Professional Documents
Culture Documents
Contenido
Introduccin a los diseos factoriales. Diseos Factoriales Completos. Experimentacin Secuencial. Optimizacin de Multiples Respuestas.
1-1
Contenido
Ejemplos y Ejercicios
Diseos factoriales Completos Ejemplo # 1
Propsito
Calcule y visualice los efectos as como las interacciones y compruebe 1-4
Pgina
el modelo.
1 - 38
1-2
Diseos Factoriales
Que son los Diseos Factoriales? Los diseos factoriales permiten el estudio de las simulaciones de varios efectos del factor sobre el proceso. Variando Los niveles de los factores simultneamente y puede ser: Eficiente en trminos del tiempo y costo Permite el estudio de interacciones entre los factores.
Cuando usar los diseos factoriales? Uso de diseo factoriales para: Ser Eficiente las estimaciones de los efectos de cada factor de la respuesta. Estimar los efectos de interacciones entre dos o ms factores en la respuesta. Probar la curvatura en la respuesta incluyendo el centro de los puntos en su el Diego. Porque usar los Diseo Factoriales? Se usa los dueos factoriales para contestar preguntas como: Cules son la preparacin de las variables ms influyentes en la respuesta? Cules son los factores que optimizaran la respuesta? Por ejemplo: La velocidad de corte, la dureza del metal, o el impacto de corte y su lapso de vida. Cul es la preparacin del dulcificante, la cantidad del jarabe en el agua y la temperatura mxima de una nueva bebida suave?
Datos
Se crea un diseo factorial que use todas las combinaciones de la pintura de primera clase y el mtodo de adherencia y repita este diseo cuatro veces. Dos tipos de pintura de primera clase fueron aplicados a una superficie de aluminio hundiendo la superficie en la pintura o con pistola de pintar, despus de que cada muestra es pintada, se aplica una ltima base de pintura y se mide la fuerza de adherencia. Procedimiento: Stat > DOE > Factorial > Create Factorial Design Stat > Tables> Cross Tabulation Stat> DOE > Factorial > Analyze Factorial Design Stat > DOE > Factorial > Factorial plot.
Data set
Nombre StdOrder RunOrder CenterPt Blocks ApMethod PrimType Adhesion Tipo de Datos Numeric Numeric Numeric Numeric Text Text Numeric Tipo de Variable Order Order Center point Block Factor Factor Response Nivel
1-4
S S S S S
A S S S S S
Porque usar los Diseo Factoriales? Se usa los dueos factoriales para contestar preguntas como: Cules son la preparacin de las variables ms influyentes en la respuesta? Cules son los factores que optimizaran la respuesta? Por ejemplo: Cual es la interaccin entre la temperatura y la azcar que afecte la humedad del chocolate?
1-5
Niveles factoriales
En automtico MINITAB nombra los factores alfabticamente y los codifica de la siguiente manera: low =-1, high=1 Si se usa valores actuales para el alto y bajo nivel, se puede obtener los coeficientes modelos y las unidades y cdigos apropiadamente graficados.
MINITAB hace uso de un generador numrico aleatorio para determinar el orden de la exhibicin. Aunque tu orden de exhibicin no va a hacer juego con la orden de exhibicin mostrada aqu, la exhibicin Standard si.
Comprobacin ortogonal
Los documentos que buscas estn en http://www.gestiopolis.com/ 1-7
La comunidad Latina de estudiantes de negocios Para evaluar el ortogonal de un diseo, se necesita cambiar la hoja de trabajo a cdigo de unidad. Tambin se puede entender el diseo fcilmente en cdigo automtico.
MINITAB y un diseo ortogonal. Si se usa Create Factorial Design, MINITAB puede general diseos otrogonales en automtico. Cuando un diseo es exhibido sin cdigo de unidad, puede no ser un diseo ortogonal largo. Por esta razn MINITAB, siempre usa los cdigos de unidad para presentar el anlisis.
Desplegar diseo. 1 Seleccione Stat > DOE > Display Design. 2 Complete la ventana como se muestra de bajo.
3 Clic OK.
1-8
Standar Order
Estndar order es mostrado en dos factores encontrados en ApMethod y Prim Type. La columna ApMethod se encuentra entre -1 y +1. La columna PrimType se encuentra entre 2, -1 seguido por 2, +1. Los primeros cuatro renglones representan un solo dato de este experimento. Cada tratamiento es listado una vez en este dato. Este patrn es repetido tres para un total de cuatro datos.
La comunidad Latina de estudiantes de negocios La respuesta variable es la fuerza de incorporacin del Primer Saint. Se puede agregar la medida (respuesta) a la hoja de trabajo tecleando el resultado dentro de una nueva columna.
Data Windows
1. Presione Ctrl + D para mover la ventana de fecha. 2. Nombre a la columna C7 Adhesion. 3. Teclee los siguientes valores en fila 1-16 de Adhesin: 4.52 4.55 5.05 4.88 4.48 4.37 4.89 4.75 4.29 4.43 5.14 4.91 4.60 4.25 4.95 4.71
1 10
Exhibiendo el diseo
Exhibiendo cdigos de unidad contra no cdigos de unidad.
Display design permite exhibir los datos en cdigos de unidad como tambin en no cdigos de unidad mientras se encuentre en Standar order o Run order. MINITAB siempre analiza los datos en cdigo de unidades sin importar la exhibicin del diseo.
Qu sigue?
Crear una tabla de resumen para investigar el promedio de incorporacin de cada combinacin tratada.
Exhibiendo diseo.
1. Elija Stat > DOE > Display design. 2. En Units for factor, elija Uncoded units. 3. Clic OK
4. 5. 6. 7.
Clic Summaries. En Associated variables, enter Adhesion En Display, verificar Means. Clic OK en cada cuadro de dialogo.
Adaptando el modelo
Si las respuestas son ms de una, un anlisis por separado es mostrado en cada columna. Una ves que se haya elegido la variable respuesta, clic Terms para seleccionar el modelo.
1 - 17 1 -.17
Adaptando el modelo
En automtico, MINITAB incluye los mximos nmeros de trminos posibles en el modelo. Estos trminos son mostrados en el listad Selected Terms. Se puede elegir trabajar con este modelo o MINITAB puede personalizar los trminos.
Seleccionar trminos
Si no se desea trabajar con el mtodo de trminos en automtico. Existen dos maneras de seleccionar el modelo de los trminos. Desde la lista de Available Terms seleccione el listado Selected Terms usando las flechas o doble clic en cada trmino. Especifique los trminos por orden. Por Ejemplo, incluyendo los trminos arriba de loa orden 3, incorpora efectos principales, dos y tres maneras de interacciones en el modelo.
Acomodando El modelo
Para determinar si alguno de los trminos que se han colocados tienen efectos significativo se usa lo siguiente: P-value generada en la tabla de efectos en la seccin Windows. Diagrama normal de los efectos. Diagrama de Pareto en los efectos.
Alpha ().
En un diseo 2K alpha () es el riesgo de no estar correcto en que los trminos de los efectos.
Debido a que estos diseos son usados regularmente para mostrar factores que contribuyan a la variable en la respuesta. MINITAB prepara los niveles significativos ms altos. El nivel significativo en automtico Alpha () para los diagramas es fijado desde 0.1 a 0.05 Analyze Factor Design 5 Clic Graphs 6 Completar la caga de dialogo como se muestra.
1 - 22 1.1 1.20
Reduccin de modelo
Para remover los trminos de interaccin del modelo, se debe hacer lo siguiente: Desde Include terms in the model up through order elija 1. Sombree AB en el en la cuadro de dialogo Selected Terms y clic < Doble clic en el termino AB en el cuadro de dialogo Selected Terms.
Los trminos restantes (A y B) son usados para explicar la variable paint adhesin.
4. Clic OK.
Reduccin de Modelo
Graficas Residuales. Este es probablemente el modelo final, usar graficas residuales para verificar que las siguientes suposiciones sobre el trmino modelo de error se haya resuelto. Los errores son distribuidos desde el medio cero. El error es el mismo para cada punto de diseo. Que es, el restos de la variacin del error constante para el factor de la diferencia nivel de combinaciones y la variacin del error no cambia segn el valor de la respuesta. Los errores son independientes. Que es, no hay correlacin entre errores; cada error es independiente de los dems.
1-30
Que sigue?
Se usa grafica factorial para encontrar los factores que optimizan la respuesta.
Factorial Plots
1. elija Stat > DOE > Factorial > Factorial plots. 2. Complete el cuadro de dialogo.
3. 4. 5. 6. 7.
Para cada grafica clic Setup En Response, enter adhesion. En Factors to Incluye in Plots, remover ApMethod y PrimType a seleccionar. clic OK. despus De tres graficas, clic OK.
Consideraciones finales
Conclusiones Prcticas.
La pintura en adherencia es maximizada cuando la Primer type es sumergida. De cualquier manera se debe de considerar los costos para cada mtodo. Consideraciones estadsticas. Para identificar importantes trminos en el modelo. Se usa una grafica de Pareto o una grafica normal de probabilidad de efectos. Para obtener informacion en relacin de constante y bloques de los factores. Se usa la tabla de coeficientes y efectos. Para visualizar la significan ca de los grupos de efectos. Se usa la tabla ANOVA. Para considerar los efectos de retiros simultneos de dos o mas trminos. Se usa una carencia de prueba apta (a lack of fit test). Para evaluar la normatividad, independencia, y la igualdad de los residuos. Se usa la grafica residual. Para visualizar los efectos principales y dos maneras de intersecciones. Se usa la grafica de efectos principales e interacciones (main effects and interaction plots). Para visualizar los principales resultados de todas las combinaciones de tratamiento. Se usa una grafica cbica.
1 - 37
Ejercicio 1.1
Desgaste del Motor Problema
Se desea estudias la viscosidad del aceite y temperatura en el desgaste de motor. La Meta es encontrar el factor de preparacin para minimizar el desgaste del motor.
Reunin de datos.
Se esta buscando la combinacin que produzca el menor desgaste. Se harn dos replicas as que se podrn correr cada experimento para poder probar todas la posibles interacciones. Todos los experimentos se podrn correr en un solo da, y si se requiere otro da se harn trminos de bloques.
Instrucciones.
1. Utilice la tabla de dados que se encuentra de bajo para crear un diseo factorial completo con tres factores y dos replicas. 2. Abril el Project ENGWEAR.MPJ 3. Utilice Analyze Factorial Design para ajustar el modelo, Incluyendo una grafica de Pareto y de efecto. 4. Evaluar si es conveniente usar graficas de residuo para el modelo final. 5. Utilizar graficas factorial para determinar la mejor preparacin.
Data set
Name StdOrder RunOrder CenterPt Blocks Viscosity Temp Additive EngWear Data type Numeric Numeric Numeric Numeric Numeric Numeric Numeric Numeric Variable type Order Order Center Point Block factor Factor Factor Response Levels
Objetivos
Determine el tamao de la muestra de un diseo factorial completo. Desarrollo de un diseo factorial completo. Calcular el poder de un diseo factorial completo.
Contenido
Ejemplos y Ejercicios Propsito Pgina
Calculando tamao de muestras.Determinar el nmero de replicas 2-3 Ejemplo # 1 que se necesita para alcanzar el poder Elegir el nmero de replicas. Deseado. Ejercicio 1.1 Replicas, punto central y poder. Evaluar el impacto de agregar rplicas 2-11 diseo de replicas. y puntos de centro en poder. Ejemplo # 2 Minimizacin residual en un proceso de limpieza industrial Analizar un diseo factorial total, identificar problemas en puntos residuales. 2-12
Ejercicio 2.1 Analizar un diseo factorial total. Remover los datos que puedan estar afuera en el proceso de limpieza. Investigacin de poder. Ejemplo # 3 Deteccin de una mejora en la limpieza. Ejercicio 3.1 Diseo flexible de un cable de aluminio. Ejercicio 3.2 Deformacin de las placas de cobre. Encontrar el poder de las pruebas para detectar diferencias. Definir el diseo factorial para un cliente; Analizar un diseo factorial Y encontrar la energa de la prueba. Analizar un diseo factorial general
2-41
2-42
2-47
2-48
Reunin de datos.
Solo ocho veces puede ser elaborado el experimento en un da. Si se decide hacer un diseo que requiera ms de 8 veces, es necesario agregar una variable que cuente los das de elaboracin del experimento.
Tools
Stat > Power and Simple Size > 2-level factorial design. Data set Ninguna. (none) Name Temp Time Conc Data type Numeric Numeric Numeric Variable type Factor Factor Factor Levels 120, 180 10, 30 2,6
2-3 2-3
2-4
3 Clic Options. 4 En Significance level, teclee 0.10 5 Clic OK en cada cuadro de dialogo.
2-5
Qu sigue?
Encontrar la estimacin del poder si el experimento es corrido en dos bloques (dos das).
Consideraciones finales
Se necesita replicar dos veces para obtener un poder de 80%, por lo regular la manera mas practica para incrementar el poder es incrementar el nmero de replicas en el diseo. De cualquier manera tambin se puede agregar puntos centrales al diseo.
Consideraciones estadsticas.
Existen cinco factores bsicos que pueden incrementar el poder de un nivel dos diseo factorial ( two-level factorial design). 1. Un tamao ms grande del efecto. Algunas veces se puede incrementar el tamao de un efecto incrementando la diferencia entre los niveles de los factores. 2. Un nivel ms alto (el nivel de significancia). 3. Menos variabilidad. Cuando la desviacin es menor, tambin ser la diferencia que se pueda detectar. 4. Ms replicas. El mayo valor colectado para cada punto de esquina. Agregando replicas tambin se incrementa los grados de libertad usando una estimacin de desviacin estndar por lo tanto se incrementa el poder. 5. Ms puntos centrales. Agregando puntos centrales se incrementa el grado de libertad usando una estimacin de desviacin estndar, por lo tanto se incrementa el poder.
Consideraciones finales
Cambio de factores difciles.
Muchos experimentos envuelven factores que son difciles de cambiar. Un factor es difcil de cambiar porque se involucra el tiempo y los costos o por los niveles de factor tomados. Por ejemplo, la temperatura y la presin. Cuando un experimento contiene factores difciles de cambiar, se debe seleccionar aleatoria mente una combinacin de niveles de factores difciles de cambiar.
Reunin de datos
Solo ocho corridas pueden ser preparadas en un solo da. Si se desea usar un diseo que requiera mas de ocho corridas se necesitara agregar una variable bloque que cuente los das en cada corrida del experimento.
Instrucciones
1 Observar como el poder es afectado si solo se corre una replica. Provea a MINITAB los valores para las replicas (1), Efectos (5); y nmero de puntos centrales (0). Para encontrar el poder para este diseo. Prepare el nmero de trminos omitidos del modelo a 1 en el diseo sub-diagonal. 2 Para incrementar el poder, una alternativa es replicando el diseo y agregando puntos centrales. Esto debido a que solo se pueden correr ocho corridas en el da. Se corre el experimento con puntos centrales en dos bloques. Observar como se agregan 1,2,3, o cuatro puntos centrales por bloques al diseo con una replica afecta al poder. Si se agrega al menos un punto central por bloque, no se necesita omitir ningn trmino de modelo.
Data set.
Ninguno.
2 - 11
Replicando Diseos
Ejercicio 2 Minimizando la reduccin en un proceso de limpiezas industrial. Problemas.
En la etapa final de la produccin un taladro de acero es limpiado apenas antes de ser empacado. La temperatura, el tiempo y el concentrado de la solucin del limpiador han sido identificados con las variables de entrada que afecta la limpieza. La tarea es encontrar el factor de preparacin de la limpieza mas optima para los taladros. Despus de limpiar cada parte, el taladro es empapado en solvente. El solvente es entonces evaporado y el residuo del solvente es medido. Se esta buscando el tratamiento que produzca el menor residuo.
Reunin de datos.
Solo ocho veces puede ser elaborado el experimento en un da. Si se decide hacer un diseo que requiera ms de 8 veces, es necesario agregar una variable que cuente los das de elaboracin del experimento. Tools Stat > DOE >Factorial > Create Factorial Design. Stat > DOE >Factorial > Analyze factorial Design.
Data set
Name StdOrder RunOrder CenterPt Blocks Temp Time Conc Residue Data type Numeric Numeric Numeric Numeric Numeric Numeric Numeric Numeric Variable type Order Order Center Point Block Factor Factor Factor Response Levels
2 - 12 2 - 12
Replicando Diseos
Las replicas son repeticiones de corridas en un mismo experimento. Cuando se replica un diseo, se duplica todo el diseo inicial. Por ejemplo. Suponga que se ha creado un diseo factorial completo en 4 factores y 16 corridas y se especifica 2 replicas. Las 16 corridas sern repetidas por un total de 32 corridas en el experimento.
3. Clic Designs.
Replicas y bloques
El nmero de bloques permitido en una lista depende de ambos nmeros de factores y el tipo de diseo. El mximo nmero de replicas para cualquier diseo factorial a travs del cuadro de dialogo es de diez. Cuando se regresa al cuadro de dialogo principal se debe observas que el botn de Factors, Options y Results ha sido activados.
8 Clic OK en el cuadro de dialogo. 9 Clic en el Project Manager de la barra de herramientas para ver informacin en relacin al diseo.
Diseo factorial
El diseo es diseo factorial completo con 3 factores y 8 corridas el total de nmeros de corridas es de 16 porque existe dos replicas de cada combinacin.
Generadores de bloques.
La primer replica de cara tratamiento es colocada en un bloque y la segunda replica en otro.
Display Design
1 Elija Stat > DOE > Display Design 2 En Order for all points in the workshed, elija Standar order for design. 3 Clic OK Open Worksheet. 1 Elija File > Open Worksheet 2 Elija Merge 3 En File name, teclee RESIDUE.MTW 4 Clic Open 5 Presione Ctrl + D par a ver la hoja de trabajo.
Qu sigue?
Usar Analyze Factorial Design para acomodar el modelo inicial.
6 Clic OK.
Diagrama residual.
Se debe de esperar a tener el modelo final anter de crear un diagrama residual.
2 - 22
Tabla ANOVA Se usa la tabla ANOVA para visualizar grupos de trminos en ves de trminos individuales. La tabla indica los siguientes: Los bloques no son significativos, los resultados del experimento fueron similares en ambos das (P =0.754) Al menos uno de los efectos principales es significativo (P =0.000) Al menos uno de los dos caminos de interaccin es significativo (P =0.023) La interaccin de tres caminos no es significativo (P = 0.147)
Qu sigue?
Remover los bloque y el trmino de la interaccin de tres caminos (three way) y reajustar el modelo.
2 - 27
Falta de ajuste.
La p-value no significante para Lack of Fit (P = 0.122) indica que el trmino de interaccin three-way que se removi del modelo no es necesario.
Tabla de coeficientes.
Se puede verificar que los siguientes trminos no son significativos y se pueden mover del modelo. Conc (P = 0.650) Temp*Conc (P = 0.879) Time*Conc (P = 0.242)
Qu sigue?
Debido a que ninguno de los trminos son significativos, se pueden remover y volver a ajustar el modelo.
Analyze Factorial Design 1 Elija Stat > DOE > Factor > Analyze Factorial Design 2 En Response, Enter Residue. 3 Clic Terms. 4 Complete el cuadro de dialogo que de muestra de bajo.
5 Clic OK en cada cuadro de dialogo. 6 Clic Graphs, no verificar Normal y Pareto. 7 Clic OK en cada caja de dialogo.
Qu sigue?
Crear una grafica de residuos para verificar que los modelos asumidos han sido encontrados.
Qu sigue?
Utilizar la grafica Brushing para investigar estos puntos.
2-35
Set ID Variables
1 2 3 4 Clic en Normal Probability Plot of the Residuals. Clic en el Pintbrush icono para activar grafica Brishing. Clic derecho para elegir Set ID Variables. Completar el cuadro de dialogo como se muestra de bajo.
5 Clic OK.
Patrn
El roco residual de diferentes valores. Un punto no es verdad localizado lejos del cero.
Indicadores
La varianza del experimento no es Constante.
Consideraciones Finales
Antes de hacer cualquier conclusin en relacin a los datos se debe investigar las causas de los puntos dispersos. En este caso se muestra que las causas de la dispersin de puntos es un error en la entrada de datos. En efecto la observacin en la fila nueve fue codificada como 41, pero deba de ser 51. Los datos deben de analizar de nuevo con los correctos valores antes de que se pueda hacer cualquier conclusin.
Consideraciones estadsticas.
Un punto fuera puede general gran impacto al modelo. El ajuste y las conclusiones se pueden dibujar desde el anlisis, as que es muy importante que se investigue a fondo las causas potenciales de la dispersin. Si no se puede encontrar una razn practica de la existencia de la dispersin, es de mucha utilidad el determinar que tan disperso se encuentra los puntos y que tanto afecta para las conclusiones. Se puede: Correr el mismo anlisis con o sin la lnea de observacin para revisar si las conclusiones han cambiado. Experimentar con cambio de valores para menor o mayor valores y observar la magnitud y sus conclusiones.
Ejercicio 2.1
Moviendo la Dispersin y Limpiando los Datos del Proceso Problema.
En la etapa final de la produccin un taladro de acero es limpiado apenas antes de ser empacado. La temperatura, el tiempo y el concentrado de la solucin del limpiador han sido identificados con las variables de entrada que afecta la limpieza. La tarea es encontrar el factor de preparacin de la limpieza mas optima para los taladros. Despus de limpiar cada parte, el taladro es empapado en solvente. El solvente es entonces evaporado y el residuo del solvente es medido. Se esta buscando el tratamiento que produzca el menor residuo.
Reunin de datos.
Solo ocho veces puede ser elaborado el experimento en un da. Si se decide hacer un diseo que requiera ms de 8 veces, es necesario agregar una variable que cuente los das de elaboracin del experimento.
Instrucciones.
1. Abrir RESIDUE.MPJ 2. Corregir los valores de 41 a 51 de la fila nueve para cambiar la observacin. 3. Utilizar Analyze Factors Design para ajustar modelo incluyendo la grafica de Pareto y efectos. 4. Evaluar si es viable el modelo final usando graficas residuales. 5. Utilizar la grafica factorial para determinar la mejor preparacin del factor.
Data set
Name StdOrder RunOrder CenterPt Blocks Temp Time Conc Residue Data type Numeric Numeric Numeric Numeric Numeric Numeric Numeric Numeric Variable type Order Order Center Point Block Factor Factor Factor Response Levels
2-41 2 - 41
Reunin de datos.
Solo ocho veces puede ser elaborado el experimento en un da. Si se decide hacer un diseo que requiera ms de 8 veces, es necesario agregar una variable que cuente los das de elaboracin del experimento. Tools Stat > Power and Simple Size > 2-level factorial design.
Data set
Ninguna. (none) Name Temp Time Conc Data type Numeric Numeric Numeric Variable type Factor Factor Factor Levels 120, 180 10, 30 2,6
2-42 2 - 42
2-43 2 - 43
Calculando el Poder
Es bueno tener una estimacin del poder para determinar la validez de los resultados. Calculado la desviacin estndar de un Modelo. Se puede suponer que un proceso normal deja un promedio residual de 55. Y se desea mejorar el proceso detectando el residual en 5 unidades. (Un promedio residual de 50 o menos.) Se puede utilizar un diseo factorial 2-level con 3 factores y 8 corridas el total de nmeros de corridas es de 16 porque existe dos replicas de cada combinacin. En el ejercicio 2.1 se puede encontrar el ajuste principal al cuadrado residual para este ejemplo. La desviacin estndar de este modelo es definido como la raz cuadrada de la varianza. (Adj MS Residual Error = 3.536) para el modelo. La raz cuadrada de la varianza de in modelo total fue 3.536 = 1.880 2- Level Factorial Design. 1 Elija Stat > Power and Simple Size > 2-Level Factorial Design 2 Completar el cuadro de dialogo como se muestra de bajo.
3 Clic Design 4 En Number of blocks, teclee 2 5 Clic OK. 6 Clic Options 7 En Significance level, teclee 0.10 8 Clic OK en cada cuadro de dialogo.
2 - 44
Consideraciones Finales
Conclusiones Prcticas
Si el diseo ha generado un poder ms grande que el de 0.99 para detectar un cambio en los cinco puntos. Esto significa que existe menos de 1% de oportunidad de que no se haya encontrado o se haya fallado en encontrar una diferencia en la mejora de la limpieza. Consideraciones Estadsticas. Con solo tres factores, Un diseo factorial completo contiene solo ocho combinaciones. Este diseo es eficiente en costos para ms aplicaciones. Como los nmeros de los factores en el diseo 2 K incrementa, el nmero de corridas requeridas para un diseo factorial completo rpidamente mas haya para mas bsqueda. El nmero de corridas requeridas para un diseo factorial completo es listado en la tabla de bajo:
Nmero de factores 2 3 4 5 6 7 8 9 10
2 - 46
Ejercicio 3.1
Diseo flexible de un cable de aluminio Problema
Una planta que produce productos de aluminio provee ala compaas energa con cables de aluminio. La fuerza con que se toma para hacer la curva al cable es de 0 grados esto es muy importante porque los trabajadores de la compaa necesitan trabajar al aire libre en la temporada del invierno.
Reunin de datos
Un three-factor un diseo factorial completo es usado para encontrar la preparacin del tamao del cable, el radio de la compresin y la templanza mnima que se necesita para que se flexione. Se desea que la respuesta sea una fuerza en libras para flexionar el cable de 0 a 90 grados.
Instrucciones
1 Abrir el Project WIREFLEX. MPJ. MINITAB no conoce que los datos son de un diseo de experimentos. Usar Define Custom Factorial Design para preparar estos datos como un two-level factorial experiment. Se puede definir WireSize, CompRati Y Anneal como factores. Utilizar Analyze Factorial Design para ajustar el diseo incluyendo el diagrama de Pareto y de efectos. Evaluar si es conveniente en el modelo final utilizar graficas residual. Utilizar grafica factorial para determinar la preparacin que minimice la fuerza necesaria para flexionar el cable. Encontrar el poder en la prueba para detectar diferencia en la fuerza. 0.5.
2 3 4
Data set
Ninguna. (Done) Name Wire Size Comparative Annul 0-90Flex Data type Text Text Text Numrica Variable type Factor Factor Factor Response Levels Thin, Thick Low, High A, B
2-47 2 - 47
Ejercicio 3.2
Deformacin de placas de cobre Problema
Los dos factores que contribuyen de gran medida a la deformacin de placas de cobre son la temperatura y el contenedor de placas. Es importante la interseccin entre estos dos factores.
Reunin de datos.
Se tiene dos factores con 4 niveles cada uno. Por lo tanto, el total de nmero de corridas en una replica completa es de 16. En orden para obtener una estimacin del error experimental. Usar dos replicas. Debido al tiempo de prueba requerido, solo 16 corridas pueden ser preparadas cada da. Una replica deber ser corrida cada da.
Instrucciones
1. Utilice la tabla que se encuentra de bajo para crear un diseo factorial completo con 2 factores (cada uno con 4 niveles) y 2 replicas. Se debe de asegurar de seleccionar la opcin de General full factor designa en el cuadro de dialogo de Creare Factorial Design. Debido a que los datos fueron reunidos en das separados, se debe de crear un bloque variable. 2. Los datos en la hoja de trabajo, WARP.MTW, son en orden estndar. Asegurarse que el diseo sea exhibida en orden estndar y entonces agregar a los datos de la respuesta en la hoja de trabajo usando la pocin Merge (fusin), en open worksheet. 3. Utilizar Analyze Factorial Design Para ajustar el modelo. 4. Evaluar si es apropiado utilizar grafica residual para el modelo final. 5. Utilizar la grafica factorial para determinar la preparacin de minimizacin de deformacin. Name StdOeder RunOrder Blocks Temp Copper Warping Data type Numeric Numeric Numeric Numeric Numeric Numeric Variable type Order Order Block Factor Factor Response Levels 1,2 50, 75, 100, 125 40, 60, 80, 100
2 - 48
Experimentacin Secuencial
Objetivos:
Reducir el nmero de corridas de experimentos usando diseos factorial fraccional. Detectar curvatura del modelo elaborado usando puntos centrales.
1-1
Contenido
Ejemplos y Ejercicios
Diseos factorial fraccional Ejemplo # 1 Minimizar una reaccin Cataltica. Puntos centrales en diseos factoriales Ejemplo # 2 Minimizar una reaccin Cataltica. Ejemplo # 3 Mejorar un proceso de diseo de fraccin de resistencia de soldadura. Ejemplo # 4 Mejorar un proceso de diseo de fraccin de resistencia de soldadura. Crear y analizar un diseo factorial fraccional. 3-3
Propsito
Pgina
Probar la curva usando puntos centrales. Analizar un six - factorial, diseo de fraccin
3 - 31
3 - 48
3 - 48
Data set
Nombre StdOrder RunOrder CenterPt Blocks Feedrate Catalyst Agitation Temp Conc% Reacted Tipo de Datos Numeric Numeric Numeric Numeric Numeric Text Numeric Numeric Numeric Numeric Tipo de Variable Order Order Center point Block Factor Factor Factor Factor Factor Response Nivel
Cuando usar diseo factorial fraccional Un diseo 27 requiere 128 corridas para completar una replica conteniendo todas las posibles combinaciones de los niveles de factores. El modelo completo contiene 7 principales efectos y 21 dos factores interacciones (two-factor interactions) el resto de los factores interacciones de una orden ms alta. Porque usar diseo factorial fraccional. Se pueden contestar las siguientes preguntas. Cuales factores tienen un efecto mayor en la respuesta. Cuales factores tienen solo un impacto insignificante en la respuesta. Cuales ordenes de baja interaccin son importantes para explicar la variacin en la respuesta.
3-4 1.1
Create Factorial Design 1 Elija Stat > DOE Factorial > Create Factorial Design 2 De Number of factors, elija 5 3 Clic Design 4 Complete el cuadro de dialogo como se muestra de bajo.
5 click OK.
6 Clic Factors
7 Complete el cuadro de dialogo como se muestra de bajo.
6 Clic OK
Los efectos de la grafica del modelo completo indican que los efectos de B, D, E BD, y DE son significantes.
Analyze Factorial Design 1 Elija Stat > DOE > Factorial > Analyze Factorial Design 2 Clic Terms 3 Complete el cuadro de dialogo como se muestra de bajo.
4 Clic OK 5 Clic Graphs 6 Dentro de Residual Plot, Verificar Normal Plot, Residual Versus Fits, y Residual Versus Order. 7 Clic OK en cada cuadro de dialogo.
Falta de Preparacin
La falta de preparacin de prueba muestra que no es significante el modelo (P=0.647)
Usar la grafica de probabilidad normal de residuos para verificar que los residuos no son substancialmente desviados de una distribucin normal.
Factorial Plots 1 Elija Stat > DOE > Factorial > Factorial Plots. 2 Verificar Main Effects Plot y clic Setup 3 Completar el cuadro de dialogo como se muestra.
Consideraciones Finales
Conclusiones Prcticas.
Se puede concluir que el mximo porcentaje de substrato en reaccin es: El rate de alimentacin y agitacin no tiene un impacto significativo. Catalyst B, a una temperatura de 180 grados y 3% de concentracin minimiza el consumo de substrato.
1 Elija Stat > DOE > Factorial > Create Factorial Design 2 De Number of Factors, elija 2 3 Clic Design 4 De Number of center points, elija 2 5 Clic OK. 6 Clic Factors 7 Complete el cuadro de dialogo como se muestra de bajo.
Las dos ltimas filas de datos son los puntos centrales indicados por la columna CenterPt. Todos los niveles de factores son exactamente igual entre los nubles altos y bajos.
Curvatura.
La tabla ANOVA tiene una lnea para probar la curvatura. La hiptesis nula asume la evidencia de no significativo en los datos de la curvatura.
Para los datos reaccin no existe nmeros suficientes de observaciones para determinar si los residuales son por la distribucin normal.
4 Clic OK 5 Repita los pasos 2-4 para preparar la Interaction Plot y Cube Plot. 6 Clic OK.
BIBLIOGRAFIA
Llibro de Minitab 14 Capitulo # tres: Introduccin a los diseos factoriales. Diseos Factoriales Completos. Experimentacin Secuencial. Optimizacin de Multiples Respuestas.
Integrantes de la investigacin Ingeniero, Sergio Alejandro Cura Hernndez. Ingeniero, Ricardo Edmundo Flores Gonzlez Contador, Jos Alfredo Lpez Lozano