La familia de diseños factoriales 2k consiste en k factores, todos

con dos niveles de prueba

Los factoriales 3k consiste en k factores cada uno con tres niveles
de prueba
Es claro que si los k factores no tienen la misma cantidad de
niveles, debe escribirse el producto de manera explícita; por
ejemplo, con k = 3 factores, el primero con cuatro niveles y los dos
restantes con dos niveles
Se desea mejorar el rendimiento del proceso
en la fabricación de semiconductores.

Pag 200
Design-Expert® Software One Factor Design-Expert® Software One Factor
Warning ! Factor involved in an interaction. rendimiento 65
Warning! Factor involved in an interaction.
rendimiento 65

X1 = A: A X1 = B: B

Actual Factors 50.25 Actual Factors 50.25

B: B = 0.00 A: A = 0.00
C: C = -0.11 C: C = -0.11

rendimiento
D: D = -0.03
rendimiento

D: D = -0.03
E: E = 0.00 E: E = 0.00
35.5 35.5

20.75 20.75

6 6

-1.00 -0.50 0.00 0.50 1.00 -1.00 -0.50 0.00 0.50 1.00

A: A B: B

Design-Expert® Software Interaction

Design-Expert® Software One Factor rendimiento B: B
65
rendimiento = 56.8851
rendimiento 65 LSD: 2.70815

X1 = C: C B- -1.000 50.25
B+ 1.000
Actual Factors 50.25

rendimiento
A: A = 0.00 X1 = A: A = 1
B: B = 0.00 X2 = B: B = 1.00
rendimiento

D: D = -0.03 35.5
E: E = 0.00 Actual Factors
35.5 C: C = -0.11
D: D = -0.03
E: E = 0.00
20.75

20.75

6 -1.00 -0.50 0.00 0.50 1.00

-1.00 -0.50 0.00 0.50 1.00

A: A

C: C
Los factores A,B,C en sus valores altos se encuentra
que el rendimiento máximo para las mejores
condiciones es 61,9063%

Como los efectos D y E no son significativos da lo mismo en que nivel se

corrió si fue + o – ya que tampoco tiene interacción significativa por lo
que con los datos que se tiene se puede replantear el diseño 23 con 4
repeticiones (8*4=32) lo que seria lo mismo si se hubiese corrido de esa
forma de forma directa ya que los niveles de D y E no tendrán ninguna
influencia en los resultados si se corre D o E en su nivel alto o bajo. El
realizar esta operación se le llama COLAPSACION O PROYECCION
DEL DISEÑO
Ejemplo 25
Pag 208
Coeficiente de variación CV
Es una medida de la variabilidad relativa, para
cuantificar en términos porcentuales la
variabilidad de las unidades experimentales
frente a la aplicación de un determinado
tratamiento

5-10 % Excelente
11-15% Muy bueno
16-20% Bueno
21-25% Regular
26-31% Malo
>31% Muy malo
Raul Ochoa pag 20
La interacción doble que se observa de CE, BC se observa que el
factor C influye en alguna forma y no dará lo mismo en cualquier
valor del factor C como en el anterior caso, para lo cual con la
ayuda de las gráficas observamos que el factor C es da mayores
rendimientos cuando C se encuentra en su valor mas alto C+, y los
demás factores hacemos un análisis por cada factor para un alto
rendimiento.
Rendimiento predicho para los valores
seleccionados de cada factor (-,-,+,-,-)
A,B,C,D,E
Lack Of Fit (falta de ajuste) significativo
Por lo que nos muestra que la falta de ajuste es notoria, lo cual nos
demuestra que no se ajusta a un plano, por lo que existe curvatura en
nuestro modelo.
Lack Of Fit (falta de ajuste) significativo
Por lo que nos muestra que la falta de ajuste es notoria, lo cual nos
demuestra que no se ajusta a un plano, por lo que existe curvatura en
nuestro modelo.
Otra forma de analizar es seleccionar “Curvatura y analizar si mi
curvatura es significativa.

Como la curvatura es significativa, entonces se puede adicionar

puntos axiales pasar a la optimización con los factores escogidos.
Pag. 261
 El ejemplo 25 resuelto analizaremos si se
ubiese corrido solo la mitad de los
experimentos 25-1
Se desea mejorar el rendimiento del proceso en la fabricación de
semiconductores.
e=18

Pag. 267
25-1

25
Como se observa los efectos mas influyentes
se repiten, sin embargo se realizaron menos
experimentos llegando a la misma conclusión
que realizando un factorial 25, , donde se
descarto los factores D y E los cuales no eran
significativos y tenian influencia en el proceso.

Por lo tanto bastaba con una fracción a la

mitad 25-1 de experimentos utilizando la mitad
de recursos invertidos para obtener las
mismas conclusiones.