Академический Документы
Профессиональный Документы
Культура Документы
Principios Bsicos en el
Diseo Experimental
Qu es un Diseo de
Investigacin?
Diseo
Se refiere al plan o estrategia que se desarrolla
para obtener la informacin que se requiere en
una investigacin.
Qu es un experimento?
Experimento:
Es una situacin de control en la cual se
manipula , de manera intencional, una o ms
variables independientes (causas) para analizar
las consecuencias de tal manipulacin sobre una
o ms variable dependientes (efectos).
Diseo Experimental
Este trmino se utiliza para planear un
experimento de manera que se pueda obtener la
informacin
pertinente
a
un
determinado
problema que se investiga y as tomar decisiones
correctas.
Un experimento diseado es una prueba o serie
de pruebas en las cuales se inducen cambios
de entrada de un proceso o
deliberados en las variables de entrada de un
sistema, de manera que sea
posible observar e identificar
las causas de los cambios en
la respuesta de salida.
Diseo de Experimentos
Ciclo de Deming
Etapas de un Experimento
Anlisis de resultados
(respuesta a la pregunta)
Recoleccin de la muestra
(medicin)
El diseo del experimento est influenciado por el modelo para analizar los datos
Principios Bsicos
Error Experimental
Debido al
mismo
material
Variabilidad existente
entre los resultados de
unidades
experimentales
tratadas en forma
similar
Falta de
uniformidad
REPETICIN
PRINCIOS BSICOS
DEL DISEO
EXPERIMENTAL
ALEATORIZACIN
l
n
i
ria
te
ac
riz l marden
to
e o
ea n d el las se
y n s
Al
i
ac tal liza ale
ign en ea u r
as im e r ivid aza
La per e s ind al
ex qu as an
en ueb min
pr ter
de
O
Re
es bte
pe
n
t
e
C xp ima er u tici
e c
n
esalcu rim in na
de tim lar en de
un ac un tal l er
ro
fa in a
r
ct d
or el
ef
ec
to
Principios Bsicos
Principios
Bsicos
en el
Diseo de
Experime
ntos
Planeacin y Diseo de
Experimentos
Variables No
Controlables o
Factores de
Ruido
Variables
Controlables o
Factor Seal
Producto /
Proceso
Variables
Independientes
o Factores de
Control
Variables
Dependientes o
Respuesta
Conceptos Generales
Factor
Factor en estudio
En un experimento se puede
evaluar uno o ms factores
Susceptible a la manipulacin.
Sus valores son controlados.
Sus efectos son evaluados en los
resultados del experimento
(variable dependiente).
Conceptos Generales
TRATAMIENTOS
Es un conjunto de procedimientos
cuyo efecto sobre la respuesta nos
interesa estudiar, cuyo efecto se
mide y se compara con otros
tratamientos.
Un tratamiento corresponde a los
niveles de un Factor o a la
combinacin de los niveles de
dos o ms Factores.
Variable
Respuesta
Unidad
Experimental
Conceptos Generales
HIPTESIS DE
INVESTIGACIN
Alguna de las
temperaturas de
lixiviacin obtendr
mayor rendimiento
Factor en
estudio
Temperatura de
lixiviacin
Tratamiento
M1, M2 , y Mn
Variable
Respuesta
Rendimiento
Unidad
Experimental
1 Kg de Sacha Inchi
MODELAMIENTO
MATEMTICO
Modelos Matemticos
Un modelo matemtico es una descripcin, en
lenguaje matemtico, de un objeto que existe en un
universo no-matemtico.
Un modelo es una representacin cualitativa y/o
cuantitativa de un sistema, en el cual se muestran
las relaciones predominantes entre sus elementos.
Por esta razn, un modelo no puede incluir todos los
aspectos de un sistema real, sino solamente los mas
importantes. Es decir, los objetivos y procesos
fsicos y los smbolos y sus relaciones constituyen el
modelo, de manera que la representacin se hace
generalmente, con medios de sustancia distinta la
los del sistema original.
Un modelo debe ser bastante detallado si se desea
representar vlidamente el problema real.
Modelos Matemticos
Un modelo contiene los siguientes elementos:
1.PARMETROS. En el modelo son objetos o
smbolos que representan a entidades o
atribuciones del sistema que permanecen
constantes durante el estudio.
2.VARIABLES. Son objetos o smbolos en el modelo,
que representan a entidades o atributos del
sistema que cambian en el tiempo durante el
estudio.
3.RELACIONES FUNCIONALES. Son los procesos
fsicos o las relaciones entre los smbolos de un
modelo, que representan a las actividades y a las
relaciones entre los elementos de un sistema.
Describen la forma en que cambian las variables y
como las afectan los parmetros.
Determinacin de Orden de
Reaccin
Ecuacin Bsica
Donde:
A
K
n
dA/d
Orden Cero
Donde:
A0
Ae
Valor de A al final de la vida en anaquel (puede ser cero o cualquier otro valor definido)
Orden Cero
100
90
80
% DE CALIDAD USABLE
70
60
50
40
30
20
10
0
0
50
100
150
DIAS
200
250
Orden Cero
Orden Cero
Primer Orden
Donde:
A
=
Cantidad remanente en el tiempo
Ae
=
Cantidad remanente al final de la vida en anaquel (s es diferente
de cero).
K
=
Constante de la velocidad, en unidades inversa del tiempo (das1
).
=
Vida Media.
Primer Orden
100
90
80
% DE CALIDAD RESIDUAL
70
60
50
40
30
20
10
0
0
50
100
150
DIAS
200
250
300
Primer Orden
100
% DE CALIDAD RESIDUAL
10
1
0
50
100
150
DIAS
200
250
300
Primer Orden
Primer Orden
Fig. 3.1 (a) L-ascorbic acid loss during refrigerated storage of thermally pasteurized orange
juice at four temperatures; (b) Arrhenius plot of the temperature dependence of L-ascorbic
acid oxidation.
Segundo Orden
Donde:
A
=
Cantidad remanente en el tiempo
Ae
=
Cantidad remanente al final de la vida en anaquel (s es diferente
de cero).
K
=
Constante de la velocidad, en unidades inversa del tiempo (das1
).
=
Vida Media.
Segundo Orden
FIGURE 4.14 Lysine loss in milk heated at 160C plotted as 1/[lysine] versus time
according to a second-order model (drawn line). Dataset in Appendix 4.1, Table A.4.4.
Orden n
Donde:
A
=
Cantidad remanente en el tiempo
Ae
=
Cantidad remanente al final de la vida en anaquel (s es diferente
de cero).
K
=
Constante de la velocidad, en unidades inversa del tiempo (das1
).
=
Vida Media.
Orden n - Aplicaciones
Orden n
Modelos Matemticos
Modelos Matemticos
Variable dependiente: Col_1
Variable independiente: Col_2
Lineal: Y = a + b*X
Coeficientes
Mnimos
Parmetr
Cuadrados
o
Estimado
Error
Estadstico
Estndar T
Valor-P
Intercepto
134.652
12.0105
11.2112
0.0000
Pendiente
-19.4661
2.18915
-8.89205
0.0000
Modelos Matemticos
Anlisis de Varianza
Fuente
Suma de
Cuadrados
Gl
Cuadrado
Medio
RaznValor-P
F
Modelo
8020.8
8020.8
79.07
0.0000
Residuo
710.088
101.441
Modelos Matemticos
Coeficiente de Correlacin = -0.958472
R-cuadrada = 91.8669 porciento
R-cuadrado (ajustado para g.l.) = 90.7051 porciento
Error estndar del est. = 10.0718
Error absoluto medio = 7.71237
Estadstico Durbin-Watson = 1.52519 (P=0.1067)
Autocorrelacin de residuos en retraso 1 =
0.0910916
Modelos Matemticos
Modelo
Correlacin RCuadrada
Inversa de X
0.9849
97.01%
Logaritmo de X
-0.9824
96.52%
Raz Cuadrada deX
-0.9727
94.62%
Cuadrado-Y Inversa de X
0.9669
93.50%
Raz Cuadrada de Y
-0.9630
92.73%
Lineal
-0.9585
91.87%
Raz Cuadrada-X Cuadrado-X
-0.9576
91.69%
Raz Cuadrada-Y Log-X
-0.9518
90.59%
Cuadrado-Y Log-X
-0.9233
85.24%
Cuadrado de X
-0.9208
84.78%
Raz Cuadrada-Y Inversa de X 0.9204
84.71%
Cuadrado-Y Raz Cuadrada-X
-0.8943
79.98%
Cuadrado de Y
-0.8625
74.38%
Cuadrado Doble
-0.7959
63.35%
Exponencial
<sin ajuste>
Inversa de Y
<sin ajuste>
Raz Cuadrada Doble
<sin ajuste>
Logartmico-Y Raz Cuadrada-X <sin ajuste>
Inversa-Y Raz Cuadrada-X
<sin ajuste>
Multiplicativa
<sin ajuste>
Inversa-Y Log-X
<sin ajuste>
Curva S
<sin ajuste>
Doble Inverso
<sin ajuste>
Log-Y Cuadrado-X
<sin ajuste>
Inversa-Y Cuadrado-X
<sin ajuste>
Logstico
<sin ajuste>
Log probit
<sin ajuste>
Modelos Matemticos
Grfico del Modelo Aj ustado
Col_1 = 134.652 - 19.4661*Col_2
100
Col_1
80
60
40
20
0
2.5
3.5
4.5
5.5
Col_2
6.5
7.5
Clasificacin de Diseos
Experimentales
Cuadrado
Grecolatino
(CGL)
Ecuacin
Lineal
Caractersticas
yij = + i + eij
Un Factor
Distinto nmero
Distinto nmero
yij = + i + j +
eij
yijk = + i + j +
k + eijk
yijkl = + i + j
+ k + l + eijkl
de Niveles
de Repeticiones
Un Factor
Un Bloque
Distinto nmero de Niveles
Pueden existir repeticiones
Un Factor
Dos Bloques
El Factor y los
Bloques tienen el
mismo nmero de niveles
Pueden existir repeticiones
Un Factor
Tres Bloques
El Factor y los
Bloques tienen el
mismo nmero de niveles
BLOQUES
FACTORES
VARIABLES
RESPUESTAS
Lugar de
Procedencia
Variedad
Antocianinas
Monomricas
Da de Anlisis
Mtodo
Porcentaje de Color
Polimrico
Equipo
Tamao Partcula
Color CIELAB
Analista
Dimetro
Temperatura
Presin
Tiempo
Posibilidad A: DCA
Repeticin
70
80
90
267
362
562
735
289
406
503
727
271
349
574
768
Procedencia: Caete
Equipo: Marmita
Mtodo de Extraccin: En Agua
Tiempo: 30 min
Dimetro: 2 cm
Repeticin
10
20
30
207
461
625
537
264
493
608
581
239
427
634
509
Procedencia: Caete
Equipo: Marmita
Mtodo de Extraccin: En Agua
Temperatura: 80C
Dimetro: 2 cm
Posibilidad C: DBCA
Da de
Anlisis
60
70
80
90
307
484
526
745
254
461
509
772
236
458
567
703
Procedencia: Caete
Equipo: Marmita
Mtodo de Extraccin: En Agua
Tiempo. 30 min
Dimetro: 2 cm
Posibilidad D: DBCA
10
20
30
R1
R2
R3
R1
R2
R3
R1
R2
R3
R1
R2
R3
16
5
94
24
7
44
8
41
2
43
7
73
3
72
9
76
1
67
9
62
4
69
1
12 11 39
Cuzco
94
6
0
3
Equipo: Marmita
Mtodo de Extraccin:
20 26 En
23Agua
46
Caete
Temperatura: 80C
7
4
9
1
Dimetro: 2 cm
35
6
34
5
61
1
67
2
63
8
43
0
41
8
42
6
49
3
42
7
62
5
60
8
63
4
53
7
58
1
50
9
Ica
Posibilidad E: CL
Lugar de Procedencia
Da de Anlisis
Ica
Cuzco
Caete
70C
639
80C
672
90
C
627
80C
624
90C
597
70
C
417
90C
705
70C
517
80
C
421
Equipo: Marmita
Mtodo de Extraccin: En Agua
Tiempo: 30min
Dimetro: 2 cm
Proceso de Anlisis
Evaluar Normalidad Evaluar si sigue
Distribucin Normal: Pruebas Paramtricas.
Realizar el Anlisis de Varianza.
Efectuar Pruebas de Comparacin de
Medias si fuera necesario.
Evaluacin de la Normalidad
Curtosis.
Skewness.
Muchos otros ms.
Deformaciones o desviaciones de la
distribucin normal
CURTOSIS
g2= 0
g2> 0
g2< 0
Deformaciones o desviaciones de la
distribucin normal
Coeficiente de curtosis
n
g 2 (curtosis )
4
(
X
X
)
i
i 1
(n 1) s
s= desviacin estndar
Si Curtosis 2
EEC
no es normal.
24
EEC
n
, entonces la distribucin
Deformaciones o desviaciones de la
distribucin normal
COEFICIENTE DE ASIMETRIA:
g1 = 0
g1 < 0
g1 > 0
Deformaciones o desviaciones de la
distribucin normal
Skewness o Asimetra
n
g1 (asimetra )
3
(
X
X
)
i
i 1
(n 1) s 3
Coeficiente de asimetra:
Error estndar del coeficiente de asimetra:
EECA
6
n
Fuente de
Variacin
g. l.
Tratamiento
K1
s
Error
Nk
Total
N1
Suma de
Cuadrados
Cuadrad
o Media
F0
FTab
F0 > Ftab
g. l.
Suma de
Cuadrados
Cuadrad
o Media
Tratamiento
s
K1
F0 > Ftab
Bloques
b1
F0 > Ftab
Error
(k
1) (b
1)
Total
N1
F0
FTab
g. l.
Tratamient
os
K1
F0 > Ftab
Filas
K1
F0 > Ftab
Columnas
K1
F0 > Ftab
Error
(K
1) (K
2)
Total
K2 1
Suma de
Cuadrados
Cuadrado
Media
F0
FTab
Diseo Factorial 2k
Diseo Factorial 2k -
Caractersticas
Varios Factores
Cada Factor puede
tener diferentes
niveles
Pueden existir repeticiones
Varios Factores
Todos los factores tienen 2 Niveles
Pueden existir repeticiones
Varios Factores
Todos los factores
tienen 2 Niveles
Pueden
Diseo Factorial 3k
Diseo Factorial 3k -
existir repeticiones
Varios Factores
Todos los factores tienen 3 Niveles
Pueden existir repeticiones
Varios Factores
Todos los factores
tienen 3 Niveles
Pueden
existir repeticiones
Diseos Factoriales
Modelo Estadstico
yijk = + i + j + ( )ij + eijk
Diseos factoriales
k
2
ab
(1)
-1
Llamaremos A y B a las
variables explicativas,
as como a sus efectos.
La interaccin entre
ambos factores y el
efecto correspondiente
la denotaremos AB.
Las condiciones
experimentales pueden
ubicarse en un cuadro.
-1
1
A
Diseo Factorial 2k
Diseo Factorial 2k
El espacio de condiciones experimentales
puede representarse mediante un cubo
(para k = 3) o pares de cubos (para k >
3).
k=3
k=4
D
C
B
A
B
A
B
A
Tratamiento
Bisulfito (%)
pH
5,1
8,5
0,06
5,1
0,06
8,5
Slidos
Solubles
(Brix)
L*
a*
b*
Color
(L2+a2+b
2 0,5
)
5,1
26,6
50,02
-1,05
6,49
50,45
8,5
23,4
38,63
-0,56
7,21
39,30
0,06
5,1
20,3
49,54
-2,98
15,13
51,88
0,06
8,5
20,7
52,17
-2,19
8,94
52,98
5,1
27,0
50,27
-0,90
6,87
50,75
8,5
23,8
38,87
-0,31
7,46
39,58
0,06
5,1
20,6
49,79
-2,74
15,62
52,25
0,06
8,5
21,0
52,44
-2,00
9,40
53,31
5,1
27,4
50,48
-0,68
7,28
51,01
8,5
24,2
39,21
-0,07
7,91
40,00
0,06
5,1
21,1
50,01
-2,47
16,21
52,63
0,06
8,5
21,6
52,65
-1,59
9,78
53,57
Tratamie
nto
Repet.
Bisulfito
(%)
Slidos Solubles
Luminosidad
Color
A:Bisulfito
0,0000
0,0000
0,0000
B:pH
0,0000
0,0000
0,0000
AB
0,0000
0,0000
0,0000
Bloques
0,0000
0,0000
0,0000
Total error
Total (corr.)
Standardized Pareto Chart for Color
+
-
B:pH
+
-
AB
AB
B:pH
AB
A:Bisulfito
A:Bisulfito
A:Bisulfito
40
80
Standardized effect
120
160
100
200
Standardized effect
300
400
+
-
B:pH
50
100
150
200
Standardized effect
250
300
26
28
pH=5.1
25
Slidos Solubles
Slidos Solubles
26
24
23
22
24
pH=5.1
22
21
pH=8.5
pH=8.5
20
20
0
0.06
5.1
8.5
Bisulfito
pH
pH
8,1
7,1
6,1
5,1
0,01
0,02
0,03
Bisulfito
0,04
0,05
0,06
Slidos Solubles
19,0
19,8
20,6
21,4
22,2
23,0
23,8
24,6
25,4
26,2
27,0
27,8
27
Slidos Solubles
9,1
0.06
Bisulfito
25
23
21
19
0,01
5,1
6,1
7,1
8,1
9,1
pH
52
53
pH=8.5
pH=5.1
50
50
pH=8.5
48
47
44
46
41
44
pH=5.1
38
0
0.06
5.1
8.5
Bisulfito
pH
0.06
Bisulfito
pH
8,1
7,1
6,1
5,1
0
0,01
0,02
0,03
Bisulfito
0,04
0,05
0,06
38,0
39,8
41,6
43,4
45,2
47,0
48,8
50,6
52,4
54,2
56,0
57,8
56
53
50
L
9,1
47
44
41
38
5,1
6,1
7,1
8,1
9,1
pH
53
54
pH=8.5
pH=8.5
51
51
pH=5.1
Color
Color
48
49
47
45
42
45
pH=5.1
39
0
0.06
5.1
8.5
Bisulfito
pH
pH
8,1
7,1
6,1
5,1
0,01
0,02
0,03
Bisulfito
0,04
0,05
0,06
Color
39,0
40,8
42,6
44,4
46,2
48,0
49,8
51,6
53,4
55,2
57,0
58,8
57
54
51
Color
9,1
0.06
Bisulfito
48
45
42
39
5,1
6,1
7,1
8,1
9,1
pH
Diseos 2k p
Gracias a su ortogonalidad, un diseo 2k en
el cul n factores (n < k) son no
significativos corresponde a 2n rplicas de
un diseo en el cul participan solo k - n
factores.
bc
abc
ac
C no significativo
ab
abc
ab
B
(1)
b
bc
(1)
c
a
ac
Diseos 2k p
Diseos 2k p
Diseo
Rplicas recomendadas
Nmero de
corridas
22
34
12, 16
23
16
24
12
16, 32
25
Fraccin 25 1 1
16, 32
26
Fraccin 26 2 Fraccin 26 1
16, 32
27
Fraccin 27 3 Fraccin 27 2
16, 32
Diseos 2k p
Diseos 2k p
Resolucin III: Efectos principales no son alias entre ellos; pero pueden ser
alias de interacciones dobles (ID).
Resolucin IV: Efectos principales no son alias entre ellos ni con ID; pero
algunas ID son alias entre ellas.
Resolucin V: Efectos principales e ID estn alias con interacciones triples o
de mayor orden.
Diseos 2k p
Tratamie
nto
Yate
s
AB
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
+1
ab
+1
+1
+1
-1
+1
-1
-1
-1
+1
-1
-1
+1
+1
-1
-1
+1
ac
+1
+1
-1
+1
-1
+1
-1
-1
bc
+1
-1
+1
+1
-1
-1
+1
-1
abc
+1
+1
+1
+1
+1
+1
+1
+1
Diseos 2k p
Tratamie
nto
Yate
s
AB
AC
BC
D=
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
+1
ab
+1
+1
+1
-1
+1
-1
-1
-1
+1
-1
-1
+1
+1
-1
-1
+1
ac
+1
+1
-1
+1
-1
+1
-1
-1
bc
+1
-1
+1
+1
-1
-1
+1
-1
abc
+1
+1
+1
+1
+1
+1
+1
+1
Diseos 2k p
Puntos (diseo
original)
AB=E
BC=F
CD=G
(1)
-1
-1
-1
-1
+1
+1
+1
+1
-1
-1
-1
-1
+1
+1
-1
+1
-1
-1
-1
-1
+1
ab
+1
+1
-1
-1
+1
-1
+1
-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
-1
-1
-1
+1
+1
+1
-1
ad
+1
-1
-1
+1
-1
+1
-1
bd
-1
+1
-1
+1
-1
-1
-1
abd
+1
+1
-1
+1
+1
-1
-1
cd
-1
-1
+1
+1
+1
-1
+1
acd
+1
-1
+1
+1
-1
-1
+1
bcd
-1
+1
+1
+1
-1
+1
+1
abcd
+1
+1
+1
+1
+1
+1
+1
Diseos 2k p
Puntos (diseo
original)
Puntos (diseo
fraccionado)
AB=E
BC=F
CD=G
(1)
efg
-1
-1
-1
-1
+1
+1
+1
afg
+1
-1
-1
-1
-1
+1
+1
bg
-1
+1
-1
-1
-1
-1
+1
ab
abeg
+1
+1
-1
-1
+1
-1
+1
ce
-1
-1
+1
-1
+1
-1
-1
ac
ac
+1
-1
+1
-1
-1
-1
-1
bc
bcf
-1
+1
+1
-1
-1
+1
-1
abc
abcef
+1
+1
+1
-1
+1
+1
-1
def
-1
-1
-1
+1
+1
+1
-1
ad
adf
+1
-1
-1
+1
-1
+1
-1
bd
bd
-1
+1
-1
+1
-1
-1
-1
abd
abde
+1
+1
-1
+1
+1
-1
-1
cd
cdeg
-1
-1
+1
+1
+1
-1
+1
acd
acdg
+1
-1
+1
+1
-1
-1
+1
bcd
bcdfg
-1
+1
+1
+1
-1
+1
+1
abcd
abcdefg
+1
+1
+1
+1
+1
+1
+1
acghijk
+1
-1
+1
-1
-1
-1
+1
+1
+1
-1
+1
abdhij
+1
+1
-1
+1
-1
-1
-1
+1
+1
+1
-1
bceijk
-1
+1
+1
-1
+1
-1
-1
-1
+1
+1
+1
acdfjk
+1
-1
+1
+1
-1
+1
-1
-1
-1
+1
+1
abdegk
+1
+1
-1
+1
+1
-1
+1
-1
-1
-1
+1
abcefh
+1
+1
+1
-1
+1
+1
-1
+1
-1
-1
-1
bcdfgi
-1
+1
+1
+1
-1
+1
+1
-1
+1
-1
-1
-1
-1
+1
+1
+1
-1
+1
+1
-1
+1
-1
-1
-1
-1
+1
+1
+1
-1
+1
+1
-1
+1
+1
-1
-1
-1
+1
+1
+1
-1
+1
+1
-1
-1
+1
-1
-1
-1
+1
+1
+1
-1
+1
+1
-1
-1
-1
-1
-1
-1
-1
-1
-1
-1
-1
Acidez Titulable
43
39
35
31
27
23
A
Etapas de la Optimizacin
Factores de
screening
Seleccin de la
regin ptima
(Escalamiento)
Modelacin y
Optimizacin
de la respuesta
SI TIENEN
MUCHOS
FACTORES
SELECCIONAR LA
RESOLUCIN
DISEO
FACTORIAL
ALTAMENTE
FRACCIONADO
HACER LAS
CORRIDAS DEL
EXPERIMENTO EN
ORDEN
ALEATORIO
ANALIZAR LOS
DATOS
DETERMINAR LOS
EFECTOS ACTIVOS
MODELO DE
SEGUNDO ORDEN
DISEO CENTRAL
COMPUESTO,
DISEO DE BOX
BEHNKEN
CORRER LOS
EXPERIMENTOS
REALIZAR LOS
EXPERIMENTOS
ESTIMAR EL
MODELO Y
PROBAR FALTA DE
AJUSTE
ES LINEAL
LA
SUPERFICIE
?
SI
MOVERSE
EXPERIMENTAND
O EN LA
DIRECCIN
PTIMA, HASTA
DETECTAR
CAMBIO DE
TENDENCIA
DETERMINAR EL
MEJOR MODELO
JERRQUICO
N
O
ENCONTRAR EL
PUNTO
ESTACIONARIO
(CANDIDATO A
PTIMO)
CARACTERIZAR LA
SUPERFICIE
ES EL
MODELO
PTIMO QUE
BUSCAMOS?
SI
CONDICIONES
PTIMAS DEL
PROCESO
N
O
ANLISIS DE
CORDILLERA
ELIMINACIN DE
VARIABLES NO
SIGNIFICATIVAS
Escalamiento
y 0 1 x1 2 x2
Steepest ascent is a
gradient procedure
89
Diseo Factorial 2k
Tratamiento
Bisulfito (%)
pH
5,1
8,5
0,03
6,8
0,03
6,8
0,03
6,8
0,06
5,1
0,06
8,5
Tratamien
to
Bisulfito
(%)
pH
Slidos
Solubles
(Brix)
L*
a*
b*
Color
(L2+a2+b2
)0,5
5,1
27,0
50,27
-0,90
6,87
50,75
8,5
23,8
38,87
-0,31
7,46
39,58
0,03
6,8
22,0
49,52
-0,37
5,41
49,82
0,03
6,8
22,0
51,66
-1,28
6,94
52,14
0,03
6,8
22,0
37,16
-0,01
0,84
37,17
0,06
5,1
20,6
49,79
-2,74
15,62
52,25
0,06
8,5
21,0
52,44
-2,00
9,40
53,31
Slidos Solubles
Luminosidad
Color
A:Bisulfito
0,1908
0,5504
0,5149
B:pH
0,0116
0,3896
0,3483
AB
0,1190
0,3604
0,4387
Total error
Total (corr.)
+
-
B:pH
+
-
AB
AB
B:pH
AB
A:Bisulfito
A:Bisulfito
A:Bisulfito
Standardized effect
2
Standardized effect
+
-
B:pH
2
Standardized effect
25
28
24
26
Slidos Solubles
Slidos Solubles
23
22
pH=5.1
24
pH=5.1
22
21
20
pH=8.5
pH=8.5
0
20
0
0.06
5.1
Bisulfito
0.06
Bisulfito
8.5
pH
pH
8,1
7,1
6,1
5,1
0
0,01
0,02
0,03
Bisulfito
0,04
0,05
0,06
Slidos Solubles
18,0
19,0
20,0
21,0
22,0
23,0
24,0
25,0
26,0
27,0
28,0
29,0
28
Slidos Solubles
9,1
26
24
22
20
18
0,01
0,05 0,06
5,1
6,1
7,1
8,1
9,1
pH
51
53
pH=8.5
50
49
pH=5.1
pH=8.5
47
47
44
45
41
0.06
5.1
Bisulfito
8.5
Bisulfito
pH
8,1
7,1
6,1
5,1
0
0,01
0,02
0,03
Bisulfito
0,04
0,05
0,06
38,0
39,8
41,6
43,4
45,2
47,0
48,8
50,6
52,4
54,2
56,0
57,8
56
53
50
L
9,1
pH
pH=5.1
0.06
38
43
47
44
41
38
0,01
5,1
6,1
7,1
8,1
9,1
pH
52
pH=8.5
pH=8.5
50
50
pH=5.1
Color
Color
47
48
44
46
41
44
38
0.06
5.1
Bisulfito
8.5
pH
8,1
7,1
6,1
5,1
0,02
0,03
Bisulfito
0,04
0,05
0,06
Color
38,0
39,8
41,6
43,4
45,2
47,0
48,8
50,6
52,4
54,2
56,0
57,8
56
53
50
Color
9,1
0,01
0.06
Bisulfito
pH
pH=5.1
0
47
44
41
38
0,05 0,06
5,1
6,1
7,1
8,1
9,1
pH
Slidos
Solubles
(Brix)
L*
a*
b*
Color
(L2+a2+b
2 0,5
)
6,8
22,0
45,80
-0,16
2,77
45,88
0,06
6,8
20,5
53,01
-0,83
4,38
53,20
0,00
6,8
18,5
51,23
-3,51
16,37
53,90
0,06
6,8
22,2
52,71
-0,57
4,22
52,88
0,00
5,1
27,0
50,27
-0,90
6,87
50,75
0,06
5,1
23,8
38,87
-0,31
7,46
39,58
0,00
8,5
20,6
49,79
-2,74
15,62
52,25
0,06
8,5
21,0
52,44
-2,00
9,40
53,31
0,03
5,1
23,1
48,91
-0,32
5,46
49,21
0,03
5,1
24,0
50,57
-0,94
5,40
50,87
0,03
8,5
17,5
50,08
-2,18
10,22
51,16
0,03
8,5
20,2
48,04
-3,43
18,69
51,66
0,03
6,8
22,0
49,52
-0,37
5,41
49,82
0,03
6,8
22,0
51,66
-1,28
6,94
52,14
0,03
6,8
22,0
37,16
-0,01
0,84
37,17
Tratamie
nto
Bisulfit
o (%)
Tiempo
(min)
0,00
Slidos
Solubles
Luminosidad
Color
0,8626
0,6081
0,0024
0,5885
0,0758
0,1827
0,0507
0,4744
0,2707
0,9974
0,7964
0,5314
0,6584
0,6620
0,3066
0,3836
0,7764
0,9478
0,8343
0,5932
0,3463
0,6225
0,5254
0,3631
0,3314
0,9281
0,7822
Total error
Total (corr.)
Standardized Pareto Chart for Slidos Solubles
C:pH
+
-
BB
AB
AC
CC
BC
AA
B:Tiempo
A:Bisulfito
0
Standardized effect
50
54
49
50
47
48
52
46
+
-
48
46
45
44
44
0
0.06
Bisulfito
5.1
Tiempo
42
8.5
pH
0.06
AB
0.06
AC
6
BC
pH=6,8
L
Tiempo
2
0
0,01
0,02
0,03
Bisulfito
0,04
0,05
0,06
46,0
46,8
47,6
48,4
49,2
50,0
50,8
51,6
52,4
53,2
54,0
54,8
54
52
L
50
48
46
Tiempo
Genichi Taguchi
Costo
Como
los
clientes desean
comprar
productos que atraigan su atencin y
que realicen la funcin para la cual se
disearon.
CALIDAD
Diseo Robusto
Diseo Robusto
Diseo Robusto
Diseo Robusto
Los Factores Pueden Afectar...
1. La Variacin del Resultado
Banda ancha
3. La Variacin y el Promedio
Con
Entren.
Sin
entren.
Banda
angosta
2. El Resultado Promedio
Pocos ejecutivos
Suficientes
ejectuvos
4. Ni la Variacin ni el Promedio
Ambos sexos
Toman el mismo
tiempo
Diseo Robusto
Funcin de Prdida
1. El Valor Nominal es el Mejor
Lograr un
valor meta con
variacin mnima
Tiempo de atencin
Tiempo de conexin
Meta
Tiempo de Ciclo
Tiempo de
conexin
0
3. El Valor Mximo es el Mejor Tendencia de salida
hacia arriba
Confiabilidad
Satisfaccin
Funcin de Prdida
Funcin de Prdida
Funcin de Prdida
Funcin de Prdida
Diseos de Taguchi
Dar prioridad a los factores principales, ya que las
interacciones son difciles de manejar y por eso deben
de considerarse como factores de ruido.
Las interacciones a probar deben de ser conocidas
altamente probables. Si las interacciones altamente
significativas no son incluidas, se generar una
confusin
Se deben de analizar los datos mediante la razn
seal a ruido, detectando con ello las combinaciones
de los factores de control que generan un proceso
robusto.
Diseos de Taguchi
Diseos de Taguchi
Diseos 2k p
Resolucin III: Efectos principales no son alias entre ellos; pero pueden ser
alias de interacciones dobles (ID).
Resolucin IV: Efectos principales no son alias entre ellos ni con ID; pero
algunas ID son alias entre ellas.
Resolucin V: Efectos principales e ID estn alias con interacciones triples o
de mayor orden.
Diseos de Taguchi
Diseos de Taguchi
El objetivo del DP de un
proceso es que el producto
sea Funcional, exhiba
unAlto Nivel de
Performance y sea
Sensitivo al mnimo a los
Ruidos.
El diseo de parmetros
examina las interacciones
entre factores de control y
factores de ruido con el
objeto de lograr la robustez.
S/N PERFORMANCE PERDIDA
Diseos de Taguchi
Diseos de Taguchi
FACTORES
ACEPTABILIDAD
R1
R2
R3
5,3
5,4
5,5
7,5
7,5
7,8
4,8
5,1
5,1
5,6
5,5
5,7
7,0
6,7
7,0
7,2
7,0
7,4
5,6
4,9
5,4
5,0
4,2
4,7
A
B
C
D
E
F
G
=
=
=
=
=
=
=
Diseos de Taguchi
N
Eta
14,64688
17,61478
13,97588
14,96284
16,77514
17,14441
14,47185
13,29545
Diseos de Taguchi
A v e r a g e E t a b y F a c t o r L e v e ls
M e a n = 1 5 ,3 6 0 9
S ig m a = 1 , 5 6 2 9 6
M S E r r o r = ,1 5 4 5 7 0
df=16
( D a s h e d lin e in d ic a t e s 2 * S t a n d a r d E r r o r )
1 7 ,0
ETA = -10*log10(1/N*Sum(1/y))
1 6 ,5
1 6 ,0
1 5 ,5
1 5 ,0
1 4 ,5
1 4 ,0
1 3 ,5
1
O L IG O F R IN U N A R C IT R S U C R A L O S A C A R R A G E N IN A
L E C H E D E S C L A M E Q U IC K
N A R A N JA
Diseos de Taguchi
Analysis of Variance (Spreadsheet1) Mean = 15,3609 Sigma =
1,56296
FACTORES
SS
df
MS
F
p
{1}OLIGOFRUCTOSA
0,574 0,45962710000
0,08875 1 0,08875
INULINA
2
00
33,6673
217,8 0,00000000009
{2}NARANJA CITRICO
1 33,66730
0
12
74
19,42 0,00044088370
{3}SUCRALOSA
3,00186 1 3,00186
07
00
24,03 0,00015927240
{4}CARRAGENINA
3,71558 1 3,71558
81
00
55,01 0,00000145848
{5}LECHE DESCREMADA 8,50370 1 8,50370
52
20
30,17 0,00004912067
{6}LAMEQUICK
4,66389 1 4,66389
33
00
0,459 0,50748760000
{7}NARANJA
0,07104 1 0,07104
6
00
Residual
2,47312 16 0,15457
Diseos de Taguchi
DISEO DE
MEZCLAS
Diseos de Mezclas
Diseos de Mezclas
x2
0
0
x1
x1 + x2 = 1
x1 + x2 + x3= 1
1
x3
x 1 + x2 + x3 = 1
x1
x1
1,0
0,8
(1/2, 1/2,0)
(1/3,1/3,1/3)
0,6
0,4
(0,1,0)
(0,0,1)
0,2
0,0
x2
x3
Ejemplos:
{3,2} lattice
{3,3} lattice
136
3 componentes
2 niveles
X2 = 1
X3 = 1
X1 = 1
4 componentes
2 niveles
X2 = 1
X4 = 1
X3 = 1
B
(0%,100%,0%)
C
(0%,0%,100%)
140
B
(0%,100%,0%)
C
(0%,0%,100%)
p
2
p
3
permutaciones de (1/2,1/2,0,....,0)
permutaciones de
(1/3,1/3,1/3,0,....,0)
x1 = 1
....
total 2p-1 puntos de diseo
x2 = x23 = 1/2
x1 = x2 = 1/2
Ejemplo: 3 componentes
x1 = x2 = x3= 1/3
x2 = 1
x2 = x3 = 1/2
x3 = 1
3 componentes
3 niveles
X2 = 1
X3 = 1
X1 = 1
4 componentes
3 niveles
X2 = 1
X4 = 1
X3 = 1
2 2
3 3
Linear:
Cuadrtico
min
max
min
Pequeo efecto en pendiente
max
A
B
C
Fitted Elongaci
16
15
14
13
12
11
10
9
-0.5
0.0
0.5
10.0
1.0
16.0
17.2
0.0
0.0
1.0
11.2
12.4
13.6
14.8
0.0
1.0
C
159
Fitted Ymillas/
25
A
B
C
24
23
-0.5
0.0
0.5
23.40
23.65
23.90
24.15
24.40
24.65
24.90
1.0
0.0
0.0
1.0
0.0
1.0
C
161
Regiones restringidas
Respuesta: Brillo
Regiones restringidas
x1
Restriccin
Restriccin
x3
x2
Regiones restringidas
Regiones restringidas
A
(100%,0%,0%
)
A
(100%,0%,0%)
R2
R3
Pseudo
Regin
Regin
factible
B
(0%,100%,0%)
B
(0%,100%,0%
)
R1
C
(0%,0%,100%)
C
(0%,0%,100%
)
Ejemplo :
R1: A>22%
R2: B>17%
R3: C>23%
Regiones restringidas
A (60%,17%,23%)
A (100%,0%,0%)
Pseudo
Regin
Ejemplo :
R1: A>22%
R2: B>17%
R3: C>23%
Regiones restringidas
Cuando
existen
mltiples
restricciones para uno o ms
componentes, o bien, existen
restricciones en la relacin de los
componentes, se tienen regiones
factibles asimtricas por lo que
su diseo se hace mediante los
diseos de vrtices extremos y su
anlisis no es Simplex sino DOptimal.
Regiones restringidas
A
(100%,0%,0%)
R1
R1
R2
Ejemplo :
R1: 41%<B<15%
R2: 39%<C<16%
R2
Regin
factible
B
(0%,100%,0%)
C
(0%,0%,100%)
Regiones restringidas
A
R1
(100%,0%,0%)
Ejemplo :
R2
R1: 41%<B<15%
R2: 39%<C<16%
R1
R2
Regin
Factible
B
(0%,100%,0%)
C
(0%,0%,100%)
Regiones restringidas
Ejemplo :
R1: 41%<B<15%
R2: 39%<C<16%
R3: A + 1.5B < 90%
R4: A C > 10
A
(100%,0%,0%)
R1
R2
R1
R2
Re g i n
Factibl
e
R4
B
(0%,100%,0%)
C
(0%,0%,100%)
R3
Regiones restringidas
Ejemplo :
R1: 41%<B<15%
R2: 39%<C<16%
R3: A + 1.5B < 90%
R4: A C > 10
(100%,0%,0%)
R1
Regin
Factibl
e
R1
B
(0%,100%,0%)
R2
R2
R4
C
(0%,0%,100%)
R3
Combinacin de diseos
factoriales con diseos de
mezclas
Z1=+1
Z1
173