ANÁLISIS DE UNA PLANTA DE CONCENTRADO PARA ANIMALES

RAIZA JOHANNA MANRIQUE WALDO

DAVID CAMILO ROSERO CHICAÍZA
ANDRÉS FERNANDO ORTIZ PRADA

UNIVERSIDAD NACIONAL DE COLOMBIA

FACULTAD DE MINAS
MEDELLÍN
2019
 CONTENIDO
pág.

RESUMEN 6

INTRODUCCIÓN 7

1. DISEÑO DE EXPERIMENTOS ERROR! BOOKMARK NOT DEFINED.

2. METODOLOGÍA ERROR! BOOKMARK NOT DEFINED.

3. RESULTADOS ERROR! BOOKMARK NOT DEFINED.

4. ANÁLISIS DEL ARTÍCULO ERROR! BOOKMARK NOT DEFINED.

4.1 ANÁLISIS PERTINENCIA ERROR! BOOKMARK NOT DEFINED.

4.2 JUSTIFICACIÓN DEL DISEÑO ERROR! BOOKMARK NOT DEFINED.

4.3 JUSTIFICACIÓN DE VARIABLE RESPUESTAERROR! BOOKMARK NOT DEFINED.

4.4 FACTORES Y NIVELES ERROR! BOOKMARK NOT DEFINED.

4.5 PLAN EXPERIMENTAL ERROR! BOOKMARK NOT DEFINED.

4.6 ANÁLISIS DE DATOS ERROR! BOOKMARK NOT DEFINED.

4.7 VALIDACIÓN DE SUPUESTOS ERROR! BOOKMARK NOT DEFINED.

4.8 FORTALEZAS ERROR! BOOKMARK NOT DEFINED.

4.9 DEFICIENCIAS ERROR! BOOKMARK NOT DEFINED.

5. CONCLUSIONES 20

6. RECOMENDACIONES 33

BIBLIOGRAFÍA O REFERENCIAS 34
 LISTA DE TABLAS

pág.

Tabla 1. Factores y rangos posibles de variación ............................................ 10

Tabla 2. Factores y sus niveles experimento 26-2 .............................................. 12

Tabla 3. Resumen diseño 26-2 ............................................................................. 15

Tabla 4. Estructura de alias 26-2 .......................................................................... 15

Tabla 5. Tabla de diseño experimental 26-2 ........................................................ 15

Tabla 6. Resultados experimento 26-2................................................................. 17

Tabla 7 ANOVA al diseño 26-2 sin réplicas ......................................................... 21

Tabla 8. ANOVA diseño 23 con réplica (A partir de factores

significativos) ....................................................................................................... 23

Tabla 9. Factores y niveles Diseño 23 con réplica ............................................ 26

Tabla 10. ANOVA diseño 23 con réplicas. .......................................................... 29

3
 LISTA DE FIGURAS
pág.

Figura 1. Proceso Fabricación "Nyam Guau"...................................................... 9

Figura 2. Creación Diseño Factorial Minitab ..................................................... 12

Figura 3. Características Diseño Factorial Minitab ........................................... 13

Figura 4. Factoriales Fraccionados Características ......................................... 14

Figura 5. Características Diseño Factorial Fraccionado Minitab ..................... 14

Figura 6. Simulador Experimento Planta Concentrado .................................... 16

Figura 7. Análisis Diseño Factorial Método Grafico (Paso 1) .......................... 18

Figura 8. Análisis Diseño Factorial Método Grafico (Paso 2) .......................... 19

Figura 9. Diagrama de Pareto Experimento 26-2 ................................................ 19

Figura 10. Gráfica de efectos normales (absolutos) ......................................... 20

Figura 11. Gráfica normal de efectos ................................................................. 20

Figura 12. Creación tabla ANOVA a partir de factores significativos ............. 22

Figura 13. Validación de supuestos diseño 23 con réplica (a partir de

factores significativos). ....................................................................................... 23

Figura 14. Gráfica de interacción Factores significativos ................................ 24

Figura 15. Efectos principales diseño 2^3 con réplica (factores

significativos). ...................................................................................................... 25

Figura 16. Creación diseño 23 con replicas ....................................................... 26

Figura 17. Creación diseño 23 con réplica (Paso 2). ......................................... 27

Figura 18. Matriz ejecución diseño 23 con réplica. ........................................... 27

Figura 19. Resultados experimento 23 con réplicas. ........................................ 28

Figura 20. Validación de supuestos diseño 23 con réplicas. ........................... 29

Figura 21. Efectos principales diseño 23 con replica........................................ 30

4
Figura 22. Gráfica de interacción diseño 2^3 con réplica. ............................... 31

5
 RESUMEN

En una planta de concentrados para animales se han recibido quejas relacionadas

con el volumen del producto en el empaque y la aceptación del animal al producto,
por lo tanto, se contrató a un experto para determinar la causa de estos
inconvenientes.

El consultor determinó que la densidad del producto era la causante de los

problemas, pues presenta una densidad de 470.13 ± 68 g/dm3 y el valor óptimo
debería ser de 460 ±20 g/dm3, con el fin de reducir la variabilidad y acercarse al
valor esperado, se tienen en cuenta: el porcentaje de grasa, el caudal de
alimentación (caudal 1), el apertura del plato, la temperatura de entrada, el caudal
de agua (caudal 2) y el porcentaje de almidón.

Con el fin de determinar el efecto de los factores se desarrolló un diseño

experimental factorial fraccionado 26-2 sin réplicas, donde se encontró que los
factores significativos son el porcentaje de grasa, el caudal de agua y el porcentaje
de almidón. A partir de esta información, se desarrolló un diseño factorial con dos
réplicas 23 para construir un análisis de varianza ANOVA.

Con el análisis ANOVA se determinó los valores de los niveles que más reducen el
efecto de la variabilidad del almidón sobre la densidad y se seleccionaron los
valores de los niveles que más se acercan al valor óptimo de densidad del
producto.

Finalmente, se realizó un diseño experimental 2 3 con réplicas en los nuevos

valores de los niveles con el fin de aproximarse al valor objetivo de densidad de
producto.

Se encontró que los valores de los niveles adecuados para el porcentaje de grasa
4.5 % y para el caudal de agua 225 lpm, mientras que los otros factores pueden
operar como han operado hasta ahora en la planta.

Palabras clave: Diseño de experimentos, diseños factoriales, ANOVA,

concentrado.

6
 INTRODUCCIÓN

En la industria se pueden presentar inconvenientes relacionados con los procesos

productivos, en algunas ocasiones se pueden solucionar mediante modelos
teóricos o análisis experimental. Sin embargo, estas opciones implican grandes
costos y tiempo de ejecución. Una alternativa para realizar un análisis
experimental adecuado, es utilizar la estadística para determinar el número y
desarrollo de experimentos que reduzcan costos y tiempos en la ejecución.

En una planta de concentrados para animales, tienen inconvenientes con la alta

variabilidad de la densidad de concentrado, generando reducción en las ventas del
producto. Por lo tanto, se utilizaron 36 experimentos para lograr reducir la
densidad óptima en 460 ± 20 g/dm3 a partir de dos diseños experimentales
factoriales fraccionados.

7
 1. PLANTEAMIENTO DEL PROBLEMA

La empresa FATDOG S.A. se dedica desde 1991 a la producción de concentrado

para animales, siendo su producto estrella la comida para perros vendida con el
nombre de “Nyam-Guau”. Sin embargo, últimamente se han estancado las ventas
de este producto, provocando gran preocupación en la dirección. El departamento
de mercadeo explica que se han detectado quejas sobre el producto centradas en
dos aspectos:

 El aspecto de los sacos no es constante, a pesar de tener el mismo peso,

algunos se ven vacíos otros demasiados llenos, lo que hace desconfiar a
los compradores.

 Un porcentaje pequeño de perros rechaza su plato con “Nyam-Guau”.

Ante esta situación, la dirección de la empresa decidió encargar a un consultor,

experto en la aplicación de técnicas estadísticas para el control y la mejora de la
calidad, un estudio para determinar las causas de estos problemas y plantear las
soluciones para eliminarlos.

La primera acción del experto es conocer el proceso de fabricación de la purina,

(el proceso se presenta detalladamente en la Error! Reference source not
found.Los ingredientes (sólidos y líquidos) provienen de diferentes proveedores.

Posteriormente se creó un grupo de trabajo, para estudiar el problema y

establecer un objetivo. La impresión general, indicaba que el causante de los
problemas era la densidad del concentrado y más concretamente su gran
variabilidad. Esta impresión motivó un estudio en el que se midiera la densidad de
muestras de concentrado producido durante un mes.

8
 Figura 1. Proceso Fabricación "Nyam Guau"

El siguiente paso que dio el equipo fue elaborar un diagrama causa-efecto con el
objetivo de identificar variables que pueden tener influencia en la densidad.
Basado en el diagrama se concluyó que las variables que podían afectar la
densidad son:

1. Porcentaje de grasa añadida a las harinas.

2. Apertura del plato de restricción.

9
 3. Caudal de alimentación.

4. Temperatura de la mezcla a la entrada del extruder.

5. Caudal de agua añadida en el acondicionamiento final.

6. Porcentaje de almidón presente en las harinas.

Las cinco primeras variables de la lista son controlables en la línea de producción,

pero la sexta es un factor que varía mucho en función de su origen (proveedor) por
lo que puede asumirse como factor de ruido.

Finalmente, teniendo en cuenta las limitaciones impuestas por el proceso de

fabricación, y de acuerdo con los conocimientos técnicos y experiencia de trabajo,
se elaboró la Tabla 1. Factores y rangos posibles de variacióncon el rango de
variación posible para las variables a tratar. Para aquellas que pueden tomar
cualquier valor dentro su rango, se indica también cual es la que se considera la
diferencia mínima entre niveles para que el efecto del factor (si es que lo tiene)
sea apreciable, así como la diferencia máxima para que la hipótesis de linealidad
sea asumible.

Tabla 1. Factores y rangos posibles de variación

Debido a la necesidad de interferir lo menos posible con el proceso de producción,

y debido al alto costo de cada experimento, se ha previsto la realización de
máximo 40 tratamientos experimentales en total.

10
 2. JUSTIFICACIÓN DEL DISEÑO EXPERIMENTAL A UTILIZAR

A simple vista se puede proponer un diseño experimental factorial completo tipo 2k

sin replicas, lo que implica realizar 64 tratamientos; no obstante, debido a que la
planta tiene un límite en la cantidad de experimentos, se propone un diseño
factorial fraccionado tipo 2k-2, con el fin de explorar el comportamiento de los
factores principales. En este caso se usa la forma 26-2 de resolución IV, con 16
tratamientos experimentales en total, sin réplicas y una estructura de alias que
resalta los efectos principales.

Adicionalmente, el hecho de que cuatro de los factores son aleatorios (grasa

añadida, apertura de plato, temperatura entrada, caudal del agua) implica que se
puede concluir sobre la variabilidad que causan estos factores en la densidad
(variable respuesta) y no sobre la media. Es por ello que el diseño exploratorio
propuesto, usa el principio de Pareto, que se refiere a que la mayoría de la
variabilidad observada se debe a unos pocos de los efectos posibles [1]. Por lo
tanto, el primer experimento permite determinar los factores influyentes en la
varianza de la densidad, y descartar aquellos que no son significativos.

Una vez se conocen los factores que más influyen sobre la variabilidad de la
densidad, se toman aquellos factores que no influyen y se usa sus datos como
réplicas de los demás factores. Esto permite realizar un análisis de varianza
ANOVA para ver la magnitud del efecto de la variabilidad de los factores que
quedaron y cómo los diferentes niveles de los factores se acercan o alejan de la
media.

Finalmente, se realiza un nuevo diseño experimental con los factores restantes,

pero en este caso con diferentes niveles. Los nuevos niveles elegidos son
aquellos que minimizan la influencia del factor de ruido y se acercan más al valor
de media deseado.

11
 3. PLAN EXPERIMENTAL DISEÑO 26-2

La primera fase experimental se plantea como un diseño fraccionado 26-2; se

definen los niveles que va a asumir cada factor, el tipo de factor (fijo o aleatorio) y
la variable respuesta (densidad), como se ilustra en la Tabla 2. Factores y sus
niveles experimento 26-2

Tabla 2. Factores y sus niveles experimento 26-2

Niveles
Tipo Factor Factor
Bajo Alto
Aleatorio Grasa 2 4
Fijo Caudal 1 40 60
Aleatorio Apertura 70 90
Aleatorio Temperatura 80 90
Aleatorio Caudal 2 200 300
Fijo (Ruido) Almidón bajo alto

Mediante el software Minitab se construye el plan experimental, en la Figura 2.

Creación Diseño Factorial Minitab, se puede observar la selección de tipo de
diseño que se va a utilizar, en este caso Factorial. De la pestaña que se despliega
se selecciona la opción Crear diseño factorial.

Figura 2. Creación Diseño Factorial Minitab

12
Una vez seleccionado la opción Crear diseño factorial aparece la ventana que se
muestra en la Figura 3. Características Diseño Factorial Minitab En esta se
presentan las diferentes opciones para configurar el experimento y se selecciona
la opción Factorial 2 niveles (generadores predeterminados). Esta opción permite
crear diseños factoriales fraccionados, con generadores estandarizados, es decir
los que se encuentran en tablas (Figura 4. Factoriales Fraccionados .

Figura 3. Características Diseño Factorial Minitab

Se selecciona un diseño de ¼ de fracción, resolución IV, como se presenta en la

Figura 5. Características Diseño Factorial Fraccionado MinitabEn este diseño se
realizan 16 corridas experimentales y los efectos principales son alias de
interacciones triples e interacciones de orden superior. Una marcada desventaja
de esta configuración es que las interacciones dobles son alias entre sí y con
interacciones de orden superior.

13
 Figura 4. Factoriales Fraccionados Características

Figura 5. Características Diseño Factorial Fraccionado Minitab

Al dar clic en el botón aceptar y crear el experimento el software genera una tabla
con las características generales, la relación generadora, la relación definidora, y
la resolución del diseño además de la cantidad de factores, las corridas

14
experimentales (Tabla 3. Resumen diseño 26-2). Adicionalmente se crea la
estructura de alias (Tabla 4) y la matriz de experimentación aleatorizada (Tabla 5).

Tabla 3. Resumen diseño 26-2

Factores: 6 Diseño de la base: 6; 16 Resolución: IV

Corridas: 16 Réplicas: 1 Fracción: 1/4
Bloques: 1 Puntos centrales (total): 0
Generadores del diseño: E = ABC; F = BCD
Relación definitoria: I = ABCE = BCDF = ADEF

Tabla 4. Estructura de alias 26-2 Tabla 5. Tabla de diseño

experimental 26-2
I + ABCE + ADEF + BCDF
Corrida Blq A B C D E F
A + BCE + DEF + ABCDF
1 1 + + + + + +
B + ACE + CDF + ABDEF
2 1 + - - + + +
C + ABE + BDF + ACDEF
3 1 - - + - + +
D + AEF + BCF + ABCDE
4 1 - + + - - -
E + ABC + ADF + BCDEF
5 1 - + + + - +
F + ADE + BCD + ABCEF
6 1 - - - - - -
AB + CE + ACDF + BDEF
7 1 + - + - - +
AC + BE + ABDF + CDEF
8 1 - - - + - +
AD + EF + ABCF + BCDE
9 1 + + - + - -
AE + BC + DF + ABCDEF
10 1 + + - - - +
AF + DE + ABCD + BCEF
11 1 + - + + - -
BD + CF + ABEF + ACDE
12 1 + + + - + -
BF + CD + ABDE + ACEF
13 1 + - - - + -
ABD + ACF + BEF + CDE
14 1 - + - + + -
ABF + ACD + BDE + CEF
15 1 - + - - + +
16 1 - - + + + -

La Tabla 4. Estructura de alias 26-2, presenta los alias que se forman en el diseño.
Debido a que se tiene resolución IV las interacciones triples y de orden cinco

15
forman alias con los efectos principales; es decir, no se puede distinguir a qué
corresponde el efecto sobre la variable respuesta, sin embargo, se espera que los
factores principales sean los causantes de la variabilidad. Por otro lado, las
interacciones dobles que pueden tener efecto significativo forman alias entre sí, lo
que requiere un análisis minucioso de estos efectos. Por último, algunas
interacciones triples forman alias entre sí, pese a esto, efectos triples no suelen
ser significativos y se descartan para el análisis.

El orden de ejecución, aleatorizado, también es entregado por Minitab, como se

observa en la Tabla 5. Tabla de diseño experimental 26-2. El factor A representa el
porcentaje de grasa, el factor B es el caudal alimentación (caudal 1 por
comodidad), el factor C es la apertura del plato, el factor D es temperatura de
entrada, el factor E es el caudal de agua (caudal 2 por comodidad) y el factor F
almidón.

Con este orden de ejecución se realiza el experimento en el simulador de

experimentos de la planta de concentrado Figura 6. Simulador Experimento Planta
ConcentradoLos niveles usados son los que aparecen en la Tabla 6.

Figura 6. Simulador Experimento Planta Concentrado

Una vez ejecutado el experimento se obtiene los resultados que se muestran en

Tabla 6. Resultados experimento 26-2 y se dispone de ellos para su análisis.

16
Tabla 6. Resultados experimento 26-2

17
 4. ANÁLISIS E INTERPRETACIÓN DE LOS DATOS DISEÑO 26-2

Por la forma como se diseñó y ejecuto el experimento realizar un análisis mediante

ANOVA no es posible, debido a que no se tienen replicas. Por lo tanto, se plantea
un análisis mediante métodos gráficos, Pareto, Daniels y Daniels absoluto.

Para realizar el análisis mediante el software Minitab se selecciona la pestaña

Estadísticas y de la lista desplegable se selecciona DOE, luego del menú que
aparece se elige Factorial y se da clic sobre la opción Analizar diseño factorial,
como se presenta en la Figura 7. Análisis Diseño Factorial Método Grafico (Paso
1)

Figura 7. Análisis Diseño Factorial Método Grafico (Paso 1)

En la ventana que se despliega se habilitan las gráficas de efectos que permiten

realizar el análisis del experimento. En la Figura 8. Análisis Diseño Factorial
Método Grafico (Paso 2), se observa que se encuentra seleccionado la opción
Pareto, Normal y Normales (absolutos)

18
 Figura 8. Análisis Diseño Factorial Método Grafico (Paso 2)

A partir de las gráficas se permite seleccionar aquellos factores que tienen efecto
significativo en la variabilidad de la respuesta (densidad) y todos aquellos factores
que no son significativos se descartan y se toman como replicas.

Figura 9. Diagrama de Pareto Experimento 26-2

En la Figura 9. Diagrama de Pareto Experimento 26-2, los factores que tienen

influencia significativa en la variabilidad de la densidad son aquellos que superan
el umbral de la línea roja punteada. En este sentido, los factores que tienen el
mayor peso son el almidón (F), seguido por el caudal 2 (E) y la grasa (A) con
pesos similares. Se observa que los demás factores (caudal 1, apertura y
temperatura) y las interacciones dobles y de orden superior no generan efecto en

19
la variabilidad de la densidad. Por lo tanto, se pueden descartar y utilizarse como
réplicas para un análisis numérico.

La Figura 10. Gráfica de efectos normales (absolutos) y la Figura 11. Gráfica

normal de efectos, confirman que los efectos significativos en la variabilidad de la
densidad son ocasionados por los factores principales, Almidón, Caudal 2, Grasa.

Figura 10. Gráfica de efectos normales (absolutos)

Figura 11. Gráfica normal de efectos

20
Además, el hecho de no tener réplicas implica que el ANOVA no se puede
realizar, como se evidencia en la Tabla 7 ANOVA al diseño 26-2 sin réplicas, pues
los grados de libertad del error son iguales a cero, por lo que numéricamente no
es posible calcular su cuadrado medio, e imposibilita determinar el valor F de los
demás factores e interacciones.

Tabla 7 ANOVA al diseño 26-2 sin réplicas

Fuente GL SC Ajust. MC Ajust. Valor F Valor p

Modelo 15 36609,5 2440,6 * *
Lineal 6 35688,6 5948,1 * *
Grasa 1 2985,8 2985,8 * *
Caudal 1 1 25,5 25,5 * *
Apertura 1 27,4 27,4 * *
Temperatura 1 18,2 18,2 * *
Caudal 2 1 3389,9 3389,9 * *
Almidón 1 29241,9 29241,9 * *
Interacciones de 2 términos 7 890,0 127,1 * *
Grasa*Caudal 1 1 127,6 127,6 * *
Grasa*Apertura 1 15,2 15,2 * *
Grasa*Temperatura 1 0,1 0,1 * *
Grasa*Caudal 2 1 132,8 132,8 * *
Grasa*Almidón 1 241,1 241,1 * *
Caudal 1*Temperatura 1 290,1 290,1 * *
Caudal 1*Almidón 1 83,0 83,0 * *
Interacciones de 3 términos 2 31,0 15,5 * *
Grasa*Caudal 1*Temperatura 1 0,1 0,1 * *
Grasa*Caudal 1*Almidón 1 30,9 30,9 * *
Error 0 * *
Total 15 36609,5

21
 5. DISEÑO 23 (FACTORES SIGNIFICATIVOS)

Con el fin de analizar la magnitud de los efectos de la variabilidad sobre la

densidad y determinar qué niveles de los factores que no se descartaron por
Pareto se acercan más al valor de la media, se organiza la información de manera
que se transforme en un experimento factorial completo 23 con réplicas. Cabe
aclarar que no se realiza nueva experimentación, lo que se hace es tomar la Tabla
6. Resultados experimento 26-2 y eliminar las columnas correspondientes a
factores no significativos, es decir, se eliminan las columnas B, C y D. Por lo que,
las filas 1 a 16 se copian 3 veces, una por cada factor eliminado, y se asumen
estos datos como réplicas. De esta manera ya se puede analizar el experimento
mediante una tabla ANOVA.

La construcción de la tabla ANOVA, requiere clasificar los factores como aleatorios

y fijos. Como se observa en la Figura 12. Creación tabla ANOVA a partir de
factores significativos, la grasa y el caudal 2 son aleatorios, mientras que el
Almidón (ruido) es fijo. Este paso es importante porque según el tipo de factor
Minitab utiliza un estadístico de prueba específico para el cálculo de F.

Figura 12. Creación tabla ANOVA a partir de factores significativos

Una vez construido la Tabla 8. ANOVA diseño 23 con réplica (A partir de factores
significativos) con los resultados del análisis de varianza ANOVA, se evidencia
numéricamente lo presentado en el diagrama de Pareto, los tres factores elegidos
tienen significancia en la variabilidad de la densidad. Siendo el factor de ruido
Almidón, el que tiene mayor influencia.

22
Tabla 8. ANOVA diseño 23 con réplica (A partir de factores significativos)

Fuente GL SC Ajust. MC Ajust. Valor F Valor p

Grasa 1 11943 11943 180,59 0,000
Caudal 2 1 13559 13559 205,03 0,000
Almidón 1 116967 116967 1768,65 0,000
Error 60 3968 66
Falta de ajuste 4 1569 392 9,15 0,000
Error puro 56 2399 43
Total 63 146438

Se realiza la validación de supuestos como se muestra en la Figura 13. Validación

de supuestos diseño 23 con réplica (a partir de factores significativos), en la que se
observa que los residuos se ajustan a una distribución normal, también se
distribuyen de manera aleatoria cuadrante superior derecho.

Figura 13. Validación de supuestos diseño 23 con réplica (a partir de factores

significativos).

La interacción de los diferentes factores y su efecto en la densidad se muestra en

la Figura 14. Gráfica de interacción Factores significativos, de donde se extrae

23
información que permite establecer los niveles más cercanos al valor esperado
para factores significativos (grasa, caudal 2) y minimizar el efecto del factor
incontrolable (almidón). Sin embargo, es evidente la fuerte influencia que tiene el
almidón en la densidad del concentrado. Por ejemplo, revisando la interacción
grasa-almidón, si se mantiene bajo el nivel de grasa la diferencia entre los niveles
del almidón ocasiona un cambio en la densidad de más de 250 g/dm3. Mientras
que en nivel alto de grasa un cambio de nivel de almidón ocasiona un cambio en
la densidad de 200 unidades aproximadamente. Lo que indica que mantener la
grasa en nivel alto reduce ligeramente el efecto del almidón. El caudal 2, tiene un
efecto similar, pues al mantener el caudal 2 en nivel bajo se reduce ligeramente el
efecto del almidón en la densidad.

Figura 14. Gráfica de interacción Factores significativos

El efecto de cada factor se puede observar en la Figura 15. Efectos principales

diseño 23 con réplica (factores significativos), donde se evidencia que para
alcanzar el valor deseado de densidad 460 g/dm 3, el nivel de grasa debe ser tan
alto como sea posible, sin embargo, es necesario evaluar si esta tendencia se
mantiene más allá del 4 % de grasa añadida. Además, el nivel de caudal debe
mantenerse en nivel bajo 200 l/min, pero en este caso por limitaciones de
operación no se puede reducir más, por lo que sería útil determinar si ligeramente
por encima de 200 l/min es posible acercarse más al valor de la media deseada de
densidad. Por otro lado, el almidón en cualquier nivel induce gran variabilidad,
pero se aprecia que en el nivel bajo se produce mejores resultados.

24
Figura 15. Efectos principales diseño 23 con réplica (factores significativos).

A partir de los análisis realizados se propone una segunda ronda de

experimentación más refinada, donde se trabaja con los factores influyentes,
seleccionando niveles que reduzcan la influencia del factor de ruido y permitan
mantener la densidad en el valor deseado y dentro del rango permitido.

25
 6. PLAN EXPERIMENTAL DISEÑO 23 CON RÉPLICAS

A partir de los resultados obtenidos en el diseño anterior, se decide realizar una

nueva ronda de corridas experimentales proponiendo un diseño factorial 23 con 2
réplicas, tomando como factores la grasa, el caudal 2 y el almidón, mientras que la
variable de respuesta nuevamente es la densidad.

En esta nueva experimentación se modifica el valor de los niveles de acuerdo a lo

observado en las Figura 14. Gráfica de interacción Factores significativos y Figura
15. Efectos principales diseño 23 con réplica (factores significativos) Para este
nuevo diseño se definen los niveles como se muestra en Tabla 9. Factores y
niveles Diseño 23 con réplica con el objetivo de minimizar la influencia de la
variable incontrolable.

Tabla 9. Factores y niveles Diseño 23 con réplica

Niveles
Tipo Factor Factor
Bajo Alto
Aleatorio Grasa 4 5
Aleatorio Caudal 2 200 250
Fijo (Ruido) Almidón bajo alto

Nuevamente, mediante Minitab se diseña el experimento, seleccionando factorial

completo 23 con dos réplicas, como se muestra en Figura 16. Creación diseño 23
con replicas.

Figura 16. Creación diseño 23 con replicas

26
Posteriormente, se definen los nuevos niveles para los factores, como se muestra
en Figura 17. Creación diseño 23 con réplica (Paso 2)

Figura 17. Creación diseño 23 con réplica (Paso 2).

El software proporciona la matriz de ejecución del experimento, ya aleatorizada,

como se muestra en la Figura 18. Matriz ejecución diseño 23 con réplica

Figura 18. Matriz ejecución diseño 23 con réplica.

Nuevamente, se utilizó el simulador de experimentos de la planta de concentrado,

para realizar las nuevas corridas experimentales, en la Figura 19. Resultados
experimento 23 con réplicas, se observa los diferentes tratamientos y el valor de la
densidad que se obtiene.

27
 Figura 19. Resultados experimento 23 con réplicas.

Como este experimento tiene réplicas su análisis se realiza de manera directa

mediante una tabla de análisis de varianza ANOVA, con ayuda de Minitab. El
resultado se presenta en Tabla 10. ANOVA diseño 23 con réplicas. Por lo que, se
observa que en estos nuevos niveles únicamente los factores grasa y almidón
tienen efecto significativo en la variabilidad y media de la densidad del
concentrado respectivamente.

28
 Tabla 10. ANOVA diseño 23 con réplicas.

Fuente GL SC Ajust. MC Ajust. Valor F Valor p

Grasa 1 659,1 659,1 7,51 0,018
Caudal 2 1 250,7 250,7 2,86 0,117
Almidón 1 27145,0 27145,0 309,30 0,000
Error 12 1053,2 87,8
Falta de ajuste 4 222,4 55,6 0,54 0,714
Error puro 8 830,8 103,9
Total 15 29107,9

Se realiza la validación de supuestos como se muestra en la Figura 20. Validación

de supuestos diseño 23 con réplicas, en la que se observa que los residuos se
ajustan a una distribución normal, también se distribuyen de manera aleatoria en
el cuadrante superior derecho. La dispersión mostrada en la gráfica sobre el
cuadrante superior derecho, define una tendencia fuerte y es la gran influencia de
la variable incontrolable almidón, que al cambiar de un nivel a otro induce grandes
cambios en la densidad del concentrado.

Figura 20. Validación de supuestos diseño 23 con réplicas.

29
El efecto de cada factor se muestra en la Figura 21. Efectos principales diseño 23
con replica, se evidencia que los niveles seleccionados para los factores grasa y
caudal 2, permiten mantener la densidad alrededor del valor deseado 460 g/dm3,.
En este caso un valor de 4.5% para grasa y 225 l/dm3 para caudal aseguraría la
densidad en el valor indicado. Por otra parte, la influencia del almidón sigue siendo
demasiado fuerte, ocasionando gran variabilidad en la densidad al pasar de un
nivel a otro.

De esta Figura se puede concluir que, para mantener el valor de la densidad

dentro del rango deseado, se debe asegurar la calidad del almidón, es decir el
proveedor debe suministrar un producto uniforme. De ninguna otra manera se
logrará uniformidad en la densidad del concentrado “Nyam-Guau”.

Figura 21. Efectos principales diseño 23 con replica

La interacción de diferentes factores y su efecto en la densidad se muestra en la

Figura 22. Gráfica de interacción diseño 23 con réplica. De esta Figura, se
concluye que en ningún nivel de la grasa y el caudal 2 es posible reducir de
manera significativa la influencia del almidón, reafirmando la conclusión que se
obtuvo en la gráfica de efectos principales.

30
Figura 22. Gráfica de interacción diseño 23 con réplica.

31
 7. CONCLUSIONES Y RECOMENDACIONES

Los factores caudal de alimentación, apertura y temperatura, no influyen

significativamente sobre la variabilidad de la densidad según el análisis de Pareto
y Daniels.

Al tomar como réplicas los factores que no influyen sobre la variabilidad de la

densidad en el diseño 23-2 se puede obtener un diseño 23 con réplica sobre el que
se puede realizar una ANOVA. Esto confirma lo observado en Pareto y permite
inferir que sobre el 4% de grasa y en caudales de agua menores a 300 l/min se
puede reducir el efecto del factor de ruido y acercarse al valor deseado de
densidad.

Se construyó un diseño factorial 23 con 2 réplicas que permite acercarse al valor

deseado de densidad de 460 g/dm3. Esto se puede logar con un porcentaje de
grasa de 4.5% y un caudal de agua de 225 l/min.

Se redujo la variabilidad de la densidad de 470.13 g/dm3 ±68,82 g/dm3 a 460

g/dm3 ±40 g/dm3. Esto es posible con un porcentaje de grasa de 4.5% y un caudal
de agua de 225 l/min mientras los demás valores pueden operar como lo han
venido haciendo en la planta hasta ahora. Sin embargo, no es posible reducir la
variabilidad a 460 g/dm3 ±20 g/dm3, pues la mayoría de las variables no reducen el
efecto del almidón sobre la densidad. Mientras que el % de grasa y caudal de
agua sólo reducen una fracción de dicho efecto.

32
 8. RECOMENDACIONES

Se recomienda controlar mejor el suministro de almidón, puede ser exigiendo

intervalos más estrictos en la calidad del almidón a los proveedores o mantener un
solo proveedor capaz de ofrecer un producto consistente. Pues la modificación de
los parámetros de operación no puede reducir más el efecto de variabilidad sobre
la densidad causada por el almidón.

33
 BIBLIOGRAFÍA

[1] H. Gutiérres and R. Salazar, Análisis y diseño de experimentos, vol. 53, no.
9. 2008.

34