Вы находитесь на странице: 1из 13

UNIVERSIDAD DE LAS FUERZAS ARMADAS

SEDE - LATACUNGA

Ingeniera Petroqumica

Materia:

Diseo Experimental

Tema:

Diseo Factorial Fraccionado

Nivel:

Sexto

Nombres:

Santiago Proao , Karina Pilatasig

Abril - Agosto 2017


I. INTRODUCCIN

Los diseos factoriales, son diseos que son ampliamente utilizados en experimentos de
investigacin en los que intervienen varios factores para estudiar el efecto conjunto de
estos sobre una determinada respuesta. Son realizados en las etapas iniciales de un
proyecto, y la mayora de los factores inicialmente considerados frecuentemente tienen
poco o ningn efecto en la respuesta de la variable analizada. Los factores que son
identificados como importantes son entonces investigados ms profundamente en
experimentos subsiguientes. Los experimentos fraccionados pertenecen dentro de la
ingeniera de calidad a la parte de diseo y anlisis de experimentos y son muy
importantes tanto a nivel cientfico como a nivel de ingeniera, son considerados como
fracciones menores, reducen la variabilidad del proceso, as como mejoran la economa.

Los experimentos fraccionados como tal tienen por objetivo determinar la significacin
de los efectos principales y de las interacciones de 2 o 3 factores. Con ello conseguiremos
tener que analizar menos muestras y con menos repeticiones dar un resultado vlido para
lo que queremos demostrar, para ello como su propio nombre indica haremos
experimentos realizados como una fraccin.

Estos diseos factoriales fraccionados son ampliamente usados en la investigacin


industrial, como ya hemos dicho anteriormente. Los experimentos fraccionados son
utilizados en las etapas iniciales de un proyecto, y la mayora de los factores inicialmente
considerados frecuentemente tienen poco o ningn efecto en la respuesta de la variable
analizada. Los factores que son identificados como importantes son entonces
investigados ms profundamente en experimentos siguientes. Al realizar los
experimentos fraccionados diremos que es posible usar menos combinaciones de la que
realmente se deberan usar.
Al planear un experimento en forma fraccionada, se debe tratar de que cada nivel de los
factores aparezca el mismo nmero de veces en el total de combinaciones de
tratamientos, de modo que se puedan medir sus efectos con igual precisin. Para lograrlo,
se debe dividir el total de combinaciones de tratamientos por una potencia de dos, y
utilizar una de esas fracciones para el experimento. Las fracciones se denominan
bloques.

Por ejemplo, un experimento 23 puede dividirse en 2, lo que nos da dos bloques de


23/2=22=4 combinaciones de tratamientos; o puede dividirse en cuatro bloques de 23-2=2
combinaciones de tratamientos.

Hay varios tipos de diseo factorial fraccionado:


-Diseo factorial fraccionado 2k-p:

En general, para lograr un experimento fraccionado de un experimento factorial


k
2 , se debe escoger un bloque que sea una fraccin de 1/p del total de combinaciones de
tratamientos (con p<k). Se debe tener cuidado, adems, que los niveles de todos los
efectos aparezcan el mismo nmero de veces. Se usa el smbolo 2k-p para designar un
experimento fraccionado a 1/2p. En estos diseos lo que tendremos que hacer es elegir p
generadores independientes. Hay k factores a 2 niveles cada uno. El nmero de
combinaciones de tratamientos es 2k, distribuidas en 2p bloques de 2k-p combinaciones
de tratamientos en cada una. El nmero de efectos independientes que quedan
confundidos con 1 es igual a p. Se forman 2k-p grupos de 2p efectos confundidos entre
s. Estos diseos tienen la relacin definida por los p generadores inicialmente elegidos
y por las relaciones de interaccin que se definen.

Diremos que las interacciones generalizadas de dos o ms efectos son las que resultan de
"multiplicar" esos efectos.
En resumidas cuentas, las decisiones que tiene que tomar el experimentador en este tipo
de diseos son:

-Decidir la fraccin de diseo que va a utilizar, es decir, decidir el valor asignado


para p.
-Decidir los efectos independientes que va a confundir con 1, esto quiere decir
saber los efectos que no va a poder cuantificar. Es deseable que no sean efectos
principales, ni, en lo posible, interacciones dobles. Se prefiere confundir
interacciones de alto orden.

Todas las relaciones de alias para este diseo se muestran en la tabla siguiente. En
general, la resolucin de un diseo 2k-p es igual al nmero de letras de la palabra ms
corta de la relacin de definicin.

II. OBJETIVOS
Disear un experimento estadstico mediante la metodologa del diseo de experimentos
factoriales fraccionados para determinar el anlisis de la adaptacin en el secado osmtico
en una planta deshidratadora de frutas.

III. MODELO ESTADSTICO

= + + + + + + () + () + () + ()
+ () + () + () + () + () + ()
+ () + () + () + () + ()
+ () + () + +
IV. PLANTEAMIENTO DE HIPTESIS

0 0 = 1
0 1

0 0 = 1
0 1

0 0 = 1
0 1

0 0 = 1
0 1

0 0 = 1
0 1

V. DATOS OBTENIDOS

Se ha realizado un estudio de adaptacin en el secado osmtico de una planta


deshidratadora de frutas, para lo cual se evaluaron los siguientes factores y
niveles:

FACTORES NIVELES
A: Tipo de manzana : Manzana Emilia
: Manzana Silvestre
B: Tiempo de deshidratacin : 16 horas
: 18 horas
C: Tipo de Agitacin : Con agitacin
: Sin agitacin
D: Temperatura de Secado : 50C
: 55C
E: Tiempo de Secado : 20 min
: 30 min

En el trabajo se determin la concentracin del agente osmtico en grados Brix


de sacarosa (azcar comn) para que la fruta alcance la concentracin deseada.

TRATAMIENTOS R1 R2 SUMA
1 59,8 54,9 114,7
a 50,2 49,1 99,3
b 34,8 34,6 69,4
ab 40,9 40,5 81,4
c 36,3 35,1 71,4
ac 38,1 38,8 76,9
bc 56,3 54,2 110,5
abc 63 63,5 126,5
d 41,5 41,6 83,1
ad 43,3 43,8 87,1
bd 38,9 39,1 78
abd 41,1 42 83,1
cd 60,7 60,4 121,1
acd 66,2 65,9 132,1
bcd 48,3 47,5 95,8
abcd 45,7 44,6 90,3

SUMA 765,1 755,6 1520,7

VI. RESULTADOS OBTENIDOS


Clculo Manual
Clculo de Fc
( )2
= = 72266.5153
2

ANOVA
Sumatoria de Cuadrados Totales (SCT)
2
=

Sumatoria de Cuadrados de Tratamientos


2
= = 3039,45969

Sumatoria de las Rplicas
2
= = 2,8203125
2

Sumatoria del Error


= = 14,7546875
Grados de Libertad
.
.
.
. = . . .
CM

= = 0,98364583
.
Efectos Principales e Interacciones
Sumatoria de Cuadrados
2
=
2

G. L
. = 1

CM

= = 202,630646

F. calculado

= = 2,86720322

F. tablas

F tablas Replicaciones (0,05) (Numerador: 1; Denominador:


31)=4,54307712

F tablas Replicaciones (0,01) (Numerador: 1; Denominador:


31)=8,68311681

DESARROLLO EN EXCEL
Tabla N 3 Anlisis de Varianza
Anlisis de Varianza para alfa=0.05

Grados
Origen de de Promedio Valor
las Suma de liberta de los Probabilida crtico
variaciones cuadrados d cuadrados F d para F
Tratamiento 3039,4596 202,63064 205,99959 2,4034470
s 9 15 6 8 1,378E-14 7
2,8672032 4,5430771
Replicas 2,8203125 1 2,8203125 2 0,11106048 7
14,754687 0,9836458
Error 5 15 3

3057,0346
Total 9 31
Anlisis de Varianza para alfa= 0.01

Origen de Grados
las de Promedio Valor
variacione Suma de liberta de los Probabilida crtico
s cuadrados d cuadrados F d para F
3039,4596 202,63064 205,99959 3,5221936
Filas 9 15 6 8 1,378E-14 8
2,8672032 8,6831168
Columnas 2,8203125 1 2,8203125 2 0,11106048 2
14,754687 0,9836458
Error 5 15 3

3057,0346
Total 9 31

Tabla No 4. Matrices de efectos e interacciones

Tratamientos A B C D E
1 - - - - +
a + - - - -
b - + - - -
ab + + - - +
c - - + - -
ac + - + - +
bc - + + - +
abc + + + - -
d - - - + -
ad + - - + +
bd - + - - -
abd + + - + -
cd - - + + +
acd + - + + -
bcd - + + + -
abcd + + + + +
Tabla No 5. Analisis de Varianza para Tratamientos
Anlisis de Varianza para alfa=0.05

RESUMEN Cuenta Suma Promedio Varianza


Fila 1 2 114,7 57,35 12,005
Fila 2 2 99,3 49,65 0,605
Fila 3 2 69,4 34,7 0,02
Fila 4 2 81,4 40,7 0,08
Fila 5 2 71,4 35,7 0,72
Fila 6 2 76,9 38,45 0,245
Fila 7 2 110,5 55,25 2,205
Fila 8 2 126,5 63,25 0,125
Fila 9 2 83,1 41,55 0,005
Fila 10 2 87,1 43,55 0,125
Fila 11 2 78 39 0,02
Fila 12 2 83,1 41,55 0,405
Fila 13 2 121,1 60,55 0,045
Fila 14 2 132,1 66,05 0,045
Fila 15 2 95,8 47,9 0,32
Fila 16 2 90,3 45,15 0,605

Columna 1 16 765,1 47,81875 105,977625


Columna 2 16 755,6 47,225 97,6366667

Anlisis de Varianza para alfa= 0.01

RESUMEN Cuenta Suma Promedio Varianza


Fila 1 2 114,7 57,35 12,005
Fila 2 2 99,3 49,65 0,605
Fila 3 2 69,4 34,7 0,02
Fila 4 2 81,4 40,7 0,08
Fila 5 2 71,4 35,7 0,72
Fila 6 2 76,9 38,45 0,245
Fila 7 2 110,5 55,25 2,205
Fila 8 2 126,5 63,25 0,125
Fila 9 2 83,1 41,55 0,005
Fila 10 2 87,1 43,55 0,125
Fila 11 2 78 39 0,02
Fila 12 2 83,1 41,55 0,405
Fila 13 2 121,1 60,55 0,045
Fila 14 2 132,1 66,05 0,045
Fila 15 2 95,8 47,9 0,32
Fila 16 2 90,3 45,15 0,605

Columna 1 16 765,1 47,81875 105,977625


Columna 2 16 755,6 47,225 97,6366667

PROMEDIOS DE CADA FACTOR


Contraste A

= [ + + + + + + + 1
] = 32.7
Contraste B

= [ + + + + + + + 1
] = 50.7
Contraste C

= [ + + + + + + + 1
] = 128.5
Contraste D

= [ + + + + + + + 1
] = 20.5
Estimacin del error estndar

efecto=0.2479
Efecto de A = 1.021
Efecto de B =1.582
Efecto de C = 4.025
Efecto de D = 0.640

Efectos estandarizados
1.021
= = = 4.11
0.2479
2(2)
1.583
= = = 6.385
0.2479
2(2)

4.025
= = = 16.234
0.2479
2(2)

0.640
= = = 2.581
0.2479
2(2)

DIAGRAMA DE PARETO

0 2 4 6 8 10 12 14 16 18

D C B A

Diagrama de interacciones de factores

Factor A
5
4
3
2
1
0
-2 -1 0 1 2 3
Factor B
8
6
4
2
0
-2 -1 0 1 2 3 4

Factor C
20

15

10

0
-2 0 2 4 6 8 10

Factor D
3
2.5
2
1.5
1
0.5
0
-1.5 -1 -0.5 0 0.5

Factor A (Mejor es menor)


Nivel Bajo (ao)

Factor B (Mejor es mayor)


Nivel Alto (b1)

Factor C (Mejor es mayor)


Nivel Alto (c1)

Factor D (Mejor es mayor)


Nivel Alto (d1)
Factor E (Mejor es mayor)
Nivel Alto (e1)

VII. DESICIN
Efectos Principales
Factor A
Conclusion; El factor A correspondiente al tipo de manzana se acepta el nivel minoritario
correspondiente al nivel de la caracterstica de manzana Emilia por corresponder a un
efecto estandarizado mas ajustado.

Factor B
Conclusin: El factor B correspondiente al tiempo de deshidratacin se acepta el nivel
mayoritario caracterstico a 18 horas por presentar una interaccin ms alineada con los
dems factores.

Factor C
Conclusin: El factor C correspondiente al tipo de Agitacin se estima de mejor manera
con un nivel alto el cual se presenta sin agitacin, debido a una mejor interaccin con los
dems niveles y factores.

Factor D
Conclusin: El factor D correspondiente a la temperatura de secado presenta una mejor
varianza con un nivel alto de 55 grados, ya que este no interacta de forma variante entre
los tratamientos aplicados.

Factor E
Conclusin: el tiempo de secado el cual corresponde al factor E se ajusta mejor al igual
que los anteriores factores a un nivel alto de 30 minutos, contrastando de igual forma con
los dems niveles.

VIII. DISCUSIN
Con el modelo estadstico factorial fraccionado se consigue llegar a un modelo de 2^k lo
cual resulta una resolucin u poco ms sencilla, pero no del todo debido a que el nmero
de factores es 5 y al aplicar el primer modelo obtenemos un k igual a cuatro lo cual an
sigue siendo algo complejo debido al nmero de combinaciones o interacciones entre
factores y por consiguiente los anlisis resultan tediosos y no sabremos con veracidad que
el factor eliminado deba ser menos variante o quiz no lo era, con esto resultara que uno
de los factores elegidos corresponder a un variante alejado de las dems interacciones
entre los noveles de cada factor, lo cual idneamente deberamos probar eliminando cada
factor y resultaran 5 procesos de clculos distintos, y as el problema se extendera an
ms.
IX. CONCLUSIONES

Mediante el anlisis estadstico aplicado observamos que la mayora de los


factores corresponden a niveles altos, haciendo el proceso ms eficiente.

De acuerdo con el factor A y su nivel bajo se llega a saber que el proceso


de deshidratacin ocurre mejor con el tipo de manzana Emilia.

El nivel B corresponde al tiempo de deshidratacin con un nivel alto de un


tiempo de 18 horas, es claro concluir que mientras ms dure el proceso
ms agua se eliminara.

El tipo de agitacin corresponde al factor B y resulta ms eficiente llevar


a cabo el proceso sin agitacin, ya que podra fraccionar el tipo de
manzana que se trate en la planta.

La temperatura de secado llega a los 55 C siendo un buen proceso dentro


de un nivel mayor, as se eliminar ms humedad de la fruta.

De igual manera el tiempo de secado debe ser alto el cual se observa con
los diagramas antes calculados, lo cual nos lleva a elegir el tiempo de 30
minutos para un proceso ms efectivo.

X. BIBLIOGRAFA

Anon, (2017). [online] Available at:


http://tarwi.lamolina.edu.pe/~fmendiburu/index-
filer/academic/design/Fraccionados.pdf [Accessed 10 Aug. 2017].

Anon, (2017). [online] Available at:


http://ftpmirror.your.org/pub/wikimedia/images/wikipedia/commons/e/ef/Al087
610_Dise%C3%B1o_de_experimentos_factoriales_fraccionados.pdf [Accessed
10 Aug. 2017].

Explorable.com. (2017). Diseo factorial. [online] Available at:


https://explorable.com/es/diseno-factorial [Accessed 10 Aug. 2017].

Anon, (2017). [online] Available at:


http://www.redalyc.org/articulo.oa?id=84920503050 [Accessed 10 Aug. 2017].