TRABAJO PRESENTA DO PO

PROFESORES:

De una instalacin se miden las variables x e

PREGUNTAS
1.- Implementar un sistema para la deteccin

2.- Implementar un sistema para la deteccin

TRABAJE A UN NIVEL DE CONFIANZA DEL 99%

RESPUESTA N1 Se realizar primero una aproximacion a un modelo

los datos reales a fin de extraer los residuos, que po
a ciencia cierta cuales son lo valores en donde se cre
porcentaje de error admisible para el proceso.

Tabla de datos: Minimos cuadrados

n X Y X XY
1 10 8.44 100 84.4
2 10.25 9.75 105.0625 99.9375
3 10.5 10.44 110.25 109.62
4 10.75 11.87 115.5625 127.6025
5 11 11.03 121 121.33
6 11.25 10.66 126.5625 119.925
7 11.5 13.19 132.25 151.685
 8 11.75 12.75 138.0625 149.8125
9 12 12.53 144 150.36
10 12.25 13.34 150.0625 163.415
11 12.5 12.55 156.25 156.875
12 12.75 14.3 162.5625 182.325
13 13 14.11 169 183.43
14 13.25 14.87 175.5625 197.0275
15 13.5 13.61 182.25 183.735
16 13.75 16.61 189.0625 228.3875
17 14 15.93 196 223.02
18 14.25 14.01 203.0625 199.6425
19 14.5 16.83 210.25 244.035
20 14.75 18.07 217.5625 266.5325
21 15 12.63 225 189.45 30
22 15.25 13.38 232.5625 204.045
23 15.5 13.31 240.25 206.305 25
24 15.75 11.09 248.0625 174.6675
25 16 9.69 256 155.04
20
26 16.25 21.36 264.0625 347.1
27 16.5 20.45 272.25 337.425
15
28 16.75 20.57 280.5625 344.5475
29 17 20.64 289 350.88
30 17.25 20.01 297.5625 345.1725 10
31 17.5 22.28 306.25 389.9
32 17.75 21.2 315.0625 376.3 5
33 18 22.26 324 400.68
34 18.25 23.41 333.0625 427.2325
0
35 18.5 24.91 342.25 460.835
36 18.75 25.07 351.5625 470.0625
37 19 23.9 361 454.1

536.5 591.05 8042.875 8976.84

r = MEDIA ARITMETICA DE LA MUESTRA

= PARAMETRO PARA UN INTERVALO DE CONFIANZA DEL 99%
= DESVIACION TIPICA
 10
DISPERSION DE RESIDUOS: R
8

0
10 11 12 13 14 15
-2

-4

-6

-8

-10

CONCLUSIONES
En conclusion observamos que aproximadamente entre los 15,75 y 16 segundos se produc
del equipo; la cual es "puntual" o corta ya que en su evolucion o trabajo rutinario vuelve a
aceptables de normalidad.

Ahora pero Qu tan bien representa a los datos experimentales la recta encontrada? Pa
llamado parametro de asociacion o coeficiente de correlacion de PEARSON, el cual mide el
involucradas en la experimentacion. Dicho parmetro se define por:

En dnde Y(barra) es el valor medio de los valores de Y , Y' corresponde al valor estimado
de alli concluimos, a partir de la siguiente tabla que
 Entonces a partir de los datos del ejercicio pordemos tener que:
R=
R=

RESPUESTA N2 PARA LA REALIZACION DE ESTE NUEVO PROCESO EN DOND

COMPORTAMIENTO PARABOLICO O CODRATICO, TENDREMO
CALCULOS Y COMPARACIONES SE REALIZARN DE FORMA S

Tabla de datos: Minimos cuadrados

n X Y X XY X3
1 10 8.44 100 84.4 1000
2 10.25 9.75 105.0625 99.9375 1076.89063
3 10.5 10.44 110.25 109.62 1157.625
4 10.75 11.87 115.5625 127.6025 1242.29688
5 11 11.03 121 121.33 1331
6 11.25 10.66 126.5625 119.925 1423.82813
7 11.5 13.19 132.25 151.685 1520.875
8 11.75 12.75 138.0625 149.8125 1622.23438
9 12 12.53 144 150.36 1728
10 12.25 13.34 150.0625 163.415 1838.26563
11 12.5 12.55 156.25 156.875 1953.125
12 12.75 14.3 162.5625 182.325 2072.67188
13 13 14.11 169 183.43 2197
14 13.25 14.87 175.5625 197.0275 2326.20313
15 13.5 13.61 182.25 183.735 2460.375
16 13.75 16.61 189.0625 228.3875 2599.60938
17 14 15.93 196 223.02 2744
18 14.25 14.01 203.0625 199.6425 2893.64063
19 14.5 16.83 210.25 244.035 3048.625
20 14.75 18.07 217.5625 266.5325 3209.04688
21 15 12.63 225 189.45 3375
22 15.25 13.38 232.5625 204.045 3546.57813
23 15.5 13.31 240.25 206.305 3723.875
24 15.75 11.09 248.0625 174.6675 3906.98438
25 16 9.69 256 155.04 4096
26 16.25 21.36 264.0625 347.1 4291.01563
27 16.5 20.45 272.25 337.425 4492.125
28 16.75 20.57 280.5625 344.5475 4699.42188
29 17 20.64 289 350.88 4913
30 17.25 20.01 297.5625 345.1725 5132.95313
31 17.5 22.28 306.25 389.9 5359.375
32 17.75 21.2 315.0625 376.3 5592.35938
33 18 22.26 324 400.68 5832
34 18.25 23.41 333.0625 427.2325 6078.39063
35 18.5 24.91 342.25 460.835 6331.625
36 18.75 25.07 351.5625 470.0625 6591.79688
37 19 23.9 361 454.1 6859

536.5 591.05 8042.875 8976.84 124266.81

GRAFICO DE SUPERPOSICION DE
MODELOS:
30
REAL Vs CUADRATICO
25

20

15

10

5
MODELO REAL
MODELO CUADRATICO
0

ANALISIS DE LOS RESIDUOS

* MEDIA ARITMETICA =
 * DESVIACION TIPICA =
* PARAMETRO (99% NIVEL DE CONFIANZA) =

EVALUACION DE RESIDUOS

L (mn) = 7,357E-05 - (2,567 * 2,3171093) = -5,968

L (mx) = 7,357E-05 + (2,567 * 2,3171093) = 5,96

DISPERSION DE RESIDUOS:REAL Vs
10

0
10 11 12 13 14 15 16
-2

-4

-6

-8

-10
DISPERSION DE DATOS

CONCLUSIONES
POR ESTA APROXIMACION OBSERVAMOS UN COMPORTAMIENTO IGUAL; ES DECIR
DE LO ANTERIOR PODEMOS INFERIR QUE EN DEFINITIVA LA MAQUINA O EL SISTE
FALLAR EN UN TIEMPO DE TRABAJO CERCANO A LOS 16 (UNIDADES DE TIEMPO)
COMO EL DIAGRAMA DE DISPERSIONINICIAL NO ARROJO UNA MARCADA TENDENC
RESULTADOS MUY SIMILARES, NOS DAMOS CUENTA QUE LO REALMENTE IMPORTA
 MANTENIBILIDAD 3
ABAJO PRESENTA DO POR :
HAROLD ENRIQUE COHEN PADILLA

OFESORES:
JOAQUIN NAVARRO Y DAMIAN GINESTAR
Departamento de Matemticas- Universidad Politcnica de Valencia

ACTIVIDAD - TALLER
se miden las variables x e y que se presentan en la siguiente tabla (ver tabla de datos... en las columnas x- y)

n sistema para la deteccin de fallos basado en un modelo lineal de la forma

n sistema para la deteccin de fallos basado en un modelo cuadrtico de la forma

EL DE CONFIANZA DEL 99%

DESARROLLO
oximacion a un modelo lineal, atraves de la metodologi de los minimos cuadrados, luego se compa
aer los residuos, que posteriormente se graficarn y comparan con unos limites (superior e inferior
valores en donde se cree el fallo ocurrir bajo la creencia de normalidad y una aproximacion a la
e para el proceso.

Nota: se gn el esquema siguinte a1 = m y ao= b

ECUACION DE AJUSTE LINEAL

Y=mX + b
Dnde m = Pendiente de la recta (inclinacin)
b = Intersepto o punto donde la recta se une con el eje "Y"
 M= [(37*8976,84)-(536,5*591,05)] / [(37*8042,875)-(536,5) ]

M= 1.5423992413

ECUACION DE AJUSTE LINEAL

Y=1,54239924X + 1,204423222

30
GRAFICO DE SUPERPOSICION DE
25
MODELOS:
REAL Vs LINEAL
20

15

10

MODELO LINE
5
RECTA DE AJU

ANALISIS DE LOS RESIDUOS

* MEDIA ARITMETICA = 0.0013743243
* DESVIACION TIPICA = 2.4916585462
* PARAMETRO (99% NIVEL DE CONFIANZA) = 2.576

EVALUACION DE RESIDUOS
 L (mn) = 0,001374324 - (2,567 * 2,491658546) = -6,41713809
L (mx) = 0,001374324 + (2,567 * 2,491658546) = 6,419888673

DE RESIDUOS: REAL VS M. LINEAL

L
L (mx)=
(mx)= 6,4198
6,4198

14 15 16 17 18 19 20

L (mn)=-6,4171
L (mn)=-6,4171

DISPERSION DE DATOS

5 y 16 segundos se produce una anomala en el funcionamiento

o trabajo rutinario vuelve a condiciones normales o de parametros

les la recta encontrada? Para eso existe un parametro de correlacin

e PEARSON, el cual mide el nivel o grado de asocicin lineal de las variables

esponde al valor estimado por elajuste o sea el valor en el modelo.

 0.73716796
0.8586 Lo cual indica que la correlacin entre los valores de dos v
de alli en adelante como satisfactorio o no depende de la
carecemos de mayor informacin) y como la correlacion no
conclusiones.

NUEVO PROCESO EN DONDE SE REALIZAR UN A PROXIMACION AL MODELO REAL BASANDONOS EN UNA TENDE
O CODRATICO, TENDREMOS EN CUENTA TAMBIEN EL METODO DE LOS MINIMOS CUADRADOS. LUEGO LOS DEM
E REALIZARN DE FORMA SILILARA AL PRESENTADO EN LA PREGUNTA N1.

Nota: se gn el esquema siguinte a2= c, a1 = b y ao= a

X4 X2 Y ECUACION DE AJUSTE CUADRATICO

10000 844 Y=cX + bX + a
11038.1289 1024.359375
12155.0625 1151.01
13354.6914 1371.726875
14641 1334.63
16018.0664 1349.15625
17490.0625 1744.3775
19061.2539 1760.296875
20736 1804.32
22518.7539 2001.83375 A partir del sistema y al solucin del mismo hallaremos los
24414.0625 1960.9375
26426.5664 2324.64375 8042,875 A
28561 2384.59 536,5 A
30822.1914 2610.614375 37 A
33215.0625 2480.4225
35744.6289 3140.328125 RESOLVIENDO EL SISTEMA DE ECUACIONES DE 3X3 U
38416 3122.28 SOFTWARE DE COMPUTO TENEMOS LAS SIGUIENTES
41234.3789 2844.905625
44205.0625 3538.5075
47333.4414 3931.354375
50625 2841.75
54085.3164 3111.68625
57720.0625 3197.7275 POR LO TANTO LA ECUACION DE AJUSTE QUEDARA
 61535.0039 2751.013125
65536 2480.64 Y=22,44389 -2,57426X + 0,141954X
69729.0039 5640.375
74120.0625 5567.5125
78715.3164 5771.170625
83521 5964.96
RELACION ENTRE VARIABLES X-
88543.4414 5954.225625 VALORES REALES
93789.0625 6823.25 X Y
99264.3789 6679.325 10 8.44
104976 7212.24 10.25 9.75
110930.629 7796.993125 10.5 10.44
117135.063 8525.4475 10.75 11.87
123596.191 8813.671875 11 11.03
130321 8627.9 11.25 10.66
11.5 13.19
1971527.9 140484.1825 11.75 12.75
12 12.53
12.25 13.34
ON DE 12.5 12.55
12.75 14.3
13 14.11
13.25 14.87
13.5 13.61
13.75 16.61
14 15.93
14.25 14.01
14.5 16.83
14.75 18.07
15 12.63
15.25 13.38
15.5 13.31
15.75 11.09
16 9.69
16.25 21.36
16.5 20.45
16.75 20.57
CO
17 20.64
17.25 20.01
17.5 22.28
17.75 21.2
18 22.26
RESIDUOS 18.25 23.41
7.3574E-005 18.5 24.91
 2.31710926 18.75 25.07
2.576 19 23.9

ESIDUOS
r = MEDIA ARITMETICA DE LA MUESTRA
= PARAMETRO PARA UN INTERVALO DE CONFIANZA DEL 99%
= DESVIACION TIPICA

7 * 2,3171093) = -5,968799987
67 * 2,3171093) = 5,968947127

DUOS:REAL Vs M. CUADRATICO

L (mx)=
L (mx)= -5,9687
-5,9687

15 16 17 18 19 20

L
L (mx)=
(mx)= 5,9689
5,9689

ERSION DE DATOS

MIENTO IGUAL; ES DECIR ENTRE LOS TIEMPOS 15,75 Y 16 SE PRESENTARN FALLAS EN EL EQUIPO ES
LA MAQUINA O EL SISTEMA EN CUESTIN (INDEPENDIENTEMENTE DEL SISTEMA USADO COMO REFER
(UNIDADES DE TIEMPO); ESTO ES CONCLUYENTE YA QUE LOS DOS MODELOS ARROJARON EL MISMO
UNA MARCADA TENDENCIA HACIA UNO Y OTRO MODELO SE PROCEDI A REALIZARLOS AMBOS Y AL
LO REALMENTE IMPORTANTE ES LA RESPUESTA DE LA EXPERIENCIA Y NO EL MODELO EN S.
 3
PADILLA

MIAN GINESTAR
dad Politcnica de Valencia

TALLER
datos... en las columnas x- y)

ESTUDIO BOMBA DE ALIVIO DE PRESIN CICLO N3

Correspondencia de las variables
x= tiempo de las mediciones
y= valores de presin Vs temperatura

LLO
cuadrados, luego se comparar el modelo con
limites (superior e inferior) lo cuales dictaminarn
ad y una aproximacion a la realidad basados en un

m y ao= b

a recta se une con el eje "Y"

b= [(8042,875*591,05)-(536,5*8976,84)]/[(37*8042,875)-(536,5)]

b= -6.390464675
RELACION ENTR
VALORES REALES
X Y
10 8.44
10.25 9.75
10.5 10.44
10.75 11.87
11 11.03
11.25 10.66
11.5 13.19
11.75 12.75
12 12.53
12.25 13.34
12.5 12.55
12.75 14.3
13 14.11
MODELO LINEAL
13.25 14.87
RECTA DE AJUSTE
13.5 13.61
13.75 16.61
14 15.93
14.25 14.01
14.5 16.83
14.75 18.07
15 12.63
15.25 13.38
15.5 13.31
15.75 11.09
16 9.69
16.25 21.36
16.5 20.45
16.75 20.57
17 20.64
17.25 20.01
17.5 22.28
17.75 21.2
 18 22.26
-6,41713809 18.25 23.41
= 6,419888673 18.5 24.91
18.75 25.07
19 23.9

20

SION DE DATOS
 cin entre los valores de dos variables es un hecho. El poderlo considerar
tisfactorio o no depende de la interpretacion del fenomeno(y en el momento
acin) y como la correlacion no implica causalidad no podemos ahondar en

L BASANDONOS EN UNA TENDENCIA DE

CUADRADOS. LUEGO LOS DEMAS

STE CUADRATICO
bX + a

ucin del mismo hallaremos los coeficientes para la ecuacion de ajuste cuadrtico

124266,81 B 1971527,9 C = 140484.183

8042,875 B 124266,81 C = 8976.84
536,5 B 8042,875 C = 591.05

A DE ECUACIONES DE 3X3 UTILIZANDO LOS METODOS TRADICIONALES O EN SU DEFECTO UN

TENEMOS LAS SIGUIENTES RESPUESTAS

A= 22.44389
B= -2.574261
C= 0.141954

N DE AJUSTE QUEDARA
26X + 0,141954X A PARTIR DE ESTA ECUACION DEDUCIREMOS LOS VALORES DEL MODEL
COMPARARLO CON EL REAL HALLAREMOS LOS RESIDUOS

NTRE VARIABLES X-Y : REAL Vs MODELO LINEAL

VALORES DEL MODELO RESIDUO
X Y' Y - Y'
10 10.8954 -2.4554
10.25 10.970542125 -1.220542125
10.5 11.0634285 -0.6234285
10.75 11.174059125 0.695940875
11 11.302434 -0.272434
11.25 11.448553125 -0.788553125
11.5 11.6124165 1.5775835
11.75 11.794024125 0.955975875
12 11.993376 0.536624
12.25 12.210472125 1.129527875
12.5 12.4453125 0.1046875
12.75 12.697897125 1.602102875
13 12.968226 1.141774
13.25 13.256299125 1.613700875
13.5 13.5621165 0.0478835
13.75 13.885678125 2.724321875
14 14.226984 1.703016
14.25 14.586034125 -0.576034125
14.5 14.9628285 1.8671715
14.75 15.357367125 2.712632875
15 15.76965 -3.13965
15.25 16.199677125 -2.819677125
15.5 16.6474485 -3.3374485
15.75 17.112964125 -6.022964125
16 17.596224 -7.906224
16.25 18.097228125 3.262771875
16.5 18.6159765 1.8340235
16.75 19.152469125 1.417530875
17 19.706706 0.933294
17.25 20.278687125 -0.268687125
17.5 20.8684125 1.4115875
17.75 21.475882125 -0.275882125
18 22.101096 0.158904
18.25 22.744054125 0.665945875
18.5 23.4047565 1.5052435
 18.75 24.083203125 0.986796875
19 24.779394 -0.879394

7.357E-005
STRA 2.31710926 =
O DE CONFIANZA DEL 99%

N FALLAS EN EL EQUIPO ESTUDIADO.

STEMA USADO COMO REFERENCIA)
LOS ARROJARON EL MISMO RESULTADO
REALIZARLOS AMBOS Y AL OBTENER
EL MODELO EN S.
RELACION ENTRE VARIABLES X-Y : REAL Vs MODELO LINEAL
VALORES DEL MODELO RESIDUO DATOS PARA CORRELACI
X Y' Y - Y' Y' - Y(barra) Y - Y(barra)
10 9.0326 -0.5926 -6.941724 -7.534324
10.25 9.418175 0.331825 -6.556149 -6.224324
10.5 9.80375 0.63625 -6.170574 -5.534324
10.75 10.189325 1.680675 -5.784999 -4.104324
11 10.5749 0.4551 -5.399424 -4.944324
11.25 10.960475 -0.300475 -5.013849 -5.314324
11.5 11.34605 1.84395 -4.628274 -2.784324
11.75 11.731625 1.018375 -4.242699 -3.224324
12 12.1172 0.4128 -3.857124 -3.444324
12.25 12.502775 0.837225 -3.471549 -2.634324
12.5 12.88835 -0.33835 -3.085974 -3.424324
12.75 13.273925 1.026075 -2.700399 -1.674324
13 13.6595 0.4505 -2.314824 -1.864324
13.25 14.045075 0.824925 -1.929249 -1.104324
13.5 14.43065 -0.82065 -1.543674 -2.364324
13.75 14.816225 1.793775 -1.158099 0.635676
14 15.2018 0.7282 -0.772524 -0.044324
14.25 15.587375 -1.577375 -0.386949 -1.964324
14.5 15.97295 0.85705 -0.001374 0.855676
14.75 16.358525 1.711475 0.384201 2.095676
15 16.7441 -4.1141 0.769776 -3.344324
15.25 17.129675 -3.749675 1.155351 -2.594324
15.5 17.51525 -4.20525 1.540926 -2.664324
15.75 17.900825 -6.810825 1.926501 -4.884324
16 18.2864 -8.5964 2.312076 -6.284324
16.25 18.671975 2.688025 2.697651 5.385676
16.5 19.05755 1.39245 3.083226 4.475676
16.75 19.443125 1.126875 3.468801 4.595676
17 19.8287 0.8113 3.854376 4.665676
17.25 20.214275 -0.204275 4.239951 4.035676
17.5 20.59985 1.68015 4.625526 6.305676
17.75 20.985425 0.214575 5.011101 5.225676
 18 21.371 0.889 5.396676 6.285676
18.25 21.756575 1.653425 5.782251 7.435676
18.5 22.14215 2.76785 6.167826 8.935676
18.75 22.527725 2.542275 6.553401 9.095676
19 22.9133 0.9867 6.938976 7.925676

O EN SU DEFECTO UN
EMOS LOS VALORES DEL MODELO Y AL
MOS LOS RESIDUOS
 MEDIA
DESVIACIN
O LINEAL
S PARA CORRELACION
[Y' - Y(barra)] [Y - Y(barra)]
48.1875320922 56.766038137
42.9830897102 38.742209257
38.0759834895 30.628742137
33.46621343 16.845475497
29.1537795318 24.446339817
25.1386817948 28.242039577
21.4209202191 7.752460137
18.0004948046 10.396265257
14.8774055514 11.863367817
12.0516524594 6.939662937
9.5232355287 11.725994857
7.2921547592 2.803360857
5.358410151 3.475703977
3.722001704 1.219531497
2.3829294183 5.590027977
1.3411932938 0.404083977
0.5967933306 0.001964617
0.1497295286 3.858568777
1.8878760E-006 0.732181417
0.1476104084 4.391857897
0.5925550902 11.184503017
1.3348359332 6.730517017
2.3744529375 7.098622377
3.711406103 23.856620937
5.3456954298 39.492728137
7.2773209178 29.005505977
9.5062825671 20.031675657
12.0325803776 21.120237897
14.8562143494 21.768532537
17.9771844824 16.286680777
21.3954907767 39.761549817
25.1111332322 27.307689657
 29.124111849 39.509722777
33.434426627 55.289277577
38.0420775663 79.846305577
42.9470646668 82.731321897
48.1493879286 62.816340057
627.082033928
850.6637081081

VALOR CORRESPONDIENTE
AL 99% DE CONFIANZA