1.

TEMA
Aplicacin de un diseo experimental para determinar la mejora calidad de
acabado de pintura de autos en la empresa Auto Pinturas Nelson Ponce.

2. INTRODUCCIN
El diseo experimental se puede definir como un conjunto de mtodos que se
utiliza para manipular procesos con el fin de obtener informacin de cmo
mejorarlo.
Para que se lleve a cabo se debe planear un conjunto de pruebas
experimentales donde los datos puedan ser analizados estadsticamente y as
obtener conclusiones objetivas.
El diseo de experimentos ha resultado ser una herramienta de gran ayuda
para el progreso de la industria, ya que contribuye a conocer los procesos de
una manera ms profunda, lo cual permite hacer mejoras de calidad y bajar los
costos de produccin.
El presente trabajo contiene un estudio de la aplicacin del diseo y anlisis
de

3. PLANTEAMIENTO DEL PROBLEMA

La enderezada de automviles es una actividad arraigada en nuestra sociedad

y que no precisa de mucha publicidad para dar a conocer este servicio bsico
que se presta en cualquier taller.

4. OBJETIVOS

4.1. Objetivo General

Determinar un diseo experimental para la mejora de la calidad de
acabado de pintura de autos en la empresa Auto Pinturas Nelson Ponce

4.2. Objetivos Especficos

Definir qu factores ejerce mayor influencia en la calidad de acabado del
proceso de pintura de autos.
Examinar los factores que pueden tener cierto efecto sobre la variable de
respuesta para as hallar el mejor experimento.
 Seleccionar un diseo experimental factorial para realizar un anlisis
estadstico acerca de las variables en estudio.
Analizar los resultados para determinar una decisin.

5. JUSTIFICACIN

En la escuela superior politcnica de Chimborazo en la facultad de mecnica;

escuela de ingeniera industrial se dicta la ctedra de diseo experimental la cual
es primordial para el desarrollo de dicha especialidad; bajo esta premisa y
pensando en la manera de poner en prctica los conocimientos adquiridos en el
aula; esta asignatura propone se realice un proyecto de mejoramiento en la
calidad de acabado de pintado de una empresa el cual tiene como objeto
primordial proponer el mejor mtodo de anlisis de sus acabados los cuales
ofrecen a sus clientes.

Para lo cual se realizara en la empresa Auto Pinturas Nelson Ponce

La empresa Auto Pinturas Nelson Ponce est ubicada en la provincia de

Chimborazo, cuidad de Riobamba; en el cual se ha visto la necesidad de hacer un
diseo experimental en el proceso de la calidad de acabado de pintado de autos,
tomando en cuenta los factores que originan el problema como son el tipo de
pintura, tipo de lijado y desempeo de trabajador.

El trabajo que se va a efectuar se lo realiza para poder identificar el mejor mtodo

de pintura para automviles, con un acabado de primera, satisfaciendo a los
clientes del taller de pintura Ponce. Para ello se aplicar diseos experimentales
que nos dar resultados favorables para escoger el mtodo idneo.

6. MARCO TERICO
6.1. DISEO EXPERIMENTAL

El diseo de experimentos permite analizar datos mediante modelos estadsticos

para observar la interaccin entre las variables independientes y como afectan a
las variables dependientes. Este mtodo est basado en la experimentacin, al
momento de realizar estos experimentos se debe obtener replicas y aleatoriza los
datos. Mediante las rplicas se obtiene una estimacin del error experimental por
lo que entre mayor sea el nmero de rplicas, menor ser el error experimental,
siempre y cuando los experimentos se den en las mismas condiciones. (R, 2011)

La aleatorizacin durante la realizacin del experimento es esencial para evitar la

dependencia entre las muestras y asegurar que los resultados sean realmente
causados por las variables dependientes y no por el experimentador. (R, 2011)

Para comenzar el experimento se debe identificar las variables independientes y la

variable dependiente, las variables independientes (X) son las que pueden generar
variabilidad en la respuesta. Las variables dependientes (Y) es aquella que podr
ser afectada por las variables dependientes. Existen tambin variables de ruido
estas pueden afectar a la variable dependiente pero que no pueden ser
controladas por el experimentador. (Humberto Gutirrez Pulido R. d., 2008)

El experimento factorial permite observar el efecto que tiene cada variable

independiente sobre la variable dependiente, as como el efecto que tienen las
interacciones entre estas variables, se debe definir los factores y niveles del
experimentador, un factor es cualquier influencia que pueden afectar a la variable
de respuesta y que sea controlada por el experimentador, los niveles son las
categoras o intensidades que tiene cada factor previamente establecido.
(Humberto Gutirrez Pulido R. d., 2008)

6.1.1. PLANEACIN Y REALIZACIN

1. Entender y delimitar el problema u objeto de estudio. En la etapa de
planeacin se deben hacer investigaciones preliminares que conduzcan a
entender y delimitar el problema u objeto de estudio, de tal forma que
quede claro qu se va a estudiar, por qu es importante y, si es un
problema, cules la magnitud del mismo. (Humberto Gutirrez Pulido H.
G., 2008)
2. Elegir la(s) variable(s) de respuesta que ser medida en cada punto
del diseo y verificar que se mide de manera confiable. La eleccin de
 esta(s) variable(es) es vital, ya que en ella se refleja el resultado de las
pruebas. Por ello, se deben elegir aquellas que mejor reflejen el problema
o que caractericen al objeto de estudio. Adems, se debe tener confianza
en que las mediciones que se obtengan sobre esas variables sean
confiables. En otras palabras, se debe garantizar que los instrumentos y/o
mtodos de medicin son capaces de repetir y reproducir una medicin,
que tienen la precisin (error) y exactitud (calibracin) necesaria.
Recordemos que los sistemas de medicin son la forma en la que
percibimos la realidad, por lo que si stos son deficientes, las decisiones
que se tomen con base en ellos pueden ser inadecuadas. (Humberto
Gutirrez Pulido H. G., 2008)
3. Determinar cules factores deben estudiarse o investigarse, de
acuerdo a la supuesta influencia que tienen sobre la respuesta. No se
trata de que el experimentador tenga que saber a priori cules factores
influyen, puesto que precisamente para eso es el experimento, pero s de
que utilice toda la informacin disponible para incluir aquellos que se
considera que tienen un mayor efecto. (Humberto Gutirrez Pulido H. G.,
2008)
4. Seleccionar los niveles de cada factor, as como el diseo
experimental adecuado a los factores que se tienen y al objetivo del
experimento. Este paso tambin implica determinar cuntas repeticiones
se harn para cada tratamiento, tomando en cuenta el tiempo, el costo y la
precisin deseada. (Humberto Gutirrez Pulido H. G., 2008)
5. Planear y organizar el trabajo experimental. Con base en el diseo
seleccionado, organizar y planear con detalle el trabajo experimental, por
ejemplo, las personas que van a intervenir, la forma operativa en que se
harn las cosas, etc.
6. Realizar el experimento. Seguir al pie de la letra el plan previsto en la
etapa anterior, y en caso de algn imprevisto, determinar a qu persona se
le reportara y lo que se hara.
6.1.3. PASOS A SEGUIR EN EL DISEO DE EXPERIMENTOS
1. Estimar los efectos de los factores.
2. Formar el modelo lineal.
3. Realizar las pruebas estadsticas.
 4. Refinar el modelo.
5. Analizar los residuales.
6. Interpretar los resultados.

La herramienta de ANOVA es decir el anlisis de la varianza, para el cual lo

primero que se debe de realizar es la verificacin de datos obtenidos tengan un
comportamiento normal. Dicha herramienta es til para saber cules variables son
significativas en el experimento y cules no. (R, 2011)

6.1.4. ANLISIS

En esta etapa no se debe perder de vista que los resultados experimentales son
observaciones mustrales, no poblacionales. Por ello, se debe recurrir a mtodos
estadsticos inferenciales para ver si las diferencias o efectos muestrales
(experimentales) son lo suficientemente grandes para que garanticen diferencias
poblacionales (o a nivel proceso). La tcnica estadstica central en el anlisis de
los experimentos es el llamado anlisis de varianza ANOVA (acrnimo en ingls).
(Humberto Gutirrez Pulido H. G., 2008)

6.1.5. INTERPRETACIN

Aqu, con el respaldo del anlisis estadstico formal, se debe analizar con detalle lo
que ha pasado en el experimento, desde contrastar las conjeturas iniciales con los
resultados del experimento, hasta observar los nuevos aprendizajes que sobre el
proceso se lograron, verificar supuestos y elegir el tratamiento ganador, siempre
con apoyo de las pruebas estadsticas. (Humberto Gutirrez Pulido H. G., 2008)

6.1.6. CONTROL Y CONCLUSIONES FINALES

Para concluir el estudio experimental se recomienda decidir qu medidas

implementar para generalizar el resultado del estudio y para garantizar que las
mejoras se mantengan. Adems, es preciso organizar una presentacin para
difundir los logros. (Humberto Gutirrez Pulido R. d., 2008)

6.2. DISEOS FACTORIALES CON CUATRO FACTORES

Todo el experimento que se redacta a continuacin fue realizado en el software
Minitab en su versin 17. Minitab Statistical Software, segn el grupo Gaiabit
fue desarrollado originalmente en 1972 por tres profesores de estadstica de
la Universidad Penn State, lo que buscaban era incorporar el uso de
computadoras en la enseanza de los cursos universitarios de estadstica,
pues los estudiantes seguan utilizando calculadoras para clculos
estadsticos extenuantes. Minitab ha ido evolucionado debido a la demanda de
los clientes y del mercado, se ha adicionado con muchas caractersticas y
herramientas de calidad nuevas, lo que se ha buscado es desarrollar un
producto fcil de usar. Entre stas herramientas que se tienen y la que se utilizar
para ste experimento es DOE (Diseo de Experimentos) en su rama de
Experimento factorial completo.

El diseo factorial 2k es muy til cuando se tienen hasta tres factores, pero que
ocurre cuando se tienen ms de tres factores a considerar. Para dichos
anlisis utilizamos una variacin del diseo factorial 2k conocido como diseo
factorial fraccional o fraccionado; esto es debido a que el nmero de
posibles combinaciones de los factores en alto y bajo sobrepasan a los
experimentadores, es decir, los resultados de la las pruebas de efecto
principal asociadas a los resultados de interaccin de los factores son
demasiados en una rplica del experimento y es por eso que deben
fraccionarse (Montgomery, 2001, p.326).

La herramienta de ANOVA, es decir el anlisis de la varianza, para el cual lo

primero que se debe de realizar es verificar que los datos obtenidos se
comporten como normales, es decir que la variable respuesta se comporte normal,
dicha herramienta es til para saber cules variables son significativas
en el experimento y cules no.

Esta prueba se realiza bajo el supuesto de que los datos estn distribuidos
normalmente. Si p-value es menor a 0.05 con un nivel de confianza del
95%, entonces los datos son significativos. Si algn factor no es significativo
segn ste anlisis, la mejor opcin es quitarlo y volver a analizar la
significancia del modelo.

Para comenzar el experimento se debe identificar las variables

independientes y la variable dependiente. Las variables independientes (X)
son las que puedan generar variabilidad en la respuesta. La variable
dependiente (Y) es aquella que podr ser afectada por las variables
independientes identificadas. Existen tambin variables de ruido que son
aquellas que puedan afectar a la variable dependiente pero que no pueden
ser controladas por el experimentador.

El experimento factorial permite observar el efecto que tiene cada variable

independiente sobre la variable dependiente, as como el efecto que tienen las
interacciones entre estas variables. Se deben definir los factores y niveles del
experimento. Un factor es cualquier influencia que pueda afectar a la variable de
respuesta y que sea controlada por el experimentador. Los niveles son las
categoras o intensidades que tiene cada factor previamente establecido.

En un diseo factorial es necesario al menos dos rplicas para poder

analizar las observaciones de los efectos principales y las interacciones, de
esta forma se pueden probar las hiptesis que se formularon previamente.
Para poder resolver problemas de este tipo utilizamos el modelo de anlisis
de varianza (ANOVA). Un caso especial y de gran valor dentro de los diseos
factoriales es el diseo factorial 2k en donde puede haber n factores pero cada
uno de ellos y solo cuenta con 2 niveles (para fines prcticos se pueden
nombrar dichos niveles como alto y bajo). Los pasos a seguir para el
anlisis de un diseo factorial 2kson:

1. Estimar los efectos de los factores

2. Formar el modelo inicial

3. Realizar las pruebas estadsticas

4. Refinar el modelo
5. Analizar los residuales

6. Interpretar los resultados (Montgomery, 2001, p.242)

6.2.1. PRUEBA DE HIPOTESIS

En la prctica con frecuencia tenemos que tomas decisiones relativas a una

poblacin sobre la base de la informacin proveniente de la muestra. Para ello es
til plantear hiptesis estadsticas sobre la poblacin implicada y estas pueden ser
o no ser ciertas.

Estadsticamente una prueba de hiptesis es cualquier afirmacin acerca de una

poblacin y/o sus parmetros. (Humberto Gutirrez Pulido R. d., 2008)

La prueba de hiptesis parte de la existencia de un problema concreto en el que

intervienen uno o varias variables aleatorias. En busca de una solucin al
problema se plantea una hiptesis estadstica y se observa una muestra al azar o
se realizan varios experimentos aleatorios; en esta forma se obtiene la informacin
necesaria acerca de la variable o variables consideradas. Enfrentamos luego
dichos resultados con la hiptesis o supuesto formulado, pudiendo suceder dos
cosas:

Que ambos, hiptesis y resultados experimentales o empricos resulten

incompatibles o inconsistentes.
Que sean compatibles.

En el primer caso rechazamos la hiptesis y en el segundo no la rechazamos. As

el procedimiento consiste en determinar con base en la informacin dada por la
muestra, un criterio de decisin que nos permite decidir si se rechaza o no la
hiptesis que hemos formulado o nos han propuesto. Por tanto, todo
procedimiento que conduzca al rechazo o no rechazo de una hiptesis estadstica
como resultado de la confrontacin de dicha hiptesis y de los resultados
experimentales o mustrales ser por lo tanto una prueba de hiptesis (Humberto
Gutirrez Pulido R. d., 2008)

Una hiptesis estadstica se denota por H y son dos:

Ho: hiptesis nula
 H1: hiptesis alternativa

6.2.2. PASOS PARA REALIZAR LA PRUEBA DE HIPOTESIS

Plantear las hiptesis

Establecer el nivel de significacin
Aplicar el estadstico de prueba, previo comprobacin de supuestos
como la distribucin de la poblacin, igualdad de varianzas, etc.
Establecer regla de decisin
Sacar la conclusin

6.2.3. HIPTESIS DE INTERS

El estudio factorial de tres factores (A, B y C) permite investigar los efectos: A, B,

C, AB, AC, BC y ABC, donde el nivel de desglose o detalle con el que pueden
estudiarse depende del nmero de niveles utilizado en cada factor. Por ejemplo, si
un factor se prueba en dos niveles, todo su efecto marginal (individual) es lineal, o
sea que su efecto individual no se puede descomponer; pero, si tuviera tres
niveles su efecto marginal se puede descomponer en una parte lineal y otra
cuadrtica pura. (Humberto Gutirrez Pulido R. d., 2008)

En resumen, se tienen siete efectos de inters sin considerar desglose, y con ellos
se pueden plantear las siete hiptesis nulas H0: Efecto A = 0, H0: Efecto B = 0,,
H0: Efecto ABC = 0, cada una aparejada con su correspondiente hiptesis
alternativa.

El ANOVA para probar estas hiptesis se muestra en la tabla

Al efecto cuyo valor-p sea menor al valor especificado para alfa, se declara
estadsticamente significativo o se dice que est activo. Las sumas de cuadrados
son muy similares a las obtenidas para dos factores habr que considerar un
subndice adicional para el tercer factor. (Humberto Gutirrez Pulido H. G., 2008)
6.2 .4. MODELO ESTADISTICO
La familia de diseos factoriales 2k consiste en k factores, todos con dos niveles
de prueba (los factoriales 2k se estudian con detalle en el captulo 6); y la familia
de diseos factoriales 3k consiste en k factores cada uno con tres niveles de
prueba. Es claro que si los k factores no tienen la misma cantidad de niveles, debe
escribirse el producto de manera explcita; por ejemplo, con k = 3 factores, el
primero con cuatro niveles y los dos restantes con dos niveles, se tiene el diseo
factorial 4 2 2 o 4 22.
Y i , j ,k ,l =+ i+ j + k + ij + ik + jk + ijk + ..+ ijkl

Dnde:
Y i , j ,k ,l = Variable de respuesta

= Media global

i= Efecto principal del factor A.

j= Efecto principal del factor B

k = Efecto principal del factor C

ij = Efecto secundario de A*B

ik = Efecto secundario de A*C

jk = Efecto secundario de B*C

ijK = Efecto triple de A*B*C

ijkl =Efecto de error aleatorio

Se estudian tres factores con dos niveles cada uno.

a b c n 2
Y
SCT = y .
2
jkl
i=1 j=1 k=1 l=1 N
Donde N = abcn es el total de observaciones en el experimento. Las sumas de
cuadrados de efectos son:

Al restar stas del total, la suma de cuadrados del error resulta ser

Tabla ANOVA para el diseo factorial a b c. En el ejemplo 5.3 es 3 2 2.

Una vez hecho el ANOVA, se procede a interpretar los efectos activos, y luego (aunque no
necesariamente despus) a diagnosticar la calidad del modelo.
El anlisis de varianza, de aqu se concluye que no influyen los efectos ABC, AC ni A,
dado que su valor-p es mayor que a = 0.05. Por otra parte, se encuentran activos los
efectos B, C, AB y en menor medida BC. stos son los cuatro efectos que se deben
interpretar. Los efectos que no influyeron se pueden eliminar mandndolos al trmino
error. El ANOVA simplificado, pero con el efecto A. Note que el CME en ambos ANOVA es
prcticamente igual. En general se recomienda interpretar slo los efectos significativos.
(Humberto Gutirrez Pulido H. G., 2008)