Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Curso Taller Minitab Basico
Curso Taller Minitab Basico
Sample
S
a
m
p
l
e
M
e
a
n
24 22 20 18 16 14 12 10 8 6 4 2
5.0
2.5
0.0
-2.5
-5.0
__
X=0.44
UCL=4.70
LCL=-3.82
Sample
S
a
m
p
l
e
R
a
n
g
e
24 22 20 18 16 14 12 10 8 6 4 2
16
12
8
4
0
_
R=7.38
UCL=15.61
LCL=0
Xbar-R Chart of AtoBDist
Sample
C
u
m
u
l
a
t
i
v
e
S
u
m
24 22 20 18 16 14 12 10 8 6 4 2
10.0
7.5
5.0
2.5
0.0
-2.5
-5.0
0
UCL=5.68
LCL=-5.68
CUSUM Chart of AtoBDist
Pgina 69
TALLER DE APLICACIN DE MINITAB
Dagoberto Salgado Horta
Test Results for CUSUM Chart of AtoBDist
TEST. One point beyond control limits.
Test Failed at points: 4, 5, 6, 7, 8, 9, 10
Carta de Sumas acumuladas con Mascara en V
La carta de control CuSum se obtiene graficando los valores de Sm o Sm como funcin de m.
Si el proceso se corre gradualmente hacia arriba o hacia abajo, ser indicado en la carta.
Su sensibilidad est determinada por los parmetros k y h.
Una forma de identificar si el proceso sale de control es con una mascara en V cuyo origen
se coloca en el ltimo punto de suma acumulada determinado y observando que ninguno de
los puntos anteriores se salga, de otra forma tomar accin
Stat > Control Charts > Time Weighted Charts > Cusum
Seleccionar All observations for a chart are in one column, seleccionar AtoBDist
En Subgroup sizes, poner 5 . Target 0.0
en Cusum Options: Seleccionar two sided V mask Center on subgroup 6 o 8
OK
Indica situacin fuera
de control en el punto
de medicin actual
Carta EWMA de promedios mviles ponderados exponencialmente
Monitorea un proceso promediando los datos de tal forma que les da cada vez menos
peso conforme son removidos en el tiempo. Tiene sensibilidad simlar a la de la Cusum
Sample
C
u
m
u
l
a
t
i
v
e
S
u
m
24 22 20 18 16 14 12 10 8 6 4 2
25
20
15
10
5
0 Target=0
Vmask Chart of AtoBDist
Sample
C
u
m
u
l
a
t
i
v
e
S
u
m
24 22 20 18 16 14 12 10 8 6 4 2
40
30
20
10
0
-10
Target=0
Vmask Chart of AtoBDist
Sample
C
u
m
u
l
a
t
i
v
e
S
u
m
24 22 20 18 16 14 12 10 8 6 4 2
25
20
15
10
5
0 Target=0
Vmask Chart of AtoBDist
Pgina 70
TALLER DE APLICACIN DE MINITAB
Dagoberto Salgado Horta
Es ms sensible que la carta X al movimiento de separacin gradual de la media del proceso.
Stat > Control Charts > Time Weighted Charts > EWMA
Seleccionar All observations for a chart are in one column, seleccionar AtoBDist
En Subgroup sizes, poner 5 . Weight of EWMA 0.2
OK
Puntos fuera de control
Test Results for EWMA Chart of AtoBDist
TEST. One point beyond control limits.
Test Failed at points: 5, 6
Carta de promedios mviles
Tiene una sensibilidad intermedia entre las cartas X-R y la Cusum y EWMA
Stat > Control Charts > Time Weighted Charts > Moving average
Seleccionar All observations for a chart are in one column, seleccionar AtoBDist
En Subgroup sizes, poner 5 . Lenght of MA 3
OK
Sample
E
W
M
A
24 22 20 18 16 14 12 10 8 6 4 2
2.0
1.5
1.0
0.5
0.0
-0.5
-1.0
_
_
X=0.442
UCL=1.861
LCL=-0.978
EWMA Chart of AtoBDist
Sample
M
o
v
i
n
g
A
v
e
r
a
g
e
24 22 20 18 16 14 12 10 8 6 4 2
5
4
3
2
1
0
-1
-2
-3
-4
_
_
X=0.442
UCL=2.900
LCL=-2.017
Moving Average Chart of AtoBDist
Pgina 71
TALLER DE APLICACIN DE MINITAB
Dagoberto Salgado Horta
TEST. One point beyond control limits.
Test Failed at points: 5, 6 Fuera de control el punto 6
5.8 Muestreo por atributos
Para la teora ver el documento Muestreo de Aceptacin.Doc anexo
Clculo de la probabilidad de aceptacin -Curva caracterstica de operacin (OC)
La probabilidad deaceptar lotes con una cierta fraccin defectiva p
en base a un tamao de muestra n utilizando la distribucin Binomial es:
Excel =distr.binom(x, n, p, 1) con x=Defectuosos aceptados,
n -muestra, p -fraccin defectiva
Minitab Calc > Probability distributions > Binomial
seleccionar Cumulative Probability
Poner en Trials n Prob. Success p
En Input constant x (para cada una de las p's)
p Pa = |
0,005 0,98969
0,010 0,93969
0,020 0,73658
0,030 0,49848
0,040 0,30416
0,050 0,17208
0,060 0,09187
0,070 0,04682
0,080 0,02296
0,090 0,01089
0,100 0,00501
0,110 0,00225
0,120 0,00098 Fraccin def. en lote - p
Por ejemplo si el lote tiene un 2% de defectivo y se toman muestras de
n = 89, aceptando hasta con c = x = 2 defectivos, se aceptan 74 lotes
de cada 100 lotes que enve el proveedor con esta fraccin defectiva
Clculo del nivel de calidad promedio de salida (AOQ) en inspeccin rectificadora
La inspeccin rectificadora se refiere a que los lotes que son
rechazados al aplicar el plan de muestreo se reingresan al cliente
una vez que se seleccionan al 100%, reduciendo la fraccin def. total.
La fraccin defectiva que se ingresa al almancn AOQ una vez que
se aplica el plan de muestreo n = 89, c = 2 es:
Pa
Curva OC con
n = 89, c = 2
Pgina 72
TALLER DE APLICACIN DE MINITAB
Dagoberto Salgado Horta
p Pa AOQ = Pa . P
0,005 0,98969 0,00495
0,01 0,93969 0,00940
0,02 0,73658 0,01473
0,03 0,49848 0,01495
0,04 0,30416 0,01217
0,05 0,17208 0,00860
0,06 0,09187 0,00551
0,07 0,04682 0,00328
0,08 0,02296 0,00184
Por ejemplo si el lote tiene un 2% de defectivo y se toman muestras de
n = 89, aceptando hasta con c = x = 2 defectivos aceptables
Lo anterior est plasmado en tablas de muestreo de aceptacin por
atributos indicadas en el artculo de Muestreo de Aceptacin.Doc
5.9 Aplicaciones
Realizar los ejercicios del Mdulo 5 incluidos en el archivo CursoTallerMinitabEjercicios
AOQ
p
0.03
AOQL = 1.55%
Pgina 73
TALLER DE APLICACIN DE MINITAB
Dagoberto Salgado Horta
MDULO 6. DISEO DE EXPERIMENTOS
6.1 Cartas Multivari
Las cartas Multivari permiten observar en una sola carta el
comportamiento de varias fuentes de variacin. Para la teora se
anexa un archivo Cartas Multivari.doc.
Carta Multivari con tres fuentes de variacin
Ejemplo: Una empresa produce ejes para rotores elctricos con
dimetros de 0.250 0.001 mm, sin embargo el Cp es de 0.8
lo que significa que el proceso tiene una variabilidad excesiva.
La variabilidad considerada al tomar los datos se estima que proviene
de las siguientes fuentes:
** Diferencia de dimetros en los extremos del eje izquierdo y derecho.
** Diferencia de dimetro mximo y mnimo en una misma posicin
que implica falta de redondez
** Variacin de una pieza a otra producidas en forma consecutiva
** Variacin a lo largo del tiempo (largo plazo)
Las cartas Multivari nos permiten visualizar estas fuentes de variacin:
Los datos del archivo ROTOR.MTW anexos indican lo siguiente:
Hora: Hora de toma de muestra
Eje : Nmero de eje
Posicin: indica si se trata de dimetro mnimo o mximo medido
Diametro: Valor del dimetro
Stat > Quality tools > Multi Vari Chart
Response Diametro
Factor 1 Posicin Factor 2 Eje Factor 3 Hora
OK
Eje
D
i
a
m
e
t
r
o
3 2 1
2.510
2.505
2.500
2.495
2.490
3 2 1
3 2 1
3 2 1
3 2 1
08:00 09:00 10:00 11:00 12:00 Posicion
Max Der
Max Izq
Min Der
Min Izq
Multi-Vari Chart for Diametro by Posicion - Hora
Panel variable: Hora
Pgina 74
TALLER DE APLICACIN DE MINITAB
Dagoberto Salgado Horta
Como se puede observar las variabilidades en orden de importancia son:
*** Por el paso del tiempo ** Falta de redondez * Entre partes
Se pueden eliminar las lneas de conexin con Options y eliminando la marca
en Connect Means for Factor 1
El aspecto de la carta Multivari depende del orden en que se ingresen los factores
El tercer factor va en el eje horizontal por tanto aqu es donde conviene introducir el tiempo
El ltimo factor introducido es el que divide a la carta en dos partes.
Carta Multivari con cuatro fuentes de variacin
Se puede descomponer en dos columnas la columna "Posicin", creando las columnas
"Redondez" donde se indica si el dimetro medido es mximo o mnimo, y la columna
"Inclinacin" donde se indica si corresponde a la izquierda o a la derecha.
Para crear la columna "Inclinacin" se tiene:
Calc > Make Patterned Data > Text Values
Store Patterned Data in Inclinacin
Test Values Izq Der
List each value 2
List the whole sequence 15
Para crear la columna "Redondez" se tiene:
Calc > Make Patterned Data > Text Values
Store Patterned Data in Redondez
Test Values Min Max
List each value 1
List the whole sequence 30
y se corre de nuevo la carta Multivari
Stat > Quality tools > Multi Vari Chart
Response Diametro
Factor 1 Eje Factor 2 Redondez Factor 3 Hora Factor 4 Inclinacin
Eje
D
i
a
m
e
t
r
o
3 2 1
2.510
2.505
2.500
2.495
2.490
3 2 1
3 2 1
3 2 1
3 2 1
08:00 09:00 10:00 11:00 12:00 Posicion
Max Der
Max Izq
Min Der
Min Izq
Multi-Vari Chart for Diametro by Posicion - Hora
Panel variable: Hora
Pgina 75
TALLER DE APLICACIN DE MINITAB
Dagoberto Salgado Horta
OK
6.2 Diseo de experimentos factoriales completos de ms de dos niveles
Ver el archivo Diseo de experimentos.doc para la teora.
Se estudia el rendimiento de un proceso qumico (Y), donde se piensa que los factores
que mayor influencia tienen son la temperatura y la presin (X1, X2).
Se disea un experimento factorial completo con dos rplicas y tomando tres niveles
en cada factor como se muestra en la tabla de rendimientos.
Hacer los anlisis de la significancia de cada factor a un 5% de significancia.
PRESION (psig)
200 215 230
TEMP. 90,4 90,7 90,2
150 90,2 90,6 90,4
90,1 90,5 89,9
160 90,3 90,6 90,1
90,5 90,8 90,4
170 90,7 90,9 90,1
PASO 1. GENERAR EL DISEO FACTORIAL DE ACUERDO AL EXPERIMENTO
Redondez
D
i
a
m
e
t
r
o
Min Max Min Max
2.510
2.505
2.500
2.495
2.490
Min Max
2.510
2.505
2.500
2.495
2.490
Min Max Min Max
Der, 08:00 Der, 09:00 Der, 10:00 Der, 11:00 Der, 12:00
Izq, 08:00 Izq, 09:00 Izq, 10:00 Izq, 11:00 Izq, 12:00
Eje
1
2
3
Multi-Vari Chart for Diametro by Eje - Inclinacion
Panel variables: Inclinacion, Hora
Stat > DOE > Factorial > Create Factorial Design
Type of Design: General Full Factorial
Designs: Number of levels 3, 3
Number of Replicates 2
Options Non randomize runs OK
Factors Introducir el nombre real de los factores (TEMP. PRESIN)
y los niveles reales(200 215 230 150 160 170)
Pgina 76
TALLER DE APLICACIN DE MINITAB
Dagoberto Salgado Horta
NOTA: Si se introducen los nombres y valores reales de los factores
en lugar de 1, 2 y 3 aparecen en la tabla los niveles reales.
PASO 2. CARGA DE DATOS DE LA COLUMNA DE RESPUESTA CORRESPONDIENTE A CADA
COMBINACION DE FACTORES DESPUS QUE MINITAB GENERO EL DISEO O ARREGLO
StdOrder RunOrder PtType Blocks TEMP PRESION
1 1 1 1 150 200
2 2 1 1 150 215
3 3 1 1 150 230
4 4 1 1 160 200
5 5 1 1 160 215
6 6 1 1 160 230
7 7 1 1 170 200
8 8 1 1 170 215
9 9 1 1 170 230
10 10 1 1 150 200
11 11 1 1 150 215
12 12 1 1 150 230
13 13 1 1 160 200
14 14 1 1 160 215
15 15 1 1 160 230
16 16 1 1 170 200
17 17 1 1 170 215
18 18 1 1 170 230
PASO 3. ANALIZAR EL MODELO DEL DISEO DE EXPERIMENTOS FACTORIAL COMPLETO
CONCLUSIONES EN RESIDUALES
Residuales vs Y estimada
deben ser aleatorios
Factors Introducir el nombre real de los factores (TEMP. PRESIN)
y los niveles reales(200 215 230 150 160 170)
OK
Stat > DOE > Factorial > Analyze Factorial Design
Response Seleccionar la columna de Rendimiento
Terms Pasar todos los trminos a Selected con >> OK
Graphs Residuals for Plots Estandardized
Seleccionar Residual plots: Normal y vs fits OK
Results ANOVA table, Covariate, Unusual observations
Seleccionar todos los trminos con >> OK
OK
Fitted Value
S
t
a
n
d
a
r
d
i
z
e
d
R
e
s
i
d
u
a
l
90.9 90.8 90.7 90.6 90.5 90.4 90.3 90.2 90.1 90.0
2
1
0
-1
-2
Residuals Versus the Fitted Values
(response is Rendimiento)
Pgina 77
TALLER DE APLICACIN DE MINITAB
Dagoberto Salgado Horta
Grfica Normal de residuales
deben aproximarse a la lnea recta
General Linear Model: Resp versus Temp, Presion
Factor Type Levels Values
Temp fixed 3 1 2 3
Presion fixed 3 1 2 3
Significativos a nivel de 0.05
Analysis of Variance for Resp, using Adjusted SS for Tests
Source DF Seq SS Adj SS Adj MS F P
Temp 2 0.30111 0.30111 0.15056 8.47 0.009
Presion 2 0.76778 0.76778 0.38389 21.59 0.000
Temp*Presion 4 0.06889 0.06889 0.01722 0.97 0.470
Error 9 0.16000 0.16000 0.01778
Total 17 1.29778
No significativo a nivel 0.05
Y(i,j) estimada= Promedio de valores en cada celda (i,j)
Residuales o error e(i,j) = Y(i,j) real observada - Y (i,j) estimada
PASO 4. OBTENER LAS GRFICAS FACTORIALES PARA IDENTIFICAR LAS MEJORES
CONDICIONES DE OPERACIN
De aqu se seleccionan los mejores niveles de acuerdo al resultado deseado. Si la interaccin
es significativa, los mejores niveles se seleccionan de las grficas de interacciones, de otra
forma se seleccionan de las grficas de efectos de los factores principales.
Stat > DOE > Factorial > Factorial Plots
Seleccionar Main effects e Interaction Plots
Setup para ambas: Seleccionar columna Respuesta
y con >> seleccionar todos los factores OK
Seleccionar Data Means OK
Fitted Value
S
t
a
n
d
a
r
d
i
z
e
d
R
e
s
i
d
u
a
l
90.9 90.8 90.7 90.6 90.5 90.4 90.3 90.2 90.1 90.0
2
1
0
-1
-2
Residuals Versus the Fitted Values
(response is Rendimiento)
Standardized Residual
P
e
r
c
e
n
t
3 2 1 0 -1 -2 -3
99
95
90
80
70
60
50
40
30
20
10
5
1
Normal Probability Plot of the Residuals
(response is Rendimiento)
Pgina 78
TALLER DE APLICACIN DE MINITAB
Dagoberto Salgado Horta
Para maximizar el
rendimiento se selecciona:
Temperatura =3 o 170
Presin =2 o 215 psig.
Esta grfica no es utilizada
debido a que la interaccin
no fue significativa
6.3 Diseo de experimentos factoriales completos de dos niveles (2K)
Ejemplo: En un proceso de fabricacin de Mofles se desea mejorar el proceso
de soldadura en un componente de acero inoxidable. Para lo cual se realiza un
diseo de 2 factores y 3 niveles.
Nivel bajo Nivel Alto
8 12
230 240
C. Vel. de Cadena (m/min.) 0,6 1
Como respuesta se toma la calidad del componente en una escala de 0 a 30
entre mayor sea mejor calidad
Paso 1. Generar diseo
Stat > DOE > Factorial > Create Factorial Design
Seleccionar 2-Level factorial (default values); Number of factors 3
Designs: Seleccionar Full Factorial
Factors: Caudal 8 12 Intensidad 230 240 Vel. 0.6 1
Options: Quitar bandera de Random
OK OK
A. Caudal de gas (l/min.)
B. Intensidad de Corriente (A)
Factor
M
e
a
n
o
f
R
e
n
d
i
m
i
e
n
t
o
170 160 150
90.7
90.6
90.5
90.4
90.3
90.2
230 215 200
TEMP PRESION
Main Effects Plot (data means) for Rendimiento
PRESION
M
e
a
n
230 215 200
90.9
90.8
90.7
90.6
90.5
90.4
90.3
90.2
90.1
90.0
TEMP
170
150
160
Interaction Plot (data means) for Rendimiento
Pgina 79
TALLER DE APLICACIN DE MINITAB
Dagoberto Salgado Horta
Puede colocar la matriz del diseo en orden aleatorio o estndar con
Stat > DOE > Display Design: Estndar order for design
Para cambiar de unidades sin codificar a unidades codificadas:
Stat > DOE > Display Design: Coded o Uncoded Units
Paso 2. Introducir los datos en el diseo:
StdOrder Caudal Intensidad Velocidad Y
1 8 230 0,6 10
2 12 230 0,6 26,5
3 8 240 0,6 15
4 12 240 0,6 17,5
5 8 230 1 11,5
6 12 230 1 26
7 8 240 1 17,5
8 12 240 1 20
Paso 3. Analizar el diseo
Stat > DOE > Factorial > Analyze Factorial Design
Response Y
Graphs: Seleccionar Normal Pareto Alpha = 0.05
Residual for Plots Standardized
Seleccionar Normal Plot y Residuals vs Fits
Results Seleccionar todos los trminos con >>
OK OK
Los resultados se muestran a continuacin. Como es una sola rplica no hay residuos
La ecuacin del modelo se puede formar a partir de los siguientes coeficientes:
Estimated Coefficients for Y using data in uncoded units
Term Coef
Constant -893.750
Caudal 102.625
Corriente 3.75000
Velocidad 186.250
Caudal*Corriente -0.425000
Caudal*Velocidad -30.0000
Corriente*Velocidad -0.750000
Caudal*Corriente*Velocidad 0.125000
Y = -893.750 + 102.625 Caudal +
- 0.425 Caudal*Corriente
Las grficas donde se indica cuales factores son significativos son:
Son significativos A y AB
T
e
r
m
Effect
AC
ABC
BC
B
C
AB
A
9 8 7 6 5 4 3 2 1 0
5.646
Factor Name
A Caudal
B Corriente
C Velocidad
Pareto Chart of the Effects
(response is Y, Alpha = .05)
Lenth's PSE = 1.5
Pgina 80
TALLER DE APLICACIN DE MINITAB
Dagoberto Salgado Horta
Los efectos se pueden guardar en una columna y despus graficarlos para que sean claros:
Stat > DOE > Factorial > Analize Factorial Design ..... Storage: Effects
Graph Dot Plot: Simple Effe1
EFFE1
9
-1
1,5
-6,5
-0,5
1
0,5
Paso 4. Obtener las grficas factoriales para seleccionar los mejores niveles de operacin
Stat > DOE > Factorial Plots
Seleccionar Main Effects Plot: Setup: Response Y; Pasar Intensidad, Caudal y Vel. Con >>
Seleccionar Interaction Plot: Setup: Response Y; Pasar Intensidad, Caudal y Vel. Con >>
Seleccionar Cube Plot: SetUp >> Response Y; Pasar Intensidad, Caudal y Vel. Con >>
OK
El nico factor
significativo es A
Effect
P
e
r
c
e
n
t
10.0 7.5 5.0 2.5 0.0 -2.5 -5.0
99
95
90
80
70
60
50
40
30
20
10
5
1
Factor Name
A Caudal
B Corriente
C Velocidad
Effect Type
Not Significant
Significant
AB
A
Normal Probability Plot of the Effects
(response is Y, Alpha = .05)
Lenth's PSE = 1.5
M
e
a
n
o
f
Y
12 8
22
20
18
16
14
240 230
1.0 0.6
22
20
18
16
14
Caudal Corriente
Velocidad
Main Effects Plot (data means) for Y
Pgina 81
TALLER DE APLICACIN DE MINITAB
Dagoberto Salgado Horta
La interaccin significativa
es AB
Los mejores resultados
se obtienen con:
Corriente = 230
Caudal = 12
El cubo proporciona los
valores de las respuestas
en las diferentes
combinaciones de los
factores
Es el mejor resultado
La experimentacin podra continuar en esta direccin
Paso 5. Obtener las grficas de contornos y de superficie de respuesta
Stat > DOE > Contour and Surface Plots
Seleccionar Contour Plot: Setup: Response Y; Pasar Intensidad, Caudal y Vel. Con >>
Seleccionar Surface response Plot: Setup: Response Y; Pasar Intensidad, Caudal y Vel. Con >>
Seleccionar Cube Plot: SetUp >> Response Y; Pasar Intensidad, Caudal y Vel. Con >>
OK
Corriente
M
e
a
n
240 230
28
26
24
22
20
18
16
14
12
10
Caudal
8
12
Interaction Plot (data means) for Y
1
0.6
240
230
12 8
Velocidad
Corriente
Caudal
20.0
26.0 11.5
17.5
17.5
26.5 10.0
15.0
Cube Plot (data means) for Y
Caudal
I
n
t
e
n
s
i
d
a
d
12 11 10 9 8
240.0
238.5
237.0
235.5
234.0
232.5
231.0
Hold Values
Velocidad 0.6
Y
15 - 18
18 - 21
21 - 24
> 24
< 12
12 - 15
Contour Plot of Y vs Intensidad, Caudal
10
Y
15
20
10
Caudal
8
10
20
25
240
235
Intensidad
230
12
Hold Values
Velocidad 0.6
Surface Plot of Y vs Intensidad, Caudal
Pgina 82
TALLER DE APLICACIN DE MINITAB
Dagoberto Salgado Horta
Paso 6. Obtener una ampliacin de la respuesta en la zona de Y = 21 a 24
Stat > DOE > Factorial > Overlaid Contour Plot
Seleccionar en Response Y
Seleccionar en Settings Hold Extra factors in Low setting Probar con High y Middle settings
Seleccionar en Contours Low 21 High 26
OK
Paso 7. Obtener una respuesta optimizada
Stat > DOE > Factorial > Response Optimizer
Seleccionar en Response Y
Seleccionar en Options Caudal 10 Intensidad 235 Velocidad 0.8
Seleccionar en Goal Maximize Lower 21 Target 26
OK
Seleccionar y mover las lneas de cada factor hasta obtener el mximo rendimiento:
6.4 Diseo de experimentos fraccionales (1/4) de dos niveles:
Ejemplo: Para mejorar la adherencia en un proceso de etiquetado se realiza el siguiente experimento:
Nivel Bajo Nivel Alto
X Y
30 40
2 3
80 90
1 1,5
Factor
E. Presin
A. Tipo de cola
B. Temperatura
C. Cantidad
D. Temp.sec.
Caudal
I
n
t
e
n
s
i
d
a
d
12 11 10 9 8
240.0
238.5
237.0
235.5
234.0
232.5
231.0
Hold Values
Velocidad 0.6
Y
21
26
Overlaid Contour Plot of Y
Pgina 83
TALLER DE APLICACIN DE MINITAB
Dagoberto Salgado Horta
Al principio se realiz un diseo fraccional de dos niveles y cinco factores (2
5-2
), en cada
condicin se midi la fuerza de adhesin en 100 botellas y se tom como respuesta el promedio.
Paso 1. Generar el diseo
Stat > DOE > Factorial > Create Factorial Design
Seleccionar 2-Level factorial (default values); Number of factors 5
Designs: Seleccionar 1/4 fraction
Factors: Nombre de cada factor y sus niveles bajo y alto
Options: Quitar bandera de Random
OK OK
Paso 2. Introducir los datos en el diseo
Cola Temp Cola Cant cola Temp Secado Presion
A 30 2 90 1,5
B 30 2 80 1
A 40 2 80 1,5
B 40 2 90 1
A 30 3 90 1
B 30 3 80 1,5
A 40 3 80 1
B 40 3 90 1,5
Tabla de confusiones (los efectos de los factores principales se confunden con interacciones)
I + ABD + ACE + BCDE
A + BD + CE + ABCDE
B + AD + CDE + ABCE
C + AE + BDE + ABCD
D + AB + BCE + ACDE
E + AC + BCD + ABDE
BC + DE + ABE + ACD
BE + CD + ABC + ADE
Paso 3. Analizar el diseo
Stat > DOE > Factorial > Analyze Factorial Design
Response Y
Graphs: Seleccionar Normal Pareto Alpha = 0.05
OK OK
La ecuacin del modelo se puede obtener de los siguientes coeficientes:
Estimated Coefficients for Y using data in uncoded units
Term Coef Ecuacin de regresin
Constant -36.0000
Cola -2.00000 Y = -36 - 2*Cola + 0.6 Temp Cola + 0.45 Temp secado
Temp Cola 0.600000
Cantidad 0.500000
Temp secado 0.450000
Presion 5.00000
Temp Cola*Cantidad 1.58579E-16
Temp Cola*Presion -0.200000
Pgina 84
TALLER DE APLICACIN DE MINITAB
Dagoberto Salgado Horta
Los factores significativos se observan de las grficas siguientes
Son significativos los
factores A, B, D
Son significativos los
factores A, B, D
Paso 4. Obtener las grficas factoriales para seleccionar los mejores niveles de operacin
Stat > DOE > Factorial Plots
Seleccionar Main Effects Plot: Setup: Response Y; A, B, D
Seleccionar Cube Plot: SetUp >>
OK
T
e
r
m
Effect
BC
C
BE
E
B
A
D
5 4 3 2 1 0
2.823
Factor
Temp secado
E Presion
Name
A Cola
B Temp Cola
C Cantidad
D
Pareto Chart of the Effects
(response is Y, Alpha = .05)
Lenth's PSE = 0.75
Effect
P
e
r
c
e
n
t
5 4 3 2 1 0 -1 -2 -3 -4
99
95
90
80
70
60
50
40
30
20
10
5
1
Factor
Temp secado
E Presion
Name
A Cola
B Temp Cola
C Cantidad
D
Effect Type
Not Significant
Significant
D
B
A
Normal Probability Plot of the Effects
(response is Y, Alpha = .05)
Lenth's PSE = 0.75
Pgina 85
TALLER DE APLICACIN DE MINITAB
Dagoberto Salgado Horta
Se maximiza la respuesta
en las condiciones
siguientes:
Cola = X
Temp Cola = 40
Temp Sec = 90
Despus de este
experimento de filtracin
se puede hacer otro ms
completo slo con los
factores A, B, D
6.5 Aplicaciones:
Realizar los ejercicios del Mdulo 6
M
e
a
n
o
f
Y
Y X
24
23
22
21
20
40 30
90 80
24
23
22
21
20
Cola Temp Cola
Temp secado
Main Effects Plot (data means) for Y
90
80
40
30
Y X
Temp secado
Temp Cola
Cola
24.0
24.5
16.0
23.5
Cube Plot (data means) for Y
Pgina 86