ESCUELA SUPERIOR POLITÉCNICA DEL LITORAL

FACULTAD DE CIENCIAS NATURALES Y MATEMÁTICAS

UNIDAD DE INVESTIGACIÓN Y POSTGRADO
Maestría en Estadistica con mención en la Calidad y
Productividad

Acerca del Estudiante:

Nombre del estudiante:
No. cédula de ciudadanía:
Correo electrónico:
CESAR EDUARDO FIALLOS CARDENAS
MARIA ROSA REYES ACOSTA
0919525345
0925492936
cesarfiallos@hotmail.com
marosa.reyes@gmail.com

Acerca del Tutor del Proyecto:

Nombre del Tutor: Omar Ruiz Barzola
Nivel de instrucción más alto: PhD
Áreas de especialidad: Análisis Multivariante
Correo electrónico: oruiz@espol.edu.ec

Acerca del Proyecto:

Título del Proyecto:
Diseño de un Modelo Experimental Completamente Aleatorizado con arreglo
factorial e interacciones AXBXC.

Planteamiento del Problema:

La competitividad, en el mundo moderno, es muy alta y cualquier ventaja, más o

menos significativa, puede ser la diferencia entre la permanencia o salida del
mercado de un producto o una compañía.

El mercado actual también ha evolucionado de forma importante. La oferta de

mejores productos a precios más bajos, aumentan considerablemente; elevando la
necesidad de encontrar mejores soluciones a los distintos problemas que se
presentan durante los procesos y que marquen la ventaja entre calidad y costo.

Las empresas embotelladoras, emplean en su mayoría, la reutilización de envases

de vidrio para el envasado de bebidas. El proceso que se sigue para la limpieza de
estos envases reutilizados determina en gran manera la calidad final del producto y
la productividad de la línea de proceso.

Página 1 de 6
 Anteproyecto de Titulación
Maestría en Estadistica con mención en Calidad y Productividad

Calcular los parámetros que determinan la efectividad de la operación de lavado de

botellas y sus niveles, se vuelve imprescindible. Para determinar los niveles
adecuados de estos parámetros se realizará una comparación de medias de un
diseño completamente aleatorizado.

Para la determinación del modelo matemático adecuado se priorizarán 3 variables

las cuales serán evaluadas en 3 niveles diferentes

Objetivo General:

Encontrar un modelo matemático que pueda aumentar la calidad del lavado de

botellas, en función de la concentración de hidróxido de sodio, temperatura de
trabajo y potencia de succión de las bombas de extracción de etiquetas.

Objetivos Específicos:

Determinar los rangos de operación de la concentración de hidróxido de sodio.

Determinar los rangos de temperatura adecuados para la operación de lavadora de
botellas.
Determinar las revoluciones de trabajo de la bomba de succión de etiquetas.
Identificar los costos asociados a la mejora de la calidad de lavado de botellas.

Alcance:

El alcance del experimento es la determinación del modelo matemático que

determine la ecuación que explique la variable dependiente, calidad de botellas
lavadas, mediante las variables independientes, concentración de soda,
temperatura y potencia de extracción.

Metodología:

Para el desarrollo del experimento se realizará una prueba de 3 k siendo K=3. Los
niveles de concentración de soda serán evaluados en 3, 3.5 y 4%. Las
temperaturas de trabajo serán evaluadas en 60, 70 y 75°C. La potencia de las
bombas de extracción será evaluada son 450, 500 y 600Hz.

Adicionalmente, el experimento se compondrá de una variable bloque que será el

tipo de botella a ser procesada, las cuales se diferencian por su alto y su color.

Se tomarán muestras hora a hora, en un turno de 8 horas. Se tomarán 30

muestras que serán evaluadas mediante tres parámetros de calidad:
1.- Prueba azul de metileno. Para tinturar impurezas dentro de las botellas.
2.- Concentración de NaOH. Para determinar la concentración residual de NaOH.
3.- Apariencia. Evaluación externa de la botella.

El primer parámetro de calidad de lavado de botella, sirve para determinar la

efectividad del lavado; retirando todas las impurezas y materia orgánica. Estas
impurezas pueden ser detectadas por los Inspectores de botellas vacías,
aumentando así el rechazo de botellas, lo que implica un costo por rechazo y
reproceso de botellas; además del costo por reciclar.

2 de 6
 Anteproyecto de Titulación
Maestría en Estadistica con mención en Calidad y Productividad

El segundo parámetro de calidad de lavado es el residual de NaOH en las botellas,

debido a que es un contaminante químico capaz de afectar la calidad de la bebida
y la salud de las personas. Este residual químico no puede ser detectado en pasos
posteriores por lo que esta prueba de calidad se vuelve un punto de control crítico
en el experimento.

El tercer parámetro de calidad consiste en la evaluación visual de la calidad de la

botella. El principal factor será la ausencia o presencia de etiquetas, goma y/o
adhesivos. Los inspectores de botellas realizan el rechazo de botellas inadecuadas
con remanente de etiquetas y goma.

Finalmente se hará la evaluación del costo generado por las variaciones realizadas
en el proceso.

Datos:

Los datos que se usarán en el experimento provendrán de evaluaciones realizadas

in situ, tomadas de un turno de 8 horas. Las muestras serán evaluadas en un
laboratorio interno y verificadas mediante un inspector de botellas vacías. Esto a fin
de determinar la veracidad del proceso.

Revisión Bibliográfica (Estado del Arte):

De acuerdo a lo expuesto por Montgomery (2009), el diseño de experimentos es
un test o serie de tests en donde se efectúan cambios a las variables que ingresan
a un proceso, de tal forma que observemos e identifiquemos los cambios
correspondientes en la variable de respuesta. Como puede verse en la figura
siguiente:

El proceso, puede ser cualquier combinación de métodos, maquinarias y personas

que transforman un ingreso de materia a una salida de producto. Este producto de
¨salida¨ tiene una o más características o respuestas observables. Algunas

3 de 6
 Anteproyecto de Titulación
Maestría en Estadistica con mención en Calidad y Productividad

variables de proceso son controlables, mientras que otras son no controlables

(aunque pudieran ser controladas para efectos del análisis).

Para efectos del presente análisis, debemos considerar las posibles fuentes de
errores experimentales, el error experimental es la variación aleatoria existente en
todos los resultados experimentales. Diferentes unidades experimentales tendrán
variadas respuestas al mismo tratamiento; inclusive al aplicarse el mismo
tratamiento en diferentes ocasiones a la misma unidad experimental, obtendremos
respuestas distintas, Easton-McColl (1997).

El diseño experimental de un modelo completamente aleatorizado con arreglo

bifactorial e Interacciones (AxBxC), de la forma:

( ) ( ) ( ) ( )

Considerando:

i= 1,2,3
j= 1,2,3
k=1,2,3

Donde Yijk es la variable de respuesta (Calidad de botellas, medida a través de los

tres parámetros expuestos la metodología), es la media muestral,

Son los efectos producidos por el nivel i-ésimo de los factores:

Factor A: Concentración de Soda (%).

Factor B: Temperaturas de Trabajo (°C):

Factor C: Potencia de la Bomba de Extracción (Hz):

Y donde son los residuos u errores del presente modelo.

Por otra parte, las expresiones:

( ) ( ) ( ) ( )

Son los efectos resultantes de las interacciones entre: AXB, AXC, BXC y AXBXC.

∑( ) ∑( ) ∑( ) ∑( ) ∑( ) ∑( )

4 de 6
 Anteproyecto de Titulación
Maestría en Estadistica con mención en Calidad y Productividad

∑( ) ∑( ) ∑( )

Modelo propuesto por Porras (2000) y de manera similar Oehlert (2000).

En el análisis estándar de un Diseño Completamente Aleatorizado (Factorial),

estamos interesados en la media de las respuestas de los grupos de los diferentes
tratamientos. Un punto de partida adecuado es el de decidir si las medias son
todas las mismas; o si, en su defecto al menos una difiere. Replanteando esta
pregunta en términos de los modelos, nos preguntamos si los datos pueden ser
correctamente descritos por el modelo de una sola media, o si necesitamos un
modelo de medias de grupos de tratamientos separados. Teniendo en cuenta que
un modelo de una sola media es un caso especial del modelo de un grupo de
medias.
Este análisis de varianza, usualmente abreviado como ANOVA, es un método para
comparar el ajuste de dos modelos, uno de estos es una versión reducida del otro.
Hablando de forma más rígida, ANOVA es un procedimiento aritmético de
fragmentar la variabilidad en un set de datos en conjuntos más pequeños
asociados con diferentes estructuras de medias más un ajuste sobrante. Cuando
adicionalmente la estructura del error de los datos es: Independiente, Normal y de
Varianza Constante, podemos usar la información provista por ANOVA, para
construir tests estadísticos comparando las medias de diferentes estructuras o
modelos representados en el análisis de ANOVA, Oehlert (2000).

Dadas las características del diseño, debemos considerar que en ciertos

experimentos pueden existir diferencias entre las unidades de investigación
(aquellas fuentes de variación que no son de interés; no obstante, pudieran
perturbar al experimento), y deben ser consideradas en el diseño. Estos diseños
de reducción de varianza tienen que ver únicamente con una técnica llamada
bloqueo, Ruiz (2018)
Bibliografía:
Lara Porras A.M., Diseño estadístico de experimentos, análisis de la varianza y
temas relacionados: tratamiento informático mediante SPSS, Ed.: Proyecto Sur,
2000.

Gary W. Oehlert, A first course in design and analysis of experiments, University of

Minessota, 2000.

Omar Ruiz Barzola Curso: Diseño Experimental, Sesión 4, ESPOL, 2018.

Douglas C. Montgomery, Introducción al control de calidad estadístico, 2009.

Valerie J. Easton and John H. McColl's Statistics Glossary v1.1, 1997.

Elaborado por: Tutoriado por:

Facultad de Ciencias Naturales y

5 de 6
 Anteproyecto de Titulación
Maestría en Estadistica con mención en Calidad y Productividad

Matematicas

Facultad de Ciencias Naturales y

Matematicas

Fecha de Recepción: Fecha de Aprobación:

6 de 6