Académique Documents
Professionnel Documents
Culture Documents
INTRODUCCIN
AL
DISEO
DE
EXPERIMENTOS
el
diseo
de
experimentos
se
plantean
varias
preguntas
importantes:
1. Son estas dos soluciones los nicos medios para lograr la
respuesta de inters?
2. Existen otros factores que pueden afectar la respuesta de las
muestras y que deban ser investigados o controlados?
3. Cuntas muestras deben ser sometidas a cada solucin de
templado?
4. En qu forma debe asignarse cada muestra a los tratamientos,
y en qu orden deben realizarse las mediciones?
5. Qu mtodo de anlisis debe utilizarse?
6. Qu diferencia en los niveles promedio de respuesta entre los
dos tratamientos debe considerarse como significativa?
Estas, y quiz muchas otras preguntas, debern ser contestadas
satisfactoriamente antes de llevar a cabo el experimento.
para
obtener
datos
apropiados,
que
pueden
ser
el
experimento
de
manera
que
los
datos
repetir
consistentemente
sobre
todo
en
la
pero
ii)
comparaciones
entre
las
condiciones
de
inters
del
1.3.
Metodologa
experimento
general
para
realizar
un
claramente
el
problema
situacin
en
cualquier
caso
se
pueden
seleccionar
ya
sea
manera
se
efectuaran
las
pruebas
qu
modelo
metodologa
(alterna)
desarrollada
por
Douglas
C.
Montgomery es la siguiente:
Para usar un enfoque estadstico al disear y analizar un experimento
se requiere que todos los participantes en l tengan de antemano una
idea clara de qu es exactamente lo que se va a estudiar, cmo se
van a recopilar los datos y, al menos, una idea cualitativa de cmo se
van a analizar. A continuacin, se ofrece una gua del procedimiento
recomendado:
1) Comprensin y planteamiento del problema.
Este punto pudiera parecer obvio; sin embargo, en la prctica no es
sencillo darse cuenta de que existe un problema que requiere
experimentacin, ni disear un planteamiento claro y aceptable del
mismo. Es necesario desarrollar todas las ideas sobre los objetivos del
experimento. Suele ser importante solicitar la opinin de todas las
partes implicadas. Un planteamiento claro del problema contribuye a
menudo en forma sustancial a un mejor conocimiento del fenmeno y
de la solucin final del problema.
2) Eleccin de factores y niveles.
El experimentador debe elegir los factores que variarn en el
experimento,
los
intervalos
de
dicha
variacin
los
niveles
importante
tener
presente
los
objetivos
experimentales
al
al
proceso
de
toma
de
decisiones.
Las
tcnicas
diferentes
cabezales
de
una
misma
mquina
producen
productos similares.
Si un nuevo mtodo de ensamble incrementa o no la productividad
en una lnea de produccin.
Cul es el factor que ms influye en la variabilidad de alguna
caracterstica de calidad.
Es necesario tener claros y en todo caso revisar los siguientes
conceptos estadsticos antes de seguir:
Qu es una prueba de hiptesis?
Qu e s un error tipo I y Qu es un error tipo II?
Qu es una prueba t para comparar dos medias?
Qu es la potencia de una prueba de hiptesis?
Qu es control estadstico?
Qu es nivel de significancia?
la prueba
sb2
Fc 2
sw
El valor crtico para la prueba F es:
F , ( k 1), k ( n 1))
el nivel de
diseo
se
denomina
DISEO
COMPLETAMENTE
ALEATORIZADO
Se observa el aprovechamiento de los empleados en los
programas:
TRATAMIENTOS
c=3
c=1
c=2
J
Programa Program Programa
1
85
72
83
80
**
r=1
r=2
r=3
r=4
r=5
Media
s
a2
80
84
81
78
82
3
82
80
85
90
88
80.00
81.00
85.00
Media de medias o
media total
Xj
82.14
SCT
i 1
( Xij X )
j 1
SCTR rj ( X j X ) 2
j 1
SCE
i 1
(X
j 1
ij
X j )2
19.4
32.9
CME =
16.9
1.946745562
=DISTR.F.INV(0.05, 2, 11) =
3.982297957
ZONA
NO DE
RECHAZAR
RECHAZO
Distr. F
TABLA DE ANOVA
FUENTE DE VARIACIN SUMA DE
GRADOS DE
CUADRADOS
CUADRADO
LIBERTAD
MEDIO
VALOR F
Entre muestras (tratam.)
SCTR
c-1
CMTR
SCE
n-c
CME
CMTR/CME
Dentro de muestras (err.)
Variacin total
SCT
n-1
CMT
y
ij
no
deben
tener
algn
patrn,
ni
deben
estar
sentido
y
ij
yi.
Yij
distribucin
normal
estn
sesgados,
porque
en
las
Mquinas
aos
1
2
3
4
5
Promedios
Maq 2
21
33
39
41
46
36
1
27
31
42
38
45
36.6
Maq 3
25
35
39
37
45
36.2
Promedios
24.33333
33
40
38.66667
45.33333
36.26667
TABLA ANOVA
SCTR
SS
GL
0.93333
CMTR
CM
Fc
0.46666 Ftr
=
SCBL
3
2
764.933
=
CMBL
7
0.09
191.233 Fbl
3
4
41.0666
3
37.25
5.13333
SCE = 7
8
806.933
CME=
SCT = 3
CMT=
57.6381
14
Falfa
=
4.46
=
3.84
Rollo
1
2
73 68
73 67
75 68
73 71
3
74
75
78
75
4
71
72
73
75
5
67
70
68
69
4. DISEOS FACTORIALES
4.1 Principios y definiciones bsicas
Muchos experimentos se llevan a cabo para estudiar los efectos
producidos por dos o ms factores. Puede mostrarse que en general
los diseos factoriales son los ms eficientes para este tipo de
promedio en el primer
Factor B
B1
B2
A1
20
30
A2
40
52
Factor A
40 52
2
20 30
2
21
30 52
2
20 40
2
11
En el primer nivel
B1
B2
A1
20
40
A2
50
12
Factor A
de A es:
A = 50 - 20 = 30
Mientras que en el segundo nivel de B, el efecto de A es:
A = 12 - 40 = 28
Puede observarse que existe una interaccin entre los factores A y B
porque el efecto de A depende del nivel elegido de B.
Estas ideas pueden ilustrarse grficamente. En la Fig. 1 se muestra
una grfica de la respuesta de los datos de la Tabla 1 contra los
niveles del factor A para ambos niveles del factor B. Se observa que
las rectas B1 y B2 son, aproximadamente, paralelas. Esto indica que no
hay interaccin entre los factores. De manera similar, en la Fig. 2 se
presenta una grfica de la respuesta de los datos de la Tabla 2.
60
B2
50
B1
40
30
20
10
B2
B1
A1
Factor A
A2
60
B1
50
B2
40
30
20
B1
10
B2
A1
Factor A
A2
que
notar
que
cuando
una
interaccin
es
grande
los
50 12
2
20 40
2
as
ventajas
de
los
diseos
factoriales
pueden
ilustrarse
es
conveniente
realizar,
por
ejemplo,
dos
B2
A1
A1B1
A1B2
A2
A2B1
12
Factor A
Los
diseos
interaccin
factoriales
puede
estar
son
necesarios
presente,
para
cuando
evitar
alguna
hacer
conclusiones engaosas.
tratamientos
A baja, B baja
Replica
I
II
28 25
III
27
Total
80
A alta, B baja
36
32
32
100
A baja, B alta
18
19
23
60
A alta, B alta
31
30
29
90
(1) = 80(28+25+27)
bajo (15%)
a = 100(36+32+32)
+
alto (20%)
Concentracion de reactivo A
Figura 1: Combinaciones de tratamiento en el diseo factoriall
el
1
2n
ab b a (1)
1
2n
ab a b (1)
1
2n
ab a b (1)
1
2n
ab b - a (1)
AB
1
2n
ab b a (1)
1
2n
ab (1) a (b)
A YA YA
ab a
2n
1
2n
b (1)
2n
ab a b (1)
B YB YB
ab b
2n
1
2n
a (1)
2n
ab b a (1)
AB
1
2n
ab (1)
2n
ab
2n
ab (1) a b
1
2(3)
1
2(3)
AB
90 100 60 80
8.33
90 60 100 80
5.00
1
2(3)
90 80 100 60
1.67
Este contraste
puede
2
n a
a ci .
aciyi.
SSc 1
por la suma de
SSA
SSB
ab a b (1) 2
n* 4
ab b a (1) 2
SSAB
n* 4
ab (1) a b 2
n* 4
SSA
SSB
50
2
208.33
4(3)
30
SSAB
4(3)
10
75.00
4(3)
8.33
SS E SS T SS A SS B SS AB
menudo
se
es
conveniente
escribir
las
combinaciones
de
(1 a
b A
os
A:
)
b
-1 + -1 +
B:
-1 1
AB:
-1 1
-1 -1 1
+ 1
+
+
1
G.
n
A
SS
L.
208.3 1
MS
Fo
208.3 53.15
AB
75.00 1
75.00 19.13
Error
8.33
8.33
Total
31.34 11
3.92
2.13
323.0
1
8
significativo al 1%
Efecto
Factorial
De
I A B AB
Tratamient
os
(1)
+ - - +
+ + - -
+ - + -
ab
+ + + +
son
iguales
al
producto
de
los
coeficientes
1
2n
ab b a (1)
1
2n
ab a b (1)
El nmero de
K!
r! (k r)!
El concepto de replicacin fraccionada parte de las siguientes
hiptesis:
1) Las interacciones de tres o ms factores son sumamente raras
en la prctica, por lo que en general se pueden suponer como
no existentes.
2) En un experimento de varios factores lo ms probable es que
solo algunos de ellos sean relevantes para la variable de
respuesta.
3) La mayor parte del efecto se debe a los factores principales y
algunas interacciones de dos factores.
Lo anterior implica que por ejemplo para siete factores son necesarios
probablemente solo 28 grados de libertad (7 factores principales y 21
interacciones de dos factores), y esto equivale a solo 29 unidades de
informacin y no 128 como en el experimento original. Esto quiere
decir que no es necesario el correr una replicacin completa de todo
Combinacin
notaciones se de
continuacin.
de
Efecto factorial
Notacin
Tratamientos
I A
1
A
a
++
B
b
+C
c
Abc + abc
++
ab
++
ac
++
bc
+(1)
+-
Notacin
B C A A
2
+ - B- C
-- +
- -- +
- -- -+ +
-+ ++++ +++ +
+- + - +- +
++- - - + +
AB
C
+
+
+
+
C
+
+
+
+
-
las
dos
muestra
que
el
diseo
23-1
se
forma
al
seleccionar
solo
las
ac
ab
B
A
(1 )
2
--+++-+
-++
1) Diseo con resolucin III: stos son diseos en los que ningn
efecto principal es alias de otro, pero si lo son de las
interacciones de dos factores; a su vez, estas ltimas son alias
entre s. El diseo 23-1 de la tabla 4.1 es de resolucin III.
2) Diseo con
menudo,
se
conocen
como
diseos
de
3,
letras,
Tipo
de
material
1
15
70
125
13 15 34 40 2 70
0
5
0
74 18 80 75 8
58
0
2
15 18 12 12 2
70
0
8
6
2
5
15 12 10 11 5
45
9
6
6
5
8
13 11 17 12 9
10
8
0
4
0
6
16 16 15 13 8
4
60
ltima
pregunta
reviste
particular
importancia.
Existe
la
de
aleatorizado.
modo
que
ste
es
un
diseo
completamente
i 1,2,..., a
k 1,2,..., n
ia1 i 0; bj1j 0
Se
1 2
...a 0
H1 : al menos una i 0
Ho :
1 2
...b 0
H1 : al menos una j 0
probar:
Ho : ()i 0 para toda i, j
H1 : al menos una ()i 0
general
de
y Y...
todas
las
observaciones.
Se
definen
b n
Yi.. Yijk
j1k 1
Yi..
a n
Y.j. Yijk
i1k 1
Y.j.
n
Yij. Yijk
k 1
Yij.
Yi..
; i 1,2,..., a
bn
Y.j.
; j 1,2,..., b
an
Y...
n
i 1,2,..., a
j 1,2,..., b
a b n
Y...
Y... Yijk Y...
i1j1k 1
abn
i1
j1
k 1
a
b
i1 j1
a
b
i1 j1
bn
i1
Yij k
k 1
k 1
Y
i..
Y . ..
Yij k
Yij k
Y . ..
Y
i. .
Y
ij .
Y . ..
Y .. .
a n
Y. j .
Y .. .
Y
ij .
Y . ..
Y. j
Y . ..
j1
Y .j .
a
b
i1 j1
Y . ..
k 1
Y
ij k
a
b
i1 j1
Y
ij .
Y
ij
.
Y
i..
S T S A S B S AB S E
Los grados de libertad asociados a cada suma de cuadrados son:
Y. j
.
Efecto
Grados
de
libert
ad
A
B
Interaccin
a-1
b-1
(a-1)(b-1)
AB
Error
Total
ab(n-1)
abn-1
Fo
MSA
MSA
SSA
MSE
a 1
MSB
MSB
SSB
SSA (a - 1)(b B
Error
MS
1)
SSE ab(n-1)
b 1
MSAB
SSAB
MSE
MSAB
MSE
(a 1)(b 1)
MSB
SSE
ab(n 1)
Total
SST abn - 1
Tabla 2 ANOVA para el modelo bifactorial de efectos fijos
Es posible obtener las frmulas para calcular las sumas de cuadrados
de la ecuacin anterior. La suma total de cuadrados se calcula en
forma usual mediante:
SST
2
a b n
Y ...
2
Y ijk
i1j1k 1
abn
i1 bn
abn
2
2
b Y .j.
Y ...
SSB
j1 an
abn
SSA
i1j1 n
abn
Tip
Temperatura (F)
o
de
15
70
125
Yi..
Mat
.
1
13 15
0
539 4
134.75
34 40 22 2
9
70 23 998
0
74 18
80 75
0
2
15 18
0
15 12
9
3
13 12
623
13 11
8
16 16
8
Y.j.
58
2
47 5
10 11 9
17 12
576
1738
9
58 6
15 13 3
1291
70
19 130
45 8
10
4
34 150
60 2
770
1
Y...=
379
9
i1j1 k 1
abn
130
155
74
... 60
3799
36
2
77,646.97
2
2
a Y i..
Y ...
SSmaterial
i1 bn
abn
2
2
2
2
998
1300
1501
3799
10,683.72
(3)(4)
36
2
2
b Y .j.
Y ...
SStemperat ura
j1 an
abn
2
2
2
2
1738
1291 770
3799
39,118.72
(3)(49
36
2
2
a b Y ij.
Y ...
SSinteracc ion
i1j1 n
abn
2
2
2
2
539
229
... 342
3799
10,683.72
4
36
39,118.72 9,613.78
Fuente
de
G.
variacin
SS
Tipo de material 10,683.
ANOVA
datos
de
duracin
batera
Como
en
L.
2
MS
5,341.8
6
19,558.
36
2,403.4
Temperatura
72
39,118.
Interaccin
72
9,613.7
Error
8
18,230.
4
27 675.21
Total
75
77,646.
35
Fo
7.91
Tabla
4.
28.9
para
los
7
3.56
la
de
la
auxiliar
97
la
175
150
125
Yij. 100
Material tipo 3
75
Material tipo 1
Material tipo 2
50
25
15
70
Temperatura
125
Identificar
factores
que
no
afectan
substancialmente
la
conocida
como
diseo
de
experimentos,
tratadas
anteriormente.
Taguchi ha propuesto una alternativa no del todo diferente que se que
conoce como: Arreglos Ortogonales y las Grficas Lineales.
La herramienta utilizada normalmente son
fraccionados, sin embargo cuando el
incrementado,
diseos Factoriales
nmero de factores se ve
Donde:
a = Representa el nmero de pruebas o condiciones experimentales
que se tomarn.
arreglo.
b =
factor.
c = Es el nmero de efectos independientes que se pueden analizar,
esto es el nmero de columnas.
No. (a)
1
2
3
4
1 ,
A
1
1
2
2
2
F A C T O R E S (c)
B
C
1
1
2
2
1
1
2
1
Resultado
Y1
Y2
Y3
Y4
a No.
utilizar
L4
L8
L12
L16
L32
L64
de
condiciones
probar
4
8
12
16
32
64
L8
Col.
Col.
Col.
Col.
Col.
Col.
Col.
1
1
1
1
2
2
2
2
1
1
2
2
1
1
2
2
1
1
2
2
2
2
1
1
1
2
1
2
1
2
1
2
1
2
1
2
2
1
2
1
1
2
2
1
1
2
2
1
1
2
2
1
2
1
1
2
Matriz
Exp.
No.
1
2
3
4
5
6
7
8
tabla
de
interaccio
nes
Column
as
1
2
3
4
1
(1)
2
3
(2)
3
2
1
(3)
4
5
6
7
(4)
5
4
7
6
1
6
7
4
5
2
7
6
5
4
3
5
6
7
(5)
1
(1)
1
3
2
6
(7)
5
1
.7
6
2
(a)
(b)
Grficas lineales
Los pasos para un diseo de experimentos de parmetros en el
caso de menor es mejor son:
de calidad de salida
a ser
optimizada.
2) Seleccionar factores de control y sus niveles, identificando
sus
posibles interacciones.
3) Seleccionar los factores de ruido y sus niveles; si son demasiados
combinarlos en dos o tres factores combinados.
4) Seleccionar los arreglos interno y externo adecuados; asignar los
factores de control al arreglo interno y los factores de ruido al
arreglo externo.
5) Realizar los experimentos.
*
**
*
*
*
*
b1
* *
*
*
*
* *
b0
Correlacin positiva
Correlacin negativa
X
correlacin
Y
*
X
Se trata de minimizar la suma de todos los errores o residuos:
Las frmulas resultado de la minimizacin de lo cuadrados del error
se aplicarn en el siguiente ejemplo por claridad. Se tienen los
siguientes supuestos:
Sin
(Homoscedasticidad)
en
caso
contrario
se
tiene
(Heteroscedasticidad)
3. Los errores o residuos son independientes: No se muestra algn
patrn definido.
El coeficiente de Correlacin r desarrollado por Carl Pearson es un
indicador de la fuerza de la relacin entre las variables X y Y, puede
asumir valores entre -1 y 1 para correlacin negativa y positiva
perfecta respectivamente. Por ejemplo si se encuentra que la variable
presin tiene una correlacin positiva con el rendimiento de una
caldera, se deben buscar soluciones al problema mediante acciones
asociadas con la variable presin; de lo contrario, sera necesario
buscar la solucin por otro lado.
Se identifican tres medidas de desviacin como sigue:
Desviacin
*
no
explicada
Error = (Yi - Yest)
= 1.32
Variacin
total
(Yimedia)=5.1
Desviacin
explicada
(Yest-Ymedia)
3.81
Ymedia =17.87
X = 16
correlacin y graficar.
(Xi-X)*(Yi-Y)
9.95
(Xi-X)^2
(Yi-Y)^2
Yest
Error
10.919
119.076672 38.9376
364.1533
9
0.9408
28.336 15.102
24.45
1.099872
0.0576
21.0021
2
2
37.044 28.029
11
31.75
7.499472
7.6176
7.3832
3
2
34.141
10
35.00
10.502272
3.0976
35.6075
6
0.7369
28.336 10.996
25.02
0.963072
0.0576
16.1026
2
9
16.725
16.86
51.612672
17.9776
148.1771
3
0.0181
10.919 11.972
14.38
91.433472
38.9376
214.7045
9
1
10.919
9.60
121.260672 38.9376
377.6337
9
1.7422
31.238 47.456
24.35
-3.558928
0.5776
21.9286
9
3
28.336
27.50
0.367872
0.0576
2.3495
2
0.6991
16.725
17.08
50.679872
17.9776
142.8694
3
0.1258
37.044
11
37.00
21.989472
7.6176
63.4763
3
0.0020
39.947
12
41.95
48.568672
14.1376
166.8541
0
4.0121
10.919
11.66
108.406272 38.9376
301.8142
9
0.5477
16.725 24.252
21.65
31.303072
17.9776
54.5057
3
3
16.725
17.89
47.245472
17.9776
124.1620
3
1.3564
63.168 34.005
20
1
69.00
10.30
470.014272 138.2976
135.625472 52.4176
1,597.3771 6
2
350.9178
8.0172 5.2111
34.141
10
34.93
10.379072
34.7770
6
0.6216
48.655
15
15
46.59
44.88
118.686672 45.6976
107.127072 45.6976
308.2553
251.1337
1
4.2646
48.655 14.251
3.0976
1
2
51.557
16
54.12
194.676672 60.2176
629.3676
8
6.5649
54.460
17
56.63
241.751472 76.7376
761.6054
5
4.7068
22.530
22.13
15.462272
5.0176
47.6486
7
0.1606
19.628
21.15
25.540272
10.4976
62.1385
206
725.82
2,027.7132
698.5600
6,105.9447
26
Sxy
Sxx
Syy = SST
SSE
Sxy
Sxx
Syy
2.3164
220.09
X
promedio
Y Promedio
= 698.56
Syy
= 6105.94
b1 1
b0 0
( Xi X )(Yi Y ) S
S
( Xi X )
XY
1 X i
n
= 2.902704421
XX
Y X = 5.114515575
r2 1
= 0.9639
SST
SST
SST