You are on page 1of 5

PROBLEMAS DE DISEÑO DE EXPERIMENTOS DE MONTGOMERY

ASCENSO RÁPIDO

1. Una planta química produce oxígeno al licuar aire y separarlo en sus components gaseosos
por destilación fraccionada. La pureza del oxígeno es una función de la temperatura del
condensador principal y de la presión entre las columnas superior e inferior. Las condiciones
actuales de operación son temperatura (ξ 1 ) = -220°C y tasa de presión de (ξ 2 )= 1.2. Con
los datos siguientes hallar la trayectoria de ascenso rápido o profundo:

Temp_X1 Presion_X2 Pureza


-225 1.1 82.8
-225 1.3 83.5
-215 1.1 84.7
-215 1.3 85
-220 1.2 84.1
-220 1.2 84.5
-220 1.2 83.9
-220 1.2 84.3

Solución:

Reconocer el diseño como Factorial completo:

Stat > DOE > Factorial > Define Custom Factorial Design
Factors Temp_X1 Presion_X2
Seleccionar General Full Factorial
OK

Cambiar el diseño a valores codificados (3 niveles:1, 2, 3)


Stat > DOE > Display Design
Seleccionar Units for factors Coded Units
OK

La ecuación de regresión con valores codificados es:

Stat > Regression > Regression


Response Pureza
Predictors Temp_X1 Presion_X2
OK

The regression equation is


Pureza = 81.9 + 0.850 Temp_X1 + 0.250 Presion_X2

Esta ecuación se utiliza como el modelo de ascenso rápido

Con variables reales, la ecuación de regresión es la siguiente:

The regression equation is


Pureza = 119 + 0.170 Temp_X1 + 2.50 Presion_X2

Se supone que un cambio de un grado en la temperatura, la trayectoria de ascenso rápido pasa


de (X1 = 0, X2 = 0) con una pendiente de (0.25/0.85). En las variables codificadas, un grado de
temperatura es equivalente a un paso de ∆ X1 = (0.17/0.85) = 1 / 5 = 0.2. Así X2 =
(0.25/0.85)*0.2 = 0.059.

La trayectoria de ascenso rápido es:


2. Un ingeniero ha desarrollado un programa de modelo de simulación de un sistema de
inventario de dos artículos. Las variables de decisión son la cantidad ordenada y el punto de
reorden de cada artículo. La respuesta a ser minimizada es el costo total del inventario. El
modelo de simulación produce los datos siguientes. Identificar el diseño experimental. Hallar la
trayectoria de ascenso rápido.

Cant_ord_X1 Reorden_X2 Cant_ord_X3 Reorden_X4 Costo_total


100 25 250 40 625
140 45 250 40 670
140 25 300 40 663
140 25 250 80 654
100 45 300 40 648
100 45 250 80 634
100 25 300 80 692
140 45 300 80 686
120 35 275 60 680
120 35 275 60 674
120 35 275 60 681

Puntos centrales = 3

StdOrder RunOrder CenterPt Blocks X1 X2 X3 X4 Costo_total


1 1 1 1 100 25 250 40 625
2 2 1 1 140 25 250 80 654
3 3 1 1 100 45 250 80 634
4 4 1 1 140 45 250 40 670
5 5 1 1 100 25 300 80 692
6 6 1 1 140 25 300 40 663
7 7 1 1 100 45 300 40 648
8 8 1 1 140 45 300 80 686
9 9 0 1 120 35 275 60 680
10 10 0 1 120 35 275 60 674
11 11 0 1 120 35 275 60 681

Como se trata de dos niveles con cuatro variables, el experimento en un factorial medio
fraccional de 8 experimentos (24-1), con tres puntos centrales.

Factorial Fit: Costo_total versus X1, X2, X3, X4

Estimated Effects and Coefficients for Costo_total (coded units)

Term Effect Coef SE Coef T P


Constant 659.000 1.339 492.33 0.000
X1 18.500 9.250 1.339 6.91 0.020
X2 1.000 0.500 1.339 0.37 0.745
X3 26.500 13.250 1.339 9.90 0.010
X4 15.000 7.500 1.339 5.60 0.030
X1*X2 18.500 9.250 1.339 6.91 0.020
X1*X3 -14.000 -7.000 1.339 -5.23 0.035
X1*X4 -11.500 -5.750 1.339 -4.30 0.050
Ct Pt 19.333 2.563 7.54 0.017

The regression equation is


Costo_total = 664 + 9.25 X1 + 0.50 X2 + 13.2 X3 + 7.50 X4

The regression equation is


Costo_total = 439 + 0.462 X1 + 0.050 X2 + 0.530 X3 + 0.375 X4

S = 3.78594 PRESS = *
R-Sq = 99.39% R-Sq(pred) = *% R-Sq(adj) = 96.97%

Analysis of Variance for Costo_total (coded units)

Source DF Seq SS Adj SS Adj MS F P


Main Effects 4 2541.00 2541.00 635.25 44.32 0.022
2-Way Interactions 3 1341.00 1341.00 447.00 31.19 0.031
Curvature 1 815.52 815.52 815.52 56.90 0.017
Residual Error 2 28.67 28.67 14.33
Pure Error 2 28.67 28.67 14.33
Total 10 4726.18

Unusual Observations for Costo_total

St
Obs StdOrder Costo_total Fit SE Fit Residual Resid
1 1 625.000 625.000 3.786 0.000 * X
2 2 654.000 654.000 3.786 0.000 * X
3 3 634.000 634.000 3.786 0.000 * X
4 4 670.000 670.000 3.786 0.000 * X
5 5 692.000 692.000 3.786 -0.000 * X
6 6 663.000 663.000 3.786 0.000 * X
7 7 648.000 648.000 3.786 0.000 * X
8 8 686.000 686.000 3.786 0.000 * X

X denotes an observation whose X value gives it large leverage.

Estimated Coefficients for Costo_total using data in uncoded units

Term Coef
Constant 62.2500
X1 3.55625
X2 -5.50000
X3 2.21000
X4 2.10000
X1*X2 0.0462500
X1*X3 -0.0140000
X1*X4 -0.0143750
Ct Pt 19.3333

Least Squares Means for Costo_total

Mean SE Mean
X1
100 649.8 1.893
140 668.3 1.893
X2
25 658.5 1.893
45 659.5 1.893
X3
250 645.8 1.893
300 672.3 1.893
X4
40 651.5 1.893
80 666.5 1.893
X1*X2
100 25 658.5 2.677
140 25 658.5 2.677
100 45 641.0 2.677
140 45 678.0 2.677
X1*X3
100 250 629.5 2.677
140 250 662.0 2.677
100 300 670.0 2.677
140 300 674.5 2.677
X1*X4
100 40 636.5 2.677
140 40 666.5 2.677
100 80 663.0 2.677
140 80 670.0 2.677

Mean for Center Point = 678.3

Effects Plot for Costo_total

Alias Structure
I + X1*X2*X3*X4
X1 + X2*X3*X4
X2 + X1*X3*X4
X3 + X1*X2*X4
X4 + X1*X2*X3
X1*X2 + X3*X4
X1*X3 + X2*X4
X1*X4 + X2*X3

Normal Plot of the Standardized Effects


(response is Costo_total, Alpha = .05)
99
Effect Type
Not Significant
95 Significant

90 B Factor Name
A X1
80 B X2
AD C X3
70 D X4
D
Percent

60
50 C
40
30
20

10 AC
5

1
-5.0 -2.5 0.0 2.5 5.0 7.5 10.0 12.5
Standardized Effect
βˆi
De la ecuación xi = , se especifica un paso básico en una variable ∆x j , y se calcula 2λ

como 2λ =
βˆi , este valor puede ser usado para generar las coordenadas siguientes de
∆x j
un punto en la trayectoria de ascenso rápido.

Supongamos que se usan -10 unidades en ξ 1 como el paso básico, ya que se trata de una
trayectoria descendente. Esas -10 unidades en ξ 1 son iguales a -10/20 = -0.5 unidades de
cambio en X1.

Así, 2λ = βˆ1 / ∆x1 = 9.25 / − 0.5 = −18 .50

Son las coordenadas remanentes de las otras variables, de forma que la trayectoria de
ascenso rápido es: