ESTADISTICA III

DISEÑO DE
ESPERIMENTOS
2K

PRESENTADO POR:
KEVIN DAVID HERRERA CAMPOS
KATHERYN RUIZ MELO
1. RENDIMIENTO SEMICONDUCTORES

Se corrió un experimento en una planta de fabricación de semiconductores en un esfuerzo por incrementar el

rendimiento. Se estudiaron cinco factores, cada uno con dos niveles. Los factores (y los niveles) fueron

A = abertura del orificio (Pequeño, Grande)

B = tiempo de exposición (20% abajo del nominal, 20% arriba del nominal)

C = tiempo de desarrollo (30 s y 45 s)

D = dimensiones de la plantilla (pequeña y grande)

E = tiempo de grabado químico (14.5 min., 15.5 min.)

Se corrió el diseño 25 no replicado que se muestra abajo:

(1) 7 e 8
A 9 ae 12
B 34 be 35
Ab 55 abe 52
C 16 ce 15
Ac 20 ace 22
Bc 40 bce 45
Abc 60 abce 65
D 8 de 6
Ad 10 ade 10
Bd 32 bde 30
Abd 50 abde 53
Cd 18 cde 15
Acd 21 acde 20
Bcd 44 bcde 41
Abcd 61 abcde 63

Solución.

Test de hipótesis:

Para el tiempo de exposición.

𝐻0 : 𝛽1 = 𝛽2
𝐻1 : 𝛽𝑖 ≠ 𝛽𝑗 ; 𝑎𝑙 𝑚𝑒𝑛𝑜𝑠 𝑒𝑛 𝑢𝑛𝑎

Para la abertura de orificio.

𝐻0 : 𝜏1 = 𝜏2
𝐻1 : 𝜏𝑖 ≠ 𝜏𝑗 ; 𝑎𝑙 𝑚𝑒𝑛𝑜𝑠 𝑒𝑛 𝑢𝑛𝑎
Para el tiempo de desarrollo.

𝐻0 : 𝑢1 = 𝑢2
𝐻1 : 𝑢1 ≠ 𝑢1 ; 𝑎𝑙 𝑚𝑒𝑛𝑜𝑠 𝑒𝑛 𝑢𝑛𝑎

Para las dimensiones de la platilla.

𝐻0 : 𝜎1 = 𝜎2
𝐻1 : 𝜎𝑖 ≠ 𝜎2 ; 𝑎𝑙 𝑚𝑒𝑛𝑜𝑠 𝑒𝑛 𝑢𝑛𝑎

Para el tiempo de grabado químico.

𝐻0 : 𝑎1 = 𝑎2
𝐻1 : 𝑎𝑖 ≠ 𝑎𝑗 ; 𝑎𝑙 𝑚𝑒𝑛𝑜𝑠 𝑒𝑛 𝑢𝑛𝑎

Para la interacción de segundo orden entre la abertura de orificio, el tiempo de exposición, el tiempo de
desarrollo, las dimensiones de la platilla, el tiempo de grabado químico.

𝐻0 : (𝛽𝜏)𝑖𝑗 = 0 ; 𝑝𝑎𝑟𝑎 𝑡𝑜𝑑𝑜 𝑖 𝑦 𝑡𝑜𝑑𝑜 𝑗

𝐻1 : (𝛽𝜏)𝑖𝑗 ≠ 0 ; 𝑎𝑙 𝑚𝑒𝑛𝑜𝑠 𝑒𝑛 𝑢𝑛𝑎

𝐻0 : (𝛽𝑢)𝑖𝑘 = 0 ; 𝑝𝑎𝑟𝑎 𝑡𝑜𝑑𝑜 𝑖 𝑦 𝑡𝑜𝑑𝑜 𝑘

𝐻1 : (𝛽𝑢)𝑖𝑘 ≠ 0 ; 𝑎𝑙 𝑚𝑒𝑛𝑜𝑠 𝑒𝑛 𝑢𝑛𝑎

𝐻0 : (𝛽𝜎)𝑖𝑗 = 0 ; 𝑝𝑎𝑟𝑎 𝑡𝑜𝑑𝑜 𝑖 𝑦 𝑡𝑜𝑑𝑜 𝑗

𝐻1 : (𝛽𝜎)𝑖𝑗 ≠ 0 ; 𝑎𝑙 𝑚𝑒𝑛𝑜𝑠 𝑒𝑛 𝑢𝑛𝑎

𝐻0 : (𝛽𝑎)𝑖𝑗 = 0 ; 𝑝𝑎𝑟𝑎 𝑡𝑜𝑑𝑜 𝑖 𝑦 𝑡𝑜𝑑𝑜 𝑗

𝐻1 : (𝛽𝑎)𝑖𝑗 ≠ 0 ; 𝑎𝑙 𝑚𝑒𝑛𝑜𝑠 𝑒𝑛 𝑢𝑛𝑎

𝐻0 : (𝜏𝑢)𝑗𝑘 = 0 ; 𝑝𝑎𝑟𝑎 𝑡𝑜𝑑𝑜 𝑗 𝑦 𝑡𝑜𝑑𝑜 𝑘

𝐻1 : (𝜏𝑢)𝑗𝑘 ≠ 0 ; 𝑎𝑙 𝑚𝑒𝑛𝑜𝑠 𝑒𝑛 𝑢𝑛𝑎

𝐻0 : (𝜏𝜎)𝑗𝑘 = 0 ; 𝑝𝑎𝑟𝑎 𝑡𝑜𝑑𝑜 𝑗 𝑦 𝑡𝑜𝑑𝑜 𝑘

𝐻1 : (𝜏𝜎)𝑗𝑘 ≠ 0 ; 𝑎𝑙 𝑚𝑒𝑛𝑜𝑠 𝑒𝑛 𝑢𝑛𝑎

𝐻0 : (𝜏𝑎)𝑗𝑘 = 0 ; 𝑝𝑎𝑟𝑎 𝑡𝑜𝑑𝑜 𝑗 𝑦 𝑡𝑜𝑑𝑜 𝑘

𝐻1 : (𝜏𝑎)𝑗𝑘 ≠ 0 ; 𝑎𝑙 𝑚𝑒𝑛𝑜𝑠 𝑒𝑛 𝑢𝑛𝑎

𝐻0 : (𝑢𝜎)𝑗𝑘 = 0 ; 𝑝𝑎𝑟𝑎 𝑡𝑜𝑑𝑜 𝑗 𝑦 𝑡𝑜𝑑𝑜 𝑘

𝐻1 : (𝑢𝜎)𝑗𝑘 ≠ 0 ; 𝑎𝑙 𝑚𝑒𝑛𝑜𝑠 𝑒𝑛 𝑢𝑛𝑎

𝐻0 : (𝑢𝑎)𝑗𝑘 = 0 ; 𝑝𝑎𝑟𝑎 𝑡𝑜𝑑𝑜 𝑗 𝑦 𝑡𝑜𝑑𝑜 𝑘

𝐻1 : (𝑢𝑎)𝑗𝑘 ≠ 0 ; 𝑎𝑙 𝑚𝑒𝑛𝑜𝑠 𝑒𝑛 𝑢𝑛𝑎

𝐻0 : (𝜎𝑎)𝑗𝑘 = 0 ; 𝑝𝑎𝑟𝑎 𝑡𝑜𝑑𝑜 𝑗 𝑦 𝑡𝑜𝑑𝑜 𝑘

𝐻1 : (𝜎𝑎)𝑗𝑘 ≠ 0 ; 𝑎𝑙 𝑚𝑒𝑛𝑜𝑠 𝑒𝑛 𝑢𝑛𝑎

Para la interacción de tercer orden entre la abertura de orificio, el tiempo de exposición, el tiempo de
desarrollo, las dimensiones de la platilla, el tiempo de grabado químico.

𝐻0 : (𝛽𝜏𝑢)𝑖𝑗𝑘 = 0 ; 𝑝𝑎𝑟𝑎 𝑡𝑜𝑑𝑜 𝑖 , 𝑡𝑜𝑑𝑜 𝑗 𝑦 𝑡𝑜𝑑𝑜 𝑘.

𝐻1 : (𝛽𝜏𝑢)𝑖𝑗𝑘 ≠ 0 ; 𝑎𝑙 𝑚𝑒𝑛𝑜𝑠 𝑒𝑛 𝑢𝑛𝑎

𝐻0 : (𝛽𝜏𝜎)𝑖𝑗𝑘 = 0 ; 𝑝𝑎𝑟𝑎 𝑡𝑜𝑑𝑜 𝑖 , 𝑡𝑜𝑑𝑜 𝑗 𝑦 𝑡𝑜𝑑𝑜 𝑘.

𝐻1 : (𝛽𝜏𝜎)𝑖𝑗𝑘 ≠ 0 ; 𝑎𝑙 𝑚𝑒𝑛𝑜𝑠 𝑒𝑛 𝑢𝑛𝑎

𝐻0 : (𝛽𝜎𝑎)𝑖𝑗𝑘 = 0 ; 𝑝𝑎𝑟𝑎 𝑡𝑜𝑑𝑜 𝑖 , 𝑡𝑜𝑑𝑜 𝑗 𝑦 𝑡𝑜𝑑𝑜 𝑘.

𝐻1 : (𝛽𝜎𝑎)𝑖𝑗𝑘 ≠ 0 ; 𝑎𝑙 𝑚𝑒𝑛𝑜𝑠 𝑒𝑛 𝑢𝑛𝑎

𝐻0 : (𝛽𝜏𝑎)𝑖𝑗𝑘 = 0 ; 𝑝𝑎𝑟𝑎 𝑡𝑜𝑑𝑜 𝑖 , 𝑡𝑜𝑑𝑜 𝑗 𝑦 𝑡𝑜𝑑𝑜 𝑘.

𝐻1 : (𝛽𝜏𝑎)𝑖𝑗𝑘 ≠ 0 ; 𝑎𝑙 𝑚𝑒𝑛𝑜𝑠 𝑒𝑛 𝑢𝑛𝑎

𝐻0 : (𝜏𝑢𝜎)𝑖𝑗𝑘 = 0 ; 𝑝𝑎𝑟𝑎 𝑡𝑜𝑑𝑜 𝑖 , 𝑡𝑜𝑑𝑜 𝑗 𝑦 𝑡𝑜𝑑𝑜 𝑘.

𝐻1 : (𝜏𝑢𝜎)𝑖𝑗𝑘 ≠ 0 ; 𝑎𝑙 𝑚𝑒𝑛𝑜𝑠 𝑒𝑛 𝑢𝑛𝑎

𝐻0 : (𝜏𝑢𝑎)𝑖𝑗𝑘 = 0 ; 𝑝𝑎𝑟𝑎 𝑡𝑜𝑑𝑜 𝑖 , 𝑡𝑜𝑑𝑜 𝑗 𝑦 𝑡𝑜𝑑𝑜 𝑘.

𝐻1 : (𝜏𝑢𝑎)𝑖𝑗𝑘 ≠ 0 ; 𝑎𝑙 𝑚𝑒𝑛𝑜𝑠 𝑒𝑛 𝑢𝑛𝑎

𝐻0 : (𝜏𝜎𝑎)𝑖𝑗𝑘 = 0 ; 𝑝𝑎𝑟𝑎 𝑡𝑜𝑑𝑜 𝑖 , 𝑡𝑜𝑑𝑜 𝑗 𝑦 𝑡𝑜𝑑𝑜 𝑘.

𝐻1 : (𝜏𝜎𝑎)𝑖𝑗𝑘 ≠ 0 ; 𝑎𝑙 𝑚𝑒𝑛𝑜𝑠 𝑒𝑛 𝑢𝑛𝑎

𝐻0 : (𝑢𝜎𝑎)𝑖𝑗𝑘 = 0 ; 𝑝𝑎𝑟𝑎 𝑡𝑜𝑑𝑜 𝑖 , 𝑡𝑜𝑑𝑜 𝑗 𝑦 𝑡𝑜𝑑𝑜 𝑘.

𝐻1 : (𝑢𝜎𝑎)𝑖𝑗𝑘 ≠ 0 ; 𝑎𝑙 𝑚𝑒𝑛𝑜𝑠 𝑒𝑛 𝑢𝑛𝑎

Para la interacción de cuarto orden entre la abertura de orificio, el tiempo de exposición, el tiempo de
desarrollo, las dimensiones de la platilla, el tiempo de grabado químico.

𝐻0 : (𝛽𝜏𝑢𝜎)𝑖𝑗𝑘 = 0 ; 𝑝𝑎𝑟𝑎 𝑡𝑜𝑑𝑜 𝑖 , 𝑡𝑜𝑑𝑜 𝑗 𝑦 𝑡𝑜𝑑𝑜 𝑘.

𝐻1 : (𝛽𝜏𝑢𝜎)𝑖𝑗𝑘 ≠ 0 ; 𝑎𝑙 𝑚𝑒𝑛𝑜𝑠 𝑒𝑛 𝑢𝑛𝑎

𝐻0 : (𝛽𝜏𝑢𝑎)𝑖𝑗𝑘 = 0 ; 𝑝𝑎𝑟𝑎 𝑡𝑜𝑑𝑜 𝑖 , 𝑡𝑜𝑑𝑜 𝑗 𝑦 𝑡𝑜𝑑𝑜 𝑘.

𝐻1 : (𝛽𝜏𝑢𝑎)𝑖𝑗𝑘 ≠ 0 ; 𝑎𝑙 𝑚𝑒𝑛𝑜𝑠 𝑒𝑛 𝑢𝑛𝑎

𝐻0 : (𝛽𝜏𝜎𝑎)𝑖𝑗𝑘 = 0 ; 𝑝𝑎𝑟𝑎 𝑡𝑜𝑑𝑜 𝑖 , 𝑡𝑜𝑑𝑜 𝑗 𝑦 𝑡𝑜𝑑𝑜 𝑘.

𝐻1 : (𝛽𝜏𝜎𝑎)𝑖𝑗𝑘 ≠ 0 ; 𝑎𝑙 𝑚𝑒𝑛𝑜𝑠 𝑒𝑛 𝑢𝑛𝑎

𝐻0 : (𝜏𝑢𝜎𝑎)𝑖𝑗𝑘 = 0 ; 𝑝𝑎𝑟𝑎 𝑡𝑜𝑑𝑜 𝑖 , 𝑡𝑜𝑑𝑜 𝑗 𝑦 𝑡𝑜𝑑𝑜 𝑘.

𝐻1 : (𝜏𝑢𝜎𝑎)𝑖𝑗𝑘 ≠ 0 ; 𝑎𝑙 𝑚𝑒𝑛𝑜𝑠 𝑒𝑛 𝑢𝑛𝑎
Para la interacción de quinto orden entre la abertura de orificio, el tiempo de exposición, el tiempo de
desarrollo, las dimensiones de la platilla, el tiempo de grabado químico.

𝐻0 : (𝛽𝜏𝑢𝜎𝑎)𝑖𝑗𝑘 = 0 ; 𝑝𝑎𝑟𝑎 𝑡𝑜𝑑𝑜 𝑖 , 𝑡𝑜𝑑𝑜 𝑗 𝑦 𝑡𝑜𝑑𝑜 𝑘.

𝐻1 : (𝛽𝜏𝑢𝜎𝑎)𝑖𝑗𝑘 ≠ 0 ; 𝑎𝑙 𝑚𝑒𝑛𝑜𝑠 𝑒𝑛 𝑢𝑛𝑎

Para la realización del ANOVA realizamos el Daniel plot para verificar que interacciones y relaciones entre
factores generan cambios en el desempeño de la variable de respuesta.

Podemos observar que las interacciones de tercer, cuarto orden y quinto orden no generan cambios
significativos en la media del rendimiento del proceso de producción, por lo cual estas interacciones
serán omitidas para nuestro análisis de varianza.
Con base en los resultados arrojados por el ANOVA podemos observar que todos los factores de interés generan
cambios significativos en el rendimiento del proceso, a acepción de los factores dimensiones y tiempo de grabado,
los cuales podemos sacar de la experimentación ene el diseño de un experimento factorial completo, por otro
lado, confirmamos los resultados arrojados con el Daniel plot que nos indica que solo la interacción, entre la
abertura y el tiempo de exposición es significativa en la variable de respuesta.

Podemos observar que pasar del nivel bajo al nivel alto de los factores dimensiones y tiempo de grabado no
genera cambios importantes en la variable de respuesta, por lo cual estos factores no son significativos.
En esta grafica evidenciamos que solo las interacciones entre la abertura y el tiempo de exposición resultan ser
significativas ya que las demás según los resultados del ANOVA no lo son y esto lo podemos verificar al darnos
cuenta que las líneas de las demás graficas son casi paralelas, por otro lado recomendamos utilizar un tiempo de
exposición en alto, un tiempo de desarrollo en alto y una abertura grande, verificamos que los demás factores no
son significativos debido a que las líneas de los mismos tienen un ángulo de inclinación relativamente pequeño
con respecto a la horizontal.

Como observamos en el ANOVA y en el Daniel plot que los factores dimensiones y tiempo de grabado no generan
cambios significativos en el rendimiento del proceso de producción por esto omitimos estos dos factores para
realizar el grafico de interacción triple de los factores de interés y llegamos a la conclusión que para obtener el
máximo rendimiento de 62,5 debemos utilizar un tiempo de desarrollo de 45 s, un tiempo de exposición 20%
arriba del nominal y una abertura de orificio grande, por otro lado las dimensiones de la platilla y el tiempo de
grabado químico no son significativos en el desempeño de la variable de respuesta.
Podemos observar que los datos se ajustan a una distribución normal.

2. RUGOSIDAD SUPERFICIAL

Un ingeniero realizo un experimento para estudiar el efecto de cuatro factores sobre la aspereza superficial de
una pieza maquinada. Los factores (y sus niveles) son Angulo de la herramienta (12 y 15 o), Viscosidad del fluido
de corte (300 y 400), Velocidad de alimentación (10 y 15 pulg/min.) y Enfriador del fluido de corte usado (no, si).
Los datos de este experimento (con los factores codificados en los niveles usuales -1, 1 y los valores de Rugosidad
codificados) se muestran a continuación.

Corrida Angulo Viscosidad Velocidad Enfriador Rugosidad

Herramienta Fluido Alimentación Fluido Superficial
1 -1 -1 -1 -1 3.4
2 1 -1 -1 -1 3.62
3 -1 1 -1 -1 3.01
4 1 1 -1 -1 1.82
5 -1 -1 1 -1 2.8
6 1 -1 1 -1 2.9
7 -1 1 1 -1 2.52
8 1 1 1 -1 1.6
9 -1 -1 -1 1 3.36
10 1 -1 -1 1 3.44
11 -1 1 -1 1 3.08
12 1 1 -1 1 1.84
 13 -1 -1 1 1 2.69
14 1 -1 1 1 2.84
15 -1 1 1 1 2.53
16 1 1 1 1 1.63

Solución.

Test de hipótesis:

Para el ángulo de la herramienta.

𝐻0 : 𝛽1 = 𝛽2
𝐻1 : 𝛽𝑖 ≠ 𝛽𝑗 ; 𝑎𝑙 𝑚𝑒𝑛𝑜𝑠 𝑒𝑛 𝑢𝑛𝑎

Para la viscosidad del fluido.

𝐻0 : 𝜏1 = 𝜏2
𝐻1 : 𝜏𝑖 ≠ 𝜏𝑗 ; 𝑎𝑙 𝑚𝑒𝑛𝑜𝑠 𝑒𝑛 𝑢𝑛𝑎

Para la velocidad de alimentación.

𝐻0 : 𝑢1 = 𝑢2
𝐻1 : 𝑢1 ≠ 𝑢1 ; 𝑎𝑙 𝑚𝑒𝑛𝑜𝑠 𝑒𝑛 𝑢𝑛𝑎

Para el enfriador fluido.

𝐻0 : 𝜎1 = 𝜎2
𝐻1 : 𝜎𝑖 ≠ 𝜎2 ; 𝑎𝑙 𝑚𝑒𝑛𝑜𝑠 𝑒𝑛 𝑢𝑛𝑎

Para la interacción de segundo orden entre la abertura de orificio, el tiempo de exposición, el tiempo de
desarrollo, las dimensiones de la platilla, el tiempo de grabado químico.

𝐻0 : (𝛽𝜏)𝑖𝑗 = 0 ; 𝑝𝑎𝑟𝑎 𝑡𝑜𝑑𝑜 𝑖 𝑦 𝑡𝑜𝑑𝑜 𝑗

𝐻1 : (𝛽𝜏)𝑖𝑗 ≠ 0 ; 𝑎𝑙 𝑚𝑒𝑛𝑜𝑠 𝑒𝑛 𝑢𝑛𝑎

𝐻0 : (𝛽𝑢)𝑖𝑘 = 0 ; 𝑝𝑎𝑟𝑎 𝑡𝑜𝑑𝑜 𝑖 𝑦 𝑡𝑜𝑑𝑜 𝑘

𝐻1 : (𝛽𝑢)𝑖𝑘 ≠ 0 ; 𝑎𝑙 𝑚𝑒𝑛𝑜𝑠 𝑒𝑛 𝑢𝑛𝑎

𝐻0 : (𝛽𝜎)𝑖𝑗 = 0 ; 𝑝𝑎𝑟𝑎 𝑡𝑜𝑑𝑜 𝑖 𝑦 𝑡𝑜𝑑𝑜 𝑗

𝐻1 : (𝛽𝜎)𝑖𝑗 ≠ 0 ; 𝑎𝑙 𝑚𝑒𝑛𝑜𝑠 𝑒𝑛 𝑢𝑛𝑎

𝐻0 : (𝜏𝑢)𝑗𝑘 = 0 ; 𝑝𝑎𝑟𝑎 𝑡𝑜𝑑𝑜 𝑗 𝑦 𝑡𝑜𝑑𝑜 𝑘

𝐻1 : (𝜏𝑢)𝑗𝑘 ≠ 0 ; 𝑎𝑙 𝑚𝑒𝑛𝑜𝑠 𝑒𝑛 𝑢𝑛𝑎

𝐻0 : (𝜏𝜎)𝑗𝑘 = 0 ; 𝑝𝑎𝑟𝑎 𝑡𝑜𝑑𝑜 𝑗 𝑦 𝑡𝑜𝑑𝑜 𝑘

𝐻1 : (𝜏𝜎)𝑗𝑘 ≠ 0 ; 𝑎𝑙 𝑚𝑒𝑛𝑜𝑠 𝑒𝑛 𝑢𝑛𝑎
𝐻0 : (𝑢𝜎)𝑗𝑘 = 0 ; 𝑝𝑎𝑟𝑎 𝑡𝑜𝑑𝑜 𝑗 𝑦 𝑡𝑜𝑑𝑜 𝑘
𝐻1 : (𝑢𝜎)𝑗𝑘 ≠ 0 ; 𝑎𝑙 𝑚𝑒𝑛𝑜𝑠 𝑒𝑛 𝑢𝑛𝑎

Para la interacción de tercer orden entre la abertura de orificio, el tiempo de exposición, el tiempo de
desarrollo, las dimensiones de la platilla, el tiempo de grabado químico.

𝐻0 : (𝛽𝜏𝑢)𝑖𝑗𝑘 = 0 ; 𝑝𝑎𝑟𝑎 𝑡𝑜𝑑𝑜 𝑖 , 𝑡𝑜𝑑𝑜 𝑗 𝑦 𝑡𝑜𝑑𝑜 𝑘.

𝐻1 : (𝛽𝜏𝑢)𝑖𝑗𝑘 ≠ 0 ; 𝑎𝑙 𝑚𝑒𝑛𝑜𝑠 𝑒𝑛 𝑢𝑛𝑎

𝐻0 : (𝛽𝜏𝜎)𝑖𝑗𝑘 = 0 ; 𝑝𝑎𝑟𝑎 𝑡𝑜𝑑𝑜 𝑖 , 𝑡𝑜𝑑𝑜 𝑗 𝑦 𝑡𝑜𝑑𝑜 𝑘.

𝐻1 : (𝛽𝜏𝜎)𝑖𝑗𝑘 ≠ 0 ; 𝑎𝑙 𝑚𝑒𝑛𝑜𝑠 𝑒𝑛 𝑢𝑛𝑎

𝐻0 : (𝜏𝑢𝜎)𝑖𝑗𝑘 = 0 ; 𝑝𝑎𝑟𝑎 𝑡𝑜𝑑𝑜 𝑖 , 𝑡𝑜𝑑𝑜 𝑗 𝑦 𝑡𝑜𝑑𝑜 𝑘.

𝐻1 : (𝜏𝑢𝜎)𝑖𝑗𝑘 ≠ 0 ; 𝑎𝑙 𝑚𝑒𝑛𝑜𝑠 𝑒𝑛 𝑢𝑛𝑎

Para la interacción de cuarto orden entre la abertura de orificio, el tiempo de exposición, el tiempo de
desarrollo, las dimensiones de la platilla, el tiempo de grabado químico.

𝐻0 : (𝛽𝜏𝑢𝜎)𝑖𝑗𝑘 = 0 ; 𝑝𝑎𝑟𝑎 𝑡𝑜𝑑𝑜 𝑖 , 𝑡𝑜𝑑𝑜 𝑗 𝑦 𝑡𝑜𝑑𝑜 𝑘.

𝐻1 : (𝛽𝜏𝑢𝜎)𝑖𝑗𝑘 ≠ 0 ; 𝑎𝑙 𝑚𝑒𝑛𝑜𝑠 𝑒𝑛 𝑢𝑛𝑎

Antes de iniciar hacemos un Daniel plot para identificar cuales son los factores y las relaciones entre
factores que generan cambios significativos en la variable de respuesta que en este caso es la rugosidad.
Podemos notar a través del Daniel plot que las interacciones de tercer y cuarto orden no generan
diferencias significativas en la variable de respuesta por lo cual dichas interacciones no serán tenidas en
cuenta para la realización del ANOVA.

Podemos evidenciar que uno de los factores de interés (factor enfriador de fluido), no es significativo en
la rugosidad que estamos analizando, por otro lado, solo las interacciones entre el ángulo de
herramienta y la viscosidad y las interacciones entre la viscosidad y la velocidad generan cambios
significativos en la rugosidad las demás interacciones no son significativas.

Con base en el grafico anterior y suponiendo que el objetivo del proceso es minimizar la aspereza del
material se recomienda utilizar un ángulo de herramienta de 15, viscosidad de 400 y una velocidad de
alimentación de 15 pulg/min, podemos observar que es poco significativo utilizar o no un enfriador de fluido,
pero si no representa altos costos sería prudente implementarlo.
Podemos observar que se verifican los resultados obtenidos en el ANOVA podemos evidenciar que la
interacción entre el ángulo y la viscosidad generan cambios significativos en la aspereza del material y
asumiendo que el objetivo del proceso es minimizar la aspereza se deben utilizar los niveles altos de
ambos factores, por otro lado, podemos evidenciar una interacción no tan significativa entre los factores
viscosidad y velocidad se sugiere también utilizar los niveles altos de ambos factores.

Procedemos a realizar el grafico de interacción triple del modelo, para ello omitimos el factor enfriador
que resulto no significativo según los resultados del ANOVA.
Según los resultados del grafico anterior asumiendo que el objetivo del proceso es minimizar la aspereza
del material, se recomienda utilizar una viscosidad de 400, un angulo de herramienta de 15 y una
velocidad de alimentación 15 pulg/min, para generar una rugosidad mínima de 1,61.

Validación del supuesto de normalidad.

Podemos observar que los datos se ajustan en una distribución normal.

6.1 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

A B C Combinación Réplicas
de I II III
tratamientos
- - - (1) 22 31 25
+ - - a 32 43 29
- + - b 35 34 50
+ + - ab 55 47 46
- - + c 44 45 38
+ - + ac 40 37 36
- + + bc 60 50 54
+ + + abc 39 41 47

a. Estimar los efectos de los factores. ¿Qué efectos parecen ser grandes
 suma
etiqueta A B AB C AC BC ABC replicas
1 -1 -1 1 -1 1 1 -1 78
a 1 -1 -1 -1 -1 1 1 104
b -1 1 -1 -1 1 -1 1 119
ab 1 1 1 -1 -1 -1 -1 148
c -1 -1 1 1 -1 -1 1 127
ac 1 -1 -1 1 1 -1 -1 113
bc -1 1 -1 1 -1 1 -1 164
abc 1 1 1 1 1 1 1 127
contraste 4 136 -20 82 -106 -34 -26
efecto 0,33 11,33 -1,67 6,83 -8,83 -2,83 -2,17

Podemos observar que la geometría de herramienta, el ángulo de corte, y la interacción entre la velocidad de
corte y el ángulo de corte tienen un efecto significativo sobre la variable de respuesta, de esta manera podemos
prever que estos factores van a ser muy significativos cuando realicemos nuestro análisis de varianza, por otro
lado, observamos que el factor A tiene un efecto muy pequeño por esto podríamos anticipar que el ANOVA nos
indicara que este factor no es significativo.

b. Usar el análisis de varianza para confirmar las conclusiones del inciso a.

podemos confirmar lo que supusimos en el inciso anterior, efectivamente la velocidad de corte no genera cambios
significativos sobre la vida promedio de la maquina estudiada, además podemos evidenciar que los demás
factores son significativos en la variable de respuesta y solo la interacción entre la velocidad de corte y el ángulo
es importante en el proceso de producción.

c. Escribir un modelo de regresión para predecir la vida de la de la herramienta (en horas) con base en los
resultados de este experimento.

𝑦 = 𝛽 + 𝛽1 𝑥1 + 𝛽2 𝑥2 + 𝛽3 𝑥3 + 𝜀
 etiqueta A B C suma replicas replica I replica II replica III
1 -1 -1 -1 78 22 31 25
A 1 -1 -1 104 32 43 29
B -1 1 -1 119 35 34 50
Ab 1 1 -1 148 55 47 46
C -1 -1 1 127 44 45 38
Ac 1 -1 1 113 40 37 36
Bc -1 1 1 164 60 50 54
Abc 1 1 1 127 39 41 47
contraste 4 136 82 y.. 327
efecto 0,33 11,33 6,83 β 40,83333333

0,33 33
𝛽1 = =
4 400
11,33 1133
𝛽2 = =
4 400
11,33 1133
𝛽3 = =
4 400
𝑦 = 𝛽 + 𝛽1 𝑥1 + 𝛽2 𝑥2 + 𝛽3 𝑥3 + 𝜀
245 33 1133 1133
𝑦= + 𝑥1 + 𝑥2 + 𝑥
4 400 400 400 3
Modelado en R estudio se tienen los siguientes resultados.
Se puede observar que los resultados del modelo de regresión lineal ejecutado por R no están muy cercanos a
los resultados reales del experimento.

d. Analizar los residuales, ¿Hay algún problema evidente?

𝐻0 : 𝑙𝑜𝑠 𝑑𝑎𝑡𝑜𝑠 𝑠𝑒 𝑎𝑗𝑢𝑠𝑡𝑎𝑛 𝑎 𝑢𝑛𝑎 𝑑𝑖𝑠𝑡𝑟𝑖𝑏𝑢𝑐𝑖𝑜𝑛 𝑛𝑜𝑟𝑚𝑎𝑙.

𝐻1 : 𝑙𝑜𝑠 𝑑𝑎𝑡𝑜𝑠 𝑛𝑜 𝑠𝑒 𝑎𝑗𝑢𝑠𝑡𝑎𝑛 𝑎 𝑢𝑛𝑎 𝑑𝑖𝑠𝑡𝑟𝑖𝑏𝑢𝑐𝑖𝑜𝑛 𝑛𝑜𝑟𝑚𝑎𝑙.
Como el p-value es mayor que la significancia los datos se ajustan a una distribución normal.

e. Con base en el análisis de las gráficas de los efectos principales y las interacciones, ¿Cuáles serían los niveles
de A, B y C que se recomendaría utilizar?

Podemos observar que no existe un cambio significativo directo la pasar del nivel alto al nivel bajo del factor
velocidad de corte, sin embargo, sería algo adelantado asumir que este factor no tiene efectos sobre la variable
de respuesta.
Podemos evidenciar que el factor velocidad de corte tiene una interacción significativa con los demás factores
de interés por este motivo debe ser considerado para que la vida media de la herramienta estudiada sea
máxima.

A partir del grafico se recomienda a la empresa, utilizar una velocidad de corte en bajo, un ángulo de corte en alto
y una geometría de herramienta en alto a fin de maximizar la vida promedio de la maquina en consideración.
6.15 Se utiliza una aleación de níquel y titanio para fabricar componentes de los motores de turbinas de aviones.
La forración de fisuras es un problema potencialmente serio de las piezas terminadas, ya que puede 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 refinado de gran usada (D). Se hacen dos réplicas de un diseño 2⁴ y se mide la longitud
de las fisuras (en m x 10-²) inducidas en un ejemplar de prueba de muestra sometido a una prueba estándar. Los
datos se muestran en la siguiente tabla:

A B C D Combinación Réplicas
de I II
tratamientos
- - - - 1 7.037 6.376
+ - - - a 14.707 15.216
- + - - b 11.635 12.089
+ + - - ab 17.273 17.815
- - + - c 10.403 10.151
+ - + - ac 4.368 4.098
- + + - bc 9.360 9.253
+ + + - abc 13.440 12.923
- - - + d 8.561 8.951
+ - - + ad 16.867 17.052
- + - + bd 13.876 13.658
+ + - + abd 19.824 19.639
- - + + cd 11.846 12.337
+ - + + acd 6.125 5.904
- + + + bcd 11.846 10.935
+ + + + abcd 15.653 15.053

a. Estimar los efectos de los factores. ¿Qué efectos de los factores parecen ser grandes?

Descomprimir la hoja anexa dando doble click para ver los resultados.

ETIQUETA
LONGITUD DE FISURAS A B AB C AC
(1) 13,413 -1 -1 1 -1 1
a 29,926 1 -1 -1 -1 -1
b 23,724 -1 1 -1 -1 1
ab 35,088 1 1 1 -1 -1
c 20,554 -1 -1 1 1 -1
ac 8,457 1 -1 -1 1 1
bc 18,613 -1 1 -1 1 -1
abc 26,363 1 1 1 1 1
d 17,512 -1 -1 1 -1 1
ETIQUETA EFECTO
A 3,01845625
B 3,97658125
AB 1,93483125
C -3,59666875
AC -4,00816875
BC 0,09670625
ABC 3,13820625
D 1,95845625
AD 0,07720625
BD 0,04683125
ABD 0,09758125
CD -0,07616875
ACD 0,01983125
BCD 0,03520625
ABCD 0,01370625

Podemos observar que todos los factores de interés son significativos, además notamos que la interacción de
tercer orden ABC es altamente significativa.

b. Conducir un análisis de varianza ¿Alguno de los factores afecta la formación de fisuras? Utilizar α=0.05-

Podemos observar en este grafico que todos los factores de interés son altamente significativos y no solo, sino
que incluso las interacciones de tercer orden son significativas para el proceso de producción.
Podemos observar que en al caso de los factores principales todos son significativos es decir que tienen un efecto
importante sobre la variable de respuesta ya que el p-value es menor que la significancia.

c. Escribir un modelo de regresión que pueda usarse para predecir la longitud de las fisuras como una función
de los efectos principales y las interacciones significativas que se han identificado en el inciso b.

ETIQUETA EFECTO
A 3,01845625
B 3,97658125
AB 1,93483125
C -3,59666875
AC -4,00816875
BC 0,09670625
ABC 3,13820625
D 1,95845625
AD 0,07720625
BD 0,04683125
ABD 0,09758125
CD -0,07616875
ACD 0,01983125
BCD 0,03520625
ABCD 0,01370625

𝑦 = 𝛽 + 𝛽1 𝑥1 + 𝛽2 𝑥2 + 𝛽3 𝑥3
𝛽 = 11,988
3,018
𝛽𝐴 = = 0,377
8
3,973
𝛽𝐵 = = 0,496
8
3,596
𝛽𝐶 = − = −0,449
8
1,958
𝛽𝐷 = − = 0,244
8
1,934
𝛽𝐴𝐵 = = 0,241
8
−4,008
𝛽𝐴𝐶 = = −0,501
8
3,138
𝛽𝐴𝐵𝐶 = = 0,392
8

𝑦 = 11,988 + 0,377𝑥𝐴 + 0,496𝑥𝐵 − 0,449𝑥𝐶 + 0,244𝑥𝐷 + 0,241𝑥𝐴𝐵 − 0,501𝑥𝐴𝐶 + 0,392𝑥𝐴𝐵𝐶

Podemos evidenciar la cercanía entre los valores ajustados y reales por lo cual validamos los resultados.

d. Analizar los residuales de este experimento, ¿Hay algún problema evidente?

Podemos observar que el modelo no es válido debido a que los datos no se ajustan a una distribución normal.
e. ¿Qué recomendaciones se haría respecto de las operaciones del proceso? Utilizar graficas de las
interacciones y/o de los efectos principales como ayuda para sacar conclusiones.

En la grafica anterior podemos observar que todos los factores son significativos para la variable de respuesta.

Con base en este grafico podemos observar que todos los factores son altamente significativos podemos
evidenciar además que existe una clara interacción entre los factores de interés.

Si el objetivo es minimizar la longitud de las fisuras entonces se recomienda utilizar una temperatura de vaciado
en el nivel alto, un contenido de titanio en el nivel bajo, un tratamiento térmico en nivel alto, y una cantidad de
refinador en nivel bajo de esta manera se logra reducir al máximo la longitud de fisura.
 fit lwr upr

1 4.233 3.805957 4.660043

Bajo estas condiciones el modelo genera la longitud de fisura mínima y es de 4,233.

6.25 Experimento del brownie (pastelito) exquisito. El autor es un ingeniero hecho en la práctica y un firme
creyente de aprender haciendo las cosas. Durante muchos años ha impartido el curso de diseño experimental a
una amplia variedad de audiencias y siempre asigna la planeación, realización y análisis de un experimento real a
los participantes de la clase. Los participantes parecen disfrutar esta experiencia práctica y siempre aprenden
mucho de ella. En este problema se utilizan los resultados de un experimento realizado por Gretchen Krueguer en
la Universidad Estatal de Arizona.

Existen muchas formas diferentes de hornear brownies. El propósito de este experimento fue de determinar la
forma que el material de molde, la marca de la harina para brownies y el método de batido afectan la exquisitez
de los brownies. Los niveles de factores fueron:

Factor Bajo (-) Alto (+)

A= Material de molde Vidrio Aluminio
B= Método de batido Cuchara Batidora
C= Marca de harina Cara Barata

La variable de respuesta fue la exquisitez, una medida subjetiva derivada del cuestionario aplicado a los sujetos
que hicieron muestreo de cada lote de brownies. (Este cuestionario incluiría aspectos como el sabor, la
consistencia, el aroma, etc.) Un panel de prueba integrado por ocho personas hizo el muestreo de cada lote y
lleno el cuestionario. La matriz del diseño y los datos de la respuesta se presentan a continuación:

Lotes de A B C Resultados del panel de prueba

brownies 1 2 3 4 5 6 7 8
1 - - - 11 9 10 10 11 10 8 9
2 + - - 15 10 16 14 12 9 6 15
3 - + - 9 12 11 11 11 11 11 12
4 + + - 16 15 15 12 13 13 11 11
5 - - + 10 15 15 8 6 8 9 14
6 + - + 12 14 14 13 9 13 14 9
7 - + + 10 13 13 10 7 7 17 13
8 + + + 15 15 15 13 12 12 9 14

a. Analizar los datos de este experimento como si se tratara de ocho réplicas de un diseño 23 . Comentar los
resultados.
Podemos observar el material de molde y el método de batido generan cambios importantes en la variable de
respuesta, no obstante, la marca de harina que se utiliza no es significativa en el proceso de producción, por otro
lado, no existe ninguna interacción significativa entre los factores estudiados.

En esta grafica podemos verificar los resultados del ANOVA que nos indica que la marca de harina no es un
factor significativo para la variable de respuesta.
En este grafico podemos verificar que no existe ninguna interacción significativa entre los factores que afecte la
exquisitez de los pastelillos.

Factor Bajo (-) Alto (+)

A= Material de molde Vidrio Aluminio
B= Método de batido Cuchara Batidora
C= Marca de harina Cara Barata
Podemos concluir que se recomienda utilizar un molde de aluminio, utilizar la batidora y si nos es significativa la
diferencia entre en precio de la harina barata y la cara se puede utilizar la cara, pero si la diferencia es importante
entonces se puede utilizar la barata ya que esto no afecta de manera importante la exquisitez de los pastillos.

b. ¿El análisis del inciso a es el enfoque correcto? Hay únicamente ocho lotes; ¿se tiene en realidad ocho
réplicas de un diseño factorial de 23 ?

Efectivamente existen 8 lotes ya que para fabricar los pastelillos solo podemos analizar 8 combinaciones
posibles entre los factores si estos mismos se trabajan a 2 niveles, por otro lado, el número de replicas si es de 8
asumiendo que cada comensal prueba un pastelillo.

c. Analizar el promedio y la desviación estándar del puntaje de la exquisitez. Comentar los resultados. ¿Este
análisis es más apropiado que el del inciso a? ¿Por qué si o no?

𝑢 = 11,5625
𝜎 = 2,61
Podemos evidenciar que la desviación estándar de la variable de salida es bastante asta y esto nos indica que los
factores de análisis están generando variación e los resultados, sin embargo, con este análisis no podemos
analizar cuáles son las fuentes de variación ni su importancia por lo cual se recomienda un análisis como el del
inciso a.

Podemos observar que los datos evidentemente se ajustan a una distribución normal.