2 Diseno de Experimentos

2.
Diseño de Experimentos
2.1 Introducción
El diseño de experimentos clásico tiene fundamentos estadísticos más rigurosos que la

metodología Taguchi.
2.2 El Diseño Factorial 22
El diseño experimental con varios factores más sencillo es el que tiene sólo dos factores y
cada uno se corre a dos niveles. A este diseño se le llama diseño factorial 22.
Ejemplo 2.1 Ranuras de Localización en una Tarjeta de Circuitos Impresos
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
1
(B). Se seleccionan dos tamaños de las ranuras ( 16 y 81 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 en cada tarjeta de
prueba. El objetivo del experimento es minimizar la vibración.
Réplicas
Combinación
Corrida de Tratamientos A B I II III IV Total
1 (1) - - 18.2 18.9 12.9 14.4 64.4
2 a + - 27.2 24.0 22.4 22.5 96.1
3 b - + 15.9 14.5 15.1 14.2 59.7
4 ab + + 41.0 43.9 36.3 39.9 161.1
Por convención, las cuatro combinaciones de tratamientos suelen representarse con letras
minúsculas. El nivel alto se denota por la letra minúscula correspondiente y el nivel bajo
por la ausencia de la letra respectiva. Además, se asocia un signo + con el nivel alto del
factor y un signo – con el nivel bajo.
9
Estimación de los Efectos Principales e Interacción
Para estimar los efectos de los factores A y B se hace uso de la siguiente fórmula donde n
representa el número de réplicas:
1
A  ab  a  b  (1)
2n
1
B  ab  b  a  (1)
2n
Para estimar el efecto de la interacción entre A y B se usa la siguiente fórmula:
1
AB   ab  (1)  a  b
2n
Estime los Efectos Principales y la Interacción en el Ejemplo 1.
10
Análisis de Varianza Usando Minitab
Usando Minitab se puede crear el diseño y realizar el análisis de varianza de la siguiente
manera:
1. Seleccione Stat  DOE  Factorial  Create Factorial Design.
2. En Number of factors seleccione 2.
3. Haga clic en Designs y en Number of replicates seleccione 4. Presione OK.
4. Haga clic en Options y verifique que no esté seleccionada la opción Randomize
runs para que las corridas aparezcan en orden estándar. Presione OK dos veces.
5. El Minitab mostrará el diseño experimental en orden estándar. En la columna C7
escriba los 16 valores de la respuesta, y, en el orden correspondiente.
6. Seleccione Stat  DOE  Factorial Analyze Factorial Design.
7. En Response seleccione la respuesta correspondiente. Haga clic en OK en cada
cuadro de diálogo.
8. Para graficar los efectos, seleccione Stat  DOE  Factorial  Factorial Plots
 Main Effects Plots  Interaction Plot.
9. Seleccione Set Up en ambas gráficas y seleccione la respuesta y los factores A y B.
10. Haga clic en OK en cada cuadro de diálogo.
En la ventana de sesión se obtienen los siguientes resultados:
Factorial Fit: y versus A, B
Estimated Effects and Coefficients for y (coded units)
Term Effect Coef SE Coef T P

Constant 23.831 0.6112 38.99 0.000
A 16.637 8.319 0.6112 13.61 0.000
B 7.537 3.769 0.6112 6.17 0.000
A*B 8.713 4.356 0.6112 7.13 0.000
S = 2.44476 R-Sq = 95.81% R-Sq(adj) = 94.76%
Analysis of Variance for y (coded units)
Source DF Seq SS Adj SS Adj MS F P

Main Effects 2 1334.48 1334.48 667.241 111.64 0.000
2-Way Interactions 1 303.63 303.63 303.631 50.80 0.000
Residual Error 12 71.72 71.72 5.977
Pure Error 12 71.72 71.72 5.977
Total 15 1709.83
Pruebas de Hipótesis Realizadas por Minitab

Minitab realiza algunas pruebas de hipótesis para verificar si los factores y su interacción
tienen un efecto significante sobre la respuesta. En estas pruebas, Minitab calcula el valor
P que representa la probabilidad de que el efecto no sea significante. Generalmente, en la
práctica se considera que el efecto no es significante si el valor P es mayor que 0.05.
11
En nuestro ejemplo, resultaron significantes tanto los efectos principales (A y B) como la
interacción (AB). Cuando la interacción es significante, ésta tiene prioridad sobre los
efectos individuales de A y B al momento de seleccionar los niveles óptimos. Si la
interacción no resulta significante, los niveles óptimos se seleccionan basándose sólo en
las gráficas de los efectos principales.
Main Effects Plot (data means) for y

A B
32.5
30.0
27.5
Mean of y
25.0
22.5
20.0
17.5
15.0
-1 1 -1 1
Interaction Plot (data means) for y

A
40 -1
1
35
30
Mean
25
20
15
-1 1
B
Niveles óptimos: Con base en la gráfica de la interacción, se observa que los niveles de
los factores A y B que minimizan la vibración son el nivel bajo de A (A-1) y el nivel alto
de B (B1). Aunque en realidad, no se ve mucha diferencia entre los dos niveles del factor
B.
12
Tarea 2
Analice el siguiente experimento donde se estudia el efecto de la temperatura y la presión

sobre el rendimiento de un proceso químico. El objetivo del experimento es maximizar el
rendimiento.
Réplicas
Combinación
Corrida de Tratamientos A B I II III IV
1 (1) - - 80 82 81 83
2 a + - 95 94 93 96
3 b - + 70 71 72 73
4 ab + + 85 84 86 85
a) Estime los efectos principales y la interacción.

b) Usando Minitab, cree el diseño experimental y haga el análisis de varianza.
c) Determine que efectos son significantes y los niveles óptimos de los factores A y
B.
13

2 Diseno de Experimentos

Cargado por

Copyright:

Formatos disponibles

2 Diseno de Experimentos

Cargado por

Información del documento

Descripción original:

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

2 Diseno de Experimentos

Cargado por

Copyright:

Formatos disponibles

2.

El diseño de experimentos clásico tiene fundamentos estadísticos más rigurosos que la

2.2 El Diseño Factorial 22

Ejemplo 2.1 Ranuras de Localización en una Tarjeta de Circuitos Impresos

Para estimar el efecto de la interacción entre A y B se usa la siguiente fórmula:

Estime los Efectos Principales y la Interacción en el Ejemplo 1.

En la ventana de sesión se obtienen los siguientes resultados:

Factorial Fit: y versus A, B

Estimated Effects and Coefficients for y (coded units)

Term Effect Coef SE Coef T P

S = 2.44476 R-Sq = 95.81% R-Sq(adj) = 94.76%

Analysis of Variance for y (coded units)

Source DF Seq SS Adj SS Adj MS F P

Pruebas de Hipótesis Realizadas por Minitab

Main Effects Plot (data means) for y

Interaction Plot (data means) for y

Analice el siguiente experimento donde se estudia el efecto de la temperatura y la presión

a) Estime los efectos principales y la interacción.

También podría gustarte