Pasos para Diseños de Bloques Al Azar
Pasos para Diseños de Bloques Al Azar
Pasos para Diseños de Bloques Al Azar
FACULTAD DE MECÁNICA
ESCUELA DE INGENIERIA INDUSTRIAL
NOMBRE:
JUAN GONZALEZ
NIVEL:
NOVENO P1
FECHA:
2019/12/05
1. OBJETIVO
2. INTRODUCCIÓN
El software que aplicaremos para el módulo de diseño experimental será el Minitab el que da soporte
a los análisis multivariados que serán planteados en los problemas.
Ya que nos ayuda explorar datos con gráficas, Realizar análisis estadísticos, Evaluar la calidad y
Diseñar un experimento.
La planilla electrónica para utilizar será: Microsoft Excel (bajo entorno Windows).
Ejemplo 4.1
- escogemos análisis de varianza de dos factores con una sola muestra por grupo y damos
aceptar luego en la celda de rango de entrada seleccionamos los datos de los experimentos
y en rango de salida escogemos la celda donde queremos que se muestren los resultados
Total 108 15
Conclusión.
Con los resultados obtenidos en el análisis de varianza ANOVA se comprueba que tanto los
métodos de ensamble y los operadores no afectan en el tiempo del experimento.
- Para poder analizar de una manera más precisa procedemos a realizar las gráficas de
BOXPLOT y LSD tanto para el métodos y ensamble. Para graficar se debe seleccionar los
datos dar click en insertar, grafico combinado, crear gráfico combinado personalizado
después seleccionar caja de bigotes por último dar en “Aceptar”
Conclusión
Mediante este análisis se concluye que el método A es el mejor ya que requiere menor tiempo de
ensamble a un nivel de significancia del 95%.
PASOS PARA REALIZAR EL ANALISIS DEL EJEMPLO DE DISEÑO
EXPERIMENTAL EN MINITAB.
- Procedemos a copiar los datos del ejercicio
Análisis de Varianza
Fuente GL SC Ajust. MC Ajust. Valor F Valor p
METODO 3 61,50 20,500 5,29 0,015
Error 12 46,50 3,875
Total 15 108,00
Coeficientes
EE del
Término Coef coef. Valor T Valor p VIF
Constante 10,000 0,492 20,32 0,000
METODO
A -2,500 0,852 -2,93 0,013 1,50
B -1,000 0,852 -1,17 0,263 1,50
C 2,750 0,852 3,23 0,007 1,50
Ecuación de regresión
TIEMPO DE ENSAMBLE = 10,000 - 2,500 METODO_A - 1,000 METODO_B + 2,750 METODO_C
+ 0,750 METODO_D
Análisis de Varianza
Fuente GL SC Ajust. MC Ajust. Valor F Valor p
METODO 3 61,50 20,500 5,29 0,015
Error 12 46,50 3,875
Total 15 108,00
Coeficientes
EE del
Término Coef coef. Valor T Valor p VIF
Constante 10,000 0,492 20,32 0,000
METODO
A -2,500 0,852 -2,93 0,013 1,50
B -1,000 0,852 -1,17 0,263 1,50
C 2,750 0,852 3,23 0,007 1,50
Ecuación de regresión
TIEMPO DE ENSAMBLE = 10,000 - 2,500 METODO_A - 1,000 METODO_B + 2,750 METODO_C
+ 0,750 METODO_D
Análisis de Varianza
Fuente GL SC Ajust. MC Ajust. Valor F Valor p
METODO 3 61,50 20,500 5,29 0,015
Error 12 46,50 3,875
Total 15 108,00
Coeficientes
EE del
Término Coef coef. Valor T Valor p VIF
Constante 10,000 0,492 20,32 0,000
METODO
A -2,500 0,852 -2,93 0,013 1,50
B -1,000 0,852 -1,17 0,263 1,50
C 2,750 0,852 3,23 0,007 1,50
Ecuación de regresión
TIEMPO DE ENSAMBLE = 10,000 - 2,500 METODO_A - 1,000 METODO_B + 2,750 METODO_C
+ 0,750 METODO_D
Análisis de Varianza
Fuente GL SC Ajust. MC Ajust. Valor F VaLOR P FC
METODO 3 61,50 20,500 10,25 0,003 3,86
OPERADORES 3 28,50 9,500 4,75 0,030
Error 9 18,00 2,000
Total 15 108,00
Coeficientes
EE del
Término Coef coef. Valor T Valor p VIF
Constante 10,000 0,354 28,28 0,000
METODO
A -2,500 0,612 -4,08 0,003 1,50
B -1,000 0,612 -1,63 0,137 1,50
C 2,750 0,612 4,49 0,002 1,50
OPERADORES
1 -1,750 0,612 -2,86 0,019 1,50
2 2,000 0,612 3,27 0,010 1,50
3 -0,000 0,612 -0,00 1,000 1,50
Ecuación de regresión
TIEMPO DE ENSAMBLE = 10,000 - 2,500 METODO_A - 1,000 METODO_B + 2,750 METODO_C
+ 0,750 METODO_D - 1,750 OPERADORES_1 + 2,000 OPERADORES_2
- 0,000 OPERADORES_3 - 0,250 OPERADORES_4
GRÁFICA DE
DISTRIBUCIÓN
CONCLUSION
Con este análisis se puede comprobar que al 95% de confianza tanto los métodos como el operador
afectan al tiempo de ensamble.