Académique Documents
Professionnel Documents
Culture Documents
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
4. OBJETIVOS
5. JUSTIFICACIN
6. MARCO TERICO
6.1. DISEO EXPERIMENTAL
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)
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).
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.
4. Refinar el modelo
5. Analizar los residuales
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.
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
Al restar stas del total, la suma de cuadrados del error resulta ser
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)