5.

En una empresa de electrónica una máquina toma componentes que le proporciona un

alimentador, para depositarlos en una tarjeta. Se ha tenido el problema de que la máquina falla
en sus intentos por tomar el componente, lo cual causa paros de la máquina que detienen el
proceso hasta que el operador se da cuenta y reinicia el proceso. Para diagnosticar mejor la
situación, se decide correr un diseño de experimentos 2 2 con n = 2 réplicas, en el que se tienen
los siguientes facto res y niveles (–, +), respectivamente: A) Velocidad de CAM (70%, 100%),
B) Velocidad de mesa (media, alta). Como el proceso es muy rápido, es necesario dejarlo operar
en cada condición experimental el tiempo suficiente para reproducir el problema. Se consideró
que esto se lograba con suficiente confianza con 500 componentes; por ello, cada una de las
corridas experimentales consistió en colocar 500 componentes, y se midieron dos variables de
respuesta: Y1 = número de errores (o intentos fallidos), y Y2 = tiempo real (en segundos) para
tomar y “colocar” los 500 componentes. Es evidente que se quiere minimizar ambas variables.
Los datos obtenidos se muestran en la siguiente tabla:
REPLICA 1 REPLICA 2
Factor A Factor B Y1 Y2 Y1 Y2
-1 -1 61 88 50 79
1 -1 105 78 98 74
-1 1 61 82 40 82
1 1 104 73 145 79

ANALISIS PARA NUMERO DE ERRORES (Y1)

REPLICA 1 REPLICA 2
Factor A Factor B Y1 Y1 TOTAL REPRESENTACION
A B A B
70% - 100% media - alta # errores # errores
70 media - - -1 -1 61 50 111 (1)
100 media + - 1 -1 105 98 203 a
70 alta - + -1 1 61 40 101 b
100 alta + + 1 1 104 145 249 ab
664
440896

Efecto A SCA
ܽ‫ ݎ‬ଶ݊‫ܥ‬
݁‫ܣ ݏ݋݊ ݐ ݁ݐ ݐ‬ = 7200
௔ା௔௕ି௕ି ଵ ʹ Ͳ͵ ൅ ʹ Ͷͻ െ ͳͲͳ െͳͳͳ = 60
= ʹ ଶ‫݊כ‬
ଶ௡ ʹ ‫ʹכ‬

Efecto B
SCB
ͳͲͳ൅ ʹ Ͷͻ െ ʹ Ͳ͵ െͳͳͳ ܽ‫ ݎ‬ଶ
݁‫ܤ ݏ݋݊ ݐ ݁ݐ ݐ‬ ݊‫ܥ‬ = 162
௕ା௔௕ି௔ି ଵ = 9
= ଶ
ʹ ‫݊כ‬
ଶ௡ ʹ ‫ʹכ‬

Efecto AB
SCAB
௔௕ାሺଵሻି௔ି௕ ʹ Ͷͻ ൅ ͳͳͳ െ ʹ Ͳ͵ െͳͲͳ = 14 ܽ‫ܥ݊ ݎ‬ଶ
݁‫ܣܤ ݏ݋݊ ݐ ݁ݐ ݐ‬ = 392
= ଶ
ʹ ‫݊כ‬
ଶ௡ ʹ ‫ʹכ‬

REPLICA 1 REPLICA 2
Y1 Y1
SCT
# errores # errores
3721 2500
11025 9604
3721 1600 8900
10816 21025
SCE

64012
1146
 a. Investigue qué efectos influyen de manera significativa sobre Y1 (apóyese en
Pareto y ANOVA).

TABLA ANOVA
FV SC GL CM Fo F critico Criterio Desicion
CAM 7200 1 7200 25.13 7.71 Significativo
Velocidad de mesa 162 1 162 0.57 7.71 No significativo
AxB 392 1 392 1.37 7.71 No significativo
Error 1146 4 286.5
Total 8900 7

Análisis de Varianza
G F Critico C. Decisión
Fuente L SC MC Valor F Valor p
    Vel. CAM 1 7200.0 7200.0 25.13 0.007 S
    Vel. Mesa 1 162.0 162.0 0.57 0.494 7.71 NS
    Vel. CAM*Vel. 1 392.0 392.0 1.37 0.307 NS
Mesa
Error 4 1146.0 286.5
Total 7 8900.0

CONCLUSIÓN:

Al observar el resultado obtenido en la tabla ANOVA para la primera variable respuesta Y1,
podemos observar que solo existe un factor significativo que es la velocidad de CAM ya que su
valor F es de 25.13 y es mayor al valor crítico de 7.71 por ende solo este fator va a afectar en el
numero de errores presentes en el proceso, y la velocidad de mesa y la interacción entre ambas
serán factores que no van a influenciar en nada en el numero de errores del proceso.

CONCLUSIÓN:
Al observar el diagrama de Pareto de efectos estandarizados y con un nivel de confianza del
95% podemos determinar que el factor A que es la velocidad de CAM, es el único factor que
influye de manera significativa ya que está por encima del valor crítico; entonces influirá en
gran medida en el numero de errores del proceso.
Ecuación de regresión en unidades no codificadas
errore = 83.00 + 30.00 Vel. CAM + 4.50 Vel. mesa + 7.00 Vel. CAM*Vel. mesa
s

b. Si en el análisis anterior encuentra alguna interacción significativa, analice

con detalle la más importante.

HOJA DE TRABAJO 3
Gráficas factoriales para errores

CONCLUSIÓN:
 Podemos notar en la gráfica de efectos principales con un nivel de confianza del 95%
que, al trabajar con una velocidad de Cam del 70% el numero de errores es menor que
trabajando con un 100% de velocidad de CAM; y con una velocidad de mesa media
también podemos notar que el numero de errores es menor y no varía en gran medida
que al trabajar con una velocidad de mesa alta.
 En la gráfica de interacciones con un nivel de confianza del 95% podemos notar que, el
menor numero de errores podemos obtenerlo al trabajar con una velocidad de CAM del
70% y podemos trabajar con una velocidad de mesa que puede ser media o alta ya que
no varía en gran medida.

c. ¿Qué tratamiento minimiza Y1?

HOJA DE TRABAJO 3
Gráfica de intervalos de errores
CONCLUSIÓN:
Podemos notar en la gráfica LSD con un nivel de confianza del 95% que, con una velocidad de
CAM de 70% y una velocidad de mesa alta se tiene el menor promedio en los errores este sería
el factor más óptimo para nuestro proceso, pero si se trabaja con una velocidad de mesa media
el promedio de errores no aumenta demasiado así que se podría trabajar con cualquiera de las
dos; mientras que se descartaría por completo la velocidad de CAM de 100% ya que con esta y
las velocidades de mesa media y alta, el promedio de errores aumenta casi al doble.
ANALISIS PARA TIEMPO REAL (Y2)
REPLICA 1 REPLICA 2

70 media - - -1 -1 88 79 167 (1)

100 media + - 1 -1 78 74 152 a
70 alta - + -1 1 82 82 164 b
100 alta + + 1 1 73 79 152 ab
635
Efecto A SCA 403225
݁ ݊‫ܣ ݏ݋‬
݁‫ݐݐ ݐ‬ ܽ‫ ݎ‬ଶ݊‫ܥ‬ = 91.13
௔ା௔௕ି௕ି ଵ ͳͷʹ ൅ ͳͷʹ െ͸Ͷ
ͳͶ െͳ͸͹ = -6.75 ʹ ଶ‫݊כ‬
=
ଶ௡ ʹ ‫ʹכ‬

Efecto B SCB
݁ ݊‫ܤ ݏ݋‬
݁‫ݐݐ ݐ‬ ܽ‫ ݎ‬ଶ
݊‫ܥ‬ = 1.13
௕ା௔௕ି௔ି ଵ ͳ͸Ͷ൅ ͳͷʹ െ ͳͷʹ െ͸͹
ͳ = -0.75 ʹ ଶ‫݊כ‬
=
ଶ௡ ʹ ‫ʹכ‬

Efecto AB SCAB
ܽ‫ܥ݊ ݎ‬ଶ
݁‫ܣܤ ݏ݋݊ ݁ݐݐ ݐ‬ = 1.13
௔௕ାሺଵሻି௔ି௕ ͳͷʹ ൅ ͳ͸͹ െ ͳͷʹ െ͸Ͷ
ͳͶ = 0.75 ଶ
= ʹ ‫݊כ‬
ଶ௡ ʹ ‫ʹכ‬

REPLICA 1 REPLICA 2 SCT

Y2 Y2
tiempo (s) tiempo (s)
7744 6241
6084 5476
6724 6724 159.88
5329 6241
SCE
50563
 d. Ahora investigue qué efectos influyen de manera relevante sobre Y2.

TABLA ANOVA
FV SC GL CM Fo F critico Criterio Desicion
CAM 91.13 1 91.125 5.48 7.71 No significativo
Velocidad de mesa 1.13 1 1.125 0.07 7.71 No significativo
AxB 1.13 1 1.125 0.07 7.71 No significativo
Error 66.50 4 16.625
Total 159.88 7

Análisis de Varianza
Fuente GL SC MC Valor F Valor p F. critico C. decisión
Vel. Cam 1 91.125 91.125 5.48 0.079 NS
Vel.Mesa 1 1.125 1.125 0.07 0.808 7.71 NS
Vel. Cam*Vel.Mesa 1 1.125 1.125 0.07 0.808 NS
Error 4 66.500 16.625
Total 7 159.875

CONCLUSIÓN:
Al observar el resultado obtenido en la tabla ANOVA para la segunda variable respuesta Y2,
podemos observar que ningún factor es significativo ya que los valores Fo son menores al valor
crítico de 7.71 por ende ninguno de estos factores va a afectar en el tiempo del proceso.

Ecuación de regresión en unidades no codificadas

tiemp = 79.38 - 3.38 Vel. Cam - 0.37 Vel.Mesa + 0.37 Vel. Cam*Vel.Mesa
o
CONCLUSIÓN:

En el diagrama de Pareto de efectos estandarizados con un nivel de confianza del 95%

podemos notar que, ninguno de los factores es significativo ya que todos están por debajo
del valor critico de 2.776

e. ¿Qué tratamiento minimiza Y2?

HOJA DE TRABAJO 3
Gráficas factoriales para tiempo
 Podemos observar en la grafica de efectos principales con un nivel de confianza del 95%
que, al trabajar con una velocidad de CAM de 100% que el tiempo real en colocar los
componentes es el mínimo en comparación a una velocidad de CAM de 70%; mientras que
al trabajar con una velocidad de mesa alta también podemos reducir el tiempo real para
colocar los componentes, aunque este valor no vario demasiado al trabajar con una
velocidad de mesa media.
 En la gráfica de interacción con un nivel de confianza del 95% podemos notar que, al
trabajar con una velocidad de CAM del 100% podemos trabajar con cualquier velocidad de
mesa ya sea media o alta, ya que el tiempo con las dos se disminuye.

HOJA DE TRABAJO 3
Gráfica de intervalos de tiempo

CONCLUSION:
Podemos notar en la grafica LSD con un nivel de confianza del 95% que, la velocidad de CAM
de 100% conjuntamente con una velocidad de mesa ya sea media o alta ya que tiene el mismo
promedio de tiempo de colocación, disminuyen el tiempo real de colocación de los
componentes, siendo esta la mejor opción para reducir el tiempo de colocación de los
componentes.

f. Encuentre una condición satisfactoria tanto para minimizar Y1 como Y2.

La mejor condición para minimizar la variable respuesta Y1 es trabajar a una velocidad
de CAM de 70%, mientras que para la variable respuesta Y2, lo más recomendable seria
recoger otros datos o factores que influyan de manera significativa en tiempo real
empleado para tomar y colocar los 500 componentes, ya que en Y2 los factores
analizados no influyen de manera significativa.
g. De los análisis de varianza para Y1 y Y2 observe el coeficiente R2. ¿Qué
concluye de ello?
Resumen del modelo Y1
R-cuad. R-cuad.
S R-cuad. (ajustado) (pred)
16.926 87.12% 77.47% 48.49%
3

CONCLUSIÓN:
Podemos notar que en el coeficiente R2 para Y1 el valor es de 87.12%, lo que nos indica
que el 87% de la variabilidad de los datos tomados han sido explicado correctamente con
este modelo.
Resumen del modelo Y2
R-cuad. R-cuad.
S R-cuad. (ajustado) (pred)
4.0773 58.41% 27.21% 0.00%
8

CONCLUSIÓN:
Podemos notar que en el coeficiente R2 para Y2 el valor es de 58.41%, lo que nos indica
que el 54% de la variabilidad de los datos tomados han sido explicado con este modelo, por
ende, no es aceptable ya que para que la variabilidad de los datos sea correctamente
explicada por el modelo tiene que ser un valor mayor al 70%.