CENTRO DE INVESTIGACIÓN Y ASISTENCIA EN

TECNOLOGÍA Y DISEÑO DEL ESTADO DE JALISCO, A.C.

Estadística y Diseño de Experimentos

Tema: Diseño factorial 2 k

Tarea: Ejercicios de Diseño Factorial 2k

Elaboró: William Fernando Várguez Tec

Revisa: Dra. Ingrid Rodríguez Buenfil

Fecha de entrega: 28 de mayo, 2023

Semestre 2023-1
 Índice

Ejercicio 1……………………………………………………………………………………………………………………………………….2

Ejercicio 8……………………………………………………………………………………………………………………………………….4

Ejercicio 11……………………………………………………………………………………………………………………………………11

Ejercicio 12……………………………………………………………………………………………………………………………………17

Ejercicio 13……………………………………………………………………………………………………………………………………23

Ejercicio 14……………………………………………………………………………………………………………………………………30

Ejercicio 17……………………………………………………………………………………………………………………………………44

Ejercicio 22……………………………………………………………………………………………………………………………………49

1
Ejercicio 1.- Conteste las siguientes preguntas, de índole general, con respecto a los diseños
factoriales:

a) Explique qué son los factores y qué es la(s) variable(s) de respuesta.

− Los factores son las variables controladas o manipuladas por el investigador con el objetivo
de estudiar su efecto en la variable de interés, también conocida como variable respuesta.
− La variable respuesta es aquella que refleja el fenómeno o proceso que se desea estudiar o
analizar dentro de un experimento para así determinar si los factores o variables
independientes tienen un efecto sobre ella.

b) ¿cuál es el objetivo de un diseño factorial?

− El diseño factorial tiene como objetivo estudiar los efectos individuales de los factores, así
como las interacciones entre ellos, con el fin de obtener una comprensión más completa de
cómo influyen sobre la variable respuesta, lo que proporciona información que ayuda en la
toma de decisiones.

C) Ejemplifique y explique en qué consiste la estrategia de modificar o mover un factor a la vez,

que es propia de la experimentación empírica.

− Consiste en variar un factor mientras se mantienen las demás constantes para poder
estudiar su efecto individual sobre la variable respuesta.

Para ejemplificar, supongamos que un fabricante de galletas desea determinar la influencia

de tres factores en la calidad de sus productos: la temperatura del horno (Factor A), el
tiempo de cocción (Factor B) y la cantidad de azúcar (Factor C). El objetivo es identificar
cómo cada factor afecta la calidad de las galletas.

En el primer experimento, se mantiene constante la temperatura del horno y la cantidad de

azúcar, y se varía el tiempo de cocción para obtener galletas con diferentes grados de
cocción. Luego, se evalúa la calidad de las galletas en términos de su textura y sabor.

En el siguiente experimento, se varía solamente la cantidad de azúcar para evaluar su

influencia en la calidad de las galletas, y para el tercer experimento se varia solamente la
temperatura del horno. De esta forma el fabricante puede determinar cómo cada factor
influye en la calidad de las galletas de forma individual. Sin embargo, esta estrategia no tiene
en cuenta posibles interacciones entre los factores, por lo que no se puede saber si pueden
afectar conjuntamente la calidad de las galletas.

d) Señale y argumente qué ventajas tienen los experimentos factoriales sobre la estrategia de
mover un factor a la vez.

2
 1. Consideración de las interacciones: Los experimentos factoriales permiten evaluar tanto los
efectos principales de los factores individuales como las interacciones entre ellos. Las
interacciones ocurren cuando el efecto de un factor depende del nivel de otro factor, por lo
que ignorarlas puede llevar a conclusiones erróneas sobre los efectos de los factores.

2. Eficiencia en el uso de recursos: Los experimentos factoriales son más eficientes en términos
de tiempo y recursos que la estrategia de mover un factor a la vez. En lugar de realizar una
serie de experimentos separados para cada factor, los diseños factoriales permiten evaluar
múltiples factores simultáneamente en un solo experimento, con lo que se reduce la
cantidad de tiempo y recursos necesarios para obtener resultados.

3. Identificación de efectos conjuntos: Los experimentos factoriales permiten identificar y

cuantificar los efectos conjuntos de múltiples factores en la variable respuesta, lo que es útil
cuando los factores actúan sinérgicamente o tienen efectos compensatorios. Al considerar
los efectos conjuntos, se puede obtener una visión más precisa de cómo optimizar los
niveles de los factores para maximizar o minimizar la variable respuesta.

4. Mayor generalización y aplicabilidad: Los experimentos factoriales brindan resultados que

se pueden generalizar y aplicar en una variedad de situaciones. Al considerar múltiples
factores y sus interacciones, se obtiene una comprensión más completa del fenómeno
estudiado, lo que permite hacer generalizaciones más sólidas. Además, los resultados de los
experimentos factoriales son aplicables en diferentes condiciones y escenarios, lo que los
hace más relevantes y útiles en la toma de decisiones.

e) ¿Qué significa que un factor tenga un efecto significativo? ¿Sobre quién es el efecto?

− Significa que se ha encontrado evidencia estadística de que este factor tiene un impacto
medible y distinto sobre la variable respuesta en comparación con los otros factores o
condiciones del experimento.

f) ¿Todos los factores deben ser de tipo cuantitativo o es posible involucrar factores cualitativos,
por ejemplo, dos tipos de máquinas, o la presencia o ausencia de alguna sustancia?

− No es necesario que todos los factores en un diseño de experimentos sean de tipo

cuantitativo. En un diseño factorial, los factores pueden ser tanto cualitativos como
cuantitativos, y pueden interactuar entre sí independientemente de su tipo, e incluso, el uso
de factores cualitativos en el diseño experimental es beneficioso, porque permite estudiar
el impacto de variables discretas y evaluar cómo diferentes categorías o niveles de estos
factores afectan la variable respuesta, proporcionando una visión más completa del
fenómeno en estudio.

3
Ejercicio 8.- En una empresa lechera se han tenido problemas con la viscosidad de cierta bebida de
chocolate. Se cree que con tres ingredientes que se agregan en pequeñas cantidades se puede
resolver este problema, por lo que es necesario explorar la situación; para ello se corre un
experimento 23 con dos réplicas. A continuación, se aprecian los resultados obtenidos:

a) Estime todos los posibles efectos y diga cuáles son significativos.

b) Realice un análisis de varianza de estos datos y obtenga conclusiones generales.

c) Interprete a detalle los efectos significativos.

d) ¿Hay un tratamiento ganador para minimizar?

e) Verifique residuos, ¿qué considera destacado?

a) Estimación de efectos

Primeramente, se identifican los factores que intervienen sobre el diseño experimental, siendo 7
efectos posibles: 3 efectos principales (Ingrediente A, Ingrediente B e Ingrediente C) y 4 efectos de
interacción (Ing-A X Ing-B, Ing-A X Ing-C, Ing-B X Ing-C, Ing-A X Ing-B X Ing-C).

Para los cuales se elaboran las siguientes hipótesis:

• Para el Ingrediente A (Factor A)

𝐻0 : 𝐸𝑓𝑒𝑐𝑡𝑜 𝐼𝑛𝑔𝑟𝑒𝑑𝑖𝑒𝑛𝑡𝑒 𝐴 = 0
𝐻0 : 𝐸𝑓𝑒𝑐𝑡𝑜 𝐼𝑛𝑔𝑟𝑒𝑑𝑖𝑒𝑛𝑡𝑒 𝐴 ≠ 0

• Para el Ingrediente B (Factor B)

𝐻0 : 𝐸𝑓𝑒𝑐𝑡𝑜 𝐼𝑛𝑔𝑟𝑒𝑑𝑖𝑒𝑛𝑡𝑒 𝐵 = 0
𝐻0 : 𝐸𝑓𝑒𝑐𝑡𝑜 𝐼𝑛𝑔𝑟𝑒𝑑𝑖𝑒𝑛𝑡𝑒 𝐵 ≠ 0

• Para el Ingrediente C (Factor C)

𝐻0 : 𝐸𝑓𝑒𝑐𝑡𝑜 𝐼𝑛𝑔𝑟𝑒𝑑𝑖𝑒𝑛𝑡𝑒 𝐶 = 0
𝐻0 : 𝐸𝑓𝑒𝑐𝑡𝑜 𝐼𝑛𝑔𝑟𝑒𝑑𝑖𝑒𝑛𝑡𝑒 𝐶 ≠ 0

4
 • Para la interacción Ing-A X Ing-B
𝐻0 : 𝐸𝑓𝑒𝑐𝑡𝑜 𝐼𝑛𝑔𝐴 𝑥 𝐼𝑛𝑔𝐵 = 0
𝐻0 : 𝐸𝑓𝑒𝑐𝑡𝑜𝐼𝑛𝑔𝐴 𝑥 𝐼𝑛𝑔𝐵 ≠ 0

• Para la interacción Ing-A X Ing-C

𝐻0 : 𝐸𝑓𝑒𝑐𝑡𝑜 𝐼𝑛𝑔𝐴 𝑥 𝐼𝑛𝑔𝐶 = 0
𝐻0 : 𝐸𝑓𝑒𝑐𝑡𝑜𝐼𝑛𝑔𝐴 𝑥 𝐼𝑛𝑔𝐶 ≠ 0

• Para la interacción Ing-B X Ing-C

𝐻0 : 𝐸𝑓𝑒𝑐𝑡𝑜 𝐼𝑛𝑔𝐵 𝑥 𝐼𝑛𝑔𝐶 = 0
𝐻0 : 𝐸𝑓𝑒𝑐𝑡𝑜𝐼𝑛𝑔𝐵 𝑥 𝐼𝑛𝑔𝐶 ≠ 0

• Para la interacción Ing-A X Ing-B X Ing-C

𝐻0 : 𝐸𝑓𝑒𝑐𝑡𝑜 𝐼𝑛𝑔𝐴 𝑥 𝐼𝑛𝑔𝐵 𝑥 𝐼𝑛𝑔𝐶 = 0
𝐻0 : 𝐸𝑓𝑒𝑐𝑡𝑜𝐼𝑛𝑔𝐴 𝑥 𝐼𝑛𝑔𝐵 𝑥 𝐼𝑛𝑔𝐶 ≠ 0

Posteriormente, se realiza el diseño de experimentos en Statgraphics por medio de Procedimientos

DOE Heredados a través de un diseño multifactorial de 23 con 3 factores (A, B y C) y 2 niveles (-1, +1)
para cada uno. Quedando el libro de datos de la siguiente manera:

A continuación, se dibuja el diagrama de Pareto y de acuerdo con él se puede determinar con un

nivel de confianza del 95% que el efecto Ingrediente A y el efecto Ing-A X Ing-C no son significativos.
Mientras que los efectos Ingrediente B, Ingrediente C, Ing-A x Ing-B, Ing-B x Ing-C e Ing-A x Ing-B x
Ing-C si son significantes.

5
b) Construcción de tabla ANOVA

De acuerdo al ANOVA realizado y utilizando un nivel de confianza del 95%, se determina que los
efectos Ingrediente B, Ingrediente C, Ing-A x Ing-B, Ing-B x Ing-C e Ing-A x Ing-B x Ing-C poseen
significancia sobre la respuesta de viscosidad del producto.

Por lo que se puede concluir que:

• Para el Ingrediente A
𝑃 = 0.3966 > 0.05 ∴ 𝑠𝑒 𝑎𝑐𝑒𝑝𝑡𝑎 𝐻0 : 𝐸𝑓𝑒𝑐𝑡𝑜 𝐼𝑛𝑔𝑟𝑒𝑑𝑖𝑒𝑛𝑡𝑒 𝐴 = 0

• Para el Ingrediente B
𝑃 = 0.0000 < 0.05 ∴ 𝑠𝑒 𝑟𝑒𝑐ℎ𝑎𝑧𝑎 𝐻0 : 𝐸𝑓𝑒𝑐𝑡𝑜 𝐼𝑛𝑔𝑟𝑒𝑑𝑖𝑒𝑛𝑡𝑒 𝐵 = 0

• Para el Ingrediente C
𝑃 = 0.0000 < 0.05 ∴ 𝑠𝑒 𝑟𝑒𝑐ℎ𝑎𝑧𝑎 𝐻0 : 𝐸𝑓𝑒𝑐𝑡𝑜 𝐼𝑛𝑔𝑟𝑒𝑑𝑖𝑒𝑛𝑡𝑒 𝐶 = 0

• Para la interacción Ing-A X Ing-B

𝑃 = 0.0035 < 0.05 ∴ 𝑠𝑒 𝑟𝑒𝑐ℎ𝑎𝑧𝑎 𝐻0 : 𝐸𝑓𝑒𝑐𝑡𝑜 𝐼𝑛𝑔𝐴 𝑥 𝐼𝑛𝑔𝐵 = 0

6
 • Para la interacción Ing-A X Ing-C
𝑃 = 0.5058 > 0.05 ∴ 𝑠𝑒 𝑎𝑐𝑒𝑝𝑡𝑎 𝐻0 : 𝐸𝑓𝑒𝑐𝑡𝑜 𝐼𝑛𝑔𝐴 𝑥 𝐼𝑛𝑔𝐶 = 0

• Para la interacción Ing-B X Ing-C

𝑃 = 0.0002 < 0.05 ∴ 𝑠𝑒 𝑟𝑒𝑐ℎ𝑎𝑧𝑎 𝐻0 : 𝐸𝑓𝑒𝑐𝑡𝑜 𝐼𝑛𝑔𝐵 𝑥 𝐼𝑛𝑔𝐶 = 0

• Para la interacción Ing-A X Ing-B X Ing-C

𝑃 = 0.0000 < 0.05 ∴ 𝑠𝑒 𝑟𝑒𝑐ℎ𝑎𝑧𝑎 𝐻0 : 𝐸𝑓𝑒𝑐𝑡𝑜 𝐼𝑛𝑔𝐴 𝑥 𝐼𝑛𝑔𝐵 𝑥 𝐼𝑛𝑔𝐶 = 0

c) Interpretación de efectos significativos

Se corrige la tabla ANOVA excluyendo los valores de Ingrediente A y la interacción Ing-A x Ing-C ya
que estas no presentaron significancia en la primera ronda y se mandan al error. Quedando la nueva
tabla ANOVA de la siguiente manera:

Con lo que ahora se puede realizar el análisis de las gráficas de efectos.

De acuerdo con la gráfica de efectos principales, se puede concluir que, en caso de buscarse
minimizar el valor de respuesta de la viscosidad del producto, la mejor respuesta sería la obtenida
con el Ingrediente C en su valor más bajo de adición. Mientras que si lo que se busca es aumentar la

7
viscosidad del producto, la mejor respuesta sería la obtenida con el Ingrediente C en su valor más
alto.

De acuerdo con las gráficas de Interacción de efectos, se puede concluir que de buscarse minimizar
la viscosidad, la combinación más adecuada sería la de los ingredientes B y C, ambos en sus valores
más bajos, ya que presentan el valor más bajo de viscosidad en el producto. Por otro lado, si la

8
respuesta más deseable fuera aumentar la viscosidad, la mejor combinación de ingredientes sería la
de los ingredientes B y C en sus valores más altos.

d) ¿Hay un tratamiento ganador para minimizar?

Se puede concluir que, para minimizar la respuesta de viscosidad del producto, el mejor tratamiento
experimental es el obtenido con la interacción del Ingrediente B con el Ingrediente C.

e) Verificación de residuos

De acuerdo con la gráfica de residuos vs. Predichos, se concluye que no se cumple el supuesto de
varianza constante, ya que no se distingue una amplitud constante entre los puntos graficados.

9
De acuerdo con la gráfica de residuos vs. Orden de ejecución, se puede concluir que si se cumple el
supuesto de independencia ya que no se distingue un patrón de los puntos graficados.

De acuerdo con la gráfica de Probabilidad normal, se concluye que sí se cumple el supuesto de

normalidad con solo un punto aberrante presente en la gráfica.

10
Ejercicio 11.- En el área de SMT se busca reducir IOS defectos ocasionados por impresiones de
soldadura en pasta inadecuada. Se corre un diseño 24 con dos réplicas y dos puntos centrales por
réplica. LOS factores son: altura de la mesa (A), velocidad de separación (B), velocidad de impresión
(C) y presión de las escobillas (D). La variable de respuesta es la altura de la impresión de soldadura
en pasta. El experimento se corrió en planta, pero como el proceso es muy rápido (la impresión de
una tarjeta tarda menos de un minuto), entonces se recomienda obtener más de un producto en
cada condición experimental. por ello se decidió que cada prueba experimental debería de consistir
en dejar que el proceso se estabilizara y a partir de ahí imprimir 10 tarjetas de manera consecutiva,
a cada tarjeta se le midió la altura, Con estos 10 datos se calculó la media y la desviación estándar,
para así analizar el efecto de los factores sobre ambas. Una vez que se corre en orden aleatorio la
primera réplica de todos los tratamientos, se deja de experimentar y al día siguiente se hace de
manera similar la segunda réplica, Los datos se muestran a continuación:

a) ¿con qué finalidad se utilizan los puntos centrales?

b) Investigue qué efectos influyen de manera significativa sobre la altura promedio de la pasta
(apóyese en Pareto y ANOVA).

c) si en el análisis anterior encuentra alguna interacción significativa analice a detalle la más

importante.

d) Si se quiere un valor de 6.0 para la altura de la pasta, ¿cuáles son las condiciones para lograrlo?

e) Ahora investigue qué efectos influyen de manera relevante sobre la variabilidad de la altura de la
pasta.

11
f) Encuentre una condición satisfactoria tanto para la altura como para minimizar la variabilidad.

g) De los análisis de varianza para la media y la desviación estándar vea el coeficiente R2. ¿Qué
concluye de ello?

h) ¿Hay evidencia de curvatura?

i) Verifique residuos.

a) Finalidad se utilizan los puntos centrales

El uso de puntos centrales en un diseño factorial proporciona una forma adicional de tratamiento
que combina niveles intermedios de los factores, lo que permite obtener grados de libertad
adicionales, mantener el equilibrio en la estimación y evaluar la posible curvatura en los factores de
interés, con lo que se pueden identificar patrones no lineales que podrían ser relevantes en el
análisis.

b) Efectos que influyen de manera significativa sobre la altura promedio de la pasta

De acuerdo con el ANOVA, se observa que existen 3 efectos principales: Altura de la mesa (factor A),
Velocidad de impresión (factor C) y Presión de las escobillas (factor D), ya que los valores p calculados
son menores a 0.05 por lo que se concluye que son significativamente diferentes.

Para los efectos de las interacciones dobles AC y AD se acepta la hipótesis alternativa, por lo que se
concluye que si existe un efecto significativo de la interacción entre la altura de la mesa y la velocidad
de separación sobre la altura de la pasta. También se concluye que hay un efecto significativo de la
interacción de la altura de la mesa y la velocidad de impresión.

12
c) Interacción significativa de mayor importancia

De acuerdo con las gráficas de interacciones, se observa que la interacción con mayor importancia
para reducir la altura de la pasta es la obtenida con el valor más bajo del factor A y el valor más alto
del factor D, ya que se aprecia con esta combinación que se tiene una disminución en el valor de la
altura.

d) Condiciones para un valor de 6.0 en la altura de la pasta

Para obtener un valor de 6.0 en la altura de la pasta se recomienda aplicar el valor más alto del factor
A en combinación con el nivel más alto del factor D como puede observarse en la gráfica:

De igual modo, para el mismo propósito se recomienda utilizar el factor A en su nivel más alto en
combinación con el factor C en su nivel más bajo como se observa en la gráfica siguiente.

13
e) Efectos que influyen de manera relevante sobre la variabilidad de la altura de la pasta

De acuerdo nuevamente con el diagrama de Pareto, se puede observar que los efectos de los
factores principales D y B tienen un mayor efecto sobre la variación de altura de la pasta, y en el caso
de las interacciones dobles se tiene que la interacción AC es la que presenta un mayor efecto sobre
la variación de la altura de la pasta.

f) Encuentre una condición satisfactoria tanto para la altura como para minimizar la variabilidad.

De acuerdo con lo visto en las gráficas de interacciones, las mejores condiciones para minimizar la
altura de la pasta son:

• Factor A: Nivel más bajo (-) con Factor C: Nivel más bajo (-)
• Factor A: Nivel más bajo (-) con Factor D: Nivel más alto (+)

g) Análisis del R2

La R2 estimada para las medias es del 90.7828% y para la desviación es del 81.6974%. Estos
porcentajes indican el grado de variabilidad en los datos que se explica por el modelo estadístico
utilizado. En este caso, los valores obtenidos son altos, lo que sugiere que el modelo tiene un buen
poder explicativo y confiabilidad en términos de capturar la variabilidad de los datos.

Es importante destacar que existe un límite mínimo del 70% para considerar que un modelo es
confiable. En este caso, ambos porcentajes superan dicho límite, lo que refuerza la confiabilidad del
modelo utilizado.

14
h) ¿Hay evidencia de curvatura?

Debido a que el valor p calculado es menor a 0.05, se puede concluir que no se evidencia una relación
lineal y que si existe la posibilidad de una correlación de segundo orden o curvatura en los datos.

i) Verificación de residuos

De acuerdo con la gráfica de Probabilidad normal, se concluye que sí se cumple el supuesto de

normalidad con solo tres puntos aberrantes presentes en la gráfica.

De acuerdo con la gráfica de residuos vs predichos, se concluye que no se cumple el supuesto de

varianza constante, ya que no se distingue una amplitud constante entre los puntos graficados.

15
De acuerdo con la gráfica de residuos vs orden, se concluye que no se cumple el supuesto de
independencia, ya que se distingue un patón en los puntos graficados.

16
Ejercicio 12.- En la refinación de pulpa de madera interesa estudiar cómo se afecta la calidad de la
fibra al introducirle cargas de material inorgánico con dos diferentes métodos o procesos (mecánico
e in situ), y ver cómo interactúa al considerar otros factores. Para ello se decide correr un diseño 24
no replicado, con los siguientes factores y niveles.

Se midieron cuatro variables de respuesta: Y1 : cenizas (%), Y2: tensión (m), Y3: blancura (%) y Y4:
opacidad (%). Los resultados para los 16 tratamientos se muestran en el siguiente cuadro, en el
orden que se corrieron.

a) Bosqueje una gráfica de proceso en el que se muestren por un lado los factores controlados y
por el otro las variables de respuesta.

b) Investigue qué efectos influyen de manera significativa Y1 (apóyese en Pareto y ANOVA).

c) Si se considera que el factor de mayor interés es el A, comente la forma en que actúa sobre Y1.

d) Comente con detalle la manera en que interactúa el factor A con los otros factores, sobre Y1.

e) ¿Qué tratamiento maximiza Y1?

f) Verifique supuestos para la variable Y1.

g) Repita los incisos anteriores para las otras variables de respuesta.

h) Encuentre condiciones satisfactorias para maximizar las cuatro variables de respuesta.

i) Haga un resumen del análisis realizado y destaque las principales conclusiones.

17
a) Gráfica de proceso

A B C D

Y1: Cenizas (%)

Materia Proceso Y2: Tensión (m)
prima Y3: Blancura (%)
Y4: Opacidad (%)

b) Efectos que influyen de manera significativa sobre Y1

De acuerdo con el ANOVA realizado, se observa que hay un efecto principal y dos interacciones
dobles. Para el factor A, el valor p calculado es 0.0117, que es menor que el valor de significancia de
0.05, por lo que se rechaza H0, indicando que el factor A tiene un efecto significativo en el porcentaje
de cenizas. En cuanto a los factores B, C y D, no se encontraron diferencias estadísticamente
significativas, lo que indica que no tienen efectos significativos sobre el porcentaje de cenizas. Por lo
tanto, se acepta H0 para los tres casos. Además, se estimaron las interacciones dobles AD (valor p:
0.0480) y BC (valor p: 0.0423), donde de igual forma se rechaza H0 para estas interacciones, lo que
indica que tienen efectos significativos en la variable de respuesta.

En el diagrama de Pareto se puede observar que el factor A tiene el mayor efecto en la variable de
respuesta, especialmente en su nivel más alto, mientras que las interacciones BC y AD también
contribuyen, pero en menor medida.

18
c) Interacción del Factor A sobre Y1

De acuerdo con la gráfica de efectos principales, se muestra que en el efecto de A se obtiene un

mayor porcentaje de cenizas al aplicar el proceso mecánico en comparación con el proceso in situ.
Esto implica que el proceso mecánico tiene un impacto positivo en el aumento del porcentaje de
cenizas en comparación con el proceso in situ. El gráfico visualmente representa esta diferencia y
sugiere que el uso del proceso mecánico resulta en un mayor contenido de cenizas en la muestra.

d) Interacción de los otros factores sobre Y1

En la gráfica de efectos principales se puede observar que los factores B, C y D no tienen efectos
estadísticamente significativos al interactuar con el Factor A.

e) ¿Qué tratamiento maximiza Y1?

19
En las gráficas de interacción se presentan los efectos de las interacciones AD y BC, donde se observa
que, para maximizar la variable de interés, se debe seleccionar el tratamiento AD. Además, se
menciona que las mejores condiciones para maximizar la variable son aplicar el proceso mecánico
con una consistencia del 2%. Esto implica que la combinación del tratamiento AD y el proceso
mecánico con una consistencia del 2% resulta en los mejores resultados en términos de
maximización de la variable de interés.

f) Verificación de supuestos para la variable Y1.

De acuerdo con la gráfica de Probabilidad normal, se concluye que sí se cumple el supuesto de

normalidad.

De acuerdo con la gráfica de residuos vs predichos, se concluye que no se cumple el supuesto de

varianza constante, ya que no se distingue una amplitud constante entre los puntos graficados.

20
De acuerdo con la gráfica de residuos vs orden, se concluye que no se cumple el supuesto de
independencia, ya que se distingue un patón en los puntos graficados.

g) Repita los incisos anteriores para las otras variables de respuesta.

Al realizar los diagramas de Pareto de los análisis de varianza de las variables de respuesta Y2, Y3 y
Y4. Se observa que no se evidencian efectos significativos de los factores y sus interacciones en los
experimentos analizados sobre las variables de respuesta seleccionadas. Esto sugiere que la elección
de estos factores no está relacionada con los efectos observados en las variables de respuesta
propuestas. En otras palabras, los factores y sus interacciones no tienen un impacto
estadísticamente significativo en las variables Y2, Y3 y Y4. Por lo que, según los análisis realizados, no
se considera necesaria la realización de todo el procedimiento anterior para cada una de estas
variables.

21
h) Encuentre condiciones satisfactorias para maximizar las cuatro variables de respuesta.

De acuerdo con las gráficas de interacciones dobles donde se presentan los efectos de las
interacciones AD y BC. Se observa que, para maximizar la variable de interés, se sugiere seleccionar
el tratamiento AD., siendo que las mejores condiciones para lograr esta maximización son aplicar el
proceso mecánico con una consistencia del 2%.

i) Resumen del análisis realizado y principales conclusiones.

El análisis estadístico revela lo siguiente:

1. El factor A y las interacciones AD y BC tienen un efecto significativo en el porcentaje de

cenizas, mientras que los factores B, C y D no presentan efectos significativos.
2. El factor A tiene el mayor efecto en la variable de respuesta, especialmente en su nivel más
alto. Las interacciones BC y AD también contribuyen, pero en menor medida.
3. El proceso mecánico tiene un efecto significativo en el aumento del porcentaje de cenizas
en comparación con el proceso in situ.
4. Para maximizar la variable principal de interés (porcentaje de cenizas), se recomienda elegir
el tratamiento AD y aplicar el proceso mecánico con una consistencia del 2%. Estas
condiciones proporcionan los mejores resultados según el análisis realizado.

En resumen, se identificaron los factores y las interacciones significativas, se determinó el efecto

principal y se encontró la mejor combinación de tratamiento y proceso para maximizar la variable
de interés.

22
Ejercicio 13. Se quiere aumentar el rendimiento de un proceso, y para ello se estudian tres factores
con dos niveles cada uno. Se hacen tres repeticiones en cada tratamiento del diseño factorial 2 3
resultante. La variable de respuesta que se mide es rendimiento. Los datos son los siguientes:

a) ¿Cuáles efectos están activos?

b) Si obtuvo una interacción importante, interprétela con detalle.

c) Determine las condiciones de operación que maximizan el rendimiento.

d) ¿cuál es la respuesta esperada en el mejor tratamiento?

e) Verifique los supuestos del modelo.

a) Determinación de efectos activos

Primeramente, se identifican los factores que intervienen sobre el diseño experimental, siendo 7
efectos posibles: 3 efectos principales (Factor A, Factor B y factor C) y 4 efectos de interacción
(Interacción AB, Interacción AC, Interacción BC, Interacción ABC).

Para los cuales se elaboran las siguientes hipótesis:

• Para el Factor A
𝐻0 : 𝐸𝑓𝑒𝑐𝑡𝑜 𝐹𝑎𝑐𝑡𝑜𝑟 𝐴 = 0
𝐻0 : 𝐸𝑓𝑒𝑐𝑡𝑜 𝐹𝑎𝑐𝑡𝑜𝑟 𝐴 ≠ 0

• Para el Factor B
𝐻0 : 𝐸𝑓𝑒𝑐𝑡𝑜 𝐹𝑎𝑐𝑡𝑜𝑟 𝐵 = 0
𝐻0 : 𝐸𝑓𝑒𝑐𝑡𝑜 𝐹𝑎𝑐𝑡𝑜𝑟 𝐵 ≠ 0

• Para el Factor C
𝐻0 : 𝐸𝑓𝑒𝑐𝑡𝑜 𝐹𝑎𝑐𝑡𝑜𝑟 𝐶 = 0
𝐻0 : 𝐸𝑓𝑒𝑐𝑡𝑜 𝐹𝑎𝑐𝑡𝑜𝑟 𝐶 ≠ 0

23
 • Para la interacción AB
𝐻0 : 𝐸𝑓𝑒𝑐𝑡𝑜 𝐼𝑛𝑡𝑒𝑟𝑎𝑐𝑐𝑖ó𝑛 𝐴𝐵 = 0
𝐻0 : 𝐸𝑓𝑒𝑐𝑡𝑜 𝐼𝑛𝑡𝑒𝑟𝑎𝑐𝑐𝑖ó𝑛 𝐴𝐵 ≠ 0

• Para la interacción AC
𝐻0 : 𝐸𝑓𝑒𝑐𝑡𝑜 𝐼𝑛𝑡𝑒𝑟𝑎𝑐𝑐𝑖ó𝑛 𝐴𝐶 = 0
𝐻0 : 𝐸𝑓𝑒𝑐𝑡𝑜 𝐼𝑛𝑡𝑒𝑟𝑎𝑐𝑐𝑖ó𝑛 𝐴𝐶 ≠ 0

• Para la interacción BC
𝐻0 : 𝐸𝑓𝑒𝑐𝑡𝑜 𝐼𝑛𝑡𝑒𝑟𝑎𝑐𝑐𝑖ó𝑛 𝐵𝐶 = 0
𝐻0 : 𝐸𝑓𝑒𝑐𝑡𝑜 𝐼𝑛𝑡𝑒𝑟𝑎𝑐𝑐𝑖ó𝑛 𝐵𝐶 ≠ 0

• Para la interacción ABC

𝐻0 : 𝐸𝑓𝑒𝑐𝑡𝑜 𝐼𝑛𝑡𝑒𝑟𝑎𝑐𝑐𝑖ó𝑛 𝐴𝐵𝐶 = 0
𝐻0 : 𝐸𝑓𝑒𝑐𝑡𝑜 𝐼𝑛𝑡𝑒𝑟𝑎𝑐𝑐𝑖ó𝑛 𝐴𝐵𝐶 ≠ 0

Posteriormente, se realiza el diseño de experimentos en Statgraphics por medio de Procedimientos

DOE Heredados a través de un diseño multifactorial de 23 con 3 factores (A, B y C) y 2 niveles (-1, +1)
para cada uno. Quedando el libro de datos de la siguiente manera:

A continuación, se construye la tabla ANOVA y se dibuja el diagrama de Pareto, con lo que de acuerdo
a ellos se puede determinar con un nivel de confianza del 95% que el efecto principal Factor A y el
efecto Interacción AB, Interacción BC, Interacción ABC no son significativos. Mientras que los efectos
principales Factor B, Factor C y el efecto de Interacción AC si son significantes.

24
Por lo que se puede concluir que:

• Para el Factor A
𝑃 = 0.8837 > 0.05 ∴ 𝑠𝑒 𝑎𝑐𝑒𝑝𝑡𝑎 𝐻0 : 𝐸𝑓𝑒𝑐𝑡𝑜 𝐹𝑎𝑐𝑡𝑜𝑟 𝐴 = 0

• Para el Factor B
𝑃 = 0.0001 < 0.05 ∴ 𝑠𝑒 𝑟𝑒𝑐ℎ𝑎𝑧𝑎 𝐻0 : 𝐸𝑓𝑒𝑐𝑡𝑜 𝐹𝑎𝑐𝑡𝑜𝑟 𝐵 = 0

• Para el Factor C
𝑃 = 0.0077 < 0.05 ∴ 𝑠𝑒 𝑟𝑒𝑐ℎ𝑎𝑧𝑎 𝐻0 : 𝐸𝑓𝑒𝑐𝑡𝑜 𝐹𝑎𝑐𝑡𝑜𝑟 𝐶 = 0

• Para la interacción AB
𝑃 = 0.4681 > 0.05 ∴ 𝑠𝑒 𝑎𝑐𝑒𝑝𝑡𝑎 𝐻0 : 𝐸𝑓𝑒𝑐𝑡𝑜 𝐼𝑛𝑡𝑒𝑟𝑎𝑐𝑐𝑖ó𝑛 𝐴𝐵 = 0

• Para la interacción AC
𝑃 = 0.0012 < 0.05 ∴ 𝑠𝑒 𝑟𝑒𝑐ℎ𝑎𝑧𝑎 𝐻0 : 𝐸𝑓𝑒𝑐𝑡𝑜 𝐼𝑛𝑡𝑒𝑟𝑎𝑐𝑐𝑖ó𝑛 𝐴𝐶 = 0

• Para la interacción BC
𝑃 = 0.2245 > 0.05 ∴ 𝑠𝑒 𝑎𝑐𝑒𝑝𝑡𝑎𝑎 𝐻0 : 𝐸𝑓𝑒𝑐𝑡𝑜 𝐼𝑛𝑡𝑒𝑟𝑎𝑐𝑐𝑖ó𝑛 𝐵𝐶 = 0

25
 • Para la interacción ABC
𝑃 = 0.3483 > 0.05 ∴ 𝑠𝑒 𝑎𝑐𝑒𝑝𝑡𝑎 𝐻0 : 𝐸𝑓𝑒𝑐𝑡𝑜 𝐼𝑛𝑡𝑒𝑟𝑎𝑐𝑐𝑖ó𝑛 𝐴𝐵𝐶 = 0

b) Interacciones importantes

Se corrige la tabla ANOVA excluyendo los valores que no presentaron significancia en la primera
ronda y se mandan al error. Quedando la nueva tabla ANOVA de la siguiente manera:

Se observa que la interacción AC es la única con un efecto significativo sobre el rendimiento, por lo
que se analiza dicho efecto con la gráfica de interacciones.

Se puede observar que al combinar los valores más bajos de los factores A y C se obtiene un efecto
de minimización del rendimiento, sin embargo, este efecto no es el deseable, para obtener un efecto
de maximización deseable sobre el rendimiento se logra combinando el valor más bajo del Factor A
con el valor más alto del Factor C.

c) Determinación de las condiciones de operación que maximizan el rendimiento.

De acuerdo con la gráfica de efectos principales, se observa que los efectos de maximización sobre
el rendimiento se obtienen en los valores más altos para cada Factor B y C, siendo el Factor B el que
mostró una respuesta más alta dentro de los factores principales.

26
Sin embargo, el mejor efecto sobre el rendimiento se obtiene con la interacción AC con el valor más
bajo de A y el más alto de C, por lo que se recomienda utilizar este efecto.

d) ¿cuál es la respuesta esperada en el mejor tratamiento?

La respuesta esperada para el tratamiento recomendado es que se obtenga un valor comprendido

entre 48 y 49 puntos de rendimiento como es apreciado en la gráfica.

e) Verificación de los supuestos del modelo.

27
De acuerdo con la gráfica de Probabilidad normal, se concluye que sí se cumple el supuesto de
normalidad con solo un punto aberrante presente en la gráfica.

De acuerdo con la gráfica de residuos vs. Predichos, se concluye que no se cumple el supuesto de
varianza constante, ya que no se distingue una amplitud constante entre todos los puntos graficados.

28
De acuerdo con la gráfica de residuos vs. Orden de ejecución, se puede concluir que si se cumple el
supuesto de independencia ya que no se distingue un patrón de los puntos graficados.

29
Ejercicio 14.- En una fábrica de componentes electrónicos, uno de los principales clientes reportó
tener problemas con algunos de los productos (comportamiento eléctrico intermitente). Mediante
el análisis de las muestras retornadas por el cliente, se identificó que el problema se relaciona con
un alambre mal colocado y podía obedecer a varias causas. Se decide correr una réplica de un
experimento factorial 25, utilizando los siguientes factores y niveles:

La respuesta a medir es el número de unidades con alambre mal colocado. Cada prueba se hizo en
la línea de ensamble y consistió en colocar cierta cantidad de alambres, que lo hace un equipo
automático. La cantidad de alambres a colocar en cada prueba, bajo cada tratamiento, se determinó
de tal forma que tuviera alta probabilidad de detectar piezas con alambres mal colocados. Los datos
son los siguientes:

a) Dibuje el diagrama de Pareto y el gráfico de Daniel considerando todas las interacciones de alto
orden. ¿Cuáles efectos parecen estar activos?

b) Determine el mejor análisis de varianza e interprételo.

c) Obtenga las gráficas de los efectos que resultaron importantes en el ANOVA e interprételas.

d) Determine el mejor tratamiento.

e) Interprete con detalle las interacciones AD y AE, considerando que el factor D es el resultado de
un proceso anterior y que actualmente no es posible fijarlo en un nivel, y que el factor E es una
característica de los materiales de un proveedor externo; entonces, ¿cuáles son sus
recomendaciones para operar el proceso y para acciones de mejora a futuro?

30
f) Verifique los supuestos del modelo. ¿Qué puede concluir del análisis de residuos?

g) ¿La forma especial de la gráfica de residuos contra predichos, afecta las conclusiones a la que llegó
antes?

h) ¿Es pertinente colapsar este diseño en un factorial 24 con dos réplicas? Si la respuesta es positiva,
hágalo.

i) ¿se puede colapsar en un 23 con cuatro réplicas?

a) Consideración de factores activos

Primeramente, se identifican los factores que intervienen sobre el diseño experimental, siendo 7
efectos posibles: 5 efectos principales, 10 efectos de interacción doble y 10 efectos triples.

Para los cuales se elaboran las siguientes hipótesis:

• Para el Factor A
𝐻0 : 𝐸𝑓𝑒𝑐𝑡𝑜 𝐹𝑎𝑐𝑡𝑜𝑟 𝐴 = 0
𝐻0 : 𝐸𝑓𝑒𝑐𝑡𝑜 𝐹𝑎𝑐𝑡𝑜𝑟 𝐴 ≠ 0

• Para el Factor B
𝐻0 : 𝐸𝑓𝑒𝑐𝑡𝑜 𝐹𝑎𝑐𝑡𝑜𝑟 𝐵 = 0
𝐻0 : 𝐸𝑓𝑒𝑐𝑡𝑜 𝐹𝑎𝑐𝑡𝑜𝑟 𝐵 ≠ 0

• Para el Factor C
𝐻0 : 𝐸𝑓𝑒𝑐𝑡𝑜 𝐹𝑎𝑐𝑡𝑜𝑟 𝐶 = 0
𝐻0 : 𝐸𝑓𝑒𝑐𝑡𝑜 𝐹𝑎𝑐𝑡𝑜𝑟 𝐶 ≠ 0

• Para el Factor D
𝐻0 : 𝐸𝑓𝑒𝑐𝑡𝑜 𝐹𝑎𝑐𝑡𝑜𝑟 𝐷 = 0
𝐻0 : 𝐸𝑓𝑒𝑐𝑡𝑜 𝐹𝑎𝑐𝑡𝑜𝑟 𝐷 ≠ 0

• Para el Factor E
𝐻0 : 𝐸𝑓𝑒𝑐𝑡𝑜 𝐹𝑎𝑐𝑡𝑜𝑟 𝐸 = 0
𝐻0 : 𝐸𝑓𝑒𝑐𝑡𝑜 𝐹𝑎𝑐𝑡𝑜𝑟 𝐸 ≠ 0

• Para la interacción AB
𝐻0 : 𝐸𝑓𝑒𝑐𝑡𝑜 𝐼𝑛𝑡𝑒𝑟𝑎𝑐𝑐𝑖ó𝑛 𝐴𝐵 = 0
𝐻0 : 𝐸𝑓𝑒𝑐𝑡𝑜 𝐼𝑛𝑡𝑒𝑟𝑎𝑐𝑐𝑖ó𝑛 𝐴𝐵 ≠ 0

31
• Para la interacción AC
𝐻0 : 𝐸𝑓𝑒𝑐𝑡𝑜 𝐼𝑛𝑡𝑒𝑟𝑎𝑐𝑐𝑖ó𝑛 𝐴𝐶 = 0
𝐻0 : 𝐸𝑓𝑒𝑐𝑡𝑜 𝐼𝑛𝑡𝑒𝑟𝑎𝑐𝑐𝑖ó𝑛 𝐴𝐶 ≠ 0

• Para la interacción AD
𝐻0 : 𝐸𝑓𝑒𝑐𝑡𝑜 𝐼𝑛𝑡𝑒𝑟𝑎𝑐𝑐𝑖ó𝑛 𝐴𝐷 = 0
𝐻0 : 𝐸𝑓𝑒𝑐𝑡𝑜 𝐼𝑛𝑡𝑒𝑟𝑎𝑐𝑐𝑖ó𝑛 𝐴𝐷 ≠ 0

• Para la interacción AE
𝐻0 : 𝐸𝑓𝑒𝑐𝑡𝑜 𝐼𝑛𝑡𝑒𝑟𝑎𝑐𝑐𝑖ó𝑛 𝐴𝐸 = 0
𝐻0 : 𝐸𝑓𝑒𝑐𝑡𝑜 𝐼𝑛𝑡𝑒𝑟𝑎𝑐𝑐𝑖ó𝑛 𝐴𝐸 ≠ 0

• Para la interacción BC
𝐻0 : 𝐸𝑓𝑒𝑐𝑡𝑜 𝐼𝑛𝑡𝑒𝑟𝑎𝑐𝑐𝑖ó𝑛 𝐵𝐶 = 0
𝐻0 : 𝐸𝑓𝑒𝑐𝑡𝑜 𝐼𝑛𝑡𝑒𝑟𝑎𝑐𝑐𝑖ó𝑛 𝐵𝐶 ≠ 0

• Para la interacción BD
𝐻0 : 𝐸𝑓𝑒𝑐𝑡𝑜 𝐼𝑛𝑡𝑒𝑟𝑎𝑐𝑐𝑖ó𝑛 𝐵𝐷 = 0
𝐻0 : 𝐸𝑓𝑒𝑐𝑡𝑜 𝐼𝑛𝑡𝑒𝑟𝑎𝑐𝑐𝑖ó𝑛 𝐵𝐷 ≠ 0

• Para la interacción BE
𝐻0 : 𝐸𝑓𝑒𝑐𝑡𝑜 𝐼𝑛𝑡𝑒𝑟𝑎𝑐𝑐𝑖ó𝑛 𝐵𝐸 = 0
𝐻0 : 𝐸𝑓𝑒𝑐𝑡𝑜 𝐼𝑛𝑡𝑒𝑟𝑎𝑐𝑐𝑖ó𝑛 𝐵𝐸 ≠ 0

• Para la interacción CD
𝐻0 : 𝐸𝑓𝑒𝑐𝑡𝑜 𝐼𝑛𝑡𝑒𝑟𝑎𝑐𝑐𝑖ó𝑛 𝐶𝐷 = 0
𝐻0 : 𝐸𝑓𝑒𝑐𝑡𝑜 𝐼𝑛𝑡𝑒𝑟𝑎𝑐𝑐𝑖ó𝑛 𝐶𝐷 ≠ 0

• Para la interacción CE
𝐻0 : 𝐸𝑓𝑒𝑐𝑡𝑜 𝐼𝑛𝑡𝑒𝑟𝑎𝑐𝑐𝑖ó𝑛 𝐶𝐸 = 0
𝐻0 : 𝐸𝑓𝑒𝑐𝑡𝑜 𝐼𝑛𝑡𝑒𝑟𝑎𝑐𝑐𝑖ó𝑛 𝐶𝐸 ≠ 0

• Para la interacción DE
𝐻0 : 𝐸𝑓𝑒𝑐𝑡𝑜 𝐼𝑛𝑡𝑒𝑟𝑎𝑐𝑐𝑖ó𝑛 𝐷𝐸 = 0
𝐻0 : 𝐸𝑓𝑒𝑐𝑡𝑜 𝐼𝑛𝑡𝑒𝑟𝑎𝑐𝑐𝑖ó𝑛 𝐷𝐸 ≠ 0

• Para la interacción ABC

𝐻0 : 𝐸𝑓𝑒𝑐𝑡𝑜 𝐼𝑛𝑡𝑒𝑟𝑎𝑐𝑐𝑖ó𝑛 𝐴𝐵𝐶 = 0
𝐻0 : 𝐸𝑓𝑒𝑐𝑡𝑜 𝐼𝑛𝑡𝑒𝑟𝑎𝑐𝑐𝑖ó𝑛 𝐴𝐵𝐶 ≠ 0

• Para la interacción ABD

𝐻0 : 𝐸𝑓𝑒𝑐𝑡𝑜 𝐼𝑛𝑡𝑒𝑟𝑎𝑐𝑐𝑖ó𝑛 𝐴𝐵𝐷 = 0
𝐻0 : 𝐸𝑓𝑒𝑐𝑡𝑜 𝐼𝑛𝑡𝑒𝑟𝑎𝑐𝑐𝑖ó𝑛 𝐴𝐵𝐷 ≠ 0

32
 • Para la interacción ABE
𝐻0 : 𝐸𝑓𝑒𝑐𝑡𝑜 𝐼𝑛𝑡𝑒𝑟𝑎𝑐𝑐𝑖ó𝑛 𝐴𝐵𝐸 = 0
𝐻0 : 𝐸𝑓𝑒𝑐𝑡𝑜 𝐼𝑛𝑡𝑒𝑟𝑎𝑐𝑐𝑖ó𝑛 𝐴𝐵𝐸 ≠ 0

• Para la interacción ACE

𝐻0 : 𝐸𝑓𝑒𝑐𝑡𝑜 𝐼𝑛𝑡𝑒𝑟𝑎𝑐𝑐𝑖ó𝑛 𝐴𝐶𝐸 = 0
𝐻0 : 𝐸𝑓𝑒𝑐𝑡𝑜 𝐼𝑛𝑡𝑒𝑟𝑎𝑐𝑐𝑖ó𝑛 𝐴𝐶𝐸 ≠ 0

• Para la interacción ACD

𝐻0 : 𝐸𝑓𝑒𝑐𝑡𝑜 𝐼𝑛𝑡𝑒𝑟𝑎𝑐𝑐𝑖ó𝑛 𝐴𝐶𝐷 = 0
𝐻0 : 𝐸𝑓𝑒𝑐𝑡𝑜 𝐼𝑛𝑡𝑒𝑟𝑎𝑐𝑐𝑖ó𝑛 𝐴𝐶𝐷 ≠ 0

• Para la interacción ADE

𝐻0 : 𝐸𝑓𝑒𝑐𝑡𝑜 𝐼𝑛𝑡𝑒𝑟𝑎𝑐𝑐𝑖ó𝑛 𝐴𝐷𝐸 = 0
𝐻0 : 𝐸𝑓𝑒𝑐𝑡𝑜 𝐼𝑛𝑡𝑒𝑟𝑎𝑐𝑐𝑖ó𝑛 𝐴𝐷𝐸 ≠ 0

• Para la interacción BCD

𝐻0 : 𝐸𝑓𝑒𝑐𝑡𝑜 𝐼𝑛𝑡𝑒𝑟𝑎𝑐𝑐𝑖ó𝑛 𝐵𝐶𝐷 = 0
𝐻0 : 𝐸𝑓𝑒𝑐𝑡𝑜 𝐼𝑛𝑡𝑒𝑟𝑎𝑐𝑐𝑖ó𝑛 𝐵𝐶𝐷 ≠ 0

• Para la interacción BCE

𝐻0 : 𝐸𝑓𝑒𝑐𝑡𝑜 𝐼𝑛𝑡𝑒𝑟𝑎𝑐𝑐𝑖ó𝑛 𝐵𝐶𝐸 = 0
𝐻0 : 𝐸𝑓𝑒𝑐𝑡𝑜 𝐼𝑛𝑡𝑒𝑟𝑎𝑐𝑐𝑖ó𝑛 𝐵𝐶𝐸 ≠ 0

• Para la interacción BDE

𝐻0 : 𝐸𝑓𝑒𝑐𝑡𝑜 𝐼𝑛𝑡𝑒𝑟𝑎𝑐𝑐𝑖ó𝑛 𝐴𝐵𝐸 = 0
𝐻0 : 𝐸𝑓𝑒𝑐𝑡𝑜 𝐼𝑛𝑡𝑒𝑟𝑎𝑐𝑐𝑖ó𝑛 𝐴𝐵𝐸 ≠ 0

• Para la interacción CDE

𝐻0 : 𝐸𝑓𝑒𝑐𝑡𝑜 𝐼𝑛𝑡𝑒𝑟𝑎𝑐𝑐𝑖ó𝑛 𝐶𝐷𝐸 = 0
𝐻0 : 𝐸𝑓𝑒𝑐𝑡𝑜 𝐼𝑛𝑡𝑒𝑟𝑎𝑐𝑐𝑖ó𝑛 𝐶𝐷𝐸 ≠ 0

Posteriormente, se realiza el diseño de experimentos en Statgraphics por medio de Procedimientos

DOE Heredados a través de un diseño multifactorial de 25 con 5 factores y 2 niveles (-1, +1) para cada
uno. Quedando el libro de datos de la siguiente manera:

33
A continuación, se construye la tabla ANOVA y se dibuja el diagrama de Pareto, con lo que de acuerdo
a ellos se puede determinar con un nivel de confianza del 95% que el efecto principal Factor A, Factor
D y Factor E, junto con los efectos de Interacción AD y de Interacción AE son los únicos efectos que
presentan significancia sobre la respuesta de colocación errónea de los alambres.

34
Por lo que se puede concluir que:

• Para el Factor A
𝑃 = 0.0017 < 0.05 ∴ 𝑠𝑒 𝑟𝑒𝑐ℎ𝑎𝑧𝑎 𝐻0 : 𝐸𝑓𝑒𝑐𝑡𝑜 𝐹𝑎𝑐𝑡𝑜𝑟 𝐴 = 0

• Para el Factor B
𝑃 = 0.6669 > 0.05 ∴ 𝑠𝑒 𝑎𝑐𝑒𝑝𝑡𝑎 𝐻0 : 𝐸𝑓𝑒𝑐𝑡𝑜 𝐹𝑎𝑐𝑡𝑜𝑟 𝐵 = 0

• Para el Factor C
𝑃 = 0.3795 > 0.05 ∴ 𝑠𝑒 𝑎𝑐𝑒𝑝𝑡𝑎 𝐻0 : 𝐸𝑓𝑒𝑐𝑡𝑜 𝐹𝑎𝑐𝑡𝑜𝑟 𝐶 = 0

• Para el Factor D
𝑃 = 0.0021 < 0.05 ∴ 𝑠𝑒 𝑟𝑒𝑐ℎ𝑎𝑧𝑎 𝐻0 : 𝐸𝑓𝑒𝑐𝑡𝑜 𝐹𝑎𝑐𝑡𝑜𝑟 𝐷 = 0

• Para el Factor E
𝑃 = 0.0293 < 0.05 ∴ 𝑠𝑒 𝑟𝑒𝑐ℎ𝑎𝑧𝑎 𝐻0 : 𝐸𝑓𝑒𝑐𝑡𝑜 𝐹𝑎𝑐𝑡𝑜𝑟 𝐸 = 0

• Para el Factor AB
𝑃 = 0.4374 > 0.05 ∴ 𝑠𝑒 𝑎𝑐𝑒𝑝𝑡𝑎 𝐻0 : 𝐸𝑓𝑒𝑐𝑡𝑜 𝐹𝑎𝑐𝑡𝑜𝑟 𝐴𝐵 = 0

• Para la interacción AC
𝑃 = 0.5534 > 0.05 ∴ 𝑠𝑒 𝑎𝑐𝑒𝑝𝑡𝑎 𝐻0 : 𝐸𝑓𝑒𝑐𝑡𝑜 𝐼𝑛𝑡𝑒𝑟𝑎𝑐𝑐𝑖ó𝑛 𝐴𝐶 = 0

35
• Para la interacción AD
𝑃 = 0.0029 < 0.05 ∴ 𝑠𝑒 𝑟𝑒𝑐ℎ𝑎𝑧𝑎 𝐻0 : 𝐸𝑓𝑒𝑐𝑡𝑜 𝐼𝑛𝑡𝑒𝑟𝑎𝑐𝑐𝑖ó𝑛 𝐴𝐷 = 0

• Para la interacción AE
𝑃 = 0.0356 < 0.05 ∴ 𝑠𝑒 𝑟𝑒𝑐ℎ𝑎𝑧𝑎 𝐻0 : 𝐸𝑓𝑒𝑐𝑡𝑜 𝐼𝑛𝑡𝑒𝑟𝑎𝑐𝑐𝑖ó𝑛 𝐴𝐸 = 0

• Para la interacción BC
𝑃 = 0.4374 > 0.05 ∴ 𝑠𝑒 𝑎𝑐𝑒𝑝𝑡𝑎 𝐻0 : 𝐸𝑓𝑒𝑐𝑡𝑜 𝐼𝑛𝑡𝑒𝑟𝑎𝑐𝑐𝑖ó𝑛 𝐵𝐶 = 0

• Para la interacción BD
𝑃 = 0.8777 > 0.05 ∴ 𝑠𝑒 𝑎𝑐𝑒𝑝𝑡𝑎 𝐻0 : 𝐸𝑓𝑒𝑐𝑡𝑜 𝐼𝑛𝑡𝑒𝑟𝑎𝑐𝑐𝑖ó𝑛 𝐵𝐷 = 0

• Para la interacción BE
𝑃 = 0.1835 > 0.05 ∴ 𝑠𝑒 𝑎𝑐𝑒𝑝𝑡𝑎 𝐻0 : 𝐸𝑓𝑒𝑐𝑡𝑜 𝐼𝑛𝑡𝑒𝑟𝑎𝑐𝑐𝑖ó𝑛 𝐵𝐸 = 0

• Para la interacción CD
𝑃 = 0.1694 > 0.05 ∴ 𝑠𝑒 𝑎𝑐𝑒𝑝𝑡𝑎 𝐻0 : 𝐸𝑓𝑒𝑐𝑡𝑜 𝐼𝑛𝑡𝑒𝑟𝑎𝑐𝑐𝑖ó𝑛 𝐶𝐷 = 0

• Para la interacción CE
𝑃 = 0.4374 > 0.05 ∴ 𝑠𝑒 𝑎𝑐𝑒𝑝𝑡𝑎 𝐻0 : 𝐸𝑓𝑒𝑐𝑡𝑜 𝐼𝑛𝑡𝑒𝑟𝑎𝑐𝑐𝑖ó𝑛 𝐵𝐶 = 0

• Para la interacción DE
𝑃 = 0.1003 > 0.05 ∴ 𝑠𝑒 𝑎𝑐𝑒𝑝𝑡𝑎 𝐻0 : 𝐸𝑓𝑒𝑐𝑡𝑜 𝐼𝑛𝑡𝑒𝑟𝑎𝑐𝑐𝑖ó𝑛 𝐷𝐸 = 0

• Para la interacción ABC

𝑃 = 0.3157 > 0.05 ∴ 𝑠𝑒 𝑎𝑐𝑒𝑝𝑡𝑎 𝐻0 : 𝐸𝑓𝑒𝑐𝑡𝑜 𝐼𝑛𝑡𝑒𝑟𝑎𝑐𝑐𝑖ó𝑛 𝐴𝐵𝐶 = 0

• Para la interacción ABD

𝑃 = 0.9888 > 0.05 ∴ 𝑠𝑒 𝑎𝑐𝑒𝑝𝑡𝑎 𝐻0 : 𝐸𝑓𝑒𝑐𝑡𝑜 𝐼𝑛𝑡𝑒𝑟𝑎𝑐𝑐𝑖ó𝑛 𝐴𝐵𝐷 = 0

• Para la interacción ABE

𝑃 = 0.1386 > 0.05 ∴ 𝑠𝑒 𝑎𝑐𝑒𝑝𝑡𝑎 𝐻0 : 𝐸𝑓𝑒𝑐𝑡𝑜 𝐼𝑛𝑡𝑒𝑟𝑎𝑐𝑐𝑖ó𝑛 𝐴𝐵𝐸 = 0

• Para la interacción ACD

𝑃 = 0.1909 > 0.05 ∴ 𝑠𝑒 𝑎𝑐𝑒𝑝𝑡𝑎 𝐻0 : 𝐸𝑓𝑒𝑐𝑡𝑜 𝐼𝑛𝑡𝑒𝑟𝑎𝑐𝑐𝑖ó𝑛 𝐴𝐶𝐷 = 0

• Para la interacción ACE

𝑃 = 0.5899 > 0.05 ∴ 𝑠𝑒 𝑎𝑐𝑒𝑝𝑡𝑎 𝐻0 : 𝐸𝑓𝑒𝑐𝑡𝑜 𝐼𝑛𝑡𝑒𝑟𝑎𝑐𝑐𝑖ó𝑛 𝐴𝐶𝐸 = 0

• Para la interacción ADE

𝑃 = 0.0756 > 0.05 ∴ 𝑠𝑒 𝑎𝑐𝑒𝑝𝑡𝑎 𝐻0 : 𝐸𝑓𝑒𝑐𝑡𝑜 𝐼𝑛𝑡𝑒𝑟𝑎𝑐𝑐𝑖ó𝑛 𝐴𝐷𝐸 = 0

36
 • Para la interacción BCD
𝑃 = 0.1331 > 0.05 ∴ 𝑠𝑒 𝑎𝑐𝑒𝑝𝑡𝑎 𝐻0 : 𝐸𝑓𝑒𝑐𝑡𝑜 𝐼𝑛𝑡𝑒𝑟𝑎𝑐𝑐𝑖ó𝑛 𝐵𝐶𝐷 = 0

• Para la interacción BCE

𝑃 = 0.2713 > 0.05 ∴ 𝑠𝑒 𝑎𝑐𝑒𝑝𝑡𝑎 𝐻0 : 𝐸𝑓𝑒𝑐𝑡𝑜 𝐼𝑛𝑡𝑒𝑟𝑎𝑐𝑐𝑖ó𝑛 𝐵𝐶𝐸 = 0

• Para la interacción BDE

𝑃 = 0.4076 > 0.05 ∴ 𝑠𝑒 𝑎𝑐𝑒𝑝𝑡𝑎 𝐻0 : 𝐸𝑓𝑒𝑐𝑡𝑜 𝐼𝑛𝑡𝑒𝑟𝑎𝑐𝑐𝑖ó𝑛 𝐵𝐷𝐸 = 0

• Para la interacción CDE

𝑃 = 0.1987 > 0.05 ∴ 𝑠𝑒 𝑎𝑐𝑒𝑝𝑡𝑎 𝐻0 : 𝐸𝑓𝑒𝑐𝑡𝑜 𝐼𝑛𝑡𝑒𝑟𝑎𝑐𝑐𝑖ó𝑛 𝐶𝐷𝐸 = 0

b) Determinación del mejor ANOVA

Ya que no se presenta significancia por parte de las interacciones triples se corrige la tabla ANOVA
para mandar los efectos de estas interacciones al error.

Se vuelve a corregir la tabla ANOVA para mandar al error los efectos de interacción doble que no
presentan significancia.

37
Se corrige una vez más la tabla ANOVA para mandar al error los efectos principales B y C, ya que
estos no presentan significancia.

Con esto se obtiene el mejor ANOVA.

c) Gráficas de efectos importantes en el ANOVA.

Se analiza la gráfica de efectos principales para los Factores A (Patrón de reconocimiento), D

(Colocación del dado) y E (Brillo de la oblea). Se observa que los tres factores muestran en sus puntos
más altos una respuesta de disminución en la cantidad de alambres mal colocados.

38
Observando la gráfica de interacción de Factores AD (PatRec x Dado), se concluye que la mejor
respuesta de disminución se obtiene con la combinación del valor más alto para el Patrón de
reconocimiento con el valor más alto para la colocación del dado.

39
Observando la gráfica de interacción de Factores AE (PatRec x Brillo), se concluye que la mejor
respuesta de disminución se obtiene con la combinación del valor más alto para el Patrón de
reconocimiento con el valor más alto para el Brillo de la oblea.

d) Determinación del mejor tratamiento.

De acuerdo con lo observado en las gráficas de efectos, se concluye que la mejor respuesta para la
disminución en la incidencia de cables mal colocados es la obtenida con la combinación del valor
más alto para el Patrón de reconocimiento con el valor más alto para la colocación del dado.

e) Interprete con detalle las interacciones AD y AE, considerando que el factor D es el resultado de
un proceso anterior y que actualmente no es posible fijarlo en un nivel, y que el factor E es una
característica de los materiales de un proveedor externo; entonces, ¿cuáles son sus
recomendaciones para operar el proceso y para acciones de mejora a futuro?

• Dado que el factor D es el resultado de un proceso anterior, es importante establecer un

sistema de monitoreo y control para asegurarse de que este aspecto se mantenga dentro de
los límites aceptables por medio de un seguimiento regular de los resultados del proceso
anterior y tomar medidas correctivas si estos valores se desvían significativamente de los
objetivos esperados.
• En cuanto al factor E, es crucial mantener una comunicación abierta y constante con el
proveedor, también se debe considerar realizar una evaluación periódica de los proveedores
de materiales para verificar que éstos no estén teniendo deficiencias en la calidad de sus
productos y de ser el caso considerar el cambio de proveedor por uno que si cumpla con los
estándares que el proceso requiere.

f) Verificación de supuestos del modelo

Continua en la siguiente página.

40
De acuerdo con la gráfica de Probabilidad normal, se concluye que no se cumple el supuesto de
normalidad.

De acuerdo con la gráfica de residuos vs. Predichos, se concluye que no se cumple el supuesto de
varianza constante, ya que no se distingue una amplitud constante entre todos los puntos graficados.

41
De acuerdo con la gráfica de residuos vs. Orden de ejecución, se puede concluir que si se cumple el
supuesto de independencia ya que no se distingue un patrón de los puntos graficados.

g) ¿La forma especial de la gráfica de residuos contra predichos, afecta las conclusiones a la que
llegó antes?

Si, es posible que se requiera un reajuste del modelo estadístico para este experimento.

h) ¿Es pertinente colapsar este diseño en un factorial 24 con dos réplicas?

Es posible colapsar este diseño para eliminar el factor B (Sistema de Luz) para obtener un diseño
factorial 24 con 4 factores y dos niveles para cada uno, ya que no posee significancia para el análisis,
sin embargo, no se obtiene mucha diferencia en el ANOVA al realizar este cambio de diseño.

42
i) ¿se puede colapsar en un 23 con cuatro réplicas?

Del mismo modo que para el caso anterior, es posible colapsarlo en un diseño 23, sin embargo, no
se observa mucha diferencia en el ANOVA al realizar el cambio.

43
Ejercicio 17.- Una de las fallas más importantes en la línea de empaque de un producto es la calidad
de las etiquetas. Un equipo de mejora decide atacar este problema mediante diseño de
experimentos. Para ello eligen una de las impresoras a la cual se le pueden manipular los factores:
velocidad, temperatura, tensión y tipo de etiqueta. Los niveles utilizados con cada factor fueron:

El diseño factorial utilizado fue un 24 con repeticiones al centro. En cada combinación del
experimento se imprimieron 20 etiquetas y se contabiliza como variable de respuesta en número de
impresiones rechazadas. Los resultados observados, listados en orden aleatorio, fueron los que se
muestran en la siguiente tabla.

a) Utilice la notación de Yates y anote en la primera columna de la tabla el código correspondiente a

cada una de las corridas, y asegúrese de que se corrieron todos los tratamientos correspondientes
al diseño empleado.

b) Encuentre el mejor ANOVA para estos datos.

c) Grafique los efectos significativos e interprételos para determinar el tratamiento ganador.

44
d) Estime el número de etiquetas que se espera sigan sin pasar en el mejor tratamiento.

e) Verifique supuestos. ¿Hay algún problema potencial?

a) Notación de Yates

Se elabora la tabla de notación de Yates por medio del software Excel.

b) Construcción de tabla ANOVA

Se determina el mejor ANOVA con los valores significativos para los factores A y B junto con la
interacción AB.

45
c) Gráficas de efectos

Gráfica de Efectos Principales para No pasan

22

20

18
No pasan

16

14

12

10
-1.0 1.0 -1.0 1.0
Velocidad Temperatura

De acuerdo con la gráfica de Efectos Principales, se determina que el mejor tratamiento es el

obtenido con el valor más alto para la velocidad junto con el valor más bajo para la temperatura, ya
que con estas condiciones se observa una menor falla en el etiquetado.

d) Estime el número de etiquetas que se espera sigan sin pasar en el mejor tratamiento.

De acuerdo con lo observado en la grafica de interacciones y tomando en cuenta que el mejor

tratamiento sugerido es el valor más alto de velocidad con el más bajo de temperatura, se estima
que aun queden sin pasar un número aproximado de 6 etiquetas por tratamiento.

46
e) Verificación de supuestos

De acuerdo con la gráfica de Probabilidad normal, se concluye que si se cumple el supuesto de

normalidad con solamente un punto aberrante presente.

De acuerdo con la gráfica de residuos vs. Predichos, se concluye que no se cumple el supuesto de
varianza constante, ya que se no distingue una amplitud constante entre los puntos graficados.

47
De acuerdo con la gráfica de residuos vs. Orden de ejecución, se puede concluir que si se cumple el
supuesto de independencia ya que no se distingue un patrón de los puntos graficados.

48
Ejercicio 22.- El tequila es una bebida que está sujeta a una norma oficial mexicana, y conforme a
ésta se debe cumplir con ciertas especificaciones fisicoquímicas. En un laboratorio de investigación,
mediante un diseño factorial 25 no replicado, se estudió la influencia de diversos factores sobre la
producción de alcoholes superiores en la etapa de fermentación (Pinal et al., 1997). Los factores
estudiados y los niveles fueron: tipo de cepa, A(1, 2), temperatura, B(30, 35°C), fuente de nitrógeno,
C(NH4)2SO4 y urea-, relación carbono/nitrógeno, D(62/1, 188/1) y porcentaje de inóculo, E(5 y 10%).
En la siguiente tabla se muestran los resultados obtenidos en cuanto a alcohol isoamílico (mg/L),
que es par te de los alcoholes superiores.

a) Dibuje el diagrama de Pareto considerando todas las interacciones de alto orden. ¿cuáles efectos
parecen estar activos?

b) Determine el mejor análisis de varianza e interprételo.

c) Obtenga las gráficas de los efectos que resultaron importantes en el ANOVA e interprételas con
detalle.

d) Determine los tratamientos que minimizan y maximizan la variable de respuesta.

e) Verifique los supuestos del modelo. ¿Qué puede concluir del análisis de residuos?

f) ¿Es pertinente colapsar este diseño en un factorial 24 con dos réplicas? Si la respuesta es positiva,
hágalo.

a) Diagrama de Pareto para efectos activos

De acuerdo con el diagrama de Pareto, se determina que los efectos principales activos son para el
factor A (tipo de cepa), factor D (relación Carbono-Nitrógeno) y factor B (temperatura); se tienen
tres interacciones dobles con efecto activo para las interacciones AD, AB y BD; y una interacción
triple con efecto activo siendo la interacción ABD.

49
b) Mejor ANOVA

Se realiza la exclusión de efectos principales, dobles y triples que no presentan una significancia
estadística dentro del análisis para obtener el mejor ANOVA para este diseño factorial.

c) Gráficas de efectos importantes

Se reelabora el diagrama de Pareto para una mejor percepción de cuales son los efectos activos
importantes en el análisis. Posteriormente, se observan las gráficas de efectos principales y se
obtienen las siguientes conclusiones:

1. El nivel de alcohol producido con el tipo de cepa 2 es menor al obtenido con el tipo 1
2. El nivel de alcohol obtenido aumenta conforme se aumenta el nivel de temperatura
3. El nivel obtenido de alcohol aumenta de manera directa al aumento de la relación Carbono-
Nitrógeno.

50
51
d) Determine los tratamientos que minimizan y maximizan la variable de respuesta

De acuerdo con lo observado en las gráficas de interacción se observan 6 casos de influencia en la

respuesta del nivel de alcohol obtenido:

*Considerando que la respuesta deseada sea el incremento del nivel de alcohol:

1. Se incrementa el nivel de alcohol con la combinación del tipo de cepa 1 con nivel más
alto de temperatura

52
 2. Se incrementa el nivel de alcohol con la combinación del tipo de cepa 1 y el nivel más
alto para la relación Carbono-Nitrógeno.
3. Se incrementa el nivel de alcohol con la combinación del nivel más alto de temperatura
con el nivel más alto de la relación Carbono-Nitrógeno.

*Considerando que la respuesta deseada sea el decremento del nivel de alcohol:

1. Se disminuye el nivel de alcohol con la combinación del tipo de cepa 2 con nivel más alto
de temperatura
2. Se disminuye el nivel de alcohol con la combinación del tipo de cepa 2 y el nivel más
bajo para la relación Carbono-Nitrógeno.
3. Se disminuye el nivel de alcohol con la combinación del nivel más bajo de temperatura
con el nivel más bajo de la relación Carbono-Nitrógeno.

Se concluye que para el caso de que se desee aumentar el nivel de alcohol obtenido, la interacción
sugerida es la del uso del tipo de cepa 1 con el nivel más alto de la relación Carbono-Nitrógeno.
Mientras que en el caso de que se desee disminuir el nivel de alcohol obtenido, se sugiere utilizar el
tipo de cepa 2 con el nivel más bajo de la relación Carbono-Nitrógeno.

e) Verificación de los supuestos del modelo

De acuerdo con la gráfica de Probabilidad normal, se concluye que si se cumple el supuesto de

normalidad.

53
De acuerdo con la gráfica de residuos vs. Predichos, se concluye que si se cumple el supuesto de
varianza constante, ya que se distingue una amplitud constante entre los puntos graficados.

De acuerdo con la gráfica de residuos vs. Orden de ejecución, se puede concluir que si se cumple el
supuesto de independencia ya que no se distingue un patrón de los puntos graficados.

54
f) ¿Es pertinente colapsar este diseño en un factorial 24 con dos réplicas?

Es posible colapsar este diseño para eliminar el factor E (inóculo) para obtener un diseño factorial 24
con 4 factores y dos niveles para cada uno, ya que no posee significancia para el análisis, sin embargo,
no se obtiene mucha diferencia en el ANOVA al realizar este cambio de diseño.

55