Documentos de Académico
Documentos de Profesional
Documentos de Cultura
FACULTAD DE MECÁNICA
ESCUELA DE INGENIERÍA INDUSTRIAL
DISEÑO EXPERIMENTAL
TEMA: DISEÑO MIXTO
INTEGRANTES:
Alban Ronny
Arévalo Juan
Benavides Diego
Carrera Luis
Chavez Jaime
FECHA DE ENTREGA:
2 020-07-21
PERÍODO :
Abril 2 020 - Septiembre 2 020
RIOBAMBA-ECUADOR
EJERCICIO 1
Temperatura:
SCT=∑ Y i2j k l -
Y 2..
Y 2i.. Y 2..
SCNA =∑ −
bcn N
Y 2. j . Y 2..
SC B=∑ −
acn N
a b
Y ij2 . Y 2..
SC AB=∑ ∑ − −SC A −SC B
i=1 j=1 cn N
N 18
SCT 1.298
SCA 0.301
SCB 0.767
SCA*B 0.689
SCE 0.16
Tabla ANOVA:
Residuales
Temperatura
Residual vs Rendimiento
Residuales
Presion
Conclusión:
Conclusión:
Un Ingeniero sospecha que el acabado superficial de una pieza metálica se afecta por la
velocidad de alimentación y la profundidad del corte. Selecciona tres velocidades de
alimentación y cuatro profundidades de corte. Después realiza un experimento factorial y
obtiene los siguientes datos:
Velocidad de alimentación Profundidad de corte (pulg)
(pulg/min) 0.15 0.18 0.2 0.25
0.2 74 79 82 99
64 68 88 104
60 73 92 96
0.25 92 98 99 104
86 104 108 110
88 88 95 99
0.3 99 104 108 114
98 99 110 11
102 95 99 107
Ha:∝1 ≠ ∝2 ≠ ∝3 Ho : β 1 ≠ β2 ≠ β3 Ho: β ∝1 ≠ β ∝2 ≠ β ∝3
Velocidad de alimentación:
SCT=∑ Y i2j k l -
Y 2..
Y 2i.. Y 2..
SCNA =∑ −
bcn N
Y 2. j . Y 2..
SC B=∑ −
acn N
a b
Y ij2 . Y 2..
SC AB=∑ ∑ − −SC A −SC B
i=1 j=1 cn N
N 36
SCT 6532
SCA 140.66
SCB 2899.11
SCAB 2802.9
SCE 689.33
Tabla ANOVA:
Análisis de la SC GL CM Fo Fα Criterio de
varianza Decisión
Velocidad de 140.66 2 70.33 2.45 3.4 No Significativo
alimentación
Profundidad de corte 2802.89 3 934.27 32.56 3.01 Significativo
A*B 2899.11 6 483.16 16.82 2.51 Significativo
Error 689.33 24 28.72
Total 6531.99 35
Conclusión:
De acuerdo a la ANOVA, profundidad de corte afecta en el acabado superficial de la pieza metálica
y como se muestra son menores a Fo es decir que si influyen en el acabado superficial de la pieza.
Por tal motivo se acepta la hipótesis alternativa. De igual manera se determinó una variabilidad del
1.89 % de la toma de datos, esto se puede evidenciar que el error es muy pequeño, lo cual se puede
decir que las réplicas tomadas son confiables.
9 9
6 6
3
3
residuos
residuos
0
-3
-3
-6
-6
-9
1 2 3 4 -9
Profundidad de corte 1 2 3
Velocidad de alimentación
Conclusión:
EJERCICIO 3
EJERCICIO 4
EJERCICIO 5
PLANTEAMIENTO DE HIPÓTESIS
- Factores Principales
Para A H O =μ2=μ 4 ¿ μ 8
H A : μi ≠ μ j
Para B H O =μ 3=μ4
H A : μi ≠ μ j
H A : μi ≠ μ j
H A :( μ ¿ ¿ A μ B )ij ≠ 0¿
H A :( μ ¿ ¿ A μ C )ij ≠ 0 ¿
Para BC H O :( μ ¿ ¿ B μC )ij=0 ¿
H A :( μ ¿ ¿ B μC )ij ≠ 0 ¿
H A :( μ ¿ ¿ A μ B μ C )ij ≠ 0 ¿
RESOLUCIÓN
EJERCICIO
PLANTEAMIENTO DE HIPÓTESIS
EJERCICIO
PLANTEAMIENTO DE HIPÓTESIS
SUMATORIA DE CUADRADOS DE FACTORES PRINCIPALES
Y 2..
SCT =∑ Y i2j k l -
N
50 836 900
SCT =1 412 202.42− =¿ 71.30
36
Y 2i.. Y 2..
SC A =∑ −
bcn N
16 945726.5 50 836 900
SC A = − =7.59
3 x 2x 2 36
Y 2. j . Y 2..
SC B=∑ −
acn N
25 418 814.5 50 836 900
SC B= − =22.88
3 x2 x2 36
Y 2..k Y 2. .
SCC =∑ −
abn N
16 945 865.8 50 836 900
SCC = − = 17.61
3 x2 x2 36
PLANTEAMIENTO DE HIPÓTESIS
a b
Y ij2 . Y 2..
SC AB=∑ ∑ − −SC A −SC B
i=1 j=1 cn N
- INTERACCIÓN FACTORES A X C
EJERCICIO
a b
Y 2ij . Y 2..
SC AC =∑ ∑ − −SC A −SC C
i =1 j=1 bn N
- INTERACCIÓN FACTORES B X C
EJERCICIO
a b
Y 2ij. Y 2. .
SC BC =∑ ∑ − −SC B−SCC
i=1 j=1 an N
EJERCICIO
PLANTEAMIENTO DE HIPÓTESIS
EJERCICIO
PLANTEAMIENTO DE HIPÓTESIS
a
Y 2ijk . Y 2. .
b
SC ABC =∑ ∑ − −SC A −SC B−SCC −SC AB−SC AC −SC BC
i=1 j=1 n N
SC ABC =2.57
a b
Y 2ijk . Y 2. .
SC E=SCT −( ∑ ∑ − )
i=1 j=1 n N
SC E=71.3−7.59−17.61−22.88−6.43−1.47−3.51−2.57
SC E=9.21
TABLA ANOVA
FV SC GL CM C. DE DECISIÓN
% de Concentr. (A) 7.59 2 3.80 7.42 3.55 SIGNIFICATIVO
Tiempo (B) 22.88 1 22.88 44.72 4.41 SIGNIFICATIVO
Presión ( C ) 17.61 2 8.81 17.21 3.55 SIGNIFICATIVO
NO
Interacción AB 1.47 2 0.74 1.44 3.55 SIGNIFICATIVO
Interacción AC 6.43 4 1.61 3.14 2.93 SIGNIFICATIVO
NO
Interacción BC 3.51 2 1.76 3.43 3.55 SIGNIFICATIVO
NO
Interacción ABC 2.57 4 0.64 1.26 2.93 SIGNIFICATIVO
ERROR 9.21 18 0.51
TOTAL 71.3 35
CV = √ CME x 100
Promedio
CV = √ 0.51 x 100=0.36 %
198.06
De acuerdo al coeficiente de variabilidad los datos son válidos para la toma de decisiones.
CRITERIO DE DECISIÓN
Si F 0> F ∝ ; SIGNIFICATIVO
Si F 0< F ∝ ; NO SIGNIFICATIVO
CONCLUSIÓN:
Con un nivel de confianza del 95 % podemos concluir que los 3 factores, el factor de
contracción de la madera (A), el tiempo (B) y la presión (C) son significativos en la concentración
de madera. De igual forma la interacción entre el porcentaje de concentración y la presión (AC)
son significativos en la concentración de la madera
Literal b) Construir las gráficas de los residuales apropiadas
2
l a
u
d
i
s 1
e
R
d
e 0
iz
d
r
a
d
n -1
a
t
S
-2
-3
196 197 1 98 19 9 200 201
Fitted Value
Interpretación:
Con un nivel de confianza del 95% de acuerdo a las gráficas de residuos podemos observar
que los datos no siguen ningún patrón, es decir existe independencia de los factores.
Literal c) ¿Bajo qué condiciones debería operarse este proceso? ¿Por qué?
Interpretación y Conclusiones:
Con un nivel de confianza del 95% se determinó de acuerdo a las gráficas que para tener
una maximización en la concentración de la madera se tiene que utilizar el Porcentaje de
concentración 2, la Presión de 650 y un Tiempo de cocción de 4 horas.
EJERCICIO 6
Temperatura (B)
300° 350°
duración del Operador ( C) Operador ( C)
ciclo (A) 1 2 3 1 2 3
23 27 31 24 38 34
24 28 32 23 36 36
40 25 26 29 28 35 39
36 34 33 37 34 34
35 38 34 39 38 36
50 36 39 35 35 36 31
28 35 26 26 36 28
24 35 27 29 37 26
60 27 34 25 25 34 24
Para C H O :μ 1=μ2=μ3
H A : μ1 ≠ μ2 ≠ μ 3
Interacción doble
Para AB H O :(μ ¿ ¿ A μ B)ij =0 ¿
H A :( μ ¿ ¿ A μ B )ij ≠ 0¿
Para AC H O :(μ ¿ ¿ A μ C )ij =0 ¿
H A :( μ ¿ ¿ A μ C )ij ≠ 0 ¿
Para BC H O :( μ ¿ ¿ B μC )ij=0 ¿
H A :( μ ¿ ¿ B μC )ij ≠ 0 ¿
Interacción triple
Para ABC H O :(μ ¿ ¿ A μ B μC )ij =0 ¿
H A :( μ ¿ ¿ A μ B μ C )ij ≠ 0 ¿
Resolución paso 1
1 2 3 1 2 3 ܻଶǤǤ
23 27 31 24 38 34
24 28 32 23 36 36
25 26 29 28 35 39
36 34 33 37 34 34
35 38 34 39 38 36
36 39 35 35 36 31
28 35 26 26 36 28
24 35 27 29 37 26
27 34 25 25 34 24
σ ܻଶǤ
975720
ܻǤଶ
Ǥ
σ ܻǤଶǤ
ܻǤଶ
Ǥ
σ ܻǤଶ
Ǥ
ܻǤଶ
ǤǤ
Paso 2
Temperatura (B)
300° 350°
σ ܻଶǤǤ 55128
a 3
b 2
c 3
N 54
n 3
bcn 18
acn 27
abn 18
Y ij2 . Y 2..
a b
SC AB=∑ ∑ − −SC A −SC B
SCAB i=1 j=1 cn 78.81N
489020 2903616
SC AB= − - 436
3 X3
INTERACCIÓN 54
DOBLE AXC
1 2 3 1 2 3
σ 328942
SCAC 355.67
INTERACCIÓN DOBLE B X C
a b
Y 2ij . Y 2..
SC AC =∑ ∑ − −SC A −SC C
i =1 j=1 bn N
1 2 3 1 2 3
328942 2903616
SC AC = − - 436 - 261.33
2x 3 54
a b
Y 2ij. 486840
Y 2. .
SC BC =∑
σ ∑ − −SC B−SCC
i=1 j=1 an N
SCBC 11.26
INTERACCIÓN TRIPLE
Temperatura (B)
300° 350°
duración del Operador ( C) Operador ( C)
ciclo (A) 1 2 3 1 2 3
40 72 81 92 75 109 109
60 79 104 78 80 107 78
Temperatura (B)
300° 350°
duración del Operador ( C) Operador ( C)
ciclo (A) 1 2 3 1 2 3
a
Y 2ijk . Y 2. .
b
SC ABC =∑ ∑ − −SC A −SC B−SCC −SC AB−SC AC −SC BC
i=1 j=1 n N
165030 2903616
SC ABC = − −436 -50.07-261.33-78.81-355.67-11.26
3 54
SCABC 46.19
SC E=1357.33 -
436 - 50.07-261.33-78.81-355.67-11.26 - 46.19
SCE 118.00
TABLA ANOVA
FV SC GL CM ࡲ ࡲ ן C. DE DECISIÓN
F 0> F ∝=significativo
INTERPRETACIÓN
Los factores principales de estudio como la duración de ciclo, la temperatura y los
operadores si influyen el proceso de teñido de las telas puesto que son significativos
aceptándose las hipótesis alternativas para cada caso, en el que se menciona que los
tratamientos si difieren entre sí.
Los efectos de interacción doble resultantes como AB, AC, son significativos por lo
que si hay diferencia estadística entre los mismos; en el caso de la interacción BC
no es significativa por lo que esta relación es estadísticamente igual.
El efecto de interacción triple resulta ser significativo por lo que si difieren entre si
la relación de A, B y C.
Coeficiente de variabilidad
CME
CV = √ x 100
Promedio
3.28
CV = √ x 100=5.74 %
31.56
Conclusión: De acuerdo con el coeficiente de variabilidad el estudio es aceptado, o se
considera valido debido a que el 5.74% resulta ser inferior al 15% como límite máximo
aceptable dentro del diseño de experimentos.
RESOLUCION MINITAB
HOJA DE TRABAJO 1
Regresión factorial general: RENDIMIENTO vs. DURACION CICLO A; TEMPERATURA B;
OPERARIOS C
Información del factor
Nivele
Factor s Valores
DURACION 3 40; 50;
CICLO A 60
TEMPERATURA 2 300;
B 350
OPERARIOS C 3 1; 2; 3
Análisis de Varianza
SC MC Valor Valor F DES.
Fuente GL Ajust. Ajust. F p ALFA
Modelo 17 1239.33 72.902 22.24 0.000
Lineal 5 747.41 149.481 45.60 0.000
DURACION CICLO A 2 436.00 218.000 66.51 0.000 3.26 S
TEMPERATURA B 1 50.07 50.074 15.28 0.000 4.11 S
OPERARIOS C 2 261.33 130.667 39.86 0.000 3.26 S
Interacciones de 2 términos 8 445.74 55.718 17.00 0.000
DURACION CICLO A*TEMPERATURA 2 78.81 39.407 12.02 0.000 3.26 S
B
DURACION CICLO A*OPERARIOS C 4 355.67 88.917 27.13 0.000 2.63 S
TEMPERATURA B*OPERARIOS C 2 11.26 5.630 1.72 0.194 3.26 NS
Interacciones de 3 términos 4 46.19 11.546 3.52 0.016 2.63 S
DURACION CICLO A*TEMPERATURA 4 46.19 11.546 3.52 0.016
B*OPERARIOS C
Error 36 118.00 3.278
Total 53 1357.33
INTERPRETACIÓN
Los factores principales de estudio como la duración de ciclo, la temperatura y los
operadores si influyen el proceso de teñido de las telas puesto que son significativos
aceptándose las hipótesis alternativas para cada caso, en el que se menciona que los
tratamientos si difieren entre sí.
Los efectos de interacción doble resultantes como AB, AC, son significativos por lo
que si hay diferencia estadística entre los mismos; en el caso de la interacción BC
no es significativa por lo que esta relación es estadísticamente igual.
El efecto de interacción triple resulta ser significativo por lo que si difieren entre si
la relación de A, B y C.
RESPUESTAS
Realizar un análisis de varianza y determinar la mejor opción de operación.
De acuerdo al análisis realizado se consideró que la duración de ciclo de 50, con una
temperatura de 350° y con el operario 2, es la solución más optima obteniéndose los
mejores resultados, cabe destacar que existe un traslape evidente en la temperatura por lo
que debería considerarse un a análisis más profundo en función de los costos de mantener
dichas temperaturas.
Elaborar las gráficas principales y de interacción e interpretar.
Resumen del modelo
R-
R- R-cuad. cuad.
S cuad. (ajustado) (pred)
1.81046 91.31% 87.20% 80.44%
Conclusión gráfica de probabilidad normal: de acuerdo a la gráfica se observa que
los datos se distribuyen de manera normal puesto que se encuentran cercanos a la
línea de tendencia.
Conclusión gráfica residuos vs valor ajustado: se observa que los datos no
cumplen con el supuesto de homogeneidad de la varianza puesto que se encuentra un
patrón definido de los datos en la gráfica.
Conclusión gráfica frecuencia: en este caso se observa una diferencia considerable
de las medias y sus límites superiores e inferiores, por lo que se consideraría que no
se cumple con el supuesto de independencia, cabe recalcar que este supuesto depende
del orden en que se realizaron las observaciones por lo que no se puede considerar
como un valor exacto lo que requerirá un análisis por medio de modelos analíticos.
HOJA DE TRABAJO 1
Conclusión: es un grafica que nos permite evaluar los efectos principales y podemos
tomar decisiones en función de esta grafica siempre y cuando no exista efectos de
interacción; en este caso se puede observar que la duración de ciclo de 50 con la
temperatura de 350° y el operario 2 generan un mejor teñido de la tela por lo que se
podrían consideran como óptimos , sin embargo se recomienda analizar las
interacción y realizar graficas LSD para identificar de una mejor manera los
traslapes.
Conclusión: la temperatura más optima resulta ser la de 350° sin embargo debe
considerarse el traslape existente.
HOJA DE TRABAJO 1
CV = √ CME x 100
Promedio
3.28
CV = √ x 100=5.74 %
31.56
EJERCICIO 7
EJERCICIO 8