Examen Diseo de Experimentos

Alumna:
Matrcula:

Problema 1
Datos recolectados para resolver un problema de grosor en un proceso de anodizado.
Inciso A
Variable
dependiente

Variables independientes
pH
1.2
1.8
1.2
1.8
1.2
1.8
1.2
1.8
1.5
1.5

Temperatura
-8
-8
8
8
-8
-8
8
8
0
0

Espesor
9
14
10
19
8
12
11
20
14
13

SUMMARY OUTPUT
Regression Statistics
Multiple R
R Square
Adjusted R Square
Standard Error
Observations

0.9466
0.8961
0.8664
1.4516
10

Inciso D

ANOVA
Regression
Residual
Total

Intercept
pH
Temperatura

df
2
7
9

SS

MS
127.25
14.75
142.00

63.625
2.107

Coefficients Standard Error

-3.88
2.607
11.25
1.711
0.27
0.064

t Stat
-1.486
6.576
4.141

Inciso B
y=

-3.88

11.25

Predicted
Espesor

Residuals

RESIDUAL OUTPUT

Observation
1
2
3
4
5
6
7
8
9
10

7.5
14.25
11.75
18.5
7.5
14.25
11.75
18.5
13
13

1.5
-0.25
-1.75
0.5
0.5
-2.25
-0.75
1.5
1
0

Standard
Residuals
1.1717
-0.1953
-1.3670
0.3906
0.3906
-1.7576
-0.5859
1.1717
0.7811
0.0000

Inciso C
pH
2

Temperatura
10

Espesor
21.28

Inciso D
El modelo es significativo por los valores encontrados de F>F(alpha,k,n-1-k)
Las grficas de residuales se encuentran no sesgadas, bien distribudas
El valor de R^2 es bueno mas no excelente
Inciso E

Sobre la alternativa de incluir otro factor, esto afectara el valor de R^2 de manera que se
menor contribucin de la temperatura respecto al del pH, se podra proponer tambin ana
temperatura.

Problema 2
Inciso A
Es un diseo factorial 2^2 con replicas en cada punto y 2 puntos centrales
Inciso B

Las repeticiones del punto central permite obtener una medicin del error, aunque en este
repeticiones.
Inciso C

Con el design expert se realiza el modelo de superficie de respuesta para los factores y co
Design Summary
Study Type
Initial Design
Design Model

Response Surface
Central Composite
Quadratic

Runs
Blocks

Factor
A
B

Name
pH
Temperatura

Units

Type
Numeric
Numeric

Response
Y1

Name
Espesor

Units
u.d

u.T

Obs
10

En el caso de un modelo cuadrtico se encuentra que s es significativo, sin embargo, los

por lo que se opta por el modelo 2FI. Aqu se muestran las ANOVAS de ambas y al final se
Response
1 Espesor
ANOVA for Response Surface Quadratic Model (Aliased)
Analysis of variance table [Partial sum of squares - Type III]
Sum of
Mean
Source
Squares
df
Square
Model
138
4
A-pH
91.125
1
B-Temperatura
36.125
1
AB
10.125
1
A^2
0.625
1
B^2
0
0
Pure Error
4
5
Cor Total
142
9

34.5
91.125
36.125
10.125
0.625
0.8

Response
1 Espesor
ANOVA for Response Surface 2FI Model
Analysis of variance table [Partial sum of squares - Type III]
Sum of
Mean
Source
Squares
df
Square
Model
137.375
3
45.7916666667
A-pH
91.125
1
91.125
B-Temperatura
36.125
1
36.125
AB
10.125
1
10.125
Residual
4.625
6
0.7708333333
Lack of Fit
0.625
1
0.625
Pure Error
4
5
0.8

Cor Total

142

Final Equation in Terms of Coded Factors:

Espesor

=
13
3.375 * A
2.125 * B
1.125 * A * B

Final Equation in Terms of Actual Factors:

Espesor

=
-3.875
11.25 * pH
-0.4375 * Temperatura
0.46875 * pH * Temperatura

Inciso D
5 Puntos de mximo ascenso

La grfica nos muestra que la direccin a seguir es mayor pH y mayor temperatura. Se su

para el factor de mayor impacto, en este caso la temperatura. Y se propone de inicio el ex
temperatura de 8

Muestra

pH

Temperatura

Origen
D
Origen +1D
Origen +2D
Origen +3D
Origen +4D
Origen +5D

1.8
1.59
1.89
1.98
2.07
2.16
2.25

8
1.51
9.51
11.02
12.53
14.04
15.56

pH codif
1
0.3
1.3
1.6
1.9
2.2
2.5

Inciso E

Con estos puntos propuestas se tendra que conseguir las respuestas de espesor, posterio
donde la tendencia presente un mximo habr que estudiar esa zona para lograr optimiza
mximo no se encuentre tendra que proponerse ms puntos en la misma recta de mxim

Problema 3
Inciso A
El diseo presentado es un central compuesto con rplicas en el punto central.

Se obtiene la siguiente informacin del software Design Expert v.7

De acuerdo a la prueba de falta de ajuste, se encuentra que el mejor es el cuadrtico que
Lack of Fit Tests
Source
Linear
2FI
Quadratic
Cubic
Pure Error

Response

Sum of
Squares

Mean
Square

df
407.18
263.18
139.60
66.13
14.80

6
5
3
1
4

67.86
52.64
46.53
66.13
3.70

Source
Model
A-Temperatura
B-Presin
AB
A^2
B^2
Residual
Lack of Fit
Pure Error
Cor Total

1 Tiempo de filtracin
ANOVA for Response Surface Quadratic Mo
Analysis of variance table [Partial sum of squares - T
Sum of
Mean
Squares
df
Square
315.60
5
63.12
31.04
1
31.04
16.99
1
16.99
144.00
1
144.00
95.88
1
95.88
42.18
1
42.18
154.40
7
22.06
139.60
3
46.53
14.80
4
3.70
470.00
12

Std. Dev.
Mean
C.V. %
PRESS

4.6965476996
45
10.4367726657
1015.856890214

R-Squared
Adj R-Squared
Pred R-Squared
Adeq Precision

Factor
Intercept
A-Temperatura
B-Presin
AB
A^2
B^2

Coefficient
Estimate
df
41.20
-1.97
1.46
6.00
3.71
2.46

Standard
Error

Final Equation in Terms of Coded Factors:

1
1
1
1
1
1

2.10
1.66
1.66
2.35
1.78
1.78

Tiempo de
filtracin
41.2
-1.9696699141
1.4571067812
6
3.7125
2.4625

=
*
*
*
*
*

A
B
A*B
A^2
B^2

Final Equation in Terms of Actual Factors:

Tiempo de
filtracin
41.2
-1.9696699141
1.4571067812
6
3.7125
2.4625

=
*
*
*
*
*

Temperatura
Presin
Temperatura * Presin
Temperatura^2
Presin^2

Inciso B

La informacin mostrada del modelo muestra que el modelo no se ajusta a la realidad, ya

mayora de las interacciones encontradas. Adems el valor de la Falta de ajuste muestra q
valor por debajo de 0.7

Los residuales muestran un buen comportamiento ya que no presentan sesgo.

Tambin podemos ver los valores predichos contra los reales, que no estn ajustados conf

Inciso C

En la superficie de respuesta podemos ver una superficie de un Valle, donde se observa q

Inciso D y E

El mejor punto de operacin es donde el tiempo de filtracin es menor. En este caso el pu

Presin -1
Inciso F

Si el tiempo de filtrado fuera requerido de 46 se propone realizarlo a las siguientes condic

mismo se podra obtener ese resultado a una temperatura de -0.75 y una presin de -0.5.
seleccionar de estos dos propuestas la que consuma menos energa.

de Experimentos
Fecha:

ceso de anodizado.

Inciso D
F

Significance F
30.195
3.61E-04

P-value
0.181
0.000
0.004

Lower 95%
-10.039
7.205
0.114

Upper 95%
Lower 95.0%
2.289
-10.039
15.295
7.205
0.417
0.114

x1 +

0.27

x2

PROBABILITY OUTPUT

Percentile

Espesor
5
15
25
35
45
55
65
75
85
95

a,k,n-1-k)
udas

R^2 de manera que sera menor, pero ya que se observa una

a proponer tambin analizar el pH contra otro factor en lugar de la

entrales

el error, aunque en este caso lo mismo pueden contribuir las

8
9
10
11
12
13
14
14
19
20

ta para los factores y condiciones ya mencionadas:

10
No Blocks

Low Actual

High Actual
1.2
-8

Analysis
Polynomial

Low Coded
1.8
8

Minimum

-1
-1
Maximum

p-value
Prob > F
43.125
113.90625
45.15625
12.65625
0.78125

F
Value
59.4054054054
118.2162162162
46.8648648649
13.1351351351
0.78125

0.0005 significant
0.0001
0.0011
0.0163
0.4172

p-value
Prob > F
< 0.0001
< 0.0001

significant
0.0005
0.011
0.4172 not significant

1
1
Mean

20

ativo, sin embargo, los trmicos A^2 y B^2 no son significativos,

S de ambas y al final se muestra la ecuacin del modelo a utilizar.

F
Value

High Coded

13

yor temperatura. Se sugiere un paso de 0.3 en variable codificada

propone de inicio el extremo de la grfica (pH 1.8 y una

Temperatura
codif
1
0.189
1.189
1.378
1.567
1.756
1.944

as de espesor, posteriormente se bucara la tendencia y en el lugar

na para lograr optimizar el modelo. En caso de que ese punto
misma recta de mximo ascenso.

unto central.

or es el cuadrtico que es el que se muestra posteriormente.

F
Value

p-value
Prob > F
18.34
14.23
12.58
17.87

0.007
0.0117
0.0167 Suggested
0.0134 Aliased

e Surface Quadratic Model

artial sum of squares - Type III]
F
p-value
Value
Prob > F
2.86
1.41
0.77
6.53
4.35
1.91
12.58

0.102
0.274
0.409
0.038
0.076
0.209

No significativo
No significativo
No significativo
No significativo
No significativo

0.017 significant

0.6715
0.4368
-1.1614
4.9956
95% CI
Low

95% CI
High
36.23
-5.90
-2.47
0.45
-0.50
-1.75

VIF
46.17
1.96
5.38
11.55
7.92
6.67

1.00
1.00
1.00
1.02
1.02

ajusta a la realidad, ya que el valor de P es muy alto para la

alta de ajuste muestra que es significativo, as como la R^2 tiene un

ntan sesgo.
no estn ajustados conforme los valores predichos.

lle, donde se observa que existe trabajo de optimizacin disponible.

enor. En este caso el punto que se observa es donde la T es 1 y la

a las siguientes condiciones: Temperatura 0.5 y presin 0.75, as

5 y una presin de -0.5. En base a las variables reales se podra
a.

Inciso D

pH Residual Plot
2

Residuals

1.5
1
0.5
0
-0.5

1.1

1.2

1.3

1.4

1.5

-1
-1.5

Upper 95.0%
2.289
15.295
0.417

-2
-2.5

pH

1.6

Temperatura Residual P
2

Residuals

1.5
1
0.5
0
-10

-8

-6

-4

-2

0
-0.5
-1
-1.5
-2
Temperatura
-2.5

Mean

Std. Dev.
1.5 0.2683282
0 7.1554175

Std. Dev.
Ratio
Trans
3.7682887363
2.5 None

Model
2FI

esidual Plot

pH Line
Espesor

25

1.4

1.5

1.6

1.7

1.8

20

15

1.9
10

pH

0
1

1.1

1.2

1.3

1.4

pH

1.5

ura Residual Plot

Temperatur

25

1.5

20

Espesor

1
0.5
0
0

15

10

-0.5
10

-1
-1.5

-2

emperatura
-2.5

0
-10

-8

-6

-4

-2

0
2
Temperatura

.3

pH Line Fit Plot

No
Espesor

25

Espesor

20
15
10
5
0
0

1.4

pH

1.5

1.6

1.7

1.8

1.9

10

20

Temperatura Line Fit Plot

25

20

15
Espesor

10

0
-2

0
2
Temperatura

10

10

Normal Probability Plot

20

30

40
50
60
Sample Percentile

70

80

90

100