DISEÑO DE EXPERIMENTOS
IMPROVE
DOE FULL FACTORIAL
Green Belt
Copyright Academia Lean Sigma
DOE Diseño de Experimentos
DOE 2 niveles factorial
- Prueba de normalidad
- Coeficiente de determinación
- DOE 2K Diseñar, analizar e interpretar resultados de este tipo de experimentos
Copyright Academia Lean Sigma
✓ Prueba de normalidad
✓ Ecuación de regresión
Copyright Academia Lean Sigma
Prueba de normalidad
Ho: La distribución de los datos Distribución Normal
Ha: La distribución de los datos Distribución Normal
Sample ID Percent Fat
1 15.2
2 12.4
3 15.4
4 16.5
5 15.9
6 17.1
7 16.9
8 14.3
9 19.1
10 18.2
11 18.5
12 16.3
13 20
14 19.2
15 12.3
16 12.8
17 17.9
18 16.3
19 18.7
20 16.2
Copyright Academia Lean Sigma
Prueba de normalidad
Copyright Academia Lean Sigma
Prueba de normalidad
P- value > 0.05 por lo que fallamos de rechazar Ho, y
podemos concluir con 95% de confianza que los datos siguen
una distribución normal
Copyright Academia Lean Sigma
Ecuación de regresión
R-sq R-sq(adj)
Copyright Academia Lean Sigma
R- squared (coeficiente de determinación)
Que es R- sq
Es el porcentaje de la variación <del proceso analizado> que se explica con la ecuación
obtenida. Y= f(x)
R- sq explica la variación
R- sq siempre es entre 0 y 100%
0 cero indica que el modelo explica NADA de la variación en a respuesta
100% indica que la ecuación explica toda la variación el a respuesta
El modelo de regresión de a izquierda explica el 38.0% de la variación. El modelo de
la derecho explica el 87.4%
R2 asume que cada variable independiente explica la variación de la variable dependiente.
La R2 ajustada nos dice el porcentaje de la variación explicada solo por las variables
independientes que afectan realmente a la variable dependiente. .
Copyright Academia Lean Sigma
What Is the Predicted R-squared?
The predicted R-squared indicates how well a regression model predicts
responses for new observations. This statistic helps you determine when the
model fits the original data but is less capable of providing valid predictions for
new observations.
Copyright Academia Lean Sigma
2
2 DOE
K
2 DOE
K
Un DOE full factorial con numero de factores K requiere 2 corridas. Por ejemplo un
experimento de 2 niveles con 3 factores va a requerir 2 3 8 corridas.
Algunos factores tienen de forma natural 2 niveles, pero comúnmente los limites del
rango de interés son utilizados. Por ejemplo si un factor es la temperatura que varia de
45 a 90 grados Centígrados, entonces los dos niveles serán 45 y 90 grados centígrados.
Al primer nivel se le representa como -1(nivel bajo) y al segundo nivel como 1 (nivel alto)
Por supuesto sabemos ya que un experimento puede tener 2, 3, 4, K factores
K
Experimentos 2 son muy utilizados sobre todo en las primeras etapas
experimentales cuando hay demasiados factores involucrados.
• 2k provee el numero mínimo de corridas con la que el efecto de un numero
K de factores puede ser estudiado.
2
2 DOE
2
El experimento mas simple de dos niveles es el de 2 donde dos
factores (digamos factor A y factor B) son investigados en 2 niveles. Con
una sola replica este experimento va a requerir 2 x 2 = 4 corridas.
Los efectos investigados para este diseño son los dos efectos
principales de A de B y la interacción del efecto AB. Los tratamiento del
diseño son mostrados en la siguiente tabla
La matriz codificada
Corrida A B
1 -1 -1
2 -1 +1
3 +1 -1
4 +1 +1
2
2 DOE
La matriz codificada con interacción
Corrida A B AB
1 -1 -1 +1
2 -1 +1 -1
3 +1 -1 -1
4 +1 +1 +1
EJERCICIO D2K-1
Un experimento es planeado para probar el efecto del porcentaje de la carbonatación y de la presión
de llenado de operación en el llenado de latas de Pepsi.
La carbonatación tiene valores de 10 a 12%.
La presión de operación es de 25 a 30 PSI.
El experimento se hace con 3 replicas
Especificación es 355 mL +/- 5 por lata
Abrir archivo
EJEMPLOS
DOE 2K en
Excel
2
2 DOE
(en opciones quitar randomize, solo para efectos de la clase)
2
2 DOE
D2K-1
1. Problema practico: Mejorar llenado latas de 355 mL
2. Ho1: La carbonatación No tiene impacto sobre el llenado
Ho2: La presión de operación NO tiene impacto sobre el llenado
Ho3: la interacción de C y presión No tienen impacto sobre llenado
Ha: La carbonatación SI tiene impacto sobre el llenado, etc….
3. Y: Llenado de lata en mL
4. X’s: Carbonatación; Presión de operación
Block n/a
5. Niveles: 2
2
6. DOE: 2 con tres replicas
7. Colección de datos: aleatorios
EJERCICIO D2K-2
Quejas recientes por parte de diversos clientes han sido recibidas debido a pouches del
modelo 500X abiertos, comprometiendo la barra estéril.
La revisión de este modelo nos indica que todas las piezas involucradas en las quejas han
sido empacadas en la URANIA modelo 3500 P.
Se panea un experimento para retar los parámetros actuales de temperatura y presión.
Temperatura: mínimo = 80; max = 150 gados F
Presión: mínimo = 0.8; max = 6 PSI
Especificación pull test = 5 PSI mínimo
Se planea un DOE con 4 replicas
(en opciones quitar randomize, solo para efectos de la clase)
Abrir archivo
EJEMPLOS
DOE 2K en
Excel
2
2 DOE
D2K-2
1. Problema practico:
2. Ho1:
Ho2:
Ho3:
Ha:
3. Y:
4. X’s:
Block n
5. Niveles:
2
6. DOE:
7. Colección de datos:
3
2 DOE
3
2 DOE
Ahora consideremos experimentos con 3 factores dos niveles 23 donde tres factores
(digamos factor A , factor B, y factor C) son investigados en 2 niveles. Con una sola
replica este experimento va a requerir 2 x 2 x 2 = 8 corridas.
Los efectos investigados para este diseño son los dos efectos principales de A de B, de
C y las interacciones de los efecto AB, AC, BA, BC y ABC.
Los tratamiento del diseño son mostrados en la siguiente tabla
3
2 DOE
Corrida A B C AB AC BC ABC
1 + + + + + + +
2 + + - + - - -
3 + - + - + - -
4 + - - - - + +
5 - + + - - + -
6 - + - - + - +
7 - - + + - - +
8 - - - + + + -
Factorial total tres factores, 8 corridas
EJERCICIO D2K-3
Retomando el experimento de llenado de latas de Pepsi, ahora con un
tercer factor. Se planea probar el efecto del porcentaje de la carbonatación,
la presión de llenado, y de la velocidad en el llenado de latas de Pepsi
La carbonatación tiene valores de 10 a 12%.
La presión de operación es de 25 a 30 PSI.
Velocidad (RPM) de 200 a 250 Ver DOE
El experimento se hace con 2 replicas Multifactorial
Especificación es 355 mL +/- 5 por lata excel
(en opciones quitar randomize, solo para efectos de la clase)
3
2 DOE
D2K-3
1. Problema practico: Mejorar llenado latas de 355 mL
2. Ho1: La carbonatación No tiene impacto sobre el llenado
Ho2: La presión de operación NO tiene impacto sobre el llenado
Ho3: la velocidad de llenado NO tiene impacto sobre el llenado
Ho4: la interacción de C y presión No tienen impacto sobre llenado
Ha: La carbonatación SI tiene impacto sobre el llenado, etc….
3. Y: Llenado de lata en mL
4. X’s: Carbonatación; Presión de operación
Block n/a
5. Niveles: 2
6. DOE: 2 3 con tres replicas
7. Colección de datos: aleatorios
3
2 DOE
8. Conclusión estadística
Se rechazan Ho1, Ho2 y Ho3
Carbonatación, presión y velocidad si
tienen impacto significativo.
Las interacciones NO tiene impacto
3
2 DOE
9 Repita resultados con valores
óptimos
10. Soluciones practicas: valor
optimo es REVISAR CLASE
11. Implemente soluciones: valor
optimo es : REVISAR CLASE
Cuanto quedaría el rango del set
up?
D2K-4
Se quiere analizar el desgaste del mecanismo de frenado en un auto Mustang
Se definen tres factores:
A: Presión en pedal: 200 A 400 psi
B: Numero de frenadas: 3 a 5
C: tiempo de ciclo (duración con pedal presionado): de 3 a 5 segundos
Se decide correr el experimento con 2 replicas.
El desgaste se mide sobre el espesor del tambor de frenado. Espesor, entre menor la
dimensión mayor el desgaste.
Se busca un 90% de confianza
(en opciones quitar randomize, solo para efectos de la clase)
D2K-5
At each combination of these process settings, the experimenters
recorded the filtration rate. The goal is to maximize the filtration rate and
also try to find conditions that allow a reduction in the concentration of
formaldehyde, Factor C.
Sacar de la ecuación variables e interacciones no significantes
½
Diseños Factoriales Fraccionales de 2 niveles
Interacciones
Las Interacciones de los efectos ocurren cuando el efecto de una variable depende del
valor de otra variable
Líneas paralelas indica que No hay
interacción significativa
Líneas coincidentes indica que
existe cierta interacción, revisando el
p –value podríamos ver si esa
interacción es significativa
Copyright Academia Lean Sigma
Interacciones
Líneas cruzadas indican interacción, es
decir en este ejemplo que el efecto (el nivel
de disfrute) depende no solo de las X
mostradas, si no también del condimento
que se agregue. El efecto sube si aplican
mostaza en los hotdogs, y chocolate en la
nieve. Y baja dramáticamente si utilizas
chocolate en hotdogs, y mostaza en la
nieve.
Copyright Academia Lean Sigma
Interacciones
En esta grafica, la relación entre
temperatura y fuerza cambia de dirección
basado en la presión. Es decir hay
interacción entre temperatura y presión.
Su buscas maximizar la fuerza, y alguien
pregunta si el proceso puede usar alta o
baja temperatura, tendrás que responder “
eso depende”. En este caso depende de la
presión. No puedes responder solo con a
temperatura sin conocer la presión.
Copyright Academia Lean Sigma
Diseños factoriales completos
Diseños factoriales completos
Un diseño factorial completo es un diseño en el cual los investigadores miden las respuestas para
todas las combinaciones de niveles de los factores. Minitab ofrece dos tipos de diseños factoriales
completos:
Diseños factoriales completos de 2 niveles que solo contienen factores de 2 niveles.
Diseños factoriales completos generales que contienen factores con más de dos niveles.
El número de corridas necesarias para un diseño factorial completo de 2 niveles es 2k, donde k es el
número de factores. A medida que aumenta el número de factores incluidos en un diseño factorial de 2
niveles, el número de corridas necesarias para realizar un diseño factorial completo aumenta
rápidamente.
Por ejemplo, un diseño factorial completo de 2 niveles con 6 factores requiere
64 corridas, un diseño con 9 factores requiere 512 corridas. Un diseño factorial
fraccionado de un medio requeriría solo la mitad de esas corridas.
Copyright Academia Lean Sigma
Diseños factoriales fraccionados
Un diseño fraccionado es un diseño en el cual los investigadores solo realizan un
subconjunto seleccionado o "fracción" de las corridas experimentales incluidas en
el diseño factorial completo. Los diseños factoriales fraccionados son una opción
adecuada cuando los recursos son limitados o el número de factores incluidos en
el diseño es grande, porque utilizan menos corridas que los diseños factoriales
completos.
Un diseño factorial fraccionado utiliza un subconjunto de un diseño factorial
completo, por lo que parte de los efectos principales y las interacciones de 2
factores se confunden y no se pueden separar de los efectos de otras
interacciones de orden superior. Por lo general, los investigadores están
dispuestos a presuponer que los efectos de orden superior son insignificantes para
obtener información sobre los efectos principales y las interacciones de orden bajo
con menos corridas.
Copyright Academia Lean Sigma
Diseños factoriales fraccionados
Una de las principales aplicaciones de los
diseños factoriales fraccionados es en los
experimentos de exploración
(screening) cuando se trata de
experimentos que contienen muchos
factores (5, 6, 7, 8, etc.) y el objetivo es
identificar aquellos factores que puedan
tener (o no) efecto significativo.
Copyright Academia Lean Sigma
Conceptos en DOE: Resolución
Resolución: Es una medida del grado de confusión que existe entre los
efectos. Para denotar la resolución usamos números romanos. La
resolución de su diseño define la cantidad de información que puede
obtenerse de su diseño experimental.
Resolución en DOE’s
Este diseño contiene efectos principales aliados con
Resolución
otros efectos principales por lo que no es un enfoque
II
experimental apropiado.
No hay alianzas entre efectos principales con otros
Resolución efectos principales, pero los efectos principales están
III aliados con interacciones de 2 factores y las
interacciones de dos factores están aliadas entre ellas.
No hay efectos principales aliados entre ellos ni con
Resolución
interacciones de 2 factores, pero las interacciones de 2
IV
factores están aliadas entre ellas.
No hay efectos principales ni interacciones de 2
Resolución factores aliados con otro efecto principal o interacción
V de 2 factores pero las interacciones de 2 factores están
aliadas con las interacciones de 3 factores.
Diseños Factoriales Disponibles
( con resoluciones )
2 3 4 5 6 7 8 9 10 11 12 13 14 15
Runs
Clasificación de los diseños
Los diseños RIII suelen llamarse diseños saturados
porque todas o la mayoría de las columnas
ortogonales tienen factores asignados.
Si las interacciones de dos vías son de interés, un
diseño no-saturado RV es recomendado.
Resolución
Las resoluciones de diseño describen en qué grado los efectos de un diseño
factorial fraccionado forman estructuras de alias con otros efectos. Cuando
usted ejecuta un diseño factorial fraccionado, uno o más de los efectos se
confunden, lo que significa que no se pueden estimar por separado. Por lo
general, lo deseable es usar un diseño factorial fraccionado con la resolución
más alta posible para la cantidad de fraccionamiento requerido. Por ejemplo,
generalmente es mejor seleccionar un diseño en el cual los efectos principales
se confunden con las interacciones de 3 factores (Resolución IV) que un diseño
en el cual los efectos principales se confunden con las interacciones de 2
factores (Resolución III).
Los diseños de resolución III, IV y V son los más comunes:
Resolución
Resolución III
Ningún efecto principal forma estructura de alias con ningún
otro efecto principal, pero los efectos principales forman
estructuras de alias con las interacciones de 2 factores.
Resolución IV
Ningún efecto principal forma estructura de alias con ningún
otro efecto principal o interacciones de 2 factores, pero algunas
interacciones de 2 factores forman estructuras de alias con
otras interacciones de 2 factores y los efectos principales
forman estructuras de alias con las interacciones de 3 factores.
Resolución V
Ningún efecto principal o interacción de 2 factores forma
estructura de alias con ningún otro efecto principal o
interacción de 2 factores, pero las interacciones de 2 factores
forman estructuras de alias con las interacciones de 3 factores y
los efectos principales forman estructuras de alias con las
interacciones de 4 factores.
DOE SIMULADOR SIMWARE
https://sigmazone.com/simware_trial/
Copyright Academia Lean Sigma
SPACESHIP
Copyright Academia Lean Sigma
SPACESHIP
Gemba walk: cuantos factores son cuantos niveles?
Corrida Piloto:
- 100 Corridas el set up como esta
- Obtenga Cpk (registre datos)
- Planee DOE 1/4 fraccional en Minitab dos niveles corra
datos 1 por uno, registre en Excel. Analice en minitab
- Siga 12 pasos y proporcione conclusiones
- Que factores son No significantes?
Copyright Academia Lean Sigma
DISEÑO FRACCIÓN UN MEDIO 2k-1
Copyright Academia Lean Sigma
Fracciones
factoriales
Si el numero de factores a estudiar es elevado, los planes factoriales 2K
requieren un numero muy elevado de pruebas. Por ejemplo en un estudio que
requeriría analizar 11 factores, se requerirían 2 11, es decir 2048 pruebas (sin
replicas)
Copyright Academia Lean Sigma
DISEÑO FRACCIÓN UN MEDIO 2k-1
Copyright Academia Lean Sigma
DOE PASOS
1. Problema
practico
7. Colecte datos
(ejecutar DOE)
2. Establezca
el objetivo
8. Conclusiones
3. Selecciones las Estadísticas
Variable
Dependiente Y
8. Replique
4. Seleccione resultados
Variables
Independientes X
5.Asigne los niveles 9. Soluciones practicas
Para cada variable
10. Implemente
soluciones
6. Seleccione DOE
DISEÑO FRACCIÓN UN MEDIO 2k-1
Una "buena" fracción factorial debe:
1.- No confundir nunca efectos simples entre si
2.-Procurar no confundir efectos simples con interacciones dobles.
3.-De ser posible, no confundir tampoco interacciones dobles entre si
Regla practica para estudiar la confusión de efectos.
1.-Al efecto utilizado para construir la fracción (es decir, al que tiene el mismo signo en todas las
pruebas) se denomina generador de la fracción. El número de letras del generador se denomina
resolución de la fracción expresándose en números romanos.
2.-Los planes 2k-1 tiene un sólo generador que normalmente es la interacción de orden más elevado.
Los planes 2k-p , cuyo número de pruebas es menor que la mitad del plan completo (por ejemplo la
cuarta o la octava parte), tiene varios generadores
3.-El efecto asociado al generador no puede estudiarse.
4.-Cualquier otro efecto esta confundido con el que resulta de multiplicar las letras del efecto por las
del generador y tachar los cuadrados.
En ejemplo: generador ABCD (resolución IV) A se confunde con: A*ABCD=A2BCD=BCD; AB con:
AB*ABCD = A2B2CD = CD
Copyright Academia Lean Sigma
DISEÑO FRACCIÓN UN MEDIO 2k-1
EJEMPLO D2K6
Con el objetivo de mejorar el rendimiento de un proceso de
manufactura de un circuito
integrado, se investigaron 5 factores un diseño 25-1
Factor nombre Niveles
A Apertura Pequeña, Grande
diafragma
B Tiempo de - 20%, +20% arriba
exposición de nominal
C Tiempo de 30, 45 segundos
relevado
D Dimensión Pequeña, grande
pantalla
E Tiempo de 14.5, 15.5 seg
corrosión
Se decide correr un DOE ½ fraccionado, sin replicas. Por lo que tendremos un diseño 25-1
Es decir 16 corridas. (en lugar de 32)
Copyright Academia Lean Sigma
DISEÑO FRACCIÓN UN MEDIO 2k-1
Solo para la clase
Copyright Academia Lean Sigma
DISEÑO FRACCIÓN UN MEDIO 2k-1
Los p- value son muy pequeños y minitab
no los calculo, sin embargo en las graficas
se puede ver, que A,B, y C son
significantes, y que podemos quitar D, y E.
Copyright Academia Lean Sigma
DISEÑO FRACCIÓN UN MEDIO 2k-1
Quitando D, y E. podemos analizar
el cubo con solo 3 factores,
Y empezar a planear un DOE de
optimización con solo tres factores
Que niveles o set up propondrían?
Para este desfundo DOE?
Factor nombre Niveles
A Apertura diafragma Pequeña, Grande
B Tiempo de exposición - 20%, +20% arriba
de nominal
C Tiempo de relevado 30, 45 segundos
Copyright Academia Lean Sigma
DISEÑO FRACCIÓN UN CUARTO 2k-2
LA FRACCÍON UN CUARTO DE DISEÑO EJEMPLO D2K7
Este diseño contiene 2k-2 corridas y es común llamarlo diseño factorial ¼
fraccionado
Las piezas fabricadas en un proceso de moldeo por inyección están presentando una contracción excesiva.
Esto está ocasionando problemas en las operaciones de ensamblaje que se realizan después del moldeo
por inyección. Un equipo de mejoramiento de calidad ha decidido llevar a cabo un experimento diseñado
para estudiar el proceso de moldeo para inyección a fin de poder reducir la contracción. • El equipo decide
investigar seis factores, cada uno con dos niveles, con el fin de saber como se afecta la contracción debido
a cada uno de ellos, así como para obtener información preliminar acerca de la forma en que estos factores
interactúan, estos factores son:
Factor nombre Niveles
A Temperatura molde 2
B Velocidad tornillo 2
C Holding time 2
D Tiempo de ciclo 2
E Cantidad resina 2
F Holding pressure
El equipo decide usar el diseño factorial ¼ fraccionado
Copyright Academia Lean Sigma
DISEÑO FRACCIÓN UN CUARTO 2k-2
Copyright Academia Lean Sigma
DISEÑO FRACCIÓN UN CUARTO 2k-2
Los p- value son muy pequeños y minitab
no los calculo, sin embargo en las graficas
se puede ver, que solo A y B significantes, y
que podemos quitar C, D, E y F
Copyright Academia Lean Sigma
DISEÑO FRACCIÓN UN CUARTO 2k-2
Quitando C D, E F podemos
analizar con solo 2 factores,
Y empezar a planear un DOE de
optimización con solo tres factores
Que niveles o set up propondrían?
Para este segundo DOE?
La idea es minimizar el
encogimiento.
Copyright Academia Lean Sigma
REPASO
1. Elabore diagrama codificado para DOE 23?
2. Cuantos tratamientos se ocupan para un DOE 32 con 1 replica?
3. Cuantos tratamientos se ocupan para un DOE 32 con 2 replicas?
4. Que es un tratamiento?
5. Que significa DOE completamente aleatorio
6. Cuantas corridas se requieren en un DOE 24-1?
7. En un DOE la tabla de ANOVA siguiente, cuales factores son significantes?
Factor P- value Ho Ha Reject or Fail to
reject
A 0.041
B 0.08
C 0.5
D 0.005
Copyright Academia Lean Sigma
REPASO
8. De acuerdo a la grafica de cubo mostrada Cuales niveles de factores recomienda
para maximizar la salida?
Copyright Academia Lean Sigma
REPASO
9. Match the right concepts
a) Significan mas corridas, tal vez cueste mas, pero nos permite
estudiar interacciones, y a estimar y reducir el error experimental.
b) Es esencialmente conducer pruebas en un orden NO concept Match
predeterminado. Nos ayuda a evitar sesgos, Tambien significa que 1) Corrida
factores de ruido estaran igualmente representados. Asi se deben
correo DOE en la practica. 2) Bloque
C) Una tecnica para elimar variacion no deseada debido a 3) Respuesta
condiciones no homogeneas 4) Replica
d) Le inhabilidad de de poder distiguir entre ciertas interacciones
y bloques 5) Nivel
e) Es la variable medida de salida 6)DOE
f) Variable de entrada del procesos 7) Efecto
g) Valor especifico de un factor
h) Diferencia en la respuesta entre dos factores 8) randomizacion
i) Una combinacion simple los niveles de factores o set 9) Factor
up en el cual la respuesta es medida
j) Es un set de corridas seleccionadas de cierta manera para 10) Confounding
evaluar el efecto de varios factores sobre una salida deseada
Copyright Academia Lean Sigma
SPACESHIP DOE
Copyright Academia Lean Sigma
Cpk inicial sin transformar RE metodo tradicional minitab
Copyright Academia Lean Sigma
Datos no normales apenas
0.043 ara ser considerados
normales debe ser > 0.045
Copyright Academia Lean Sigma
DOE 2K 8 FACTORES
RE DOE screening ANALISIS
factor p sigg
A 0 Si
B 0.465 no
C 0 si
D 0.457 no
E 0 si
F 0.609 no
G 0.142 no
H 0 si
Copyright Academia Lean Sigma
RE DOE screening ANALISIS
Copyright Academia Lean Sigma
LE DOE screening analisis
factor p sigg
A 0 Si
B 0.721 no
C 0 si
D 0.188 no
E 0 si
F 0.013 SI
G 0.000 SI
H 0.991 NO
LE DOE screening analisis
LE DOE screening analisis
LE & RE DOE analisis
LE RE
factor p significante factor p significante
A 0 Si A 0 Si
B 0.721 no B 0.465 no
C 0 si C 0 si
D 0.188 no D 0.457 no
E 0 si E 0 si
F 0.013 SI F 0.609 no
G 0.000 SI G 0.142 no
H 0.991 NO H 0 si
6 factores para un 2do DOE, hay que definir en que rango correr
RE & LE DOE screening analisis
CPK2
Con los 6 factores significantes, corriendo en los extremos la
distribuciones se mueven hacia la derecha
RE DOE2 PLAN
A B C D E F G H
FACTOR MIN MAX
RA 150 200
RC 2000 3000
RE 2500 3000
RF 1 3
RG 3000 4000
RH 3000 4000
SPACESHIP DOE2
RE DOE2 ANALISIS
F= RH
RE DOE2 ANALISIS
LE DOE2 ANALISIS
C= E
LE DOE2 ANALISIS
RE DOE3 PLAN
RE DOE3 PLAN 2 REPLICAS
FACTOR L1 L2 L3
NT 2000 2250 N/A
RNT 3500 3750 4000
RE DOE3 ANALISIS
RE DOE3 ANALISIS
Name F MIN MAX SET
UP
C. A 50 200 140
temp
S. B 1000 2000 2000
rads
Nozzle C 2000 5000 2160
temp
Transd D 10 50 50
Chamber E 1000 3000 2730
pressure
Neutrinos F 1 4 4
Left G 2000 5000 3750
Nozzle
Right H 2000 5000 3730
Nozzle
