Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Disenios A Dos Niveles PDF
Disenios A Dos Niveles PDF
Diseosfactoriales
factorialesaados
dosniveles.
niveles.
Teresa Villagarca
Si
Siqueremos
queremosestudiar
estudiarmuchos
muchosfactores
factores
Hay que cruzar todos los factores a todos los
niveles.
Son muchas observaciones
Es muy caro.
Veamos un ejemplo.
44FACTORES
FACTORES
Factor A 3 niveles
Factor B 5 niveles
Factor C 2 niveles
Factor D 4 niveles
3x5x2x4=120 Observaciones
Cmo
Cmoreducir
reducirelelnmero
nmerode
deobservaciones?
observaciones?
KK
Diseos
a
dos
niveles
2
Diseos a dos niveles 2
Coste
Costede
dereducir
reducirelelnmero
nmerode
de
observaciones
observaciones
Coste
Costede
dereducir
reducirelelnmero
nmerode
de
observaciones
observaciones
Temperatura
T1
To
Po
P1
Presin
Tomamos cuatro observaciones
A dos niveles
Coste
Costede
dereducir
reducirelelnmero
nmerode
de
observaciones
observaciones
Temperatura
T1
To
Po
P1
Presin
Coste
Costede
dereducir
reducirelelnmero
nmerode
de
observaciones
observaciones
Temperatura
Tomaremos otras
Tres observaciones
T1
To
Po
P1
Presin
Coste
Costede
dereducir
reducirelelnmero
nmerode
de
observaciones
observaciones
Temperatura
Tomaremos otras
Tres observaciones
T1
To
Po
P1
Presin
Coste
Costede
dereducir
reducirelelnmero
nmerode
de
observaciones.
observaciones.La
Laalternativa:
alternativa:
Coste
Costede
dereducir
reducirelelnmero
nmerode
de
observaciones.
observaciones.La
Laalternativa:
alternativa:
Temperatura
T3
T2
T1
To
Po
P1
P2
P3
P4
P5 Presin
Estudiaremos
Estudiaremospor
portanto
tantodiseos
diseosaados
dosniveles
nivelesy ylos
losaplicaremos
aplicaremos
secuencialmente
secuencialmente
24
observaciones
2
Diseo
Diseo22:2Cuatro
: Cuatroobservaciones
observacionesy ydos
dosfactores
factores
2
Diseo
Diseo22:2Cuatro
: Cuatroobservaciones
observacionesy ydos
dosfactores
factores
Temperatura
B
T1
(+)
To
(-)
Po
(-)
P1
(+)
Presin
A
2
Diseo
Diseo22:2Cuatro
: Cuatroobservaciones
observacionesy ydos
dosfactores
factores
Observaciones
Temperatura
B
T1
(+)
y11
y21
y12
ab
y22
To
(-)
Po
(-)
P1
(+)
Presin
A
Estimacin
Estimacinde
delos
losefectos
efectos
Efecto de A
Efecto de B
A = 1 (a + ab ) 1 (o + b )
2
2
1
1
B = (b + ab ) (o + a )
2
2
Estimacin
Estimacinde
delos
losefectos
efectos
Efecto de A
A = 1 (a + ab ) 1 (o + b )
2
2
El efecto de A
mide
variaciones
en ese eje
Estimacin
Estimacinde
delos
losefectos
efectos
Efecto de B
1
1
B = (b + ab ) (o + a )
2
2
El efecto de B
mide
variaciones
en ese eje
Estimacin
Estimacinde
delos
losefectos
efectos
Efecto de la
Interaccin
Entre A y B
Se llama efecto
AB
B
B
1
1
AB = (o + ab ) (a + b )
2
2
Algoritmo
Algoritmode
designos
signos
1
1
1
A = (a + ab ) (o + b ) = ( 0 + a b + ab )
2
2
2
1
1
1
B = (b + ab ) (o + a ) = ( 0 a + b + ab )
2
2
2
1
1
1
AB = (o + ab ) (a + b ) = (+o a b + ab)
2
2
2
A
AB
y11
y21
y12
ab
y22
33
Diseo
con
tres
factores
2
Diseo con tres factores 2
Observaciones
A B C AB AC BC ABC Y
-
+ -
+ -
+ + -
ab
+ +
+ -
+ -
ac
+ + -
bc
+ + + +
abc
Anlisis
Anlisisdel
del 223:3:
Estimacin
Estimacinde
delos
losefectos
efectos
Observaciones
A
AB
AC
BC
ABC
ab
C = 1/4(+ o - a + b - ab - c + ac - bc + abc)
C = 1/4(+ o + a - b - ab - c - ac + bc + abc)
B
C = 1/4(-o + a + b - ab + c - ac - bc + abc)
AB
ac
bc
ab
c
= 1/4(-o + a - b + ab - c + ac - bc + abc)
B = 1/4(-o - a + b + ab - c - ac + bc + abc)
C = 1/4(-o - a - b - ab + c + ac + bc + abc)
B = 1/4(+ o - a - b + ab + c - ac - bc + abc)
Efecto de A:
C
A
Efecto de A:
A (+)
B
C
A
Efecto de A:
A (+)
B
C
A
A (-)
Efecto A=A(+)-A(-)
Efecto de A:
C
A
Efecto A=
Rojas-Verdes
Ejemplo:
Ejemplo:Trabajo
Trabajode
deuna
unaalumna
alumna
+ Rosa
- Clavel
Factor B Agua
+ Permanente
- Cambiada cada da
Factor C Ubicacin
+ Exterior
- Interior
Los
Losdatos
datos
Observaciones
A
AB
AC
BC
ABC
85
80
112
80
121
78
117
69
Anlisis
Anlisisde
delos
losdatos
datos
=1/4(-o+a-b+ab-c+ac-bc+abc) =1/4(-85+80-112+80-121-78-117+69)=-32
^B=1/4(-o-a+b+ab-c-ac+bc+abc)=3.5
^C=1/4(-o-a-b-ab+c+ac+bc+abc)=7
B= 1/4(+o-a-b+ab+c-ac-bc+abc)=-8
C= 1/4(+o-a+b-ab-c+ac-bc+abc)=13.5
^BC= 1/4(+o+a-b-ab-c-ac+bc+abc)=-10
CB= 1/4(-o+a+b-ab+c-ac-bc+abc)=5.5
Hemos
Hemosestimado
estimadolos
losefectos
efectospero..
pero..
Significatividad
Significatividadde
delos
losefectos
efectos
Normal
NormalooHalf
HalfNormal
Normalplot
plot
La interpretacin es la misma:
Si ninguno de los 7 efectos es significativo, los 7 valores estimados se distribuirn
como una normal centrada en cero
Si alguno es significativo, estar fuera de esa normal.
Nos basamos en que los efectos principales pueden ser significativos, las
interacciones de segundo orden es menos probable, pero pueden ser
significativas.
Las interacciones de tercer orden o superiores no suelen ser significativas
Normal Distribution
0,4
Mean,Std. dev.
0,1
0,3
density
0,2
0,1
0
-15 -13 -11
-9
-7
-5
-3
-1
Efectos no significativos
11
13
15
Efecto significativo
Normal
NormalooHalf
HalfNormal
Normalplot
plot
Los efectos que son cero (no significativos) deben salir alineados en
papel de ESCALA NORMAL.
Los efectos significativos salen fuera de la lnea.
Half-Normal Plot for Var_1
Standard deviations
1,8
1,5
1,2
0,9
0,6
0,3
0
0
Standardized effects
Efectos no significativos
MUCHOS
Efecto significativo
POCOS
Normal
NormalooHalf
HalfNormal
Normalplot
plot
Los efectos que son cero (no significativos) deben salir alineados en
papel de ESCALA NORMAL.
Los efectos significativos salen fuera de la lnea.
percentage
99,9
99
95
80
50
20
5
1
0,1
Efectos no significativos
-5,9
-3,9
-1,9
0,1
2,1
Standardized effects
Efecto significativo
Volvemos
Volvemosaalas
lasRosas
Rosasyylos
losClaveles
Claveles
+ Rosa
- Clavel
Factor B Agua
+ Permanente
- Cambiada cada da
Factor C Ubicacin
+ Exterior
- Interior
Lo
Lohago
hagocon
conStatgraphics
Statgraphics
99,9
99
95
80
50
20
5
1
0,1
percentage
-32
-22
-12
-2
Standardized effects
2
1,6
1,2
0,8
0,4
0
0
10
20
30
Standardized effects
40
Lo
Lohago
hagocon
conStatgraphics
Statgraphics
99,9
99
95
80
50
20
5
1
0,1
percentage
-32
-22
-12
-2
2
1,6
1,2
0,8
0,4
0
0
Standardized effects
10
20
30
Standardized effects
EFECTO A
40
Conclusin:
Conclusin:
Slo influye el tipo de flor
El agua no influye
La ubicacin tampoco
Mtodo
Mtodode
delalaMEDA
MEDA
Meda
s =
0.675
Efecto 2 s
Significativo
Ejemplo.
Ejemplo.Supongamos
Supongamosque
quehemos
hemos
obtenido
obtenido
B=-1
C=2
^BC=0.5
BC=0
Meda 0.75
s =
=
1.1
0.675 0.675
Efecto 2 s = 2.2
Significativo
Ejemplo.
Ejemplo.Flores
Flores
B= 1/4(+o-a-b+ab+c-ac-bc+abc)=-8
C= 1/4(+o-a+b-ab-c+ac-bc+abc)=13.5
^BC= 1/4(+o+a-b-ab-c-ac+bc+abc)=-10
CB= 1/4(-o+a+b-ab+c-ac-bc+abc)=5.5
Meda 5.5
=
= 8.15
s =
0.675 0.675
Efecto 2 s = 16.30
Valores
Valoresprevistos
previstospor
porelelmodelo
modelo
C
A B
A
B
x1 x2 + AC x1 x3 + BC x2 x3 + ABC x1 x2 x3
y = y + x1 + x2 + x3 +
2
2
2
2
2
2
2
x =
1
x =
2
x =
3
Si A = +
1 Si A =
1
Si B = +
1 Si B =
1 Si C = +
1 Si C =
Duracin de la ROSA=92.75-16.1=76.65
Duracin del CLAVEL=92.75+16.1=108.85
Por
Portanto
tanto
=-32
Como A (+) es ROSA
A (-) es CLAVEL
Los
Lospimientos
pimientosde
dePadrn
Padrn
Trabajo
Trabajode
deun
unalumno
alumno
1. Define un escala de Picor:
0-No pica
1-Pica un poco
2-Pica bastante
3 Pica muchiiiiisimo
(+)
Pequeo (-)
Gordo
(+)
Delgado (-)
Muy frito (+)
Poco frito (-)
El
Elexperimento
experimento
Prueba 6 pimientos de cada tipo y la variable respuesta es la media
Observaciones
A
AB
AC
BC
ABC
2.6
0.5
1.6
0.5
1.85
0.33
0.66
Estimacin
Estimacin
Pareto Chart for Var_1
A:Factor_A
B:Factor_B
C:Factor_C
AB
AC
ABC
BC
0
0,2
0,4
0,6
0,8
1,2
Effect
Var_1
1,3
1,1
0,9
0,7
0,5
-1.0
1.0
Factor_A
-1.0
1.0
Factor_B
-1.0
1.0
Factor_C
Significatividad
Significatividadde
delos
losefectos
efectos
Half-Normal Plot for Var_1
Standard deviations
1,8
1,5
1,2
0,9
0,6
0,3
0
0
10
Standardized effects
Significativos
AyB
percentage
-3
Standardized effects
Son
Sonsignificativos
significativosAAyyBB
A Tamao: Grande
Pequeo
B Forma: Gordo
Delgado
(+)
(-)
(+)
(-)
A:Factor_A = 1,095
B:Factor_B = -0,715
C
A B
A
B
x1 x2 + AC x1 x3 + BC x2 x3 + ABC x1 x2 x3
y = y + x1 + x2 + x3 +
2
2
2
2
2
2
1.1
0.7
y = 1.13 + x1 +
x2
2
2
44y 2kk
Diseos
2
Diseos 2 y 2
Diseo 24:
Estudia cuatro factores A, B, C y D
Utiliza 16 observaciones.
Las observaciones que hay que tomar son:
2244
Diseo
Diseo
Factores
Num
10
11
12
13
14
15
16 = 24
Estimacin
Estimacinmediante
medianteelelalgoritmo
algoritmode
designos
signos
Efectos
Efectossignificativos:
significativos:Normal
NormalPlot
PlotooMEDA
MEDA
Tasa
Tasade
defiltracin
filtracin(Montgomery)
(Montgomery)
A: Temperatura
B: Presin
C: Concentracin de los reactivos
D: Rapidez de mezclado
2244Ejemplo
Ejemplo
Diseo
Diseo
Factores
Num
Velocidad
45
71
48
65
68
60
80
65
43
10
100
11
45
12
104
13
75
14
86
15
70
16 = 24
96
Velocidad
A:Factor_A
AC
AD
D:Factor_D
C:Factor_C
ABD
B:Factor_B
BCD
BC
ABC
ACD
ABCD
CD
BD
AB
No significativos
Significativos
8
12
Effect
16
20
24
percentage
-9
11
21
31
Standardized effects
Standard deviations
12
16
Standardized effects
A, C,
C, D,
D, AD
AD yy CD
CD
A,
20
24
MEDA
MEDA
Ordenamos
Ordenamoslas
lasinteracciones
interacciones
-18.13,
-18.13,-2.63,
-2.63,-1.63,
-1.63,2.38,
2.38,4.13,
4.13,16.63
16.63
A,C,D,AC,AD
A,C,D,AC,AD
Mediana=0.13
Mediana=0.13
Desviaciones
Desviacionesaalalamediana
medianaen
envalor
valorabsoluto:
absoluto:
18.26,
18.26,2.76,
2.76,1.76,
1.76,,
,2.25,
2.25,4,
4,16,50
16,50
Mediana
Medianade
deesas
esasdesviaciones:
desviaciones:MEDA=1.76
MEDA=1.76
MEDA/0.675=2.61
MEDA/0.675=2.61
El
Elmodelo
modeloestimado
estimadoes:
es:
A,C,D,AC
A,C,D,ACyyAD
AD
y = 70.06 + (21.6 / 2) x1 + (9.87 / 2) x3 + (14.6 / 2) x4 + (16.6 / 2) x1 x4 (18.1 / 2) x1 x3
Para
Para A(+)
A(+)
C(-)
C(-)
D(+)
D(+)
Valor
Valormximo
mximo
y = 100.65
kk
Resumen
de
diseos
2
Resumen de diseos 2
Diseos
Diseoscon
conmuchos
muchosfactores.
factores.
25 = 5 Factores a dos niveles.
= 32 observaciones.
= 5 Factores, 10 interacciones de segundo orden.
= 16 interacciones de orden superior
26 = 6 Factores a dos niveles.
= 64 observaciones.
= 6 Factores, 15 interacciones de segundo orden.
= 42 interacciones de orden superior
Factores
Num
A
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32 =
25
Fracciones Factoriales
Vamos
Vamos aa disminuir
disminuir el
el nmero
nmero de
de
observaciones
observaciones
2233estudiamos
estudiamos33factores
factorescon
con88observaciones
observaciones
Observaciones
A
AB
AC
BC
ABC
ab
ac
bc
abc
2233estudiamos
estudiamos33factores
factorescon
con88observaciones
observaciones
Observaciones
A
AB
AC
BC
ABC
ab
ac
bc
abc
2233estudiamos
estudiamos33factores
factorescon
con88observaciones
observaciones
Observaciones
A
AB
AC
BC
ABC
ab
ac
bc
abc
Observaciones
A
AB
AC
BC
ABC
abc
2233estudiamos
estudiamos33factores
factorescon
con88observaciones
observaciones
Observaciones
A
AB
AC
BC
ABC
ab
ac
bc
abc
Observaciones
A
AB
AC
BC
ABC
abc
C y AB son iguales
2233estudiamos
estudiamos33factores
factorescon
con88observaciones
observaciones
Observaciones
A
AB
AC
BC
ABC
ab
ac
bc
abc
Observaciones
A
AB
AC
BC
ABC
abc
C y AB son iguales
A y BC son iguales
2233estudiamos
estudiamos33factores
factorescon
con88observaciones
observaciones
Observaciones
A
AB
AC
BC
ABC
ab
ac
bc
abc
Observaciones
A
AB
AC
BC
ABC
abc
C y AB son iguales
A y BC son iguales
B y AC son iguales
ABC siempre es positivo
2233estudiamos
estudiamos33factores
factorescon
con88observaciones
observaciones
Observaciones
A
AB
AC
BC
ABC
ab
ac
bc
abc
8 = 1/4(-o + a - b + ab - c + ac - bc + abc)
C = 1/4( +o + a - b - ab - c - ac + bc + abc)
B
8
Observaciones
A
AB
AC
BC
ABC
abc
1
A 4 = (a b c + abc) = A 8 + B C8
2
C = 1/4(a - b - c + abc)
8 + B
8
Lo que obtenemos en el diseo pequeo es la suma de los efectos A y BC.
Lgico porque la columna de signos de A y de BC son iguales en el diseo pequeo
Lo que estiman los signos de A en el diseo pequeo son dos cosas: A+BC
2233estudiamos
estudiamos33factores
factorescon
con88observaciones
observaciones
Observaciones
A
AB
AC
BC
ABC
ab
ac
bc
abc
Observaciones
A
AB
AC
BC
ABC
abc
C y AB son iguales
A y BC son iguales
Las columnas iguales implican que lo se estima es la suma de ellas
Cules son las columnas iguales?
Cmo
Cmoreducir
reducirobservaciones
observaciones
Diseos
Diseosfraciionales
fraciionales
Elegiremos algunas
algunas observaciones
observaciones del
del diseo
diseo
Elegiremos
completo.
completo.
Qu observaciones?
observaciones? Criterio:
Criterio:
Qu
Que podamos
podamos seguir
seguir estimando
estimando los
los factores
factores
Que
Tiene que
que haber
haber igual
igual nmero
nmero de
de (+)
(+) yy de
de (-)
(-)
Tiene
En
Engeneral
general
Observaciones
A
B C AB
AC
BC
ABC
ab
ac
bc
abc
En
Engeneral
general
Observaciones
A
B C AB
AC
BC
ABC
ab
ac
bc
abc
Tabla de signos
En
Engeneral
general
Observaciones
A
B C AB
AC
BC
B C D
ad
bd
ab
ab
cd
ac
ac
bc
bc
abcd
abc
Tabla de signos
En
Engeneral
general
Observaciones
A
B C AB
AC
BC
B C D
ad
bd
ab
ab
cd
ac
ac
bc
bc
abcd
abc
Estructura
Estructurade
deALIAS
ALIAS
1.
2.
3.
Estructura
Estructurade
deALIAS
ALIAS
Ecuacin generatriz de la fraccin:
D=ABC
D.D=D.ABC
I=ABCD
Estructura
Estructurade
deALIAS
ALIAS
Con la ecuacin generatriz obtenemos la estructura de alias o
efectos confundidos:
I=ABCD
La ecuacin generatriz multiplicada por cada columna del diseo
da las columnas iguales:
Estructura
Estructurade
deALIAS
ALIAS
A.I=A.ABCD
A=BCD
Observaciones
A
B C AB
AC
BC
ABC
B.I=B.ABCD
B=ACD
C.I=C.ABCD
C=ABD
D
-
ab
ac
bc
abc
Diseo
D=ABC
I=ABCD
4-1
2
AB.I=AB.ABCD
AB=CD
AC.I=AC.ABCD
AC=BD
BC.I=BC.ABCD
BC=AD
ABC.I=ABC.ABCD
ABC=D
Analizad
Analizadeste
estediseo.
diseo.
A.I=A.ABD
A=BD
Observaciones
A
B C AB
D=AB
I=ABD
AC
BC
ABC
B.I=B.ABD
B=AD
C.I=C.ABD
C=ABCD
D
-
ab
ac
bc
abc
Diseo
AB.I=AB.ABD
AB=D
AC.I=AC.ABD
AC=BCD
4-1
2
BC.I=BC.ABD
BC=ACD
ABC.I=ABC.ABD
ABC=CD
Resolucin
Resolucin
Es el orden de la interaccin de menor rango
confundida con un efecto principal
O es el nmero de letras de la palabra de la
ecuacin generatriz.
Resolucin IV
Resolucin III
Anlisis
Anlisisde
delalafraccin
fraccin
Observaciones
A
B C AB AC BC ABC
1.
2.
3.
ab
ac
bc
abc
4.
5.
4
Vamos
Vamosaaresolver
resolverelelexperimento
experimentode
delalavelocidad
velocidadde
defiltracin.
filtracin.Era
Eraun
un224=16
=16
observaciones.
observaciones.
Factores
Num
Velocidad
45
71
48
65
68
60
80
65
43
10
100
11
45
12
104
13
75
14
86
15
70
16 = 24
96
Salan
Salansignificativos
significativos
A,C,D,AC,AD
A,C,D,AC,AD
Ejemplo
Ejemplo
A,C,D,AC,AD
A,C,D,AC,AD
Observaciones
A
B C AB AC BC ABC
D=ABC
Ecuacin generatriz: I=ABCD
Estructura de Alias:
D
-
45
100
45
65
75
60
80
96
A=BCD
B=ACD
C=ABD
AB=CD
AC=BD
BC=AD
ABC=D
RESOLUCIN=IV
Modelo 24-1IV
Ejemplo
Ejemplo
A,C,D,AC,AD
A,C,D,AC,AD
Observaciones
A
B C AB AC BC ABC
D
-
45
100
45
65
75
60
80
96
average = 70,75
A+BCD = 19,0
B+ACD = 1,5
C+ABD = 14,0
D+ABC = 16,5
AB+CD
= -1,0
AC+BD
= -18,5
AD+BC
= 19,0
Significatividad
Significatividadde
delos
losefectos
efectos
Pareto Chart for Var_1
AD+BC
A:Factor_A
AC+BD
D:Factor_D
C:Factor_C
B:Factor_B
AB+CD
0
12
Effect
16
20
2
1,6
1,2
0,8
0,4
0
0
12
Standardized effects
A,C,D,AC,AD
A,C,D,AC,AD
16
20
Otro
Otroejemplo
ejemplo
Minutos
Minutosempleados
empleadospara
pararecorrer
recorreruna
una
distancia
fija
en
bici
distancia fija en bici
A=Rueda
A=Ruedacarreras
carreras(+)
(+)menos
menosdeportiva
deportiva(-)
(-)
B=Plato
B=Platogrande
grande(+)
(+)pequeo
pequeo(-)
(-)
C=Dinamo
Con(+)
Sin(-)
C=Dinamo Con(+) Sin(-)
D=Alza
D=Alzaen
enelelmanillar
manillarCon(+)
Con(+)sin(-)
sin(-)
Observaciones
A
B C AB AC BC ABC
D
-
69
52
60
83
71
50
59
88
D=ABC
Ecuacin generatriz: I=ABCD
Estructura de Alias:
A=BCD
B=ACD
C=ABD
AB=CD
AC=BD
BC=AD
ABC=D
RESOLUCIN=IV
Modelo 24-1IV
Ejemplo
Ejemplo
Minutos
Minutosempleados
empleadospara
pararecorrer
recorreruna
una
distancia
fija
en
bici
distancia fija en bici
A=Rueda
A=Ruedacarreras
carreras(+)
(+)menos
menosdeportiva
deportiva(-)
(-)
B=Plato
B=Platogrande
grande(+)
(+)pequeo
pequeo(-)
(-)
C=Dinamo
Con(+)
Sin(-)
C=Dinamo Con(+) Sin(-)
D=Alza
D=Alzaen
enelelmanillar
manillarCon(+)
Con(+)sin(-)
sin(-)
Observaciones
A
B C AB AC BC ABC
D
-
69
52
60
83
71
50
59
88
average = 66.5
A+BCD = 3.5
B+ACD = 12
C+ABD = 1
D+ABC = 2,5
AB+CD
= 22.5
AC+BD
= 0.5
AD+BC
=1
Minutos
Minutosempleados
empleadospara
pararecorrer
recorreruna
una
distancia
fija
en
bici
distancia fija en bici
A=Rueda
A=Ruedacarreras
carreras(+)
(+)menos
menosdeportiva
deportiva(-)
(-)
B=Plato
grande
(+)
pequeo
(-)
B=Plato grande (+) pequeo (-)
C=Dinamo
C=DinamoCon(+)
Con(+) Sin(-)
Sin(-)
D=Alza
D=Alzaen
enelelmanillar
manillarCon(+)
Con(+)sin(-)
sin(-)
Ejemplo
Ejemplo
average = 66.5
A+BCD = 3.5
B+ACD = 12
C+ABD = 1
D+ABC = 2,5
AB+CD
= 22.5
AC+BD
= 0.5
AD+BC
=1
AB+CD
B:Factor_B
A:Factor_A
D:Factor_D
AD+BC
C:Factor_C
AC+BD
0
12
16
20
24
Effect
percentage
99,9
99
95
80
50
20
5
1
0,1
AB
B
0
12
16
Standardized effects
20
24
Fracciones
Fraccionesmayores
mayores
El problema en la industria es tomar
observaciones.
Es muy caro.
Con 8 observaciones podemos estudiar 3 4
factores
Con 16 observaciones estudiamos 4 o 5 factores.
Fracciones
Fraccionesmayores
mayores
Observaciones
A
B C AB AC BC ABC
ab
ac
bc
abc
Fracciones
Fraccionesmayores
mayores
Observaciones
A
B C AB AC BC ABC
E D
-
ab
ac
bc
abc
Ecuacin generatriz:
1. Asignacin de factores
E=AC
D=BC
2. Ecuacin generatriz incompleta:
I=ACE=BCD
3. Ecuacin generatriz completa. Si
ACE y BCD son columnas con
signos + que no se pueden
estimar, su producto tambin lo
ser.
4. Hay que obtener los productos
de las fatores de la Ecuacin
Generatriz: ACE.BCD=ABDE
I=ACE=BCD=ABDE
Ecuacin generatriz completa
Modelo 25-2III
Estructura
Estructurade
dealias
alias
Observaciones
A
B C AB AC BC ABC
E D
-
ab
ac
bc
abc
Modelo 25-2III
Una
Unavez
vezestimados
estimadoslos
losefectos
efectos
Para saber si son significativos:
MEDA con todas las columnas porque ahora
la mayora tienen efectos principales e
interacciones
Normal o half normal plot
Ejemplo
Ejemplo
Murcia (+)
Holandesa (-)
E:Tratamiento:
Observaciones
A
B C AB AC BC ABC
ab
ac
bc
abc
I=ABD=ACE (Incompleta)
I=ABD=ACE=BCDE
ALIAS hasta segundo orden
A=BD=CE=..
B=AD=.
C=AE=.
D=AB=.
E=AC=.
BC=DE=.
ABC=CD=BE=.
Observaciones
A
B C AB AC BC ABC
18
0
37
13
28
10
27
28
average
= 20,125
A+BD+CE = -14,75
B+AD = 12,25
C+AE = 6,25
D+AB = 3,25
E+AC = 6,25
BC+DE = -3,75
BE+CD = 6,25
average
= 20,125
A+BD+CE = -14,75
B+AD = 12,25
C+AE = 6,25
D+AB = 3,25
E+AC = 6,25
BC+DE = -3,75
BE+CD = 6,25
12
15
Effect
Standard deviations
12
15
Standardized effects
AyB
Diseos
Diseosmuy
muyfraccionados
fraccionados
Observaciones
A
B C AB AC BC ABC
E F
ab
ac
bc
abc
A+BD+CE+BEF+CDF
B+AD+CF+AEF+CDE
C+AE+BF+ADF+BDE
D+AB+EF+ACF+BCE
E+AC+DF+ABF+BCD
F+BC+DE+ABE+ACD
AF+BE+CD+ABC+ADE+BDF+CEF
I=ABD=ACE=BCF=BCDE=ACDF=
ABEF=DEF
Modelo 26-3III
Diseos
Diseossaturados
saturados
I=ABD+ACE+BCF+ABCG+AFG+ABEF+ACDF+ADEG+BEG+CDG+DEF+
BCDE+BDFG+CEFG+ABCDEFG
Modelo 26-4III
Observaciones
A
B C AB AC BC ABC
E F G
ab
ac
bc
abc
1
2
3
4
5
6
7
A+BD+CE+FG
B+AD+CF+EG
C+AE+BF+DG
D+AB+CG+EF
E+AC+BG+DF
F+AG+BC+DE
G+AF+BE+CD
Diseo
Diseode
deproductos
productosrobustos
robustos
Idea
Ideade
deTaguchi
Taguchi
Ejemplo:
Queremos disear una base para una pizza precocinada.
Objetivo:
Obtener la combinacin de los factores Harina, Sal y
Levadura que da la masa ms sabrosa
Resolucin:
1.
2.
3.
Diseo
Diseode
deproductos
productosrobustos
robustos
Idea
Ideade
deTaguchi
Taguchi
Definimos el diseo: Tres factores 23
Aleatorizamos el orden de recogida
de los datos
Sabor
5.3
7.0
4.9
6.9
2.8
5.1
6.2
H
L
SL
HL
HS
S
0
0,4
0,8
1,2
1,6
2,4
Effect
percentage
-7
-2
Standardized effects
13
18
H=2.3
H=2.3
L=-1.75
L=-1.75
Un
Unbase
basede
depizza
pizzacon
conHH(+)
(+)yyL(-)
L(-)
Problema
Problema
Diseo
Diseode
deproductos
productosrobustos
robustos
Idea
Ideade
deTaguchi
Taguchi
Factores de control:
Aquellos que puede controlar la empresa.
Harina, Sal, Levadura
Factores de ruido:
Aquellos que NO puede controlar la empresa
Temperatura del horno, Tiempo de horneado
Diseo
Diseode
deproductos
productosrobustos
robustos
Idea
Ideade
deTaguchi
Taguchi
Vamos a cruzar el diseo 23 con los factores de
ruido: Dos factores (temperatura y tiempo:
diseo 22 )
Temp Tiempo
-
Diseo
Diseo
Factores
Diseo
H S L
Ruido:
Tem: 0 (200C)
Tiempo 0 (15 min)
Tem:
+
+
+
+
5.3
3.4
7.0
+
+
+
+
+
+
+
+
4.1
3.8
3.7
5.1
6.7
2.9
4.9
1.1
4.1
5.4
1.3
6.9
3.8
5.8
5.4
4.0
2.8
2.1
3.2
1.7
1.8
5.1
3.1
5.3
5.4
2.7
1.3
2.1
3.1
1.5
6.2
5.5
5.9
5.7
Media Desviacin
Tiem
4.3
5.1
3.4
5.2
0.7
1.6
1.8
1.2
2.3
4.3
2.2
5.9
0.6
1.2
0.7
0.2
Diseo
Diseo
Factores
Diseo
H S L
Ruido:
Tem: 0 (200C)
Tiempo 0 (15 min)
Tem:
+
+
+
+
5.3
3.4
7.0
+
+
+
+
+
+
+
+
4.1
3.8
3.7
5.1
6.7
2.9
4.9
1.1
4.1
5.4
1.3
6.9
3.8
5.8
5.4
4.0
2.8
2.1
3.2
1.7
1.8
5.1
3.1
5.3
5.4
2.7
1.3
2.1
3.1
1.5
6.2
5.5
5.9
5.7
Media Desviacin
Tiem
4.3
5.1
3.4
5.2
0.7
1.6
1.8
1.2
2.3
4.3
2.2
5.9
0.6
1.2
0.7
0.2