Diseños factoriales

DISEÑOS FACTORIALES
El objetivo de un diseño factorial es estudiar el efecto de varios factores sobre una o varias
respuestas o características de calidad, es decir, lo que se busca es estudiar la relación entre
los factores y la respuesta, con la finalidad de conocer mejor cómo es esta relación y generar
conocimiento que permita tomar acciones y decisiones que mejoren el desempeño del
proceso. Por ejemplo, uno de los objetivos particulares más importantes que en general tiene
un diseño factorial es determinar una combinación de niveles de los factores en la cual el
desempeño del proceso sea mejor que en las condiciones de operación actuales, es decir,
encontrar nuevas condiciones de operación del proceso que eliminen o disminuyen cierto
problema de calidad en la variable de salida.

Los factores pueden ser de tipo cualitativo (máquinas, tipos de material, operador, la
presencia o ausencia de una operación previa, etc.), o de tipo cuantitativo (temperatura,
humedad, velocidad, presión, etc.). Para poder estudiar la manera en cómo influye cada factor
sobre la variable respuesta, es necesario elegir al menos dos niveles de prueba para cada uno
de ellos. Con el diseño factorial completo se corren aleatoriamente en el proceso todas las
posibles combinaciones que pueden formarse con los niveles seleccionados.

Definición de experimento factorial

Un diseño de experimentos factorial o arreglo factorial es el conjunto de puntos
experimentales o tratamientos que pueden formarse considerando todas las posibles
combinaciones de los niveles de los factores. Por ejemplo, con k=2 factores ambos con dos
niveles de prueba, se forma el diseño factorial 2x2=22 que consiste de cuatro combinaciones
o puntos experimentales. Considerando otra vez k=2 factores, pero ahora con tres niveles y
el otro con dos niveles se puede construir 3x2 combinaciones que dan lugar al diseño factorial
3x2.

Más en general, la familia de diseños factoriales 2k consiste en k factores, todos con dos
niveles de prueba; la familia de diseños 3k consiste de k factores cada uno con tres niveles de
prueba.

Diseño Factorial 2x2

Supongamos que se tienen dos factores A: tiempo y B: velocidad, cada uno con dos niveles
(bajo y alto), la respuesta es la cantidad de aditivo. En el experimento, cada tratamiento se
corrió tres veces (tres réplicas) lo que da un total de 12 corridas del proceso. Por simplicidad
sólo se muestra los resultados de la primera réplica:

1
Diseños factoriales

Velocidad
Tiempo
600 1000
17,10 18,76
3 ─ ─
─ ─
16,26 18,16
6 ─ ─
─ ─

Efecto principal y efecto de interacción

El efecto de un factor se define como el cambio observado en la variable respuesta debido a
un cambio de nivel de tal factor. En particular los efectos principales, son los cambios en la
media de la variable respuesta debido a la acción individual de cada factor. Matemáticamente
el efecto principal de un factor es la diferencia entre la respuesta media observada cuando tal
factor estuvo en su nivel más alto y la respuesta media observada cuando el factor estuvo en
su nivel más bajo. Por ejemplo, para los datos de la tabla anterior están daos por:
16.26+18.16 17.10+18.76
Efecto A: Tiempo = − = −0.72
2 2

18.76+18.16 17.10+16.26
Efecto B: Velocidad = − = 1.78
2 2

Por otro lado, se dice que dos factores interactúan entre sí o que tienen un efecto de
interacción sobre la variable respuesta, cuando el efecto de un factor depende del nivel en
que se encuentra el otro. Por ejemplo, los factores tiempo y velocidad interactúan si el efecto
del tiempo es muy diferente en cada nivel de velocidad, o viceversa, si el efecto de la
velocidad depende del tiempo. Veamos esto con los datos:

Efecto A con B bajo: 16.26 – 17.10 = -0.84

Y cuando la velocidad es alta el efecto de A es:

Efecto A con B alto: 18.16 – 18.76 = -0.6

Si estos dos efectos de A en función del nivel B fueran diferentes, entonces eso sería
evidencia de que la elección más conveniente del nivel de A depende del nivel en que esté B
y viceversa. Es decir, eso sería evidencia de que los factores A y B interactúan entre sí. En la
práctica el cálculo del efecto de A en cada nivel de B no se hace, y más bien se calcula el
efecto global de la interacción entre los dos factores. El efecto de interacción entre A y B,
denotado por AB se calcula como la diferencia entre la respuesta media cuando ambos
factores se encuentran en el mismo nivel ((bajo, bajo),(alto, alto)), y la respuesta media
cuando los factores se encuentran en niveles opuestos ((bajo, alto),(alto, bajo)). Para el
ejemplo el efecto de la interacción tiempo x temperatura está dado por:

17.10 + 18.16 16.26 + 18.76

AB = − = 0.12
2 2

2
Diseños factoriales

Los valores absolutos de los efectos principales y del efecto de la interacción son una medida
de la magnitud de su efecto sobre la variable respuesta. Así, entre más grande sea el valor
absoluto de un efecto, mayor influencia tendrá sobre la variable respuesta. Sin embargo, para
saber si los efectos son estadísticamente significativos se requiere del análisis de varianza.

Ventajas de los diseños factoriales

1. Son diseños que se pueden aumentar para formar diseños compuestos en caso de que
se requiera una exploración más completa.
2. Se pueden correr fracciones de diseños factoriales, las cuales son de gran utilidad en
las primeras etapas de una investigación que involucra a muchos factores, cuando
interesa descartar de manera económica los que son importantes, antes de hacer un
estudio más detallado con los factores que si son importantes.
3. Pueden utilizarse en combinación con diseños de bloques en situaciones en las que
no puede correrse el diseño factorial completo bajo las mismas condiciones o
circunstancias.
4. La interpretación y cálculo de los efectos en los experimentos factoriales se puede
hacer con aritmética elemental, en particular cuando cada factor se prueba en dos
niveles.

Diseños Factoriales con dos Factores

Considere los factores A y B con a y b (a, b ≥ 2) niveles de prueba, respectivamente. Con
ellos se puede construir el diseño factorial a x b que consiste en a x b tratamientos. Se llama
réplica a cada repetición completa del arreglo factorial. Los diseños factoriales que
involucran menos de 4 factores se corren replicados para poder tener la potencia necesaria
en las pruebas estadísticas sobre los efectos de interés, de tal forma que si se hacen n réplicas,
el número total de corridas experimentales es n(a x b).

Modelo Estadístico:
Con un diseño factorial a x b se pueden estudiar los efectos individuales y el efecto de
interacción de ambos factores. En términos estadísticos lo que se afirma es que el
comportamiento de la variable respuesta Y en el experimento con k réplicas se podrá escribir
mediante:

Yijk = μ + αi + βj + (αβ)ij + εijk

i = 1,2, … , a j = 1,2, … , b k = 1,2, … , n

Donde μ es la media general, αi es el efecto del i-ésimo nivel del factor A, βj es el efecto del
j-ésimo nivel del factor B, (αβ)ij representa el efecto de interacción en la combinación ij y
εijk es el error aleatorio que supone sigue una distribución con media cero y varianza
constante σ2 y son independientes entre sí. Para que la estimación de los parámetros en este
modelo sea única, se introducen las restricciones:

3
Diseños factoriales

∑ai=1 αi = ∑bj=1 βj = 0 y ∑ai=1(αβ)ij = ∑bj=1(αβ)ij = 0

Es decir, los efectos dados en el modelo son desviaciones respecto de la media global.

Hipótesis a evaluar y análisis de varianza

Para el Factor A

H0 : Efecto A = 0

H1 : Efecto A ≠ 0

H0 : α1 = α2 = ⋯ = αa = 0

H1 : αi ≠ 0 para algún i

Para el Factor B

H0 : Efecto B = 0

H1 : Efecto B ≠ 0

H0 : β1 = β2 = ⋯ = βb = 0

H1 : βj ≠ 0 para algún j

Para la interacción AB:

H0 : Efecto AB = 0

H1 : Efecto AB ≠ 0

H0 : (αβ)ij = 0 para todo ij

H1 : (αβ)ij ≠ 0 para algún ij

El ANOVA para un diseño factorial a x b con n réplicas resulta de descomponer la variación

total como:

4
Diseños factoriales

SST=SSA+SSB+SSAB+SSE

Y la tabla de ANOVA está dada por:

Fuente de Suma de Grados de Cuadrados Estadístico

Variación cuadrados libertad medios F

Efecto A SSA a-1 CMA=SSA/(a-1) CMA/CME

Efecto B SSB b-1 CMB=SSB/(b-1) CMB/CME

Efecto AB SSAB (a-1)(b-1) CMAB=SSAB/((a-1)(b-1)) CMAB/CME

Error SSE ab(n-1) CME=SSE/(ab(n-1))

Total SST abn-1

Ejemplo:

En un experimento llevado a cabo para determinar cuál de tres sistemas de misiles es

preferible, se midió el promedio de consumo de los propulsores para 24 encendidos estáticos.
Se utilizaron cuatro tipos diferentes de propulsores. En el experimento se obtuvieron
observaciones duplicadas de promedios de consumo en cada combinación de los
tratamientos. Los datos aparecen a continuación:

Sistema de Tipo de impulsor

Misiles B1 B2 B3 B4
34,0 30,1 29,8 29,0
A1
32,7 32,8 26,7 28,9
32,0 30,2 28,7 27,6
A2
33,2 29,8 28,1 27,8
28,4 27,3 29,7 28,8
A3
29,3 28,9 27,3 29,2

Ejercicios:

1. Se realizó un estudio con el objetivo de averiguar la estabilidad de la vitamina C en

concentrado de jugo de naranja congelado reconstituido que se almacena en un
refrigerador por un periodo de hasta una semana. Tres tipos de concentrado de jugo
de naranja congelado se probaron utilizando tres periodos diferentes de tiempo. Estos
últimos se refieren al número de días que transcurren desde que el jugo de naranja se
mezcla hasta que se somete a la prueba. Los resultados, en miligramos de ácido
ascórbico por litro, se registraron de la siguiente manera, según se indica en la
siguiente tabla.

5
Diseños factoriales

Tiempo en días
Marca
0 3 7
52,6 54,2 49,2 49,4 42,7 48,8
A1
49,8 46,5 42,8 53,2 40,4 47,6
56,0 48,0 48,8 44,0 49,2 44,0
A2
49,6 48,4 44,0 42,4 42,0 43,2
52,5 52,0 48,0 47,0 48,5 43,4
A3
51,8 53,6 48,2 49,6 45,2 47,6

Utilice un nivel de significancia de 0,05 para probar las hipótesis:

a) No existe diferencia en los contenidos de ácido ascórbico entre las diferentes
marcas de concentrado de jugo de naranja.
b) No existen diferencias en los contenidos de ácido ascórbico debido a los
diferentes periodos de tiempo.
c) Las marcas de concentrado de jugo de naranja y el número de días que transcurre
desde que el jugo se mezcla hasta que se somete a la prueba no interactúan.

2. Se realizó un estudio para determinar qué músculos necesitan sujetarse a un

programa de acondicionamiento de tal forma que se mejore el comportamiento de un
jugador en el servicio tendido utilizado en tenis. Se probaron cinco músculos
diferentes: deltoide anterior, pectoral mayor, deltoide posterior, deltoide medio y
tríceps; en cada uno de tres individuos, y el experimentador se llevó a cabo tres veces
para cada combinación de tratamiento. Los datos del electromiograma, registrados
durante el servicio fueron los siguientes:

6
Diseños factoriales

Músculo
Sujeto
1 2 3 4 5
32 5 58 10 19
1 59 1,5 61 10 20
38 2 66 14 23
63 10 64 45 43
2 60 9 78 61 61
50 0 78 71 42
43 41 26 63 61
3 54 43 29 46 85
47 47 23 55 95

a) Individuos diferentes tienen iguales mediciones de electromiograma.

b) Diferentes músculos no tienen efecto sobre las mediciones electromiográficas.
c) Los sujetos y los tipos de músculos no ineractúan.

3. Un ingeniero está diseñando una batería para usarse en un aparato que estará sujeto a
variaciones extremas de temperatura. Tiene tres opciones para el material de la placa
para la batería, y como sabe que la temperatura afecta la vida de la batería decide
probar tres temperaturas: 15°F, 70°F, 125°F. Se prueban 4 baterías en cada
combinación de material y temperatura y las 36 pruebas se corren en orden aleatorio
(completamente al azar). Los datos son vida (en horas) de las baterías.

Tipo de Temperatura (°F)

Material 15 70 125
130 155 34 40 20 70
1
74 180 80 75 82 58

150 188 136 122 25 70

2
159 126 106 115 58 45

138 110 174 120 96 104

3
168 160 150 139 82 60

a) ¿Qué efectos produce el material y la temperatura en la vida de la batería?

b) ¿Existe un material que produzca uniformemente más larga vida a la batería sin
importar la temperatura?
4. Se estudia el rendimiento de un proceso químico. Se piensa que las dos variables más
importantes son la presión y la temperatura. Se seleccionan tres niveles de cada factor

7
Diseños factoriales

y se lleva a cabo un experimento factorial con dos réplicas. Los datos del rendimiento
son:

Presión (psig)
Temperatura (°C)
200 215 230
90.4 90.7 90.2
150
90.2 90.6 90.4
90.1 90.5 89.9
160
90.3 90.6 90.1
90.5 90.8 90.4
170
90.7 90.9 90.1

a) Analice los datos, ¿qué concluye?

b) ¿Bajo qué condiciones debe operarse este sistema?

5. Un ingeniero sospecha que el acabado superficial de una pieza metálica se afecta por
la velocidad de alimentación y la profundidad de corte. Selecciona tres velocidades
de alimentación y cuatro profundidades de corte. Se realiza un experimento factorial
y se obtiene los siguientes resultados:

Velocidad de Profundidad de corte (pulg)

Alimentación (pulg/min) 0.15 0.18 0.20 0.25
74 79 82 99
0.20 64 68 88 104
60 73 92 96
92 98 99 104
0.25 86 104 108 110
88 88 95 99
99 104 108 114
0.30 98 99 110 111
102 95 99 107

6. Se describe un experimento para investigar el efecto del tipo de cristal y el tipo de

fósforo sobre la brillantez de un cinescopio. Los datos son la corriente en micro
amperes necesaria para obtener un nivel de brillantez específico. Los datos son los
siguientes.

8
Diseños factoriales

Tipo de Tipo de fósforo

Cristal 1 2 3.00
280 300 290
1.00 290 310 285
285 295 290
230 260 220
2.00 235 240 225
240 235 230

9
Diseños factoriales

10