INSTITUTO TECNOLÓGICO

SUPERIOR DE SAN MARTÍN

TEXMELUCAN
INGENIERÍA INDUSTRIAL 4A – ESTADÍSTICA INFERENCIAL II

EJERCICIO DE DISEÑO DE DOS FACTORES – ELECTRONES DE ALTA-ENERGIA EN LA DUREZA DEL METAL Y

CREMOSO DEL JABON.
DOCENTE: ING. LETICIA JURADO ARIAS
ELABORARON:
• CRISTIAN AYALA ARZUBIDE 21270007
• BRENDA ALONSO TAPIA 21270016
• NADIA FERNANDEZ GUERRERO 21270018 FECHA DE ELABORACIÓN: 20 DE MAYO, 2023
 Subject
Designs with two factors and multiple replications are a critical tool in industrial engineering for evaluating and improving process and system
efficiency. These designs extend two-factor designs by allowing for multiple replications.
The importance of designs with two factors and multiple replications lies in their ability to simultaneously assess and quantify the effects of
two factors, as well as the interactions between them. This enables an understanding of how different variables or factors influence the
outcome or performance of a system.
These designs find application in various areas within industrial engineering, such as manufacturing, logistics, quality, and product design.
Some of their applications include:
1.Process optimization: Designs with two factors and multiple replications help identify optimal factor combinations that maximize process or
system performance. This aids in enhancing efficiency and reducing costs in industrial production.
2.Quality analysis: These designs are useful for assessing the impact of specific factors on product or service quality. For instance, they can
determine how variations in temperature and pressure affect the strength of a material.
3.Time and motion study: In the realm of industrial engineering, designs with two factors and multiple replications are employed to analyze
and optimize time and motion in production processes. This helps identify bottlenecks and improve operational efficiency.
4.Experimental design: These designs are fundamental in designing and analyzing experiments in industrial engineering. They enable the
control and measurement of the effects of multiple factors simultaneously, providing valuable insights for decision-making and continuous
improvement. 2
Planteamiento
del problema
Efectos del agua de la glicerina y
agua desionizada o no des
ionizada
 Datos:

23/05/2023 4
 Organización de los datos para su
transferencia a Minitab:

• Ho: r11 = r12 = … = rj = 0

• Ha: a1 = a2 = … = aj = 0

De este modo entonces comencemos a realizar lo que sigue, lo cuál es el organizar los
datos siguiendo la estructura y pasar esta información a Minitab siguiendo los
siguientes pasos:

23/05/2023 5
 Este paso es de suma importancia pues al crear el diseño factorial podremos definir los
factores que afectan al proceso que se desea estudiar, esto de la manera que sigue:

23/05/2023 6
23/05/2023 7
23/05/2023 8
23/05/2023 TÍTULO DE LA PRESENTACIÓN 9
23/05/2023 10
23/05/2023 11
 Método de rechazo:
1. Para probar si el modelo aditivo vale se prueba la hipótesis nula de que todas las interacciones son
iguales a 0:

2. Si esta hipótesis nula es verdadera, el modelo aditivo vale. 2. Para probar si la media del resultado es
igual para todos los niveles del factor renglón, se prueba la hipótesis nula de que todos los efectos renglón
son iguales a 0:

3.Si esta hipótesis nula es verdadera, entonces la media del resultado es igual para todos los niveles del
factor renglón. 3. Para probar si la media del resultado es igual para todos los niveles del factor columna, se
prueba la hipótesis nula de que todos los efectos columna son iguales a 0:

Si esta hipótesis nula es verdadera, entonces la media del resultado es igual para todos los niveles del
factor columna.
23/05/2023 12
 Método de rechazo:
Método del Valor-P:
• a = 0.05
• Valor-P = x

Regla de rechazo para los renglones:

• Valor P = 0.011
• Se acepta la Ho dado que de esta forma se concluye que si es aditiva ( 0.011< 0.05 )

Regla de rechazo para catalizadores:

• Valor P = 0.005
• Se acepta la Ho dado que de esta forma se concluye que si es aditiva ( 0.005 < 0.05 )

Conclusión: Una vez estudiado el presente caso podemos notar que las pruebas si valen y son aditivas, por lo que habría que
considerar los factores presentes en el agua y el tipo de agua para determinar el nivel de espuma, siendo de este modo que cuando la
glicerina se encuentra presente, los niveles de espuma son más grandes, en este mismo modo se concluye que, si se desea obtener una
reacción en específico habría que considerar diversos factores del tipo de agua, ya habría que realizar otros experimentos viendo el
comportamiento bajo ciertas condiciones ambientales para otra conclusión.
23/05/2023 13
 Preguntas adicionales:
1. ¿Es creíble el modelo aditivo? Proporcione el valor del estadístico de prueba y el P-valor. -
Todo depende del resultado, más sin embargo se puede decir que si creíble dadas las
similitudes entre los datos.
2. ¿Puede describirse el efecto del tipo de agua en la cantidad de espuma al interpretar los
efectos principales del tipo de agua? Si es así, interprételos. Si no, explique por qué. - Puede
que si, solo habría que cambiar el factor de interés, más sin en cambio el crear un diseño de
dos factores para conocer la cantidad de espuma es difícil ya que no solo tiene que ver con la
glicerina o el tipo de agua. Recordemos que si una prueba no es aditiva no se puede predecir
ningún dato, más sin en cambio si es aditiva se puede predecir pero de forma individual a
cada factor, no a un conjunto.
4. ¿Puede describirse el efecto de glicerina en la cantidad de espuma interpretando los
efectos principales de glicerina? Si es así, interprételos. Si no, explique.- Si, al contar con la
glicerina en el agua existe un alto índice de espuma en mL dado que si vemos, los datos
cuando esta esta presente es mayor sin importar si es de llave o desionizada.

23/05/2023 14
Planteamiento
del problema
¿La carga energética afecta a los
metales?
 Datos:

23/05/2023 16
 Organización de los datos para su
transferencia a Minitab:

• Ho: r11 = r12 = … = rj = 0

• Ha: a1 = a2 = … = aj = 0

De este modo entonces comencemos a realizar lo que sigue, lo cuál es el organizar los
datos siguiendo la estructura y pasar esta información a Minitab siguiendo los
siguientes pasos:

23/05/2023 17
 Este paso es de suma importancia pues al crear el diseño factorial podremos definir los
factores que afectan al proceso que se desea estudiar, esto de la manera que sigue:

23/05/2023 18
23/05/2023 TÍTULO DE LA PRESENTACIÓN 19
23/05/2023 TÍTULO DE LA PRESENTACIÓN 20
23/05/2023 TÍTULO DE LA PRESENTACIÓN 21
23/05/2023 TÍTULO DE LA PRESENTACIÓN 22
23/05/2023 TÍTULO DE LA PRESENTACIÓN 23
23/05/2023 TÍTULO DE LA PRESENTACIÓN 24
 Método de rechazo:
1. Para probar si el modelo aditivo vale se prueba la hipótesis nula de que todas las interacciones son
iguales a 0:

2. Si esta hipótesis nula es verdadera, el modelo aditivo vale. 2. Para probar si la media del resultado es
igual para todos los niveles del factor renglón, se prueba la hipótesis nula de que todos los efectos renglón
son iguales a 0:

3.Si esta hipótesis nula es verdadera, entonces la media del resultado es igual para todos los niveles del
factor renglón. 3. Para probar si la media del resultado es igual para todos los niveles del factor columna, se
prueba la hipótesis nula de que todos los efectos columna son iguales a 0:

Si esta hipótesis nula es verdadera, entonces la media del resultado es igual para todos los niveles del
factor columna.
23/05/2023 25
 Método de rechazo:
Método del Valor-P:
• a = 0.05
• Valor-P = x

Regla de rechazo para los renglones:

• Valor P = 0.001
• Se acepta la Ho dado que de esta forma se concluye que si es aditiva ( 0.001< 0.05 )

Regla de rechazo para catalizadores:

• Valor P = 0.000
• Se acepta la Ho dado que de esta forma se concluye que si es aditiva ( 0.000< 0.05 )

Conclusión: El presente problema nos plantea el hecho de que determinados factores para electrones de alta energía pueden
influir en la dureza de los metales, y al concluir que las pruebas si valen y son aditivas habría que variar la energía con la que los mismos
electrones se mueven para crear materiales más resistentes o en su defecto con una mayor maleabilidad.

23/05/2023 26
 Preguntas adicionales:
1. ¿Es creíble el modelo adictivo? Depende, ya que el valor-p varia mucho dependiendo los
factores, ahora que si hay similitudes en estos, estos si pueden ser creíbles.

2. ¿Puede describirse el efecto de la velocidad de viaje sobre la dureza interpretando los

efectos principales de la velocidad de viaje? Podría ser, ya que solamente se tendrían que
evaluar bien las velocidades obtenidas y del mismo modo cambiar algunas.

3. ¿Puede describirse el efecto de voltaje de aceleración de la dureza interpretando los

efectos principales de voltaje de aceleración? Si ya que como tenemos los datos hay
velocidades más altas.

23/05/2023 27
 Conclusión general:
Dada la interacción de los datos se puede concluir que hay que además de resaltar las
relaciones entre las variables, permite que sean aislados y analizados por separado a los
efectos de la manipulación de una sola variable. Se ha visto que permiten a los
investigadores buscar interacciones entre variables independientes, definiendo una
interacción como el resultado en el que los efectos de una manipulación experimental
dependen de la manipulación experimental de otra variable independiente y bueno en estos
casos que fue para ver los factores con los efectos que del agua ionizada además de
emplear las pruebas de rechazo para ver si son aditivas y ver el comportamiento de los
valores con las graficas de estas aguas y con ello sirvió para emplear esos distintos
métodos.

23/05/2023 28
 Referencias.
Rodó, P. (2020, junio 23). Valor-p. Economipedia. https://economipedia.com/definiciones/valor-p.html
Mendoza, J. (2021, febrero 1). Tabla ANOVA: ¿qué es y para qué se utiliza? Estadisticamente.com.
https://estadisticamente.com/tabla-anova-que-es-y-para-que-se-utiliza-el-analisis-de-la-varianza/
del factor B, es D. A. en L. Q. I. S. dos F. S. Q. H. a. N. P. el F. A. y. b. N., & De tratamientos, C. R. del E. C. T. las
P. C. (s/f). Diseños factoriales con dos factores. Ugr.es. Recuperado el 23 de mayo de 2023, de
https://wpd.ugr.es/~bioestad/wp-content/uploads/Factorial-dos-factores.pdf

23/05/2023 29