2016

Universidad de Guadalajara
Centro Universitario de Ciencias Exactas
e Ingenierías
DATOS GENERALES

INFORMACIÓN DE LOS INTEGRANTES:

NOMBRE CÓDIGO
Yahvé Sinai Ocegueda Correa 211702732

INFORMACIÓN DE LA MATERIA:

NOMBRE Diseño de Experimentos

PROFESOR Mario Villegas Ruvalcaba
SECCIÓN D05
AULA Q6
HORARIO Martes y Jueves (13:00-14:55)

2
Contenido
DATOS GENERALES ................................................................................Error! Bookmark not defined.
Marco teórico ........................................................................................Error! Bookmark not defined.
Introducción ......................................................................................Error! Bookmark not defined.
Diseño de experimentos en la industria............................................Error! Bookmark not defined.
Aplicación ..........................................................................................Error! Bookmark not defined.
Diseños factoriales ............................................................................Error! Bookmark not defined.
Diseño factorial 2k .............................................................................Error! Bookmark not defined.
Diseño factorial 23 .............................................................................Error! Bookmark not defined.
Objetivo del experimento .....................................................................Error! Bookmark not defined.
VARIABLES DEL EXPERIMENTO. ............................................................Error! Bookmark not defined.
HIPOTÉSIS: ........................................................................................Error! Bookmark not defined.
ANALISIS DE VARIANZA .........................................................................Error! Bookmark not defined.
Resultados de la toma de tiempos. ...................................................Error! Bookmark not defined.
Desarrollo del experimento en el software MINITAB ...........................Error! Bookmark not defined.
Regresión factorial: TIEMPO vs. Bloques, SOLUTO, CAPACIDAD, PRESION ........ Error! Bookmark not
defined.
GRAFICOS Y CONCLUSIONES .................................................................Error! Bookmark not defined.
Imágenes ...............................................................................................Error! Bookmark not defined.

3
Marco teórico
En las siguientes páginas se revisará un experimento basado en el diseño 2^3 que se aprendió a
utilizar a lo largo del curso pero para que se pueda visualizar de una forma más clara y comprensible
se explicaran sus componentes y como se utilizó en el experimento realizado.

Introducción
Los escenarios que rodean a las industrias hoy, en día en un mundo globalizado donde los adelantos
tecnológicos y científicos están en constante evolución, hacen que el nivel de calidad de los
productos y servicios sea cada vez mayor. En la actualidad uno de los factores claves para el éxito
de una industria, es hacer uso de toda de su capacidad de conocimiento y aprendizaje, así como de
su experiencia. La experimentación en las industrias es uno de los elementos que más pueden
contribuir al aprendizaje y a la mejora de los productos y procesos. La aplicación del Diseño de
Experimentos (DoE) se presenta como una herramienta efectiva para entender y optimizar los
procesos y productos en la industria. La metodología estadística por excelencia para optimizar la
experimentación se conoce como Diseño de Experimentos.

Todas nuestras actividades asociadas con planear y realizar estudios de investigación tienen
implicaciones estadísticas, es por ello que prácticamente en todos los campos de estudio y
empresariales se llevan a cabo experimentos, por lo general para descubrir algo acerca de un
proceso o sistema en particular.

En ingeniería, la experimentación desempeña un papel importante en el diseño de nuevos

productos, el desarrollo de procesos de manufactura y el mejoramiento de procesos. El objetivo en
muchos casos sería desarrollar un proceso robusto, es decir, un proceso que sea afectado en forma
mínima por fuentes de variabilidad externas

Diseño de experimentos en la industria

El diseño de experimentos es altamente efectivo para aquellos procesos, que su rendimiento se ve
afectado por varios factores. Con esta técnica se puede conseguir entre otras cosas, mejorar el
rendimiento de un proceso, reducir la variabilidad o los costos de producción, así como aumentar
la calidad de los productos o servicios.

Aplicación
La aplicación de las técnicas del diseño experimental en el desarrollo de un proceso puede
redundar en:

1. Mejoras en el rendimiento del proceso.

2. Variabilidad reducida y conformidad cercana con los requerimientos nominales o
proyectados.
3. Reducción del tiempo de desarrollo.
4. Reducción de los costos globales.

4
Diseños factoriales
En muchos experimentos interviene el estudio de los efectos de dos o más factores. En general, los
diseños factoriales son lo más eficientes para este tipo de experimentos. Por diseño factorial se
entiende que en cada ensayo o réplica completa del experimento se investigan todas las
combinaciones posibles de los niveles de los factores. Por ejemplo si el factor A tiene a niveles y el
factor B tiene b niveles, cada réplica contiene todas las ab combinaciones de los tratamientos.
Cuando los factores están incluidos en un diseño factorial, es común decir que están cruzados.

La necesidad de estudiar conjuntamente varios factores obedece a la posibilidad de que el efecto

de un factor cambie según los niveles de otros factores, esto es, que los factores interactúen, o
exista interacción. También se utilizan los arreglos factoriales cuando se quiere optimizar la
respuesta o variable dependiente, esto es, se quiere encontrar la combinación de niveles de los
factores que producen un valor óptimo de la variable dependiente. El efecto de un factor se define
como el cambio en la respuesta producido por un cambio del nivel de un factor. Con frecuencia se
le llama efecto principal porque se refiere a los factores de interés primario en el experimento.

Diseño factorial 2k
Los diseños factoriales se usan ampliamente en experimentos que incluyen varios factores cuando
es necesario estudiar el efecto conjunto de los factores sobre un respuesta. Sin embargo, hay varios
casos especiales del diseño factorial general que son importantes debido a su uso generalizado ene
le trabajo de investigación y porque constituyen las bases de otros diseños de gran valor práctico.

El más importante de estos casos especiales es el de k factores, cada uno con sólo dos niveles. estos
niveles pueden ser cuantitativos, como dos valores de temperatura, presión o tiempo, o bien
cualitativos, como dos máquinas, dos operadores, los niveles alto y bajo de un factor, o quizá la
presencia o ausencia de un factor. Una réplica completa de este diseño requiere 2 x 2 x... x 2 = 2k
observaciones y se le llama diseño factorial 2k. El diseño 2k es de particular utilidad en las etapas
iniciales del trabajo experimental, cuando probablemente se estén investigando muchos factores.
Este diseño proporciona el menor número recorridas con las que pueden estudiarse k factores en
un diseño factorial completo. Por consiguiente, estos diseños se usan ampliamente en los
experimentos de tamizado o selección de factores.

Con el diseño factorial 2^3 se estudian tres factores en dos niveles cada uno. Consta de 2^3 =
2 × 2 × 2 = 8 tratamientos diferentes, los cuales pueden identificarse con las mismas notaciones
introducidas con el diseño 2^2. Los tratamientos del diseño 2^3 y su representación geométrica se
muestran en la figura 6.10.

La región experimental ahora es un cubo regular centrado en el origen (0, 0, 0), cuyos vértices
son los ocho tratamientos. La matriz de diseño se construye fácilmente alternando el signo menos
y el signo más en la primera columna, dos menos y dos más en la segunda columna, y cuatro menos
y cuatro más en la tercera; el diseño resulta acomodado en el orden estándar o de Yates.

Con este diseño se pueden estudiar los 2^3 – 1 = 7 efectos: tres efectos principales A, B, C; tres
interacciones dobles AB, AC, BC y una interacción triple ABC. Por lo general, el interés se enfoca en
estudiar los efectos principales y las interacciones.

5
Diseño factorial 23
Sean A, B y C los factores que se quieren estudiar y sean (I), a, b, ab, c, ac, bc y abc, los totales
observados en cada uno de los ocho tratamientos escritos en su orden estándar.

Los efectos en este diseño se pueden calcular a partir de la tabla de signos (tabla 6.5). Al igual
que en el diseño 22, las columnas de los efectos principales A, B y C son las mismas que en la matriz
de diseño, y las columnas de los efectos de interacción se obtienen multiplicando las columnas
correspondientes.

Al multiplicar las columnas de signos de la tabla 6.5 por la columna de totales representados
por la notación de Yates, se obtienen los contrastes para los siete efectos, dados por:

Si se hacen n réplicas de cada tratamiento, los efectos de un diseño 2^3 se estiman dividiendo los
contrastes entre 4n. Por ejemplo, el efecto principal de A se estima de la siguiente manera:

6
También las sumas de cuadrados de los efectos se calculan a partir de sus contrastes con la fórmula,

La suma total de cuadrados se obtiene de la manera usual como:

Y, por último, la suma de cuadrados del error se calcula por sustracción. Con esta información se
obtiene ANOVA para el diseño 23, dada en la tabla 6.6. Aquellos efectos cuyos valores-p son
menores a (α = 0.05) se consideran activos y son los efectos a interpretar para conocer mejor cómo
está operando el proceso y para determinar el mejor tratamiento. También recordemos que
mientras menor sea el valor-p para un efecto, significa que éste tiene mayor influencia sobre la
variable de res puesta. Nótese que se requieren al menos dos repeticiones (n ≥ 2) para calcular el
cuadrado medio del error, puesto que la SCE tiene 0 grados de libertad cuando n = 1. Entonces se
recomienda correr este diseño con al menos dos réplicas para contar con suficientes grados de
libertad para el error.

ANOVA para un diseño factorial 2^3

7
Objetivo del experimento
El objetivo de este experimento es saber bajo qué condiciones el agua con un soluto (sal) diluido
llega a su punto de ebullición más rápido en la ciudad de Zapopan, Jalisco

VARIABLES DEL EXPERIMENTO.

Para el siguiente experimento utilizaremos 3 variables con 2 niveles (alto y bajo) cada
uno. Se realizarán 8 combinaciones con 2 réplicas, que nos da un total de 16
observaciones.

Variables Nivel alto Nivel bajo

Soluto 200gr 50gr

Capacidad de recipiente 3L 1L

Presión Con tapa Sin tapa

Tabla 1. Variables

HIPOTÉSIS:
Nivel de Soluto:

H : El nivel de soluto interfiere con el tiempo de ebullición del agua.

o

H : El nivel de soluto no interfiere con el tiempo de ebullición del agua.

A

Tamaño del recipiente:

H : El tamaño del recipiente ayuda al menor tiempo de ebullición del agua.

o

H : El tamaño del recipiente no ayuda al menor tiempo de ebullición del agua.

A

Presión:

H : La presión interviene en el tiempo de ebullición del agua

o

H : La presión no interviene en el tiempo de ebullición del agua

A

ANALISIS DE VARIANZA
COMBINACION DE NIVELES
VARIABLES/NIVELES
a b c d E f g h

8
 SOLUTO (A) - + - + - + - +
CAPACIDAD (B) - - + + - - + +
PRESIÓN (C) - - - - + + + +
Tabla 2. Niveles

Como se mencionó anteriormente, utilizamos 8 combinaciones diferentes. Una vez

realizadas las 16 observaciones, obtuvimos los siguientes resultados.

Resultados de la toma de tiempos.

. Tiempos

Desarrollo del experimento en el software MINITAB.

9
La imagen anterior nos muestra las características de experimento que se planearon
al inicio del problema.

Residuos

Después de haber insertado las especificaciones en el software nos dará una tabla
como la anterior que nos ayudará a determinar los residuos según los tiempos de
cada observación.

10
Regresión factorial: TIEMPO vs. Bloques, SOLUTO, CAPACIDAD,
PRESION
Análisis de Varianza

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

Modelo 8 18.3749 2.2969 3.42 0.061
Bloques 1 2.5873 2.5873 3.85 0.090
Lineal 3 6.8017 2.2672 3.38 0.084
SOLUTO 1 3.2490 3.2490 4.84 0.064
CAPACIDAD 1 1.5092 1.5092 2.25 0.178
PRESION 1 2.0435 2.0435 3.04 0.125
Interacciones de 2 términos 3 3.8035 1.2678 1.89 0.220
SOLUTO*CAPACIDAD 1 3.3015 3.3015 4.92 0.062
SOLUTO*PRESION 1 0.3944 0.3944 0.59 0.469
CAPACIDAD*PRESION 1 0.1076 0.1076 0.16 0.701
Interacciones de 3 términos 1 5.1825 5.1825 7.72 0.027
SOLUTO*CAPACIDAD*PRESION 1 5.1825 5.1825 7.72 0.027
Error 7 4.7009 0.6716
Total 15 23.0758

Resumen del modelo

R-cuad. R-cuad.
S R-cuad. (ajustado) (pred)
0.819484 79.63% 56.35% 0.00%

Coeficientes codificados

EE del
Término Efecto Coef coef. Valor T Valor p FIV
Constante 10.811 0.205 52.77 0.000
Bloques
1 0.402 0.205 1.96 0.090 1.00
SOLUTO -0.901 -0.451 0.205 -2.20 0.064 1.00
CAPACIDAD 0.614 0.307 0.205 1.50 0.178 1.00
PRESION -0.715 -0.357 0.205 -1.74 0.125 1.00
SOLUTO*CAPACIDAD -0.908 -0.454 0.205 -2.22 0.062 1.00
SOLUTO*PRESION 0.314 0.157 0.205 0.77 0.469 1.00
CAPACIDAD*PRESION 0.164 0.082 0.205 0.40 0.701 1.00
SOLUTO*CAPACIDAD*PRESION -1.138 -0.569 0.205 -2.78 0.027 1.00

Ecuación de regresión en unidades no codificadas

TIEMPO = 9.433 + 0.00611 SOLUTO + 1.064 CAPACIDAD - 2.680 PRESION

- 0.00606 SOLUTO*CAPACIDAD
+ 0.01727 SOLUTO*PRESION + 1.031 CAPACIDAD*PRESION
- 0.00759 SOLUTO*CAPACIDAD*PRESION

Ecuación promediada sobre los bloques.

11
La imagen anterior nos muestra los resultados de los efectos y la tabla de ANOVA.

GRAFICOS Y CONCLUSIONES.

En base a los gráficos podemos notar que los datos tienen una tendencia de
normalidad, no existe dispersión entre los puntos que están cercanos a la línea de
tendencia. Sin embargo, se observa también que la variabilidad tiende a tener picadas
muy pronunciadas.

12
Las gráficas de contorno representan que el tiempo va a ser de más de 12 minutos
independientemente de los factores.

13
Minitab muestra el valor absoluto de los efectos en el diagrama de Pareto. Los
efectos que se extienden más allá de la línea de referencia son significativos. Por lo
tanto concluimos que el soluto es significativo.

En la gráfica de cubo vemos la relación de los niveles altos con los bajos de cada uno
de nuestras variables analizadas.į

14
Observamos que CAPACIDAD-PRESIÓN no afecta significativamente al tiempo de
ebullición, sin embargo SOLUTO-CAPACIDAD sí interfiere en mayor grado al tiempo,
mientras que SOLUTO-PRESION interfiere de manera moderada en el nivel del
tiempo pero no tanto como SOLUTO-CAPACIDAD.

15
En cada uno de los factores tenemos lo siguiente:

 Soluto: El punto de ebullición se alcanza en menor tiempo cuando se colocan

200gr (nivel alto) y tarda más con los 50gr (nivel bajo).
 Capacidad: El punto de ebullición se alcanza en menor tiempo en su nivel bajo
(1 litro), que con el nivel alto (3 litros).
 Presión: El tiempo de ebullición del agua es más rápido cuando existe mayor
presión (con la tapa puesta), que sin ella.

16
Podemos notar que existe interacción entre los factores SOLUTO-CAPACIDAD y
CAPACIDAD-SOLUTO. Esto se debe a que son los que afectan más significativamente
al tiempo de ebullición.

17
Imágenes

18