1 Introducción Al DDE V 2019.2

Diseño de Experimentos
Introducción
PROF. CARLOS TORRES N.
Definiciones
¿Qué es un Experimento ? ...... Es una Es un conjunto de técnicas,
prueba o ensayo
consiste en planear y realizar un
El Diseño de Experimentos (DDE) es un conjunto de pruebas
modelo o técnica científica que permite a
un experimentador comprender mejor un con el objetivo de generar datos que, al
proceso y conocer los efectos que ser analizados estadísticamente,
producen en las salidas, diferentes tipos de
entradas. proporcionen evidencias objetivas que
permitan responder las interrogantes
Permite realizar cambios intencionales en planteadas por el experimentador sobre
los input de un proceso con el propósito de determinada situación.
identificar y observar las razones que
producen los cambios en las salidas
(output) de los procesos.
El DDE estima los efectos de varias
variables simultáneamente
Historia
El diseño estadístico de experimentos,
desde su introducción por Ronald A.
Fisher en la primera mitad del siglo XX
en Inglaterra, se ha utilizado para
conseguir un aprendizaje acelerado.
Primeros casos fueron en la
agricultura.
Fisher proporcionó métodos para
diseñar experimentos destinados a
investigar la influencia simultánea de
varios factores.
Algunos problemas típicos que pueden resolverse
con el diseño y el análisis de experimentos.
1. Comparar a dos o más materiales con el fin de elegir al que mejor cumple los
requerimientos.
2. Comparar varios instrumentos de medición para verificar si trabajan con la
misma precisión y exactitud.
3. Determinar los factores (las x vitales) de un proceso que tienen impacto sobre
una o más características del producto final.
4. Encontrar las condiciones de operación (temperatura, velocidad, humedad, por
ejemplo) donde se reduzcan los defectos o se logre un mejor desempeño del
proceso.
5. Reducir el tiempo de ciclo del proceso.
6. Hacer el proceso insensible o robusto a oscilaciones de variables ambientales.
7. Apoyar el diseño o rediseño de nuevos productos o procesos.
8. Ayudar a conocer y caracterizar nuevos materiales.
Resultados al aplicar las Técnicas de D. de E.
Ámbito: En la fase temprana del Ámbito: En las etapas de

desarrollo de un proceso diseño técnico
 Mejora en el rendimiento de un  Evaluación y comparación de

proceso configuraciones de diseño básicas
 Menor variabilidad y mayor apego  Evaluación de materiales
a los requerimientos nominales u alternativos
objetivo
 Selección de parámetros de
 Menor tiempo de desarrollo diseño de modo que el producto
funcione bien en una amplia
 Menores costos globales variedad de condiciones, es decir,
que el producto sea consistente y
robusto.
Efecto de variar solo un factor a la vez v/s Dos
factores a la vez.
• Gráfica de experimento
de optimización
utilizando el método de
un factor a la vez
• Análisis del
Rendimiento de un
proceso v/s factores de
Tiempo y Temperatura
• Total de experiencias
realizadas = 10
CAP 7: DISEÑO DE EXPERIMENTOS

Gráfica del experimento
utilizando dos factores la vez
Ruta que conduce a la

región donde el
rendimiento es mayor
Condiciones de
operación actuales
Ejemplos de resultados de Statgraphics
Standardized Pareto Chart for Duracion
AC
B:Dureza metal
C:Angulo de corte
BC
A:vel. de Corte
AB
0 1 2 3 4 5
Standardized effect
Interaction Plot for Rendimiento

86
81 Temperatura=1.0
76
Duración = 413,1 + 9,1*Vel. de Corte + 42,1*Dureza
iento
71
Temperatura=-1.0 metal +35,9*Angulo de corte - 5,6*vel. de Corte*Dureza
endim
66
metal -59,6*Vel. de Corte*Angulo de corte - 12,1*Dureza
R
61
56 Temperatura=-1.0
Temperatura=1.0 metal*Angulo de corte
-1.0 1.0
Tiempo
Caso: Efecto de utilizar el diseño de experimentos (definido
por el usuario) en una empresa de resinas
170 00
160 00
150 00
140 00
130 00
120 00
110 00
100 00
Ba tch
9 0 00 R e s ul t a d o
8 0 00 Má xi mo
Mín i mo
7 0 00
6 0 00
5 0 00
4 0 00
3 0 00
2 0 00
1 0 00
0
a p l i c a n d o c o r r e l a c i ón
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55
Figura 1: Antes y Después
Figura 2: Carta de control, con datos Antes de la intervención
en el proceso
X Chart for Antes

(X 1000)
15
UCL = 12052.35
12 Centerline = 4887.14
9 LCL = -2278.06
6
X
3
0
-3
0 10 20 30 40
Observation
Figura 3: Carta de Control con Datos Después de la
intervención en el proceso
X Chart for Despues

(X 1000)
8
UCL = 7876.43
Centerline = 4335.00
6
LCL = 793.57
4
X
0
0 4 8 12 16 20
Observation
Caso Campeonato de fútbol nacional, 2017.
Clasificación general de los diseños experimentales
1.- Diseños para comprobar dos o • Diseño completamente al azar
más tratamientos • Diseño de bloques completos al azar
• Diseño de cuadrado latino y
grecolatino
2.- Diseños para estudiar el efecto • Diseños factoriales 2k

de varios factores sobre una o • Diseños factoriales 3k
más variables de respuesta • Diseños factoriales fraccionados 2k-p
3.- Diseños para la optimización de • Diseños para el modelo de primer • Diseños factoriales 2k y 2 k-p
procesos orden • Diseño de Plakett-Burman
• Diseño simplex
• Diseño de composición central
• Diseños para el modelo de segundo • Diseño de Box-Behnken
orden • Diseños factoriales 3k
4.- Diseños robustos • Arreglos ortogonales (diseños

factoriales)
• Diseño con arreglos interno y externo
5.- Diseños de mezclas • Diseño simplex-reticular

• Diseño simplex con centroide
• Diseño con restricciones
• Diseño axial
Objetivos de un Experimento
 Determinar cuáles variables tienen Modelo general de Proceso

mayor influencia en la respuesta (y)
 Determinar el mejor valor de las x
que influyen en y, de modo que y Factores controlables : x1 , x2 .... xp
tenga casi siempre un valor cercano

al valor nominal deseado y que la PROCESO
variabilidad de y sea pequeña.

 Determinar el valor de las x que Factores incontrolables z1, z2, .....zq
influyen en y, de modo que se

minimicen los efectos de las
variables incontrolables
( z1, z2,..,zq)
Preguntas que se pueden responder con un
diseño experimental
• ¿cuáles factores afectan la
dureza del plástico?
• ¿cómo es que la afectan?
• ¿qué relación hay entre los
factores controlables y la
dureza?
• ¿existen otras condiciones de
operación, distintas a las
actuales que mejoran la
dureza?
Estas preguntas se responden probando

diferentes combinaciones
en los niveles de los factores controlables,
seleccionadas de manera adecuada
Definiciones básicas…
E l diseño de experimentos es la aplicación del método
científico para generar conocimiento acerca de un sistema o
proceso, por medio de pruebas planeadas adecuadamente.
Un experimento es un cambio en las condiciones de
operación de un sistema o proceso, que se hace con el
objetivo de medir el efecto del cambio sobre una o varias
propiedades del producto o resultado… aumentando el
conocimiento acerca del sistema.
La unidad experimental es la pieza (s) o muestra(s) que se
utiliza para generar un valor que sea representativo del
resultado del experimento o prueba.
La variable de respuesta es un medio para conocer el efecto o
los resultados de cada prueba experimental.
Factores controlables: variables del proceso o características de los
materiales experimentales que se pueden fijar en un nivel dado…
(temperatura, cantidad de cierto reactivo, tipo de reactivo, método de
operación, velocidad, presión, etc.)
Factores no controlables o ruido: Son variables que no se pueden
controlar durante el experimento o la operación normal del proceso …
(luz, humedad, temperatura, partículas, ruido, etc.).
Factores estudiados: son las variables que se investigan en el
experimento para observar cómo afectan o influyen en la variable de
respuesta.
Niveles y tratamientos: Los diferentes valores que se asignan a cada
factor estudiado. Una combinación de niveles de todos los factores
estudiados se llama tratamiento o punto de diseño.
Error aleatorio: Es la variabilidad observada que no se puede explicar
por los factores estudiados; resulta del pequeño efecto de los factores
no estudiados y del error experimental
Error experimental: Componente del error aleatorio que refleja los
errores del experimentador en la planeación y ejecución del
experimento. Si es grande, hace difícil la detección de los factores que
tiene un efecto real.
Matriz de diseño: Es el arreglo formado por los tratamientos que serán
corridos, incluyendo las repeticiones.
Etapas en el diseño de experimentos
1. Planeación y realización 2. Análisis
Entender y delimitar el problema u objeto No perder de vista que los resultados
de estudio. experimentales son observaciones
muestrales, no poblacionales.
Elegir la(s) variable(s) de respuesta que será
medida en cada punto del diseño y verificar Recurrir a métodos estadísticos
que se mide de manera confiable. inferenciales. La técnica estadística
central es el ANOVA.
Determinar cuáles factores deben
estudiarse o investigarse, de acuerdo a la 3. Interpretación
supuesta influencia que tienen sobre la
respuesta. Analizar lo que ha pasado en el
experimento, contrastar las conjeturas
Seleccionar los niveles de cada factor, así iniciales, observar los nuevos
como el diseño experimental adecuado a los aprendizajes logrados, verificar
factores que se tienen y al objetivo del supuestos y elegir el tratamiento
experimento. ganador.
Planear y organizar el trabajo experimental. 4. Control y conclusiones finales
Realizar el experimento.
Consideraciones prácticas sobre
el uso de métodos estadísticos
1. El conocimiento no estadístico es vital.
2. Reconocer la diferencia entre significancia estadística e importancia
práctica.
3. Reconocer la diferencia entre significancia estadística e importancia
práctica.

Aspectos experimentales y principios
Aspectos a considerar en un Los Tres Principios Básicos en el

diseño experimental Diseño de Experimentos:
El diseño del experimento y 1.Obtención de réplicas

Análisis estadístico de los datos 2.Aleatorización
3. Análisis por bloques

La metodología estadística es el único
enfoque objetivo para analizar un
problema que involucre datos sujeto a
errores experimentales (donde existen
diferencias entre las pruebas)
Réplicas :
Se refiere a una repetición del experimento básico.
Permite determinar si existen diferencias significativas en los datos observados y
permite al experimentador calcular una estimación más precisas del efecto de un
factor en el experimento si se usa la media de la muestra (por ejemplo) como una
estimación de dicho efecto.
Aleatorización:
La aleatorización indica que tanto la asignación del material experimental como el
orden en que se realizan las pruebas individuales o ensayos se deben determinar
aleatoriamente. Este principio aumenta la posibilidad de que el supuesto de
independencia de los errores se cumpla.
El Análisis por bloques:
Es una técnica que se usa para incrementar la precisión del experimento.
Un bloque es una porción del material experimental que sea más homogénea que el
total del material (por ejemplo, correr el experimento con 4 operadores, en lugar de
solo uno, para ver el eventual impacto de la experiencia de alguno de ellos).
Diseños factoriales
Un diseño factorial es aquel en el que se investigan todas las posibles
combinaciones de los niveles de los factores en cada ensayo completo o
réplica del experimento.
(Los diseños factoriales son los más eficientes)

VENTAJAS DE LOS DISEÑOS FACTORIALES
 Son más eficientes que los experimentos de un factor a

la vez (Ejemplo de Tiempo y Tº con un factor a la vez
v/s dos factores a la vez )
 Son necesarios cuando puede estar presente alguna

interacción de modo de evitar conclusiones engañosas
 Se puede estimar los efectos de un factor en diversos

niveles de los otros factores, produciendo conclusiones
que son válidas sobre toda la extensión de las
condiciones experimentales.
Conceptos
Factores: son “atributos o variables” Los experimentos factoriales son la única

que el investigador considera que son manera de descubrir las interacciones entre
las variables
importantes en una investigación.
El efecto de un factor está definido como el

Engeneral, en un diseño cambio en la respuesta producido por un
experimental factorial, los ensayos del cambio en el nivel el factor (conocido como
experimento se corren con todas las efecto principal)
combinaciones de los niveles de los
factores
La diferencia en la respuesta entre los
niveles de un factor no es la misma para
todos los niveles de los otros factores
Notación: 2 Niveles 3Factores = 23  ( interacción entre los factores)
8 experimentos
CASOS APLICACIONES
1 Factor, 4 niveles Distintos tipos (4) de concentración de un

insumo para evaluar la resistencia de un
41 producto
2 Factores, con dos niveles cada uno Tiempo y Temperatura, cada uno en dos
niveles (Alto y Bajo) para evaluar el
22 rendimiento de un procesos
3 Factores con 2 niveles cada uno Efecto de:
-la velocidad de corte (A),
23 - la dureza del metal (B) y
- el ángulo de corte (C)
sobre la duración de una herramienta de
corte.
Para ello se eligen dos niveles para cada
factor y se corre una réplica del diseño
factorial 23.
DIRECTRICES PARA EL DISEÑO DE EXPERIMENTOS
Comprensión y planteamiento del Enfoque del problema
problema
Elección de factores y niveles Experiencia práctica y comprensión teórica
Selección de la variable de Que se estime que la variable de respuesta va
respuesta a proveer información útil acerca del proceso
en estudio
Elección del diseño experimental Un factor o varios factores
Realización del experimento Se debe vigilar el proceso cuidadosamente en
función de lo planificado para no invalidar la
validez experimental
Análisis de datos Utilizar métodos estadísticos para analizar los
datos, de modo que los resultados y
conclusiones sean objetivos más que
apreciativos.
Conclusiones y recomendaciones utilizar gráficos hacer corridas de seguimiento
y pruebas
Efecto Principal e Interacciones
 El efecto de un factor se define como el cambio en la respuesta

producida por un cambio en el nivel del factor (también se conoce
como efecto principal).
 La interacción entre los factores, se refiere cuando la diferencia en

la respuesta entre los niveles de un factor no es la misma en todos
los niveles de los otros factores.
Caso 1: sin interacción Caso 2: con interacción
CASO 1 Factor B CASO 2 Factor B

Factor A B Bajo B Alto Factor A B Bajo B Alto
A Bajo 10 20 A Bajo 10 20
A Alto 30 40 A Alto 30 0
Implicancias al variar un factor a la vez v/s dos factores a
la vez
Suponga que el rendimiento de un proceso químico está influenciado por la

temperatura de operación y el tiempo de reacción. En la actualidad, el
proceso opera a 155 ºF con un tiempo de reacción de 1,7 horas obteniéndose
un rendimiento de 75%.
Las siguientes láminas presentarán la diferencia al realizar los experimentos

considerando variar un solo factor v/s dos factores a la vez. Para el caso de
dos factores a la vez se considerará correr los factores de tiempo y temperatura
en dos niveles a 0,5 horas y 10ºF y por encima y por debajo de las
condiciones de operación en uso.
Es decir: Tiempo (hrs) Temperatura (tº)
1,2 145
1,7 155
2,2 165
Puntos a tener en cuenta por un
investigador
 Uso del conocimiento no estadístico (experiencia) que se tenga del
problema.
 Mantener el diseño y el análisis tan simples como sea posible
 Reconocer la diferencia entre la significancia práctica y la estadística.
 Usualmente los experimentos son iterativos (avanzar en el DE a

medida que se va aprendiendo )
Secuencia de actividades en un Experimento
1.- Conjetura La hipótesis original que motiva el
experimento
2.- Experimento Prueba efectuada para investigar la conjetura

3.- Análisis Análisis estadístico de los datos obtenidos del
experimento
3.- Conclusión Lo que se ha aprendido de la conjetura

original con la realización del experimento. A
menudo, éste conduce a una conjetura nueva
y a un experimento nuevo, y así
sucesivamente.
Réplicas o corridas en la familia de diseños 2k
Diseño Réplicas recomendadas Número de corridas
22 3o4 12,16
23 2 16
24 1o2 16, 32
25 Fracción 2 5-1 o 1 16, 32
26 Fracción 2 6–2 o fracción 2 6-1 16, 32
Caso con Un solo Factor
Un fabricante de papel utilizado para fabricar bolsas para dulces, está interesado en
mejorar la resistencia a la tensión del producto.
El grupo de ingeniería del producto piensa que la resistencia a la tensión es una
función de la concentración de madera dura en la pulpa, y que el rango de interés
práctico de la concentraciones de madera dura está entre 5 y 20 %.
El equipo de ingenieros responsables del estudio decide investigar cuatro niveles de

concentración de madera dura: 5, 10, 15 y 20%. Para ello, deciden fabricar seis
especímenes de prueba para cada nivel de concentración, utilizando una planta
piloto.
Los 24 especímenes se someten a prueba en un probador de tensión de laboratorio,
en un orden aleatorio. Los datos de este experimento se presentan en la siguiente
tabla.
Fte: Probabilidad y Estadística.. D.Montgomery - G.Runger

Resistencia del papel a la tensión (psi)
Concentr. Observaciones Promedios

de madera 1 2 3 4 5 6
dura (% )
C05 5 7 8 15 11 9 10 10,00
C10 10 12 17 13 18 19 15 15,67
C15 15 14 18 19 17 16 18 17,00
C20 20 19 25 22 23 18 20 21,17
Aquí, ¿qué rol juega la aleatoriedad ?
Para Statagraphics, se recomienda ingresar estos datos en columnas

(una para cada concentración) y las filas que indicarán las observaciones
Box-and-Whisker Plot
25
22
Resistencia a la tensión (psi)
19
16
13
10
7
C05 C10 C15 C20
Concentración de madera dura (%)
ANOVA Table Análisis de varianza vía Statgraphics
Analysis of Variance
-----------------------------------------------------------------------------
Source Sum of Squares Df Mean Square F-Ratio P-Value
-----------------------------------------------------------------------------
Between groups 382,792 3 127,597 19,61 0,0000
Within groups 130,167 20 6,50833
-----------------------------------------------------------------------------
Total (Corr.) 512,958 23
The StatAdvisor
---------------
The ANOVA table decomposes the variance of the data into two
components: a between-group component and a within-group component.
The F-ratio, which in this case equals 19,6052, is a ratio of the
between-group estimate to the within-group estimate.
Since the P-value of the F-test is less than 0,05, there is a statistically
significant difference between the means of the 4 variables at the
95,0% confidence level.
To determine which means are significantly

different from which others, select Multiple Range Tests from the list
of Tabular Options.
Multiple Range Tests
--------------------------------------------------------------------------------
Method: 95,0 percent LSD
Count Mean Homogeneous Groups
--------------------------------------------------------------------------------
C5 6 10,0 X
C10 6 15,6667 X
C15 6 17,0 X
C20 6 21,1667 X
--------------------------------------------------------------------------------
Contrast Difference +/- Limits
--------------------------------------------------------------------------------
C5 - C10 *-5,66667 3,07243
C5 - C15 *-7,0 3,07243
C5 - C20 *-11,1667 3,07243
C10 - C15 -1,33333 3,07243
C10 - C20 *-5,5 3,07243
C15 - C20 *-4,16667 3,07243
--------------------------------------------------------------------------------
* denotes a statistically significant difference.

Box-and-Whisker Plot
25
Conclusiones 22
Resistencia a la tensión (psi)

19
16
13
10
7
C05 C10 C15 C20
Concentración de madera dura (%)
El cambio en la concentración de madera dura tiene un efecto sobre la

resistencia a la tensión.
Concentraciones mas grandes de madera dura producen valores más
grandes de resistencia a la tensión.
La distribución de la resistencia para un nivel de madera dura en particular
tiene una simetría razonable, y la variabilidad en la resistencia no cambia de
manera marcada a medida que cambia la concentración de madera dura.
Una Tabla ANOVA nos dirá objetivamente si existen diferencias
estadísticas significativas entre las medias de las cuatro variables ó entre un
par de ellas.
También el Multiple Range Tests es útil en este sentido.
Conclusiones del ejercicio Nº 1 de la Guía
(Resistencia a la tensión v/s % de algodón en la fibra)
Hay un efecto positivo de las resistencias sobre el % de algodón, pero solo hasta el
30% de algodón.
Existe deferencias significativas entre las medias de las cinco variables (% de algodón)
Se identifican tres grupos homogéneos (P15 y P35), (P20 y P25) y P30
No se observan diferencias significativas entre las Desv. Estándar de las cinco
variables.
Si se observan diferencia significativas entre las medianas
Se rechaza la hipótesis nula (Ho) que afirma que los cinco promedios son iguales entre
sí.
No se observa un comportamiento anormal de los residuos, descartándose la
posibilidad que estén presentes variables ajenas e importantes que fuesen omitidas en
el experimento.

Recursos de
Statgraphics para
Diseño de
Experimentos
Caso con Dos Factores
( Diseño Factorial 22 - Ejemplo de optimización )
Suponga que el rendimiento de un proceso químico está influenciado por la

temperatura de operación y el tiempo de reacción. En la actualidad, el proceso
opera a 155 ºF con un tiempo de reacción de 1,7 horas; y con un rendimiento de 75%.
El experimento considerará correr los factores de tiempo y temperatura en dos niveles a

10ºF y 0,5 horas por encima y por debajo de las condiciones de operación en uso.
Es decir:
Tiempo (hrs) Temperatura (tº)
1,2 145
1,7 155
2,2 165

Esta imagen se logra a través de Crear Diseño

Pareto Chart for Rendimiento Main Effects Plot for Rendimiento
70
AB
68
B:Temperatura 66
endim to
ien
64
R
A:Tiempo
62
0 4 8 12 16 20 -1.0 1.0 -1.0 1.0
Tiempo Temperatura
Effect
Gráfica de Efectos Principales

Diagrama de Pareto
Interaction Plot for Rendimiento
86
81 Temperatura=1.0
76
iento
71
Temperatura=-1.0
endim
66
R
61
Temperatura=1.0
56 Temperatura=-1.0
-1.0 1.0
Tiempo
Estas imágenes se logran a través de Analizar Diseño

Gráfica de Interacciones

Coeficientes de Regresión
R-squared = 100,0 percent
El R2 indica que el modelo como ajuste explica el 100% de la

variabilidad en el Rendimiento
Rendimiento = 66,25 - 2,75*Tiempo + 3,75*Temperatura

- 9,25*Tiempo*Temperatura
Ojo: Esta ecuación corresponde a los tiempos y temperaturas expresados

como -1 y +1.

Contours of Estimated Response Surface
Estimated Response Surface
1 Rendimiento
56,0
86 0,6 59,0
81 62,0
76 0,2 65,0
68,0
ra
to
71
eratu
ien
-0,2 71,0
im
66
emp
d
74,0
en
61 0,6 1
R
T
0,2 -0,6 77,0
56 -0,2 Temperatura 80,0
-1 -0,6 -0,2 0,2 0,6 -1 -0,6
1 -1
Tiempo -1 -0,6 -0,2 0,2 0,6 1
Tiempo
Ejemplos de Informes
gráficos del Diseño de
Experimento

Caso con 3 Factores : Diseño factorial 23
(Screening = Escrutinio)
Un ingeniero está interesado en el efecto de la velocidad de corte (A),
la dureza del metal (B) y el ángulo de corte (C) sobre la duración de
una herramienta de corte. Para ello se eligen dos niveles para cada
factor y se corre una réplica del diseño factorial 23.
La tabla siguiente presenta los datos de tiempo de duración (en horas)

de la herramienta con una réplica.
Encuentre el modelo de regresión e interprete los informes de

Statgraphics

Tabla para ingresar los datos de los experimentos

Analysis of Variance for Duracion
Source Sum of Squares Df Mean Square F-Ratio P-Value

--------------------------------------------------------------------------------
A:vel. de Corte 1332,25 1 1332,25 0,43 0,5281
B:Dureza metal 28392,3 1 28392,3 9,27 0,0160
C:Angulo de corte 20592,3 1 20592,3 6,72 0,0320
AB 506,25 1 506,25 0,17 0,6950
AC 56882,3 1 56882,3 18,57 0,0026
BC 2352,25 1 2352,25 0,77 0,4064
blocks 25,0 1 25,0 0,01 0,9302
Total error 24505,3 8 3063,16
-------------------------------------------------------------------------------
R-squared = 81,7924 percent
Durbin-Watson statistic = 1,90913

Regression coeffs. for Duración
constant = 413,125
A:Vel. de Corte = 9,125
B:Dureza metal = 42,125
C:Angulo de corte = 35,875
AB = -5,625
AC = -59,625
BC = -12,125
----------------------------------------------------------------------
Duracion = 413,125 + 9,125*vel. de Corte + 42,125*Dureza metal +
35,875*Angulo de corte - 5,625*vel. de Corte*Dureza metal -
59,625*vel. de Corte*Angulo de corte - 12,125*Dureza metal*Angulo de corte

AC
B:Dureza metal
C:Angulo de corte
BC
A:vel. de Corte
AB
0 1 2 3 4 5
Standardized effect

Réplicas o corridas en la familia de diseños 2k
Diseño Réplicas recomendadas Número de corridas
22 3o4 12,16
23 2 16
24 1o2 16, 32
25 Fracción 2 5-1 o 1 16, 32
Pantalla para seleccionar el
tipo análisis a realizar
Pantalla para seleccionar opciones de

diseño
NOTA: Posterior a esta última etapa, se

deben ingresar los datos para su
posterior análisis
Paso 2: Camino para ANALIZAR el Diseño
Observe que una vez ingresados los datos, se ha activado

la opción que permite analizar el diseño.
Ingreso de la Variable de Respuesta que se utilizará para
analizar el diseño
Una vez ingresado la variable de respuesta, se pueden

desplegar los informes tabulares e informes gráficos, para
su interpretación y análisis.
Ejemplo de un Informe gráfico ( Pareto) que permite identificar aquellos Factores, o
combinación de factores, que son estadísticamente significativos en el experimento.
AC
B:Dureza metal
C:Angulo de corte
BC
A:vel. de Corte
AB
0 1 2 3 4 5
Standardized effect
Bibliorafía
Cazau, Pablo. (2013). Una reseña histórica de los diseños
experimentales. Revista Paradigmas. Vol. 5, No. 2, 69-99.
https://dialnet.unirioja.es/servlet/articulo?codigo=4942051
Gutiérrez, H., & De la Vara, R. (2008). Análisis y diseño de experimentos.
México: Mc Graw Hill.

1 Introducción Al DDE V 2019.2

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

1 Introducción Al DDE V 2019.2

Cargado por

Copyright:

Formatos disponibles

Diseño de Experimentos

Ámbito: En la fase temprana del Ámbito: En las etapas de

 Mejora en el rendimiento de un  Evaluación y comparación de

CAP 7: DISEÑO DE EXPERIMENTOS

Ruta que conduce a la

Interaction Plot for Rendimiento

X Chart for Antes

X Chart for Despues

2.- Diseños para estudiar el efecto • Diseños factoriales 2k

4.- Diseños robustos • Arreglos ortogonales (diseños

5.- Diseños de mezclas • Diseño simplex-reticular

 Determinar cuáles variables tienen Modelo general de Proceso

tenga casi siempre un valor cercano

variabilidad de y sea pequeña.

influyen en y, de modo que se

Estas preguntas se responden probando

CAP 7: DISEÑO DE EXPERIMENTOS

Aspectos a considerar en un Los Tres Principios Básicos en el

El diseño del experimento y 1.Obtención de réplicas

3. Análisis por bloques

(Los diseños factoriales son los más eficientes)

 Son más eficientes que los experimentos de un factor a

 Son necesarios cuando puede estar presente alguna

 Se puede estimar los efectos de un factor en diversos

Factores: son “atributos o variables” Los experimentos factoriales son la única

El efecto de un factor está definido como el

1 Factor, 4 niveles Distintos tipos (4) de concentración de un

 El efecto de un factor se define como el cambio en la respuesta

 La interacción entre los factores, se refiere cuando la diferencia en

CASO 1 Factor B CASO 2 Factor B

Suponga que el rendimiento de un proceso químico está influenciado por la

Las siguientes láminas presentarán la diferencia al realizar los experimentos

 Mantener el diseño y el análisis tan simples como sea posible

 Reconocer la diferencia entre la significancia práctica y la estadística.

 Usualmente los experimentos son iterativos (avanzar en el DE a

2.- Experimento Prueba efectuada para investigar la conjetura

3.- Conclusión Lo que se ha aprendido de la conjetura

Diseño Réplicas recomendadas Número de corridas

El equipo de ingenieros responsables del estudio decide investigar cuatro niveles de

Fte: Probabilidad y Estadística.. D.Montgomery - G.Runger

Concentr. Observaciones Promedios

Aquí, ¿qué rol juega la aleatoriedad ?

Para Statagraphics, se recomienda ingresar estos datos en columnas

To determine which means are significantly

CAP 7: DISEÑO DE EXPERIMENTOS

Resistencia a la tensión (psi)

El cambio en la concentración de madera dura tiene un efecto sobre la

CAP 7: DISEÑO DE EXPERIMENTOS

Suponga que el rendimiento de un proceso químico está influenciado por la

El experimento considerará correr los factores de tiempo y temperatura en dos niveles a

Tiempo (hrs) Temperatura (tº)

CAP 7: DISEÑO DE EXPERIMENTOS

CAP 7: DISEÑO DE EXPERIMENTOS

Gráfica de Efectos Principales

Estas imágenes se logran a través de Analizar Diseño

CAP 7: DISEÑO DE EXPERIMENTOS

R-squared = 100,0 percent

El R2 indica que el modelo como ajuste explica el 100% de la

Rendimiento = 66,25 - 2,75*Tiempo + 3,75*Temperatura

Ojo: Esta ecuación corresponde a los tiempos y temperaturas expresados

CAP 7: DISEÑO DE EXPERIMENTOS

CAP 7: DISEÑO DE EXPERIMENTOS

La tabla siguiente presenta los datos de tiempo de duración (en horas)

Rendimiento = 66,25 - 2,75Tiempo + 3,75Temperatura