Ejercicio y Metodología-Diseño de Experimentos

Diseo de experimentos
componentes de turbinas
Anlisis de compuestos para
UNIVERSIDAD CENTRAL DEL ECUADOR

FACULTAD DE INGENIERIA CIENCIAS FISICAS Y MATEMATICAS
ANLISIS Y DISEO DE EXPERIMENTOS
EXPERIMENTACIN DE LOS DATOS OBTENIDOS SOBRE LA PRUEBA

REALIZADA A LAS TURBINAS DE AVIN PARA DETERMINAR EL EFECTO
DE FACTORES EN LAS FISURAS DE LOS MOTORES DE TURBINAS.
AUTOR: Paulina Ortiz Fernndez
TUTOR: Ing. Luis Castillo.
Quito, Febrero del 2014
Tema turbinas no est abordado a fondo ya que no es el tema de enfoque.

Pgina 1
INDICE GENERAL
Contenido
INDICE GENERAL................................................................................................. 2
LISTA DE FIGURAS............................................................................................... 3
LISTA DE TABLAS................................................................................................. 3
INTRODUCCIN................................................................................................... 4
OBJETIVO GENERAL............................................................................................. 5
MARCO TEORICO................................................................................................. 6
Introduccin al diseo de experimentos.......................................................6
Definicin...................................................................................................... 6
Grficos de cajas.......................................................................................... 7
Grficos de dispersin.................................................................................. 7
El anlisis de varianza (ANOVA):...................................................................7
TURBINAS..................................................................................................... 9
DESARROLLO EXPERIMENTAL............................................................................11
Procedimiento del ejercicio:........................................................................12
Decisin......................................................................................................... 19
Conclusin..................................................................................................... 19
Recomendaciones.......................................................................................... 20
GLOSARIO......................................................................................................... 20
ANEXOS............................................................................................................. 20
BIBLIOGRAFA.................................................................................................... 21

Pgina 2
LISTA DE FIGURAS
Fig. 1 Motor de turbina de
avin
10
Fig. 2 Turbina
armada
.10
Fig.3 Grfica de
cajas
...14
Fig. 4 Grafica Q-Q norm para la
normalidad...16
Fig. 5 Grafica de dispersion de los factores y
niveles17
Fig. 6 Interaccin de
fisuras
.18
Fig. 7 Grafica
Tukey
19
LISTA DE TABLAS
Tabla1. Resumen de ANOVA dos
vas7
Tabla2. Resumen de ANOVA una
va.8
Tabla
datos
del
ejercicio
planteado
11

Pgina 3
INTRODUCCIN
La industria aeronutica encargada de la fabricacin de elementos

estructurales debe cumplir una rigurosa serie de procedimientos y
normas en cuanto a la produccin de motores de turbinas de aviones,
puesto que es sumamente fundamental y vital que estos elementos
cumplan con una altsima calidad de produccin, ya que en caso
contrario esto podra representar la ocurrencia de sucesos fatales como
accidentes de aviacin por fallas tcnicas lo que podra resultar en
prdidas humanas.
El desarrollo de esta investigacin pretende llevar a cabo una
experimentacin sobre los datos obtenidos de factores que ms inciden
en la calidad de la elaboracin de turbinas de aviones, para as
determinar si la aleacin de nquel con titanio que se pretende realizar
permitir disminuir o en lo posible eliminar el nivel de riesgo de que los
factores a considerar provoquen la presencia de fisuras en los motores
de turbinas.
Este trabajo se llevar a cabo con procedimientos experimentales
usando herramientas de software para analizar la informacin y hacer
comparacin de qu factor o factores pesan ms sobre el problema de
creacin de fisuras en las partes de aviones mencionadas, buscando
verificar si hay significancia entre los factores incidentes y qu medidas
se puede tomar basndose en los valores resultantes.

Pgina 4
OBJETIVO GENERAL
Realizar el anlisis de los datos obtenidos de una prueba hecha de las piezas
aeronuticas para determinar el nivel de efecto que causan cuatro factores
como: temperatura de vaciado, el contenido de titanio, mtodo de tratamiento
trmico y cantidad de refinador de grano usado, sobre las fisuras en los
motores de turbinas.
El planteamiento de este problema surge debido a que la industria

aeronutica tiene gran responsabilidad en cuanto a la alta calidad que se
requiere para la fabricacin de partes de transporte areo.
Por lo que estn obligados a solucionar la existencia de riesgos que pueden
ocasionar la generacin de fisuras o daos en los motores de turbinas,
haciendo que estos disminuyan en lo ms posible.
As evitar posibles catstrofes como accidentes areos. Esto podra conducir a
muchas ms consecuencias como prdida de vidas, dao de partes areas,
mayor consumo de recursos, demandas por productos de mala calidad,
deficiencia de la industria, etc.
Como hiptesis del estudio se llevara a cabo determinar la incidencia de los
factores sobre los componentes de fabricacin de estos elementos, su hay
mayor efecto de uno u otro.

Pgina 5
Ho
3= 4
2=
: 1=
H a : Al menos un
i es distinto.
En base a la hiptesis definida anteriormente se puede proceder a la

determinacin formular el problema que queremos resolver sobre estudiar los
cuatro factores que ms inciden actualmente
en la calidad de los
componentes para la fabricacin de motores de turbinas de avin, su efecto
sobre las fisuras y estudio de los datos obtenidos de las pruebas sobre los
componentes para motores. Las variables para esta determinacin son:
Variable independiente: Son los cuatro factores que inciden en el estudio,
los cuales van a permitir observar el efecto que causan sobre la provocacin de
fisuras en los motores, a causa de la calidad de los componentes para su
fabricacin.
Factores:
(A)= la temperatura de vaciado
(B)= el contenido de titanio
(C) = el mtodo de tratamiento trmico
(D)= la cantidad de refinador de grano usada
Variable dependiente: Es la variable que depender de la informacin que
contienen y muestren las variables independientes sealadas anteriormente,
es decir los cuatro factores de estudio para la incidencia del dao.
MARCO TEORICO
DISEO DE EXPERIMENTOS
Introduccin al diseo de experimentos
Los modelos de diseo de experimentos son modelos estadsticos clsicos cuyo
objetivo es averiguar si unos determinados factores inuyen en una variable de
inters y, si existe inuencia de algn factor, cuantificar dicha inuencia.
La metodologa del diseo de experimentos se basa en la experimentacin. Es
sabido que si se repite un experimento, en condiciones indistinguibles, los
Pgina 6
resultados presentan una cierta variabilidad. Si la experimentacin se realiza

en un laboratorio donde la mayora de las causas de variabilidad estn muy
controladas, el error experimental ser pequeo y habr poca variacin en los
resultados del experimento. Pero si se experimenta en procesos industriales o
administrativos la variabilidad ser mayor en la mayora de los casos.
Para ello se debe experimentar aplicando el tratamiento y no aplicndolo. Si la
variabilidad experimental es grande, slo se detectar la inuencia del uso del
tratamiento cuando ste produzca grandes cambios en relacin con el error de
observacin.
La metodologa del diseo de experimentos estudia cmo variar las
condiciones habituales de realizacin de un proceso emprico para aumentar la
probabilidad de detectar cambios significativos en la respuesta; de esta forma
se obtiene un mayor conocimiento del comportamiento del proceso de inters.
El objetivo del diseo de experimentos es estudiar si cuando se utiliza un
determinado tratamiento se produce una mejora en el proceso o no.
Definicin:
La metodologa de diseo de experimentos (DOE) es una herramienta
estadstica para la mejora de la calidad usada frecuentemente en proyectos.
Esta metodologa sirve para disear las condiciones ideales de un producto,
proceso o servicio para que cumpla con nuestras expectativas usando el
mnimo nmero de experimentos o pruebas. DOE es muy til cuando tenemos
entre manos un producto complicado cuyo resultado puede depender de una
gran cantidad de variables que no controlamos y que debemos ajustar para
optimizarlo.
Para explicar mejor
el DOE vamos a realizar el ejercicio expuesto
anteriormente (ejercicio 6.15 del libro de diseo de experimentos de
Montgomery)
Los factores que pueden inuir en un experimento son:
1)
2)
3)
4)
Factores
Factores
Factores
Factores
de diseo
que se mantienen constantes
que se permiten variar
perturbadores controlables
Grficos de cajas: sirven para visualizar relaciones entre una variable

continua y un factor.
Las grficas de caja muestran la variabilidad de las observaciones dentro de un
nivel especfico del factor y la variabilidad entre los niveles del factor.
Pgina 7
Grficos de dispersin: sirven para visualizar relaciones entre un par de

variables continuas.
El anlisis de varianza (ANOVA):
Asume que las observaciones son normales e independientemente distribuidas
con la misma varianza en cada nivel del factor.
Construir la tabla de ANOVA o Anlisis de la Varianza consiste en:
Descomponer la variabilidad de los datos en la parte que es explicada por el
modelo y la parte que se deja sin explicar, es decir, la variabilidad de los
residuos, y compararlas y valorar estadsticamente si la variabilidad explicada
por el modelo ajustado es suficientemente grande.
Tabla1. Resumen de ANOVA dos vas :

FV
Factor A
SC
SCA
g.l.
J1
Factor B
SCB
Interaccin
SCAB
Error
SCE
Total
SCT
MC
SC A
j1
FA=
MC A
MC E
K1
SC B
k1
F B=
MC B
MC E
(J 1)(K 1)
SCAB
k 1
F B=
MCAB
MC E
Jk
SCE
N J k
NN-1
Tabla2. Resumen de ANOVA una va
Fuente
Suma de cuadrados
Grados de
libertad
varianza
Fcal

Pgina 8
P
valor
Entre
tratamientos
k 1
x
x i
MS E =
SS E
k1
MS D =
SS D
na
SS E
SS D
ni
j=1
SS E =
i=1
Dentro
tratamientos
nk
x j
xij
ni
j=1
SS D =
i=1
Total
n1
x j
xij
ni
j=1
SS T =
i=1
DESICIONES:
Cuando el p-valor asociado al valor de F encontrado es menor que
= 0, 05, rechazamos la hiptesis nula (
H 0 ) y aceptamos que hay
diferencias entre las medias. Caso contrario se No se rechaza.

Supuestos del ANOVA
Independencia: Las
JK
muestras de tamao n son aleatorias e
independientes, las pruebas que se pueden realizar para la normalidad

son: Durbin-Watson, X2 para independencia

Pgina 9
JK
Normalidad: Las
poblaciones de donde se extraen las JK muestras
son normales.
El test de Shapiro-Wilks para normalidad se basa, ms o menos, en una
correlacin entre los cuartiles empricos de los residuos y los tericos
segn una distribucin normal. Cuanta mayor correlacin, ms indicios
de normalidad para los residuos.
El test de Kolmogorov-Smirnov: Es til para contrastar cualquier
distribucin sobre un conjunto de datos. Calcula las diferencias entre la
funcin de distribucin emprica y la terica en los puntos observados,
toma valor absoluto y da como estadstico el mximo de estos valores.
Es decir valora la mxima distancia entre la distribucin propuesta y la
distribucin emprica obtenida sin ninguna hiptesis paramtrica solo a
partir de los datos.
Igualdad de Varianza: Las
JK
poblaciones tienen, todas ellas, la
misma varianza, para esto se puede hacer uso de varios test como: Test
de Levene, F de Fisher
El test de Bartlett:
Sigue la lnea de dividir las observaciones en grupos supuestamente
homogneos, y contrasta si todas las varianzas en todos los grupos
considerados son iguales. Para ello, ajusta un modelo por cada grupo y
compara las varianzas con un estadstico, el K2 de Bartlett.
El test de Tukey:
Es un procedimiento especial para realizar mltiples comparaciones. Es ideal

cuando el nmero de comparaciones que se desea hacer es grande.
Con este mtodo se corrige la tendencia a rechazar la igualdad de tratamientos
errneamente motivado por el simple hecho de realizar mltiples
comparaciones. Las comparaciones utilizando el criterio LSD tienen tendencia a
encontrar diferencias significativas cuando las medias son iguales. Existen
varios mtodos para corregir esta tendencia. El mtodo de Tukey es uno de los
ms utilizados.
DMS Tukey=1 q v , N
MCE
N
v
Dnde:
q aparece en la tabla J
Pgina 10
v : n de medias que se estn comparando:

v = J para el factor A
v = K para el factor B
v =J K para la interaccin
TURBINAS
El aire caliente que sale de la cmara, pasa a travs de los labes de varias
turbinas, haciendo girar varios ejes. En los motores turbofan de bajo bypass se
mueven con un mismo eje, el compresor de baja presin junto con el fan;
mientras que para los turbofan de alto bypass se posee un eje para cada
componente (fan, compresor de baja presin y compresor de alta presin).
Tipos de turbinas:
Turbo jet
Turbofan
Turbohlice

Pgina 11
Fig. 1 Motor de turbina
Fig. 2 Turbina de avin armada
DESARROLLO EXPERIMENTAL
Ejercicio de estudio: Libro Anlisis y diseo experimental de Montgomery
capitulo 6, Diseo Factorial
, ejercicio 6-15.

Pgina 12
Se utiliza una aleacin de nquel y titanio para fabricar componentes de los

motores de turbinas de aviones. La formacin de fisuras es un problema
potencialmente serio de las piezas terminadas, ya que pueden provocar fallas
irreversibles. Se realiza una prueba de las piezas para determinar el efecto de
cuatro factores sobre las fisuras. Los cuatro factores son la temperatura de
vaciado (A), el contenido de titanio (B), el mtodo de tratamiento trmico (C) y
la cantidad de refinador de grano usada (D). Se hacen dos rplicas de un
diseo 24 y se mide la longitud de las fisuras (en mm x 10-2) inducidas en un
ejemplar de prueba de muestra sometido a una prueba estndar. Los datos se
muestran en la siguiente tabla:
Tabla datos del ejercicio planteado
A
B
C
D
Combinacin
de
tratamientos
(1)
+
a
+
b
+
+
ab
+
c
+
+
ac
+
+
bc
+
+
+
abc
+
d
+
+
ad
+
+
bd
+
+
+
abd
+
+
cd
+
+
+
acd
+
+
+
bcd
+
+
+
+
abcd
a)
b)
c)
d)
e)
f)
Rplica
I
7.037
14.707
11.635
17.273
10.403
4.368
9.360
13.440
8.561
16.867
13.876
19.824
11.846
6.125
11.190
15.653
II
6.376
15.219
12.089
17.815
10.151
4.098
9.253
12.923
8.951
17.052
13.658
19.639
12.337
5.904
10.935
15.053
Estimar los efectos de los factores Qu efectos de los factores

parecen ser grandes?
Conducir un anlisis de varianza. Algunos de los factores afecta la
formacin de fisuras? Utilizar alfa = 0.05
Escribir un modelo de regresin que pueda usarse para predecir la
longitud de las fisuras como una funcin de los efectos principales y
las interacciones significativas que se han identificado en el inciso b.
Analizar los residuales de este experimento.
hay algn indicio de que alguno de los factores afecte la variabilidad
de la formacin de fisuras?
Qu recomendaciones se haran respecto de las operaciones del
proceso? Utilizar grficas de las interacciones y/o de los efectos
principales como ayuda para sacar conclusiones.

Pgina 13
Procedimiento del ejercicio:

A continuacin se carga el archivo:
Datoss <read.table("D:/DISEO_EXPERIMENTOS/ejercicios_mintab/datos_1.txt",
header=TRUE,
sep="", na.strings="NA", dec=".", strip.white=TRUE)
## se muestra los datos:

attach(Datoss)
names(Datoss)
Datoss
Salida:
> Datoss
A B
1 -1 -1
2
1 -1
3 -1 1
4
1 1
5 -1 -1
6
1 -1
7 -1 1
8
1 1
9 -1 -1
10 1 -1
11 -1 1
12 1 1
13 -1 -1
14 1 -1
15 -1 1
16 1 1
C
-1
-1
-1
-1
1
1
1
1
-1
-1
-1
-1
1
1
1
1
D Com_trat
I
II
-1
(1) 7.037 6.376
-1
a 14.707 15.219
-1
b 11.635 12.089
-1
ab 17.273 17.815
-1
c 10.403 10.151
-1
ac 4.368 4.098
-1
bc 9.360 9.253
-1
abc 13.440 12.923
1
d 8.561 8.951
1
ad 16.867 17.052
1
bd 13.876 13.658
1
abd 19.824 19.639
1
cd 11.846 12.337
1
acd 6.125 5.904
1
bcd 11.190 10.935
1
abcd 15.653 15.053
Se preparan los datos para trabajar con los factores:

Factores:
Corridas base:
Bloques base:
4
16
1
Rplicas:
Total de corridas:
Total de bloques:
2
32
2
Nmero de niveles: 2; 2; 2; 2
Verificamos las fisuras que se ocasionan para cada factor:
Fuente
A
B
C
D
GL
1
1
1
1
SC sec.
30662280
103464113
126460656
72908850
SC ajust.
30662281
103464113
126460656
72908850
MC ajust.
30662281
103464113
126460656
72908850
F
377,80
1274,82
1558,17
898,34
P
0,000
0,000
0,000
0,000

Pgina 14
A*B
A*C
A*D
B*C
B*D
C*D
A*B*C
A*B*D
A*C*D
B*C*D
A*B*C*D
Error
Total
1
1
1
1
1
1
1
1
1
1
1
16
31
S = 284,885
47278
17860
46818
73728
128496481
29926716
10153
2926
76832
78751250
1596
1298554
572246092

47278
17860
46818
73728
128496481
29926716
10153
2926
76832
78751250
1596
1298554
R-cuad. = 99,77%
47278
17860
46818
73728
128496481
29926716
10153
2926
76832
78751250
1596
81160
0,58
0,22
0,58
0,91
1583,26
368,74
0,13
0,04
0,95
970,33
0,02
0,456
0,645
0,459
0,355
0,000
0,000
0,728
0,852
0,345
0,000
0,890
R-cuad.(ajustado) = 99,56%
Preparamos los factores por niveles, hacemos lo siguiente:

>
Nivel=factor(rep(c(rep(c("(1)","a","b","ab","c","ac","bc","ab
c","d","ad","bd","abd","cd","acd","bcd","abcd"),c(1,1,1,1,1,1
,1,1,1,1,1,1,1,1,1,1))),2))
> Nivel
[1] (1) a
b
ab
c
ac
bc
abc d
ad
bd
abd cd
acd bcd
[16] abcd (1) a
b
ab
c
ac
bc
abc d
ad
bd
abd cd
acd
[31] bcd abcd
Levels: (1) a ab abc abcd abd ac acd ad b bc bcd bd c cd d
> Replicas=factor(rep(c("I","II"),c(16,16)))
> Replicas
[1] I I I I I I I I I I I I I I I I II II II
II II II II II II
[26] II II II II II II II
Levels: I II
BOXPLOT para cada una de las combinaciones, es otra forma de ver si
los datos son normales. Si no es simtrica la caja y pivote no hay
normalidad, hay duda en ella.
boxplot(Datosolo~Fact*FactCol)

Pgina 15
Fig.3 Grfica de cajas
Promedio de las Rplicas y Niveles

> tapply(Datoso,list(Nivel),mean)
(1)
a
ab
abc
abcd
abd
acd
ad
b
6.7065 14.9630 17.5440 13.1815 15.3530 19.7315
6.0145 16.9595 11.8620
bc
bcd
bd
c
cd
d
9.3065 11.0625 13.7670 10.2770 12.0915 8.7560
ac
4.2330
> tapply(Datoso,list(Replicas),mean)
I
II
12.01031 11.96581
a)
A partir de los efectos de los factores A, B, C, D, AB, AC y ABC parecen ser
grandes.
Term
Effect
Constant
(A)
3.019
1.509
Coef
SE Coef
11.988
0.05036
238.04
0.000
0.05036
29.97
0.000

Pgina 16
(B)
3.976
1.988
0.05036
39.47
0.000
(C)
-3.596
-1.798
0.05036
-35.70
0.000
(D)
1.958
0.979
0.05036
19.44
0.000
(A)* (B)
1.934
0.967
0.05036
19.20
0.000
(A)* (C)
-4.008
-2.004
0.05036
-39.79
0.000
(A)* (D)
0.076
0.038
0.05036
0.76
0.459
(B)* (C)
0.096
0.048
0.05036
0.95
0.355
0.047
0.024
0.05036
0.47
0.645
-0.077
-0.038
0.05036
-0.76
0.456
(A)*(B)*(C)
3.137
1.569
0.05036
31.15
0.000
(A)* (B)* (D)
0.098
0.049
0.05036
0.97
0.345
(A)* C)* (D)
0.019
0.010
0.05036
0.19
0.852
(A)*(B)*(C)*(D)
0.014
0.007
0.05036
0.14
0.890
(B)* (D)
(C)* (D)
S = 0.284885
R-Sq = 99.77%
R-Sq(adj) = 99.56%
b) ANOVA:
> anova2=aov(lm(Datoso~Replicas+Nivel))
> summary(anova2)
Df Sum Sq Mean Sq F value Pr(>F)
Replicas
1
0.0
0.02
0.185 0.673
Nivel
15 570.9
38.06 445.110 <2e-16 ***
Residuals
15
1.3
0.09
--Signif. codes: 0 *** 0.001 ** 0.01 * 0.05 . 0.1
1
Observando la interaccin entre las rplicas y los factores se tiene:
> summary(anova2)
Df Sum Sq Mean Sq
Replicas
1
0.0
0.02
Nivel
15 570.9
38.06
Replicas:Nivel 15
1.3
0.09
Se puede decir que todos los factores son significativos en la formacin de
fisuras
Cuando los residuos se apegan a la grfica normal, el modelo es adecuado.
c) Los factores principales y las interacciones son:
Pgina 17
y 11.988 1.509 A 3.976 B 1.798C 0.979 D 0.967 AB 2.004 AC 1.569 ABC

d)
Fig. 4 Grafica Q-Q norm para la normalidad
Al analizar la grfica de normalidad se vio que existe normalidad en los

residuos y por lo tanto el modelo es vlido y existe independencia de los
factores con la respuesta.
e) Para la formacin de fisuras todos los factores van incidiendo a la par, al
observar la dispersin de cada factor.
Se puede observar laa matriz de grficos de dispersin que se produce con la
funcin pairs().
Fig. 5 Grafica de dispersion de los factores y niveles

Pgina 18
0.5
-1.0
0.5
15
0.5
-1.0
0.5
-1.0
0.5
-1.0
0.5
-1.0
15
-1.0
15
Com_trat
15
II
-1.0
0.5
-1.0
0.5
15
15
Aunque parece que las interacciones AB y CD podran ser significativos.

f) Interacciones para las fisuras

Pgina 19
Fig. 6 Interaccin de fisuras
Efectos principales para cada fisura
tk1=TukeyHSD(anovados,"Replica")
plot(tk1)
Tukey compara los niveles en los factores asociados.

Pgina 20
Fig. 7 Grafica Tukey
Se puede decir que para disminuir las fisuras es necesario aplicar el menor
valor de todos los cuatro factores antes mencionados.
Decisin
Por lo observado en un anlisis de varianza realizado, no se rechaza la
Ho
de
que todos los factores son iguales.
Conclusin
No hay diferencia significativa entre los factores de incidencia, ninguno es ms
daino que otro:
(A)= la temperatura de vaciado
(B)= el contenido de titanio
(C) = el mtodo de tratamiento trmico
(D)= la cantidad de refinador de grano usada
Pgina 21
Recomendaciones
Lo que se puede recomendar es una posibilidad de estudiar nuevas aleaciones
de elementos qumicos para que los componentes producidos para la creacin
de motores de turbinas de avin no puedan causar tanto efecto en las fisuras
que pueden presentarse en los motores.
GLOSARIO
Variable: Es un hecho, proceso, fenmeno, atributo, propiedad,
concepto que puede cambiar cuantitativa o cualitativamente.
Variable Independiente: Es el antecedente o causa que genera
cambios en otra variable
Variable Dependiente: Es el consecuente o efecto que cambia por
inuencia de la variable independiente.
ANEXOS
FALLO DE TURBINA A 380 EN SINGAPUR
Un Airbus A380 de la compaa autraliana Qantas ha aterrizado la pasada

madrugada en el aeropuerto de Singapur tras sufrir problemas tcnicos mientras
sobrevolaba Indonesia. La aerolnea ha informado que el aparato, con 443
pasajeros y 26 miembros de la tripulacin a bordo, ha tomado tierra en la ciudadestado a las 11.45 hora local (4.45 hora espaola) sin incidentes luego de sufrir el
fallo de una de sus cuatro turbinas.

Pgina 22
http://vuelasinmiedo.es/aviacion/fallo-de-turbina-a-380-en-singapur/
BIBLIOGRAFA
http://www.aliquote.org/articles/tech/dae/dae.pdf
http://www.slideshare.net/ortizximena/como-hacer-introduccion
Manual siete pasos para una tesis exitosa- Arstides Vara (Libro pdf)
http://e-archivo.uc3m.es/bitstream/handle/10016/5561/Tesis-DavidVaras.pdf;jsessionid=AE1B8AFE0E9D8DA0DC8DAAC26C358153?sequence=1

Pgina 23

Ejercicio y Metodología-Diseño de Experimentos

Cargado por

Información del documento

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

Ejercicio y Metodología-Diseño de Experimentos

Cargado por

Copyright:

Formatos disponibles

Diseo de experimentos

Anlisis de compuestos para

UNIVERSIDAD CENTRAL DEL ECUADOR

EXPERIMENTACIN DE LOS DATOS OBTENIDOS SOBRE LA PRUEBA

AUTOR: Paulina Ortiz Fernndez

TUTOR: Ing. Luis Castillo.

Quito, Febrero del 2014

Tema turbinas no est abordado a fondo ya que no es el tema de enfoque.

Anlisis de compuestos para

Tema turbinas no est abordado a fondo ya que no es el tema de enfoque.

Anlisis de compuestos para

Tema turbinas no est abordado a fondo ya que no es el tema de enfoque.

Anlisis de compuestos para

La industria aeronutica encargada de la fabricacin de elementos

Tema turbinas no est abordado a fondo ya que no es el tema de enfoque.

Anlisis de compuestos para

El planteamiento de este problema surge debido a que la industria

Tema turbinas no est abordado a fondo ya que no es el tema de enfoque.

Anlisis de compuestos para

En base a la hiptesis definida anteriormente se puede proceder a la

Anlisis de compuestos para

resultados presentan una cierta variabilidad. Si la experimentacin se realiza

Grficos de cajas: sirven para visualizar relaciones entre una variable

Anlisis de compuestos para

Grficos de dispersin: sirven para visualizar relaciones entre un par de

Tabla1. Resumen de ANOVA dos vas :

Tabla2. Resumen de ANOVA una va

Tema turbinas no est abordado a fondo ya que no es el tema de enfoque.

Anlisis de compuestos para

H 0 ) y aceptamos que hay

diferencias entre las medias. Caso contrario se No se rechaza.

muestras de tamao n son aleatorias e

independientes, las pruebas que se pueden realizar para la normalidad

Tema turbinas no est abordado a fondo ya que no es el tema de enfoque.

Anlisis de compuestos para

poblaciones de donde se extraen las JK muestras

poblaciones tienen, todas ellas, la

Es un procedimiento especial para realizar mltiples comparaciones. Es ideal

Anlisis de compuestos para

v : n de medias que se estn comparando:

Tema turbinas no est abordado a fondo ya que no es el tema de enfoque.

Anlisis de compuestos para

Fig. 1 Motor de turbina

Fig. 2 Turbina de avin armada

Tema turbinas no est abordado a fondo ya que no es el tema de enfoque.

Anlisis de compuestos para

Se utiliza una aleacin de nquel y titanio para fabricar componentes de los

Estimar los efectos de los factores Qu efectos de los factores

Tema turbinas no est abordado a fondo ya que no es el tema de enfoque.

Anlisis de compuestos para

Procedimiento del ejercicio:

## se muestra los datos:

Se preparan los datos para trabajar con los factores:

Tema turbinas no est abordado a fondo ya que no es el tema de enfoque.

Anlisis de compuestos para

Preparamos los factores por niveles, hacemos lo siguiente:

Tema turbinas no est abordado a fondo ya que no es el tema de enfoque.

Anlisis de compuestos para

Fig.3 Grfica de cajas

Promedio de las Rplicas y Niveles

Tema turbinas no est abordado a fondo ya que no es el tema de enfoque.

Anlisis de compuestos para

(A)* (B)* (D)

(A)* C)* (D)