2022

EJERCICIOS DISEÑO FACTORIAL

Rey D. Molina
Nombre: Lillian Alexandra Fernández
González
Matrícula: 203898
25-4-2022
Problema 8.10
Un artículo de J. J. Pignatiello Jr. y J. S. Ramberg en el
Journal of Quality Technology (Vol. 17, 1985, pp. 198-
206) describe el uso de un fraccionamiento replicado
factorial funcional para investigar el efecto de cinco
factores en la altura libre de ballestas utilizadas en un
automóvil

solicitud. Los factores son:

A = temperatura del horno

B = tiempo de calentamiento

C = tiempo de transferencia

D = tiempo de mantenimiento

E = temperatura del aceite de temple.

Los datos se muestran en la Tabla P8.1.

(a) Escriba la estructura de alias para este diseño. ¿Cuál es la resolución de este diseño?

Es un diseño 𝟐𝟓−𝟏

(b) Analice los datos. ¿Qué factores influyen en la

media altura libre?

Podemos observar que hay 4 efecto significativo para la

media los cuales son A, BE, B y E sabiendo esto deducimos
que los demás factores tienen un efecto no significante.
 Al hacer esto podemos seguir con el siguiente paso el cual es
el estandarizar los datos. Se utiliza el proceso de “eliminación
hacia atrás” el cual eliminara los factores no significantes, se
utilizó un valor alpha de 0.05.

Después de hacerlo se obtuvo un gráfico en donde podemos

observar que el número de factores significantes ha
aumentado. Los nuevos factores significantes son A, BE, D, B
y E. También se puede observar que el factor C fue eliminado
junto con las demás interacciones

(e) Calcule la desviación estándar de la libre altura para cada carrera. ¿Hay algún indicio de que alguno
de estos factores afecte la variabilidad en la altura libre?

En el análisis de la desviación estándar podemos notar que hay

4 efecto significativo los cuales son A, ADE, B y CE sabiendo esto
deducimos que los demás factores tienen un efecto no
significante

Al realizar la eliminación paso a paso podemos observar que se

mantienen los mismos 4 factores significativamente.
En cuanto al diagrama de Pareto si se puede ver la reducción de ciertas interacciones no significativas
como lo son el AC, ACE, ABE, AB y BE.

También se puede decir que las interacciones D, AD, C, E, DE y AE no fueron eliminadas dado que están
contenidas en las interacciones que si resultaron significantes.

(d) Analice los residuos de este experimento y comente sobre sus hallazgos.

Al observar la grafica 4 en 1 podemos observar que tanto en la gráfica de normalidad como en la de

igualdad de varianzas podemos observar que se cumplen los supuestos de normalidad y de igualdad de
varianzas por lo tanto no tenemos evidencia para decir que los datos no provienen de una distribución
normal y que por lo menos un par de varianzas son diferentes.

Esto se ve respaldado en la gráfica de residuos dado que el valor p (0.540) > 0.05 por lo tanto el supuesto
de normalidad se cumple y decimos que no hay evidencia para sospechar que los datos no provienen de
una distribución normal.

(e) ¿Es este el mejor diseño posible para cinco factores en 16 corridas? Específicamente, ¿puedes
encontrar un diseño fraccionario para cinco factores en 16 ejecuciones con una resolución más alta que
esta?

El diseño paso de un 𝟐𝟓−𝟏 a un 𝟐𝟒 con una réplica, por las 16 corridas. Se elimino el factor C (tiempo de
transferencia).
Problema 8.28
Se realizó un experimento de 16 carreras en una planta de fabricación de semiconductores para estudiar
los efectos de seis factores en la curvatura o peralte de los dispositivos de sustrato producidos. Las seis
variables y sus niveles se muestran en la tabla p8.2

a) ¿Qué tipo de diseño utilizaron los experimentadores?

Se utilizará un diseño 2^ (6-2) el cual es un diseño que utiliza ¼ para 6 factores y 16 corridas

Resumen del diseño

Factores: 6 Diseño de la base: 6, 16 Resolución: IV
Corridas: 16 Réplicas: 1 Fracción: ¼
Bloques: 1 Puntos centrales 0
(total):
 b) ¿Cuáles son las relaciones de alias en este diseño?

c) ¿Afecta alguna de las variables del proceso a la curvatura media?

Podemos observar que hay un efecto significativo para la media el cual es el factor ABF, sabiendo
esto deducimos que los demás factores tienen un efecto no significante

Al hacer esto podemos seguir con el siguiente paso el cual es el estandarizar los datos. Se utiliza el proceso
de “eliminación hacia atrás” el cual eliminara los factores no significantes, se utilizó un valor alpha de 0.05.
Después de hacerlo se obtuvo un gráfico en donde podemos observar que el número de factores
significantes ha aumentado. Los nuevos factores significantes son C y ABF, los factores A, B, F, AF, AB y BF
no fueron eliminados ya que el factor ABF si es significante

Obteniendo las gráficas de normalidad y de Pareto podemos observar que no hay ningún factor con efecto
significante, algunos de los factores que pudieron llegar a serlo son el factor A y B, pero como se mencionó
anteriormente no alcanzan a serlo.
Se realizo el proceso de “eliminación hacia atrás” con un valor alpha de 0.05, se logró eliminar los factores
no significantes, ahora vario efectos se vuelven significativos (B, A, BF y ABF), pero aun continúan los
factores (AF, F y AB), a pesar de no ser significativos no son eliminados debido a AB. Los factores C y E ya
no son parte del modelo del diseño, por lo que se puede decir que este modelo se puede proyectar en un
diseño 2^4

e) Si es importante reducir el camber al máximo, ¿qué recomendaciones haría?

Bajar el nivel de A, B (los niveles bajos de B permiten una menor variación y no afectan al camber) y C y
subir el nivel de F.

Se utilizó el “optimizador de
respuesta” con el objetivo de
minimizar la media de la
curvatura. Para lograr ese
objetivo se es necesario un nivel
bajo en la temperatura (55), un
nivel bajo en el tiempo (10), nivel
bajo en la presión y un nivel bajo
en “Firing Dew Point” (26). Con
esta combinación se logra el
objetivo, minimizar, se logra
minimizarlo hasta un 25% con un
intervalo de confianza de 95% de que el resultado estará en los valores -42.7
– 97.2.
Problema 8.30
Harry Peterson-Nedry (un amigo del autor) posee un viñedo y una bodega en Newberg, Oregón. Cultiva
varias variedades de uvas y produce vino. Harry ha utilizado diseños factoriales para el desarrollo de
procesos y productos en el segmento de vinificación del negocio. Este problema describe el experimento
realizado para el Pinot Noir de
1985. Ocho variables, que se
muestran en la Tabla P8.5, se
estudiaron originalmente en este
experimento:

Harry decide utilizar un diseño 2^

(8-4) con 16 carreras. El vino fue
probado por un panel de
expertos el 8 de marzo de 1986.
Cada experto clasificó las 16
muestras de vino probadas,
siendo el rango 1 el mejor. El diseño y los resultados del panel de cata se muestran en la tabla p8.6.

(a) ¿Cuáles son las relaciones de alias en el diseño seleccionado por Harry?

Resumen del diseño

Factores: 8 Diseño de la base: 8, 16 Resolución: IV
Corridas: 16 Réplicas: 1 Fracción: 1/16
Bloques: 1 Puntos centrales 0
(total):
Estructura de alias (hasta el orden 3)
Factor Nombre
A Pinot Noir clone
B Oak type
C Age of barrel
D Yeast/skin contact
E Stems
F Barrel toast
G Whole cluster
H Fermentation
temperature
Alias
I
A + BCG + BDH + BEF + CDF + CEH + DEG + FGH
B + ACG + ADH + AEF + CDE + CFH + DFG + EGH
C + ABG + ADF + AEH + BDE + BFH + DGH + EFG
D + ABH + ACF + AEG + BCE + BFG + CGH + EFH
E + ABF + ACH + ADG + BCD + BGH + CFG + DFH
F + ABE + ACD + AGH + BCH + BDG + CEG + DEH
G + ABC + ADE + AFH + BDF + BEH + CDH + CEF
H + ABD + ACE + AFG + BCF + BEG + CDG + DEF
AB + CG + DH + EF
AC + BG + DF + EH
AD + BH + CF + EG
AE + BF + CH + DG
AF + BE + CD + GH
AG + BC + DE + FH
AH + BD + CE + FG

(b) Utiliza la media de los rangos como variable de respuesta. Analiza los datos y saca conclusiones.
Le resultará útil examinar un gráfico de probabilidad normal de las estimaciones del efecto.

Obteniendo las gráficas de normalidad y de Pareto podemos observar que no hay ningún factor con efecto
significante, algunos de los factores que pudieron llegar a ser perjudiciales sería el G pero como se
mencionó anteriormente no alcanza a serlo.
Al realizar la eliminación paso a paso podemos observar que se mantienen un factor como significante
siendo el factor D mientras que las demás interacciones y factores fueron eliminados.

(c) Utilice la desviación estándar de los rangos (o alguna transformación adecuada, como el log s)
como variable de respuesta. ¿Qué conclusiones puede extraer sobre los efectos de las ocho
variables en la variabilidad de la calidad del vino?

Obteniendo las gráficas de normalidad y de Pareto podemos observar que no hay ningún factor con efecto
significante

Al realizar la eliminación paso a paso podemos observar que la eliminación hacia atrás quita todos los
términos del modelo.

(d) Después de ver los resultados, Harry decide que uno de miembros del panel (DCM) sabe más
sobre cerveza que de vino, así que deciden eliminar su clasificación. ¿Qué efecto tendría esto
en los resultados y conclusiones de las partes (b) y (c)?

Los resultados son muy similares para el sabor medio sin DCM que con DCM de igual manera la
respuesta de la desviación estándar es prácticamente la misma con o sin las respuestas de DCM. De
nuevo, no hay factores significantes. Así que por ende no existiría algún tipo de diferencia significativa
ya que tanto en el inciso (b) y (c) no hay algún factor con un efecto significante que pueda llegar a
alterar el diseño.
Problema 8.36
Un artículo en Thin Solid Films (504, "A Study of Si/SiGe Selective Epitaxial Growth by Experimental Design
Approach", 2006, Vol. 504, pp. 95-100) describe el uso de un diseño factorial fraccionado para investigar
la sensibilidad de de baja temperatura (740-760 C) del crecimiento epitaxial selectivo de Si/SiGe a los
cambios en cinco factores y sus interacciones de dos factores. Los cinco factores son SiH2Cl2, GeH4, HCl,
B2H6 y temperatura. Los niveles de los factores estudiados son:

La tabla P8.8 contiene la matriz de diseño y las tres respuestas medidas. Se utilizó el software Bede RADS
Mercury, basado en la teoría de dispersión dinámica de Takagi-Taupin, para extraer el espesor de la capa
de Si, el espesor de SiGe y la concentración de Ge de cada muestra.

(a) ¿Qué diseño utilizaron los experimentadores? ¿Cuál es la relación definitoria?

Se ejecutó un 2^ (5-1) con dos puntos centrales. La relación definitoria es la I= ABCDE

Y la generadora de diseño es E=ABCD

Resumen del diseño

Factores: 5 Diseño de la base: 5, 16 Resolución: V
Corridas: 18 Réplicas: 1 Fracción: 1/2
Bloques: 1 Puntos centrales 2
(total):
 (b) ¿Podrán los experimentadores estimar todos los efectos principales y las interacciones de dos
factores con este diseño experimental?

Sí, se trata de un diseño de resolución V. Los factores principales se confunden con las interacciones
de cuatro factores y las interacciones de dos factores se confunden con las interacciones de tres
factores. Asumiendo la escasez de efectos, hay muy pocas posibilidades de que las interacciones de
tres y cuatro factores sean reales.

(c) Analice las tres respuestas y saque conclusiones.

A continuación, se muestra el análisis de la respuesta del grosor de la tapa de Si. Los factores B, E Y D
son significativos junto con la interacción BE.

Al realizar la eliminación hacia atrás podemos observar que los mismos términos que resultaron
significantes en un principio se mantienen. Sabiendo
esto deducimos que los demás factores tienen un
efecto no significante.

También se puede ver que los factores A y C fueron

eliminados.
A continuación, se muestra el análisis de la respuesta de la concentración de SiGe. Los factores E, B y C
son significativos.

Al realizar la eliminación hacia atrás podemos observar

que hubo un incremento de términos significantes.
Siendo los siguientes E, C, DE, CE, AC, AD, AB, BE, BC, y B.
Deduciendo que los demás no tienen un efecto
significante en el diseño

A continuación, se muestra el análisis de la respuesta de la concentración de Ge. Los factores A, B, C, D y

E son significativos, junto con la interacción BC, AB, BE, BD y AC.
 Al realizar la eliminación hacia atrás podemos observar que hubo
un decremento de términos significantes. Solo se mantienen los
factores A, B, C, D y E son significativos, junto con la interacción
BC, AB y AC.

(d) ¿Hay algún indicio de curvatura en las respuestas?

En este caso al analizar las 3 respuestas puedo decir que a pesar de que sé que hay una curvatura la
curvatura no es importante en los tres casos del análisis dado que sus valores p son mayores a nuestro
alfa de 0.05.

(e) Analice los residuos y comente la adecuación del modelo.

Al observar las gráficas 4 en 1 podemos observar que tanto en la gráfica de normalidad como en la de
igualdad de varianzas podemos observar que se cumplen los supuestos de normalidad y de igualdad de
varianzas por lo tanto no tenemos evidencia para decir que los datos no provienen de una distribución
normal y que por lo menos un par de varianzas son diferentes.
F) Analice la media del diseño

A continuación, se muestra el análisis de la respuesta de la

media. Los factores B, C, D y E son significativos, junto con
la interacción DE, AC, CD, BD, AB, AD, BC y BE.

Al realizar la eliminación hacia atrás podemos observar que

hubo un decremento de términos significantes. Solo se
mantienen los factores B, C, D y E son significativos, junto
con la interacción DE, AC y BE. Deduciendo que los demás
no tienen un efecto significante en el diseño

G) Proyección del diseño

El diseño paso de un 𝟐𝟓−𝟏 a un 𝟐𝟒 con una réplica, por las 16 corridas. Se elimino el factor A (𝑆𝑖𝐻2 𝐶𝑙2 ).