1

Planteamiento del problema

El uso del celular se ha vuelto indispensable, y con las nuevas tecnologías y aplicaciones que

existen para este, el consumo de energía de estos dispositivos aumenta y hace que el rendimiento

o duración de la batería que usan dichos terminales disminuya.

¿Cómo se podría optimizar el tiempo de carga en los celulares?

Se puede optimizar de diferentes métodos, ya sea apagando el celular, encendiendo algún tipo de

modo o suministrando un mayor voltaje mediante cargadores con mayor cantidad de vatios (w).

Objetivo general:

Reducir el tiempo de carga en dispositivos móviles, mediante las pruebas que serán realizadas

con distintos tipos de cargadores y empleando diferentes modalidades del celular.

Objetivos específicos:

 Observar el tiempo de carga que varía en los dispositivos móviles dependiendo de la

marca y el voltaje del cargador utilizado.

 Verificar si al hacer uso de  las diferentes modalidades que ofrece el sistema operativo

este influye en la rapidez de carga de los dispositivos móviles.

 Comprobar el tiempo de carga para suministrar la energía suficiente para recargar el 5% y

10% de la batería

.
 2

Marco teórico: 

Carga rápida:

La carga rápida es una función que algunos fabricantes de smartphones están utilizando como

solución para minimizar los tiempos de carga del teléfono, consiguiendo recuperar hasta el 30%

de su carga en poco más de 5 minutos de carga.

   Así, en tan sólo 3 años, la solución funciona 4 veces más rápido que un cargador

estándar, el doble de rápido que en su primera versión, y un 38% más rápido que en su

segunda. Aunque no llegue a solucionar los problemas de batería que tenemos con los

smartphones, es bueno saber que ahora, como por ejemplo ha mostrado Oppo con

SuperVOOC  (solución propietaria) en el MWC 2016, podemos cargar 2500 mAh en 15

minutos[ CITATION Ant16 \l 3082 ]

Batería

Es un dispositivo diseñado para almacenamiento de energía eléctrica que emplea como electrolito

una sal de litio que consigue los iones necesarios para la reacción electroquímica reversible que

tiene lugar entre el cátodo y el ánodo,  “De ellas depende el tiempo que nuestro smartphone

aguanta encendido y es por ello que tendemos a preocuparnos de qué tamaño tienen cuando los

compramos”(Fernandez, 2018), actualmente, la evolucion de las baterias han traido grandes

beneficios para la optimizacion de la duracion de bateria en un smartphone.

      La tecnología evoluciona y poco a poco se van encontrando modelos más eficientes

que desplazan a los anteriores. Es por ello que en el mundo móvil ya hace mucho que se
 3

desecharon las antiguas baterías de níquel o cadmio, y se impusieron las actuales baterías de

litio. Entre estas últimas también observamos una evolución, y es que poco a poco van

viéndose más baterías de polímero de litio.

      Por ejemplo, una de las ventajas que trajo el litio al mundo de las baterías es que

eliminó el efecto memoria. Este efecto estaba provocado por la creación de cristales en el

interior de las baterías si se cargaban antes de estar descargadas por completo, cristales

que provocaban que las baterías cada vez almacenasen menos energía real y, por tanto,

acabasen siendo inservibles. (Fernandez,2018)

Cargadores:

Los cargadores móviles de carga rápida son capaces de recargar con 2 voltajes diferentes: a 5V

para los teléfonos normales y a 9V (o incluso 12V en algunos modelos) para los teléfonos con

carga rápida. Esto lo hacen de manera inteligente: al conectarlos al teléfono, detectará el tipo de

carga que es. Ahora bien, tener un cargador de carga rápida no implica que cualquier móvil pueda

recargarse rápidamente. Para ello, hace falta que el cargador y el terminal dispongan de la

tecnología de carga rápida.

la carga rápida es el nombre genérico que reciben varias tecnologías similares cuyo

objetivo es cargar una batería (por ejemplo, la de tu móvil) a una velocidad mayor a la

habitual.

El método exacto por el cual la carga es más rápida puede varias según los distintos

sistemas, pero de forma simplificada es algo tan sencillo como aumentar la "potencia" para

que la batería se recargue más rápido incrementando el voltaje, el amperaje, o ambos. Si la

 4

batería fuera una botella de agua, en vez de rellenarla con pequeños vasos de agua, usarías una

manguera para rellenarla rápidamente. [ CITATION Ivá17 \l 3082 ]

Justificación: 

Se realizó este experimento puesto que se apreció que los dispositivos móviles poseen una carga

muy lenta para los tiempos que corren hoy en día, a causa de la tardanza con la que los celulares

llegan a su 100%, para optimizar este proceso se va a realizar distintas pruebas tanto de hardware

como de software en los terminales, esto con el fin de llegar a reducir el lapso de carga. Es

importante para que las personas puedan aprovechar durante un mayor tiempo y con menos

períodos de espera sus teléfonos móviles, ya que estos se volvieron una parte esencial para la

sociedad en la vida cotidiana.

 5

FACTOR DEL EXPERIMENTO:

 Modalidades que ofrece el Smartphone. 

 Cargadores con diferentes voltajes.

 Porcentaje que es necesario cargar en la prueba.

NIVELES O TRATAMIENTO DEL EXPERIMENTO:

Nivel

Factor - +

Modo Encendido Apagado

Cargador 9w 12w

Porcentaje 5% 10%

Tabla 1. Factores y niveles para evaluar la variable respuesta

VARIABLES DE RESPUESTA: 

Duración en cargar la batería un 5% y 6%.

PROPÓSITO DEL EXPERIMENTO:

Seleccionar la manera más eficiente para cargar la batería.

 6

POBLACION 1

Se plantean las hipótesis en donde la hipótesis nula equivale al tiempo promedio en cargar un

móvil a un 5% y 6% el cual es de 300 segundos, y la hipótesis alterna es que el promedio sea

diferente a 300 segundos.

Planteamiento de hipotesis
HO: ߤ ൌ ͵ ͲͲ
HA: ߤ ് ͵ ͲͲ

Figura 1. Planteamiento de las hipótesis población 1

Se utiliza la distribución t-student para una muestra, ya que se desea analizar el parámetro de

media poblacional en una población y no se conoce la varianza poblacional.

X media 345,51
S 63,18
n 80
µ 300,00
Significancia 0,05
Punto P 0,000
T student 6,4427638

Tabla 2. Prueba de hipótesis mediante la distribución t-student

En la tabla puesta con anterioridad se puede observar valores que fueron otorgados por el

programa SPSS.
NO SE
Valor P > 0,05 RECHAZA
0,000 < 0,05 SE RECHAZA
 7

Figura 2. Regla de decisión para las pruebas de hipótesis de los diseños experimentales.

Se plantea la regla de decisión para las pruebas de hipótesis, si el valor P obtenido es menor

que la significancia, se rechaza la hipótesis nula, de lo contrario, no se rechaza. Para el caso que

se está estudiando arroja un valor P menor a la significancia de 0,05. Por lo que se puede decir

que nuestro promedio es diferente al promedio establecido.

2 POBLACIONES

Lo que se quiere comprobar es que si al cambiar el modo del dispositivo móvil afectara en el

tiempo de carga de la batería, dependiendo tanto de los cargadores como del porcentaje requerido

de carga. Se procede a realizar un experimento simple para analizar dos poblaciones. En la

prueba FISHER se analizan el tiempo que tarda cada uno de los modos en cargar la batería a un

5% y 6%, teniendo en cuenta de la misma manera el tipo de cargador utilizado.

Se plantean las siguientes hipótesis:

Planteamiento de las Hipotesis

Ho: µ ENCENDIDO ≠ µ APAGADO
Ha: µ ENCENDIDO = µ APAGADO

Figura3. Prueba de hipótesis para el diseño experimental.

 8

Prueba F para varianzas de dos muestras

Variable 1 Variable 2
Media 389,175 301,85
Varianza 3852,404487 323,4641026
Observaciones 40 40
Grados de libertad 39 39
F 11,90983623
P(F<=f) una cola 1,84491E-12
Valor crítico para F (una cola) 1,704465067

Tabla 3. Prueba de hipótesis para el experimento simple con dos poblaciones mediante la dist.F

P < 0,05
1,84E-12 < 0,05

Figura4. Valor P

Analizando la prueba FISHER, se puede observar que nuestro valor P para la prueba bilateral

de una cola es menor a nuestra significancia que es del 0,05. Se concluye que nuestras varianzas

para el modo del celular (Encendido y Apagado) son diferentes.

T-STUDENT

Luego se realiza la prueba t-student en dos poblaciones suponiendo las varianzas desiguales.

Se plantean las siguientes hipótesis:

Planteamiento de las Hipotesis

Ho: µ ENCENDIDO = µ APAGADO
Ha: µ ENCENDIDO ≠ µ APAGADO

Figura 5. Planteamiento de las hipótesis

 9

Prueba t para dos muestras suponiendo varianzas desiguales

Variable 1 Variable 2

Media 389,175 301,85

Varianza 3852,404487 323,4641026
Observaciones 40 40

Diferencia hipotética de las medias 0

Grados de libertad 46

Estadístico t 8,546635419
P(T<=t) una cola 2,34303E-11
Valor crítico de t (una cola) 1,678660414
P(T<=t) dos colas 4,68605E-11
Valor crítico de t (dos colas) 2,012895599

Tabla 4. Resultado segunda prueba de hipótesis simple con dos poblaciones mediante la dist. t-student

P < 0,05
2,34E-11 < 0,05

Figura 6. Prueba p

En la prueba t-student, se puede observar que nuestro valor P es menor a la significancia de

0,05. Por lo que se rechaza la hipótesis nula. Se determina que el tipo de modo utilizado por el

celular si influye en el tiempo de carga del dispositivo.

ANOVA

Se desea saber si la variación de las diferentes 10 réplicas de los 3 factores y 2 niveles afecta

el tiempo de carga de los celulares. Para ello se plantea un diseño de experimento.

 10

Se plantean las siguientes hipótesis:

Ho: μ 1=μ2=μ3=μ 4=μ 5=μ6=μ 7=μ8

Ha: μi ≠ μ n

Mediante el programa SPSS se obtienen los siguientes resultados para la prueba ANOVA

planteada con anterioridad para cada uno de los 8 diseños:

ANOVA
VAR00002
Media
Suma de cuadrados gl cuadrática F Sig.
Entre grupos 152513,113 1 152513,113 73,045 0,000
Dentro de 162858,875 78 2087,934
grupos
Total 315371,988 79

Tabla 5. Resultado Análisis ANOVA de un factor.

P > 0,05 NO SE RECHAZA

0,00 < 0,05 SE RECHAZA

Figura 7. Prueba P

El valor P arrojado por la prueba ANOVA es menor al nivel de significancia planteado que es

0,05. Por lo que se rechaza la hipótesis nula, debido a esto se puede decir que todos los diseños

propuestos presentan promedios diferentes.

 11

MODELO DE BLOQUES:

Validación del modelo:

Prueba de Kolmogorov-Smirnov para una

muestra
Residuo
para Tiempo
N 80
Parámetros normalesa,b Media ,0000
Desv. 3,48904
Desviación
Máximas diferencias Absoluto ,076
extremas Positivo ,059
Negativo -,076
Estadístico de prueba ,076
Sig. asintótica(bilateral) ,200c,d
a. La distribución de prueba es normal.
b. Se calcula a partir de datos.
c. Corrección de significación de Lilliefors.
d. Esto es un límite inferior de la significación verdadera.

Figura 8. Prueba Kolmogorov-Smirnov para una muestra para la

toma de decisión de distribución normal.

 12

Ho: Los residuales siguenuna distribución normal

Ha: Los residuales no siguenuna distribución normal .

Valor P=0,200>0,05 ; No se rechaza la Ho

Sig. Asintótica (bilateral)=0,200 significancia de prueba es mayor al nivel de significancia de

0,05% se prueba que realmente los residuales siguen una distribución normal.

Resumen del modelob

Error
Model R R cuadrado estándar de la Durbin-
o R cuadrado ajustado estimación Watson
a
1 ,810 ,656 ,642 37,800 3,795
a. Predictores: (Constante), Cargador, Porcentaje, Modo
b. Variable dependiente: Tiempo

Figura 9. Prueba de independencia

Ho: Existe independencia entre losresiduales .

Ha: Existe dependenciaentre losresiduales .

Si DW >1,4 ; N o se rechaza la Ho.

 13

Modelo Durbin-Watson = 3,795 esto nos lleva a no rechazar la hipótesis nula ya que es mayor

al 1,4 se prueba que existe independencia entre los errores, es decir entre los residuales.

Figura 10. Prueba de independencia

Debido a que no corresponde a un comportamiento curvilíneo Observado vs Pronosticado

(Fila 3 vs Columna 2), esto quiere decir que nuestros residuos son totalmente independientes.

Hipótesis:
Ho: σ 21=σ 22=0
Ha: σ 2i ≠ 0

Prueba de homogeneidad de varianzas

Estadístico
de Levene gl1 gl2 Sig.
Tiem Se basa en la media 190,823 1 78 ,000
po Se basa en la mediana 178,865 1 78 ,000
Se basa en la mediana 178,865 1 42,118 ,000
y con gl ajustado
Se basa en la media 190,639 1 78 ,000
recortada
Figura 11. Prueba de homocedasticidad

Debido a que la media es de 0,000<0,05 ; se rechaza la Ho.

Factor – valor P=0,000< 0,05 ; se rechazala Ho .

 14

Por lo cual con un 95% de confianza existe evidencia estadística para rechazar mi Ho lo cual
me lleva a concluir que las varianzas para nuestro factor no son homogéneas.

Prueba de homogeneidad de varianzas

Estadístico
de Levene gl1 gl2 Sig.
Tiemp Se basa en la media 210,401 1 78 ,000
o Se basa en la mediana 205,488 1 78 ,000
Se basa en la mediana y 205,488 1 73,124 ,000
con gl ajustado
Se basa en la media 210,374 1 78 ,000
recortada

Figura 12. Prueba de homocedasticidad

Debido a que la media es de 0,000<0,05 ; se rechaza la Ho.

Factor – valor P=0,000< 0,05 ; no se rechazala Ho.

Por lo cual con un 95% de confianza existe evidencia estadística para rechazar mi Ho lo cual
me lleva a concluir que las varianzas para nuestro factor no son homogéneas.

Prueba de homogeneidad de varianzas

Estadístico
de Levene gl1 gl2 Sig.
Tiemp Se basa en la media ,279 1 78 ,599
o Se basa en la mediana ,035 1 78 ,852
Se basa en la mediana y ,035 1 77,312 ,852
con gl ajustado
Se basa en la media ,240 1 78 ,626
recortada

Figura 13. Prueba de homocedasticidad

Debido a que la media es de 0,599>0,05 ; no se rechaza Ho.

Bloques – Valor P=0,599>0,05 ; no se rechaza la Ho .

 15

Por lo cual con un 95% de confianza existe evidencia estadística para no rechazar mi Ho lo
cual me lleva a concluir que las varianzas para nuestro factor son homogéneas.
.

PRUEBA DE EFECTO ADITIVO:

Ho = el modelo de experimento tiene efecto aditivo.

Ha = el modelo de experimento no tiene efecto aditivo.

Criterio para la prueba de efecto aditivo: nivel de confianza= 95% α=5%

Figura 14. Grafico efecto aditivo

En la gráfica se puede evidenciar que el cargador de 12 w tarda menos tiempo en cargar el

dispositivo móvil con respecto al cargador de 9w, esta diferencia también se puede observar al

momento de cargar los dispositivos un 6%. Podemos observar que las líneas no se encuentran

paralelas, lo cual nos lleva a rechazar la Ho, es decir, que el modelo no tiene un efecto aditivo.
 16

Factore s inte r-s uje to s

Etiqueta de
valor N
Modo 1 Modo 40
Encendido
2 Modo 40
Apagado
Porcentaje 1 5% de carga. 40
2 6% de carga. 40
Cargador 1 Cargador 9w 40
2 Cargador 40
12w

Figura 15.

XPruebas de efectos inter-sujetos

Variable dependiente:
Tipo III de
suma de Media
Origen cuadrados gl cuadrática F Sig.
Modelo 314410,28 7 44915,755 3362,727 0,000
corregido 8a
Intersecci 9550311,0 1 9550311,0 715007,1 0,000
ón 13 13 67
Modo * 314410,28 7 44915,755 3362,727 0,000
Porcentaje * 8
Cargador
Error 961,700 72 13,357    
Total 9865683,0 80      
00
Total 315371,98 79      
corregido 8

Figura 16.

3362,72>3

Estadístico Fisher> Números próximos a 1.

3362,72> Números próximos a 1.

Podemos afirmar con un 95% de confianza que hay evidencia estadística para afirmar que el

modelo de bloques es imprescindible.

 17

Se desea analizar la coherencia de cada configuración de diseño a través de las réplicas

realizadas. Para hacer esto, primero se propone una prueba de hipótesis ANOVA para los

diseños:

Ho:T 1=T 2=0

Figura 17 planteamiento de las hipotesis.

Valor P<0,05 ; se rechaza la Ho .

0,000< 0,05; se rechaza la Ho .

Por lo cual con un 95% de confianza existe evidencia estadística para rechazar mi Ho lo cual

me lleva a concluir que l por lo menos un bloque que está influyendo en la variable respuesta.

Lo que se quiere encontrar en este experimento es tener en cuenta la mejor firmeza que se

puede generar en un tratamiento o nivel, para esto se tuvo en cuenta el experimento con 10

réplicas y 3 factores, luego se analizó dicha información obtenida en el software SPSS para el

modelo en bloques.

Ho: B1=B2 =B3 =0

Ha: Bi=0

Valor P<0,05 ; se rechaza la Ho .

0,000< 0,05; se rechaza la Ho.

 18

Podemos afirmar con un 95% de confianza que hay evidencia estadística para afirmar que

todos los factores influyen en el tiempo que le toma al dispositivo cargarse.

Se puede decir que el modelo de bloques nos ayuda a identificar si nuestro niveles si están

afectando en el tiempo de carga del móvil. Por lo tanto se puede concluir que nuestro modelo de

bloques si es imprescindible y dependemos de este modelo.

Por otra parte, se puede determinar que al usar tan solo 3 factores y 2 niveles la validación del

modelo de bloques es incompleta, a causa de que la prueba Duncan arroja la siguiente

advertencia:

Figura 18
 19

Matriz:

Validación del modelo:

Prueba de Kolmogorov-Smirnov para una

muestra
Residuo para
Replicas
N 80
Parámetros normalesa,b Media ,0000
Desv. 3,48904
Desviación
Máximas diferencias Absoluto ,076
extremas Positivo ,059
Negativo -,076
Estadístico de prueba ,076
Sig. asintótica(bilateral) ,200c,d
a. La distribución de prueba es normal.
b. Se calcula a partir de datos.
c. Corrección de significación de Lilliefors.
d. Esto es un límite inferior de la significación verdadera.

Figura 8. Prueba Kolmogorov-Smirnov para una muestra para la toma de decisión de distribución normal.

Ho=Los residuales siguenuna distribución normal .

Ha=Los residuales no siguenuna distribución normal .

Criterio para la prueba de efecto aditivo : nivel de confianza=95 % y α =5 % .

Valor P=0,200>0,05 ; no se rechaza la Ho.

Sig. Asintótica (bilateral)=0,200 significancia de prueba es mayor al nivel de significancia de

0,05% se prueba que realmente la distribución se ajusta a una distribución normal.

 20

Resumen del modelob

Error
Model R R cuadrado estándar de la Durbin-
o R cuadrado ajustado estimación Watson
1 ,924a ,854 ,848 24,653 2,829
a. Predictores: (Constante), Porcentaje, Cargador, Modo
b. Variable dependiente: Replicas

Figura 19.

Ho: Existe independencia entre losresiduales .

Ha: Existe dependenciaentre losresiduales .
Si DW >1,4 ; no se rechaza la Ho .

Modelo Durbin-Watson = 2,829 esto nos lleva a no rechazar la hipótesis nula ya que es mayor

al 1,4 se prueba que existe independencia entre los errores, es decir entre los residuales.

Prueba de igualdad de Levene de varianzas de error a,b

Estadístico
de Levene gl1 gl2 Sig.
Replica Se basa en la media 1,067 7 72 ,393
s Se basa en la mediana ,960 7 72 ,467
Se basa en la mediana y ,960 7 63,960 ,468
con gl ajustado
Se basa en la media 1,066 7 72 ,394
recortada
Prueba la hipótesis nula de que la varianza de error de la variable dependiente es igual entre
grupos.
a. Variable dependiente: Replicas
b. Diseño : Intersección + Modo + Cargador + Porcentaje + Modo * Cargador + Modo *
Porcentaje + Cargador * Porcentaje + Modo * Cargador * Porcentaje

Figura 20.
Ho: σ 21=σ 22=σ 23 =0
 21

Ha: σ 2i =0

Figura 21 planteamiento de las hipotesis.

Debido a que la media es de 0,393>0,05 ; no se rechaza Ho.

Valor P=0,393>0,05 ; no se rechaza la Ho.

Probamos que efectivamente el valor p nos permite no rechazar la Ho, y aprobar la

homocedasticidad que existe entre nuestros factores.

Graficas:

Figura 22.
 22

En la gráfica se puede evidenciar que el dispositivo móvil en modo apagado tarda menos

tiempo en con respecto al modo encendido, también se puede observar diferencia en el tiempo

que le toma cargar 5% y 6% de la batería.

Figura 23.

En la gráfica se puede evidenciar que el cargador de 12 w tarda menos tiempo en cargar el

dispositivo móvil con respecto al cargador de 9w, esta diferencia también se puede observar al
momento de cargar los dispositivos un 6%

Matriz de diseño:

Al aglomerar los factores, niveles y réplicas del experimento, permite realizar la matriz de

diseño, esta a su vez ayuda a realizar todas las combinaciones posibles entre nuestros factores y

tratamientos, de esta matriz obtenemos 8 diseños distintos. Posteriormente estos diseños

permitirán optimizar la variable.

 23

MATRIZ
M C p
Diseño
Modo Cargador Porcentaje
Enc-9w-5% 1 - - -
Apa -9w-5% 2 + - -
Enc-12w-5% 3 - + -
Apa -12w-5% 4 + + -
Enc-9w-6% 5 - - +
Apa -9w-6% 6 + - +
Enc-12w-6% 7 - + +
Apa -12w-6% 8 + + +

Tabla 6. Datos experimento

Replicas
1 2 3 4 5 6 7 8 9 10 Promedio

342 336 346 337 348 343 346 341 339 340 341,8
303 306 300 302 301 305 301 298 307 299 302,2
318 314 313 312 319 324 322 321 315 322 318
278 277 280 274 279 275 277 280 275 281 277,6
468 469 466 465 469 467 463 464 461 470 466,2
327 322 320 328 329 330 331 326 324 333 327
432 430 427 423 426 429 436 437 433 434 430,7
302 297 299 304 305 296 306 299 298 300 300,6

Tabla 7.

MATRIZ
M C p
Diseño M*C M*P C*P M*C*P Promedio
Modo Cargador Porcentaje
Enc-9w-5% 1 - - - + + + - 341,8
Apa-9w-5% 2 + - - - - + + 302,2
Enc-12w-5% 3 - + - - + - + 318
Apa-12w-5% 4 + + - + - - - 277,6
Enc-9w-6% 5 - - + + - - + 466,2
Apa-9w-6% 6 + - + - + - - 327
Enc-12w-6% 7 - + + - - + - 430,7
Apa-12w-6% 8 + + + + + + + 300,6

Tabla 8. Resultados medios para cada uno de los diseños en su correspondiente matriz
 24

Variable respuesta:

Una vez terminado el planteamiento de las hipótesis del experimento, se procede a realizar la

comprobación de influencia de nuestros factores frente a nuestro modelo corregido.

Posteriormente se debe asignar signos (+,-) a nuestros niveles o tratamientos. Ahora teniendo eso

en consideración se procede a minimizar la variable respuesta esto se hace a partir de los

promedios de cada diseño obtenidos.

Ya realizados los pasos anteriores podemos lograr determinar la siguiente tabla:

Variable respuesta
Media + 301,85 331,725 381,125 346,55 321,85 343,825 346,75
Media - 389,175 359,3 309,9 344,475 369,175 347,2 344,275
Efecto -87,325 -27,575 71,225 2,075 -47,325 -3,375 2,475
Optimizacion 1 1 -1 1 1 1 -1

Tabla 9.variable Respuesta

Inmediatamente después de haber obtenido los efectos, se procede a calcular la optimización

de la variable mediante su modelo matemático, el valor de respuesta minimizado es 228,78

segundos.

Recomendación:

Teniendo en cuenta la optimización de nuestra variable respuesta podemos afirmar con un

95% de confianza que hay evidencia estadística para afirmar que la mejor optimización del

tiempo de carga del dispositivo móvil es Factor 1: Modalidad predeterminada en el móvil

apagada; Factor2: Se escoge el cargador de 12w; Factor3: Se tarda menos tiempo al cargar la

batería un 5%.
 25

Los criterios utilizados para este experimento fueron:

Criterios para las pruebas: nivel de confianza: 95% y α=5%.

Conclusión:

Luego de llevar a cabo el experimento con sus debidos análisis de cada uno de los ítems

propuestos por la profesora Bleidy Alejandra Escamilla Abril, se puede llegar a concluir que

tanto los factores y los niveles o tratamientos influencian en el tiempo que tarda el celular en

cargarse. El tiempo de espera de carga se hace menor al usar un cargador de mayor voltaje (+),

usar un modo que disminuya las funcionalidades del dispositivo (+), y al cargarlo a un porcentaje

de batería menor (-); y el tiempo de espera aumenta al usar nuestros niveles opuestos.

NOTA:

No es recomendable usar siempre modos que disminuyan las funcionalidades del dispositivo o

cargadores de voltajes muy elevados, debido a que estos pueden desgastar la batería, acortando

de esta manera su vida útil de uso.

¿Qué aprendimos con la realización del trabajo?

Este trabajo nos ayudó a progresar de manera profesional como ingenieros industriales, dado

que se adquirieron nuevos conocimientos y recursos, tales como la optimización de las variables

de respuesta, entre otros; Además, es de destacar que esta asignatura nos ayudó a establecer los

conceptos de la rama de la estadística de una manera más clara, cómo también nos aportó el

conocimiento de distintos nuevos temas. Esto se dio gracias a las explicaciones y asesorías

suministradas por la docente Bleidy Alejandra Escamilla Abril que por su compromiso con los

estudiantes y a su trabajo, hubo una adecuada apropiación de los tópicos a lo largo de la materia.