DISEO POR BLOQUES COMPLETOS

DISEO EXPERIMENTAL

INTEGRANTES:
DIEGO FERNANDO RIVERA CASTRO 201311955
CARLOS ANDRS PENAGOS RODRIGUEZ 201311595
LUZ BENNYTH FORERO CARO 201221032
KAROL LIZETH ROA BOHRQUEZ 201221385
JUAN PABLO PAVA 200721210
RICARDO ALFONSO PAREDES ROA 201020922

PRESENTADO A:
Mg.JAIME ALBERTO GARCA SIERRA
UNIVERSIDAD PEDAGGICA Y TECNOLGICA DE COLOMBIA
DISEO EXPERIMENTAL
INGENIERA INDUSTRIAL
SOGAMOSO
2016

JUSTIFICACION
El mejoramiento de procesos constituye un campo de accin fundamental en el
ingeniero industrial como gerente de la produccin. En el mejoramiento de
procesos ya sean industriales, agrcolas o de cualquier naturaleza se requieren
probar diferentes alternativas que permitan optimizar dichos procesos. El diseo
experimental por bloques completos al azar es un mtodo cientfico que nos ofrece
la estadstica para modelar de manera sistemtica estas alternativas en vez de
apelar a la intuicin que aunque muchas veces muestre resultados positivos es
imprecisa y no acorde a polticas de mejoramiento continuo.

Diseos Experimentales
El diseo experimental es una herramienta de planeacin estadstica basada en el
mtodo cientfico que estudia fenmenos que son observables y repetibles para
obtener conclusiones vlidas y objetivas que lleven a la optimizacin de procesos
(industriales, agrcolas, de mercadotecnia, etc).
Trminos usados en los diseos experimentales.

Unidad experimental:
Es el objeto sujeto de medicin de la variable de estudio y sobre la cual se
aplica un tratamiento.
Niveles:
Nmero de veces que se aplica un tratamiento en un bloque.
Tratamiento:
Conjunto de condiciones experimentales, dadas por la combinacin de
niveles a las que debe someterse una unidad experimental, como
consecuencia de una prueba de hiptesis.
Variable de respuesta:
Propiedad que caracteriza la unidad experimental y que se pretende
mejorar mediante la aplicacin del experimento.
Factores de ruido:
Son variables que influyen en la variable de respuesta y no nos interesa
conocer son controlable, durante la operacin normal del proceso.
Factores estudiados:
Son las variables que se estudian en el experimento, para conocer como o
cuanto influyen o afectan la(s) variable(s) respuesta.
Error aleatorio:
Variabilidad observada del experimento que no se puede explicar por los
factores estudiados y resulta del pequeo efecto de los factores de ruido y
del error experimental
Error experimental: Componente del error aleatorio y se debe a fallas del
experimentador entre lo planeado y lo ejecutado.

Principios bsicos del diseo experimental:

Aleatorizacin: Tanto la asignacin del material experimental, como

el orden en el que se harn los ensayos se determinara al azar, as
asegurando el principio de independencia estadstica.
Repeticin: Repeticin del experimento bsico.
Formacin de bloques: Un bloque es un conjunto de condiciones
experimentales relativamente homogneas, lo que busca eliminar o

al menos reducir los factores de ruido o aquellos factores que no nos

interesa medir pero afectan nuestra variable de respuesta.

Eleccin del tamao de muestra:

Para el diseo de experimentos la eleccin del tamao muestral est relacionado
con los errores tipo I y tipo II o errores o .
Error tipo : La probabilidad de rechazar un enunciado bueno.
Error tipo : La probabilidad de aceptar un enunciado falso.

Ocurre un error tipo I cuando se rechaza la prueba de hiptesis, siendo esta

verdadera.
Ocurre un error tipo II cuando se acepta la prueba de hiptesis, siendo esta
falsa.

La eleccin de o nivel se significancia se hace durante la etapa de

planeacin, normalmente se escoge un del 0,05, pero existen escenarios,
donde el estudio experimental requiere mayor rigurosidad, disminuyendo a
niveles del 0,01 o menores, esto implica as mismo que el tamao muestral sea
ms grande y esto depende del costo que implica tomar las muestras y del
costo de aceptar rechazar un enunciado bueno. Si se van a hacer inversiones
fuertes se recomienda optar por un nivel de confianza alto.
es el riesgo del consumidor este porcentaje no se puede asignar en la fase
de planeacin, sino depende de la diferencia del valor hipottico y el parmetro
poblacional. Por lo general se asigna una prueba asignndole valores
pequeos a para de esta manera poderlo controlar con el tamao
poblacional.
Potencia de la prueba: 1- y es la probabilidad de rechazar la hiptesis nula,
cuando es falsa, en otras palabras entre mayor sea el tamao muestral mayor
ser la potencia de prueba. Se recomienda de 0,1 o una potencia de prueba
de 0,9.
Curva de operacin caracterstica:
Es una grfica de vs d.
Donde:
d=

|1 2|
2

Donde debemos buscar en tablas el

n =2 n1
entonces despejando n , tenemos :

n=

n +1
2

que ser igual a:

Etapas del diseo de experimentos:

1. Planeacin:
a. Identificar y enunciar el problema.
Se debe identificar cual es el problema que requiere estudio y cules
son los problemas subsecuentes, para tener un bosquejo que nos
permita establecer objetivos experimentales, que nos llevan a conocer
qu est pasando? Y a dnde queremos llegar?
b. Determinacin de los factores que deben estudiarse.
Se deben identificar los factores de diseo, que son los que se van a
estudiar, dadas unas caractersticas homogneas (bloques). Es
importante identificar cuales factores son de ruido, para excluirlos de los
factores de diseo, si llegan a existir factores perturbadores y se pueden
medir, se recomienda hacer un anlisis de covarianza para compensar
dicho efecto.
En esta etapa es importante identificar el rango en el cual nos interesa
medir cada factor
c. Seleccin de la variable de respuesta.
d. Eleccin del diseo experimental.
Aqu se considera el tamao de la muestra (nmero de rplicas), orden
de corridas y determinacin si conviene o no formar bloques y otras
restricciones de aleatorizacin.
e. Realizar el experimento.
2. Anlisis:
Se realiza el anlisis estadstico de los datos obtenidos, donde en primera
medida se debe determinar el modelo ANOVA.
3. Interpretacin con anlisis de sensibilidad.
Factibilidad ( econmica, tcnica, ambiental, etc.) de aplicar o no los
tratamientos ptimos.
4. Conclusiones y recomendaciones
Se recomienda que se hagan corridas de prueba y confirmacin.
DISEO POR BLOQUES COMPLETOS ALEATORIZADOS
Cuando se conoce la fuente de variabilidad o los factores de ruido en un
experimento, se puede usar la tcnica de formacin de bloques para
eliminar de manera sistemtica el efecto que estas causan en los
tratamientos.
En esta clase de experimentos se consideran tres fuentes de variabilidad:
Factor de tratamientos.
Factor de bloques.
Factor aleatorio.

La palabra completo se debe a que en cada bloque se comprueban todos

los tratamientos.
Los factores de bloqueo en la prctica pueden ser: turnos, lotes, das, tipo
de material, lneas de produccin, operadores, maquinas, mtodos, etc.
Modelo estadstico:
Y ij =+ i + j+ ij ;
i=1,2, k

j=1,2, b
Donde:
Y ij =Es la medicion que corresponde altratamiento y y al bloque j.
=Media global poblacional .

i=El efecto debido al tratamiento i.

j=Efecto debido al bloque j.
ij =Error aleatorioatribuible a lamedicion de Y ij
Se supone que los errores se distribuyen de manera normal con media 0 y
varianza constante.
Por lo general los efectos de los tratamientos y los bloques se consideran
desviaciones de la media global, por lo que:
a

i=1

j=1

i=0 y j=0
En esta clase de experimentos lo que nos interesa es probar la igualdad de
la media de los tratamientos. Por la tanto la hiptesis de inters es:
H 0 : 1=2==a
H 1 : al menos una i j

Tambin se pueden escribir las hiptesis anteriores en trminos de los

efectos de los tratamientos:

H 0 : 1= 2= a =0
H 1 : i 0 para almenos una i.
Las anteriores hiptesis, se prueban con una ANOVA con dos criterios de
clasificacin, dados las fuentes de variacin (tratamientos y factor bloque).
Fuentes de
Suma de
variabilidad
cuadrados
SS tratamientos
Tratamientos

Grados de
libertad
a-1

Cuadrados
medios
SS tratamientos
a1

Bloques

SS bloques

b-1

SS bloques
b1

Error

SS E

(a-1)(b-1)

SS E
(a1)(b1)

Total

SS T

N-1

F0

P valor

CM Tratamientos
CM E

F> F 0

CM Bloques
CM E

F> F 0

ENUNCIADO DEL PROBLEMA

Planteamiento del problema:
En la junta directiva que tuvo Argos en el mes de Marzo de 2016, donde los jefes
de cada rea presentan un informe donde muestran los rendimientos de sus
respectivas reas.
Juan Esteban Calle, actual presidente del grupo Argos se siente bastante
preocupado por el informe del rea de calidad donde se muestra que los ndices
de confiabilidad que siempre ha manejado la marca han bajado dado que la
calidad de sus cinco marcas comerciales se ven comprometidas en el tiempo de
fraguado que es el principal ndice de calidad que maneja la marca cementera.
Entonces el presidente del grupo Argos se dirige al jefe de produccin, hacindolo
responsable de esta falla, dada que la calidad comienza desde el proceso de
produccin. El jefe de produccin explica que ya haba notado estas fallas y las
haba comunicado al anterior presidente en Noviembre del ao pasado, pero no se
tom en cuenta su recomendacin de adquirir nuevos molinos los cuales son
indispensables en la fabricacin de un cemento de calidad.
Ahora la junta directiva analiza que acciones tomar para remediar esta situacin
lo antes posible y recuperar su imagen en el mercado.

Por unanimidad llegaron al consenso de comprar por lo menos 30 molinos para

asignarlos en las plantas donde tienen presencia en Colombia, Panam Puerto
Rico, Guyana Francesa, Surinam, Repblica Dominicana Estados Unidos y
Honduras.
El grupo Argos adquiri en el mes de Enero cuatro molinos nuevos para 4 de sus
plantas en Estados Unidos, cuyas marcas son: (Euroacero, materconstruct,
sadvick, munckersa).
Entonces el jefe de produccin propone elaborar un diseo de experimentos
donde los factores o tratamientos que quiere probar son los molinos para observar
cul de todos ellos, despus de aplicar varios niveles a las 5 marcas principales de
cementos, registra el menor tiempo de fraguado que es la medida de calidad en
este tem .
Las principales marcas de cementos que trabajan son:
1.
2.
3.
4.
5.

Portland gris.
Portland blanco.
Mortero.
Petrolero.
Mixto (Siderrgico)

Factores: Las marcas de molino (Euroacero, materconstruct, sadvick,

munckersa).
Bloques: Se consideraran como bloques cada una de las marcas de cementos
que pueden controlar como un bloque homogneo. Para lo cual el jefe de
produccin decide tomar las muestras de cemento de un solo lote por marca, para
evitar variabilidad entre uno y otro, para lo cual escogen la planta de produccin
de Texas, ya que all producen las cinco marcas.
Entonces se decide hacer bloques completos para poder probar cada marca de
molino en cada cemento, para de esta manera eliminar cualquier factor de ruido
no deseable.

Molino cementero.
La toma de datos se hizo de forma aleatoria en cada tratamiento, para cumplir con
el principio de aleatoriedad.
N
muestra
1
2
3
4
1
2
3
4
1
2
3
4
1
2
3
4
1
2
3
4

Molino
Maderconstruck
Munckersa
Euroacero
Munckersa
Sadvick
Sadvick
Euroacero
Munckersa
Euroacero
Maderconstruck
Sadvick
Maderconstruck
Maderconstruck
Sadvick
Maderconstruck
Munckersa
Euroacero
Sadvick
Munckersa
Euroacero

Cemento
Portland Blanco
Petrolero
Petrolero
Mortero
Portland Blanco
Portland Gris
Portland Blanco
Siderurgico
Portland Gris
Siderurgico
Mortero
Petrolero
Portland Gris
Siderurgico
Mortero
Portland Blanco
Siderurgico
Petrolero
Portland Gris
Mortero

Tiempo
64,2
65,9
65,6
64,1
65
65,9
63,2
67,9
63,5
64,9
63,9
64,2
64,1
63,8
63
65,2
65
66
64,9
62,3

SOLUCIN
Arreglo de los datos en un diseo en bloques completos al azar.
1

Marca
Euroacero
Tratamientos Materconstruc
t
Sadvick
Munckersa

2
63.2

Bloques
3
62.3

4
65.6

5
65

63.5
64.1

64.2

63

64.2

64.9

65.9
64.9

65
65.2

63.9
64.1

66
65.9

65.8
67.9

MODELO ESTADSTICO
En primer lugar, la situacin experimental posee 4 tratamientos (i) y 5 bloques (j),
el modelo estadstico que representa un Diseo en Bloques Completos al Azar
(DBCA) es el siguiente:

Y ij =+ i + j+ ij ; i=1,2,3,4
j=1,2,3,4,5

Dnde:
Y ij Tiempo de fraguado correspondiente al tratamiento i y al bloque j.

Media global poblacional.

Efecto debido al tratamiento i

Efecto debido al bloque j

ij

Error aleatorio atribuible al tiempo de fraguado

Y ij

Se supone que los errores se distribuyen de manera normal con media cero y
varianza constante

( 2)

0, 2
N

y que son independientes entre s.

HIPTESIS A PROBAR
Con el fin de comparar las cuatro marcas se plantea la hiptesis:
H 0 : 1=2=3= 4=

H A : i j para algni j=1,2,3,4

Nuestra hiptesis nula consiste en probar que el tiempo de fraguado medio
poblacional logrado con cada tratamiento es el mismo para los 4 tratamientos
(Euroacero, Materconstruct, Sadvick, Munckersa) y que por tanto cada respuesta
i
media
es igual a la media poblacional .
Por otra parte la hiptesis alternativa seala que al menos dos tratamientos tienen
media diferente.
ANLISIS DE VARIANZA
,La hiptesis la vamos a probar mediante el anlisis de varianza con los dos
criterios de clasificacin. Se utilizan los dos criterios porque se controlan dos
fuentes de variacin: el factor de tratamientos y el factor de bloque.
Fuentes de
variabilidad

Sumas de
cuadrado
s
SC TRAT

Grados de
libertad

Cuadrado
s medios

a1

CM TRAT

Bloques

SC B

b1

CM B

Error

SC E

Total

SC T

Tratamiento
s

SC T = Y ij
2

j=1 i=1

(a1)( b1)

F0
F0 =

CM TRAT
CM E

F0 =

CM B
CM E

CM E
N1

Y
N

Yi Y2
SC TRAT =
N
i =1 b
b

Y Y2
SC B = j
N
j=1 k

Y la suma de cuadrados del error se obtiene por sustraccin como:

SC E=SCT SC TRAT SC B

Una vez realizados los clculos en Excel la tabla ANOVA para nuestro ejemplo
queda as:

Fuentes de
variabilidad

Sumas de Grados
Cuadrados
cuadrado
de
medios
s
libertad

Marca de
molino
Pruebas

10.918
3

F0

p-valor

3.6393333
3

9.1040233
5

0.002

9.8855534
7

0.001

15.807

3.95175

Error

4.797

12

0.39975

Total

31.522

(Bloques)

19

De esta tabla se observa que para los mtodos se obtuvo un

donde alfa es igual a

pvalue=0.002<

=0.05 , por lo que se rechaza la hiptesis nula

H0

de

que el tiempo medio de fraguado de las marcas son iguales, y se acepta que al
menos dos marcas tienen medias diferentes.
COMPARACIN DE PAREJAS DE MEDIAS DE TRATAMIENTO
Como se rechaza la hiptesis de igualdad de los cuatro tratamientos o marcas de
molinos, es lgico averiguar cules de ellos son diferentes entre s. Para
averiguarlo se utiliza algunas de las pruebas de rango mltiple, en nuestro caso
utilizaremos la diferencia mnima significativa (LSD), la cual est dada por:
LSD=t / 2,(a1)(b1)

2CM E
b

Dnde:
t /2,(k1)(b 1)
CM E
b

Probabilidad a una cola y (k-1)(b-1) grados de libertad

Cuadrado medio del error

Numero de bloques

Reemplazando en la frmula tenemos:

LSD=2.179

20.39975
=0.8713
5

Al comparar esta diferencia mnima significativa con las medias de cada uno de
los tratamientos se obtiene la siguiente tabla:
Diferencia poblacional
Euroacero Materconstruct

Diferencia
muestral
|0.16|<0.871

Decisin
No significativa

Euroacero Sadvick

|1.4|> 0.871

Significativa

Euroacero Munckersa

|1.68|>0.871

Significativa

Materconstruct Sadvick

|1.24|> 0.871

Significativa

Materconstruct Munckersa

|1.52|>0.871

Significativa

Sadvick Munckersa

|0.28|<0.871

No significativa

Se concluye que el tratamiento 1 (Euroacero) es diferente del tratamiento 3

(Sadvick) y 4 (Munckersa), y que el tratamiento 2 (Materconstruct) es diferente del
3 (Sadvick) y del 4 (Munckersa). Las otras dos comparaciones (1 con 2 y 3 con 4)
aceptan la hiptesis de igualdad. De acuerdo con esto, y dadas las respuestas
medias muestrales:
Euroacero =63.92 Materconstruct =64.08 Sadvick =65.32 Munckersa =65.6

La marca de molino Euroacero es la mejor ya que tiene un menor tiempo de

fraguado que las marcas Sadwick y Munckersa, sin embargo el tiempo de
fraguado de Euroacero no es mejor que el de Materconstruct.
EFECTO DEL BLOQUE
Como podemos ver la tabla ANOVA proporciona una prueba para el efecto de los
bloques (rplicas). La hiptesis nula en este caso consiste en probar que el efecto
del bloque es igual a cero para todos los bloques o replicas (efecto del bloque:
j= j=0
)
H 0 : 1 = 2= 3= 4 = 5=0
H A : j 0 para algn bloque j=1,2,3,4,5
Con base en el p-valor obtenido en la tabla ANOVA para los bloques
pvalue=0.001< donde alfa es igual a =0.05 , por lo que se rechaza la
H0

hiptesis nula

de que el efecto del bloque sea cero.

COMPARACIN DE PAREJAS DE MEDIAS DE TRATAMIENTO

A continuacin, utilizando la prueba LSD comparamos dos a dos los bloques para
determinar si hay significancia o no.
20.39975
LSD=2.179
=0.9741
4

Diferencia poblacional
B 1 B 2

Diferencia
muestral
|0.2|< 0.974

Decisin
No significativa

B 1 B 3

|1.275|>0.974

Significativa

B 1 B 4

|0.825|<0.974

No significativa

B 1 B 5

|1.3|>0.974

Significativa

B 2 B 3

|1.075|>0.974

Significativa

B 2 B 4

|1.025|>0.974

Significativa

B 2 B 5

|1.5|>0.974

Significativa

B 3 B 4

|2.1|>0.974

Significativa

B 3 B 5

|2.575|>0.974

Significativa

B 4 B 5

|0.475|<0.974

No significativa

Como podemos observar la mayora de las comparaciones dieron significativas lo

cual indica que el factor de bloques o replicas tiene influencia sobre la variable
respuesta y por ende se debe tener en cuenta para mejorar o controlar.
En la tabla de comparaciones concluimos que el bloque 1 es diferente del bloque 3
y 5.
El bloque 2 es diferente del 3, 4 y 5. El bloque 3 diferente del 4 y 5 y el resto de
bloques aceptan la hiptesis de igualdad.

DISEO DE BLOQUES INCOMPLETOS

Este Diseo se usa para disminuir la varianza del error experimental y

proporcionar comparaciones ms precisas entre tratamientos de lo que es posible
con el diseo de bloques completos.
El diseo de bloques incompleto balanceado es un arreglo tal que todos los
tratamientos tienen igual nmero de rplicas y cada par de tratamientos se
presenta en el mismo bloque un nmero igual de veces en algn lugar del diseo.
Se supone que hay a tratamientos y b bloques, cada bloque contiene k
tratamientos y que cada uno de ellos ocurre r veces en el diseo, y que hay N = ar

= bk observaciones en total. El nmero de veces que cada par de tratamientos

aparece en el mismo bloque es:
r (k1)
=
a1
El modelo para el diseo de bloques incompletos es:
y ij =+ i + j + ij ;
i=1,2, a

j=1,2, b
Dnde:
Y ij =Es la medicion que corresponde altratamiento y y al bloque j.
=Media general .

i=El efecto debido al tratamiento i.

j=Efecto debido al bloque j.
ij =Error experimental aleatorio independiente con media 0 y varianza

La variabilidad total en los datos se expresa por la suma de cuadrados totales

corregida:
y ..2
2
SS T = y ij
=SStratamiento (ajustada ) +SS Bloques + SS E
N
i
j
La suma de cuadrados de los bloques es:
b
2
1
y
2
SS Bloques = y . j
k j=1
N
La suma de cuadrados de los tratamientos ajustada es:
a

k Q2i
SS Tratamientos (ajustada )=

Donde

Qi

es el total ajustado del tratamiento i:

b

Qi= y i .

i=1

1
n y
k j=1 ij . j

Con

nij

=1 si el tratamiento i aparece en el bloque j y

Fuentes de
Suma de
variabilidad
cuadrados
SS trat . ajustados
Tratamientos
(ajustados)

Grados de
libertad
a-1

Cuadrados
medios
SS trat .ajustado
a1

Bloques

SS bloques

b-1

SS bloques
b1

Error

SS E

N-a-b+1

SS E
N ab+1

Total

SS T

N-1

nij =0

en caso contrario.

F0
CM Tratamientos
CM E

P valor
F> F 0