Regresin Poisson

Defectos en piezas mecanizadas

Modelo lineal generalizado
Componente aleatorio:
Distribucin Poisson para el numero de Piezas moldeadas
Funcin de densidad:
PY y X 1 , X 2 , X 3 )
e m X1 , X 2 , X 3 )
m X 1 , X 2 , X 3 )y
y 0,1,2,...
y!

Funcin de enlace: g(m) = log(m)

Componente sistemtico:
g ( m ) log( m ) 0 1 X 1 2 X 2 3 X 3
m X1, X 2 , X 3 ) e 0 1 X 1 2 X 2 3 X 3
Problema

El administrador de un taller de mecanizados en resina, le

preocupan dos tipos de defectos en piezas moldeadas
de resina: decoloracin y formacin de grumos.
La decoloracin en el producto terminado pueden tener
orgenes diversos pero fundamentalmente el reconoce
dos, la contaminacin de las mangueras y el efecto
abrasivo de los granos de resina.
 Problema
La formacin de grumos puede ocurre cuando el proceso de desarrolla
con temperaturas mas elevadas que lo adecuado, y a mayores
velocidades de transferencia de calo.
El jefe de planta le indica tres posibles variables que le pueden indicar
el resultado del proceso, es decir variables predictoras para las
respuestas del proceso (defectos).
El administrador registra el nmero de cada tipo de defecto en sesiones
de una hora, mientras vara los niveles de las variables de proceso.
 Descripcin de los datos
Unidades: Piezas moldeadas
n=36 observaciones
Variable dependiente:
Y=El nmero de defectos de decoloracin por hora
Variables independientes:
X1=Horas desde limpieza=variable continua que describe el nmero de horas
desde que los trabajadores limpiaron las mangueras: 0 8.
X2=Temperatura=Variable continua que indica el nivel de temperatura al cual se
lleva el proceso, 80 o 215 C.
X3=Tamao del tornillo=Variable categorica, que seala el tamao del tornillo que
mueve los grnulos a travs de las mangueras de transferencia: pequeo o
grande.
 Anlisis de regresin de Poisson: defectos de decoloracin vs. Ho
Temperatura. Tamao del tornillo
Mtodo
Funcin de enlace Logaritmo natural
Codificacin de predictores categricos (1. 0)
Filas utilizadas 36

Tabla de desviaciones
Desv. Media
Fuente GL ajust. ajust. Chi-cuadrada Valor p
Regresin 3 56,670 18,8900 56,67 0,000
Horas de limpieza 1 4,744 4,7444 4,74 0,029
Temperatura 1 38,800 38,8000 38,80 0,000
Tamao del tornillo 1 13,126 13,1256 13,13 0,000
Error 32 31,607 0,9877
Total 35 88,277
Anlisis de regresin de Poisson: defectos de decoloracin vs.
Horas de limpieza. Temperatura. Tamao del tornillo

Resumen del modelo

R-cuad.
R-cuad. de (ajust) de
desviacin desviacin AIC
64,20% 60,80% 253,29

Coeficientes
Trmino Coef EE del coef. FIV
Constante 4,3982 0,0628
Horas de limpieza 0,01798 0,00826 1,00
Temperatura -0,001974 0,000318 1,00
Tamao del tornillo
pequeo -0,1546 0,0427 1,00
 Anlisis de regresin de Poisson: defectos de decoloracin vs.
Horas de limpieza. Temperatura. Tamao del tornillo

Ecuacin de regresin
defectos de decoloracin = exp(Y')
Tamao del
tornillo
grande Y' = 4,398 + 0,01798 Horas de limpieza -
0,001974 Temperatura
pequeo Y' = 4,244 + 0,01798 Horas de limpieza -
0,001974 Temperatura

Pruebas de bondad del ajuste

Prueba GL Estimar Media Chi-cuadrada Valor p
Desviacin 32 31,60722 0,98773 31,61 0,486
Pearson 32 31,26713 0,97710 31,27 0,503

Ajustes y diagnsticos para observaciones poco comunes

defectos de Resid
Obs decoloracin Ajuste Resid est.
33 43,00 58,18 -2,09 -2,18 R
Residuo grande R
 Grafica de Superficie de respuesta

Grfica de superfic ie de defec tos de dec oloracin vs. Temperatura. Hor

Va lores fijos
Ta mao del tornillo gra nde

80

defectos de decoloraci7n0

60
7, 5
5, 0
50
2, 5 Horas de limpieza
200
150 0, 0
100
T emperatura
 Grafica de Superficie Efecto Temperatura

Grfica de superfic ie de defec tos de dec oloracin vs. Temperatura. Hor

Va lores fijos
Ta mao del tornillo gra nde

80

70
defectos de decoloracin

60

50
0 ,0 2 ,5 5 ,0 7,5 120
5000
Horas de limpieza
Temperatu ra
 Grafica de Superficie Efecto Horas de Limpieza

Grfica de superfic ie de defec tos de dec oloracin vs. Temperatura. Hor

Va lores fijos
Ta mao del tornillo gra nde

80

70
defectos de decoloracin

60

50
02
57,,0
,5
05 200
150
Horas de limpieza 10 0
Temperatura
 Conclusiones
Observamos en las graficas que el efecto de la temperatura es
mayor al de las horas de limpieza, tiene un efecto mas dramtico y
lo podemos ver en la grafica de superficie efecto de la
temperatura.
En la grafica de residuo estandarizado observamos que el orden de
la toma de los datos tambin posee un efecto en la medicin, os
residuos que se encuentran en el centro tienden a ser ms altos que
los residuos que estn al principio y al final del conjunto de datos,
indicando que es necesario una toma aleatoria para mejorar la
calidad del anlisis. Vemos que este efecto esta correlacionado
con la grfica de los residuos estandarizados de la desviacin versus
los valores ajustados muestra una curva acentuada, con este mismo
efecto.
Para estos datos, al parecer la respuesta de la variables defectos
depende de una tercera variable no contemplada en la toma de
datos.