Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
procesamiento METALURGICO
Lima – peru
2015
Instructor
Ms. Cs. José B. Espinoza Suárez.
INDICE
DISEÑOS EXPERIMENTALES PROCESAMIENTO METALURGICO JOSE ESPINOZA
CAPITULO I 4
INTRODUCCION 4
1.1.- DISEÑO DEL EXPERIMENTO 5
1.2.- OBJETIVOS 5
1.3.- PROPOSITO DE UN DISEÑO EXPERIMENTAL 5
1.4.- TRATAMIENTO 5
1.5.- FACTOR 5
1.6.- NIVELES DEL FACTOR 6
1.7.- UNIDAD EXPERIMENTAL 7
1.8.- ERROR EXPERIMENTAL 6
1.9.- FACTORES CONTROLABLES 6
1.10.- FACTORES INCONTROLABLES 6
1.11.- ANALISIS DE LA VARIANCIA 6
1.12.- HIPOTESIS ESTADISTICA 6
1.13.- PRINCIPIOS BASICOS DEL DISEÑO EXPERIMENTAL 7
1.13.1.- ALEATORIZAR 7
1.13.2.- BLOQUEAR 7
1.14.- LA FACTORIZACIÓN DEL DISEÑO 8
1.15.- SUPUESTOS ACERCA DEL MODELO ESTADISTICO 8
1.16.- TIPOS DE MODELOS ESTADISTICOS 8
1.17.- PRUEBAS DE COMPARACION DE MEDIAS 9
1.18.- TRANSFORMACION DE DATOS 9
1.19.- COEFICIENTE DE VARIABILIDAD 10
CAPITULO II 18
EXPERIMENTOS BASICOS 11
CAPITULO III 23
EXPERIMENTOS FACTORIALES 23
CAPITULO IV. 34
DISEÑO FACTORIAL 2 K 34
4.1. INTRODUCCION – PRINCIPIOS 34
2
DISEÑOS EXPERIMENTALES PROCESAMIENTO METALURGICO JOSE ESPINOZA
CAPITULO V 64
DISEÑOS 2K FRACCIONADOS 64
BIBLIOGRAFIA 121
Capítulo I
3
DISEÑOS EXPERIMENTALES PROCESAMIENTO METALURGICO JOSE ESPINOZA
INTRODUCCION
4
DISEÑOS EXPERIMENTALES PROCESAMIENTO METALURGICO JOSE ESPINOZA
Un proceso suele visualizarse como una Caja Negra en donde existe una
transformación de lo que entra al proceso, y que se observa en las salidas
que produce. Este proceso puede ser una combinación de máquinas,
métodos, personas y otros recursos que transforman las entradas (a menudo
un material) en las salidas que tienen una o más respuestas observables.
Algunas de las variables del proceso digamos X1, X2, ….,Xp son
controlables, mientras que otras como Z1, Z2, …..,Zp son incontrolables (no
controlables).
1.2.- OBJETIVOS
Determinar cuales variables tienen mayor influencia en la respuesta o
variable dependiente ( Y).
Determinar el mejor valor de las (Xs) que influyen en (Y), de modo que
(Y) tenga casi siempre un valor cercano al valor nominal deseado.
Determinar el mejor valor de las (X) que influyen en (Y), de modo que
la variabilidad de (Y) sea pequeña.
Determinar el mejor valor de las (Z) que influyen en (Y), de modo que
se minimicen los efectos de las variables incontrolables Z1, Z2,….,Zp.
1.4.- TRATAMIENTO
Los tratamientos vienen a constituir los diferentes procedimientos, procesos,
factores o materiales y cuyos efectos van a ser medidos y comparados. El
tratamiento establece un conjunto de condiciones experimentales que deben
imponerse a una unidad experimental dentro de los confines del diseño
seleccionado. Ejemplos: Temperatura (60º), Volumen de aire (1.2 pie 3/Hora),
Zantato (0.01) y Z6 (0) Etc.
1.5.- FACTOR
Es un grupo específico de tratamientos. (Ejemplo, Temperatura, Volumen de
aire, Agua de lavado, etc.).
5
DISEÑOS EXPERIMENTALES PROCESAMIENTO METALURGICO JOSE ESPINOZA
6
DISEÑOS EXPERIMENTALES PROCESAMIENTO METALURGICO JOSE ESPINOZA
1.13.1.- Aleatorizar
“Aleatorizar todos los factores no controlados por el experimentador en el
diseño experimental y que pueden influir en los resultados serán asignados
al azar a las unidades experimentales”.
Ventajas de aleatorizar los factores no controlados:
1.13.2.- Bloquear
“Se deben dividir o particionar las unidades experimentales en grupos
llamados bloques de modo que las observaciones realizadas en cada bloque
se realicen bajo condiciones experimentales lo más parecidas posibles”.
Bloquear es una buena estrategia siempre y cuando sea posible dividir las
unidades experimentales en grupos de unidades similares, Convierte la
variabilidad sistemática no planificada en variabilidad sistemática planificada.
Ejemplo.
Se desea investigar las posibles diferencias en la producción de dos
máquinas, cada una de las cuales debe ser manejada por un operario. En el
planteamiento de este problema la variable respuesta es “la producción de
una máquina (en un día)”, el factor-tratamiento en el que se está interesado
es el “tipo de máquina” que tiene dos niveles y un factor que viene ha ser el
“operario que maneja la máquina”. En el diseño del experimento para realizar
el estudio se pueden utilizar dos estrategias para controlar el factor “operario
que maneja la máquina”.
7
DISEÑOS EXPERIMENTALES PROCESAMIENTO METALURGICO JOSE ESPINOZA
8
DISEÑOS EXPERIMENTALES PROCESAMIENTO METALURGICO JOSE ESPINOZA
casos las conclusiones del análisis de variancia serán válidas para toda la
población de factores cuando estos son elegidos al azar, y solamente para
los factores usados cuando estos son fijados.
9
DISEÑOS EXPERIMENTALES PROCESAMIENTO METALURGICO JOSE ESPINOZA
que las variancias de los grupos sean más iguales. También es aplicable a
las distribuciones sesgadas puesto que acorta la cola larga. Si Y es el
número observado, para el análisis estadístico y la prueba de significación
utilizaremos Y . Cuando los números observados son pequeños (de 2 a 10),
1/2
Capitulo II
EXPERIMENTOS BASICOS
10
DISEÑOS EXPERIMENTALES PROCESAMIENTO METALURGICO JOSE ESPINOZA
2.1.1.- Ventajas
Cuando en un experimento las unidades experimentales se arreglan bajo
un Diseño completamente al azar se tienen las siguientes ventajas
debido a su flexibilidad, el análisis estadístico es simple, se obtiene el
máximo numero de grados de libertad para el error y se tiene una mejor
precisión debido a que sus unidades son homogéneas.
2.1.2.- Desventajas
Se puede obtener baja precisión cuando las unidades experimentales
no sean muy homogéneas y así ser ineficiente.
2.1.3.- Usos
1. Es recomendado cuando es posible que gran parte de las UE no
respondan al tratamiento o puedan perderse durante el experimento.
Observaciones
Nivel del factor 1 2 3 4 … n Total Promedio
1 y11 y12 y13 y14 … y1n y1. y1
2 y21 y22 y23 y24 … y2n y2. y2
… … … … … … … … …
a ya1 ya2 ya3 ya4 … yan ya. ya
Se puede describir una observación Yij como:
11
DISEÑOS EXPERIMENTALES PROCESAMIENTO METALURGICO JOSE ESPINOZA
y ij i j i = 1, 2, …., a; j = 1, 2, …, n
a
i 1
i 0
Se trata de probar la hipótesis siguiente:
Ho: 1 = 2 = ….. = a = 0
H1: i 0 para al menos una i.
a 2
SST j 1 ( y ij y..)
n
i 1
a 2 a 2
SST j 1 ( y ij y..) ni 1 ( y i. y..) 2 j 1 ( y ij y i .)
n a n
i 1 i 1
12
DISEÑOS EXPERIMENTALES PROCESAMIENTO METALURGICO JOSE ESPINOZA
a 2 y ..2 a
y i2. y ..2
SST j 1 y ij
n
, SS F , SS E SST SS FACTOR
i 1 an i 1 n an
SS F SS E
MS F MS E
a 1 a( n 1)
Puede demostrarse que el cuadrado medio del error MSe estima la varianza
del error experimental 2. Además MSF estima la varianza sólo si todas las
medias de los niveles del factor son iguales, pero si son diferentes, MS F será
mucho mayor que la varianza 2. Para probar lo anterior se usa la prueba F
de varianzas.
MS F
Fo
MS E
Si Fo F , a 1, a ( n a ) , se puede concluir que las medias de los niveles del
factor son diferentes. Si se hace el análisis en computadora, también se
puede concluir observando el valor de P. El problema básico es contrastar la
hipótesis nula de que el factor no influye en la variable de interés.
scT = SCT=
Trat i=1
I n
t=1 i
2 I- 1
13
DISEÑOS EXPERIMENTALES PROCESAMIENTO METALURGICO JOSE ESPINOZA
I n 2
i=1 e
t = 1 i it
scT =
Total i=1
I n
t=1 i
2 n-1
Analizando las gráficas nos damos cuenta de que las muestras provienen
de una población normal.
14
DISEÑOS EXPERIMENTALES PROCESAMIENTO METALURGICO JOSE ESPINOZA
H 0 : 1 2 3
ANOVA en Minitab.
Resultados:
One-way ANOVA: A, B, C
ANOVA unidireccional: 15%; 18%; 20%
Fuente GL SC MC F P
Factor 2 210,5 105,3 8,42 0,009
Error 9 112,5 12,5
15
DISEÑOS EXPERIMENTALES PROCESAMIENTO METALURGICO JOSE ESPINOZA
Total 11 323,0
Como este valor P es menor a 0.05 se rechaza la hipótesis nula y 15%, 18%
y 20% tienen efecto en la respuesta.
Los intervalos de confianza de los tres niveles 15%, 18%, 20% del factor no
se pueden traslapar completamente por tanto sus efectos son diferentes.
A continuación se muestran los residuos y los valores estimados para la respuesta Y por el
modelo:
16
DISEÑOS EXPERIMENTALES PROCESAMIENTO METALURGICO JOSE ESPINOZA
Donde:
= Media general
i = Efecto del nivel i-ésimo del factor. La suma de sus desviaciones
respecto a la media general es cero.
j = Efecto del bloque j-ésimo. La suma de sus desviaciones respecto a la
media general es cero.
ij = NID(o, 2) Es el término de error.
Se trata de probar la Hipótesis de igualdad de efectos del factor, o sea:
H 0 : 1 2 ... a 0
H 1: : i 0, para.al.menos.una.i
.j
i 1 i 1
Simbólicamente se tiene:
17
DISEÑOS EXPERIMENTALES PROCESAMIENTO METALURGICO JOSE ESPINOZA
ab 1 (a 1) (b 1) (a 1)(b 1)
ANOVA
FV SS df MS F P-value F crit
Error 0.951 12 0.07925
Total 25.688 19
Por ser Fc > Fcrítica para los tipos de químicos, sus medias difieren entre sí.
Demás también se observa diferencias entre las fibras.
Se puede usar el método de la distribución t con escala
MSE 0.08 0.13 . Si se antepone esta a las medias, se observa que
b 5
18
DISEÑOS EXPERIMENTALES PROCESAMIENTO METALURGICO JOSE ESPINOZA
la media del químico 4 difiere mucho de las otras medias. El 95% de intervalo
de confianza para la media 4 es (3.29, 3.83).
La gráfica de los residuos mostró normalidad. A pesar de que el químico 4
mostró mayor variabilidad en resistencia, también indica mayor variabilidad.
Serán necesarios otros experimentos para afinar la solución.
FIGURA 1.2.1. Esta figura muestra la manera de entrar los datos para el
ejemplo.
19
DISEÑOS EXPERIMENTALES PROCESAMIENTO METALURGICO JOSE ESPINOZA
Luego se presenta una ventana, donde se indica la columna que contiene las
respuestas y el modelo a ser considerado, colocando los dos factores
considerados: Tipo de Químico y Muestra de Fibra.
Se presiona OK
Los resultados obtenidos se presentan en la ventana de sesión, según se
puede apreciar en la siguiente pantalla:
20
DISEÑOS EXPERIMENTALES PROCESAMIENTO METALURGICO JOSE ESPINOZA
21
DISEÑOS EXPERIMENTALES PROCESAMIENTO METALURGICO JOSE ESPINOZA
95
90
80
70
Percent
60
50
40
30
20
10
5
1
-0,50 -0,25 0,00 0,25 0,50
Residual
CAPITULO III
22
DISEÑOS EXPERIMENTALES PROCESAMIENTO METALURGICO JOSE ESPINOZA
EXPERIMENTOS FACTORIALES
23
DISEÑOS EXPERIMENTALES PROCESAMIENTO METALURGICO JOSE ESPINOZA
FACTOR B
FACTOR A
24
DISEÑOS EXPERIMENTALES PROCESAMIENTO METALURGICO JOSE ESPINOZA
Para el factor A:
donde es la media
global y es la media poblacional del nivel Como
y si es cierta y como
entonces se tienen dos estimadores insesgados de que
25
DISEÑOS EXPERIMENTALES PROCESAMIENTO METALURGICO JOSE ESPINOZA
donde es
la media poblacional del nivel y es la media global. Como
y si es cierta y como
entonces se tienen dos estimadores insesgados de que
Como , si es cierta
razonando como en los casos anteriores se tiene que la
26
DISEÑOS EXPERIMENTALES PROCESAMIENTO METALURGICO JOSE ESPINOZA
Figura. Gráfica de líneas para los tipos de materiales en los niveles de temperatura.
27
DISEÑOS EXPERIMENTALES PROCESAMIENTO METALURGICO JOSE ESPINOZA
FIGURA. Esta figura muestra la manera de entrar los datos para el ejemplo.
28
DISEÑOS EXPERIMENTALES PROCESAMIENTO METALURGICO JOSE ESPINOZA
29
DISEÑOS EXPERIMENTALES PROCESAMIENTO METALURGICO JOSE ESPINOZA
95
90
80
70
Percent
60
50
40
30
20
10
1
-75 -50 -25 0 25 50
Residual
30
DISEÑOS EXPERIMENTALES PROCESAMIENTO METALURGICO JOSE ESPINOZA
31
DISEÑOS EXPERIMENTALES PROCESAMIENTO METALURGICO JOSE ESPINOZA
CONCLUSIONES EN RESIDUALES
0.1
Residual
90.0 90.1 90.2 90.3 90.4 90.5 90.6 90.7 90.8 90.9
Fitted Value
-1
-2
-0.1 0.0 0.1
Residual
32
DISEÑOS EXPERIMENTALES PROCESAMIENTO METALURGICO JOSE ESPINOZA
General Linear Model: Resp versus Temp, Presion
Factor Type Levels Values
Temp fixed 3 1 2 3
Presion fixed 3 1 2 3 Significativos a nivel de 0.05
Analysis of Variance for Resp, using Adjusted SS for Tests
Source DF Seq SS Adj SS Adj MS F P
Temp 2 0.30111 0.30111 0.15056 8.47 0.009
Presion 2 0.76778 0.76778 0.38389 21.59 0.000
Temp*Presion 4 0.06889 0.06889 0.01722 0.97 0.470
Error 9 0.16000 0.16000 ´ 0.01778
Total 17 1.29778 No significativo a nivel 0.05
Temp Pr esion
90 .68
90 .56
Resp
90 .44
90 .32
90 .20
33
DISEÑOS EXPERIMENTALES PROCESAMIENTO METALURGICO JOSE ESPINOZA
CAPITULO IV
DISEÑO FACTORIAL 2 K
4.1.- INTRODUCCION - PRINCIPIOS
Permiten investigar el efecto de dos o más factores en la respuesta
del proceso analizado utilizando solo dos niveles.
Son diseños en los cuales las variables explicativas son factores (es
decir, son categóricas o se han categorizado).
Para cada factor se consideran solo dos niveles, genéricamente alto
(+) y bajo (-).
Todas las variables explicativas involucradas son tratamientos
El número de puntos diferentes para un diseño con k factores es n =
2k.
Por ser un conjunto de datos con tratamientos categóricos, el modelo
lógico a utilizar es un modelo de análisis de varianza con k vias que
incluya todas las interacciones entre factores.
También puede utilizarse un modelo de regresión lineal con variables
codificadas, el cual resulta equivalente al modelo ANOVA.
34
DISEÑOS EXPERIMENTALES PROCESAMIENTO METALURGICO JOSE ESPINOZA
35
DISEÑOS EXPERIMENTALES PROCESAMIENTO METALURGICO JOSE ESPINOZA
Natural Codificado
Prueba
Z1 Z2 X1 X2 Y
1 0.009 0.016 -1 -1 Y1
2 0.027 0.016 1 -1 YX1
3 0.009 0.020 -1 1 YX2
4 0.031 0.018 1 1 YX1X2
36
DISEÑOS EXPERIMENTALES PROCESAMIENTO METALURGICO JOSE ESPINOZA
37
DISEÑOS EXPERIMENTALES PROCESAMIENTO METALURGICO JOSE ESPINOZA
Viscocidad
Combinación de I II III IV Totales
A bajo, B bajo (1) 145 148 147 140 580
A alto, B bajo (a) 158 152 155 152 617
A bajo, B alto (b) 135 138 141 139 553
A alto, B alto (ab) 150 152 146 149 597
20lb/hr (-1)
(1) = 580 a = 617
38
DISEÑOS EXPERIMENTALES PROCESAMIENTO METALURGICO JOSE ESPINOZA
Contraste de A Contraste de B
(1) = 580
A
1
ab a b (1) y A y A ab a b (1) (a) = 617
2n 2n 2n
1 ab b a (1) (b) = 553
B ab b a (1) y B y B
2n 2n 2n (ab) = 597
1 ab (1) a b
AB ab (1) a b y AB y AB
2n 2n 2n n = 4 réplicas
Contraste de AxB
Efecto del factor A = 10.125 Cotraste de A = 81
39
DISEÑOS EXPERIMENTALES PROCESAMIENTO METALURGICO JOSE ESPINOZA
Del Paso 2.
b1 = Efecto principal del factor A / 2 = 10.125 / 2 = 5.0625 Significante
40
DISEÑOS EXPERIMENTALES PROCESAMIENTO METALURGICO JOSE ESPINOZA
41
DISEÑOS EXPERIMENTALES PROCESAMIENTO METALURGICO JOSE ESPINOZA
o Two level
ANALISIS
42
DISEÑOS EXPERIMENTALES PROCESAMIENTO METALURGICO JOSE ESPINOZA
1
Standardized Residual
Normal Score
0
0
-1 -1
-2 -2
-2 -1 0 1
140 145 150 155
Chequear la validez del modelo con los residuos normales y aleatorios contra
fits.
Identificar los factores significativos:
A : C o n c e n tr
B : V e l o ci d a
Los factores
A
significativos
exceden la raya
roja, en este
B
caso son los
factores:
AB
AyB
0 1 2 3 4 5 6 7
43
DISEÑOS EXPERIMENTALES PROCESAMIENTO METALURGICO JOSE ESPINOZA
N o r m a l P r o b a b ility P lo t o f th e S ta n d a r d iz e d E ffe c ts
( r e s p o n s e is R e s p u e s t, A lp h a = .1 0 )
A
A:
B:
C o n c e n tr
V e lo c id a
Los factores
significativos
0.5
salen de la
Normal Score
0.0
gráfica normal
en este caso:
-0.5
B Factores A y B
-4 -2 0 2 4 6
S t a n d a rd i ze d E f f e c t
Fractional Factorial Fit: Respuestas versus Concentración, Velocidad
Estos son los coeficientes
de la ecuación de regresión
Estimated Effects and Coefficients for Respuest (coded units)
del modelo en valores codif.
con X1 y X2 en +1 y -1
Term Effect Coef SE Coef T P
Son significativos
Constant 146.688 0.7226 203.00 0.000 AyB
Concentr 10.125 5.062 0.7226 7.01 0.000
Velocida 5.875 2.937 0.7226 4.07 0.002
Concentr*Velocida 0.875 0.437 0.7226 0.61 0.556 La interacción no es
significativa
Analysis of Variance for Respuest (coded units)
Source DF Seq SS Adj SS Adj MS F P
Main Effects 2 548.125 548.125 274.062 32.81 0.000
2Way Interactions 1 3.062 3.062 3.062 0.37 0.556
Residual Error 12 100.250 100.250 8.354
Pure Error 12 100.250 100.250 8.354
Total 15 651.437
Estimated Coefficients for Respuest using data in uncoded units
44
DISEÑOS EXPERIMENTALES PROCESAMIENTO METALURGICO JOSE ESPINOZA
Seleccionar OK
45
DISEÑOS EXPERIMENTALES PROCESAMIENTO METALURGICO JOSE ESPINOZA
15 16 17 18 19 20 21 22 23 24 25
Concentracion
155
150
Respuestas 145
140 30
15
25 Velocidad
20 20
Concentracion 25
46
DISEÑOS EXPERIMENTALES PROCESAMIENTO METALURGICO JOSE ESPINOZA
Respuesta Vibración
Réplica
I II III IV
18,2 18,9 12,9 14,4
27,2 24,0 22,4 22,5
15,9 14,5 15,1 14,2
41,0 43,9 36,3 39,9
PASO 1. GENERAR EL DISEÑO FACTORIAL DE ACUERDO AL
EXPERIMENTO
47
DISEÑOS EXPERIMENTALES PROCESAMIENTO METALURGICO JOSE ESPINOZA
48
DISEÑOS EXPERIMENTALES PROCESAMIENTO METALURGICO JOSE ESPINOZA
a) CONCLUSIONES EN RESIDUALES
49
DISEÑOS EXPERIMENTALES PROCESAMIENTO METALURGICO JOSE ESPINOZA
En este caso debemos indicar en los niveles de los factores del diseño, no
los valores de -1, 1 si no los valores reales de los niveles cuando se genera
el diseño como sigue:
50
DISEÑOS EXPERIMENTALES PROCESAMIENTO METALURGICO JOSE ESPINOZA
51
DISEÑOS EXPERIMENTALES PROCESAMIENTO METALURGICO JOSE ESPINOZA
52
DISEÑOS EXPERIMENTALES PROCESAMIENTO METALURGICO JOSE ESPINOZA
53
DISEÑOS EXPERIMENTALES PROCESAMIENTO METALURGICO JOSE ESPINOZA
54
DISEÑOS EXPERIMENTALES PROCESAMIENTO METALURGICO JOSE ESPINOZA
Z1 Reactivo cc (%) 15 20
Z2 Catalizador (Sacos) 1 2
55
DISEÑOS EXPERIMENTALES PROCESAMIENTO METALURGICO JOSE ESPINOZA
Codificado Y
Prueba
X1 X2 I II III
1 -1 -1 -1 22 31 25
2 1 -1 -1 32 43 29
3 -1 1 -1 35 34 50
4 1 1 -1 55 47 46
5 -1 -1 1 44 45 38
6 1 -1 1 40 37 36
7 -1 1 1 60 50 54
8 1 1 1 39 41 47
56
DISEÑOS EXPERIMENTALES PROCESAMIENTO METALURGICO JOSE ESPINOZA
57
DISEÑOS EXPERIMENTALES PROCESAMIENTO METALURGICO JOSE ESPINOZA
58
DISEÑOS EXPERIMENTALES PROCESAMIENTO METALURGICO JOSE ESPINOZA
59
DISEÑOS EXPERIMENTALES PROCESAMIENTO METALURGICO JOSE ESPINOZA
60
DISEÑOS EXPERIMENTALES PROCESAMIENTO METALURGICO JOSE ESPINOZA
(Pág. 81: José Ayala Contrastar el análisis de resultados con los obtenidos JES).
61
DISEÑOS EXPERIMENTALES PROCESAMIENTO METALURGICO JOSE ESPINOZA
Z1 Temperatura ºc 30 70
Z2 H2SO4 0,01 1
Z3 NaCl 0,1 2
N % Bi % Ag % Pb
1 1,56 0,04 0,07
2 1,96 0,35 0,07
3 46,09 0,15 0,06
4 86,33 0,35 0,09
5 38,28 10,52 7,85
6 44,92 6 7,95
7 56,64 11,69 1,02
8 89,84 14,22 4,77
9 82,03 4,48 0,42
10 82,03 4,67 0,56
11 78,13 3,9 1,19
62
DISEÑOS EXPERIMENTALES PROCESAMIENTO METALURGICO JOSE ESPINOZA
N Y N Y
1 5.52 9 2.42
2 2.01 10 3.46
3 8.15 11 7.11
4 3.34 12 3.13
5 2.05 13 4.03
6 4.49 14 6.27
7 3.37 15 2.45
8 6.27 16 5.93
63
DISEÑOS EXPERIMENTALES PROCESAMIENTO METALURGICO JOSE ESPINOZA
(Pág. 87: José Ayala Contrastar el análisis de resultados con los obtenidos JES).
CAPITULO V
DISEÑOS 2K FRACCIONADOS
64
DISEÑOS EXPERIMENTALES PROCESAMIENTO METALURGICO JOSE ESPINOZA
A B C AB AC BC ABC
(1) -1 -1 -1 +1 +1 +1 -1
a +1 -1 -1 -1 -1 +1 +1
b -1 +1 -1 -1 +1 -1 +1
ab +1 +1 -1 +1 -1 -1 -1
c -1 -1 +1 +1 -1 -1 +1
ac +1 -1 +1 -1 +1 -1 -1
bc -1 +1 +1 -1 -1 +1 -1
abc +1 +1 +1 +1 +1 +1 +1
A B C AB AC BC ABC
(1) -1 -1 -1 +1 +1 +1 -1
a +1 -1 -1 -1 -1 +1 +1
b -1 +1 -1 -1 +1 -1 +1
ab +1 +1 -1 +1 -1 -1 -1
c -1 -1 +1 +1 -1 -1 +1
ac +1 -1 +1 -1 +1 -1 -1
bc -1 +1 +1 -1 -1 +1 -1
abc +1 +1 +1 +1 +1 +1 +1
A B C AB AC BC ABC
(1) -1 -1 -1 +1 +1 +1 -1
a +1 -1 -1 -1 -1 +1 +1
b -1 +1 -1 -1 +1 -1 +1
65
DISEÑOS EXPERIMENTALES PROCESAMIENTO METALURGICO JOSE ESPINOZA
ab +1 +1 -1 +1 -1 -1 -1
c -1 -1 +1 +1 -1 -1 +1
ac +1 -1 +1 -1 +1 -1 -1
bc -1 +1 +1 -1 -1 +1 -1
abc +1 +1 +1 +1 +1 +1 +1
A B C AB AC BC ABC
(1) -1 -1 -1 +1 +1 +1 -1
a +1 -1 -1 -1 -1 +1 +1
b -1 +1 -1 -1 +1 -1 +1
ab +1 +1 -1 +1 -1 -1 -1
c -1 -1 +1 +1 -1 -1 +1
ac +1 -1 +1 -1 +1 -1 -1
bc -1 +1 +1 -1 -1 +1 -1
abc +1 +1 +1 +1 +1 +1 +1
66
DISEÑOS EXPERIMENTALES PROCESAMIENTO METALURGICO JOSE ESPINOZA
67
DISEÑOS EXPERIMENTALES PROCESAMIENTO METALURGICO JOSE ESPINOZA
69
DISEÑOS EXPERIMENTALES PROCESAMIENTO METALURGICO JOSE ESPINOZA
Not. Montgomery
Combinación Replica Replica
A B C D Trat. I II
- - - - -1 90 93
+ - - - a 74 78
- + - - b 81 85
+ + - - ab 83 80
- - + - c 77 78
+ - + - ac 81 80
- + + - bc 88 82
+ + + - abc 73 70
- - - + d 98 95
+ - - + ad 72 76
- + - + bd 87 83
+ + - + abd 85 86
- - + + cd 99 90
+ - + + acd 79 75
- + + + bcd 87 84
+ + + + abcd 80 80
Niveles Niveles
Codificados Reales
A -1 1 A 10 20
B -1 1 B 5 10
C -1 1 C 2 4
D -1 1 D 3 6
70
DISEÑOS EXPERIMENTALES PROCESAMIENTO METALURGICO JOSE ESPINOZA
a) CONCLUSIONES EN RESIDUALES.
71
DISEÑOS EXPERIMENTALES PROCESAMIENTO METALURGICO JOSE ESPINOZA
72
DISEÑOS EXPERIMENTALES PROCESAMIENTO METALURGICO JOSE ESPINOZA
73
DISEÑOS EXPERIMENTALES PROCESAMIENTO METALURGICO JOSE ESPINOZA
74
DISEÑOS EXPERIMENTALES PROCESAMIENTO METALURGICO JOSE ESPINOZA
75
DISEÑOS EXPERIMENTALES PROCESAMIENTO METALURGICO JOSE ESPINOZA
76
DISEÑOS EXPERIMENTALES PROCESAMIENTO METALURGICO JOSE ESPINOZA
77
DISEÑOS EXPERIMENTALES PROCESAMIENTO METALURGICO JOSE ESPINOZA
78
DISEÑOS EXPERIMENTALES PROCESAMIENTO METALURGICO JOSE ESPINOZA
A B C D E F G vibración
-1 -1 -1 1 1 1 -1 77.4
1 -1 -1 -1 -1 1 1 68.3
-1 1 -1 -1 1 -1 1 81.9
1 1 -1 1 -1 -1 -1 66.2
-1 -1 1 1 -1 -1 1 42.1
1 -1 1 -1 1 -1 -1 78.3
-1 1 1 -1 -1 1 -1 39
1 1 1 1 1 1 1 68.4
DESARROLLO EN SAS
SolucionesAnálisisDiseños de Experimentos.
79
DISEÑOS EXPERIMENTALES PROCESAMIENTO METALURGICO JOSE ESPINOZA
80
DISEÑOS EXPERIMENTALES PROCESAMIENTO METALURGICO JOSE ESPINOZA
81
DISEÑOS EXPERIMENTALES PROCESAMIENTO METALURGICO JOSE ESPINOZA
82
DISEÑOS EXPERIMENTALES PROCESAMIENTO METALURGICO JOSE ESPINOZA
Rec Rec
Prueba X1 X2 X3 X4 X5
Pb Cu
1 1 -1 -1 -1 -1 15,9 46,97
2 1 -1 -1 1 -1 63,81 69,68
3 1 -1 1 -1 1 49,56 61,76
4 -1 -1 1 1 1 75,3 82,11
5 1 1 -1 -1 1 36,6 58,56
6 -1 1 -1 1 1 67,04 73,64
7 -1 1 1 -1 -1 40,17 50,22
8 -1 1 1 1 -1 57,44 72,4
83
DISEÑOS EXPERIMENTALES PROCESAMIENTO METALURGICO JOSE ESPINOZA
84
DISEÑOS EXPERIMENTALES PROCESAMIENTO METALURGICO JOSE ESPINOZA
Debido al alto número de pruebas experimentales que se tiene que realizar 64 en total, se
propone por motivos de costos reducir a 16 pruebas, utilizando un diseño factorial
fraccionado. Tomando como relación de generación:
X5=X1X2X3 X6=X2X3X4
Al verificar y tomar estas relaciones de generación se obtendrá información clara de los
efectos principales. Como se sabe los efectos de tercer orden o mas son insignificantes:
Los datos de las 16 pruebas experimentales se resumen en el siguiente cuadro:
N Y N Y
1 90 9 92,3
2 90 10 92,8
3 91 11 90,7
4 91,2 12 90,4
5 90,3 13 91,6
6 92 14 92,6
7 90,2 15 91,6
8 89,5 16 92
85
DISEÑOS EXPERIMENTALES PROCESAMIENTO METALURGICO JOSE ESPINOZA
Los niveles para las variables consideradas, incorporando dos variables ficticias
se muestran a continuación:
Variables Mínimo Máximo
Una vez definido los niveles para cada factor, y considerando dos
variables ficticias se procedió a efectuar las pruebas; para cada prueba se
midió los tres criterios de optimización como se muestra en la tabla
siguiente:
Niveles
Factores Bajo Alto
X1: Adición de cal (% Esteq) 25 90
X2: Tiempo de tostación (Min) 30 90
X3: Temp. de tostación (ºC) 400 800
F1: Variable ficticia (H2O) - -
86
DISEÑOS EXPERIMENTALES PROCESAMIENTO METALURGICO JOSE ESPINOZA
X0 X1 X2 X3 F1 X4 X5 X6 F2 X7 F3 Y
1 1 1 -1 1 1 1 -1 -1 -1 1 29,9
1 1 -1 1 1 1 -1 -1 -1 1 -1 10,3
1 -1 1 1 1 -1 -1 -1 1 -1 1 29,9
1 1 1 1 -1 -1 -1 1 -1 1 1 7,8
1 1 1 -1 -1 -1 1 -1 1 1 -1 0
1 1 -1 -1 -1 1 -1 1 1 -1 1 10,8
1 -1 -1 -1 1 -1 1 1 -1 1 1 59,7
1 -1 -1 1 -1 1 1 -1 1 1 1 67
1 -1 1 -1 1 1 -1 1 1 1 -1 15
1 1 -1 1 1 -1 1 1 1 -1 -1 0
1 -1 1 1 -1 1 1 1 -1 -1 -1 3,5
1 -1 -1 -1 -1 -1 -1 -1 -1 -1 -1 4,5
87
DISEÑOS EXPERIMENTALES PROCESAMIENTO METALURGICO JOSE ESPINOZA
Las mismas que fueron distribuidas de acuerdo a la plantilla Placket and Burman, se
analizaron las funciones respuesta: Recuperación de Molibdenita, Contenido de Sílice
y Grado de Molibdenita en el concentrado.
Tabla
%
Prueba Sólido Espumante Kerosene Alim Aire Espesor Agua
1 1 1 1 -1 1 -1 -1
2 1 1 -1 1 -1 -1 1
3 1 -1 1 -1 -1 1 1
4 -1 1 -1 -1 1 1 1
5 1 -1 -1 1 1 1 -1
6 -1 -1 1 1 1 -1 1
7 -1 1 1 1 -1 1 -1
8 -1 -1 -1 -1 -1 -1 -1
Fuente: Tomado de Procesamiento de Minerales – José Manzaneda Cabala
Considerando las siguientes respuestas después de la realización del experimento:
Unidad de
Variables Mínimo Máximo medida
A125 8 12 Gr/Tm
Z11 0 2 Gr/Tm
MOLIENDA 8,5 9,5 Minutos
PH 7 9 Unidad
SO4ZN 300 500 Gr/Tm
Plantilla codificada:
88
DISEÑOS EXPERIMENTALES PROCESAMIENTO METALURGICO JOSE ESPINOZA
Pruebas X1 X2 X3 X4 X5
1 -1 -1 -1 -1 -1
2 1 -1 -1 1 -1
3 -1 -1 1 -1 1
4 1 -1 1 1 1
5 -1 1 -1 -1 1
6 1 1 -1 1 1
7 -1 1 1 -1 -1
8 1 1 1 1 -1
9 0 0 0 0 0
Grado de
Pruebas Rec Ag Rec Pb Grado Ag Desp Zn Desp Fe
Pb
1 44,25 53,28 24,5 19,2 5,85 14,51
2 58,97 71,17 59,8 49,2 3,51 2,28
3 38,33 43,5 30,1 23,1 3,45 8,87
4 61,99 76,08 58,9 48,1 4,11 2,49
5 36,51 40,27 30,6 22,6 2,96 8,46
6 51,21 63,02 64,5 53,6 2,42 1,49
7 60,8 69,99 23,6 18,1 7,16 22,54
8 60,95 70,11 60,4 48,7 4,33 2,43
9 66,46 78,28 60,1 46,8 4,74 2,71
Realizar el análisis para cada variable respuesta y contrastar los resultados obtenidos
(Pág. 326: José Manzaneda Contrastar el análisis de resultados con los obtenidos
JES).
89
DISEÑOS EXPERIMENTALES PROCESAMIENTO METALURGICO JOSE ESPINOZA
90
DISEÑOS EXPERIMENTALES PROCESAMIENTO METALURGICO JOSE ESPINOZA
Región óptima
Rendimiento
esperado (%)
Tiempo de reacción (min.)
Temperatura (ºC)
Fig. Superficie de respuesta tridimensional, muestra el
rendimiento esperado en función de la temperatura y tiempo
Como apoyo se visualiza la grafica de contornos de igual rendimiento
de la superficie de respuesta como se muestra en la siguiente figura.
Rendimiento (%)
30
25 70 75 80 85 90
Tiempo de
Reacción 20
(min.) Condiciones de operación actuales
15 60 65
y 0 1 x1 2 x 2 ... k x k (3.1)
91
DISEÑOS EXPERIMENTALES PROCESAMIENTO METALURGICO JOSE ESPINOZA
k k k 1 k
Y 0 i X i ii X i2 ij XiX j (3.2)
i 1 i 1 i 1 j 2
^ ^ k^
y 0 i xi (3.3)
i1
Para este modelo de superficie de respuesta de primer orden, los contornos
^
de
y son una serie de líneas rectas paralelas como se muestra en la
siguiente figura:
^
y =50
^
y =40 Trayectoria de
Ascenso rápido
^
Región de la y =30
^
Superficie de respuesta y =20
Ajustada de 1º orden
92
DISEÑOS EXPERIMENTALES PROCESAMIENTO METALURGICO JOSE ESPINOZA
^
trayectoria son proporcionales a los coeficientes de regresión { i }. El
experimentador determina la cantidad real de movimiento a lo largo de esta
trayectoria en base a su conocimiento del proceso u otras consideraciones
prácticas.
Los experimentos se realizan a lo largo de la trayectoria de ascenso
rápido hasta que ya no se observa incremento en la respuesta o hasta que la
región de la respuesta deseada se alcanza. Entonces se usa un nuevo
modelo de primer orden, se determina la dirección de una nueva trayectoria
de ascenso rápido y de ser necesario, se realizan experimentos adicionales
en esa dirección hasta que el experimentador sienta que está cerca del
óptimo.
Ejemplo 3.1
Un ingeniero químico está interesado en determinar las condiciones de
operación que maximizan el rendimiento de un proceso. Hay dos variables
de control que influyen Tiempo de reacción y temperatura de reacción, el
punto de operación actual es 35 minutos y 155ºF que da un rendimiento del
40% aproximadamente.
Se hace un diseño experimental variando el tiempo (30 a 40 minutos) y la
temperatura (150 a 160ºF).
Por simplicidad se codifican las variables en el intervalo (-1, 1). Si las
variables codificadas son X1 y X2 y las variables naturales son 1 y 2 se
tiene:
35
x1 1
5
155
x2 2
5
El arreglo y los datos experimentales son:
Variables Variables
del Proceso codificadas Rendimiento
Corrida Tiempo (min.) Temp.(ºF) X1 X2 Y
1 30 150 -1 -1 39.3
2 30 160 -1 1 40.0
3 40 150 1 -1 40.9
4 40 160 1 1 41.5
5 35 155 0 0 40.3
6 35 155 0 0 40.5
7 35 155 0 0 40.7
8 35 155 0 0 40.2
9 35 155 0 0 40.6
93
DISEÑOS EXPERIMENTALES PROCESAMIENTO METALURGICO JOSE ESPINOZA
94
DISEÑOS EXPERIMENTALES PROCESAMIENTO METALURGICO JOSE ESPINOZA
95
DISEÑOS EXPERIMENTALES PROCESAMIENTO METALURGICO JOSE ESPINOZA
96
DISEÑOS EXPERIMENTALES PROCESAMIENTO METALURGICO JOSE ESPINOZA
97
DISEÑOS EXPERIMENTALES PROCESAMIENTO METALURGICO JOSE ESPINOZA
Fig. 3.5 Diseño Central Compuesto en las variables codificadas del ejemplo
^ ^ k ^ k ^ k1 k ^
y X X X
2
0 i i i i ij i j
i1 i1 i1 j2
Los experimentos a realizar por medio del diseño central compuesto tomando el
nuevo punto (0,0) en (85, 175) y agregando puntos axiales en +- 1.414 queda como:
Variables Variables
del Proceso codificadas Rendimiento
Corrida Tiempo (min.) Temp.(ºF) X1 X2 Y2
1 80 170 -1 -1 76.5
2 80 180 -1 1 77.0
3 90 170 1 -1 78.0
4 90 180 1 1 79.5
5 85 175 0 0 79.9
6 85 175 0 0 80.3
7 85 175 0 0 80.0
8 85 175 0 0 79.7
9 85 175 0 0 79.8
10 92.07 175 1.414 0 78.4
98
DISEÑOS EXPERIMENTALES PROCESAMIENTO METALURGICO JOSE ESPINOZA
>Stat >DOE >Surface response > Create surface response Design >Central
composite design
Designs Center points 5, para 13 corridas; Alfa custom 0.05
Options: Quitar Randomize
Introducir datos de respuestas de rendimiento
>Stat >DOE > Surfase response > Analyze surfase response design
99
DISEÑOS EXPERIMENTALES PROCESAMIENTO METALURGICO JOSE ESPINOZA
100
DISEÑOS EXPERIMENTALES PROCESAMIENTO METALURGICO JOSE ESPINOZA
�x1 �
�x �
x �2 �
�
... �
� �
�xk �
ˆ1 �
�
� �
ˆ � �
� 0.995 �
b �2 � �
... � � 0.515 � �
�
�ˆ
k ��
�
�ˆ11 , ˆ12 / 2, ..., ˆ1k / 2
�
� �
�ˆ / 2, ˆ22 , ....ˆ2 k / 2
� � 1.376, 0.1250 �
B �12 �
� 0.1250, 1.001 �
� � � �
�matriz.simetrica , ˆkk�
� �
1 0.7345, 0.0917 �
1� �0.995 � �0.389 �
xs B 1b �
2 2�
� 0.0917, 1.006 �
�
�
�0.515 �
� �0.306 �
�
1
ˆ s ˆ0
y xs b
2
Las matrices se invierten marcando el área donde quedará el resultado y con
la función matemática MINV (rango de la matriz original).
Las matrices se multiplican marcando el área donde quedará el resultado y
usando la función MMULT.
En términos de las variables naturales el punto estacionario es:
85
x1 0.389 1
5
175
x2 0.306 2
5
1 86.95 min utos
2 176.5º F
yˆ s 80.21
101
DISEÑOS EXPERIMENTALES PROCESAMIENTO METALURGICO JOSE ESPINOZA
1.376 l , 0.1250
0
0.1250, 1.001 l
l 2 2.3788l 1.3639 0
l1 0.9641, l2 1.4147
yˆ 80.21 0.9641w1 1.4147 w2
1. Una planta química produce oxígeno al licuar aire y separarlo en sus components
gaseosos por destilación fraccionada. La pureza del oxígeno es una función de la
temperatura del condensador principal y de la presión entre las columnas superior e
inferior. Las condiciones actuales de operación son temperatura (1 ) = -220°C y
tasa de presión de ( 2 )= 1.2. Con los datos siguientes hallar la trayectoria de
ascenso rápido o profundo:
Solución:
Stat > DOE > Factorial > Define Custom Factorial Design
Factors Temp_X1 Presion_X2
Seleccionar General Full Factorial
OK
102
DISEÑOS EXPERIMENTALES PROCESAMIENTO METALURGICO JOSE ESPINOZA
103
DISEÑOS EXPERIMENTALES PROCESAMIENTO METALURGICO JOSE ESPINOZA
S = 3.78594 PRESS = *
R-Sq = 99.39% R-Sq(pred) = *% R-Sq(adj) = 96.97%
104
DISEÑOS EXPERIMENTALES PROCESAMIENTO METALURGICO JOSE ESPINOZA
St
Obs StdOrder Costo_total Fit SE Fit Residual Resid
1 1 625.000 625.000 3.786 0.000 * X
2 2 654.000 654.000 3.786 0.000 * X
3 3 634.000 634.000 3.786 0.000 * X
4 4 670.000 670.000 3.786 0.000 * X
5 5 692.000 692.000 3.786 -0.000 * X
6 6 663.000 663.000 3.786 0.000 * X
7 7 648.000 648.000 3.786 0.000 * X
8 8 686.000 686.000 3.786 0.000 * X
Term Coef
Constant 62.2500
X1 3.55625
X2 -5.50000
X3 2.21000
X4 2.10000
X1*X2 0.0462500
X1*X3 -0.0140000
X1*X4 -0.0143750
Ct Pt 19.3333
Mean SE Mean
X1
100 649.8 1.893
140 668.3 1.893
X2
25 658.5 1.893
45 659.5 1.893
X3
250 645.8 1.893
300 672.3 1.893
X4
40 651.5 1.893
80 666.5 1.893
105
DISEÑOS EXPERIMENTALES PROCESAMIENTO METALURGICO JOSE ESPINOZA
X1*X2
100 25 658.5 2.677
140 25 658.5 2.677
100 45 641.0 2.677
140 45 678.0 2.677
X1*X3
100 250 629.5 2.677
140 250 662.0 2.677
100 300 670.0 2.677
140 300 674.5 2.677
X1*X4
100 40 636.5 2.677
140 40 666.5 2.677
100 80 663.0 2.677
140 80 670.0 2.677
Alias Structure
I + X1*X2*X3*X4
X1 + X2*X3*X4
X2 + X1*X3*X4
X3 + X1*X2*X4
X4 + X1*X2*X3
X1*X2 + X3*X4
X1*X3 + X2*X4
X1*X4 + X2*X3
90 B F actor Name
A X1
80 B X2
AD C X3
70 D X4
D
Percent
60
50 C
40
30
20
10 AC
5
1
-5.0 -2.5 0.0 2.5 5.0 7.5 10.0 12.5
Standardized Effect
ˆi
De la ecuación xi , se especifica un paso básico en una variable Dx j , y se
2l
ˆi
calcula 2l como 2l
Dx j , este valor puede ser usado para generar las
coordenadas siguientes de un punto en la trayectoria de ascenso rápido.
106
DISEÑOS EXPERIMENTALES PROCESAMIENTO METALURGICO JOSE ESPINOZA
Supongamos que se usan -10 unidades en 1 como el paso básico, ya que se trata
de una trayectoria descendente. Esas -10 unidades en 1 son iguales a -10/20 =
-0.5 unidades de cambio en X1.
Son las coordenadas remanentes de las otras variables, de forma que la trayectoria
de ascenso rápido es:
107
DISEÑOS EXPERIMENTALES PROCESAMIENTO METALURGICO JOSE ESPINOZA
108
DISEÑOS EXPERIMENTALES PROCESAMIENTO METALURGICO JOSE ESPINOZA
Por simplicidad se codifican las variables en el intervalo (-1, 1). Si las variables
codificadas son X1 y X2 y las variables naturales son 1 y 2 se tiene:
1 35
x1
5
155
x2 2
5
Los cinco puntos centrales se usan como réplicas para verificar la adecuación del
modelo de primer orden (con Pure error).
109
DISEÑOS EXPERIMENTALES PROCESAMIENTO METALURGICO JOSE ESPINOZA
Para convertir los tamaños de los pasos codificados (Delta X1=1.0 y Delta X2=0.42)
a las unidades naturales de tiempo y temperatura se tiene:
D1
Dx1
5
D 2
Dx2
5
D1 Dx1 (5) 1* 5 5mi.
D 2 Dx2 (5) 0.42 * 5 2º F
110
DISEÑOS EXPERIMENTALES PROCESAMIENTO METALURGICO JOSE ESPINOZA
1 85
x1
5
175
x2 2
5
90
80
70
60
50
40
0 1 2 3 4 5 6 7 8 9 10 11 12 Pasos
111
DISEÑOS EXPERIMENTALES PROCESAMIENTO METALURGICO JOSE ESPINOZA
112
DISEÑOS EXPERIMENTALES PROCESAMIENTO METALURGICO JOSE ESPINOZA
^ ^ k ^ k ^ k1 k ^
y X X X
2
0 i i i i ij i j
i1 i1 i1 j2
Los experimentos a realizar por medio del diseño central compuesto tomando el
nuevo punto (0,0) en (85, 175) y agregando puntos axiales en +- 1.414 queda como:
Variables Variables
del Proceso codificadas Rendimiento
Corrida Tiempo (min.) Temp.(ºF) X1 X2 Y2
1 80 170 -1 -1 76.5
2 80 180 -1 1 77.0
3 90 170 1 -1 78.0
4 90 180 1 1 79.5
5 85 175 0 0 79.9
6 85 175 0 0 80.3
7 85 175 0 0 80.0
8 85 175 0 0 79.7
9 85 175 0 0 79.8
10 92.07 175 1.414 0 78.4
11 77.93 175 -1.414 0 75.6
12 85 182.07 0 1.414 78.5
13 85 167.93 0 -1.414 77.0
113
DISEÑOS EXPERIMENTALES PROCESAMIENTO METALURGICO JOSE ESPINOZA
114
DISEÑOS EXPERIMENTALES PROCESAMIENTO METALURGICO JOSE ESPINOZA
Term Coef
Constant 79.9400
A 0.994975
B 0.515165
A*A -1.37625
B*B -1.00125
A*B 0.250000
115
DISEÑOS EXPERIMENTALES PROCESAMIENTO METALURGICO JOSE ESPINOZA
Alk 0.63
Molienda 26% + m65
% Sólidos 34%
RPM 1800
Plantilla del diseño octogonal con variables naturales con dos pruebas al centro
Rec
Prueba X1 X2 Rec Cu
Molibdeno
1 0.009 0.016 89.77 69.62
2 0.027 0.016 90.87 72.85
3 0.009 0.020 91.13 73.94
4 0.027 0.020 90.27 70.77
5 0.031 0.018 91.13 71.97
6 0.005 0.018 89.62 70.84
7 0.018 0.021 91.08 72.07
8 0.018 0.015 90.44 71.83
9 0.018 0.018 90.04 68.47
116
DISEÑOS EXPERIMENTALES PROCESAMIENTO METALURGICO JOSE ESPINOZA
(Pág. 338: José Manzaneda Contrastar el análisis de resultados con los obtenidos
JES)
Rec
Prueba X1 X2
Zinc
1 10 10.5 77.7
2 7.5 11.8 77.8
3 2.5 11.8 79.2
4 0 10.5 82.2
5 2.5 9.2 81.1
6 7.5 9.2 76.8
7 5 10.5 84.7
8 5 10.5 84.1
117
DISEÑOS EXPERIMENTALES PROCESAMIENTO METALURGICO JOSE ESPINOZA
Realizar el análisis para cada variable respuesta y contrastar los resultados obtenidos
(Pág. 333: José Manzaneda Contrastar el análisis de resultados con los obtenidos
JES).
•Componentes:
1.
Alquilate (A)
2.
Corrida ligera (B)
3.
Reformado (C)
•Variable Respuesta
Tasas de octano
DESARROLLO EN SAS
Los pasos para obtener el diseño son los mismos con la salvedad que en esta ocasión
el tipo de diseño experimental Mixto o Mezclas.
118
DISEÑOS EXPERIMENTALES PROCESAMIENTO METALURGICO JOSE ESPINOZA
119
DISEÑOS EXPERIMENTALES PROCESAMIENTO METALURGICO JOSE ESPINOZA
Segundo: ANOVA
Tercero:
120
DISEÑOS EXPERIMENTALES PROCESAMIENTO METALURGICO JOSE ESPINOZA
El modelo de este diseño queda de la siguiente manera para los factores, ahí se puede
obsevar la mayor proporción por parte del Alquilate (A) y el efecto negativo de la
interacción de A*C y A*B y el poco efecto de B*C.
Coded Levels(-1,1)
- 2.413062*A*C + 2.286938*B*C
Uncoded Levels
- 2.413062*A*C + 2.286938*B*C
121
DISEÑOS EXPERIMENTALES PROCESAMIENTO METALURGICO JOSE ESPINOZA
1 85
x1 0.389
5
175
x2 0.306 2
5
1 86.95 min utos
2 176.5º F
yˆ s 80.21
122
DISEÑOS EXPERIMENTALES PROCESAMIENTO METALURGICO JOSE ESPINOZA
1.376 l , 0.1250
0
0.1250, 1.001 l
l 2 2.3788l 1.3639 0
l1 0.9641, l2 1.4147
yˆ 80.21 0.9641w1 1.4147 w2
Como los coeficientes lambda son negativos se concluye que se trata de un punto
estacionario máximo, si ambos son negativos se trata de un mínimo y si tienen signos
diferentes se trata de cordilleras.
123
DISEÑOS EXPERIMENTALES PROCESAMIENTO METALURGICO JOSE ESPINOZA
BIBLIOGRAFIA
124