Sunteți pe pagina 1din 56

KS

Mdulo VIII Diseo de Experimentos


Kaizen Sigma Consultores www.kaizensigma.com

Copyright by Kaizen Sigma.

KS

Contenido

Mdulo VIII: Diseo de Experimentos DOE Introduccin al Diseo de Experimentos


Aplicaciones tpicas del diseo experimental Definiciones bsicas Representacin geomtrica Notacin de Yates Aleatorizacin Ventajas de los diseos factoriales

Analizar Efectos

Procedimiento Minitab para DOE Factorial Crear diseo


Factoriales con Puntos centrales Factoriales con Rplicas Factoriales con Bloques
Factorial Completo Factorial Fraccionado

Anlisis de superficies/contornos: Optimizacin Optimi acin de resultados es ltados Tamao de muestra y potencia de la prueba Ejercicios e Interpretacin y conclusiones Diseos factoriales fraccionados
Fraccin mitad Fraccin cuarta Estructura de alias y confusin Resolucin de diseos fraccionados

Grfica de Efectos principales Grfica de Interacciones

Ejercicios, interpretacin y conclusiones

Correr experimento y meter datos en Minitab Analizar resultados


Pareto de efectos Grfica normal de efectos Grfica de residuales ANOVA y ecuacin de regresin

Copyright by Kaizen Sigma.

KS

Diseo de Experimentos

EL diseo de experimentos se puede definir como un conjunto de tcnicas estadsticas usadas para planear experimentos y analizar sus resultados resultados, de manera ordenada y eficiente. El diseo de experimentos es un enfoque planeado para determinar relaciones de causa y efecto. Puede aplicarse a cualquier proceso con entradas y salidas medibles. Existen tres principios bsicos a ser considerados en todo diseo y anlisis de un experimento:
1. El orden de los experimentos debe ser aleatorio 2. Es recomendable replicar cada experimento 3. Bloquear el efecto de variables que no se desea probar

Copyright by Kaizen Sigma.

KS

Diseo de Experimentos

Antes de empezar la experimentacin, se debe reducir la variabilidad del proceso mediante SPC en la medicin de la respuesta y controlar los factores del medio ambiente. ambiente Una buena regla del DOE es bloquear lo que se pueda y aleatorizar lo que no se pueda bloquear. Una de las decisiones mas difciles del DOE, adems de cules factores escoger, es a qu niveles analizarlos. Una regla general es establecer los niveles tan apartados como sea posible sin exceder los lmites operativos.

Copyright by Kaizen Sigma.

KS

Diseo de Experimentos

Aleatorizar el orden de corrida para satisfacer el requerimiento estadistico de independencia de observaciones b i y evitar it el l efecto f t de d variables i bl relacionadas con el tiempo (calentamiento, enfriamiento, fatiga, habilidad) El arreglo ortogonal balanceado significa que no hay correlacin entre los factores. Cuando un factor est en su nivel mnimo o mximo, los dems factores tienen el mismo i nmero de d menos y ms, por lo l que se cancela l su efecto. El efecto de un factor no est influenciado por los dems factores.

Copyright by Kaizen Sigma.

KS

Diseo de Experimentos

Como regla emprica, en la mayora de los procesos, solamente el 20% de los efectos principales e i t interacciones i de d dos d factores f t son significativas. i ifi ti La interaccin ocurre cuando el efecto de un factor depende del nivel del otro. Los residuales estn distribuidos normalmente y son independientes con varianza constante. El ANOVA son relativamente robustos a las desviaciones de normalidad y varianza constante.

Copyright by Kaizen Sigma.

KS

Definiciones bsicas

Variable de Respuesta (Y) : El resultado investigado como funcin de los factores ( (x) ) identificados . Y = f (x) Factores (x): Una variable del proceso que se puede fijar en diferentes niveles para observar el efecto en la variable de respuesta .

Nivel: Valor establecido en cual se prueban los factores .

Copyright by Kaizen Sigma.

KS

Definiciones bsicas

Factor fijo: si se asignan de manera especfica los niveles del factor, se dice que el factor es fijo. Las inferencias generalizadas para solamente aquellos factores. Los efectos son de inters. Factores aleatorios: si los niveles del factor se seleccionan al azar de una poblacin de valores, se dice que el factor es aleatorio. Los componentes p de variacin son de inters. Efecto: el cambio en la respuesta promedio en dos niveles de un factor o entre condiciones experimentales.

Copyright by Kaizen Sigma.

KS

Definiciones bsicas

Interaccin: Cuando el efecto de un factor en la variable de respuesta depende del nivel al que se fija otro factor . Este efecto se define como una interaccin. ( temperatura x tiempo de horneo )

Corrida o Tratamiento : La combinacin nica de los niveles de los factores durante el experimento .

Copyright by Kaizen Sigma.

KS

Definiciones bsicas

Aleatorizacin: Realizar las corridas en orden aleatorio para neutralizar el efecto de variables de ruido (d (desconocidas) id ) Bloqueo: Neutralizacin de variables conocidas Bloques: Niveles de variables conocidas que son neutralizadas Repeticin: realizar varias muestras durante una serie experimental p sin cambiar los niveles de los factores Replicacin: realizar el experimento completo cambiando los niveles de los factores

Copyright by Kaizen Sigma.

10

KS

Orden estndar de Yates

Copyright by Kaizen Sigma.

11

KS

Aleatorizacin de corridas

Copyright by Kaizen Sigma.

12

KS

Aplicaciones tpicas del DOE

1. Comparar a dos o ms proveedores del mismo material con el propsito de elegir al que mejor cumple los requerimientos 2 Proponer una mejor manera de operar el proceso con el objetivo 2. de reducir los defectos 3. Determinar los factores o fuentes de variabilidad que impactan la habilidad del proceso para cumplir con sus requerimientos ms importantes. 4. Localizar las condiciones de operacin (temperatura, velocidad, humedad, etc.) donde el proceso logra su desempeo ptimo 5 Hacer el proceso o producto insensible o robusto a oscilaciones de 5. variables ambientales. 6. Apoyar en el diseo o rediseo del producto o proceso para mejorar su desempeo

Copyright by Kaizen Sigma.

13

KS

Procedimiento General de Experimentacin

1. Definir el problema 2. Seleccionar las variables de respuesta (Y) 3 Verificar el estado de las mquinas en donde se va a experimentar 3. y registrar los niveles de los parmetros 4. Verificar el sistema de medicin 5. Reducir variacin mediante SPC 6. Seleccionar las variables de entrada (Factores) y sus niveles (X) 7. Determinar el tipo de diseo a utilizar y el nmero de rplicas, bloques y puntos centrales 8. Realizar las pruebas aleatoriamente 9. Analizar los resultados 10. Optimizar el proceso (En qu nivel deben estar los factores para obtener el resultado deseado). 11. Realizar pruebas de verificacin 12. Implantar el control estadstico y realizar estudio de capacidad
Copyright by Kaizen Sigma.

14

KS

Procedimiento General de Experimentacin


Factores controlados

Seleccionar las variables de entrada (Factores).

Entradas

PROCESO

Salidas

Factores no controlados Factores: un factor es una de las variables controladas o no controladas que se estudian en este experimento. -Un factor puede ser cuantitativo, ej: temperatura en grados, tiempo en segundos, etc. -Un factor tambin puede ser cualitativo, ej: diferentes mquinas, diferente operador, limpio o no limpio, etc.
15

Copyright by Kaizen Sigma.

KS

Procedimiento General de Experimentacin

Elegir los niveles de los Factores.


-Niveles muy amplios. -Objetivo: determinar las entradas vitales de un gran nmero de variables. -Establecer niveles definidos que incluyan los actuales. Nota: si variamos la entrada a los extremos aseguraremos ver un efectos en la salida si hay uno. -puede exagerar la variacin. -Ejemplos Ejemplos de valores definidos: definidos : -Cualitativos -Cuantitativos Mtodo A vs. B. Reactor 1 vs. Reactor 2. 5 minutos vs. 15 minutos. 30 psi vs. 60 psi
Copyright by Kaizen Sigma.

16

KS

Procedimiento General de Experimentacin


Diseos de Filtro: -usos: aislar los pocos vitales de los muchos triviales. -investiga investiga relativamente un gran nmero de factores (6-15) (6 15) con un nmero pequeo de series experimentales. Diseos de Caracterizacin: -usos: identificar las variables clave de poder. -investiga relaciones ms complejas entre un pequeo nmero de factores (2-6). -generalmente los experimentos de factoriales completos o diseos factoriales fraccionados de alta resolucin. Diseos de Optimizacin: -usos: definir las ventanas de operacin ptima de las variables clave (2-4) -Diseos de Factorial Completos y Superficie de Respuesta.
Copyright by Kaizen Sigma.

Seleccin del Diseo Experimental

17

KS

Procedimiento General de Experimentacin

Seleccin del Diseo Experimental


Diseos de filtro Factoriales fraccionados

2 k n
Diseos de Caracterizacin Factoriales completos

2k
Anlisis de Superficie de Respuesta

Diseos de Optimizacin

Copyright by Kaizen Sigma.

18

KS

Experimentos Factoriales Completos

Incluye todas las posibles combinaciones de los factores. El nmero de corridas se determina por 2k. donde 2 = # de niveles y k = # de factores. El patrn de las combinaciones se determina basado en un diseo de orden estndar. Permite cuantificar los efectos principales . Permite cuantificar las interacciones. Fcil de organizar y analizar . til con datos cuantitativos y datos cualitativos.

Copyright by Kaizen Sigma.

19

KS

Factorial completo

Factores 2 3 5 7 9 11 13 15

Niveles 2 2 2 2 2 2 2 2

Smbolo 2 2
2 3

Corridas 4 8 32 128 512 2,048 2 048 8,192 32,768

25 2 2 2 2 2
7 9

11 13

15

Copyright by Kaizen Sigma.

20

KS

Diseo 2 2

Este diseo incluye a dos factores A y B con dos niveles cada uno. Implica tener 4 combinaciones.
Factores Interaccin Codigo Rplicas Respuesta promedio

Prueba 1 2 3 4

A + +

B + +

AB + +

Comb (1) a b ab

y1

Y2

Copyright by Kaizen Sigma.

21

KS

Diseo 2 2

Efectos El efecto de un factor es el cambio en la respuesta cuando el factor cambia de su nivel bajo (-) a su nivel alto (+). (+)
A+ = B+ = a + ab 2 b + ab 2 (1) + ab 2 A = (1) + b 2 (1) + a 2 a+b 2

A= A+ A B = B+ B
+ AB= AB AB

B =

AB+ =

AB =

Copyright by Kaizen Sigma.

22

KS
Suma de cuadrados
Suma de cuadrados para cada factor:

Diseo 2 2

SSt = ( Efecto) 2 2k 2 n
Suma total de cuadrados:

y2 (Suma total)2 = (Cada dato) SST = yij N N


2

Suma de cuadrados del error:

SSE = SST SSt

Copyright by Kaizen Sigma.

23

KS

Diseo 2 2

Ejemplo. En el proceso de fabricacin de cierta pieza se desea determinar el efecto de 2 variables en cuanto a la duracin de la herramienta de corte. Factores:
A: Tipo de herramienta (0.0625, 0.125 pulg) B: Velocidad (40, 90 ft/min)

Respuesta:
Y: Ciclos

Copyright by Kaizen Sigma.

24

KS

Diseo 2 2

Resultados experimentales

Prueba 1 2 3 4

A -1 +1 -1 +1

B -1 -1 +1 +1

AB +1 -1 -1 +1

Comb -1 a b ab

y1 28 36 18 31

y2 25 32 19 30

y promedio 26.50 34.00 18.50 30.50

Copyright by Kaizen Sigma.

25

KS
Efecto de A
b ab
30.5

Diseo 2 2
A+ = A = a + ab 34 + 30.5 = = 32.25 2 2 (1) + b 26.5 +18.5 = 22.5 = 2 2

+1

18.5

A = A + A = 32 .25 22 .5 = 9.75
Efecto de A

B
Respuesta R Y

35.00 30.00 25.00 20.00 15.00 10.00

-1

26 5 26.5

34

(1)

5.00 0.00
- bajo A +alto

-1

+1

Copyright by Kaizen Sigma.

26

KS
Efecto de B
b ab
30.5

Diseo 2 2
B+ = B = b + ab 18.5 + 30.5 = = 24.5 2 2 (1) + a 26.5 + 34 = 30.25 = 2 2

+1

18.5

B = B + B = 24 .5 30 .25 = 5.75
B
35.00 30.00

Efecto de B

-1

26 5 26.5

Respuesta Y

34

25.00 20.00 15.00 10.00 5.00 0.00 - bajo B +alto

(1)

-1

+1

Copyright by Kaizen Sigma.

27

KS
Efecto de AxB
b ab
30.5

Diseo 2 2
(1) + ab 26.5 + 30.5 = = 28.5 2 2 a + b 34 +18.5 = = 26.25 2 2

AB+ = AB =

+1

18.5

AB = AB + AB = 28 .5 26 .25 = 2 .25
Efectos e interacciones 40.00

-1

26 5 26.5

34

35.00 30 00 30.00 25.00 20.00 15.00 10.00 5.00 0.00


- bajo B +alto

(1)

A - (Bajo) A + (alto)

-1

+1

Copyright by Kaizen Sigma.

28

KS
Coeficientes de regresin

Diseo 2 2

CR =

Efecto 2

CR A =

EfectoA 9.75 = = 4.875 2 2 EfectoB 5.75 CR B = = = 2.875 2 2 CR AB = EfectoAB 2.25 = = 1.125 2 2

Copyright by Kaizen Sigma.

29

KS

Diseo 2 2

Fuente de Suma de variacin cuadrados A SSA B SSB AB SSAB Error SSE Total SST

Grados de libertad a-1 b-1 (a-1)(b-1) ab(n 1) ab(n-1) abn-1

Cuadrado medio Cuadradomedi Fobs FTabl F Tablas MSEA=SSA/(a-1) MSEA/MSE F(alfa,a-1,abn-1) MSEB=SSB/(b-1) MSB/MSE F(alfa,b-1,abn-1) MSEAB=SSAB/(a-1)(b-1) MSEAB/MSE F(alfa,(a-1)(b-1),abn-1) MSE=SSE/ab(n-1) b(n 1)

Copyright by Kaizen Sigma.

30

KS
Suma de cuadrados para cada factor:

Diseo 2 2

Suma de cuadrados
2 k 2 2 22 2 SSt = ( Efecto f n = ( Efecto f n = ( Efecto f t) 2 t) 2 t) n

SS A = ( EfectoA ) 2 n = (9.752 )2 = 190.125 SS B = ( EfectoB ) 2 n = (5.752 )2 = 66.125 SS AB = ( EfectoAB ) 2 n = (2.252 )2 = 10.125

Copyright by Kaizen Sigma.

31

KS
Suma de cuadrados total

Diseo 2 2

SST =
SST =

y ij

y2 = N
y2 = N

( Cada dato )
(6275 )

( Suma

total) N

y ij

( 219 ) 2 = 279 . 875 8

Suma de cuadrados del error

SST SSE = SST SS A SS B SS AB = 279 . 875 190 . 125 66 .125 10 . 125 = 13 . 5

Copyright by Kaizen Sigma.

32

KS

Diseo 2 2

Fuente de Suma de Grados de Cuadrado variacin cuadrados libertad medio A 190.125 1 190.1 B 66.125 1 66.1 AB 10.125 1 10.1 Error 13.500 4 3.4 Total 279.875 7

Fobs F Tablas 56.3 7.71 A es factor significativo 19.6 7.71 B es factor significativo 3.0 7.71 La interaccion AB no es significativa

Copyright by Kaizen Sigma.

33

KS

Diseo 2 2

El coeficiente de determinacin R^2 mide la proporcion de la variacion total explicada por el modelo.

R2 =
R2 =

SS A + SS B + SS AB SST
190.125 + 66.15 + 10.125 = 0.952 279.875

Copyright by Kaizen Sigma.

34

KS
y = 0 + 1 x1 + 2 x 2 +
= y+ y Efecto 2
A

Diseo 2 2

El modelo de regresion codificado de un diseo factorial 2^2

x1 +

Efecto 2

x2

= 27 . 375 + y

9 . 75 5 . 75 x1 + x2 2 2

= 27 . 375 + 4 .875 x1 2 .875 x 2 y


x1 = A
A (A
+

+ A 2

A 2

x2 =

B
B

(B
+

+B 2

B 2

Copyright by Kaizen Sigma.

35

KS

Crear Diseo de Experimentos

Ejemplo DOE Factorial Completo con 2 factores y 2 rplicas Se desea analizar el efecto de dos factores en la cantidad de ciclos que trabaja cierta herramienta. Los factores y sus niveles son los siguientes:
Factores Broca Velocidad Cdigo A B Bajo 0,0625 40 Alto 0,125 90 Unidades In ft/min

Copyright by Kaizen Sigma.

36

KS

Crear Diseo de Experimentos


Estadsticas>DOE>Factorial>Crear diseo factorial

Copyright by Kaizen Sigma.

37

KS Resultado

Crear Diseo de Experimentos

Copyright by Kaizen Sigma.

38

KS

Correr Experimento y Meter Datos en Minitab

Resultado

Ciclos.xls
Copyright by Kaizen Sigma.

39

KS

Analizar Diseo de Experimentos


Estadsticas>DOE>Factorial>Analizar diseo factorial

Copyright by Kaizen Sigma.

40

KS Resultado
t 0.025,4
A

Analizar Diseo de Experimentos

Grfica de Pareto de efectos estandarizados


(la respuesta es Ciclos, Alfa = 0.05) 2 776 2.776
F actor A B N ombre Broca V elocidad

Trmino

=
AB

Efecto n2k 2 MSE


n=rplicas

3 4 5 Efecto estandarizado

Copyright by Kaizen Sigma.

41

KS

Pareto de Efectos
La Ho es que no hay efectos significativos (ninguno de los trminos son significativos) Por lo tanto, esperaramos que los Efectos sean 0 para apoyar a Ho La lnea roja es un lmite basado en nuestro nivel el cual establece una base para decir Todo lo que est mas all del lmite es diferente a 0

-Cul es la base de la lnea roja?

-El clculo de la lnea se basa en varios factores: Error experimental Nivel a Nmero total de series en el experimento Grados de libertad -Mientras reducimos el nmero de partes que queremos investigar, la posicin de la lnea roja tambin cambiar.

, DF(Error)

Copyright by Kaizen Sigma.

42

KS Resultado

Analizar Diseo de Experimentos

Grficas de residuos para Ciclos


Grfica de probabilidad normal
99 Porcentaje 90 50 10 1 -4 -2 0 Residuo 2 4
N 8 AD 0.201 Valor P 0.815

vs. ajustes
2 Residuo 1 0 -1 -2 20 24 28 Valor ajustado 32 36

Histograma
2.0 Frecuencia 1.5 1.0 0.5 0.0 2 1 0 -1 -2 -2 -1 0 Residuo 1 2 1 2

vs. orden

Residuo

3 4 5 6 Orden de observacin

Copyright by Kaizen Sigma.

43

KS Resultado

Analizar Diseo de Experimentos


Coef = Efecto 2

Coef de EE =
T = Coef. Coef. de EE

MCE n=rplicas n2k

Factores no significativos: p>0.05

R2 Pr ed = 1

PRESS SCT

Ecuacin de prediccin:
Ciclos = 29 + 62 .4 Broca 0.25 (Velocidad ) + 1.44 ( Broca * Velocidad )
Copyright by Kaizen Sigma.

44

KS

Efectos en Diseo de Experimentos


Estadsticas>DOE>Factorial>Grficas factoriales

Copyright by Kaizen Sigma.

45

KS

Efectos en Diseo de Experimentos

Grfica de cubos (medias de los datos) para Ciclos

18.5 90

30.5

Velocidad

26.5 40 0.0625 Broca

34.0 0.125

Copyright by Kaizen Sigma.

46

KS Resultado

Efectos en Diseo de Experimentos

Grfica de efectos principales para Ciclos


Medias de datos B oca Broca 32 Velocidad

30 Media

28

26 24

22 0.0625 0.1250 40 90

Copyright by Kaizen Sigma.

47

KS

Interacciones

La interaccin entre variables existe cuando el efecto de una variable depende del nivel de la otra variable. Si las lneas estn paralelas -No hay interacciones presentes Si las lneas estn sesgadas una hacia la otra o cruzando -Hay interacciones presentes

Copyright by Kaizen Sigma.

48

KS Resultado

Efectos en Diseo de Experimentos

Grfica de interaccin para Ciclos


Medias de datos 35 0 35.0 32.5 30.0 Media 27.5 25.0 22.5 20.0
Broca 0.0625 0.1250

40 Velocidad

90

Copyright by Kaizen Sigma.

49

KS

Anlisis de Superficies de Respuesta


Estadsticas>DOE>Factorial>Grficas de contorno/superficie

Copyright by Kaizen Sigma.

50

KS Resultado

Anlisis de Superficies de Respuesta

Grfica de contorno de Ciclos vs. Velocidad, Broca


90
Ciclos < 20.0 22.5 25.0 27.5 30.0 32.5 > 32.5

80

20.0 22.5 25.0 27.5 30.0

Velocidad

70

60

50

40

0.07

0.08

0.09 0.10 Broca

0.11

0.12

Copyright by Kaizen Sigma.

51

KS Resultado

Anlisis de Superficies de Respuesta

Grfica de superficie de Ciclos vs. Velocidad, Broca

35 30 Ciclos 25 20 60 0.06 0.08 Broca 0.10 0.12 40 80 Velocidad

Copyright by Kaizen Sigma.

52

KS

Optimizacin en Diseo de Experimentos


Estadsticas>DOE>Factorial>Optimizador de respuesta

Copyright by Kaizen Sigma.

53

KS

Optimizacin en Diseo de Experimentos

Resultado
ptimo Alto D Act 0.68000 Bajo Broca 0.1250 [0.1250] 0.0625 Velocida 90.0 [40.0] 40.0

Compuesto Conveniencia 0.68000

Ciclos Mximo y = 34.0 d = 0.68000

d=

34 0 = 0.68 50 0
Copyright by Kaizen Sigma.

54

KS

Tamao de muestra
Estadsticas>Potencia y tamao de la muestra>Diseo factorial de 2 niveles
2k

Copyright by Kaizen Sigma.

55

KS

Tamao de muestra

Curva de la potencia para Diseo factorial de 2 niveles


1.0
Reps, Pts ctrals por bloq 2, 0
S upuestos A lfa D esv .E st. N o. de factores N o. de puntos axiales N o. de bloques N o. de trminos omitidos 0.05 1.83712 2 4 ninguno 0

0.8

Potencia

0.6

0.4

0.2

0.0

-6

-4

-2

0 Efecto

Copyright by Kaizen Sigma.

56

KS

Puntos Centrales

Siempre hay un riesgo de perder la relacin curvilineal en los diseos de dos niveles al incluir solamente los dos niveles de la variable de entrada. El agregar puntos centrales es una forma eficiente de probar la curvatura sin agregar un gran nmero de series experimentales y para revisar el proceso como nominal. Ejemplo: -Un Ingeniero Qumico desea mejorar la produccin: -Hay dos entradas de inters: Tiempo de reaccin y Temperatura de Reaccin. -El Ingeniero g decide realizar un experimento p usando un diseo 2^2 ( (Tiempo p de reaccin y temp. de reaccin) pero agregar 5 puntos centrales para calcular el error experimental y la curvatura. -Entradas: Temperatura de Reaccin: 150 y 160; punto central= 155 Tiempo de Reaccin: 30 y 40; punto central= 35
Copyright by Kaizen Sigma.

57

KS

Crear Diseo de Experimentos

Ejemplo DOE Factorial Completo con 2 factores y 2 rplicas


Factores Temperatura Tiempo Cdigo A B Bajo 150 30 Alto 160 40 Unidades oC Minutos

Corrida 1 2 3 4 5 6 7 8 9

A 150 160 150 160 155 155 155 155 155

B 30 30 40 40 35 35 35 35 35

Yield 39.3 40.9 40 41.5 40.3 40.5 40.7 40.2 40.6

Yield
Copyright by Kaizen Sigma.

58

KS

Crear Diseo de Experimentos


Estadsticas>DOE>Factorial>Crear diseo factorial

Copyright by Kaizen Sigma.

59

KS Resultado

Crear Diseo de Experimentos

Yield

Copyright by Kaizen Sigma.

60

KS

Correr Experimento y Meter Datos en Minitab

Resultado

Yield.xls
Copyright by Kaizen Sigma.

61

KS

Analizar Diseo de Experimentos


Estadsticas>DOE>Factorial>Analizar diseo factorial

Copyright by Kaizen Sigma.

62

KS Resultado
t 0.025,4
A

Analizar Diseo de Experimentos

Grfica de Pareto de efectos estandarizados


(la respuesta es Yield, Alfa = 0.05) 2 776 2.776
F actor A B N ombre Temperatura Tiempo

Trmino

=
AB

Efecto n2k 2 MSE


n=rplicas

3 4 5 Efecto estandarizado

Copyright by Kaizen Sigma.

63

KS Resultado

Analizar Diseo de Experimentos

Grficas de residuos para Yield


Grfica de probabilidad normal
99 Porcentaje 90 50 10 1 -0.4 -0.2 0.0 Residuo 0.2 0.4
N 9 AD 0.460 Valor P 0.196

vs. ajustes
0.2 Residuo 0.1 0.0 -0.1 -0.2 39.5 40.0 40.5 41.0 Valor ajustado 41.5

Histograma
4.8 Frecuencia Residuo 3.6 2.4 1.2 0.0 -0.3 -0.2 -0.1 0.0 Residuo 0.1 0.2 02 0.2 0.1 0.0 -0.1 -0.2 1 2

vs. orden

3 4 5 6 7 Orden de observacin

Copyright by Kaizen Sigma.

64

KS Anlisis

Puntos Centrales

La curvatura no es significativa

Copyright by Kaizen Sigma.

65

KS

Efectos en Diseo de Experimentos


Estadsticas>DOE>Factorial>Grficas factoriales

Copyright by Kaizen Sigma.

66

KS

Efectos en Diseo de Experimentos

Grfica de efectos principales para Yield


Medias de datos 41.25 41.00 40.75 Media 40.50 40.25 40.00 39.75 39.50 150 155 160 30 35 40 Tempe at a Temperatura Tiempo
Tipo de Ti d punto Esquina C entro

Copyright by Kaizen Sigma.

67

KS Resultado

Efectos en Diseo de Experimentos

Grfica de interaccin para Yield


Medias de datos 41.5
Temperatura 150 155 160 Ti de Tipo d punto Esquina C entro Esquina

41.0

Media

40.5

40.0

39.5

39.0 30 35 Tiempo 40

Copyright by Kaizen Sigma.

68

KS

Efectos en Diseo de Experimentos

Grfica de cubos (medias de los datos) para Yield


Punto central Punto factorial

40.00 40

41.50

Tiempo

40.46

39.30 30 150 Temperatura

40.90 160

Copyright by Kaizen Sigma.

69

KS

Optimizacin en Diseo de Experimentos


Estadsticas>DOE>Factorial>Optimizador de respuesta

Copyright by Kaizen Sigma.

70

KS

Optimizacin en Diseo de Experimentos

Resultado
ptimo Alto D Act 0.83000 Bajo Temperat 160.0 160.0 150.0 Tiempo 40.0 40.0 30.0

Compuesto Conveniencia 0.83000

Yield Mximo y = 41.5000 d = 0.83000

d=

41.5 0 = 0.83 50 0
Copyright by Kaizen Sigma.

71

KS

Tamao de muestra
Estadsticas>Potencia y tamao de la muestra>Diseo factorial de 2 niveles
2k

Copyright by Kaizen Sigma.

72

KS

Tamao de muestra

Curva de la potencia para Diseo factorial de 2 niveles


1.0
Reps, Pts ctrals por bloq 2, 5
S upuestos A lfa D esv .E st. N o. de factores N o. de puntos axiales N o. de bloques N o. de trminos omitidos P untos centrales 0.05 0.207364 2 4 ninguno 0 S

0.8

Potencia

0.6

Trminos incluidos en el modelo

0.4

0.2

0.0

-0.50

-0.25

0.00 Efecto

0.25

0.50

Copyright by Kaizen Sigma.

73

KS Diseo de Experimentos Factoriales Fraccionados

Copyright by Kaizen Sigma.

74

KS

Anlisis DOE
Factoriales fraccionados

Proyeccin de Diseos

2 k n
Estudios de Caracterizacin Factoriales completos

2k
Anlisis de Superficie de Respuesta

Estudios de Optimizacin

Copyright by Kaizen Sigma.

75

KS

Diseos Factoriales Fraccionados

El uso principal de Factoriales Fraccionados es para evaluar un nmero relativamente grande de factores en un nmero relativamente pequeo de series Al aumentar el nmero de factores, tambin lo hace el nmero de series -2x2 Factorial= 4 series -2x2x2 Factorial= 8 series -2x2x2x2 Factorial= 16 series -etc.. Si el experimentador puede asumir que las interacciones de orden mayor no son significativas, es posible hacer una fraccin del factorial completo y todava poder obtener buenos clculos de interacciones de bajo orden

Copyright by Kaizen Sigma.

76

KS

Diseos Factoriales Fraccionados

La notacin general para designa un diseo de factorial fraccionado es:

k es el l nmero d de f factores t ai investigar ti 2 k-p es el nmero de series R es la resolucin EJEMPLO: la designacin de abajo significa cuatro factores que van a investigarse en 2(3) = 8 series. Este Diseo es de Resolucin IV

Copyright by Kaizen Sigma.

77

KS

Diseos Factoriales Fraccionados

La tabla de abajo es una representacin expandida de un diseo factorial de 2(3)

Supongamos que queremos investigar cuatro variables de entrada pero no podemos realizar series extras Como todos los contrastes son independientes podemos asignar cualquier interaccin como el contraste p para q que represente p la cuarta variable Usualmente seleccionamos la interaccin de mayor orden y la reemplazamos con un factor adicional En este caso, cuando reemplazamos la interaccin AxBxC con el Factor D, decimos que ABC se ali con D
Copyright by Kaizen Sigma.

78

KS

Diseos Factoriales Fraccionados

La nueva matriz de diseo se ve as:

Esta es una media fraccin de un diseo 2^4 En lugar de 16 series, necesitamos solamente 8 series para evaluar 4 factores Esto se considera como un Diseo de Resolucin IV
Copyright by Kaizen Sigma.

79

KS

Diseos Factoriales Fraccionados

Podemos llamar a esto una media fraccin ya que un Factorial 2^4 completo nos llevara 16 series para completar. Aqu podemos calcular 4 factores en 8 series. Pero hay un costo: perdimos la interaccin de mayor orden. Cuando valoramos l que t lo tenemos que perder, d utilizamos tili el l concepto t d de resolucin: l i Diseos de Resolucin III: los efectos principales se aliaron con interacciones de dos factores Diseos de Resolucin IV: los efectos principales se aliaron con interacciones de tres factores las interacciones de dos factores se aliaron con interacciones de dos f t factores Diseos de Resolucin V: los efectos principales se aliaron con interacciones de cuatro factores las interacciones de dos factores se aliaron con interacciones de tres factores.
Copyright by Kaizen Sigma.

80

KS

Diseos Factoriales Fraccionados


Estadsticas>DOE>Factorial>Crear diseo factorial

Copyright by Kaizen Sigma.

81

KS

Diseos Factoriales Fraccionados

Copyright by Kaizen Sigma.

82

KS

Diseos Factoriales Fraccionados

Factorial completo Fraccin mitad Fraccin cuarta Fraccin octava

24
51 25-1

4 factores con 16 corridas 5 factores con 16 corridas (25-1=24 corridas) 6 factores con 16 corridas (26-2=24 corridas) 7 factores con 16 corridas (27-3=24 corridas)

26-2 27-3

1 k 2 = 2 p 2k = 2k 2 p = 2k p p 2
Copyright by Kaizen Sigma.

83

KS

Crear Diseo de Experimentos

Ejemplo DOE Factorial Fraccionado con 5 factores y fraccin mitad con 3 rplicas. Se desea analizar el efecto de diferentes factores en la calidad de cierto tipo de fotografa. Los factores y sus niveles son los siguientes:
Factores Apertura Exposicion Revelado Espesor Tiempo
Calidad.xls
84

A B C D E

Bajo Chica -20 30 Chica 14.5

Alto Grande 20 45 Grande 15.5

Unidades Tamao Lumen Calidad Tamao Seg

Copyright by Kaizen Sigma.

KS

Crear Diseo de Experimentos

Estadsticas>DOE>Factorial>Crear diseo factorial

Copyright by Kaizen Sigma.

85

KS

Crear Diseo de Experimentos

Estadsticas>DOE>Factorial>Crear diseo factorial

Copyright by Kaizen Sigma.

86

KS Resultado

Crear Diseo de Experimentos

Copyright by Kaizen Sigma.

87

KS

Correr Experimento y Meter Datos en Minitab

Resultado

Calidad.xls
Copyright by Kaizen Sigma.

88

KS

Analizar DOE

Estadsticas>DOE>Factorial>Analizar diseo factorial

Copyright by Kaizen Sigma.

89

KS Resultado
t 0.025,32
A D B BD DE AD

Analizar DOE

Grfica de Pareto de efectos estandarizados


(la respuesta es Calidad, Alfa = 0.05) 2 037 2.037
F actor A B C D E N ombre A pertura E xposicion Rev elado E spesor Tiempo

Trmino

AE C E CD AB BC BE CE AC

Efecto n2k 2 MSE

3 4 Efecto estandarizado

Copyright by Kaizen Sigma.

90

KS Resultado

Analizar DOE

Grficas de residuos para Calidad


Grfica de probabilidad normal
99 Porcentaje 90 50 10 1 -0.30 -0.15 0.00 Residuo 0.15 0.30
N 48 AD 0.506 Valor P 0.193

vs. ajustes
02 0.2 Residuo

0.0

-0.2 7.2 7.4 7.6 7.8 Valor ajustado 8.0

Histograma
12 Frecuencia Residuo 9 6 3 0 -0.3 -0.2 -0.1 0.0 Residuo 0.1 0.2 0.2

vs. orden

0.0

-0.2 1 5 10 15 20 25 30 35 Orden de observacin 40 45

Copyright by Kaizen Sigma.

91

KS Resultado

Analizar DOE

Copyright by Kaizen Sigma.

92

KS Resultado

Analizar DOE

Copyright by Kaizen Sigma.

93

KS

Analizar DOE

Copyright by Kaizen Sigma.

94

KS

Reduccin de DOE

Estadsticas>DOE>Factorial>Analizar diseo factorial

Copyright by Kaizen Sigma.

95

KS Resultado

Reduccin de DOE

Grficas de residuos para Calidad


Grfica de probabilidad normal
99 Porcentaje 90 50 10 1 -0.30 -0.15 0.00 Residuo 0.15 0.30
N 48 AD 0.781 Valor P 0.040

vs. ajustes
0.2

Residuo

0.0

-0.2 7.4 7.6 7.8 Valor ajustado 8.0

Histograma
0.2 8 Frecuencia Residuo 6 4 2 0 -0.3 -0.2 -0.1 0.0 Residuo 0.1 0.2 0.0

vs. orden

-0.2

10

15 20 25 30 35 Orden de observacin

40

45

Copyright by Kaizen Sigma.

96

KS Resultado
t 0.025,41
A

Reduccin de DOE

Grfica de Pareto de efectos estandarizados


(la respuesta es Calidad, Alfa = 0.05) 2 020 2.020
F actor A B D E N ombre A pertura E xposicion E spesor Tiempo

GL(Error)
Trmino

D B BD DE E 0 1 2 3 4 Efecto estandarizado 5 6

Efecto n2k 2 MCE

Copyright by Kaizen Sigma.

97

KS Resultado

Reduccin de DOE

Copyright by Kaizen Sigma.

98

KS

Reduccin de DOE

Copyright by Kaizen Sigma.

99

KS

Reduccin de DOE

Copyright by Kaizen Sigma.

100

KS

Efectos DOE
Estadsticas>DOE>Factorial>Grficas factoriales

Copyright by Kaizen Sigma.

101

KS Resultado

Efectos DOE

Grfica de efectos principales para Calidad


Medias de datos
A pertura 7.74 7.68 7.62 7.56 Exposicion Revelado

Media

7.50 C hica Espesor 7.74 7.68 7.62 7.56 7.50 C hica Grande 14.5 15.5 Grande -20 Tiempo 20 30 45

Copyright by Kaizen Sigma.

102

KS Resultado

Efectos DOE

Grfica de interaccin para Calidad


Medias de datos
-20 20 20 30 45 Chica Grande 14 5 14.5 15 5 15.5 7.8 Apertura 7.6 7.4 7.8 Exposicion 7.6 7.4 7.8 Revelado 7.6 74 7.4 7.8 Espesor 7.6 7.4

A pertura C hica Grande Exposicion -20 20 Revelado 30 45 Espesor C hica Grande

Tiempo

Copyright by Kaizen Sigma.

103

KS Resultado

Efectos DOE

Grfica de cubos (medias de los datos) para Calidad


7.50667 7.63333 7.52000 7.63333

7.94667 7.79000 15.5

7.40000 7.73333

Tiempo

7.68667 14.5 7.52000 20

7.20333 7.64667

Exposicion

7.80667 8.07000 45 Revelado 30 Chica Apertura Grande Chica Espesor Grande 7.29000

7.62333

-20

Copyright by Kaizen Sigma.

104

KS

Anlisis de Superficies de Respuesta


Estadsticas>DOE>Factorial>Grficas de contorno/superficie

Copyright by Kaizen Sigma.

105

KS Resultado

Anlisis de Superficies de Respuesta

Grfica de superficie de Calidad vs. Tiempo, Exposicion


Valores de retencin A pertura C hica Espesor C hica

7.8 7.7 C alidad 7.6 75 7.5 15.0 -20 0 Exposicion 14.5 15.5 T iempo

20

Copyright by Kaizen Sigma.

106

KS Resultado

Anlisis de Superficies de Respuesta

Grfica de contorno de Calidad vs. Tiempo, Exposicion


15.4
Calidad < 7.5 75 7.5 7.6 7.6 7.7 7.7 7.8 > 7.8 Valores de retencin A pertura C hica Espesor C hica

15.2 Tiempo

15.0

14 8 14.8

14.6 -20 -10 0 Exposicion 10 20

Copyright by Kaizen Sigma.

107

KS

Optimizacin en Diseo de Experimentos


Estadsticas>DOE>Factorial>Optimizador de respuesta

Copyright by Kaizen Sigma.

108

KS

Optimizacin en Diseo de Experimentos

Resultado
ptimo Alto D Act 0.35007 Bajo Apertura Grande Grande Chica Exposici 20.0 [-20.0000] -20.0 Espesor Grande Chica Chica Tiempo 15.50 [14.50] 14.50

Compuesto Conveniencia 0.35007

Calidad Mximo y = 8.0502 d = 0.35007

d=

8.0502 7 = 0.35007 10 7
Copyright by Kaizen Sigma.

109

KS

Tamao de muestra
Estadsticas>Potencia y tamao de la muestra>Diseo factorial de 2 niveles
2 k 1

Copyright by Kaizen Sigma.

110

KS

Tamao de muestra
Estadsticas>Potencia y tamao de la muestra>Diseo factorial de 2 niveles
Curva de la potencia para Diseo factorial de 2 niveles
1.0
Reps, Pts ctrals por bloq 3, 0
S upuestos A lfa Desv .E st. N o. de factores N o. de puntos axiales N o. de bloques N o. de trminos omitidos 0.05 0.138143 5 16 ninguno 0

0.8

Potencia

0.6

04 0.4

0.2

0.0

-0.15

-0.10

-0.05

0.00 0.05 Efecto

0.10

0.15

Copyright by Kaizen Sigma.

111

KS
Preguntas? Muchas gracias

Copyright by Kaizen Sigma.

112