Tipos de Diseo de Experimentos

Introduction To DOE

Diseo de Experimentos Factoriales

Un diseo factorial de experimentos o Diseo Factorial, es uno en donde cada nivel de todos los factores es probado usando todos los otros niveles de todos los otros factores Ejemplo: El factor A tiene 3 niveles (Lo, Med, Hi) El factor B tiene 2 niveles (10, 20) Se pueden hacer las siguientes pruebas: Factor A en Lo con B en10 y B en 20 Factor A en Med con B en 10 y B en 20 Factor A en Hi con B en10 y B en 20 Para probar todas las combinaciones, se necesitan 6 pruebas o corridas (Numero de niveles de A)*(Numero de niveles de B)

Introduction To DOE

Combinaciones de Factores y Niveles (1)

Se tiene un proceso cuyo resultado Y se sospecha que esta influenciado por tres elementos de entrada A, B, y C . El rango de los estndares de operacin (SOP) son: A 15 a 25, en incrementos de 1 B 200 a 300, en incrementos 2 C 1o2 Un DOE es planeado para probar (correr) todas las combinaciones

Es posible, razonable y practico probar todas las combinaciones ?

Introduction To DOE 3

Combinaciones de Factores y Niveles

Hacer una matriz para todos los factores con todos los niveles produce una lista muy larga de pruebas Los posibles niveles para cada factor son: A = 11 B = 51 C = 2 Cuantas combinaciones se obtienen? 2 x 51 x 11 = ?
A 15 16 17 18 19 20 21 22 23 24 25 15 16 17 . . . . 22 23 24 25 B 20 0 20 0 20 0 20 0 20 0 20 0 20 0 20 0 20 0 20 0 20 0 20 2 20 2 20 2 . . . . 30 0 30 0 30 0 30 0 C 1 1 1 1 1 1 1 1 1 1 1 1 1 1 . . . . 2 2 2 2

Se tienen que hacer suposiciones acerca de la respuesta con el propsito de administrar el experimento
Introduction To DOE

Seleccin de Niveles para los Factores

El equipo decide , ya que conoce el proceso, que los puntos de inters dentro del rango de operacin de los factores (espacio de inferencia) es el que a continuacin se indica: A 15, 20, y 25 B 200, 225, 250, 275, y 300 C 1y2 El experimento revisado consiste de todas las posibles combinaciones de A, B, y C para cada uno de los arreglos seleccionados: Total de corridas = 3 x 5 x 2 = 30 El diseo llega a ser mas sencillo de administrar
Introduction To DOE

A 15 15 15 15 15 15 15 15 15 15 20 20 20 20 20 20 . . . 25 25 25

B 20 0 20 0 22 5 22 5 25 0 25 0 27 5 27 5 30 0 30 0 20 0 20 0 22 5 22 5 25 0 25 0 . . . 27 5 30 0 30 0

C 1 2 1 2 1 2 1 2 1 2 1 2 1 2 1 2 . . . 2 1 2
5

Tipos de Diseos Factoriales

General Full Factorial (Como aparecen en MINITAB) Los factores pueden tener diferentes nmeros de niveles (p.e. El Factor A tiene tres niveles, El factor B tiene 4 niveles , El factor C tiene dos niveles) Cualquier combinacin posible se corre Two-Level Full Factorial (2k) Cualquier Factor tiene exactamente dos niveles Cualquier combinacin posible se corre, luego entonces, hay 2k corridas para k numero de Factores Two-Level Fractional Factorial (2k-p) Es una caso especial de Diseos Factoriales Cada Factor tiene exactamente dos niveles nicamente se corre una fraccin de todas las combinaciones posibles (p.e. de todas las posibles combinaciones, de todas las combinaciones posibles, etc.)

Introduction To DOE

Diseo General Full Factorial

Ventajas Los Factores pueden ser probados para cualquier numero de niveles Es el nico mtodo para factores categricos con mas de dos niveles. Desventajas Los Diseos con muchos factores pueden ser MUY grandes No se puede tener una ecuacin de prediccin lista para usarse No se pueden modelar efectos cuadrticos Cuando usarse Solamente cuando se DEBE probar algunos de los factores (continuos o categricos) con mas de dos niveles

Introduction To DOE

Diseo Two-level Factorial

Full factorial Todas las combinaciones son probadas.
2-Level Full Factorial

Fractional factorial nicamente una fraccin (aqu esto es ) de las combinaciones son probadas.
2-Level Fractional Factorial

Factor B 48 Factor C 3 10 Factor A 20 44

Factor B 1 Factor C -1 -1 Factor A 1 -1

Introduction To DOE

Diseo Two-level Full Factorial

Ventajas Ecuacin de prediccin Lista para usarse. Anlisis simplificado Diseos mejorados por experimentacin secuenciada - Al agregar corridas pueden responderse preguntas adicionales Pueden detectarse presencia de efectos cuadrticos Desventajas Todos los Factores DEBEN de probarse a dos niveles Los diseos pueden ser grandes si se tienen muchos factores No se pueden modelar efectos cuadrticos Cuando debe de usarse Solamente cuando se tengan de dos a cuatro factores que pueden ser probados en dos niveles.

Introduction To DOE

Diseo Two-level Fractional Factorial

Ventajas Diseo extremadamente eficiente Pueden probarse muchos factores con pocas corridas Ecuacin de prediccin Lista para usarse. Anlisis simplificado Diseos mejorados por experimentacin secuenciada - Al agregar corridas pueden responderse preguntas adicionales Se pueden detectar presencia de efectos cuadrticos Desventajas Todos los factores DEBERAN ser probados a dos niveles No se pueden modelar efectos cuadrticos Cuando usarse Filtrar Es uno de los diseos mas fciles de llevar a cabo Modelar Si se tiene mas de cuatro factores, en los cuales todos deben de ser probados a dos niveles Cuando el presupuesto limita el numero de corridas

Introduction To DOE

10

Diseo Superficie de Respuesta (Response Surface)

Un diseo Response Surface es uno que nos permite modelar los Efectos Principales, Interaccin de Efectos, Y efectos Cuadrticos. Ventajas Ecuacin de prediccin Lista para usarse. Modelar Efectos Cuadrticos Puede ser construido de two-level factorials agregando nuevas corridas Eficiente re uso de los datos originales Desventajas Todos los factores deben de ser continuos Experimentos mas grandes que two-level factorials Cuando usarse Solamente cuando se tiene poca cantidad (se recomienda cinco o menos) de factores continuos y si se busca el arreglo para optimizar de manera completa la respuesta (ir a la punta de la colina o al punto mas bajo del valle)
Introduction To DOE 11

Definir Las Actividades Experimentales

Practicas Recomendadas
Replicas Incrementa el poder del experimento (puede detectar pequeos efectos) Mejor estimacin de los errores del experimento (usado para determinar que es significante y que no lo es) Si se tienen 5 factores todos pueden correr a dos niveles y se tienen las 32 corridas en Full Factorial (25 = 32), Pero es mejor correr a la fraccin (16 corridas) y hacer dos replicas (total de 32 corridas) (Aleatorio) Randomizacion Siempre haga el experimento random Protegerse de variables que puedan ocultar la realidad. Experimento Secuenciado Un buen experimento lleva a nuevas preguntas Experimentos bien diseados permiten contestar esas preguntas agregando pocas corridas a los datos ya existentes. Por el contrario un mal diseo de experimento requiere hacerlos de nuevo con perdidas de tiempo, trabajo y dinero.
Introduction To DOE 13