You are on page 1of 47

SCREENING

Ing. Williams Castillo Martnez


http://louyauns.blogspot.com
williamsscm@hotmail.com

SCREENING
Identificar
aquellas
variables
que
son
significativas para el proceso.
Diseos experimentales que permiten estimar
modelos de Primer Orden:

Y b0 b1 X 1 b2 X 2 ... bn X n

2 niveles para cada variable controlable


Nivel

Superior: (+), (+1)


Nivel inferior: (-), (-1)

Por que hacer Screening:


Economa

de una investigacin
Tiempo de investigacin

N
de
pruebas
experimental
es
en
las
etapas
posteriores

SCREENING
Entre

los diseos mas usados tenemos:


Diseo factorial 2k
Diseo factorial Fraccionado 2k-p
Diseo Plackett y Burman

RESUMEN DISEO 2K

2k = K Factores a dos niveles.

= n observaciones.
Pasos en el anlisis.
Se definen la variable respuesta y los factores.
Se aleatoriza la toma de datos
Se rellena la tabla de datos
Se calculan los efectos mediante el algoritmo de
signos
Se
decide qu efectos son significativos
mediante el ANOVA.
Se ajusta y construye el modelo de Primer
Orden, y se valida el mismo.

DISEOS CON MUCHOS


FACTORES
25 = 5 Factores a dos niveles. 32 experimentos. Dan
informacin sobre efectos de:

26 = 6 Factores a dos niveles. 64 experimentos. Dan


informacin sobre efectos de:

27 = 7 Factores a dos niveles. 128 experimentos.


Dan informacin sobre efectos de:

DISEO FACTORIAL FRACIONARIO


2K-P
A pesar de que un diseo 2k con una rplica es el
diseo con la menor cantidad de puntos necesarios
para estimar interacciones, en algunos casos este
diseo puede ser demasiado grande.
Suponga por ejemplo un problema en el cual se
tienen 7 variables explicativas, y cada punto requiere
un da de trabajo perdido. Esto significa 128 das!!
Una alternativa razonable es experimentar solo en
algunos puntos del diseo.
El precio a pagar ser la necesidad de despreciar el
efecto de algunas de las interacciones, ya que no
podrn ser estimadas sino conjuntamente con otras.

DISEO FACTORIAL FRACIONARIO


2K-P

Es uno de los mas tiles desde el punto de vista


practico, pues permite obtener una informacin
de varios factores o variables a la vez realizando
un minimo de experiencias (fraccionando un
diseo factorial completo 2k)

Es particularmente til cuando:


Se

tiene poca materia prima para realizar las


experiencias o cuando estas son costosas, lo cual
obliga a realizar pocas pruebas experimentales.
Se requiere informacin rpida.
Existe escases de recursos humanos y materiales.

DISEO FACTORIAL FRACIONARIO


2K-P

Un diseo factorial fraccionario esta definido por:

2k-p

Donde:
k: Es el numero de factores a estudiar.
p: Es el numero de factores a confundir.

De esta manera es posible estudiar por ejemplo


el efecto de cuatro o mas factores, realizando un
mnimo de 8 experiencias.

Para esto se requiere que algunas de las


interacciones de orden superior sean nulas o
despreciables.

EJEMPLO

Produccin de alcohol por fermentacin continua


de melaza de remolacha (datos simulados)
A
B
C
D
E

FACTOR
Velocidad de dilucin (h-1)
Conc. biomasa (g/L, m.s.)
Velocidad agitacin (rpm)
Temperatura (C)
Conc. inic. sustrato (g/L)

-1
0,05
40
100
30
100

+1
0,10
60
300
35
140

Diseo factorial completo 25, 32 experimentos


que dan informacin sobre los siguientes efectos:
Interacciones de
Media
1

Efs. princ.
5

2f
10

3f
10

4f
5

5f
1

SE OBTUVIERON LOS SIGUIENTES


RENDIMIENTOS SEGN EL DISEO
EXPERIMENTAL
Factores
Factores
Ex
p
1
2*
3*
4
5*
6
7
8*
9*
10
11
12*
13
14*
15*
16

-1
1
-1
1
-1
1
-1
1
-1
1
-1
1
-1
1
-1
1

-1
-1
1
1
-1
-1
1
1
-1
-1
1
1
-1
-1
1
1

-1
-1
-1
-1
1
1
1
1
-1
-1
-1
-1
1
1
1
1

-1
-1
-1
-1
-1
-1
-1
-1
1
1
1
1
1
1
1
1

-1
-1
-1
-1
-1
-1
-1
-1
-1
-1
-1
-1
-1
-1
-1
-1

Rto
(%)
61
53
63
61
53
56
54
61
69
61
94
93
66
60
95
98

Ex
p
17*
18
19
20*
21
22*
23*
24
25
26*
27*
28
29*
30
31
32*

-1
1
-1
1
-1
1
-1
1
-1
1
-1
1
-1
1
-1
1

-1
-1
1
1
-1
-1
1
1
-1
-1
1
1
-1
-1
1
1

-1
-1
-1
-1
1
1
1
1
-1
-1
-1
-1
1
1
1
1

-1
-1
-1
-1
-1
-1
-1
-1
1
1
1
1
1
1
1
1

1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1

Rto
(%)
56
63
70
65
59
55
67
65
44
45
78
77
49
42
81
82

EFECTOS ESTIMADOS:

Qu pasara si se hubieran hecho solamente los


experimentos con *?

MATRIZ REORDENADA DE LOS


EXPERIMENTOS *. MATRIZ X CON SLO
EFECTOS
INTERACCIONES
Ex
A B C PRINCIPALES
D E AB AC AD EAE
BC BD BE CD CE DE Rto
p
(%)
DE
2F

17*
2*
3*
20*
5*
22*
23*
8*
9*
26*
27*
12*
29*
14*
15*
32*

-1
1
-1
1
-1
1
-1
1
-1
1
-1
1
-1
1
-1
1

-1
-1
1
1
-1
-1
1
1
-1
-1
1
1
-1
-1
1
1

-1
-1
-1
-1
1
1
1
1
-1
-1
-1
-1
1
1
1
1

-1
-1
-1
-1
-1
-1
-1
-1
1
1
1
1
1
1
1
1

1
-1
-1
1
-1
1
1
-1
-1
1
1
-1
1
-1
-1
1

1
-1
-1
1
1
-1
-1
1
1
-1
-1
1
1
-1
-1
1

1
-1
1
-1
-1
1
-1
1
1
-1
1
-1
-1
1
-1
1

1
-1
1
-1
1
-1
1
-1
-1
1
-1
1
-1
1
-1
1

-1
-1
1
1
1
1
-1
-1
1
1
-1
-1
-1
-1
1
1

1
1
-1
-1
-1
-1
1
1
1
1
-1
-1
-1
-1
1
1

1
1
-1
-1
1
1
-1
-1
-1
-1
1
1
-1
-1
1
1

-1
1
-1
1
1
-1
1
-1
1
-1
1
-1
-1
1
-1
1

1
1
1
1
-1
-1
-1
-1
-1
-1
-1
-1
1
1
1
1

-1
1
1
-1
-1
1
1
-1
1
-1
-1
1
1
-1
-1
1

-1
1
1
-1
1
-1
-1
1
-1
1
1
-1
1
-1
-1
1

56
53
63
65
53
55
67
61
69
45
78
93
49
60
95
82

EFECTOS ESTIMADOS
(INTERACCIONES 3F Y SUPERIORES
DESPRECIABLES):

Se obtiene la misma informacin esencial (B, D, E, BD,


DE) con slo una fraccin del plan factorial completo
Media fraccin o Diseo medio fraccionario del 2 5
(1/2) 25 = 2-1 25 = 25-1 (16 exp.)

LOS 16 EXPERIMENTOS QUE PERMITAN


OBTENER LA INFORMACIN ESENCIAL NO SE
SELECCIONARON AL AZAR. CMO SE
5-1
CONSTRUY
LA
MEDIA
FRACCIN
2
?
Se construy un diseo factorial completo
24
con los factores A, B, C y D
Se escribi una quinta columna con los signos
de ABCD y se asign al factor E. O sea, se hizo
E = ABCD (generador)
Se escribieron columnas para las interacciones
de 2 factores multiplicando las de efectos
principales del modo habitual

QU HA PASADO CON EL RESTO DE


LA INFORMACIN?

De modo similar se puede obtener todo el patrn


de confusin o estructura alias del diseo 25-1:

La media fraccin utilizada es de resolucin V


porque confunde efectos principales con
interacciones 4f (1+4 = V) e interacciones 2f con
3f (2+3 = V): 25-1V

MEDIA FRACCIN
COMPLEMENTARIA

Si, en lugar de E=ABCD hubiramos hecho E=


-ABCD, se habra obtenido la matriz de los
experimentos sin *.
25-1 (con *): B = 20,5 B+ACDE
25-1 (sin *): B = 18,5 B -ACDE
B = ((B+ACDE) + (B-ACDE)) = (20,5 + 18,5) =
19,5
Igual que en el factorial completo, que es la unin
de las dos fracciones.

DISEO 27-4
27-4 = 27 2-4 = 27/16 = fraccin 1/16 de un 27
27-4 = 23 = 8 experimentos, 7 factores (A, B, C,
D, E, F y G)
Construccin:

Escribir

un 23 completo para los factores A, B y C


Escribir columnas para D, E, F y G por medio de AB,
AC, BC y ABC respectivamente
AB AC BC ABC
Exp
1
2
3
4
5
6
7
8

A
-1
1
-1
1
-1
1
-1
1

B
-1
-1
1
1
-1
-1
1
1

C
-1
-1
-1
-1
1
1
1
1

D
1
-1
-1
1
1
-1
-1
1

E
1
-1
1
-1
-1
1
-1
1

F
1
1
-1
-1
-1
-1
1
1

G Resp
-1
y1
1
y2
1
y3
-1
y4
1
y5
-1
y6
-1
y7
1
y8

DISEO 27-4
Propiedades:
4 generadores: D=AB, E=AC, F=BC, G=ABC
Confusin: A = BD = CE = ABCF = BCG = ABCDE =
CDF = ACDG = BEF = ABEG = FG = ADEF = DEG =
ABDFG = ACEFG = BCDEFG BD CE FG 27-4III

Patrn de confusin despreciando interacciones 3f o


ms:

A A+BD+CE+FG
B B+AD+CF+EG
C C+AE+BF+DG
D D+AB+EF+CG
E E+AC+DF+BG
F F+BC+DE+AG
G G+CD+BE+AF

EFECTOS CONFUDIDOS

Cuando se llevan a cabo experimentos factoriales


fraccionados, algunos efectos de factores y/o de
interacciones aparecen confundidos.

Confundidos significa que no es posible distinguir


entre los efectos de ciertos factores o interacciones
y de otros factores o interacciones con los que est
confundidos.

Los efectos confundidos para el diseo 2 3-1 con


relacin definitoria I = +ABC, son:
A = BC
B = AC
C = AB

A esta lista se le llama el patrn de confusin o


estructura Alias.

EN GENERAL UN EXPERIMENTO
2F-P

Puede tener una relacin definitoria que involucre


a varios generadores.

Por ejemplo: I = ABCD, ADE, ACB

Se denomina Resolucin del diseo a la cantidad


de factores que tiene la interaccin de menor
grado en la relacin definitoria. Se denota con
nmeros romanos.

Por ejemplo, un diseo con 5 factores y de


resolucin III, se le presenta como 2 5 III.

Cuanto mayor es la resolucin es mejor el diseo.

EN GENERAL UN
EXPERIMENTO 2F-P

DISEO PLACKETT Y BURMAN

Diseos con dos niveles creados para investigar


un gran numero de factores con un numero de
corridas pequeas, donde el numero de corridas
no esta en una potencia de 2.

Por ejemplo, un diseo esta disponible para


estudiar 11 factores en 12 corridas. Los efectos
principales estn confundidos con interacciones
de 2 factores, tambin estos diseos pueden
usarse cuando las interacciones no estn
presentes o se sabe que son pequeas.

DISEO PLACKETT Y BURMAN

Diseos con dos niveles creados para investigar


un gran numero de factores con un numero de
corridas pequeas, donde el numero de corridas
no esta en una potencia de 2.

Por ejemplo, un diseo esta disponible para


estudiar 11 factores en 12 corridas. Los efectos
principales estn confundidos con interacciones
de 2 factores, tambin estos diseos pueden
usarse cuando las interacciones no estn
presentes o se sabe que son pequeas.

DISEO PLACKETT Y BURMAN

The Plackett-Burman design is a two-level design


for examining n parameters in k = n+1 runs.
Plackett and Burman[41] supply signs3.2 for the
first row of the design matrix shown in Table3.5.
The first row for Plackett-Burman designs.

DISEO PLACKETT Y BURMAN

All other rows of the design are built by shifting


the previous one. An extra row is added to the
design consisting of the minimum values of all
parameters. In Table3.6 a Plackett-Burman
design for 11 parameters is shown.
The first row for Plackett-Burman designs.

DISEO PLACKETT Y BURMAN

COMPARACION DE DISEOS
SCREENING:
FACTORIAL FRACCIONARIO 2K-P, PLACKETT &
Optimizacin de un proceso continuo de
BURMAN
purificacin de enzimas.

Tampn

Alimentacin

Etapa
de
adsorci
n

Fr
Fr

Fr

C
o
n
t
r
o
l

Etapa de
Desorci
n

F2
Residuo

Set
poin
t

COMPARACION DE DISEOS
SCREENING:
FACTORIAL
FRACCIONARIO
2K-P, PLACKETT
Optimizacin
de un proceso
continuo &de
BURMAN
purificacin de enzimas.

Variable

Dependiente: Rendimiento del proceso (%) -

YVariable independientes
E

Porosidad de gel

Fr

Velocidad de recirculacin (L/h)

Co

Concentracin de enzima a se
purificada en la alimentacin de
etapa de adsorcin (mol/L)

X
1

X
2

-1

+1

0.4

0.6

0.01125

0.01875

x3 3.55x10

-6

10.65x106

F1 Velocidad de alimentacin en la
etapa de adsorcin (L/h)

x4

0.3

0.5

V1 Volumen total en reactor de

x5

0.075

0.125

F2 Velocidad de alimentacin en la

x6

0.0375

0.0625

adsorcin (L)

etapa de desorcion (L/h)

COMPARACION DE DISEOS
SCREENING:
K-P
FACTORIAL
FRACCIONARIO
, PLACKETT &
Diseos
Screening 2
Evaluados
BURMAN

Opci
n

Diseos

Configuracin

N de
ensayos

27

128

Completo

Fraccionado

27-1

64

Fraccionado

27-2

32

Fraccionado

27-3

16

Fraccionado

27-4

Plackett &
Burman

PB 8

Plackett &
Burman

PB 12

12

Plackett &
Burman

PB 16

16

Plackett &
Burman

PB 20

20

Tabla

COMPARACION DE DISEOS
SCREENING:
FACTORIAL COMPLETO 27

COMPARACION DE DISEOS
SCREENING:
FACTORIAL
27-1 a confundir - Alias)
GENERADOR: x COMPLETO
= AxBxCxDxExF (Factor

COMPARACION DE DISEOS
SCREENING:
FACTORIAL
COMPLETO
27-2a confundir - Alias)
GENERADOR: x
= AxBxCxD (Factor
6

GENERADOR: x7 = AxBxCxE (Factor a confundir - Alias)

COMPARACION DE DISEOS
SCREENING:
FACTORIAL
COMPLETO
2a7-3confundir - Alias)
GENERADOR: x
= AxBxC (Factor
5

GENERADOR: x6 = BxCxD (Factor a confundir - Alias)

GENERADOR: x7 = AxCxD (Factor a confundir - Alias)

COMPARACION DE DISEOS
SCREENING:
7-4
FACTORIAL
COMPLETO
GENERADOR: x
= AxB (Factor a2confundir - Alias)
4

GENERADOR: x5 = AxC (Factor a confundir - Alias)


GENERADOR: x6 = BxC (Factor a confundir - Alias)
GENERADOR: x7 = AxBxC (Factor a confundir - Alias)

COMPARACION DE DISEOS
SCREENING:
FACTORIAL
COMPLETO
Y FACTORIAL
Comparacin de
los resultados
de los efectos para las 7
factores para diseo
FRACCIONARIO
2K-Pfactorial completo y fraccionados
FACTORE
S

27
(128)

27-1
(64)

27-2
(32)

27-3
(16)

27-4
(8)

X1

-9.7

-9.6

-9.6

-9.6

-7.2

Fr

X2

8.9

8.9

8.9

9.0

7.0

Co

X3

-8.7

-8.6

-8.6

-8.6

-8.7

F1

X4

-10.6

-10.6

-10.6

-10.6

-8.7

V1

X5

0.3

0.3

0.2

0.8

-1.6

F2

X6

1.4

1.4

1.1

2.2

3.7

V2

X7

0.0

0.0

0.0

-0.7

-2.2

Error

0.1

0.2

1.4

2.4

Media

81.7

81.7

81.7

81.7

81.7

COMPARACION DE DISEOS
SCREENING:
PLACKETT
& BURMAN (PB-12)
Ensayo
s
1
2
3
4
5
6
7
8
9
10
11
12

X1
1
1
-1
1
1
1
-1
-1
-1
1
-1
-1

X2
-1
1
1
-1
1
1
1
-1
-1
-1
1
-1

X3
1
-1
1
1
-1
1
1
1
-1
-1
-1
-1

X4
-1
1
-1
1
1
-1
1
1
1
-1
-1
-1

X5
-1
-1
1
-1
1
1
-1
1
1
1
-1
-1

X6
-1
-1
-1
1
-1
1
1
-1
1
1
1
-1

X7
1
-1
-1
-1
1
-1
1
1
-1
1
1
-1

Y
72.8
81.7
92
55.2
82.1
86.5
85.3
71.1
84
85.1
94.1
90.1

COMPARACION DE DISEOS
SCREENING:
PLACKETT & BURMAN (PB-12)

COMPARACION DE DISEOS
SCREENING:

Comparacin de
los resultados
de los efectos para las 7
FACTORIAL
COMPLETO
Y FACTORIAL
factores para diseo
factorial completo y fraccionados
K-P
FRACCIONARIO 2
FACTOR
ES

27
(128)

27-1
(64)

27-2
(32)

27-3
(16)

27-4
(8)

P.B.
(8)

P.B.
(12)

P.B.
(16)

X1

-9.7

-9.6

-9.6

-9.6

-7.2

-12

-8.9

-9.6

Fr

X2

8.9

8.9

8.9

9.0

7.0

11.4

10.6

8.3

Co

X3

-8.7

-8.6

-8.6

-8.6

-8.7

-8.7

-9.0

-8.6

F1

X4

-10.6

-10.6

10.6

-10.6

-8.7

-12.7

-10.2

-10.6

V1

X5

0.3

0.3

0.2

0.8

-1.6

-3.9

3.6

-1.2

F2

X6

1.4

1.4

1.1

2.2

3.7

5.2

0.1

-1.4

V2

X7

0.0

0.0

0.0

-0.7

-2.2

3.9

0.2

3.4

0.1

0.2

1.4

2.4

3.0

1.6

Error

Media
81.7 81.7
81.7
81.7 81.7
81.7
81.5
En
negrita81.7
las variables
estadsticamente
significativas
a p<0

SCREENING

Ing. Williams Castillo Martnez


http://louyauns.blogspot.com
williamsscm@hotmail.com

You might also like