UNIDAD 5- Interpretacin de los Resultados Experimentales

5-1 Mtodos de interpretacin

Una vez que 1. Un experimento se ha realizado 2. La ANOVA ha sido completada 3. los factores e interacciones significativas han sido identificadas 4. Los grficos de las diferentes condiciones de Tratamiento estn hechos

Slo una parte de la interpretacin ha sido completada .

Sin embargo Otras piezas de informacin son tiles para el experimentador y puesto que el anlisis de los datos es barato en comparacin con el coste de la prueba, es bueno analizar completamente los datos.
Algunos son: Porcentaje de contribucin Estimacin de la media Intervalo de Confianza alrededor de la media Trasformacin Omega de datos Otros mtodos de interpretacin

5-2 Porcentaje de contribucin

La porcin de la variacin total observada en un experimento atribuido a cada factor significativo y / o la interaccin se refleja en la contribucin por ciento.

Qu es la contribucin por ciento ?

Es una funcin de las sumas de cuadrados para cada elemento significativo.

La contribucin por ciento Indica la potencia relativa de un factor y / o interaccin para reducir la variacin. Si el factor y / o la interaccin controlaron los niveles de precisin, la variacin total se podr reducir en la cantidad indicada por el porcentaje de contribucin.

Cuando se utiliza un experimento para resolver un problema de produccin de la variacin total observada, debe representar ms del 75% de la variacin observada en la produccin.

Este es un indicador, pero No hay una certeza de que los factores apropiados han sido incluidos en el experimento. Si el intervalo de datos en el experimento es muy pequeo en relacin a la gama de datos en la produccin, entonces, incluso si los factores son importantes, pueden no ser lo suficientemente potentes como para controlar el problema y otros factores tendrn que ser investigados.

 Aunque no se ha mencionado en las secciones de la ANOVA, la varianza debida a un factor o interaccin contiene una cierta cantidad debido al error. Una ecuacin que indica esto por el factor A es: = +

 es la cantidad esperada de varianza debido al factor A. Resolviendo para : = La definicin de varianza para el factor A es: = Entonces: = Resolviendo para =

 es la suma de los cuadrados esperados debido al factor A, y el P es el por ciento de la contribucin a la variacin total que se puede calcular como: = 100

En este ejemplo se utiliza el factor A, pero cualquier factor o interaccin puede ser sustituido, siempre y cuando las cantidades apropiadas de cuadrados y grados de libertad asociados sean

Dos columnas ms, SS y P, pueden ser aadidas para completar la ANOVA. Dado que una parte de las sumas de cuadrados de un factor y / o la interaccin se sustrajo del error, a esta cantidad hay que aadir la suma de cuadrados del error con el fin de que la suma total de cuadrados sea inalterable. La contribucin porcentual total debe sumar el 100%. La contribucin por ciento debido a un error proporciona una estimacin de la adecuacin del experimento.

Si el por ciento de contribucin debido al error es bajo, entonces se supone que no hay factores importantes omitidos en el experimento. Si es un valor elevado puede suceder que: Algunos factores importantes fueron omitidos definitivamente Las condiciones no fueron controladas con precisin El error de medicin es excesivo.

15% o menos

50% o ms

ANOVA de la seccin 4-3

Fuente A B SS 45 24.5 GL 3 1 V 15 24.5 F 90 147 SS 44.5 24.33 P 63.6 34.8

C*
D* E* T e combinado

0
0 0.5 70 0.5

1
1 1 7 3

0
0 0.5 70 000 0.167 1.17 100 1.6

En este caso, el por ciento de contribucin indica que el factor A es el que ms contribuye a la variacin observada en el experimento.

5-3 Estimacin de la media

Al experimentador le gustara obtener algunas respuestas en particular de un producto o proceso:
1. Un mayor es mejor 2. Nominal es mejor 3. Menor es mejor. Dependiendo de: Las caractersticas Las diferentes combinaciones de tratamientos que seran elegidas para obtener resultados satisfactorios.

 Cuando un experimento ha sido conducido y la condicin de tratamiento ptimo del experimento ha sido determinada, existen una o dos posibilidades: La combinacin prescrita de los niveles de factores es idntica para uno de ellos en el experimento. La combinacin prescrita de los niveles de factores no fue incluida en el experimento.

 Si es idntica: el camino directo para estimar la media para las condiciones del tratamiento es promediar todos los resultados de los ensayos los cuales establecen esos niveles particulares. Si no fue incluida: una ruta ms indirecta se tendr que tomar para calcular el promedio para esa condicin del tratamiento.

El procedimiento depende de la aditividad de los efectos factoriales.

Si uno de efecto factorial se puede aadir a otro para predecir con exactitud el resultado, entonces existe una buena aditividad. Si una interaccin existe, entonces la aditividad entre ellas es pobre.

 Asumiendo las condiciones de tratamiento de 2 2 estimadas. Entonces 2 representa el efecto 2 para cambiar el promedio de a 2 y 2 representa el efecto 2 para cambiar el promedio de a 2 .

22 = + 2 + 2 = 2 + 2

 Algunos factores pueden ser combinados si su aditividad es buena. El coeficiente en trminos de es uno menos que el nmero de elementos aadidos para estimar la media.

En este caso dos elementos fueron agregados, entonces el coeficiente es igual a uno. Otro ejemplo para la estimacin de la condicin 2 1 2 2 :
2 1 22 = 2 + 1 + 2 + 2 3

 Si la caracterstica es una caracterstica HB y: 1 = 1.3 2 = 1.5 1 = 2.3 2 = 0.5 1 = 0.9 2 = 1.9

1 = 1

2 = 1.8

= 1.4

2 1 22 = 1.5 + 2.3 + 1.9 + 1.8 3 1.4 = 3.3

 Cuando una interaccin existe, la aditividad es pobre entre los factores, especialmente cuando el efecto de la interaccin es mayor que cualquier efecto principal. Para obtener la mejor estimacin de la media cuando una interaccin est presente, los ensayos que incluyen la condicin del tratamiento deben ser promediados. Los efectos de la condicin 2 2 cambia el promedio de que es representada por:

 Cuando dos factores estn interactuando entonces: 2 + 2 = 2 2

El efecto de interaccin es la diferencia entre el lado izquierdo y derecho de la ecuacin anterior.

 Si otros dos niveles de factores, 1 1 , sucedieran para mejorar la dureza, esto se calcula considerando la interaccin como un elemento el cual tiene una buena adicin a la no interaccin de otros elemento permitiendo hacer la estimacin

22 11 = 2 2 + 1 + 1 2

 Aqu la aditividad pobre de los factores que interactan es evitada cuando otros elementos de no interaccin son agregados. 2 2 = 9.5 = 7.5 1 = 7.2 = 6.875 Entonces 22 1 1 = 9.5 + 7.2 + 7.5 2 6.875 1

5-4 Intervalo de confianza alrededor de la media estimada

La confianza: es el sentido estadstico, se refiere a que hay una posibilidad de error.

Tipos de intervalo de confianza (CIS)

Dependiendo del propsito de la estimacin. 1. Alrededor de la media de una condicin particular del tratamiento en el experimento actual.

2. Alrededor de la media estimada de una condicin de tratamiento predicho a partir del experimento.
3. Alrededor de la media estimada de una condicin de tratamiento utilizado en un experimento de confirmacin para verificar las predicciones.

CI1, para las condiciones del tratamiento experimental

Este mtodo para calcular CI es el enfoque estadstico tradicional. 1 = ;1;2

 Donde: ;1;2 = F proporcin necesaria para: = riesgo Confianza= 1-

1 =1 2 =grados de libertad para el error = =varianza del error

n= nmero de prueba bajo

 La F necesaria es determinada por las mismas tablas de la F usadas en la ANOVA. Entonces 1 grado de libertad para el numerado asociado con la media que es estimada siempre tendr el valor de 1 para el intervalo de confianza. Los grados de libertad para el denominador son los grados de libertad del error asociado con la varianza del experimento. El CI es usado de esta manera:

 Ambos estados son hechos para algn nivel de confianza. Por ejemplo con un 90% de confianza, una =0.052 y una n=4 3.36(.052) = 0.21 4

1 =

1 =1.05 2 =1.475 3 =2.05 1.05 .21 < 1 < 1.05 + .21 0.840 < 1 < 1.260 01.265 < 2 < 1.685 1.840 < 3 < 2.260

CI1 Para condicionar el 5-4-2 para la condicin predicha tratamiento previsto del tratamiento
La expresin para calcular el se modifica

2 =

;1;

+ ( )

Por ejemplo, si L16 ha sido usada para un experimento con una prueba por ensayo entonces: 2 2 12 = 2 2 + 1 + 2 2 16 =4 1+1+1+1

Entonces N=16 y

 Se tendr en cuenta cuatro factores asignados para un L16 no tiene las combinaciones 2 2 1 2 . El mtodo de Taguchi de uso de da crdito para los puntos de datos usados en calcular 2 2 , 1 y 2 . De nuevo 22 1 2 = (2 2 + 1 + 2 2) 2

 Otro ejemplo del clculo de es: 33 2 = 3 + 3 + 2 2

= 2

= 2

= 1

_N_ = =6 1 + 2 + 2 + 1 16

CI3 Para predecir un experimento 5-4-3 3 para predecir un de confirmacin experimento de confirmacin
Un experimento de confirmacin es usado para verificar que los factores y niveles elegidos de un experimento causen a un producto o proceso comportarse de cierta manera.

 La diferencia entre 2 y 3 , es que 2 es para la poblacin entera, y 3 es solo para una parte de la muestra realizada bajo condiciones especificas.

Porque del tamao ms pequeo de muestra es relativo para la poblacin, 3 debe ser ligeramente ms amplio y modificado.
3 = ;1; [ 1 1 + ]

 r= tamao de la muestra para confirmacin del experimento r0 Cuando r tiende a infinito, el valor de 1/r se acerca a cero y 2 =3 . Cuando r tiende a 1, el se hace ms amplio.

5-5 Transformacin Omega

Es usada en otra situacin donde la baja aditividad puede suceder. Cuando los datos estn en porcentajes para: 1. Por ciento de rendimiento 2. Por ciento de prdida 3. Por ciento de defectuosas.
Cuando estos valores se aproximan a 100% 0%, la aditividad tal vez es pobre, cuando el valor de es calculado, un valor mayor que 100% o menor que 0% puede ser obtenido.

 Para utilizar el mtodo de conversin de omega:

Convertir los valores por ciento a los valores de db usando las tablas de omega o de frmula. Usar la ecuacin para estimar la media sustituyendo los valores de omega.

Convertir el valor obtenido de nuevo al valor del porcentaje de uso de las tablas de omega o frmula.

 En una resolucin totalmente saturada un experimento de varios factores pueden contribuir en algo a la reduccin de las unidades defectuosas por ciento en un proceso. Uno o dos de los factores probablemente contribuye en mayor manera, pero algo ayuda en reducir la perdida de uso.

Ejemplo:
1 = 5% 1 = 10% 1 = 3% 1 = 8%

2 = 9%

2 = 4%
2 = 6%

2 = 11%
= 7%

Entonces 1212 = 1 + 2 + 1 + 2 3 1212 = 5 + 4 + 3 + 6 3 7 = 3%

 Aplicando la transformacin omega

% 5 4 3 db -12.787 -13.801 -15.096

6
7

-11.949
-11.233

12 12 = 12.787 13.801 15.096 11.949 + 3 11.233 = 19.934

 Convertir el valor dB de nuevo a porcentaje hace que la estimacin se iguale aproximadamente 1 por ciento. La frmula para la trasformacin de omega es:

= 10 log[ ] 1
Donde p= fracciones decimales (0<p<1).

5-6 Otros mtodos de interpretacin

Hay varios mtodos de alternativos de interpretacin que estn disponibles debido a la estructura de las matrices ortogonales. Estos son usados como complemento de una ANOVA y no como un reemplazo total de mtodos ms sofisticados.

5-6-1 Mtodo de observacin

Este mtodo es sugerido como un mtodo de interpretacin preliminar, y es posible usarlo cuando la respuesta es una caracterstica LB o HB. El experimento para reducir las fugas en las bombas de agua del motor es un muy buen ejemplo a utilizar para el mtodo de observador.

 Los 7 factores mencionados en la tabla fueron asignados a L8 OA y 8 diferentes montajes fueron clasificados para las fugas.
El desempeo de las fugas fue monitoreado en una escala semi-variable con 0 representaciones sin condicin de fuga y 5 representaciones de la condicin de fuga, los cuales han sido observados.

 Los resultados del experimento son: Prueba de fugas del motor de las Bomba Factores de agua A B C D
No. Ensayo 1 2 3 4 5 6 7 8

Numero de columnas

1 1 1 1 1 2 2 2 2

2 1 1 2 2 1 1 2 2

3 1 1 2 2 2 2 1 1

4 1 2 1 2 1 2 1 2

5 1 2 1 2 2 1 2 1

6 1 2 2 1 1 2 2 1

7 1 2 2 1 2 1 1 2

Datos de fuga 4 3 1 0 2 4 0 1

 Los ensayos 4 y 7 tienen los resultados ms deseados desde el punto de vista del cliente, lo que tienen esos ensayos en comn es que cuando observas la columna 1, el factor A, puede verse que el ensayo 4 tiene el nivel 1 y el ensayo 7 el nivel 2 .

Desde se obtuvieron buenos resultados en cada caso, es poco probable que el factor A halla contribuido a un resultado exitoso. Las columnas 2, 5 y 7 tienen niveles en comn para en ensayo 4 y 7

 Presumiblemente, uno o todos estos factores contribuyen en estos niveles hacia resultados exitosos. En este punto cualquier interaccin que pueden existir en irrelevante; esta particular combinacin parece proporcionar buenos resultados. As, en lugar de tener que controlar 7 factores, solo 3 tendrn que ser controlados.

 Prueba de fugas del motor de las Bomba de agua (resultados clasificados)

Factores A B C D E F G Numero de columnas

No. Ensayo

Datos de fuga

4 7 3 8 5 2 1 6

1 2 1 2 2 1 1 2

2 2 2 2 1 1 1 1

2 1 2 1 2 1 1 2

2 1 1 2 1 2 1 2

2 2 1 1 2 2 1 1

1 2 2 1 1 2 1 2

1 1 2 2 2 1 1 1

0 0 1 1 2 3 4 4

5-6-2 Mtodo de clasificacin

Una extensin del mtodo de observacin es clasificar todos los resultados, del mejor hasta el peor, y las condiciones correspondientes de ensayos. Con este mtodo la consistencia de los niveles en los extremos de la bondad de la escala de rigor son de inters.

 Aqu hay una relacin muy fuerte con todos los niveles B2 que caen hacia el extremo de la bondad y todos los niveles B1 en el extremo del rigor. El factor E tiene una fuerza moderada desde dos 2s son al final una buena y dos 1s al final malo. El diseo nueva empaquetadora en conjuncin con un acabado suave de la carcasa de la bomba debe proporcionar una unidad a prueba de fugas.

 Tanto el mtodo de observacin y el mtodo de clasificacin tiene una caracterstica interesante cuando se utiliza de dos niveles OAs como la base experimental, es decir, para dividir los resultados en grupos los cuales estn dentro del grupo consistente.

Si un factor es realmente importante, entonces sern dos grupos de datos, uno asociado con el nivel bajo y un asociado con el alto nivel.

Fcatores

A
No. Ensayo

C D

F G
Datos de fuga

Numero de columnas

3 4

5 6 7

1 2 3 4 5 6 7 8
Sum 1 Sum 2 Diferencia

1 1 1 1 1 1 1 2 2 1 2 2 2 1 2 2 1 2 2 2 1 2 2 1 8 13 8 7 2 7 -1 -11 -1

1 1 1 1 2 2 2 2 1 1 2 2 2 2 1 1 1 2 1 2 2 1 2 1 1 2 2 1 2 1 1 2 7 10 7 8 8 5 8 7 1 -5 1 -1

4 3 1 0 2 4 0 1

5-6-3 Mtodo de efectos de columna

Este enfoque es utilizado para sealar las columnas que tienen grandes influencias sobre la respuesta. Utilizando los mismos experimentos de fugas y el anlisis de despedida el mtodo de columna es mostrar los efectos en la tabla.

 La suma de los datos asociados con el primer nivel se resta de la suma de los datos asociados con el segundo nivel de cada columna. Las magnitudes de las DIFERENCIAS se comparan entre s para encontrar los efectos relativamente grandes. Se reconocer la diferencia de nivel para cada columna como el valor fundamental en la suma de los cuadrados de la frmula ANOVA, sin embargo, no hay un criterio estadstico para que podamos tomar una decisin en cuanto a que las columnas que son significativas.

 Las magnitudes relativas indican la potencia relativa de los factores que afectan en los resultados. De nuevo, el factor B tiene el mayor efecto, factor E es el segundo mayor efecto, y todos los dems factores tienen un efecto dbil.

No hay criterios de decisin estadstica de que se utilicen para cualquiera de estas tcnicas de anlisis superficiales.

5-6-4 Anlisis de trazo

El trazo de los resultados del experimento debe ser hecho en todas las formas posibles.
Por niveles de los factores importantes. Por niveles de combinaciones de factores importantes para evaluar las posibilidades de interaccin. Por orden de la prueba real.

 Trazado con el fin de la prueba real se revelan las tendencias fuertes, arriba o abajo, que pudo haber existido durante la ejecucin del experimento. Las tendencias tendran que ser causada por algn factor desconocido e incontrolable que vari durante el experimento. Esperemos que los datos no muestren ninguna correlacin con el pedido de prueba, lo cual afectara la interpretacin de los resultados. Si una tendencia hacia arriba o hacia abajo se detecta, los datos deben ser corregidos para tener en cuenta la tendencia y se analizaron despus de la correccin.

 Para corregir los datos para una tendencia para que aparezca como un patrn horizontal es muy simple. Una lnea de tendencia se dibuja a travs de los datos con respecto al pedido de prueba real. Los valores de datos debe tener la diferencia entre la lnea de tendencia y restan de los datos en el rea donde la lnea de tendencia es ms arriba.

La diferencia entre la lnea de tendencia y T debe ser aadido a los datos en el rea donde la lnea de tendencia est por debajo de T. Esto elimina el efecto tendencia a partir de los datos que reducen la variacin de error y hace ANOVA ms sensible a las diferencias en los promedios que puedan existir. Si una tendencia debera existir, se recomienda que al experimentador proseguir con el factor que puede haber producido la tendencia.

5-6-5 Rondas de secundaria de la experimentacin

Los experimentos de cribado inicial estn destinado a detectar los factores que producen el efecto deseado.

 Sin embargo, dentro de los niveles que fueron elegidos para el experimento, los resultados ptimos no se han alcanzado y la experimentacin adicional puede ser necesaria para avanzar hacia el ptimo. Experimentacin se debe hacer uso de los factores importantes del experimento de seleccin, pero con nuevos niveles que se prevn para mejorar el rendimiento.

 Dependiendo del tipo de caractersticas, diferentes estrategias tienen que ser usadas. La figura 5-3 muestra las posibilidades que puedan existir para una situacin de un solo factor o de una situacin de dos factores.

En uno de los factores posea la capacidad de influir en la respuesta del producto o proceso, entonces el logro de un mayor valor nominal, o ms bajo es relativamente fcil.

 Extrapolar apropiadamente a lo largo de la lnea de mejor ajuste a los resultados permitirn al experimentador a utilizar un determinado resultado. Las interacciones entre los factores no son tan fcilmente dirigidas y dependen del tipo de caracterstica como se indica en los grficos B, C y D, en la figura. 5-3.