Académique Documents
Professionnel Documents
Culture Documents
I. Preguntas
1. Conteste las siguientes preguntas, de índole general, con respecto a los diseños
factoriales:
2. Suponga un diseño factorial 22 , cuyos factores y niveles son: temperatura (8, 20) y
velocidad (4, 7). La variable de respuesta es rendimiento. Conteste las siguientes
preguntas:
b) Anote los diferentes tratamientos que forman este diseño. Utilice diferentes tipos
de códigos.
8, 7 20, 7
4 8, 4 20, 4
0
4 8 12 16 20
d) Explique cómo piensa que fue el proceso para seleccionar esos factores y esos
niveles.
Los factores se eligen porque su comportamiento se considera clave en el proceso y
estos niveles son críticos.
Por otro lado, se dice que dos factores interactúan entre sí o que tienen un efecto de
interacción sobre la variable respuesta, cuando el efecto de un factor depende del
nivel en que se encuentra el otro.
f) Señale los diferentes efectos que se pueden estudiar con este diseño y la forma en
que se calcula cada uno.
En este ejercicio se pueden analizar los efectos principales que son la temperatura y
la velocidad y la interacción entre ambos.
Esto se logra con las siguientes ecuaciones:
𝑪𝑶𝑵𝑻𝑹𝑨𝑺𝑻𝑬 𝑨
𝑬𝑭𝑬𝑪𝑻𝑶 𝑨 =
𝒏𝟐𝒌−𝟏
g) Describa en qué consiste la aplicación de los tres principios básicos del diseño de
experimentos (capítulo 1), en este caso.
-Aleatorizar
“Aleatorizar todos los factores no controlados por el experimentador en el diseño
experimental y que pueden influir en los resultados serán asignados al azar a las
unidades experimentales”.
-Bloquear
“Se deben dividir las unidades experimentales en grupos llamados bloques de modo
que las observaciones realizadas en cada bloque se realicen bajo condiciones
experimentales lo más parecidas posibles.
A diferencia de lo que ocurre con los factores tratamiento, el experimentador no está
interesado en investigar las posibles diferencias de la respuesta entre los niveles de
los factores bloque”.
-La factorización del diseño.
“Un diseño factorial es una estrategia experimental que consiste en cruzar los niveles
de todos los factores tratamiento en todas las combinaciones posibles”.
II. Ejercicios
1. EJERCICIO
En una empresa de electrónica una máquina toma componentes que le
proporciona un alimentador, para montarlos o depositarlos en una tarjeta. Se ha
tenido el problema de que la máquina falla en sus intentos por tomar el
componente, lo cual causa paros de la máquina que detienen el proceso hasta que
el operador se da cuenta y reinicia el proceso. Para diagnosticar mejor la situación,
se decide correr un diseño de experimentos 24 con n = 2 réplicas, en el que se
tienen los siguientes factores y niveles (–, +), respectivamente: A) Velocidad de
cam (70%, 100%), B) Velocidad de mesa (media, alta), C) Orden o secuencia de
colocación (continua, variable), D) Alimentador (1, 2). Como el proceso es muy
rápido, es necesario dejarlo operar en cada condición experimental el tiempo
suficiente para reproducir el problema. Se consideró que esto se lograba con
suficiente confianza con 500 componentes; por ello, cada una de las corridas
experimentales consistió en colocar 500 componentes, y se midieron dos variables
de respuesta: Y1 = número de errores (o intentos fallidos), y Y2 = tiempo real (en
segundos) para tomar y “colocar” los 500 componentes. Es evidente que se quiere
minimizar ambas variables. Los datos obtenidos se muestran en la siguiente tabla.
a) Al observar los datos obtenidos se deduce que hay algunos tratamientos que
tienen pocos o ningún componente caídos, como por ejemplo el (–1, –1, +1, +1),
alguien muy “práctico” decidiría poner la máquina a operar bajo estas
condiciones, y olvidarse del análisis estadístico. De proceder así, explique qué
información se perdería.
Esta tabla muestra que el valor-P para el alimentador y el orden de colocación son
menores que el valor de significancia α= 0,05, por lo cual estos factores influyen
significativamente en la variable de respuesta de estudio que en este caso es el número de
errores en la máquina.
Esta afirmación la podemos comparar con diagrama de Pareto el cual ordena los factores de
menor a mayor magnitud en valor absoluto lo que indica que el factor alimentador y el factor
orden son los más significativos.
Optimizar Respuesta
Meta: minimizar NUMERO DE ERRORES
Valor óptimo = 37,0
Esta tabla muestra que el valor-P para el alimentador es menor que el valor de
significancia α= 0,05, por lo cual este factor influyen significativamente en la variable de
respuesta de estudio que en este caso es el tiempo real.
Esta afirmación la podemos comparar con diagrama de Pareto el cual ordena los factores de
menor a mayor magnitud en valor absoluto lo que indica que el factor alimentador es el más
significativo.
f) ¿Qué tratamiento minimiza Y2?
Optimizar Respuesta
Meta: minimizar TIEMPO REAL
Valor óptimo = 39,0
Debido a que Valor-P es mayor a α= 0,05 se acepta la hipótesis nula y asumimos que
se cumple el supuesto de normalidad
IGUALDAD DE VARIANZA
Debido a que Valor-P es mayor a α= 0,05 se acepta la hipótesis nula, por lo tanto, se
asume que los residuos por velocidad de cam. tienen igual varianza.
Debido a que Valor-P es mayor a α= 0,05 se acepta la hipótesis nula, por lo tanto, se
asume que los residuos por velocidad de mesa tienen igual varianza.
Debido a que Valor-P es mayor a α= 0,05 se acepta la hipótesis nula, por lo tanto, se
asume que los residuos por orden tienen igual varianza.
Debido a que Valor-P es mayor a α= 0,05 se acepta la hipótesis nula, por lo tanto, se
asume que los residuos para el alimentador tienen igual varianza.
INDEPENDECIA
Luego de realizar las tres pruebas de independencia se determinó que las tres pruebas
arrojaron un Valor-P mayor a α= 0,05 por lo tanto se acepta la hipótesis nula, y se
asume que los residuos son independientes entre sí.
2 EJERCICIO
En el área de SMT se busca reducir los defectos ocasionados por impresiones de
soldadura en pasta inadecuada. Se corre un diseño 24 con dos réplicas y dos puntos
centrales por réplica. Los factores son: altura de la mesa (A), velocidad de separación
(B), velocidad de impresión (C) y presión de las escobillas (D). La variable de
respuesta es la altura de la impresión de soldadura en pasta. El experimento se corrió
en planta, pero como el proceso es muy rápido (la impresión de una tarjeta tarda
menos de un minuto), entonces se recomienda obtener más de un producto en cada
condición experimental. Por ello se decidió que cada prueba experimental debería de
consistir en dejar que el proceso se estabilizara y a partir de ahí imprimir 10 tarjetas
de manera consecutiva, a cada tarjeta se le midió la altura. Con estos 10 datos se
calculó la media y la desviación estándar, para así analizar el efecto de los factores
sobre ambas. Una vez que se corre en orden aleatorio la primera réplica de todos los
tratamientos, se deja de experimentar y al día siguiente se hace de manera similar la
segunda réplica. Los datos se muestran a continuación:
i) Verifique residuos.
Respuesta:
Prueba de normalidad.
Debido a que Valor-P es mayor a α= 0,05 se acepta la hipótesis nula y asumimos que
se cumple el supuesto de normalidad
Igualdad de varianza
Ho: Los tratamientos tienen igual varianza
Ha: Los tratamientos no tienen igual varianza
Debido a que Valor-P es menor a α= 0,05 se rechaza la hipótesis nula, por lo tanto, se
asume que los residuos por altura de impresión no tienen igual varianza.
Debido a que Valor-P es mayor a α= 0,05 se acepta la hipótesis nula, por lo tanto, se
asume que los residuos por altura de la mesa tienen igual varianza.
Debido a que Valor-P es mayor a α= 0,05 se acepta la hipótesis nula, por lo tanto, se
asume que los residuos para la velocidad de separación tienen igual varianza.
Debido a que Valor-P es mayor a α= 0,05 se acepta la hipótesis nula, por lo tanto, se
asume que los residuos para la velocidad de impresión tienen igual varianza.
Debido a que Valor-P es menor a α= 0,05 no se acepta la hipótesis nula, por lo tanto, se
asume que los residuos para la presión de escobillas no tienen igual varianza.
Independencia
Luego de realizar las tres pruebas de independencia se determinó que las tres pruebas
arrojaron un Valor-P mayor a α= 0,05 por lo tanto se acepta la hipótesis nula, y se
asume que los residuos son independientes entre sí.