APLICACIÓN DE UN DISEÑO DE EXPERIMENTOS
FACTORIAL, COMO ANÁLISIS DE LA VISCOSIDAD
EN UN ALMIDÓN A BASE DE MAIZ
APPLICATION OF A FACTORIAL EXPERIMENTAL
DESIGN, SUCH AS VISCOSITY ANALYSIS IN A
CORN-BASED STARCH
Alejandro Rojas Ayala
Tecnológico Nacional de México
Roberto Carlos Cárdenas Valdez
Tecnológico Nacional de México
Abel Flores Moreno
Tecnológico Nacional de México
Nicolas Domínguez Reyes
Tecnológico Nacional de México
Juan Francisco Salgado Delgado
Tecnológico Nacional de México
Ricardo Rodríguez Robledo
Tecnológico Nacional de México
Luis Alberto Arau Roffiel
Tecnológico Nacional de México
pág. 8546
DOI: https://doi.org/10.37811/cl_rcm.v9i6.21978
Aplicación de un Diseño de Experimentos Factorial, como Análisis de la
Viscosidad en un Almidón a base de Maiz
Alejandro Rojas Ayala1
alejandro.ra@zacatepec.tecnm.mx
https://orcid.org/0000-0003-0403-6169
Tecnológico Nacional de México
IT de Zacatepec
Zacatepec Morelos, C.P. 62780
México
Roberto Carlos Cárdenas Valdez
roberto.cv@zacatepec.tecnm.mx
https://orcid.org/0000-0003-1813-0092
Tecnológico Nacional de México
IT de Zacatepec
Zacatepec Morelos, C.P. 62780
México
Abel Flores Moreno
abel.fm@zacatepec.tecnm.mx
https://orcid.org/0009-0008-3833-167X
Tecnológico Nacional de México
IT de Zacatepec
Zacatepec Morelos, C.P. 62780
México
Nicolas Domínguez Reyes
nicolas.dr@zacatepec.tecnm.mx
https://orcid.org/0009-0004-7282-0988
Tecnológico Nacional de México
IT de Zacatepec
Zacatepec Morelos, C.P. 62780
México
Juan Francisco Salgado Delgado
juan.sd@zacatepec.tecnm.mx
https://orcid.org/0000-0003-3396-8790
Tecnológico Nacional de México
IT de Zacatepec
Zacatepec Morelos, C.P. 62780
México
Ricardo Rodríguez Robledo
r.rr@zacatepec.tecnm.mx
https://orcid.org/0009-0004-7976-6187
Tecnológico Nacional de México
IT de Zacatepec
Zacatepec Morelos, C.P. 62780
México
Luis Alberto Arau Roffiel
Luis.ar@zacatepec.tecnm.mx
https://orcid.org/0000-0002-7795-8052
Tecnológico Nacional de México
IT de Zacatepec
Zacatepec Morelos, C.P. 62780
México
1 Autor principal
Correspondencia: alejandro.ra@zacatepec.tecnm.mx
DOI: https://doi.org/10.37811/cl_rcm.v9i6.21978
Aplicación de un Diseño de Experimentos Factorial, como Análisis de la
Viscosidad en un Almidón a base de Maiz
Alejandro Rojas Ayala1
alejandro.ra@zacatepec.tecnm.mx
https://orcid.org/0000-0003-0403-6169
Tecnológico Nacional de México
IT de Zacatepec
Zacatepec Morelos, C.P. 62780
México
Roberto Carlos Cárdenas Valdez
roberto.cv@zacatepec.tecnm.mx
https://orcid.org/0000-0003-1813-0092
Tecnológico Nacional de México
IT de Zacatepec
Zacatepec Morelos, C.P. 62780
México
Abel Flores Moreno
abel.fm@zacatepec.tecnm.mx
https://orcid.org/0009-0008-3833-167X
Tecnológico Nacional de México
IT de Zacatepec
Zacatepec Morelos, C.P. 62780
México
Nicolas Domínguez Reyes
nicolas.dr@zacatepec.tecnm.mx
https://orcid.org/0009-0004-7282-0988
Tecnológico Nacional de México
IT de Zacatepec
Zacatepec Morelos, C.P. 62780
México
Juan Francisco Salgado Delgado
juan.sd@zacatepec.tecnm.mx
https://orcid.org/0000-0003-3396-8790
Tecnológico Nacional de México
IT de Zacatepec
Zacatepec Morelos, C.P. 62780
México
Ricardo Rodríguez Robledo
r.rr@zacatepec.tecnm.mx
https://orcid.org/0009-0004-7976-6187
Tecnológico Nacional de México
IT de Zacatepec
Zacatepec Morelos, C.P. 62780
México
Luis Alberto Arau Roffiel
Luis.ar@zacatepec.tecnm.mx
https://orcid.org/0000-0002-7795-8052
Tecnológico Nacional de México
IT de Zacatepec
Zacatepec Morelos, C.P. 62780
México
1 Autor principal
Correspondencia: alejandro.ra@zacatepec.tecnm.mx
pág. 8547
RESUMEN
En el presente trabajo se realizo el análisis de lo que son los Diseños de Experimentos (DOE) en
especifico un DOE Factorial con 3 factores, con relación a la Viscosidad de un Almidón a base de Maíz.
Se sometio el Almidón a tres diferentes pruebas (Factores), las cuales son: Temperatura (A),
Concentración (B) y Tiempo (C), y de esta forma obteniendo los valores que nos den la acertividad de
que el diseño aplicado es el idoneo y considerando que los valores registrados influyen en la variable
de interes de estudio. Se utilizaron del factor Temperatura 3 niveles, así como, diferentes
Concentraciones (2 niveles) a diversos Tiempos (2 niveles), para observar que efecto significativo se
tiene sobre la viscocidad del almidón a base de maíz. Con ello, se uso un modelo estadístico que nos
permitio desarrollar un mejor DOE Factorial de 3 factores con una sola replica, la cúal se obtuvo al
realizar la fase experimental con los factores ya mencionados. No omitimos mencionar que se trabajo
con un Viscosímetro rotacional de Brookfield, el cual permitio medir la viscocidad a una velocidad
constante del fluido. Las consideraciones que se tomaron fueron, la identificación del problema y
definición de los objetivos, elección de los factores y los niveles a tratar, además, de la selección de la
variable de respuesta, elección del diseño expimental, ejecución de la parte experimental, análisis
estadístico de los datos, así como, mejoras y control del proceso, toma de decisiones y conclusión.
Por lo que los DOE son una herramienta tan concurrida en el ambito educativo e industrial que permite
al investigador ser mas eficiente y productivo en la toma de decisiones.
Palabras clave: diseño de experimentos, viscosidad, temperatura, concentraciones
RESUMEN
En el presente trabajo se realizo el análisis de lo que son los Diseños de Experimentos (DOE) en
especifico un DOE Factorial con 3 factores, con relación a la Viscosidad de un Almidón a base de Maíz.
Se sometio el Almidón a tres diferentes pruebas (Factores), las cuales son: Temperatura (A),
Concentración (B) y Tiempo (C), y de esta forma obteniendo los valores que nos den la acertividad de
que el diseño aplicado es el idoneo y considerando que los valores registrados influyen en la variable
de interes de estudio. Se utilizaron del factor Temperatura 3 niveles, así como, diferentes
Concentraciones (2 niveles) a diversos Tiempos (2 niveles), para observar que efecto significativo se
tiene sobre la viscocidad del almidón a base de maíz. Con ello, se uso un modelo estadístico que nos
permitio desarrollar un mejor DOE Factorial de 3 factores con una sola replica, la cúal se obtuvo al
realizar la fase experimental con los factores ya mencionados. No omitimos mencionar que se trabajo
con un Viscosímetro rotacional de Brookfield, el cual permitio medir la viscocidad a una velocidad
constante del fluido. Las consideraciones que se tomaron fueron, la identificación del problema y
definición de los objetivos, elección de los factores y los niveles a tratar, además, de la selección de la
variable de respuesta, elección del diseño expimental, ejecución de la parte experimental, análisis
estadístico de los datos, así como, mejoras y control del proceso, toma de decisiones y conclusión.
Por lo que los DOE son una herramienta tan concurrida en el ambito educativo e industrial que permite
al investigador ser mas eficiente y productivo en la toma de decisiones.
Palabras clave: diseño de experimentos, viscosidad, temperatura, concentraciones
pág. 8548
Application of a Factorial Experimental Design, such as Viscosity Analysis
in a Corn-Based Starch
ASTRACT
In this work, an analysis of Designs of Experiments (DOE) was conducted, specifically a factorial DOE
with three factors, in relation to the viscosity of a corn-based starch. The starch was subjected to three
different tests (factors): temperature (A), concentration (B), and time (C). This allowed us to obtain
values that confirmed the suitability of the applied design and considered the influence of the variable
of interest. Three levels of temperature were used, as well as different concentrations (two levels) at
various times (two levels), to observe the significant effect on the viscosity of the corn-based starch. A
statistical model was then used to develop a more refined factorial DOE with three factors and a single
replicate, which was obtained by conducting the experimental phase with the aforementioned factors.
We should mention that we worked with a Brookfield rotational viscometer, which allowed us to
measure the viscosity at a constant fluid speed. The considerations taken into account were problem
identification and objective definition, selection of factors and levels to be addressed, selection of the
response variable, choice of experimental design, execution of the experimental phase, statistical
analysis of the data, process improvements and control, decision-making, and conclusion. Therefore,
Design of Experiments (DOE) is such a widely used tool in the educational and industrial fields that it
allows researchers to be more efficient and productive in their decision-making.
Keywords: design of experiments, viscosity, temperature, concentrations
Artículo recibido 30 noviembre 2025
Aceptado para publicación: 30 diciembre 2025
Application of a Factorial Experimental Design, such as Viscosity Analysis
in a Corn-Based Starch
ASTRACT
In this work, an analysis of Designs of Experiments (DOE) was conducted, specifically a factorial DOE
with three factors, in relation to the viscosity of a corn-based starch. The starch was subjected to three
different tests (factors): temperature (A), concentration (B), and time (C). This allowed us to obtain
values that confirmed the suitability of the applied design and considered the influence of the variable
of interest. Three levels of temperature were used, as well as different concentrations (two levels) at
various times (two levels), to observe the significant effect on the viscosity of the corn-based starch. A
statistical model was then used to develop a more refined factorial DOE with three factors and a single
replicate, which was obtained by conducting the experimental phase with the aforementioned factors.
We should mention that we worked with a Brookfield rotational viscometer, which allowed us to
measure the viscosity at a constant fluid speed. The considerations taken into account were problem
identification and objective definition, selection of factors and levels to be addressed, selection of the
response variable, choice of experimental design, execution of the experimental phase, statistical
analysis of the data, process improvements and control, decision-making, and conclusion. Therefore,
Design of Experiments (DOE) is such a widely used tool in the educational and industrial fields that it
allows researchers to be more efficient and productive in their decision-making.
Keywords: design of experiments, viscosity, temperature, concentrations
Artículo recibido 30 noviembre 2025
Aceptado para publicación: 30 diciembre 2025
pág. 8549
INTRODUCCIÓN
El diseño de experimentos desde hace muchos años ha sido una herramienta fundamental con el cual
podemos aplicar métodos científicos para generar una serie de conocimientos acerca de un proceso o
un sistema. Para esto, es necesario conocer nuestros Factores, Tratamientos y Variables a utilizar, así
como, las posibles variantes que podemos tener con ellos, con el fin, de determinar un conjunto de
pruebas experimentales estadísticas que nos ayuden a resolver diversas problemáticas, con la mayor
facilidad posible (Garza Villegas, 2017; Valencia et al., 2020).
El DOE permite analizar datos mediante distintos modelos estadísticos, con el cual podemos observar
el comportamiento de las Factores, variables dependientes e independientes, estableciendo la
importancia de cada una de ellas dentro de un proceso óptimo con el menor error posible, con el fin de
incrementar la producción de servicios y bienes (García & Napolitano, 2010; Gutiérrez Pulido & De La
Vara Salazar, 2008).
Algunos investigadores utilizan la estadística como instrumento de medición para la parte experimental
que hacen. Los parámetros que se obtienen deben ser óptimos para poder mejorar el proceso y con ello
tener la certeza de que los valores obtenidos funcionan adecuadamente, dando como resultado un
análisis adecuado de dichos datos. Es evidente que el diseño de expimentos juega un papel muy
importante como estrategia para análisis de diversos procesos, ya que nos da la pauta de tener
conclusiones estadísticas obejtivas y sobre todo comprobar las hipótesis planteadas (Montgomery,
2004; Paz Orozco et al., 2025).
Tomaremos en cuenta, en primera instancia que el almidón es el principal componente del grano de
maíz (Zea mays L.), haciendo con ello que influya en su funcionalidad de diversas maneras en el uso
de la industria alimentaria. Las propiedades específicas del almidón son su textura, volumen,
consistencia, humedad y la vida de anaquel de los alimentos. El saber usar el almidón para diferentes
procesos, ha sido de interes para la investigacón día a día (Castaño et al., 2007; Fernández Bao, 2020).
Por otra parte el almidón es una categoría importante de ingredientes alimentarios y funciona como
espesante, gelificante, aglutinante, estabilizador, encapsulante y/o emulsionante durante el
procesamiento de alimentos y en los productos finales (Ai & Jane, 2014).
INTRODUCCIÓN
El diseño de experimentos desde hace muchos años ha sido una herramienta fundamental con el cual
podemos aplicar métodos científicos para generar una serie de conocimientos acerca de un proceso o
un sistema. Para esto, es necesario conocer nuestros Factores, Tratamientos y Variables a utilizar, así
como, las posibles variantes que podemos tener con ellos, con el fin, de determinar un conjunto de
pruebas experimentales estadísticas que nos ayuden a resolver diversas problemáticas, con la mayor
facilidad posible (Garza Villegas, 2017; Valencia et al., 2020).
El DOE permite analizar datos mediante distintos modelos estadísticos, con el cual podemos observar
el comportamiento de las Factores, variables dependientes e independientes, estableciendo la
importancia de cada una de ellas dentro de un proceso óptimo con el menor error posible, con el fin de
incrementar la producción de servicios y bienes (García & Napolitano, 2010; Gutiérrez Pulido & De La
Vara Salazar, 2008).
Algunos investigadores utilizan la estadística como instrumento de medición para la parte experimental
que hacen. Los parámetros que se obtienen deben ser óptimos para poder mejorar el proceso y con ello
tener la certeza de que los valores obtenidos funcionan adecuadamente, dando como resultado un
análisis adecuado de dichos datos. Es evidente que el diseño de expimentos juega un papel muy
importante como estrategia para análisis de diversos procesos, ya que nos da la pauta de tener
conclusiones estadísticas obejtivas y sobre todo comprobar las hipótesis planteadas (Montgomery,
2004; Paz Orozco et al., 2025).
Tomaremos en cuenta, en primera instancia que el almidón es el principal componente del grano de
maíz (Zea mays L.), haciendo con ello que influya en su funcionalidad de diversas maneras en el uso
de la industria alimentaria. Las propiedades específicas del almidón son su textura, volumen,
consistencia, humedad y la vida de anaquel de los alimentos. El saber usar el almidón para diferentes
procesos, ha sido de interes para la investigacón día a día (Castaño et al., 2007; Fernández Bao, 2020).
Por otra parte el almidón es una categoría importante de ingredientes alimentarios y funciona como
espesante, gelificante, aglutinante, estabilizador, encapsulante y/o emulsionante durante el
procesamiento de alimentos y en los productos finales (Ai & Jane, 2014).
pág. 8550
Al utlizar el almidón para la preparación de alimentos, el almidón suele hidratar primero, seguido de
tratamientos térmicos para gelatinizarlo. Durante el proceso de gelatinización, los gránulos de almidón
se hinchan y algunas moléculas (p. ej., amilosa y pequeñas moléculas de amilopectina) se filtran de los
gránulos hinchados, y estos cambios contribuyen al desarrollo de la viscosidad (Debet & Gidley, 2006).
Este proceso se conoce como empastamiento del almidón, una característica funcional clave que afecta
a las aplicaciones del almidón en alimentos. La amilopectina es el componente principal responsable
del poder de hinchamiento y el desarrollo de la viscosidad del almidón durante el empastamiento,
mientras que la amilosa ha mostrado una correlación inversa con la viscosidad máxima del almidón
(Zeng et al., 1997). Cuando la amilosa forma complejos de una sola hélice con lípidos, como en los
almidones de trigo y cebada (principalmente fosfolípidos), el almidón de maíz normal (principalmente
ácidos grasos libres) y el almidón de arroz normal (principalmente fosfolípidos y algunos ácidos grasos
libres), el desarrollo de la viscosidad se ve aún más obstaculizado (Liu et al., 2019).
Por otro parte, los derivados de monoéster de fosfato con carga negativa presentes en el almidón de
papas provocan repulsión entre las cadenas de almidón, lo que potencia el hinchamiento de los gránulos
de almidón y, por lo tanto, eleva la viscosidad máxima (Shi & Bemiller, 2002). Al enfriar la pasta de
almidón, las moléculas de amilosa tienden a reasociarse entre sí y con las moléculas de amilopectina
para formar una red sólida, lo que contribuye a una alta viscosidad de retroceso (Jane et al., 1999). Los
almidones que contienen más del 50 % de amilosa, como el almidón de maíz con alto contenido de
amilosa, presentan una viscosidad insignificante durante el proceso de cocción y enfriamiento en
condiciones ambientales debido a las altas temperaturas de gelatinización final (Chen et al., 2017).
La temperatura juaga una variable importante dentro de la diferencia de viscosidad en el almidón, ya
que al aumentar la temperatura los enlaces de hidrógeno se rompen y la entrada de agua de produce más
fácilmente cuando continúa el calentamiento, provocando que se inflen rápidamente de los gránulos de
almidón y el consiguiente aumento de la viscosidad de la solución (Lujan et al., 2021; Solarte-Montúfar
et al., 2019). El almidón ha ganado importancia en el desarrollo de nuevos productos por el bajo costo
y la alta disponibilidad a partir de diferentes fuentes como cereales, tubérculos y leguminosa, además
de que su presentación es en partículas discretas, que denominamos gránulos. Estos, suelen ser densos,
insolubles y no suelen ser hidratados en agua fría.
Al utlizar el almidón para la preparación de alimentos, el almidón suele hidratar primero, seguido de
tratamientos térmicos para gelatinizarlo. Durante el proceso de gelatinización, los gránulos de almidón
se hinchan y algunas moléculas (p. ej., amilosa y pequeñas moléculas de amilopectina) se filtran de los
gránulos hinchados, y estos cambios contribuyen al desarrollo de la viscosidad (Debet & Gidley, 2006).
Este proceso se conoce como empastamiento del almidón, una característica funcional clave que afecta
a las aplicaciones del almidón en alimentos. La amilopectina es el componente principal responsable
del poder de hinchamiento y el desarrollo de la viscosidad del almidón durante el empastamiento,
mientras que la amilosa ha mostrado una correlación inversa con la viscosidad máxima del almidón
(Zeng et al., 1997). Cuando la amilosa forma complejos de una sola hélice con lípidos, como en los
almidones de trigo y cebada (principalmente fosfolípidos), el almidón de maíz normal (principalmente
ácidos grasos libres) y el almidón de arroz normal (principalmente fosfolípidos y algunos ácidos grasos
libres), el desarrollo de la viscosidad se ve aún más obstaculizado (Liu et al., 2019).
Por otro parte, los derivados de monoéster de fosfato con carga negativa presentes en el almidón de
papas provocan repulsión entre las cadenas de almidón, lo que potencia el hinchamiento de los gránulos
de almidón y, por lo tanto, eleva la viscosidad máxima (Shi & Bemiller, 2002). Al enfriar la pasta de
almidón, las moléculas de amilosa tienden a reasociarse entre sí y con las moléculas de amilopectina
para formar una red sólida, lo que contribuye a una alta viscosidad de retroceso (Jane et al., 1999). Los
almidones que contienen más del 50 % de amilosa, como el almidón de maíz con alto contenido de
amilosa, presentan una viscosidad insignificante durante el proceso de cocción y enfriamiento en
condiciones ambientales debido a las altas temperaturas de gelatinización final (Chen et al., 2017).
La temperatura juaga una variable importante dentro de la diferencia de viscosidad en el almidón, ya
que al aumentar la temperatura los enlaces de hidrógeno se rompen y la entrada de agua de produce más
fácilmente cuando continúa el calentamiento, provocando que se inflen rápidamente de los gránulos de
almidón y el consiguiente aumento de la viscosidad de la solución (Lujan et al., 2021; Solarte-Montúfar
et al., 2019). El almidón ha ganado importancia en el desarrollo de nuevos productos por el bajo costo
y la alta disponibilidad a partir de diferentes fuentes como cereales, tubérculos y leguminosa, además
de que su presentación es en partículas discretas, que denominamos gránulos. Estos, suelen ser densos,
insolubles y no suelen ser hidratados en agua fría.
pág. 8551
Sin embargo, estos pueden ser ser dispersados en agua, formando suspensiones de baja viscosidad que
son fácilmente mezcladas o bombeadas, incluso a concentraciones arriba del 30% (Evaluación Del
Efecto de La Temperatura y El Tiempo de Calentamiento En La Capacidad Aglutinante de Dos Tipos
de Almidones Para La Formulación de Comprimidos Orales . Evaluación Del Efecto de La
Temperatura y El Tiempo de Calentamiento En La Capacidad Agl, 2010).
El propósito de esta investigación es analizar la viscosidad del almidón, con base a las variaciones de
los factores considerados y que pueden afectar de manera significativa la variable de repuesta, los cuales
son la temperatura, el tiempo y la concentración del almidón a base de maíz. Este análisis nos permitirá
conocer las diferentes viscosidades mediante un DOE Factorial de 3 factores y el análisis de varíanza
(ANOVA) correspondiente, que permita conocer si alguno de los 3 factores o ninguno afectan de
manera significativa la viscosidad del almidón como variable de propuesta.
METODOLOGÍA
Para la preparación de la solución se pesan 25 gr de almidón en base seca, disolviendolo en agua
destilada y aforando a 500 ml. (figura 1). Para las pruebas se tomaron en cuenta 3 tempraruras, medio
ambiente a 28°C, 35°C y 45°C respectivamente. Temperaturas que eran menos a su punto de
gelatinización.
Figura 1. Preparación de la solución de almidón a base de maíz con agua destilada.
Para la prueba en donde la temperatura es de 35°C y 45°C, se llevo hasta alcanzar el punto de ebullición
con un agitador magnético, aproximadamente durante 5 minutos, para lograr la disolución del almidón
en el agua destilada, posteriormente se procedio a enfriar a tempepertuara ambiente alcanzando 35 y
45°C para ambas pruebas, quedando una solución tipo gel.
Sin embargo, estos pueden ser ser dispersados en agua, formando suspensiones de baja viscosidad que
son fácilmente mezcladas o bombeadas, incluso a concentraciones arriba del 30% (Evaluación Del
Efecto de La Temperatura y El Tiempo de Calentamiento En La Capacidad Aglutinante de Dos Tipos
de Almidones Para La Formulación de Comprimidos Orales . Evaluación Del Efecto de La
Temperatura y El Tiempo de Calentamiento En La Capacidad Agl, 2010).
El propósito de esta investigación es analizar la viscosidad del almidón, con base a las variaciones de
los factores considerados y que pueden afectar de manera significativa la variable de repuesta, los cuales
son la temperatura, el tiempo y la concentración del almidón a base de maíz. Este análisis nos permitirá
conocer las diferentes viscosidades mediante un DOE Factorial de 3 factores y el análisis de varíanza
(ANOVA) correspondiente, que permita conocer si alguno de los 3 factores o ninguno afectan de
manera significativa la viscosidad del almidón como variable de propuesta.
METODOLOGÍA
Para la preparación de la solución se pesan 25 gr de almidón en base seca, disolviendolo en agua
destilada y aforando a 500 ml. (figura 1). Para las pruebas se tomaron en cuenta 3 tempraruras, medio
ambiente a 28°C, 35°C y 45°C respectivamente. Temperaturas que eran menos a su punto de
gelatinización.
Figura 1. Preparación de la solución de almidón a base de maíz con agua destilada.
Para la prueba en donde la temperatura es de 35°C y 45°C, se llevo hasta alcanzar el punto de ebullición
con un agitador magnético, aproximadamente durante 5 minutos, para lograr la disolución del almidón
en el agua destilada, posteriormente se procedio a enfriar a tempepertuara ambiente alcanzando 35 y
45°C para ambas pruebas, quedando una solución tipo gel.
pág. 8552
Se procedio a tomar una submuestra de nuestra solución tipo gel de unos 15 ml. Lelvandola a un
Viscosímetro Brookfield y tomando la lectura de viscosidad a una velocidad de 10 RPM (ver figura 2).
Figura 2. Toma de lectura de la viscosidad de la muestra a 28, 35 y 45°C.
Para nuestra investigación, nos interesa saber el efecto de la viscosidad de nuestro almidón a base de
maíz al interactuar con otros factores. Tomamos en cuenta como el factor A a la temperatura, el factor
B la concentración y el factor C el tiempo. Así mismo, se seleccionaron 3 niveles de Temperatura (A)
A1, A2 y A3, para la Concentración (B) se consideraron 3 niveles B1, B2 y B3, y por ultimo el Tiempo
(C) a 2 niveles que se denotaron por C1 y C2. Por lo tanto, se supone que se consideraron que a = 3
niveles para el factor A, b = 3 niveles para el factor B y c = 2 niveles para el factor C, de esta forma
tenemos un arreglo de 3x3x2 de un DOE Factorial. Es pertinente mencionar que se utilizo un modelo
estadístico con una sola replica para resolver la parte de nuestra problemática.
El Modelo Estadístico se puede expresar de la siguiente forma:
𝒀𝒊𝒋𝒌𝒍 = 𝝁 + 𝜶𝒊 + 𝜷𝒋 + 𝜸𝒌 + (𝜶𝜷)𝒊𝒋+(𝜶𝜸)𝒊𝒌 + (𝜷𝜸)𝒋𝒌 + (𝜶𝜷𝜸)𝒊𝒋𝒌 + 𝜺𝒊𝒋𝒌
Donde:
𝑖 = 1,2, … , 𝑎; 𝑗 = 1,2, … , 𝑏; 𝑘 = 1,2, … , 𝑐
Las Hipótesis se plantean de la iguiente manera:
𝐻0: 𝛼1=𝛼2∙∙∙ =𝛼𝑎=0 𝐻0: 𝛽1=𝛽2∙∙∙ =𝛽𝑏=0 𝐻0: 𝛾1=𝛾2∙∙∙ =𝛾𝑐=0
𝐻1: 𝛼𝑖≠0 para algún 𝑖 𝐻1: 𝛽𝑗≠0 para algún 𝒋 𝐻1: 𝛾𝑘≠0 para algún 𝑘
𝐻0: (𝛼𝛾)𝑖𝑘=0 para todo ik 𝐻0: (𝛽𝛾)𝑗𝑘=0 para todo 𝑗𝑘 𝐻0: (𝛼𝛽)𝑖𝑗=0 para todo 𝑖𝑗
𝐻1: (𝛼𝛾)𝑖𝑘≠0 para algún 𝑖𝑘 𝐻1: (𝛽𝛾)𝑗𝑘≠0 para algún 𝑗𝑘 𝐻1: (𝛼𝛽)𝑖𝑗≠0 para algún 𝑖𝑗
𝐻0: (𝛼𝛽𝛾)𝑖𝑗𝑘=0 para todo 𝑖𝑗𝑘
𝐻1: (𝛼𝛽𝛾)𝑖𝑗𝑘≠0 para algún i𝑗𝑘
Se procedio a tomar una submuestra de nuestra solución tipo gel de unos 15 ml. Lelvandola a un
Viscosímetro Brookfield y tomando la lectura de viscosidad a una velocidad de 10 RPM (ver figura 2).
Figura 2. Toma de lectura de la viscosidad de la muestra a 28, 35 y 45°C.
Para nuestra investigación, nos interesa saber el efecto de la viscosidad de nuestro almidón a base de
maíz al interactuar con otros factores. Tomamos en cuenta como el factor A a la temperatura, el factor
B la concentración y el factor C el tiempo. Así mismo, se seleccionaron 3 niveles de Temperatura (A)
A1, A2 y A3, para la Concentración (B) se consideraron 3 niveles B1, B2 y B3, y por ultimo el Tiempo
(C) a 2 niveles que se denotaron por C1 y C2. Por lo tanto, se supone que se consideraron que a = 3
niveles para el factor A, b = 3 niveles para el factor B y c = 2 niveles para el factor C, de esta forma
tenemos un arreglo de 3x3x2 de un DOE Factorial. Es pertinente mencionar que se utilizo un modelo
estadístico con una sola replica para resolver la parte de nuestra problemática.
El Modelo Estadístico se puede expresar de la siguiente forma:
𝒀𝒊𝒋𝒌𝒍 = 𝝁 + 𝜶𝒊 + 𝜷𝒋 + 𝜸𝒌 + (𝜶𝜷)𝒊𝒋+(𝜶𝜸)𝒊𝒌 + (𝜷𝜸)𝒋𝒌 + (𝜶𝜷𝜸)𝒊𝒋𝒌 + 𝜺𝒊𝒋𝒌
Donde:
𝑖 = 1,2, … , 𝑎; 𝑗 = 1,2, … , 𝑏; 𝑘 = 1,2, … , 𝑐
Las Hipótesis se plantean de la iguiente manera:
𝐻0: 𝛼1=𝛼2∙∙∙ =𝛼𝑎=0 𝐻0: 𝛽1=𝛽2∙∙∙ =𝛽𝑏=0 𝐻0: 𝛾1=𝛾2∙∙∙ =𝛾𝑐=0
𝐻1: 𝛼𝑖≠0 para algún 𝑖 𝐻1: 𝛽𝑗≠0 para algún 𝒋 𝐻1: 𝛾𝑘≠0 para algún 𝑘
𝐻0: (𝛼𝛾)𝑖𝑘=0 para todo ik 𝐻0: (𝛽𝛾)𝑗𝑘=0 para todo 𝑗𝑘 𝐻0: (𝛼𝛽)𝑖𝑗=0 para todo 𝑖𝑗
𝐻1: (𝛼𝛾)𝑖𝑘≠0 para algún 𝑖𝑘 𝐻1: (𝛽𝛾)𝑗𝑘≠0 para algún 𝑗𝑘 𝐻1: (𝛼𝛽)𝑖𝑗≠0 para algún 𝑖𝑗
𝐻0: (𝛼𝛽𝛾)𝑖𝑗𝑘=0 para todo 𝑖𝑗𝑘
𝐻1: (𝛼𝛽𝛾)𝑖𝑗𝑘≠0 para algún i𝑗𝑘
pág. 8553
Los resultados obtenidos por medio del Método de Mínimos Cuadrados se calculan de las formulas y
se representan en la Tabla 1 ANOVA siguiente.
Tabla 1. Tabla ANOVA del análisis de Varianza obtenido.
F.V. SC GL CM F0
Temperatura A SCA a-1 CMA = SCA/(a-1) CMA / CMR(ABC)
Concentración B SCB b-1 CMB = SCB/(b-1) CMB / CMR(ABC)
Tiempo C SCC c-1 CMC = SCC/(c-1) CMC / CMR(ABC)
Interacción AXB SCAB (a-1)(b-1) CMAB = SCAB/(a-1)(b-1) CMAB / CMR(ABC)
Interacción AXC SCAC (a-1)(c-1) CMAC = SCAC/(a-1)(c-1) CMAC / CMR(ABC)
Interacción BXC SCBC (b-1)(c-1) CMBC = SCBC/(b-1)(c-1) CMBC / CMR(ABC)
Interacción AXBXC SCR(ABC) (a-1)(b-1)(c-1) CMR(ABC) = SCR(ABC)/(a-
1)(b-1)(c-1)
Total SCT [(a)(b)(c)]-1 CMT = SCT/[(a)(b)(c)]-1
Fijado un nivel de significancia α se rechaza Ho correspondiente mediante la condición de que, si Fo >
Fα. Al tratarse de un modelo sin replicación, los contrastes solo se pueden realizar si se supone que la
interacción de tercer orden AxBxC es cero. Es decir la hipótesis, CMABC = CMR(ABC).
RESULTADOS Y DISCUSIÓN
En la Tabla 2 se muestran los resultados obtenidos del DOE Factorial de 3 factores aplicados en el
laboratorio y con el Viscosímetro Brookfield.
Tabla 2. Obtención de datos de la Variable de respuesta en laboratorio
Tiempo
Temperatura
C1 (1 min) C2 (3min)
Concentración
B1 (75g) B2 (100g) B3 (120g) B1 (75g) B2 (100g) B3 (120g)
A1(28°C) 2.5 3.5 4 3 4 5
A2(35°C) 7.0 3 3 7.2 5.5 5.5
A3(45°C) 3.5 4.8 7.8 4.5 5.2 8.2
En las siguientes Tabla 3 y Tabla 4 se obtienen los datos de la interacción de los factores A y B, así
como tamb A y C:
Los resultados obtenidos por medio del Método de Mínimos Cuadrados se calculan de las formulas y
se representan en la Tabla 1 ANOVA siguiente.
Tabla 1. Tabla ANOVA del análisis de Varianza obtenido.
F.V. SC GL CM F0
Temperatura A SCA a-1 CMA = SCA/(a-1) CMA / CMR(ABC)
Concentración B SCB b-1 CMB = SCB/(b-1) CMB / CMR(ABC)
Tiempo C SCC c-1 CMC = SCC/(c-1) CMC / CMR(ABC)
Interacción AXB SCAB (a-1)(b-1) CMAB = SCAB/(a-1)(b-1) CMAB / CMR(ABC)
Interacción AXC SCAC (a-1)(c-1) CMAC = SCAC/(a-1)(c-1) CMAC / CMR(ABC)
Interacción BXC SCBC (b-1)(c-1) CMBC = SCBC/(b-1)(c-1) CMBC / CMR(ABC)
Interacción AXBXC SCR(ABC) (a-1)(b-1)(c-1) CMR(ABC) = SCR(ABC)/(a-
1)(b-1)(c-1)
Total SCT [(a)(b)(c)]-1 CMT = SCT/[(a)(b)(c)]-1
Fijado un nivel de significancia α se rechaza Ho correspondiente mediante la condición de que, si Fo >
Fα. Al tratarse de un modelo sin replicación, los contrastes solo se pueden realizar si se supone que la
interacción de tercer orden AxBxC es cero. Es decir la hipótesis, CMABC = CMR(ABC).
RESULTADOS Y DISCUSIÓN
En la Tabla 2 se muestran los resultados obtenidos del DOE Factorial de 3 factores aplicados en el
laboratorio y con el Viscosímetro Brookfield.
Tabla 2. Obtención de datos de la Variable de respuesta en laboratorio
Tiempo
Temperatura
C1 (1 min) C2 (3min)
Concentración
B1 (75g) B2 (100g) B3 (120g) B1 (75g) B2 (100g) B3 (120g)
A1(28°C) 2.5 3.5 4 3 4 5
A2(35°C) 7.0 3 3 7.2 5.5 5.5
A3(45°C) 3.5 4.8 7.8 4.5 5.2 8.2
En las siguientes Tabla 3 y Tabla 4 se obtienen los datos de la interacción de los factores A y B, así
como tamb A y C:
pág. 8554
Tabla 3. Interacción AxB Tabla 4. Interacción AxC
AXB B1 B2 B3 Yi…… AXC C1 C2
A1 5.5 7.5 9 22 A1 10 12
A2 14.2 8.5 8.5 31.2 A2 13 18.2
A3 8 10 16 34 A3 16.1 17.9
Y.j. 27.7 26 33.5 Y….=87.2 Y..k 39.1 48.1
En la siguiente Tabla 5 se obtienen los datos de la interacción de los factores B y C:
Tabla 5. Interacción BxC
BXC C1 C2
B1 13 14.7
B2 11.3 14.7
B3 14.8 18.7
En una tabla ANOVA, la Suma de Cuadrados (SC) cuantifica la variabilidad total de los datos y se
descompone en la Suma de Cuadrados de los Totales (SCT) y la Suma de Cuadrados del Error (SCE). Estas
sumas se usan para calcular los Cuadrados Medios (CM) y el Estadístico de Prueba F, que determinan la
significancia de las diferencias entre grupos.
𝑆𝐶𝑇 = ∑ ∑ ∑ ∑ 𝑌𝑖𝑗𝑘𝑙
2
𝑛
𝑙=1
𝑐
𝑘=1
− 𝑌∙∙∙∙
2
𝑁
𝑏
𝑗=1
𝑎
𝑖=1
= 474.5 − 422.44 = 52.06
𝑆𝐶𝐴 = ∑ 𝑌𝑖∙∙∙
2
𝑏𝑐𝑛
𝑎
𝑖=1
− 𝑌∙∙∙∙
2
𝑁 = (2613.44
6 ) − 422.44 = 13.13
𝑆𝐶𝐵 = ∑ 𝑌∙𝑗∙∙
2
𝑎𝑐𝑛
𝑏
𝑗=1
− 𝑌∙∙∙∙
2
𝑁 = (2565.546
6 ) − 422.44 = 5.15
𝑆𝐶𝐶 = ∑ 𝑌∙∙𝑘∙
2
𝑎𝑏𝑛
𝑐
𝑘=1
− 𝑌∙∙∙∙
2
𝑁 = (3842.429
9 ) − 422.44 = 4.5
𝑆𝐶𝐴𝐵 = ∑ ∑ 𝑌𝑖𝑗∙∙
2
𝑐𝑛
𝑏
𝑗=1
𝑎
𝑖=1
− 𝑌∙∙∙∙
2
𝑁 − 𝑆𝐶𝐴 − 𝑆𝐶𝐵 = (933.64
2 ) − 422.44 − 13.13 − 5.15 = 26.1
𝑆𝐶𝐴𝐶 = ∑ ∑ 𝑌𝑖∙𝑘∙
2
𝑏𝑛
𝑐
𝑘=1
𝑎
𝑖=1
− 𝑌∙∙∙∙
2
𝑁 − 𝑆𝐶𝐴 − 𝑆𝐶𝐶 = (1323.86
3 ) − 422.44 − 13.13 − 4.5 = 1.22
Tabla 3. Interacción AxB Tabla 4. Interacción AxC
AXB B1 B2 B3 Yi…… AXC C1 C2
A1 5.5 7.5 9 22 A1 10 12
A2 14.2 8.5 8.5 31.2 A2 13 18.2
A3 8 10 16 34 A3 16.1 17.9
Y.j. 27.7 26 33.5 Y….=87.2 Y..k 39.1 48.1
En la siguiente Tabla 5 se obtienen los datos de la interacción de los factores B y C:
Tabla 5. Interacción BxC
BXC C1 C2
B1 13 14.7
B2 11.3 14.7
B3 14.8 18.7
En una tabla ANOVA, la Suma de Cuadrados (SC) cuantifica la variabilidad total de los datos y se
descompone en la Suma de Cuadrados de los Totales (SCT) y la Suma de Cuadrados del Error (SCE). Estas
sumas se usan para calcular los Cuadrados Medios (CM) y el Estadístico de Prueba F, que determinan la
significancia de las diferencias entre grupos.
𝑆𝐶𝑇 = ∑ ∑ ∑ ∑ 𝑌𝑖𝑗𝑘𝑙
2
𝑛
𝑙=1
𝑐
𝑘=1
− 𝑌∙∙∙∙
2
𝑁
𝑏
𝑗=1
𝑎
𝑖=1
= 474.5 − 422.44 = 52.06
𝑆𝐶𝐴 = ∑ 𝑌𝑖∙∙∙
2
𝑏𝑐𝑛
𝑎
𝑖=1
− 𝑌∙∙∙∙
2
𝑁 = (2613.44
6 ) − 422.44 = 13.13
𝑆𝐶𝐵 = ∑ 𝑌∙𝑗∙∙
2
𝑎𝑐𝑛
𝑏
𝑗=1
− 𝑌∙∙∙∙
2
𝑁 = (2565.546
6 ) − 422.44 = 5.15
𝑆𝐶𝐶 = ∑ 𝑌∙∙𝑘∙
2
𝑎𝑏𝑛
𝑐
𝑘=1
− 𝑌∙∙∙∙
2
𝑁 = (3842.429
9 ) − 422.44 = 4.5
𝑆𝐶𝐴𝐵 = ∑ ∑ 𝑌𝑖𝑗∙∙
2
𝑐𝑛
𝑏
𝑗=1
𝑎
𝑖=1
− 𝑌∙∙∙∙
2
𝑁 − 𝑆𝐶𝐴 − 𝑆𝐶𝐵 = (933.64
2 ) − 422.44 − 13.13 − 5.15 = 26.1
𝑆𝐶𝐴𝐶 = ∑ ∑ 𝑌𝑖∙𝑘∙
2
𝑏𝑛
𝑐
𝑘=1
𝑎
𝑖=1
− 𝑌∙∙∙∙
2
𝑁 − 𝑆𝐶𝐴 − 𝑆𝐶𝐶 = (1323.86
3 ) − 422.44 − 13.13 − 4.5 = 1.22
pág. 8555
𝑆𝐶𝐵𝐶 = ∑ ∑ 𝑌∙𝑗𝑘∙
2
𝑎𝑛
𝑐
𝑘=1
𝑏
𝑗=1
− 𝑌∙∙∙∙
2
𝑁 − 𝑆𝐶𝐵 − 𝑆𝐶𝐶 = (1297.6
3 ) − 422.44 − 5.15 − 4.5 = 0.4433
𝑆𝐶𝑅(𝐴𝐵𝐶) = ∑ ∑ ∑ 𝑌𝑖𝑗𝑘∙
2
𝑐
𝑘=1
𝑏
𝑗=1
𝑎
𝑖=1
− 𝑌….
2
𝑁 − 𝑆𝐶𝐴 − 𝑆𝐶𝐵 − 𝑆𝐶𝐶 −𝑆𝐶𝐴𝐵 − 𝑆𝐶𝐴𝐶 − 𝑆𝐶𝐵𝐶
𝑆𝐶𝑅(𝐴𝐵𝐶) = 52.06 − 13.13 − 5.15 − 4.5 − 26.1 − 1.22 − 0.4433 = 1.5167
Para determinar si las diferencias entre las medias de los grupos son estadísticamente significativas
utilizamos la Tabla ANOVA (Boqué & Maroto, 2004; Otero et al., 2005). Además, de que nos ayuda a
decidir si se rechaza la hipótesis nula (que todas las medias son iguales) mediante la comparación del
Estadístico de Prueba y el Valor Crítico. Así como también, identifica las fuentes de variación, es decir,
muestra cómo se distribuye la variabilidad total entre los factores estudiados y el error aleatorio.
Tabla 6. Resultados de la Tabla ANOVA
Fuente de Variación Suma de
Cuadrados
Grados de
Libertad
Cuadrado
Medio
Estadístico de
Prueba (Fo)
Valor Critico
α = 0.05
Temperatura A 13.13 2 6.565 17.31 6.94
Concentración B 5.15 2 2.575 6.7906 6.94
Tiempo C 4.5 1 4.5 11.8671 7.71
Interacción AXB 26.1 4 6.525 17.2073 6.39
Interacción AXC 1.22 2 0.61 1.6087 6.94
Interacción BXC 0.4433 2 0.2217 0.6009 6.94
Interacción AXBXC 1.5167 4 0.3792
SST 52.06 17 3.06
Figura 3. Representación de la toma de desiciones a partir de la tabla ANOVA.
𝑆𝐶𝐵𝐶 = ∑ ∑ 𝑌∙𝑗𝑘∙
2
𝑎𝑛
𝑐
𝑘=1
𝑏
𝑗=1
− 𝑌∙∙∙∙
2
𝑁 − 𝑆𝐶𝐵 − 𝑆𝐶𝐶 = (1297.6
3 ) − 422.44 − 5.15 − 4.5 = 0.4433
𝑆𝐶𝑅(𝐴𝐵𝐶) = ∑ ∑ ∑ 𝑌𝑖𝑗𝑘∙
2
𝑐
𝑘=1
𝑏
𝑗=1
𝑎
𝑖=1
− 𝑌….
2
𝑁 − 𝑆𝐶𝐴 − 𝑆𝐶𝐵 − 𝑆𝐶𝐶 −𝑆𝐶𝐴𝐵 − 𝑆𝐶𝐴𝐶 − 𝑆𝐶𝐵𝐶
𝑆𝐶𝑅(𝐴𝐵𝐶) = 52.06 − 13.13 − 5.15 − 4.5 − 26.1 − 1.22 − 0.4433 = 1.5167
Para determinar si las diferencias entre las medias de los grupos son estadísticamente significativas
utilizamos la Tabla ANOVA (Boqué & Maroto, 2004; Otero et al., 2005). Además, de que nos ayuda a
decidir si se rechaza la hipótesis nula (que todas las medias son iguales) mediante la comparación del
Estadístico de Prueba y el Valor Crítico. Así como también, identifica las fuentes de variación, es decir,
muestra cómo se distribuye la variabilidad total entre los factores estudiados y el error aleatorio.
Tabla 6. Resultados de la Tabla ANOVA
Fuente de Variación Suma de
Cuadrados
Grados de
Libertad
Cuadrado
Medio
Estadístico de
Prueba (Fo)
Valor Critico
α = 0.05
Temperatura A 13.13 2 6.565 17.31 6.94
Concentración B 5.15 2 2.575 6.7906 6.94
Tiempo C 4.5 1 4.5 11.8671 7.71
Interacción AXB 26.1 4 6.525 17.2073 6.39
Interacción AXC 1.22 2 0.61 1.6087 6.94
Interacción BXC 0.4433 2 0.2217 0.6009 6.94
Interacción AXBXC 1.5167 4 0.3792
SST 52.06 17 3.06
Figura 3. Representación de la toma de desiciones a partir de la tabla ANOVA.
pág. 8556
CONCLUSIONES
Con el Diseño de Experimentos Factorial de 3 factores, permitio determinar los factores que afectan
significativamente la viscosidad del almidón de maíz. Se analizaron diferentes factores, como son: la
Temepratura, la Concentración y el Tiempo.
Se determino la variabilidad de la respuesta, con el fin de dar a conocer el impacto que causa cada uno
de los factores, sus efectos y las interacciones entre sí.
Con un α=0.05 se concluye que el factor Concentración, la interacciones AC y BC no tiene un efecto
significativo en la viscosidad de un almidón de maíz. Todos los demás factores si afectan de manera
significativa o considerable la variabilidad de la viscocidad de la variable de respuesta.
Así mismo el modelo estadístico utilizado nos permitio desarrollar un mejor DOE Factorial de 3 factores
con una sola replica, la cúal se obtuvo al realizar la fase experimental con los factores ya mencionados.
Al usar el Viscosímetro rotacional de Brookfield, nos permitio medir la viscocidad a una velocidad
constante del fluido.
Con las consideración tomadas, como la la identificación del problema y definición de los objetivos,
elección de los factores y los niveles a tratar, además, de la selección de la variable de respuesta,
elección del diseño experimental, ejecución de la parte experimental, análisis estadístico de los datos,
así como, mejoras y control del proceso, toma de decisiones y conclusión; nos dieron la pauta para
determinar correctamente las variates que afectan o no afectan nuestro análsis Factorial
REFERENCIAS BIBLIOGRAFICAS
Ai, Y., & Jane, J. (2014). Gelatinization and rheological properties of starch †.
Boqué, R., & Maroto, A. (2004). El análisis de la varianza (ANOVA) 1. Comparación de múltiples
poblaciones. Téc. Lab, 294, 680–683.
Castaño, E., Álvar, R., & Peniche, M. (2007). Jerónimo -. 30(3), 269–277.
Chen, X., Du, X., Chen, P., Guo, L., Xu, Y., & Zhou, X. (2017). Morphologies and gelatinization
behaviours of high-amylose maize starches during heat treatment. Carbohydrate Polymers, 157,
637–642. https://doi.org/10.1016/j.carbpol.2016.10.024
Debet, M. R., & Gidley, M. J. (2006). Three classes of starch granule swelling : Influence of surface
proteins and lipids. 64, 452–465. https://doi.org/10.1016/j.carbpol.2005.12.011
CONCLUSIONES
Con el Diseño de Experimentos Factorial de 3 factores, permitio determinar los factores que afectan
significativamente la viscosidad del almidón de maíz. Se analizaron diferentes factores, como son: la
Temepratura, la Concentración y el Tiempo.
Se determino la variabilidad de la respuesta, con el fin de dar a conocer el impacto que causa cada uno
de los factores, sus efectos y las interacciones entre sí.
Con un α=0.05 se concluye que el factor Concentración, la interacciones AC y BC no tiene un efecto
significativo en la viscosidad de un almidón de maíz. Todos los demás factores si afectan de manera
significativa o considerable la variabilidad de la viscocidad de la variable de respuesta.
Así mismo el modelo estadístico utilizado nos permitio desarrollar un mejor DOE Factorial de 3 factores
con una sola replica, la cúal se obtuvo al realizar la fase experimental con los factores ya mencionados.
Al usar el Viscosímetro rotacional de Brookfield, nos permitio medir la viscocidad a una velocidad
constante del fluido.
Con las consideración tomadas, como la la identificación del problema y definición de los objetivos,
elección de los factores y los niveles a tratar, además, de la selección de la variable de respuesta,
elección del diseño experimental, ejecución de la parte experimental, análisis estadístico de los datos,
así como, mejoras y control del proceso, toma de decisiones y conclusión; nos dieron la pauta para
determinar correctamente las variates que afectan o no afectan nuestro análsis Factorial
REFERENCIAS BIBLIOGRAFICAS
Ai, Y., & Jane, J. (2014). Gelatinization and rheological properties of starch †.
Boqué, R., & Maroto, A. (2004). El análisis de la varianza (ANOVA) 1. Comparación de múltiples
poblaciones. Téc. Lab, 294, 680–683.
Castaño, E., Álvar, R., & Peniche, M. (2007). Jerónimo -. 30(3), 269–277.
Chen, X., Du, X., Chen, P., Guo, L., Xu, Y., & Zhou, X. (2017). Morphologies and gelatinization
behaviours of high-amylose maize starches during heat treatment. Carbohydrate Polymers, 157,
637–642. https://doi.org/10.1016/j.carbpol.2016.10.024
Debet, M. R., & Gidley, M. J. (2006). Three classes of starch granule swelling : Influence of surface
proteins and lipids. 64, 452–465. https://doi.org/10.1016/j.carbpol.2005.12.011
pág. 8557
Evaluación del efecto de la temperatura y el tiempo de calentamiento en la capacidad aglutinante de
dos tipos de almidones para la formulación de comprimidos orales . Evaluación del efecto de la
temperatura y el tiempo de calentamiento en la capacidad agl. (2010).
Fernández Bao, S. (2020). Diseño de Experimentos: Diseño Factorial. Upc, 73.
https://upcommons.upc.edu/bitstream/handle/2117/339723/TFM_Fernandez_Bao_Sheila.pdf?se
quence=1&isAllowed=y
García, V., & Napolitano, H. (2010). Educación en Ciencias Químicas Diseño de Experimentos.
Idrustria&Quimica, 354, 62–78.
https://www.academia.edu/download/46255110/disenos_fases.pdf
Garza Villegas, J. B. (2017). Aplicación de diseño de experimentos para el análisis de secado de un
producto. Revista Innovaciones de Negocios, 10(19), 145–158.
https://doi.org/10.29105/rinn10.19-7
Gutiérrez Pulido, H., & De La Vara Salazar, R. (2008). Analisis y diseños de experimentos. In Turkish
Journal of Medical Sciences.
https://drive.google.com/drive/folders/1oik5mjyU9JvAWP_vHfdfmcfWDcwQX9BR
Jane, J., Chen, Y. Y., Lee, L. F., Mcpherson, A. E., Wong, K. S., Radosavljevic, M., & Kasemsuwan, T.
(1999). Effects of Amylopectin Branch Chain Length and Amylose Content on the Gelatinization
and Pasting Properties of Starch 1. 3258.
Liu, S., Yuan, T. Z., Wang, X., Reimer, M., Isaak, C., & Ai, Y. (2019). Food Hydrocolloids Behaviors
of starches evaluated at high heating temperatures using a new model of Rapid Visco Analyzer ‒
RVA 4800. Food Hydrocolloids, 94(November 2018), 217–228.
https://doi.org/10.1016/j.foodhyd.2019.03.015
Lujan, A. I. B., Cabezas, Y. R., Ccaccya, R. A., Quijano, J. C. A., Pardo, F. T., & Carrión, M. L. H.
(2021). Efecto de temperatura y almidón de papa nativa sobre la viscosidad y ácido ascórbico del
néctar de Carica pubescens. Revista Científica Guacamaya, 6(1), 1–19.
Montgomery, D. C. (2004). Diseño y análisis de experimentos. 2da. Ed. México DF Limusa Wiley.
Otero, J., Sánchez, A. H., & Moral, E. M. (2005). Análisis de la varianza (ANOVA). DOCPLAYER.
Obtenido de Https://Docplayer. Es/10487925-Analisis-de-La-Varianza-Anova-Jose-Vicens-
Evaluación del efecto de la temperatura y el tiempo de calentamiento en la capacidad aglutinante de
dos tipos de almidones para la formulación de comprimidos orales . Evaluación del efecto de la
temperatura y el tiempo de calentamiento en la capacidad agl. (2010).
Fernández Bao, S. (2020). Diseño de Experimentos: Diseño Factorial. Upc, 73.
https://upcommons.upc.edu/bitstream/handle/2117/339723/TFM_Fernandez_Bao_Sheila.pdf?se
quence=1&isAllowed=y
García, V., & Napolitano, H. (2010). Educación en Ciencias Químicas Diseño de Experimentos.
Idrustria&Quimica, 354, 62–78.
https://www.academia.edu/download/46255110/disenos_fases.pdf
Garza Villegas, J. B. (2017). Aplicación de diseño de experimentos para el análisis de secado de un
producto. Revista Innovaciones de Negocios, 10(19), 145–158.
https://doi.org/10.29105/rinn10.19-7
Gutiérrez Pulido, H., & De La Vara Salazar, R. (2008). Analisis y diseños de experimentos. In Turkish
Journal of Medical Sciences.
https://drive.google.com/drive/folders/1oik5mjyU9JvAWP_vHfdfmcfWDcwQX9BR
Jane, J., Chen, Y. Y., Lee, L. F., Mcpherson, A. E., Wong, K. S., Radosavljevic, M., & Kasemsuwan, T.
(1999). Effects of Amylopectin Branch Chain Length and Amylose Content on the Gelatinization
and Pasting Properties of Starch 1. 3258.
Liu, S., Yuan, T. Z., Wang, X., Reimer, M., Isaak, C., & Ai, Y. (2019). Food Hydrocolloids Behaviors
of starches evaluated at high heating temperatures using a new model of Rapid Visco Analyzer ‒
RVA 4800. Food Hydrocolloids, 94(November 2018), 217–228.
https://doi.org/10.1016/j.foodhyd.2019.03.015
Lujan, A. I. B., Cabezas, Y. R., Ccaccya, R. A., Quijano, J. C. A., Pardo, F. T., & Carrión, M. L. H.
(2021). Efecto de temperatura y almidón de papa nativa sobre la viscosidad y ácido ascórbico del
néctar de Carica pubescens. Revista Científica Guacamaya, 6(1), 1–19.
Montgomery, D. C. (2004). Diseño y análisis de experimentos. 2da. Ed. México DF Limusa Wiley.
Otero, J., Sánchez, A. H., & Moral, E. M. (2005). Análisis de la varianza (ANOVA). DOCPLAYER.
Obtenido de Https://Docplayer. Es/10487925-Analisis-de-La-Varianza-Anova-Jose-Vicens-
pág. 8558
Otero-Ainhoa-Herrarte-Sanchez-Eva-Medina-Moral. Html.
Paz Orozco, H., Paz Ruiz, N. E., & Melendez Bermudez, O. (2025). Diseño factorial de experimentos
para determinar los factores significativos en el sobrepeso de una línea de embutidos en una
empresa de alimentos. Revista Ingenierías Universidad de Medellín, 24(47), 1–17.
https://doi.org/10.22395/rium.v24n47a5
Shi, X., & Bemiller, J. N. (2002). Effects of food gums on viscosities of starch suspensions during
pasting. 50.
Solarte-Montúfar, J. G., Díaz-Murangal, A. E., Osorio-Mora, O., & Mejía-España, D. F. (2019).
Propiedades reológicas y funcionales del almidón. procedente de tres variedades de papa criolla.
Información Tecnológica, 30(6), 35–44.
Valencia, T. E. S., Caballero, L. E. U., Anguiano, A. del C. T., Hernández, H. J. V., & Robles, D. R.
(2020). Análisis Estadístico en Aplicación de Soldadura GTAW Usando Diseño de Experimentos
Factorial Completo. Soldagem & Inspeção, 25, 1–10. https://doi.org/10.1590/0104-9224/si25.16
Zeng, M., Morris, C. F., Batey, I. A. N. L., & Wrigley, C. W. (1997). Sources of Variation for Starch
Gelatinization , Pasting , and Gelation Properties in Wheat. 74(1), 63–71.
Otero-Ainhoa-Herrarte-Sanchez-Eva-Medina-Moral. Html.
Paz Orozco, H., Paz Ruiz, N. E., & Melendez Bermudez, O. (2025). Diseño factorial de experimentos
para determinar los factores significativos en el sobrepeso de una línea de embutidos en una
empresa de alimentos. Revista Ingenierías Universidad de Medellín, 24(47), 1–17.
https://doi.org/10.22395/rium.v24n47a5
Shi, X., & Bemiller, J. N. (2002). Effects of food gums on viscosities of starch suspensions during
pasting. 50.
Solarte-Montúfar, J. G., Díaz-Murangal, A. E., Osorio-Mora, O., & Mejía-España, D. F. (2019).
Propiedades reológicas y funcionales del almidón. procedente de tres variedades de papa criolla.
Información Tecnológica, 30(6), 35–44.
Valencia, T. E. S., Caballero, L. E. U., Anguiano, A. del C. T., Hernández, H. J. V., & Robles, D. R.
(2020). Análisis Estadístico en Aplicación de Soldadura GTAW Usando Diseño de Experimentos
Factorial Completo. Soldagem & Inspeção, 25, 1–10. https://doi.org/10.1590/0104-9224/si25.16
Zeng, M., Morris, C. F., Batey, I. A. N. L., & Wrigley, C. W. (1997). Sources of Variation for Starch
Gelatinization , Pasting , and Gelation Properties in Wheat. 74(1), 63–71.