Universidad de Guadalajara | Ciencias Exactas e Ingenierías | Departamento de Matemáticas
Diseño de Experimentos
Práctica: Diseños Multifactoriales
Nombre del alumno: Luisa Gisella Engracia Gonzalez Luna
Tema: Diseño multifactoriales
Fecha: 17 de Noviembre de 2024
Objetivo El alumno empleará el análisis de varianza para estudiar tres o más
factores sobre una variable de calidad.
Valor: 100 puntos.
Tiempo de ejecución: 4 horas
Instrucciones: Instrucciones: Identifica los factores y la variable de respuesta,
establece el modelo, hipótesis y analiza los datos, concluye en que
niveles recomienda trabajar el proceso para optimizar la variable de
respuesta (anota el valor esperado). Agrega tablas o gráficas que
consideres pertinentes, no olvides realizar interpretaciones.
Problema uno.
Las copiadoras electrónicas funcionan adhiriendo tinta negra al papel mediante
electricidad estática. La etapa final del proceso de copiado comprende el calentamiento
y adhesión de la tinta sobre el papel. La potencia de la adhesión durante este proceso
final determina la calidad de la copia. Se plantea que la temperatura(A), el estado
superficial de la adhesión en el rodillo (B) y la dureza del rodillo de la prensa influyen
en la potencia de adhesión de la copiadora(C). Se hizo un experimento con
tratamientos, que consistían en una combinación de estos 3 factores en cada uno de 3
niveles. Los datos siguientes muestran la potencia de la adhesión para cada
combinación de tratamientos. Lleve a cabo un análisis de varianza con α = 0.05 para
probar si hay efectos principales y de interacción significativos.
● Diseño de experimentos | CUCEI |
Universidad de Guadalajara | Centro Universitario de Ciencias Exactas e Ingenierías | Departamento de matemáticas
Dureza del rodillo de la presa
Estado
superficial
de la 20 40 60
adhesión
en el rodillo
Suave 0.52 0.44 0.54 0.52 0.60 0.55
Suave 0.57 0.53 0.65 0.56 0.78 0.68
Temperatura Medio 0.64 0.59 0.79 0.73 0.49 0.48
baja Medio 0.58 0.64 0.79 0.78 0.74 0.50
Duro 0.67 0.77 0.58 0.68 0.55 0.65
Duro 0.74 0.65 0.57 0.59 0.57 0.58
Suave 0.46 0.40 0.31 0.49 0.56 0.42
Suave 0.58 0.37 0.48 0.66 0.49 0.49
Temperatura Medio 0.60 0.43 0.66 0.57 0.64 0.54
media Medio 0.62 0.61 0.72 0.56 0.74 0.56
Duro 0.53 0.65 0.53 0.45 0.56 0.66
Duro 0.66 0.56 0.59 0.47 0.71 0.67
Suave 0.52 0.44 0.54 0.52 0.65 0.49
Suave 0.57 0.53 0.65 0.56 0.65 0.52
Temperatura Medio 0.53 0.65 0.53 0.45 0.49 0.48
alta Medio 0.66 0.56 0.59 0.47 0.74 0.50
Duro 0.43 0.43 0.48 0.31 0.55 0.65
Duro 0.47 0.44 0.43 0.27 0.57 0.58
1. Nombre del diseño: Calidad del proceso de copeado a partir del análisis de la
adhesión de la tinta
2. Variable de respuesta: La adhesión de la tinta en las copias
3. Hipótesis nulas:
• A: La temperatura no afecta la adhesión de la tinta en las copias y su
calidad.
• B: La dureza del rodillo de la prensa no afecta la adhesión de la tinta en las
copias y su calidad.
• C: El estado superficial de la adhesión en el rodillo no afecta la adhesión de
la tinta en las copias y su calidad.
• AB: La interacción entre la temperatura y la dureza del rodillo de la prensa
no afecta la adhesión de la tinta en las copias y su calidad.
Métodos estadísticos | CUCEI | marzo 2020
Universidad de Guadalajara | Centro Universitario de Ciencias Exactas e Ingenierías | Departamento de matemáticas
• AC: La interacción entre la temperatura y el estado superficial de la
adhesión en el rodillo no afecta a la adhesión de la tinta en las copias y su
calidad.
• BC: La interacción entre la dureza del rodillo de la prensa y el estado
superficial de la adhesión en el rodillo no afecta a la adhesión de la tinta en
las copias y su calidad.
• ABC: La interacción entre la temperatura, la dureza del rodillo de la prensa
y el estado superficial de la adhesión en el rodillo no afecta a la adhesión de
la tinta en las copias y su calidad.
4. Obtenga el ANOVA
5. Conclusión del ANOVA
Con la tabla de ANOVA podemos llegar a apreciar que tratamientos afectan a
nuestro proceso, es decir, que factores afectan la adhesión de la tinta en las
copias y su calidad por lo cual nos ayuda a rechazar en este caso particular las
hipótesis nulas de la temperatura, la dureza del rodillo de la prensa, el estado
superficial de la adhesión en el rodillo y todas las interacciones que tengan que ver
con estas ya que los factores de la tabla que nos ayudan a saber si son
rechazadas las hipótesis nulas es “Razón-F” > “Razón-P”.
Métodos estadísticos | CUCEI | marzo 2020
Universidad de Guadalajara | Centro Universitario de Ciencias Exactas e Ingenierías | Departamento de matemáticas
6. Analice los efectos simples significativos con una prueba de rangos
múltiples (LSD) e interprete los resultados de la tabla de los grupos
homogéneos.
• Factor A
Podemos ver que existen dos grupos homogéneos hablando en el factor de la
temperatura, en este caso el grupo homogéneo conformado por alta y media de
temperatura junto con sus promedios nos dice que su interacción es significativa y
que por ende su nivel de potencia de adhesión es baja lo que resultara en la baja
calidad de las copias. Pero, por otro lado, tenemos el grupo homogéneo de la
temperatura baja donde vemos que no existen interacciones significativas que
afecten la adhesión de la tinta y su promedio al ser el más alto podría llegar a
indicar que seria el mejor tratamiento de las temperaturas a elegir para el proceso
de copiado obteniendo con esta una mayor calidad.
• Factor B
A diferencia de del factor A, con el factor B podemos apreciar que solo exististe un
grupo homogéneo, lo cual quiere decir que todas las interacciones son
significativas y por ende es menos claro que tratamiento de la dureza del rodillo en
la prensa es mejor para el proceso, aunque solo tal vez con ayuda del promedio
podemos imaginar cual tratamiento de estos es el mas indicado y este podría ser
la dureza de 60. Faltara hacer más pruebas para corroborar esto.
Métodos estadísticos | CUCEI | marzo 2020
Universidad de Guadalajara | Centro Universitario de Ciencias Exactas e Ingenierías | Departamento de matemáticas
Con el factor B tenemos un caso muy parecido a las interacciones del factor A, ya
que como sabemos cuando estas son menores que la prueba SLD si afectan las
interacciones a la adhesión de la tinta en las copias por lo que es posible que el
mejor tratamiento contando los grupos homogéneos y los promedios sea el medio,
debido a que es el único de su grupo homogéneo lo que quiere decir que la
interacción entre la suave y la dura si son significativas.
7. Analice las interacciones significativas con una gráfica.
• Interacción AB
Gráfico de Interacciones
0.66 Dureza del rodillo en la prensa
20
40
0.63
60
Potencia de adhesion
0.6
0.57
0.54
0.51
0.48
Alta Baja Media
Temperatura
Métodos estadísticos | CUCEI | marzo 2020
Universidad de Guadalajara | Centro Universitario de Ciencias Exactas e Ingenierías | Departamento de matemáticas
Entre estas interacciones podemos ver diferencias significativas entre la
temperatura alta y la dureza de vente y cuarenta es mala, su promedio de
adhesión como hemos visto es bajo y encima los picos de la interacción tienen
bastante diferencia por lo cual la temperatura Alta es la menos indicada. Mirando
la temperatura media esta diferencia no es tan significativa como el alta, pero aun
es de preocuparse debido a que los promedios son bajos y las interacciones muy
poco estables es decir afectan bastante su linealidad y estabilidad. Por ultimo y la
que veo que es mejor es la temperatura media ya que mantiene más estable las
interacciones entre las durezas, sobre todo las más estable es la de 60 lo que
podría indicarnos que nuestro análisis de SLD puede que este bien.
• Interacción AC
Gráfico de Interacciones
0.66 E.S. de adhesion en el rodillo
Duro
Medio
0.62 Suave
Potencia de adhesion
0.58
0.54
0.5
0.46
Alta Baja Media
Temperatura
La interacción entre AC es bastante similar viendo las temperaturas en contraste
con AB, porque las interacciones entre las E.S. de adherencia y la temperatura
alta es muy significativa y tienen mucha diferencia al menos el duro, las otras no
tienen mucha diferencia entre sí; viendo la temperatura media también nos
encontramos con diferencias significativas en torno a él duro, con medio y sueve
es casi igual a la temperatura alta, es decir que no es tan significativa. Esto nos
deja con la temperatura baja de nuevo y en este caso la diferencia menos
significativa podría ser la de medio conteniendo una mayor adhesión en conjunto
con la temperatura baja.
Métodos estadísticos | CUCEI | marzo 2020
Universidad de Guadalajara | Centro Universitario de Ciencias Exactas e Ingenierías | Departamento de matemáticas
• Interacción BC
Gráfico de Interacciones
0.64 E.S. de adhesion en el rodillo
Duro
Medio
0.61 Suave
Potencia de adhesion
0.58
0.55
0.52
0.49
20 40 60
Dureza del rodillo en la prensa
En la grafica podemos ver las interacciones entre las durezas de 20 y 40 con las
E.S. de adhesión ya sea duro y suave las cuales no son las mejores porque las
diferencias son muy grandes, ósea, significativas, mientras que la interacción de
dureza de 60 y E.S de adhesión de 60 no es muy grande por lo cual es la mejor
interacción.
8. Con base a los resultados anteriores (efectos significativos) indique en que
niveles recomienda trabajar el proceso para optimizar la variable de estudio
e indique el valor esperado.
FACTOR A B C
NIVEL Baja 60 Medio
RECOMENDADO
VALOR ESPERADO 0.606111
Métodos estadísticos | CUCEI | marzo 2020
Universidad de Guadalajara | Centro Universitario de Ciencias Exactas e Ingenierías | Departamento de matemáticas
9. Analice supuestos.
Gráfico de Probabilidad de Residuos
99.9
99
95
Porcentaje
80
50
20
5
1
0.1
-0.2 -0.1 0 0.1 0.2
Residuo
Analizando la grafica podemos ver que los residuos tienen bastante linealidad por
lo que podemos decir que los supuestos si se cumplen y con ello nuestro análisis
de resultado es correcto. Pero para mayor certeza analicemos también esta otra
gráfica:
Métodos estadísticos | CUCEI | marzo 2020
Universidad de Guadalajara | Centro Universitario de Ciencias Exactas e Ingenierías | Departamento de matemáticas
Como ultima comprobación tenemos esta gráfica, donde de igual manera los
residuos son lineales pero como extra contamos con que P>Falda(0.05) por lo que
con mayor certeza sabemos ahora que los supuestos son correctos.
3. Se investigan los efectos del porcentaje de madera dura en la pulpa, la tersura y el tiempo de
cocción sobre la resistencia del papel. La siguiente tabla presenta los datos provenientes de un
experimento con tres factores. Analice los datos utilizando el análisis de varianza (alfa = 0.05).
Porcentaje de Tiempo de cocción 1.5 Tiempo de cocción 2.0
concentración horas horas
de madera dura Tersura Tersura
350 500 650 350 500 650
10 96.6 97.7 99.4 98.4 99.6 100.6
96.0 96.0 99.8 98.6 100.4 100.9
15 98.5 96.0 98.4 97.5 98.7 99.6
97.2 96.9 97.6 98.1 96.0 99.0
20 97.5 95.6 97.4 97.6 97 98.5
96.6 96.2 98.1 98.4 97.8 99.8
1. Nombre del diseño: Investigación de la resistencia del papel
2. Modelo:
• µ: Media Global
• τ: Factor A (Concentración de la madera dura)
• ε: Factor B (Tiempo de cocción)
• ɣ: Factor C (Tersura)
• τβ: Factor AB (Interacción entre concentración de madera dura y el tiempo
de cocción)
• τɣ: Factor AC (Interacción entre la concentración de la madera dura y la
tersura)
• εɣ: Factor BC (Interacción entre el tiempo de cocción y la tersura)
• τβɣ: Factor ABC (Interacción entre la concentración de la madera dura, el
tiempo de cocción y la tersura)
Métodos estadísticos | CUCEI | marzo 2020
Universidad de Guadalajara | Centro Universitario de Ciencias Exactas e Ingenierías | Departamento de matemáticas
• ε: Error probabilístico
3. Variable de respuesta: La resistencia del papel
4. Hipótesis nulas:
• Ho A: La concentración de la madera dura no afecta la resistencia del papel
• Ho B: El tiempo de cocción no afecta la resistencia del papel
• Ho C: La tersura no afecta la resistencia del papel
• Ho AB: La interacción entre la concentración de la madera y el tiempo de
cocción no afecta la resistencia del papel
• Ho AC: La interacción entre la concentración de la madera dura y la tersura
no afectan la resistencia del papel
• Ho BC: La interacción entre el tiempo de cocción y la tersura no afectan la
resistencia del papel
• Ho ABC: La interacción entre la concentración de la madera dura, el tiempo
de cocción y la tersura no afecta la resistencia del papel
5. Obtenga el ANOVA
6. Conclusión del ANOVA
La tabla de ANOVA nos deja apreciar que tratamientos afectan a nuestro proceso,
es decir, que factores afectan la resistencia del papel por lo cual nos ayuda a
rechazar en este caso particular las hipótesis nulas de la concentración de la
madera dura, el tiempo de cocción, la tersura y todas las interacciones que tengan
que ver con estas ya que los factores de la tabla que nos ayudan a saber si son
rechazadas las hipótesis nulas es “Razón-F” > “Razón-P”, que en este caso
obviamente son rechazadas todas las hipótesis nulas.
Métodos estadísticos | CUCEI | marzo 2020
Universidad de Guadalajara | Centro Universitario de Ciencias Exactas e Ingenierías | Departamento de matemáticas
7. Analice los efectos simples significativos con una prueba de rangos
múltiples (LSD) e interprete los resultados de la tabla de los grupos
homogéneos.
• Factor A
De acuerdo a la tabla de grupos homogéneos, los promedios y las interacciones
podemos notar que solo hay dos grupos homogéneos por lo cual sabemos que las
interacciones entre las concentraciones de madera dura de 20 y 15 no son
significativas mientras que las interacciones entre estas dos concentraciones y la
de 10 si son significativas por lo que esta concentración pertenece a otro grupo
homogéneo, a su ves el promedio de la resistencia del papel entorno a la
concentración 10 es el mayor por lo cual sería la mejor opción del factor A.
• Factor B
En torno al tiempo de cocción tenemos dos grupos homogéneos por lo cual las
interacciones son significativas, es decir son mayores a la prueba SLD y con ello y
gracias z los promedios podemos ver que la resistencia con respecto a el tiempo
de cocción 2 es la mas alta y por ende podría indicar que es la mejor opción para
el proceso.
Métodos estadísticos | CUCEI | marzo 2020
Universidad de Guadalajara | Centro Universitario de Ciencias Exactas e Ingenierías | Departamento de matemáticas
• Factor C
De igual manera que con el factor A contamos con dos grupos homogéneos
gracias a la interacción de los diferentes rangos de tersura. Las tersuras de 500 y
350 comparten un grupo homogéneo por lo que su interacción no es significativa y
junto con sus promedios en resistencia podrían indicar que no son buenas
opciones para nuestros procesos de fabricación de papel, sin embargo, la tersura
de 650 es otro caso debido a que pertenece el solo a otro grupo homogéneo por lo
que sus interacciones no son significativas además su promedio de resistencia del
papel es alto por lo que puede ser la mejor opción en cuanto a tersura.
8. Analice las interacciones significativas con una gráfica.
• Interacción AB
Gráfico de Interacciones
100 Tiempo de coccion
1.5
2
Resistencia del papel
99
98
97
96
10 15 20
Concentracion de madera dura
Bien las graficas nos ayudan a ver si el análisis que hicimos es correcto, a decir
verdad es un poco confuso pero veamos: por parte de la concentración de madera
Métodos estadísticos | CUCEI | marzo 2020
Universidad de Guadalajara | Centro Universitario de Ciencias Exactas e Ingenierías | Departamento de matemáticas
dura en 10 las interacciones son muy significativas, con la concentración en 20 la
interacción baja de significancia y finalmente con la concentración en 15 es la
menor, sin embargo, podría ser la mejor concentración sea la de 10 por esta mas
elevada, analizando los tiempos de cocción posiblemente el mejor sea el de 2
siendo el promedio mas elevado y con menor interacción con otro grupo, mientras
que el promedio de 1.5 es más bajo.
• Interacción AC
Gráfico de Interacciones
101 Tersura
350
500
100 650
Resistencia del papel
99
98
97
96
10 15 20
Concentracion de madera dura
Las concentraciones nos dan un poco de idea de cual puede ser mejor caso
siendo de nuevo la concentración de 10 pero en cuanto a la tersura en su
promedio nos encontramos con mejores resultados con el de 650 portando un
mayor promedio ya que en los otros casos sus diferencias son muy bajas, es decir,
su promedio en resistencia no es muy alto y puede que la calidad del papel sea
menor.
Métodos estadísticos | CUCEI | marzo 2020
Universidad de Guadalajara | Centro Universitario de Ciencias Exactas e Ingenierías | Departamento de matemáticas
Gráfico de Interacciones
100 Tersura
350
500
650
Resistencia del papel
99
98
97
96
1.5 2
Tiempo de coccion
Las concentraciones entre las interacciones de tiempo de cocción de 1.5 y todas
las tersuras son mas bajas que sus promedios de resistencia de papel son mas
bajos, mientras que el tiempo de cocción en 2 con respecto a las tersuras sus
promedios son mas altos, el mayor es el de 650 por lo que nos podría indicar que
es la interacción mas adecuada para el proceso.
9. Con base a los resultados anteriores (efectos significativos) indique en que
niveles recomienda trabajar el proceso para optimizar la variable de estudio
e indique el valor esperado.
FACTOR A B C
NIVEL 10 2 650
RECOMENDADO
VALOR ESPERADO 99.8861
Métodos estadísticos | CUCEI | marzo 2020
Universidad de Guadalajara | Centro Universitario de Ciencias Exactas e Ingenierías | Departamento de matemáticas
10. Analice supuestos.
Gráfico de Probabilidad de Residuos
99.9
99
95
Porcentaje
80
50
20
5
1
0.1
-1.5 -1 -0.5 0 0.5 1 1.5
Residuo
A simple vista no es muy claro si los supuestos se cumplen debido a que, aunque
hay cierta linealidad, es un poco difícil por su composición, pero para tener certeza
en su cumplimiento analicemos la siguiente gráfica:
Gráfico de Probabilidad Normal
con 95% límites
99.9
n:36
99 Media:0
Sigma:0.533988
95
W:0.967282
P:0.3560
porcentaje
80
50
20
5
1
0.1
-1.5 -1 -0.5 0 0.5 1 1.5
RESIDUOS
Métodos estadísticos | CUCEI | marzo 2020
Universidad de Guadalajara | Centro Universitario de Ciencias Exactas e Ingenierías | Departamento de matemáticas
De una manera mas visual se aprecia la linealidad de los residuos, además,
tenemos el valor P el cual al compararlo con Falta nos indicara si es mayor a este
que si se cumplen y en este caso en particular P > Falta, si se cumplen los
supuestos
Métodos estadísticos | CUCEI | marzo 2020
