Documentos de Académico
Documentos de Profesional
Documentos de Cultura
6-1. Un ingeniero 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 eligen dos
niveles de cada
factor y se corren tres réplicas de un diseño factorial 23. Los resultados fueron los
siguientes:
horas=40.833+0.167(velocidad)+5.667(geometría)+3.417(angulo)-
0.833(velocidad*geometria)-4.417(velocidad*angulo)-1.417(geometría*angulo)-
1.083(velocidad*geometría*angulo)
Horas=40.833+0.167(velocidad)+5.667(geometria)+3.417(angulo)-4.417(vel*angulo)
Los tres factores deben estar en nivel alto en base a lo gráfico, sin embargo, al realizar la
optimización la gráfica nos arroja que para obtener el máximo de horas en tiempo de vida
es necesario que la velocidad se encuentre en nivel bajo y que tanto geometría como ángulo
estén en niveles altos.
Velocidad y geometría no tienen interacción
6-2. Considere nuevamente el inciso e del problema 6-1. Utilizar el modelo de regresión
para generar las gráficas
de la superficie de respuesta y de contorno de la respuesta, la vida de la herramienta.
Interpretar estas gráficas.
¿ofrecen alguna idea respecto de las condiciones de operación deseables para este proceso?
Con la geometría fija en el nivel optimo es decir de 1 podemos ver en grafica de contorno
de horas vs ángulo, velocidad que la región de operación está en un ángulo de entre .9 y 1 y
una velocidad de entre -0.9 y -1.
Con la velocidad fija en el nivel optimo es decir de -1 podemos ver en grafica de contorno
de horas vs Angulo, geometría, dejando a la geometría en un nivel alto
6-4. Representar los efectos de los factores del problema 6-1 en una gráfica relativa a una
distribución t escalada
apropiadamente. ¿En esta representación gráfica se identifican de manera adecuada los
factores importantes?
Comparar las conclusiones de esta gráfica con los resultados del análisis de varianza.
En esta grafica podemos observar que se mantienen los mismos factores como
significativos, GEOMETRIA, ANGULO e interacción de VELOCIDAD/ANGULO. Por lo
que se identifican de manera adecuada los factores importantes.
6-5. Se usa una máquina para hacer ranuras de localización en una tarjeta de circuitos
impresos. El nivel de vibración en la superficie de la tarjeta cuando se hacen las ranuras se
considera una fuente principal de variación
dimensional de las ranuras. Se piensa que dos factores influyen en la vibración: el tamaño
de las ranuras (A) y
la velocidad de corte (B). Se seleccionan dos tamaños de las ranuras (¡\;y i de pulgada) y
dos velocidades ( 40 y
90 rpm), y se hacen ranuras en cuatro tarjetas con cada conjunto de condiciones que se
muestran abajo. La
variable de respuesta es la vibración medida como el vector resultante de tres acelerómetros
(x, y y z) en cada
tarjeta de prueba.
Con respecto a la gráfica de Pareto podemos observar que todos sus factores son
significativos, así como la interacción entre ellos.
En el análisis de varianza observamos que los valores de P para los factores y su interacción
es igual a 0 por lo que cumple con la hipótesis alterna demostrando así que todos son
significativos para el proceso.
MODELO DE REGRESION
Vibracion=23.831+8.319(Tamaño)+3.769(Velocidad)+4.356(Tamaño*Velocidad)
En grafica de residuales podemos observar que se cumple con todos los supuestos,
normalidad, varianza homogénea e independencia
e) Hacer la gráfica de la interacción AB. Interpretar esta gráfica. ¿Qué niveles del
tamaño de las ranuras y
la velocidad se recomendaría para la operación rutinaria?
Todos los factores son significativos
Gráficamente no pareciera existir interacción entre el tamaño y velocidad sin embargo tanto
en Pareto, como en el análisis de la varianza podemos observar que esta interacción si es
significativa.
Para una operación rutinaria se recomiendan que los niveles de operación sean los óptimos
por lo que en este caso se busca una vibración mínima por lo tanto el tamaño deberá ser
igual o cercano a 0.0625 y la velocidad a 90.
6-6. Considere nuevamente el experimento descrito en el problema 6-1. Suponga que el
experimentador efectuó
únicamente ocho ensayos de la réplica l. Además, corrió cuatro puntos centrales y obtuvo
los siguientes valores
de la respuesta: 36, 40, 43, 45.
a) Estimar los efectos de los factores. ¿Qué efectos son grandes?
Con grafica de Pareto podemos observar que geometría, ángulo y la interacción entre
velocidad y ángulo son los efectos grandes.
La curvatura cuadrática en su valor p nos muestra no ser significativa por lo que es posible
eliminarla.
e) Escribir un modelo apropiado para predecir la vida de la herramienta, con base en los
resultados de este
experimento. ¿Este modelo difiere en alguna forma sustancial del modelo del problema 6-1,
inciso e?
Por medio del análisis factorial podemos determinar que los únicos factores significativos
son el factor B, C y la interacción de A con C.
Sin embargo, los residuales no cumplen con los supuestos por lo que será necesario refinar
el modelo dejando únicamente factores significativos para este caso Velocidad, Geometría,
Angulo, Velocidad*Angulo y Velocidad*Geometría*Angulo lo que nos arroja los
siguientes supuestos
Con la gráfica de Pareto podemos observar que aquellos factores que tiene un efecto grande
son A, D, C, las interacciones de 2 factores AB, AD y las interacciones de 3 factores ABC,
ABD y la interacción entre todos los factores ABCD.
b) Construir la tabla del análisis de varianza y determinar cuáles factores son importantes
para explicar el
rendimiento.
Todos aquellos factores e interacciones entre factores que muestran un valor P menor que
0.05 son considerados importantes para explicar el rendimiento de acuerdo a la tabla de
análisis de varianza podemos decir que los factores importantes son A, B, C, A*B, A*C,
A*B*C, A*B*D, A*B*C*D. los cuales coinciden con lo que nos arroja la gráfica de
Pareto.
e) Escribir un modelo de regresión para predecir el rendimiento, suponiendo que los cuatro
factores se hicieron
variar en el rango de -1 a + 1 (en unidades codificadas).
Modelo de regresión
Rendimiento = 82.781-4.531A -0.656 B -1.344C +1.969D+2.031(A*B)-1.094(A*D)-
2.594(A*B*C)+2.344(A*B*D)+1.219(A*B*C*D)
d) Graficar los residuales contra el rendimiento predicho y en una escala de probabilidad
normal. ¿El análisis
residual parece ser satisfactorio?
El análisis residual se muestra satisfactorio para el supuesto de normalidad e
independencia, pero no así para la varianza homogénea.
e) Dos interacciones de tres factores, ABC y ABD, aparentemente tienen efectos grandes.
1tazar una gráfica
de cubo en los factores A, B y C con los rendimientos promedio indicados en cada vértice.
Repetir lo
anterior utilizando los factores A, B y D. ¿Estas dos gráficas ayudan en la interpretación de
los datos?
¿Dónde se recomendaría que se corriera el proceso con respecto a las cuatro variables?
Con estas graficas podemos observar que el punto de mayor rendimiento lo encontramos en
el vértice izquierdo inferior del segundo cubo con un valor de 96.5 por lo que la
recomendación para correr el proceso con respecto a sus variables es que A se encuentren en
un rango bajo -1, B en un rango bajo -1 y D en un rango alto +1.
6-8. Un bacteriólogo está interesado en los efectos de dos medios de cultivo diferentes y
dos tiempos diferentes sobre el crecimiento de un virus particular. Realiza seis réplicas de
un diseño 22, haciendo las corridas de manera aleatoria. Analizar los datos del crecimiento
viral que se presentan enseguida y sacar las conclusiones apropiadas. Analizar los
residuales y comentar la adecuación del modelo.
•Podemos observar que los efectos de los factores para horas=9.083, Cultivo=-2.083 e
interacción horas/cultivo=-3.083.
•De acuerdo a grafica de Pareto y valores P obtenidos se sabe que todos los factores y sus
interacciones son significativos para el proceso.
•El modelo se adecua eliminando las observaciones 9 y 17 lo cual nos arroja un R-cuad.
90.60 y una R de predicción de 85.01 resulta ser un mejor modelo, pero el factor Cultivo
(B) deja de ser significativo
•Con la adecuación se cumple supuesto de normalidad, supuesto de varianza homogénea e
independencia.
•El modelo de regresión para este sistema
CRECIMIENTO DE VIRUS= -24.667+3.77(Horas)+19.33(Cultivo)-
1.3611(Horas*Cultivo).
•Para que el virus en particular muestre un máximo crecimiento necesitaremos utilizar los
siguientes valores óptimos Horas=18 y utilizar Cultivo=1 para obtener un crecimiento
máximo de 37.16 mostrado en nuestra grafica de optimización.
6-9. 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 botellas 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 2 2y los tiempos observados se enlistan en la
siguiente tabla.
Analizar los datos y sacar las conclusiones apropiadas. Analizar los residuales y comentar la
adecuación del
modelo.
• Los efectos para los factores son A=-0.7300, B=0.6450 y la interacción de AB=-0.3375.
• Con grafica Pareto podemos observar que los factores significativos para el proceso son
el A y B, lo cual podemos corroborar con el valor P el cual es menor de 0.05.
• R-cuadrada y R-cuadrada de predicción son menores de 80%, existen observaciones
inusuales, además de no cumplirse todos los supuestos. Por lo que el modelo debe tener
adecuaciones.
• Se cumple supuesto de normalidad y supuesto de independencia, pero no se cumple con
el supuesto de varianza homogénea.
Se busca un mejor modelo
1. Eliminando los factores que no son significativos, pero sin embargo las R-cuadradas
bajan aún más R-cuad. = 64.5% R-cuad. (pred.) = 46.22%.
2. Considerando todos los factores y eliminando las observaciones inusuales las R-
cuad retomas los valores con que iniciamos el modelo no existe una diferencia
relevante y ya no existen más observaciones inusuales
3. Por lo tanto, el mejor modelo es el que se presenta inicialmente.
Tenemos entonces que para optimizar mi sistema y obtener Tiempo mínimo =4.4356 el
factor A debe estar en alto y el factor B en bajo.
6-10. En el problema 6-9, el ingeniero también estuvo interesado en las diferencias en la
fatiga potencial que resulta
de los tipos de botellas. Como una medida de la cantidad de esfuerzo requerido, midió el
aumento del ritmo
cardiaco (pulso) inducido por la tarea. Los resultados se presentan a continuación. Analizar
los datos y
sacar conclusiones. Analizar los residuales y comentar la adecuación del modelo.
c) Analizar los residuales. ¿se observa algún residual que debiera causar
preocupación?
6-15. Se utiliza una aleación de níquel y titanio para fabricar componentes de los motores
de turbina de aviones.
La formación de fisuras es un problema potencialmente serio de las piezas terminadas, ya
que pueden provocar
fallas irreversibles. Se realiza una prueba de las piezas para determinar el efecto de cuatro
factores sobre
las fisuras. Los cuatro factores son la temperatura de vaciado (A), el contenido de titanio
(B), el método de
tratamiento térmico (C) y la cantidad de refinador de grano usada (D). Se hacen dos
réplicas de un diseño 24
y se mide la longitud de las fisuras (en mm x 10-2) inducidas en un ejemplar de prueba de
muestra sometido a
una prueba estándar. Los datos se muestran en la siguiente tabla:
a) Estimar los efectos de los factores. ¿Qué efectos de los factores parecen ser
grandes?
Los efectos de los factores serian los siguientes
Podemos observar que los factores que
parecen ser grandes son
A= Temperatura
B= Titanio
C=T. Térmico
D= Refinador
AB=Temperatura *Titanio
AC=Temperatura*T. Térmico
ABC=Temperatura * Titanio * T. térmico
Si todos los factores anteriores A, B, C, D e interacciones de AB, AC, ABC, resultan ser
significativos para la formación de fisuras puesto que su valor P es menor que 0.05, por lo
que estamos cumpliendo hipótesis nula que nos indica que estos factores y sus
interacciones SI resultan ser significativos para el proceso.
e) Escribir un modelo de regresión que pueda usarse para predecir la longitud de las
fisuras como una función de los efectos principales y las interacciones significativas
que se han identificado en el inciso b.
Podemos observar que el modelo representa muy bien al sistema puesto que en R-cuad
=99.77% y R-cuad(pred)=99.07%
c) Analizar los residuales de este experimento.
Observamos que se cumplen los supuestos de normalidad e independencia, pero no así el
supuesto de varianza homogénea.
d) ¿Hay algún indicio de que alguno de los factores afecte la variabilidad de la
formación de fisuras?
Si se observa en diag
A= Temperatura
B= Titanio
C=T. Térmico
D= Refinador
AB=Temperatura *Titanio
AC=Temperatura*T. Térmico
ABC=Temperatura * Titanio * T. térmico
a) Considere únicamente la respuesta del peso molecular. Graficar las estimaciones de los
efectos en una
escala de probabilidad normal. ¿Qué efectos parecen ser importantes?
De acuerdo al análisis y grafica de Pareto podemos observar que los efectos que parecen ser
importantes son el tiempo, la temperatura y la interacción de temperatura con catalizador.
b) Usar un análisis de varianza para confirmar los resultados del inciso a. ¿Hay algún
indicio de curvatura?
Podemos observar que la curvatura es mayor a 0.05 por lo que no resulta significativa. No
hay indicio de curvatura.
e) Escribir un modelo de regresión para predecir el peso molecular como una función
de las variables importantes.
Al ajustar el sistema y solo dejar aquellas variables que son significativas podemos
observar que el modelo es bueno puesto que presenta un R cuadrada de 93.83% y una R
cuadrada de predicción de 87.77%. Con el cual podemos generar un buen modelo de
regresión.
modelo.
b) Ajustar el modelo identificado en el inciso a y analizar los residuales. Hay algún indicio
de que el modelo
no sea adecuado?
Si podemos observar que tanto la R cuadrada como la de predicción están casi en un 100% .
d) Ajustar un modelo en términos de las variables codificadas que pueda usarse para
predecir la rugosidad
superficial. Convertir esta ecuación de predicción en un modelo en las variables naturales.
El modelo de regresión en variables naturales sería el siguiente
Rugosidad superficial =2936.98-239.526 Angulo-9.07099 Viscosidad +13.6976 Velocidad
+29.8956 Enfriador + 0.782657 (Angulo * Viscosidad) – 0.0830498 (Viscosidad *
Enfriador).