Confusión y diseños factoriales.docx
Transcript of Confusión y diseños factoriales.docx
7/23/2019 Confusión y diseños factoriales.docx
http://slidepdf.com/reader/full/confusion-y-disenos-factorialesdocx 1/7
Confusión y Diseños Factoriales 11 abril 2013
José Luis Hernández H. - 1680084 Página 1
Universidad Iberoamericana - Campus Laguna
Resumen
En muchos de los casos el investigador encontrará que es imposible realizar todas las
corridas experimentales de un diseño factorial 2k, bajo condiciones homogéneas, debido
al costo, a las condiciones operativas (disponibilidad de tiempo) o sencillamente a la
disponibilidad de material asociado.
En el diseño de experimentos existe la posibilidad de fraccionar estos diseños,
seleccionando solo una parte de los tratamientos, con resultados muy aproximados a si
hubiésemos analizado todas las opciones. Para estos casos, existen técnicas de diseño
como:
La formación de bloques con réplicas La confusión del diseño factorial
La confusión parcial
El presente trabajo es una breve investigación para responder a tres preguntas que
refieren conceptos fundamentales asociados con el tema de la confusión y los diseños
factoriales, las cuales son:
1.- ¿Qué son los alias?
2.- ¿Qué significa resolución de diseño?
3.- ¿Qué son los generadores de diseño?
Diseño de experimentos para exploración
En los procesos especialmente de manufactura, el número de factores o variables
potenciales que participan en la operación es muy grande. La caracterización del proceso
es una etapa del diseño de experimentos que se orienta a la reducción del número de
variables de entrada, con el fin de identificar las variables críticas que afectan a la calidaddel producto o la capacidad de proceso.
La reducción de estas variables permite al investigador concentrar sus esfuerzos de
mejora en un pequeño conjunto de variables, junto con ciertas interacciones,
verdaderamente significativas, bajo el principio de los pocos vitales. Esta etapa de
exploración le permite al investigador identificar cual es la mejor configuración de factores
7/23/2019 Confusión y diseños factoriales.docx
http://slidepdf.com/reader/full/confusion-y-disenos-factorialesdocx 2/7
Confusión y Diseños Factoriales 11 abril 2013
José Luis Hernández H. - 1680084 Página 2
Universidad Iberoamericana - Campus Laguna
para lograr un resultado optimizado y definir si existe o no curvatura en su desempeño,
para el rango especificado.
Los diseños factoriales de dos niveles completos y fraccionados se utilizan con frecuencia
para explorar cuáles son los factores verdaderamente importantes que ejercen influenciaen las medidas de salida del proceso o en la calidad del producto. Estos diseños son útiles
para ajustar modelos de primer orden (los cuales detectan efectos lineales) y pueden
proveer información acerca de la existencia de efectos de segundo orden (curvatura)
cuando el diseño incluye puntos centrales. Además, los diseños factoriales completos
generales (diseños con más de dos niveles) se pueden utilizar con pequeños experimentos
de exploración.
Posterior a esta etapa de exploración, el investigador puede efectuar la optimización del
experimento para determinar los mejores valores de configuración y definir la naturaleza
de la curvatura existente.
Diseños factoriales completos
En un experimento factorial completo, las respuestas se miden en todas las
combinaciones de niveles de factores experimentales. Las combinaciones de niveles de
factores representan las condiciones en las cuales se medirán las respuestas. Cada
condición experimental es denominada una corrida y la medición de la respuesta es
denominada una observación. La totalidad del conjunto de corridas representa el diseño.
En un diseño factorial completo de dos niveles, cada factor experimental tiene sólo dos
niveles. Las corridas experimentales incluyen todas las combinaciones de estos niveles de
factores. Aunque los diseños factoriales de dos niveles no pueden explorar
completamente una amplia región del espacio de los factores, sí pueden proporcionar
información útil aplicando un número relativamente reducido de corridas por factor.
Debido a que los diseños factoriales de dos niveles pueden indicar las tendencias
principales, usted puede utilizarlos para obtener la orientación necesaria para fases
posteriores de la experimentación, por ejemplo, cuando usted necesita explorar más una
región donde cree que puede existir una configuración óptima, puede ampliar un diseñofactorial para formar un diseño compuesto central.
Por su parte, en un diseño factorial completo general, los factores experimentales pueden
tener cualquier número de niveles. Por ejemplo, el Factor A puede tener dos niveles, el
Factor B puede tener tres niveles y el Factor C puede tener cinco niveles. La corrida
experimental incluye todas las combinaciones de estos niveles de factores. Los diseños
7/23/2019 Confusión y diseños factoriales.docx
http://slidepdf.com/reader/full/confusion-y-disenos-factorialesdocx 3/7
Confusión y Diseños Factoriales 11 abril 2013
José Luis Hernández H. - 1680084 Página 3
Universidad Iberoamericana - Campus Laguna
factoriales completos generales se pueden utilizar con pequeños experimentos de
exploración, o en experimentos de optimización.
Diseños factoriales fraccionados
Los experimentos factoriales completos pueden generar un número muy elevado de
corridas. Por ejemplo, un diseño factorial completo de 2 niveles con 5 factores requiere 32
corridas, con solo una repetición, con 2 repeticiones serían 64 corridas; un diseño con 8
factores requiere 256 corridas para una sola repetición. Al integrar todos los factores en el
experimento, los diseños factoriales completos están libres de estructuras alias, concepto
asociado a los diseños fraccionales.
Para reducir el tiempo y el costo, el investigador puede utilizar diseños que excluyan
algunos factores o combinaciones de niveles de factores. A los diseños factoriales que
excluyen una o más combinaciones de niveles se les conoce como diseños factoriales
fraccionados.
Estos diseños factoriales fraccionados son útiles en la exploración de factores porque son
capaces de reducir el número de corridas a un tamaño que más manejable. Las corridas
que se realizan son un subconjunto seleccionado o fracción del diseño factorial completo.
Cuando el investigador no ejecuta todas las combinaciones de niveles de factores, se dice
que algunos de los efectos se “confunden”.
7/23/2019 Confusión y diseños factoriales.docx
http://slidepdf.com/reader/full/confusion-y-disenos-factorialesdocx 4/7
Confusión y Diseños Factoriales 11 abril 2013
José Luis Hernández H. - 1680084 Página 4
Universidad Iberoamericana - Campus Laguna
Los efectos que se confunden no pueden estimarse en forma separada y conforman lo
que se denomina como “estructuras de alias”, lo que el Minitab especifica como patrones
de confusión. Debido a que algunos de los efectos se confunden y no se pueden separar
de los otros efectos, la fracción debe ser cuidadosamente elegida para alcanzar resultados
útiles, lo que exige un conocimiento especializado del producto o proceso que seinvestiga.
1. Confusión y alias
Se refiere que hay confusión, cuando se utiliza un diseño factorial fraccional, debido a que
al no ejecutarse todas las combinaciones de niveles de factores, los factores no
considerados no pueden ser estimados por separado, “quedan confundidos”. Por ejemplo,
si el factor B no es considerado en el diseño fraccionado y se confunde con la interacciónACD de 3 factores, el efecto estimado para B será la suma del efecto de B y el efecto de
ACD; se dice también que estos efectos forman una estructura de alias. La estructura de
alias describe los factores que integran la confusión que ocurre en el diseño. Para el
ejemplo anterior, el investigador no podrá decir si un efecto significativo se debe al factor
B o a la interacción ACD.
La clave para la estructura de alias es el enunciado de identidad, por ejemplo, I + ABCDE.
Para determinar qué efectos forman una estructura de confusión, multiplique el término
de interés por el enunciado de identidad y, a continuación, elimine los términos
cuadrados.
Por ejemplo, para encontrar el término con el que se confunde AB:
(AB)*(I + ABCDE) = AB + A2B
2CDE = AB + CDE.
Por lo tanto, AB y CDE se confunden entre sí.
Ejemplo, si se decide confundir ABCE, BCDF y ADEF en un experimento con 5 factores, la
estructura de alias se establece con la siguiente expresión: I + ABCE + ADEF + BCDF; a
partir de la multiplicación de esta expresión con cada uno de los factores susceptibles de
integrar el experimento la estructura resultante es:
A + BCE + DEF + ABCDF, alias para A
B + ACE + CDF + ABDEF, alias para B
C + ABE + BDF + ACDEF, alias para C
D + AEF + BCF + ABCDE, alias para D
E + ABC + ADF + BCDEF, alias para E
F + ADE + BCD + ABCEF, alias para F
7/23/2019 Confusión y diseños factoriales.docx
http://slidepdf.com/reader/full/confusion-y-disenos-factorialesdocx 5/7
Confusión y Diseños Factoriales 11 abril 2013
José Luis Hernández H. - 1680084 Página 5
Universidad Iberoamericana - Campus Laguna
AB + CE + ACDF + BDEF, alias para AB
AC + BE + ABDF + CDEF, alias para AC
AD + EF + ABCF + BCDE, alias para AD
AE + BC + DF + ABCDEF, alias para AE
AF + DE + ABCD + BCEF, alias para AF … y así sucesivamente con el resto de las
interacciones de 2 factores (BC, BD, BE, BF, CD, CE, CF; DE, DF y EF).
ABD + ACF + BEF + CDE, alias para ABD … y así sucesivamente con el resto de las
interacciones de 3, 4 y 5 factores.
2. Resolución de diseño
En el apartado anterior se estableció que cuando se ejecuta un diseño factorial fraccional,
uno o más efectos se confunden, lo que significa que no se pueden estimar por separado.La resolución de diseño señala hasta qué punto los efectos de un diseño factorial
fraccional forman una estructura de alias con otros efectos.
Por lo general, el investigador emplea un diseño factorial fraccional con la resolución más
alta posible. Generalmente es mejor seleccionar un diseño en el cual los efectos
principales se confunden con interacciones de 3 factores (Resolución IV) que un diseño
que confunda los efectos principales con interacciones de 2 factores (Resolución III).
7/23/2019 Confusión y diseños factoriales.docx
http://slidepdf.com/reader/full/confusion-y-disenos-factorialesdocx 6/7
Confusión y Diseños Factoriales 11 abril 2013
José Luis Hernández H. - 1680084 Página 6
Universidad Iberoamericana - Campus Laguna
Los diseños de las Resoluciones III, IV y V son los más comunes:
Resolución III
Ningún efecto principal forma una estructura de alias con cualquier
otro efecto principal.
Los efectos principales forman estructuras de alias con las interacciones
de 2 factores.
Resolución IV
Ningún efecto principal forma una estructura de alias con cualquier
otro efecto principal o interacciones de 2 factores
Algunas interacciones de 2 factores forman estructuras de alias con
otras interacciones de 2 factores
Los efectos principales forman estructuras de alias con las interacciones
de 3 factores.
Resolución V
Ningún efecto principal o interacción de 2 factores forma una
estructura de alias con otro efecto principal o interacción de 2 factores. Las interacciones de 2 factores forman estructuras de alias con las
interacciones de 3 factores y los efectos principales forman estructuras
de alias con las interacciones de 4 factores.
3. Generadores de diseño
Determinan cómo se selecciona la fracción (o subconjuntos de corridas) del conjuntocompleto de corridas en un diseño factorial fraccionado. Por ejemplo, para un diseño
completo de 4 factores se requieren 16 tratamientos por repetición, con un diseño de
fracción de 1/2 se requieren solo la mitad, o sea 8, por réplica. Utilizando el generador de
diseño D = ABC se procede de la siguiente manera:
1 . Construya un diseño completo para 3 factores en el que -1 y +1 representan los niveles
bajos y altos de los factores, respectivamente.
A B C
-1 -1 -1+1 -1 -1
-1 +1 -1
+1 +1 -1
-1 -1 +1
+1 -1 +1
-1 +1 +1
+1 +1 +1
7/23/2019 Confusión y diseños factoriales.docx
http://slidepdf.com/reader/full/confusion-y-disenos-factorialesdocx 7/7
Confusión y Diseños Factoriales 11 abril 2013
José Luis Hernández H. - 1680084 Página 7
Universidad Iberoamericana - Campus Laguna
2. Genere las corridas para el factor D a confundir multiplicando la configuración de los
factores A, B y C conjuntamente. Por ejemplo, el valor de configuración del factor D para
la primera corrida es -1 * -1 * -1 = -1 (configuración baja)
A B C D = ABC-1 -1 -1 -1
+1 -1 -1 +1
-1 +1 -1 +1
+1 +1 -1 -1
-1 -1 +1 +1
+1 -1 +1 -1
-1 +1 +1 -1
+1 +1 +1 +1
Como la configuración del factor D es igual a la configuración de A por la configuración del
factor B por la configuración del factor C, el factor D se confunde con la interacción ABC.
Debido a que los efectos confundidos no pueden calcularse por separado, se deben
escoger cuidadosamente los generadores de diseño. Por opción predeterminada, Minitab
utiliza los generadores de diseño que crean el diseño con la resolución más alta para el
número de factores en el diseño