Académique Documents
Professionnel Documents
Culture Documents
EXPERIMENTOS
Universidad Politécnica de Paria “Luis Mariano Rivera”
P. N. F. ING. MECÁNICA
Calidad y productividad
DISEÑO DE EXPERIMENTOS
CONTENIDO
INTRODUCCIÓN
DEFINICIÓN
ANÁLISIS DE DATOS EXPERIMENTALES
EXPERIMENTOS COMPARATIVOS
DISEÑOS FACTORIALES
DIAGRAMAS CAUSA EFECTO
DIAGRAMA DE PARETO
Calidad y productividad: DISEÑO DE EXPERIMENTOS UNIDAD II
Propósito de la Obtener
Experimentación información
Calidad de la información
Eficiencia de una útil obtenida por unidad
investigación de costo
Calidad y productividad: DISEÑO DE EXPERIMENTOS UNIDAD II
Definición precisa
del problema y Interpretación
objetivos
Diseño Traducción en
experimental acción
Factores
Experimentales
Variables respuesta
Proceso
Calidad y productividad: DISEÑO DE EXPERIMENTOS UNIDAD II
1.ALEATORIZACIÓN
2.REPLICACIÓN
3.CONTROL LOCAL
Calidad y productividad: DISEÑO DE EXPERIMENTOS UNIDAD II
Ejecución
Facilita
Generalmente el experimentador:
• No conoce qué variables deben medirse.
• No conoce cuál es el rango en que las variables deben
medirse.
• No conoce qué serie de experimentos debe hacerse
Modelo
Matemático ( expresada)
10
Calidad y productividad: DISEÑO DE EXPERIMENTOS UNIDAD II
Experimentación
Modelos
11
Calidad y productividad: DISEÑO DE EXPERIMENTOS UNIDAD II
DISEÑO DE PARÁMETROS
Durante el diseño de parámetro, el diseño o proceso ingenieril busca optimizar el
diseño de sistema a través de la experimentación para minimizar la variación del
rendimiento, al enfrentarse al usuario incontrolable y a factores ambientales Por
ejemplo, una característica de calidad para un coche podría ser que siempre arranque
fácil y rápidamente, sin importar cuáles son las condiciones externas.
En el caso del automóvil los factores sobre los que no tiene control podrían ser la
temperatura exterior, los niveles de humedad, el rango de altitud en el cual el coche va
a ser operado durante su uso, etc. La compañía del automóvil no puede decirle a su
cliente que no debería operar su vehículo cuando la temperatura esta bajo cero o
arriba de cierto punto. Entonces el objetivo del ingeniero es hacer el auto resistente a
estos factores incontrolables, o como diría Taguchi, "robustidad contra ruido"
Calidad y productividad: DISEÑO DE EXPERIMENTOS UNIDAD II
DISEÑO DE PARÁMETROS
EXPERIMENTOS COMPARATIVOS
EXPERIMENTOS COMPARATIVOS
EXPERIMENTOS COMPARATIVOS
EXPERIMENTOS COMPARATIVOS
EXPERIMENTOS COMPARATIVOS
Pre-experimentos.
Investigación experimental
Cuasi-experimentos.
Experimentos puros.
EXPERIMENTOS COMPARATIVOS
EXPERIMENTOS COMPARATIVOS
Transseccionales.
Investigación no experimental
Longitudinales.
Descripción de tipos de investigación no experimental
1. Transaccional o Trasversal: es un no
experimento que analiza cuál es el nivel o estado
de una o varias variables en un momento dado del
tiempo. Recolectan datos en un solo momento, en
un tiempo único.
2. Longitudinal: es un no experimento que estudia
como evolucionan o cambian una o mas variables
o las relaciones entre ellas a través del tiempo.
Sub clasificación de los experimentos transecciona-es y
longitudinales
Investigación No Experimental
INTERACCIONES
EP(A)
Efecto Principal de B
EP(B)
EI(AB)
37
Calidad y productividad: DISEÑO DE EXPERIMENTOS UNIDAD II
Efecto Principal de B
EP(B)
40
Efecto Principal (A) Efecto Principal (B)
Rendimiento, %
Rendimiento, %
EP(A) EP(B)
Superficie de Respuesta
Rendimiento, %
Rendimiento, %
Rendimiento, %
Rendimiento y, %
Temperatura B
Catalizador A
42
Efecto Principal de A
Cálculo de los efectos
principales y los efectos
de la interacción en un
diseño factorial 23
EP(A) mostrado para los efectos
principales de A y B y la
interacción de los dos
Efecto Principal de B factores AB.
EP(B)
Efecto de la Interacción
EI C AB EI C AB
entre A y B EI AB
2
60 92 62 74 57 82 59 67
2 2 2 2
2
60 92 57 82 62 74 59 67
EI(AB) 4 4
7.25%
43
Los resultados numéricos obtenidos de todos los
efectos para el diseño factorial 23 son resumidos a
continuación:
EP( A) 9.25%
EP( B ) 19.25%
EP(C ) 5.75%
EI ( AB) 7.25%
EI ( AC ) 0.75%
EI ( BC ) 2.75%
EI ( ABC ) 0.75%
44
Calidad y productividad: DISEÑO DE EXPERIMENTOS UNIDAD II
PLANES 2n FRACCIONARIOS
Para un número n grande de factores experimentales, el número de corridas
experimentales que un 2n genera es de manera exponencial en un diseño factorial
completo. Simultáneamente, la proporción de las interacciones de órdenes altos
aumenta rápidamente. Por ejemplo, si n= 5, hay 5 efectos principales, 10
interacciones de dos factores, y 16 interacciones de orden más alto. Obviamente, si n
no es pequeña, hay un poco de redundancia en un diseño factorial completo, ya que
las interacciones de más alto orden no son magnitudes apreciables
Calidad y productividad: DISEÑO DE EXPERIMENTOS UNIDAD II
Temperatura B
Catalizador A
EP(C) EI(AB)
Confundidos
50
Diseño 23-1,, Generador: C=AB, resolución III
51
Calidad y productividad: DISEÑO DE EXPERIMENTOS UNIDAD II
DISEÑOS SATURADOS
Cuando se desea estudiar el efecto de 5 variables o más, sobre todo si las experiencias
son costosas o complicadas, es conveniente utilizar fracciones menores de los planes
factoriales 2n, que se denotan por 2n-q.
Es inevitable en este tipo de diseño que se confundan los coeficientes de las interacciones
unos con otros, para poder determinar en qué grado esto ocurre, es conveniente aclarar
el concepto de resolución.
Resolución III de 2n-q, es aquel diseño en que:
1. Ningún factor individual, por ejemplo A, se confunde con otro factor individual, tal
como B.
2. Por lo menos un factor individual se confunde con una interacción de 2 factores.
Ejemplo: donde I=ABC, el factor A se confunde con BC.
Calidad y productividad: DISEÑO DE EXPERIMENTOS UNIDAD II
4 8 16 32
III 23-1 25-2, 27-4 29-5 , 215-11 217-12 , 231-26
IV 24-1 26-2 , 28-4 27-2 , 216-11
V 25-1
VI 26-1
Diseño 22 23 24 25
Completo
54
Calidad y productividad: DISEÑO DE EXPERIMENTOS UNIDAD II
Diseño Base
Número de factores experimentales: 3
Número de bloques: 1
Número de respuestas: 1
Número de corridas: 11, incluyendo 3 puntos
centrales por bloque
Grados de libertad para el error: 4
Aleatorizar: Sí
Notas Importantes:
1. Si más de una muestra fue tomada de cada conjunto de condiciones experimentales,
ingrese el valor promedio de Y sobre las muestras dentro de la columna respuesta.
También podemos incorporar el logaritmo de la desviación estándar como una
respuesta si desea estudiar el efecto de los factores sobre la variabilidad dentro de
muestras. Las estadísticas dentro de grupos pueden calcularse por el procedimiento
Estadísticas por Filas, dependiendo de la estructura de los datos. No trate a las muestras
como replicas a menos que se reajuste el proceso entre cada muestra.
2. Si algún experimento no pudo ser desarrollado, deje el espacio correspondiente en
blanco. El programa reconocerá el desbalance del diseño y lo manejará.
Y = β0 + β1X1 + β2X2 + β3X3 + β4X4 +β5X5 + β12X1X2 + β13X1X3 + β14X1X4 +β15X1X5 + β23X2X3 +
β24X2X4+ β25X2X5 + β34X3X4 + β35X3X5 + β45X4X5 + ε
Calidad y productividad: DISEÑO DE EXPERIMENTOS UNIDAD II
Gráfico de Pareto
El rango del R-cuadrado va de 0% al 100% y mide que tan bien el modelo estimado explica
los datos observados de la respuesta..
• R-Cuadrado (ajustado por g.l.) – El R-cuadrado ajustado, ha sido calculado por el
número de grados de libertad sobre el modelo estimado. En algunas situaciones como la
actual donde es relativamente grande el número de coeficientes sobre el modelo
estimado para el número de corridas totales, el estadístico ordinario R-Cuadrado puede
exagerar la habilidad del modelo estimado para predecir la respuesta. La compensación
del R-Cuadrado ajustado por este efecto es
Matriz de Correlación
La matriz de correlación despliega las correlaciones estimadas entre los coeficientes
sobre la estimación del modelo de regresión:
Gráficos de Respuestas
Una lista de los gráficos disponibles sobre el procedimiento Analizar Datos contiene dos
selecciones etiquetadas como Gráficos de Respuestas que permiten predecir los valores de
la respuesta por gráficos de diversas maneras. Por defecto, la primera selección crea un
grafico de superficie de respuesta y la segunda un grafico de contornos. Sin embargo,
cada una es controlada por la misma caja de dialogo Opciones del Panel, la cual permite al
analista desplegar cualquiera de los cuatro tipos de gráficos:
1. Un grafico de Superficie.
2. Un grafico de Contornos.
3. Un grafico de Cuadro.
4. Un grafico de Cubo.
GRACIAS POR SU ATENCIÓN