Professional Documents
Culture Documents
Trabajo Final
CAPITULOS 7, 8, 11, 12
Diseo de Experimentos: z
Se desea investigar el efecto del tipo y cantidad (%) de almidn sobre la friabilidad
(%) de tabletas. Se corre un diseo 3x3 con n = 4 rplicas. Los datos obtenidos se
muestran a continuacin:
Almidn (%)
Tipo de Almidon 26% 30% 40%
Pregelatinizado 0.7782 0.4272 0.7192
0.7654 0.4336 0.6742
0.7592 0.4552 0.6892
0.7758 0.4771 0.7023
Almidn 0.7856 0.6273 0.9562
0.8093 0.6592 0.9656
0.8126 0.6692 0.9656
0.8172 0.6523 0.9231
Dextrina 0.8543 0.8023 1.1356
0.8792 0.7986 1.1923
0.8723 0.7992 1.1643
0.8993 0.7827 1.1732
= + + + () + = 1,2,3; = 1,
Hipotesis
0 = 0
0 = 0
ANOVA
F.V SC GL CM F0 F. Tablas Valor P
A 0.57 2 0.29 898.17 3.35 2.0032E-25
B 0.57 2 0.29 896.38 3.35 2.0569E-25
AB 0.14 4 0.04 110.06 2.73 2.6418E-16
ERROR 0.01 27 0.000
TOTAL 1.29 35
Puesto que 3 valores-P son menores que 0.05, estos factores tienen un efecto
estadsticamente significativo con un 95.0% de nivel de confianza.
2
P-VALUE A (2.0032E-25) < 0.05 SIGNIFICATIVO
P-VALUE B (2.0032E-25) < 0.05 SIGNIFICATIVO
P-VALUE AB (2.6418E-16) < 0.05 SIGNIFICATIVO
Por lo que la hiptesis se rechaza en los tres casos por lo que se acepta la hiptesis
alternativa que nos dice que hay efecto del factor A, y B sobre la variable de
respuesta, as como existe un efecto de interaccin entre A Y B.
c) Realice la grfica de efectos principales y de interaccin, y destaque los
aspectos ms relevantes.
3
Grfico de Interacciones
0.84
0.64
0.44
26 30 40
% Almidon
4
f) Obtenga el ANOVA desglosado; para ello, el efecto lineal y cuadrtico debe
desglosarse slo para el factor % de almidn, ya que es el nico que es
cuantitativo. Comente lo obtenido y contrstelo con lo observado en los
incisos c) y d).
ANOVA
SC GL CM Fo Valor-p
Total 1.2623 35
PROBLEMA 2
5
12. Una organizacin de manufactura produce partes de plstico con moldeo
por inyeccin. Tpicamente, las partes se encogen de manera excesiva, lo cual
causa problemas en el ensamble posterior. Por medio de diseo de
experimentos buscan reducir el promedio de encogimiento de las partes y se
espera reducir tambin la variabilidad de corrida a corrida. Se identifican siete
factores para el estudio. Cuatro de esos factores son fcilmente controlables:
temperatura del molde (A), velocidad del tornillo (B), tiempo de permanencia
(C) y tamao de compuerta (D). Tres de las variables no son fciles de
controlar durante la manufactura normal: tiempo de ciclo (E), contenido de
mezcla (F) y presin en el molde (G), pero durante el experimento se
controlarn. Debido a potenciales efectos no lineales en la relacin entre el
encogimiento y las variables de proceso, se deben considerar al menos tres
niveles en cada factor. La alternativa que se considera es utilizar una fraccin
27 3 con generadores I = ABCE, I = BCDF e I = ACDG, que es una octava
parte del factorial completo 27. Se incluyen cuatro repeticiones al centro para
detectar la posible presencia de curvatura. Los datos en unidades de
encogimiento 10 se muestran a continuacin.
Orden Orden A B C D E F G Y
estndar aleatorio
1 8 -1 -1 -1 -1 -1 -1 -1 6
2 16 1 -1 -1 -1 1 -1 1 10
3 18 -1 1 -1 -1 1 1 -1 32
4 17 1 1 -1 -1 -1 1 1 60
5 3 -1 -1 1 -1 1 1 1 4
6 5 1 -1 1 -1 -1 1 -1 15
7 10 -1 1 1 -1 -1 -1 1 26
8 2 1 1 1 -1 1 -1 -1 60
9 9 -1 -1 -1 1 -1 1 1 8
10 15 1 -1 -1 1 1 1 -1 12
11 12 -1 1 -1 1 1 -1 1 34
12 6 1 1 -1 1 -1 -1 -1 60
13 13 -1 -1 1 1 1 -1 -4 16
14 19 1 -1 1 1 -1 -1 1 5
15 11 -1 1 1 1 -1 1 -1 37
16 1 1 1 1 1 1 1 1 52
17 20 0 0 0 0 0 0 0 25
18 4 0 0 0 0 0 0 0 29
19 14 0 0 0 0 0 0 0 24
20 7 0 0 0 0 0 0 0 27
a) Cul es la estructura de alias de diseo?
A + BCE + BFG + CDG + DEF + ABCDF + ABDEG + ACEFG
B + ACE + AFG + CDF + DEF + ABCDG + ABDEF + BCEFG
6
C + ABE + ADG + BDF + EFG + ABCFG + ACDEF + BCDEG
D + ACG + AEF + BCF + BEG + ABCDE + ABDFG + CDEFG
E + ABC + ADF + BDG + CFG + ABEFG + ACDEG + BCDEF
F + ABG + ADE + BCD + CEG + ABCEF + ACDFG + BDEFG
G + ABF + ACD + BDE + CEF + ABCEG + ADEFG + BCDFG
AB + CE + FG + ACDF + ADEG + BCDG + BDEF + ABCEFG
AC + BE + DG + ABDF + AEFG + BCFG + CDEF + ABCDEG
AD + CG + EF + ABCF+ ABEG + BCDE + BDFG + ACDEFG
AE + BC + DF + ABDG + ACFG + BEFG + CDEG + ABCDEF
AF + BG + DE + ABCD + ACEG + BCEF + CDFG + ABDEFG
AG + FG + CD + ABDE + ACEF + BCEG + DEFG + ABCDFG
BD + CF + EG + ABCG + ABEF + ACDE + ADFG + BCDEFG
ABD + ACF + AEG + BCG + BEF + CDE + DFG + ABCDEFG
+ ABCE + ABFG + ACDG + ADEF + BCEF + BDEF + CEFG
7
Diagrama de Pareto Estandarizada para Encogimiento
B:Velocidad +
A:Temperatura -
AB+CE+FG
AD+CG+EF
G:Presion
AE+BC+DF
AC+BE+DG
D:Tamao
C:Permanencia
AF+BG+DE
F:Mezcla
E:Ciclo
BD+CF+EG
AG+BF+CD
0 10 20 30 40
Efecto estandarizado
ANOVA MEJORADO
Source GL SC Adj SS CM F P
TEMP MOLDE (A) 1 770.06 770.06 770.06 190.81 0.000*
VEL TORNILL (B) 1 5076.56 5076.56 5076.56 1257.91 0.000*
PRES. MOLDE (G) 1 95.06 95.06 95.06 23.55 0.022*
TEMP MOLDE*VEL TORNILL (AB) 1 564.06 564.06 564.06 139.76 0.002*
TEMP MOLDE*TAM COMP (AD) 1 115.56 115.56 115.56 28.63 0.017*
Error 14 56.5 4.04 4.04
Total 19 6677.80
8
d) Interprete con detalle los efectos activos y determine el mejor tratamiento
para reducir el encogimiento promedio.
Grfica de Efectos Principales para Encogimiento
50
40
Encogimiento
30
20
10
0
Temperatura Permanencia Ciclo Presion
Velocidad Tamao Mezcla
9
Grfica de Probabilidad Normal para Encogimiento
99.9
99
95
porcentaje 80
50
20
0.1
-6 4 14 24 34 44
Efectos estandarizados
2
residuo
-2
-4
0 10 20 30 40 50 60
predichos
60
50
Encogimiento
40
30
20
10
0
-1 -0.6 -0.2 0.2 0.6 1
Velocidad
De acuerdo al grfico de dispersin se puede concluir que a menores velocidades, podemos obtener
o reducir el encogimiento que estamos buscando.
PROBLEMA 3
Ejercicio 8. En cierta empresa es usual pagar horas extra para cumplir con los tiempos de
entrega. En este centro productivo un grupo de mejora de calidad trata de reducir la
10
proporcin de piezas malas, para ello deciden investigar la relacin entre la cantidad de
horas extra, X, y el porcentaje de artculos defectuosos, Y. En la siguiente tabla se muestran
los datos obtenidos.
11
Grfica de Dispersin
16
14
12
Defectos %
10
c) Haga un anlisis de regresin (ajuste una lnea recta a estos datos, aplique
pruebas de hiptesis y verifique residuos).
12
Digrama de Regresin
Defectos % (Y) = 2.111 + 0.01707 Horas Extras (X)
16 S 1.91553
R-Sq 73.7%
R-Sq(adj) 72.4%
14
12
Defectos % (Y)
10
0
0 100 200 300 400 500 600 700 800 900
Horas Extras (X)
Hiptesis
Prueba de Hiptesis
Para B1; Como el Valor-p, que obtuvimos de nuestro anlisis de regresin lineal es
0.007, esque valor-p < 0.05, esto nos denota que se rechaza la hiptesis, por lo cual
establecemos que B10.
Para B2; Como el Valor-p, que obtuvimos de nuestro anlisis de regresin lineal es
0.000, esque valor-p < 0.05, esto nos denota que se rechaza la hiptesis, por lo cual
establecemos que B20.
Verificacin de Residuos
13
d ) La calidad del ajuste es satisfactoria?
R2 =73.7% y R2 ad = 72.4% La calidad del ajuste es satisfactorio, ya que nuestra relacin es
descrita entre ambos factores por una tendencia en lnea recta, al obtener nuestros
principales valores R2 =73.7% y R2 ad = 72.4%, por lo que podemos concluir que tenemos
una relacin satisfactoria.
PROBLEMA 4
14
12. Como parte del anlisis del problema de ausentismo, se decide investigar la relacin
entre edad del empleado y das que falt a laborar en el ao. Los datos del ltimo ao se
muestran en la siguiente tabla:
a) En este problema cul variable se puede ver como independiente y cul como
dependiente?
Elegimos como variable independiente son los empleados, puestas que estas no
dependen de otras, sin embargo, al establecer nuestra variable dependiente: faltas
(%), estos se encuentran en funcin de la edad de los empleados.
15
Grafica de dispersin
12
10
Faltas
6
20 25 30 35 40 45
Edad
d) Haga un anlisis de regresin (ajuste una lnea recta a estos datos, aplique pruebas de
hiptesis y verifique residuales).
Analisis de Regresin
Modelo
16
Ecuacin de regresin
y = 10.4 - 0.162 x
8
Faltas
20 25 30 35 40 45
Edad de los empleados
Verificacin de residuos
2
90
Percent
0
50
-2
10
1 -4
-4 -2 0 2 3 4 5 6 7
Standardized Residual Fitted Value
2
12
Frequency
0
8
4 -2
0 -4
-2.4 -1.2 0.0 1.2 2.4 1 5 10 15 20 25 30 35 40
Standardized Residual Observation Order
COEFICIENTES
17
Intercept 10.3526 1.72286 6.00897 0.0000
Slope -0.16185 0.0551431 -2.93509 0.0056
Tc=2.0252
Al comparar los valores del estadstico T para cada una de los valores de beta
0, = 6.00897
Se rechaza la hiptesis de que el valor de 0 es igual a cero.
1, = 2.93509 > Tc
Se rechaza la hiptesis nula de que el valor de 1 es igual a cero.
ANALISIS DE VARIANZA
El valor del coeficiente de correlacin que se tiene R2, este evala la calidad de ajuste y
posee un valor de 18.4%, nos est indicando que nuestro ajusto no es satisfactorio y al
aplicar el ajuste de R2 obtenemos datos del 16.3%
f) Cul es el error estndar de estimacin?
Standard Error of Est. 2.19993
PROBLEMA 5
18
para despegar la soldadura despus de transcurrido un tiempo). Los factores de control
que pueden influir en la fuerza de arrastre son tiempo (T), potencia (P) y fuerza (F). Las
condiciones de operacin antes del experimento eran:
b) Haga el anlisis de estos datos. Verifique mediante la prueba de falta de ajuste (lack of
fit test) la presencia de curvatura.
19
P*F 1 12996 12996 12996 0.08 0.787 No Significativo
T*P*F 1 16384 16384 16384 0.1 0.762 No Significativo
Residual Error 12 2047343 2047343 170612
Lack of fit 1 1529598 1529598 1529598 32.50 0 Significativa
Pure Error 11 517745 517745 47068
Total 19 3052579
62
Data Means
58
T P
1600
-1.28 0.00 1.28 -1.28 0.00 1.28
1400 F
64
1200
62 1000
Mean of Means
800
60
-1.28 0.00 1.28 -1.28 0.00 1.28
58 F
1600
-1.28
1400
0.00 1.28
Signal-to-noise:
1200
Larger is better
1000
800
20
e) Caracterice la superficie descrita por el modelo. Qu tipo de superficie es?
Las superficies que presentan son superficies que representan modelos de segundo
orden.
Para conseguir una mayor fuerza de arrastre, las condiciones de operacin que
maximizan esto est directamente relacionado a la potencia, ya que esta es la que
tiene un mayor impacto en el modelo, de igual manera podemos encontrar una
mayor superficie de respuesta si se optimiza la curva.
P=1.280, 0.9956,-1.280
F= 1.280, -1.280, -1.280
T1.280, 1.280, -1.20
21
Residuals Versus F Residuals Versus P
(response is Y) (response is Y)
200 200
100 100
Residual
Residual
0 0
-100 -100
-200
-200
-1.0 -0.5 0.0 0.5 1.0 1.5
-1.0 -0.5 0.0 0.5 1.0 1.5
F
P
Residuals Versus T
(response is Y)
200
100
Residual
-100
-200
-1.0 -0.5 0.0 0.5 1.0 1.5
T
De acuerdo con las figuras anteriores, se concluye que no hay problemas con los
supuestos de varianza constante y de normalidad, debido a que Se observa que las
columnas de puntos en los niveles bajo y alto, tienen ms o menos la misma
dispersin, por lo tanto, se cumple el supuesto de varianza constante.
22