Anlisis y Diseo de Experimentos

Industriales.

Tarea N1
Informe final

1. Con el fin de mejorar la calidad de sus equipos, una empresa vendedora de bombas
centrifugas decidi realizar un catastro con sus clientes sobre cunto tiempo demoran sus
productos en presentar su primera falla mecnica. Los datos de la Tabla 1 son el resultado de
un catastro muy minucioso que asegura ser representativo de la poblacin.
Tabla 1.- Tiempo [h] en observarse la primera falla mecnica.

29480
37654
41539
41830
48172
51139
52452
55643
57884
59449
60951
61065
61390
65585
66313
67467
70003
75850
78635
86070

35807
35884
36949
38420
41128
41715
44411
50432
55257
55912
61030
62215
64398
65996
67632
74582
79426
80502
85720
90565

28625
30252
35342
37748
41886
45313
46681
51269
53751
55989
57277
58267
58708
67662
72635
74239
75548
84588
84656
89116

33412
34754
40709
41463
44719
46724
47012
48035
48662
48698
49677
51831
53324
60727
61979
66579
69010
69483
76580
82919

10504
34182
37402
43068
46502
48240
48996
49011
50238
56155
59168
59888
61477
61752
63692
65854
67124
68629
71360
73808

Considerando que todas las bombas fallan en algn momento de su vida, Responda:
a) Construya una tabla de frecuencia con un nmero de clases adecuados justificando su
eleccin.
Para llevar a cabo la construccin de la tabla de frecuencias se pueden utilizar la regla de sturges la
cual indica que el nmero de clases est dada por una funcin matemtica, y por otro lado se puede
utilizar una aproximacin ms simple que nos indica que el nmero de clases debiese ser sobre 5 y
menor a quince y determinada como la raz del nmero de datos, con esto queda lo siguiente.

k =100=10
Luego se obtiene la amplitud por medio de:

a=

Max [ x ] min [ x ]
=8007
k

Se calcula el rango de tabla y su diferencial quedando:

D=k a( Max [ x ] min [ x ] )=9

D
=4,5
2

Ya con el diferencial se procede a construir la tabla de frecuencias tanto absolutas como relativas y
sus acumuladas, para comenzar se obtiene el limite inferior de la tabla que posee el valor de.

Li=min [ x ]

D
2

Y se va sumando la amplitud de la clase (a) quedando lo siguiente:

Rango de Datos
10499,5 18506,5
18506,5 26513,5
26513,5 34520,5
34520,5 42527,5
42527,5 50534,5
50534,5 58541,5
58541,5 66548,5
66548,5 74555,5
74555,5 82562,5
82562,5 90569,5

Marca de Clase
(m)
14503
22510
30517
38524
46531
54538
62545
70552
78559
86566

f abs
(n)
1
0
5
16
18
14
19
13
7
7

f rel
(f)
0,01
0
0,05
0,16
0,18
0,14
0,19
0,13
0,07
0,07

F abs acc
(N)
1
1
6
22
40
54
73
86
93
100

F rel acc
(F)
0,01
0,01
0,06
0,22
0,4
0,54
0,73
0,86
0,93
1

Donde:
j
j
Lmini + Lmaxi
ni
mi=
; f i= ; N j= ni ; F j= f i
2
n
i=1
i=1

b) Dibuje un histograma de frecuencias y frecuencias acumuladas. Comente sobre su

forma (dispersin, sesgo, etc.)
Al graficar los datos obtenidos por la tabla de frecuencias nombrada anteriormente se obtiene lo
siguiente.

Ilustracin 1.- Histograma de fallas con frecuencia acumulativa.

Como se puede ver en el grfico anterior la mayor cantidad de datos se encuentra centrado en las
clases centrales, pero se ve distorsionado por la presencia de un dato extremo en la primera clase, lo
cual podra ser por la presencia de un outlier, es por esto que no se puede decir a ciencia cierta que
es una distribucin normal y no presenta sesgo.
c) Estime promedio, moda y mediana.
Utilizando las formulas encontradas en el anexo 1, las cuales son utilizadas cuando se poseen datos
agrupados queda:

E [ x ]=56549,68 [ h ] ; Me [ x ] =56253,79 [ h ] ; Mo [ x ] =62181,05[h]

d) Estime la desviacin estndar.

Para obtener la desviacin estndar se calcula con la frmula 1.4) encontrada en los anexos
quedando:

=15858[h]
e) Dibuje un Boxplot.
Para dibujar un boxplot se debe calcular los cuartiles Q0, Q1, Q2, Q3 y Q4, junto con el rango inter
cuartil (IQR) quedando lo siguiente.
Q0
Q1
Q2
Q3
Q4
IQR
Lim sup
Lim inf

10504
45164,5
56072
67209,75
90565
22045,25
100277,62
5
12096,625

Donde:

IQR=Q 3Q 1 ; lim Q3+1,5 IQR; lim inf =Q11,5 IQR

Ya con esto queda el siguiente boxplot.

Tiempo de Falla [h]

Ilustracin 2.- Boxplot de fallas.

f) Mediante algn criterio de identificacin de anomalas, indique si los datos presentan

outliers
Para la identificacin de outliers se requiere los datos para la construccin del boxplot, dado que los
limites superior e inferior son los rangos de normalidad del experimento, por lo anterior se tiene que
cualquier dato que se encuentre fuera de los limites se considera outlier, quedando:
Lim sup
Lim inf

100277,62
5
12096,625

Outliers identificados:

10504
2. En una planta de cido sulfrico se procesan gases, con flujo y concentracin variables,
provenientes del proceso fusin-conversin de concentrado de cobre. Despus de limpiar el
gas de polvos en suspensin y de eliminar su contenido de agua, se produce un efluente
lquido (cido dbil) con slidos txicos (por ejemplo arsnico) que debe ser tratado antes de
que pueda ser almacenado en depsitos especiales, de acuerdo a la normativa ambiental
vigente. El lquido que abandona la planta debe contener menos de 1,0 ppm de arsnico. De
un gran nmero de observaciones anteriores, obtenidas de la puesta en operacin de la
planta, se estima que la concentracin de arsnico en el lquido final se distribuye de forma
normal con una media de 0,95 ppm y una desviacin estndar de 0,05 ppm. Al respecto:

a) Cul es la probabilidad de obtener una emisin puntual de arsnico de 1ppm en el lquido

final?

Como se trabaja con una lectura en continuo, la probabilidad de obtener una lectura de 1ppm es 0.
b) Si el promedio diario de la emisin de arsnico se calcula tomando mediciones cada una
hora, Cul es la probabilidad de obtener una concentracin promedio de arsnico mayor a
1ppm en el lquido final?
Si se toma las medidas de un universo que posee media 0,95 ppm y desviacin 0,05 ppm se puede
suponer que la distribucin de promedios diarios tendr el mismo promedio y desviacin, por lo
cual se puede utilizar la distribucin normal para calcular la probabilidad de que el promedio sea
mayor a 1 ppm, para esto se estandariza por medio de

Z=

xE [ X ] 10,95
=
=1

0,05

Utilizando la Tabla de distribucin normal se obtiene que

Pr [ Z >1 ]=0,1587=15,87
c) Si la norma ambiental establece que:
(a) La emisin puntual medida no debe sobrepasar 1,0 ppm de As, con 99% de confianza.
(b) La emisin promedio diario, calculado a partir de mediciones tomadas cada una
hora, no debe sobrepasar 0,95 ppm de As, con 99% de confianza.
En cunto deben disminuir la emisin media de arsnico para satisfacer ambas normas
ambientales?
Para que se cumpla la norma (a) se puede utilizar la distribucin normal, con la cual se tiene que
con una confianza de 99% se cumple que

Pr [ Z ]=0,005
Utilizando la tabla de distribucin normal se encuentra que el valor de Z es 2,575 y se puede
despejar el valor que debe poseer el promedio mediante

Z=

xE [ X ]
E [ x ]=1 [ ppm ]2,575 0,05 [ ppm ] =0,87 [ ppm ]

Para la norma (b) se pide que el promedio diario no debe superar los 0,95 [ppm], el promedio diario
se realiza con 1 medicin cada hora siendo en total 24 muestras, como son menos de 30 mediciones
y la distribucin de origen es normal se puede utilizar la distribucin t-student. Donde se debe
cumplir.

E [ x ] +t 23;0,005

0,05 [ ppm ]
0,95 [ ppm ]
24

E [ x ] 0,95 [ ppm ]2,807

0,05 [ ppm ]
E [ x ] 0,92 [ ppm ]
24

Por lo anterior para que se cumplan ambas condiciones el promedio debe ser a lo ms 0,87 [ppm] es
por esto que el promedio debe disminuir en 0,08[ppm].
3. En una industria textil se dispone de 5 telares de la misma marca y modelo. Todos los telares
fueron comprados al mismo tiempo y presentan un tiempo de uso equivalente. Sin embargo,
como ingeniero a cargo de la operacin, usted ha notado que entre ellos difieren en
resultados y quiere comprobar su hiptesis, para identificar aquellos que deben ser enviados
a revisin. Para lo anterior planifica un experimento que consiste en medir la cantidad de
tela producida por unidad de tiempo de trabajo (kg de tela/min). Los resultados obtenidos se
presentan en siguiente tabla:
Telar 1
4
4,1
4,2
4
4,1

Telar 2
3,9
3,8
3,9
4
4

Telar 3
4,1
4,2
4,1
3,8
3,6

Telar 4
4
3,8
4
3,9
3,7

Telar 5
3,8
3,6
3,9
3,8
4

Si se puede asumir que la produccin de los telares sigue un comportamiento normal y que
cuando fueron adquiridos los equipos la media de produccin de estos era 4.1 kg/min.
Determinar aquellos equipos que deben ser enviados a mantencin. Para su anlisis, asuma un
95% de certeza.

En primer lugar para ver si los telares estn cumpliendo con lo esperado es necesario calcular el
promedio y la desviacin estndar de cada telar, para despus obtener un intervalo de confianza
quedando lo siguiente.

Ilustracin 3.- Intervalos de confianza de cada telar.

Como se puede ver la produccin promedio se intercepta con el intervalo de confianza del telar 1 y
3, por lo cual no existen datos suficientes para asegurar que no cumplen con lo normado, mientras
que la produccin de los telares 2, 4 y 5 se encuentran por debajo de la media con un 95% de
confianza por lo cual deben ser intervenidos.

4. El anlisis de impurezas en el proceso productivo del Cu es muy importante con el fin de

minimizar las penalizaciones por incumplimiento de contratos. Hasta el momento, se ha
trabajado con un laboratorio externo, certificado, que analiza muestras y entrega
informacin sobre la concentracin de impurezas en los productos. Debido al alto costo que
se incurre cada vez que se enva una muestra a estudio, se le ha encargado desarrollar un
procedimiento experimental de medicin de impurezas que sea ms econmico.
Luego de una extensa revisin bibliogrfica, se logra proponer un anlisis cuyos resultados
deben ser contrastados con los datos que entrega el laboratorio externo, con el objetivo de
asegurar que el nuevo mtodo mantiene la exactitud de las medidas. Para lo anterior, realiza
el siguiente experimento: de cada lote de produccin se toma dos muestras siguiendo un
procedimiento que asegura la aleatoriedad. Una de las muestras se enva al laboratorio
externo, mientras que la otra lo analiza de acuerdo a su mtodo sugerido. Los resultados de
dichas mediciones y del laboratorio para contraste se presentan en Tabla 4.

Lote
Produccin
1

Laboratorio externo Mtodo Propuesto

(A)
(B)
1,2
1,4

2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22

1,3
1,5
1,4
1,7
1,8
1,4
1,3
1,6
1,5
1,6
1,3
1,3
1,6
1,4
1,1
1,7
1,2
1,6
2
1,3
1,4

1,7
1,5
1,3
2
2,1
1,7
1,6
1,6
1,7
1,8
1,7
1,8
1,6
1,7
1,4
2
1,5
1,6
2,3
1,6
1,8

a) Agrupe los datos en una tabla, calcule la frecuencia absoluta y relativa.

Antes de realizar las tablas de frecuencia es necesario buscar la presencia de outliers en
cada uno de los mtodos a comparar, para ello se utiliza el rango inter cuartil (IQR)
quedando identificado un outlier en el mtodo propuesto que posee un valor de 2,3 por lo
anterior este valor no se toma en consideracin para la realizacin de la tabla del mtodo
propuesto quedando lo siguiente:
Laboratorio (A):
Rango de Datos (A)
1,05
1,25
1,25
1,45
1,45
1,65
1,65
1,85
1,85
2,05

Marca de Clase
(m)
1,15
1,35
1,55
1,75
1,95

f abs (n)
3
9
6
3
1

f rel
(f)
0,14
0,41
0,27
0,14
0,05

F abs acc
(N)
3
12
18
21
22

F rel acc
(F)
0,14
0,55
0,82
0,95
1,00

Marca de Clase

f abs (n)

f rel

F abs acc

F rel acc

Modelo propuesto (B).

Rango de Datos (B)

1,25
1,43
1,61
1,79
1,97

1,43
1,61
1,79
1,97
2,15

(m)
1,34
1,52
1,7
1,88
2,06

3
7
5
3
3

(f)
0,14
0,33
0,24
0,14
0,14

(N)
3
10
15
18
21

(F)
0,14
0,48
0,71
0,86
1,00

b) Construya grficos apropiados y comente lo que visualiza en ellos.

Ilustracin 4.- Histograma de Datos obtenidos en laboratorio (A)

Como se puede ver a simple vista, la moda esta desplazada hacia la izquierda de la media, por lo
cual se podra suponer que esta sesgada a la derecha, pero al tener tan poca cantidad de clases es
difcil concluir.

Ilustracin 5.- Histograma de Datos obtenidos por mtodo propuesto (B).

Los datos del mtodo propuesto (B) muestran un corrimiento hacia la izquierda, y no hay un cambio
significativo en la cantidad de datos contenidos entre las clases superiores. Al ver la curva

acumulativa esta es muy lejana a la normalidad dando a entender que los valores estn concentrados
en las zonas de menor valor.
c) Obtenga medidas de desempeo utilizando la tabla construida por Ud. Que considere
interesantes de acuerdo al problema (Tendencia Central, Dispersin, Posicin y de
forma)
Utilizando las ecuaciones encontradas en el anexo 1, los datos de tendencia central y dispersin
quedan:
Laboratorio A:

E [ a ] =1,5 ; Me [ a ] =1,43; Mo [ a ] =1,38

[ a ] =0,21 ; 2 [ a ] =0,04
Mtodo propuesto B:

E [ b ] =1,7 ; Me [ b ] =1,63 ; Mo[b]=1,55

[ b ] =0,23 ; 2 [ b ]=0,05
d) Interprete la informacin obtenida y concluya.
Al ver los datos de tendencia central da como resultado que el mtodo propuesto (B) tiende a
presentar una mayor cantidad de concentracin de impurezas, aun cuando sucede esto, tanto la
desviacin estndar como la varianza son muy similares, quedando en vista que la incertidumbre
que entregan ambos procesos es igual. Como se dijo en el punto anterior ambos procesos presentan
una concentracin de datos en las clases ms bajas lo cual se corrobora con la mediana y la moda
las cuales tienen un menor valor a la media.
e) Si existe cierta normativa en la cual se exige que el mximo permitido para evitar
sanciones econmicas es de 2,0 ppm, Cul es la probabilidad de obtener un valor por
sobre la norma en ambos mtodos? En base a esto, Qu mtodo es ms recomendado
utilizar?
Para obtener la probabilidad de obtener un valor superior a 2 se debe normalizar, como se pide que
al tomar una muestra esta sea mayor a 2,0 ppm se puede utilizar la distribucin normal quedando:

21,5
= 0,0087=0,87
0,23

21,7
=0,0968=9,68
0,23

P Z (a)>

P Z (b)>

]
]

Con lo encontrado, es ms recomendable utilizar el procedimiento de laboratorio dado que tendra

un 0,87% de probabilidad de estar fuera de la norma.
f) Por otra parte si la cantidad de impurezas se mantiene por bajo los 1,4 ppm el producto
se considera de una alta pureza, cul es la probabilidad en base a los datos entregados
de que el producto obtenido sea de alta pureza?

Al igual que el problema anterior se utiliza la distribucin Z para obtener la probabilidad quedando:

1,51,4
=0,3192=31,92
0,21

1,71,4
=0,0968=9,68
0,23

P Z ( a) <

P Z (b)<

Como se puede ver el proceso del laboratorio A posee una mayor probabilidad de obtener un
producto de alta pureza, por lo cual este es el mtodo que se prefiere para el anlisis de muestra.
g) Construya intervalos de confianza para los parmetros de las variables definidas.
Comente sobre las hiptesis planteadas en la introduccin del problema a investigar.
Los intervalos de confianza poseen la forma:

IC=E [ x ] t

,
2

s
n

Al utilizar la informacin proporcionada en los puntos anteriores los intervalos de confianza con un
95% de confiabilidad quedan establecidos como:

IC [ A ]=[1,37 ;1,55 ]
IC [ B ] =[1,56 ; 1,77]
Como se puede ver los intervalos no alcanzan a toparse, dando como resultado que las impurezas
medidas en el proceso de laboratorio con menores a las del mtodo propuesto con un 95% de
confianza. Junto con esto no se puede concluir que al utilizar el mtodo B se puede reemplazar las
mediciones de laboratorio.

ANEXOS:
1. Formulas problema 1:
1.1)

E [ x ]= f i x i

1.2)

Me [ x ] =LI50 +

a
n
N i1 i
2
ni

1.3)

Mo [ x ] =Li{max f } +
i

d 1=ni ni1
d 2=n ini +1
1.4)

(m E [ x ]) f
2

d1
a
d1 +d 2 i