DISEÑO DE

BLOQUES
Objetivos de Aprendizaje
1.Identificar las características generales y los usos que se le dan
a los diseños en bloques.

Ing. Leonel Molina Guardiola

2.Explicar la definición del diseño en bloques completo o al azar,
así como su hipótesis, modelo estadístico y análisis de
varianza.

3.Describir la selección y la aleatorización del diseño en cuadro

latino y su diferencia con el diseño en cuadro grecolatino.
Diseño de bloques completos al azar (DBCA)
El diseño en bloques completos al azar trata de comparar tres fuentes de variabilidad:
• El factor de tratamientos.

Ing. Leonel Molina Guardiola

• El factor de bloques.
• El error aleatorio.
El adjetivo completo se refiere a que en cada bloque se prueban todos los tratamientos.
La aleatorización se hace dentro de cada bloque.

- Cuando se quieren comparar ciertos tratamientos o estudiar el efecto de un factor, es

deseable que las posibles diferencias se deban principalmente al factor de interés y
no a otros factores que no se consideran en el estudio.
- Cuando esto no ocurre y existen otros factores que no se controlan o nulifican para
hacer la comparación, las conclusiones podrían ser afectadas sensiblemente.
Ejemplo:
Supongamos que se quieren comprar varias máquinas:
Cada máquina es manejada por un operador diferente y se sabe que éste tiene una influencia en el resultado,
- Entonces es claro que el factor operador debe tomarse en cuenta si se quiere comparar a las máquinas de manera
justa.

Ing. Leonel Molina Guardiola

- Un operador más hábil puede hacer ver a su máquina (aunque ésta sea la peor) como la que tiene el mejor
desempeño, lo cual impide hacer una comparación adecuada de los equipos.
- Para evitar este sesgo hay dos maneras de anular el posible efecto del factor operador:
1. Utilizar el mismo operador en las cuatro máquinas.
o Tal estrategia no siempre es aconsejable.
o Utilizar al mismo sujeto elimina el efecto del factor operador.
o Restringe la validez de la comparación con dicho operador
o Es posible que el resultado no se mantenga al utilizar a otros operadores.
2. La otra forma de anular el efecto operador en la comparación consiste en que cada operador trabaje
durante el experimento con cada una de las máquinas.
o Esta estrategia es la más recomendable
o Utilizar a todos los operadores con todas las máquinas permite tener resultados de la comparación que
son válidos para todos los operadores.
o Esta última forma de nulificar el efecto de operadores, recibe el nombre de bloqueo.
Diseño de bloques completos al azar
Factores de Bloque
Son las variables adicionales al factor de interés que se incorporan de

Ing. Leonel Molina Guardiola

manera explícita en un experimento comparativo para no sesgar la
comparación.
- Éstos tienen la particularidad de que no se incluyen en el experimento
porque interese analizar su efecto, sino como un medio para estudiar
de manera adecuada y eficaz al factor de interés.
- Los factores de bloque entran al estudio en un nivel de importancia
secundaria con respecto al factor de interés y, en este sentido, se
puede afirmar que se estudia un solo factor, porque es uno el factor de
interés.
Factores de Bloque
Por ejemplo:
En el caso de comparar cuatro máquinas que son manejadas por cuatro operadores
- Es pertinente incluir explícitamente al factor operadores (bloques) para lograr el

Ing. Leonel Molina Guardiola

propósito del estudio, pero esta inclusión no es con el fin de estudiar el efecto del factor
operador (o comparar a los operadores).
- La inclusión de los operadores es un medio y no un fin para lograr una comparación
adecuada y eficaz de las máquinas.

o otros factores de bloque que deban controlarse durante el experimento para lograr una
comparación adecuada de las máquinas. También se podrían controlar: el tipo de
material, lotes, tipo de producto, día, turno, etc.

o Los factores de bloqueo que aparecen en la práctica son: turno, lote, día, tipo de
material, línea de producción, operador, máquina, método, etc.
Factores de Bloque
Arreglo de los datos en un diseño en bloques completos al azar.

Ing. Leonel Molina Guardiola

Bloque
Tratamientos
1 2 3 … b
1 𝑌!! 𝑌!" 𝑌!# … 𝑌!$
2 𝑌"! 𝑌"" 𝑌"# … 𝑌"$
3 𝑌#! 𝑌#" 𝑌## … 𝑌#$
⋮ ⋮ ⋮ ⋮ ⋮ ⋮
k 𝑌%! 𝑌%" 𝑌%# … 𝑌%$
Modelo estadístico
El experimentador piensa que cada medición será el resultado del efecto del tratamiento
donde se encuentre, del efecto del bloque al que pertenece y de cierto error que se espera
sea aleatorio.

Ing. Leonel Molina Guardiola

El modelo estadístico para este diseño está dado por:
i=1, 2, …, k
𝑌!" = 𝜇 + 𝜏! + 𝛾" + 𝜀!" j=1, 2, …, b
Donde:
- 𝑌&' es la medición que corresponde al tratamiento i y al bloque j.
- 𝝁 es la media global poblacional
- 𝝉i es el efecto debido al tratamiento i
- 𝜸j es el efecto debido al bloque j
- 𝜺ij es el error aleatorio atribuible a la medición 𝑌&' .
- Se supone que los errores se distribuyen de manera normal con media cero y
varianza constante 𝞂2 [N(0, 𝞂2)], y que son independientes entre sí.
Hipótesis a probar
La hipótesis de interés es la misma para todos los diseños comparativos, y está dada por:
𝐻! : 𝜇" = 𝜇# = 𝜇$ = ⋯ = 𝜇% = 𝜇

Ing. Leonel Molina Guardiola

𝐻" : 𝜇& ≠ 𝜇' para algún i ≠ 𝑗
También se puede expresar como:

𝐻! : 𝜏" = 𝜏# = 𝜏$ = ⋯ = 𝜏% = 0
𝐻" : 𝜏& ≠ 0 para algún i
la afirmación de la hipótesis a probar es que la respuesta media poblacional lograda con cada tratamiento es
la misma para los k tratamientos y que, por lo tanto, cada respuesta media 𝜇! es igual a la media global
poblacional 𝝁.
La hipótesis alternativa afirma que todos los efectos de tratamiento sobre la variable de respuesta son
nulos, porque cuando el efecto 𝜏! = 𝜇! – 𝜇 = 0, entonces necesariamente la respuesta media del
tratamiento es igual a la media global (𝜇! = 𝜇).
Análisis de Varianza
La hipótesis dada en el slide anterior se prueba con un análisis de varianza con dos criterios de clasificación,
porque se controlan dos fuentes de variación: el factor de tratamientos(k) y el factor de bloque(b).

FV SC GL CM Fo Valor-P

Ing. Leonel Molina Guardiola

'
𝑌$(• 𝑌••( 𝑆𝐶!"#! 𝐶𝑀!"#!
Tratamientos 𝑆𝐶!"#! =$ − k-1 𝐶𝑀!"#! = P(F>F0)
𝑏 𝑁 𝑘−1 𝐶𝑀)
$%&
+
𝑌•(,
𝑌••( 𝑆𝐶* 𝐶𝑀*
Bloques 𝑆𝐶* = $ − b-1 𝐶𝑀* = P(F>F0)
𝑘 𝑁 𝑏−1 𝐶𝑀)
$%&
𝑆𝐶)
Error 𝑆𝐶) = 𝑆𝐶! − 𝑆𝐶!"#! − 𝑆𝐶* (k-1)(b-1) 𝐶𝑀) =
(k−1)(b−1)
' + (
𝑌
Total 𝑆𝐶! = $ $ 𝑌$,( − •• N-1
𝑁
$%& ,%&

i = indicador de renglón; j = indicador de columna

Ejemplo 1: Métodos de Ensamble
Un equipo de mejora investiga el efecto de cuatro métodos de ensamble A, B, C y D, sobre el
tiempo de ensamble en minutos, para ello se utilizan 4 operadores.

Ing. Leonel Molina Guardiola

- Cada método de ensamble es evaluado en 4 operadores.
- Utilice el método de diseño en bloques completos al azar para evaluar la hipótesis
- Los tiempos de ensamble obtenidos se muestran en la siguiente tabla.

Operadores
Método 1 2 3 4
A 6 9 7 8
B 7 10 11 8
C 10 16 11 14
D 10 13 11 9
Ejemplo 1: Métodos de Ensamble
Hipótesis:
𝐻! : 𝜇" = 𝜇# = 𝜇$ = ⋯ = 𝜇% = 𝜇
𝐻" : 𝜇& ≠ 𝜇' para algún i ≠ 𝑗

Ing. Leonel Molina Guardiola

Operadores Total por Promedio por
Método 1 2 3 4 Tratamientos Tratamientos

A 6 9 7 8 𝜮𝑌!" = 30 𝑌+!" = 7.5

B 7 10 11 8 𝜮𝑌#" = 36 𝑌+#" = 9
C 10 16 11 14 𝜮𝑌$" = 51 𝑌+$" = 12.75
D 10 13 11 9 𝜮𝑌%" = 43 𝑌+%" = 10.75
Total 𝜮𝑌"! = 33 𝜮𝑌"# = 48 𝜮𝑌"$ = 40 𝜮𝑌"% = 39 Total Global 𝑌"" =160

𝑆𝐶&'(& = (302+ 362 + 512 + 432)/4 – 1602/16 = 1,661.5 - 1600 = 61.5

𝑆𝐶) = (332+ 482 + 402 + 392)/4 - 1602/16 = 1,628.5 – 1600 = 28.5
𝑆𝐶& = (62+ 72 + 102 + 102 + 92+ 102 + 162 + 132 + 72+ 112 + 112 + 112 + 82+ 82 + 142 + 92) - 1602/16 = 1,708-1,600 = 108
𝑆𝐶* = 108 - 61.5 – 28.5 = 18
Ejemplo 1: Métodos de Ensamble
𝐶𝑀&'(& = 61.5/3 = 20.5 F0 TRAT = 20.5/2 = 10.25

𝐶𝑀) = 28.5/3 = 9.5 F0 B = 9.5/2 = 4.75

Ing. Leonel Molina Guardiola

𝐶𝑀* = 18/9 = 2 𝐹+,-.!,(-.!)(1.!)

Fuentes de Suma de Grados de Cuadrado Fo F Crítico

Variabilidad Cuadrados Libertad Medio (0.05,3,9)
Métodos 61.5 3 20.5 10.25 3.86
Operadores 28.5 3 9.5 4.75 3.86
Error 18 9 2
Total 108 15

Se rechaza la hipótesis 𝐻2 de que el dempo medio poblacional de los métodos de ensamble

son iguales, y se acepta que almenos dos de los métodos son diferentes en cuanro al dempo
promedio que requieren.
Análisis de Varianza
Comparación de parejas de medias de tratamiento en el
DBCA

Ing. Leonel Molina Guardiola

- Cuando se rechaza la hipótesis de igualdad de los cuatro tratamientos, es natural
preguntarse cuáles de ellos son diferentes entre sí.
- Para averiguarlo se uYliza alguna de las pruebas que se estudiaron en la sección
“Comparaciones o pruebas de rango múlYples” para los tratamientos i y l, en un DCA esta
dada por:
2𝐶𝑀6
𝐿𝑆𝐷 = 𝑡1/",45%
𝑛
Entonces, en bloque esta expresión se transforma en:

2𝐶𝑀6
𝐿𝑆𝐷 = 𝑡1/", %5! ($5!)
𝑏
Ejemplo 1: Métodos de Ensamble
Al comparar esta diferencia mínima significaYva con los datos del ejemplo 1 se obYene la
siguiente tabla:

Ing. Leonel Molina Guardiola

Diferencia Diferencia muestral en LSD Evaluación Decisión
Poblacional valor absoluto
µA - µB 7.5 − 9 = 1.5 1.5 < 2.26 No Significativa
2𝐶𝑀*
µA - µC 7.5 − 12.75 = 5.25 𝐿𝑆𝐷 = 𝑡+/#, -.! (1.!) 5.25 > 2.26 Significativa
𝑏
µA - µD 7.5 − 10.75 = 3.25 3.25 > 2.26 Significativa
2(2)
µB - µC 9 − 12.75 = 3.75 𝐿𝑆𝐷 = 𝑡2.2#5,6 (2.26) 3.75 > 2.26 Significativa
4
µB - µD 9 − 10.75 = 1.75 1.75 < 2.26 No Significativa
LSD = 2.26
µC - µD 12.75 − 10.75 = 2 2 < 2.26 No Significativa
Diseño en Cuadro Latino (DCL)
Cuadro La8no
- Diseño en el que se controlan dos factores de bloque y uno de tratamientos.
- Se Jenen cuatro fuentes de variabilidad que pueden afectar la respuesta observada, éstas son:
o Los tratamientos

Ing. Leonel Molina Guardiola

o El factor de bloque I (columnas),
o El factor de bloque II (renglones)
o El error aleatorio.
- Se llama cuadro laJno por dos razones:
1. Es un cuadro debido a que Jene la restricción adicional de que los tres factores involucrados se
prueban en la misma canJdad de niveles
2. Es La8no porque se uJlizan letras laJnas para denotar a los tratamientos o niveles del factor de
interés.
- Sean A, B, C, ..., K, los k tratamientos a comparar, por lo tanto ambos factores de bloques Jenen también k
niveles cada uno.
Diseño en Cuadro Latino (DCL)
Aspectos de los datos en un diseño en cuadro latino:
Bloque II (Columnas)

Ing. Leonel Molina Guardiola

1 2 3 ⋯ k
1 A = Y111 B = Y212 C = Y313 ⋯ k = Yk1k
2 B = Y221 C = Y322 D = Y423 ⋯ A = Y12k
Bloque I
3 C = Y331 D = Y432 E = Y533 ⋯ B = Y23k
(renglones)
⋮ ⋮ ⋮ ⋮ ⋱
k k = Ykk1 A = Y1k2 B = Y2k3 ⋯ J = YJkk

YJkk
Factor Columna
Renglón
Análisis de Diseño
El modelo estadístico para describir el comportamiento de las observaciones está dado
por:
𝑌$%& = 𝜇 + 𝜏$ + 𝛾% + 𝛿& + 𝜀$%&

Ing. Leonel Molina Guardiola

Donde:
- 𝑌&'K es la observación del tratamiento i, en el nivel j del factor renglón y en el nivel 𝑙 del
factor columna;
- 𝜀&'K es el error atribuible a dicha observación.
Análisis de Diseño
ANOVA para el diseño de cuadro la;no es:
FV SC GL CM Fo Valor-P
'

Ing. Leonel Molina Guardiola

𝑌i( (
𝑌••• 𝑆𝐶!"#! 𝐶𝑀!"#!
Tratamientos 𝑆𝐶!"#! = $ •• − k-1 𝐶𝑀!"#! = P(F>F0)
𝑘 𝑁 𝑘−1 𝐶𝑀)
$%&
'
𝑌•(,•
(
𝑌••• 𝑆𝐶*& 𝐶𝑀*&
Renglones B1 𝑆𝐶*& =$ − K-1 𝐶𝑀*& = P(F>F0)
𝑘 𝑁 𝑘−1 𝐶𝑀)
,%&
'
𝑌••( - 𝑌•••
(
𝑆𝐶*( 𝐶𝑀*(
Columnas B2 𝑆𝐶*( =$ − k-1 𝐶𝑀*( = P(F>F0)
𝑘 𝑁 𝑘−1 𝐶𝑀)
-%&
𝑆𝐶)
Error 𝑆𝐶) = 𝑆𝐶! − 𝑆𝐶!"#! − 𝑆𝐶*& − 𝑆𝐶*( (k-2)(k-1) 𝐶𝑀) =
(k−2)(k−1)
' +
(
( 𝑌
Total 𝑆𝐶! = $ $ 𝑌$,- − ••• k2-1
𝑁
$%& ,%&
Ejemplo 2:Comparación de cuatro marcas de llantas
Una compañía de mensajería está interesada en determinar cuál marca de llantas tiene mayor duración en
términos del desgaste. Para ello se planea un experimento en cuadro latino, en el que se comparan las cuatro
marcas de llantas sometiéndolas a una prueba de 32 000 kilómetros de recorrido, utilizando cuatro diferentes
tipos de auto y las cuatro posiciones posibles de las llantas en el auto.

Ing. Leonel Molina Guardiola

Así, el factor de interés es el tipo de llanta o marca, y se controlan dos factores de bloque: el tipo de carro y la
posición de la llanta en el carro.
Estos factores de bloques se controlan ya que, por experiencia, se sabe que el tipo de carro y la posición de la
llanta tiene efecto en el desgaste de la misma.
El diseño y los datos observados se muestran en la siguiente tabla. Se mide la diferencia máxima entre el grosor
de la llanta nueva y el grosor de la llanta después de haber recorrido los 32 000 kilómetros. Entre mayor es la
diferencia, mayor es el desgaste.
Carro
Posición 1 2 3 4
1 C = 12 D = 11 A = 13 B=8
2 B = 14 C = 12 D = 11 A=3
3 A = 17 B = 14 C = 10 D=9
4 D = 13 A = 14 B = 13 C=9
Ejemplo 2:Comparación de cuatro marcas de
llantas
Carro Tipo de Total Media
Llanta Tratamientos Tratamientos

Ing. Leonel Molina Guardiola

Posición 1 2 3 4 Total B2 O ""𝒌
𝒀""𝒌 𝒀
1 C = 12 D = 11 A = 13 B=8 𝜮𝑌"#" = 44 A 57 14.25
2 B = 14 C = 12 D = 11 A = 13 𝜮𝑌"$" = 50 B 49 12.25
3 A = 17 B = 14 C = 10 D=9 𝜮𝑌"%" = 50 C 43 10.75
4 D = 13 A = 14 B = 13 C=9 𝜮𝑌"&" = 49 D 44 11
Total B1 𝜮𝑌""# = 56 𝜮𝑌""$ = 51 𝜮𝑌""% = 47 𝜮𝑌""& = 39 𝑌""" = 183 Total 193 45.75

Llantas: 𝑆𝐶&'(& = (572+ 492 + 432 + 442)/4 – 1932/16 = 2,358.75 – 2,328.06 = 30.69
Posición: 𝑆𝐶)! = (442+ 502 + 502 + 492)/4 - 1932/16 = 2,334.25 – 2,328.06 = 6.19
Carro: 𝑆𝐶)# = (562+ 512 + 472 + 392)/4 - 1932/16 = 2,366.75 – 2,328.06 = 38.69
𝑆𝐶& = (122+ 142 + 172 + 132 + 112+ 122 + 142 + 142 + 132+ 112 + 102 + 132 + 82+ 132 + 92 + 92) - 1932/16 = 2,409 - 2,328.06 = 80.94
𝑆𝐶* = = 80.94 – 30.69 – 6.19 – 38.69 = 5.37
Ejemplo 2:Comparación de cuatro marcas de
llantas
𝐶𝑀&'(& = 30.69/3 = 10.23 F0 TRAT = 10.23/3 = 11.43
𝐶𝑀)! = 6.19/3 = 2.06 F0 B1 = 2.06/3 = 2.30

Ing. Leonel Molina Guardiola

𝐶𝑀)# = 38.69/3 = 12.90 F0 B2 = 12.90/3 = 14.41
𝐹+,-.!,(-.#)(-.!)
𝐶𝑀* = 5.37/6 = 0.895
Fuentes de Suma de Grados de Cuadrado Fo F Crítico
Variabilidad Cuadrados Libertad Medio (3,6,0.05)
Llantas 30.69 3 10.23 11.43 4.76
Posición 6.19 3 2.06 2.30 4.76
Carro 38.69 3 12.90 14.41 4.76
Error 5.37 6 0.895
Total 80.94 15
Se rechaza la hipótesis 𝐻2 de que el comportamineto en el desgaste entre las marcas de llantas sean
iguales y el comportamiento en los tipos de carro son diferentes, pero no existe evidencia que la posición
de la llanta tenga influencia sobre el resultado.
Ejemplo 2:Comparación de cuatro marcas de
llantas
Gráfica de medias para los tratamientos, donde los intervalos están construidos con el método LSD. Si los
intervalos de confianza se traslapan, las respuestas medias de los tratamientos son iguales estadísticamente.

Ing. Leonel Molina Guardiola

La marca A no se traslapa con ningún otro, su media poblacional
es diferente y mayor que las otras. Las marcas C y D son las de
menor desgaste muestral y, aunque estadísticamente no difieren
en media poblacional de B, sí hay cierta evidencia a favor de
estas dos marca.

Las medias para las posiciones y todos los intervalos se

traslapan, lo cual indica que no existe suficiente
La gráfica de medias para el factor carro, muestra las diferencias evidencia para concluir que las posiciones tienen algún
entre ellos: el carro 1 es el que tiene el mayor desgaste muestral efecto en el desgaste.
de llantas, y el carro 4 es el de menor desgaste. Es posible
verificar que estadísticamente son diferentes en media, el carro
4 de todos los demás y el carro 3 del carro 1.
Selección y aleatorización de un cuadro
latino
- La regla fundamental es que cada letra debe aparecer sólo una vez en cada renglón y en cada columna.
- Cuadro latino estándar tiene en la primera columna y en el primer renglón las letras en orden alfabético.

Ing. Leonel Molina Guardiola

Ejemplo, un cuadro latino
estándar de tamaño cuatro
está dado por:

Existen además los siguientes

tres cuadros latinos estándar de
dimensión cuatro:

Para cuatro tratamientos se pueden construir un total de 576 cuadros latinos, de los cuales cuatro son
estándar. La selección del diseño debería ser elegir uno al azar de los 576 posibles
Diseño en Cuadro Grecolatino (DCGL)
- Diseño en el que se controlan tres factores de bloques y un factor de tratamiento.
- Se llama cuadro grecolaIno porque los cuatro factores involucrados se prueban en la misma
canIdad de niveles.

Ing. Leonel Molina Guardiola

- Se uIlizan letras laInas para denotar a los tratamientos y letras griegas para nombrar a los niveles
del tercer factor de bloque.
- Cada letra (laInas y griegas) debe aparecer sólo una vez en cada renglón y en cada columna.
- Cada par de letras debe aparecer sólo una vez en todo el arreglo.
- En el siguiente cuadro se presenta el aspecto de los datos del diseño en cuadro laIno de
dimensión k = 4.
Bloque II (Columnas)
1 2 3 4
1 A𝛼 B𝛽 C𝛾 k𝛿
Bloque I 2 B𝛿 A𝛾 D𝛽 C𝛼
(renglones) 3 C𝛽 D𝛼 A𝛿 B𝛾
4 D𝛾 C𝛿 B𝛼 A𝛽
Diseño en Cuadro Grecolatino (DCGL)
El modelo estadístico que describe a las mediciones en un cuadro grecolatino está dado por:

𝑌$%&* = 𝜇 + 𝜏$ + 𝛾% + 𝛿& + 𝜑* + 𝜀$%&*

Ing. Leonel Molina Guardiola

Donde:
- 𝑌&'KT es la observación o respuesta que se encuentra en el tratamiento i (i-ésima letra
latina), en el renglón j, en la columna l y en la m-ésima letra griega.
- 𝜏& es el efecto del tratamiento i.
- 𝛾' es el efecto del renglón j.
- 𝛿K representa el efecto de la columna l.
- 𝜑T representa el efecto de la m-ésima letra griega, que son los niveles del tercer factor
de bloque
- 𝜀&'KT representa el error aleatorio atribuible a la medición Yijlm.
Diseño en Cuadro Grecolatino (DCGL)
ANOVA para el diseño de cuadro latino es:
FV SC GL CM Fo Valor-P
-
𝑌8#••• 𝑌••••
# 𝐶𝑀&'(&

Ing. Leonel Molina Guardiola

𝑆𝐶&'(&
Tratamientos 𝑆𝐶&'(& =U − k-1 𝐶𝑀&'(& = P(F>F0)
𝑘 𝑁 𝑘−1 𝐶𝑀*
89!
-
𝑌•#:••
#
𝑌•••• 𝑆𝐶)! 𝐶𝑀)!
Renglones B1 𝑆𝐶)! =U − K-1 𝐶𝑀)! = P(F>F0)
𝑘 𝑁 𝑘−1 𝐶𝑀*
:9!
-
Columnas B2 𝑌••# ;• 𝑌••••
#
𝑆𝐶)# 𝐶𝑀)#
𝑆𝐶)# =U − k-1 𝐶𝑀)# = P(F>F0)
𝑘 𝑁 𝑘−1 𝐶𝑀*
;9!
- # #
Letras Griegas 𝑌••• < 𝑌•••• 𝑆𝐶)$ 𝐶𝑀)$
𝑆𝐶)# = U − k-1 𝐶𝑀)$ = P(F>F0)
B3 𝑘 𝑁 𝑘−1 𝐶𝑀*
<9!
𝑆𝐶*
Error 𝑆𝐶* = 𝑆𝐶& − 𝑆𝐶&'(& − 𝑆𝐶)! − 𝑆𝐶)# − 𝑆𝐶)$ (k-3)(k-1) 𝐶𝑀* =
(k−3)(k−1)
- 1 #
# 𝑌••••
Total 𝑆𝐶& = U U 𝑌8:; − k2-1
𝑁
89! :9!
Ejemplo 3: Método de Ensamble
Un equipo de mejora investiga el efecto de cuatro métodos de ensamble A, B, C y D, sobre el
tiempo de ensamble en minutos, para ello se utilizan 4 operadores. se específica el orden en

Ing. Leonel Molina Guardiola

el que se hace el ensamble y lugar donde se hace.
- Utilice el método de diseño en cuadro greco latino para evaluar la hipótesis
- Los tiempos de ensamble obtenidos se muestran en la siguiente tabla.
Operador
1 2 3 4
1 C𝛽 = 10 B𝛾 = 10 D𝛿 = 12 A𝛼 = 7
Orden del 2 B𝛼 = 8 C𝛿 = 15 A𝛾 = 7 D𝛽 = 14
Ensamble 3 A𝛿 = 6 D𝛼 = 14 B𝛽 = 11 C𝛾 = 13
4 D𝛾 = 11 A𝛽 = 8 C𝛼 = 10 B𝛿 = 8

Los métodos son las letras latinas A, B, C y D.

El lugar de trabajo son las letras griegas 𝛼, 𝛽, 𝛾 y 𝛿.
Ejemplo 3: Método de Ensamble
Operador Total Media
Orden
Tratamientos Tratamientos
Ensamble 1 2 3 4 Total B2 O """𝒌
Método 𝒀"""𝒌 𝒀
1 C𝛽 = 10 B𝛾 = 10 D𝛿 = 12 A𝛼 = 7 𝜮𝑌"#"" = 39

Ing. Leonel Molina Guardiola

A 28 7
2 B𝛼 = 8 C𝛿 = 15 A𝛾 = 7 D𝛽 = 14 𝜮𝑌"$"" = 44 B 37 9.25
3 A𝛿 = 6 D𝛼 = 14 B𝛽 = 11 C𝛾 = 13 𝜮𝑌"%"" = 44 C 48 12
4 D𝛾 = 11 A𝛽 = 8 C𝛼 = 10 B𝛿 = 8 𝜮𝑌"&"" = 37 D 51 12.75
Total B1 𝜮𝑌"""# = 35 𝜮𝑌"""$ = 47 𝜮𝑌"""% = 40 𝜮𝑌"""& = 42 𝑌"""" = 164 Total 164 41
Total Media
Lugar de Tratamientos Tratamientos
Trabajo 𝒀"""𝒌 O """𝒌
𝒀
𝛼 39 9.75
𝛽 43 10.75
𝛿 41 10.25
𝛾 41 10.25
Total 164 41
Ejemplo 3: Método de Ensamble
Método: 𝑆𝐶&'(& = (282+ 372 + 482 + 512)/4 – 1642/16 = 1,764.5 – 1,681 = 83.5
Orden: 𝑆𝐶)! = (392+ 442 + 442 + 372)/4 - 1642/16 = 1,690.5 – 1,681 = 9.5
Operador: 𝑆𝐶)# = (352+ 472 + 402 + 422)/4 - 1642/16 = 1,699.5 – 1,681 = 18.5

Ing. Leonel Molina Guardiola

Lugar de Trabajo: 𝑆𝐶)$ = (392+ 432 + 412 + 412)/4 - 1642/16 = 1,683 – 1,681 = 2
𝑆𝐶& = (102+ 82 + 62 + 112 + 102+ 152 + 142 + 82 + 122+ 72 + 112 + 102 + 72+ 142 + 132 + 82) - 1642/16 = 1,798 – 1,681 = 117
𝑆𝐶* = 117 – 83.5 – 9.5 – 18.5 – 2 = 3.5
𝐶𝑀&'(& = 83.5/3 = 27.83
F0 TRAT = 27.83/1.17 = 23.79
𝐶𝑀)! = 9.5/3 = 3.17
F0 B1 = 3.17/1.17 = 2.71
𝐶𝑀)# = 18.5/3 = 6.17
𝐶𝑀)$ = 2/3 = 0.67 F0 B2 = 6.17/1.17 = 5.27
𝐶𝑀* = 3.5/3 = 1.17 F0 B3 = 0.67/1.17 = 0.57
Ejemplo 3: Método de Ensamble
ANOVA para diseño en el cuadro grecolatino
𝐹+,-.!,(-.$)(-.!)

Ing. Leonel Molina Guardiola

Fuentes de Suma de Grados de Cuadrado Fo F Crítico
Variabilidad Cuadrados Libertad Medio (0.05,3,3)
Método 83.5 3 27.83 23.79 9.28
Orden 9.5 3 3.17 2.71 9.28
Operador 18.5 3 6.17 5.27 9.28
Lugar de trabajo 2 3 0.67 0.57 9.28
Error 3.5 3 1.17
Total 117 15

Se rechaza la hipótesis 𝐻2 de que el tiempo medio poblacional de los métodos de ensamble

son iguales, y se acepta que almenos dos de los métodos son diferentes en cuanto al tiempo
promedio que requieren. El orden, el operador y el lugar de trabajo es no significativo en la
influencia del tiempo de ensamble.
GRACIAS