Ejericio de Diseño de Experimentos

CONTENIDO
SEP SNEST DGEST
TECNOLÓGICO NACIONAL DE MÉXICO

INSTITUTO TECNOLÓGICO DE AGUASCALIENTES
INGENIERÍA INDUSTRIAL
METODOLOGÍA TAGUCHI
“PORTAFOLIO DE EVIDENCIAS”
INTEGRANTES DE EQUIPO:
 ALVAREZ BERNAL LUIS ROBERTO

 ARAUJO ARAIZA ERNESTO ANTONIO
 ESQUIVEL PEREZ JAIR DE JESÚS
 LOPEZ CHAVEZ EDUARDO
 MARTINEZ VALDEPEÑA ANGEL DE JESUS
 RAMOS JIMÉNEZ SHEILA MARIEL
PROFESOR: M.C. CÉSAR ARTURO PUERTA JIMÉNEZ

ALUMN@:
AGUASCALIENTES, AGS. 17 de enero de 2020
SEIS SIGMA I
CONTENIDO
CONTENIDO
UNIDAD 1. DISEÑOS FACTORIALES COMPLETOS Y FRACCIONADOS ............ 3
Evaluación diagnóstica. ................................................................................................ 3
Actividad 1.1 ................................................................................................................ 8
Actividad 1.2 Diseño factorial 22 replicado................................................................ 11
Actividad 1.7 Diseño factorial 25 no replicado........................................................... 31
Actividad 1.10 Diseño factorial 23 con repeticiones al centro ................................... 43
Actividad 1.11 Diseños factoriales fraccionados ....................................................... 50
Actividad 1.12 Diseños factorial fraccionado 23-1 ...................................................... 51
Actividad 1.13 Diseños factoriales fraccionados a la mitad ....................................... 53
Actividad 1.14 Diseños factorial fraccionados 27-4 .................................................... 54
UNIDAD 2. INGENIERÍA DE CALIDAD Y FUNCIÓN DE PÉRDIDA ............. Error!

Bookmark not defined.
Actividad 2.1 ............................................................... Error! Bookmark not defined.
Actividad 2.3 (QC = N) ............................................... Error! Bookmark not defined.
Actividad 2.4 (QC = S) ................................................ Error! Bookmark not defined.
Actividad 2.5 (QC = B) ............................................... Error! Bookmark not defined.
Actividad 2.6 (Indicador OEC) ................................... Error! Bookmark not defined.
Actividad 2.7 (Loss Plot Manipulations 1).................. Error! Bookmark not defined.
Actividad 2.9 (Loss Plot Manipulations 2).................. Error! Bookmark not defined.
Actividad 2.10 (Loss Plot Manipulations 2 y 3) .......... Error! Bookmark not defined.
Actividad 2.11 (Loss nominal case) ............................ Error! Bookmark not defined.
METODOLOGÍA TAGUCHI I
CONTENIDO
Actividad 2.12 (Loss Plot Manipulations 4)................ Error! Bookmark not defined.
Actividad 2.13 (Loss Plot Manipulations 3 y 4) .......... Error! Bookmark not defined.
Actividad 2.14 ............................................................. Error! Bookmark not defined.
UNIDAD 3. EXPERIM ENTOS CON ARREGLOS ORTOGONALES ............ Error!

Bookmark not defined.
Actividad 3.8 (Estudio sobre la resistencia de una cubierta)Error! Bookmark not

defined.
UNIDAD 4. ANÁLISIS DE LOS RESULTADOS ........ Error! Bookmark not defined.
Actividad 4.1 (Anova Qualitek y Minitab) .................. Error! Bookmark not defined.
METODOLOGÍA TAGUCHI II
UNIDAD 4. ANÁLISIS DE RESULTADOS
UNIDAD 1. DISEÑOS FACTORIALES COMPLETOS Y

FRACCIONADOS
Evaluación diagnóstica.
Resuelve las siguientes cuestiones con base en tus conocimientos previos:
1) Escribe qué es un diseño de experimentos.
Es la manera de evaluar y analizar que tanto puede afectar una variable x a una
variable y, con la finalidad de determinar si puede haber algún cambio y que tanto
puede alterar.
2) Enlista los diseños de experimentos que conozcas.

- Por Bloques
- Por atributos
- Factorial
METODOLOGÍA TAGUCHI 3
3) Enlista los pasos o procedimiento para efectuar un diseño de experimentos.

Identificar variables dependientes e independientes
Capturar datos
- Planeación del experimento
- Diseño del experimento
- Ejecución del experimento
- Análisis de los resultados predichos
4) Dados los siguientes diseños de experimentos, identifica qué tipo de diseño de
experimento es en cada caso:
a) Bloques
b) Atributos
c) Factorial
5) Se tienen dos proveedores de una pieza metálica, cuyo diámetro ideal o valor objetivo
es igual a 20.25 cm. Se toman dos muestras de 14 piezas a cada proveedor y los datos
obtenidos se muestran en la siguiente tabla:
Proveedor Diámetros de las piezas de cada proveedor
21.38 20.13 19.12 19.85 20.54 8.00 22.24
1
21.94 19.07 18.60 21.89 22.60 18.10 19.25
21.51 22.22 21.49 21.91 21.52 22.06 21.51
2
21.29 22.71 22.65 21.53 22.22 21.92 20.82
a) Describe un procedimiento de aleatorización para la obtención de los datos.
b) Prueba la hipótesis de igualdad de varianzas.

H0: La varianza del proveedor 1 es igual a la varianza del proveedor 2
H1: La varianza del proveedor 1 es diferente a la del proveedor 2
Se rechaza la hipótesis de que la varianza del proveedor 1 es igual a la del

proveedor 2 ya que el valor p es menor a 0.5
c) Prueba la hipótesis de igualdad de los diámetros de los proveedores en cuanto sus

medias.
T de dos muestras para DIAMETRO
Error
estándar
de la
PROVEEDOR N Media Desv.Est. media
1 14 19.48 3.61 0.96
2 14 21.811 0.529 0.14
Diferencia = mu (1) - mu (2)

Estimado de la diferencia: -2.332
IC de 95% para la diferencia: (-4.438, -0.226)
Prueba T de diferencia = 0 (vs. no =): Valor T = -2.39 Valor P = 0.033 GL = 13
El valor P= .033 < α= .05 se rechaza la hipótesis nula
d) Si las especificaciones para el diámetro son 20.25 mm ± 2.25 mm, ¿cuál proveedor
produce menos piezas defectuosas?
Capacidad de proceso de Diametros
LEIObjetiv oLES
P rocesar datos Dentro de
LE I 18 General
O bjetiv o 20.25
LE S 22.5 C apacidad (dentro) del potencial
M edia de la muestra 20.6454 Cp 0.42
N úmero de muestra 28 C PL 0.49
Desv .E st. (Dentro) 1.78159 C P U 0.35
Desv .E st. (G eneral) 2.79569 C pk 0.35
C apacidad general
Pp 0.27
PPL 0.32
PPU 0.22
P pk 0.22
C pm 0.27
8 12 16 20 24
Desempeño observ ado E xp. Dentro del rendimiento E xp. Rendimiento general
P P M < LE I 35714.29 P P M < LE I 68794.14 P P M < LE I 172016.24
P P M > LE S 107142.86 P P M > LE S 148936.31 P P M > LE S 253539.08
P P M Total 142857.14 P P M Total 217730.44 P P M Total 425555.32
Capacidad de proceso de Diametros_2
LEI Objetiv o LES

P rocesar datos Dentro de
LE I 18 General
O bjetiv o 20.25
LE S 22.5 C apacidad (dentro) del potencial
M edia de la muestra 21.8114 Cp 1.33
N úmero de muestra 14 C PL 2.26
Desv .E st. (Dentro) 0.562602 C P U 0.41
Desv .E st. (G eneral) 0.528552 C pk 0.41
C apacidad general
Pp 1.42
PPL 2.40
PPU 0.43
P pk 0.43
C pm 0.44
18.4 19.2 20.0 20.8 21.6 22.4 23.2

Desempeño observ ado E xp. Dentro del rendimiento E xp. Rendimiento general
P P M < LE I 0.00 P P M < LE I 0.00 P P M < LE I 0.00
P P M > LE S 142857.14 P P M > LE S 110494.14 P P M > LE S 96329.89
P P M Total 142857.14 P P M Total 110494.14 P P M Total 96329.89
Actividad 1.1
Lee cada uno de los artículos de investigación proporcionados por el maestro. Para cada
artículo identifica los aspectos enlistados en la siguiente tabla:
1. Nombre de las personas involucradas en el proyecto de investigación
experimental:
Ing. Giovanni Pérez, Ing. Martin Darío Arango, Ing. Yuliana Aguledo, operarios,
supervisor y el jefe de ingeniería.
2. Título del proyecto:
Aplicación del diseño de experimentos para el análisis de proceso de doblado.
3. Objetivo de la experimentación:
Analizar el proceso de doblado para posteriormente efectuar mejoras en dicho
proceso. Disminuir los reprocesos de materia prima, los rechazos definitivos,
pérdida de tiempo y costos.
Determinar si los factores elegidos para la experimentación realmente tienen
efecto sobre las variables de respuesta al igual que las interacciones entre estos.
Analizar la variabilidad del modelo para determinar los factores que ejercen
mayor influencia sobre las variaciones dimensionales de las piezas dobladas.
4. Valor(es) histórico(s) de la(s) variable(s) de respuesta:
Se presentan avisos de calidad en planta, el proceso de doblado fue el responsable
del 27.27% de los avisos de calidad del mes de enero, del 23.40% en febrero y del
26.08% en marzo.
5. Lista de la(s) variable(s) de respuesta:
Unidad de Operacionalización
Variable(s)
medida de la variable
Longitud
de doblado
mm Pie de Rey
de la pieza
procesada
Angulo de
doblado de Grados
la pieza sexagesimales Goniómetro
procesada
6. Lista de los factores de estudio (variables de interés del experimentador):
Factores Unidad de Niveles de la variable

de estudio medida
Variable Operario A
Operario cualitativa Operario B
nominal
Variable Dobladora 2
Dobladora cualitativa Dobladora 3
nominal
Tipo del 0.8 mm

mm
Material 1 mm
Variable Acero laminado en frio
Grosor del
cualitativa (cold roll)
material
nominal Acero galvanizado
7. Lista de los factores controlados (variables que se mantienen constantes, en cierto

nivel de desempeño):
Unidad de
Factores controlados
medida
Parámetros de ajuste de
la dobladora para
doblar piezas
transversalmente una
longitud de 15 mm a un
ángulo de 90°
8. Diseño de experimentos elegido:

2^4 con efectos aleatorios
1. Nombre del experimentador o experimentadores:

Giovanni Pérez, Martín Darío Arango, Yuliana Agudelo, operarios supervisores y
jefe de ingeniería.
Aplicación del diseño de experimentos para el análisis del proceso de doblado.
Determinar si los factores elegidos para la experimentación realmente tienen efecto
sobre las variables respuesta al igual que las interacciones entre estas. Analizar la
variabilidad del modelo para determinar los factores que ejercen mayor influencia
sobre las variaciones dimensionales de las piezas dobladas. Analizar el proceso de
doblado para posteriormente efectuar mejoras en dicho proceso.
Disminuir los reprocesos de materia prima, los rechazos definitivoss, pérdida de
tiempo y costos.
4. Datos históricos de la variable de respuesta y de las variables o factores de
estudio. (Conocimiento de los expertos o experimentos previos):
Se presentan avisos de calidad en planta.
El proceso de doblado fue el responsable del 27.27 % de los avisos de calidad en el
mes de enero, del 23.40% en febrero y del 26.08% en marzo.
Unidad de Instrumento de
Variable(s)
medida medición
Longitud Vernier
Mm
de doblado
Ángulo de Grados Goniómetro.
doblado sexagesimales.
Factores Unidad de Niveles de la variable

de estudio medida
Variable Dobladora 2
Operario cualitativa Dobladora 3
nominal
Variable Operario A
Dobladora cualitativa Operario B
nominal
0.8mm
Material Mm
1mm
Variable Acero laminado en frío
Grosor del
cualitativa (cold roll)
material
nominal Acero galvanizado

Unidad de
medida
Parámetros de la
dobladora para doblar
piezas transversalmente
a una longitud de 1.5 a
un ángulo de 90 grados.

Diseño con cuatro factores a dos niveles cada uno con efectos aleatorios.
3.
1. Nombre del experimentador o experimentadores:
Personal del área en conjunto
Aplicación del diseño de experimentos utilizando análisis de varianza
Multivariado para la disminución de rechazo en un proceso del ramo automotriz.
Llegar a una solución óptima en el menor tiempo posible y con los menores costos.
Reducir el rechazo global a por lo menos 50%
4. Datos históricos de la variable de respuesta y de las variables o factores de

estudio. (Conocimiento de los expertos o experimentos previos):
Rechazo global de 2.30%
Unidad de Instrumento de
Variable(s)
medida medición
SOP Mm Vernier
Grados Goniómetro.
CM
sexagesimales.
PM
Factores de Unidad de Niveles de la variable

estudio medida
36-38.8
Compactabilidad
38.9-40
0.3-0.42
RT
0.43-0.7
10.8-10.9
Arcilla
11.0-11.2

Unidad de
medida
Parámetros de la
dobladora para doblar
piezas transversalmente
a una longitud de 1.5 a
un ángulo de 90 grados.

Diseño factorial completo, 2 a la 3
Actividad 1.2 Diseño factorial 22 replicado

Interesa estudiar el efecto del tamaño de broca (Factor A) y de la velocidad (Factor B),
sobre la vibración de la ranura (Respuesta Y). Para ello se decide utilizar un diseño
factorial 22 con 4 réplicas, es decir, cuatro repeticiones en cada tratamiento, lo que da un
total de 4 x 22 =16 corridas del proceso, que se realiza en orden aleatorio. El tamaño de
la broca se prueba en 1/16 y 1/8 de pulgada y la velocidad en 40 y 90 revoluciones por

segundo, según se describe en la siguiente tabla:
Factor Niveles Unidad

1. Tamaño de Broca 1/16 1/8 in
2. Velocidad 40 90 r/s
La siguiente tabla muestra los tratamientos utilizados y el orden de corrida de las

ejecuciones:
Broca Velocidad Orden de corrida

1/16 40 5 8 13 14
1/8 40 1 6 10 12
1/16 90 3 7 11 15
1/8 90 2 4 9 16
A: B:
A B X1 X2 X1 X2 Vibración Totales
Broca Velocidad
1/16 40 - - -1 -1 1 1 18.2 18.9 12.9 14.4
1/8 40 + - +1 -1 2 1 27.2 24.0 22.4 22.5
1/16 90 - + -1 +1 1 2 15.9 14.5 15.1 14.2
1/8 90 + + +1 +1 2 2 41.0 43.9 36.3 39.9
a) Calcular los efectos estimados de cada factor, así como el de interacción.
b) Elaborar e interpretar la gráfica de efectos principales y la de interacción.
El objetivo de este estudio es minimizar la vibración y esta gráfica nos indica que es
conveniente el tamaño de broca de 1/16 y la velocidad más baja que es de 40.
Con la gráfica de interacción confirmamos la conclusión anterior, el tamaño de broca

en su nivel bajo y la velocidad en su nivel bajo sería lo mejor para lograr minimizar
la vibración.
c) Elaborar e interpretar el Análisis de Varianza.
El análisis de varianza demuestra que los dos factores y la interacción entre ellos son
significativos para la variable de respuesta vibración ya que su valor p es 0 y es menor
a 0.05.
d) Determinar e interpretar los intervalos de confianza del 95% para los efectos.
LIC LSC
13.9742 19.301
4.8742 10.201
6.0492 11.376
Como el cero no está dentro de los intervalos de confianza se puede confirmar que los
factores si son significativos con la variable de respuesta.
e) Elaborar e interpretar la gráfica de Pareto y la gráfica de Daniel (gráfico de
probabilidad normal de los efectos), ¿qué factores son los más significativos?
En el diagrama de Pareto podemos observar que los dos efectos tamaño de broca,
velocidad y la interacción entre ellos son significativos ya que son mayores al valor t
critico que es igual a 2.18.
Con la gráfica de efectos principales podemos confirmar la conclusión anterior ya que

los dos efectos y la interacción entre ellos aparecen en cuadro rojo y la gráfica indica
que son significativos.
f) Determinar el modelo de regresión en variables codificadas y en variables naturales.
g) Calcular e interpretar los coeficientes de determinación R2 y R2adj
Hay una relación grande entre la y que es la variable de respuesta y las x
h) Probar la significancia de los coeficientes individuales del modelo de regresión

(Variables codificadas).
Con un nivel de confianza del 95% los factores y la interacci

i) Elaborar e interpretar el gráfico de superficie de respuesta, el gráfico de contorno y el
gráfico de cuadro. Además, identificar el ajuste del proceso que permitirá minimizar
la variable vibración.
Gráfica de superficie de Vibración vs. B:Velocidad, A:Tamaño_broca
40
V ibración 30
20 80
60 B:V elocidad
0 .0 6
0.08
0.10 40
0 .1 2
A:Tamaño_broca
Gráfica de contorno de Vibración vs. B:Velocidad, A:Tamaño_broca

90
Vibración
< 15
15 – 20
80 20 – 25
25 – 30
30 – 35
35 – 40
70 > 40
B:Velocidad
60
50
40
0.07 0.08 0.09 0.10 0.11 0.12
A:Tamaño_broca
Estas tres graficas indican que los factores deben de estar en su nivel más bajo para
que la vibración sea menor.
j) Verificar los supuestos de normalidad, homocedasticidad e independencia con los
gráficos de: probabilidad normalidad de residuos, residuos contra predichos y
residuos contra orden de ejecución, respectivamente.
k) Determinar los intervalos de confianza del 95% para la respuesta promedio y para las
mediciones individuales de cada uno de los tratamientos.
Actividad 1.3 Diseño factorial 22 en bloques

Por lo general, no es posible correr todos los tratamientos de un diseño factorial 2^k bajo
las mismas condiciones experimentales; es decir, durante la planeación del experimento
aparece alguna restricción adicional que hace necesario considerar un factor de bloque en
el estudio; tal como: días, máquinas, material, tipo de producto, lote, etc.
a) Considerando el problema de la actividad anterior y suponiendo que cada una de las
cuatro réplicas se corrió en un día diferente (experimento repartido en cuatro
bloques). Determina mediante el Anova si el factor Bloque, día de la semana, influye
sobre la variable de vibración (probar 𝐻0 : 𝐸𝑓𝑒𝑐𝑡𝑜 𝑑𝑒 𝑏𝑙𝑜𝑞𝑢𝑒 = 0).
El efecto bloque es estadísticamente significativo ya que su valor es diferente de cero, se

rechaza la hipótesis nula.
Un ingeniero Industrial empleado por una compañía refresquera está interesado en los
efectos de dos diferentes tipos de botellas de 32 onzas sobre el tiempo de entrega de cajas
de 12 botellas del producto. Los dos tipos de botella son de vidrio y de plástico. Se usan
dos empleados para realizar una tarea que consiste en mover 40 cajas del producto 50 pies
en una plataforma de carga estándar y acomodarlas en un estante de venta. Se hacen
cuatro réplicas de un diseño factorial 22 y los tiempos observados se enlistan a
continuación:
Empleado
Tipo de Botella
1 2
5.12 4.89 6.65 6.24
Vidrio
4.98 5.00 5.49 5.55
4.95 4.95 5.28 4.91
Plástico
4.27 4.25 4.75 4.71
a) Calcular los efectos estimados de cada factor, así como el de interacción.
b) Elaborar e interpretar el Análisis de Varianza.
El análisis de varianza nos dice que el Efecto empleado y tipo de botella si son
significativos para el tiempo ya que su valor p es menor a 0.005, y la interacción entre
empleado y tipo de botella no es significativa para la variable de respuesta.
c) Elaborar e interpretar la gráfica de efectos principales y la de interacción.
El objetivo de este estudio es minimizar el tiempo por ende es conveniente el empleado

1 y la botella de plástico.
En la gráfica de interacción se muestra que la interacción entre ambos efectos no es

significativa ya que las líneas de cada uno de los elementos están separadas.
d) Elaborar e interpretar la gráfica de Pareto y la gráfica de Daniel (gráfico de

probabilidad normal de los efectos).
En el diagrama de Pareto podemos observar que los efectos significativos son el

empleado y el tipo de botella.
Con esta gráfica podemos rectificar la conclusión pasada de que los efectos Tipo de
botella y empleado.
e) ¿Qué combinación de tipo de botella y empleado minimizan el tiempo de entrega?
La gráfica de optimización nos dice que para minimizar el tiempo es conveniente el

empleado 1 y la botella de plástico.
Un ingeniero industrial está interesado en los efectos de la velocidad de corte (A), la
geometría de la herramienta (B) y el ángulo de corte (C) sobre la vida (en horas) de una
máquina herramienta. Se eligieron dos niveles de cada factor y se corren tres réplicas de
un diseño factorial 23. Los resultados fueron los siguientes:
Combinación Réplica
A B C de
I II III
tratamientos
- - - (1) 22 31 25
+ - - A 32 43 29
- + - B 35 34 50
+ + - Ab 55 47 46
- - + C 44 45 38
+ - + Ac 40 37 36
- + + Bc 60 50 54
+ + + abc 39 41 47
a) Estimar los efectos de los factores. ¿qué efectos parecen ser grandes?
B: Geometría de la herramienta
C: Angulo de corte
AC: Velocidad de corte * Angulo de corte
b) Confirmar la respuesta del inciso anterior, mediante el análisis de varianza y el gráfico

de Pareto.
Con el Análisis de varianza se puede concluir que los efectos más significativos son
la geometría de la herramienta, el ángulo de corte y la interacción entre velocidad de
corte y el ángulo de corte.
Con el diagrama de Pareto podemos confirmar la conclusión anterior de que los

efectos más significativos son B, AC y C ya que pasan el valor crítico.
c) Excluir los factores insignificantes. Luego, escribir un modelo de regresión para
predecir la vida de la herramienta (en horas).
𝑌̂ = 40.83 + 0.17𝑥1 + 5.67𝑥2 + (3.42 − 4.42𝑥1)𝑥3

d) Probar la hipótesis nula de que el modelo actual se ajusta adecuadamente a los datos
observados contra la alternativa de que el modelo actual no se ajusta adecuadamente
a los datos observados, mediante la prueba de falta de ajuste.
De acuerdo al valor p de la falta de ajuste no se rechaza H0 por lo tanto el modelo

actual si se ajusta adecuadamente a los datos observados.
e) Con base en el análisis de las gráficas de los efectos principales y las interacciones,
de los efectos significativos, ¿cuáles serían los niveles de los factores que
recomendaría utilizar?
Factor A en su nivel bajo, factor b en su nivel alto y factor c en su nivel alto.

En una fábrica de dientes se tienen problemas de calidad: porosidad (burbujas de aire
dentro de los dientes), manchas blancas, dientes sucios, dientes quebrados. En los intentos
por resolver los problemas han hecho cambios en algunos factores o variables del proceso.
Siguiendo la metodología del diseño de experimentos se decide correr un diseño de
experimentos 23. Los factores y niveles son temperatura de prensado (90 y 130°C), tiempo
de prensado (8 y 15 minutos) y tamaño de partícula (sin tamizar y con tamizado), la
variable de respuesta fue el porcentaje de diente bueno en cada corrida (un lote de
producción). Los datos son los siguientes:
Tiempo de Tamaño de Porcentaje de diente bueno

Temperatura
prensado partícula I II
90 8 Sin tamizar 76.4 76.2
130 8 Sin tamizar 76.8 76.9
90 15 Sin tamizar 80.4 81.0
130 15 Sin tamizar 77.9 79.6
90 8 Con tamizar 84.4 84.6
130 8 Con tamizar 84.7 84.5
90 15 Con tamizar 82.7 83.2
130 15 Con tamizar 85.0 84.7
a) Excluir los términos de orden superior a dos. Determinar qué factores son
significativos mediante el análisis de varianza, el gráfico de Pareto y el gráfico de
probabilidad normal para los efectos.
En el análisis de varianza podemos observar que el factor B Tiempo de prensado, C

Tamaño de partícula y BC la interacción de ambos son significativos en el porcentaje
de diente bueno.
Con el diagrama de Pareto podemos comprobar la conclusión anterior de que los

factores significativos son C, BC y B ya que superan el valor critico de 2.26.
En la gráfica de Daniel aseguramos las conclusiones anteriores ya que marca que los
cuadros rojos son los factores significativos B, C y BC
b) Probar la hipótesis nula de que el modelo actual se ajusta adecuadamente a los
datos observados contra la alternativa de que el modelo actual no se ajusta
adecuadamente a los datos observados, mediante la prueba de falta de ajuste. En
caso de que se rechace Ho, incluir el término de tercer orden.
Se rechaza la hipótesis nula de que el modelo actual se ajusta adecuadamente a los

datos observados ya que el valor p de la falta de ajuste es igual a 0.002<0.05.
c) Excluir los términos insignificantes (mejor ANOVA). Luego, verificar los residuos,
¿qué se observa que sea notorio?¿existen observaciones inusuales?
Diagrama de Pareto de efectos estandarizados

(la respuesta es % Diente bueno, Alfa = 0.05)
2.26
F actor N ombre
A A Temperatura
C B B Tiempo de prensado
C C Tamaño de partiucula
BC
B
Término
ABC
AC
0 5 10 15 20 25
Efecto estandarizado
Gráficas de residuos para % Diente bueno

Gráfica de probabilidad normal vs. ajustes
99 1.0
90 0.5
Porcentaje
Residuo
50 0.0
10 -0.5
1 -1.0
-1.0 -0.5 0.0 0.5 1.0 76 78 80 82 84
Residuo Valor ajustado
Histograma vs. orden

1.0
4.8
0.5
Frecuencia
3.6
Residuo
0.0
2.4
1.2 -0.5
0.0 -1.0
-1.00 -0.75 -0.50 -0.25 0.00 0.25 0.50 0.75 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16
Residuo Orden de observación
Hay dos datos que parecen estar muy alejados de los demás.
d) ¿Cuál es el tratamiento ganador?

Óptimo A Temper B Tiempo C Tamaño
D Alto 130.0 15.0 Con tamiza
Act [130.0] [15.0] Con tamiza
0.99290 Bajo 90.0 8.0 Sin Tamiza
Compuesto
Deseabilidad
0.99290
% Diente
Máximo
y = 84.9375
d = 0.99290
Temperatura en su nivel alto, Tiempo en su nivel alto y Tamaño con tamizar.

Actividad 1.7 Diseño factorial 25 no replicado
El objetivo del experimento es mejorar el rendimiento en el área de fermentación de agave

tequilero. Los factores que se controlan y sus niveles en unidades originales son los
siguientes:
A: Temperatura de carga (28°C, 30°C)

B: Inóculo de levadura (0.31%, 0.72%)
C: Temperatura del medio ambiente (22°C, 34°C)
D: Temperatura de fermentación (34°C, 42°C)
E: Brix de carga (13.0 ° BX, 15.5 ° BX)
Se utiliza un diseño factorial 25 con sólo una corrida en cada tratamiento. El diseño y los
rendimientos observados se muestran en la siguiente tabla:
Notación de Yates Rend. (%) Notación de Yates Rend. (%)

(1) 60.30 e 79.44
A 73.20 ae 60.40
B 95.62 be 46.98
Ab 79.41 abe 61.95
C 95.62 ce 57.05
ac 97.24 ace 42.09
bc 76.17 bce 47.65
abc 57.05 abce 53.69
D 90.76 de 61.58
ad 46.96 ade 27.00
bd 45.30 bde 61.15
abd 42.09 abde 57.05
cd 89.13 cde 56.12
acd 71.31 acde 55.36
bcd 76.17 bcde 29.30
abcd 61.58 abcde 28.59
a) Obtener el mejor ANOVA con apoyo del gráfico de Pareto. ¿Qué efectos son
significativos al nivel del 8%?
Los factores significantes son el Brix de carga, la temperatura de fermentación, la

temperatura de carga, el inóculo de levadura y la interacción entre ellos.
b) Obtener el tratamiento ganador e interpretar el intervalo de predicción al 92 % de
confianza en dicho tratamiento.
El mejor tratamiento sería factor A en su nivel bajo, B en su nivel bajo, C en su nivel alto,
D en su nivel bajo, y E en su nivel bajo.
Actividad 1.8 Diseños factoriales 2k.
En una empresa lechera se han tenido problemas con la viscosidad de cierta bebida de
chocolate. Se cree que con tres ingredientes que se agregan en pequeñas cantidades se
puede resolver este problema, por lo que es necesario explorar la situación; para ello
se corre un experimento 23 con dos réplicas. A continuación se aprecian los resultados
obtenidos:
a) Estime todos los posibles efectos y diga cuales son significativos
Los efectos significativos son el ingrediente B, C, la interacción del ingrediente

AB, BC y la interacción de los tres ingredientes.
b) Realice un análisis de varianza de estos datos y obtenga conclusiones generales
De acuerdo con el Análisis de varianza los efectos significativos son el ingrediente

B, el ingrediente C y las interacciones AB, BC, ABC.
c) Interprete a detalle los efectos significativos
De acuerdo al diagrama de Pareto los efectos más significativos son el ingrediente

C, la interacción de los tres ingredientes ABC, el ingrediente B, la interacción de
los ingredientes BC y AB.
d) Hay un tratamiento ganador para minimizar
El mejor tratamiento es el ingrediente A en su nivel bajo, el ingrediente B en su

nivel bajo y el ingrediente C en su nivel bajo.
e) Verifique residuos, ¿Qué considera destacado?
No hay nada destacado en los datos.
Actividad 1.9 Diseños Factoriales 2k

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.
a) Al observar los datos obtenidos se deduce que hay algunos tratamientos que tienen
pocos o ningún componente caídos, como por ejemplo el (–1, –1, +1, +1), alguien muy
“práctico” decidiría poner la máquina a operar bajo estas condiciones, y olvidarse del
análisis estadístico. De proceder así, explique qué información se perdería.
b) Investigue qué efectos influyen de manera significativa sobre Y1 (apóyese en Pareto y
ANOVA).
De acuerdo al análisis de varianza y al diagrama de Pareto los efectos significativos en la

variable de respuesta es el orden de colocación, el alimentador, la velocidad de cam, la
interacción entre la velocidad de cam y el orden de colocación, y la velocidad de la mesa.
c) Obtenga el mejor ANOVA.
d) Si en el análisis anterior encuentra alguna interacción significativa, analice con detalle

la más importante e interprete en términos físicos.
La interacción significativa es efecto A con el efecto C, velocidad de cam con orden de
colocación.
e) ¿Qué tratamiento minimiza Y1?
El mejor tratamiento para minimizar el Número de errores es el efecto A en su nivel bajo,

el efecto B en su nivel bajo, el inciso C en variable y el inciso D en su nivel alto.
f) Ahora investigue qué efectos influyen de manera relevante sobre Y2.
Los efectos significativos en la variable de respuesta tiempo real son la velocidad de cam,
el orden de colocación, y el alimentador.
g) ¿Qué tratamiento minimiza Y2?
El mejor tratamiento para la variable de respuesta Tiempo Real es factor A en su nivel

alto, B en su nivel media, C en Orden continua y D en su nivel alto.
h) Encuentre una condición satisfactoria tanto para minimizar Y1 como Y2.
Para minimizar ambas variables de respuesta el mejor tratamiento es el factor A en su

nivel alto, el factor B en su nivel media, El factor C orden de colocación en su nivel
variable, y efecto D alimentador en su nivel alto.
i) De los análisis de varianza para Y1 y Y2 observe el coeficiente R2. ¿Qué concluye
de ello?
El coeficiente R2 es adecuado ya que nos dice que existe una relación fuerte entre la
variable de respuesta y las x del modelo.
j) Verifique residuos.
Actividad 1.10 Diseño factorial 23 con repeticiones al centro

En un proceso de circuitos integrados (obleas) interesa minimizar la corriente de fuga,
que se supone depende de la temperatura de quemado (A), tiempo de quemado (B) y
porcentaje de nitrógeno (C). Para ello se decide correr un experimento factorial 23 con
cuatro repeticiones al centro. Los resultados obtenidos se muestran en seguida:
Temperatura Tiempo de Porcentaje de

Y = Corriente de fuga
de quemado quemado nitrógeno
-1 -1 -1 2.153 1.843
+1 -1 -1 1.609 2.018
-1 +1 -1 1.346 1.766
+1 +1 -1 1.695 2.051
-1 -1 +1 3.864 5.041
+1 -1 +1 7.054 5.574
-1 +1 +1 5.519 4.181
+1 +1 +1 5.746 6.088
0 0 0 2.490 2.384
0 0 0 2.474 1.778
Resuelve los siguientes incisos mediante Minitab (sin incluir el punto central en el
modelo):
a) Determinar qué factores influyen sobre la corriente de fuga, al 5% de nivel de
significancia, mediante el ANOVA y el análisis de Pareto.

(la respuesta es Corriente de fuga, Alfa = 0.05)
2.179
F actor N ombre
A Temperatura de quemado
C B Tiempo de quemado
C P orcentaje de nitrogeno
A
AC
Término
ABC
BC
AB
0 1 2 3 4 5 6 7 8 9
El factor significativo es C ya que es mayor que el valor de 2.179.
b) Determinar si la curvatura es significativa al 5% de significancia.

H0: El modelo de regresión actual se ajusta adecuadamente a los datos observados y
no requiere de los términos cuadráticos puros.
H1: El modelo actual no se ajusta adecuadamente a los datos y al menos un término
cuadrático puro debe incluirse en el modelo. En otras palaras, el modelo de regresión
múltiple obtenido no se ajusta adecuadamente a la respuesta observada en el punto al
centro. Le falta al menos un término cuadrático puro: 𝑥12 , 𝑥22 o 𝑥32 .
Se rechaza H0 en base al componente curvatura, por lo tanto el modelo actual no se

ajusta adecuadamente a los datos y al menos un término cuadrático puro debe incluirse
al modelo.
c) Elaborar los gráficos de residuos contra los niveles de los factores. ¿Se percibe la
curvatura?
Residuos vs. Porcentaje de nitrogeno

(la respuesta es Corriente de fuga)
1.0
0.5
0.0
Residuo
-0.5
-1.0
-1.5
-1.0 -0.5 0.0 0.5 1.0

Porcentaje de nitrogeno
El modelo no se ajusta adecuadamente a los datos ya que se percibe gráficamente una

curvatura por lo tanto los datos no se ajustan al modelo.
Se desea obtener un modelo que se ajuste de manera más adecuada al punto central
(incrementar el valor de R2) y obtener un valor predicho en el tratamiento central; para
ello, resuelve los siguientes incisos mediante Minitab, activando la opción: Incluir puntos
centrales en el modelo.
d) Determinar qué factores influyen sobre la corriente de fuga, al 5% de nivel de

(la respuesta es Corriente de fuga, Alfa = 0.05)
2.20
F actor N ombre
A Temperatura de quemado
C B Tiempo de quemado
C P orcentaje de nitrogeno
A
AC
Término
ABC
BC
AB
0 2 4 6 8 10 12 14
Influyen los factores: C, A y AC ya que el valor P es menor de 0.05.
e) Elaborar los gráficos de residuos contra los niveles de los factores. ¿reflejan un mejor
ajuste en el punto central?
Residuos vs. Porcentaje de nitrogeno

(la respuesta es Corriente de fuga)
0.8
0.6
0.4
0.2
Residuo
0.0
-0.2
-0.4
-0.6
-0.8
-1.0 -0.5 0.0 0.5 1.0
Porcentaje de nitrogeno
La curvatura es significativa gráficamente por lo tanto el modelo no se ajusta

adecuadamente a los datos.
f) Obtener el valor predicho en el tratamiento central con base en el mejor ANOVA.
(Promedio de los puntos centrales)
La curvatura solo tiene sentido en variables numéricas (cuantitativas).

Resuelve los siguientes incisos mediante Statgraphics
g) Incluir todos los términos en el modelo. Luego, determinar si la curvatura es
significativa al 5% de significancia. (Componente de falta de ajuste)
La curvatura es significativa por lo tanto el modelo no se ajusta adecuadamente a los

datos.
h) Determinar qué factores influyen sobre la corriente de fuga, al 5% de nivel de
Diagrama de Pareto Estandarizada para Corriente de fuga
C:C Porcentaje de nitrogeno +

-
A:A Temperatura de quemado
AC
ABC
BC
B:B Tiempo de quemado
AB
0 3 6 9 12 15
Los efectos significativos son el porcentaje de nitrógeno, temperatura de quemado y la

combinación de ambos.
i) Elaborar los gráficos de residuos contra los niveles de los factores. ¿Se percibe la
curvatura?
j) Obtener el valor predicho en el tratamiento central con base en el mejor ANOVA.

(Promedio de las predicciones del modelo al centro)
Actividad 1.11 Diseños factoriales fraccionados

La teoría de diseños fraccionados se basa en una jerarquización de los efectos: son más
importantes los efectos principales, seguidos por las interacciones dobles, luego las
triples, cuádruples, etc.
Ignora a priori las interacciones de tres o más factores y determina el número de efectos
ignorables y no ignorables en los diseños factoriales 2𝑘 , para 2 ≤ 𝑘 ≤ 7
Efectos no ignorables
Total de efectos (efectos de primer y
Diseño 𝟐𝒌 segundo orden) Efectos ignorables
𝟐𝒌 − 𝟏
𝑘 𝑘
( )+( )
1 2
22 3 3 0
23 7 6 1
24 15 10 5
25 31 15 16
26 63 21 42
27 127 28 99
a) ¿Para qué valores de 𝑘 los diseños se pueden fraccionar sin perder información
valiosa?
Cuando k ≥ 5 el número de efectos ignorables supera al número de efectos no ignorables
o potencialmente importantes, lo cual indica que estos diseños se pueden fraccionar sin
perder información valiosa.
Actividad 1.12 Diseños factorial fraccionado 23-1

23
a) ¿Cuántos tratamientos tiene un diseño factorial fraccionado 23-1 = ?
2
4 Tratamientos
b) ¿Cuántos posibles grupos de 4 tratamientos de un total de 8 tratamientos (diseño
factorial completo 23) se pueden elegir?
70 grupos
c) ¿Cuál es el efecto más sacrificable? Determina los signos del contraste ABC del
diseño factorial 23
Yates A B C AB AC BC ABC
(1) -1 -1 -1 1 1 1 -1
a 1 -1 -1 -1 -1 1 1
b -1 1 -1 -1 1 -1 1
ab 1 1 -1 1 -1 -1 -1
c -1 -1 1 1 -1 -1 1
ac 1 -1 1 -1 1 -1 -1
bc -1 1 1 -1 -1 1 -1
abc 1 1 1 1 1 1 1
El efecto no estimable ABC se le llama generador de la fracción y es el efecto cuyo

contraste es utilizado para generar la fracción factorial.
d) Identifica qué tratamientos corresponden a la fracción principal y a la fracción
secundaria del diseño factorial 23-1 con generador principal I = +ABC y generador
complementario I = -ABC
Fracción principal Fracción complementaria

(I=+ABC) (I= -ABC)
A B C Yates A B C Yates
1 -1 -1 a 1 -1 1 ac
-1 -1 1 c -1 -1 -1 (1)
-1 1 -1 b -1 1 1 bc
1 1 1 abc 1 1 -1 ab
Los efectos alias son dos o más efectos con nombres diferentes que comparten el mismo
contraste y, por lo tanto, estiman el mismo efecto.
e) Construye los diseños factoriales fraccionados anteriores mediante Minitab y escribe
la estructura alias y la resolución de cada uno de los diseños.
Fracción principal
A B C = AB Yates
-1 -1 1 c
+1 -1 -1 a
-1 +1 -1 b
+1 +1 1 abc
Fracción complementaria
A B C = - AB Yates
-1 -1 1 c
+1 -1 -1 a
-1 +1 -1 b
+1 +1 1 abc
Actividad 1.13 Diseños factoriales fraccionados a la mitad

Construye cada uno de los siguientes diseños factoriales fraccionados. Además, identifica
la resolución de cada diseño.
a) Diseño factorial fraccionado 24-1 con generador principal I = ABCD
A B C D = ABC Yates
-1 -1 -1 -1 (1)
+1 -1 -1 +1 ad
-1 +1 -1 +1 bd
+1 +1 -1 -1 ab
-1 -1 +1 +1 cd
+1 -1 +1 -1 ac
-1 +1 +1 -1 bc
+1 +1 +1 +1 abcd
b) Diseño factorial fraccionado 25-1 con generador principal I = ABCDE
A B C D E = ABCD Yates
-1 -1 -1 -1 +1 e
+1 -1 -1 -1 -1 a
-1 +1 -1 -1 -1 b
+1 +1 -1 -1 +1 abe
-1 -1 +1 -1 -1 c
+1 -1 +1 -1 +1 ace
-1 +1 +1 -1 +1 bce
+1 +1 +1 -1 -1 abc
-1 -1 -1 +1 -1 d
+1 -1 -1 +1 +1 ade
-1 +1 -1 +1 +1 bde
+1 +1 -1 +1 -1 abd
-1 -1 +1 +1 +1 cde
+1 -1 +1 +1 -1 acd
-1 +1 +1 +1 -1 bcd
+1 +1 +1 +1 +1 abcde
Actividad 1.14 Diseños factorial fraccionados 27-4

En una compañía se compró un equipo de afilado, y después de una semana se dieron
cuenta de que el exceso de vibración en el proceso era un problema muy serio. Un equipo
de mejora decide tratar de reducir la vibración aplicando diseño de experimentos.
Identifican siete factores, todos asociados con la herramienta de afilado, que pueden tener
algo que ver en la cantidad de vibración. Como la puesta en marcha del robot y el tiempo
de corrida tienen un alto costo, el equipo decide correr un diseño factorial fraccionado
27−4
𝐼𝐼𝐼 . Bajo esta consideración, los efectos de interacción se pueden considerar
despreciables.
El diseño tiene resolución III, lo cual implica que hay efectos principales confundidos
con interacciones dobles.
Factor (unidades) Niveles
A: Tamaño de grano (pulgadas) 80, 120
B: Longitud (pulgadas) 1, 2
C: Diámetro (pulgadas) 1.0, 1.5
D: Rpm (x 1000) 15, 20
E: Peso de precarga (libras) 0.4, 1.0
F: Estructura del material (onzas) 1, 4
G: Velocidad de alimentación (pulgadas/min) 2, 4
Los resultados fueron los siguientes:

Tratamiento Vibración
Def 77.4
Afg 68.3
Beg 81.9
Abd 66.2
Cdg 42.1
Ace 78.3
Bcf 39.0
abcdefg 68.4
a) Crear la fracción principal del diseño factorial fraccionado 27−4

𝐼𝐼𝐼 mediante Minitab
(generadores predeterminados).
b) Mediante el análisis de Pareto y el gráfico de Daniel, detectar qué efectos son

importantes.
El efecto más importante es el E peso de precarga
c) Mandar al error los dos efectos más insignificantes. Luego, construye el mejor
ANOVA solo con los factores significativos de este último análisis.
d) Determinar el coeficiente de determinación, R cuadrada.
e) Elaborar el gráfico de efectos principales.
f) Encontrar la combinación de los niveles de los factores que minimicen la

vibración de la máquina.
El efecto A en su nivel bajo, el efecto C en su nivel alto y el efecto E en su nivel

bajo.
g) Generar un diseño factorial completo 23 para utilizar las combinaciones de los
niveles de los factores significativos. predecir la variable de respuesta en cada
tratamiento.
Actividad 1.15 Diseños factoriales fraccionados 25-1

Este ejemplo ya fue presentado en la sección “Experimento 25 no replica do: ejemplo
integrador” del capítulo 6, como un diseño factorial completo 25 con una sola réplica.
Ahora mostraremos que si se hubiera corrido sólo una fracción a la mitad (25 –1), las
conclusiones hubieran sido las mismas que se obtuvieron con el factorial completo, con
la diferencia de que el costo experimental hubiera sido la mitad. El objetivo de este
ejemplo es mostrar que al correr una fracción a la mitad de un diseño factorial completo,
con cinco factores, no se pierde (necesariamente) información valiosa y se obtienen las
mismas conclusiones.
Recordemos que el experimento se desarrolló en una planta donde se fabrican
semiconductores, en la cual se quería mejorar el rendimiento del proceso mediante el
diseño de experimentos. De acuerdo con la experiencia del grupo de mejora, los factores
que podían tener mayor influencia sobre la variable de respuesta (rendimiento), así como
los niveles de prueba utilizados, fueron los siguientes:
Consideremos las fracciones a la mitad para este diseño 25. La construcción de las
fracciones se hace en dos pasos: 1) Se escribe el diseño 25 – 1 como si fuera un factorial
completo 24. 2) La columna faltante es el producto de las cuatro primeras.
Esta fracción corresponde a la fracción principal (generador I = ABCDE). Si se toma el
producto negativo de las cuatro co lumnas se obtiene la fracción complementaria
(generador I = –ABCDE). Ambas fracciones juntas conforman el diseño factorial
completo 25. Las dos fracciones con sus respectivos datos se muestran en la tabla 8.4.
Análisis de las dos fracciones
En la figura 8.2 se muestran los diagramas de Pareto para los efectos de cada una de las
fracciones. Vemos que cualquiera de las fracciones detecta los efectos A, B, C y
AB como los más importantes. Estos paretos son básicamente iguales que en el análisis
del diseño completo (véase capítulo 6).
Con los gráficos de Daniel pasa lo mismo: ambas fracciones detectan los mismos efectos,
que en apariencia son significativos (véase figura 8.3).
Baste decir que los análisis de varianza resultan los mismos, debido a la claridad con la
que trabajan los paretos y los gráficos de Daniel.
Análisis con la fracción principal
Diagrama de Pareto de los efectos

(la respuesta es Rendimiento, Alfa = 0.05)
2.41
B F actor N ombre
A A : N iv el_av ertura
A B B:Tiempo_exposicion
C C C :Tiempo_rev elado
AB D D:Dimensión_máscara
DE E E :Tiempo_grabado
AE
Término
AD
BC
CD
AC
D
CE
E
BD
BE
0 5 10 15 20 25 30 35
Efecto
PSE de Lenth = 0.9375
Gráfica normal de los efectos

99
Tipo de efecto
No significativ o
95 B Significativ o
90 A F actor N ombre
C
80 B B:Tiempo_exposicion
AB
C C :Tiempo_rev elado
Porcentaje
70
60 D D:Dimensión_máscara
E E :Tiempo_grabado
50
40
30
20
10
5
1
0 5 10 15 20 25 30 35
Efecto
Análisis con la fracción complementaria
Diagrama de Pareto de los efectos

2.89
B F actor N ombre
A B B:Tiempo_exposicion
AB C C :Tiempo_rev elado
C D D:Dimensión_máscara
BE E E :Tiempo_grabado
D
Término
CD
AD
BD
DE
BC
E
AE
AC
CE
0 5 10 15 20 25 30 35
Efecto
Gráfica normal de los efectos

99
Tipo de efecto
No significativ o
95 B Significativ o
90 A F actor N ombre
AB
80 B B:Tiempo_exposicion
C
C C :Tiempo_rev elado
Porcentaje
70
60 D D:Dimensión_máscara
E E :Tiempo_grabado
50
40
30
20
10
5
1
0 5 10 15 20 25 30 35
Efecto

2.18
B:Tiempo_exposicion
Término
A: Nivel_avertura
C:Tiempo_revelado
0 2 4 6 8 10 12 14
Gráfica normal de efectos estandarizados

99.99
Tipo de efecto
No significativ o
Significativ o
99
95
Porcentaje
80 B:Tiempo_exposicion
50 A: Niv el_avertura
20 C:Tiempo_rev elado
1
0 5 10 15
Gráfica de efectos principales para Rendimiento

Medias de datos
A: Nivel_avertura B:Tiempo_exposicion
50
40
30
20
10
Media
Pequeña Grande +20% -20%

C:Tiempo_revelado
50
40
30
20
10
30 45
Actividad 1.16 Diseños factoriales 3K y factoriales mixtos

En un proceso de fabricación de cajas se utiliza pegamento; con la idea de mejorar el
desempeño de las cajas se realiza un experimento para estudiar la fuerza de adhesión del
pegamento en diferentes condiciones de humedad y temperatura. La variable de respuesta
es la fuerza necesaria en libras para despegar la caja. Los datos obtenidos en cada una de
las nueve combinaciones de un diseño factorial 32 con n = 2 réplicas, se muestran a
continuación:
a) Analizar diseño factorial
La temperatura, la humedad y la interacción entre ambos si influyen en la fuerza al 5%.

b) Gráfica de efectos principales y de interacción
Gráfica de efectos principales para Fuerza

Medias de datos
A:Temperatura B:Humedad
3.5
3.0
2.5
Media
2.0
1.5
1.0
Frío Ambiente Caliente 50 70 90
Gráfica de interacción para Fuerza

Medias de datos
4.5 A :Temperatura
Frío
4.0 A mbiente
Caliente
3.5
3.0
Media
2.5
2.0
1.5
1.0
50 70 90
B:Humedad

Ejericio de Diseño de Experimentos

Загружено:

Сведения о документе

Оригинальное название

Авторское право

Доступные форматы

Поделиться этим документом

Поделиться или встроить документ

Параметры публикации

Этот документ был вам полезен?

Это неприемлемый материал?

Авторское право:

Доступные форматы

Ejericio de Diseño de Experimentos

Загружено:

Авторское право:

Доступные форматы

CONTENIDO

SEP SNEST DGEST

TECNOLÓGICO NACIONAL DE MÉXICO

 ALVAREZ BERNAL LUIS ROBERTO

PROFESOR: M.C. CÉSAR ARTURO PUERTA JIMÉNEZ

AGUASCALIENTES, AGS. 17 de enero de 2020

UNIDAD 1. DISEÑOS FACTORIALES COMPLETOS Y FRACCIONADOS ............ 3

Evaluación diagnóstica. ................................................................................................ 3

Actividad 1.1 ................................................................................................................ 8

Actividad 1.2 Diseño factorial 22 replicado................................................................ 11

Actividad 1.4 Diseño factorial 22 replicado................................................................ 20

Actividad 1.5 Diseño factorial 23 replicado................................................................ 24

Actividad 1.6 Diseño factorial 23 replicado................................................................ 28

Actividad 1.7 Diseño factorial 25 no replicado........................................................... 31

Actividad 1.10 Diseño factorial 23 con repeticiones al centro ................................... 43

Actividad 1.11 Diseños factoriales fraccionados ....................................................... 50

Actividad 1.12 Diseños factorial fraccionado 23-1 ...................................................... 51

Actividad 1.13 Diseños factoriales fraccionados a la mitad ....................................... 53

Actividad 1.14 Diseños factorial fraccionados 27-4 .................................................... 54

UNIDAD 2. INGENIERÍA DE CALIDAD Y FUNCIÓN DE PÉRDIDA ............. Error!

Actividad 2.1 ............................................................... Error! Bookmark not defined.

Actividad 2.2 ............................................................... Error! Bookmark not defined.

Actividad 2.3 (QC = N) ............................................... Error! Bookmark not defined.

Actividad 2.4 (QC = S) ................................................ Error! Bookmark not defined.

Actividad 2.5 (QC = B) ............................................... Error! Bookmark not defined.

Actividad 2.6 (Indicador OEC) ................................... Error! Bookmark not defined.

Actividad 2.8 ............................................................... Error! Bookmark not defined.

Actividad 2.14 ............................................................. Error! Bookmark not defined.

Actividad 2.15 ............................................................. Error! Bookmark not defined.

UNIDAD 3. EXPERIM ENTOS CON ARREGLOS ORTOGONALES ............ Error!

Actividad 3.1 ............................................................... Error! Bookmark not defined.

Actividad 3.2 ............................................................... Error! Bookmark not defined.

Actividad 3.3 ............................................................... Error! Bookmark not defined.

Actividad 3.4 ............................................................... Error! Bookmark not defined.

Actividad 3.5 ............................................................... Error! Bookmark not defined.

Actividad 3.6 ............................................................... Error! Bookmark not defined.

Actividad 3.7 ............................................................... Error! Bookmark not defined.

Actividad 3.8 (Estudio sobre la resistencia de una cubierta)Error! Bookmark not

Actividad 3.9 ............................................................... Error! Bookmark not defined.

Actividad 3.10 ............................................................. Error! Bookmark not defined.

Actividad 3.11 ............................................................. Error! Bookmark not defined.

UNIDAD 4. ANÁLISIS DE LOS RESULTADOS ........ Error! Bookmark not defined.

Actividad 4.2 ............................................................... Error! Bookmark not defined.

Actividad 4.3 ............................................................... Error! Bookmark not defined.

Actividad 4.4 ............................................................... Error! Bookmark not defined.

UNIDAD 1. DISEÑOS FACTORIALES COMPLETOS Y

2) Enlista los diseños de experimentos que conozcas.

3) Enlista los pasos o procedimiento para efectuar un diseño de experimentos.

a) Describe un procedimiento de aleatorización para la obtención de los datos.

b) Prueba la hipótesis de igualdad de varianzas.

Se rechaza la hipótesis de que la varianza del proveedor 1 es igual a la del

c) Prueba la hipótesis de igualdad de los diámetros de los proveedores en cuanto sus

T de dos muestras para DIAMETRO

Diferencia = mu (1) - mu (2)

El valor P= .033 < α= .05 se rechaza la hipótesis nula

Capacidad de proceso de Diametros

Capacidad de proceso de Diametros_2

LEI Objetiv o LES

18.4 19.2 20.0 20.8 21.6 22.4 23.2

5. Lista de la(s) variable(s) de respuesta:

6. Lista de los factores de estudio (variables de interés del experimentador):

Factores Unidad de Niveles de la variable

Tipo del 0.8 mm