INSTRUCCIONS 

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