Académique Documents
Professionnel Documents
Culture Documents
E
l diseo de experimentos es una tcnica estadstica que nos
ayuda a identificar qu factores o variables afectan El
comportamiento de un proceso productivo y de esta manera
poder mejorarlo.
Entradas Salida
Proceso
y
z1 z2 z3 z4 ... zq
Factores incontrolables
Figura 1. Modelo general de un proceso o sistema
Lo mtodos de diseo experimental tiene un propsito que puede ser
desarrollar un proceso consistente o robusto; esto es, un
proceso que no sea afectado por fuentes de variabilidad
externas o ruido.
E
l diseo de experimentos puede servir para mejorar el
rendimiento de un proceso de manufactura, desarrollo de
nuevos procesos con lo que se logra:
F2 F1
F11
F21
F22 F12
CARACTERISTICA
DE C ALIDAD
F41
F31
F32
F42
F4 F3
Experimento
Diseo de experimentos
E
s el proceso de planear, ejecutar y analizar el experimento de
manera que los datos apropiados sean recolectados, y que
estos tengan validez estadstica para obtener conclusiones
validas y tiles. Se entiende por validez estadstica, el que los
resultados se puedan repetir consistentemente sobre todo en la
operacin a gran escala o masiva.
Eficiencia de un experimento
Cuantitativa
Precisa.
Que tenga algn significado fsico.
P
ara 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:
6. Anlisis de datos.
7. Conclusiones y recomendaciones.
E
n muchas ocasiones l termino experimento se considera
asociado exclusivamente para cuestiones cientficas y tericas;
sin embargo tienen varias aplicaciones prcticas.
2.1 Introduccin
El anlisis de la varianza de un factor (ANOVA) es una metodologa
para analizar la variacin entre muestras y la variacin al interior de
las mismas mediante la determinacin de varianzas. Es llamado de
una va porque analiza un variable independiente o Factor ejemplo:
Velocidad. Como tal, es un mtodo estadstico til para comparar dos
o ms medias poblacionales. El ANOVA de un criterio nos permite
poner a prueba hiptesis tales como:
H 0 1 2 3 .... k
H 1 : Al menos dos medias poblaciona les son diferentes.
sb2
Fc 2
sw
F , ( k 1), k ( n 1))
k = nmero de muestras.
Por ejemplo:
2.2 Tipos de variacin y sumas de cuadrados
SCT ( Xij X )
i 1 j 1
SCT = 251.7
r
SCTR rj ( X j X ) 2
j 1
SCTR = 65.71
4. Grados de libertad
y ij
2.5 Grafica de residuos contra el valor ajustado de
S
i el modelo es correcto y las suposiciones se satisfacen, los
residuos no deben tener algn patrn, ni deben estar
relacionados con alguna variable, incluyendo la respuesta Y ij.
Una comprobacin sencilla consiste en graficar los residuos contra los
y ij
valores ajustados (debe recordarse que para el modelo en un
y ij - yi.
sentido , el promedio del tratamiento i-simo). En esta grafica no
debe revelarse ningn patrn obvio en la siguiente figura se grafican
los residuos contra los valores ajustados de los datos de la resistencia
a la tensin del ejemplo 2.3 Ningn patrn inusual es evidente.
Factor B
B1 B2
A1 20 30
Factor A
A2 40 52
40 52 20 30
A 21
2 2
30 52 20 40
B 11
2 2
Si los factores tienen ms de dos niveles, el procedimiento anterior
debe ser modificado ya que las diferencias entre las respuestas
promedio pueden expresarse de muchas formas.
Factor B
B1 B2
A1 20 40
Factor A
A2 50 12
60
B2
50
B1
40
30 B2
20
B1
10
A1 A2
Factor A
Figura 1 Un experimento factorial sin interacciones
En este caso se ve que las rectas B1 y B2 no son paralelas. Esto
muestra que existe una interaccin entre A y B. Sin embargo, no debe
ser la nica tcnica para analizar los datos, porque su interpretacin
es subjetiva y su apariencia, a menudo, es engaosa.
60 B1
50
B2
40
30
20
B1
10 B2
A1 A2
Factor A
Figura 2 Un experimento factorial con interacciones
50 12 20 40
A 1
2 2
L
as ventajas de los diseos factoriales pueden ilustrarse
fcilmente. Supongamos que se tienen dos factores, A y B, cada
uno con dos niveles. Estos niveles se representan mediante A 1,
A2, B1 y B1. La informacin acerca de ambos factores puede obtenerse
variando un factor a la vez como aparece en la tabla 3. El efecto de
variar el factor A est dada por A 2B1 -A1B2. A causa de que existe error
experimental, es conveniente realizar, por ejemplo, dos
observaciones de cada combinacin de tratamientos y hacer una
estimacin de los efectos de los factores usando las respuestas
promedio. Por lo tanto, se requiere un total de seis observaciones.
Factor B
B1 B2
Tabla 3 El mtodo de un factor a la vez
A1 A1B1 A1B2
Factor A
A2 A2B1 12
Los diseos factoriales poseen algunas ventajas.
E
l primer diseo de la serie 2 2 es aquel en el que solo dos
factores, A y B, cada uno con dos niveles. Este diseo se
conoce como diseo factorial 22. Arbitrariamente, los niveles
del factor pueden llamarse bajo y alto.