ESCUELA SUPERIOR POLITECNICA DE CHIMBORAZO

FACULTAD DE MECÁNICA
ESCUELA DE INGENIERIA INDUSTRIAL

CARRERA: INGENIERIA INDUSTRIAL

ASIGNATURA: DISEÑO EXPERIMENTAL

TEMA: “PASOS PARA EL ANALISIS DE DATOS EN EXCEL Y MINITAB”

1.- DATOS INFORMATIVOS

NOMBRE:
 JUAN GONZALEZ

NIVEL:
NOVENO P1

FECHA:
2019/12/05
 1. OBJETIVO

REALIZAR EL ANALISIS PARA LA DETERMINACION DEL MEJOR METODO DE MESAMBLE DEL

EJERCICIO 4.1 CON LAS HERRAMIENTAS DE EXCEL Y MINITAB.

2. INTRODUCCIÓN
El software que aplicaremos para el módulo de diseño experimental será el Minitab el que da soporte
a los análisis multivariados que serán planteados en los problemas.
Ya que nos ayuda explorar datos con gráficas, Realizar análisis estadísticos, Evaluar la calidad y
Diseñar un experimento.
La planilla electrónica para utilizar será: Microsoft Excel (bajo entorno Windows).

 Resolución de problemas de estadística.

 Trabajo práctico sobre el software específico estadístico.
 Aplicación de una planilla electrónica para exportar datos al software estadístico.

3. PLANTEAMIENTO DEL PROBLEMA

Ejemplo 4.1

En el ejemplo 3.1, donde se planteó la comparación de cuatro métodos de ensamble, ahora se va a

controlar activamente en el experimento a los operadores que realizarán el ensamble, lo que da
lugar al siguiente diseño en bloques completos al azar.

PASOS PARA LA OBTENCION DE RESULTADOSPOR MEDIO DE EXCEL.

- Planteamos las hipótesis

Y= TIEMPO DE ENSAMBLE Ts(min)

h0 todos los tiempos de ensambles son los mismos

el tiempo que generan los operadores es el mismo
h1 todos los tiempos de ensambles no son los mismos
el tiempo que generan los operadores no es el mismo
 - Ingresamos a la barra de herramienta datos y escogemos la opción análisis de datos.

- escogemos análisis de varianza de dos factores con una sola muestra por grupo y damos
aceptar luego en la celda de rango de entrada seleccionamos los datos de los experimentos
y en rango de salida escogemos la celda donde queremos que se muestren los resultados

- Una vez obtenido los resultados procedemos a realizar el análisis.

Análisis de varianza de dos factores con una sola muestra por grupo

RESUMEN Cuenta Suma Promedio Varianza

METODO DE A 4 30 7,5 1,66666667
ENSAMBLE B 4 36 9 3,33333333
C 4 51 12,75 7,58333333
D 4 43 10,75 2,91666667

OPERADOR 1 4 33 8,25 4,25

ES 2 4 48 12 10
3 4 40 10 4
4 4 39 9,75 8,25
ANÁLISIS DE VARIANZA
FV SC GL CM F P-VALOR F-CRITICO CRITERIO. D
METODO DE ENSAMBLE 61,500 3,000 20,500 10,250 0,003 3,863 SIGNIFICATIVO
OPERADORES 28,500 3,000 9,500 4,750 0,030 3,863 SIGNIFICATIVO
Error 18,000 9,000 2,000

Total 108 15

Conclusión.

Con los resultados obtenidos en el análisis de varianza ANOVA se comprueba que tanto los
métodos de ensamble y los operadores no afectan en el tiempo del experimento.
 - Para poder analizar de una manera más precisa procedemos a realizar las gráficas de
BOXPLOT y LSD tanto para el métodos y ensamble. Para graficar se debe seleccionar los
datos dar click en insertar, grafico combinado, crear gráfico combinado personalizado
después seleccionar caja de bigotes por último dar en “Aceptar”

Conclusión
Mediante este análisis se concluye que el método A es el mejor ya que requiere menor tiempo de
ensamble a un nivel de significancia del 95%.
 PASOS PARA REALIZAR EL ANALISIS DEL EJEMPLO DE DISEÑO
EXPERIMENTAL EN MINITAB.
- Procedemos a copiar los datos del ejercicio

- En la barra de herramienta seleccionamos la opción stat y seleccionamos ANOVA

después seleccionamos la primera opción y luego escogemos la segunda opción.

Análisis de Varianza
Fuente GL SC Ajust. MC Ajust. Valor F Valor p
METODO 3 61,50 20,500 5,29 0,015
Error 12 46,50 3,875
Total 15 108,00

Resumen del modelo

R-cuad. R-cuad.
S R-cuad. (ajustado) (pred)
1,96850 56,94% 46,18% 23,46%

Coeficientes
 EE del
Término Coef coef. Valor T Valor p VIF
Constante 10,000 0,492 20,32 0,000
METODO
A -2,500 0,852 -2,93 0,013 1,50
B -1,000 0,852 -1,17 0,263 1,50
C 2,750 0,852 3,23 0,007 1,50

Ecuación de regresión
TIEMPO DE ENSAMBLE = 10,000 - 2,500 METODO_A - 1,000 METODO_B + 2,750 METODO_C
+ 0,750 METODO_D

Gráficas de residuos para TIEMPO DE ENSAMBLE

Modelo lineal general: TIEMPO DE ENSAMBLE vs. METODO

Método
Codificación de factores (-1; 0; +1)

Información del factor

Factor Tipo Niveles Valores
METODO Fijo 4 A; B; C; D

Análisis de Varianza
Fuente GL SC Ajust. MC Ajust. Valor F Valor p
METODO 3 61,50 20,500 5,29 0,015
Error 12 46,50 3,875
Total 15 108,00

Resumen del modelo

R-cuad. R-cuad.
S R-cuad. (ajustado) (pred)
1,96850 56,94% 46,18% 23,46%

Coeficientes
EE del
Término Coef coef. Valor T Valor p VIF
Constante 10,000 0,492 20,32 0,000
METODO
A -2,500 0,852 -2,93 0,013 1,50
B -1,000 0,852 -1,17 0,263 1,50
C 2,750 0,852 3,23 0,007 1,50

Ecuación de regresión
TIEMPO DE ENSAMBLE = 10,000 - 2,500 METODO_A - 1,000 METODO_B + 2,750 METODO_C
+ 0,750 METODO_D

Gráficas de residuos para TIEMPO DE ENSAMBLE

Modelo lineal general: TIEMPO DE ENSAMBLE vs. METODO

Método
Codificación de factores (-1; 0; +1)

Información del factor

Factor Tipo Niveles Valores
METODO Fijo 4 A; B; C; D

Análisis de Varianza
Fuente GL SC Ajust. MC Ajust. Valor F Valor p
METODO 3 61,50 20,500 5,29 0,015
Error 12 46,50 3,875
Total 15 108,00

Resumen del modelo

R-cuad. R-cuad.
S R-cuad. (ajustado) (pred)
1,96850 56,94% 46,18% 23,46%

Coeficientes
EE del
Término Coef coef. Valor T Valor p VIF
Constante 10,000 0,492 20,32 0,000
METODO
A -2,500 0,852 -2,93 0,013 1,50
B -1,000 0,852 -1,17 0,263 1,50
C 2,750 0,852 3,23 0,007 1,50

Ecuación de regresión
TIEMPO DE ENSAMBLE = 10,000 - 2,500 METODO_A - 1,000 METODO_B + 2,750 METODO_C
+ 0,750 METODO_D

Gráficas de residuos para TIEMPO DE ENSAMBLE

Modelo lineal general: TIEMPO DE ENSAMBLE vs. METODO; OPERADORES

Método
Codificación de factores (-1; 0; +1)

Información del factor

Factor Tipo Niveles Valores
METODO Fijo 4 A; B; C; D
OPERADORES Fijo 4 1; 2; 3; 4

Análisis de Varianza
Fuente GL SC Ajust. MC Ajust. Valor F VaLOR P FC
METODO 3 61,50 20,500 10,25 0,003 3,86
OPERADORES 3 28,50 9,500 4,75 0,030
Error 9 18,00 2,000
Total 15 108,00

Resumen del modelo

R-cuad. R-cuad.
S R-cuad. (ajustado) (pred)
1,41421 83,33% 72,22% 47,33%

Coeficientes
EE del
Término Coef coef. Valor T Valor p VIF
Constante 10,000 0,354 28,28 0,000
METODO
A -2,500 0,612 -4,08 0,003 1,50
B -1,000 0,612 -1,63 0,137 1,50
C 2,750 0,612 4,49 0,002 1,50
OPERADORES
1 -1,750 0,612 -2,86 0,019 1,50
2 2,000 0,612 3,27 0,010 1,50
3 -0,000 0,612 -0,00 1,000 1,50
Ecuación de regresión
TIEMPO DE ENSAMBLE = 10,000 - 2,500 METODO_A - 1,000 METODO_B + 2,750 METODO_C
+ 0,750 METODO_D - 1,750 OPERADORES_1 + 2,000 OPERADORES_2
- 0,000 OPERADORES_3 - 0,250 OPERADORES_4

GRÁFICAS DE RESIDUOS PARA TIEMPO DE ENSAMBLE

GRÁFICA DE INTERVALOS DE TIEMPO DE ENSAMBLE

GRÁFICA DE CAJA DE TIEMPO DE ENSAMBLE

GRÁFICA DE
DISTRIBUCIÓN

CONCLUSION
Con este análisis se puede comprobar que al 95% de confianza tanto los métodos como el operador
afectan al tiempo de ensamble.