Ingeniera de Calidad

Ingeniera Industrial
Este modelo estudia el efecto de dos factores considerando
dos niveles en cada uno. Cada rplica de este diseo
consiste de 2x2=4 combinaciones o tratamientos.
Se pueden denotar de la siguiente forma:

A B A B A B A B A B A B Yates

- -
Trat. 1 bajo A1 B1 A B - - 0 0 -1 -1 (1)
bajo
+ -
Trat. 2 alto A2 B1 AB + - 1 0 1 -1 a
bajo
- +
Trat. 3 bajo A1 B2 A B - + 0 1 -1 1 b
alto
+ +
Trat. 4 alto A2 B2 AB + + 1 1 1 1 ab
alto

La notacin de Yates representa el total o la suma de las observaciones

en cada tratamiento
 (-1,1) (1,1)
Cada vrtice b ab
representa un

Factor B
punto de
diseo o
tratamiento.
(1) a (1,-
(-1,-1)
Factor A 1)

El rea delimitada por este cuadrado se conoce como regin

experimental (espacio delimitado por los rangos de
experimentacin utilizados en cada factor, las
conclusiones del experimento son vlidas principalmente
en esta regin).
 Arreglo general de un diseo factorial
de dos factores
Factor B

1 2 . . . b

1 Y111, Y112, Y121, Y122, Y1b1, Y1b2,

,Y11n ,Y12n ,Y1bn

Factor A 2 Y211, Y212, Y221, Y222, Y2b1, Y2b2,

,Y21n ,Y22n ,Y2bn

.
.
.
a Ya11, Ya12, , Ya21, Ya22, , Yab1, Yab2,
Ya1n Ya2n , Yabn
 Modelo de un experimento factorial
El modelo de las medias:
Yijk ij ijk
donde i 1,2,..., a
j 1,2,..., b
donde k 1,2,..., n
ij i j ( )ij
El modelo de los efectos es:
Yijk i j ( ) ij ijk
donde i 1,2,..., a
j 1,2,..., b
k 1,2,..., n
En este diseo hay 3 efectos de inters, (A y B) y el efecto
de interaccin (AB). Con el uso de la notacin de Yates
podemos ver que si cada tratamiento se corre n veces,
entonces la media de Y en el nivel alto de A es (a + ab)/2n
y en el nivel bajo es (b + (1))/2n. De aqu y la definicin
del capitulo anterior, los efectos se calculan como:
Aunque los efectos calculados con datos mustrales sean
nmeros distintos de cero, esto no implica que el efecto
correspondiente sea estadsticamente diferente de cero.

Para afirmar que los efectos contribuyen a explicar el

comportamiento de la respuesta, se debe hacer la
prueba estadstica del anlisis de varianza.
Es una combinacin lineal de forma
con . Se sabe que la suma de cuadrados para
cualquier contraste esta dada por:
Esta slo tiene
un grado de
libertad

Por ejemplo, los contrastes correspondientes a los 3

efectos en el diseo factorial 22 estn dados por:
Una manera prctica es elaborando una tabla de signos.
Esta se construye a partir de la matriz de diseo,
multiplicando las columnas que intervienen en la
interaccin que se quiera calcular. A continuacin la tabla
para el diseo factorial 22.
A B AB YATES

- - + (1)

+ - - a

- + - b

+ + + ab
Para obtener el ANOVA, se necesita calcular la suma de
cuadrados de cada uno de los efectos(se pueden obtener
de los efectos o directamente de los contrastes)

CONTRASTES

EFECTOS

SUMA DE CUADRADOS

ANOVA
Una vez obtenidos los contrastes se pueden estimar los
efectos, dividiendo estos por la constante que los
convierte en diferencias de medias. En particular en el
diseo factorial 22 est constante es 2n. Se procede a
probar las hiptesis dadas por:
Para obtener las sumas de cuadrados para cada efecto se
aplica el resultado sobre contrastes de la ecuacin de
contraste, y resultan las expresiones dadas por:

La suma de cuadrados totales se calcula con la expresin:

Con el anlisis de la varianza de la tabla se sabe cuales de los 3
efectos A, B o AB actan sobre la variable de respuesta. Se
recomienda graficar los efectos que fueron activos y aquellos
sobre los que se tenia una conjetura muy definida. Para
determinar las mejores condiciones de operacin del procese se
deben utilizar solo los efectos que resultan estar activos en el
ANOVA. FV SC GL CM F0 Valor-p
A SCA 1 CMA CMA/CME P(F>F0)
B SCB 1 CMB CMB/CME P(F>F0)

AB SCAB 1 CMAB CMAB/CME P(F>F0)

Error SCE 4(n-1) CME

Total SCT n22-1
 Modelo de Regresin
Para medir la calidad del modelo de regresin lineal
mltiple se emplean dos estadsticos:

Coeficiente de determinacin (R2) y

Coeficiente de determinacin ajustado (R2aj)

Estos se calculan a partir del ANOVA de la siguiente

manera:
SCTOTAL SC ERROR
R2 X 100
SCTOTAL
CM TOTAL CM ERROR
R 2
AJ X 100
CM TOTAL
 Modelo de Regresin
Un R2 bajo puede deberse a:
Los factores estudiados, por si solos no tienen la
suficiente influencia para explicar las variaciones
observadas en la variable de respuesta.
Los niveles de los factores estudiados son demasiado
estrechos, por lo que el efecto sobre la variable de
respuesta al cambiar de un nivel a otro es demasiado
pequeo.
Otros factores no estudiados del experimento no se
mantuvieron suficientemente fijos, por lo que tener
variaciones durante el experimento causaron mucha
variacin experimental.
Los errores experimentales y los errores de medicin
fueron altos.
 Prediccin
Larespuesta predicha y en un punto dado es
un estimador de la respuesta promedio en
dicho punto.
 Grficos de superficie

Una superficie de respuesta es la superficie que resulta de

representar grficamente el modelo ajustado y describe el
comportamiento de la respuesta promedio en cada punto
de la regin experimental.
Estos grficos del modelo son particularmente tiles
cuando el modelo tiene dos factores, sin embargo, para
ms de dos factores disminuye su efectividad debido a que
no puede dibujar una superficie en cuatro o ms
dimensiones.
 Grficos de superficie
Existen dos grficos de superficie:

El grfico de superficie y

Las curvas de nivel o isolneas o grfico de contornos.

El grfico de contornos es una superficie de respuesta con

curvas de nivel que permiten ubicar los niveles de los
factores sobre los cuales la variable de inters toma el
mismo valor.
 Anlisis de Residuos
El residuo es la diferencia entre el valor observado en
cierto tratamiento la respuesta predicha por el modelo
para tal tratamientos.
Los supuestos del modelo de ANOVA: normalidad, varianza
constante e independencia de los residuos deben
verificarse antes de dar por vlidas las conclusiones.
La varianza constante se verifica graficando los residuos
contra los predichos y que los puntos deben caer
aleatoriamente en el sentido vertical dentro de una banda
horizontal.
 Anlisis de Residuos
Otro grfico que sirve para comprobar el supuesto de
varianza constante es el de residuos contra cada factor.

Para el supuesto de normalidad es suficiente graficar los

residuos en papel probabilstico normal.

Para probar el supuesto de independencia se requiere

graficar los datos en el orden en el que fueron obtenidos y
los residuos, la grfica deber presentar un
comportamiento aleatorio.
 Gutirrez, H. y De la Vara, R. (2008). Anlisis y diseo de
Experimentos. McGraw Hill.

Rath & Strong Management Consultants (2006). Six Sigma

Pocket Guide. Rath & Strong.

Schmidt, S. y Launsby, R. (1998). Understanding

Industrial Designed Experiments. Air Academy Express

Curso de Entrenamiento Seis Sigma: Green Belt (Johnson

Controls-UPAEP)