INSTITUTO POLITÉCNICO NACIONAL

Unidad Profesional Interdisciplinaria de Ingenierías Campus Guanajuato

Diseños de Plackett-Burman
Diseño de Experimentos
INTEGRANTES: -Cervantes Ojeda Rogelio Axel -Hernández Segoviano Fernando -Buzo Muñoz Vianey

-Guerra Zamora Mayra Teresa -Villalobos Murillo Viviana

Características

 

Son diseños factoriales fraccionados de 2 niveles de resolución III, que se utilizan frecuentemente para estudiar efectos principales. Este modelo no tiene completa la confusión de los efectos, en su lugar cada efecto principal se confunde parcialmente con todas las interacciones Sirven para estudiar k=N-1 variables en N corridas, donde N es un múltiplo de 4. Puesto que estos diseños no pueden representarse como cubos, en ocasiones se les llama diseños no geométricos.

SON USADOS PARA IDENTIFICAR UNOS POCOS FACTORES SIGNIFICATIVOS DE UNA GRAN LISTA . Tiene grandes propiedades proyectivas La estructura de alias es muy enredosa.Ventajas y Desventajas Ventajas  Desventajas   Permite llenar los vacíos de los modelos 2k estándar.

La organización de los signos + y .Matriz de Diseño   En el diseño Plackett-Burman para construir la matriz de diseño se utiliza una fila o columna patrón (primer fila o columna de la matriz).(nivel alto y bajo) en la fila patrón dependen del valor de N. las filas patrón para los diferentes N se muestran en la siguiente N tabla: k Primera fila o columna 8 12 16 20 7 1 5 1 9 +++-+-++++-+-++--+--++--++++-+-+----++11 ++-+++---+- 24 2 3 +++++-+-++--++--+-+---- .

Los efectos principales están parcialmente confundidos con todas las interacciones que no poseen dichos efectos y viceversa.   . Estructuras de alias muy intrincadas. todas las demás filas del diseño son construidas empezando con el símbolo con la que la anterior termina y respetando la secuencia de los mismos que indica la primer fila.Matriz de diseño y Estructura de Alias   Una ves que la primer fila a sido establecida. Una fila adicional se añade al diseño que consta de los valores mínimos de todos los parámetros.

k=11 Corrida A 1 2 3 4 5 + + + + B + + + C + + + D + + + E + + F + G + + H + + I + + + J + + + K + + + + 6 7 8 9 10 11 12 + + - + + + - + + + - + + + - + + + + - + + + + + - + + + + - + + + + - + + + - + + + - + + - .Ejemplo Matriz de Diseño N=12.

.  Existe homocedastidad.. 2..  Pruebas de hipótesis:  Para A: Similar para los otros factores. 2.  Existe normalidad. j=1.Modelo Estadístico y Pruebas de Hipótesis  Modelo Estadístico: con i=1.. k=1. n  Supuestos del modelo:  Errores aleatorios. l=1. 2.

Parámetros del modelo  Estimación de los efectos de los factores:  Suma de cuadrados: Suma total de cuadrados: Suma de cuadrados del error:   .

Las variables son las siguientes: A. Porcentaje de Esfuerzo . La viscosidad del polímero es la respuesta. Mediciones Altas y Baja F. Porcentaje de compresión E.Ejercicio en clase Se utiliza un diseño de Plackett-Burman con el propósito de estudiar las propiedades reológicas de copolímeros de alto peso molecular. Los datos se analizan en el centro de Consulta Estadística del Instituto Politécnico y universidad Estatal de Virginia. Química del bloque duro B. Tiempo de calentamiento D. Tasa de Flujo de nitrógeno C. En el experimento se fijan dos niveles de cada una de las seis variables.

 Se obtuvieron los siguientes datos: A 1 2 3 4 5 6 7 8 9 10 1 1 -1 1 1 1 -1 -1 -1 1 B -1 1 1 -1 1 1 1 -1 -1 -1 C 1 -1 1 1 -1 1 1 1 -1 -1 D -1 1 -1 1 1 -1 1 1 1 -1 E -1 -1 1 -1 1 1 -1 1 1 1 F -1 -1 -1 1 -1 1 1 -1 1 1 y 194700 588400 7533 514100 277300 493500 8969 18340 6793 160400 11 12 -1 -1 1 -1 -1 -1 -1 -1 -1 -1 1 -1 7008 3637 .

Resolución en Minitab .

1. 3. 5. 1. 4. 2. 2.Creación del Diseño 1. 6. Elija el Número de factores. Haga clic en Resultados: Elija Tabla de resumen y tabla de diseño. Haga clic en Diseños: Elija el Número de corridas. ACEPTAR . 1. Elija el Número de puntos centrales por réplica. Elija Estadísticas > DOE > Factorial > Crear diseño factorial. Haga clic en opciones: Quite aleatorizar corridas. Elija Diseño de Plackett-Burman.

Grafica de Efectos: Normal y Pareto -200000 -100000 0 100000 200000 0 60 B Residuo 2. orden Frecuencia Residuo C F 0 -100000 1 5 0 1 0 00 00 00 0-3 00 -2 00 0 5 0 5 -1 -1 -11 0 0 0 00 00 0000 00 1 50 0 5 1 1 Residuo 2 3 2 34 Efecto estandarizado Efecto estandarizado 1 2 3 4 5 6 7 8 9 10 11 12 Orden de 5 observación 4 . 50 Gráfica de Residuos: Cuatro en uno 40 Histograma E ACEPTAR 30 3 1.Análisis del DOE 1. 3. ajustes (la respuesta es Respuesta.05) diseño factorial 2. 1 70 20 10 100000 2 D 80 Gráficas de residuos para Respuesta Elija Estadísticas > DOE > Factorial > Analizar Gráfica de normal de de efectos estandarizados Diagrama Pareto efectos estandarizados Gráfica de probabilidad normal vs.571 Elija la columna de respuesta A Haga clic en Gráficas: 100000 0 Tipo de efecto No significativ o Significativ o A -100000 Porcentaje Término 120000 240000 360000 Valor ajustado 480000 vs. 99 90 50 10 99 Porcentaje 95 90 Residuo 2. Alfa = 0.

2.0 1.Análisis GLM (A-D) 1. Haga clic en Graficas de factores Residuo 0 100000 200000 300000 Valor ajustado 400000 Frecuencia 3. orden 100000 0 0 -200000 0 -1 -100000 -100000 ACEPTAR 200000 -200000 1 1 2 -1 3 4 5 6 7 8 9 10 11 12 1 Orden de observación -1 0 Residuo 100000 1 D .5 0. 10 1. Porcentaje 4. Gráficas de residuos para Viscosidad Elija Estadísticas ANOVA >para GLM Gráfica Gráfica de efectos de > interacción principales para Viscosidad Viscosidad Gráfica de probabilidad normal vs. 1 300000 Gráfica Media Media -200000 300000 -100000 de Residuos: Cuatro-200000 en uno 0 100000 200000 Residuo 3.0 200000 2. 200000 200000 vs. ajustes Medias ajustadas 99 Elija la columna de respuesta 200000 500000 A D 90 400000 100000 Elija los factores del modelo 50 0 400000 Haga clic en Gráficas: -100000 A -1 1 5.5 100000 100000 1. Elija las interacciones a evaluar 4.0 Residuo Histograma Elija los factores a evaluar 6.

4.5 100000 1.5 0.0 1.1 Media Gráfica de Residuos: Cuatro-200000 en uno 200000 Haga clic en Graficas de factores -150000 0 Residuo 150000 300000 0 100000 200000 300000 Valor ajustado 400000 -300000 5. ajustes ajustadas Elija la columna de Medias respuesta 400000 Elija los factores del modelo Haga clic en Gráficas: 300000 200000 100000 0 -100000 1. 2. Elija Estadísticas > residuos ANOVA > Viscosidad GLM Gráficas de para Gráfica de efectos principales para Viscosidad Gráfica de probabilidad normal vs. Porcentaje 99 90 50 10 Residuo 3.Análisis GLM (A) 1. Frecuencia Residuo Histograma Elija los factores a evaluar 200000 100000 2.0 vs. orden 0 -100000 0 -1 -200000 -100000 0 Residuo 100000 ACEPTAR -200000 200000 1 1 2 3 4 5 6 7 8 9 10 11 12 Orden de observación A .0 3. 6. Elija las interacciones a evaluar 4.

0 Elija los factores a evaluar Histograma 4.4 4. 4. Seleccione la opción de prueba 0.50 2.2 5.5 4.2 0. 4.1 0. Elija las interacciones a evaluar 1.3 0.4 0.2 -0.4 Media 4. 1 0.3 -0. 1.25 Haga clic en comparaciones Residuo Elija los términos a comparar 1.0 -0. 6.50 4.0 0.50 90 Elija la columna de respuesta 50 5.1 Residuo 0. orden 7.Análisis GLM (Log (A)) 1.0 2. ajustes Medias ajustadas Elija la expresión 0.2 Gráficas de residuos para Log Viscosidad 2.75 Haga -0.8 Valor ajustado 5.2 -0. vs. Elija Estadísticas > ANOVA > GLM 5.25 Elija los factores del modelo 10 Haga clic en Gráficas: 5. 0.2 -0.00Elija el nivel de confianza 3. 99 Elija Calc >Calculadora: 2.4 1 2 3 4 5 6 7 8 9 Orden de observación 10 11 12 1 A ACEPTAR .25 0. de efectos principales para Log Viscosidad Cree Gráfica una columna de almacenamiento Gráfica de probabilidad normal vs.50 Gráfica de Residuos: Cuatro en uno clic en Graficas de factores 0.2 -0. Porcentaje Residuo 3.0 -0.00 1.0 0. 5.4 -1 -0.0 4.00 Residuo 0.6 2. Frecuencia 1.25 0.5 1.4 0.

8500A +E   . de manera que: Modelo Estadístico Final para Menor viscosidad Log(y)=4.8500A +E Modelo Estadístico Final para Mayor viscosidad Log(y)=4. y como las medias son diferentes ambas opciones son validas según sea el caso. ya que el problema no especifica si la viscosidad debe aumentar o disminuir.Conclusión  El único factor significativo es el A que corresponde a la química del bloque duro.70359+0.70359-0.

Ejercicio de tarea  El siguiente experimento estudia la moldeabilidad de una pieza de la puerta del automóvil. La matriz de análisis se muestra a continuación. control y tiempo se han producido 11 factores para la proyección de este diseño. Resultaron alrededor de 25 factores al inicio. El objetivo es maximizar el ángulo del radio de fractura. Posteriormente haciendo una comparación basada en los problemas de costo. La pieza debe ser flexible y el ángulo del radio se refiere a que tanto se puede doblar la pieza antes de que se fracture. La respuesta fue el ángulo del radio. .

.

Design of experiments with MINITAB. (2000). M.. (1999). (2008). Box. & Whitcomb. Estadísitica para Investigadores. An introduction to design of experiments: a simplified approach. Getting Started with the SAS 9.. S. P. QASQ. P. Anderson. DOE simplified: practical tools for effective experimentation. G. P. (2008). W. Mathews. New York: Becados. Publishing. Mathews. & Hunter. (2005). Diseño. . innovación y descubrimiento. Sample Size Calculations: Practical Methods for Engineers and Scientists. Volumen 1. Hunter.2 Adx Interface for Design of Experiments.. S.REFERENCIAS       Barrentine. Madrid: Reverté. L. (2008).