Comparación de las Temperaturas del Sistema de Aire

Acondicionado: Aulas de la Facultad de Ingeniería Industrial

Resumen:
En este artículo se presentan los resultados del análisis sobre las condiciones del ambiente térmico en las aulas de
clases de la Facultad de Ingeniería Industrial, específicamente temperaturas generadas por los acondicionadores de
aire presentes en cada aula. Se realizaron mediciones controladas en todos los salones para obtener datos completos
y fiables para realizar el análisis por lo que las conclusiones mostradas son confiables. Luego de realizar las pruebas
estadísticas de normalidad, homocedasticidad e independencia junto con un análisis de varianza se demostró que los
niveles de temperatura en todas las aulas no son estables lo que podría provocar un descontento con el ambiente de
trabajo.

1. Introducción de generalización empírica y de la verificación de

El ambiente térmico es un elemento que desempeña
un papel importante en la salud y bienestar de las
personas que realizan algún trabajo en un área
determinada. Basándonos en el experimento, se tomó el
salón como el área de trabajo y a los estudiantes como
los trabajadores por ende se analizó los efectos de la
temperatura del ambiente con un enfoque hacia el
estudio del trabajo. Al mantener una temperatura
agradable en el aula de clases se aumenta la
productividad de los estudiantes y se disminuye la fatiga
generada por las horas de estudio continuo. Es
importante el estudio de los ambientes en los que se
trabajó por lo que este artículo se realizó con la finalidad
de detectar alguna variación o deficiencia entre las
temperaturas detectadas con las herramientas del
diseño de experimentos. (Estudio del trabajo de Roberto
García Criollo 1998)
2. Método
Este experimento se diseñó de manera prospectiva,
es decir, a partir de los datos e información recabada
permitiera hacer mejoras al sistema de aire
acondicionado y a su vez redujera el alto costo que
produce el mismo.
El método que adaptado fue el “Método Comparativo”
un procedimiento de la comparación sistemática de
casos de análisis que en su mayoría se aplica con fines
hipótesis.
- Enfocó en técnicas de descripción y de relación.
- Si en las técnicas de relación se focaliza en las
variables, se busca posibles relaciones entre
ellas, en las técnicas de comparación se focaliza
en las poblaciones, se busca la igualdad o la
diferencia entre ellas.
- En las técnicas de comparación se focaliza en
grupos de individuos que están (estudios
observacionales) o que se les sitúa (estudios
experimentales) en diferentes condiciones que
interesa comparar.
- Las técnicas de comparación también son
posible plantearlas como una evaluación del
signo, la magnitud y la significación de las
diferencias que hay en algún valor medible en
esos grupos comparados.
El estudio se llevó a cabo tomando el registro y
comparando cada una de las temperaturas de los aires
acondicionados de los salones de la facultad de
ingeniería industrial de la Universidad Tecnológica de
Panamá, para distintos horarios.
Es importante mencionar que las mediciones
tomadas de las temperaturas de cada aire
acondicionado fueron realizadas en el siguiente horario
planteado en la tabla 1:
Grupo Horario
C 9:00 A.M
D 12:00 P.M
 E 3:00 P.M diferentes proveedores de los equipos utilizado y al
diseño arquitectónico del piso de la universidad
F 6:00 P.M estudiado. Utilizando los métodos de medición ya antes
G 9:00 P.M anteriormente planteados se obtuvo datos utilizados
Tabla 1. Se muestra el horario de toma de para el diseño del experimento. Se utilizó el diseño
temperatura para cada equipo. completamente al azar de un solo factor para el
planteamiento y verificaciones de las hipótesis
2.1. Aleatorización formuladas. Mediante las herramientas estadísticas se
realizaron pruebas gráficas y analíticas utilizando el
Se asignan los salones a cada grupo en cada horario programa Minitab 17 para la eliminación del error
humano en los cálculos y como simplificación del análisis
JUEVES 03 DE MAYO DE 2018 de todos los datos recolectados. Las pruebas hechas en
NO. DE ORDEN GRUPO SALÓN
CÓDIGO
SALÓN ALEATORIO
ASIGNACIÓN
RESPONSABLE ASIGNADO la plataforma de Minitab son:
1 401 5 405
- Supuesto de homocedasticidad: es una
2 402 3 403 prueba estadística que nos puede indicar si las
9:00 a.m C
3 403 14 416 varianzas son constantes o tienen diferencias.
4 404 24 426
5 405 25 427 - Supuesto de normalidad: es una prueba
6 406 13 415
7 407 10 410 estadística que nos indica si los datos
8 408 22 424
9
10
409
410
20
18 12:00 m.d D
422
420
analizados presentan una distribución normal.
11 411 23 425 - Supuesto de independencia: es una prueba
12 412 12 412
13 415 16 418 que nos indica si las variables son
14 416 26 428
15
16
417
418
9
1
3:00 p.m E 409
401
independientes
17 419 11 411
18 420 15 417
19
20
421
422
27
29
429
salón de
estudiantes
5. Resultados
6:00 p.m F
salón de
21 423 30
profesores
22 424 7 407
Los datos generados para realizar el experimento se
tienen en este cuadro N°1 con el modelo estadístico para
3. Materiales cada fila (observaciones que son los salones) y cada
columna (horas) la temperatura medida en diferentes
horarios.
Para las mediciones se utilizó el termómetro
“Wireless Indoor and Outdoor Thermometer” modelo
1730 con las siguientes especificaciones en la figura 1:

Cuadro N°1. Datos generados

Figura 1. Especificaciones del termómetro
utilizado
5.1. Verificación de supuestos
4. Fundamentos teóricos 5.1.1. Normalidad
H0: Los niveles de temperatura de los salones presentan
Se planteó como hipótesis general que existen una distribución normal.
variaciones entre las temperaturas de las aulas de clase. H1: Los niveles de temperatura de los salones no
Estas variaciones se supone que se deben a los presentan una distribución normal.
 La gráfica 1 a continuación muestra una tendencia
lineal entre los datos, aunque existan valores fuera del
rango, pero no completamente significativos
Gráfica 1. Prueba de Normalidad
El cuadro a mano derecha de la gráfica 1 lleva a
realizar un análisis con el Valor P 0.185 al compararlo
con el nivel de significancia 0.05, por lo que (p Value
>0.05), se acepta la hipótesis nula, se concluye que los
niveles de temperatura en los salones presentan una
distribución normal.
5.1.2. Homocedasticidad
Ho: σ1²= σ2²= σ3²= σ4²= σ5²
H1: Al menos una de las mediciones de temperatura en
los salones presenta diferencias significativas en su
varianza con respecto a los horarios.
Gráfica 2. Prueba de Levene
Cómo se puede ver a mano derecha en el cuadro el
valor de p value 0.347 es mayor que el nivel de
significancia 0.05; por lo que se acepta la Ho, se
concluye que la varianza de las temperaturas medidas
en diferentes horarios es homogénea.
5.1.3. Independencia
En la siguiente gráfica 3 se puede observar la gráfica
Residuos vs orden.
Gráfica 3. Residuos vs Orden
En este gráfico se puede interpretar que presenta un
comportamiento desordenado, los datos de la
temperatura medida son independientes, se puede
concluir que no hay relación entre una y otra
observación, por lo que se cumple con el supuesto de
Independencia.
5.2. Análisis de varianza
Luego de ver los supuestos, se procede a hacer el
análisis de varianza en Excel, y se obtiene la siguiente
tabla 2.
Tabla 2. ANOVA en Excel
5.2.1. Hipótesis principal
Para este análisis se utilizó un nivel de significancia
de 5%
H0: µ1 = µ2 = µ3 = µ4 = µ5
H1: µ1  µ2  µ3  µ4  µ5
La regla de decisión está dada por: Pv ≤ Nivel de sig
0.05
El Valor P value es menor que el nivel de
significancia, por lo tanto, se concluye que existe
diferencia significativa, por lo tanto, se debe aceptar la
hipótesis nula. Es decir, que las mediciones de
temperatura promedio son diferentes a lo largo de las
diferentes horas del día.
 tabla VIII del libro Montgomery con un nivel de
5.3. Interpretación de los resultados significancia de 0.05.

Al tener resultados significativos (Valor p < α). Es Calculando compradores de NK:

decir, que existen diferencias significativas en las
mediciones promedio de temperatura, se procede a No existen valores para un GLEE de 25, por lo tanto,
realizar las pruebas de interpretación de resultados. es necesario hacer una serie de interpolaciones:
Interpolaciones
Prueba Newman- Kleus
2 3 4 5
Como segundo paso, es necesario organizar las 24 2,92 3,53 3,9 4,17
medias de forma ascendente y descendente para poder 25 2,915 3,52 3,89 4,16
realizar el cuadro N°2 de rangos múltiples. 30 2,89 3,48 3,84 4,11
Cuadro N°4
Rangos múltiples A continuación, se analizan la diferencia de medias
4 5 2 3 1 con los comparadores:
Numero de
22,6 23,3 24,9 26,5 27,2 2 3 4 5
medias
27,2 1 4,58(5) 3,91(4) 2,31(3) 0,63(2)
26,5 3 3,95(4) 3,28(3) 1,68(2) Valor de NK 2,915 3,52 3,89 4,16

24,9 2 2,27(3) 1,6(2)

Error
0,4139 0,4139 0,4139 0,4139
23,3 5 0,67(2) estándar
22,6 4 Comprador
1,2065185 1,456928 1,610071 1,721824
Cuadro N°2 NK

Cuadro N°5
A continuación, se plantean las respectivas hipótesis: 4.58 ≥ NK5 Es significativo
3.91 ≥ NK4 Es significativo
Ho: u4= u1; Ho: u5=u1; Ho: u2=u1; Ho: u3=u1; Ho:u4=u3 2.31 ≥ NK3 Es significativo
H1: u4≠u1; H1: u5≠u1; H1: u2≠u1; H1:u3≠u1; H1:u4≠u3 0.63 ≤ NK2 No es significativo
3.95 ≥ NK4 Es significativo
Ho: u5=u3; Ho: u2=u3; Ho: u4=u2; Ho: u5=u2; Ho: u4=u5 3.28 ≥ NK3 Es significativo
H1: u5≠u3; H1: u2≠u3; H1: u4≠u2; H1: u5≠u2; H1: u4≠u5 1.68 ≥ NK2 Es significativo
2.27 ≥ NK3 Es significativo
Cuya regla de decisión es la siguiente: Descartar Ho, si 1.6 ≥ NK2 Es significativo
l Y  Y j l ≥NK (respectivo). 0.67≤NK2 No es significativo
i
Adicionalmente se halla el error estándar:
Se concluye que, si las restas de las medias son
1.028 mayores que los compradores, se debe descartar la
sy  CMEE =√
n
6
= =0.4139 hipótesis planteada. Se puede apreciar que se aceptan
dos hipótesis.

Prueba de Tukey
El siguiente paso consiste en determinar los
comparadores NK, en donde se tiene que: Se procede a realizar la prueba de interpretación de

NK  q , p , glee S yi resultados Tukey.

Como segundo paso, es necesario organizar las
En donde el valor de q, depende de p que hace medias de forma ascendente y descendente para poder
referencia a 2, 3, 4, 5 medias. El GLEE en este caso tiene realizar el cuadro de rangos múltiples.
un valor de 25 y finalmente se procede a buscar en la
 4.58 ≥ T0.05 Es significativo
Rangos múltiples 3.91 ≥ T0.05 Es significativo
22,6 23,3 24,9 26,5 27,2 2.31 ≥ T0.05 Es significativo
0.63 ≤ T0.05 No es significativo
27,2 4,58 3,91 2,31 0,63
3.95 ≥ T0.05 Es significativo
26,5 3,95 3,28 1,68 3.28 ≥ T0.05 Es significativo
24,9 1.68 ≤ T0.05 No es significativo
2,27 1,6
2.27 ≥ T0.05 Es significativo
23,3 0,67 1.6 ≤ T0.05 No es significativo
22,6 0.67≤ T0.05 No es significativo

Cuadro N°6 Conclusiones:

Se acepta la hipótesis nula para las diferencias de
Se plantean las respectivas hipótesis: medias de 27.2 vs 26.5 ;24.9 vs 26.5; 23.3 vs 24.9 y 23.3
Ho: u4= u1 Ho: u5=u1 Ho: u2=u1 Ho: u3=u1 Ho: vs 22.6
u4=u3 Se concluye que u4≠u1; u5≠u1; u2≠u1; u3=u1; u4≠u3;
H1: u4≠u1 H1: u5≠u1 H1: u2≠u1 H1: u3≠u1 H1: u5≠u3; u2=u3; u4≠u2; u5=u2; u4=u5
u4≠u3 Existe diferencia significativa entre todas las parejas de
medias a excepción de las parejas 27.2 vs 26.5 ;24.9 vs
Cuya regla de decisión es la siguiente: Descartar Ho, si 26.5; 23.3 vs 24.9 y 23.3 vs 22.6
l Y  Y j l ≥Tα
i
Hallar el error estándar: Prueba de Dunnet
Sy= √(1.028/6)=0.4139
Calcular el comparador Tukey, en donde se tiene a. Las pruebas t de Dunnett tratan un grupo como control
que: y lo comparan con todos los demás grupos.
*. La diferencia de medias es significativa al nivel 0.05.
T  q , glee,k S y MEDIAS DE LOS NIVELES DE TEMPERATURA

α: 0.05; Glee:25; k:5

N Media
No existe para un GLEE de 25 en la tabla, por lo tanto,
es necesario hacer una interpolación: 9 am 6 27.1667

Interpolación 12 pm 6 24.8500
5 3 pm 6 26.5333

24 4.17 6 pm 6 22.5833
25 4.16 9 pm 6 23.2500
30 4.11 Total 30 24.8767
Cuadro N°7 Cuadro N°8
Se observa en el cuadro N°8 que la mayor temperatura
𝑇 0.05,25,5=4.16 fue registrada a las 9 de la mañana y 3 de la tarde.
Mientras que la temperatura media disminuye a la 6 pm,
seguido de las 9 pm y 12 pm. Procederemos a utilizar
. . como grupo control las 9 pm.
𝑇 ∝= (4 16)(0 4139) = 1.7219

Comparaciones de diferencia de medias con el

Comparador de Tukey
 lY
i  Y j l ≥Tα

 Hallar el error estándar:

s y

CMEE
n
=√
1.028
6 =0.4139

Cuadro de los comparadores

Duncan

numero de
1 2 3 4 5
medias

D al 5% 2.888 3.035 3.131 3.119 3.25

Cuadro N°9
sy 0.4139 0.4139 0.4139 0.4139 0.4139
La prueba de DUNNETT se aprecia en la parte superior
e inferir de esta cuadro N°9. Las diferencias de medias 1.195343 1.256186 1.295920 1.290954 1.34517
de la temperatura son significativas cuando el p-value o CD
2 5 9 1 5
Sig. Es <0.05 o si el intervalo de confianza no incluye al
Cuadro N°10
cero. Se observa que al hacer las comparaciones con el
grupo control 9 pm, resulta que la temperatura promedio
4.58 ≥ T0.05 Es significativo
entre la 9 am, 12 pm y 3 pm son más elevadas y
3.91 ≥ T0.05 Es significativo
diferentes a la media de la temperatura de las 9 pm. Por
2.31 ≥ T0.05 Es significativo
otra parte, no se observa diferencias entre la media de
0.63 ≤ T0.05 No es significativo
las temperaturas de la 6 pm y 9 pm. Esto revela que en
3.95 ≥ T0.05 Es significativo
las horas de la tarde o noche la temperatura tiende a
3.28 ≥ T0.05 Es significativo
bajar por la puesta del sol y probablemente a una menor
1.68 ≤ T0.05 es significativo
cantidad de estudiantes en estos horarios.
2.27 ≥ T0.05 Es significativo
1.6 ≤ T0.05 es significativo
Prueba DSM
0.67≤ T0.05 no es significativo

Prueba Duncan 5.4. Cálculo de parámetros

Hipótesis:
𝟕𝟒𝟔. 𝟑
H0: 4 = 1 H1: 4  1 𝝁= = 𝟐𝟒. 𝟖𝟕
H0: 3 = 5 H1: : 3  5
𝟓(𝟔)
H0: 4 = 5 H1: 4  5
H0: 3 = 2 H1: 3  2
H0: 4 = 2 H1: 4  2
H0: 2 = 1 H1: 2  1
H0: 4 = 3 H1: 4  3
H0: 2 = 5 H1: 2  5
H0: 3 = 1 H1: 3  1
H0: 5 = 1 H1: 5  1 6. Discusiones
Cuya regla de decisión es la siguiente: Descartar Ho, si La Prueba de Normalidad se encuentra los niveles de
temperatura relativamente normal. Se hizo con los datos
originales, pero es más eficaz hacerlo con los residuales.
Ya que la distribución de los errores es normal el gráfico
tiene forma de una línea recta, las desviaciones
moderadas no representan una preocupación en el
análisis de varianza a diferencia de otros modelos fijos.
Este gráfico cuenta con outliers lo cual puede ocasionar
distorsiones en el ANDEVA. Con respecto a la lógica
utilizada para aceptar la hipótesis nula nos basamos en
los resultados que nos dio la gráfica de Normalidad ya
que los niveles de temperatura de los salones tienen una
distribución normal. En la Prueba de Homocedasticidad
podemos decir que no existe diferencia significativa
dentro de las Dependencia entre sí.
Cabe destacar que en el análisis de correlación
realizado obtuvimos que el 78% de la variabilidad de las
temperaturas se debe a las distintas horas del día. Se
basa en comparar la varianza entre los grupos y en este
ejemplo podemos ver que la distribución de una o más
de las poblaciones son extremadamente asimétrica o
tiene colas pesadas.
En comparación con la distribución normal, una
distribución con colas pesadas tiene más datos en sus
extremos inferior y superior. En esta prueba podemos
decir que se acepta la hipótesis nula ya que en grafica
podemos apreciar que no existe gran diferencia entre las
varianzas. En la Prueba de Independencia Los niveles
de temperatura son independiente uno de otro salón,
como bien dice la regla que los datos de la variable de
respuesta no deben estar correlacionados. En esta
prueba lo que podemos agregar de la hipótesis nula es
que se acepta por que los datos no muestran
dependencia entre sí.

7. Recomendaciones
Cabe destacar que como sugerencia a la mejora de este
diseño es calibrar el termómetro para que las medidas
de las temperaturas nos den un valor real de cada salón,
asegurarse de saber utilizar bien el instrumento y medir
la temperatura a las horas pactadas para obtener un
valor más exacto del experimento.

8. Bibliografía
 Estudio del trabajo de Roberto García Criollo
 Metodología de la investigación de Roberto
Hernández Sampieri
 Diseño y análisis de experimentos Montgomery