INSTITUTO TECNOLÓGICO DE CULIACÁN

DEPARTAMENTO DE INGENIERÍA INDUSTRIAL

Materia: Ingeniería de Calidad

Profesora: MC. Edith Padilla Gasca
Examen parcial de la Unidad IV

Fecha: 20/11/2021 Horario: 9-10 Aula:_____________

Nombre: Peñuñuri Manjarrez Ruben Armando. No.control: 18171323

Nombre: Martínez Flores Betsy Guadalupe. No.control: 16170362.

Nombre: Quiñónez Nuñez Erick Alexis. No.control: 17170348

Equipo: #9
Instrucciones: Conteste correctamente a cada uno de los incisos para el problema
planteado.

Problema 1.- A continuación se muestran los tratamientos y lo resultados obtenidos

en un diseño factorial fraccionado.

(1) = 700 de = 2 515

ae = 1 317 ad = 2 507
be = 468 bd = 2 247
ab = 424 abde = 2 232
ce = 580 cd = 2 031
ac = 2 247 acde = 2 314
bc = 446 bcde = 2 262
abce = 468 abcd = 2 299
A) Identifique el diseño experimental al cual corresponden dicho resultados,
así como la fracción a la cual corresponde la matriz antes generada.
Explique detalladamente.
Es un diseño Factorial 2^5-1 ya que se encuentra fraccionado ala mitad .

La fracción planteada en el problema es una fracción complementaria y cuenta de 16

tratamientos.
 B) ¿Cuál es el generador de esta fracción factorial? Obtenga la matriz de
diseño (los tratamientos( por el método de contraste) que constituyen este
diseño). Especifique dichos tratamientos.

Generador: – ABCDE.

A B C D E=-ABCD Yates Rendimiento

- - - - - -1 700
+ - - - + AE 1317
- + - - + BE 468
+ + - - - AB 424
- - + - + CE 580
+ - + - - AC 2247
- + + - - BC 446
+ + + - + ABCE 468
- - - + + DE 2515
+ - - + - AD 2507
- + - + - BD 2247
+ + - + + ABDE 2232
- - + + - CD 2031
+ - + + + ACDE 2314
- + + + + BCDE 2262
+ + + + - ABCD 2299

C) ¿Cuál es la resolución de este diseño? ¿Qué significa?

Resolución 5

Esto quiere decir que los efectos principales y las interacciones dobles están alias con
interacciones triples o de mayor orden.
 D) Realice el mejor análisis de varianza (ANOVA). Explique el criterio que
consideraron para dicho mejor ANOVA.

Resumen del modelo

Para obtener este mejor ANOVA tuvimos que eliminar los efectos menos importantes en
una primera ronda y se mandan al error para que halla grados de libertad y cuadrado
medio del error, el gráfico de pareto del inciso E muestra claramente 5 posibles factores
que pueden resultar significativos que son las 5 primeras barras más grandes que se
diferencian del resto y que es señal que son efectos reales en el proceso, así como los
efectos que se deben de eliminar que son los que se encuentran en otro escalón de
tamaño en las barras.
De esos 5 factores que qué se tomaron en cuenta en el ANOVA solo 2 de ellos resultaron
significativos en base ala variable de respuesta, que son el factor B y D puesto que son
menor al valor-P<0.05.
El error esta bien estimado ya que cuenta con 10 grados de libertad. El R-cuadrado
(ajustado)= 86.1194% es bueno.
 E) Obtenga un diagrama de Pareto estandarizado para el mejor ANOVA.
Colocando sobre dicho gráfico los valores estandarizados.

Diagrama de pareto estandarizado

Los escalones donde cambia bastante la longitud de las barras del Pareto separan
grupos de efectos con diferente importancia. Así, es posible que sólo el efecto D
sea significativo, ya que su barra es un poco más grande que las demás, pero también
puede ocurrir que los primeros cinco efectos sean significativos, ya que en este punto
se encuentran el segundo escalón en tamaño. Esto se confirmará con el ANOVA.
 F) Genere la gráfica de los efectos significativos en el mejor ANOVA, e
interprételos con detalle. Explique el procedimiento para realizar dichos
gráficos.

Este diagrama de pareto estandarizado representa los efectos divididos entre su error
estándar. Recordemos que el error estándar de un estadístico es una estimación de su
desviación estándar, y ésta a su vez es una estimación de la variación muestral o
experimental que tiene dicho estimador. Así, en el diagrama de Pareto estandarizado
se grafica la estimación de los efectos estandarizados desde el más grande hasta el más
pequeño. Este diagrama grafica una línea de referencia que indica cuáles efectos son
estadísticamente significativos en este problema se obtuvo de la siguiente manera, como
el error tiene 10 grados de libertad y se trabaja con a=0.05, entonces de la tabla para la
distribución T de Student del apéndice se obtiene el valor el valor crítico es
t.025,10=2.228. Por lo tanto si es valor absoluto de la estimación del efecto
estandarizado es mayor que 2.228 se consideran efectos significativos.
Los efectos que tuvieron mayor impacto sobre la variable de respuesta fueron B y
D.
 G) Determine la mejor condición de operación (tratamiento) correspondiente
para que la característica de calidad se minimice. Explique detalladamente.

El mejor tratamiento es BD cuando el factor B está en su nivel bajo y D en su nivel

alto(para maximizar).
En el caso de A,C y E se eligen los niveles que resultan más convenientes desde el
punto de vista económico, de productividad o de operabilidad. Para que la
característica de calidad se minimice se deben elegir los niveles de estos factores
donde la variabilidad del rendimiento sea menor.

H) ¿Por qué se dice que un diseño factorial completo con muchos factores
(cinco o más) genera un exceso de información? Explique detalladamente

Un diseño factorial completo con muchos factores (5 o más) genera un exceso de

información porque nos suministra más información de la necesaria, como podemos
observar en un diseño factorial 2^5 genera un importante exceso de información es el
factorial completo 2^5, ya que éste permite estimar 31 efectos, delos cuales sólo 15 son
potencialmente importantes (los 5 efectos principales más las 10 interacciones dobles)
y los 16 efectos restantes, conformados por las interacciones de tres o más factores,
práctica mente se pueden ignorar..

I) En este diseño sólo se corren 16 de 32 posibles tratamientos, ¿qué se

pierde y qué se gana al correr sólo la mitad? Explique detalladamente

Cuando realizamos un diseño factorial fraccionado, queremos reducir el número de

tratamientos por diversas circunstancias, al correr solo la mitad de estos factores
perdemos precisión en los datos obtenidos ya que solo tomamos la mitad de los datos
pero las ganancias se ven en que el trabajo es menos, es más barato realizar este
diseño y con los alias podemos identificar que otros factores son significativos.