Академический Документы
Профессиональный Документы
Культура Документы
TALLER 3
I. Preguntas
b) Anote los diferentes tratamientos que forman este diseño. Utilice diferentes
tipos de códigos.
8, 7 20, 7
4 8, 4 20, 4
0
4 8 12 16 20
d) Explique cómo piensa que fue el proceso para seleccionar esos factores y
esos niveles.
Los factores se eligen porque su comportamiento se considera clave en el
proceso y estos niveles son críticos.
Por otro lado, se dice que dos factores interactúan entre sí o que tienen un efecto
de interacción sobre la variable respuesta, cuando el efecto de un factor depende
del nivel en que se encuentra el otro.
f) Señale los diferentes efectos que se pueden estudiar con este diseño y la
forma en que se calcula cada uno.
En este ejercicio se pueden analizar los efectos principales que son la
temperatura y la velocidad y la interacción entre ambos.
Esto se logra con las siguientes ecuaciones:
𝑪𝑶𝑵𝑻𝑹𝑨𝑺𝑻𝑬 𝑨
𝑬𝑭𝑬𝑪𝑻𝑶 𝑨 =
𝒏𝟐𝒌−𝟏
g) Describa en qué consiste la aplicación de los tres principios básicos del diseño
de experimentos (capítulo 1), en este caso.
-Aleatorizar
“Aleatorizar todos los factores no controlados por el experimentador en el diseño
experimental y que pueden influir en los resultados serán asignados al azar a las
unidades experimentales”.
-Bloquear
“Se deben dividir las unidades experimentales en grupos llamados bloques de
modo que las observaciones realizadas en cada bloque se realicen bajo
condiciones experimentales lo más parecidas posibles.
A diferencia de lo que ocurre con los factores tratamiento, el experimentador no
está interesado en investigar las posibles diferencias de la respuesta entre los
niveles de los factores bloque”.
-La factorización del diseño.
“Un diseño factorial es una estrategia experimental que consiste en cruzar los
niveles de todos los factores tratamiento en todas las combinaciones posibles”.
II. Ejercicios
1. EJERCICIO
En una empresa de electrónica una máquina toma componentes que le
proporciona un alimentador, para montarlos o depositarlos en una tarjeta. Se
ha tenido el problema de que la máquina falla en sus intentos por tomar el
componente, lo cual causa paros de la máquina que detienen el proceso hasta
que el operador se da cuenta y reinicia el proceso. Para diagnosticar mejor la
situación, se decide correr un diseño de experimentos 24 con n = 2 réplicas, en
el que se tienen los siguientes factores y niveles (–, +), respectivamente: A)
Velocidad de cam (70%, 100%), B) Velocidad de mesa (media, alta), C) Orden
o secuencia de colocación (continua, variable), D) Alimentador (1, 2). Como el
proceso es muy rápido, es necesario dejarlo operar en cada condición
experimental el tiempo suficiente para reproducir el problema. Se consideró
que esto se lograba con suficiente confianza con 500 componentes; por ello,
cada una de las corridas experimentales consistió en colocar 500
componentes, y se midieron dos variables de respuesta: Y1 = número de
errores (o intentos fallidos), y Y2 = tiempo real (en segundos) para tomar y
“colocar” los 500 componentes. Es evidente que se quiere minimizar ambas
variables. Los datos obtenidos se muestran en la siguiente tabla.
Esta tabla muestra que el valor-P para el alimentador y el orden de colocación son
menores que el valor de significancia α= 0,05, por lo cual estos factores influyen
significativamente en la variable de respuesta de estudio que en este caso es el
número de errores en la máquina.
Esta afirmación la podemos comparar con diagrama de Pareto el cual ordena los
factores de menor a mayor magnitud en valor absoluto lo que indica que el factor
alimentador y el factor orden son los más significativos.
c) Si en el análisis anterior encuentra alguna interacción significativa, analice
con detalle la más importante e interprete en términos físicos.
No existe ninguna interacción significativa.
Optimizar Respuesta
Meta: minimizar NUMERO DE ERRORES
Valor óptimo = 37,0
Esta tabla muestra que el valor-P para el alimentador es menor que el valor de
significancia α= 0,05, por lo cual este factor influyen significativamente en la
variable de respuesta de estudio que en este caso es el tiempo real.
Esta afirmación la podemos comparar con diagrama de Pareto el cual ordena los
factores de menor a mayor magnitud en valor absoluto lo que indica que el factor
alimentador es el más significativo.
Optimizar Respuesta
Meta: minimizar TIEMPO REAL
Valor óptimo = 39,0
j) Verifique residuos.
IGUALDAD DE VARIANZA
Debido a que Valor-P es mayor a α= 0,05 se acepta la hipótesis nula, por lo tanto,
se asume que los residuos por velocidad de cam. tienen igual varianza.
Debido a que Valor-P es mayor a α= 0,05 se acepta la hipótesis nula, por lo tanto,
se asume que los residuos por velocidad de mesa tienen igual varianza.
Debido a que Valor-P es mayor a α= 0,05 se acepta la hipótesis nula, por lo tanto,
se asume que los residuos por orden tienen igual varianza.
Debido a que Valor-P es mayor a α= 0,05 se acepta la hipótesis nula, por lo tanto,
se asume que los residuos para el alimentador tienen igual varianza.
INDEPENDECIA
Luego de realizar las tres pruebas de independencia se determinó que las tres
pruebas arrojaron un Valor-P mayor a α= 0,05 por lo tanto se acepta la hipótesis
nula, y se asume que los residuos son independientes entre sí.
2 EJERCICIO
En el área de SMT se busca reducir los defectos ocasionados por impresiones de
soldadura en pasta inadecuada. Se corre un diseño 24 con dos réplicas y dos
puntos centrales por réplica. Los factores son: altura de la mesa (A), velocidad de
separación (B), velocidad de impresión (C) y presión de las escobillas (D). La
variable de respuesta es la altura de la impresión de soldadura en pasta. El
experimento se corrió en planta, pero como el proceso es muy rápido (la impresión
de una tarjeta tarda menos de un minuto), entonces se recomienda obtener más
de un producto en cada condición experimental. Por ello se decidió que cada
prueba experimental debería de consistir en dejar que el proceso se estabilizara y
a partir de ahí imprimir 10 tarjetas de manera consecutiva, a cada tarjeta se le
midió la altura. Con estos 10 datos se calculó la media y la desviación estándar,
para así analizar el efecto de los factores sobre ambas. Una vez que se corre en
orden aleatorio la primera réplica de todos los tratamientos, se deja de
experimentar y al día siguiente se hace de manera similar la segunda réplica. Los
datos se muestran a continuación:
i) Verifique residuos.
Respuesta:
Prueba de normalidad.
Debido a que Valor-P es mayor a α= 0,05 se acepta la hipótesis nula, por lo tanto,
se asume que los residuos por altura de la mesa tienen igual varianza.
Debido a que Valor-P es mayor a α= 0,05 se acepta la hipótesis nula, por lo tanto,
se asume que los residuos para la velocidad de separación tienen igual varianza.
Tabla ANOVA para VELOCIDAD DE IMPRESION por RESIDUOS
Fuente Suma de Gl Cuadrado Razón-F Valor-P
Cuadrados Medio
Entre 17,3333 23 0,753623 0,62 0,8459
grupos
Intra 14,6667 12 1,22222
grupos
Total 32,0 35
(Corr.)
Debido a que Valor-P es mayor a α= 0,05 se acepta la hipótesis nula, por lo tanto,
se asume que los residuos para la velocidad de impresión tienen igual varianza.
Independencia
Luego de realizar las tres pruebas de independencia se determinó que las tres
pruebas arrojaron un Valor-P mayor a α= 0,05 por lo tanto se acepta la hipótesis
nula, y se asume que los residuos son independientes entre sí.