DISEO DE EXPERIMENTOS

Expositor: Erick Mauro Gonzales Gonzales.

CONTENIDO
INTRODUCCION
OBJETIVOS
CLASIFICACION DE LOS DISEOS

EXPERIMENTALES
DISEO EXPERIMENTAL DE PRIMER ORDEN
DISEO EXPERIMENTAL DE SEGUNDO ORDEN

INTRODUCCION
Un diseo experimental es un acercamiento

cientfico validado estadsticamente que

permite al investigador entender mejor un
proceso y a determinar la manera en que las
variables de ingreso afectan una respuesta o
variables de salida.

INTRODUCCION
Serie de pruebas

Cambios
deliberados

Variables de
entrada

Identificar las
variables
influyentes

Observar
cambios

INTRODUCCION
Algunas variables individualmente tendrn un

mayor efecto que otras.

Tambin estas variables interactan entre si,

es decir, se desarrolla entre

interdependencia que modifica
individual.

ellas una
su efecto

El diseo experimental tambin permite medir

el nivel de interaccin entre las variables de

ingreso.

OBJETIVOS
OBJETIVO PRINCIPAL
Determinar el modelo matemtico predictivo de un

diseo experimental.

OBJETIVOS SECUNDARIOS
Determinar el efecto que tiene cada una de las variables

de entrada en la variable de salida.

Determinar el efecto que tienen las interacciones en la

variable de salida.

CLASIFICACION DE LOS D.
E.
Diseos Experimentales de primer orden
Diseo Factorial.
Diseo Factorial Fraccionado.
D. Placket y Burman.

Diseos Experimentales de segundo orden

Diseos Rotables
Diseo Hexagonal.
Diseo Octogonal, etc.
Diseos Compuestos
Diseo Compuesto central.
Diseo compuesto para mas de dos variables.

DISEO EXPERIMENTAL DE PRIMER

ORDEN

D. E. de Primer Orden
Estos diseos permiten estimar

adecuadamente los coeficientes Bj del modelo

matemtico emprico.
Y = Bo+B1X1+B2X2+B3X3+BkXk
Donde Y es la respuesta o variable de salida

(variable dependiente) que es funcin de las

variables de entrada X1,X2,X3,.Xk .

D. E. de Primer Orden
El ms simple caso es cuando k=1, el cual

proporciona un modelo como el siguiente:

Y = Bo + B1X1
El modelo permite PREDECIR los valores de Y

sobre un rango limitado de valores de X.

D. E. de Primer Orden
Para dos o ms variables, la situacin se

complica por la posible existencia de

interacciones entre variables.
El modelo emprico para dos variables ser:
Y = Bo + B1X1 + B2X2 + B12X12
Donde B12 es el parmetro de interaccin

Diseo Factorial
Es

aquel en el que se investigan todas las posibles

combinaciones de los niveles de las variables de entrada.

Los niveles representan los valores que pueden tomar las

variables.
Si se consideran 2 niveles el diseo se denomina diseo

factorial 2^k y el nmero total de experimentos a llevarse a

cabo viene definido por:

N=2^k
Donde: k=nmero de variables ; N=nmero total experimentos

Diseo Factorial - ejemplo

Ejemplo
En un proceso de Niquelado se evalan dos

variables: la temperatura y el tiempo de

recubrimiento, donde la variable de salida
vendra a ser el espesor de la capa de Niquel.
Variables

Nivel bajo (-)

Nivel alto (+)

Temperatura
(C)

16

32

Tiempo seg

12

Diseo Factorial - ejemplo

El nmero de experimentos a llevarse a cabo

sern:
N=2^k N = 2^2 = 4
Luego podemos construir la tabla de
indicadores de nivel

Diseo Factorial - ejemplo

Luego se evala el efecto , que representa la

diferencia entre valores altos y bajos.

Promedi
o

Temperatur Tiempo
a

(-)

116.3

111.3

Promedio de
espesor para
valores bajos

(+)

115.5

120.6

Promedio de
espesor para
valores altos

-0.8

+8.3

Efecto

Diseo Factorial - ejemplo

A continuacin se elabora grficos con los

valores promedios obtenidos, a fin de

determinar si existe interaccin entre ambas
variables.

Diseo Factorial - ejemplo

Del grfico anterior se puede concluir que

existe interaccin entre las variables ya que

no existe paralelismo entre las rectas de los
grficos.
A fin de cuantificar los efectos los efectos de

interaccin se elabora una tabla con las

variables codificadas y adicionando una
columna de interaccin AB.

Diseo Factorial - ejemplo

Se puede determinar matemticamente el

efecto de interaccin entre las dos variables,

utilizando la columna AB y la respuesta
obtenida para cada combinacin.

Diseo Factorial - ejemplo

El alto valor alto del efecto para la interaccin

indica la fuerte interaccin que existe entre

esos dos factores.

Diagrama
comparativo de
los
medios
efectos

Diseo Factorial - ejemplo

Anlisis Grfico: Se hace el anlisis y

seleccin de los factores mas importantes y se

usan para definir la ecuacin de prediccin:

Donde:

Diseo Factorial - ejemplo

Consecuentemente de la observacin de los

resultados grficos se concluye que los

factores B (tiempo) e interaccin A-B (tiempotemperatura) tienen importancia significativa
en el proceso de niquelado.
Con esas consideraciones el modelo
matemtico codificado queda definido de la
siguiente manera:
Y = 115.93 + 4.65B + 4.15AB

Diseo Factorial - ejemplo

Comprobacin del modelo matemtico:
Por ejemplo consideramos A=32c y B= 4 seg

Y = 115.93 +4.65(-1)+4.15(+1)(-1) = 107.13

Ahora si A=32C y B=12 seg, entonces:

Y = 115.93 +4.65(-1)+4.15(+1)(+1) = 124.73

Se observa que la ecuacin de prediccin responde

correctamente , por lo tanto es valida para predecir

valores dentro de los valores experimentados.

Anlisis de Significancia
Anlisis de significancia de los efectos: Se hace esta

estimacin generalmente replicando el punto central del

diseo.
Para poder evaluar la significancia de los efectos se hace una

comparacin con el t-student definido en las tablas.

Donde la significancia de los efectos ser definido por:

Tj = |Ej|/ 2Sbj
Donde:
Ej = Efecto de cada variable o interaccin de variable.
Sbj = Desviacin estndar asociado a cada efecto.

Anlisis de Significancia
Luego, si:
Tj > T(p,f) el efecto es significativo.
Tj<T(p,f) el efecto no es significativo.

Donde:
- T(p,f)=Valor de tabla de la distribucin t-student para
un nivel de significancia comunmente de 95% (0.05) y
grados de libertad Nr-1 (f=2).
- Nr=Nmero de replicas.

DISEO EXPERIMENTAL DE
SEGUNDO ORDEN

D. E. de Segundo Orden
Se denomina as a aquellos que permiten estimar

los parmetros Bj, Buj, Bjj de la ecuacin general:

k

Y = Bo +

j=BjXj +uj=
BujXuXj+j=BjjXj^2
1

Si consideramos el caso de una sola variable

controlable, el modelo de segundo orden toma la

forma:
Y = Bo + B1X1 + B11X1^2
Donde el trmino B11 es denominado parmetro
de curvatura.

D. E. de Segundo Orden
Si consideramos ahora el caso de dos

variables, el modelo de segundo orden toma

la forma:
Y=
Bo+B1X1+B2X2+B11X1^2+B22X2^2+B12X
1X2

D. E. de Segundo Orden
Estos diseos son indispensables en la etapa

final de optimizacin, donde un modelo de

estos puede descubrir aproximadamente la
regin ptima.

Diseos Rotables
Es aquel en el cual se tiene igual facultad de

prediccin en todas las direcciones a partir de

un punto experimental central.
Los otros puntos experimentales estn a una

distancia constante del punto central.

Diseos Rotables
Diseo Pentagonal: Consiste en 5 puntos

experimentales de un pentgono mas los

puntos centrales replicados.
X2

X1

X1

X2

0.309

0.951

3
4

-0.809
-0.809

0.588
-0.588

0.309

-0.951

6
7

0
0

0
0

Diseos Rotables
Diseo Hexagonal: Es el diseo mas popular

usado por los experimentadores.

X2

X1

x1

X2

0.5

0.866

-0.5

0.866

-1

-0.5

-0.866

0.5

-0.866

S
A
I
C
A
R
G