Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Disenios A Dos Niveles PDF
Disenios A Dos Niveles PDF
Diseñosfactoriales
factorialesaados
dosniveles.
niveles.
Teresa Villagarcía
Si
Siqueremos
queremosestudiar
estudiarmuchos
muchosfactores
factores
• Veamos un ejemplo….
44FACTORES
FACTORES
• Factor A ……………3 niveles
• Factor B ……………5 niveles
• Factor C ……………2 niveles
• Factor D ……………4 niveles
• Solución barata:
• Diseños a dos niveles.
Diseños a dos niveles 2 KK
Diseños a dos niveles 2
Temperatura
T1
To
Po P1 Presión
T1
To
Po P1 Presión
Coste
Costede
dereducir
reducirelelnúmero
númerode
de
observaciones
observaciones
T1
To
Po P1 Presión
Coste
Costede
dereducir
reducirelelnúmero
númerode
de
observaciones
observaciones
Temperatura
Tomaremos otras
Tres observaciones
To
Po P1 Presión
Temperatura
T3
T2
T1
To
Po P1 P2 P3 P4 P5 Presión
Estudiaremos
Estudiaremospor
portanto
tantodiseños
diseñosaados
dosniveles
nivelesy ylos
losaplicaremos
aplicaremos
secuencialmente
secuencialmente
Temperatura
B
T1
(+)
To
(-)
Po P1 Presión
(-) (+) A
Diseño 2
Diseño22:2Cuatro
: Cuatroobservaciones
observacionesy ydos
dosfactores
factores
Observaciones
A B Y
- - o y11
Temperatura
B + - a y21
- + b y12
T1 + + ab y22
(+)
To
(-)
Po P1 Presión
(-) (+) A
Estimación
Estimaciónde
delos
losefectos
efectos
El efecto de A
mide
variaciones
A en ese eje
Estimación
Estimaciónde
delos
losefectos
efectos
B = (b + ab ) − (o + a )
ˆ 1 1 Media de observaciones con B (+)
Efecto de B menos
2 2
Media de observaciones con B (-)
El efecto de B
mide
variaciones
A en ese eje
Estimación
Estimaciónde
delos
losefectos
efectos
Efecto de la
Interacción
B
Entre A y B
B Se llama efecto
AB
A
AB = (o + ab ) − (a + b )
ˆ 1 1
A 2 2
Algoritmo
Algoritmode
designos
signos
Aˆ = (a + ab ) − (o + b ) = (− 0 + a − b + ab )
1 1 1
2 2 2
B = (b + ab ) − (o + a ) = (− 0 − a + b + ab )
ˆ 1 1 1
2 2 2
AB = (o + ab ) − (a + b ) = (+o − a − b + ab)
ˆ 1 1 1
2 2 2
A B AB Y
- - + o y11
+ - - a y21
- + - b y12
+ + + ab y22
Diseño con tres factores 2 33
Diseño con tres factores 2
Observaciones
A B C AB AC BC ABC Y
- - - + + + - o
+ - - - - + + a
- + - - + - + b
+ + - + - - - ab
- - + + - - + c
+ - + - + - - ac
- + + - - + - bc
+ + + + + + + abc
Análisis del 223:3:
Análisisdel
Estimación
Estimaciónde
delos
losefectos
efectos
Observaciones
- + + - - + - bc
+ + + + + + + ab
c
B C
A
Efecto de A: Media de las observaciones con A (+)
menos media de las observaciones con A(-)
A (+)
B C
A
Efecto de A: Media de las observaciones con A (+)
menos media de las observaciones con A(-)
A (+)
B C
A
A (-)
Efecto A=A(+)-A(-)
Efecto de A: Media de las observaciones con A (+)
menos media de las observaciones con A(-)
B C
A
Efecto A=
Rojas-Verdes
Ejemplo:
Ejemplo:Trabajo
Trabajode
deuna
unaalumna
alumna
Observaciones
Clavel, Agua cambiada
A B C AB AC BC ABC Y Interior
- - - + + + - 85
+ - - - - + + 80
- + - - + - + 112
+ + - + - - - 80
- - + + - - + 121
+ - + - + - - 78
- + + - - + - 117
+ + + + + + + 69
Análisis
Análisisde
delos
losdatos
datos
• Â=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
• ÂB= 1/4(+o-a-b+ab+c-ac-bc+abc)=-8
• ÂC= 1/4(+o-a+b-ab-c+ac-bc+abc)=13.5
• ^BC= 1/4(+o+a-b-ab-c-ac+bc+abc)=-10
• ÂCB= 1/4(-o+a+b-ab+c-ac-bc+abc)=5.5
Hemos
Hemosestimado
estimadolos
losefectos
efectospero……………..
pero……………..
Significatividad
Significatividadde
delos
losefectos
efectos
• La interpretación es la misma:
• Si ninguno de los 7 efectos es significativo, los 7 valores estimados se distribuirán
como una normal centrada en cero
• Si alguno es significativo, estará 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 1 3 5 7 9 11 13 15
x
Efecto significativo
Efectos no significativos
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 línea.
1,5
1,2
0,9
0,6
0,3
0
0 1 2 3 4 5 6
Standardized effects
Efecto significativo
POCOS
Efectos no significativos
MUCHOS
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 línea.
80
50
20
5
1
0,1
-5,9 -3,9 -1,9 0,1 2,1
Standardized effects
Efecto significativo
Volvemos
Volvemosaalas
lasRosas
Rosasyylos
losClaveles
Claveles
Standard deviations
99
95 1,6
percentage
80 1,2
50
20 0,8
5
0,4
1
0,1 0
-32 -22 -12 -2 8 0 10 20 30 40
Standardized effects Standardized effects
Lo
Lohago
hagocon
conStatgraphics
Statgraphics
Standard deviations
99
1,6
95
percentage
80 1,2
50
20 0,8
5
0,4
1
0,1 0
-32 -22 -12 -2 8 0 10 20 30 40
Standardized effects Standardized effects
EFECTO A
Conclusión:
Conclusión:
Meda
sˆθ =
0.675
Meda 0.75
sˆθ = = 1.1
0.675 0.675
Meda 5.5
sˆ =
θ
= = 8.15
0.675 0.675
Efecto ≥ 2 sˆ = 16.30 θ
Significativo: Sólo flor
Valores
Valoresprevistos
previstospor
porelelmodelo
modelo
⎛ Aˆ ⎞ ⎛ Bˆ ⎞ ⎛ Cˆ ⎞ ⎛ Aˆ B ⎞ ⎛ ˆ ⎞ ⎛ ˆ⎞ ⎛ ˆ ⎞
yˆ = y + ⎜⎜ ⎟⎟ x1 + ⎜⎜ ⎟⎟ x2 + ⎜⎜ ⎟⎟ x3 + ⎜⎜ ⎟ x1 x2 + ⎜ AC ⎟ x1 x3 + ⎜ BC ⎟ x2 x3 + ⎜ ABC ⎟ x1 x2 x3
⎟ ⎜ 2 ⎟ ⎜ 2 ⎟ ⎜ 2 ⎟
⎝2⎠ ⎝2⎠ ⎝2⎠ ⎝ 2 ⎠ ⎝ ⎠ ⎝ ⎠ ⎝ ⎠
1 Si A = +
x =
1
− 1 Si A = −
Sólo se ponen los efectos significativos
1 Si B = +
x =
− 1 Si B = − ⎛ Aˆ ⎞ ⎛ − 32.2 ⎞
yˆ = y + ⎜⎜ ⎟⎟ x1 = 92.75 + ⎜
2
⎟ x1
1 Si C = +
2
⎝ ⎠ ⎝ 2 ⎠
x =
− 1 Si C = −
3
Duración de la ROSA=92.75-16.1=76.65
• Â=-32
• Como A (+) es ROSA
• A (-) es CLAVEL
Observaciones
A B C AB AC BC ABC Y
- - - + + + - 1
+ - - - - + + 2.6
- + - - + - + 0.5
+ + - + - - - 1.6
- - + + - - + 0.5
+ - + - + - - 1.85
- + + - - + - 0.33
+ + + + + + + 0.66
Estimación
Estimación
Estimated effects for Var_1
------------------------------------ Pareto Chart for Var_1
average = 1,13 A:Factor_A
C:Factor_C = -0,59 AC
ABC
AB = -0,38 BC
BC = 0,035
ABC = -0,13
Main Effects Plot for Var_1
1,7
1,5
1,3
Var_1
1,1
0,9
0,7
0,5
-1.0 1.0 -1.0 1.0 -1.0 1.0
Factor_A Factor_B Factor_C
Significatividad
Significatividadde
delos
losefectos
efectos
Half-Normal Plot for Var_1
1,8
Standard deviations
1,5
1,2
0,9
0,6
0,3
0
0 2 4 6 8 10
Standardized effects
Significativos
Normal Probability Plot for Var_1
99,9
99
95
percentage
80
50
20
5
AyB 1
0,1
-6 -3 0 3 6 9
Standardized effects
Son
Sonsignificativos
significativosAAyyBB
⎛ Aˆ ⎞ ⎛ Bˆ ⎞ ⎛ Cˆ ⎞ ⎛ Aˆ B ⎞ ⎛ ˆ ⎞ ⎛ ˆ⎞ ⎛ ˆ ⎞
yˆ = y + ⎜⎜ ⎟⎟ x1 + ⎜⎜ ⎟⎟ x2 + ⎜⎜ ⎟⎟ x3 + ⎜⎜ ⎟ x1 x2 + ⎜ AC ⎟ x1 x3 + ⎜ BC ⎟ x2 x3 + ⎜ ABC ⎟ x1 x2 x3
⎟ ⎜ 2 ⎟ ⎜ 2 ⎟ ⎜ 2 ⎟
⎝2⎠ ⎝2⎠ ⎝2⎠ ⎝ 2 ⎠ ⎝ ⎠ ⎝ ⎠ ⎝ ⎠
⎛ 1.1 ⎞ ⎛ − 0.7 ⎞
yˆ = 1.13 + ⎜ ⎟ x1 + ⎜ ⎟ x2
⎝ ⎠2 ⎝ 2 ⎠
• Diseño 24:
– Estudia cuatro factores A, B, C y D
– Utiliza 16 observaciones.
– Las observaciones que hay que tomar son:
Diseño
Diseño 2244
Factores
Num A B C D
1 - - - -
2 + - - -
3 - + - -
4 + + - -
5 - - + -
6 + - + -
7 - + + -
8 + + + -
9 - - - +
10 + - - +
11 - + - +
12 + + - +
13 - - + +
14 + - + +
15 - + + +
16 = 24 + + + +
Estimación
Estimaciónmediante
medianteelelalgoritmo
algoritmodedesignos
signos
Efectos
Efectossignificativos:
significativos:Normal
NormalPlot
PlotooMEDA
MEDA
Tasa
Tasade
defiltración
filtración(Montgomery)
(Montgomery)
• A: Temperatura
• B: Presión
• C: Concentración de los reactivos
• D: Rapidez de mezclado
1 - - - - 45
2 + - - - 71
3 - + - - 48
4 + + - - 65
5 - - + - 68
6 + - + - 60
7 - + + - 80
8 + + + - 65
9 - - - + 43
10 + - - + 100
11 - + - + 45
12 + + - + 104
13 - - + + 75
14 + - + + 86
15 - + + + 70
16 = 24 + + + + 96
Estimated effects for Velocidad
------------------------------------------
average = 70,0625
Velocidad
A:Factor_A = 21,625
B:Factor_B = 3,125 A:Factor_A
AC
C:Factor_C = 9,875 AD
D:Factor_D = 14,625 D:Factor_D
C:Factor_C
AB = 0,125 ABD
B:Factor_B
AC
AD
= -18,125
= 16,625
No significativos BCD
BC Significativos
ABC
BC = 2,375 ACD
BD = -0,375 ABCD
CD
CD = -1,125 BD
AB
ABC = 1,875
ABD = 4,125 0 4 8 12 16 20 24
ACD = -1,625 Effect
BCD = -2,625
ABCD = 1,375
Normal Plot for Velocidad
99,9
99
95
percentage
80
50
20
5
1
0,1
-19 -9 1 11 21 31
Standardized effects
2
1,6
1,2
0,8
0,4
0
0 4 8 12 16 20 24
Standardized effects
A, C,
A, C, D,
D, AD
AD yy CD
CD
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
Mediana=0.13
A,C,D,AC,AD
A,C,D,AC,AD
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
Para
Para A(+)
A(+)
C(-)
C(-) yˆ = 100.65
D(+)
D(+)
Valor
Valormáximo
máximo
Resumen de diseños 2 kk
Resumen de diseños 2
Pasos en el análisis.
1. Se definen la variable respuesta y los factores.
2. Se aleatoriza la toma de datos
3. Se rellena la tabla de datos
4. Se calculan los efectos mediante el algoritmo de signos
5. Se decide qué efectos son significativos mediante el normal plot (o
half normal plot) o la MEDA. LOS RESULTADOS NO SIEMPRE
SON COINCIDENTES
Diseños
Diseñoscon
conmuchos
muchosfactores.
factores.
1 - - - - -
2 + - - - -
3 - + - - -
4 + + - - -
5 - - + - -
6 + - + - -
7 - + + - -
8 + + + - -
9 - - - + -
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 número
número de
de
observaciones
observaciones
2233estudiamos
estudiamos33factores
factorescon
con88observaciones
observaciones
Observaciones
A B C AB AC BC ABC Y
- - - + + + - o
+ - - - - + + a
- + - - + - + b
+ + - + - - - ab
- - + + - - + c
+ - + - + - - ac
- + + - - + - bc
+ + + + + + + abc
2233estudiamos
estudiamos33factores
factorescon
con88observaciones
observaciones
Observaciones
A B C AB AC BC ABC Y
- - - + + + - o
+ - - - - + + a
- + - - + - + b
+ + - + - - - ab
- - + + - - + c
+ - + - + - - ac
- + + - - + - bc
+ + + + + + + abc
2233estudiamos
estudiamos33factores
factorescon
con88observaciones
observaciones
Observaciones
A B C AB AC BC ABC Y
- - - + + + - o
Observaciones
+ - - - - + + a
A B C AB AC BC ABC Y
- + - - + - + b
+ - - - - + + a
+ + - + - - - ab
- + - - + - + b
- - + + - - + c
- - + + - - + c
+ - + - + - - ac
+ + + + + + + abc
- + + - - + - bc
+ + + + + + + abc
2233estudiamos
estudiamos33factores
factorescon
con88observaciones
observaciones
Observaciones
A B C AB AC BC ABC Y
- - - + + + - o
Observaciones
+ - - - - + + a
A B C AB AC BC ABC Y
- + - - + - + b
+ - - - - + + a
+ + - + - - - ab
- + - - + - + b
- - + + - - + c
- - + + - - + c
+ - + - + - - ac
+ + + + + + + abc
- + + - - + - bc
+ + + + + + + abc
C y AB son iguales
2233estudiamos
estudiamos33factores
factorescon
con88observaciones
observaciones
Observaciones
A B C AB AC BC ABC Y
- - - + + + - o
Observaciones
+ - - - - + + a
A B C AB AC BC ABC Y
- + - - + - + b
+ - - - - + + a
+ + - + - - - ab
- + - - + - + b
- - + + - - + c
- - + + - - + c
+ - + - + - - ac
+ + + + + + + abc
- + + - - + - bc
+ + + + + + + abc
C y AB son iguales
A y BC son iguales
2233estudiamos
estudiamos33factores
factorescon
con88observaciones
observaciones
Observaciones
A B C AB AC BC ABC Y
- - - + + + - o
Observaciones
+ - - - - + + a
A B C AB AC BC ABC Y
- + - - + - + b
+ - - - - + + a
+ + - + - - - ab
- + - - + - + b
- - + + - - + c
- - + + - - + c
+ - + - + - - ac
+ + + + + + + abc
- + + - - + - bc
+ + + + + + + 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 B C AB AC BC ABC Y
- - - + + + - o
Observaciones
+ - - - - + + a
A B C AB AC BC ABC Y
- + - - + - + b
+ - - - - + + a
+ + - + - - - ab
- + - - + - + b
- - + + - - + c
- - + + - - + c
+ - + - + - - ac
+ + + + + + + abc
- + + - - + - bc
+ + + + + + + abc
 8 = 1/4(-o + a - b + ab - c + ac - bc + abc) 1
Aˆ 4 = (a − b − c + abc) = Aˆ 8 + Bˆ C8
B̂C 8 = 1/4( +o + a - b - ab - c - ac + bc + abc) 2
Lo que estiman los signos de A en el diseño pequeño son dos cosas: A+BC
2233estudiamos
estudiamos33factores
factorescon
con88observaciones
observaciones
Observaciones
A B C AB AC BC ABC Y
- - - + + + - o
Observaciones
+ - - - - + + a
A B C AB AC BC ABC Y
- + - - + - + b
+ - - - - + + a
+ + - + - - - ab
- + - - + - + b
- - + + - - + c
- - + + - - + c
+ - + - + - - ac
+ + + + + + + abc
- + + - - + - bc
+ + + + + + + abc
C y AB son iguales
A y BC son iguales
•• Elegiremos
Elegiremos algunas
algunas observaciones
observaciones del
del diseño
diseño
completo.
completo.
•• ¿Qué
¿Qué observaciones?
observaciones? Criterio:
Criterio:
Que podamos
Que podamos seguir
seguir estimando
estimando los
los factores
factores
Tiene que
Tiene que haber
haber igual
igual número
número de
de (+)
(+) yy de
de (-)
(-)
En
Engeneral
general
Observaciones
A B C AB AC BC ABC Y
- - - + + + - o
+ - - - - + + a
- + - - + - + b
+ + - + - - - ab
- - + + - - + c
+ - + - + - - ac
- + + - - + - bc
+ + + + + + + abc
En
Engeneral
general
Observaciones
A B C AB AC BC ABC Y
+
-
-
-
-
+
-
+
-
+
+
-
+
o
a
D
- + - - + - + b
+ + - + - - - ab
- - + + - - + c
+ - + - + - - ac
- + + - - + - bc
+ + + + + + + abc
Observaciones A B C D Y
A B C AB AC BC D Y
- - - - o
-
+
-
-
-
-
+
-
+
-
+
+
-
+
o
a
D +
-
-
+
-
-
+
+
ad
bd
- + - - + - + b + + - - ab
-
+
-
-
+
+
+
-
-
-
-
-
+
ab
c
- - + + cd
+ - + - ac
ABC.
+ - + - + - - ac - + + - bc
+
+
+
+
+
-
+
-
+
+
+
-
+
bc
abc
+ + + + abcd
Observaciones A B C D Y
A B C AB AC BC D Y
- - - - o
-
+
-
-
-
-
+
-
+
-
+
+
-
+
o
a
D +
-
-
+
-
-
+
+
ad
bd
- + - - + - + b + + - - ab
-
+
-
-
+
+
+
-
-
-
-
-
+
ab
c
- - + + cd
+ - + - ac
signos son iguales?
+ - + - + - - ac - + + - bc
- + + - - + - bc + + + + abcd
+ + + + + + + abc
Estructura
Estructurade
deALIAS
ALIAS
D.D=D.ABC
I=ABCD
Estructura
Estructurade
deALIAS
ALIAS
I=ABCD
La ecuación generatriz multiplicada por cada columna del diseño
da las columnas iguales:
D=ABC
Estructura I=ABCD
Estructurade
deALIAS
ALIAS
A.I=A.ABCD
A=BCD
Observaciones
A B C AB AC BC ABC Y B.I=B.ABCD
B=ACD
D
- - - + + + - o C.I=C.ABCD
C=ABD
+ - - - - + + a
- + - - + - + b AB.I=AB.ABCD
+ + - + - - - ab
AB=CD
- - + + - - + c AC.I=AC.ABCD
+ - + - + - - ac AC=BD
- + + - - + - bc BC.I=BC.ABCD
+ + + + + + + abc
BC=AD
A B C AB AC BC ABC Y B.I=B.ABD
B=AD
D
- - - + + + - o C.I=C.ABD
C=ABCD
+ - - - - + + a
- + - - + - + b AB.I=AB.ABD
+ + - + - - - ab
AB=D
- - + + - - + c AC.I=AC.ABD
+ - + - + - - ac AC=BCD
- + + - - + - bc BC.I=BC.ABD
+ + + + + + + abc
BC=ACD
- - + + - - + c
+ - + - + - - ac
- + + - - + - bc
+ + + + + + + abc
Vamos 4
Vamosaaresolver
resolverelelexperimento
experimentode
delalavelocidad
velocidadde
defiltración.
filtración.Era
Eraun
un224=16
=16
observaciones.
observaciones.
Factores
Num A B C D Velocidad
1 - - - - 45
2 + - - - 71
3 - + - - 48
4 + + - - 65
5 - - + - 68
6 + - + - 60
7 - + + - 80
8 + + + - 65
9 - - - + 43
10 + - - + 100
11 - + - + 45
12 + + - + 104
13 - - + + 75
14 + - + + 86
15 - + + + 70
16 = 24 + + + + 96
Salían
Salíansignificativos
significativos A,C,D,AC,AD
A,C,D,AC,AD
Ejemplo
Ejemplo A,C,D,AC,AD
A,C,D,AC,AD
Observaciones
D=ABC
Ecuación generatriz: I=ABCD
A B C AB AC BC ABC Y
Estructura de Alias:
D
- - - + + + - 45 A=BCD
B=ACD
+ - - - - + + 100 C=ABD
- + - - + - + 45 AB=CD
AC=BD
+ + - + - - - 65 BC=AD
ABC=D
- - + + - - + 75
+ - + - + - - 60 RESOLUCIÓN=IV
- + + - - + - 80
+ + + + + + + 96
Modelo 24-1IV
Ejemplo
Ejemplo A,C,D,AC,AD
A,C,D,AC,AD
Observaciones • average = 70,75
• A+BCD = 19,0
A B C AB AC BC ABC Y • B+ACD = 1,5
D • C+ABD = 14,0
- - - + + + - 45 • D+ABC = 16,5
+ - - - - + + 100
• AB+CD = -1,0
• AC+BD = -18,5
- + - - + - + 45
• AD+BC = 19,0
+ + - + - - - 65
- - + + - - + 75
+ - + - + - - 60
- + + - - + - 80
+ + + + + + + 96
Standard deviations
A:Factor_A 1,6
AC+BD
1,2
D:Factor_D
0,8
C:Factor_C
B:Factor_B 0,4
AB+CD
0
0 4 8 12 16 20 0 4 8 12 16 20
A,C,D,AC,AD
A,C,D,AC,AD
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(+)(+)pequeño
pequeño(-)
(-)
Observaciones C=Dinamo Con(+) Sin(-)
C=Dinamo Con(+) Sin(-)
D=Alza
D=Alzaenenelelmanillar
manillarCon(+)
Con(+)sin(-)
sin(-)
A B C AB AC BC ABC Y
D D=ABC
- - - + + + - 69 Ecuación generatriz: I=ABCD
Estructura de Alias:
+ - - - - + + 52
A=BCD
- + - - + - + 60 B=ACD
+ + - + - - - C=ABD
83 AB=CD
- - + + - - + AC=BD
71 BC=AD
+ - + - + - - 50 ABC=D
- + + - - + - 59 RESOLUCIÓN=IV
+ + + + + + + 88 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(+)(+)pequeño
pequeño(-)
(-)
Observaciones C=Dinamo Con(+) Sin(-)
C=Dinamo Con(+) Sin(-)
D=Alza
D=Alzaenenelelmanillar
manillarCon(+)
Con(+)sin(-)
sin(-)
A B C AB AC BC ABC Y
D • average = 66.5
- - - + + + - • A+BCD = 3.5
69
• B+ACD = 12
+ - - - - + + 52 • C+ABD = 1
- + - - + - + 60 • D+ABC = 2,5
• AB+CD = 22.5
+ + - + - - - 83 • AC+BD = 0.5
- - + + - - + 71 • AD+BC =1
+ - + - + - - 50
- + + - - + - 59
+ + + + + + + 88
Minutos
Minutosempleados
empleadospara pararecorrer
recorreruna
una
Ejemplo
Ejemplo distancia fija en bici
distancia fija en bici
A=Rueda
A=Ruedacarreras
carreras(+)
(+)menos
menosdeportiva
deportiva(-)
(-)
B=Plato grande (+) pequeño
B=Plato grande (+) pequeño (-) (-)
C=Dinamo
C=DinamoCon(+)
Con(+) Sin(-)
Sin(-)
D=Alza
D=Alzaenenelelmanillar
manillarCon(+)
Con(+)sin(-)
sin(-)
AB+CD
• average = 66.5 B:Factor_B
• D+ABC = 2,5 0 4 8 12 16 20 24
Effect
• AB+CD = 22.5
• AC+BD = 0.5
Normal Probability Plot for Var_1
• AD+BC =1 99,9
99
95
percentage
80
50
A
20 AB
5 B
1
0,1
0 4 8 12 16 20 24
Standardized effects
Fracciones
Fraccionesmayores
mayores
Observaciones
A B C AB AC BC ABC Y
- - - + + + - o
+ - - - - + + a
- + - - + - + b
+ + - + - - - ab
- - + + - - + c
+ - + - + - - ac
- + + - - + - bc
+ + + + + + + abc
Fracciones
Fraccionesmayores
mayores
+ - + - + - - ac
- + + - - + - bc Modelo 25-2III
+ + + + + + + abc
Una
Unavez
vezestimados
estimadoslos
losefectos
efectos
A B C AB AC BC ABC Y
D E
- - - + + + - o
+ - - - - + + a
I=ABD=ACE (Incompleta)
- + - - + - + b
I=ABD=ACE=BCDE
+ + - + - - - ab
A B C AB AC BC ABC Y
D E
- - - + + + - 18
+ - - - - + + 0
- + - - + - + average = 20,125
37
A+BD+CE = -14,75
+ + - + - - - 13 B+AD = 12,25
- - + + - - + C+AE = 6,25
28
D+AB = 3,25
+ - + - + - - 10 E+AC = 6,25
- + + - - + - BC+DE = -3,75
27
BE+CD = 6,25
+ + + + + + + 28
average = 20,125
A+BD+CE = -14,75 Pareto Chart for Var_1
BC+DE = -3,75 0 3 6
Effect
9 12 15
BE+CD = 6,25
Half-Normal Plot for Var_1
2
Standard deviations
1,6
1,2
0,8
0,4
0
0 3 6 9 12 15
Standardized effects
Observaciones
A+BD+CE+BEF+CDF
A B C AB AC BC ABC Y B+AD+CF+AEF+CDE
D E F C+AE+BF+ADF+BDE
- - - + + + - o D+AB+EF+ACF+BCE
E+AC+DF+ABF+BCD
+ - - - - + + a
F+BC+DE+ABE+ACD
- + - - + - + b AF+BE+CD+ABC+ADE+BDF+CEF
+ + - + - - - ab
- - + + - - + c
I=ABD=ACE=BCF=BCDE=ACDF=
+ - + - + - - ac ABEF=DEF
- + + - - + - bc
+ + + + + + + abc
Modelo 26-3III
Diseños
Diseñossaturados
saturados
I=ABD+ACE+BCF+ABCG+AFG+ABEF+ACDF+ADEG+BEG+CDG+DEF+
BCDE+BDFG+CEFG+ABCDEFG
- - + + - - + c
+ - + - + - - ac
- + + - - + - bc
+ + + + + + + abc
Diseño
Diseñodedeproductos
productosrobustos
robustos
Idea
Ideade
deTaguchi
Taguchi
Ejemplo:
Queremos diseñar una base para una pizza precocinada.
Objetivo:
Obtener la combinación de los factores Harina, Sal y
Levadura que da la masa más sabrosa
Resolución:
1. Definir los niveles de los factores: (-) y (+)
2. Definir la variable a medir: “SABOR”
3. Definir cómo la medimos: Con un conjunto de catadores que
valoran 0---Muy mala hasta 10--- Muy buena
Diseño
Diseñodedeproductos
productosrobustos
robustos
Idea
Ideade
deTaguchi
Taguchi
Definimos el diseño: Tres factores 23 H S L Sabor
- - - 5.3
Aleatorizamos el orden de recogida
de los datos + - - 7.0
- + - 4.9
+ + - 6.9
- - + 2.8
+ - + 5.1
- + + 3
+ + + 6.2
H
L
SL
HL
HS
S
80
50
20
5
1
0,1
-12 -7 -2 3 8 13 18
Standardized effects
H=2.3
H=2.3
L=-1.75
L=-1.75
Un
Unbase
basede
depizza
pizzacon
conHH(+)
(+)yyL(-)
L(-)
Problema
Problema
• 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
Ruido: Tem:
Factores Tem: 0 (200ºC)
- + - + Media Desviación
Diseño Tiempo 0 (15 min)
Tiem
H S L - - + +
- - - 5.3 3.4 5 4.1 3.8 4.3 0.7
+ - - 7.0 3.7 5.1 6.7 2.9 5.1 1.6
- + - 4.9 1.1 4.1 5.4 1.3 3.4 1.8
+ + - 6.9 3.8 5.8 5.4 4.0 5.2 1.2
- - + 2.8 2.1 3.2 1.7 1.8 2.3 0.6
+ - + 5.1 3.1 5.3 5.4 2.7 4.3 1.2
- + + 3 1.3 2.1 3.1 1.5 2.2 0.7
+ + + 6.2 5.5 6 5.9 5.7 5.9 0.2
Diseño
Diseño
Ruido: Tem:
Factores Tem: 0 (200ºC)
- + - + Media Desviación
Diseño Tiempo 0 (15 min)
Tiem
H S L - - + +
- - - 5.3 3.4 5 4.1 3.8 4.3 0.7
+ - - 7.0 3.7 5.1 6.7 2.9 5.1 1.6
- + - 4.9 1.1 4.1 5.4 1.3 3.4 1.8
+ + - 6.9 3.8 5.8 5.4 4.0 5.2 1.2
- - + 2.8 2.1 3.2 1.7 1.8 2.3 0.6
+ - + 5.1 3.1 5.3 5.4 2.7 4.3 1.2
- + + 3 1.3 2.1 3.1 1.5 2.2 0.7
+ + + 6.2 5.5 6 5.9 5.7 5.9 0.2