Minitab 16 Español Modulo VIII DOE Rev B

KS
Mdulo VIII Diseo de Experimentos

Kaizen Sigma Consultores www.kaizensigma.com
Copyright by Kaizen Sigma.
KS
Contenido
Mdulo VIII: Diseo de Experimentos DOE Introduccin al Diseo de Experimentos

Aplicaciones tpicas del diseo experimental Definiciones bsicas Representacin geomtrica Notacin de Yates Aleatorizacin Ventajas de los diseos factoriales
Analizar Efectos

Procedimiento Minitab para DOE Factorial Crear diseo

Factoriales con Puntos centrales Factoriales con Rplicas Factoriales con Bloques
Factorial Completo Factorial Fraccionado
Anlisis de superficies/contornos: Optimizacin Optimi acin de resultados es ltados Tamao de muestra y potencia de la prueba Ejercicios e Interpretacin y conclusiones Diseos factoriales fraccionados
Fraccin mitad Fraccin cuarta Estructura de alias y confusin Resolucin de diseos fraccionados
Grfica de Efectos principales Grfica de Interacciones
Ejercicios, interpretacin y conclusiones
Correr experimento y meter datos en Minitab Analizar resultados

Pareto de efectos Grfica normal de efectos Grfica de residuales ANOVA y ecuacin de regresin
KS
Diseo de Experimentos
EL diseo de experimentos se puede definir como un conjunto de tcnicas estadsticas usadas para planear experimentos y analizar sus resultados resultados, de manera ordenada y eficiente. El diseo de experimentos es un enfoque planeado para determinar relaciones de causa y efecto. Puede aplicarse a cualquier proceso con entradas y salidas medibles. Existen tres principios bsicos a ser considerados en todo diseo y anlisis de un experimento:
1. El orden de los experimentos debe ser aleatorio 2. Es recomendable replicar cada experimento 3. Bloquear el efecto de variables que no se desea probar
KS
Antes de empezar la experimentacin, se debe reducir la variabilidad del proceso mediante SPC en la medicin de la respuesta y controlar los factores del medio ambiente. ambiente Una buena regla del DOE es bloquear lo que se pueda y aleatorizar lo que no se pueda bloquear. Una de las decisiones mas difciles del DOE, adems de cules factores escoger, es a qu niveles analizarlos. Una regla general es establecer los niveles tan apartados como sea posible sin exceder los lmites operativos.
KS
Aleatorizar el orden de corrida para satisfacer el requerimiento estadistico de independencia de observaciones b i y evitar it el l efecto f t de d variables i bl relacionadas con el tiempo (calentamiento, enfriamiento, fatiga, habilidad) El arreglo ortogonal balanceado significa que no hay correlacin entre los factores. Cuando un factor est en su nivel mnimo o mximo, los dems factores tienen el mismo i nmero de d menos y ms, por lo l que se cancela l su efecto. El efecto de un factor no est influenciado por los dems factores.
KS
Como regla emprica, en la mayora de los procesos, solamente el 20% de los efectos principales e i t interacciones i de d dos d factores f t son significativas. i ifi ti La interaccin ocurre cuando el efecto de un factor depende del nivel del otro. Los residuales estn distribuidos normalmente y son independientes con varianza constante. El ANOVA son relativamente robustos a las desviaciones de normalidad y varianza constante.
KS
Definiciones bsicas
Variable de Respuesta (Y) : El resultado investigado como funcin de los factores ( (x) ) identificados . Y = f (x) Factores (x): Una variable del proceso que se puede fijar en diferentes niveles para observar el efecto en la variable de respuesta .
Nivel: Valor establecido en cual se prueban los factores .
KS
Definiciones bsicas
Factor fijo: si se asignan de manera especfica los niveles del factor, se dice que el factor es fijo. Las inferencias generalizadas para solamente aquellos factores. Los efectos son de inters. Factores aleatorios: si los niveles del factor se seleccionan al azar de una poblacin de valores, se dice que el factor es aleatorio. Los componentes p de variacin son de inters. Efecto: el cambio en la respuesta promedio en dos niveles de un factor o entre condiciones experimentales.
KS
Definiciones bsicas
Interaccin: Cuando el efecto de un factor en la variable de respuesta depende del nivel al que se fija otro factor . Este efecto se define como una interaccin. ( temperatura x tiempo de horneo )
Corrida o Tratamiento : La combinacin nica de los niveles de los factores durante el experimento .
KS
Definiciones bsicas
Aleatorizacin: Realizar las corridas en orden aleatorio para neutralizar el efecto de variables de ruido (d (desconocidas) id ) Bloqueo: Neutralizacin de variables conocidas Bloques: Niveles de variables conocidas que son neutralizadas Repeticin: realizar varias muestras durante una serie experimental p sin cambiar los niveles de los factores Replicacin: realizar el experimento completo cambiando los niveles de los factores
10
KS
Orden estndar de Yates
11
KS
Aleatorizacin de corridas
12
KS
Aplicaciones tpicas del DOE
1. Comparar a dos o ms proveedores del mismo material con el propsito de elegir al que mejor cumple los requerimientos 2 Proponer una mejor manera de operar el proceso con el objetivo 2. de reducir los defectos 3. Determinar los factores o fuentes de variabilidad que impactan la habilidad del proceso para cumplir con sus requerimientos ms importantes. 4. Localizar las condiciones de operacin (temperatura, velocidad, humedad, etc.) donde el proceso logra su desempeo ptimo 5 Hacer el proceso o producto insensible o robusto a oscilaciones de 5. variables ambientales. 6. Apoyar en el diseo o rediseo del producto o proceso para mejorar su desempeo
13
KS
Procedimiento General de Experimentacin
1. Definir el problema 2. Seleccionar las variables de respuesta (Y) 3 Verificar el estado de las mquinas en donde se va a experimentar 3. y registrar los niveles de los parmetros 4. Verificar el sistema de medicin 5. Reducir variacin mediante SPC 6. Seleccionar las variables de entrada (Factores) y sus niveles (X) 7. Determinar el tipo de diseo a utilizar y el nmero de rplicas, bloques y puntos centrales 8. Realizar las pruebas aleatoriamente 9. Analizar los resultados 10. Optimizar el proceso (En qu nivel deben estar los factores para obtener el resultado deseado). 11. Realizar pruebas de verificacin 12. Implantar el control estadstico y realizar estudio de capacidad
14
KS

Factores controlados
Seleccionar las variables de entrada (Factores).
Entradas
PROCESO
Salidas
Factores no controlados Factores: un factor es una de las variables controladas o no controladas que se estudian en este experimento. -Un factor puede ser cuantitativo, ej: temperatura en grados, tiempo en segundos, etc. -Un factor tambin puede ser cualitativo, ej: diferentes mquinas, diferente operador, limpio o no limpio, etc.
15
KS
Elegir los niveles de los Factores.

-Niveles muy amplios. -Objetivo: determinar las entradas vitales de un gran nmero de variables. -Establecer niveles definidos que incluyan los actuales. Nota: si variamos la entrada a los extremos aseguraremos ver un efectos en la salida si hay uno. -puede exagerar la variacin. -Ejemplos Ejemplos de valores definidos: definidos : -Cualitativos -Cuantitativos Mtodo A vs. B. Reactor 1 vs. Reactor 2. 5 minutos vs. 15 minutos. 30 psi vs. 60 psi
16
KS

Diseos de Filtro: -usos: aislar los pocos vitales de los muchos triviales. -investiga investiga relativamente un gran nmero de factores (6-15) (6 15) con un nmero pequeo de series experimentales. Diseos de Caracterizacin: -usos: identificar las variables clave de poder. -investiga relaciones ms complejas entre un pequeo nmero de factores (2-6). -generalmente los experimentos de factoriales completos o diseos factoriales fraccionados de alta resolucin. Diseos de Optimizacin: -usos: definir las ventanas de operacin ptima de las variables clave (2-4) -Diseos de Factorial Completos y Superficie de Respuesta.
Seleccin del Diseo Experimental
17
KS
Seleccin del Diseo Experimental

Diseos de filtro Factoriales fraccionados
2 k n
Diseos de Caracterizacin Factoriales completos
2k
Anlisis de Superficie de Respuesta
Diseos de Optimizacin
18
KS
Experimentos Factoriales Completos
Incluye todas las posibles combinaciones de los factores. El nmero de corridas se determina por 2k. donde 2 = # de niveles y k = # de factores. El patrn de las combinaciones se determina basado en un diseo de orden estndar. Permite cuantificar los efectos principales . Permite cuantificar las interacciones. Fcil de organizar y analizar . til con datos cuantitativos y datos cualitativos.
19
KS
Factorial completo
Factores 2 3 5 7 9 11 13 15
Niveles 2 2 2 2 2 2 2 2
Smbolo 2 2
2 3
Corridas 4 8 32 128 512 2,048 2 048 8,192 32,768
25 2 2 2 2 2
7 9
11 13
15
20
KS
Diseo 2 2
Este diseo incluye a dos factores A y B con dos niveles cada uno. Implica tener 4 combinaciones.
Factores Interaccin Codigo Rplicas Respuesta promedio
Prueba 1 2 3 4
A + +
B + +
AB + +
Comb (1) a b ab
y1
Y2
21
KS
Diseo 2 2
Efectos El efecto de un factor es el cambio en la respuesta cuando el factor cambia de su nivel bajo (-) a su nivel alto (+). (+)
A+ = B+ = a + ab 2 b + ab 2 (1) + ab 2 A = (1) + b 2 (1) + a 2 a+b 2
A= A+ A B = B+ B
+ AB= AB AB
B =
AB+ =
AB =
22
KS
Suma de cuadrados
Suma de cuadrados para cada factor:
Diseo 2 2
SSt = ( Efecto) 2 2k 2 n
Suma total de cuadrados:
y2 (Suma total)2 = (Cada dato) SST = yij N N

2
Suma de cuadrados del error:
SSE = SST SSt
23
KS
Diseo 2 2
Ejemplo. En el proceso de fabricacin de cierta pieza se desea determinar el efecto de 2 variables en cuanto a la duracin de la herramienta de corte. Factores:
A: Tipo de herramienta (0.0625, 0.125 pulg) B: Velocidad (40, 90 ft/min)
Respuesta:
Y: Ciclos
24
KS
Diseo 2 2
Resultados experimentales
Prueba 1 2 3 4
A -1 +1 -1 +1
B -1 -1 +1 +1
AB +1 -1 -1 +1
Comb -1 a b ab
y1 28 36 18 31
y2 25 32 19 30
y promedio 26.50 34.00 18.50 30.50
25
KS
Efecto de A
b ab
30.5
Diseo 2 2
A+ = A = a + ab 34 + 30.5 = = 32.25 2 2 (1) + b 26.5 +18.5 = 22.5 = 2 2
+1
18.5
A = A + A = 32 .25 22 .5 = 9.75
Efecto de A
B
Respuesta R Y
35.00 30.00 25.00 20.00 15.00 10.00
-1
26 5 26.5
34
(1)
5.00 0.00
- bajo A +alto
-1
+1
26
KS
Efecto de B
b ab
30.5
Diseo 2 2
B+ = B = b + ab 18.5 + 30.5 = = 24.5 2 2 (1) + a 26.5 + 34 = 30.25 = 2 2
+1
18.5
B = B + B = 24 .5 30 .25 = 5.75
B
35.00 30.00
Efecto de B
-1
26 5 26.5
Respuesta Y
34
25.00 20.00 15.00 10.00 5.00 0.00 - bajo B +alto
(1)
-1
+1
27
KS
Efecto de AxB
b ab
30.5
Diseo 2 2
(1) + ab 26.5 + 30.5 = = 28.5 2 2 a + b 34 +18.5 = = 26.25 2 2
AB+ = AB =
+1
18.5
AB = AB + AB = 28 .5 26 .25 = 2 .25
Efectos e interacciones 40.00
-1
26 5 26.5
34
35.00 30 00 30.00 25.00 20.00 15.00 10.00 5.00 0.00

- bajo B +alto
(1)
A - (Bajo) A + (alto)
-1
+1
28
KS
Coeficientes de regresin
Diseo 2 2
CR =
Efecto 2
CR A =
EfectoA 9.75 = = 4.875 2 2 EfectoB 5.75 CR B = = = 2.875 2 2 CR AB = EfectoAB 2.25 = = 1.125 2 2
29
KS
Diseo 2 2
Fuente de Suma de variacin cuadrados A SSA B SSB AB SSAB Error SSE Total SST
Grados de libertad a-1 b-1 (a-1)(b-1) ab(n 1) ab(n-1) abn-1
Cuadrado medio Cuadradomedi Fobs FTabl F Tablas MSEA=SSA/(a-1) MSEA/MSE F(alfa,a-1,abn-1) MSEB=SSB/(b-1) MSB/MSE F(alfa,b-1,abn-1) MSEAB=SSAB/(a-1)(b-1) MSEAB/MSE F(alfa,(a-1)(b-1),abn-1) MSE=SSE/ab(n-1) b(n 1)
30
KS
Suma de cuadrados para cada factor:
Diseo 2 2
Suma de cuadrados
2 k 2 2 22 2 SSt = ( Efecto f n = ( Efecto f n = ( Efecto f t) 2 t) 2 t) n
SS A = ( EfectoA ) 2 n = (9.752 )2 = 190.125 SS B = ( EfectoB ) 2 n = (5.752 )2 = 66.125 SS AB = ( EfectoAB ) 2 n = (2.252 )2 = 10.125
31
KS
Suma de cuadrados total
Diseo 2 2
SST =
SST =
y ij
y2 = N
y2 = N
( Cada dato )
(6275 )
( Suma
total) N
y ij
( 219 ) 2 = 279 . 875 8
Suma de cuadrados del error
SST SSE = SST SS A SS B SS AB = 279 . 875 190 . 125 66 .125 10 . 125 = 13 . 5
32
KS
Diseo 2 2
Fuente de Suma de Grados de Cuadrado variacin cuadrados libertad medio A 190.125 1 190.1 B 66.125 1 66.1 AB 10.125 1 10.1 Error 13.500 4 3.4 Total 279.875 7
Fobs F Tablas 56.3 7.71 A es factor significativo 19.6 7.71 B es factor significativo 3.0 7.71 La interaccion AB no es significativa
33
KS
Diseo 2 2
El coeficiente de determinacin R^2 mide la proporcion de la variacion total explicada por el modelo.
R2 =
R2 =
SS A + SS B + SS AB SST
190.125 + 66.15 + 10.125 = 0.952 279.875
34
KS
y = 0 + 1 x1 + 2 x 2 +
= y+ y Efecto 2
A
Diseo 2 2
El modelo de regresion codificado de un diseo factorial 2^2
x1 +
Efecto 2
x2
= 27 . 375 + y
9 . 75 5 . 75 x1 + x2 2 2
= 27 . 375 + 4 .875 x1 2 .875 x 2 y

x1 = A
A (A
+
+ A 2
A 2
x2 =
B
B
(B
+
+B 2
B 2
35
KS
Crear Diseo de Experimentos
Ejemplo DOE Factorial Completo con 2 factores y 2 rplicas Se desea analizar el efecto de dos factores en la cantidad de ciclos que trabaja cierta herramienta. Los factores y sus niveles son los siguientes:
Factores Broca Velocidad Cdigo A B Bajo 0,0625 40 Alto 0,125 90 Unidades In ft/min
36
KS

Estadsticas>DOE>Factorial>Crear diseo factorial
37
KS Resultado
38
KS
Correr Experimento y Meter Datos en Minitab
Resultado
Ciclos.xls
39
KS
Analizar Diseo de Experimentos

Estadsticas>DOE>Factorial>Analizar diseo factorial
40
KS Resultado
t 0.025,4
A
Grfica de Pareto de efectos estandarizados

(la respuesta es Ciclos, Alfa = 0.05) 2 776 2.776
F actor A B N ombre Broca V elocidad
Trmino
=
AB
Efecto n2k 2 MSE

n=rplicas
3 4 5 Efecto estandarizado
41
KS
Pareto de Efectos
La Ho es que no hay efectos significativos (ninguno de los trminos son significativos) Por lo tanto, esperaramos que los Efectos sean 0 para apoyar a Ho La lnea roja es un lmite basado en nuestro nivel el cual establece una base para decir Todo lo que est mas all del lmite es diferente a 0
-Cul es la base de la lnea roja?
-El clculo de la lnea se basa en varios factores: Error experimental Nivel a Nmero total de series en el experimento Grados de libertad -Mientras reducimos el nmero de partes que queremos investigar, la posicin de la lnea roja tambin cambiar.
, DF(Error)
42
KS Resultado
Grficas de residuos para Ciclos

Grfica de probabilidad normal
99 Porcentaje 90 50 10 1 -4 -2 0 Residuo 2 4
N 8 AD 0.201 Valor P 0.815
vs. ajustes
2 Residuo 1 0 -1 -2 20 24 28 Valor ajustado 32 36
Histograma
2.0 Frecuencia 1.5 1.0 0.5 0.0 2 1 0 -1 -2 -2 -1 0 Residuo 1 2 1 2
vs. orden
Residuo
3 4 5 6 Orden de observacin
43
KS Resultado

Coef = Efecto 2
Coef de EE =
T = Coef. Coef. de EE
MCE n=rplicas n2k
Factores no significativos: p>0.05
R2 Pr ed = 1
PRESS SCT
Ecuacin de prediccin:
Ciclos = 29 + 62 .4 Broca 0.25 (Velocidad ) + 1.44 ( Broca * Velocidad )
44
KS
Efectos en Diseo de Experimentos

Estadsticas>DOE>Factorial>Grficas factoriales
45
KS
Grfica de cubos (medias de los datos) para Ciclos
18.5 90
30.5
Velocidad
26.5 40 0.0625 Broca
34.0 0.125
46
KS Resultado
Grfica de efectos principales para Ciclos

Medias de datos B oca Broca 32 Velocidad
30 Media
28
26 24
22 0.0625 0.1250 40 90
47
KS
Interacciones
La interaccin entre variables existe cuando el efecto de una variable depende del nivel de la otra variable. Si las lneas estn paralelas -No hay interacciones presentes Si las lneas estn sesgadas una hacia la otra o cruzando -Hay interacciones presentes
48
KS Resultado
Grfica de interaccin para Ciclos

Medias de datos 35 0 35.0 32.5 30.0 Media 27.5 25.0 22.5 20.0
Broca 0.0625 0.1250
40 Velocidad
90
49
KS
Anlisis de Superficies de Respuesta

Estadsticas>DOE>Factorial>Grficas de contorno/superficie
50
KS Resultado
Grfica de contorno de Ciclos vs. Velocidad, Broca

90
Ciclos < 20.0 22.5 25.0 27.5 30.0 32.5 > 32.5
80
20.0 22.5 25.0 27.5 30.0
Velocidad
70
60
50
40
0.07
0.08
0.09 0.10 Broca
0.11
0.12
51
KS Resultado
Grfica de superficie de Ciclos vs. Velocidad, Broca
35 30 Ciclos 25 20 60 0.06 0.08 Broca 0.10 0.12 40 80 Velocidad
52
KS
Optimizacin en Diseo de Experimentos

Estadsticas>DOE>Factorial>Optimizador de respuesta
53
KS
Resultado
ptimo Alto D Act 0.68000 Bajo Broca 0.1250 [0.1250] 0.0625 Velocida 90.0 [40.0] 40.0
Compuesto Conveniencia 0.68000
Ciclos Mximo y = 34.0 d = 0.68000
d=
34 0 = 0.68 50 0
54
KS
Tamao de muestra
Estadsticas>Potencia y tamao de la muestra>Diseo factorial de 2 niveles
2k
55
KS
Tamao de muestra
Curva de la potencia para Diseo factorial de 2 niveles

1.0
Reps, Pts ctrals por bloq 2, 0
S upuestos A lfa D esv .E st. N o. de factores N o. de puntos axiales N o. de bloques N o. de trminos omitidos 0.05 1.83712 2 4 ninguno 0
0.8
Potencia
0.6
0.4
0.2
0.0
-6
-4
-2
0 Efecto
56
KS
Puntos Centrales
Siempre hay un riesgo de perder la relacin curvilineal en los diseos de dos niveles al incluir solamente los dos niveles de la variable de entrada. El agregar puntos centrales es una forma eficiente de probar la curvatura sin agregar un gran nmero de series experimentales y para revisar el proceso como nominal. Ejemplo: -Un Ingeniero Qumico desea mejorar la produccin: -Hay dos entradas de inters: Tiempo de reaccin y Temperatura de Reaccin. -El Ingeniero g decide realizar un experimento p usando un diseo 2^2 ( (Tiempo p de reaccin y temp. de reaccin) pero agregar 5 puntos centrales para calcular el error experimental y la curvatura. -Entradas: Temperatura de Reaccin: 150 y 160; punto central= 155 Tiempo de Reaccin: 30 y 40; punto central= 35
57
KS
Ejemplo DOE Factorial Completo con 2 factores y 2 rplicas

Factores Temperatura Tiempo Cdigo A B Bajo 150 30 Alto 160 40 Unidades oC Minutos
Corrida 1 2 3 4 5 6 7 8 9
A 150 160 150 160 155 155 155 155 155
B 30 30 40 40 35 35 35 35 35
Yield 39.3 40.9 40 41.5 40.3 40.5 40.7 40.2 40.6
Yield
58
KS

59
KS Resultado
Yield
60
KS
Resultado
Yield.xls
61
KS

62
KS Resultado
t 0.025,4
A

(la respuesta es Yield, Alfa = 0.05) 2 776 2.776
F actor A B N ombre Temperatura Tiempo
Trmino
=
AB
Efecto n2k 2 MSE

n=rplicas
3 4 5 Efecto estandarizado
63
KS Resultado
Grficas de residuos para Yield

99 Porcentaje 90 50 10 1 -0.4 -0.2 0.0 Residuo 0.2 0.4
N 9 AD 0.460 Valor P 0.196
vs. ajustes
0.2 Residuo 0.1 0.0 -0.1 -0.2 39.5 40.0 40.5 41.0 Valor ajustado 41.5
Histograma
4.8 Frecuencia Residuo 3.6 2.4 1.2 0.0 -0.3 -0.2 -0.1 0.0 Residuo 0.1 0.2 02 0.2 0.1 0.0 -0.1 -0.2 1 2
vs. orden
3 4 5 6 7 Orden de observacin
64
KS Anlisis
Puntos Centrales
La curvatura no es significativa
65
KS

66
KS
Grfica de efectos principales para Yield

Medias de datos 41.25 41.00 40.75 Media 40.50 40.25 40.00 39.75 39.50 150 155 160 30 35 40 Tempe at a Temperatura Tiempo
Tipo de Ti d punto Esquina C entro
67
KS Resultado
Grfica de interaccin para Yield

Medias de datos 41.5
Temperatura 150 155 160 Ti de Tipo d punto Esquina C entro Esquina
41.0
Media
40.5
40.0
39.5
39.0 30 35 Tiempo 40
68
KS
Grfica de cubos (medias de los datos) para Yield

Punto central Punto factorial
40.00 40
41.50
Tiempo
40.46
39.30 30 150 Temperatura
40.90 160
69
KS

70
KS
Resultado
ptimo Alto D Act 0.83000 Bajo Temperat 160.0 160.0 150.0 Tiempo 40.0 40.0 30.0
Yield Mximo y = 41.5000 d = 0.83000
d=
41.5 0 = 0.83 50 0
71
KS
Tamao de muestra
2k
72
KS
Tamao de muestra

1.0
S upuestos A lfa D esv .E st. N o. de factores N o. de puntos axiales N o. de bloques N o. de trminos omitidos P untos centrales 0.05 0.207364 2 4 ninguno 0 S
0.8
Potencia
0.6
Trminos incluidos en el modelo
0.4
0.2
0.0
-0.50
-0.25
0.00 Efecto
0.25
0.50
73
KS Diseo de Experimentos Factoriales Fraccionados
74
KS
Anlisis DOE
Factoriales fraccionados
Proyeccin de Diseos
2 k n
Estudios de Caracterizacin Factoriales completos
2k
Anlisis de Superficie de Respuesta
Estudios de Optimizacin
75
KS
Diseos Factoriales Fraccionados
El uso principal de Factoriales Fraccionados es para evaluar un nmero relativamente grande de factores en un nmero relativamente pequeo de series Al aumentar el nmero de factores, tambin lo hace el nmero de series -2x2 Factorial= 4 series -2x2x2 Factorial= 8 series -2x2x2x2 Factorial= 16 series -etc.. Si el experimentador puede asumir que las interacciones de orden mayor no son significativas, es posible hacer una fraccin del factorial completo y todava poder obtener buenos clculos de interacciones de bajo orden
76
KS
La notacin general para designa un diseo de factorial fraccionado es:
k es el l nmero d de f factores t ai investigar ti 2 k-p es el nmero de series R es la resolucin EJEMPLO: la designacin de abajo significa cuatro factores que van a investigarse en 2(3) = 8 series. Este Diseo es de Resolucin IV
77
KS
La tabla de abajo es una representacin expandida de un diseo factorial de 2(3)
Supongamos que queremos investigar cuatro variables de entrada pero no podemos realizar series extras Como todos los contrastes son independientes podemos asignar cualquier interaccin como el contraste p para q que represente p la cuarta variable Usualmente seleccionamos la interaccin de mayor orden y la reemplazamos con un factor adicional En este caso, cuando reemplazamos la interaccin AxBxC con el Factor D, decimos que ABC se ali con D
78
KS
La nueva matriz de diseo se ve as:
Esta es una media fraccin de un diseo 2^4 En lugar de 16 series, necesitamos solamente 8 series para evaluar 4 factores Esto se considera como un Diseo de Resolucin IV
79
KS
Podemos llamar a esto una media fraccin ya que un Factorial 2^4 completo nos llevara 16 series para completar. Aqu podemos calcular 4 factores en 8 series. Pero hay un costo: perdimos la interaccin de mayor orden. Cuando valoramos l que t lo tenemos que perder, d utilizamos tili el l concepto t d de resolucin: l i Diseos de Resolucin III: los efectos principales se aliaron con interacciones de dos factores Diseos de Resolucin IV: los efectos principales se aliaron con interacciones de tres factores las interacciones de dos factores se aliaron con interacciones de dos f t factores Diseos de Resolucin V: los efectos principales se aliaron con interacciones de cuatro factores las interacciones de dos factores se aliaron con interacciones de tres factores.
80
KS

81
KS
82
KS
Factorial completo Fraccin mitad Fraccin cuarta Fraccin octava
24
51 25-1
4 factores con 16 corridas 5 factores con 16 corridas (25-1=24 corridas) 6 factores con 16 corridas (26-2=24 corridas) 7 factores con 16 corridas (27-3=24 corridas)
26-2 27-3
1 k 2 = 2 p 2k = 2k 2 p = 2k p p 2
83
KS
Ejemplo DOE Factorial Fraccionado con 5 factores y fraccin mitad con 3 rplicas. Se desea analizar el efecto de diferentes factores en la calidad de cierto tipo de fotografa. Los factores y sus niveles son los siguientes:
Factores Apertura Exposicion Revelado Espesor Tiempo
Calidad.xls
84
A B C D E
Bajo Chica -20 30 Chica 14.5
Alto Grande 20 45 Grande 15.5
Unidades Tamao Lumen Calidad Tamao Seg
KS
85
KS
86
KS Resultado
87
KS
Resultado
Calidad.xls
88
KS
Analizar DOE
89
KS Resultado
t 0.025,32
A D B BD DE AD
Analizar DOE

(la respuesta es Calidad, Alfa = 0.05) 2 037 2.037
F actor A B C D E N ombre A pertura E xposicion Rev elado E spesor Tiempo
Trmino
AE C E CD AB BC BE CE AC
Efecto n2k 2 MSE
3 4 Efecto estandarizado
90
KS Resultado
Analizar DOE
Grficas de residuos para Calidad

N 48 AD 0.506 Valor P 0.193
vs. ajustes
02 0.2 Residuo
0.0
-0.2 7.2 7.4 7.6 7.8 Valor ajustado 8.0
Histograma
12 Frecuencia Residuo 9 6 3 0 -0.3 -0.2 -0.1 0.0 Residuo 0.1 0.2 0.2
vs. orden
0.0
-0.2 1 5 10 15 20 25 30 35 Orden de observacin 40 45
91
KS Resultado
Analizar DOE
92
KS Resultado
Analizar DOE
93
KS
Analizar DOE
94
KS
Reduccin de DOE
95
KS Resultado
Reduccin de DOE
Grficas de residuos para Calidad

N 48 AD 0.781 Valor P 0.040
vs. ajustes
0.2
Residuo
0.0
-0.2 7.4 7.6 7.8 Valor ajustado 8.0
Histograma
0.2 8 Frecuencia Residuo 6 4 2 0 -0.3 -0.2 -0.1 0.0 Residuo 0.1 0.2 0.0
vs. orden
-0.2
10
15 20 25 30 35 Orden de observacin
40
45
96
KS Resultado
t 0.025,41
A
Reduccin de DOE

(la respuesta es Calidad, Alfa = 0.05) 2 020 2.020
F actor A B D E N ombre A pertura E xposicion E spesor Tiempo
GL(Error)
Trmino
D B BD DE E 0 1 2 3 4 Efecto estandarizado 5 6
Efecto n2k 2 MCE
97
KS Resultado
Reduccin de DOE
98
KS
Reduccin de DOE
99
KS
Reduccin de DOE
100
KS
Efectos DOE
101
KS Resultado
Efectos DOE
Grfica de efectos principales para Calidad

Medias de datos
A pertura 7.74 7.68 7.62 7.56 Exposicion Revelado
Media
7.50 C hica Espesor 7.74 7.68 7.62 7.56 7.50 C hica Grande 14.5 15.5 Grande -20 Tiempo 20 30 45
102
KS Resultado
Efectos DOE
Grfica de interaccin para Calidad

Medias de datos
-20 20 20 30 45 Chica Grande 14 5 14.5 15 5 15.5 7.8 Apertura 7.6 7.4 7.8 Exposicion 7.6 7.4 7.8 Revelado 7.6 74 7.4 7.8 Espesor 7.6 7.4
A pertura C hica Grande Exposicion -20 20 Revelado 30 45 Espesor C hica Grande
Tiempo
103
KS Resultado
Efectos DOE
Grfica de cubos (medias de los datos) para Calidad

7.50667 7.63333 7.52000 7.63333
7.94667 7.79000 15.5
7.40000 7.73333
Tiempo
7.68667 14.5 7.52000 20
7.20333 7.64667
Exposicion
7.80667 8.07000 45 Revelado 30 Chica Apertura Grande Chica Espesor Grande 7.29000
7.62333
-20
104
KS

Estadsticas>DOE>Factorial>Grficas de contorno/superficie
105
KS Resultado
Grfica de superficie de Calidad vs. Tiempo, Exposicion

Valores de retencin A pertura C hica Espesor C hica
7.8 7.7 C alidad 7.6 75 7.5 15.0 -20 0 Exposicion 14.5 15.5 T iempo
20
106
KS Resultado
Grfica de contorno de Calidad vs. Tiempo, Exposicion

15.4
Calidad < 7.5 75 7.5 7.6 7.6 7.7 7.7 7.8 > 7.8 Valores de retencin A pertura C hica Espesor C hica
15.2 Tiempo
15.0
14 8 14.8
14.6 -20 -10 0 Exposicion 10 20
107
KS

108
KS
Resultado
ptimo Alto D Act 0.35007 Bajo Apertura Grande Grande Chica Exposici 20.0 [-20.0000] -20.0 Espesor Grande Chica Chica Tiempo 15.50 [14.50] 14.50
Calidad Mximo y = 8.0502 d = 0.35007
d=
8.0502 7 = 0.35007 10 7
109
KS
Tamao de muestra
2 k 1
110
KS
Tamao de muestra
1.0
S upuestos A lfa Desv .E st. N o. de factores N o. de puntos axiales N o. de bloques N o. de trminos omitidos 0.05 0.138143 5 16 ninguno 0
0.8
Potencia
0.6
04 0.4
0.2
0.0
-0.15
-0.10
-0.05
0.00 0.05 Efecto
0.10
0.15
111
KS
Preguntas? Muchas gracias
112

Minitab 16 Español Modulo VIII DOE Rev B

Diunggah oleh

Informasi Dokumen

Judul Asli

Hak Cipta

Format Tersedia

Bagikan dokumen Ini

Bagikan atau Tanam Dokumen

Opsi Berbagi

Apakah menurut Anda dokumen ini bermanfaat?

Apakah konten ini tidak pantas?

Hak Cipta:

Format Tersedia

Minitab 16 Español Modulo VIII DOE Rev B

Diunggah oleh

Hak Cipta:

Format Tersedia

KS

Mdulo VIII Diseo de Experimentos

Copyright by Kaizen Sigma.

Mdulo VIII: Diseo de Experimentos DOE Introduccin al Diseo de Experimentos

Procedimiento Minitab para DOE Factorial Crear diseo

Grfica de Efectos principales Grfica de Interacciones

Ejercicios, interpretacin y conclusiones

Correr experimento y meter datos en Minitab Analizar resultados

Copyright by Kaizen Sigma.

Copyright by Kaizen Sigma.

Copyright by Kaizen Sigma.

Copyright by Kaizen Sigma.

Copyright by Kaizen Sigma.

Nivel: Valor establecido en cual se prueban los factores .

Copyright by Kaizen Sigma.

Copyright by Kaizen Sigma.

Copyright by Kaizen Sigma.

Copyright by Kaizen Sigma.

Orden estndar de Yates

Copyright by Kaizen Sigma.

Copyright by Kaizen Sigma.

Aplicaciones tpicas del DOE

Copyright by Kaizen Sigma.

Procedimiento General de Experimentacin

Procedimiento General de Experimentacin

Seleccionar las variables de entrada (Factores).

Copyright by Kaizen Sigma.

Procedimiento General de Experimentacin

Elegir los niveles de los Factores.

Procedimiento General de Experimentacin

Seleccin del Diseo Experimental

Procedimiento General de Experimentacin

Seleccin del Diseo Experimental

Copyright by Kaizen Sigma.

Experimentos Factoriales Completos

Copyright by Kaizen Sigma.

Corridas 4 8 32 128 512 2,048 2 048 8,192 32,768

Copyright by Kaizen Sigma.

Copyright by Kaizen Sigma.

Copyright by Kaizen Sigma.

y2 (Suma total)2 = (Cada dato) SST = yij N N

Suma de cuadrados del error:

SSE = SST SSt

Copyright by Kaizen Sigma.

Copyright by Kaizen Sigma.

y promedio 26.50 34.00 18.50 30.50

Copyright by Kaizen Sigma.

35.00 30.00 25.00 20.00 15.00 10.00

Copyright by Kaizen Sigma.

25.00 20.00 15.00 10.00 5.00 0.00 - bajo B +alto

Copyright by Kaizen Sigma.

35.00 30 00 30.00 25.00 20.00 15.00 10.00 5.00 0.00

Copyright by Kaizen Sigma.

EfectoA 9.75 = = 4.875 2 2 EfectoB 5.75 CR B = = = 2.875 2 2 CR AB = EfectoAB 2.25 = = 1.125 2 2

Copyright by Kaizen Sigma.

Grados de libertad a-1 b-1 (a-1)(b-1) ab(n 1) ab(n-1) abn-1

Copyright by Kaizen Sigma.

SS A = ( EfectoA ) 2 n = (9.752 )2 = 190.125 SS B = ( EfectoB ) 2 n = (5.752 )2 = 66.125 SS AB = ( EfectoAB ) 2 n = (2.252 )2 = 10.125

Copyright by Kaizen Sigma.

( 219 ) 2 = 279 . 875 8

Suma de cuadrados del error

SST SSE = SST SS A SS B SS AB = 279 . 875 190 . 125 66 .125 10 . 125 = 13 . 5

Copyright by Kaizen Sigma.