Documentos de Académico
Documentos de Profesional
Documentos de Cultura
APUNTES DE CLASE
MDULO 9
DISEO DE EXPERIMENTOS 2K
Pg. 1
NDICE
1.
TERMINOLOGA ..................................................................................7
1.3.2.
1.3.3. CLCULO
DE
LOS
EFECTOS
PRINCIPALES
Y
LAS
INTERACCIONES............................................................................................. 10
1.3.4. DETERMINACIN DE LOS EFECTOS E INTERACCIONES
SIGNIFICATIVAS .............................................................................................. 16
1.3.5.
2.
Pg. 2
1.
Uf = unidades ficticias.
Pg. 3
clientes requieren que dicha caracterstica supere claramente ese valor. Para ello
nombra un grupo de trabajo con la finalidad de que estudien el proceso de
fabricacin y definan las modificaciones a introducir en el mismo. Este grupo de
trabajo estaba integrado por personal muy experto en el proceso y en las
tecnologas relacionadas con el mismo. En la primera sesin de trabajo el grupo
recolect la siguiente informacin:
Los rangos en los que pueden operar los factores anteriores son:
o Temperatura: entre 150 C y 190 C.
o Concentracin: entre 15% y 45%.
Pg. 4
Probar primero con un catalizador, fijar un de los dos factores hasta alcanzar
el mximo de la respuesta; fijar este valor para el primer factor y variar el
segundo hasta encontrar el mximo.
Pg. 5
35
F E30
50
45 40 35
D
C
25
B
30
25
20
A
Figura 1: Estrategia experimental variar un factor cada vez
Pg. 6
1.3.
1.3.1.
TERMINOLOGA
Para resolver el problema planteado, se pueden aplicar los diseos factoriales, pero
antes de seguir adelante conviene fijar los siguientes conceptos:
Matriz del diseo: Es una matriz en la que las filas hacen referencia a los
distintos ensayos a realizar, las columnas a los distintos factores que
intervienen y las celdas indican los niveles en los que hay que situar cada
uno de los factores en los distintos experimentos.
1.3.2.
Pg. 7
NIVELES
BAJO
ALTO
160 C
180 C
20%
40%
A
B
T Temperatura
C Concentracin
K Catalizador
T
160
180
160
180
160
180
160
180
Factores
C
20
20
40
40
20
20
40
40
K
A
A
A
A
B
B
B
B
Pg. 8
Factores
Exp.
1
2
3
4
5
6
7
8
T
-1
1
-1
1
-1
1
-1
1
C
-1
-1
1
1
-1
-1
1
1
K
-1
-1
-1
-1
1
1
1
1
Pg. 9
1.3.3.
INTERACCIONES
Una vez realizados los ensayos, los resultados obtenidos han sido:
Exp
.
1
Resp.
-1
-1
-1
60
-1
-1
72
-1
-1
54
-1
68
-1
-1
52
-1
83
-1
45
80
Tabla 4
Pg. 10
54
80
45
C+
68
KK+
C-
60
T-
72
T+
52
83
T=
1
[(72 60) + (68 54) + (83 52) + (80 45)] = 23
4
Es fcil comprobar que el efecto de un factor se puede calcular sin ms que sumar
la columna de los valores de respuesta, afectados por el signo del nivel del factor y
divididos entre 4 (nmero de ensayos dividido entre 2). Por esta razn resulta
adecuada la codificacin elegida para los niveles.
Observando la Figura 2 puede verse que con el catalizador A obtiene mejores
resultados a baja temperatura mientras que el B es ms eficaz a alta temperatura;
Pg. 11
Diagrama de interacciones
Respuesta
81,5
B
70
A
57
48,5
160
180 Temperatura
TK C + =
1
[(72 60) + (68 54)] = 13
2
TK C =
1
[(83 52) + (80 45)] = 33
2
Catalizador B:
Pg. 12
TK =
1
(33 13) = 10
2
K TC TK
CK
TCK
Resp. Efecto
-1
-1
-1
60
*2
64,25 Media
-1
-1
-1
-1
72
23
-1
-1
-1
-1
54
-5
-1
-1
-1
-1
68
1,5
TC
-1
-1
-1
-1
52
1,5
-1
-1
-1
-1
83
10
TK
-1
-1
-1
-1
45
CK
80
0,5
TCK
APLICACIN MINITAB
Minitab dispone de la opcin Stat->DOE->Factorial->Analyze
Factorial design. En el cuadro de dilogo es preciso
introducir el modelo a analizar; por ejemplo, slo efectos
principales,
tambin
interacciones
etc.
Adems
de
los
diagramas de la Figura 7 y Figura 9, que se vern ms
adelante, la salida que da es la siguiente:
Pg. 13
Effect
9.000
-3.500
16.000
17.000
1.500
-4.000
1.500
Coef
64.250
4.500
-1.750
8.000
8.500
0.750
-2.000
0.750
DF
3
3
1
0
7
Seq SS
698.50
614.50
4.50
0.00
1317.50
Adj SS
698.500
614.500
4.500
0.000
Adj MS
232.833
204.833
4.500
0.000
F
*
*
*
P
*
*
*
Como se puede comprobar, los efectos coinciden con los calculados anteriormente.
Adems proporciona una tabla de anlisis de la varianza, cuya utilidad se ver ms
adelante.
APLICACIN MINITAB
Minitab dispone de varias opciones grficas para ayudar a
visualizar los datos y los efectos. La opcin Stat->DOE>Factorial->Factorials Plot permite dibujar los diagramas de
las figuras siguientes.
Obsrvese en el diagrama de interacciones (ver Figura 6) la
fuerte interaccin que existe entre la concentracin y la
temperatura.
Pg. 14
54
83
45
68
80
72
K
-1
60
52
-1
-1
1
T
-1
-1
-1
72
Respuesta
68
64
60
56
T
Pg. 15
DIAGRAMA DE INTERACCIONES
-1
-1
70
1
60
-1
50
70
1
60
-1
50
1.3.4.
SIGNIFICATIVAS
El siguiente paso es discriminar si los efectos calculados son fruto del propio factor
(o interaccin de factores, segn corresponda), o del azar. Para ello hay tres
mtodos distintos.
MTODO DEL PAPEL PROBABILSTICO
El primero de ellos consiste en utilizar el papel probabilstico, de modo que aquellos
efectos que no se deban al azar se alejarn de la recta. En la Figura 7 se ha
representado el diagrama dibujado por MINITAB. Este diagrama dibuja la recta de
regresin y debe ser corregido por la recta que pasa por los puntos prximos a 0
(pequeos y por tanto no significativos. Estos puntos son los que marcan la
orientacin de la recta. En la Figura 8 se muestra la recta corregida y puede verse
que son significativos los efectos T, C y la interaccin TK.
Pg. 16
1.5
AB
A: T
B: C
C: K
1.0
Normal Score
0.5
A
0.0
-0.5
-1.0
-1.5
-5
10
15
Effect
Figura 7: Papel probabilstico para ver qu efectos son significativos. opcin Stat->DOE>Factorial->Analyze Factorial design
1.5
AB
A: T
B: C
C: K
1.0
Normal Score
0.5
A
0.0
-0.5
-1.0
-1.5
-5
10
15
Effect
Pg. 17
AB
BC
AC
ABC
10
15
Figura 9: Diagrama de Parte para ver qu efectos son significativos. opcin Stat->DOE>Factorial->Analyze Factorial design
Pg. 18
y = 64,25 +
23
5
10
T C + TK
2
2
2
Lx =
x % 30
20
De esta manera es posible saber cuales son los factores e interacciones que
influyen en la respuesta y en qu direccin hay que modificarlos para mejorar esa
respuesta.
APLICACIN MINITAB
Ya se ha visto cmo Minitab calcula los efectos y coeficientes. Con la opcin Stat>DOE->Factorial->Display design se puede optar por representar los niveles en
unidades reales. En este caso los coeficientes que da Minitab no coinciden con los
conseguidos con el cambio de unidades a los efectos e interacciones significativas,
como se ha descrito anteriormente, porque Minitab realiza el cambio para todos los
trminos, significativo y no significativos. Con la opcin Stat->DOE->Factorial>Contour / Surface (Wireframe) Plots se puede representar grficamente el
modelo (ver figuras siguientes).
Pg. 19
40
55
60
65
70
75
30
20
160
170
180
T
Hold values: K: 0.0
70
Respuesta
60
40
50
30
160
20
170
180
Pg. 20
EJEMPLO 1.
EJEMPLO DE ESTIMACIN DE LOS EFECTOS
SIGNIFICATIVOS A PARTIR DE RPLICAS
LACADOS, S.A est poniendo a punto un nuevo proceso de acabado superficial en
madera. El proceso consiste esencialmente en una cinta transportadora que arrastra
las piezas a una cabina dnde se le chorrea un producto qumico. Hasta el
momento las pruebas no eran totalmente satisfactorias debido a la falta de
uniformidad de la capa depositada. Para mejorar este proceso constituy un grupo
de trabajo formado por un ingeniero de proceso, un tcnico de laboratorio y un
ingeniero de calidad. ste ltimo sugiri realizar algunos ensayos para caracterizar
el comportamiento del proceso. Al planificar los ensayos, el grupo de trabajo se
enfrent a dos problemas:
Valor actual
100 g/min.
5 m / min.
Mximo
130 g
/min.
8 m/min.
Mnimo
80 g /min.
3 m/min.
Tabla 6
Pg. 21
Alto
110 g /min.
6 m/min.
Bajo
90 g /min.
4 m/min.
EJEMPLO 4: PARTE 2
Los efectos significativos seran la velocidad V y la interaccin entre la cantidad de
producto y la velocidad VC. La ecuacin que modeliza el proceso es:
6,75
19,25
V+
VC
2
2
Real
40
25
30
50
45
25
30
52
Residuo
3,375
-0,875
0,875
0,125
-1,625
-0,875
0,875
-1,875
Para confirmar la significacin de los efectos y dado que se aprecia una falta de
ajuste del modelo, se realiza una segunda rplica de los ensayos con los siguientes
resultados:
Pg. 23
Ejemplo 4: Parte 3
Los resultados de la segunda rplica junto con los nuevos clculos se incluyen en la
tabla siguiente:
Ensayo Orden Cantidad velocidad Tipo de CV CP VP CVP R1 R2 Respuesta Efecto
nmero
de pintura:
de
pintura:
avance:
(C)
(P)
(V)
1
2
3
4
5
6
7
8
2
4
5
1
8
6
7
3
-1
1
-1
1
-1
1
-1
1
-1
-1
1
1
-1
-1
1
1
72
=9
8
Var =
2.
-1
-1
-1
-1
1
1
1
1
1 1
-1 -1
-1 1
1 -1
1 -1
-1 1
-1 -1
1 1
SUMA
1
1
-1
-1
-1
-1
1
1
-1
1
1
-1
1
-1
-1
1
40
25
30
50
45
25
30
52
36
28
32
48
43
30
29
49
38
26,5
31
49
44
27,5
29,5
50,5
37,00 Media
1,75
C
6,75
V
19,25 CV
1,75
P
-0,75 CP
-0,75 VP
1,75 CVP
(r1-r2)2
16
9
4
4
4
25
1
9
72
1 1
Var efecto = + 9 = 2,25; Efecto = 1,50
8 8
( )
(x + m ) 1)
ln ( x + m )
( 0) (x x > m )
( = 0) (m > 0)
Pg. 24
lim x ( ) = ln ( x + m )
0
2 ( ) =
2
1 n ( )
(
x x ( ) )
n i =1
TRANSFORMACIN DE BOX-COX
SELECCIN DEL LAMBDA PTIMO
Verosimilitud
-100
-200
-300
-2
-1
0.37
lambda
lambda
-2.00
-1.50
-1.00
-0.50
0.00
0.25
0.50
1.00
1.50
2.00
Verosimilitud
-304.427
-221.758
-153.238
-105.654
-81.808
-77.440
-77.475
-86.631
-105.244
-131.009
Pg. 25
Relacin
mediavarianza
Transformacin
estabilizadora de la
varianza
-1
Inversa
1,5
1/2
Inversa de la raz
cuadrada
Logaritmo
0,5
Raz cuadrada
Datos
procedentes
de
distribucin de Poisson.
const
No se transforma
una
EJEMPLO 2.
Pg. 26
Frecuencia
30
20
10
0
2
10
12
14 16 18 20
22
Espesores
60
50
StDev
40
Lambda
StDev
Low 0.056
2.784
Est 0.113
2.782
Up
2.783
0.170
30
20
10
0
-5
-4
-3
-2
-1
Lambda
Pg. 27
Frecuencia
20
10
0
1.0
1.1
1.2
1.3
1.4
Espesores
ML Estimates
Mean
99
1.18537
StDev 0.0832140
Percent
95
90
Goodness of Fit
80
70
60
50
40
30
20
AD*
0.291
10
5
1
0.88
0.98
1.08
1.18
1.28
1.38
1.48
Data
Figura 16: Comprobacin de la normalidad de los datos transformados
Pg. 28