UNIVERSIDAD DON BOSCO

FACULTAD DE INGENIERÍA
ESCUELA DE INGENIERÍA INDUSTRIAL
Simulación Industrial_ Grupo 01 Teoría

Taller de Diseño de Experimentos 

DISEÑO DE EXPERIMENTO (DoE)

La capacidad de un Diseño de Experimentos (DoE) proporciona un método

para investigar simultáneamente los efectos de múltiples variables en una
variable de salida (Respuesta).

Estos experimentos consisten en una serie de corridas, o pruebas, en las

que se hacen cambios intencionados a las variables de entrada o factores y
en cada ejecución se recopilan datos.

Definición DoE: Serie de corridas, o pruebas, en las que se hacen cambios

intencionales para ingresar variables simultáneamente y observar las
respuestas. Un experimento diseñado es un enfoque eficiente para mejorar
un proceso, ya que se puede cambiar más de un factor a la vez para
obtener resultados significativos y sacar conclusiones sobre cómo los
factores interactúa para afectar la respuesta.

Por ejemplo: Usted trabaja en una compañía de impresión Offset donde

algunos clientes se han quejado de páginas que se desprenden de la
encuadernación de sus libros. Usted sospecha de varios factores:
Temperatura del pegamento, tipo de papel y tiempo de enfriamiento. Se
desea determinar qué factores o combinación de factores, influyen
significativamente en la efectividad de la técnica de encuadernación.

Pasos para realizar un DoE:

1. Cuestionar la necesidad de realizar un DoE

2. Revisar el problema e identificar qué tipo de DoE es necesario aplicar
(Factorial, Superficie de Respuesta, Mezcla y Taguchi)
3. Validar el sistema de medición
4. Monitor de la variable de respuesta
5. Planificación del DoE
6. Ejecución del DoE
7. Ejecución del DoE
8. Verificación del DoE
9. Verificación de mejoría de variable de Respuesta
10.Control y Capacidad del Proceso

EJERCICIO DE APLICACIÓN DISEÑO DE EXPERIMENTO.-

Página 1 de 32
LA META: Hacer un Helicóptero de Papel

INDICACIONES.-

Para llevar a cabo un Diseño de Experimento con un helicóptero de papel, debemos

identificar la salida deseada, que sería nuestra variable de respuesta.

La variable de Respuesta para la elaboración de un helicóptero será: “el tiempo de

vuelo”, que se mide desde el momento en que el helicóptero se suelta desde una
altura x hasta el momento en que toca el suelo. Si no definimos las condiciones de
prueba, es posible que los helicópteros de la muestra se suelten desde diferentes
distancias, en cuyo caso los resultados de nuestro Diseño de Experimentos no serían
válidos.

También deben identificarse los factores de prueba que influyen en el tiempo de vuelo.
Para el experimento del helicóptero, los factores son:

 El tipo de papel
 La longitud del rotor
 La longitud del patín de aterrizaje
 La anchura del patín de aterrizaje
 El clip

Para variar los niveles del experimento del helicóptero, puede usar dos tipos de
papel diferentes, usar rotores y patines de aterrizaje más largos o más cortos y
agregar o quitar un clip.

Instrucciones de ensamble

Las siguientes son las instrucciones para hacer los helicópteros de papel.

 Paso 1: Corte el papel a una anchura de 5 cm.

 Paso 2: Corte el papel a la longitud del rotor más la longitud del patín de
aterrizaje y añada 2 cm para el cuerpo.
 Paso 3: Corte las líneas de puntos en Patín A y Patín C. La longitud de cada
corte es de 5 cm menos la anchura del patín dividido entre 2.
 Paso 4: Doble patín A hacia patín B.
 Paso 5: Doble patín C hacia patín B.
 Paso 6: Doble rotor A y rotor B en direcciones opuestas. Deben formar un
ángulo de 90° con el cuerpo y tener una separación de 180° entre sí.
 Paso 7: Para la versión con clip: Agregue un clip a la parte inferior del patín de
aterrizaje.

Página 2 de 32
Figura No. 1: Plano
del Helicóptero

Página 3 de 32
 Figura No. 2: Helicóptero Terminado

Factor Valor bajo (-) Valor alto (+)

Tipo de papel Ligero Pesado
Longitud del rotor 7.5 cm 8.5 cm
Longitud del patín de aterrizaje 7.5 cm 12.0 cm
Anchura del patín de aterrizaje 3.2 cm 5.0 cm
Clip en el patín No Sí

Tabla 1: Factores del helicóptero

Diseño de Experimento.

Para crear un diseño factorial fraccionado en Minitab Statistical Software, vaya

a DoE > Factorial > Crear diseño factorial y seleccione el diseño deseado.

Para este experimento, usaremos un factorial de 2 niveles que pueda manejar de dos a
quince factores diferentes. Para elegir el diseño deseado en Minitab, seleccione 5 para
el Número de factores, luego haga clic en Diseños para seleccionar el diseño deseado
y el nivel de resolución.

El experimento del helicóptero se configurará de modo que haya solamente un bloque

experimental: cada tipo de papel provendrá de la misma fuente; todos los helicópteros
serán construidos por la misma persona con las mismas tijeras y la misma regla. Si
tuviéramos un déficit de clips que nos obligara a usar clips de dos fabricantes, entonces
necesitaríamos bloques para representar la posible variación en los clips.

Página 4 de 32
Después de seleccionar su diseño, haga clic en el botón “Factores” para ingresar los
nombres y los niveles de las variables incluidas en su experimento. Para cambiar el
nombre de un factor, simplemente escriba el nombre del factor sobre la letra en el
campo de nombre. El nombre de los valores de configuración de los factores también
puede cambiarse al remplazar los valores predeterminados de -1 y 1 por los niveles
reales de los factores.

Una vez completado el cuadro de diálogo, Minitab crea el diseño experimental y lo

muestra en una hoja de trabajo de Minitab. La ventana Sesión, ubicada encima de la
hoja de trabajo, proporciona una descripción del diseño seleccionado con la estructura
de alias resultante.

Página 5 de 32
En la hoja de trabajo de Minitab resultante que se muestra arriba, los resultados
experimentales se ingresan en la columna C10. Podemos asignar a la columna el
nombre “Tiempo de vuelo”, porque esa es la variable de respuesta en nuestro
experimento.

En la columna “OrdenCorrida” se proporciona un orden aleatorizado de las corridas. Sin

la aleatorización, se corre el riesgo de que los resultados experimentales reflejen
cambios desconocidos en el sistema de prueba con el tiempo. Por ejemplo, en el
experimento del helicóptero, las tijeras pueden perder el filo con el tiempo,
produciendo cortes ligeramente diferentes durante la preparación de cada nuevo
helicóptero.

El valor predeterminado de Minitab para un experimento diseñado es una réplica. Si

observa mucha variación en el proceso o en las mediciones resultantes, puede
usar Estadísticas > DoE > Modificar diseño para agregar réplicas a su diseño.
Supongamos que la persona que hizo los helicópteros tenía dificultad para cortar una
línea recta, por lo que todos los bordes no son uniformes; las diferencias en los
resultados pueden reflejar esta variación. Replicar los corridas minimiza los efectos de
este tipo de variación inesperada.

En la hoja de trabajo de Minitab resultante que se muestra arriba, los resultados

experimentales se ingresan en la columna C10. Podemos asignar a la columna el
nombre “Tiempo de vuelo”, porque esa es la variable de respuesta en nuestro
experimento.

Página 6 de 32
En la columna “OrdenCorrida” se proporciona un orden aleatorizado de las corridas. Sin
la aleatorización, se corre el riesgo de que los resultados experimentales reflejen
cambios desconocidos en el sistema de prueba con el tiempo. Por ejemplo, en el
experimento del helicóptero, las tijeras pueden perder el filo con el tiempo,
produciendo cortes ligeramente diferentes durante la preparación de cada nuevo
helicóptero.

El valor predeterminado de Minitab para un experimento diseñado es una réplica. Si

observa mucha variación en el proceso o en las mediciones resultantes, puede
usar Estadísticas > DoE > Modificar diseño para agregar réplicas a su diseño.
Supongamos que la persona que hizo los helicópteros tenía dificultad para cortar una
línea recta, por lo que todos los bordes no son uniformes; las diferencias en los
resultados pueden reflejar esta variación. Replicar los corridas minimiza los efectos de
este tipo de variación inesperada.

Recopilación de los Datos Experimentales

La variabilidad puede tener un impacto importante en los resultados experimentales,

así que tome las medidas que sean necesarias para reducir la variabilidad. Pida que una
sola persona haga todos los helicópteros con las mismas tijeras y la misma regla. Suelte
los helicópteros desde una misma altura e identifique el punto de “despegue”
claramente para asegurar la consistencia. Un punto de partida más bajo o alto puede
afectar el tiempo de vuelo y eso podría arruinar los resultados. Los helicópteros
también deben sostenerse y soltarse de la misma manera o la variación presente en los
datos podría ser efecto del método de lanzamiento y no del diseño del helicóptero.

En la siguiente tabla pueden llenar los datos recopilados de su experimento:

Página 7 de 32
No. Tipo de papel Longitud de rotor Ancho de patín Clip en Tiempo de vuelo
1

10

11

12

13

14

15

16

Análisis de los datos

Después de ejecutar el experimento e ingresar los datos recolectados en la hoja de
trabajo de Minitab, seleccione DoE > Factorial > Analizar diseño factorial…

Página 8 de 32
Realice el análisis y establezca sus conclusiones.

DISEÑOS DE EXPERIMENTOS FACTORIALES DE DOS NIVELES

1. Diseño de experimentos de dos niveles: En un proceso de fabricación de
Mofles se desea mejorar el proceso de soldadura en un componente de acero
inoxidable. Para lo cual se realiza un diseño de experimentos de 2 factores y 3
niveles.

Página 9 de 32
Factor Nivel bajo Nivel Alto
A. Caudal de gas (l/min.) 8 12
B. Intensidad de Corriente (A) 230 240
C. Vel. de Cadena
(m/min.) 0.6 1

Como respuesta se toma la calidad del componente en una escala de 0 a 30 entre

mayor sea mejor es la calidad

Paso 1. Generar diseño

Stat > DOE > Factorial > Create Factorial Design

Seleccionar 2-Level factorial (default generators); Number of factors
3
Designs: Seleccionar Full Factorial Seleccionar 2 Replicates

Factors: Caudal 8 12 Intensidad 230 240 Vel. 0.6 1

Options: Quitar bandera de Random
OK
Puede colocar la matriz del diseño en orden aleatorio o estándar con
Stat > DOE > Display Design: Standard order for design
Para cambiar de unidades sin codificar a unidades codificadas:

Stat > DOE > Display Design: Coded o Uncoded Units

Paso 2. Introducir los datos en el diseño:

Intensida
StdOrder Caudal d Velocidad Y
1 8 230 0.6 10
2 12 230 0.6 26.5
3 8 240 0.6 15
4 12 240 0.6 17.5
5 8 230 1 11.5
6 12 230 1 26
7 8 240 1 17.5
8 12 240 1 20

Paso 3. Analizar el diseño

Stat > DOE > Factorial > Analyze Factorial Design

Response Y
Graphs: Seleccionar Normal Pareto Alpha = 0.05
Residual for Plots Standardized
Seleccionar Normal Plot y Residuals vs Fits
Results Seleccionar todos los términos con >>

OK OK

Página 10 de 32
Los resultados se muestran a continuación.

La ecuación del modelo se puede formar a partir de los siguientes coeficientes:

Y = -893.750 + 102.625 Caudal + - 0.425 Caudal*Corriente

Pareto Chart of the Effects

(response is Y, Alpha = .05)
5.646
F actor Name
A C audal
A
B C orriente
C V elocidad
AB

C
Term

BC

ABC

AC

0 1 2 3 4 5 6 7 8 9
Effect
Lenth's PSE = 1.5

Página 11 de 32
 Normal Probability Plot of the Effects
(response is Y, Alpha = .05)
99
Effect Type
Not Significant
95 Significant
90 A F actor N ame
A C audal
80 B C orriente
70 C V elocidad
Percent

60
50
40
30
20

10 AB
5

1
-5.0 -2.5 0.0 2.5 5.0 7.5 10.0
Effect
Lenth's PSE = 1.5

Paso 4. Obtener las gráficas factoriales para seleccionar los

mejores niveles de operación

Stat > DOE > Factorial Plots

Seleccionar Main Effects Plot: Setup: Response Y; Pasar Intensidad,

Caudal y Vel. Con >>

Seleccionar Interaction Plot: Setup: Response Y; Pasar Intensidad,

Caudal y Vel. Con >>

Seleccionar Cube Plot: SetUp >> Response Y; Pasar Intensidad,

Caudal y Vel. Con >>
OK

Main Effects Plot (data means) for Y

Caudal Corriente
22

20

18

16
Mean of Y

14

8 12 230 240
Velocidad
22

20
18

16

14

0.6 1.0

Página 12 de 32
 Interaction Plot (data means) for Y
28 Caudal
8
26 12

24

22

20
Mean

18

16

14

12

10
230 240
Corriente

Cube Plot (data means) for Y

17.5 20.0

15.0 17.5
240

Corriente 11.5 26.0

1

Velocidad
10.0 26.5
230 0.6
8 12
Caudal

Paso 5. Obtener las gráficas de contornos y de superficie de

respuesta

Stat > DOE > Contour and Surface Plots

Seleccionar Contour Plot: Setup: Response Y; Pasar Intensidad,
Caudal y Vel. Con >>
Seleccionar Surface response Plot: Setup: Response Y; Pasar
Intensidad, Caudal y Vel. Con >>
Seleccionar Cube Plot: SetUp >> Response Y; Pasar Intensidad,
Caudal y Vel. Con >>
OK

Página 13 de 32
 Contour Plot of Y vs Intensidad, Caudal
240.0
Y
< 12
12 - 15
238.5
15 - 18
18 - 21
21 - 24
237.0
> 24
Intensidad

Hold Values
235.5 Velocidad 0.6

234.0

232.5

231.0

8 9 10 11 12
Caudal

Paso 6. Obtener una ampliación de la respuesta en la zona de

Y = 21 a 24

Stat > DOE > Factorial > Overlaid Contour Plot

Seleccionar en Response Y
Seleccionar en Settings Hold Extra factors in Low setting
Seleccionar en Contours Low 21 High 26
OK

Overlaid Contour Plot of Y

240.0
Y
21
26
238.5
Hold Values
Velocidad 0.6
237.0
Intensidad

235.5

234.0

232.5

231.0

8 9 10 11 12
Caudal

Paso 7. Obtener una respuesta optimizada

Stat > DOE > Factorial > Response Optimizer

Seleccionar en Response Y
Seleccionar en Options Caudal 10 Intensidad 235 Velocidad 0.8
Seleccionar en Goal Maximize Lower 21 Target 26
OK

Seleccionar y mover las líneas de cada factor hasta obtener el máximo rendimiento:

Página 14 de 32
2. Diseño de dos niveles: Se usa un Router para hacer los barrenos de
localización de una placa de circuito impreso. La vibración es fuente principal de
variación. La vibración de la placa a ser cortada depende del tamaño de los
barrenos (A1 = 1/16" y A2 = 1/8") y de la velocidad de corte (B1 = 40 RPMs y B2 =
90 RPMs).

La variable de respuesta se mide en tres acelerómetros A,Y,Z en cada uno de los

circuitos impresos.

Los resultados se muestran a continuación.

Niveles reales Réplica

A B I II III IV
0.063 40 18.2 18.9 12.9 14.4
0.125 40 27.2 24.0 22.4 22.5
0.063 90 15.9 14.5 15.1 14.2
0.125 90 41.0 43.9 36.3 39.9

PASO 1. GENERAR EL DISEÑO FACTORIAL DE ACUERDO AL EXPERIMENTO

Stat > DOE > Factorial > Create Factorial Design

Type of Design: Two Level Factorial (default generators)

Number of Factors 2

Designs Full Factorial

Number of Center points 0

Number of replicates: 4

Number of Blocks 1 OK
Factors

Página 15 de 32
Factor Name Type Low High

A Diámetro Numeric 0.063 0.125

B Velocidad Numeric 40 90 OK

PASO 2. CARGA DE DATOS DE LA COLUMNA DE RESPUESTA

CORRESPONDIENTE A CADA
COMBINACION DE FACTORES DESPUÉS QUE MINITAB GENERO EL DISEÑO O
ARREGLO

Para ver los datos en orden estándar

1. Stat > DOE > Display Design

2. Seleccionar Standar order for design Uncoded units

3. OK

StdOrder RunOrder CenterPt Blocks Diametro Velocidad Resp

1 11 1 1 0.063 40 18.2
2 9 1 1 0.125 40 27.2
3 12 1 1 0.063 90 15.9
4 13 1 1 0.125 90 41.0
5 16 1 1 0.063 40 18.9
6 2 1 1 0.125 40 24.0
7 10 1 1 0.063 90 14.5
8 1 1 1 0.125 90 43.9
9 5 1 1 0.063 40 12.9
10 15 1 1 0.125 40 22.4
11 8 1 1 0.063 90 15.1
12 7 1 1 0.125 90 36.3
13 4 1 1 0.063 40 14.4
14 3 1 1 0.125 40 22.5
15 6 1 1 0.063 90 14.2
16 14 1 1 0.125 90 39.9

PASO 3 ANALIZAR EL MODELO DEL DISEÑO DE EXPERIMENTOS FACTORIAL

COMPLETO

Stat > DOE > Factorial > Analyze Factorial Design

Response Seleccionar la columna de las respuestas Vibración

Terms Pasar todos los términos a Selected terms con >> OK

Graphs Seleccionar Effects Plots Normal y Pareto

Seleccionar Alfa = 0.05

Seleccionar Residual for Plots Standardized

Seleccionar Residual plots: Normal y vs fits OK

Página 16 de 32
Results Seleccionar Unusual observations in addition to the above

Seleccionar en Display of alias table Default interactions

Seleccionar todos los términos a Selected terms con >> OK

OK

Term Coef
Constant 23.0550
Diametro -96.2400
Velocidad -0.372000
Diametro*Velocidad 5.57600

Yest = 23.0550 - 96.24*Diametro - 0.372*Velocidad +

5.576*Diametro*velocidad

Normal Plot of the Standardized Effects

(response is Resp, Alpha = .05)
Effect Type
1.0E+02 Not Significant
Significant
99.9999
F actor N ame
A D iametro
99.99 B V elocidad
Percent

99
95
80 A

50 AB

20 B

5
1
0 4 8 12 16
Standardized Effect

Página 17 de 32
 Pareto Chart of the Standardized Effects
(response is Resp, Alpha = .05)
2.18
F actor N ame
A D iametro
B V elocidad

A
Term

AB

0 2 4 6 8 10 12 14
Standardized Effect

paso 4. Obtener las gráficas factoriales para identificar las

mejores condiciones de operación

Las instrucciones son las siguientes:

Stat > DOE > Factorial > Factorial Plots

Seleccionar Main effects, Interaction Plots y Cube Plot

Realizar el Setup para cada una de estas:

Seleccionar columna Response vibración

y con >> seleccionar todos los factores a Selected OK

Seleccionar Data Means OK

Página 18 de 32
 Main Effects Plot for Vibración
Data Means
Diametro Velocidad
32.5

30.0

27.5
Mean

25.0

22.5

20.0

17.5

15.0
0.063 0.125 40 90

Interaction Plot for Vibración

Data Means
Diametro
40 0.063
0.125

35

30
Mean

25

20

15

40 90
Velocidad

Página 19 de 32
 Cube Plot (data means) for Vibración

14.925 40.275
90

Velocidad

16.100 24.025
40
0.063 0.125
Diametro

paso 5. Obtención de las gráficas de contornos y de superficie

de respuesta

Las instrucciones son las siguientes:

Stat > DOE > Factorial > Contour / Surface Plots

Seleccionar Contour y Surface Plots

Realizar el Setup para cada una de estas:

Seleccionar columna Response vibración

Seleccionar Uncoded units (valores reales) o Codificados

OK

La gráfica de contornos indica la combinación de niveles para A y B manteniendo la

Y respuesta Constante. Sirve para indicar hacia donde se debe seguir
experimentando si se quiere mejorar la respuesta, trazando una recta casi
perpendicular a los contornos:

Página 20 de 32
 Contour Plot of Vibración vs Velocidad, Diametro
90
Vibración
< 15
15 – 20
20 – 25
80
25 – 30
30 – 35
35 – 40
> 40
70
Velocidad

60

50

40
0.07 0.08 0.09 0.10 0.11 0.12
Diametro

Optimizador

Stat > DOE > Factorial > Response optimizer

Seleccionar como response Vibración

Seleccionar Options Diamentro 0.065 Velocidad 50

Set up Vibración Minimize Target 10 Upper 40

OK

Respuesta óptima en Diámetro 0.125 y Velocida 90

Página 21 de 32
3. Un ingeniero está interesado en los efectos de la velocidad de corte (A), la
geometría de la herramienta (B) y el ángulo de corte (C) sobre la vida (en horas) de
una máquina herramienta. Se eligen dos niveles de cada factor y se corren tres
réplicas de un diseño factorial 23. Los resultados fueron los siguientes:

Réplicas

A B C I II III
-1 -1 -1 22 31 25
+1 -1 -1 32 43 29
-1 +1 -1 35 34 50
+1 +1 -1 55 47 46
-1 -1 +1 44 45 38
+1 -1 +1 40 37 36
-1 +1 +1 60 50 54
+1 +1 +1 39 41 47

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

b) Obtener los residuos y hacer una prueba de normalidad, comentar la adecuación

del modelo

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

d) Identificar en las graficas normal y Pareto los efectos principales e interacciones

que son significativos
e) Determinar la ecuación de regresión del modelo del proceso con valores no
codificados para predecir la respuesta

Página 22 de 32
f) Determinar los valores Y estimados hacer prueba de normalidad

g) Obtener las gráficas factoriales y de cubo y dar conclusiones

h) Obtener las gráficas de contornos y de superficie de respuesta y dar conclusiones

i) Obtener una ampliación de la zona de contornos de interés

j) Utilizar el optimizador para encontrar una combinación óptima de factores para

maximizar la vida

k) Con las gráficas factoriales si se quiere maximizar la vida, ¿en que niveles
conviene operar el proceso?

4. Se utiliza una aleación de níquel y titanio para fabricar componentes de los

motores de turbinas de aviones. La formación 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 método de tratamiento térmico (C) y la cantidad
de refinador de grano usada (D). se hacen dos réplicas de un diseño 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
estándar. Los datos se muestran en la siguiente tabla:

Combinación de Réplica Réplica

A B C D Tratamientos I II
-1 -1 -1 -1 -1 7.037 6.376
+1 -1 -1 -1 a 14.707 15.219
-1 +1 -1 -1 b 11.635 12.089
+1 +1 -1 -1 ab 17.273 17.815
-1 -1 +1 -1 c 10.403 10.151
+1 -1 +1 -1 ac 4.368 4.098
-1 +1 +1 -1 bc 9.36 9.253
+1 +1 +1 -1 abc 13.44 12.923
-1 -1 -1 +1 d 8.561 8.951
+1 -1 -1 +1 ad 16.867 17.052
-1 +1 -1 +1 bd 13.876 13.658
+1 +1 -1 +1 abd 19.824 19.639
-1 -1 +1 +1 cd 11.846 12.337
+1 -1 +1 +1 acd 6.125 5.904
-1 +1 +1 +1 bcd 11.19 10.935
+1 +1 +1 +1 abcd 15.653 15.053

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

Página 23 de 32
b) Obtener los residuos y hacer una prueba de normalidad, comentar la adecuación
del modelo

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

d) Identificar en las graficas normal y Pareto los efectos principales e interacciones

que son significativos

e) Determinar la ecuación de regresión del modelo del proceso con valores no

codificados para predecir la respuesta

f) Determinar los valores Y estimados hacer prueba de normalidad

g) Obtener las gráficas factoriales y de cubo y dar conclusiones

h) Obtener las gráficas de contornos y de superficie de respuesta y dar conclusiones

i) Obtener una ampliación de la zona de contornos de interés

j) Utilizar el optimizador para encontrar una combinación óptima de factores para

minimizar las fisuras

k) Con las gráficas factoriales si se quieren miminizar las fisuras, ¿en que niveles
conviene operar el proceso?

5. Se realiza un experimento para estudiar el efecto del porcentaje de

carbonatación,
la presión de operación del llenador y velocidad de la línea, en la altura de llenado
de un refresco minimizando la desviación respecto al estándar.

Nivel bajo -1 Nivel alto1 n

A - Porcentaje de carbonatación 30 40 2
B - Presión del llenador (psi) 100 150
C - Velocidad de llenado
(Botellas/minuto) 60 100

Los resultados de las desviaciones en la respuesta media se muestran a

continuación:

A B C Réplica 1 Réplica 2
-1 -1 -1 -3 -1
1 -1 -1 0 1
-1 1 -1 -1 0
1 1 -1 2 3
-1 -1 1 -1 0
1 -1 1 2 1
-1 1 1 1 1
1 1 1 6 5

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

Página 24 de 32
b) Obtener los residuos y hacer una prueba de normalidad, comentar la adecuación
del modelo

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

d) Identificar en las graficas normal y Pareto los efectos principales e interacciones

que son significativos

e) Determinar la ecuación de regresión del modelo del proceso con valores no

codificados para predecir la respuesta

f) Determinar los valores Y estimados hacer prueba de normalidad

g) Obtener las gráficas factoriales y de cubo y dar conclusiones

h) Obtener las gráficas de contornos y de superficie de respuesta y dar conclusiones

i) Obtener una ampliación de la zona de contornos de interés

j) Utilizar el optimizador para encontrar una combinación óptima de factores para

minimizar la desviación

k) Con las gráficas factoriales si se quiere minimizar la desviación, ¿en que niveles
conviene operar el proceso?

l) General el diseño y repetir el análisis considerando como respuesta el Logaritmo

natural de la varianza

m) Para minimizar la variabilidad, ¿en que niveles conviene operar el proceso?

n) Obtener las gráficas de contornos y de superficie de respuesta y establecer

conclusiones

Página 25 de 32
DISEÑOS DE EXPERIMENTOS FACTORIALES COMPLETOS

6. Diseño de experimentos factorial completo: Se estudia el rendimiento de un

proceso químico (Y), donde se piensa que los factores que mayor influencia tienen
son la temperatura y la presión (X1, X2).

Se diseña un experimento factorial completo con dos réplicas y tomando tres

niveles
en cada factor como se muestra en la tabla de rendimientos.

Hacer los análisis 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

PASO 1. GENERAR EL DISEÑO 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 Seleccionar randomize runs OK

Factors Introducir los niveles para TEMP. 200 215 230

PRESIÓN 150 160 170
OK

PASO 2. CARGA DE DATOS DE LA COLUMNA DE RESPUESTA

CORRESPONDIENTE A CADA
COMBINACION DE FACTORES DESPUÉS QUE MINITAB GENERO EL DISEÑO O
ARREGLO

Ver diseño con Stat > DOE > Display Design

Seleccionar Standard order for design Uncoded Units
OK

NOTA: Coded units muestra 1, 2 y 3

Rendimient
StdOrder RunOrder PtType Blocks Temp Presion o
1 10 1 1 200 150 90.4
2 12 1 1 200 160 90.1
3 3 1 1 200 170 90.5

Página 26 de 32
 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 DISEÑO DE EXPERIMENTOS FACTORIAL

COMPLETO

Stat > DOE > Factorial > Analyze Factorial Design

Response Seleccionar la columna de Rendimiento

Terms Pasar todos los términos 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 términos con >> OK
OK

PASO 4. OBTENER LAS GRÁFICAS FACTORIALES PARA IDENTIFICAR LAS

MEJORES CONDICIONES DE OPERACIÓN

Stat > DOE > Factorial > Factorial Plots

Página 27 de 32
Seleccionar Main effects e Interaction Plots
Setup para ambas: En Response seleccionar Rendimiento
y con >> seleccionar todos los factores OK

Seleccionar Data Means OK

De aquí se seleccionan los mejores niveles de acuerdo al resultado deseado. Si la

interacción es significativa, los mejores niveles se seleccionan de las gráficas de
interacciones, de otra forma se seleccionan de las gráficas de efectos de los
factores principales.

Main Effects Plot for Rendimiento

Data Means
Temp Presion
90.7

90.6

90.5
Mean

90.4

90.3

90.2

200 215 230 150 160 170

Página 28 de 32
Para maximizar el rendimiento se selecciona:

Presión = 170 psig

Temperatura = 215ºC

Interaction Plot for Rendimiento

Data Means
90.9 Temp
200
90.8 215
230
90.7

90.6

90.5
Mean

90.4

90.3

90.2

90.1

90.0

150 160 170

Presion

1. Se está estudiando el rendimiento para un proceso industrial, los dos factores de

interés son temperatura y presión. Se utilizan tres niveles de cada factor, con los
resultados siguientes:

Presión 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

Página 29 de 32
 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

e) Obtener las gráficas factoriales e identificar en cuales seleccionar los diferentes

niveles

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

proceso?

7. 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 40 60 80 100
(°C)
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

Página 30 de 32
b) Obtener los residuos y hacer una prueba de normalidad, comentar la adecuación
del modelo

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

d) Obtener las gráficas 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?

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

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

PEDRO 110 110 111 114

112 111 109 112
JORGE 116 112 114 120
114 115 119 117

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 adecuación

del modelo

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

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

niveles

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

proceso?

9. El porcentaje de la concentración de madera dura en la pulpa bruta, la presión de

la cuba y el tiempo de cocción de la pulpa se investiga en cuanto a sus efectos
sobre la resistencia del papel. Se seleccionan tres niveles de la concentración de
madera dura, tres niveles de la presión y dos tiempos de cocción. Se lleva a cabo un
experimento factorial con dos réplicas, obteniéndose los siguientes datos:

% concentración de Tiempo de cocción 3.0 Tiempo de cocción 4.0

la madera Presión Presión

400 500 650 400 500 650

Página 31 de 32
 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
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 adecuación

del modelo

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

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

niveles

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

10. Se quiere maximizar el rendimiento de un proceso:

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

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 adecuación

del modelo

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

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

niveles

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

Página 32 de 32