Diseo Factorial de Experimentos

Felipe Miranda Esperanza Medina

Usos

F A C T O R E S

DISEO FACTORIAL DE EXPERIMENTOS

R E S P U E S T A

Optimizar Formular modelos Seleccionar variables

Cuando usarlo
No se conoce teora

Se quiere identificar variables ms importantes

Se supone que existen interacciones entre variables

independientes Se necesita una base emprica para optimizar

Tipos de diseos factoriales

Lineal: establece variables significativas

Fraccionados: ahorra experimentos cuando se tienen

muchas variables Cuadrticos: consideran puntos adicionales para generar modelos ms complejos.

Nomenclatura
Factores (F): variables independientes Respuesta (R): Variable dependiente Niveles (L): valores que toman las variables independientes Nmero de experimentos (N) para diseos lineales:

NL

Ortogonalidad
El diseo factorial se basa en el
Experimento de 3 Factores

principio de ortogonalidad, para simplificar los clculos Dos vectores son ortogonales entre s cuando la suma de sus elementos es cero y cuando la suma del producto de sus elementos tambin es cero.

EXPE 1 2 3 4 5 6 7

X1 -1 +1 -1 +1 -1 +1 -1

X2 -1 -1 +1 +1 -1 -1 +1

X3 -1 -1 -1 -1 +1 +1 +1

+1

+1

+1

SUMA

Transformacin de Variables
Para lograr vectores ortogonales es necesario transformar las

variables originales Ejemplo: variable temperatura. Nivel inferior: 20 C; nivel superior: 80 C. Promedio: (80+20)/2 = 50 Radio: (80-20)/2 = 30 X1 = (Temp - 50)/30

Estimacin del error

Para determinar el error que se comete en la

experimentacin, usualmente se deben repetir experimentos. Se obtiene mayor informacin si se repiten los puntos centrales del diseo (valores promedios de cada variable)

Modelos matemticos
Modelos para dos Variables

2=C1

X2=C1

X2=C2

X1

X2=C2

X1

Modelo Aditivo

Modelo Interactivo

Y b0 b1 X 1 b2 X 2

Y b0 b1 X 1 b2 X 2 b12 X 1 X 2

Procedimiento para el diseo factorial

Seleccionar el nmero de variables independientes o factores (F) Seleccionar el nmero y el valor de los niveles por cada factor (L) Estructurar la matriz de los experimentos Realizar los experimentos Calcular el error experimental Calcular el efecto de curvatura Calcular los coeficientes del modelo matemtico Determinar la validez estadstica de cada coeficiente Establecer la validez del modelo matemtico generado Interpretar los resultados

Efecto de curvatura
Calcular promedio de puntos centrales, su varianza en base a los

valores de la variable respuesta (varianza estimada) con f2=Nc-1 grados de libertad y la desviacin estndar (Se) Calcular efecto de curvatura (EC): promedio de puntos centrales menos promedio de puntos factoriales (de la variable respuesta) Determinar el intervalo de confidencia. Si contiene al cero el efecto de curvatura no es significativo.

EC t se

1 1 N F NC

Coeficientes del modelo

Calcular la suma de los cuadrados de los valores de Xj [1]

Calcular el producto de cada vector Xj por el vector Y [2]

Calcular los coeficientes del modelo matemtico bj = XjiYi/

X2ji , vale decir dividiendo [3]=[2]/[1] Clculo de [4] Clculo de tj = |bj| / sbj [5]=[3]/[4] Significancia estadstica: Si tj > tp(f2)
Sbj Se / N F

Validez del modelo matemtico

Se determina por la prueba de Fisher que compara dos varianzas: la

varianza residual sobre la varianza estimada. F = sr2 / se2 La varianza residual se calcula elevando al cuadrado las diferencias entre los valores respuesta experimentales y los calculados y dividiendo entre NF K:

y y ) (matemtico. K es el nmero de coeficientes que tiene el modelo S N k Si se cumple que F<Ftablas entonces el modelo matemtico es
2 2 r exp cal

estadsticamente significativo Ftablas se encuentra con 0,05de error y grados de libertad f1=N-k y f2=Nc-1

Diseo Fraccionado
Se emplea para seleccionar variable

Permite reducir el nmero de experimentos

Sea k el Nr. De factores y P el grado de fraccionamiento. Nr.

de experimentos: 2k-P Matriz de diseo: estndar para k-P factores principalesk-P columnas

Principios del diseo fraccionado

A un nuevo factor se le confunde con la interaccin del mayor

orden posible. Si se tiene un diseo para los factores A,B,C,D, entonces la variable E ser igual a la interaccin ABCD. E=ABCD Indentidad generatriz. Propiedades de las columnas de signos: A.A=I; A.I=A; (AB)C=A(BC); AB=BA Efectos confundidos: 2k - 2k-P Efectos no confundidos se multiplican por identidad generatriz para establecer con quienes estn confundidos. Ej.: A.I=A(ABCD)E=BCDE

Diseo para modelos cuadrticos

Se emplean cuando los modelos lineales no predicen

acertadamente los procesos en estudio. Adems de la matriz estndar de diseo se deben considerar 2k puntos estrella. k corresponde a nr. de factores.

K Distancia estrella

2 1,000

3 1,215

4 1,414

5 1,547

Ortogonalidad de diseos cuadrticos

N X0 X1 X2 X1X2 X12 X22

1 2 3 4 5 6 7 8 9

+ + + + + + + + +

+ + +a -a 0 0 0

+ + 0 0 +a -a 0

+ + 0 0 0 0 0

+ + + + a2 a2 0 0 0

+ + + + 0 0 a2 a2 0

El diseo cuadrtico no es ortogonal, por lo que se debe cambiar de variables a los trminos cuadrticos

4+2a2

4+2a2

Diseos cuadrticos
Cambio de variable a trmino cuadrtico: Ui=Xj2-X2