Ejercicios Fase Mejora BB

EJERCICIOS FASE DE MEJORA BB P.
Reyes / Abril 2009

Pgina 1 de 21
PREGUNTAS:

1. Cul es el propsito de la fase de mejora?

2. Cules son los entregables de la fase de mejora? Dar un ejemplo.

a. Identificacin de mejores niveles de operacin

b. Generacin de alternativas de solucin, usar mtodos de Creatividad

c. Evaluacin de alternativas de solucin con diagrama de rbol:

EJERCICIOS FASE DE MEJORA BB P. Reyes / Abril 2009

Pgina 2 de 21
DISEOS DE EXPERIMENTOS FACTORIALES COMPLETOS

1. Diseo de experimentos factorial completo: 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

a) Generar el diseo
PASO 1. GENERAR EL DISEO FACTORIAL DE ACUERDO AL EXPERIMENTO

Stat > DOE > Factorial > Create Factorial Design
Type of Design: General Full Factorial Design
Number of factors 2

Designs: Factor A Name Temp Levels 3
Factor B Name Presion Levels 3
Number of Replicates 2

Options Quitar seleccin de randomize runs OK

Factors Introducir los niveles para TEMP. 200 215 230
PRESIN 150 160 170
OK

PASO 2. CARGA DE DATOS DE LA COLUMNA DE RESPUESTA CORRESPONDIENTE A CADA
COMBINACION DE FACTORES DESPUS QUE MINITAB GENERO EL DISEO O ARREGLO

Ver diseo con Stat > DOE > Display Design
Seleccionar Standard order for design Uncoded Units
OK

NOTA: Coded units muestra 1, 2 y 3


Pgina 3 de 21
StdOrder RunOrder PtType Blocks Temp Presion Rendimiento
1 10 1 1 200 150 90.4
2 12 1 1 200 160 90.1
3 3 1 1 200 170 90.5
4 9 1 1 215 150 90.7
5 6 1 1 215 160 90.5
6 15 1 1 215 170 90.8
7 8 1 1 230 150 90.2
8 13 1 1 230 160 89.9
9 2 1 1 230 170 90.4
10 14 1 1 200 150 90.2
11 1 1 1 200 160 90.3
12 7 1 1 200 170 90.7
13 4 1 1 215 150 90.6
14 11 1 1 215 160 90.6
15 18 1 1 215 170 90.9
16 16 1 1 230 150 90.4
17 5 1 1 230 160 90.1
18 17 1 1 230 170 90.1

PASO 3. ANALIZAR EL MODELO DEL DISEO DE EXPERIMENTOS FACTORIAL COMPLETO

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 standardized
Seleccionar Residual plots: Normal y vs fits OK

Results ANOVA table, Unusual observations
Seleccionar todos los trminos con >> OK
OK

b) Determinar si el modelo es adecuado por medio de los residuos


Pgina 4 de 21

c) Por medio de los P values en la tabla ANOVA, identificar los factores significativos as como
las interacciones siginificativas

General Linear Model: Rendimiento versus Temperatura, Presion

Factor Type Levels Values
Temperatura fixed 3 200, 215, 230
Presion fixed 3 150, 160, 170

Analysis of Variance for Rendimiento, using Adjusted SS for Tests

Source DF Seq SS Adj SS Adj MS F P
Temperatura 2 0.76778 0.76778 0.38389 21.59 0.000 Significativo
Presion 2 0.30111 0.30111 0.15056 8.47 0.009
Temperatura*Presion 4 0.06889 0.06889 0.01722 0.97 0.470
Error 9 0.16000 0.16000 0.01778
Total 17 1.29778

S = 0.133333 R-Sq = 87.67% R-Sq(adj) = 76.71%

d) Obtener las grficas factoriales para identificar las mejores condiciones de operacin

PASO 4. OBTENER LAS GRFICAS FACTORIALES PARA IDENTIFICAR LAS MEJORES
CONDICIONES DE OPERACIN

Stat > DOE > Factorial > Factorial Plots

Seleccionar Main effects e Interaction Plots
Setup para ambas: En Response seleccionar Rendimiento
y con >> seleccionar todos los factores OK


Pgina 5 de 21
Seleccionar Data Means OK

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.

Para maximizar el rendimiento se selecciona:

Presin = 170 psig

Temperatura = 215C

2. Se est estudiando el rendimiento para un proceso industrial, los dos factores de inters son
temperatura y presin. Se utilizan tres niveles de cada factor, con los resultados siguientes:

230 215 200
90.7
90.6
90.5
90.4
90.3
90.2
170 160 150
Temp
M
e
a
n
Presion
Main Effects Plot for Rendimiento
Data Means
170 160 150
90.9
90.8
90.7
90.6
90.5
90.4
90.3
90.2
90.1
90.0
Presion
M
e
a
n
200
215
230
Temp
Interaction Plot for Rendimiento
Data Means


Pgina 6 de 21
Presin en libras / pulg. 2
Temperatura 250 260 270
20 86.3 84 85.8
86.1 85.2 87.3
40 88.5 87.3 89
89.4 89.9 90.3
60 89.1 90.2 91.3
91.7 93.3 93.7

Temperatura Presion Rendimiento
20 250 86.3
20 260 84
20 270 85.8
40 250 88.5
40 260 87.3
40 270 89
60 250 89.1
60 260 90.2
60 270 91.3
20 250 86.1
20 260 85.2
20 270 87.3
40 250 89.4
40 260 89.9
40 270 90.3
60 250 91.7
60 260 93.3
60 270 93.7

Para un nivel alfa de 0.05

a) Determinar los valores P correspondientes a los factores principales y las interacciones
y establecer conclusiones

b) Hacer una prueba de normalidad de los residuos estandarizados

d) Determinar los efectos de los factores principales y de las interacciones


Pgina 7 de 21
e) Obtener las grficas factoriales e identificar en cuales seleccionar los diferentes niveles

f) Si se quiere maximizar el rendimiento, en que niveles conviene operar el proceso?

3. Johnson y Leone describen un experimento realizado para investigar la torcedura de placas
de cobre. Los dos factores estudiados fueron la temperatura y el contenido de cobre de las
placas.

La variable de respuesta fue de una medida de la cantidad de torcedura. Los datos fueron los
siguientes:

Contenido de cobre (%)
Temperatura
(C)
40 60 80 100
50 17, 20 16, 21 24, 22 28, 27
75 12, 9 18, 13 17, 12 27, 31
100 16, 12 18, 21 25, 23 30, 23
125 21, 17 23, 21 23, 22 29, 31

a) A un nivel de significancia del 5% identificar si hay los factores o las interacciones son
significativas

b) Obtener los residuos y hacer una prueba de normalidad, comentar la adecuacin del
modelo

c) Determinar los efectos de los factores principales y de las interacciones

d) Obtener las grficas factoriales e identificar en cuales seleccionar los diferentes niveles

e) Si se quiere minimizar la torcedura, en que niveles conviene operar el proceso?

f) Suponga que no es sencillo controlar la temperatura en el medio ambiente donde van a
usarse las placas de cobre Este hecho modifica la respuesta que se dio en el inciso d?

4. Los factores que influyen para el esfuerzo a la ruptura de una fibra sinttica estn siendo
estudiados 4 maquinas de produccin y tres operadores son escogidos y un experimento
factorial es realizado y usando la fibra de los mismos lotes de produccin, con los siguientes
resultados.

MAQUIINA
OPERADOR A B C D
JUAN 109 110 108 110
110 115 109 108


Pgina 8 de 21
PEDRO 110 110 111 114
112 111 109 112
JORGE 116 112 114 120
114 115 119 117

significativas

modelo



e) Si se quiere maximizar la resistencia a la ruptura en que niveles debe operar el proceso?

5. El porcentaje de la concentracin de madera dura en la pulpa bruta, la presin de la cuba y
el tiempo de coccin de la pulpa se investiga en cuanto a sus efectos sobre la resistencia del
papel. Se seleccionan tres niveles de la concentracin de madera dura, tres niveles de la
presin y dos tiempos de coccin. Se lleva a cabo un experimento factorial con dos rplicas,
obtenindose los siguientes datos:

% concentracin de la
madera
Tiempo de coccin 3.0 Tiempo de coccin 4.0
Presin Presin
400 500 650 400 500 650
2 196.6 197.7 199.8 198.4 199.6 200.6
196 196 199.4 198.6 200.4 200.9
4 198.5 196 198.4 197.5 198.7 199.6
197.2 196.9 197.6 198.1 198 199
8 197.5 195.6 197.4 197.6 197 198.5
196.6 196.2 198.1 198.4 197.8 199.8
significativas

modelo



e) Si se quiere maximizar la resistencia del papel en que niveles debe operar el proceso?


Pgina 9 de 21

6. Se quiere maximizar el rendimiento de un proceso:

Velocidad de
alimentacion Profundidad de corte
pulg/min 0.15 0.18 0.2 0.25
0.2
74 79 82 99
64 68 88 104
60 73 92 96
0.25
92 98 99 104
86 104 108 110
88 88 95 99
0.3
99 104 108 114
98 99 110 111
102 95 99 107

significativas

modelo



e) Si se quiere maximizar el rendimiento en que niveles debe operar el proceso?


Pgina 10 de 21
DISEOS DE EXPERIMENTOS DE TAGUCHI

7. Variable de respuesta viscosidad, el mayor valor es deseado.

Factores Nivel I Nivel II
A Mezcla de hule crudo si no
B Curado no 24 hrs.
C Velocidad de prensado 50m/min 55 m/min
D Enfriamiento del tambor con agua sin agua
E Secado con vapor envolvente si no
Interaccin ExD
Interaccin DxC

Arreglo ortogonal y resultados

N E D ExD C B DxC A Resultado
1 1 1 1 1 1 1 1 1620
2 1 1 1 2 2 2 2 1580
3 1 2 2 1 1 2 2 1100
4 1 2 2 2 2 1 1 1150
5 2 1 2 1 2 1 2 1500
6 2 1 2 2 1 2 1 1560
7 2 2 1 1 2 2 1 1000
8 2 2 1 2 1 1 2 1020

Solucin con Minitab se crea el arreglo con:

1. Disear el arreglo ortogonal definiendo las columnas para los factores principales y las
interacciones, en este caso:

Col. 1 Col. 2 Col. 3 Col. 4 Col. 5 Col. 6 Col. 7
A C AxC B AxB CxB D
1 1 1 1 1 1 1
1 1 1 2 2 2 2
1 2 2 1 1 2 2
1 2 2 2 2 1 1
2 1 2 1 2 1 2
2 1 2 2 1 2 1
2 2 1 1 2 2 1
2 2 1 2 1 1 2

2. Reconocer el arreglo en Minitab con:

Stat > DOE > Taguchi > Define Custom Taguchi Design
Factors A B C D
OK


Pgina 11 de 21
Esta columna es el resultado de los experimentos:

A C AxC B AxB CxB D Yi
1 1 1 1 1 1 1 11.2
1 1 1 2 2 2 2 10.8
1 2 2 1 1 2 2 7.2
1 2 2 2 2 1 1 7.0
2 1 2 1 2 1 2 8.0
2 1 2 2 1 2 1 6.9
2 2 1 1 2 2 1 10.4
2 2 1 2 1 1 2 10.1

3. Analizar el diseo con:

Con Minitab

Stat > DOE > Taguchi > Analyze Taguchi Design
Response data in Yi
Analysis. Fit linear model for Signal to Noise Ratios Means
Graphs: Signal to Noise Ratios Means
Terms: A B C D
Analysis graphs: Residuals for plots Standardized Residual Plots Individual plots Normal plot
Options: Smaller is better
Storage: Signal to Noise Ratios Means
OK

Los resultados son los siguientes:

Establecer conclusiones

4. Predecir la respuesta con Minitab

Stat > DOE > Taguchi > Predict Taguchi Results

Predict Mean Signal to Noise Ratio
Terms: A C D E
Levels: Seleccionar Coded Units Select levels from a list: A = 1, B = 2, C = 2, D=1
OK

8. Una caracterstica de calidad importante para un cierto producto metlico es el
terminado, que se mide segn su planicidad en milsimas de pulgada (mmplg). Esta
caracterstica se piensa es afectada por los siguientes factores:


Pgina 12 de 21

Factor Descripcin Nivel 1 Nivel 2
A Temperatura del horno 1500 F 1600 F
B Presin de prensado 200 psi 220 psi
C Velocidad de recocido 8 seg 12 seg
D Velocidad de alimentacin ref. 80 gal/min 100gal/min
G Tipo de modelo chico grande
H Templabilidad del material 25 Rc 30 Rc
AxC Interaccin
AxD Interaccin

Los factores G y H son factores que no se pueden controlar durante el proceso, ya
que el tipo de modelo depende del requerimiento especfico del cliente y la
templabilidad es una caracterstica de la materia prima. Estos dos factores se
consideran al menos inicialmente como factores de ruido.

Por lo tanto, se consideran como factores de diseo a los factores A, B, C y D.

De acuerdo con esto, lo que se desea saber es cules deben ser las condiciones de
operacin o niveles de los factores de diseo A, B, C y D, que lleven el producto a la
caracterstica objetivo y adems con la mnima variabilidad, a pesar de las variaciones
en los factores G y H.

Arreglo interno

Considere nicamente los factores de diseo, se desea detectar 6 efectos en total, y
para ello, se requiere de un arreglo ortogonal L8. La grfica lineal requerida es:

3
1 A .2 B

5 A xC

4 C
AxD 6
7 D

La columna correspondiente a la lnea punteada se utilizar para cuantificar el error.
Una posible asignacin es:


Pgina 13 de 21

A B e C AxC AxD D Este ser el arreglo
N 1 2 3 4 5 6 7 interno y consiste de 8
condiciones
experimentales/renglones
Arreglo externo

Considere ahora nicamente los factores de ruido G y H. Se requieren de dos
columnas, de manera que un arreglo ortogonal L4 es suficiente. El arreglo, al que
llamaremos arreglo externo es:

G H
N 1 2 3
1 1 1 1
2 1 2 2
3 2 1 1
4 2 2 1

Observe que no se asigna efecto alguno a la columna 3, la cual queda libre.

Arreglo total

Los dos arreglos anteriores se mezclan o combinan en un solo arreglo total, tal y
como se muestra:

1 2 2 1
H 1 2 1 2
G 1 1 2 2
A B e C AxC AxD D
N 1 2 3 4 5 6 7 1 2 3 4
1 1 1 1 1 1 1 1 Y
11
Y
12
Y
13
Y
14

2 1 1 1 2 2 2 2 Y
21
Y
22
Y
23
Y
24

3 1 2 2 1 1 2 2 Y
31
Y
32
Y33 Y
34

4 1 2 2 2 2 1 1 Y
41
Y
42
Y
43
Y
44

5 2 1 2 1 2 1 2 Y
51
Y
52
Y
53
Y
54

6 2 1 2 2 1 2 1 Y
61
Y
62
Y
63
Y
64

7 2 2 1 1 2 2 1 Y
71
Y
72
Y
73
Y
74

8 2 2 1 2 1 1 2 Y
81
Y
82
Y
83
Y
84


Pgina 14 de 21
Las 32 lecturas son las siguientes:
1 2 2 1
H 1 2 1 2
G 1 1 2 2
A B e C AxC AxD D
N 1 2 3 4 5 6 7 1 2 3 4
1 1 1 1 1 1 1 1 1.1 1.2 1.3 1.1
2 1 1 1 2 2 2 2 1.2 1.3 1.2 1.3
3 1 2 2 1 1 2 2 2.0 2.1 2.2 2.1
4 1 2 2 2 2 1 1 2.1 2.2 2.1 2.0
5 2 1 2 1 2 1 2 1.0 1.4 1.2 1.3
6 2 1 2 2 1 2 1 1.2 1.3 1.5 1.0
7 2 2 1 1 2 2 1 1.6 2.1 2.4 2.0
8 2 2 1 2 1 1 2 1.5 2.0 2.3 2.5
Totales= 11.7 13.6 14.2 13.3

Solucin con Minitab se crea el arreglo con:

1. Disear el arreglo ortogonal definiendo las columnas para los factores principales y las
interacciones, en este caso:
FACTORES DE CONTROL
A B e C AxC AxD D
1 1 1 1 1 1 1
1 1 1 2 2 2 2
1 2 2 1 1 2 2
1 2 2 2 2 1 1
2 1 2 1 2 1 2
2 1 2 2 1 2 1
2 2 1 1 2 2 1
2 2 1 2 1 1 2

2. Reconocer el arreglo en Minitab con:
Stat > DOE > Taguchi > Define Custom Taguchi Design
Factors A B C D
OK

Estas columnas es el resultado de los experimentos:

FACTORES DE CONTROL COMB. FACTORES DE RUIDO
A B e C AxC AxD D H1_G1 H2_G1 H1_G2 H2_G2
1 1 1 1 1 1 1 1.1 1.2 1.3 1.1
1 1 1 2 2 2 2 1.2 1.3 1.2 1.3
1 2 2 1 1 2 2 2 2.1 2.2 2.1
1 2 2 2 2 1 1 2.1 2.2 2.1 2
2 1 2 1 2 1 2 1 1.4 1.2 1.3
2 1 2 2 1 2 1 1.2 1.3 1.5 1
2 2 1 1 2 2 1 1.6 2.1 2.4 2
2 2 1 2 1 1 2 1.5 2 2.3 2.5
3. Analizar el diseo con:


Pgina 15 de 21
Con Minitab

Stat > DOE > Taguchi > Analyze Taguchi Design
Response data in H1_G1 H2_G1 H1_G2 H2_G2
Analysis. Fit linear model for Signal to Noise Ratios Means
Graphs: Signal to Noise Ratios Means
Terms: A B C D
Analysis graphs: Residuals for plots Standardized Residual Plots Individual plots Normal plot
Options: Nominal is Best Seleccionar Use adjusted formula for nominal is best
Storage: Signal to Noise Ratios Means
OK

Los resultados son los siguientes (al 0.2 de nivel de significancia):

Suponga que por alguna razn para este ejemplo en particular, se tiene un valor deseado de
m= 2 mmplg.

4. Predecir la respuesta con A = 1 y B = 1.5 se tiene:

Stat > DOE > Taguchi > Predict Taguchi Results

Predict Mean Signal to Noise Ratio
Terms: A B C D AxC AxD
Levels: Seleccionar Coded Units Select levels from a list: A = 1, B = 1, C = 1, D=1
OK

Conclusin: como el valor de la presin de prensado es el nico factor que
ajusta a la media, debe ajustarse para que la planicidad se encuentre en su
valor nominal de 2.

9. Ejemplo de fabricacin de bolas de Golf

Se fabrican bolas de golf con un nuevo diseo para maximizar la distancia de vuelo.

Se han identificado cuatro factores de control, cada uno con dos niveles:

- Material del nucleo (lquido y tungsteno)
- Dimetro del nucleo (118 y 156)
- Nmero de vueltas (392 y 422)
- Espesor del recubrimiento (0.03 y 0.06)
Se desea probar la interaccin entre el material del nucleo y su dimetro.

Como respuesta se mide la distancia en dos clubes de golf como factor de ruido.

Como se quiere maximizar la respuesta se selecciona la relacin seal a ruido Mayor es mejor.


Pgina 16 de 21

Paso 1. Abrir el archivo de Minitab

File > Open worksheet GOLFBALL.MTW. Contiene el diseo y los datos de distancia de
respuesta.

Material Diameter Dimples Thickness Driver Iron
Liquid 118 392 0.03 247.5 234.3
Liquid 118 422 0.06 224.4 214.5
Liquid 156 392 0.03 59.4 49.5
Liquid 156 422 0.06 75.9 72.6
Tungsten 118 392 0.06 155.1 148.5
Tungsten 118 422 0.03 39.6 29.7
Tungsten 156 392 0.06 92.4 82.5
Tungsten 156 422 0.03 21.9 18.6

Reconocer el diseo con:
Stat > DOE > Taguchi
Define custom Taguchi Design
Factors Material Thickness
OK

Paso 2. Analizar el diseo
Stat > DOE > Taguchi > Analyze Taguchi Design.
En Response data are in, seleccionar Driver and Iron.
Click Analysis.
En Fit linear model for, seleccionar Signal-to-noise ratios and Means. Click OK.
Click Terms.
Mover los trminos AB a Selected Terms con > o con doble click. Click OK.
Click Options.
En Signal to Noise Ratio, seleccionar Larger is better. Click OK en cada cuadro de dilogo

Los resultados se muestran a continuacin:


Pgina 17 de 21
Para la prediccin se puede decidir qu factores e interacciones incluir, para mejorar la
prediccin.

Stat > DOE > Taguchi > Predict Taguchi Results.
Quitar la seleccin de Standard deviation y Natural log of standard deviation.
Click Terms. Incluir los trminos A, B, C, D, y AB en el cuadro Selected Terms. Click OK.
Click Levels.
En Method of specifying new factor levels, seleccionar Select levels from a list.
En Levels, click en los renglones y seleccionar los niveles de los factores mostrados en la tabla.

Factor
Level
Material Liquid
Diameter 118
Dimples 392
Thickness 0.06


Pgina 18 de 21
10. Diseo de mezclas generado con Minitab:

Stat > DOE > Mixture > Create Mixture Design
Seleccionar Simplex Lattice Number of components 4
Designs introducir los datos siguientes:

Options:

La tabla resultante del diseo es la siguiente:
StdOrder RunOrder PtType Blocks A B C D
Fuerza de
Gel
Sineresis
1 1 1 1 1 0 0 0
2 2 1 1 0 1 0 0
3 3 1 1 0 0 1 0
4 4 1 1 0 0 0 1
5 5 0 1 0.25 0.25 0.25 0.25
6 6 -1 1 0.625 0.125 0.125 0.125
7 7 -1 1 0.125 0.625 0.125 0.125
8 8 -1 1 0.125 0.125 0.625 0.125
9 9 -1 1 0.125 0.125 0.125 0.625


Pgina 19 de 21

Cuando se indica 1 0 0 0 solo se usa un componente en la mezcla, cuando se indica 0.625 de A,
0.125 de B, 0.125 de C y 0.125 de D, tanto A como B, C y D se incluyen en esas proporciones
dentro de la mezcla de los componentes.

La grfica del diseo se obtiene con:
Stat > DOE > Mixture > Simplex design plot
Seleccionar Generate Plots for all triplets of components
OK

Si la mezcla de los componentes representa el 10% del volumen total de la solucin, ese 10%
es tu 100% de la mezcla.

Se realizan los experimentos (Run order) y se cargan los resultados de ambas respuestas.

En caso de haber sido los resultados:
Fuerza del gel Sineresis
3 12
2 43
5 54
21 61
1 23
9 4
3 7
4 8
1 9

Despus se analiza el diseo con:
Stat > DOE > Mixture > Analyze mixture design
Responses Fuerza del gel Sineresis
Graphs Residuals for plots Standardized Individual plots: Normal Plot
A
0
1
B
1
0
C
1
0
A
0
1
B
1
0
D
1
0
A
0
1
C
1
0
D
1
0
B
0
1
C
1
0
D
1
0
A 0
B 0
C 0
D 0
Hold Values
Simplex Design Plots in Amounts


Pgina 20 de 21
OK

Regression for Mixtures: Fuerza del gel, Sineresis

The following terms cannot be estimated and were removed:
B*D
C*D

Regression for Mixtures: Fuerza del gel versus A, B, C, D

Estimated Regression Coefficients for Fuerza del gel (component
proportions)

Term Coef SE Coef T P VIF
A 3.1 1.713 * * 1.493
B 2.1 1.713 * * 1.493
C 5.1 1.713 * * 1.493
D 21.1 1.713 * * 1.493
A*B 140.0 30.715 4.56 0.137 5.312 A y B o A y C
son sinrgicos
A*C 132.0 30.715 4.30 0.146 5.313 ya que refuerzan la
respuestas coef. +
A*D -201.6 28.909 -6.97 0.091 4.706 A y D o B y C
son antagnicos
B*C -157.6 28.909 -5.45 0.115 4.706 ya que disminuyen la
respuesta coef.-

S = 1.71701 PRESS = 2660.59
R-Sq = 99.08% R-Sq(pred) = 0.00% R-Sq(adj) = 92.63%

Analysis of Variance for Fuerza del gel (component proportions)

Source DF Seq SS Adj SS Adj MS F P
Regression 7 317.274 317.274 45.3249 15.37 0.194
Linear 3 151.750 238.750 79.5833 26.99 0.140
Quadratic 4 165.524 165.524 41.3810 14.04 0.197
Residual Error 1 2.948 2.948 2.9481
Total 8 320.222

Unusual Observations for Fuerza del gel

Fuerza
Obs StdOrder del gel Fit SE Fit Residual St Resid
1 1 3.000 3.118 1.713 -0.118 -1.00 X
2 2 2.000 2.118 1.713 -0.118 -1.00 X


Pgina 21 de 21
3 3 5.000 5.118 1.713 -0.118 -1.00 X
4 4 21.000 21.118 1.713 -0.118 -1.00 X

X denotes an observation whose X value gives it large leverage.

Para optimizar la respuesta:

Stat > DOE > Mixture > Response Optimizer
Responses Fuerza del gel Sineresis

Pasar con >> a Selected las dos respuestas Fuerza del Gel y Sineresis

Set up Fuerza de Gel Maximize Lower 1 Target 3
Set up Sineresis Maximize Lower 1 target 3 Depende de los resultados

Options Starting value A 0.25 B 0.25 C 0.25 D 0.25
OK

Se ajustan grficamente los valores de los factores A, B, C y D para optimizar al mismo
tiempo las respuestas Fuerza del gel y Sinerismo

Ejercicios Fase Mejora BB

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Ejercicios Fase Mejora BB

Cargado por

Copyright:

Formatos disponibles

EJERCICIOS FASE DE MEJORA BB P.

Reyes / Abril 2009

También podría gustarte