Professional Documents
Culture Documents
Cal raonar els resultats i les passes seguides per aconseguir‐los.
Feu una captura de pantalla amb el menú i els camps que heu utilitzat.
Incorporeu només les sortides numèriques i gràfiques de R que es creguin indispensables acompanyades
sempre d’una explicació/valoració. No es valoraran els apartats que es limitin a copiar sortides d’R.
Es valorarà molt positivament la claredat i la concisió en la presentació de resultats.
El treball és en grups de 3 alumnes. Al principi del treball ha de constar el nom de tots els alumnes del grup.
Ara bé, si un grup considera que algun dels alumnes no ha participat en el grup, pot no posar el seu nom.
Cada grup haurà de fer servir només les variables del primer alumne del grup un cop ordenats alfabèticament
pel primer cognom.
Només un alumne de cada grup haurà de lliurar el treball.
Aquest treball pràctic té com a termini de lliurament el dia 11 de gener de 2021 a les 23.59 i s’ha de lliurar a
través del mòdul de Recollida de treballs i pràctiques del Moodle. No s’acceptaran els treballs pràctics que
es lliurin fora del termini.
MOLT IMPORTANT: el treball s’ha de lliurar en un arxiu pdf (el Moodle està configurat perquè no us deixi
entregar cap altre tipus d’arxiu).
El treball té 4 apartats i en cadascun d’ells haureu d’agafar una mostra usant les dues darreres xifres (dígits
que els anomenarem XY) del número d’estudiant com a llavor per a generar la mostra. Comenceu l’informe
detallant quin és el valor de l’identificador d’estudiant que heu fet servir.
Si no us especifiquem un nivell de significació o un nivell de confiança, decidiu segons sigui el valor p, o preneu
un valor de la següent taula segons el valor del darrer dígit Y del número d’estudiant. En aquest darrer
cas, totes les decisions dels contrastos i intervals de confiança s’han de realitzar amb aquest valor.
Y 0 1 2 3 4 5 6 7 8 9
0.1 0.09 0.075 0.06 0.04 0.03 0.025 0.01 0.005 0.001
Al Moodle trobareu els arxius:
‐ proveidor.xlsx on tindreu assignats, per a cada alumne, els proveïdors amb els que us toca treballar en
la part I del treball.
‐ olis1.xlsx, olis2.xlsx, olis3.xlsx , olis4.xlsx, olis5.xlsx valors dels olis dels proveïdors
‐ potencia.Rdata fitxer de dades que contenen les dades de potència per a treballar la part II del treball
‐ filtres.Rdata dades dels filtres per la part III del treball
‐ forces.Rdata dades de les forces de la bomba per a la part IV del treball
1
ENUNCIAT DEL TREBALL
La nostra fàbrica està dissenyant un nou sistema hidràulic com el de la figura
I. Hem decidit optar per un oli hidràulic tipus HL i ISO VG 22, és a dir que segons les normes ISO i les normes
DIN 51524 ha de tenir una viscositat entre 19.8 i 22.4 mm2/s.
Haurem de barrejar olis de diferents proveïdors, però abans de barrejar‐los volem:
a) Fer un control de la capacitat de cadascun dels 3 proveïdors que et subministren (els 3 teus pots
trobar‐los en l’excel proveidors.xlsx i has de treballa només amb aquests) de satisfer la nostra
demanda.
IMPORTANT: Cada proveïdor ens ha facilitat les dades de la seva producció en un excel i la mida de
les dades de cada proveïdor pot ser diferent)
Per a fer el control de cada proveïdor, ho farem d’una mostra dels seus olis. Per a fer‐ho:
1‐ Escull per a cada proveïdor una mostra de mida 120 usant les dues darreres xifres (dígits que
els anomenarem XY) del teu número d’estudiant com a llavor per a generar la mostra. Et poden
ajudar les comandes:
set.seed(XY, sample.kind = "Rejection")
mostra = olis_i[sample(1:mida‐total‐proveïdor_i, 120),]
mostraproveidor =data.frame(mostra)
IMPORTANT: Recorda canviar de worksheet a mostraproveidor cada vegada
2‐ Controla la capacitat com si cada 4 dades formessin un grup. Pots utilitzar la comanda
mostraproveidor$grup= rep(1:30, c(rep(4,30))) (0.2p)
b) Indica quins proveïdors et quedes i avalua si té cap problema la seva producció d’oli. (0.1p)
Aquells proveïdors que no superin el control els refusarem com a proveïdors nostres i només treballarem
amb els proveïdors restants.
II. Per a aquest nou sistema hidràulic hem dissenyat una nova bomba. La producció d’aquest nou model de
bomba es fa en les dues fàbriques que tenim, en les quals es treballa en 3 torns horaris. No treballaràs amb
tota la producció, que està en el fitxer potencia.Rdata si no només amb una mostra de mida 1200. Les
següents comandes et poden ajudar a generar la teva mostra:
set.seed(XY, sample.kind = "Rejection")
mostrabombes = potencia[sample(1:2000, 1200),]
mostrabombes <‐ with(mostrabombes, mostrabombes[order(fabrica, torn, decreasing=FALSE),
]) #aquesta comanda t’ordena les dades per fabrica i torn
2
IMPORTANT: Recorda canviar de worksheet a mostrabombes.
c) Fes una anàlisi descriptiva numèrica i gràfica per cadascun dels 6 torns de la potència de les bombes
produïdes. (0.3p)
NOTA: Algunes maneres d’analitzar les dades torn a torn pot ser dividir el worksheet en 6 aprofitant
que està ordenat o crear una nova variable combinant fàbrica i torn, amb la comanda paste(... , ...)
i separar‐lo segons aquest o...
d) Fes un control de qualitat de les mitjanes i de les desviacions per separat dels 6 torns per veure si
algun d’ells té dades fora de control. (0.2p)
Si hi ha dades fora de control, elimina les dades.
Controla com si cada 4 dades formessin un grup. Pots utilitzar la comanda taula.de.dades<‐
shape1(nomfitxer_Fabrica*Torn$potencia,freq=valor) .Usa les 30 primeres mostres per calibrar i la
resta per controlar. Hi ha cap violació de les regles?(0.1p)
NOTA: hauràs de canviar valor depenent de les mostres que tinguis. Si en tens 160, valor serà
160/4=40, és a dir valor és el resultat de dividir les teves mostres per 4. I amb aquesta
taula.de.dades serà la que hauràs de realitzar el gràfic de control.
IMPORTANT: Si fas servir aquesta comanda, recorda canviar de worksheet a taula.de.dades.
Un cop depurades les dades fora de control, cal realitzar:
e) Hi ha algun torn d’alguna de les fàbriques que doni mitjanes significativament diferents dels altres
torns? (Controla els supòsits de normalitat i homoscedasticitat, amb totes les dades juntes de
nou)(0.3p)
IMPORTANT: Si hi ha algun dels 6 torns que la seva producció no és homogènia amb la dels altres
torns, elimina tota la producció d’aquell torn i
f) Indica quines mesures correctores s’haurien de prendre en aquest torn que has eliminat.(0.1p)
Ara que ja sabem que les dades dels torns (6 o menys, si n’ha eliminat algun) són homogènies, les
considerem totes juntes:
g) Podem assegurar que la potència del nou disseny de bombes és de com a mínim 6kw? (0.1p)
III. Per als filtres d’entrada de l’oli a les bombes del nou sistema hidràulic tenim al nostre magatzem filtres
de baixa, mitjana i alta pressió i, pel que fa a la tipologia, alguns d’ells són de malla de filferro revestida,
alguns dels polímers superabsorbents, de fibres sintètiques i també hi ha els bàsics de fibra de cel∙lulosa.
Tenim les dades dels filtres al fitxer filtres.Rdata i treballaràs amb una mostra de 100 filtres del magatzem
escollida a l’atzar amb les comandes basades en les dues darreres xifres (XY) del teu número d’estudiant.
set.seed(XY, sample.kind = "Rejection")
mostrafiltres = filtres[sample(1:400, 100),]
IMPORTANT: Recorda canviar de worksheet a mostrafiltres.
h) Són independents la tipologia i la pressió per a la qual han estat dissenyats? (0.1p)
3
IV. Finalment volem saber quines variables ens ajudarien a modelitzar millor la variable força que tindrà el
nostre èmbol.
Busca el model de regressió lineal múltiple més senzill i que expliqui més bé la variable força eliminant
col∙linealitats, si escau de les 5 possibles variables que tenim com a explicatives. Per a treballar‐ho tens les
dades a l’arxiu forces.Rdata i treballaràs amb una mostra de 200 forces escollides a l’atzar amb les
comandes basades en les dues darreres xifres (XY) del teu número d’estudiant
set.seed(XY, sample.kind = "Rejection")
mostraforces = filtres[forces(1:400, 200),]
IMPORTANT: Recorda canviar de worksheet a mostraforces.
i) Mira la seva significació i interpreta el model i els coeficients. Estudia els residus. (0.5p)
AVALUACIÓ
La nota (2 punts) es generarà en funció de l’informe lliurat i serà la suma dels apartats anteriors,
més 0.2 punts de redacció i presentació global.
El treball ha de demostrar l’assimilació dels conceptes presentats durant la teoria i l’habilitat
adquirida amb l’R durant les pràctiques. Podeu emprar totes les possibilitats que ofereix R.
Recordeu que és un estudi estadístic: cal ser directe amb les conclusions i demostració de les
mateixes.
Qualsevol treball que es detecti originat parcialment o total de còpia i/o plagi, pot comportar
suspendre l'assignatura a tots els alumnes implicats i l’obertura d’un expedient acadèmic.
Tot i que cal ser mínimament curós amb la presentació de l’informe, podeu estalviar‐vos de
malgastar el vostre temps en presentacions “espectaculars”. En canvi, es valorarà la iniciativa en
l’obtenció de resultats que puguin aportar solucions i/o informació rellevant del problema
plantejat. També es valorarà la formalitat, concisió, precisió, pulcritud, correctesa (sintàctica i
semàntica), i l’estil d’edició en l’elaboració del document. Recordeu tanmateix que quantitat no és
sinònim de qualitat.
TREBALLS D’ALUMNES REPETIDORS
No es guarda nota d’un curs per l’altre de cap part d’aquesta assignatura i per tant els alumnes
repetidors hauran de fer el treball de nou.
4