Escolar Documentos
Profissional Documentos
Cultura Documentos
Mayo de 2015
DISEO DE
EXPERIMENTOS
Ing. Rolando Illanes Castaeta
TEMARIO
1.
2.
3.
4.
5.
6.
INTRODUCCION AL DISEO
DE EXPERIMENTOS
DEFINICIONES BASICAS
DISEO DE EXPERIMENTOS
Aplicacin del mtodo cientfico para generar
conocimiento acerca de un sistema o proceso, por
medio de pruebas planeadas adecuadamente.
EXPERIMENTO
Cambio en las condiciones de operacin de un sistema
o proceso, que se hace con el objetivo de medir el
efecto del cambio sobre una o varias propiedades del
producto o resultado.
UNIDAD EXPERIMENTAL
Es la pieza o muestra que se utiliza para generar un
valor que sea representativo del resultado del
experimento o prueba.
VARIABLES DE RESPUESTA
Mediante esta se conoce el efecto o los resultados de
cada prueba experimental.
FACTORES CONTROLABLES
Variables de proceso o caractersticas de los materiales
experimentales que se pueden fijar en un nivel dado.
NIVELES
Los diferentes valores que se asignan a cada factor
estudiado en un diseo experimental.
TRATAMIENTO
Combinacin de niveles de todos los factores estudiados.
ERROR ALEATORIO
Variabilidad que se debe a causas comunes o aleatorias.
ERROR EXPERIMENTAL
Errores que el experimentador comete durante los
experimentos.
Variables de respuesta
TIPOS DE VARIABLES
ETAPAS EN EL DISEO DE
EXPERIMENTOS
1. PLANEACIN Y REALIZACIN
a) Entender y delimitar el problema u objeto de estudio
b) Elegir la(s) variable(s) de respuesta que ser medida
en cada punto del diseo y verificar que se mide de
manera confiable.
c) Determinar cuales factores deben estudiarse o
investigarse, de acuerdo a la supuesta influencia que
tienen sobre la respuesta.
2. ANALISIS
3. INTERPRETACION
4. CONCLUSIONES FINALES
CRITERIO DE RECHAZO
Ho : = O
Ho : = O
HA : O
Bilateral
HA : > O
Unilateral
HA : < O
Unilateral
Hip. Alt.
Ejemplo
Un fabricante de dulces compra costales de azcar a
cierto ingenio. Segn los vendedores los costales tienen
un peso medio de 50.1 kg, con una varianza de (s2 = 0.5).
El comprador sospecha que el peso medio es menor. Para
confirmar su sospecha decide contrastar las hiptesis:
Ho : = 50.1
HA : < 50.1
IR A EJEMPLO EN MINITAB
IR A EJEMPLO EN MINITAB
3. Intervalo de confianza
Se rechaza Ho si el valor del parmetro declarado en la
hiptesis nula se encuentra fuera del intervalo de
confianza para el mismo parmetro.
Hiptesis:
Es recomendable que nx = ny = n
si
to > t,
Si es de la forma
HA : x < y
Se rechaza Ho
si
to < t.
Ejemplo:
Comparacin de dos centrifugadoras. Se desea medir el
dimetro de partculas de una muestra para esto se utilizan dos
equipos tipo centrifugadoras, y se sospecha que stas reportan
mediciones distintas para el mismo producto a analizar. Se decide
hacer un estudio que permita comparar las medias y las varianzas
reportadas por los dos equipos; para lo cual, de un mismo lote se
tomaron 13 lecturas con cada centrifugadora. Los resultados son
los siguientes:
Hiptesis:
Es recomendable que nx = ny = n
Estadstico:
Es recomendable que nx = ny = n
Ho se rechaza si:
Valor-p <
En el ejemplo:
= 1.06
Valor p = 0.927
Objetivo:
El anterior capitulo comparaba dos tratamientos o condiciones
(poblaciones o procesos).
Este capitulo compara mas de dos tratamientos (Pero considera
un solo factor)
Ejm.: Comparar:
- Varios proveedores
- Cuatro procesos
- Tres materiales
- Cinco productos
- Cuatro temperaturas
- etc
Estadsticamente
la hiptesis fundamental a probar cuando
se comparan varios tratamientos es:
Modelo estadstico:
NOTACION DE PUNTOS:
Suma
de
cuadrados
Suma de cuadrados
del tratamiento (SCTRAT) del error (SCE)
N - 1
= K - 1
N - K
CUADRADOS MEDIOS:
EL ESTADISTICO:
Se rechaza Ho si:
Fo > F , k 1 , N k
Valor p <
Ejemplo:
Comparacin de cuatro tipos de frutas. Un fabricante
desea fabricar alcohol mediante otro tipo de materia prima
que no sea la caa de azcar, desea probar con cuatro tipos
de frutas A, B, C y D disponibles en el mercado. Para ello,
prueba las frutas con las mismas condiciones de operacin y
la misma cantidad... Como criterio de evaluacin se usa la
cantidad de alcohol generada, determinado mediante
mtodos apropiados de destilacin. Se prueban en orden
aleatorio 24 veces, seis de cada tipo de fruta. Al hacer las
pruebas en orden completamente al azar se evitan sesgos y
las mediciones en un tipo de fruta resultan independientes de
las dems. Los datos (GL) sobre la produccin de alcohol
se muestra a continuacin:
Tipo de fruta
HIPOTESIS:
Tipo de fruta
Como:
Valor-p = 0.0018 < =0.05
Se rechaza Ho
El ejemplo manualmente:
Tipo de fruta
De Tablas:
METODOS DE COMPARACION
DIAGRAMAS DE CAJAS SIMULTANEOS:
Del ejemplo
Conclusiones:
La fruta que produce mayor cantidad de alcohol a las
condiciones establecidas parece ser el C, ya que
estadsticamente sus porcentajes de alcohol producidos
son mayores que los de los mtodos A y B.
Le sigue el D, ya que ste es mejor que el B y el A.
Pero no es posible concluir contundentemente que el C
sea mejor que el D, ya que sus intervalos se traslapan.
Si se quisiera decidir en forma estadstica sobre la
diferencia entre C y D, una forma de hacerlo es tomar
ms datos para incrementar la potencia de la prueba, o
bien, recurrir a otros criterios para tomar la decisin.
Continuando el ejemplo:
Los seis posibles pares de hiptesis son:
= 2.46
T0.025 , 12 = 2.18
n (numero de pruebas) = 4
= 2.18 = 2.42
- La decisin sobre cada una de las seis hiptesis listadas se
obtiene al comparar las correspondientes diferencias de medias
mustrales en valor absoluto con el nmero LSD.
- Se declaran significativas aquellas diferencias que son
mayores a este nmero.
Otros mtodos:
METODO DE TUKEY:
Compara la diferencia muestral con:
Ir a MINITAB!!!
METODO DE DUNCAN
Compara las diferencias de medias mustrales con rangos
Rp de la Tabla de Duncan.
1 VERIFICACION DE LA NORMALIDAD
Ir a MINITAB!!!
GRAFICA DE PROBABILIDAD NORMAL para los residuos.
2 VERIFICACION DE LA VARIANZA
CONSTANTE
-GRAFICA DE PREDICHOS VS. RESIDUOS ()
Si los puntos en esta
grfica se distribuyen
de manera aleatoria en
una banda horizontal
(sin ningn patrn claro
y contundente),
entonces es seal de que
se cumple el supuesto de
que los tratamientos
tienen igual varianza.
Ir a MINITAB!!!
3 VERIFICACION DE LA INDEPENDENCIA
- GRAFICA DE RESIDUOS VS. ORDEN DE CORRIDA
Si al graficar se detecta
una tendencia o patrn
no aleatorio claramente
definido, esto es
evidencia de que existe
una correlacin entre
los errores y, por lo
tanto, el supuesto
de independencia no se
cumple
k = num. De tratamientos
no = numero de replicas tentativo
= Variabilidad intrnseca esperada
dT = diferencia entre tratamientos aprox.
Ejemplo
Numero de maquinas a experimentar = 4 = k
Numero de replicas tentativo = 5 (basado en los criterios
anteriores)
Variabilidad intrnseca esperada = 1.5 u. =
Diferencia entre maquinas (tratamientos) = 2 u.
DISEO DE BLOQUES
Modelo estadstico
Arreglo de datos
HIPOTESIS:
ANOVA
Ejemplo
En el anterior ejemplo, donde se plante la generacin de alcohol
a parir de tres tipos de mostos, ahora se va a controlar activamente
en el experimento a los investigadores que conforman el equipo de
investigacin y que realizan la fermentacin, lo que da lugar al
siguiente diseo en bloques completos al azar.
Tipos de
fruta
Tipos de fruta
Ir a MINITAB!!!
Ejemplo
Comparacin de cuatro marcas de llantas. Una compaa
de mensajera est interesada en determinar cul marca de
llantas tiene mayor duracin en trminos del desgaste. Para
ello se planea un experimento en cuadro latino, en el que se
comparan las cuatro marcas de llantas sometindolas a una
prueba de 32 000 kilmetros de recorrido, utilizando cuatro
diferentes tipos de auto y las cuatro posiciones posibles de
las llantas en el auto. As, el factor de inters es el tipo de
llanta o marca, y se controlan dos factores de bloques: el
tipo de carro y la posicin de la llanta en el carro. Estos
factores de bloques se controlan ya que, por experiencia, se
sabe que el tipo de carro y la posicin de la llanta tienen
efecto en el des gaste de la misma
DISEOS FACTORIALES
CONCEPTOS BASICOS
K factores
2 niveles para cada factor
DISEO
FACTORIAL
K factores
3 niveles para cada factor
4x2x2 o 4x
3 factores, el primero con 4 niveles
y los dos restantes con dos niveles
DISEO FACTORIAL
Seis maneras de escribir los tratamientos del diseo
Suma de cuadrados:
Ejemplo
Interesa estudiar el efecto de la temperatura (factor A)
y de la velocidad de secado (factor B) sobre la perdida
de pro-vitamina A en el secado de la zanahoria
(respuesta Y) en el proceso de precipitacin. Para ello,
se decide utilizar un diseo factorial con cuatro
hiptesis
H0 : efecto A = 0, H0 : efecto B = 0 y H0 :efecto AB = 0
HA : efecto A 0, HB : efecto B 0 y HAB : efecto AB 0,
Si el valor-p, es menor que , se rechazan las hiptesis
nulas
Entonces se acepta que s hay efecto de A, B y AB, es decir,
los tres efectos estn activos o son significativos.
Temperatura
40
70
40
70
40
70
% de perdida
ANALISIS DE VARIANZA
Temp.
Ir a MINITAB!!!
En el eje horizontal se ubican los niveles del factor y en el eje vertical se encuentra la
media de la respuesta observada en los correspondientes niveles.
En la figura se aprecia que el efecto principal (individual) del factor B es mayor que el
del factor A.
Ir a MINITAB!!!
DISEO FACTORIAL
ANOVA
EJEMPLO
Efectos principales
Interaccin AC
DISEOS FACTORIALES
Diseo factorial
NOTACION:
Ejemplo
En un proceso de fabricacin de cajas se utiliza
pegamento; con la idea de mejorar el desempeo
de las cajas se realiza un experimento para
estudiar la fuerza de adhesin del pegamento en
diferentes condiciones de humedad y
temperatura. La variable de respuesta es la
fuerza necesaria en libras para despegar la caja.
Los datos obtenidos en cada una de las nueve
combinaciones de un diseo factorial 32 con n =
2 rplicas, se muestran a continuacin:
ANOVA
Efectos principales
interaccin
FACTORIALES MIXTOS
Se tiene un diseo factorial mixto cuando los factores estudiados
no tienen el mismo nmero de niveles. Por ejemplo, el factorial 4
3 2 significa que se experimenta con tres factores, con 4, 3 y 2
niveles, respectivamente. El total de tratamientos es 24.
El diseo factorial mixto es ms frecuente que se utilice cuando,
por su naturaleza discreta o categrica, los factores tienen un
nmero finito y distinto de niveles, y el inters es estudiar todos
los niveles.
Por ejemplo las tres marcas de cierto material. La otra razn,
aunque menos frecuente en los diseos mixtos que en los
factoriales 3k, es la posibilidad de estudiar efectos de curvatura de
los factores con ms de dos niveles.
OPTIMIZACION DE PROCESOS
CON METODOLOGIA DE
SUPERFICIE DE RESPUESTA
INTRODUCCION
La MSR es la estrategia experimental y de anlisis que permite
resolver el problema de encontrar las condiciones de operacin
ptimas de un proceso, es decir, aquellas que dan por resultado
valores ptimos de una o varias caractersticas de calidad del
producto.
Regin de
operabilidad
Ir a MINITAB!!!
OPTIMIZACION SIMULTANEA
Factor
Temperatura
Grado de
agitacin
Relacin de
lavado
Designacin
de nivel
Valor de
nivel
-1 (menor)
C: 20
1 (mayor)
C: 28
-1 (menor)
RPM: 450
1 (mayor)
RPM: 800
-1 (menor)
6/1
1 (mayor)
3/1
Variable de
respuesta
Reduccin de
contenido de
lactosa [%]
Dimetro de
grnulos [m]
GRACIAS