Professional Documents
Culture Documents
Problem As Dise Ñ o Factorial
Problem As Dise Ñ o 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
B = tiempo de calentamiento
C = tiempo de transferencia
D = tiempo de mantenimiento
(a) Escriba la estructura de alias para este diseño. ¿Cuál es la resolución de este diseño?
Es un diseño 𝟐𝟓−𝟏
(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?
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.
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
Se utilizará un diseño 2^ (6-2) el cual es un diseño que utiliza ¼ para 6 factores y 16 corridas
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
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:
(a) ¿Cuáles son las relaciones de alias en el diseño seleccionado por Harry?
(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.
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.
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.
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.
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
El diseño paso de un 𝟐𝟓−𝟏 a un 𝟐𝟒 con una réplica, por las 16 corridas. Se elimino el factor A (𝑆𝑖𝐻2 𝐶𝑙2 ).