EJERCICIOS FASE DE MEJORA BB

Abril 2009

P. Reyes /

PREGUNTAS:
1. Cul es el propsito de la fase de mejora?

2. Cules son los entregables de la fase de mejora? Dar un ejemplo.

a. Identificacin de mejores niveles de operacin

b. Generacin
Creatividad

de

alternativas

de

solucin,

usar

mtodos

c. Evaluacin de alternativas de solucin con diagrama de rbol:

Pgina 1 de 22

de

EJERCICIOS FASE DE MEJORA BB

Abril 2009

P. Reyes /

DISEOS DE EXPERIMENTOS FACTORIALES COMPLETOS

1. Diseo de experimentos factorial completo: Se estudia el
rendimiento de un proceso qumico (Y), donde se piensa que los factores
que mayor influencia tienen son la temperatura y la presin (X1, X2).
Se disea un experimento factorial completo con dos rplicas y tomando
tres niveles
en cada factor como se muestra en la tabla de rendimientos.
Hacer los anlisis de la significancia de cada factor a un 5% de significancia.
PRESION
(psig)
TEMP.
150
160
170

200
90.4
90.2
90.1
90.3
90.5
90.7

215
90.7
90.6
90.5
90.6
90.8
90.9

230
90.2
90.4
89.9
90.1
90.4
90.1

a) Generar el diseo
PASO 1. GENERAR EL DISEO FACTORIAL DE ACUERDO AL
EXPERIMENTO
Stat > DOE > Factorial > Create Factorial Design
Type of Design: General Full Factorial Design
Number of factors 2
Designs: Factor A Name Temp
Levels 3
Factor B Name Presion Levels 3
Number of Replicates
2
Options

Quitar seleccin de randomize runs OK

Factors Introducir los niveles para TEMP. 200 215 230

PRESIN 150 160 170
OK
PASO 2. CARGA DE DATOS DE LA COLUMNA DE RESPUESTA
CORRESPONDIENTE A CADA
COMBINACION DE FACTORES DESPUS QUE MINITAB GENERO EL
DISEO O ARREGLO
Ver diseo con Stat > DOE > Display Design
Seleccionar Standard order for design
Uncoded Units
OK
NOTA: Coded units muestra 1, 2 y 3
Pgina 2 de 22

EJERCICIOS FASE DE MEJORA BB

Abril 2009

StdOrder
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18

RunOrder
10
12
3
9
6
15
8
13
2
14
1
7
4
11
18
16
5
17

PtType
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1

P. Reyes /

Blocks
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1

Temp

Presion
200
200
200
215
215
215
230
230
230
200
200
200
215
215
215
230
230
230

150
160
170
150
160
170
150
160
170
150
160
170
150
160
170
150
160
170

PASO 3. ANALIZAR EL MODELO DEL DISEO DE EXPERIMENTOS

FACTORIAL COMPLETO
Stat > DOE > Factorial > Analyze Factorial Design
Response Seleccionar la columna de Rendimiento
Terms
Pasar todos los trminos a Selected con >> OK
Graphs

Residuals for Plots standardized

Seleccionar Residual plots: Normal y vs fits OK

Results

ANOVA table, Unusual observations

Seleccionar todos los trminos con >> OK

OK

b) Determinar si el modelo es adecuado por medio de los residuos

Pgina 3 de 22

Rendimien
to
90.4
90.1
90.5
90.7
90.5
90.8
90.2
89.9
90.4
90.2
90.3
90.7
90.6
90.6
90.9
90.4
90.1
90.1

EJERCICIOS FASE DE MEJORA BB

Abril 2009

P. Reyes /

c) Por medio de los P values en la tabla ANOVA, identificar los factores

significativos as como las interacciones siginificativas

General Linear Model: Rendimiento versus Temperatura, Presion

Factor
Type Levels Values
Temperatura fixed
3 200, 215, 230
Presion
fixed
3 150, 160, 170

Analysis of Variance for Rendimiento, using Adjusted SS for Tests

Source
DF Seq SS Adj SS Adj MS
F
P
Temperatura
2 0.76778 0.76778 0.38389 21.59 0.000 Significativo
Presion
2 0.30111 0.30111 0.15056 8.47 0.009
Temperatura*Presion 4 0.06889 0.06889 0.01722 0.97 0.470
Error
9 0.16000 0.16000 0.01778
Total
17 1.29778

S = 0.133333 R-Sq = 87.67% R-Sq(adj) = 76.71%

d) Obtener las grficas factoriales para identificar las mejores condiciones

de operacin
PASO 4. OBTENER LAS GRFICAS FACTORIALES PARA IDENTIFICAR
LAS MEJORES CONDICIONES DE OPERACIN
Stat > DOE > Factorial > Factorial Plots
Seleccionar Main effects e Interaction Plots
Setup para ambas: En Response seleccionar Rendimiento
y con >> seleccionar todos los factores OK

Pgina 4 de 22

EJERCICIOS FASE DE MEJORA BB

Abril 2009

P. Reyes /

Seleccionar Data Means OK

De aqu se seleccionan los mejores niveles de acuerdo al resultado deseado.
Si la interaccin es significativa, los mejores niveles se seleccionan de las
grficas de interacciones, de otra forma se seleccionan de las grficas de
efectos de los factores principales.
Main Effects Plot for Rendimiento
Data Means
Temp

90.7

Presion

Mean

90.6

90.5

90.4

90.3

90.2
200

215

230

150

160

170

Para maximizar el rendimiento se selecciona:

Presin = 170 psig
Temperatura = 215C

Interaction Plot for Rendimiento

Data Means
90.9

Temp
200
215
230

90.8
90.7

Mean

90.6
90.5
90.4
90.3
90.2
90.1
90.0
150

160
Presion

170

2. Se est estudiando el rendimiento para un proceso industrial, los dos

factores de inters son temperatura y presin. Se utilizan tres niveles de
cada factor, con los resultados siguientes:

Pgina 5 de 22

EJERCICIOS FASE DE MEJORA BB

Abril 2009

P. Reyes /

Presin en libras / pulg. 2

Temperat
ura

250

260

270

20

86.3

84

85.8

86.1

85.2

87.3

88.5

87.3

89

89.4

89.9

90.3

89.1

90.2

91.3

91.7

93.3

93.7

40
60

Temperatura

Rendimie
Presion nto

20

250

86.3

20

260

84

20

270

85.8

40

250

88.5

40

260

87.3

40

270

89

60

250

89.1

60

260

90.2

60

270

91.3

20

250

86.1

20

260

85.2

20

270

87.3

40

250

89.4

40

260

89.9

40

270

90.3

60

250

91.7

60
60

260
270

93.3
93.7

Para un nivel alfa de 0.05

a) Determinar los valores P correspondientes a los factores principales y las
interacciones
y establecer conclusiones
b) Hacer una prueba de normalidad de los residuos estandarizados
d) Determinar los efectos de los factores principales y de las interacciones
Pgina 6 de 22

EJERCICIOS FASE DE MEJORA BB

Abril 2009

P. Reyes /

e) Obtener las grficas factoriales e identificar en cuales seleccionar los

diferentes niveles
f) Si se quiere maximizar el rendimiento, en que niveles conviene operar el
proceso?

3. Johnson y Leone describen un experimento realizado para investigar la

torcedura de placas de cobre. Los dos factores estudiados fueron la
temperatura y el contenido de cobre de las placas.
La variable de respuesta fue de una medida de la cantidad de torcedura.
Los datos fueron los siguientes:
Contenido de cobre
(%)
Temperatura
40
60
(C)
50
17, 20
16, 21

80

100

24, 22

28, 27

75

12, 9

18, 13

17, 12

27, 31

100

16, 12

18, 21

25, 23

30, 23

125

21, 17

23, 21

23, 22

29, 31

a) A un nivel de significancia del 5% identificar si hay los factores o las

interacciones son significativas
b) Obtener los residuos y hacer una prueba de normalidad, comentar la
adecuacin del modelo
c) Determinar los efectos de los factores principales y de las interacciones
d) Obtener las grficas factoriales e identificar en cuales seleccionar los
diferentes niveles
e) Si se quiere minimizar la torcedura, en que niveles conviene operar el
proceso?
f) Suponga que no es sencillo controlar la temperatura en el medio
ambiente donde van a usarse las placas de cobre Este hecho modifica la
respuesta que se dio en el inciso d?
4. Los factores que influyen para el esfuerzo a la ruptura de una fibra
sinttica estn siendo estudiados 4 maquinas de produccin y tres
operadores son escogidos y un experimento factorial es realizado y usando
la fibra de los mismos lotes de produccin, con los siguientes resultados.

Pgina 7 de 22

EJERCICIOS FASE DE MEJORA BB

Abril 2009

P. Reyes /

MAQUIINA
OPERADOR
JUAN
PEDRO
JORGE

109

110

108

110

110

115

109

108

110

110

111

114

112

111

109

112

116

112

114

120

114

115

119

117

a) A un nivel de significancia del 5% identificar si hay los factores o las

interacciones son significativas
b) Obtener los residuos y hacer una prueba de normalidad, comentar la
adecuacin del modelo
c) Determinar los efectos de los factores principales y de las interacciones
d) Obtener las grficas factoriales e identificar en cuales seleccionar los
diferentes niveles
e) Si se quiere maximizar la resistencia a la ruptura en que niveles debe
operar el proceso?
5. El porcentaje de la concentracin de madera dura en la pulpa bruta, la
presin de la cuba y el tiempo de coccin de la pulpa se investiga en cuanto
a sus efectos sobre la resistencia del papel. Se seleccionan tres niveles de la
concentracin de madera dura, tres niveles de la presin y dos tiempos de
coccin. Se lleva a cabo un experimento factorial con dos rplicas,
obtenindose los siguientes datos:
% concentracin
de la madera
2
4

Tiempo de coccin 3.0

Presin

Tiempo de coccin 4.0

Presin

400

500

650

400

500

650

196.6
196
198.5

197.7
196
196

199.8
199.4
198.4

198.4
198.6
197.5

199.6
200.4
198.7

200.6
200.9
199.6

197.2

196.9

197.6

198.1

198

199

197.5
195.6
197.4
197.6
197
198.5
196.6
196.2
198.1
198.4
197.8
199.8
a) A un nivel de significancia del 5% identificar si hay los factores o las
interacciones son significativas
b) Obtener los residuos y hacer una prueba de normalidad, comentar la
adecuacin del modelo

Pgina 8 de 22

EJERCICIOS FASE DE MEJORA BB

Abril 2009

P. Reyes /

c) Determinar los efectos de los factores principales y de las interacciones

d) Obtener las grficas factoriales e identificar en cuales seleccionar los
diferentes niveles
e) Si se quiere maximizar la resistencia del papel en que niveles debe
operar el proceso?

6. Se quiere maximizar el rendimiento de un proceso:

Velocidad de
alimentacion
pulg/min
0.2

0.25

0.3

Profundidad de corte
0.15

0.18

0.2

0.25

74

79

82

99

64

68

88

104

60

73

92

96

92

98

99

104

86

104

108

110

88

88

95

99

99

104

108

114

98

99

110

111

102

95

99

107

a) A un nivel de significancia del 5% identificar si hay los factores o las

interacciones son significativas
b) Obtener los residuos y hacer una prueba de normalidad, comentar la
adecuacin del modelo
c) Determinar los efectos de los factores principales y de las interacciones
d) Obtener las grficas factoriales e identificar en cuales seleccionar los
diferentes niveles
e) Si se quiere maximizar el rendimiento en que niveles debe operar el
proceso?

Pgina 9 de 22

EJERCICIOS FASE DE MEJORA BB

Abril 2009

P. Reyes /

DISEOS DE EXPERIMENTOS DE TAGUCHI

7. Variable de respuesta viscosidad, el mayor valor es deseado.
A
B
C
D
E

Factores
Mezcla de hule crudo
no
Curado
24 hrs.
Velocidad de prensado
55 m/min
Enfriamiento del tambor
Secado con vapor envolvente
no
Interaccin ExD
Interaccin DxC

Nivel I

Nivel II
si
no
50m/min

con agua

sin agua
si

Arreglo ortogonal y resultados

N
1
2
3
4
5
6
7
8

E
1
1
1
1
2
2
2
2

D
1
1
2
2
1
1
2
2

ExD
1
1
2
2
2
2
1
1

C
1
2
1
2
1
2
1
2

B
1
2
1
2
2
1
2
1

DxC
1
2
2
1
1
2
2
1

A
1
2
2
1
2
1
1
2

Resultado
1620
1580
1100
1150
1500
1560
1000
1020

Solucin con Minitab se crea el arreglo con:

1. Disear el arreglo ortogonal definiendo las columnas para los factores
principales y las interacciones, en este caso:
Col.
1
A
1
1
1
1
2
2
2
2

Col.
2
C
1
1
2
2
1
1
2
2

Col. Col.
3
4
AxC
B
1
1
1
2
2
1
2
2
2
1
2
2
1
1
1
2

Col. Col. Col.

5
6
7
AxB CxB
D
1
1
1
2
2
2
1
2
2
2
1
1
2
1
2
1
2
1
2
2
1
1
1
2

2. Reconocer el arreglo en Minitab con:

Stat > DOE > Taguchi > Define Custom Taguchi Design
Factors A B C D
OK
Pgina 10 de 22

EJERCICIOS FASE DE MEJORA BB

Abril 2009

Pgina 11 de 22

P. Reyes /

EJERCICIOS FASE DE MEJORA BB

Abril 2009

P. Reyes /

Esta columna es el resultado de los experimentos:

A
1
1
1
1
2
2
2
2

C
1
1
2
2
1
1
2
2

AxC
1
1
2
2
2
2
1
1

B
1
2
1
2
1
2
1
2

AxB
1
2
1
2
2
1
2
1

CxB
1
2
2
1
1
2
2
1

D
1
2
2
1
2
1
1
2

Yi
11.2
10.8
7.2
7.0
8.0
6.9
10.4
10.1

3. Analizar el diseo con:

Con Minitab
Stat > DOE > Taguchi > Analyze Taguchi Design
Response data in Yi
Analysis. Fit linear model for Signal to Noise Ratios Means
Graphs: Signal to Noise Ratios Means
Terms: A B C D
Analysis graphs: Residuals for plots Standardized
Residual Plots
Individual plots Normal plot
Options: Smaller is better
Storage: Signal to Noise Ratios Means
OK
Los resultados son los siguientes:
Establecer conclusiones
4. Predecir la respuesta con Minitab
Stat > DOE > Taguchi > Predict Taguchi Results
Predict Mean Signal to Noise Ratio
Terms: A C D E
Levels: Seleccionar Coded Units Select levels from a list: A = 1, B = 2, C = 2, D=1
OK

8.

Una caracterstica de calidad importante para un cierto producto metlico es el

terminado, que se mide segn su planicidad en milsimas de pulgada (mmplg). Esta
caracterstica se piensa es afectada por los siguientes factores:

Pgina 12 de 22

EJERCICIOS FASE DE MEJORA BB

Abril 2009

Factor
A
B
C
D
G
H
AxC
AxD

P. Reyes /

Descripcin
Temperatura del horno
Presin de prensado
Velocidad de recocido
Velocidad de alimentacin ref.
Tipo de modelo
Templabilidad del material
Interaccin
Interaccin

Nivel 1
1500 F
200 psi
8 seg
80 gal/min
chico
25 Rc

Nivel 2
1600 F
220 psi
12 seg
100gal/min
grande
30 Rc

Los factores G y H son factores que no se pueden controlar durante el proceso, ya

que el tipo de modelo depende del requerimiento especfico del cliente y la
templabilidad es una caracterstica de la materia prima. Estos dos factores se
consideran al menos inicialmente como factores de ruido.
Por lo tanto, se consideran como factores de diseo a los factores A, B, C y D.
De acuerdo con esto, lo que se desea saber es cules deben ser las condiciones de
operacin o niveles de los factores de diseo A, B, C y D, que lleven el producto a la
caracterstica objetivo y adems con la mnima variabilidad, a pesar de las variaciones
en los factores G y H.

Arreglo interno
Considere nicamente los factores de diseo, se desea detectar 6 efectos en total, y
para ello, se requiere de un arreglo ortogonal L8. La grfica lineal requerida es:

3
1 A

.2

5 A xC

AxD

6
7

La columna correspondiente a la lnea punteada se utilizar para cuantificar el error.

Una posible asignacin es:

Pgina 13 de 22

EJERCICIOS FASE DE MEJORA BB

Abril 2009

A
1

B
2

e
3

C
4

P. Reyes /

AxC
5

AxD
6

D
7

Este ser el arreglo

interno y consiste de 8
condiciones
experimentales/renglones

Arreglo externo
Considere ahora nicamente los factores de ruido G y H. Se requieren de dos
columnas, de manera que un arreglo ortogonal L4 es suficiente. El arreglo, al que
llamaremos arreglo externo es:

N
1
2
3
4

G
1
1
1
2
2

H
2
1
2
1
2

3
1
2
1
1

Observe que no se asigna efecto alguno a la columna 3, la cual queda libre.

Arreglo total
Los dos arreglos anteriores se mezclan o combinan en un solo arreglo total, tal y
como se muestra:

H
G
N
1
2
3
4
5
6
7
8

A
1
1
1
1
1
2
2
2
2

B
2
1
1
2
2
1
1
2
2

e
3
1
1
2
2
2
2
1
1

C
4
1
2
1
2
1
2
1
2

AxC
5
1
2
1
2
2
1
2
1

AxD
6
1
2
2
1
1
2
2
1

D
7
1
2
2
1
2
1
1
2

Pgina 14 de 22

1
1
1

2
2
1

2
1
2

1
2
2

1
Y11
Y21
Y31
Y41
Y51
Y61
Y71
Y81

2
Y12
Y22
Y32
Y42
Y52
Y62
Y72
Y82

3
Y13
Y23
Y33
Y43
Y53
Y63
Y73
Y83

4
Y14
Y24
Y34
Y44
Y54
Y64
Y74
Y84

EJERCICIOS FASE DE MEJORA BB

Abril 2009

P. Reyes /

Las 32 lecturas son las siguientes:

1
1
1

H
G
N
1
2
3
4
5
6
7
8

A
1
1
1
1
1
2
2
2
2

B
2
1
1
2
2
1
1
2
2

e
3
1
1
2
2
2
2
1
1

C
4
1
2
1
2
1
2
1
2

AxC
5
1
2
1
2
2
1
2
1

AxD
D
6
7
1
1
2
2
2
2
1
1
1
2
2
1
2
1
1
2
Totales=

1
1.1
1.2
2.0
2.1
1.0
1.2
1.6
1.5
11.7

2
2
1

2
1
2

1
2
2

2
3
4
1.2
1.3
1.1
1.3
1.2
1.3
2.1
2.2
2.1
2.2
2.1
2.0
1.4
1.2
1.3
1.3
1.5
1.0
2.1
2.4
2.0
2.0
2.3
2.5
13.6 14.2 13.3

Solucin con Minitab se crea el arreglo con:

1. Disear el arreglo ortogonal definiendo las columnas para los factores
principales y las interacciones, en este caso:
FACTORES DE CONTROL
A
B
e
C
AxC AxD
D
1
1
1
1
1
1
1
1
1
1
2
2
2
2
1
2
2
1
1
2
2
1
2
2
2
2
1
1
2
1
2
1
2
1
2
2
1
2
2
1
2
1
2
2
1
1
2
2
1
2
2
1
2
1
1
2
2. Reconocer el arreglo en Minitab con:
Stat > DOE > Taguchi > Define Custom Taguchi Design
Factors A B C D
OK
Estas columnas es el resultado de los experimentos:
FACTORES DE
CONTROL
A
B
e
1
1
1
1
1
1
1
2
2
1
2
2
2
1
2
2
1
2
2
2
1
2
2
1
3. Analizar el diseo

C
AxC AxD
1
1
1
2
2
2
1
1
2
2
2
1
1
2
1
2
1
2
1
2
2
2
1
1
con:

D
1
2
2
1
2
1
1
2

COMB.
RUIDO
H1_
G1
1.1
1.2
2
2.1
1
1.2
1.6
1.5

Con Minitab

Pgina 15 de 22

FACTORES DE
H2_
G1
1.2
1.3
2.1
2.2
1.4
1.3
2.1
2

H1_
G2
1.3
1.2
2.2
2.1
1.2
1.5
2.4
2.3

H2_
G2
1.1
1.3
2.1
2
1.3
1
2
2.5

EJERCICIOS FASE DE MEJORA BB

Abril 2009

P. Reyes /

Stat > DOE > Taguchi > Analyze Taguchi Design

Response data in H1_G1
H2_G1
H1_G2
H2_G2
Analysis. Fit linear model for Signal to Noise Ratios Means
Graphs: Signal to Noise Ratios Means
Terms: A B C D
Analysis graphs: Residuals for plots Standardized
Residual Plots
Individual plots Normal plot
Options: Nominal is Best Seleccionar Use adjusted formula for nominal is
best
Storage: Signal to Noise Ratios Means
OK
Los resultados son los siguientes (al 0.2 de nivel de significancia):
Suponga que por alguna razn para este ejemplo en particular, se tiene un valor deseado de
m= 2 mmplg.
4. Predecir la respuesta con A = 1 y B = 1.5 se tiene:
Stat > DOE > Taguchi > Predict Taguchi Results
Predict Mean Signal to Noise Ratio
Terms: A B C D AxC AxD
Levels: Seleccionar Coded Units Select levels from a list: A = 1, B = 1, C = 1, D=1
OK

Conclusin: como el valor de la presin de prensado es el nico factor que

ajusta a la media, debe ajustarse para que la planicidad se encuentre en su
valor nominal de 2.

9. Ejemplo de fabricacin de bolas de Golf

Se fabrican bolas de golf con un nuevo diseo para maximizar la distancia
de vuelo.
Se han identificado cuatro factores de control, cada uno con dos niveles:
- Material del nucleo (lquido y tungsteno)
- Dimetro del nucleo (118 y 156)
- Nmero de vueltas (392 y 422)
- Espesor del recubrimiento (0.03 y 0.06)
Se desea probar la interaccin entre el material del nucleo y su dimetro.
Como respuesta se mide la distancia en dos clubes de golf como factor de
ruido.

Pgina 16 de 22

EJERCICIOS FASE DE MEJORA BB

Abril 2009

P. Reyes /

Como se quiere maximizar la respuesta se selecciona la relacin seal a

ruido Mayor es mejor.
Paso 1. Abrir el archivo de Minitab
File > Open worksheet GOLFBALL.MTW. Contiene el diseo y los datos de
distancia de respuesta.
Material
Liquid
Liquid
Liquid
Liquid
Tungsten
Tungsten
Tungsten
Tungsten

Diameter Dimples Thickness

118 392 0.03
247.5
118 422 0.06
224.4
156 392 0.03
59.4
156 422 0.06
75.9
118 392 0.06
155.1
118 422 0.03
39.6
156 392 0.06
92.4
156 422 0.03
21.9

Driver Iron
234.3
214.5
49.5
72.6
148.5
29.7
82.5
18.6

Reconocer el diseo con:

Stat > DOE > Taguchi
Define custom Taguchi Design
Factors Material Thickness
OK
Paso 2. Analizar el diseo
Stat > DOE > Taguchi > Analyze Taguchi Design.
En Response data are in, seleccionar Driver and Iron.
Click Analysis.
En Fit linear model for, seleccionar Signal-to-noise ratios and Means.
Click OK.
Click Terms.
Mover los trminos AB a Selected Terms con > o con doble click. Click OK.
Click Options.
En Signal to Noise Ratio, seleccionar Larger is better. Click OK en cada
cuadro de dilogo
Los resultados se muestran a continuacin:

Pgina 17 de 22

EJERCICIOS FASE DE MEJORA BB

Abril 2009

P. Reyes /

Para la prediccin se puede decidir qu factores e interacciones incluir, para

mejorar la prediccin.
Stat > DOE > Taguchi > Predict Taguchi Results.
Quitar la seleccin de Standard deviation y Natural log of standard
deviation.
Click Terms. Incluir los trminos A, B, C, D, y AB en el cuadro Selected
Terms. Click OK.
Click Levels.
En Method of specifying new factor levels, seleccionar Select levels from a
list.
En Levels, click en los renglones y seleccionar los niveles de los factores
mostrados en la tabla.
Level
Factor
Material
Diameter
Dimples
Thickness

Liquid
118
392
0.06

Pgina 18 de 22

EJERCICIOS FASE DE MEJORA BB

Abril 2009

P. Reyes /

10. Diseo de mezclas generado con Minitab:

Stat > DOE > Mixture > Create Mixture Design
Seleccionar Simplex Lattice Number of components 4
Designs introducir los datos siguientes:

Options:

La tabla resultante del diseo es la siguiente:

StdOrd RunOrd PtTyp
er
er
e
Blocks A
B
C
1
1
1
1
1
0
2
2
1
1
0
1
3
3
1
1
0
0
4
4
1
1
0
0
5
5
0
1
0.25
0.25
6
6
-1
1 0.625
0.125
7
7
-1
1 0.125
0.625
8
8
-1
1 0.125
0.125
9
9
-1
1 0.125
0.125

Pgina 19 de 22

Fuerza
de Gel

D
0
0
1
0
0.25
0.125
0.125
0.625
0.125

0
0
0
1
0.25
0.125
0.125
0.125
0.625

Sineres
is

EJERCICIOS FASE DE MEJORA BB

Abril 2009

P. Reyes /

Cuando se indica 1 0 0 0 solo se usa un componente en la mezcla, cuando

se indica 0.625 de A, 0.125 de B, 0.125 de C y 0.125 de D, tanto A como B,
C y D se incluyen en esas proporciones dentro de la mezcla de los
componentes.
La grfica del diseo se obtiene con:
Stat > DOE > Mixture > Simplex design plot
Seleccionar Generate Plots for all triplets of components
OK
Simplex Design Plots in Amounts
A

1
B

1
C

1
B

1
C

1
D

1
C

Hold Values
A 0
B 0
C 0
D 0

1
D

1
D

Si la mezcla de los componentes representa el 10% del volumen total de la

solucin, ese 10% es tu 100% de la mezcla.
Se realizan los experimentos (Run order) y se cargan los resultados de
ambas respuestas.
En caso de haber sido los resultados:
Fuerza del Sineres
gel
is
3
12
2
43
5
54
21
61
1
23
9
4
3
7
4
8
1
9
Despus se analiza el diseo con:
Stat > DOE > Mixture > Analyze mixture design

Pgina 20 de 22

EJERCICIOS FASE DE MEJORA BB

Abril 2009

P. Reyes /

Responses Fuerza del gel Sineresis

Graphs Residuals for plots Standardized
Normal Plot
OK

Individual plots:

Regression for Mixtures: Fuerza del gel, Sineresis

The following terms cannot be estimated and were removed:
B*D
C*D

Regression for Mixtures: Fuerza del gel versus A, B, C, D

Estimated Regression Coefficients for Fuerza del gel (component
proportions)
Term
Coef SE Coef
A
3.1
1.713
B
2.1
1.713
C
5.1
1.713
D
21.1
1.713
A*B
140.0
30.715
son sinrgicos
A*C
132.0
30.715
respuestas coef. +
A*D
-201.6
28.909
son antagnicos
B*C
-157.6
28.909
respuesta coef.-

S = 1.71701
R-Sq = 99.08%

T
*
*
*
*
4.56

P
*
*
*
*
0.137

VIF
1.493
1.493
1.493
1.493
5.312

4.30

0.146

5.313 ya que refuerzan la

-6.97

0.091

4.706

-5.45

0.115

4.706

PRESS = 2660.59
R-Sq(pred) = 0.00%

A y B o A y C

A y D o B y C
ya que disminuyen la

R-Sq(adj) = 92.63%

Analysis of Variance for Fuerza del gel (component proportions)

Source
Regression
Linear
Quadratic
Residual Error
Total

DF
7
3
4
1
8

Seq SS
317.274
151.750
165.524
2.948
320.222

Adj SS
317.274
238.750
165.524
2.948

Adj MS
45.3249
79.5833
41.3810
2.9481

Unusual Observations for Fuerza del gel

Fuerza

Pgina 21 de 22

F
15.37
26.99
14.04

P
0.194
0.140
0.197

EJERCICIOS FASE DE MEJORA BB

Abril 2009
Obs
1
2
3
4

StdOrder
1
2
3
4

del gel
3.000
2.000
5.000
21.000

Fit
3.118
2.118
5.118
21.118

P. Reyes /
SE Fit
1.713
1.713
1.713
1.713

Residual
-0.118
-0.118
-0.118
-0.118

St Resid
-1.00
-1.00
-1.00
-1.00

X
X
X
X

X denotes an observation whose X value gives it large leverage.

Para optimizar la respuesta:

Stat > DOE > Mixture > Response Optimizer
Responses Fuerza del gel Sineresis
Pasar con >> a Selected las dos respuestas Fuerza del Gel y Sineresis
Set up Fuerza de Gel Maximize Lower 1 Target 3
Set up Sineresis Maximize Lower 1 target 3
Depende de los
resultados
Options Starting value A 0.25 B 0.25 C 0.25 D 0.25
OK

Se ajustan grficamente los valores de los factores A, B, C y D para

optimizar al mismo tiempo las respuestas Fuerza del gel y Sinerismo

Pgina 22 de 22