Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
EXPERIMENTOS
Regresión.
Diseños para la Diseños de Superficies de respuesta.
optimización de Modelos de primer orden - Diseños robustos.
procesos
Competencias
• A: Diseñar experimentos para formular y ejecutar proyectos de
investigación o solución de problemas aplicada al sector industrial,
contribuyendo al desarrollo integral de la región y del país.
• B: Seleccionar estrategias experimentales. Diseñar experimentos que
permitan validar los resultados de una investigación y dar solución a
problemas reales en la esfera de la gestión energética y otros campos.
• C: Analizar estadísticamente los experimentos. Determinar los factores
que afectan de manera significativa las variables de respuesta de los
procesos y requieren acciones para mejorar el desempeño de equipos y
procesos.
• D: Aplicar técnicas de optimización. Determinar los valores de los
factores que optimizan el desempeño de equipos y procesos y minimizan
los consumos energéticos.
• E: Aplicar software estadístico. Comparar diferentes alternativas de
solución para determinar la solución óptima.
Expositivo (con predominio de la acción del
docente)
ESTRATEGIAS Elaboración conjunta (participación compartida
profesor-estudiante en la construcción del
PEDAGÓGICAS Y conocimiento)
DIDÁCTICAS. Investigativo (predomina la búsqueda
independiente del estudiante)
Debate y reflexión (discusión y opiniones
valorativas del estudiante)
Teórico-práctico (combina la teoría y práctica para
resolución de problemas)
•Reclamos clientes
MEJORAR UN SITUACIONES •Devoluciones
PROCESO: PROBLEMA •Imagen empresa
• Producción
•Mayores •insumos
Composición química
•Procesamiento material
•Transporte
defectuoso•Mercado $$
• Proveedores
•Requerimiento –
personal
PROPUESTA REVISION
•Pérdidas Compradores
económicas
ANALISIS DISCUSION
PLANEACION DE LA INVESTIGACIÓN
6
INTRODUCCION
MEJORAR UN PROCESO:
7
INTRODUCCION
8
INTRODUCCION
Experimentación: El proceso de experimentar se
lleva a cabo para descubrir algo en un proceso o
sistema.
9
INTRODUCCION - Historia.
• Siguientes siete años, se dedicó al estudio pionero de los principios del diseño de
experimentos (The Design of Experiments, 1935), elaboró sus trabajos sobre el análisis de
varianza y comenzó a prestar una atención especial a las ventajas metodológicas de la
computación de datos (Statistical Methods for Research Workers, 1925).
• Por ejemplo, descubrió la utilidad del uso de los cuadrados latinos para mejorar significativamente
los métodos agrícolas.
• 1980 . Auge en la industria Japonesa y sus procesos de calidad (Taguchi) – uso en resolver
problemas de fondo y mejorar procesos y productos.
10
INTRODUCCION - Diseño de experimentos
11
DEFINICIONES
Unidad Experimental: Entidad física o sujeto expuesto al
tratamiento. Unidad más pequeña.
Experimento Comparativo
experimentales. (variables de entrada)
F. controlables: : temperatura, humedad, tipo de carbón,
composición química etc.
Experimento
F. No controlables o de ruido.
Niveles del Factor: Diversas categorías de un factor. Ej:
Temperatura son niveles de 20°C, 30°C y 40°C.
12
DEFINICIONES
Hipótesis nula
Hipótesis alternativa
Ejemplo de hipótesis
La porosidad del coque esta definido principalmente
por el tipo de azufre contenido en el carbón inicial.
14
ESTRATEGIAS DE EXPERIMENTACIÓN
ENTRADAS SALIDA =Y
Factores
PROCESO
Controlables Variable respuesta
Factores no
. Efectos
controlables
Causas
15
Preguntas:
16
EJEMPLO Diseño experimental 1.
Tipo de
carbón Tiempo Temperatura
•Geometría
•Tamaño de poro
•Velocidad Área superficial
PROCESO especifica de
calentamiento
carbonizados, m2/g
.
Condiciones
ambientales
ESTRATEGIAS DE EXPERIMENTACIÓN
OBJETIVOS DE LA EXPERIMENTACION:
18
PRINCIPIO BÁSICO 1 : REPLICAS
Se considera la replica como el primer requisito para obtener
resultados experimentales válidos. Es decir cada tratamiento
se aplica de manera independiente a dos o más unidades
experimentales.
20
PRINCIPIO BÁSICO 3: FORMACIÓN DE
BLOQUES
Técnica de diseño que se usa para mejorar la
precisión de las comparaciones que se hacen
entre los diferentes factores.
Media 58,1 21
Varianza 174,99
PAUTAS PARA EL DISEÑO DE EXPERIMENTOS.
DELIMITAR EL PROBLEMA DE
ESTUDIO
VERIFICAR
❖ Identificación factores, cuales varían y cuales
permanecen constantes
❖ Características a medir
❖ Procedimiento realizar pruebas
❖ Numero de repeticiones 23
APLICACIONES TÍPICAS
• Mejoras de un proceso.
• Variabilidad reducida
• Reducción de tiempos
• Reducción de costos.
DISEÑO DE INGENIERÍA
• Evaluación y comparación de configuraciones de
diseños básicos.
• Evaluación de materiales alternativos
• Selección de parámetros del diseño, para tener una
amplia variedad de condiciones.
• Determinación de parámetros claves del diseño del
producto que afecten el desempeño del mismo.
24
TALLER
Factores Controlables
X1 X2 Xp
…..
ENTRADAS SALIDA =Y
PROCESO
Z1 Z2 ….. Zp
Estudio
Factores No Controlables Acero
TRATAMIENTOS DE
CONTROL
TRATAMIENTOS DE CONTROL
• Inferencia Estadística
• Población y Muestra
• Distribución de probabilidad
• Media, Varianza
Inferencia Estadística
Aleatoriamente
31
Tamaño de muestra
• Importante decidir el número de replicas a realizar en
cada tratamiento.
• Si se esperan pequeñas diferencias se requerirá un
mayor tamaño de muestra.
• Normalmente cuando se involucra un solo factor, por
experiencia se tienen entre 5 y 10 replicas, en algunos
casos hasta 30, dependiendo de algunos factores:
Figura 2-2 Histograma de 200 observaciones de la recuperación de metal (rendimiento) en un proceso de fundición
CONCEPTOS BÁSICOS
Diagrama de cajas.
Un Diagrama de Cajas muestra también llamado (de caja y bigotes) muestra el mínimo,
el máximo, los cuartiles inferior y superior (el percentil 25 y el percentil 75
respectivamente) y la mediana (el percentil 50) en una caja rectangular alineada
horizontal o verticalmente.
Estima el centro
de distribución
Media Muestral
Varianza Muestral
Explica la variabilidad de la
distribución.
Distribucion Normal
• Para una distribución normal, aproximadamente el
68% de los valores se cubrirán con una desviación
típica de valor uno, aproximadamente el 95% con una
desviación típica de valor dos y aproximadamente el
99.73% con una desviación típica de valor tres.
• La media muestral y la desviación típica describen
completamente la muestra sólo si provienen de una
distribución normal.
• Dos estadísticos que se pueden utilizar para medir la
asunción de normalidad son la asimetría y la curtosis
normalizadas.
Distribución Normal
Hipótesis nula
Hipótesis alternativa
Estadístico de prueba
Para determinar si debe rechazarse Ho, se compara 𝑡0 con la distribución t con n1 + n2 -2 GL.
EJEMPLO
Prueba t de dos muestras
Prueba t de dos muestras
EJERCICIO.
Se utilizan dos máquinas para llenar botellas de plástico con un volumen de 16 onzas.
Puede suponerse que el proceso de llenado es normal, con desviación estándar de
0.07 y 0.39. el departamento de ingeniería sospecha que ambas máquinas llenan al
mismo volumen neto, sin importar si el volumen es 16 onzas o no. Se realiza un
experimento tomando una muestra aleatoria de la producción de cada máquina.
DS 0,3933 0,0731
MEDIA 16,299 15,991
VARIANZA 0,15468 0,00534
n 10 10
EJERCICIO.
A continuación se presenta el tiempo de combustión de dos cohetes químicos con
formulaciones diferentes. Los ingenieros de diseño se interesan tanto en la media como
en la varianza del tiempo de combustión.
49
ANALISIS DE VARIANZA – UN SOLO FACTOR
Ejemplo:
Se quiere evaluar la resistencia a la tensión de una fibra sintética, que se
usara para tela en la fabricación de ropa. El ingeniero conoce, que la
resistencia a la tensión se afecta por el peso porcentual del algodón
utilizado en la mezcla de materiales de la fibra.
-Se tiene que el algodón debe variar entre 10 y 40% para que el
producto final sea de calidad.
-Se decide probar ejemplares en 5 niveles del peso porcentual de
algodón (15,20,25,30 y 35), probado además en 5 ejemplares.
50
Ejemplo:
ANALISIS DE VARIANZA – UN SOLO FACTOR
Ejemplo:
De las 25 corridas se selecciona un número aleatorio entre 1 y 25, ej:8, así que
esta se corre primero y así sucesivamente.
51
Ejemplo:
ANALISIS DE VARIANZA – UN SOLO FACTOR
Análisis de Varianza
Yij
Observacion j-esima
del tratamiento i-ésimo
Modelo de datos
Análisis de
medias
53
Ejemplo:
ANALISIS DE VARIANZA – UN SOLO FACTOR
N = an = Numero total
de observaciones
54
Ejemplo:
ANALISIS DE VARIANZA – UN SOLO FACTOR
56
Ejemplo:
ANALISIS DE VARIANZA – UN SOLO FACTOR
57
Ejemplo:
ANALISIS DE VARIANZA – UN SOLO FACTOR
58
Ejemplo:
ANALISIS DE VARIANZA – UN SOLO FACTOR
59
ANALISIS DE VARIANZA – UN SOLO FACTOR
CODIFICACION DE DATOS
COMPARACIONES DE PARES DE MEDIAS.
61
METODO LSD
Para ilustrar el procedimiento, si se usan los datos del experimento de ejemplo 3-1, la LSD con α = 0.05 es
Por lo tanto, cualquier par de promedios de los tratamientos que difiera del valor absoluto por más de
3.75 implicaría que el par correspondiente de medias poblacionales es significativamente diferente: Las
diferencias en los promedios son
Los valores marcados con asterisco indican pares de medias que son significativamente diferentes.
Evidentemente, los únicos pares de medias que no difieren significativamente son 1 y 5y 2 y 3, y el
tratamiento 4 produce una resistencia a la tensión significativamente mayor que los otros tratamientos.
62
ANALISIS DE DUNCAN
Prueba del rango múltiple de Duncan
Un procedimiento muy utilizado para comparar todos los pares de medias es la prueba del rango
múltiple desarrollada por Duncan. Para aplicar la prueba del rango múltiple de Duncan cuando los
tamaños de las muestras son iguales, los a promedios de los tratamientos se arreglan en orden
ascendente, y el error estándar de cada promedio se determina como
La prueba del rango múltiple de Duncan puede aplicarse al experimento . Recuerde que
,y hay 20 grados de libertad del error. Al arreglar los promedios de
los tratamientos en orden ascendente, se tiene
63
ANALISIS DE DUNCAN - (2)
64
EJERCICIO
1. Se llevó a cabo un experimento a fin de determinar si cuatro temperaturas
de cocción específicas afectan la densidad de cierto tipo de ladrillo. El
experimento produjo los siguientes datos.
Temperatura Densidad
Yij 2
i j
Factor de Corrección =
b.t
1
Suma de Cuadrados Tratamientos =
b i
Ti.2 Fc
1
Suma de Cuadrados de Bloques =
t j
T. 2j Fc
Suma de Cuadrados Total = Yij2 Fc
i j
Suma de Cuadrados del Error = SC Total - SC Tratamiento - SC Bloque
Tabla de Análisis de Varianza para dos criterios de
clasificación
Fuente de Suma de Grados de Cuadrados F calculada
variación Cuadrados libertad Medios
Tratamientos SCA t-1 CMA = SCA / t-1 CMA / CME
Bloques SCB b -1 CMB = SCB / b-1 CMB / CME