DOE factorial: crear y analizar

Crear DOE factorial es el paso de generación del diseño, en el que usted define su experimento antes de recopilar cualquier dato. Usted especifica los factores que se estudiarán, el número de niveles de cada factor y la estructura del diseño, incluidos la resolución, los bloques, las réplicas y los puntos centrales.

Última revisión:

Idea clave

Crear DOE factorial es el paso de generación del diseño, en el que usted define su experimento antes de recopilar cualquier dato.

En esta página
  1. ¿Qué es Crear DOE factorial?
  2. ¿Cuándo usar Crear DOE factorial?
  3. Pautas para el uso correcto de Crear DOE factorial
  4. Alternativas: cuándo no usar Crear DOE factorial
  5. ¿Qué es Analizar DOE factorial?
  6. ¿Cuándo usar Analizar DOE factorial?
  7. Pautas para el uso correcto de Analizar DOE factorial
  8. Alternativas: cuándo no usar Analizar DOE factorial
  9. Ejemplo de Crear y analizar DOE factorial
  10. Cómo crear y analizar un DOE factorial

¿Qué es Crear DOE factorial?

Crear DOE factorial es el paso de generación del diseño, en el que usted define su experimento antes de recopilar cualquier dato. Usted especifica los factores que se estudiarán, el número de niveles de cada factor y la estructura del diseño, incluidos la resolución, los bloques, las réplicas y los puntos centrales. La herramienta genera entonces un conjunto completo de corridas experimentales que le indica exactamente qué combinación de ajustes de los factores probar y en qué orden.

Acertar con el diseño en esta etapa es fundamental: un diseño factorial bien construido garantiza que los efectos de los factores puedan estimarse con exactitud, que se minimice la confusión de efectos y que el experimento aporte la máxima información útil para los recursos invertidos.

Definición sencilla: El paso de planificación de un experimento factorial, en el que usted define sus factores, la estructura del diseño y el orden de las corridas antes de recopilar cualquier dato. Un experimento bien diseñado conduce a respuestas claras y fiables.

¿Cuándo usar Crear DOE factorial?

  • Úselo cuando necesite planificar un nuevo experimento factorial desde cero, antes de realizar ninguna corrida.
  • Úselo cuando tenga de 2 a 15 factores (continuos, categóricos o mixtos) y desee estudiar sus efectos individuales y sus interacciones.
  • Úselo cuando desee generar una lista de corridas aleatorizada y estructurada que proteja contra los efectos del tiempo y el sesgo del operador.
  • Úselo cuando las restricciones de recursos o de tiempo exijan un factorial fraccionado : probar un subconjunto cuidadosamente elegido de todas las combinaciones posibles.

Pautas para el uso correcto de Crear DOE factorial

  • Defina niveles de los factores realistas y prácticamente alcanzables : los rangos deben ser lo bastante amplios para detectar efectos reales, pero seguros y viables de operar durante el experimento.
  • Siempre aleatorice el orden de las corridas : realizar los experimentos en una secuencia aleatoria protege contra los efectos sistemáticos del tiempo, las tendencias de calentamiento del equipo y el aprendizaje del operador, que podrían sesgar los resultados.
  • Incluya puntos centrales en todo experimento: cuestan relativamente pocas corridas, pero permiten detectar la curvatura y estimar el error.
  • Use bloques cuando exista una variable de perturbación conocida , como realizar las pruebas en varios días, turnos, máquinas o lotes de materia prima, para evitar que esa variable infle los efectos aparentes de los factores.
  • Elija la resolución según la información que más importe : use la resolución V cuando las interacciones de dos factores sean importantes; acepte la resolución III solo para grandes estudios iniciales de cribado.

Alternativas: cuándo no usar Crear DOE factorial

  • Si tiene más de 15 factores que cribar, use primero Crear diseño de cribado definitivo para reducir los factores importantes antes de invertir en un factorial completo.
  • Si todos los factores son proporciones de ingredientes que deben sumar un total constante, use en su lugar Crear DOE de mezclas : los diseños factoriales estándar no pueden manejar la restricción de la mezcla.
  • Si el experimento ya se realizó y usted tiene datos que analizar, pase directamente a Analizar DOE factorial sin necesidad de crear un nuevo diseño.

¿Qué es Analizar DOE factorial?

Analizar DOE factorial procesa los datos de respuesta recopilados de un experimento factorial y ajusta un modelo estadístico que cuantifica cómo influyen en la respuesta cada factor y sus interacciones. Identifica qué efectos son estadísticamente significativos, estima la magnitud y la dirección de cada efecto, y genera gráficas de diagnóstico y estadísticos resumen para verificar que el modelo describe los datos de forma fiable.

El análisis convierte las mediciones experimentales brutas en conocimiento útil para la acción: indica qué factores determinan realmente la respuesta, en qué medida, y si algunos factores actúan conjuntamente de maneras que no serían evidentes al estudiarlos por separado.

¿Cuándo usar Analizar DOE factorial?

  • Úselo después de completar todas las corridas experimentales planificadas y registrar todas las mediciones de la respuesta.
  • Úselo para identificar qué factores tienen efectos estadísticamente significativos y cuáles pueden ignorarse con seguridad en el control futuro del proceso.
  • Úselo para cuantificar la magnitud y la dirección de cada efecto , de modo que sepa no solo qué importa, sino cuánto cambia la respuesta al ajustarlo.
  • Úselo para detectar interacciones entre factores en las que el impacto de un factor depende del nivel de otro.

Pautas para el uso correcto de Analizar DOE factorial

  • Siempre revise las gráficas de residuos antes de interpretar los efectos : un modelo que no supera las verificaciones diagnósticas no debe usarse para extraer conclusiones ni hacer recomendaciones.
  • Use la construcción jerárquica del modelo : si un término de interacción es significativo, conserve todos los efectos principales involucrados en esa interacción, aunque esos efectos principales no sean significativos por sí solos.
  • Considere la significancia práctica junto con la significancia estadística : un efecto puede ser estadísticamente detectable pero demasiado pequeño para importar en la práctica en el proceso.
  • Valide el modelo final con corridas de confirmación en los ajustes óptimos predichos antes de implementar cualquier cambio en el proceso: el modelo es una predicción, no una garantía.
  • Si se detecta curvatura mediante los puntos centrales, considere ampliar el diseño con puntos axiales para ajustar un modelo de superficie de respuesta que tenga en cuenta adecuadamente la relación curva.

Alternativas: cuándo no usar Analizar DOE factorial

  • Si el experimento se creó con un diseño de cribado definitivo, use en su lugar Analizar diseño de cribado definitivo : emplea un algoritmo optimizado específicamente para la estructura de datos de un DSD.
  • Si el experimento fue un diseño de mezclas, use en su lugar Analizar DOE de mezclas : el análisis factorial estándar no maneja correctamente la restricción de la mezcla.

Ejemplo de Crear y analizar DOE factorial

Los pasos son los siguientes:

  1. Introduzca los datos necesarios en el panel del lado derecho, Design & Analysis Inputs.
Create & Analyse Factorial DOE — figure 1

2. Ahora analice los datos en Zometric Statistical Software en https://statsai.zometric.com/.

3. Para encontrar Create & Analyse Factorial DoE, elija Statistical module> DOE>Create & Analyse Factorial DoE.

4. Haga clic en Step 1. Las opciones requeridas se rellenarán con los ajustes predeterminados.

5. Haga clic en Step 2. En el panel izquierdo, bajo Designed Experiments & Results, se generará la matriz de diseño. Añada las variables de respuesta (resultado) como nuevas columnas al final de la matriz de diseño.

6. En el panel derecho, bajo Design & Analysis Inputs, localice la opción Responses . Seleccione las columnas de las variables de resultado recién añadidas para definirlas como variables de respuesta.

7. Seleccione los interaction terms requeridos según las necesidades experimentales

8. Haga clic en Step 3 para realizar el análisis del experimento diseñado.

Create & Analyse Factorial DOE — figure 2

9. Después de usar la herramienta mencionada, se obtiene la salida siguiente:

Create & Analyse Factorial DOE — figure 3Create & Analyse Factorial DOE — figure 4Create & Analyse Factorial DOE — figure 5

Cómo crear y analizar un DOE factorial

La guía es la siguiente:

  1. Inicie sesión en Zometric Statistical Software en https://statsai.zometric.com/
  2. En la página de inicio, elija Statistical Tool> DOE>Create & Analyse Factorial DoE.
  3. A continuación, introduzca los datos manualmente o copie todos los datos (Ctrl+C) de una hoja de Excel y péguelos (Ctrl+V), o bien use la opción Load Example, con la que se cargarán los datos de ejemplo.
  4. A continuación, complete las opciones requeridas.
  5. Por último, haga clic en calculate en la parte inferior de la página para obtener los resultados deseados.

En el tablero de Create & Analyse Factorial DoE, la ventana está dividida en dos partes.

Create & Analyse Factorial DOE — figure 6

En la parte izquierda se encuentra Designed Experiments & Results. En Designed Experiments & Results se genera el experimento diseñado.

En la parte derecha hay varias opciones, como las siguientes:

Load example: Carga un conjunto de datos de ejemplo ya preparado para que pueda explorar la herramienta y comprender el flujo de trabajo antes de introducir sus propios datos.

  • Step 1: Fetch Design Options : Esto rellenará automáticamente las opciones explicadas anteriormente
    Step 2: Create Designed Experiments: Genera los experimentos diseñados en el panel del lado izquierdo (Designed Experiments & Results)
    Step 3: Analyse Experiments
    • Resolution: Define cuánta información puede estimar el diseño factorial fraccionado sin confusión de efectos. Los diseños de mayor resolución separan los efectos principales y las interacciones con más claridad, pero requieren más corridas:

      1. Diseño factorial completo (fracción completa)

      Un diseño factorial completo es un diseño experimental en el que se prueban todas las combinaciones posibles de los niveles de los factores.

      Características principales

      Ventajas

      Desventajas

      Ejemplo

      Para 3 factores (A, B, C), cada uno con 2 niveles:
      Corridas totales = 2³ = 8 corridas

      2. Diseño factorial fraccionado (media fracción – fracción 1/2)

      Un diseño de media fracción (fracción 1/2) es un tipo de diseño factorial fraccionado en el que solo se realiza la mitad de las corridas totales de un diseño factorial completo.

      Características principales

      Ventajas

      Desventajas

      Ejemplo

      Para 3 factores (A, B, C):
      Factorial completo = 8 corridas
      Media fracción = 2³⁻¹ = 4 corridas
      • Si hay k factores, cada uno con 2 niveles, el número total de corridas es:
        2ᵏ
      • Evalúa todas las interacciones posibles entre los factores.
      • Proporciona información completa y sin confusión de efectos.
      • No hay pérdida de información por alias.
      • El mayor nivel de exactitud.
      • Todos los efectos principales y los efectos de interacción pueden estimarse de forma independiente.
      • Sin ambigüedad en la interpretación.
      • El número de corridas aumenta rápidamente al aumentar el número de factores.
      • Puede ser lento y costoso.
      • Para k factores, el número de corridas pasa a ser:
        2ᵏ⁻¹
      • Reduce el número de corridas experimentales en un 50%.
      • Usa un subconjunto de combinaciones seleccionado de forma sistemática.
      • Algunos efectos están confundidos (alias) con otros.
      • Requiere menos experimentos, con lo que ahorra tiempo y costo.
      • Útil en las primeras etapas de la experimentación (cribado de factores importantes).
      • Algunos efectos no pueden separarse (por el alias).
      • La interpretación puede ser menos clara que en los diseños factoriales completos.
    • Centre Points per Block: El número de corridas en el punto medio de todos los rangos de los factores que se añaden dentro de cada bloque. Los puntos centrales ayudan a detectar la curvatura de la respuesta y proporcionan una estimación independiente del error experimental sin requerir combinaciones adicionales de factores.
    • Replicates for Corner Points: El número de veces que se repite cada punto de esquina (combinación extrema de factores). Añadir réplicas aumenta la precisión de las estimaciones de los efectos y da una estimación más fiable del error, pero aumenta el número total de corridas requeridas.
    • Blocks: Divide el experimento en grupos de corridas realizadas en las mismas condiciones, por ejemplo, por día, operador o equipo. El bloqueo elimina del análisis las fuentes de variación conocidas y da estimaciones más limpias de los efectos de los factores.
    • Responses: Añada las variables de respuesta (mediciones de salida) que se recopilarán durante el experimento. Deben introducirse como nuevas columnas inmediatamente después de la última columna de la matriz de diseño en la hoja de trabajo. Una vez añadidas las columnas de respuesta, selecciónelas con la opción Responses de la columna recién añadida, que es la variable de salida. Así se garantiza que los resultados experimentales queden asociados correctamente a las respuestas definidas para el análisis posterior.
    • Select Terms: Elija qué términos del modelo (efectos principales, interacciones de dos factores, efectos cuadráticos) incluir en el modelo de análisis. De forma predeterminada se incluyen los efectos principales; añada términos de interacción si espera que los factores se influyan entre sí.
    • Esto generará el análisis del diseño que usted ha generado.
  • Download as Excel: Muestra el resultado en formato Excel, que puede editarse fácilmente y volver a cargarse para los cálculos mediante la opción load file.

Preguntas frecuentes

¿Cuál es la diferencia entre un diseño factorial completo y uno fraccionado?

Un factorial completo prueba todas las combinaciones de los niveles de los factores: para k factores con 2 niveles son 2ᵏ corridas, y da estimaciones completas y sin confusión de todos los efectos principales y las interacciones. Una media fracción realiza 2ᵏ⁻¹ corridas, la mitad, con lo que ahorra tiempo y costo, pero algunos efectos quedan confundidos (alias) y no pueden separarse.

¿Cuándo conviene usar un DOE factorial?

Úselo para planificar un experimento con 2 a 15 factores, continuos, categóricos o mixtos, cuando desee estudiar sus efectos individuales y sus interacciones. Elija un factorial fraccionado cuando los recursos o el tiempo limiten el número de corridas. Con más de 15 factores, cribe primero con un diseño de cribado definitivo; para proporciones de ingredientes, use un diseño de mezclas.

¿Por qué añadir puntos centrales, réplicas y bloques a un diseño factorial?

Los puntos centrales cuestan relativamente pocas corridas, pero detectan la curvatura y dan una estimación independiente del error experimental. Replicar los puntos de esquina mejora la precisión de las estimaciones de los efectos. Los bloques agrupan las corridas realizadas en las mismas condiciones, como un día, un operador o una máquina, de modo que una variable de perturbación conocida no infle los efectos aparentes de los factores.

¿Cómo se analiza un experimento factorial?

En Zometric Statistical Software, Step 1 obtiene las opciones de diseño y Step 2 genera la matriz de diseño; añada las columnas de respuesta al final, selecciónelas como Responses, elija los términos del modelo y haga clic en Step 3 para analizar. Revise las gráficas de residuos antes de interpretar los efectos, conserve los efectos principales involucrados en interacciones significativas y confirme el óptimo predicho con corridas de confirmación.