SABES

SISTEMA
AVANZADO DE UNIVERSIDAD INTERACTIVA Y A
BACHILLERATOS DISTANCIA DEL ESTADO DE
Y EDUCACION GUANAJUATO

LICENCIATURA EN INGENIERIA INDUSTRIAL

INGENIERIA ESTADISTICA

ACTIVIDAD 12
DISEÑO DE MEZCLAS

POR:

Sergio Loyola Ramirez

Matricula: U176059L0009
Correo: sergio.loyolar@alumnos.sabes.edu.mx

PROFESOR:
Claudia Marisa García Cruz

4 de agosto de 2020
Tabla de contenido
En Vargas del Río et al. (2005) se presenta un estudio para evaluar la
posibilidad de utilizar puzolana como material alternativo en la construcción.
Se aplica un diseño de experimentos de mezclas, cuyos componentes son:
puzolana, cal y cemento; y como variable de respuesta se tiene la resistencia
a la comprensión de la mezcla. Se decide emplear un diseño simplex
reticular (3, 3) con dos réplicas en todos los puntos, y se agregan seis
mezclas de particular interés (las últimas seis mezclas) en la siguiente tabla.
...................................................................................................................................4
a) Represente gráficamente el diseño empleado...........................................4
b) Ajuste el modelo apropiado, anote la ecuación y señale si éste es
suficiente para explicar lo que ocurre en el experimento...............................7
c) Por medio de la gráfica de trazas jerarquice en orden de importancia
los materiales que tienen mayor impacto sobre la resistencia, y diga si hay
alguna sinergia de relevancia o antagonismo. Justifique sus afirmaciones.
8
d) Bosqueje la gráfica de contornos y señale en qué zona se dan las
respuestas máximas............................................................................................9
e) Encuentre la mezcla óptima.........................................................................9
En Cornell (2002) se describe un experimento en el que se desea elaborar
una mezcla a partir de cuatro pesticidas, Vendex (x1), Omite (x2), Kelthane
(x3) y Dibrom (x4) para controlar la plaga de gorgojos en los cultivos de
fresas. La efectividad de cada tratamiento se midió con la respuesta y:
porcentaje de gorgojos muertos (al comparar la cantidad antes y después de
aplicar el tratamiento en 10 hojas de tres plantas). A continuación, se
muestra el diseño empleado y los resultados obtenidos.................................10
a) ¿Qué diseño se empleó?............................................................................11
b) Ajuste el modelo apropiado y señale si éste es suficiente para
explicar lo que ocurre en el experimento........................................................11
c) Anote la ecuación del modelo y explique los hechos más
sobresalientes que se derivan del mismo.......................................................13
d) Obtenga la gráfica de trazas e interprétela............................................13
e) Bosqueje la gráfica de contornos con los tres componentes que mejor
le ayuden a analizar la superficie, y señale en qué zona se dan las
respuestas máximas..........................................................................................14
f) Encuentre la mezcla óptima. ¿Hay algún problema con que esta mezcla
no se haya corrido?...........................................................................................15
g) ¿Los residuales muestran algún problema potencial?........................15
Anderson y Whitcomb (2002) reportan un experimento con solventes donde
el objetivo es estudiar la solubilidad en función de tres ingredientes: MEK
(metil-etil-ketano), tolueno y hexano. El experimento expresado en
porcentajes, así como los datos observados se muestran en la siguiente
tabla:........................................................................................................................16
a) Ajuste el modelo canónico más adecuado para estos datos.................17
b) ¿Es posible afirmar que no existen efectos antagónicos? Argumente.
19
c) Determine cuál de los ingredientes tiene mayor efecto sobre la
solubilidad. Utilice la gráfica de traza..............................................................19
d) Suponga que interesa maximizar la solubilidad y dibuje la curva de
nivel que corresponde a una solubilidad igual a 204. Use la gráfica para
determinar la mezcla óptima.............................................................................19
e) Verifique los supuestos del modelo..........................................................20
Frisbee y McGinity (1994) presentan un experimento para estudiar el efecto
de tres agentes de superficie activa sobre la dispersión acuosa de
nanoesferas poliméricas. También estudiaron las propiedades de formado
del velo de este producto farmacéutico. El experimento y las dos respuestas
medidas se muestran en la siguiente tabla:.......................................................21
a) Ajuste un modelo apropiado para cada respuesta..................................22
b) Dibuje las dos superficies utilizando gráficas de contornos..............26
c) Ambas respuestas se quieren minimizar. Encuentre las mezclas
óptimas individuales y la mezcla óptima global, que es la que finalmente
interesa................................................................................................................27
REFERENCIAS.......................................................................................................29
En Vargas del Río et al. (2005) se presenta un estudio para evaluar
la posibilidad de utilizar puzolana como material alternativo en la
construcción. Se aplica un diseño de experimentos de mezclas,
cuyos componentes son: puzolana, cal y cemento; y como
variable de respuesta se tiene la resistencia a la comprensión de
la mezcla. Se decide emplear un diseño simplex reticular (3, 3)
con dos réplicas en todos los puntos, y se agregan seis mezclas
de particular interés (las últimas seis mezclas) en la siguiente
tabla.

a) Represente gráficamente el diseño empleado.

 Gráfica de superficie de mezcla de RESISTENCIA
(cantidad de los componentes)

600

400 PU
PUZO LANA
R ES IS TENCIA 1.00
200
0.00
0.00
0
CAL
1.00 0.00
1.00
CEM ENTO

En la gráfica de superficie se puede apreciar, aunque no tan claro, que el cemento

entre más cantidad puede aumentar la resistencia, pero por la forma en que se
muestra la gráfica es un poco difícil distinguir que efecto tiene cada factor en la
resistencia que es nuestra variable respuesta.
 Gráfica de rastreo de respuesta de Cox
700 Comp:RefBlend
PUZOLANA 0.3333
CAL 0.3333
600
CEMENTO 0.3333
Ajustado RESISTENCIA

500

400

300

200

100

-0.50 -0.25 0.00 0.25 0.50 0.75

desviación desde la combinación de referencia en la proporción

En el gráfico de trazas o de rastreo, se aprecia más claramente que el cemento

entre mayor cantidad la resistencia aumenta, la cal, al contrario, entre menor sea
la cantidad aumenta más la resistencia, la puzolana tiene un efecto mayor en
cantidades bajas, entre más aumente puede disminuir la resistencia.
 Gráfica de contorno de mezcla para RESISTENCIA
(cantidad de los componentes)

PUZOLANA
1
RESISTENCIA
< 0
0 – 100
100 – 200
200 – 300
300 – 400
400 – 500
500 – 600
0 0 > 600

1 0 1
CAL CEMENTO

En este grafico se puede observar con mayor claridad el efecto de cada

componente, entre más se acerque al cemento, mayor es la resistencia, podemos
ver que un punto máximo donde estén presentes todos los componentes de la
mezcla es, PUZOLANA, CAL, CEMENTO = (0.1667,0.1667,0.6666).
b) Ajuste el modelo apropiado, anote la ecuación y señale si éste es
suficiente para explicar lo que ocurre en el experimento.

Coeficientes de regresión estimados para RESISTENCIA (proporciones del

componente)
EE
del
Término Coef coef. Valor T Valor p FIV

PUZOLANA 24.4 17.3 * * 2.83

CAL 3.1 19.1 * * 2.08
CEMENTO 641.9 16.8 * * 2.34
PUZOLANA*CAL 115.9 89.1 1.30 0.206 2.66
PUZOLANA*CEMENTO 106.1 78.2 1.36 0.187 2.26
CAL*CEMENTO - 81.7 -10.76 0.000 2.20
879.3
Nombraremos Y= Resistencia, X1=puzolana, X2=Cal y X3=cemento.
Y =24.4 X 1 +3.1 X 2+ 641.9 X 3 +115.9 X 1 X 2 +106.1 X 1 X 3−879.3 X 2 X 3

Resumen del modelo

R-cuad.
(ajustado R-cuad.
S R-cuad. ) PRESS (pred)

28.767 98.46% 98.14% 31001.1 97.60%

2

Podemos ver que el modelo tiene una calidad de ajuste satisfactoria.

c) Por medio de la gráfica de trazas jerarquice en orden de importancia
los materiales que tienen mayor impacto sobre la resistencia, y diga si
hay alguna sinergia de relevancia o antagonismo. Justifique sus
afirmaciones.

Gráfica de rastreo de respuesta de Cox

700 Comp:RefBlend
PUZOLANA 0.3333
CAL 0.3333
600
CEMENTO 0.3333
Ajustado RESISTENCIA

500

400

300

200

100

-0.50 -0.25 0.00 0.25 0.50 0.75

desviación desde la combinación de referencia en la proporción

Podemos ver que el componente con mayor efecto es el cemento, ya que

modificando este componente tiene mayores cambios en la resistencia. En
seguida tenemos a la cal, ya que tiene una variabilidad mayor en la resistencia, y
por último, la puzolana, esta se ve que es un poco más estable en cuanto a los
cambios en la resistencia.
 d) Bosqueje la gráfica de contornos y señale en qué zona se dan las
respuestas máximas.

Gráfica de contorno de mezcla para RESISTENCIA

(cantidad de los componentes)

PUZOLANA
1
RESISTENCIA
< 0
0 – 100
100 – 200
200 – 300
300 – 400
400 – 500
500 – 600
0 0 > 600

1 0 1
CAL CEMENTO

Las zonas de respuesta máximas se dan en el color verde, donde más intenso sea
el color verde es donde está el punto máximo de resistencia, en este caso la
mayor resistencia se da en donde está el cemento con mayor presencia. Entre
más se acerque al cemento, mayor es la resistencia, podemos ver que un punto
máximo donde estén presentes todos los componentes de la mezcla es,
PUZOLANA, CAL, CEMENTO = (0.1667,0.1667,0.6666).
e) Encuentre la mezcla óptima.
La mezcla optima, teniendo en cuenta que se encuentren presentes todos los
componentes seria PUZOLANA, CAL, CEMENTO = (0.1667,0.1667,0.6666),
aunque no es el valor máximo de resistencia, por el hecho de que están presentes
todos los componentes es una mezcla optima y da una resistencia total de 328.86.
En Cornell (2002) se describe un experimento en el que se desea
elaborar una mezcla a partir de cuatro pesticidas, Vendex (x1),
Omite (x2), Kelthane (x3) y Dibrom (x4) para controlar la plaga de
gorgojos en los cultivos de fresas. La efectividad de cada
tratamiento se midió con la respuesta y: porcentaje de gorgojos
muertos (al comparar la cantidad antes y después de aplicar el
tratamiento en 10 hojas de tres plantas). A continuación, se
muestra el diseño empleado y los resultados obtenidos.

a) ¿Qué diseño se empleó?

Diseño simplex con centroide sin ampliar el diseño con puntos axiales.
b) Ajuste el modelo apropiado y señale si éste es suficiente para explicar
lo que ocurre en el experimento.

Regresión para mezclas: Y vs. X1, X2, X3, X4

No se pueden estimar los siguientes términos y se eliminaron:
X1*X2*X2*X3, X1*X2*X2*X4, X1*X3*X3*X4, X2*X3*X3*X4, X1*X2*X3*X3, X1*X2*X4*X4, X1*X3*X4*X4,
X2*X3*X4*X4
Coeficientes de regresión estimados para Y (proporciones del
componente)
EE
del
Término Coef coef. Valor T Valor p FIV

X1 38.59 5.61 * * 2.15

X2 25.49 5.61 * * 2.15
X3 28.69 5.61 * * 2.15
X4 1.89 5.61 * * 2.15
X1*X2 22.0 27.5 0.80 0.570 2.19
X1*X3 -91.2 27.5 -3.32 0.186 2.19
X1*X4 34.4 27.5 1.25 0.429 2.19
X2*X3 -94.2 27.5 -3.43 0.181 2.19
X2*X4 -34.6 27.5 -1.26 0.428 2.19
X3*X4 -48.2 27.5 -1.75 0.330 2.19
X1*X1*X2*X -257 564 -0.46 0.728 1.70
3
X1*X1*X2*X -1905 564 -3.38 0.183 1.70
4
X1*X1*X3*X -834 564 -1.48 0.379 1.70
4
X2*X2*X3*X 1739 564 3.08 0.200 1.70
4

Resumen del modelo

R-cuad. R-cuad.
S R-cuad. (ajustado) PRESS (pred)

5.6105 98.83% 83.58% 738780 0.00%

4
Análisis de varianza para Y (proporciones del componente)
SC
Fuente GL SC Sec. Ajust. MC Ajust. Valor F Valor p

Regresión 13 2651.76 2651.76 203.981 6.48 0.299

  Lineal 3 913.81 725.49 241.829 7.68 0.258
   Cuadrático 6 946.75 861.15 143.525 4.56 0.344
    X1*X2 1 0.84 20.21 20.208 0.64 0.570
    X1*X3 1 599.85 346.42 346.418 11.01 0.186
    X1*X4 1 5.29 49.37 49.372 1.57 0.429
    X2*X3 1 222.48 369.59 369.589 11.74 0.181
    X2*X4 1 65.57 49.82 49.822 1.58 0.428
    X3*X4 1 52.73 96.72 96.721 3.07 0.330
  Cuártico 4 791.19 791.19 197.798 6.28 0.290
especial
    X1*X1*X2*X3 1 3.37 6.53 6.532 0.21 0.728
    X1*X1*X2*X4 1 392.07 358.72 358.723 11.40 0.183
    X1*X1*X3*X4 1 96.76 68.75 68.750 2.18 0.379
    X2*X2*X3*X4 1 298.99 298.99 298.995 9.50 0.200
Error residual 1 31.48 31.48 31.478    
Total 14 2683.24        
Ajustes y diagnósticos para observaciones poco comunes
EE de Resi
Ob ajust d
s OrdenEst. Y Ajuste e Resid est.

1 1 38.5 38.59 5.61 -0.09 -1.00 X

0
2 2 25.4 25.49 5.61 -0.09 -1.00 X
0
3 3 28.6 28.69 5.61 -0.09 -1.00 X
0
4 4 1.80 1.89 5.61 -0.09 -1.00 X
5 5 37.4 37.55 5.61 -0.15 -1.00 X
0
6 6 10.7 10.85 5.61 -0.15 -1.00 X
0
7 7 28.7 28.85 5.61 -0.15 -1.00 X
0
8 8 3.40 3.55 5.61 -0.15 -1.00 X
9 9 4.90 5.05 5.61 -0.15 -1.00 X
10 10 3.10 3.25 5.61 -0.15 -1.00 X
X  poco común X
 Gráficas de residuos para Y

Utilizamos un modelo cuadrático especial, los valores p no son significativos, pero

de acuerdo a los coeficientes r cuadr. y el ajustado el modelo explica un ajuste
satisfactorio y una correlación positiva fuerte.
c) Anote la ecuación del modelo y explique los hechos más
sobresalientes que se derivan del mismo.

Y =38.59 X 1+25.49 X 2+28.69 X 3+1.89 X 4 +22 X 1 X 2−91.2 X 1 X 3 +34.4 X 1 X 4−94.2 X 2 X 3−34.6 X 2 X 4−48.2 X 3

En base al modelo podemos ver que el componente X4 es el menos relevante en el

modelo ya que por cada unidad que este aumente la predicción aumentara 1.89
unidades, en cambio los otros 3 componentes restantes tienen una relevancia
similar en la variable respuesta.

d) Obtenga la gráfica de trazas e interprétela.

Gráfica de rastreo de respuesta de Cox

40 Comp:RefBlend
X1 0.2500
X2 0.2500
X3 0.2500
X4 0.2500
30
Ajustado Y

20

10

-0.2 0.0 0.2 0.4 0.6 0.8

desviación desde la combinación de referencia en la proporción

En la gráfica, podemos ver que el componente con mayor efecto sobre la variable
respuesta es el X1, seguido del X3, después el X2 y por último el X4. Este último
tiene un efecto más estable que los demás, ya que existe mucha variabilidad en
los puntos extremos de los demás efectos.
 e) Bosqueje la gráfica de contornos con los tres componentes que mejor
le ayuden a analizar la superficie, y señale en qué zona se dan las
respuestas máximas.

Gráfica de contorno de mezcla para Y

(cantidad de los componentes)

X1
1
Y
< 5
5 – 10
10 – 15
15 – 20
20 – 25
25 – 30
30 – 35
0 0 > 35

Valores fijos
X4 0

1 0 1
X2 X3

En las zonas verdes es donde se encuentran los puntos máximos de la variable

respuesta, entre más verde este es mayor. Podemos ver que hacia los extremos
de X1 y X2 es donde se encuentra un mayor efecto, pero también en X3 sin los
demás componentes esta un efecto significativo en cuanto la variable respuesta.
Una combinación de los 3 componentes no se ve que sea adecuada para
maximizar la variable respuesta.
f) Encuentre la mezcla óptima. ¿Hay algún problema con que esta
mezcla no se haya corrido?
Una combinación de todos los componentes no da una respuesta óptima para el
problema, la más factible seria X1, X2, X3, X4 = (0.5, 0.5, 0, 0), esta da un
porcentaje mayor de gorgojos muertos.
Si no se hubiese corrido esta mezcla, la más óptima seria solo utilizar el
componente X1 ya que solo dio un efecto mayor que ninguna mezcla.
g) ¿Los residuales muestran algún problema potencial?
 Gráficas de residuos para Y
Gráfica de probabilidad normal vs. ajustes
99

90
0
Porcentaje

Residuo
50
-2

10
-4
1
-4 -2 0 2 4 0 10 20 30 40
Residuo Valor ajustado

Histograma vs. orden

10.0

7.5 0
Frecuencia

Residuo
5.0 -2

2.5
-4
0.0
-5 -4 -3 -2 -1 0 1 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15
Residuo Orden de observación

Los residuos se centran cuando no se utiliza el componente X1, ya que es el más

significativo en el problema. Es por ello que tienen este efecto en las gráficas de
residuos.

Anderson y Whitcomb (2002) reportan un experimento con

solventes donde el objetivo es estudiar la solubilidad en función
de tres ingredientes: MEK (metil-etil-ketano), tolueno y hexano. El
experimento expresado en porcentajes, así como los datos
observados se muestran en la siguiente tabla:
 a) Ajuste el modelo canónico más adecuado para estos datos.
El modelo con los coeficientes bi se conoce como forma canónica del modelo de
primer orden para mezclas.

el modelo canónico de segundo orden para mezclas es:

El diseño utilizado es un simplex centroide con puntos axiales.

Regresión para mezclas: Solubilidad vs. MEK, Tolueno,

Hexano
Coeficientes de regresión estimados para Solubilidad (proporciones del
componente)
EE
del Valor
Término Coef coef. T Valor p FIV
 MEK 120.6 12.7 * * 1.96
Tolueno 163.2 12.7 * * 1.96
Hexano 176.8 12.7 * * 1.96
MEK*Tolueno 43.6 58.7 0.74 0.499 1.98
MEK*Hexano 190.8 58.7 3.25 0.031 1.98
Tolueno*Hexano 83.9 58.7 1.43 0.226 1.98

Y = solubilidad, X1= MEK, X2 = Tolueno y X3 = Hexano

El modelo obtenido es:
Y =120.6 X 1+ 163.2 X 2 +176.8 X 3 + 43.6 X 1 X 2 +190.8 X 1 X 3+ 83.9 X 2 X 3

Resumen del modelo

R-cuad. R-cuad.
S R-cuad. (ajustado) PRESS (pred)

13.198 87.85% 72.67% 7574.6 0.00%

1 1
Análisis de varianza para Solubilidad (proporciones del componente)
SC
Fuente GL SC Sec. Ajust. MC Ajust. Valor F Valor p

Regresión 5 5039.24 5039.24 1007.85 5.79 0.057

  Lineal 2 2760.44 1889.24 944.62 5.42 0.073
  Cuadrático 3 2278.79 2278.79 759.60 4.36 0.094
    MEK*Tolueno 1 88.82 96.06 96.06 0.55 0.499
    MEK*Hexano 1 1833.44 1843.31 1843.31 10.58 0.031
    1 356.53 356.53 356.53 2.05 0.226
Tolueno*Hexano
Error residual 4 696.76 696.76 174.19    
Total 9 5736.00        

b) ¿Es posible afirmar que no existen efectos antagónicos? Argumente.

No es posible, para poder afirmar dicho supuesto es necesario poner restricciones
en los componentes y ver el efecto que pueden llegar a tener con la interacción
con los demás.
c) Determine cuál de los ingredientes tiene mayor efecto sobre la
solubilidad. Utilice la gráfica de traza.

Gráfica de rastreo de respuesta de Cox

200 Comp:RefBlend
MEK 0.3333
190 Tolueno 0.3333
Hexano 0.3333

180
Ajustado Solubilidad

170

160

150

140

130

120
-0.50 -0.25 0.00 0.25 0.50 0.75
desviación desde la combinación de referencia en la proporción

De acuerdo a la gráfica, podemos afirmar que el componente que tiene mayor

efecto es el hexano, seguido del tolueno y por último el MEK.
d) Suponga que interesa maximizar la solubilidad y dibuje la curva de
nivel que corresponde a una solubilidad igual a 204. Use la gráfica
para determinar la mezcla óptima.
 Óptima [ ]:MEK [ ]:Tolueno [ ]:Hexano
Alto 1.0 1.0 1.0
D: 0.9832
Act [0.3531] [0.0] [0.6469]
Bajo 0.0 0.0 0.0

Solubili
Máximo
y = 200.5726
d = 0.98320

Optimización de respuesta
Parámetros
Objetiv Ponderació
Meta Inferior o Superior n Importar

Solubilida Máximo 0 204 204 1 1

d
Solución global
Componentes

MEK = 0.353074  
Toluen = 0  
o
Hexano = 0.646926  
Respuestas pronosticadas
Solubilidad = 200.573
deseabilidad, 0.983199
=
Deseabilidad compuesta = 0.983199

e) Verifique los supuestos del modelo.

 Gráficas de residuos para Solubilidad
Gráfica de probabilidad normal vs. ajustes
99
10
90 5
Porcentaje

Residuo
0
50
-5
10
-10
1
-20 -10 0 10 20 120 140 160 180 200
Residuo Valor ajustado

Histograma vs. orden

3 10

5
Frecuencia

Residuo
0

-5
1
-10
0
-15 -10 -5 0 5 10 1 2 3 4 5 6 7 8 9 10
Residuo Orden de observación

La grafica de normalidad, no muestra relevancia significativa contra la variable

respuesta, los residuos, aunque están algo dispersos, se muestran normales en
las gráficas.

Frisbee y McGinity (1994) presentan un experimento para estudiar

el efecto de tres agentes de superficie activa sobre la dispersión
acuosa de nanoesferas poliméricas. También estudiaron las
propiedades de formado del velo de este producto farmacéutico.
El experimento y las dos respuestas medidas se muestran en la
siguiente tabla:
 a) Ajuste un modelo apropiado para cada respuesta.

Regresión para mezclas: TAMAÑO, TIEMPO

Regresión para mezclas: TAMAÑO vs. A, B, C
Coeficientes de regresión estimados para TAMAÑO (proporciones del
componente)
EE
Términ del
o Coef coef. Valor T Valor p FIV

A 253.1 24.8 * * 2.05

B 277.5 24.8 * * 2.05
C 519.1 24.8 * * 2.05
A*B -10 112 -0.09 0.931 2.14
A*C -516 112 -4.60 0.006 2.14
B*C -456 112 -4.06 0.010 2.14

Resumen del modelo

R-cuad. R-cuad.
S R-cuad. (ajustado) PRESS (pred)
 25.784 95.28% 90.56% 48218. 31.57%
9 0
Análisis de varianza para TAMAÑO (proporciones del componente)
Valor
Fuente GL SC Sec. SC Ajust. MC Ajust. F Valor p

Regresión 5 67134.2 67134.2 13426.8 20.19 0.002

  Lineal 2 41082.6 47543.0 23771.5 35.75 0.001
  Cuadrático 3 26051.6 26051.6 8683.9 13.06 0.008
    A*B 1 113.8 5.6 5.6 0.01 0.931
    A*C 1 14989.1 14067.1 14067.1 21.16 0.006
    B*C 1 10948.8 10948.8 10948.8 16.47 0.010
Error residual 5 3324.3 3324.3 664.9    
  Falta de 4 3314.2 3314.2 828.5 81.83 0.083
ajuste
  Error puro 1 10.1 10.1 10.1    
Total 10 70458.5        
Ajustes y diagnósticos para observaciones poco comunes
EE de
Ob TAMAÑ ajust Resid
s OrdenEst. O Ajuste e Resid est.

3 3 533.5 519.1 24.8 14.4 2.04 R

10 10 276.0 326.2 12.3 -50.2 -2.22 R
Residuo grande R

Regresión para mezclas: TIEMPO vs. A, B, C

Coeficientes de regresión estimados para TIEMPO (proporciones del
componente)
EE
Términ del
o Coef coef. Valor T Valor p FIV

A 19.41 1.83 * * 2.05

B 14.79 1.83 * * 2.05
C 35.92 1.83 * * 2.05
A*B -9.17 8.27 -1.11 0.318 2.14
A*C -34.92 8.27 -4.22 0.008 2.14
B*C 19.85 8.27 2.40 0.062 2.14
Resumen del modelo
R-cuad. R-cuad.
S R-cuad. (ajustado) PRESS (pred)

1.8983 96.15% 92.30% 276.72 40.90%

6 8
Análisis de varianza para TIEMPO (proporciones del componente)
Valor
Fuente GL SC Sec. SC Ajust. MC Ajust. F Valor p Gráficas de
Regresión 5 450.197 450.197 90.039 24.98 0.002 residuos para
  Lineal 2 362.613 271.421 135.711 37.66 0.001 TAMAÑO
  Cuadrático 3 87.584 87.584 29.195 8.10 0.023
    A*B 1 5.008 4.437 4.437 1.23 0.318
    A*C 1 61.798 64.310 64.310 17.85 0.008
    B*C 1 20.779 20.779 20.779 5.77 0.062
Error residual 5 18.019 18.019 3.604    
  Falta de 4 17.974 17.974 4.493 99.86 0.075
ajuste
  Error puro 1 0.045 0.045 0.045    
Total 10 468.216        

Gráficas de residuos para TAMAÑO

Gráfica de probabilidad normal vs. ajustes
99

90 0
Porcentaje

Residuo

50 -20

10 -40

1
-50 -25 0 25 50 200 300 400 500
Residuo Valor ajustado

Histograma vs. orden

4.8
0
3.6
Frecuencia

Residuo

2.4 -20

1.2 -40

0.0
-50 -40 -30 -20 -10 0 10 1 2 3 4 5 6 7 8 9 10 11
Residuo Orden de observación
Gráficas de residuos para TIEMPO
Gráficas de residuos para TIEMPO
Gráfica de probabilidad normal vs. ajustes
99
2
90
Porcentaje

Residuo
50
0

10 -1

1 -2
-4 -2 0 2 4 15 20 25 30 35
Residuo Valor ajustado

Histograma vs. orden

3
2
Frecuencia

2 1

Residuo 0
1
-1

0 -2
-1 0 1 2 1 2 3 4 5 6 7 8 9 10 11
Residuo Orden de observación

b) Dibuje las dos superficies utilizando gráficas de contornos.

Gráfica de contorno de mezcla para TAMAÑO

(cantidad de los componentes)

A
1
TAMAÑO
< 250
250 – 300
300 – 350
350 – 400
400 – 450
450 – 500
> 500
0 0

1 0 1
B C

Podemos ver que, para minimizar esta variable, la región azul es la óptima, y
ocupa la mayoría de la gráfica, la solución mínima para la variable se encuentra
casi en una combinación de los 3 componentes equitativa.
 Gráfica de contorno de mezcla para TIEMPO
(cantidad de los componentes)

A
1
TIEMPO
< 15
15 – 20
20 – 25
25 – 30
30 – 35
> 35

0 0

1 0 1
B C

Para minimizar el tiempo, la parte que nos interesa de la gráfica es la que está en
un verde claro, entre más claro mejor, la solución óptima se encuentra en una
combinación de los componentes A y b.
c) Ambas respuestas se quieren minimizar. Encuentre las mezclas
óptimas individuales y la mezcla óptima global, que es la que
finalmente interesa.

Optimización de respuesta
Parámetros
Inferio
Meta r Objetivo Superior Ponderación Importar

TAMAÑ Mínimo 230 230 300 1 1

O
TIEMPO Mínimo 15 15 40 1 1
Solución global
Componentes

A = 0.73737  
4
B = 0  
C = 0.26262  
6
Respuestas pronosticadas
 TAMAÑ = 222.95 , deseabilidad = 1.000000
O 7
TIEMPO = 16.984 , deseabilidad = 0.920651
Deseabilidad compuesta = 0.959505
Gráfica de optimización
Óptima [ ]:A [ ]:B [ ]:C
Alto 1.0 1.0 1.0
D: 0.9595
Act [0.7374] [0.0] [0.2626]
Bajo 0.0 0.0 0.0

Deseabilidad
Compuesta
D: 0.9595

TAMAÑO
Mínimo
y = 222.9572
d = 1.0000

TIEMPO
Mínimo
y = 16.9837
d = 0.92065

En la gráfica podemos ver las posibles combinaciones individuales y compuesta

para minimizar las variables respuesta. En la deseabilidad compuesta el
componente B no es apropiado para dar una respuesta que minimice ambas
variables.

REFERENCIAS
 Gutiérrez, P. H., & Vara, S. R. D. L. (2012). Análisis y diseño de
experimentos (3a. ed.). México: McGraw-Hill Interamericana.