SEIS SIGMA

TEMA: DOE 2K Y 2K-P

Alumno: Hernández Pérez Oswaldo Angel

N° de Control: 18070655
N° de Lista: #13

Docente: Guillermo Carlos Peña García

Hora: 11:00 / 12:00 pm

 DISEÑO DE
EXPERIMENT
OS
2K.
CASO PRACTICO CON DISEÑO 2^2
Este Ejercicio Fue tomado del Libro:
“Análisis y diseño de Experimentos (2008)” Segunda Edición.
Autor Humberto Gutiérrez Pulido
EJEMPLO:
Diseño 2^2
Nos interesa estudiar el efecto del tamaño de broca (factor A) y de la velocidad (factor B)
sobre la vibración de la ranuradora (respuesta Y). Para ello, se decide utilizar un
diseño factorial 22 con cuatro réplicas, lo cual da un total de 4 × 22 = 16 corridas del
proceso, que se realizan en orden aleatorio. El tamaño de la broca se prueba en 1/16 y
en 1/8 de pulgada y la velocidad en 40 y 90 revoluciones por segundo, según se
describe en la siguiente tabla
 Diseño 2^2
En siguiente tabla se muestra el diseño factorial utilizado en sus unidades originales, que
son las que se necesitan al momento de hacer las pruebas o corridas del proceso.
También se muestra la notación (+, –), y los datos obtenidos en las 16 pruebas. En la
última columna se muestra el total por tratamiento utilizando la notación de Yates. Se
hicieron 4 repeticiones de cada tratamiento; además, se supone que todo el
experimento se corre en igualdad de circunstancias con respecto al resto de factores no
estudiados (principio de bloqueo), es decir, los factores controlables no incluidos en el
estudio se mantienen lo más fijo posible durante la realización de las pruebas.

FACTOR A Y B NOTACION +- 16 CORRIDAS YATES

 Diseño 2^2
Las preguntas principales que se quieren responder con el experimento son:
• ¿la velocidad y el tamaño de la broca afectan la vibración de la ranuradora?
• Si la afectan, ¿cómo es tal efecto y cuál combinación de velocidad y tamaño de broca
minimiza la vibración?
• ¿cuál es la vibración esperada en las condiciones óptimas?, ¿se cumplen los supuestos
del modelo?
PLANTEAMIENTO DE HIPOTESIS
HO: Efecto del tamaño de la broca (A)= 0
HA: Efecto del tamaño de la broca(A)≠ 0

HO: Efecto de la velocidad (B)= 0

HA: Efecto de la velocidad (B)≠ 0

HO: tamaño x velocidad (AB)= 0

HA: tamaño x velocidad (AB)≠ 0
 METODO DE
YATES Y
FORMULAS DE
SIGNOS
Desarrollo del Problema en EXCEL
PROBLEMA 2^2 CON 4 REPLICAS
PROBLEMA 2^2 CON 4 REPLICAS
PROBLEMA 2^2 CON 4 REPLICAS
PROBLEMA 2^2 CON 4 REPLICAS
PROBLEMA 2^2 CON 4 REPLICAS
PROBLEMA 2^2 CON 4 REPLICAS
PROBLEMA 2^2 CON 4 REPLICAS
SOFTWARE
MINITAB
Desarrollo del Problema
PASOS PARA ELABORAR UN DOE 2K
 PASOS PARA ELABORAR UN DOE 2K

Creamos un diseño de 2 niveles (Alto y Bajo) con dos factores (A y B)

dando un total de 4 corridas pero especificamos que van a ser 4 réplicas
y con un diseño de block estandarizado como indica el problema
 PASOS PARA ELABORAR UN DOE 2K

Especificamos el tipo de factor y el nombre que se le dará, en este caso

Tamaño de broca y Velocidad e indicamos los dos niveles con los que
trabajara. En el apartado de opciones desmarcaremos la casilla de
aleatorización para ser mas fácil el vaciado de datos.
PASOS PARA ELABORAR UN DOE 2K

Nos arrojara una matriz de

niveles dando un total de
16 corridas como lo
especifico el problema,
ahora tendremos que
insertar los datos de la
variable de respuesta en la
columna denominada
“Vibración”
PASOS PARA ELABORAR UN DOE 2K
Una vez vaciado los datos en
la columna de la variable
de respuesta, nos
enfocaremos a analizar
nuestro DOE creado y
verificar los datos
arrojados por el software
incluyendo las gráficas 4
en 1 y el Anova
principalmente que nos
ayudaran a determinar la
manera mas optima para
reducir la vibración
PASOS PARA ELABORAR UN DOE 2K
ANALISIS DEL
DOE 2^2
DIAGRAMA PARETO

Con el Diagrama de
Pareto podemos ver que tanto
los 2 factores como
la interacción de ambos
son estadísticamente significativ
os ya que los 3 sobrepasan
la línea punteada y entre ellos
observamos que el
que más significancia tiene es el
factor A que es el Tamaño de
Broca.
 GRAFICA DE RESIDUOS 4 EN 1
Con la Grafica de probabilidad normal comprobamos que se esté cumpliendo el supuesto de
normalidad ya que los puntos que tenemos graficados de los residuos están cercanos a la recta.

En cuanto a los supuestos de varianza constante en este caso utilizamos la gráfica  de residuos vs
valor ajustado que en este caso se grafican los residuos contra los valores ajustados y
observamos si los valores tienden a tener una posición vertical con respecto a una horizontal es
decir que se encuentren sobre el eje Y de manera aleatoria. Podemos decir que se cumple el
supuesto de varianza constante.
 GRAFICA DE RESIDUOS 4 EN 1
El histograma nos ayuda a ver la frecuencia de los residuos y su distribución para todas las
observaciones del problema.

Y la gráfica de Residuos vs Orden observamos que hay un patrón de cambio, esto podría indicar que
los residuos que están cercanos entre sí podrían estar correlacionados y, por lo tanto, podrían no
ser independientes.
 GRAFICA DE EFECTOS NORMAL

Observamos que el tipo de efecto es signifcativo  para los factores A y B, además de que
la interacción entre ellos tambien es significativa, ya que los puntos se encuentran
lejanos a la recta.
ANOVA
 ANOVA EXPLICACION

Con los grados de libertad observamos la cantidad total de los datos en este caso
vemos que para modelo tenemos 3 Gl, En Lineal 2, Tamaño de broca 1,
Velocidad 1, En la interacción 1, Error 12 y Total 15.

Con los SC Ajust cuantificamos la cantidad de variación en los datos de

respuesta que se explica por cada término en el modelo.

Con el MC Ajust medimos que tanta variación entre los términos, asumiendo que

todos los demás términos están en el modelo.
 ANOVA EXPLICACION

Los valores del Estadístico F los comparamos con la distribución de Fisher que se
encuentra con un Grado de Libertad en el Factor y 12 en el Error y nos da un
valor de 4.75 y lo comparamos cada valor F obtenido y observamos que 185.25,
38.02 y 50.80 son mayores a 4.75 por lo que se rechazan todas las HO ya que si
se pasa de este valor quiere decir que si existe un efecto significativo sobre la
respuesta.

El valor p tiene que ser menor a 0.05  que es la significancia, entonces al ser los
valores de p menores a 0.05 podemos decir que si existe un efecto significativo
sobre la vibración de la ranuradora.    
RESUMEN DEL MODELO R AJUSTADA

Resumen del modelo.

Tenemos S= 2.44476 que representa la desviación estándar de la distancia que
separa los valores de los datos y los valores ajustados. 
El R-cuad. De 95.81% es el porcentaje de variación en la respuesta . Esto nos
quiere decir que los 2 factores y la interacción de ambos son responsables de
una variabilidad significativa en la respuesta que es la vibración de la
ranuradora
 COEFICIENTES CODIFICADOS

Coeficientes Codificados.
Con el valor coef medimos la precisión de la estimación de los coeficientes. 
Con el valor T observamos la relación entre el error estándar y los coeficientes 
El factor de inflación  de la varianza (FIV) nos indica que los factores y su interacción se inflaron 1
en la varianza 
Como el valor P es menor a 0.5 de la significancia podemos concluir que el coeficiente es
estadísticamente significativa 
 ECUACION DE REGRESION

La vibración estimada es igual a 23.831 que es nuestra media poblacional más 8.319
por el tamaño de broca o en este caso multiplicarlo por el nivel conveniente para
disminuir la vibración de la ranuradora, es decir, 1 o –1 dependiendo del nivel
que resulta conveniente para lo que estamos buscando + 3.769 multiplicado de
igual manera con el factor de velocidad en su valor alto o bajo dependiendo de
en cual se logre disminuir la vibración de la ranuradora + 4.356 multiplicado por
–1 o 1 correspondiente a la interacción de ambos factores para obtener la menor
vibración.
 GRAFICA DE EFECTOS PRINCIPALES

La grafica de efectos principales nos muestra que el tamaño de broca  está asociado con la vibración
más alta, sin embargo los efectos del modelo lineal general (GLM), indican que el efecto
principal de velocidad no es estadísticamente significativo. Si se utiliza Ajustar modelo lineal
general con este conjunto de datos, los resultados indican que la interacción entre la velocidad y
tamaño de broca es estadísticamente significativa. Este efecto de interacción indica que hay una
relación entre la velocidad y la broca. Si se es utilizado una broca de 1/16 la vibración será la
menor.
 CONCLUSION.
Para este caso se debe tomar lo menor es lo mejor. Debemos tomar en cuenta que
mientras menor sea la vibración será mejor el resultado, por lo que las mejores
condiciones de operación son Tamaño de broca 1/16 de pulgadas a 90 revoluciones
por segundo, ya que nos da una vibración promedio de 14.92 que es la más
pequeña entre todas las demás. 
Con esto podemos responder a las preguntas del inicio del problema planteadas junto a
las hipótesis.
1. ¿La velocidad y el tamaño de la broca afectan la vibración de la ranuradora?
R= Como pudimos ver en el ANOVA y las gráficas de efectos, visualizamos que
ambos factores son significativos en la variable de respuesta por lo que si, la
velocidad y el tamaño de la broca si afectan a la vibración.

2. Si la afectan, ¿cómo es tal efecto y cuál combinación de velocidad y tamaño de

broca minimiza la vibración? R= La combinación para minimizar la vibración
es usar la broca de 1/16 ´´ a 90 revoluciones por segundo
 DISEÑO DE
EXPERIMENT
OS
2K-P.
CASO PRACTICO CON DISEÑO 2^7-4
Este Ejercicio Fue tomado del Libro:
“Análisis y diseño de Experimentos (2008)” Segunda Edición.
Autor Humberto Gutiérrez Pulido
 Experimento 2^7-4. Ejemplo Integrador
En una compañía se compró un equipo de afilado, y después de una
semana se dieron cuenta de que el exceso de vibración en el proceso
era un problema muy serio. Un equipo de mejora decide tratar de
reducir la vibración aplicando diseño de experimentos. Identifican
siete factores, todos asociados con la herramienta de afilado, que
pueden tener algo que ver en la cantidad de vibración: diámetro,
longitud, tamaño de grano del material, velocidad de alimentación,
revoluciones por minuto, estructura del material y peso de la precarga.
Se eligen dos niveles para cada factor, en los cuales llevar a cabo el
experimento. Como la puesta en marcha del robot y el tiempo de
corrida tienen un alto costo, el equipo decide utilizar un experimento
de ocho corridas.
 Experimento 2^7-4. Ejemplo Integrador
Bajo el supuesto de que los efectos de interacción se pueden considerar
despreciables, se decide correr un diseño altamente fraccionado (saturado)
como lo es la fracción 2^7– 4 que se muestra en la siguiente tabla, junto
con los resultados obtenidos. El diseño tiene resolución III, lo cual implica
que hay efectos principales confundidos con interacciones dobles
 Experimento 2^7-4. Ejemplo Integrador
Estructura de alias del diseño 2^7 III – 4 (fracción principal).
 Experimento 2^7-4. Ejemplo Integrador
Datos en la siguiente tabla de las 8 corridas experimentales que se realizaron
siguiendo las instrucciones de una resolución de III con sus respectivos
niveles cada factor y su variable de respuesta con bloques
predeterminados y sin puntos centrales a una sola replica.
 Planteamiento de Hipótesis
PLANTEAMIENTO DE HIPOTESIS
HO: Efecto del tamaño de Grano(A)= 0 HO: Efecto del Estructura del material (F)= 0
HA: Efecto del tamaño de Grano(A)≠ 0 HA: Efecto del Estructura del material (F) ≠ 0

HO: Efecto de la longitud (B)= 0 HO: Efecto de la velocidad de Alimentación (G)= 0

HA: Efecto de la longitud (B)≠ 0 HA: Efecto de la velocidad de Alimentación (G) ≠ 0

HO: Efecto del Diámetro (C)= 0

HA: Efecto del Diámetro (C )≠ 0

HO: Efecto del RPM (D)= 0

HA: Efecto del RPM (D )≠ 0

HO: Efecto del Peso de Carga (E)= 0

HA: Efecto del Peso de carga (E)≠ 0
DESARROLLO
DEL
PROBLEMA
MINITAB 17
PASOS PARA DETERMINAR EL DOE
FRACCIONADO
PASOS PARA DETERMINAR EL DOE
FRACCIONADO
PASOS PARA DETERMINAR EL DOE
FRACCIONADO
PASOS PARA DETERMINAR EL DOE
FRACCIONADO
PASOS PARA DETERMINAR EL DOE
FRACCIONADO
PASOS PARA DETERMINAR EL DOE
FRACCIONADO
PASOS PARA DETERMINAR EL DOE
FRACCIONADO
Pareto Chart of the Effects
(response is Vibra, α = 0.05)
Term 18.91
Factor Name
E A GRANO
B LONG
C C DIAM
D RPM
E PRECAR
A
F MATEST
G ALIM
F

0 5 10 15 20 25
Effect
Lenth’s PSE = 5.025
 EL MEJOR
ANOVA
Aplicamos eliminando los términos no significativos y
dejamos los 3 principales factores.
PASOS PARA DETERMINAR EL DOE
FRACCIONADO
EL MEJOR ANOVA
 EL MEJOR ANOVA
Pareto Chart of the Standardized Effects
(response is Vibra, α = 0.05)
Term 2.776
Factor Name
A GRANO
B LONG
E C DIAM
D RPM
E PRECAR
F MATEST
G ALIM
C

0 1 2 3 4 5 6 7 8
Standardized Effect
 INTERPRETACION DEL ANOVA

El objetivo del estudio es encontrar una combinación de los niveles de

los factores que minimicen el problema de la vibración de la máquina
de afilado. En la siguiente figura se muestran los efectos que están
activos, y para cada uno se localiza el valor más bajo de la línea. De esta
forma se aprecia que a mayor tamaño de precarga mayor vibración, a
más diámetro menor vibración y a mayor tamaño de grano más vibra
 GRAFICA DE EFECTOS PRINCIPALES

Main Effects Plot for Vibra

Fitted Means
GRANO DIAM PRECAR
Por lo tanto, el mejor
75 tratamiento es: GRANO en su
nivel bajo, DIAM en su nivel
70
alto y PRECAR en su nivel
Mean of Vibra

65 bajo; los niveles de los factores

restantes se eligen con criterio
60
de economía o Productividad
55

-1 1 -1 1 -1 1
 GRAFICA 4 EN 1
Residual Plots for Vibra
Normal Probability Plot Versus Fits
99
5.0

90
2.5

Residual
Percent

50 0.0

-2.5
10

-5.0
1
-8 -4 0 4 8 40 50 60 70 80
Residual Fitted Value

Histogram Versus Order

3 5.0

2.5
Frequency

Residual
2
0.0

1
-2.5

-5.0
0
-4 -2 0 2 4 1 2 3 4 5 6 7 8
Residual Observation Order
 GRAFICA DE CUBO
Cube Plot (fitted means) for Vibra
Como sólo hay tres factores
63.15 73.35
activos tiene sentido dibujar
la gráfica de cubo, que
resume bien el
40.55 50.75
1 comportamiento de la
vibración predicha (véase
figura 8.9). Se observa que
DIAM 79.65 89.85
la vibración mínima (40.55)
1 ocurre en la combi nación
PRECAR (A: GRANO–, C: DIAM+,
E: PRECAR–)
57.05 67.25
-1 -1
-1 1
GRANO
 GRAFICA DE CONTORNOS
Si comparamos el factor del
Contour Plot of Vibra vs DIAM, GRANO Grano y Diámetro con la
1.0
Vibra
variable de respuesta podemos
< 55
55 – 60
observar que la zona mas verde
0.5
60 – 65
65 – 70
es la de vibraciones mas alta,
70 – 75
> 75 mientras que la zona mas clara
Hold Values tiene la menor respuesta, siendo
DIAM

PRECAR 0
0.0 en los niveles bajo para grano y
alto para diámetro. Justo como
-0.5
lo representa la grafica de cubo.

-1.0
-1.0 -0.5 0.0 0.5 1.0
GRANO
OPTIMIZADOR DE RESPUESTA
Si comparamos el factor del
Grano y Diámetro con la
variable de respuesta podemos
observar que la zona mas verde
es la de vibraciones mas alta,
mientras que la zona mas clara
tiene la menor respuesta, siendo
en los niveles bajo para grano y
alto para diámetro. Justo como
lo representa la grafica de cubo.
 CONCLUSION
Mencionando que el objetivo del estudio era encontrar una
combinación de los niveles de los factores que minimicen el
problema de la vibración de la máquina de afilado. Realizando
un ANOVA, vimos que hay demasiados factores que no
contribuyen al valor de la variable de respuesta por lo tanto
aplicamos el mejor Anova al 90% para visualizar a los efectos
mas significativos.
Por lo tanto, el mejor tratamiento es: GRANO en su nivel bajo,
DIAM en su nivel alto y PRECAR en su nivel bajo; los niveles
de los factores restantes se eligen con criterio de economía o
Productividad
 REFERENCIAS BIBLIOGRAFICAS
• Libro “Análisis y diseño de
Experimentos (2008)” Segunda
Edición. Autor Humberto
Gutiérrez Pulido & Román de la
Versa Salazar. Editorial McGraw
Hill. Pág. 191 & 294.