UNIVERSIDAD POLITÉCNICA ESTATAL DEL CARCHI

FACULTAD DE INDUSTRIAS AGROPECUARIAS Y CIENCIAS

AMBIENTALES

ESCUELA DE INGENIERÍA EN ALIMENTOS

ENSAYO

TEMA:

Diseño Factorial con Factores 2K

CURSO:

Quinto “B” Ingeniería en Alimentos

INTEGRANTES:

Sandra Maribel PINGUIL LEMA

Edgar Vinicio PONCE GALLEGOS

Daysi Tatiana PUCACHAQUI CARRILLO

Joselin Cristina SEVILLANO FUEL

Lady Soledad QUIROZ MINDA

Adriana Maribel TARAPUES TERAN

Ana Belén VELA NARVÁEZ

DOCENTE

Ing. Christiam JÁCOME CEDILLO

JUNIO 2018
 Diseño Factorial con Factores 2K

Los experimentos factoriales son aquellos en los que se comparan o estudian

simultáneamente dos o más factores principales, incluyendo los diferentes niveles o
modalidades de cada uno. El Anova en experimentos factoriales constituye una técnica
estadística para analizar el efecto de dos o más variables independientes (factores) sobre
una variable respuesta.

Existen varios casos especiales del diseño factorial general que resultan importantes
porque se usan ampliamente en el trabajo de investigación, y porque constituyen la base
para otros diseños de gran valor práctico. En los últimos años se ha observado un creciente
interés por algunas de las ideas del profesor Genechi Taguchi acerca del diseño
experimental y su aplicación al mejoramiento de la calidad. El diseño factorial
fraccionario 2 k-p se usa en experimentos para identificar con rapidez y de manera
eficiente el subconjunto de factores que son activos, y para obtener alguna información
sobre la interacción. La propiedad de proyección de estos diseños hace posible en muchos
casos examinar los factores activos con más detalle. La combinación secuencial de estos
diseños a través del plegamiento es una forma muy eficaz de obtener información extra
acerca de las interacciones, la cual puede identificarse en un experimento inicial como
potencialmente importante. (Alzada, 2007)

El más importante de estos casos especiales ocurre cuando se tienen k factores, cada uno
con dos niveles. Estos niveles pueden ser cuantitativos como sería el caso de dos valores
de temperatura presión o tiempo. También pueden ser cualitativos como sería el caso de
dos máquinas, dos operadores, los niveles "superior" e "inferior" de un factor, o quizás,
la ausencia o presencia de un factor. Una réplica completa de tal diseño requiere que se
recopilen 2 x 2 x .... x 2 = 2k observaciones y se conoce como diseño general 2k.
(Galindez, 2010)

El trabajo que realizar es con el objetivo de investigar y a su vez analizar de que

trata los experimentos factoriales lineales y de regresión 2k con la utilización de libros
para asociarlo con la carrera de ingeniería de alimentos mediante la obtención de
características y ventajas que nos brinda este método de experimentación.

Los diseños factoriales fueron utilizados en el siglo XIX por Jhon Bennet Lawes y Henry
J. Gilbert de la Estación experimental de Rothamsted. Ronald Fisher discutió en 1926 que
los diseños «complejos», como diseños factoriales, eran más eficientes que estudiando un
factor a la vez. Fisher escribió: «ningún aforismo se repite más con frecuencia con
respecto a ensayos prácticos, que eso nosotros debemos hacer naturaleza pocas preguntas,
o, idealmente, a una pregunta, a la vez. Convencen el escritor de que esta visión está
confundida enteramente. Naturaleza, sugiere, responderá lo mejor posible aun lógico y
pensó cuidadosamente hacia fuera el cuestionario.» Un diseño factorial permite el efecto
de varios factores e incluso interacciones entre ellas que se determinarán con el mismo
número de ensayos que son necesario determinar delos efectos por sí mismo con el mismo
grado de exactitud. Yates realizó importantes contribuciones significativas hechas,
particularmente en el análisis de diseños, por Análisis de Yates. El término factorial no
se pudo haber utilizado en la impresión antes de 1935, cuando Fisher la utilizó en su libro.
(Vergara, 2002)

Un diseño factorial es aquél en el que se investigan todas las posibles

combinaciones de los niveles de los factores en cada ensayo completo, en este caso se
dicen que están cruzados, apareciendo el concepto de interacción, muchos experimentos
se llevan a cabo para estudiar los efectos producidos por dos o más factores, puede
mostrarse que en general los diseños factoriales son los más eficientes para este tipo de
experimentos. En diseños industriales es frecuente considerar dos niveles para cada uno
de los factores que pueden intervenir en el diseño experimental. Un diseño con k factores
que tienen dos niveles requiere un número de replicaciones igual a 2k observaciones. En
este tipo de modelos se asume que los efectos son fijos y la aleatorización completa y se
consideran las mismas restricciones que en el caso de los diseños factoriales típicos.

Por diseño factorial se entiende aquel en el que se investigan todas las posibles
combinaciones de los niveles de los factores en cada ensayo completo o réplica del
experimento. Por ejemplo, si existen “a” niveles del factor A y “b” niveles del factor B,
entonces cada réplica del experimento contiene todas las “ab” combinaciones de los
tratamientos. A menudo, se dice que los factores están cruzados cuando éstos se arreglan
en un diseño factorial. El efecto de un factor se define como el cambio en la respuesta
producida por un cambio en el nivel del factor. Con frecuencia, éste se conoce como
efecto principal porque se refiere a los factores de interés primordial del experimento.

Las ventajas de los diseños factoriales pueden ilustrarse fácilmente. Supongamos

que se tienen dos factores, A y B, cada uno con dos niveles. Estos niveles se representan
mediante A1, A2, B1 y B1. La información acerca de ambos factores puede obtenerse
variando un factor a la vez como aparece en la tabla 3. El efecto de variar el factor A está
dado por A2B1 -A1B2. A causa de que existe error experimental, es conveniente realizar,
por ejemplo, dos observaciones de cada combinación de tratamientos y hacer una
estimación de los efectos de los factores usando las respuestas promedio. Por lo tanto, se
requiere un total de seis observaciones.

Los diseños factoriales poseen algunas ventajas en los cuales son más eficientes
que los experimentos de un factor a la vez. son necesarios cuando alguna interacción
puede estar presente, para evitar hacer conclusiones engañosas. permiten estimar los
efectos de un factor en diversos niveles de los otros factores, produciendo conclusiones
que son válidas sobre toda la extensión de las condiciones experimentales. Los tipos más
sencillos de diseños factoriales implican sólo dos factores o conjuntos de tratamientos.
Haya “a” niveles del factor A y “b” niveles del factor B, dispuestos en un diseño factorial;
esto es, cada A repetición o réplica del experimento contiene todas las combinaciones de
tratamiento ab. En general, hay n repeticiones.
Los mayores beneficios de los diseños factoriales completos se obtienen cuando
se deben estudiar pocas variables. El motivo es que el número de experimentos crece
exponencialmente con el número de factores. Por ejemplo, para 8 factores, el diseño 2 8
comprende 256 experimentos. Éstos permiten estimar 256 efectos, muchos de los cuales
son interacciones de orden elevado y no serán significativos. Para estudiar un número
elevado de factores, es más eficaz utilizar sólo una fracción de un diseño factorial
completo.
Se utiliza la técnica estadística que permite identificar y cuantificar las causas de un efecto dentro de
un estudio experimental. Un diseño experimental se manipula deliberadamente una o más variables,
vinculadas a las causas, para medir el efecto que tienen en otra variable de interés. El diseño experimental
prescribe una serie de pautas relativas. Variables hay que manipular, de qué manera, cuántas veces se
requiera el experimento y en qué orden para poder establecer con un grado de confianza predefinido la
necesidad de una presunta relación de causa-efecto. El diseño factorial encuentra aplicaciones en la
industria, la agricultura, el mercado tenia, la medicina, las ciencias de la conducta, etc. constituyendo una
fase esencial en el desarrollo de un estudio experimental. (Cochran, 2003)

El diseño factorial se lleva con dos factores para estudiar los efectos producidos por
dos o más factores. Puede mostrarse que en general los diseños factoriales ya que son los
más eficientes para este tipo de experimentos. Por diseño factorial se entiende aquel en el
que se investigan todas las posibles combinaciones de los niveles de los factores en cada
ensayo completo o réplica del experimento. (Alzada, 2007)
 Los diseños factoriales permiten estimar los efectos de un factor en diversos niveles
de los otros factores, producidos que son válidas sobre toda la extensión de las
condiciones experimentales. Diseño factorial es aquel en el que sólo tiene dos factores,
A y B, cada uno con dos niveles. Este diseño se conoce como diseño factorial 22.
Arbitrariamente, los niveles del factor pueden llamarse “bajo” y “alto”.

Siempre trataremos de buscar el modelo más sencillo que explique bien la variable
respuesta. Por ejemplo:

Si aceptamos H0 ∶ (αβ)11 = · · · = (αβ)ab = 0 Concluimos que la interacción no

influye de manera apreciable en la respuesta, y pasaríamos a considerar un modelo con
dos factores sin interacción y calcularíamos de nuevo la tabla ANOVA. Si, además,
aceptamos que uno de los factores no influye en la respuesta, lo eliminaríamos del
modelo y trabajaríamos con un modelo de un factor. (Cochran, 2003)

Construcción de un diseño factorial completo 2k es Por su sencillez, una matriz de

experimentos factorial completa 2k no requiere un software especializado para construirla
ni para analizar sus resultados. En estos diseños, cada factor se estudia a sólo dos niveles
y sus experimentos contemplan todas las combinaciones de cada nivel de un factor con
todos los niveles de los otros factores. Muestra las matrices 22, 23 y 24, para el estudio
de 2, 3 y 4 factores respectivamente. La matriz comprende 2k filas (2 ´ 2... ´ 2 = 2k
experimentos) y k columnas, que corresponden a los k factores en estudio. Si se construye
en el orden estándar, cada columna empieza por el signo –, y se alternan los signos – y +
con frecuencia 20 para x1, 21 para x2, 22 para x3, y así sucesivamente hasta xk, donde los
signos se alternan con una frecuencia 2k-1. (Galindez, 2010)

Tabla 1:
Análisis de varianza ANOVA
F: V S.C G: L M:C F exp

Factor A SCA a−1 CMA CMA/CMR

Factor B SCb b−1 CMB CMB/CMR

 Interacción SCAb (a − 1)(b − 1) CM/(AB) CM/(AB)MR

Residual SCE ab(n − 1) CMR

Total SCT abn − 1 CMT

Fuente: (Alzada, 2007)

Los diseños factoriales son a ampliamente utilizados en experimentos en los que

intervienen varios factores para estudiar el efecto conjunto de estos sobre una
respuesta. Existen varios casos especiales del diseño factorial general que resultan
importantes porque se usan ampliamente en el trabajo de investigación, y porque
constituyen la base para otros diseños de gran valor práctico, el más importante de estos
casos especiales ocurre cuando se tienen k factores, cada uno con dos niveles., estos
niveles pueden ser cuantitativos como sería el caso de dos valores de temperatura presión
o tiempo, también pueden ser cualitativos como sería el caso de dos máquinas, dos
operadores, los niveles “superior" e "inferior" de un factor, o quizás, la ausencia o
presencia de un factor, una réplica completa de tal diseño requiere que se recopilen 2 x 2
x.... x 2 = 2k observaciones y se conoce como diseño general 2k.
Referencias Bibliográficas
Alzada, J. (2007). Métodos estadísticos para la investigación . Madrid: Ambardt.

Cochran, W. (2003). Diseño experimental. Zaragoza: Trillas.

Galindez, M. (17 de Febrero de 2010). Análisis de varienza en experimentos factoriales.

Obtenido de Análisis de varienza en experimentos factoriales:
http://fcf.unse.edu.ar/archivos/series-didacticas/sd-21-estadistica.pdf

Huertas, G. (2004). Diseños factoriales.New york: McGraw Hill.

Kuehl, R.(2001). Diseño factoral con dos diseños.Mexico: Acribia.

Venegas ,W. (2008). Disenos experimental . Acribias : Trillas.

Vergara, A. (2002). Diseños de investigación experimental. Madrid: Prentice Hall.