Академический Документы
Профессиональный Документы
Культура Документы
DISEÑO FACTORIAL
Los tipos más sencillos de diseños factoriales implican solo 2 factores o conjunto
de tratamientos. Hay (a) niveles del factor A y (b) niveles del factor B, dispuestos
en un diseño factorial.
Para iniciar un proceso de optimización y cuando no se conoce el
comportamiento y la influencia de las variables que afectan a un proceso
cualquiera; es necesario efectuar un análisis e identificar las variables más
significativas. Las observaciones pueden describirse mediante el modelo
estadístico lineal o de primer orden como (35,36):
Yijk = µ + τi + βj + (τβ)ij + εijk (2.1)
Donde:
i = 1,2, ….a
j = 1,2, ….b
k = 1,2, ….n
µ = es el efecto medio general
τi = es el efecto del i-ésimo nivel del factor reglón A
βj = es el efecto del j-ésimo nivel del factor columna B
(τβ)ij = es el efecto de la interacción entre τ y β
εijk = es el componente del error aleatorio.
El diseño factorial a dos niveles utilizando tres variables en el proceso de
lixiviación consta de 8 ensayos o pruebas experimentales que corresponde a los
vértices de un cubo y dos pruebas replicados en el centro con el objeto de
identificar las variables que aumentan la eficiencia del proceso.
CALCULO DE EFECTOS
El cálculos de efectos nos sirven para determinar cuánto afecta las variables
principales sobre la respuesta o también llamado criterio de optimización de un
proceso; que se define como la diferencia entre los valores medios de las
respuestas, cuando en los tratamientos respectivos la respuesta se encuentra
en su nivel inferior y cuando se encuentra en su nivel superior (34):
ANÁLISIS DE VARIANZA
GRADOS DE LIBERTAD
El diseño factorial a dos niveles, asume que la relación en las variables y las
respuestas es representada por el modelo matemático lineal. Este modelo debe
predecir adecuadamente todos los puntos del diseño, incluyendo el punto central
del diseño. Si el modelo matemático no es suficiente para explicar las respuestas
se puede asumir la posible existencia de curvatura. Por lo tanto la adición de
pruebas en el punto central del diseño nos sirve para dar una estimación
promediada del efecto curvatura del modelo (34). La suma de cuadrados para la
curvatura esta definido:
El modo más adecuado para determinar las variables o factores que pueden ser
significativos es por medio del teorema de Cochran en cual esta definido por:
Donde: