UIA - MIC DISEO DE EXPERIMENTOS

UIA - MIC DISEO DE EXPERIMENTOS

Examen final
Nombre: ___Raymundo Smchez E__________________ Calif.__________
1

La vida de anaquel de una bebida carbonatada se piensa que es mayor a 120 das.
10 botellas seleccionadas aleatoriamente son probadas obteniendo los siguientes resultados:
Probar la afirmacin para un nivel de significancia del 1%.
108
138
124
163
124
106
134
115
139
159

Los siguientes datos representan los tiempos de quemado de dos formulaciones qumicas
fluorescentes (flares).
Formulacin
Formulacin
1
2
65
64
81
71
57
83
66
59
82
65
82
56
67
69
59
74
75
82
70
79.00
a) Probar la igualdad de varianzas de ambos tipos a un nivel de significancia del 5%.
b) Probar la hiptesis de igualdad de tiempos a un nivel alfa de 0.05

Cuatro catalizadores que pueden afectar la concentracin de un componente en una mezcla

lquida de tres componentes estan siendo investigado.
Se obtienen las siguientes concentraciones:

A
58.2
57.2
58.4
55.8
54.9

Catalizador
B
56.3
54.5
57
55.3

C
50.1
54.2
55.4

D
52.9
49.9
50
51.7

a) Establecer las hiptesis y considerar un nivel de confianza de 95%.

b) Comparar los estadsticos Fc y Falfa y establecer conclusiones
c) Calcular el valor P correspondiente al estadstico Fc calculado y establecer conclusiones
d) Hacer una grfica de probabilidad normal de los residuos con franjas en 95% y concluir
e) En caso de que las medias de los tratamientos sean diferentes identificar las diferencias
significativas mediante la prueba de Tukey o DMS

Pgina 1

11/17/2016

UIA - MIC DISEO DE EXPERIMENTOS

11/17/2016

f) Si se buscara una respuesta mayor es mejor, en que nivel conviene operar el proceso?
4

Una empresa de taxis intenta crear un sistema de rutas que minimice el tiempo que se pasa
manejando a ciertas localidades. El tiempo que toma viajar en cada ruta por los taxis se
muestra a continuacin:
Var. Bloqueo
Taxista
1
2
3
4

1
12
18
10
13

Factor - Ruta
2
3
15
17
18
18
11
15
12
12

Probar a un nivel del 5% identificar si hay rutas ms rpidas y si afecta el taxista.

5

Se est estudiando el rendimiento para un proceso qumico, los dos factores de inters son
temperatura y presin. Se utilizan tres niveles de cada factor, con los resultados siguientes:

Temperatura
Baja
Media
Alta

Presin en libras / pulg. 2

250
260
270
86.3
84
85.8
86.1
85.2
87.3
88.5
87.3
89
89.4
89.9
90.3
89.1
90.2
91.3
91.7
93.3
93.7

Analizar si los factores y la interaccin tienen efecto en el rendimiento a un 5% de nivel

de significancia.
Obtener las grficas factoriales.
En que niveles se recomienda operar el proceso si se desea una respuesta mayor es mejor?
6

Se realiza un experimento para estudiar el efecto del porcentaje de carbonatacin,

presin de operacin del llenador y velocidad de la lnea, en la altura de llenado de un refresco
minimizando la desviacin respecto al estndar.
A - Porcentaje de carbonatacin
B - Presin del llenador (psi)
C - Velocidad de llenado (Botellas por minuto)
Los resultados de las desviaciones en la respuesta media se muestran a continuacin:
Tratamiento

(1)
a
b
ab
c
ac
bc
abc

-1
1
-1
1
-1
1
-1
1

-1
-1
1
1
-1
-1
1
1

-1
-1
-1
-1
1
1
1
1

Para un nivel alfa de 0.05

Pgina 2

Rplica 1 Rplica 2
-3
-1
0
1
-1
0
2
3
-1
0
2
1
1
1
6
5

UIA - MIC DISEO DE EXPERIMENTOS

Hacer un anlisis del Diseo 2K Factorial completo por medio de
las preguntas siguientes:

11/17/2016

Minitab y contestar :

a) Determinar los valores P correspondientes a los factores principales y las interacciones

y establecer conclusiones
b) Identificar en las graficas normal y Pareto de efectos principales e interacciones
cuales son los significativos
c) Determinar los valores Y estimados y los residuos del modelo
d) Hacer una grfica de probabilidad normal de los residuos con franjas en 95% y concluir
e) Determinar los efectos de los factores principales y de las interacciones
f) Determinar la ecuacin de regresin de la tabla de coeficientes.
g) Obtener las grficas factoriales e identificar en cuales seleccionar los diferentes niveles
h) De acuerdo al planteamiento del problema, en que nivel conviene operar el proceso?
i) Obtener las grficas de contornos y de superficie de respuesta y establecer conclusiones
7

Con los datos del problema anterior, contestar los incisos ( a - i) con MINITAB considerando
un diseo factorial fraccional de fraccin 1/2, incluyendo las respuestas correspondientes.

Con objeto de identificar los factores que afectan la distancia que viaja una pelota de Golf
se realiza un diseo de experimentos de Taguchi L8 con interacciones de dos factores
En Options indicar Mayor es mejor. Para la significancia utilizar Alfa = 0.10
Identificar los factores e interacciones que son significativas.
Para el anlisis considerar los mximos en las grficas S/N y medias e identificar los mejores
niveles de los factores.
Analizar los resultados y grficas e identificar que condiciones logran mayor distancia..
A=? B=? C=?

A
1
1
2
2
1
1
2
2
9

B
1
1
2
2
2
2
1
1

C
1
2
1
2
1
2
1
2

Rplica 1

Rplica 2

Palo A
247.5
224.4
92.4
21.9
59.4
75.9
155.1
39.6

Palo B
234.3
214.5
82.5
18.6
49.5
72.6
148.5
29.7

A- Material del nucleo

1= Lquido 2= Tungsteno
B - Diametro del nucleo
1 = 118 2 = 156
C - Nmero de costuras
1 = 386 2 = 422

Un experimento de mezcla de tres solventes Metanol, Acetona y Tricloretileno usados para

un enjuague se mezclan para minimizar la contaminacin por productos residuales.
Diseo Simplex Centroid, quitar bandera de Augment the design with axial points
y dejar la bandera Number of replicates for the whole design 1.
Punto de
Diseo
1
2
3

Metanol
1
0
0

Acetona
0
1
0

Tricloretileno
0
0
1

Pgina 3

% Productos residuales
6.2
8.4
3.9

UIA - MIC DISEO DE EXPERIMENTOS

4
5
6
7

1/2
1/2
0
1/3

1/2
0
1/2
1/3

0
1/2
1/2
1/3

7.4
2.8
6.1
2.2

Con MINITAB
a) Obtener la grfica triangular del diseo
b) Por medio de un anlisis de los residuos identificar si el modelo es adecuado
c) Determinar la ecuacin de regresin del modelo
d) Por medio de la grfica de contornos, identificar
con que combinacin se obtiene el menor porcentaje de productos residuales.
Proporciones de A = ?, B = ? Y C = ?
e) Predecir por medio del modelo la respuesta en el punto central
10

Establecer cuales son las condiciones y pasos principales para disear experimentos
en las empresas

Pgina 4

11/17/2016

UIA - MIC DISEO DE EXPERIMENTOS

Pgina 5

11/17/2016

UIA - MIC DISEO DE EXPERIMENTOS

Pgina 6

11/17/2016

UIA - MIC DISEO DE EXPERIMENTOS

Tungsteno

Pgina 7

11/17/2016

UIA - MIC DISEO DE EXPERIMENTOS

Pgina 8

11/17/2016

EJEMPLO DE EXAMEN DE DISEO DE EXPERIMENTOS

PROBLEMA 1.
Probar que la media de vida es mayor a 120 das
Lo validaremos mediante una prueba One sample t, ya que el nmero de datos es menos a 30 y no se conoce
La hiptesis nula es: Ho= media vida < o = a 120
Boxplot of Tiempo de vida
Lahiptesis alterna es Ha= media de vida>120
Los resultados se muestran a continuacin.
(with Ho and 99% t-confidence interval for the mean)

One-Sample T: Tiempo de vida

Test of mu = 120 vs > 120

_
X
Ho

99%

100

Variable
Tiempo de vida

N
10

Mean
131.000

StDev
19.545

SE Mean
6.181

Lower
Bound
113.562

110

T
1.78

120

130
140
Tiempo de vida

150

160

170

P
0.054

De acuerdo al valor p, no tenemos evidencia estadsticamente significativa para rechazar Ho, ya que el valor de
es mayor a alfa que en este caso se determino igual al 1%.
Conclusin: No existe evidencia estadsticamente significativa para rechazar Ho. No podemos rechazar que la m
vida del producto es menor o igual a 120 das.

PROBLEMA 2.
a) Probar la igualdad de varianzas de ambos tipos a un nivel de significancia del 5%.
Problema 2
Normal
99

Mean
StDev
N
AD
P-Value

95
90

De acuerdo a la grfica de normalidad.Los datos tienen

p, mayor a 0.05, por lo que no podemos rechazar que lo
se ditribuyan de manera normal. Aceptamos normalidad

70.3
9.068
20
0.469
0.222

Percent

80
70
60
50
40
30
20
10
5

50

60

70
Tiempo Quemado

80

90

Homogeniedad de varianzas problema 2

Formulacion

F-Test
Test Statistic
P-Value

Test Statistic
P-Value

5.0

Formulacion

0.98
0.974

Levene's Test

7.5

10.0
12.5
15.0
17.5
95% Bonferroni Confidence I ntervals for StDevs

20.0

0.00
1.000

Dado que los datos fueron normales, utilizamos el indica

Bartlett y concluimos que si existe homogeniedad de var
ya que p= 0.974, lo anterior lo reforzamos con los resulta
de la tabla de sesin que se muestran abajo

Test for Equal Variances: Tiempo Quemado versus Formula

95% Bonferroni confidence intervals for standard deviations
Formulacion
1

55

60

65

70
Tiempo Quemado

75

80

85

N
10

Lower
6.05982

StDev
9.26403

Upper
18.6545

Formulacion

5.0

7.5

55

60

10.0
12.5
15.0
17.5
95% Bonferroni Confidence I ntervals for StDevs

20.0

2
65

70
Tiempo Quemado

75

80

10

6.12692

9.36661

18.8611

85

F-Test (normal distribution)

Test statistic = 0.98, p-value = 0.974
Levene's Test (any continuous distribution)
Test statistic = 0.00, p-value = 1.000

b) Probar la hiptesis de igualdad de tiempos a un nivel alfa de 0.05

Para realizar esta prueba debemos asumir igualdad de varianzas, tal y como se demostro en el inciso anterior.
Los resultados se muestran a continuacin.

Two-Sample T-Test and CI: Tiempo Quemado, Formulacion

Boxplot of Tiempo Quemado by Formulacion

85

Two-sample T for Tiempo Quemado

N
10
10

Mean
70.40
70.20

StDev
9.26
9.37

Tiempo Quemado

Formulacion
1
2

80

SE Mean
2.9
3.0

Difference = mu (1) - mu (2)

Estimate for difference: 0.200000
95% CI for difference: (-8.552441, 8.952441)
T-Test of difference = 0 (vs not =): T-Value = 0.05
Both use Pooled StDev = 9.3155

75
70
65
60
55
1

2
Formulacion

P-Value = 0.962

DF = 18

De acuerdo al valor p con un alfa de 0.05 no podemos rechazar la hiptesis nula de igualdad de la media de los
Por lo que no rechazamos la hiptesis nula (p>alfa).
Conclusin: No existe evidencia estadsticamente significativa para rechazar la hiptesis de que la media de tiem
de quemado para ambos tratamientos es la misma

PROBLEMA 3.
a) Establecer las hiptesis y considerar un nivel de confianza de 95%.
Las hiptesis quedaran como siguen.
Ho: media cat1 = media cat2 = media cat3 = media cat4
Ha: al menos una de las medias de quemado de los catalizadores es diferente
Probaremos estas hiptesis con un nivel de confianza del 95%
b) Comparar los estadsticos Fc y Falfa y establecer conclusiones

One-way ANOVA: Concentracion versus Catalizador

Source
Catalizador

DF
3

SS
85.68

MS
28.56

F
9.92

P
0.001

La F calc ya la tenemos de minitab, para c

La F alfa, tenemos lo siguiente:

Error
Total

12
15

S = 1.697

34.56
120.24

Grados de libertad totales = nmero datos

Grados de libertad de los tratamientos 4 -1
Por lo tanto F alfa= Distr. Inv (0.05,2,12)

2.88

R-Sq = 71.26%

R-Sq(adj) = 64.07%

Si calculamos la Falfa por medio de excell

resultado es. 3.88529383
Al comparar ambos resultados observamos que F calc es mayor que F de tablas, por lo que rechazamos la
hiptesis nula y aceptamos la hiptesis alterna. Al menos una de las medias es diferente

c) Calcular el valor P correspondiente al estadstico Fc calculado y establecer conclusiones

De minitab observamos que el valor P=0.001 es menor a alfa=0.05, por lo que rechazamo Ho y aceptamos Ha c
de confianza
d) Hacer una grfica de probabilidad normal de los residuos con franjas en 95% y concluir
Problema 3
Normal
99

Mean
StDev
N
AD
P-Value

95
90

-1.77636E-15
1.518
16
0.367
0.388

De acuerdo al valor p, los residuales se comportan

de manera normal. Por lo tanto se cumple el supuesto
de normalidad, que es bsico para la validez de las conc

Percent

80
70
60
50
40
30
20
10
5

-4

-3

-2

-1

0
RESI1

e) En caso de que las medias de los tratamientos sean diferentes identificar las diferencias
significativas mediante la prueba de Tukey o DMS
Boxplot of Concentracion by Catalizado
59
58
57
Concentracion

De acuerdo a la prueba de Tukey y a la grfica de boxplots, observamos

que las medias que son diferentes son las del catalizador A y D y tambien
los de B y D, ya que son las que no incluyen al cero dentro de su
intervalo de confianza, ademas grficamente se observa lo mismo

56
55
54
53
52

Tukey 95% Simultaneous Confidence Intervals

All Pairwise Comparisons among Levels of Catalizador
Individual confidence level = 98.83%
Catalizador = A subtracted from:
Catalizador
Lower Center
Upper
B
-4.506 -1.125
2.256
C
-7.347 -3.667
0.014
D
-9.156 -5.775 -2.394

51
50
A

--------+---------+---------+---------+(------*------)
(-------*------)
(-----*------)
--------+---------+---------+---------+-5.0
0.0
5.0
10.0

Catalizador = B subtracted from:

Catalizador
C

Lower
-6.391

Center
-2.542

Upper
1.308

--------+---------+---------+---------+(-------*-------)

C
Catalizador

-8.214

-4.650

-1.086

(------*------)
--------+---------+---------+---------+-5.0
0.0
5.0
10.0

Catalizador = C subtracted from:

Catalizador
D

Lower
-5.958

Center
-2.108

Upper
1.741

--------+---------+---------+---------+(-------*------)
--------+---------+---------+---------+-5.0
0.0
5.0
10.0

f) Si se buscara una respuesta mayor es mejor, en que nivel conviene operar el proceso?
Boxplot of Concentracion by Catalizador
59

Esta grfica nos lo muestra muy claro el catalizador A se

el que nos proporcione una mayor respuesta.

58

Concentracion

57
56
55
54
53
52
51
50
A

Catalizador

PROBLEMA 4.
Para realizar el anlisis de este problema utilizaremos un ANOVA de dos vas con los siguientes resultados.

Two-way ANOVA: Tiempo versus Taxistas, Ruta

Source
Taxistas
Ruta
Error
Total

DF
3
2
6
11

S = 1.675

SS
68.9167
10.5000
16.8333
96.2500

MS
22.9722
5.2500
2.8056

R-Sq = 82.51%

F
8.19
1.87

En la tabla de ANOVA se encuetra que el f

no es significativo de acuerdo al valor p, co
un alfa de 0.05, sin embargo el factor de b
que es el taxista, si resulta ser significativo
Este modelo explica solo un 67.94% de la
total en el tiempo, por lo que mi recomenda
sera buscar mas factores

P
0.015
0.234

R-Sq(adj) = 67.94%

PROBLEMA 5.
La tabla ANOVA correspondiente es:
Analysis of Variance for Rendimiento, using Adjusted SS for Tests
Source
Temperatura
Presion
Temperatura*Presion
Error
Total
S = 1.39682

DF
2
2
4
9
17

Seq SS
100.403
5.410
4.587
17.560
127.960

R-Sq = 86.28%

Adj SS
100.403
5.410
4.587
17.560

Adj MS
50.202
2.705
1.147
1.951

R-Sq(adj) = 74.08%

F
25.73
1.39
0.59

P
0.000
0.299
0.680

De la tabla ANOVA observam

solo el factor temperatura es
Nio el factor presin ni la inte
significativos con un alfa de 0

Main Effects Plot (data means) for Rendimiento

Temperatura

92

Interaction Plot (data means) for Rendimiento

93

Presion

Temperatu

92
91

90

90

Mean

Mean of Rendimiento

91

89
88

89
88
87

87

86

86

85
84

85
1

250

260

250

270

260
Presion

270

Dado que la interaccin no resulto ser significativa. Entonces los niveles para el proceso los obtendremos de la
grfica de efectos principales. Si lo que queremos es maximizar el rendiomiento, entonces los que haramos
es manejhar el factor temperatura en el nivel alto (3), y en el caso de presin , manejarlo en el nivel ms econm
ya que no es significativo.

PROBLEMA 6.
a) Determinar los valores P correspondientes a los factores principales y las interacciones
y establecer conclusiones

Estimated Effects and Coefficients for Altura de llenado (coded units)

Term
Effect
Coef SE Coef
T
P
Constant
1.0000
0.1976 5.06 0.001
Porcentaje
3.0000 1.5000
0.1976 7.59 0.000 Solo los factores Porcetaje, P
Presion
2.2500 1.1250
0.1976 5.69 0.000 Velocidad son significativos,
Velocidad
1.7500 0.8750
0.1976 4.43 0.002 a un nivel alfa de 0.05. Ningu
Porcentaje*Presion
0.7500 0.3750
0.1976 1.90 0.094 interaccin resulto ser signific
Porcentaje*Velocidad
0.2500 0.1250
0.1976 0.63 0.545
Presion*Velocidad
0.5000 0.2500
0.1976 1.26 0.242
Porcentaje*Presion*Velocidad 0.5000 0.2500
0.1976 1.26 0.242
S = 0.790569

R-Sq = 93.59%

R-Sq(adj) = 87.98%

Analysis of Variance for Altura de llenado (coded units)

Source
Main Effects
2-Way Interactions
3-Way Interactions
Residual Error
Pure Error
Total

DF
3
3
1
8
8
15

Seq SS
68.500
3.500
1.000
5.000
5.000
78.000

Adj SS
68.500
3.500
1.000
5.000
5.000

Adj MS
22.8333
1.1667
1.0000
0.6250
0.6250

F
36.53
1.87
1.60

P
0.000
0.214
0.242

b) Identificar en las graficas normal y Pareto de efectos principales e interacciones

cuales son los significativos

Pareto Chart of the Standardized Effects

Normal Probability Plot of the Standardized Effects

(response is Altura de llenado, Alpha = .05)

(response is Altura de llenado, Alpha = .05)

99

95
A

90
80

70

Factor
A
B
C

Name
Porcentaje
Presion
Velocidad

60
50
40
30

Factor
A
B
C

Name
Porcentaje
Presion
Velocidad

B
C

Term

Percent

2.306

Effect Type
Not Significant
Significant

AB
BC

20

ABC

10
5

AC

-2

2
4
Standardized Effect

3
4
5
Standardized Effect

La gfrfica normal de probabilidad nos indica que solo los efectos principales son significativos (A,B,C), esto ref
la conclusin del inciso a). La grfica de pareto muestra exactamente lo mismo

c) Determinar los valores Y estimados y los residuos del modelo

Para crear un modelo correcto eliminaremos del anlisis todos los factores que no son significativos, mostrarem
ademas la diferencia si no lo hicieramos
Valores considerando todos los factores
Valores considerando solo signific
Valor
Valor
Valor
RunOrder
RunOrder
Observado (Y) Ajustado (Y) Residuales
Observado (Y)
1
-3
-2
-1
1
-3
2
0
0.5
-0.5
2
0
3
-1
-0.5
-0.5
3
-1
4
2
2.5
-0.5
4
2
5
-1
-0.5
-0.5
5
-1
6
2
1.5
0.5
6
2
7
1
1
0
7
1
8
6
5.5
0.5
8
6
9
-1
-2
1
9
-1
10
1
0.5
0.5
10
1
11
0
-0.5
0.5
11
0
12
3
2.5
0.5
12
3
13
0
-0.5
0.5
13
0
14
1
1.5
-0.5
14
1
15
1
1
0
15
1
16
5
5.5
-0.5
16
5

d) Hacer una grfica de probabilidad normal de los residuos con franjas en 95% y concluir
Residuales considerando todos los factores
Residuales considerando solo signif
Problema 6

Problema 6

Normal

Normal
99

99

Mean
StDev
N
AD
P-Value

95

90

80

80

70

70

30

60
50
40
30

20

20

10

10

60
50
40

Mean
StDev
N
AD
P-Value

95

Percent

Percent

90

-6.93889E-17
0.5774
16
1.063
0.006

-1.5

-1.0

-0.5

0.0
RESI1

0.5

1.0

1.5

-2

-1

0
RESI2

StDev
N
AD
P-Value

95

90

80

80

70

70

60
50
40
30

60
50
40
30

20

20

10

10

-1.5

-1.0

-0.5

0.0
RESI1

0.5

1.0

StDev
N
AD
P-Value

95

Percent

Percent

90

0.5774
16
1.063
0.006

1.5

En esta grfica vemos que los residuales no siguen

una distribucin normal y eso lo retifica el valor p.
Por lo que la adecuacin de este modelo no es buena

-2

-1

0
RESI2

Si solo consideramos los significativos el v

ya supone normalidad y se cumple el supu

e) Determinar los efectos de los factores principales y de las interacciones

Term
Constant
Porcentaje
Presion
Velocidad
Porcentaje*Presion
Porcentaje*Velocidad
Presion*Velocidad
Porcentaje*Presion*Velocidad

Effect
3.0000
2.2500
1.7500
0.7500
0.2500
0.5000
0.5000

Coef
1.0000
1.5000
1.1250
0.8750
0.3750
0.1250
0.2500
0.2500

SE Coef
0.1976
0.1976
0.1976
0.1976
0.1976
0.1976
0.1976
0.1976

T
5.06
7.59
5.69
4.43
1.90
0.63
1.26
1.26

P
0.001
0.000
0.000
0.002
0.094
0.545
0.242
0.242

Los efectos son los que ya s

f) Determinar la ecuacin de regresin de la tabla de coeficientes.

Para construir el modelo de regresin solo utilizaremos los coeficientes de los factores que resultaron ser signifi
por lo que la ecuacin de regresin queda como sigue:

Altura de llenado = 1 + 1.5*Porcetaje de carbonatacin + 1.125*Presion del llenador + 0.0875*Velocidad de llena

Cabe sealar que los coeficientes de esta regresin son para datos codificados, por lo que para obtener el valor
debemos substituir desde la creacin del modelo, los valores reales de estos factores.
g) Obtener las grficas factoriales e identificar en cuales seleccionar los diferentes niveles
I nteraction Plot (data means) for Altura de llenado

Main Effects Plot (data means) for Altura de llenado

Porcentaje

-1

Presion

-1

1
4

Mean of Altura de llenado

Porcentaje
-1
1

Porcentaj e

-1

1
Velocidad

-1

Presion
-1
1

Presion
0

2
1
0

Velocidad

-1

Aunque de manera estadstica ya se comprobo que las interacciones no resultan ser significativas, este resultad
tambien lo podemos ver de manera grfica ya que no se observa ninguna de las interacciones como significativ
Por lo que la decisin para saber en que niveles debemos de fijar el proceso, lo debemos de hacer de la grfica
de EFECTOS PRINCIPALES.
h) De acuerdo al planteamiento del problema, en que nivel conviene operar el proceso?
Si los datos son de desviacin con respecto al estandar, lo que estamos buscando es minimizar esa variacin, p
que en este caso "menos es mejor". Los niveles seran. Porcentaje nivel bajo (-1), Presin nivel bajo (-1)
y velocidad tambien nivel bajo (-1)

i) Obtener las grficas de contornos y de superficie de respuesta y establecer conclusiones

Contour Plot of Altura de llenado vs Presion, Porcentaje

0.0

Hold Values
Velocidad -1

1.0

0.5

-0.5

Contour Plot of Altura de llenado vs Velocidad

1.0

Altura
de
llenado
< -2
-2 - -1
-1 0
0 1
1 2
> 2

0.0

0.5
Velocidad

0.5

Presion

Contour Plot of Altura de llenado vs Velocidad, Porcentaje

Altura
de
llenado
< -2
-2 - -1
-1 0
0 1
1 2
> 2

Velocidad

1.0

Hold Values
Presion -1

-0.5

-1.0
-1.0

-0.5

0.0
Porcentaje

0.5

-0.5

-1.0
-1.0

1.0

0.0

-0.5

0.0
Porcentaje

0.5

-1.0
-1.0

1.0

-0.5

0.0
Presion

0.5

1.0

Las grficas de contorno confirman los resultados anteriores. En los niveles bajos en todos las combinaciones d
es donde se presenta la menor desviacin al estandar

Surface Plot of Altura de llenado vs Presion, Porcentaje

Surface Plot of Altura de llenado vs Velocida

Surface Plot of Altura de llenado vs Velocidad, Porcentaje

Hold Values
Velocidad -1

Hold Values
Presion -1

2
A ltura de llenado

Altura de llenado
0

A ltura de llenado

0
-1

-2

-2

1
-1

0
0
Porcentaj e

Presion

1
-1

-1

-2

0
0
Por centaj e

Velocidad

-1

1
-1

0
0
Presion

Velocidad

-1

Al igual que el caso anterior. El punto donde de acuerdo a la superficie de respuesta se encuentra la menor des
es en los niveles bajos de todos los factores

PROBLEMA 7.
Con los datos del problema anterior, contestar los incisos ( a - i) con MINITAB considerando
un diseo factorial fraccional de fraccin 1/2, incluyendo las respuestas correspondientes.
a) Determinar los valores P correspondientes a los factores principales y las interacciones
y establecer conclusiones

Factorial Fit: Altura de llenado versus Porcentaje, Presion, Velocidad

Estimated Effects and Coefficients for Altura de llenado (coded units)
Term
Constant
Porcentaje
Presion
Velocidad
S = 0.707107

Effect
3.500
2.500
2.500

Coef
1.250
1.750
1.250
1.250

SE Coef
0.2500
0.2500
0.2500
0.2500

R-Sq = 96.12%

T
5.00
7.00
5.00
5.00

P
0.007
0.002
0.007
0.007

R-Sq(adj) = 93.20%

Solo los factores Porcetaje, Presion,

Velocidad son significativos, de acuerdo
a un nivel alfa de 0.05. En el anlisis no se
ninguna interaccin ya que al fraccionarlo
las interacciones se confunden con los efe
principales, tal y como se muestra en la sig
tabla

Analysis of Variance for Altura de llenado (coded units)

Source
Main Effects
Residual Error
Pure Error
Total

DF
3
4
4
7

Seq SS
49.5000
2.0000
2.0000
51.5000

Adj SS
49.5000
2.0000
2.0000

Adj MS
16.5000
0.5000
0.5000

F
33.00

Alias Information for Te

the Model.Totally confou

terms were removed from th

P
0.003

I + Porcentaje*Presion*V
Porcentaje + Presion*Vel
Presion + Porcentaje*Vel
Velocidad + Porcentaje*P

b) Identificar en las graficas normal y Pareto de efectos principales e interacciones

cuales son los significativos
Normal Probability Plot of the Standardized Effects

Pareto Chart of the Standardized Effects

(response is Altura de llenado, Alpha = .05)

(response is Altura de llenado, Alpha = .05)

99

95
90
80

70
60
50
40
30

F actor
A
B
C

Name
Porcentaje
Presion
Velocidad

Factor
A
B
C

Term

Percent

2.776

Effect Type
Not Significant
Significant

Name
Porcentaje
Presion
V elocidad

20
10

-2

-1

1
2
3
4
Standardized Effect

3
4
5
Standardized Effect

La gfrfica normal de probabilidad y pareto nos indica que solo los efectos principales son significativos (A,B,C)

c) Determinar los valores Y estimados y los residuos del modelo

Valor
Observado (Y)

RunOrder
1
2
3
4
5
6
7
8

-1
0
-1
6
0
1
0
5

Valor
Ajustado (Y) Residuales
-0.5
-0.5
0.5
-0.5
-0.5
-0.5
5.5
0.5
-0.5
0.5
0.5
0.5
-0.5
0.5
5.5
-0.5

d) Hacer una grfica de probabilidad normal de los residuos con franjas en 95% y concluir
Problema 7
Normal
99

Mean
StDev
N
AD
P-Value

95
90

Percent

80
70
60
50
40
30
20
10
5

-1.0

-0.5

0.0
RESI1

0.5

1.0

1.5

1.110223E-16
0.5345
8
1.282
<0.005

En esta grfica vemos que los residuales no siguen

una distribucin normal y eso lo retifica el valor p.
Por lo que la adecuacin de este modelo no es buena

N
AD
P-Value

95
90

8
1.282
<0.005

Percent

80
70
60
50
40
30
20
10
5

-1.0

-0.5

0.0
RESI1

0.5

1.0

1.5

e) Determinar los efectos de los factores principales y de las interacciones

Term
Constant
Porcentaje
Presion
Velocidad

Effect
3.500
2.500
2.500

S = 0.707107

Coef
1.250
1.750
1.250
1.250

SE Coef
0.2500
0.2500
0.2500
0.2500

R-Sq = 96.12%

T
5.00
7.00
5.00
5.00

P
0.007
0.002
0.007
0.007

R-Sq(adj) = 93.20%

f) Determinar la ecuacin de regresin de la tabla de coeficientes.

Para construir el modelo de regresin solo utilizaremos los coeficientes de los factores que resultaron ser signifi
que para el caso del fraccionado fueron todos, por lo que la ecuacin de regresin queda como sigue:

Altura de llenado = 1.25 + 1.75*Porcetaje de carbonatacin + 1.250*Presion del llenador + 1.25*Velocidad de lle

Cabe sealar que los coeficientes de esta regresin son para datos codificados, por lo que para obtener el valor
debemos substituir desde la creacin del modelo, los valores reales de estos factores.
g) Obtener las grficas factoriales e identificar en cuales seleccionar los diferentes niveles
Interaction Plot (data means) for Altura de llenado

Main Effects Plot (data means) for Altura de llenado

Porcentaje

-1

Presion

-1

Porcentaje
-1
1

3
4

Mean of Altura de llenado

2
Porcentaj e

0
-1
-1

-1

Presion
-1
1

Velocidad

Presion

2
1
0

Velocidad

-1
-1

En este caso en particular las interacciones se confunden con los efectos principales, por lo que no pueden ser
evaluadas por separado, aunque de manera grfica se observa que aparentement la interaccin entre presin
puede ser significativa, no lo podemos saber. Por lo que la decisin de en donde fijar los niveles lo seguira haci
de la grfica de EFECTOS PRINCIPALES. Esto resulta ser muy riesgoso ya que el diseo solo tiene resolucin
Nunca recomendara trabajar con este modelo, al menos buscara resolucin IV
h) De acuerdo al planteamiento del problema, en que nivel conviene operar el proceso?
Si los datos son de desviacin con respecto al estandar, lo que estamos buscando es minimizar esa variacin, p
que en este caso "menos es mejor". Los niveles seran. Porcentaje nivel bajo (-1), Presin nivel bajo (-1)
y velocidad tambien nivel bajo (-1)
i) Obtener las grficas de contornos y de superficie de respuesta y establecer conclusiones

Presion

0.5

0.0

1.0
Altura de
llenado
< -2.4
-2.4 - -1.6
-1.6 - -0.8
-0.8 0.0
0.0 0.8
0.8 1.6
1.6 2.4
> 2.4
Hold Values
Velocidad -1

-0.5

0.5

Velocidad

1.0

0.0

Altura de
llenado
< -2.4
-2.4 - -1.6
-1.6 - -0.8
-0.8 0.0
0.0 0.8
0.8 1.6
1.6 2.4
> 2.4
Hold Values
Presion -1

-0.5

Contour Plot of Altura de llenado vs Velocida

1.0

0.5

Velocidad

Contour Plot of Altura de llenado vs Velocidad, Porcentaje

Contour Plot of Altura de llenado vs Presion, Porcentaje

0.0

-0.5

1.0
Altura de
llenado
< -2.4
-2.4 - -1.6
-1.6 - -0.8
-0.8 0.0
0.0 0.8
0.8 1.6
1.6 2.4
> 2.4

0.0

0.5

Velocidad

Presion

0.5

Hold Values
Velocidad -1

-0.5

1.0

Altura de
llenado
< -2.4
-2.4 - -1.6
-1.6 - -0.8
-0.8 0.0
0.0 0.8
0.8 1.6
1.6 2.4
> 2.4

0.0

0.5

Velocidad

1.0

Contour Plot of Altura de llenado vs Velocida

Contour Plot of Altura de llenado vs Velocidad, Porcentaje

Contour Plot of Altura de llenado vs Presion, Porcentaje

Hold Values
Presion -1

-0.5

-0.5

-1.0
-1.0

-0.5

0.0
Porcentaje

0.5

-1.0
-1.0

1.0

0.0

-0.5

0.0
Porcentaje

0.5

-1.0
-1.0

1.0

-0.5

0.0
Presion

0.5

1.0

Las grficas de contorno confirman los resultados anteriores. En los niveles bajos en todos las combinaciones d
es donde se presenta la menor desviacin al estandar

Surface Plot of Altura de llenado vs Presion, Porcentaje

Surface Plot of Altura de llenado vs Velocidad, Porcentaje

Hold Values
Velocidad -1

2
A ltura de llenado

Surface Plot of Altura de llenado vs Velocidad,

Hold Values
Presion -1

A ltur a de llenado

-2

1
-1

0
0
Porcentaj e

A ltura de llenado

0
-2

Presion

-1

-1

0
0
Porcentaj e

-2

Velocidad

1
-1

-1

0
0
Presion

Velocidad

-1

Al igual que el caso anterior. El punto donde de acuerdo a la superficie de respuesta se encuentra la menor des
es en los niveles bajos de todos los factores

PROBLEMA 8.
Main Effects Plot (data means) for SN ratios

Main Effects Plot (data means) for Means

Material

Material

Diametro

40

125

38

Mean of SN ratios

100

Mean of Means

Diametro

42

150

75
50
1

Costuras
150
125

36
34
1

Costuras
42
40
38

100

36

75

34

50
1

Signal-to-noise: Larger is better

De acuerdo a las grficas los resultados que produciran las mayores distancias y que haran robusto el diseo
son material 1 (lquido), diametro 1 = 118 y nmero de costuras 1 = 386

Simplex Design Plot in Amounts

PROBLEMA 9.

A
1

a) Obtener la grfica triangular del diseo

0

1
B

1
C

Simplex Design Plot in Amounts

A
1

1
B

1
C

b) Por medio de un anlisis de los residuos identificar si el modelo es adecuado

Problema 9

El valor p de la grfica muestra que los residuales no se

de manera normal

Normal
99

Mean
StDev
N
AD
P-Value

95
90

5.392512E-16
0.9558
7
0.642
0.054

Percent

80
70
60
50
40
30
20
10
5

-2

-1

0
RESI1

c) Determinar la ecuacin de regresin del modelo

Term
A
B
C
A*B
A*C
B*C

Coef
6.40
8.60
4.10
-3.68
-13.08
-4.28

SE Coef
2.332
2.332
2.332
10.722
10.722
10.722

T
*
*
*
-0.34
-1.22
-0.40

P
*
*
*
0.790
0.437
0.758

VIF
1.599
1.599
1.599
1.569
1.569
1.569

Y = 6.4*A + 8.6*B + 4.10*C - 3.68*A*B - 13.08*A*C - 4.28*B*C

d) Por medio de la grfica de contornos, identificar

con que combinacin se obtiene el menor porcentaje de productos residuales.
Proporciones de A = ?, B = ? Y C = ?

De acuerdo a esta grfica en donde oibtendremos los m

porcentajes de residuos es en mas o menos 1/2 de A, 1/
y 0 de B, es decir en uno de los lados del triangulo

Mixture Contour Plot of Porcentaje

(component amounts)
A
1

1
B

Porcentaje
< 2
2
- 3
3
- 4
4
- 5
5
- 6
6
- 7
7
- 8
> 8

1
C

e) Predecir por medio del modelo la respuesta en el punto central

Para predecir en el punto cebtral, substituiremos a: A=0.5, B=0, C=0.5
Y = 6.4*A + 8.6*B + 4.10*C - 3.68*A*B - 13.08*A*C - 4.28*B*C

Y= (6.4*0.5) + (8.6*0) + (4.1*0.5) - (3.68*0.5*0) - (13.08*0.5*0.5) - (4.28*0*0.5)

Y=
1.98

PROBLEMA 10.

1. Identificar el problema, mediante QFD u otra herramienta que permita saber la voz del cliente
2. Establecer el objetivo
3. Formar equipo de trabajo multidisciplinario
4. Identificar factores a considerar en el diseo
5. Identificar niveles de los factores a experimentar
5.a) Determinar el tipo de diseoa a utilizar (general, dos niveles, fraccionado, taguchi, mixture, etc)
6. Realizar las diferentes corridas de los experimentos
7. Anotar las salidas correspondientes
8: Realizar todo el anlisis estadstico correspondiente (ANOVA, graficas de interacciones, efectos principales, e
8.a) Determinar los niveles de operacin del proceso
9. Elaborar ecuacin de regresin adecuada para el modelo
10. Realizar corrida de confirmacin para validar resultados
11. Documentar cambios en los sistemas de calidad e incluir poka-yokes donde sea posible

menos a 30 y no se conoce la sigma

ot of Tiempo de vida

t-confidence interval for the mean)

_
X

130
140
Tiempo de vida

150

160

170

hazar Ho, ya que el valor de p=0.054

podemos rechazar que la media de

ormalidad.Los datos tienen un valor

o podemos rechazar que los datos
mal. Aceptamos normalidad

ormales, utilizamos el indicador de

existe homogeniedad de varianzas
o reforzamos con los resultados
muestran abajo

mpo Quemado versus Formulacion

vals for standard deviations

r
2

StDev
9.26403

Upper
18.6545

9.36661

18.8611

p-value = 0.974

inuous distribution)
p-value = 1.000

mostro en el inciso anterior.

oxplot of Tiempo Quemado by Formulacion

2
Formulacion

igualdad de la media de los tiempos

tesis de que la media de tiempos

tenemos de minitab, para calcular

mos lo siguiente:

rtad totales = nmero datos -1= 15

rtad de los tratamientos 4 -1 =3
alfa= Distr. Inv (0.05,2,12)

a Falfa por medio de excell el

or lo que rechazamos la

azamo Ho y aceptamos Ha con un 95%

siduales se comportan
nto se cumple el supuesto
o para la validez de las conclusiones

Boxplot of Concentracion by Catalizador

59
58
57
56
55
54
53
52
51
50
A

C
Catalizador

muy claro el catalizador A ser

mayor respuesta.

s siguientes resultados.

ANOVA se encuetra que el factor ruta

ivo de acuerdo al valor p, considerando
, sin embargo el factor de bloqueo
a, si resulta ser significativo.
xplica solo un 67.94% de la variacin
po, por lo que mi recomendacin

De la tabla ANOVA observamos que

olo el factor temperatura es significativo
Nio el factor presin ni la interaccin son
ignificativos con un alfa de 0.05

ata means) for Rendimiento

0
ion

Temperatura
1
2
3

270

ceso los obtendremos de la

tonces los que haramos
ejarlo en el nivel ms econmico

Solo los factores Porcetaje, Presion,

Velocidad son significativos, de acuerdo
un nivel alfa de 0.05. Ninguna
nteraccin resulto ser significativa

ndardized Effects

ado, Alpha = .05)

Factor
A
B
C

Name
Porcentaje
Presion
V elocidad

ct

gnificativos (A,B,C), esto refuerza

on significativos, mostraremos

considerando solo significativos

FITS2

RESI2
-2.5
0.5
-0.25
2.75
-0.75
2.25
1.5
4.5
-2.5
0.5
-0.25
2.75
-0.75
2.25
1.5
4.5

-0.5
-0.5
-0.75
-0.75
-0.25
-0.25
-0.5
1.5
1.5
0.5
0.25
0.25
0.75
-1.25
-0.5
0.5

s considerando solo significativos

Problema 6
Normal
Mean
StDev
N
AD
P-Value

0
RESI2

-6.93889E-17
0.7958
16
0.506
0.171

StDev
N
AD
P-Value

0
RESI2

0.7958
16
0.506
0.171

eramos los significativos el valor de p

malidad y se cumple el supuesto bsico

os efectos son los que ya se sealaron

es que resultaron ser significativos

+ 0.0875*Velocidad de llenado
lo que para obtener el valor real

or Altura de llenado

-1

1
4

Porcentaje
-1
1

0
4

Presion
-1
1

Velocidad

r significativas, este resultado

eracciones como significativa.
emos de hacer de la grfica

es minimizar esa variacin, por lo

resin nivel bajo (-1)

Contour Plot of Altura de llenado vs Velocidad, Presion

1.0

Altura
de
llenado
< -2
-2 - -1
-1 0
0 1
> 1

Velocidad

0.5

Hold Values
Porcentaje -1

0.0

-0.5

-1.0
-1.0

-0.5

0.0
Presion

0.5

1.0

n todos las combinaciones de factores

Surface Plot of Altura de llenado vs Velocidad, Presion

Hold Values
Porcentaje -1

1
A ltura de llenado

0
-1
-2

1
-1

0
0
Presion

Velocidad

-1

a se encuentra la menor desviacin

es Porcetaje, Presion,
significativos, de acuerdo
de 0.05. En el anlisis no se muestra
ccin ya que al fraccionarlo
es se confunden con los efectos
y como se muestra en la siguiente

lias Information for Terms in

he Model.Totally confoundeds.

erms were removed from the analysis

+ Porcentaje*Presion*Velocidad
orcentaje + Presion*Velocidad
resion + Porcentaje*Velocidad
elocidad + Porcentaje*Presion

ardized Effects

o, Alpha = .05)

Factor
A
B
C

Name
Porcentaje
Presion
V elocidad

es son significativos (A,B,C)

os residuales no siguen
o lo retifica el valor p.
este modelo no es buena

es que resultaron ser significativos

queda como sigue:

ador + 1.25*Velocidad de llenado

lo que para obtener el valor real

s, por lo que no pueden ser

a interaccin entre presin y velocida
r los niveles lo seguira haciendo
diseo solo tiene resolucin III

es minimizar esa variacin, por lo

resin nivel bajo (-1)

Contour Plot of Altura de llenado vs Velocidad, Presion

1.0

Velocidad

0.5

0.0

-0.5

Altura de
llenado
< -2.4
-2.4 - -1.6
-1.6 - -0.8
-0.8 0.0
0.0 0.8
0.8 1.6
> 1.6
Hold Values
Porcentaje -1

Contour Plot of Altura de llenado vs Velocidad, Presion

1.0

Altura de
llenado
< -2.4
- -1.6
- -0.8
0.0
0.8
1.6
> 1.6

-2.4
-1.6
-0.8
0.0
0.8

Velocidad

0.5

0.0

Hold Values
Porcentaje -1

-0.5

-1.0
-1.0

-0.5

0.0
Presion

0.5

1.0

n todos las combinaciones de factores

Surface Plot of Altura de llenado vs Velocidad, Presion

A ltura de llenado

Hold Values
Porcentaje -1

-2

1
-1

0
0
Presion

Velocidad

-1

a se encuentra la menor desviacin

t (data means) for SN ratios

Diametro

ue haran robusto el diseo

tra que los residuales no se comportan

n donde oibtendremos los menore

n mas o menos 1/2 de A, 1/2 de C
los lados del triangulo

z del cliente

hi, mixture, etc)

ciones, efectos principales, etc)