Documente Academic
Documente Profesional
Documente Cultură
Preparado por:
Cpk-Ingenieros, S.L.
Diciembre 2013
DISEÑO ESTADÍSTICO DE EXPERIMENTOS
Con agradecimiento….
permitieron ayudarles.
ÍNDICE
VEZ” 5
NIVELES .................................................................................................................... 8
35
alternativa.
Por esta razón, la experimentación puede ser también muy útil para la resolución
producto. En la actualidad el producto apenas supera las 200 uf , mientras que los
1
clientes requieren que dicha característica supere claramente ese valor. Para ello
• Los rangos en los que pueden operar los factores anteriores son:
o Concentración: 30%.
o Catalizador: tipo A.
1
Uf = unidades ficticias.
Más información en www.cpk-ingenieros.com Página - 5
Las posturas eran enconadas y nadie daba su brazo a torcer. Por fin alguien tuvo
acusaran de loco, aclaró que lo que quería decir es que la única solución pasa por
D
35 C
G F E30
25
50 45 40 35 30 B
25
20
A
factor a la vez. Por esta razón acordaron documentarse sobre el tema y reanudar
1.3.1. TERMINOLOGÍA
Para resolver el problema planteado, se pueden aplicar los diseños factoriales,
• Matriz del diseño: Es una matriz en la que las filas hacen referencia a los
distintos ensayos a realizar, las columnas a los distintos factores que
intervienen y las celdas indican los niveles en los que hay que situar cada
uno de los factores en los distintos experimentos.
porque cada factor puede tomar dos niveles, y se llaman “completos” porque se
ensayan todos los niveles de los factores. Por lo tanto, si el diseño tiene k
23=8 ensayos.
Cada nivel se codifica “-1” el inferior y “+1” el superior, simplemente “-” y “+”. Otra
Uno de los aspectos más difíciles es la fijación de los niveles de los factores
realizarse con los niveles suficientemente separados como para que se pueda
apreciar el efecto del factor, pero no demasiado de modo que haya una falta de
FACTORES NIVELES
BAJO ALTO
T Temperatura 160 °C 180 °C
C Concentración 20% 40%
K Catalizador A B
Tabla 1: Fijación de los niveles de los factores
Factores
Exp. T C K
1 160 20 A
2 180 20 A
3 160 40 A
4 180 40 A
5 160 20 B
6 180 20 B
7 160 40 B
8 180 40 B
Tabla 2: Matriz del diseño
Factores
Exp. T C K
1 -1 -1 -1
2 1 -1 -1
3 -1 1 -1
4 1 1 -1
5 -1 -1 1
6 1 -1 1
7 -1 1 1
8 1 1 1
Tabla 3: Matriz del diseño en forma codificada
es muy útil para la operativa. Todas las columnas empiezan en “-”. La primera
que se escriben los ensayos no presupone que los ensayos tengan que realizarse
en ese orden. Todo lo contrario, el orden de los ensayos debe ser aleatorizado, de
APLICACIÓN MINITAB
Minitab dispone de la opción Stat->DOE->Factorial->Create
Factorial design que simplifica enormemente las tareas
anteriores. Con la opción Stat->DOE->Factorial->Modify design
se puede personalizar los nombres y niveles de los factores.
Con la opción Stat->DOE->Factorial->Display design se puede
optar por presentar la matriz de diseño en orden estándar o
Más información en www.cpk-ingenieros.com Página - 11
Exp. T C K Resp.
1 -1 -1 -1 60
2 1 -1 -1 72
3 -1 1 -1 54
4 1 1 -1 68
5 -1 -1 1 52
6 1 -1 1 83
7 -1 1 1 45
8 1 1 1 80
Tabla 4
Los datos se encuentran en el fichero NOVOMAT1.MTW
54 68
80
45
C+
K-
K+
C- 60 72
T- T+
52 83
Figura 2: Diagrama de “Cubo”
decir:
1
T= [(72 − 60) + (68 − 54 ) + (83 − 52 ) + (80 − 45)] = 23
4
Es fácil comprobar que el efecto de un factor se puede calcular sin más que
sumar la columna de los valores de respuesta, afectados por el signo del nivel del
factor y divididos entre 4 (número de ensayos dividido entre 2). Por esta razón
Diagrama de interacciones
Respuesta
81,5
B
70
A
57
48,5
la temperatura teniendo sólo en cuenta la cara del cubo que corresponde a una
Catalizador A:
1
TK C + = [(72 − 60) + (68 − 54 )] = 13
2
Catalizador B:
1
TK C − = [(83 − 52 ) + (80 − 45)] = 33
2
1
TK = (33 − 13) = 10
2
calcular sin más que sumar la columna de los valores de respuesta, afectados por
el signo del producto de las columnas de niveles de los factores, dividido entre 4
1 -1 -1 -1 1 1 1 -1 60 64,25 Media
2 1 -1 -1 -1 -1 1 1 72 23 T
3 -1 1 -1 -1 1 -1 1 54 -5 C
4 1 1 -1 1 -1 -1 -1 68 1,5 TC
5 -1 -1 1 1 -1 -1 1 52 1,5 K
6 1 -1 1 -1 1 -1 -1 83 10 TK
7 -1 1 1 -1 -1 1 -1 45 0 CK
8 1 1 1 1 1 1 1 80 0,5 TCK
Tabla 5: Tabla de cálculo de los efectos
2
Corresponde a los efectos que tengan signo “+”.
Más información en www.cpk-ingenieros.com Página - 16
APLICACIÓN MINITAB
Minitab dispone de varias opciones gráficas para ayudar a
visualizar los datos y los efectos. La opción Stat->DOE-
>Factorial->Factorials Plot permite dibujar los diagramas de
las figuras siguientes.
Obsérvese en el diagrama de interacciones (ver Figura 6) la
fuerte interacción que existe entre la concentración y la
temperatura.
54 83
45 68
1
C 80 72
1
K
60 52
-1 -1
-1 1
T
-1 1 -1 1 -1 1
72
68
Respuesta
64
60
56
T C K
DIAGRAMA DE INTERACCIONES
-1 1 -1 1
T
70
1
60
-1
50
C
70
1
60
-1
50
factor (o interacción de factores, según corresponda), o del azar. Para ello hay
de regresión y debe ser corregido por la recta que pasa por los puntos próximos a
0 (pequeños y por tanto no significativos. Estos puntos son los que marcan la
1.5 A: T
AB B: C
C: K
1.0
C
0.5
Normal Score
0.0
-0.5
-1.0
-1.5
-5 0 5 10 15
Effect
Figura 7: Papel probabilístico para ver qué efectos son significativos. opción Stat->DOE-
>Factorial->Analyze Factorial design
1.5 A: T
AB B: C
C: K
1.0
C
0.5
Normal Score
0.0
-0.5
-1.0
-1.5
-5 0 5 10 15
Effect
Este método se basa en suponer que las interacciones de orden superior (orden
tres en este caso) no son significativas y por tanto pueden realizar contrastes con
la Figura 9
A: T
B: C
AB C: K
BC
AC
ABC
0 5 10 15
Figura 9: Diagrama de Parte para ver qué efectos son significativos. opción Stat->DOE-
>Factorial->Analyze Factorial design
del factor (por ser suma de cuatro variables aleatorias independientes, cada una
4 2
σ Ef2 . =
σ
N
donde N es el número de ensayos. Una vez conocido σEF se puede ver el nivel de
23 5 10
y = 64,25 + T − C + TK
2 2 2
x % − 30
Lx =
20
Más información en www.cpk-ingenieros.com Página - 22
De esta manera es posible saber cuales son los factores e interacciones que
influyen en la respuesta y en qué dirección hay que modificarlos para mejorar esa
respuesta.
APLICACIÓN MINITAB
Ya se ha visto cómo Minitab calcula los efectos y coeficientes. Con la opción Stat-
unidades reales. En este caso los coeficientes que da Minitab no coinciden con
40 55
60
65
70
75
30
C
20
160 170 180
T
Hold values: K: 0.0
Figura 10: Diagrama de superficies de nivel. Opción Stat->DOE->Factorial->Contour / Surface
(Wireframe) Plots
70
Respuesta 60
40
50
160
30
C
170 20
T 180
arrastra las piezas a una cabina dónde se le chorrea un producto químico. Hasta
la cantidad de luz reflejada en una dirección determinada por una probeta tratada
espejo. Esto se basa en la idea de que cuanto más rugosa es la capa depositada
(A) y sugería la utilización del (B) pese a que este es bastante más caro.
Con esta información se pretende planificar los ensayos para mejorar el proceso.
Ejemplo 4: Parte 1
Ejemplo 4: Parte 2
Los efectos significativos serían la velocidad V y la interacción entre la cantidad
6,75 19,25
Calidad de acabado = 37,13 + V+ VC
2 2
V −5 C − 100
reemplazar en la ecuación anterior V por y C por respectivamente.
6−4 110 − 90
2 2
Para confirmar la significación de los efectos y dado que se aprecia una falta de
ajuste del modelo, se realiza una segunda réplica de los ensayos con los
Ejemplo 4: Parte 3
Los resultados de la segunda réplica junto con los nuevos cálculos se incluyen en
la tabla siguiente:
72 ⎛ 1 1 ⎞
Var = = 9 Var efecto = ⎜ + ⎟9 = 2,25; σ Efecto = 1,50
8 ⎝ 8 8 ⎠
⎧ (x + m)λ − 1)
x (λ ) ⎪
= ⎨ (λ ≠ 0) (∀x x > −m )
λ
⎪⎩ ln(x + m ) (λ = 0) (m > 0)
lim x ( λ ) = ln(x + m )
λ →0
n
1
L(λ ) = − ln(σ 2 (λ ) ) + (λ − 1)∑ ln(xi )
n i =1
Donde:
1 n 2
σ 2 (λ ) = ∑ (x ( λ ) − x ( λ ) )
n i =1
Figura 12).
TRANSFORMACIÓN DE BOX-COX
SELECCIÓN DEL LAMBDA ÓPTIMO
-100
Verosimilitud
-200
lambda Verosimilitud
-2.00 -304.427
-1.50 -221.758
-1.00 -153.238
-0.50 -105.654
-300 0.00 -81.808
-77.440
0.25
0.50 -77.475
0.37 1.00 -86.631
-2 -1 0 1 2 1.50 -105.244
2.00 -131.009
lambda
indicadas en la Tabla 8.
APLICACIÓN MINITAB
Menú Stat->Control Charts->Box-Cox Transformation. Los datos
se encuentran en el fichero DatosNoNormales.MTW. La respuesta
proporcionada por MINITAB es la indicada en la Figura 14, en
la que se indica λ=0.113 como el valor óptimo. Una vez
transformados los datos, se puede comprobar su normalidad
mediante un histograma (ver Figura 15) o un papel
30
Frecuencia
20
10
2 4 6 8 10 12 14 16 18 20 22
Espesores
30
20
10
0
-5 -4 -3 -2 -1 0 1 2 3 4 5
Lambda
20
Frecuencia
10
ML Estimates
Mean 1.18537
99
StDev 0.0832140
95
90 Goodness of Fit
80 AD* 0.291
Percent
70
60
50
40
30
20
10
5
vistos hasta ahora sería preciso realizar nada menos que 27 = 128. Este número
• 3 efectos principales: T, C y K.
• 7 efectos principales.
diseño anterior:
AC se les denomina generadores del diseño. En este caso, con 23= 8 ensayos se
el número de generadores.
Ya hemos visto que el precio que se paga es confundir efectos de los nuevos
D y E respectivamente queda:
ABD=DD=I; ACE=EE=I;
ABD=ACE=I
por la relación de definición más corta, tres en este caso. Esto quiere decir que el
existen publicadas tablas con los diseños más adecuados para cada situación.
Más información en www.cpk-ingenieros.com Página - 36
esta manera se pueden explorar muchos factores a la vez. Tras este primer
se puede seguir los ensayos con menos factores y concatenando con los ya
realizados. Una vez detectados cuales son los factores clave, se puede terminar
optimización.
2^4Completo.MTW):
15 220 80 12 51
10 240 80 12 85
15 240 80 12 78 (*)
A: Carga Ca
B B: Temp
C: Presión
BD D: Conc.
1
Normal Score
-1
D
0 10 20
Effect
4
Figura 17: Efectos significativos en el ensayo factorial completo 2
Term Coef
Constant 44.3333
Carga Ca 55.9333
Temp 0.500000
Presión 1.73333
Conc. -3.00000
Carga Ca*Temp -0.263333
Carga Ca*Presión -0.566667
Carga Ca*Conc. -7.06667
Temp*Presión -0.0100000
Temp*Conc. -0.00833333
Presión*Conc. -0.350000
Carga Ca*Temp*Presión 0.00266667
Carga Ca*Temp*Conc. 0.0316667
Carga Ca*Presión*Conc. 0.0733333
Temp*Presión*Conc. 0.00166667
Carga Ca*Temp*Presión*
Conc. -0.000333333
De este estudio, se deduce que los efectos significativos son: el catalizador (A), la
(BD).
1.5 A: Carga Ca
B B: Temp
C: Presión
1.0 D: Conc.
AC + BD
0.5
Normal Score
0.0
-0.5
D
-1.0
A
-1.5
-10 -5 0 5 10 15 20 25
Effect
4-1
Figura 18: Efectos significativos en el ensayo de media fracción 2
Alias Structure
I + Carga*Temp*Presión*Conc.
Carga + Temp*Presión*Conc.
Temp + Carga*Presión*Conc.
Presión + Carga*Temp*Conc.
Conc. + Carga*Temp*Presión
Carga*Temp + Presión*Conc.
Carga*Presión + Temp*Conc.
Carga*Conc. + Temp*Presión
(salvo la ambigüedad del alias) y los valores de los efectos concuerdan bien.
pudieran realizarse más de cuatro ensayos en el mismo día, es lógico pensar que
aleatorizan en los dos días, podría ocurrir que se dieran tres o cuatro ensayos en
pudieran hacer más de dos experimentos diarios (con lo que se requeriría cuatro
“bloque de 4 niveles”.
Para que los factores estén equilibrados dentro de cada bloque se asignan
empleado para generar nuevos factores en los diseños fraccionales. Por ejemplo,
confundiéndolo con la interacción de tercer orden ABC. La matriz del diseño sería:
Bloque = ABC
equilibrio de cada uno de los bloques. Es decir, el primer día tiene dos
generadores (y por lo tanto dos grados de libertad). Por ejemplo, podrían ser:
Generador 1 =AB
Generador 2 =AC
Obsérvese que los cuatro días están equilibrados y en ninguno de ellos se repite
los ensayos que corresponden a cada uno de los niveles. La máxima a tener en
resolución. Para facilitar esta tarea existen tablas publicadas y los paquetes de
• A: Temperatura.
• B: Presión.
• C: Concentración.
• D: Velocidad de agitación.
Se pretende realizar un diseño factorial completo 24 = 16 experimentos. Existe la
limitación de que cada día solo pueden realizarse 8 experimentos. Por esta razón
APLICACIÓN MINITAB
Stat->Doe->Factorial->Create Factorial. En el cuadro de
diálogo se selecciona “2-level factorial (default generator”,
“4 factores” y en “Designs” se selecciona el diseño factorial
completo y 2 bloques.
Bloque = ABCD
BLOQUE 1
BLOQUE 2
80 65 70 96
48 65 45 104
1
Presión 68 60 75 86
1
45 71 Concent. 43 100
-1 -1
-1 1
Temp
-1 Vel. 1
Alias Structure
I
Blocks = Temp*Presión*Concent.*Vel.
Temp
Presión
Concent.
Vel.
Temp*Presión
Temp*Concent.
Temp*Vel.
Presión*Concent.
Presión*Vel.
Concent.*Vel.
residuos.
explicativa es:
A: Temp
A B: Presión
C: Concent.
D: Vel.
1 AD
D
Normal Score
-1
AC
-5 0 5
Standardized Effect
BLOQUE 1 BLOQUE 2
Residual
-5
2 4 6 8 10 12 14 16
Observation Order
5. ESTRATEGIA EXPERIMENTAL
5.1. ESTRATEGIA SECUENCIAL. ENSAYOS DE “SCREENING”.
PLANIFICACIÓN DE LOS ENSAYOS.
Por definición, al principio de la experimentación se conoce del proceso menos
bajo nivel de resolución (por ejemplo III ó IV) o incluso saturados. También
respuesta es nula o muy baja. Por esta razón han de escogerse los niveles
Una vez realizado este primer grupo de ensayos es posible que sea necesario
continuarse el plan de ensayos descartando los factores inertes, en una zona más
entre el nivel alto y bajo de cada factor. A partir de ahí puede continuarse con la
SELECCIONAR FACTORES Y
DEFINIR BLOQUES
REALIZAR ENSAYO DE
"SCREENING" (FACTORIAL
FRACCIONAL O
PLACKETT-BURMANN
NO
؟CONFUSIONES EN
EFECTOS?
SI
ENSAYOS COMPLEMENTARIOS
(POR EJ. OTRA MEDIA FRACCION)
OPTIMIZACION: METODO
SUPERFICIE RESPUESTA
diferentes:
segundo bloque se podrían excluir los ensayos que sean debidos a factores que
no intervengan en la confusión.
una investigación sobre el tiempo de respuesta del ojo humano. Para ello se
obtenidos:
A B C D E F G Tiempo
-1 -1 -1 1 1 1 -1 85.5
1 -1 -1 -1 -1 1 1 75.1
-1 1 -1 -1 1 -1 1 93.2
1 1 -1 1 -1 -1 -1 145.4
-1 -1 1 1 -1 -1 1 83.7
1 -1 1 -1 1 -1 -1 77.6
-1 1 1 -1 -1 1 -1 95
1 1 1 1 1 1 1 141.8
C -0.275 -0.137
D 28.875 14.438
E -0.275 -0.138
F -0.625 -0.313
G -2.425 -1.212
A: A
B B: B
C: C
D D: D
1 E: E
BD F: F
AE G: G
Normal Score
AG
-1
C
AF
0 10 20 30 40
Effect
APLICACIÓN MINITAB
Stat->Doe->Modify Design. En este cuadro de diálogo se puede
seleccionar diversas opciones (en este caso “Fold design”.
A B C D E F G Tiempo
1 1 1 -1 -1 -1 1 91.3
-1 1 1 1 1 -1 -1 136.7
1 -1 1 1 -1 1 -1 82.4
-1 -1 1 -1 1 1 1 73.4
1 1 -1 -1 1 1 -1 94.1
-1 1 -1 1 -1 1 1 143.8
1 -1 -1 1 1 -1 1 87.3
-1 -1 -1 -1 -1 -1 -1 71.9
D 29.875 14.938
E 0.525 0.262
F 1.625 0.813
G 2.675 1.337
Se puede confirmar que los efectos significativos son los mismos que en el caso
anterior.
interacciones:
Para romper la confusión entre las interacciones de segundo orden y sería preciso
realizar más ensayos. Sin embargo parece lógico pensar que si B y D son
APLICACIÓN MINITAB
Si se combinan ambos bloques y se analizan conjuntamente, se
obtiene la misma estimación de los efectos. En el gráfico de
la Figura 24, puede comprobarse que el efecto de bloque no es
significativo.
A: A
B B: B
C: C
D D: D
1 E: E
BD F: F
AE G: G
Normal Score
AG
-1
C
AF
0 10 20 30 40
Effect
Figura 24: Estudio de los efectos significativos combinando los dos bloques