Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
Examen final
Nombre: ___Raymundo Smchez E__________________ Calif.__________
1
La vida de anaquel de una bebida carbonatada se piensa que es mayor a 120 das.
10 botellas seleccionadas aleatoriamente son probadas obteniendo los siguientes resultados:
Probar la afirmacin para un nivel de significancia del 1%.
108
138
124
163
124
106
134
115
139
159
Los siguientes datos representan los tiempos de quemado de dos formulaciones qumicas
fluorescentes (flares).
Formulacin
Formulacin
1
2
65
64
81
71
57
83
66
59
82
65
82
56
67
69
59
74
75
82
70
79.00
a) Probar la igualdad de varianzas de ambos tipos a un nivel de significancia del 5%.
b) Probar la hiptesis de igualdad de tiempos a un nivel alfa de 0.05
A
58.2
57.2
58.4
55.8
54.9
Catalizador
B
56.3
54.5
57
55.3
C
50.1
54.2
55.4
D
52.9
49.9
50
51.7
Pgina 1
11/17/2016
11/17/2016
f) Si se buscara una respuesta mayor es mejor, en que nivel conviene operar el proceso?
4
Una empresa de taxis intenta crear un sistema de rutas que minimice el tiempo que se pasa
manejando a ciertas localidades. El tiempo que toma viajar en cada ruta por los taxis se
muestra a continuacin:
Var. Bloqueo
Taxista
1
2
3
4
1
12
18
10
13
Factor - Ruta
2
3
15
17
18
18
11
15
12
12
Se est estudiando el rendimiento para un proceso qumico, los dos factores de inters son
temperatura y presin. Se utilizan tres niveles de cada factor, con los resultados siguientes:
Temperatura
Baja
Media
Alta
(1)
a
b
ab
c
ac
bc
abc
-1
1
-1
1
-1
1
-1
1
-1
-1
1
1
-1
-1
1
1
-1
-1
-1
-1
1
1
1
1
Pgina 2
Rplica 1 Rplica 2
-3
-1
0
1
-1
0
2
3
-1
0
2
1
1
1
6
5
11/17/2016
Minitab y contestar :
Con los datos del problema anterior, contestar los incisos ( a - i) con MINITAB considerando
un diseo factorial fraccional de fraccin 1/2, incluyendo las respuestas correspondientes.
Con objeto de identificar los factores que afectan la distancia que viaja una pelota de Golf
se realiza un diseo de experimentos de Taguchi L8 con interacciones de dos factores
En Options indicar Mayor es mejor. Para la significancia utilizar Alfa = 0.10
Identificar los factores e interacciones que son significativas.
Para el anlisis considerar los mximos en las grficas S/N y medias e identificar los mejores
niveles de los factores.
Analizar los resultados y grficas e identificar que condiciones logran mayor distancia..
A=? B=? C=?
A
1
1
2
2
1
1
2
2
9
B
1
1
2
2
2
2
1
1
C
1
2
1
2
1
2
1
2
Rplica 1
Rplica 2
Palo A
247.5
224.4
92.4
21.9
59.4
75.9
155.1
39.6
Palo B
234.3
214.5
82.5
18.6
49.5
72.6
148.5
29.7
Metanol
1
0
0
Acetona
0
1
0
Tricloretileno
0
0
1
Pgina 3
% Productos residuales
6.2
8.4
3.9
1/2
1/2
0
1/3
1/2
0
1/2
1/3
0
1/2
1/2
1/3
7.4
2.8
6.1
2.2
Con MINITAB
a) Obtener la grfica triangular del diseo
b) Por medio de un anlisis de los residuos identificar si el modelo es adecuado
c) Determinar la ecuacin de regresin del modelo
d) Por medio de la grfica de contornos, identificar
con que combinacin se obtiene el menor porcentaje de productos residuales.
Proporciones de A = ?, B = ? Y C = ?
e) Predecir por medio del modelo la respuesta en el punto central
10
Establecer cuales son las condiciones y pasos principales para disear experimentos
en las empresas
Pgina 4
11/17/2016
Pgina 5
11/17/2016
Pgina 6
11/17/2016
Tungsteno
Pgina 7
11/17/2016
Pgina 8
11/17/2016
_
X
Ho
99%
100
Variable
Tiempo de vida
N
10
Mean
131.000
StDev
19.545
SE Mean
6.181
Lower
Bound
113.562
110
T
1.78
120
130
140
Tiempo de vida
150
160
170
P
0.054
De acuerdo al valor p, no tenemos evidencia estadsticamente significativa para rechazar Ho, ya que el valor de
es mayor a alfa que en este caso se determino igual al 1%.
Conclusin: No existe evidencia estadsticamente significativa para rechazar Ho. No podemos rechazar que la m
vida del producto es menor o igual a 120 das.
PROBLEMA 2.
a) Probar la igualdad de varianzas de ambos tipos a un nivel de significancia del 5%.
Problema 2
Normal
99
Mean
StDev
N
AD
P-Value
95
90
70.3
9.068
20
0.469
0.222
Percent
80
70
60
50
40
30
20
10
5
50
60
70
Tiempo Quemado
80
90
Formulacion
F-Test
Test Statistic
P-Value
Test Statistic
P-Value
5.0
Formulacion
0.98
0.974
Levene's Test
7.5
10.0
12.5
15.0
17.5
95% Bonferroni Confidence I ntervals for StDevs
20.0
0.00
1.000
55
60
65
70
Tiempo Quemado
75
80
85
N
10
Lower
6.05982
StDev
9.26403
Upper
18.6545
Formulacion
5.0
7.5
55
60
10.0
12.5
15.0
17.5
95% Bonferroni Confidence I ntervals for StDevs
20.0
2
65
70
Tiempo Quemado
75
80
10
6.12692
9.36661
18.8611
85
Mean
70.40
70.20
StDev
9.26
9.37
Tiempo Quemado
Formulacion
1
2
80
SE Mean
2.9
3.0
75
70
65
60
55
1
2
Formulacion
P-Value = 0.962
DF = 18
De acuerdo al valor p con un alfa de 0.05 no podemos rechazar la hiptesis nula de igualdad de la media de los
Por lo que no rechazamos la hiptesis nula (p>alfa).
Conclusin: No existe evidencia estadsticamente significativa para rechazar la hiptesis de que la media de tiem
de quemado para ambos tratamientos es la misma
PROBLEMA 3.
a) Establecer las hiptesis y considerar un nivel de confianza de 95%.
Las hiptesis quedaran como siguen.
Ho: media cat1 = media cat2 = media cat3 = media cat4
Ha: al menos una de las medias de quemado de los catalizadores es diferente
Probaremos estas hiptesis con un nivel de confianza del 95%
b) Comparar los estadsticos Fc y Falfa y establecer conclusiones
DF
3
SS
85.68
MS
28.56
F
9.92
P
0.001
Error
Total
12
15
S = 1.697
34.56
120.24
2.88
R-Sq = 71.26%
R-Sq(adj) = 64.07%
Mean
StDev
N
AD
P-Value
95
90
-1.77636E-15
1.518
16
0.367
0.388
Percent
80
70
60
50
40
30
20
10
5
-4
-3
-2
-1
0
RESI1
e) En caso de que las medias de los tratamientos sean diferentes identificar las diferencias
significativas mediante la prueba de Tukey o DMS
Boxplot of Concentracion by Catalizado
59
58
57
Concentracion
56
55
54
53
52
51
50
A
--------+---------+---------+---------+(------*------)
(-------*------)
(-----*------)
--------+---------+---------+---------+-5.0
0.0
5.0
10.0
Lower
-6.391
Center
-2.542
Upper
1.308
--------+---------+---------+---------+(-------*-------)
C
Catalizador
-8.214
-4.650
-1.086
(------*------)
--------+---------+---------+---------+-5.0
0.0
5.0
10.0
Lower
-5.958
Center
-2.108
Upper
1.741
--------+---------+---------+---------+(-------*------)
--------+---------+---------+---------+-5.0
0.0
5.0
10.0
f) Si se buscara una respuesta mayor es mejor, en que nivel conviene operar el proceso?
Boxplot of Concentracion by Catalizador
59
58
Concentracion
57
56
55
54
53
52
51
50
A
Catalizador
PROBLEMA 4.
Para realizar el anlisis de este problema utilizaremos un ANOVA de dos vas con los siguientes resultados.
DF
3
2
6
11
S = 1.675
SS
68.9167
10.5000
16.8333
96.2500
MS
22.9722
5.2500
2.8056
R-Sq = 82.51%
F
8.19
1.87
P
0.015
0.234
R-Sq(adj) = 67.94%
PROBLEMA 5.
La tabla ANOVA correspondiente es:
Analysis of Variance for Rendimiento, using Adjusted SS for Tests
Source
Temperatura
Presion
Temperatura*Presion
Error
Total
S = 1.39682
DF
2
2
4
9
17
Seq SS
100.403
5.410
4.587
17.560
127.960
R-Sq = 86.28%
Adj SS
100.403
5.410
4.587
17.560
Adj MS
50.202
2.705
1.147
1.951
R-Sq(adj) = 74.08%
F
25.73
1.39
0.59
P
0.000
0.299
0.680
92
Presion
Temperatu
92
91
90
90
Mean
Mean of Rendimiento
91
89
88
89
88
87
87
86
86
85
84
85
1
250
260
250
270
260
Presion
270
Dado que la interaccin no resulto ser significativa. Entonces los niveles para el proceso los obtendremos de la
grfica de efectos principales. Si lo que queremos es maximizar el rendiomiento, entonces los que haramos
es manejhar el factor temperatura en el nivel alto (3), y en el caso de presin , manejarlo en el nivel ms econm
ya que no es significativo.
PROBLEMA 6.
a) Determinar los valores P correspondientes a los factores principales y las interacciones
y establecer conclusiones
R-Sq = 93.59%
R-Sq(adj) = 87.98%
DF
3
3
1
8
8
15
Seq SS
68.500
3.500
1.000
5.000
5.000
78.000
Adj SS
68.500
3.500
1.000
5.000
5.000
Adj MS
22.8333
1.1667
1.0000
0.6250
0.6250
F
36.53
1.87
1.60
P
0.000
0.214
0.242
95
A
90
80
70
Factor
A
B
C
Name
Porcentaje
Presion
Velocidad
60
50
40
30
Factor
A
B
C
Name
Porcentaje
Presion
Velocidad
B
C
Term
Percent
2.306
Effect Type
Not Significant
Significant
AB
BC
20
ABC
10
5
AC
-2
2
4
Standardized Effect
3
4
5
Standardized Effect
La gfrfica normal de probabilidad nos indica que solo los efectos principales son significativos (A,B,C), esto ref
la conclusin del inciso a). La grfica de pareto muestra exactamente lo mismo
d) Hacer una grfica de probabilidad normal de los residuos con franjas en 95% y concluir
Residuales considerando todos los factores
Residuales considerando solo signif
Problema 6
Problema 6
Normal
Normal
99
99
Mean
StDev
N
AD
P-Value
95
90
80
80
70
70
30
60
50
40
30
20
20
10
10
60
50
40
Mean
StDev
N
AD
P-Value
95
Percent
Percent
90
-6.93889E-17
0.5774
16
1.063
0.006
-1.5
-1.0
-0.5
0.0
RESI1
0.5
1.0
1.5
-2
-1
0
RESI2
StDev
N
AD
P-Value
95
90
80
80
70
70
60
50
40
30
60
50
40
30
20
20
10
10
-1.5
-1.0
-0.5
0.0
RESI1
0.5
1.0
StDev
N
AD
P-Value
95
Percent
Percent
90
0.5774
16
1.063
0.006
1.5
-2
-1
0
RESI2
Effect
3.0000
2.2500
1.7500
0.7500
0.2500
0.5000
0.5000
Coef
1.0000
1.5000
1.1250
0.8750
0.3750
0.1250
0.2500
0.2500
SE Coef
0.1976
0.1976
0.1976
0.1976
0.1976
0.1976
0.1976
0.1976
T
5.06
7.59
5.69
4.43
1.90
0.63
1.26
1.26
P
0.001
0.000
0.000
0.002
0.094
0.545
0.242
0.242
Para construir el modelo de regresin solo utilizaremos los coeficientes de los factores que resultaron ser signifi
por lo que la ecuacin de regresin queda como sigue:
Cabe sealar que los coeficientes de esta regresin son para datos codificados, por lo que para obtener el valor
debemos substituir desde la creacin del modelo, los valores reales de estos factores.
g) Obtener las grficas factoriales e identificar en cuales seleccionar los diferentes niveles
I nteraction Plot (data means) for Altura de llenado
-1
Presion
-1
1
4
Porcentaje
-1
1
Porcentaj e
-1
1
Velocidad
-1
Presion
-1
1
Presion
0
2
1
0
Velocidad
-1
Aunque de manera estadstica ya se comprobo que las interacciones no resultan ser significativas, este resultad
tambien lo podemos ver de manera grfica ya que no se observa ninguna de las interacciones como significativ
Por lo que la decisin para saber en que niveles debemos de fijar el proceso, lo debemos de hacer de la grfica
de EFECTOS PRINCIPALES.
h) De acuerdo al planteamiento del problema, en que nivel conviene operar el proceso?
Si los datos son de desviacin con respecto al estandar, lo que estamos buscando es minimizar esa variacin, p
que en este caso "menos es mejor". Los niveles seran. Porcentaje nivel bajo (-1), Presin nivel bajo (-1)
y velocidad tambien nivel bajo (-1)
0.0
Hold Values
Velocidad -1
1.0
0.5
-0.5
Altura
de
llenado
< -2
-2 - -1
-1 0
0 1
1 2
> 2
0.0
0.5
Velocidad
0.5
Presion
Velocidad
1.0
Hold Values
Presion -1
-0.5
-1.0
-1.0
-0.5
0.0
Porcentaje
0.5
-0.5
-1.0
-1.0
1.0
0.0
-0.5
0.0
Porcentaje
0.5
-1.0
-1.0
1.0
-0.5
0.0
Presion
0.5
1.0
Las grficas de contorno confirman los resultados anteriores. En los niveles bajos en todos las combinaciones d
es donde se presenta la menor desviacin al estandar
Hold Values
Presion -1
2
A ltura de llenado
Altura de llenado
0
A ltura de llenado
0
-1
-2
-2
1
-1
0
0
Porcentaj e
Presion
1
-1
-1
-2
0
0
Por centaj e
Velocidad
-1
1
-1
0
0
Presion
Velocidad
-1
Al igual que el caso anterior. El punto donde de acuerdo a la superficie de respuesta se encuentra la menor des
es en los niveles bajos de todos los factores
PROBLEMA 7.
Con los datos del problema anterior, contestar los incisos ( a - i) con MINITAB considerando
un diseo factorial fraccional de fraccin 1/2, incluyendo las respuestas correspondientes.
a) Determinar los valores P correspondientes a los factores principales y las interacciones
y establecer conclusiones
Effect
3.500
2.500
2.500
Coef
1.250
1.750
1.250
1.250
SE Coef
0.2500
0.2500
0.2500
0.2500
R-Sq = 96.12%
T
5.00
7.00
5.00
5.00
P
0.007
0.002
0.007
0.007
R-Sq(adj) = 93.20%
DF
3
4
4
7
Seq SS
49.5000
2.0000
2.0000
51.5000
Adj SS
49.5000
2.0000
2.0000
Adj MS
16.5000
0.5000
0.5000
F
33.00
P
0.003
I + Porcentaje*Presion*V
Porcentaje + Presion*Vel
Presion + Porcentaje*Vel
Velocidad + Porcentaje*P
99
95
90
80
70
60
50
40
30
F actor
A
B
C
Name
Porcentaje
Presion
Velocidad
Factor
A
B
C
Term
Percent
2.776
Effect Type
Not Significant
Significant
Name
Porcentaje
Presion
V elocidad
20
10
-2
-1
1
2
3
4
Standardized Effect
3
4
5
Standardized Effect
La gfrfica normal de probabilidad y pareto nos indica que solo los efectos principales son significativos (A,B,C)
RunOrder
1
2
3
4
5
6
7
8
-1
0
-1
6
0
1
0
5
Valor
Ajustado (Y) Residuales
-0.5
-0.5
0.5
-0.5
-0.5
-0.5
5.5
0.5
-0.5
0.5
0.5
0.5
-0.5
0.5
5.5
-0.5
d) Hacer una grfica de probabilidad normal de los residuos con franjas en 95% y concluir
Problema 7
Normal
99
Mean
StDev
N
AD
P-Value
95
90
Percent
80
70
60
50
40
30
20
10
5
-1.0
-0.5
0.0
RESI1
0.5
1.0
1.5
1.110223E-16
0.5345
8
1.282
<0.005
N
AD
P-Value
95
90
8
1.282
<0.005
Percent
80
70
60
50
40
30
20
10
5
-1.0
-0.5
0.0
RESI1
0.5
1.0
1.5
Effect
3.500
2.500
2.500
S = 0.707107
Coef
1.250
1.750
1.250
1.250
SE Coef
0.2500
0.2500
0.2500
0.2500
R-Sq = 96.12%
T
5.00
7.00
5.00
5.00
P
0.007
0.002
0.007
0.007
R-Sq(adj) = 93.20%
Para construir el modelo de regresin solo utilizaremos los coeficientes de los factores que resultaron ser signifi
que para el caso del fraccionado fueron todos, por lo que la ecuacin de regresin queda como sigue:
Altura de llenado = 1.25 + 1.75*Porcetaje de carbonatacin + 1.250*Presion del llenador + 1.25*Velocidad de lle
Cabe sealar que los coeficientes de esta regresin son para datos codificados, por lo que para obtener el valor
debemos substituir desde la creacin del modelo, los valores reales de estos factores.
g) Obtener las grficas factoriales e identificar en cuales seleccionar los diferentes niveles
Interaction Plot (data means) for Altura de llenado
-1
Presion
-1
Porcentaje
-1
1
3
4
2
Porcentaj e
0
-1
-1
-1
Presion
-1
1
Velocidad
Presion
2
1
0
Velocidad
-1
-1
En este caso en particular las interacciones se confunden con los efectos principales, por lo que no pueden ser
evaluadas por separado, aunque de manera grfica se observa que aparentement la interaccin entre presin
puede ser significativa, no lo podemos saber. Por lo que la decisin de en donde fijar los niveles lo seguira haci
de la grfica de EFECTOS PRINCIPALES. Esto resulta ser muy riesgoso ya que el diseo solo tiene resolucin
Nunca recomendara trabajar con este modelo, al menos buscara resolucin IV
h) De acuerdo al planteamiento del problema, en que nivel conviene operar el proceso?
Si los datos son de desviacin con respecto al estandar, lo que estamos buscando es minimizar esa variacin, p
que en este caso "menos es mejor". Los niveles seran. Porcentaje nivel bajo (-1), Presin nivel bajo (-1)
y velocidad tambien nivel bajo (-1)
i) Obtener las grficas de contornos y de superficie de respuesta y establecer conclusiones
Presion
0.5
0.0
1.0
Altura de
llenado
< -2.4
-2.4 - -1.6
-1.6 - -0.8
-0.8 0.0
0.0 0.8
0.8 1.6
1.6 2.4
> 2.4
Hold Values
Velocidad -1
-0.5
0.5
Velocidad
1.0
0.0
Altura de
llenado
< -2.4
-2.4 - -1.6
-1.6 - -0.8
-0.8 0.0
0.0 0.8
0.8 1.6
1.6 2.4
> 2.4
Hold Values
Presion -1
-0.5
0.5
Velocidad
0.0
-0.5
1.0
Altura de
llenado
< -2.4
-2.4 - -1.6
-1.6 - -0.8
-0.8 0.0
0.0 0.8
0.8 1.6
1.6 2.4
> 2.4
0.0
0.5
Velocidad
Presion
0.5
Hold Values
Velocidad -1
-0.5
1.0
Altura de
llenado
< -2.4
-2.4 - -1.6
-1.6 - -0.8
-0.8 0.0
0.0 0.8
0.8 1.6
1.6 2.4
> 2.4
0.0
0.5
Velocidad
1.0
Hold Values
Presion -1
-0.5
-0.5
-1.0
-1.0
-0.5
0.0
Porcentaje
0.5
-1.0
-1.0
1.0
0.0
-0.5
0.0
Porcentaje
0.5
-1.0
-1.0
1.0
-0.5
0.0
Presion
0.5
1.0
Las grficas de contorno confirman los resultados anteriores. En los niveles bajos en todos las combinaciones d
es donde se presenta la menor desviacin al estandar
2
A ltura de llenado
Hold Values
Presion -1
A ltur a de llenado
-2
1
-1
0
0
Porcentaj e
A ltura de llenado
0
-2
Presion
-1
-1
0
0
Porcentaj e
-2
Velocidad
1
-1
-1
0
0
Presion
Velocidad
-1
Al igual que el caso anterior. El punto donde de acuerdo a la superficie de respuesta se encuentra la menor des
es en los niveles bajos de todos los factores
PROBLEMA 8.
Main Effects Plot (data means) for SN ratios
Material
Diametro
40
125
38
Mean of SN ratios
100
Mean of Means
Diametro
42
150
75
50
1
Costuras
150
125
36
34
1
Costuras
42
40
38
100
36
75
34
50
1
De acuerdo a las grficas los resultados que produciran las mayores distancias y que haran robusto el diseo
son material 1 (lquido), diametro 1 = 118 y nmero de costuras 1 = 386
PROBLEMA 9.
A
1
1
B
1
C
1
B
1
C
Normal
99
Mean
StDev
N
AD
P-Value
95
90
5.392512E-16
0.9558
7
0.642
0.054
Percent
80
70
60
50
40
30
20
10
5
-2
-1
0
RESI1
Coef
6.40
8.60
4.10
-3.68
-13.08
-4.28
SE Coef
2.332
2.332
2.332
10.722
10.722
10.722
T
*
*
*
-0.34
-1.22
-0.40
P
*
*
*
0.790
0.437
0.758
VIF
1.599
1.599
1.599
1.569
1.569
1.569
1
B
Porcentaje
< 2
2
- 3
3
- 4
4
- 5
5
- 6
6
- 7
7
- 8
> 8
1
C
PROBLEMA 10.
1. Identificar el problema, mediante QFD u otra herramienta que permita saber la voz del cliente
2. Establecer el objetivo
3. Formar equipo de trabajo multidisciplinario
4. Identificar factores a considerar en el diseo
5. Identificar niveles de los factores a experimentar
5.a) Determinar el tipo de diseoa a utilizar (general, dos niveles, fraccionado, taguchi, mixture, etc)
6. Realizar las diferentes corridas de los experimentos
7. Anotar las salidas correspondientes
8: Realizar todo el anlisis estadstico correspondiente (ANOVA, graficas de interacciones, efectos principales, e
8.a) Determinar los niveles de operacin del proceso
9. Elaborar ecuacin de regresin adecuada para el modelo
10. Realizar corrida de confirmacin para validar resultados
11. Documentar cambios en los sistemas de calidad e incluir poka-yokes donde sea posible
ot of Tiempo de vida
_
X
130
140
Tiempo de vida
150
160
170
r
2
StDev
9.26403
Upper
18.6545
9.36661
18.8611
p-value = 0.974
inuous distribution)
p-value = 1.000
2
Formulacion
or lo que rechazamos la
siduales se comportan
nto se cumple el supuesto
o para la validez de las conclusiones
C
Catalizador
s siguientes resultados.
0
ion
Temperatura
1
2
3
270
ndardized Effects
Name
Porcentaje
Presion
V elocidad
ct
on significativos, mostraremos
RESI2
-2.5
0.5
-0.25
2.75
-0.75
2.25
1.5
4.5
-2.5
0.5
-0.25
2.75
-0.75
2.25
1.5
4.5
-0.5
-0.5
-0.75
-0.75
-0.25
-0.25
-0.5
1.5
1.5
0.5
0.25
0.25
0.75
-1.25
-0.5
0.5
Problema 6
Normal
Mean
StDev
N
AD
P-Value
0
RESI2
-6.93889E-17
0.7958
16
0.506
0.171
StDev
N
AD
P-Value
0
RESI2
0.7958
16
0.506
0.171
+ 0.0875*Velocidad de llenado
lo que para obtener el valor real
or Altura de llenado
-1
1
4
Porcentaje
-1
1
0
4
Presion
-1
1
Velocidad
Altura
de
llenado
< -2
-2 - -1
-1 0
0 1
> 1
Velocidad
0.5
Hold Values
Porcentaje -1
0.0
-0.5
-1.0
-1.0
-0.5
0.0
Presion
0.5
1.0
1
A ltura de llenado
0
-1
-2
1
-1
0
0
Presion
Velocidad
-1
es Porcetaje, Presion,
significativos, de acuerdo
de 0.05. En el anlisis no se muestra
ccin ya que al fraccionarlo
es se confunden con los efectos
y como se muestra en la siguiente
+ Porcentaje*Presion*Velocidad
orcentaje + Presion*Velocidad
resion + Porcentaje*Velocidad
elocidad + Porcentaje*Presion
ardized Effects
o, Alpha = .05)
Factor
A
B
C
Name
Porcentaje
Presion
V elocidad
os residuales no siguen
o lo retifica el valor p.
este modelo no es buena
Velocidad
0.5
0.0
-0.5
Altura de
llenado
< -2.4
-2.4 - -1.6
-1.6 - -0.8
-0.8 0.0
0.0 0.8
0.8 1.6
> 1.6
Hold Values
Porcentaje -1
Altura de
llenado
< -2.4
- -1.6
- -0.8
0.0
0.8
1.6
> 1.6
-2.4
-1.6
-0.8
0.0
0.8
Velocidad
0.5
0.0
Hold Values
Porcentaje -1
-0.5
-1.0
-1.0
-0.5
0.0
Presion
0.5
1.0
A ltura de llenado
Hold Values
Porcentaje -1
-2
1
-1
0
0
Presion
Velocidad
-1
z del cliente