UNIDAD 1.

DISEÑOS FACTORIALES 2k

Actividad 1.1
Lee cada uno de los artículos de investigación proporcionados por el maestro. Para cada
artículo identifica los aspectos enlistados en la siguiente tabla:
1. Nombre de las personas involucradas en el proyecto de investigación experimental:
Jefe de fabrica
Un responsable del departamento de planificación
Un responsable del departamento de calidad
Un representante del departamento de mantenimiento
2. Título del proyecto:
Aplicación del diseño de experimentos (DOE) para la mejora de proceso
3. Objetivo de la experimentación:
Reducir el porcentaje de cordones de soldadura, izquierdos y derechos, defectuosos
de dos puertas automotrices en el área de Chapistería de 3% a 0.09%, mediante el
diseño de experimentos en el siguiente mes de producción
4. Valor(es) histórico(s) de la(s) variable(s) de respuesta:
Se presenta un estudio descriptivo de la variable de respuesta en un tiempo de recolección
de datos de tres semanas. La cantidad de defectos históricos fue de 3%
5. Lista de la(s) variable(s) de respuesta:

Unidad de Operacionalización de
Variable(s)
medida la variable
se calculan como el total
% Cordones de cordones con poros,
izquierdos % sobre el total de autos
defectuosos de 2 producidos
puertas al día
% Cordones se calculan como el total
derechos de cordones con poros,
%
defectuosos de 2 sobre el total de autos
puertas producidos
6. Lista de los factores de estudio (variables de interés del experimentador):

Factores de Unidad de Niveles de la variable

estudio medida
Potencia Dos niveles elegidos
programada del W por los expertos del
robot proceso
Corriente Dos niveles elegidos
programada de A por los expertos del
precalentamiento proceso
Variable No limpiar
Limpieza de los
cualitativa Limpiar
laterales
nominal
Variable Soplado con aire
limpieza del
cualitativa Soplado con alcohol
techo
normal

7. Lista de los factores controlados (variables que se mantienen constantes, en cierto

nivel de desempeño):

Unidad de
Factores controlados
medida
Velocidad del robot
Colada del hilo
Holgura en la cabina
Altura con respecto al techo

8. Diseño de experimentos elegido:

Diseño factorial fraccionado 2(4-1) con resolución IV, con generador I=ABCD
Diseño central compuesto centrado en las caras (FCC), Modelo de segundo orden
Actividad 1.2 Diseño factorial 22 replicado
Interesa estudiar el efecto del tamaño de broca (Factor A) y de la velocidad (Factor B), sobre
la vibración de la ranura (Respuesta Y). Para ello se decide utilizar un diseño factorial 22 con
4 réplicas, es decir, cuatro repeticiones en cada tratamiento, lo que da un total de 4 x 22 =16
corridas del proceso, que se realiza en orden aleatorio. El tamaño de la broca se prueba en
1/16 y 1/8 de pulgada y la velocidad en 40 y 90 revoluciones por segundo, según se describe
en la siguiente tabla:

Factor Niveles Unidad

1. Tamaño de Broca 1/16 1/8 in
2. Velocidad 40 90 r/s

La siguiente tabla muestra los tratamientos utilizados y el orden de corrida de las ejecuciones:

Broca Velocidad Orden de corrida

1/16 40 5 8 13 14
1/8 40 1 6 10 12
1/16 90 3 7 11 15
1/8 90 2 4 9 16

A: B:
A B X1 X2 X1 X2 Vibración Totales
Broca Velocidad
1/16 40 - - -1 -1 1 1 18.2 18.9 12.9 14.4
1/8 40 + - +1 -1 2 1 27.2 24.0 22.4 22.5
1/16 90 - + -1 +1 1 2 15.9 14.5 15.1 14.2
1/8 90 + + +1 +1 2 2 41.0 43.9 36.3 39.9

Elaborar los siguientes incisos mediante Excel

a) Calcular los efectos estimados de cada factor, así como el de interacción.
b) Elaborar e interpretar la gráfica de efectos principales y la de interacción.
La interacción porque el grado de integración son diferentes

GRAFICO DE EFECTOS
PRINCIPALES
40
30
20
10
0
A- A+ B- B+
c) Elaborar e interpretar el Análisis de Varianza.
d) Análisis de Varianza
Fuente GL SC Ajust. MC Ajust. Valor F Valor p
Modelo 3 1638.11 546.04 91.36 0.000
Lineal 2 1334.48 667.24 111.64 0.000
A 1 1107.23 1107.23 185.25 0.000
B 1 227.26 227.26 38.02 0.000
Interacciones de 2 términos 1 303.63 303.63 50.80 0.000
A*B 1 303.63 303.63 50.80 0.000
Error 12 71.72 5.98
Total 15 1709.83

1) Hipótesis:
 𝑯𝟎 : 𝐸𝑓𝑒𝑐𝑡𝑜 𝐴 = 0
𝑯𝟎 : 𝐸𝑓𝑒𝑐𝑡𝑜 𝐵 = 0
𝑯𝟎 : 𝐸𝑓𝑒𝑐𝑡𝑜 𝐴𝐵 = 0
𝑯𝑨 : 𝐸𝑓𝑒𝑐𝑡𝑜 𝐴 ≠ 0
𝑯𝑨 : 𝐸𝑓𝑒𝑐𝑡𝑜 𝐵 ≠ 0
𝑯𝑨 : 𝐸𝑓𝑒𝑐𝑡𝑜 𝐴𝐵 ≠ 0
2) Estadístico de prueba:
𝐶𝑀
𝐹0 = 𝐶𝑀𝐴 con distribución 𝐹1,2𝑘(𝑛−1)
𝐸

𝐶𝑀𝐵
𝐹0 = 𝐶𝑀 con distribución 𝐹1,2𝑘(𝑛−1)
𝐸

𝐶𝑀𝐴𝐵
𝐹0 = con distribución 𝐹1,2𝑘(𝑛−1)
𝐶𝑀𝐸

3) Regla de decisión para un nivel de significancia 𝜶:

Rechazar 𝑯𝟎 si 𝑽𝒂𝒍𝒐𝒓 − 𝒑 < 𝜶
4) Evaluación del estadístico de prueba:

5) Decisión:

6) Conclusión: La evidencia de la muestra apoya la hipótesis de que influye de manera

significativa de la vibración
e) Elaborar e interpretar el diagrama de Pareto de efectos estandarizados. ¿Qué factores son
los más significativos?
1) Hipótesis:
𝑯𝟎 : 𝐸𝑓𝑒𝑐𝑡𝑜 𝐴 = 0
𝑯𝟎 : 𝐸𝑓𝑒𝑐𝑡𝑜 𝐵 = 0
𝑯𝟎 : 𝐸𝑓𝑒𝑐𝑡𝑜 𝐴𝐵 = 0
𝑯𝑨 : 𝐸𝑓𝑒𝑐𝑡𝑜 𝐴 ≠ 0
𝑯𝑨 : 𝐸𝑓𝑒𝑐𝑡𝑜 𝐵 ≠ 0
𝑯𝑨 : 𝐸𝑓𝑒𝑐𝑡𝑜 𝐴𝐵 ≠ 0
2) Estadístico de prueba:
𝐸𝑓𝑒𝑐𝑡𝑜 𝐴
𝑡0 = 𝐸𝑓𝑒𝑐𝑡𝑜 𝑒𝑠𝑡𝑎𝑛𝑑𝑎𝑟𝑖𝑧𝑎𝑑𝑜 𝐴 = 𝐶𝑀𝐸
con distribución 𝑡𝑔𝑙𝑒
√
𝑛2𝑘−2

𝐸𝑓𝑒𝑐𝑡𝑜 𝐵
𝑡0 = 𝐸𝑓𝑒𝑐𝑡𝑜 𝑒𝑠𝑡𝑎𝑛𝑑𝑎𝑟𝑖𝑧𝑎𝑑𝑜 𝐵 = 𝐶𝑀𝐸
con distribución 𝑡𝑔𝑙𝑒
√
𝑛2𝑘−2

𝐸𝑓𝑒𝑐𝑡𝑜 𝐴𝐵
𝑡0 = 𝐸𝑓𝑒𝑐𝑡𝑜 𝑒𝑠𝑡𝑎𝑛𝑑𝑎𝑟𝑖𝑧𝑎𝑑𝑜 𝐴𝐵 = 𝐶𝑀𝐸
con distribución 𝑡𝑔𝑙𝑒
√
𝑛2𝑘−2

3) Regla de decisión para un nivel de significancia 𝜶:

Rechazar 𝑯𝟎 si |𝐸𝑓𝑒𝑐𝑡𝑜 𝑒𝑠𝑡𝑎𝑛𝑑𝑎𝑟𝑖𝑧𝑎𝑑𝑜| > 𝑡𝛼,𝑔𝑙𝑒
2

4) Evaluación del estadístico de prueba:

 5) Decisión:
Se rechaza Ho, que el efecto esta activo y es significativo
7) Conclusión: La evidencia de la muestra apoya la hipótesis de que influye de manera
significativa de la vibración
f) Determinar el modelo de regresión en unidades codificadas.
𝑌̂ = 𝛽̂0 + 𝛽̂1 𝑥1 + 𝛽̂2 𝑥2 + 𝛽̂12 𝑥1 𝑥2

Fuente GL SC Ajust. MC Ajust. Valor F Valor p

Modelo 3 1638.11 546.04 91.36 0.000
Lineal 2 1334.48 667.24 111.64 0.000
A 1 1107.23 1107.23 185.25 0.000
B 1 227.26 227.26 38.02 0.000
Interacciones de 2 términos 1 303.63 303.63 50.80 0.000
A*B 1 303.63 303.63 50.80 0.000
Error 12 71.72 5.98
Total 15 1709.83
g) Calcular e interpretar los coeficientes de determinación R2 y R2adj.

Resumen del modelo

R-cuad. R-cuad.
S R-cuad. (ajustado) (pred)
2.44476 95.81% 94.76% 92.54%

h) Obtener los valores predichos en cada tratamiento.

Elaborar los incisos anteriores más los siguientes incisos mediante los programas de Minitab
y Statgraphics
i) Elaborar la gráfica normal de efectos estandarizados.

j) Elaborar la gráfica de superficie de respuesta, la gráfica de contorno y la gráfica de

cuadro.
 Gráfica de contorno de vibracion vs. B, A
90
vibracion
< 16
16 – 20
20 – 24
24 – 28
80
28 – 32
32 – 36
36 – 40
> 40
B 70

60

50

40
0.07 0.08 0.09 0.10 0.11 0.12
A

Gráfica de superficie de vibracion vs. B, A

40

vi bracion 30

20 80
0

60 B
0.06
0.08
0.10 40
A 0.12
k) Identificar el ajuste del proceso que minimizará la variable vibración.
l) Verificar los supuestos de normalidad, homocedasticidad e independencia.
m) Determinar los límites de confianza para medias de pronósticos y los límites de confianza
para pronósticos individuales para cada uno de los tratamientos. Utiliza un nivel de
confianza del 95%.

Actividad 1.3 Diseño factorial 22 en bloques

Por lo general, no es posible correr todos los tratamientos de un diseño factorial 2^k bajo las
mismas condiciones experimentales; es decir, durante la planeación del experimento aparece
alguna restricción adicional que hace necesario considerar un factor de bloque en el estudio;
tal como: días, máquinas, material, tipo de producto, lote, etc.
a) Considerando el problema de la actividad anterior y suponiendo que cada una de las
cuatro réplicas se corrió en un día diferente (experimento repartido en cuatro bloques).
Determina mediante el Anova si el factor Bloque, día de la semana, influye sobre la
variable de vibración (probar 𝐻0 : 𝐸𝑓𝑒𝑐𝑡𝑜 𝑑𝑒 𝑏𝑙𝑜𝑞𝑢𝑒 = 0).

Actividad 1.4 Diseño factorial 22 replicado

Un ingeniero Industrial empleado por una compañía refresquera está interesado en los efectos
de dos diferentes tipos de botellas de 32 onzas sobre el tiempo de entrega de cajas de 12
botellas del producto. Los dos tipos de botella son de vidrio y de plástico. Se usan dos
empleados para realizar una tarea que consiste en mover 40 cajas del producto 50 pies en una
plataforma de carga estándar y acomodarlas en un estante de venta. Se hacen cuatro réplicas
de un diseño factorial 22 y los tiempos observados se enlistan a continuación:
Empleado
Tipo de Botella
A B
5.12 4.89 6.65 6.24
Vidrio
4.98 5.00 5.49 5.55
4.95 4.95 5.28 4.91
Plástico
4.27 4.25 4.75 4.71

a) Calcular los efectos estimados de cada factor, así como el de interacción.

Coeficientes codificados
EE del
Término Efecto Coef coef. Valor T Valor p FIV
Constante 5.1306 0.0900 56.99 0.000
A:tipo de botella -0.7437 -0.3719 0.0900 -4.13 0.001 1.00
B:empleado 0.6588 0.3294 0.0900 3.66 0.003 1.00
A:tipo de botella*B:empleado -0.3512 -0.1756 0.0900 -1.95 0.075 1.00

b) Elaborar e interpretar la gráfica de efectos principales y la de interacción.

c) Elaborar e interpretar el Análisis de Varianza.
Entre mas pequeño es el valor P es mas significativo
d) Elaborar e interpretar la gráfica de Pareto y la gráfica de Daniel (gráfico de probabilidad
normal de los efectos).

El efecto de a y b son significativos mientras que AB no lo son

e) ¿Qué combinación de tipo de botella y empleado minimizan el tiempo de entrega?

Predicción de respuesta múltiple

Valor de
Variable configuración
A:tipo de botella plastico
B:empleado A
EE de
Respuesta Ajuste ajuste IC de 95% IP de 95%
Tiempo de entrega 4.605 0.180 (4.213, 4.997) (3.728, 5.482)

Actividad 1.5 Diseño factorial 23 replicado

En una empresa que fabrica dispositivos electrónicos se identificó mediante un análisis de
Pareto que las fracturas de las obleas de silicio por choques térmicos era la principal causa
de obleas rotas en las etapas de procesamiento conocidas como “grabado mesa” y “piraña”.
Un grupo de esas áreas identificó a tres factores principales (temperaturas) como las
probables causas del problema. Por ello, se utilizó un experimento factorial 23 con el objetivo
de localizar una combinación de temperaturas en la cual se rompan un mínimo de obleas por
efecto térmico.
Los tres factores controlados y sus niveles en unidades originales, son las temperaturas:
T1: Temperatura de grabado (–3°C, –1°C)
T2: Temperatura de piraña (60°C, 98°C)
T3: Temperatura de agua (20°C, 70°C)

La combinación (–3°C, 98°C, 20°C) fue el tratamiento usual o en operación antes del
experimento. Así, uno de los dos niveles en cada factor es la temperatura usual y el otro es
una temperatura que se supone reduce el efecto térmico sobre la oblea.
La variable de respuesta es la proporción de obleas rotas por cada 250 obleas procesadas.
T1 T2 T3 P
–1 –1 –1 .040 .032
1 –1 –1 .012 .008
–1 1 –1 .036 .028
1 1 –1 .000 .000
–1 –1 1 .020 .020
1 –1 1 .000 .016
–1 1 1 .016 .008
1 1 1 .004 .004

a) Estima los efectos.

b) Elabora e interpreta el diagrama de Pareto estandarizado.
 Diagrama de Pareto Estandarizada para fraccion de obleas rotas

A:A temperatura de grabado +

-
AC

C:C temperatura de agua

B:B Temperatura de piraña

ABC

BC

AB

0 2 4 6 8
Efecto estandarizado

Los efectos ABC, BC y AB no son significativos, los demás si se consideran significativos

ya que pasan el valor critico
c) Realiza e interpreta el ANOVA.
Los tres efectos del primer orden son significativos, ya que es mayor que 0.05, A, B, C Y AC
d) Obtén el mejor ANOVA.
e) Determina el modelo de regresión.
𝑦̂ = 0.01525 − 0.00975𝑥1 − 0.00325𝑥2 − 0.00425𝑥3 + 0.00475𝑥4
fraccion de obleas rotas = 0.01525 - 0.00975*A temperatura de grabado - 0.00325*B Temperatura de piraña -
0.00425*C
temperatura de agua + 0.00475*A temperatura de grabado*C temperatura de agua
f) Elabora la gráfica de efectos principales, la gráfica de interacción y la gráfica de cubo.
Determina la condición óptima.
 Gráfica de Interacción para fraccion de obleas rotas

0.04

C temperatura de agua=-1.0
fraccion de obleas rotas
0.03

0.02
C temperatura de agua=1.0

0.01
C
C temperatura
temperatura de
de agua=1.0
agua=-1.0

0
-1.0 1.0
A temperatura de grabado

Gráfica de Efectos Principales para fraccion de obleas rotas

(X 0.001)
25
fraccion de obleas rotas

20

15

10

0
-1.0 1.0 -1.0 1.0 -1.0 1.0
A temperatura de grabado
B Temperatura de piraña
C temperatura de agua

g) Obtén el valor predicho en la condición actual del proceso y en la condición óptima. ¿En
qué porcentaje se mejoraría el proceso?
Solución
fraccion
deObleas
A temperatura B temperatura C temperatura rotas Deseabilidad
Solución de brabado de piralla de agua Ajuste compuesta
 1 -1 98 20 0.00175 0.95625

Predicción
Ajuste EE de ajuste IC de 95% IP de 95%

0.03075 0.0027126 (0.0247797, 0.0367203) (0.0185145, 0.0429855)

Se mejora en 94.3, se reta la de arriba y la de bajo, luego se divide por el de abajo y se

multiplica por 100
Actividad 1.6 Diseño factorial 23 replicado
Un ingeniero industrial está interesado en los efectos de la velocidad de corte (A), la
geometría de la herramienta (B) y el ángulo de corte (C) sobre la vida (en horas) de una
máquina herramienta. Se eligieron dos niveles de cada factor y se corren tres réplicas de un
diseño factorial 23. Los resultados fueron los siguientes:

Combinación Réplica
A B C de
I II III
tratamientos
 - - - (1) 22 31 25
+ - - a 32 43 29
- + - b 35 34 50
+ + - ab 55 47 46
- - + c 44 45 38
+ - + ac 40 37 36
- + + bc 60 50 54
+ + + abc 39 41 47

a) Estimar los efectos de los factores. ¿qué efectos parecen ser grandes?
b) Análisis de Varianza
Fuente GL SC Ajust. MC Ajust. Valor F Valor p
Modelo 7 1612.67 230.381 7.64 0.000
Lineal 3 1051.50 350.500 11.62 0.000
A 1 0.67 0.667 0.02 0.884
B 1 770.67 770.667 25.55 0.000
C 1 280.17 280.167 9.29 0.008
Interacciones de 2 términos 3 533.00 177.667 5.89 0.007
A*B 1 16.67 16.667 0.55 0.468
A*C 1 468.17 468.167 15.52 0.001
B*C 1 48.17 48.167 1.60 0.224
Interacciones de 3 términos 1 28.17 28.167 0.93 0.348
A*B*C 1 28.17 28.167 0.93 0.348
Error 16 482.67 30.167
Total 23 2095.33

c) Confirmar la respuesta del inciso anterior, mediante el análisis de varianza y el gráfico

de Pareto.
d) Análisis de Varianza
G SC MC Valo Valo
Fuente L Ajust. Ajust. rF rp
Modelo 7 1612. 230.3 7.64 0.00
67 81 0
Lineal 3 1051. 350.5 11.6 0.00
50 00 2 0
A 1 0.67 0.667 0.02 0.88
4
B 1 770.6 770.6 25.5 0.00
7 67 5 0
C 1 280.1 280.1 9.29 0.00
7 67 8
Interacciones de 2 términos 3 533.0 177.6 5.89 0.00
0 67 7
A*B 1 16.67 16.66 0.55 0.46
7 8
A*C 1 468.1 468.1 15.5 0.00
7 67 2 1
B*C 1 48.17 48.16 1.60 0.22
7 4
Interacciones de 3 términos 1 28.17 28.16 0.93 0.34
7 8
A*B*C 1 28.17 28.16 0.93 0.34
7 8
Error 1 482.6 30.16
6 7 7
Total 2 2095.
3 33
e) Excluir los factores insignificantes. Luego, escribir un modelo de regresión para predecir
la vida de la herramienta (en horas).
f) Probar la hipótesis nula de que el modelo actual se ajusta adecuadamente a los datos
observados contra la alternativa de que el modelo actual no se ajusta adecuadamente a
los datos observados, mediante la prueba de falta de ajuste.

No se rechaza porque el valor actual es mayor

g) Con base en el análisis de las gráficas de los efectos principales y las interacciones, de
los efectos significativos, ¿cuáles serían los niveles de los factores que recomendaría
utilizar?
Actividad 1.7 Diseño factorial 25 no replicado
En una planta donde se fabrican semiconductores se requiere mejorar el rendimiento del
proceso vía diseño de experimentos. De acuerdo con la experiencia del grupo de mejora, los
factores que podían tener mayor influencia sobre la variable de respuesta (rendimiento), así
como los niveles de prueba, son los siguientes:

A: Nivel de abertura (pequeña, grande)

B: Tiempo de exposición (20% abajo, 20% arriba)
C: Tiempo de revelado (30 seg, 45 seg)
D: Dimensión de la máscara (pequeña, grande)
E: Tiempo de grabado (14.5 min, 15.5 min)

Se decide correr un experimento 25 con una sola réplica para estudiar los cinco factores. Los
resultados de cada uno de los tratamientos en orden de Yates se muestran a continuación:
Notación de Yates Rend. (%) Notación de Yates Rend. (%)
(1) 7 e 8
a 9 ae 12
b 34 be 35
ab 55 abe 52
c 16 ce 15
ac 20 ace 22
bc 40 bce 45
abc 60 abce 65
d 8 de 6
ad 10 ade 10
bd 32 bde 30
abd 50 abde 53
cd 18 cde 15
acd 21 acde 20
bcd 44 bcde 41
abcd 61 abcde 63
a) Determina qué factores son significativos mediante el gráfico de Pareto y el gráfico
de probabilidad normal para los efectos.
 Diagrama de Pareto para Rendimiento

B:B tiempo de exposicion

A:A nivel de abertura +
C:C tiempo de revelado
AB -
DE
BCDE
ABDE
BCE
AE
CDE
ADE
CD
D:D dimencion de la mascara
BD
BE
BCD
ACD
ABC
AC
E:E tiempo de grabado
ACDE
ACE
ABD
CE
ABCDE
ABCE
BDE
ABE
ABCD
BC
AD
0 10 20 30 40
Efecto

b) Elimina los efectos no significativos del análisis y obtén el mejor ANOVA.

Análisis de Varianza
G SC MC Valo Valo
Fuente L Ajust. Ajust. rF rp
Modelo 4 1158 2896. 991. 0.00
5.1 28 83 0
Lineal 3 1108 3693. 1264 0.00
1.1 70 .90 0
A nivel e abertura 1 1116. 1116. 382. 0.00
3 28 27 0
B timepo de exposicion 1 9214. 9214. 3155 0.00
0 03 .34 0
C tiempo de revelado 1 750.8 750.7 257. 0.00
8 10 0
Interacciones de 2 términos 1 504.0 504.0 172. 0.00
3 61 0
A nivel e abertura*B timepo de exposicion 1 504.0 504.0 172. 0.00
3 61 0
Error 2 78.8 2.92
7
Total 3 1166
1 4.0
 Diagrama de Pareto Estandarizada para Rendimiento

+
B:B tiempo de exposicion -

A:A nivel de abertura

C:C tiempo de revelado

AB

0 10 20 30 40 50 60
Efecto estandarizado

c) Mediante las gráficas de los efectos y de interacción determina los niveles de los
factores que se deben fijar para maximizar el rendimiento.
 Gráfica de Interacción para Rendimiento

60
B tiempo de exposicion=1.0

50

40
Rendimiento

B tiempo de exposicion=1.0

30

20
B tiempo de exposicion=-1.0
B tiempo
10 de exposicion=-1.0

0
-1.0 1.0
A nivel de abertura

d) Obtén el modelo de regresión (variables codificadas) para explicar el comportamiento

del rendimiento durante las pruebas.
Coeficientes codificados
EE del
Término Efecto Coef coef. Valor T Valor p FIV
Constante 30.531 0.302 101.07 0.000
A nivel e abertura 11.812 5.906 0.302 19.55 0.000 1.00
B timepo de exposicion 33.938 16.969 0.302 56.17 0.000 1.00
C tiempo de revelado 9.687 4.844 0.302 16.03 0.000 1.00
A nivel e abertura*B timepo de exposicion 7.938 3.969 0.302 13.14 0.000 1.00

𝑦̂ = 30.531 − 5.906𝑥1 − 16.969𝑥2 − 4.844𝑥3 + 3.969𝑥4

Rendimiento = 30.5313 + 5.90625*A nivel de abertura + 16.9688*B tiempo de exposicion + 4.84375*C tiempo
de revelado + 3.96875*A nivel de abertura*B tiempo de exposicion

e) Determina el valor predicho, el intervalo de confianza y el intervalo de predicción del

95% para el tratamiento que maximiza el rendimiento. Interpreta los resultados
obtenidos.

f) Verifica los supuestos del modelo.

Actividad 1.8 Diseño factorial 25 no replicado
El objetivo del experimento es mejorar el rendimiento en el área de fermentación de agave
tequilero. Los factores que se controlan y sus niveles en unidades originales son los
siguientes:

A: Temperatura de carga (28°C, 30°C)

B: Inóculo de levadura (0.31%, 0.72%)
C: Temperatura del medio ambiente (22°C, 34°C)
D: Temperatura de fermentación (34°C, 42°C)
E: Brix de carga (13.0 ° BX, 15.5 ° BX)

Se utiliza un diseño factorial 25 con sólo una corrida en cada tratamiento. El diseño y los
rendimientos observados se muestran en la siguiente tabla:
 Notación de Yates Rend. (%) Notación de Yates Rend. (%)
(1) 60.30 e 79.44
a 73.20 ae 60.40
b 95.62 be 46.98
ab 79.41 abe 61.95
c 95.62 ce 57.05
ac 97.24 ace 42.09
bc 76.17 bce 47.65
abc 57.05 abce 53.69
d 90.76 de 61.58
ad 46.96 ade 27.00
bd 45.30 bde 61.15
abd 42.09 abde 57.05
cd 89.13 cde 56.12
acd 71.31 acde 55.36
bcd 76.17 bcde 29.30
abcd 61.58 abcde 28.59

a) Obtener el mejor ANOVA con apoyo del gráfico de Pareto, considerando en el análisis
las interacciones hasta el orden 3. ¿Qué efectos son significativos al nivel del 8%?
b) Obtener el tratamiento ganador e interpretar el intervalo de predicción al 92 % de
confianza en dicho tratamiento.

si ajustamos tendremos el valor de 93.08

Análisis de Varianza
Fuente GL SC Ajust. MC Ajust. Valor F
Modelo 6 6871.6 1145.26 5.99
Lineal 5 5899.9 1179.99 6.17
A: Temperatura de carga 1 735.1 735.07 3.84
 B: Inóculo de levadura 1 646.3 646.29 3.38
C: Temperatura del medio ambien 1 0.8 0.76 0.00
D: Temperatura de fermentación 1 1062.7 1062.72 5.56
E: Brix de carga 1 3455.1 3455.09 18.06
Interacciones de 2 términos 1 971.6 971.63 5.08
C: Temperatura del medio ambien*E: Brix de carga 1 971.6 971.63 5.08
Error 25 4782.7 191.31
Total 31 11654.3
Fuente Valor p
Modelo 0.001
Lineal 0.001
A: Temperatura de carga 0.061
B: Inóculo de levadura 0.078
C: Temperatura del medio ambien 0.950
D: Temperatura de fermentación 0.027
E: Brix de carga 0.000
Interacciones de 2 términos 0.033
C: Temperatura del medio ambien*E: Brix de carga 0.033
Error
Total

Actividad 1.9 Diseño factorial 23 con repeticiones al centro

En un proceso de circuitos integrados (obleas) interesa minimizar la corriente de fuga, que
se supone depende de la temperatura de quemado (A), tiempo de quemado (B) y porcentaje
de nitrógeno (C). Para ello se decide correr un experimento factorial 23 con cuatro
repeticiones al centro. Los resultados obtenidos se muestran en seguida:
Temperatura Tiempo de Porcentaje de
Y = Corriente de fuga
de quemado quemado nitrógeno
-1 -1 -1 2.153 1.843
+1 -1 -1 1.609 2.018
-1 +1 -1 1.346 1.766
+1 +1 -1 1.695 2.051
 -1 -1 +1 3.864 5.041
+1 -1 +1 7.054 5.574
-1 +1 +1 5.519 4.181
+1 +1 +1 5.746 6.088
0 0 0 2.490 2.384
0 0 0 2.474 1.778

Incluyendo los puntos centrales en el modelo, haz lo siguiente mediante Minitab:

a) Determinar si la curvatura es significativa al 5% de significancia.
H0: El modelo de regresión actual se ajusta adecuadamente a los datos observados y no
requiere de los términos cuadráticos puros.
H1: El modelo actual no se ajusta adecuadamente a los datos y al menos un término
cuadrático puro debe incluirse en el modelo. En otras palabras, el modelo de regresión
múltiple obtenido no se ajusta adecuadamente a la respuesta observada en el punto al
centro. Le falta al menos un término cuadrático puro: 𝑥12 , 𝑥22 o 𝑥32 .

El modelo actual no se ajusta adecuadamente a los datos y al menos un termino cuadratico

puro debe incluirse en el modelo
b) Si la curvatura es significativa, incluirla en el modelo; sino, excluirla. Luego, determinar
qué factores influyen sobre la corriente de fuga, al 5% de nivel de significancia, mediante
el ANOVA y el análisis de Pareto. Obtener el mejor ANOVA.
c) Obtener el valor predicho en el tratamiento central. (Promedio de los puntos centrales).
Sin incluir los puntos centrales en el modelo, haz lo siguiente mediante Minitab:
d) Elaborar los gráficos de residuos contra los niveles de los factores. ¿Se percibe la
curvatura?

e) Obtener el valor predicho en el tratamiento central.

Resuelve los siguientes incisos mediante Statgraphics:

f) Determinar si la curvatura es significativa, al 5% de significancia, mediante la prueba de
falta de ajuste.
 Se rechaza el modeo actual
g) Si la curvatura es significativa, incluirla en el modelo; sino, excluirla. Luego, determinar
qué factores influyen sobre la corriente de fuga, al 5% de nivel de significancia, mediante
el ANOVA y el análisis de Pareto. Obtener el mejor ANOVA.

Diagrama de Pareto Estandarizada para correinte de fuga

+
-
C:C porcentaje de nitrogeno

A:A temperatura de quemado

AC

0 3 6 9 12 15
Efecto estandarizado

h) Elaborar los gráficos de residuos contra los niveles de los factores. ¿Se percibe la
curvatura?
 Gráfica de Residuos para correinte de fuga

1
residuo

-1

-2
-1 -0.6 -0.2 0.2 0.6 1
A temperatura de quemado

Gráfica de Residuos para correinte de fuga

1
residuo

-1

-2
-1 -0.6 -0.2 0.2 0.6 1
C porcentaje de nitrogeno

i) Obtener el valor predicho y el valor promedio en el tratamiento central.

Actividad 1.10
Elige y resuelve un problema de la sección Preguntas y ejercicios del capítulo seis del
siguiente libro:
Gutiérrez Pulido, H., & De la Vara Salazar, R. (2008). Análisis y diseño de experimentos (2ª
ed.). México: Mc Graw-Hill.