − AC
L0C → C − AB

Resolución del diseño
Un diseño factorial fraccionado es de resolución R si los efectos

formados por la interacción de p factores, no son alias de efectos de
interacción que tengan menos de R - p factores.
El diseño anterior 23−1 se conoce como diseño de resolución III. En tal
diseño los alias de los efectos principales son interacciones de dos
factores. Un diseño es resolución R si ningún efecto de p factores es
alias de otro efecto que tenga menos R − p factores. Usualmente, se
emplea el numeral romano como subíndice para indicar la resolución
del diseño. Así, la fracción un medio del diseño 23 definido por la
relación I = ABC (o bien I = −ABC) constituye un diseño.
Los diseños de resolución III, IV y V son de importancia primordial. A
continuación, se presenta la definición de estos diseños.

1 Diseño con resolución III: éstos son diseños en los que ningún
efecto principal es alias de otro, pero si lo son de las interacciones
de dos factores; a su vez, estas últimas son alias entre sí. Por
ejemplo, el diseño 23−1 con relación definidora I = ABC (o I =
-ABC) es de resolución III. (23−1
III ).
2 Diseño con resolución IV: Ningún efecto principal es alias de
otro efecto principal, o bien, de alguna interacción de dos
factores. Las interacciones de dos factores son “alias” entre sí. Un
diseño 24−1 con I = ABCD es de resolución IV (24−1 IV ).
3 Diseños resolución V: Ningún efecto principal o interacción de
dos factores es alias de ningún efecto principal o interacciones
dobles, es decir, los efectos principales y las interacciones dobles
son alias con interacciones triples o de mayor orden, por lo que
los efectos principales e interacciones dobles están limpiamente
estimados. Un diseño 25−1 con I = ABCDE es de resolución V
(25−1
V ).
En general, la resolución de un diseño factorial fraccionario de dos

niveles es igual al mínimo número de letras de cualquier palabra o
efecto de la relación que define al diseño (relación definidora). Así en
los diseños 2k −1 la resolución es igual al número de letras del
generador, ya que al mismo tiempo éste es la relación definidora. En
consecuencia, los diseños anteriores, a menudo, se conocen como
diseños de 3, 4 y 5 letras, respectivamente, es decir las fracciones
23−1 , 24−1 y 25−1 tienen resolución III, IV y V, respectivamente, porque
sus generadores correspondientes se componen de 3, 4 y 5 letras.
Por lo general se deben usar diseños fraccionarios con la mayor
resolución posible congruentes con el fraccionamiento requerido. A
mayor resolución, las suposiciones relativas a las interacciones que
deben despreciarse con el propósito de hacer una interpretación única
de los datos son menos restrictivas.

Construcción de Fracciones Un Medio del factorial
2k
Es posible construir una fracción un medio de mayor resolución, de un diseño 2k , escribiendo
primero los tratamientos del diseño 2k −1 completo y agregando después el k -ésimo factor
identificando sus niveles positivos y negativos mediante los signos positivos y negativos de la
interacción de mayor orden ABC..(K - 1).
Por lo tanto, el diseño factorial fraccionario 23−1
III se obtiene
2
escribiendo el diseño 2 completo e igualando después el factor C con
la interacción AB. La fracción alterna se obtiene igualando el factor C
con la interacción -AB.
Las dos fracciones un medio del diseño 23−1
III
Factorial 22
completo
Corrida (diseño básico) 23−1
III , I = ABC 23−1
III , I = -ABC
A B A B C=AB A B C=-AB
1 - - - - + - - -
2 + - + - - + - +
3 - + - + - - + +
4 + + + + + + + -
Construcción de Fracciones Un Medio
En el generador I = ABC · · · K se despeja la columna faltante (K), de

modo que K = ABC...(K - 1) definida por el producto de signos más y
menos por usar en cada renglón a fin de producir los niveles para el
k-ésimo factor.
Nótese que cualquier efecto de interacción puede usarse para generar
la columna del k -ésimo factor. Sin embargo, si no se utiliza el efecto
ABC...(K- 1) no se produce el diseño de mayor o más alta resolución.

Construcción de Fracciones Un Medio
En resumen, una manera de construir en dos pasos diseños

fraccionados 2k −1 con la más alta resolución posible es la siguiente:
1 Se lista el diseño factorial completo para k − 1 factores, y de esta
forma se tienen las primeras k − 1 columnas de la fracción
deseada.
2 La columna faltante (la k -ésima) se construye multiplicando entre
sí las columnas previas. Si se quiere la fracción complementaria
se cambian los signos de esta última columna. El diseño que
resulta es un diseño factorial fraccionado 2k −1 con resolución
máxima R = k .
Otra manera de interpretar la construcción de una fracción un medio
del diseño consiste en , ( asignar los ensayos a dos bloques,
confundiendo la interacción de mayor orden ABC ...K. Cada bloque de
2k −1 ensayos es un diseño factorial fraccionario 2k −1 de máxima
resolución.
Ejemplo
Construcción del diseño 24−1 . Estos dos pasos aplicados en la

construcción del diseño factorial fraccionado 24−1 con resolución IV y
con generador I = −ABCD quedan de la siguiente manera:
1. Primero se lista el diseño factorial completo 24−1 = 23 dado por:
Diseño Básico Factorial 23 Completo
A B C D
- - -
+ - -
- + -
+ + -
- - +
+ - +
- + +
+ + +
dejando en blanco los espacios para los niveles del factor D.

Ejemplo
2. La columna faltante de niveles para el factor D se obtiene a partir
de producto de las columnas A, B y C de acuerdo al generador.
En este caso el generador indica que D = −ABC. Haciendo el
producto −ABC se obtienen los signos de la cuarta columna:
A B C D = −ABC
- - - +
+ - - -
- + - -
+ + - +
- - + -
+ - + +
- + + +
+ + + -
Si se quisiera la fracción principal que tiene generador I = +ABC, el

primer paso es el mismo, y en el segundo paso los niveles de D se
obtienen con el producto positivo de las columnas (D = +ABC).
Aqui, una ventaja de la fracción complementaria con respecto a la fracción principal, es que no
contiene las combinaciones de niveles más extremas (−, −, −, −) y (+, +, +, +).

Analisis de Diseños Fraccionales 2k −1 de media
replica
Los diseños replicados proporcionan una estimación de la varianza

del error experimental a partir del análisis de varianza. Sin embargo,
con la réplica fraccionaria de los experimentos no se dispone de una
estimación directa del error experimental para evaluar la significancia
de los efectos principales e interacciones de los factores.
En el siguiente ejemplo se describe una estrategia para estimar el
error experimental en réplicas fraccionadas de experimentos 2k con
un diseño factorial fraccionado 25−1
V .
Una compañía ganó un contrato para fabricar gabinetes de aluminio
con recubrimiento de un polímero plástico para tranceptores. El
equipo de investigación que tenía la responsabilidad de desarrollar un
proceso para adherir la capa de polímero al aluminio, identificó cinco
factores en el proceso que posiblemente afectaran la adhesión.

replica
Éstos eran: el tipo de aleación de aluminio (A), el tipo de solvente

usado para limpiar el aluminio (S), la estructura molecular del
recubrimiento de polímero (M), el porcentaje de catalítico usado en el
proceso de adhesión (C) y la temperatura de curado en el proceso (T).
Se eligió un diseño factorial 25 para aprovechar la estructura del
tratamiento factorial al evaluar las interacciones importantes junto con
los efectos principales. Usaron dos aleaciones de aluminio, dos tipos
de solvente, dos estructuras moleculares para el polímero, 10 y 15 %
de catalizador y 150o y 175o para la temperatura de curado.
Decidieron usar un factorial fraccionario 25−1
V que requería sólo 16
unidades experimentales.

replica
La interacción de cinco factores ASMCT fue el contraste de definición

utilizado para generar el diseño, así podrían correr la segunda mitad
del diseño, si fuera necesario completar el factorial.
De la misma manera, la fracción media podía proporcionar suficiente
información para indicar la necesidad de alterar los niveles de algunos
factores o eliminar aquellos sin efectos.
En la siguiente tabla se muestran los tratamientos, los coeficientes de
los efectos principales y de las interacciones de dos factores, y las
respuestas de las corridas experimentales.
La fuerza necesaria para remover el recubrimiento plástico del
gabinete de aluminio se usó como variable respuesta.

replica
Fuerza necesaria para remover el recubrimiento plástico de una superficie

de aluminio, para tratamientos en un experimento factorial fraccionario 25−1
V
Diseño Trata-
A S M C T AS AM AC AT SM SC ST MC MT CT miento Fuerza*
- - - - + + + + - + + - + - - t 41.5
+ - - - - - - - - + + + + + + a 39.6
- + - - - - + + + - - - + + + s 43.9
+ + - - + + - - + - - + + - - ast 38.8
- - + - - - + + + + + + - - + m 48.7
+ - + - + - + - + - + - - + - amt 52.0
- + + - + - - + - + - + - + - smt 55.8
+ + + - - + + - - + - - - - + asm 43.2
- - - + - + + - + + - + - + - c 39.5
+ - - + + - - + + + - - - - + act 42.6
- + - + + - + - - - + + - - + sct 44.0
+ + - + - + - + - - + - - + - asc 33.8
- - + + + + - - - - - - + + + mct 53.6
+ - + + - - + + - - - + + - - amc 48.1
- + + + - - - - + + + - + - - smc 51.3
+ + + + + + + + + + + + + + + asmct 48.7

replica
Los coeficientes (+) y (-) para los primeros cuatro factores (A, S, M y
C) de un factorial 25−1 = 24 están escritos en orden normal; los
coeficientes para la interacción ASMC se usan para identificar los
niveles del quinto factor (T) que se usarán en los tratamientos.
Los 16 tratamientos mostrados tienen coeficiente + en la interacción
de cinco factores, ASMCT, porque tienen un número impar de letras
de efectos.
El diseño factorial fraccionado 25−1
V no tiene efecto principal ni
interacciones de dos factores que sean alias de otro efecto principal o
interacción de dos factores, mientras que los efectos principales son
alias de interacciones de cuatro factores (por ejemplo, LA = LSMCT )), y
las interacciones de dos factores son alias de interacciones de tres
factores (por ejemplo, LAS = LMCT ).

replica
Si se supone que las interacciones de tres y cuatro factores son

despreciables, las estimaciones de los efectos principales se pueden
usar para identificar los factores candidatos para una investigación
más profunda en estudios sucesivos.
El efecto de un factor en un factorial fraccionado se estima como
sigue:
2(LAB··· )
AB... = (2)
N
donde LAB··· , es el contraste de los efectos factoriales (combinaciones
lineales de los tratamientos) y N es el número total de observaciones
en el experimento.

replica
La suma de cuadrados con 1 grado de libertad para un efecto en un

factorial fraccionario de 2k −1 es:
(LAB··· )2
SC(AB...) = (3)
2k −1
Las estimaciones de los de los efectos principales e interacciones
dobles se calculan con la ecuación (2). Por ejemplo el cálculo para
estimar el efecto del factor A es como sigue:
LA = −41,5 + 39,6 − 43,9 + 38,8 − 48,7 + 52,0 − 55,8 + 43,2 − 39,5 + 42,6 − 44,0
+33,8 − 53,6 + 48,1 − 51,3 + 48,7 = −31,5
2(LA ) 2(−31,5)
A = = = −3,94
16 16
(LA )2 (−31,5)2
SCA = = = 62, 02
16 16

replica
En la siguiente tabla se muestran las estimaciones de los efectos
principales y de interacción de dos factores y sus respectivas Sumas
de cuadrado con los datos de Problema.
Estimaciones y Suma de Cuadrados de los efectos principales e interacciones de dos factores
Efectos Estimación GL SC
A -3,937 1 62,016
S -0,763 1 2,326
M 9,713 1 377,331
C -0,237 1 0,226
T 3,613 1 52,201
A*S -3,688 1 54,391
A*M -0,412 1 0,681
A*C 0,137 1 0,076
A*T 0,738 1 2,176
S*M -0,088 1 0,031
S*C -0,737 1 2,176
S*T 0,163 1 0,106
M*C 0,737 1 2,176
M*T 1,087 1 4,731
C*T 0,438 1 0,766

replica
Los diagramas de Pareto para los efectos de cada una de las

fracciones, así como los gráficos de Daniel (gráfico de probabilidad
normal) se usan para detectar los efectos principales y de
interacciones como los más importantes o que en apariencia son
significativos.
En la siguente figura se muestra la gráfica de probabilidad normal de
los efectos principales y de interacción de dos factores; los efectos
principales que no se encuentran en la línea recta de la gráfica de
probabilidad normal son los efectos de la aleación de aluminio (A), la
estructura molecular del polímero (M) y la temperatura de curado (T);
el efecto estimado para la interacción entre la aleación de aluminio y el
tipo de solvente (AS) se desvía mucho de la recta y los demás efectos
parecen representativos del error experimental aleatorio.

replica
Figura: Gráfica de probabilidad normal de los efectos del ejemplo

replica
Estimación de la varianza del error experimental
Una prueba de la significancia de estos efectos requiere una
estimación de la varianza del error experimental.
Una estrategia general para obtener tal estimación es el siguiente:
Primero seleccionar aquellos efectos que parecen ser despreciables
en la gráfica de probabilidad normal y unir sus sumas de cuadrados
para estimar el error experimental.
Según la gráfica de probabilidad normal, parece que sólo los efectos
A, M, T y AS son significativos, el resto son despreciables y
representativos de la variación debida al error experimental.
Segundo construir la tabla del análisis de varianza con los efectos
significativos y con el resto como error.
La siguiente tabla muestra el análisis de varianza para un modelo que
contiene efectos A, M, T, S y AS; se incluyó el efecto principal de S
para el análisis porque el efecto de interacción AS está incluido.
replica
Tabla del análisis de varianza

Análisis de varianza para un modelo reducido con efectos
A, M, T y AS de un factorial fraccionario 25−1
Fuente de Grados de Suma de Cuadrados Pvalor
variación libertad cuadrados medios Fc Pr(F>Fc)
A 1 62.02 62.02 44.11 0.000
M 1 377.33 377.33 268.36 0.000
T 1 52.20 52.20 37.12 0.000
S 1 2.33 2.33 1.77 0.213
AS 1 54.39 54.39 38.68 0.000
Error 10 13.14 1.31
Total 15 561.41

replica
Estimación de la varianza del error experimental

Observe que S no es significativo y podría unirse a la suma de
cuadrados del error siguiendo la estrategia general. En el Análisis de
varianza descrito, la suma de cuadrados combinada para los efectos
que parecen despreciables será
SCE = SC(error ) + SCS = 13,14 + 2,33 = 15,47, con 11 grados de
libertad. Así, una estimación de la varianza del error experimental es
s2 = 15,47/11 = 1,41.

Fracción de un cuarto de factoriales 2k
Las fracciones más pequeñas para las corridas iniciales del factorial
2k pueden proporcionar suficiente información para tomar decisiones
críticas sobre la efectividad de los factores, en especial cuando se
tiene un número más o menos grande de factores o cuando las
corridas individuales son costosas.
Un cuarto de réplica del diseño 2k se designa como un factorial
fraccionario de 212 2k = 2k −2 .
Un cuarto de réplica de un diseño 26 es un factorial fraccionario 26−2
que requiere de sólo 16 de las 64 corridas necesarias para el diseño
completo 26 y corresponde a un bloque del diseño de bloque
incompleto para un diseño 26 en cuatro bloques de 16 unidades. Se
puede usar cualquiera de los cuatro bloques para el diseño 26−2 .

Contrastes de definición para los diseños fraccionados a un
cuarto
Se usan dos contrastes de definición para los diseños fraccionados a
un cuarto.
Se requieren dos contrastes de definición para construir los cuatro
bloques incompletos que, junto con su interacción generalizada se
confunden con los bloques con estos mismos contrastes de definición
se construye el diseño 26−2 . Suponiendo que se seleccionan ABDE y
ABCF como generadores del diseño, la interacción generalizada del
generador del diseño es:
ABDE × ABCF = A2 B 2 CDEF = CDEF
Los generadores de diseño junto con su interacción generalizada

completan la relación de definición para el diseño, como sigue:
I = ABDE = ABCF = CDEF


cuarto
Los tratamientos necesarios para el diseño se pueden identificar en
forma análoga a la mostrada para el diseño de media réplica.
Los coeficientes + y - de los efectos principales de A, B, C y D se
escriben en orden normal para un factorial completo 26−2 = 24 .
Los alias de E y F que contienen alguna de las letras de factores A a D
se usan para determinar los coeficientes de E y F en los tratamientos.
Dados los generadores del diseño ABDE, ABCF y su interacción
generalizada CDEF, los alias respectivos de E y F son:
E = ABD = CDF = ABCEF
y
F = ABC = CDE = ABDEF


cuarto
Las equivalencias E = ABD y F = ABC se pueden usar para
determinar los coeficientes de E y F; es decir, los coeficientes de ABD
se toman como coeficientes para E y los de ABC para F. En la tabla se
muestran los tratamientos necesarios para el diseño.
Los contrastes de definición para el diseño de un cuarto de réplica
tienen cuatro letras, de manera que el diseño obtenido tiene
resolución IV, o un factorial fraccionado 26−2
IV .

Construcción de un diseño factorial fraccionario de 26−2

IV
A B C D E = ABD F = ABC Tratamiento
- - - - - - (1)
+ - - - + + aef
- + - - + + bef
+ + - - - - ab
- - + - - + cf
+ - + - + - ace
- + + - + - bce
+ + + - - + abcf
- - - + + - de
+ - - + - + adf
- + - + - + bdf
+ + - + + - abde
- - + + + + cdef
+ - + + - - acd
- + + + - - bcd
+ + + + + + abcdef

Ningún efecto principal es alias de otro efecto principal o de interacciones de dos factores, pero
las interacciones de dos factores son alias de una o más de las otras interacciones de dos
factores; en la tabla se muestra el conjunto completo de alias.
6−2
Relaciones de alias para el factorial fraccionario 2IV con
relaciones de definición I = ABDE = ABCF = CDEF.
Alias de
Efecto ABDE ABCF CDEF
A BDE BCF ACDEF
B ADE ACF BCDEF
C ABCDE ABF DEF
D ABE ABCDF CEF
E ABD ABCEF CDF
F ABDEF ABC CDE
AB DE CF ABCDEF
AC BCDE BF ADEF
AD BE BCDF ACEF
AE BD BCEF ACDF
BC ACDE AF BDEF
CD ABCE ABDF EF
CE ABCD ABEF DF
ACD BCE BDF AEF
ACE BCD BEF ADF

Construcción de Fracción de un Cuarto de
Factoriales 2k
El diseño factorial fraccionado 2k −2 se puede construir en dos pasos:

1 Se escribe el diseño 2k −2 como si fuera un factorial completo en
k − 2 factores, y de esta forma se tienen los niveles de los
primeros k − 2 factores.
2 Los niveles que corresponden a los factores de las dos últimas
columnas (factores k − 1 y k ) se obtienen multiplicando columnas
previas de acuerdo a los generadores.

Factoriales 2k
Ejemplo: Fracción 25−2 .

Se tienen cinco factores y que sólo se cuenta con recursos para correr
una cuarta parte del diseño factorial 25 , es decir, correr un diseño
fraccionado 25−2 que se construye mediante los pasos:
1 Se escribe el diseño factorial completo 23 para los tres primeros
factores A, B y C, dejando las columnas D y E en blanco:
Diseño Básico Factorial 23 Completo
A B C D E
- - -
+ - -
- + -
+ + -
- - +
+ - +
- + +
+ + +

Factoriales 2k

2 Los niveles para los factores D y E se obtienen al seleccionar de
manera adecuada generadores. En este caso se proponen como
los generadores I = ABD e I = ACE, y el tercer generador es el
producto ABD × ACE = BCDE. Así, la relación definidora del
diseño que da como I = ABD = ACE = BCDE.
Al reescribir los generadores en la forma: I = ABD ⇒ D = AB e
I = ACE ⇒ E = AC, entonces con los productos AB y AC se
generan los niveles del factor D y E, respectivamente. Haciendo
los productos indicados se completa la tabla anterior y se tiene el
diseño factorial que se muestra en la siguiente tabla, que tiene
resolución III puesto que en la relación definidora el generador
más pequeño tiene tres letras.

Factoriales 2k

Diseño Factorial Diseño 25−2
III , I = ABD = ACE.
A B C D E
- - - + +
+ - - - -
- + - - +
+ + - + -
- - + + -
+ - + - +
- + + - -
+ + + + +

Factoriales 2k
Ejemplo: Fracción 25−2 . Estructura de alias.
La estructura de alias se obtiene al multiplicar cada efecto por la
relación definidora dada por:
I = ABD = ACE = BCDE
Estructura alias completa del diseño 25−2

III .
A + BD + CE + ABCDE
B + AD + ABCE + CDE
C + ABCD + AE + BDE
D + AB + ACDE + BCE
E + ABDE + AC + BCD
BC + ACD + ABE + DE
BE + ADE + ABC + CD
I + ABD + ACE + BCDE

Factoriales 2k
Ejemplo: Fracción 25−2 . Estructura de alias.

Los grupos de efectos alias ahora tienen cuatro elementos. Cada
efecto principal cuenta con al menos una interacción doble como su
alias, que es lo que implica la resolución III. No es posible construir
una fracción 25−2 con resolución mayor que III.
La estructura de alias completa incorpora hasta los efectos de interac
ción del más alto orden, aunque no sean de interés. Toda la
información importante está contenida en la estructura de alias
reducida, que involucra sólo hasta las interacciones dobles.

Diseño factorial fraccionado 2k −p
Una fracción 1/2p de un diseño 2k se denomina como un factorial

fraccionario de 2k −p ; en general, una fracción de este tipo requerirá p
generadores de diseño con 2p − p − 1 interacciones generalizadas
cada efecto tendrá 2p − 1 alias.
La fracción 1/22 o diseño de un cuarto 26−2IV visto en la tabla anterior
requiere p = 2 generadores que dan 22 − 2 − 1 = 1 interacciones
generalizadas se obtuvieron 22 − 1 = 3 alias para cada efecto.
En general, un diseño factorial fraccionado 2k −p es una fracción 1/2p
del diseño factorial completo 2k .
Para construir un diseño 2k −p se eligen p generadores iniciales, todos
interacciones del más alto orden posible, de manera que todos sus
productos también sean interacciones de alto orden.
Una vez elegidos los p generadores el diseño se puede construir en
los siguientes pasos:

1 Se escribe el diseño 2k −p como si fuera el factorial completo para

k − p factores.
2 Para los últimos p factores las columnas de signos se obtienen
multiplicando las columnas que indican los generadores.
La relación definidora tiene tantos términos como productos se
puedan hacer con los p generadores. De la relación definidora se
obtiene la estructura de alias y la resolución de la fracción resultante.
Es importante tener cuidado al seleccionar los generadores de diseño
para evitar que los efectos de interés sean alias de otros en el estudio,
por lo tanto se debe estudiar la estructura de alias antes de asignar
los factores a las letras cuando se establece un experimento.
Existen tablas de diseños factoriales fraccionados que incluyen su
estructura de alias, lo que permite al investigador elegir el diseño, y
saber con anticipación cuáles serían los alias de los efectos
potencialmente importantes.
Estimación de efectos y sumas de cuadrados.

Los efectos y las sumas de cuadrados en los diseños factoriales
fraccionados 2k −p se obtienen a partir de los contrastes, de manera
similar a como se hace con los factoriales completos 2k .
Se obtiene un contraste para cada grupo de efec tos alias y se
pondera por una constante apropiada para estimar el efecto
correspondiente como una diferencia de medias. Así, el efecto de un
grupo de efectos alias X se estima como:
ContrasteX
Efecto X = (4)
2k −p−1
y su correspondiente suma de cuadrados es:
(ContrasteX )2
SC X = (5)
2k −p

Estimación de efectos y sumas de cuadrados.

Cada Efecto tiene un grado de libertad.
Al calcular la suma de cuadrados totales (SCT) y la suma de
cuadrados del error (SCE), compuesta por efectos pequeños
excluidos con base al gráfico de probabilidad normal, se puede
construir un ANOVA razonable.
Al excluir un efecto del análisis se deben excluir también todos sus
alias.

Ejemplo.
En una compañía se compró un equipo de afilado, y después de una
semana se dieron cuenta de que el exceso de vibración en el proceso
era un problema muy serio. Un equipo de mejora decide tratar de
reducir la vibración aplicando diseño de experimentos.
Identifican siete factores, todos asociados con la herramienta de
afilado, que pueden tener algo que ver en la cantidad de vibración:
diámetro, longitud, tamaño de grano del material, velocidad de
alimentación, revoluciones por minuto, estructura del material y peso
de la precarga. Se eligen dos niveles para cada factor, en los cuales
llevar a cabo el experimento.
Como la puesta en marcha de la prueba y el tiempo de corrida tienen
un alto costo, el equipo decide utilizar un experimento de ocho
corridas.

Ejemplo.
Factores y niveles utilizados: problema de vibración.
Factor Descripción (unidades) Niveles
bajo, alto
A: grano Tamaño de grano (/ pulgada) 80 120
B: long Longitud (pulgadas) 1,0 2,0
C: diam Diámetro (pulgadas) 1,0 1,5
D: rpm Rpm (1 000) 15 20
E: precar Peso de precarga (libras) 1,0 1,4
F: matest Estructura del material (onzas) 1,0 4,0
G: alim Velocidad de alimentación (pulg/min) 2,0 4,0
Bajo el supuesto de que los efectos de interacción se pueden

considerar despreciables, se decide correr un diseño fraccionado
(saturado) 27−4
III

Ejemplo.
La relacion definidora es I = ABD = ACE = BCF = ABCG =
BEG = AFG = CDG = DEF = ABEF = ACDF = ADEG = BCDE =
BDFG = CEFG = ABCDEFG
El diseño tiene resolución III, lo cual implica que hay efectos
principales que son alias con interacciones dobles. La estructura de
alias reducida se muestra en la siguiente tabla
Estructura de alias del diseño 27−4

III
(fracción principal).
A + BD + CE + FG
B + AD + CF + EG
C + AE + BF + DG
D + AB + CG + EF
E + AC + BG + DF
F + AG + BC + DE
G + AF + BE + CD

Ejemplo.
Se muestra en la siguiente tabla los factores junto con los resultados
obtenidos. (D = AB; E = AC; F = BC ; G = ABC )
Matriz de diseño y vibración observada.
Grano Long. Diám. RPM Precar Matest Alim. Vibra
-1 -1 -1 1 1 1 -1 77,4
1 -1 -1 -1 -1 1 1 68,3
-1 1 -1 -1 1 -1 1 81,9
1 1 -1 1 -1 -1 -1 66,2
-1 -1 1 1 -1 -1 1 42,1
1 -1 1 -1 1 -1 -1 78,3
-1 1 1 -1 -1 1 -1 39,0
1 1 1 1 1 1 1 68,4
El experimento tiene un total de siete grados de libertad, que se

gastan en estimar sólo a los efectos principales, y quedan cero grados
de libertad para el error en el ANOVA.

Ejemplo.
Se calculan los contrastes, las estimaciones de los efectos y Sumas
de Cuadrado correspondientes dando los siguientes resultados.
Contraste, Estimaciones de los efectos y Sumas de Cuadrado de los

efectos principales.
EFECTO Contraste EF.estimado Suma de Cuadrado
A Grano 40,8 10,20 208,08
B Long. -10,6 -2,65 14,05
C Diam. -66 -16,50 544,50
D RPM -13,4 -3,35 22,45
E Precar 90,4 22,60 1021,52
F Matest -15,4 -3,85 29,65
G Alim. -0,2 -0,05 0,01

Ejemplo.
Con las estimaciones se obtiene el grafico de normalidad para
observar que factores podrían ser significativos.
Figura: Gráfica de probabilidad normal de los efectos del ejemplo

Ejemplo.
Con esta información se puede realizar un análisis de varianza,
mandando al error a los cuatro efectos alineados.
Análisis de Varianza considerando solo efectos principales

Grano, Diametro y Peso Precarga.
FV GL SC CM Fc F0 Valor-p
AGrano 1 208,08 208,08 12,584 7,70865 0,0239
CDiám. 1 544,5 544,5 32,930 0,0046
EPrecar 1 1021,52 1021,52 61,779 0,0014
Error 4 66,14 16,535
Total 7 1840,24
El objetivo del estudio es encontrar una combinación de los niveles de

los factores que minimicen el problema de la vibración de la máquina
de afilado.

Diseñofatorial Fraccionado

Hochgeladen von

Dokumentinformationen

Originaltitel

Copyright

Verfügbare Formate

Dieses Dokument teilen

Dokument teilen oder einbetten

Freigabeoptionen

Stufen Sie dieses Dokument als nützlich ein?

Sind diese Inhalte unangemessen?

Copyright:

Verfügbare Formate

Diseñofatorial Fraccionado

Hochgeladen von

Copyright:

Verfügbare Formate

Diseño Factorial Fraccionado

Dra. Katia García Alfaro

Maestría en Estadística - UNSAAC

(Maestría en Estadística - UNSAAC) 15 de julio de 2017 1 / 61

Los diseños factoriales, son diseños que son ampliamente utilizados

(Maestría en Estadística - UNSAAC) 15 de julio de 2017 2 / 61

Los diseños factoriales fraccionarios usan sólo la mitad, la cuarta

(Maestría en Estadística - UNSAAC) 15 de julio de 2017 3 / 61

Conforme el número de factores del experimento crece, el número

(Maestría en Estadística - UNSAAC) 15 de julio de 2017 4 / 61

Número de Efectos en los factoriales 2k .

(Maestría en Estadística - UNSAAC) 15 de julio de 2017 5 / 61

Por otro lado, se necesitan 128 observaciones para un experimento

(Maestría en Estadística - UNSAAC) 15 de julio de 2017 6 / 61

Concepto de réplica fraccionada

(Maestría en Estadística - UNSAAC) 15 de julio de 2017 7 / 61

La notación 2k −1 significa una fracción a la mitad del diseño factorial

(Maestría en Estadística - UNSAAC) 15 de julio de 2017 8 / 61

Tabla de Signos para el diseño 23 .

La generación de la fracción se hace con base en los signos del

Se denominara relación definitoria de nuestro diseño, en general, la

Estructura de alias del diseño 23−1 con I = ABC

(Maestría en Estadística - UNSAAC) 15 de julio de 2017 12 / 61

Estructura de alias del diseño 23−1 con I = ABC

(Maestría en Estadística - UNSAAC) 15 de julio de 2017 13 / 61

Estructura de alias del diseño 23−1 con I = ABC

O dado que el cuadrado de cualquier columna es simplemente la

Esta fracción un medio o semifracción, con I = +ABC, suele llamarse

Interpretación de efectos alias.

(Maestría en Estadística - UNSAAC) 15 de julio de 2017 15 / 61

Equivalencia de las dos notaciones del diseño 23 para la fracción

La relación definitoria de este diseño es:

Estructura de alias del diseño 23−1 con I = −ABC

(Maestría en Estadística - UNSAAC) 15 de julio de 2017 17 / 61

Un diseño factorial fraccionado es de resolución R si los efectos

(Maestría en Estadística - UNSAAC) 15 de julio de 2017 18 / 61

En general, la resolución de un diseño factorial fraccionario de dos

(Maestría en Estadística - UNSAAC) 15 de julio de 2017 20 / 61

En el generador I = ABC · · · K se despeja la columna faltante (K), de

(Maestría en Estadística - UNSAAC) 15 de julio de 2017 22 / 61

En resumen, una manera de construir en dos pasos diseños

Construcción del diseño 24−1 . Estos dos pasos aplicados en la

(Maestría en Estadística - UNSAAC) 15 de julio de 2017 24 / 61

Si se quisiera la fracción principal que tiene generador I = +ABC, el

(Maestría en Estadística - UNSAAC) 15 de julio de 2017 25 / 61

Los diseños replicados proporcionan una estimación de la varianza

(Maestría en Estadística - UNSAAC) 15 de julio de 2017 26 / 61

Éstos eran: el tipo de aleación de aluminio (A), el tipo de solvente

(Maestría en Estadística - UNSAAC) 15 de julio de 2017 27 / 61

La interacción de cinco factores ASMCT fue el contraste de definición

(Maestría en Estadística - UNSAAC) 15 de julio de 2017 28 / 61

Fuerza necesaria para remover el recubrimiento plástico de una superficie

(Maestría en Estadística - UNSAAC) 15 de julio de 2017 29 / 61

(Maestría en Estadística - UNSAAC) 15 de julio de 2017 30 / 61

Si se supone que las interacciones de tres y cuatro factores son

(Maestría en Estadística - UNSAAC) 15 de julio de 2017 31 / 61

La suma de cuadrados con 1 grado de libertad para un efecto en un

(Maestría en Estadística - UNSAAC) 15 de julio de 2017 32 / 61

(Maestría en Estadística - UNSAAC) 15 de julio de 2017 33 / 61

Los diagramas de Pareto para los efectos de cada una de las

(Maestría en Estadística - UNSAAC) 15 de julio de 2017 34 / 61

Figura: Gráfica de probabilidad normal de los efectos del ejemplo

(Maestría en Estadística - UNSAAC) 15 de julio de 2017 35 / 61