INGENIRIA INDUSTRIAL

DISEÑO DE EXPERIMENTOS
(FACTORIAL 22 Y 23)

MATERIA: INGENIERIA DE CALIDAD

Profesora: Dr. María Luisa Juárez Hernández

ALUMNOS:
 Méndez Hernández Edson Antonio
 Cantellano Espinoza Carlos Eduardo

HORARIO: Martes y Jueves 9:00 PM - 11:00 PM

 ÍNDICE

INTRODUCCIÓN ...................................................................................................................... 3
¿QUÉ ES EL DISEÑO DE EXPERIMENTOS (DOE)? .................................................................... 3
¿PARA QUÉ SIRVE Y CÓMO REALIZARLO? .............................................................................. 4
¿EN QUE SE APLICA? ............................................................................................................... 4
¿CUÁLES SON LOS BENEFICIOS? ............................................................................................. 5
VENTAJAS ................................................................................................................................ 5
CONCEPTOS BÁSICOS: ............................................................................................................ 5
PRINCIPIOS BÁSICOS EN EL DOE ............................................................................................. 6
DISEÑO FACTORIAL 2k............................................................................................................. 7
DISEÑO 22 ............................................................................................................................... 7
DISEÑO 23 ............................................................................................................................... 8
EJERCICIO DISEÑO FACTORIAL 22 ......................................................................................... 10
DESCRIPCION DEL PROBLEMA: ............................................................................................. 10
DIAGRAMA CAUSA - EFECTO ................................................................................................ 10
CONCENTRACION DE RESULTADOS (TEMPERATURAS) ........................................................ 11
RESULTADOS AL APLICAR LAS FORMULAS ANTERIORES ...................................................... 12
ANALISIS DE VARIANZA PARA EL EJEMPLO .......................................................................... 12
COMPOBACION DE HIPOTESIS: ............................................................................................ 12
DISEÑO FACTORIAL 23 .......................................................................................................... 13
HIPÓTESIS DE INTERÉS .......................................................................................................... 13
EJEMPLO DE APLICACIÓN 23 ................................................................................................. 15
DIAGRAMA CAUSA - EFECTO ................................................................................................ 15
CALCULOS DE COMBINACIONES .......................................................................................... 16
RESULTADOS DEL ANOVA ..................................................................................................... 20
COMPROBACION CON MINITAB........................................................................................... 20
ANEXOS: ................................................................................................................................ 21
APLICACIÓN EN SOFTWARE (MINITAB) ................................................................................ 21
CONCLUSIONES..................................................................................................................... 25
BIBLIOGRAFIAS ..................................................................................................................... 26

Diseño de Experimentos Página 2

INTRODUCCIÓN
En la industria, la experimentación suele utilizarse básicamente en dos áreas: el diseño y la
mejora de procesos y productos. La experimentación proporciona en estos casos la
descripción aproximada de cómo se comportan los procesos y/o productos, restringida a
una región de interés. La mejora de los procesos es generalmente el objetivo hasta que
este alcanza el nivel deseado. Pero, la mayoría de los problemas industriales, están
condicionadas por el tiempo y el presupuesto, lo que supone una limitación importante a
la hora de experimentar. Por eso todas las empresas deberían intentar responder antes de
realizar sus experimentos la siguiente pregunta, ¿Cómo puedo obtener de los
experimentos la mayor información posible y de la manera más eficiente?

Existen varios métodos o estrategias utilizadas para llevar a cabo las experimentaciones
en las empresas en tres categorías: mejor acierto (Best Guess), un-factor-por-vez (OFAT) y
siguiendo una metodología estadística (DoE).

La estrategia de “mejor acierto” consiste utilizando el conocimiento previo sobre el

proceso en cuestión, modificar las variables involucradas y conducir las pruebas bajo
condiciones en las cuales se esperan los mejores

MARCO TEÓRICO
¿QUÉ ES EL DISEÑO DE EXPERIMENTOS (DOE)?
El diseño de un experimento es la secuencia completa de pasos tomados de antemano
para asegurar que los datos apropiados se obtendrán de modo que permita un análisis
objetivo que conduzca a deducciones validas con respecto al problema establecido.
Diseñar un experimento significa planear un experimento de modo que reúna la
información pertinente al problema bajo investigación.

¿QUÉ ES EL DISEÑO EXPERIMENTAL?

Los investigadores realizan experimentos virtualmente en todos los campos del saber, por
lo general descubrir algo acerca de un proceso o sistema en particular.

Literalmente un experimento es una prueba o ensayo. Un experimento diseñado es una

prueba o serie de pruebas en las cuales se inducen cambios deliberados en las variables
de entrada de un proceso o sistema, de manera que sea posible observar e identificar las
causas de los cambios en la respuesta de salida.

Diseño de Experimentos Página 3

Los métodos de diseño experimental tienen un cometido importante en el desarrollo de
procesos y en la depuración de procesos para mejorar el rendimiento. En muchos casos, el
objetivo puede ser desarrollar un proceso consistente o robusto; esto es, un proceso
afectado mínimamente por fuentes de variabilidad externas.

¿PARA QUÉ SIRVE Y CÓMO REALIZARLO?

La metodología de diseño de experimentos (DOE) es una herramienta estadística para la
mejora de la calidad usada frecuentemente en proyectos Seis Sigma. Esta metodología
sirve para diseñar las condiciones ideales de un producto, proceso o servicio para que
cumpla con nuestras expectativas usando el mínimo número de experimentos o pruebas.
DOE es muy útil cuando tenemos entre manos un producto complicado cuyo resultado
puede depender de una gran cantidad de variables que no controlamos y que debemos
ajustar para optimizarlo.

¿EN QUE SE APLICA?

Podemos aplicar el diseño de experimentos para:

 Determinar que variables tienen mayor influencia en los valores de respuesta.

 Determinar el mejor valor de las variables x para tener un valor cercano al valor de
respuesta deseado.
 Determina el mejor valor de las variables para que el valor de la respuesta tenga la
menor variabilidad.

El diseño experimental es utilizado ampliamente para la mejora de rendimiento de los

procesos industriales como para el desarrollo de nuevos procesos, ahorrando tiempos y
costos de desarrollo.
Aporta además el conocimiento profundo de los procesos, generando herramientas
eficaces de manejo de los mismos.

La necesidad de un diseño de experimentos surge de la necesidad de responder a

preguntas como:

 ¿Cómo se va a medir el efecto? Ó ¿Cuáles son las características a analizar?

 ¿Qué factores afectan las características que se van a analizar?
 ¿Cuáles son los factores que se estudian es esta investigación?
 ¿Cuántas veces deberá ejecutarse el experimento?
 ¿Cuál será la forma de análisis?
 ¿A partir de que valores se considera importante el efecto?

Diseño de Experimentos Página 4

¿CUÁLES SON LOS BENEFICIOS?
 Proporcionar la máxima cantidad de información pertinente del problema bajo
investigación.
 El diseño, plan o programa debe ser tan simple como posible.
 La investigación debe efectuarse lo más eficientemente posible; ahorra tiempo,
dinero, personal y material experimental.
“Proporciona la máxima cantidad de información al mínimo costo”

VENTAJAS
 Se requiere una estrecha colaboración entre los estadísticos y el investigador o
científicos con las consiguientes ventajas en el análisis e interpretación de las
etapas del programa.
 Se enfatiza respecto a las alternativas anticipadas y respecto a la pre-planeación
sistemática, permitiendo aun la ejecución por etapas y la producción única de
datos útiles para el análisis en combinaciones posteriores.
 Debe enfocarse la atención a las interrelaciones y a la estimación y cuantificación
de fuentes de variabilidad en los resultados.
 El número de pruebas requerido puede determinarse con certeza y a menudo
puede reducirse.
 La comparación de los efectos de los cambios es más precisa debido a la
agrupación de resultados.
 La exactitud de las conclusiones se conoce con una precisión matemáticamente
definida.

CONCEPTOS BÁSICOS:
EXPERIMENTO. Un estudio en el que el investigador tiene un alto grado de control sobre
las fuentes de variación importantes, se denomina experimento. Si se tiene poco control
sobre los factores, se habla de un estudio observacional.

FACTORES. Los fenómenos que potencialmente causan variación, y que son controlados
por el experimentador, se denominan factores. También a veces se denominan
tratamientos.

NIVELES DE UN FACTOR. Son los valores que toma un factor. En general toman valores
que se miden en escala categórica, aunque a veces suelen ser medidos en escalas
numéricas. 

Diseño de Experimentos Página 5

COMBINACIÓN DE TRATAMIENTOS. Cada una de las combinaciones de niveles de todos
los factores involucrados en el experimento.

RÉPLICAS. Todas las corridas experimentales que corresponden a una misma combinación
de tratamientos. Son repeticiones del experimento, bajo idénticas condiciones de los
factores.

Objetivos: Lograr mayor precisión en la estimación de los efectos de los factores y de sus
interacciones, y estimar el error experimental.

PRINCIPIOS BÁSICOS EN EL DOE

Al planificar un DOE, hay tres principios básicos a tener en cuenta:

1. Principio de aleatorización:
Consiste en dejar al azar ciertos factores, no observándolos por alguna razón, y
asumiéndolos como si fueran “ruidos”
Evita la dependencia entre observaciones
2. El bloqueo:
Consiste en particionar unidades experimentales en grupos o bloques tal que las
observaciones realizadas se realicen bajo condiciones experimentales lo más
parecidas posibles.
3. La factorización del diseño:
Estrategia experimental que consiste en cruzar todos los niveles de todos los
factores tratamientos en todas las combinaciones posibles, para detectar
interacción entre los factores.

ETAPAS DOE
1. Definir los objetivos del experimento
2. Identificar las posibles causas de variación
3. Elegir el tratamiento adecuado.
4. Especificar las medidas con las que se trabajará, el procedimiento experimental
y anticiparse a las dificultades.
5. Ejecutar un experimento piloto
6. Especificar el modelo
7. Esquematizar los pasos del análisis
8. Determinar el tamaño muestral
9. Revisar las decisiones anteriores.

Diseño de Experimentos Página 6

DISEÑO FACTORIAL 2k
El más importante de estos casos especiales es el de k factores, cada uno con sólo dos
niveles. Estos niveles pueden ser cuantitativos, como dos valores de temperatura, presión
o tiempo, o bien cualitativos, como dos máquinas, dos operadores, los niveles “alto” y
“bajo” de un factor, o quizá la presencia o ausencia de un factor. Una réplica completa de
este diseño requiere 2 x 2 x… x 2 = 2k observaciones y se le llama diseño factorial 2k

DISEÑO 22
El primer diseño de la serie 2k es el que sólo tiene dos factores, por ejemplo, A y B; cada
uno se corre a dos niveles. A este diseño se le llama diseño factorial 2 2. Los niveles de los
factores pueden denominarse arbitrariamente “bajo” y “alto”.

En un diseño factorial con dos niveles, el efecto promedio de un factor puede definirse
como el cambio en la respuesta producido por un cambio en el nivel de ese factor
promediado para los niveles del otro factor. Asimismo, los símbolos (1), a, b y ab
representan ahora el total de las n réplicas hechas con la combinación de los
tratamientos. El efecto de A en el nivel bajo de B es [a-(1)]/n y el efecto de A con el nivel
alto de B es [ab-b]/n. al promediarse estas dos cantidades se obtiene el efecto principal de
A:

Imagen 1: Efecto para A

El efecto principal promedio de B se encuentra a partir del efecto de B con el nivel bajo de
A, es decir, [b-(1)]/n y con el nivel alto de A, por lo tanto, [ab-a]/n como en la siguiente
imagen:

Imagen 2: Efecto para B

El efecto de la interacción AB se define como la
diferencia promedio entre el efecto de A con un nivel alto de B y el efecto de A con el nivel
bajo de B.

Diseño de Experimentos Página 7

De manera alternativa, AB puede definirse como la diferencia promedio entre el efecto de
B con el nivel alto de A y el efecto de B con el nivel bajo de A.

Imagen 3: Efecto para AB

Las fórmulas de los efectos de A, B y AB pueden deducirse con otro método.

Se trata exactamente del mismo resultado que el de la ecuación anterior, el efecto de B,

se encuentra como la diferencia entre el promedio de las dos combinaciones de
tratamientos de la parte superior del cuadrado y el promedio de las dos combinaciones de
tratamientos de la parte inferior.

Por último, el efecto de la interacción AB es el promedio de las combinaciones de

tratamientos, menos el promedio de las combinaciones de tratamientos de la diagonal de
izquierda a derecha (a y b)

DISEÑO 23
Supongamos que se tienen tres factores binarios A, B y C. El número de posibles
combinaciones es 8, y con n replicaciones se tiene un total de 8n observaciones. Para
calcular los efectos se puede usar la siguiente tabla o matriz de diseño como se muestra
en la siguiente imagen:

Imagen 4: Matriz de Diseño 23

Diseño de Experimentos Página 8

La primera fila es la identidad y cualquier fila multiplicada por ella permanece invariante.
El resto de filas tiene el mismo número de signos + y signos −. Se pueden obtener los
contrastes y los efectos sustituyendo los signos + por 1 y los − por −1.

Por otro lado se pueden obtener las distintas filas a partir del producto entre ellas, por
ejemplo:

A · B = AB,

(AB) · (B) = A · B2 = A,

(AC) · (BC) = A · C2 · B = AB

La estimación de los efectos se describe en la imagen:

Imagen 5: Estimación de los Efectos

Las sumas de los cuadrados son, en cada caso, de manera semejante al diseño 2 2:

SCEfec = Contraste2/ 8n

Diseño de Experimentos Página 9

 EJERCICIO DISEÑO FACTORIAL 22
DESCRIPCION DEL PROBLEMA:
Se llevó a cabo un experimento para estudiar el efecto de la temperatura y del tipo
del horno en la vida de un componente en particular que está probándose. Si están
utilizando cuatro tipos de horno y 3 niveles de temperatura. Se asignan
aleatoriamente 24 piezas, dos para cada combinación de tratamientos y se
registraron los resultados utilizando un nivel de significancia de 0.05, pruebe la
hipótesis de que:

a) Temperaturas diferentes no tienen efecto sobre la vida del componente

b) Diferentes hornos no tienen efecto sobre la vida del componente
c) El tipo de horno y el nivel de temperatura no interactúan
Ho: Temperatura, Hornos, interacción no afectan significativamente la vida del
componente

Hi: Temperatura, Hornos, interacción, al menos una afecta la vida del componente

DIAGRAMA CAUSA - EFECTO

Método Mano de obra

Tolerancia Capacitación

s Medidas de

Mantenimiento protección
personal Horarios
y limpieza Temperatura del
horno en un
componente

Precalentado Resistencia la
temperatura
Tipo de
Horno Humedad

Maquina Material

Diseño de Experimentos Página 10

 CONCENTRACION DE RESULTADOS (TEMPERATURAS)
HORNO
TEMPERATURA O1 O2 O3 O4
227- 214- 225- 260-
500 221 259 236 229 448 473 461 489 1871
187- 282- 246-
550 208 181-179 198 273 395 360 480 519 1754
174- 198- 178- 206-
600 202 194 213 219 376 392 391 425 1584
TOTAL 1219 1225 1332 1434
Tabla 1: Resultado de las Temperaturas

A= 3

B= 4

N= 2

Las sumas de los cuadrados se calculan sustituyendo los totales apropiados en las
siguientes fórmulas de cálculo:

Imagen 6.1: Formulas para la Suma de Cuadrados

Imagen 6.2: Formulas para la Suma de Cuadrados

Diseño de Experimentos Página 11

RESULTADOS AL APLICAR LAS FORMULAS ANTERIORES

SST= (1151787)- (27133681/24) = (1151787) - (1130570.042) =21216.958

SSA= (437880.12+384564.50+313632) - (1130570.042) =1135776.62-

1130570.04=5206.58

SSB= 257660.16+250104.16+295704+342248.16-1130570.042=1135716.48-
1130570.042=5146.43

SSAB= (2290007/2)-5206.58-5146.43+1130570.042=1145003.5-1135776.62-
1135716.48+1130570.042=4080.42

ANALISIS DE VARIANZA PARA EL EJEMPLO

FUENTE DE SUMA DE GRADOS DE CUADRADO F
VARIACIÓN CUADRADOS LIBERTAD MEDIO CALCULADA
TEMPERATURA 5206.8 2 2603.4 4.61
HORNOS 5146.43 3 1715.48 3.03
INTERACCIÓN 4080.42 6 680.07 1.20
ERROR 6783.52 12 565.29
TOTAL 21217.17 23
Tabla 2: Análisis de Varianza

F CALCULADA > F TABLAS

4.60 > 3.89

3.03 < 3.49

1.20 < 3.00

COMPOBACION DE HIPOTESIS:
Hi: Temperatura, Hornos, interacción, al menos una afecta la vida del
componente

Diseño de Experimentos Página 12

 DISEÑO FACTORIAL 23
HIPÓTESIS DE INTERÉS
El estudio factorial de tres factores (A, B y C) permite investigar los efectos: A, B,
C, AB, AC, BC y ABC, donde el nivel de desglose o detalle con el que pueden
estudiarse depende del número de niveles utilizando en cada factor. Por ejemplo, si
un factor se prueba en dos niveles, todo su efecto marginal (individual) es lineal, o
sea que su efecto individual no se puede descomponer; pero, si tuviera tres niveles
su efecto marginal se puede descomponer en una parte lineal y otra cuadrática
pura.

En resumen, se tienen siete efectos de interés sin considerar desglose, y con ellos se
pueden plantar las siete hipótesis nulas

Imagen 7: siete Hipótesis

Cada una aparejada con su correspondiente hipótesis alternativa. El ANOVA para

probar estas hipótesis se muestran en la siguiente tabla.

Imagen 8.1: Anova Imagen 8.2: Simbología Anova

Diseño de Experimentos Página 13

 Imagen 9.1: Formulas de Iteraciones

Dónde:

Yi= Total de las observaciones bajo el i-esimo nivel del factor A.

Yj= Total de las observaciones bajo el j-esimo nivel del factor B.
Yk= Total de las observaciones bajo el K-esimo nivel del factor C.
Yij= Total de las observaciones de la ij-esima celda.
Yi.j= Total de las observaciones de la i.j-esima celda.
Yi.k= Total de las observaciones de la i.k-esima celda.
Yijk.= Total de las observaciones de la ijk.-esima celda.
Y= Total de las todas las observaciones.
Yijk= Total de las observaciones de la ijk-esima celda.

Imagen 9.2: Formulas de Iteraciones

Diseño de Experimentos Página 14

 EJEMPLO DE APLICACIÓN 23
El departamento de control de calidad de una planta de acabados textiles estudia
los efectos de varios factores sobre el teñido de una tela combinada de algodón y
fibra sintética que se usa para hacer camisas. Se seleccionan dos operadores (A),
tres duraciones del ciclo (B) y dos temperaturas (C), y dos ejemplares de prueba
pequeños de tela se tiñeron bajo cada conjunto de condiciones. La tela terminada
se comparó con un patrón y se asignó una puntuación numérica. Los resultados se
presentan en la tabla siguiente

Imagen 10: Resultados del Experimento

Enuncie y pruebe las hipótesis apropiadas usando el análisis de varianza con

α=0.05

DIAGRAMA CAUSA - EFECTO

Método Mano de obra

Tolerancia Capacitación
Medidas de
s
Diseño de protección
Teñidos personal
Horarios Teñido de tela
(algodón y fibra
sintética)
Temperatura Fragilidad y

Tiempo de Manipulación

teñido Secado

Maquina Material

Diseño de Experimentos Página 15

CALCULOS DE COMBINACIONES

Imagen 11: Cálculos de las combinaciones

Imagen 11.1: Cálculos de las sumatorias

Diseño de Experimentos Página 16

Sumatorias obtenidas

Imagen 11.2: Cálculos de las sumatorias

Sumatorias obtenidas

Imagen 12: concentración de Sumatorias

Diseño de Experimentos Página 17

SUSTITUYENDO LAS FORMULAS:

Imagen 13.1: sustitución de Formulas

Imagen 13.1: sustitución de Formulas

Diseño de Experimentos Página 18

RESULTADOS DE LAS COMBINACIONES:

Imagen 14.1: Valores de las Combinaciones

Imagen 14.2: Valores de las Combinaciones

Dado que utilizamos un α=0.05 y puesto que el valor de f, con su nivel de

significancia como con sus grados de libertad en las tablas respectivamente
tenemos 𝐹0.05, 1,12 = 4.75 y 𝐹0.05, 2,12 = 3.89

Diseño de Experimentos Página 19

RESULTADOS DEL ANOVA

Imagen 15: Tabla ANOVA

COMPROBACION CON MINITAB

Imagen 16: Comprobación con miinitab

Diseño de Experimentos Página 20

 ANEXOS:
APLICACIÓN EN SOFTWARE (MINITAB)

Regresión factorial: TOTALES vs. A, B, C

Imagen 17: Modelo del Experimento

Análisis de Varianza

Fuente GL SC Ajust. MC Ajust. Valor F Valor p

Modelo 7 1857.88 265.411 * *
Lineal 3 896.37 298.792 * *
A 1 595.12 595.125 * *
B 1 300.12 300.125 * *
C 1 1.12 1.125 * *
Interacciones de 2 términos 3 685.37 228.458 * *
A*B 1 210.12 210.125 * *
A*C 1 465.13 465.125 * *
B*C 1 10.13 10.125 * *
Interacciones de 3 términos 1 276.13 276.125 * *
A*B*C 1 276.13 276.125 * *
Error 0 * *
Total 7 1857.88

Resumen del modelo

R-cuad. R-cuad.
S R-cuad. (Ajustado) (pred)
* 100.00% * *

Coeficientes codificados

EE del
Término Efecto Coef coef. Valor T Valor p VIF
Constante 30.38 * * *
A -17.250 -8.625 * * * 1.00
B -12.250 -6.125 * * * 1.00

Diseño de Experimentos Página 21

C -0.7500 -0.3750 * * * 1.00
A*B -10.250 -5.125 * * * 1.00
A*C 15.250 7.625 * * * 1.00
B*C 2.250 1.125 * * * 1.00
A*B*C -11.750 -5.875 * * * 1.00

Ecuación de regresión en unidades no codificadas

TOTALES = 30.38 - 8.625 A - 6.125 B - 0.3750 C - 5.125 A*B + 7.625 A*C

+ 1.125 B*C
- 5.875 A*B*C

Estructura de alias
Alias

I
A
B
C
AB
AC
BC
ABC

Imagen 18: Diagrama de Pareto

Diseño de Experimentos Página 22

 Imagen 19: Efectos Normales

Imagen 20: Grafica de Cubos

Diseño de Experimentos Página 23

 Imagen 21: Grafica de totales

Diseño de Experimentos Página 24

CONCLUSIONES

Como hemos observado la aplicación e integración de la ingeniería de calidad en los

procesos productivos es muy importante, ya que, mediante tecnología estadística y el
diseño de experimentos, se logra el aseguramiento de la calidad en todas las etapas.

El diseño de experimentos es una técnica que puede ayudar a conocer un proceso.

Permite averiguar la forma como diversos factores presentes en él influyen sobre la
respuesta y ajustarlos en los niveles que optimicen los resultados. Este trabajo de
investigación permitió explicar los siete pasos propuestos por Montgomery para la
realización de un experimento, aplicándolos a dos ejemplos en este caso.

La técnica DOE permitió determinar que los factores A y B en el primer ejemplo y para el
segundo ejemplo A, B y C.

El DOE permite realizar diseños y análisis más elaborados que el presentado en este caso,
siempre El diseño de experimentos como herramienta para la mejora de los procesos con
el objetivo de obtener la máxima cantidad de información con el mínimo número de
experimentos. La planificación de la experimentación, que comprende las etapas de
selección de factores, niveles, respuesta y la propia elección del diseño más conveniente,
puede resultar complicada en la práctica; esto hace necesario disponer de una
metodología detallada que ayude y facilite el desarrollo de cada etapa.

Diseño de Experimentos Página 25

BIBLIOGRAFIAS

1. Montgomery, D. C. (2005). Design and Analysis of Experiments. 6 ed, ed. 1. Jolm

Wiley & Sonso

2. Ryan, T.P., Modern Experimental Design. 2007: John Wiley & Sons, Inc.

3. Lye, L.M. Tools and toys for teaching design of experiments methodology. in 33rd
Annual General Conference of the Canadian Society for Civil Engineering. 2005.
Toronto, Ontario, Canada.

4. Prezicom. 2016. “La Ingeniera de Calidad y el Diseño de Experimentos,

DOE•. 2015. Prezicom. [Online]. [26 May 2018]. Available from:
https://prezi.com/fhw922teytbs/la-ingenieria-de-calidad-y-el-diseno-de-
experimentos-doe/

Diseño de Experimentos Página 26