UNIVERSIDAD NACIONAL DE CAJAMARCA

NORTE DE LA UNIVERSIDAD PERUANA

FACULTAD DE INGENIERÍA

Escuela Académica Profesional De Ingeniería De Minas

DISEÑO EXPERIMENTAL CON DOS O MAS FACTORES

DOCENTE:

CHUQUIRUNA CHAVEZ, Wilder

INTEGRANTES:

BALDIN PRADO, Bruce

CORTIJO CORDOVA, Segundo Juan
SILVA CERDAN, Jhan Carlos

[FECHA]
 UNIVERSIDAD NACIONAL DE CAJAMARCA
“FACULTAD DE INGENIERÍA”
E.A.P:”INGENIERIA DE MINAS”

INTRODUCCIÓN
Para realizar una evaluación e los datos que usaremos en nuestra vida laboral, se necesita
saber cuan importantes serán ellas y que tan dependientes serán una de otra, ello es la razón
del estudio de experimentos con dos o más factores.

En este presente informe se ha de realizar una pequeña explicación de lo que esto significa y
que formas tiene uno para desarrollar e interpretar los datos que uno a obtenido en función
de ciertas variables.
 UNIVERSIDAD NACIONAL DE CAJAMARCA
“FACULTAD DE INGENIERÍA”
E.A.P:”INGENIERIA DE MINAS”

DISEÑO FACTORIAL

Aquel en el que se investigan todas las posibles combinaciones de los niveles de los factores
en cada ensayo completo o réplica del experimento. Los niveles representan los valores que
pueden tomar las variables o factores.

k = número de variables;
𝑵 = 𝟐𝒌 N = número total de experimentos.

SELECCIÓN DE DATOS

Para esta selección de datos, se escogen variables que afecten la función de los procesos;
estos valores se fijan en “dos niveles”

Figure 1 Ejemplo de selección de datos con sus niveles

TRATAMIENTOS DE DATOS

Con dos factores fijados a dos niveles, (+ y -), se decide utilizar un diseño factorial completo,
en donde N = 2k = 22 = 4 experimentos. Los valores de las variables a experimentar se
codifican con valores +1 y -1

Figure 2 Ejemplo de un diseño de tratamiento de datos

 UNIVERSIDAD NACIONAL DE CAJAMARCA
“FACULTAD DE INGENIERÍA”
E.A.P:”INGENIERIA DE MINAS”

La sección de la Tabla con valores actuales sirve de guía para conducir los experimentos, y
la sección con los valores codificados para los propósitos de cálculos y evaluación de datos.

Una vez hecho esto, se debe realizar una cierta cantidad de veces experimentos de acuerdo a
la tabla que se forma tratando lo datos, para evaluar los datos. Una vez hecho esto
proporcionara información de cuál puede ser la mejor combinación, sin embargo, esto no
determina eficazmente. Ello necesitará una evaluación que determinará el promedio de los
valores altos y el promedio de los valores bajos para cada variable. Luego se calcula el efecto
Δ, que representa la diferencia entre los valores altos y bajos.

Figure 3Ejemplo de promedios latos y bajos junto al efecto obtenido

Una vez, realizada la tabla, se hace una tabla que nos permita ver la interacción de los valores
sacados dentro del experimento. A fin de cuantificar los efectos de interacción se realiza una
nueva columna (A*B), esto con el fin de realizar en diagrama de PARETO y ver qué factores
son los más importantes para crear una ecuación de predicción

ANÁLISIS GRÁFICO

Se basa en la simple inspección de los gráficos desarrollados luego del análisis de datos
efectuados. Mediante este procedimiento se hace el análisis y selección de los factores más
importantes y se usaran para definir la ecuación de predicción.

 𝑌̂= la respuesta de predicción o Y estimado

 Ῡ= promedio de los valores de respuesta.
 ΔA/2 = medio efecto para el factor A
 ΔB/2 = medio efecto para el factor B
 ΔAB/2 = medio efecto para el factor AB

Una vez realizado esto, se verificará con los valores tenidos desde el inicio
 UNIVERSIDAD NACIONAL DE CAJAMARCA
“FACULTAD DE INGENIERÍA”
E.A.P:”INGENIERIA DE MINAS”

ANÁLISIS DE LA VARIANZA

El análisis gráfico, no-estadístico, se complementa con el estudio de análisis de la varianza,

lo cual aporta el criterio objetivo para completar la evaluación.

El análisis de la varianza se inicia planteando la siguiente ecuación que representa a la

variabilidad total de los datos en sus partes componentes:

 SSTotal = Suma total de cuadrados.

 SSEfectos = Suma de cuadrados debida a los
tratamientos.
 SSError = Suma de cuadrados debida al error.

La manera precisa y estadística de medir la importancia de las variables es por el Teorema

de Cochran, que se resume en la siguiente expresión:

Una variable o una interacción es significativa si se cumple la siguiente condición:

Ello formula el modelo matemático:

: “solo se consideran las variables significativas”

 UNIVERSIDAD NACIONAL DE CAJAMARCA
“FACULTAD DE INGENIERÍA”
E.A.P:”INGENIERIA DE MINAS”

ANÁLISIS DE RESIDUOS

Para saber cuan distanciados están los valores que se predicen con el modelo de los valores
experimentales, se efectúa el análisis de residuos. Este análisis considera los residuales igual:

R = Yr – Ŷ, Yr son los datos de muestra.

Con estos datos se calcula la suma de cuadrados residual del modelo, SSMR

Para determinar estadísticamente si el modelo matemático hallado representa adecuadamente

a los datos experimentales, se realiza la prueba F:

; el modelo adecuado si:

DECODIFICACIÓN DEL MODELO A ESCALA NATURAL

 UNIVERSIDAD NACIONAL DE CAJAMARCA
“FACULTAD DE INGENIERÍA”
E.A.P:”INGENIERIA DE MINAS”

DISEÑO FACTORIALES FRACCIONADOS A DOS NIVELES

Los diseños factoriales completos son buenos en el sentido que proveen estimados para los
efectos de todos los factores, así como los efectos de posibles interacciones. Una desventaja
es que estos diseños requieren mayores cantidades de experimentos cuando más de cuatro
factores se necesitan evaluar.

Como una alternativa a la posibilidad de tener gran cantidad de variables, se presentan los
diseños factoriales fraccionados, en los que se ejecuta solo una fracción del total de
experimentos que se requieren. Lo negativo del método es que parte de la información sobre
interacciones se llega a perder.

Un diseño factorial fraccionado está definido por: 2k-p donde:

 k = número de factores a estudiar.

 p = número de factores a confundir.

Figure 4 ejemplo de factoriales completos y fraccionados

 UNIVERSIDAD NACIONAL DE CAJAMARCA
“FACULTAD DE INGENIERÍA”
E.A.P:”INGENIERIA DE MINAS”

DISEÑO FACTORIAL 2K CON RÉPLICA EN EL PUNTO CENTRAL DEL DISEÑO

El diseño factorial 2k asume una relación lineal entre las variables y la respuesta. De ser cierta
la linealidad, el modelo debe predecir adecuadamente todos los puntos del diseño, inclusive
el punto central. Aunque no se verifique linealidad perfecta, el modelo funcionará bastante
bien si la linealidad se cumple de manera aproximada. De no predecir adecuadamente el
modelo, especialmente en el punto central, se afirma que el modelo no es suficiente para
explicar las respuestas en tal región y es posible asumir la existencia de curvatura.

ANÁLISIS DE VARIANZA
 UNIVERSIDAD NACIONAL DE CAJAMARCA
“FACULTAD DE INGENIERÍA”
E.A.P:”INGENIERIA DE MINAS”

DISEÑO DE PLACKETT- BURMAN

Este diseño desarrollado por Plackett y Burman en 1946 permite estudiar un gran número de
variables, reduciéndolas luego a un grupo pequeño para posterior experimentación. Es un
tipo especial de diseño factorial fraccionado, donde se puede estudiar k variables en N
pruebas experimentales, donde N > k y otorga la posibilidad de experimentar con N-1
variables. El modelo contempla el uso de las denominadas variables ficticias (no representan
a ninguna variable experimental) y se utilizan para determinar la varianza del error
experimental. Por esta última razón, es conveniente introducir en el diseño por lo menos 2
variables ficticias.

Para construir un diseño de P-B, se toma un vector de tamaño n determinado y con el se

generan los restantes vectores. Por ejemplo, si n = 8 combinaciones, el vector generador
consiste de n-1 = 7 valores que son: (+ + + - + - -). La matriz de diseño se completa como
sigue:

 Utilizar el vector generador como la primera fila, n1

 La segunda fila, n2, se llena tomando el primer valor de n1 y colocándolo en el
último lugar de la
 fina n2 y deslizando luego los demás valores de n1 delante de ese primer valor
 La tercera fila, n3, se construye utilizando el último valor de la fila n2 y
colocándolo en el último
 lugar de la fila n3 y deslizando a partir de ese los restantes valores de n2.
 Continuar hasta que todas las (n-1) filas se completen.
 Completar la fila n con valores negativos (-1)
Los vectores generadores para los diversos diseños P-B son como sigue:
 UNIVERSIDAD NACIONAL DE CAJAMARCA
“FACULTAD DE INGENIERÍA”
E.A.P:”INGENIERIA DE MINAS”

Obsérvese que los valores de n son múltiplos de 4 y el total de variables a experimentar

(inclusive las variables ficticias) es igual a n-1.