INGENIERÍA INDUSTRIAL

METODOLOGIA TAGUCHI

EVALUACIÓN DIAGNÓSTICA

Profesor: M.C. CÉSAR ARTURO PUERTA JIMÉNEZ

Alumno: JUAN CARLOS SANTOYO ESPARZA
Fecha: 27/08/2021
 UNIDAD 1. DISEÑOS FACTORIALES 2k

Actividad 1.1
Lee cada uno de los artículos de investigación proporcionados por el maestro. Para cada
artículo identifica los aspectos enlistados en la siguiente tabla:
1. Nombre de las personas involucradas en el proyecto de investigación experimental:
Dr. Ing. Martin Tanco, Dra. Laura Itzarbe, Dra. Elisabeth Viles, Dra. M. J. Alvarez
2. Título del proyecto:
Aplicación del diseño de experimentos (DoE) para la mejora de procesos.
3. Objetivo de la experimentación:
En base a la aplicación del diseño de experimento (DoE) y siguiendo una
metodología estadística se quiere eliminar un problema de calidad que consiste en en
la aparición de poros en los cordones de soldadura frecuentemente.
4. Valor(es) histórico(s) de la(s) variable(s) de respuesta:

5. Lista de la(s) variable(s) de respuesta:

Unidad de Operacionalización
Variable(s)
medida de la variable

6. Lista de los factores de estudio (variables de interés del experimentador):

Factores Unidad de Niveles de la variable

de estudio medida
7. Lista de los factores controlados (variables que se mantienen constantes, en cierto
nivel de desempeño):

Unidad de
Factores controlados
medida

8. Diseño de experimentos elegido:

1. Nombre de las personas involucradas en el proyecto de investigación experimental:

Giovanni Pérez, Martín Darío Arango, Yuliana Angudelo.
2. Título del proyecto:
Aplicación del diseño de experimentos para el análisis del proceso de doblado.
3. Objetivo de la experimentación:
Disminuir las devoluciones por motivo de calidad en los diferentes tipos de doblados
que existen en la empresa conociendo los factores de efecto sobre sus dimensiones
de las piezas de metal obtenidas.
4. Valor(es) histórico(s) de la(s) variable(s) de respuesta:

5. Lista de la(s) variable(s) de respuesta:

Unidad de Operacionalización
Variable(s)
medida de la variable
6. Lista de los factores de estudio (variables de interés del experimentador):

Factores Unidad de Niveles de la variable

de estudio medida

7. Lista de los factores controlados (variables que se mantienen constantes, en cierto

nivel de desempeño):

Unidad de
Factores controlados
medida

8. Diseño de experimentos elegido:

1. Nombre de las personas involucradas en el proyecto de investigación experimental:
Dr. Federico Zertuche Luis, Ing. Adriana del Rocío Valencia Mireles, Ing. Ruth Berenice
Rodríguez Rubio
2. Título del proyecto:
Aplicación del Diseño de Experimentos utilizando Análisis de Varianza
Multivariado para la disminución de rechazo en un proceso del ramo automotriz
3. Objetivo de la experimentación:

4. Valor(es) histórico(s) de la(s) variable(s) de respuesta:

5. Lista de la(s) variable(s) de respuesta:

Unidad de Operacionalización
Variable(s)
medida de la variable

6. Lista de los factores de estudio (variables de interés del experimentador):

Factores Unidad de Niveles de la variable

de estudio medida

7. Lista de los factores controlados (variables que se mantienen constantes, en cierto

nivel de desempeño):

Unidad de
Factores controlados
medida
8. Diseño de experimentos elegido:
Actividad 1.2 Diseño factorial 22 replicado
Interesa estudiar el efecto del tamaño de broca (Factor A) y de la velocidad (Factor B), sobre
la vibración de la ranura (Respuesta Y). Para ello se decide utilizar un diseño factorial 22 con
4 réplicas, es decir, cuatro repeticiones en cada tratamiento, lo que da un total de 4 x 22 =16
corridas del proceso, que se realiza en orden aleatorio. El tamaño de la broca se prueba en
1/16 y 1/8 de pulgada y la velocidad en 40 y 90 revoluciones por segundo, según se describe
en la siguiente tabla:

Factor Niveles Unidad

1. Tamaño de Broca 1/16 1/8 in
2. Velocidad 40 90 r/s

La siguiente tabla muestra los tratamientos utilizados y el orden de corrida de las ejecuciones:

Broca Velocidad Orden de corrida

1/16 40 5 8 13 14
1/8 40 1 6 10 12
1/16 90 3 7 11 15
1/8 90 2 4 9 16

A: B:
A B X1 X2 X1 X2 Vibración Totales
Broca Velocidad
1/16 40 - - -1 -1 1 1 18.2 18.9 12.9 14.4
1/8 40 + - +1 -1 2 1 27.2 24.0 22.4 22.5
1/16 90 - + -1 +1 1 2 15.9 14.5 15.1 14.2
1/8 90 + + +1 +1 2 2 41.0 43.9 36.3 39.9
Elaborar los siguientes incisos mediante Excel
a) Calcular los efectos estimados de cada factor, así como el de interacción.
Efectos Nivel_factorial Promedio Tabla de Interaccion
Efecto de A 16.64 A- 15.51 B- B+
Efecto de B 7.54 A+ 32.15 A- 16.1 14.93
Efecto de AB 8.71 A+ 24.03 40.28
- 20.06
B
B+ 27.60

Coeficientes codificados
Término Efecto Coef EE del coef. Valor T Valor p FIV
Constante 23.831 0.611 38.99 0.000
A:Tamaño_Broca 16.638 8.319 0.611 13.61 0.000 1.00
B: Velocidad_Broca 7.538 3.769 0.611 6.17 0.000 1.00
A:Tamaño_Broca*B: Velocidad_Broca 8.713 4.356 0.611 7.13 0.000 1.00

Efectos estimados para Vibracion (Hz)

Efecto Estimado
promedio 23.8312
A:A: Tamaño de Broca 16.6375
B:B: Velocidad de Broca 7.5375
AB 8.7125

b) Elaborar e interpretar la gráfica de efectos principales y la de interacción.

 Gráfica de Efectos Principales para Vibracion

33

30

27
Vibracion

24

21

18

15
-1.0 1.0 -1.0 1.0
A: Tamaño de Broca B: Velocidad de Broca
 Gráfica de Interacción para Vibracion

44

B: Velocidad de Broca=1.0
39

34
Vibracion

29

24 B: Velocidad de Broca=-1.0

19
B: Velocidad de Broca=-1.0
B: Velocidad de Broca=1.0
14
-1.0 1.0
A: Tamaño de Broca

c) Elaborar e interpretar el Análisis de Varianza.

1) Hipótesis:
𝑯𝟎 : 𝐸𝑓𝑒𝑐𝑡𝑜 𝐴 = 0
𝑯𝟎 : 𝐸𝑓𝑒𝑐𝑡𝑜 𝐵 = 0
𝑯𝟎 : 𝐸𝑓𝑒𝑐𝑡𝑜 𝐴𝐵 = 0
𝑯𝑨 : 𝐸𝑓𝑒𝑐𝑡𝑜 𝐴 ≠ 0
𝑯𝑨 : 𝐸𝑓𝑒𝑐𝑡𝑜 𝐵 ≠ 0
𝑯𝑨 : 𝐸𝑓𝑒𝑐𝑡𝑜 𝐴𝐵 ≠ 0
2) Estadístico de prueba:
𝐶𝑀𝐴
𝐹0 = con distribución 𝐹1,2𝑘(𝑛−1)
𝐶𝑀𝐸
𝐶𝑀
𝐹0 = 𝐶𝑀𝐵 con distribución 𝐹1,2𝑘(𝑛−1)
𝐸

𝐶𝑀𝐴𝐵
𝐹0 = con distribución 𝐹1,2𝑘(𝑛−1)
𝐶𝑀𝐸

3) Regla de decisión para un nivel de significancia 𝜶:

Rechazar 𝑯𝟎 si 𝑽𝒂𝒍𝒐𝒓 − 𝒑 < 𝜶
4) Evaluación del estadístico de prueba:
 Estandar Corrida X1 x2 Y Tratamiento Totales n*22 Efectos Nivel_factorial Promedio Tabla de Interaccion
1 5 -1 -1 18.2 -1 64.4 16 Efecto de A 16.64 A- 15.51 B- B+
2 1 1 -1 27.2 a 96.1 Efecto de B 7.54 A+ 32.15 A- 16.1 14.93
3 3 -1 1 15.9 b 59.7 Efecto de AB 8.71 A+ 24.03 40.28
4 2 1 1 41 ab 161.1 B- 20.06
5 8 -1 -1 18.9 B+ 27.60
6 6 1 -1 24
7 7 -1 1 14.5
8 4 1 1 43.9
9 13 -1 -1 12.9
10 10 1 -1 22.4
11 11 -1 1 15.1
12 9 1 1 36.3
13 14 -1 -1 14.4
14 12 1 -1 22.5
15 15 -1 1 14.2
16 16 1 1 39.9

α F_Variacion Suma de Cuadrados Grado de Libertad Cuadrados Medios F0 FCRITICO Valor-p Decision
0.05 Factor A 1107.23 1 1107.23 185.25 4.747 0.000 Se rechaza Ho
Factor B 227.26 1 227.26 38.02 4.747 0.000 Se rechaza Ho
AB 303.63 1 303.63 50.80 4.747 0.000 Se rechaza Ho
Error 71.72 12 5.98
Total 1709.83 15 113.99

Análisis de Varianza
Fuente GL SC Ajust. MC Ajust. Valor F Valor p
Modelo 3 1638.11 546.04 91.36 0.000
Lineal 2 1334.48 667.24 111.64 0.000
A:Tamaño_Broca 1 1107.23 1107.23 185.25 0.000
B: Velocidad_Broca 1 227.26 227.26 38.02 0.000
Interacciones de 2 términos 1 303.63 303.63 50.80 0.000
A:Tamaño_Broca*B: Velocidad_Broca 1 303.63 303.63 50.80 0.000
Error 12 71.72 5.98
Total 15 1709.83

Análisis de Varianza para Vibracion

Fuente Suma de Cuadrados Gl Cuadrado Medio Razón-F Valor-P
A:A: Tamaño de Broca 1107.23 1 1107.23 185.25 0.0000
B:B: Velocidad de Broca 227.256 1 227.256 38.02 0.0000
AB 303.631 1 303.631 50.80 0.0000
Error total 71.7225 12 5.97688
Total (corr.) 1709.83 15

5) Decisión: Se rechaza Ho para cada una de las fuentes de variación.

6) Conclusión: La evidencia de la muestra apoya la hipótesis de que … el efecto de A,
B, Y AB son significativos y fluyen en la variable de la vibración.
d) Elaborar e interpretar el diagrama de Pareto de efectos estandarizados. ¿Qué factores son
los más significativos?
1) Hipótesis:
𝑯𝟎 : 𝐸𝑓𝑒𝑐𝑡𝑜 𝐴 = 0
𝑯𝟎 : 𝐸𝑓𝑒𝑐𝑡𝑜 𝐵 = 0
𝑯𝟎 : 𝐸𝑓𝑒𝑐𝑡𝑜 𝐴𝐵 = 0
𝑯𝑨 : 𝐸𝑓𝑒𝑐𝑡𝑜 𝐴 ≠ 0
𝑯𝑨 : 𝐸𝑓𝑒𝑐𝑡𝑜 𝐵 ≠ 0
𝑯𝑨 : 𝐸𝑓𝑒𝑐𝑡𝑜 𝐴𝐵 ≠ 0
2) Estadístico de prueba:
𝐸𝑓𝑒𝑐𝑡𝑜 𝐴
𝑡0 = 𝐸𝑓𝑒𝑐𝑡𝑜 𝑒𝑠𝑡𝑎𝑛𝑑𝑎𝑟𝑖𝑧𝑎𝑑𝑜 𝐴 = 𝐶𝑀𝐸
con distribución 𝑡𝛼
√ 2
𝑛2𝑘−2

𝐸𝑓𝑒𝑐𝑡𝑜 𝐵
𝑡0 = 𝐸𝑓𝑒𝑐𝑡𝑜 𝑒𝑠𝑡𝑎𝑛𝑑𝑎𝑟𝑖𝑧𝑎𝑑𝑜 𝐵 = 𝐶𝑀𝐸
con distribución 𝑡𝛼
√ 2
𝑛2𝑘−2

𝐸𝑓𝑒𝑐𝑡𝑜 𝐶
𝑡0 = 𝐸𝑓𝑒𝑐𝑡𝑜 𝑒𝑠𝑡𝑎𝑛𝑑𝑎𝑟𝑖𝑧𝑎𝑑𝑜 𝐶 = 𝐶𝑀𝐸
con distribución 𝑡𝛼
√ 2
𝑛2𝑘−2

3) Regla de decisión para un nivel de significancia 𝜶:

Rechazar 𝑯𝟎 si |𝐸𝑓𝑒𝑐𝑡𝑜 𝑒𝑠𝑡𝑎𝑛𝑑𝑎𝑟𝑖𝑧𝑎𝑑𝑜 𝑑𝑒𝑙 𝑓𝑎𝑐𝑡𝑜𝑟| > 𝑡𝛼,𝑔𝑙𝑒
2

4) Evaluación del estadístico de prueba:

Efecto_E Etiquetas_EE Etiquetas_EE Efecto_E
13.61 Efecto_E de A Efecto_E de B 6.17
6.17 Efecto_E de B Efecto_E de AB 7.13
7.13 Efecto_E de AB Efecto_E de A 13.61

x1 y1
2.179 0
 Diagrama de Pareto Estandarizada para Vibracion

+
-
A:A: Tamaño de Broca

AB

B:B: Velocidad de Broca

0 3 6 9 12 15
Efecto estandarizado

Decisión: Se rechaza Ho.

5) Conclusión: La evidencia de la muestra apoya la hipótesis de que … El efecto es
estadísticamente significativo.

e) Determinar el modelo de regresión en unidades codificadas.

𝑌̂ = 23.831 + 8.319𝑥1 + 3.769𝑥2 + 4.356𝑥1 𝑥2
Modelo_Regresion Coeficientes
0 23.83
1 8.32
2 3.77
12 4.36

𝑌̂ = 0 + 1 𝑥1 + 2 𝑥2 + 12 𝑥1 𝑥2

Vibracion = 23.8312 + 8.31875*A: Tamaño de Broca + 3.76875*B: Velocidad de Broca + 4.35625*A: Tamaño
de Broca*B:
Velocidad de Broca

f) Calcular e interpretar los coeficientes de determinación R2 y R2adj.

R2 R2 adj
95.81 94.76
Resumen del modelo
R-cuad. R-cuad.
S R-cuad. (ajustado) (pred)
2.44476 95.81% 94.76% 92.54%

R-cuadrada = 95.8053 porciento

R-cuadrada (ajustada por g.l.) = 94.7566 porciento

g) Obtener los valores predichos en cada tratamiento.

𝑌̂
16.100
24.025
14.925
40.275

A:Tamaño_Broca
B: Velocidad_Broca AJUSTES1
0.0625 40 16.1
0.125 40 24.025
0.0625 90 14.925
0.125 90 40.275
Observados Ajustados
Fila Valores Valores
1 18.2 16.1
2 27.2 24.025
3 15.9 14.925
4 41.0 40.275

Elaborar los incisos anteriores más los siguientes incisos mediante los programas de Minitab
y Statgraphics
h) Elaborar la gráfica normal de efectos estandarizados.
Los 3 efectos son estadísticamente significativos.
i) Elaborar la gráfica de superficie de respuesta, la gráfica de contorno y la gráfica de
cuadro.

Superficie de Respuesta Estimada

52

42
Vibracion

32

22
1
12 0.6
0.2
-1 -0.2
-0.6 -0.2 -0.6
0.2 0.6 -1
B: Velocidad de Broca
1
A: Tamaño de Broca
 Contornos de la Superficie de Respuesta Estimada

1 40.0 Vibracion
12.0
36.0 16.0
0.6 20.0
B: Velocidad de Broca

32.0 24.0
28.0
0.2 28.0 32.0
16.0 36.0
20.0
40.0
-0.2 24.0 44.0
48.0
52.0
-0.6

-1
-1 -0.6 -0.2 0.2 0.6 1
A: Tamaño de Broca
 Gráfica de Cuadro para Vibracion

1.0
14.925 40.275
B: Velocidad de Broca

16.1 24.025
-1.0
-1.0 1.0
A: Tamaño de Broca
j) Identificar el ajuste del proceso que minimizará la variable vibración.

Predicción de respuesta múltiple

Valor de
Variable configuración
A:Tamaño_Broca 0.0625
B: Velocidad_Broca 90
Respuesta Ajuste EE de ajuste IC de 95% IP de 95%
Vibracion 14.92 1.22 (12.26, 17.59) (8.97, 20.88)

Meta: minimizar Vibracion

Valor óptimo = 14.925

Factor Bajo Alto Óptimo

A: Tamaño de Broca -1.0 1.0 -1.0
B: Velocidad de Broca -1.0 1.0 1.0

k) Verificar los supuestos de normalidad, homocedasticidad e independencia.

Homocedasticidad

Gráfica de Residuos para Vibracion

2
residuo

-2

-4
12 22 32 42 52
predichos

Normalidad

Gráfica de Probabilidad Normal para Residuos

99.9

99
95

80
porcentaje

50

20

5
1

0.1
-4 -2 0 2 4
residuos
 Gráfico de RESIDUOS vs Orden de Corrida

2
RESIDUOS

-2

-4
0 4 8 12 16
Orden de Corrida

Se satisfacen el supuesto de normalidad, el de Homocedasticidad de igual manera el de

independencia.

l) Determinar los límites de confianza para medias de pronósticos y los límites de confianza
para pronósticos individuales para cada uno de los tratamientos. Utiliza un nivel de
confianza del 95%.
A:Tamaño_Broca
B: Velocidad_Broca LIMC LIMC_1 LIMP LIMP_1
0.0625 40 13.4366575 18.7633425 10.1445852 22.0554148
0.125 40 21.3616575 26.6883425 18.0695852 29.9804148
0.0625 90 12.2616575 17.5883425 8.96958519 20.8804148
Resultados Estimados para Vibracion
Inferior 95.0% Superior 95.0% Inferior 95.0% Superior 95.0%
Fila para Pronóstico para Pronóstico para Media para Media
1 10.1446 22.0554 13.4367 18.7633
2 18.0696 29.9804 21.3617 26.6883
3 8.96957 20.8804 12.2617 17.5883
4 34.3196 46.2304 37.6117 42.9383
Actividad 1.3 Diseño factorial 22 en bloques
Por lo general, no es posible correr todos los tratamientos de un diseño factorial 2^k bajo las
mismas condiciones experimentales; es decir, durante la planeación del experimento aparece
alguna restricción adicional que hace necesario considerar un factor de bloque en el estudio;
tal como: días, máquinas, material, tipo de producto, lote, etc.
a) Considerando el problema de la actividad anterior y suponiendo que cada una de las
cuatro réplicas se corrió en un día diferente (experimento repartido en cuatro bloques).
Determina mediante el Anova si el factor Bloque, día de la semana, influye sobre la
variable de vibración (probar 𝐻0 : 𝐸𝑓𝑒𝑐𝑡𝑜 𝑑𝑒 𝑏𝑙𝑜𝑞𝑢𝑒 = 0).
Análisis de Varianza

Fuente GL SC Ajust. MC Ajust. Valor F Valor p

Modelo 6 1682.47 280.41 92.24 0.000
Bloques 3 44.36 14.79 4.86 0.028
Lineal 2 1334.48 667.24 219.48 0.000
A: Tamañode Broca 1 1107.23 1107.23 364.21 0.000
B: Velocidad de Broca 1 227.26 227.26 74.75 0.000
Interacciones de 2 términos 1 303.63 303.63 99.88 0.000
A: Tamañode Broca*B: Velocidad de Broca 1 303.63 303.63 99.88 0.000
Error 9 27.36 3.04
Total 15 1709.83
Análisis de Varianza para Vibracion
Fuente Suma de Cuadrados Gl Cuadrado Medio Razón-F Valor-P
A:A: Tamaño de Broca 1107.23 1 1107.23 364.21 0.0000
B:B: Velocidad e Broca 227.256 1 227.256 74.75 0.0000
AB 303.631 1 303.631 99.88 0.0000
bloques 44.3619 3 14.7873 4.86 0.0280
Error total 27.3606 9 3.04007
Total (corr.) 1709.83 15

Se rechaza Ho el factor bloque si influye en la variable de vibración.

El día de la semana en que se realiza si influye.
Actividad 1.4 Diseño factorial 22 replicado
Un ingeniero Industrial empleado por una compañía refresquera está interesado en los efectos
de dos diferentes tipos de botellas de 32 onzas sobre el tiempo de entrega de cajas de 12
botellas del producto. Los dos tipos de botella son de vidrio y de plástico. Se usan dos
empleados para realizar una tarea que consiste en mover 40 cajas del producto 50 pies en una
plataforma de carga estándar y acomodarlas en un estante de venta. Se hacen cuatro réplicas
de un diseño factorial 22 y los tiempos observados se enlistan a continuación:
Empleado
Tipo de Botella
A B
5.12 4.89 6.65 6.24
Vidrio
4.98 5.00 5.49 5.55
4.95 4.95 5.28 4.91
Plástico
4.27 4.25 4.75 4.71

a) Calcular los efectos estimados de cada factor, así como el de interacción.

Efectos estimados para Tiempo

Efecto Estimado Error Estd. V.I.F.
promedio 5.12437 0.0926217
A:A: Tipo de Botella -0.73125 0.185243 1.0
B:B: Empleado 0.64625 0.185243 1.0
AB -0.33875 0.185243 1.0

b) Elaborar e interpretar la gráfica de efectos principales y la de interacción.

 Gráfica de Efectos Principales para Tiempo

5.5

5.3
Tiempo

5.1

4.9

4.7
-1.0 1.0 -1.0 1.0
A: Tipo de Botella B: Empleado
 Gráfica de Interacción para Tiempo

6.1
B: Empleado=1.0

5.8

5.5
Tiempo

5.2

B: Empleado=-1.0
4.9 B: Empleado=1.0

4.6 B: Empleado=-1.0
-1.0 1.0
A: Tipo de Botella
c) Elaborar e interpretar el Análisis de Varianza.

Análisis de Varianza para Tiempo

Fuente Suma de Cuadrados Gl Cuadrado Medio Razón-F Valor-P
A:A: Tipo de Botella 2.13891 1 2.13891 15.58 0.0019
B:B: Empleado 1.67056 1 1.67056 12.17 0.0045
AB 0.459006 1 0.459006 3.34 0.0924
Error total 1.64713 12 0.13726
Total (corr.) 5.91559 15

Se rechaza Ho, y se concluye que los factores si A y B si influyen de manera significativa en

la variable.

d) Elaborar e interpretar la gráfica de Pareto y la gráfica de Daniel (gráfico de probabilidad

normal de los efectos)
 Diagrama de Pareto Estandarizada para Tiempo

+
-
A:A: Tipo de Botella

B:B: Empleado

AB

0 1 2 3 4
Efecto estandarizado
 Gráfica de Probabilidad Normal para Tiempo

99.9

99
95

80 B:B: Empleado
porcentaje

50 AB

20 A:A: Tipo de Botella

5
1

0.1
-4 -2 0 2 4
Efectos estandarizados

Se observa que los factores se encuentra bastante alejados por lo cual si influyen en la
variable de respuesta mientras que la interacción no.

e) ¿Qué combinación de tipo de botella y empleado minimizan el tiempo de entrega?

Se recomienda usar al empleado A y el uso de botella de plástico para minimizar el tiempo

de entrega.
Actividad 1.5 Diseño factorial 23 replicado
En una empresa que fabrica dispositivos electrónicos se identificó mediante un análisis de
Pareto que las fracturas de las obleas de silicio por choques térmicos era la principal causa
de obleas rotas en las etapas de procesamiento conocidas como “grabado mesa” y “piraña”.
Un grupo de esas áreas identificó a tres factores principales (temperaturas) como las
probables causas del problema. Por ello, se utilizó un experimento factorial 23 con el objetivo
de localizar una combinación de temperaturas en la cual se rompan un mínimo de obleas por
efecto térmico.
Los tres factores controlados y sus niveles en unidades originales, son las temperaturas:
T1: Temperatura de grabado (–3°C, –1°C)
T2: Temperatura de piraña (60°C, 98°C)
T3: Temperatura de agua (20°C, 70°C)

La combinación (–3°C, 98°C, 20°C) fue el tratamiento usual o en operación antes del
experimento. Así, uno de los dos niveles en cada factor es la temperatura usual y el otro es
una temperatura que se supone reduce el efecto térmico sobre la oblea.
La variable de respuesta es la proporción de obleas rotas por cada 250 obleas procesadas.
T1 T2 T3 P
–1 –1 –1 .040 .032
1 –1 –1 .012 .008
–1 1 –1 .036 .028
1 1 –1 .000 .000
–1 –1 1 .020 .020
1 –1 1 .000 .016
–1 1 1 .016 .008
1 1 1 .004 .004

a) Estima los efectos.

Efectos estimados para Razon de Obleas Rotas
Efecto Estimado
promedio 0.01525
A:A: Temperatura de Grabado -0.0195
B:B: Temperatura de Piraña -0.0065
C:C: Temperatura de Agua -0.0085
AB -0.0005
AC 0.0095
BC 0.0005
ABC 0.0025

b) Elabora e interpreta el diagrama de Pareto estandarizado.

 Diagrama de Pareto Estandarizada para Razon de Obleas Rotas

A:A: Temperatura de Grabado +

-
AC

C:C: Temperatura de Agua

B:B: Temperatura de Piraña

ABC

BC

AB

0 2 4 6 8
Efecto estandarizado

El factor A, AC, C y B son significativos, por lo cual estos afectan a la variable de respuesta.

c) Realiza e interpreta el ANOVA.

Análisis de Varianza para Razon de Obleas Rotas
Fuente Razón-F Valor-P
A:A: Temperatura de Grabado 52.45 0.0001
B:B: Temperatura de Piraña 5.83 0.0422
C:C: Temperatura de Agua 9.97 0.0135
AB 0.03 0.8573
AC 12.45 0.0078
BC 0.03 0.8573
ABC 0.86 0.3803
Error total
Total (corr.)

Los factores y combinación de factores que afectan la variable de respuesta tienen un

valor p menor a 0.05 por lo cual, estos son: A,B,C Y AC

d) Obtén el mejor ANOVA.

Análisis de Varianza para Razon de Obleas Rotas

Fuente Razón-F Valor-P
A:A: Temperatura de Grabado 64.60 0.0000
B:B: Temperatura de Piraña 7.18 0.0214
C:C: Temperatura de Agua 12.27 0.0049
AC 15.33 0.0024
Error total
Total (corr.)
e) Determina el modelo de regresión.

f) Elabora la gráfica de efectos principales, la gráfica de interacción y la gráfica de cubo.

Determina la condición óptima.
 Gráfica de Efectos Principales para Razon de Obleas Rotas

(X 0.001)
25

Razon de Obleas Rotas

20

15

10

0
-1.0 1.0 -1.0 1.0 -1.0 1.0
A: Temperatura de Grabado
B: Temperatura de Piraña
C: Temperatura de Agua
 Gráfica de Interacción para Razon de Obleas Rotas

0.04

C: Temperatura de Agua=-1.0
Razon de Obleas Rotas

0.03

0.02
C: Temperatura de Agua=1.0

0.01
C:
C: Temperatura
Temperatura de
de Agua=1.0
Agua=-1.0

0
-1.0 1.0
A: Temperatura de Grabado
 Gráfica de Cubo para Razon de Obleas Rotas

0.01275
0.00275
C: Temperatura de Agua 0.01925
1.0
0.00925

0.03075
0.00175 1.0
0.03725
-1.0
-1.0 0.00825
B: Temperatura de Piraña
1.0-1.0
A: Temperatura de Grabado

La condición optima es cuando el factor A se encuentra en su nivel alto, en B alto y en C

bajo.

g) Obtén el valor predicho en la condición actual del proceso y en la condición óptima. ¿En
qué porcentaje se mejoraría el proceso?

Optimizar Respuesta
Meta: maximizar Razon de Obleas Rotas

Valor óptimo = 0.03725

Factor Bajo Alto Óptimo

A: Temperatura de Grabado -1.0 1.0 -1.0
B: Temperatura de Piraña -1.0 1.0 -1.0
C: Temperatura de Agua -1.0 1.0 -1.0

Valor Ajustado:
94.3%
Actividad 1.6 Diseño factorial 23 replicado
Un ingeniero industrial está interesado en los efectos de la velocidad de corte (A), la
geometría de la herramienta (B) y el ángulo de corte (C) sobre la vida (en horas) de una
máquina herramienta. Se eligieron dos niveles de cada factor y se corren tres réplicas de un
diseño factorial 23. Los resultados fueron los siguientes:

Combinación Réplica
A B C de
I II III
tratamientos
- - - (1) 22 31 25
+ - - a 32 43 29
- + - b 35 34 50
+ + - ab 55 47 46
- - + c 44 45 38
+ - + ac 40 37 36
- + + bc 60 50 54
+ + + abc 39 41 47

a) Estimar los efectos de los factores. ¿qué efectos parecen ser grandes?
Efectos estimados para Replicas
Efecto Estimado Error Estd. V.I.F.
promedio 40.8333 1.12114
A:A: Velocidad Corte 0.333333 2.24227 1.0
B:B: Geomteria Herramientas 11.3333 2.24227 1.0
C:C: Angulo de Corte 6.83333 2.24227 1.0
AB -1.66667 2.24227 1.0
AC -8.83333 2.24227 1.0
BC -2.83333 2.24227 1.0
ABC -2.16667 2.24227 1.0

b) Confirmar la respuesta del inciso anterior, mediante el análisis de varianza y el gráfico

de Pareto.

Análisis de Varianza para Replicas

 Fuente Razón-F Valor-P
A:A: Velocidad Corte 0.02 0.8837
B:B: Geomteria Herramientas 25.55 0.0001
C:C: Angulo de Corte 9.29 0.0077
AB 0.55 0.4681
AC 15.52 0.0012
BC 1.60 0.2245
ABC 0.93 0.3483
Error total
Total (corr.)

Diagrama de Pareto Estandarizada para Replicas

B:B: Geomteria Herramientas +

-
AC

C:C: Angulo de Corte

BC

ABC

AB

A:A: Velocidad Corte

0 1 2 3 4 5 6
Efecto estandarizado
c) Excluir los factores insignificantes. Luego, escribir un modelo de regresión para predecir
la vida de la herramienta (en horas).

Replicas = 40.8333 + 0.166667*A: Velocidad Corte + 5.66667*B: Geomteria Herramientas + 3.41667*C:

Angulo de Corte -
4.41667*A: Velocidad Corte*C: Angulo de Corte

d) Probar la hipótesis nula de que el modelo actual se ajusta adecuadamente a los datos
observados contra la alternativa de que el modelo actual no se ajusta adecuadamente a
los datos observados, mediante la prueba de falta de ajuste.

Análisis de Varianza para Replicas

Fuente Razón-F Valor-P
A:A: Velocidad Corte 0.02 0.8837
B:B: Geomteria Herramientas 25.55 0.0001
C:C: Angulo de Corte 9.29 0.0077
AC 15.52 0.0012
Falta de ajuste 1.03 0.4067
Error puro
Total (corr.)

No se rechaza Ho pues el modelo actual se ajusta adecuadamente a los datos observados.

e) Con base en el análisis de las gráficas de los efectos principales y las interacciones, de
los efectos significativos, ¿cuáles serían los niveles de los factores que recomendaría
utilizar?

Gráfica de Efectos Principales para Replicas

47

45

43
Replicas

41

39

37

35
-1.0 1.0 -1.0 1.0 -1.0 1.0
A: Velocidad Corte
B: Geomteria Herramientas
C: Angulo de Corte
 Gráfica de Interacción para Replicas

50
C: Angulo de Corte=1.0
47

44
Replicas

C: Angulo de Corte=-1.0
41
C: Angulo de Corte=1.0
38

35

C: Angulo de Corte=-1.0
32
-1.0 1.0
A: Velocidad Corte
Actividad 1.7 Diseño factorial 25 no replicado
En una planta donde se fabrican semiconductores se requiere mejorar el rendimiento del
proceso vía diseño de experimentos. De acuerdo con la experiencia del grupo de mejora, los
factores que podían tener mayor influencia sobre la variable de respuesta (rendimiento), así
como los niveles de prueba, son los siguientes:

A: Nivel de abertura (pequeña, grande)

B: Tiempo de exposición (20% abajo, 20% arriba)
C: Tiempo de revelado (30 seg, 45 seg)
D: Dimensión de la máscara (pequeña, grande)
E: Tiempo de grabado (14.5 min, 15.5 min)

Se decide correr un experimento 25 con una sola réplica para estudiar los cinco factores. Los
resultados de cada uno de los tratamientos en orden de Yates se muestran a continuación:
Notación de Yates Rend. (%) Notación de Yates Rend. (%)
(1) 7 e 8
a 9 ae 12
b 34 be 35
ab 55 abe 52
c 16 ce 15
ac 20 ace 22
bc 40 bce 45
abc 60 abce 65
d 8 de 6
ad 10 ade 10
bd 32 bde 30
abd 50 abde 53
cd 18 cde 15
acd 21 acde 20
bcd 44 bcde 41
 abcd 61 abcde 63

a) Determina qué factores son significativos mediante el gráfico de Pareto y el gráfico

de probabilidad normal para los efectos.

a) Determina qué factores son significativos mediante el gráfico de Pareto y el gráfico

de probabilidad normal para los efectos.
 Diagrama de Pareto Estandarizada para Rendimiento

+
B:B: Tiempo de exposición -

A:A: Nivel de abertura

C:C: Tiempo de revelado

AB

0 10 20 30 40 50 60
Efecto estandarizado

b) Elimina los efectos no significativos del análisis y obtén el mejor ANOVA.

Análisis de Varianza para Rendimiento
Fuente Suma de Cuadrados Gl Cuadrado Medio Razón-F Valor-P
A:A: Nivel de abertura 1116.28 1 1116.28 382.27 0.0000
B:B: Tiempo de exposición 9214.03 1 9214.03 3155.34 0.0000
C:C: Tiempo de revelado 750.781 1 750.781 257.10 0.0000
AB 504.031 1 504.031 172.61 0.0000
Error total 78.8438 27 2.92014
Total (corr.) 11664.0 31

c) Mediante las gráficas de los efectos y de interacción determina los niveles de los
factores que se deben fijar para maximizar el rendimiento.

Gráfica de Efectos Principales para Rendimiento

53

43
Rendimiento

33

23

13
-1.0 1.0 -1.0 1.0 -1.0 1.0
A: Nivel de abertura B: Tiempo de exposición C: Tiempo de revelado
 Gráfica de Interacción para Rendimiento

60
B: Tiempo de exposición=1.0

50

40

Rendimiento
B: Tiempo de exposición=1.0

30

20
B: Tiempo de exposición=-1.0
10 B: Tiempo de exposición=-1.0

0
-1.0 1.0
A: Nivel de abertura

Los factores A, B, y C se deben de ajustar en su nivel alto.

d) Obtén el modelo de regresión (variables codificadas) para explicar el comportamiento

del rendimiento durante las pruebas.
Rendimiento = 30.5313 + 5.90625*A: Nivel de abertura + 16.9688*B: Tiempo de exposición + 4.84375*C:
Tiempo de revelado + 3.96875*A: Nivel de abertura*B: Tiempo de exposición

e) Determina el valor predicho, el intervalo de confianza y el intervalo de predicción del

95% para el tratamiento que maximiza el rendimiento. Interpreta los resultados
obtenidos.
f) Resultados Estimados para Rendimiento
Ajustados Inferior 95.0% Superior 95.0% Inferior 95.0% Superior 95.0%
Fila Valores para Pronóstico para Pronóstico para Media para Media
33 62.2188 58.4485 65.989 60.8328 63.6047

Tenemos una confianza del 95% de que el valor promedio del rendimiento
tendrá un valor de 60.833 a 63.605 siempre y cuando el proceso se ajuste
a las condiciones de A, B y C dichas anteriormente, además de que un
valor individual tendrá un valor de 58.499 a 65.989.

g) Verifica los supuestos del modelo.

 Gráfica de Residuos para Rendimiento

1
residuo

-1

-2

-3
0 10 20 30 40
número de ejecución

Gráfica de Probabilidad Normal para Residuos

99.9

99

95
porcentaje

80

50

20

0.1
-3 -2 -1 0 1 2 3
residuos
 h) Elimina los efectos no significativos del análisis y obtén el mejor ANOVA.
Análisis de Varianza
Fuente GL SC Ajust. MC Ajust. Valor F Valor p
Modelo 4 11585.1 2896.28 991.83 0.000
Lineal 3 11081.1 3693.70 1264.90 0.000
A:N_abertura 1 1116.3 1116.28 382.27 0.000
B:T_exposicion 1 9214.0 9214.03 3155.34 0.000
C:T_revelado 1 750.8 750.78 257.10 0.000
Interacciones de 2 términos 1 504.0 504.03 172.61 0.000
A:N_abertura*B:T_exposicion 1 504.0 504.03 172.61 0.000
Error 27 78.8 2.92
Total 31 11664.0

i) Mediante las gráficas de los efectos y de interacción determina los niveles de los
factores que se deben fijar para maximizar el rendimiento.
 Los factores A, B, y C se deben de ajustar en su nivel alto.

j) Obtén el modelo de regresión (variables codificadas) para explicar el comportamiento

del rendimiento durante las pruebas.
Ecuación de regresión en unidades no codificadas
Rendimiento = 30.531 + 5.906 A:N_abertura + 16.969 B:T_exposicion
+ 4.844 C:T_revelado
+ 3.969 A:N_abertura*B:T_exposicion

k) Determina el valor predicho, el intervalo de confianza y el intervalo de predicción del

95% para el tratamiento que maximiza el rendimiento. Interpreta los resultados
obtenidos.
Predicción de respuesta múltiple
Valor de
Variable configuración
A:N_abertura grande
B:T_exposicion 0.2
C:T_revelado 45
Respuesta Ajuste EE de ajuste IC de 95% IP de 95%
Rendimiento 62.219 0.675 (60.833, (58.449,
63.605) 65.989)
Tenemos una confianza del 95% de que el valor promedio del rendimiento
tendra un valor de 60.833 a 63.605 siempre y cuando el proceso se ajuste a
las condiciones de A, B y C dichas anteriormente, además de que un valor
individual tendrá una valor de 58.499 a 65.989.

l) Verifica los supuestos del modelo.

Actividad 1.8 Diseño factorial 25 no replicado

El objetivo del experimento es mejorar el rendimiento en el área de fermentación de agave
tequilero. Los factores que se controlan y sus niveles en unidades originales son los
siguientes:

A: Temperatura de carga (28°C, 30°C)

B: Inóculo de levadura (0.31%, 0.72%)
C: Temperatura del medio ambiente (22°C, 34°C)
D: Temperatura de fermentación (34°C, 42°C)
E: Brix de carga (13.0 ° BX, 15.5 ° BX)
Se utiliza un diseño factorial 25 con sólo una corrida en cada tratamiento. El diseño y los
rendimientos observados se muestran en la siguiente tabla:

Notación de Yates Rend. (%) Notación de Yates Rend. (%)

(1) 60.30 e 79.44
a 73.20 ae 60.40
b 95.62 be 46.98
ab 79.41 abe 61.95
c 95.62 ce 57.05
ac 97.24 ace 42.09
bc 76.17 bce 47.65
abc 57.05 abce 53.69
d 90.76 de 61.58
ad 46.96 ade 27.00
bd 45.30 bde 61.15
abd 42.09 abde 57.05
cd 89.13 cde 56.12
acd 71.31 acde 55.36
bcd 76.17 bcde 29.30
abcd 61.58 abcde 28.59

a) Obtener el mejor ANOVA con apoyo del gráfico de Pareto, considerando en el análisis
las interacciones hasta el orden 3. ¿Qué efectos son significativos al nivel del 8%?
b) Obtener el tratamiento ganador e interpretar el intervalo de predicción al 92 % de
confianza en dicho tratamiento.

Actividad 1.9 Diseño factorial 23 con repeticiones al centro

En un proceso de circuitos integrados (obleas) interesa minimizar la corriente de fuga, que
se supone depende de la temperatura de quemado (A), tiempo de quemado (B) y porcentaje
de nitrógeno (C). Para ello se decide correr un experimento factorial 23 con cuatro
repeticiones al centro. Los resultados obtenidos se muestran en seguida:
 Temperatura Tiempo de Porcentaje de
Y = Corriente de fuga
de quemado quemado nitrógeno
-1 -1 -1 2.153 1.843
+1 -1 -1 1.609 2.018
-1 +1 -1 1.346 1.766
+1 +1 -1 1.695 2.051
-1 -1 +1 3.864 5.041
+1 -1 +1 7.054 5.574
-1 +1 +1 5.519 4.181
+1 +1 +1 5.746 6.088
0 0 0 2.490 2.384
0 0 0 2.474 1.778

Incluyendo los puntos centrales en el modelo, haz lo siguiente mediante Minitab:

a) Determinar si la curvatura es significativa al 5% de significancia.
H0: El modelo de regresión actual se ajusta adecuadamente a los datos observados y no
requiere de los términos cuadráticos puros.
H1: El modelo actual no se ajusta adecuadamente a los datos y al menos un término
cuadrático puro debe incluirse en el modelo. En otras palabras, el modelo de regresión
múltiple obtenido no se ajusta adecuadamente a la respuesta observada en el punto al
centro. Le falta al menos un término cuadrático puro: 𝑥12 , 𝑥22 o 𝑥32 .
b) Si la curvatura es significativa, incluirla en el modelo; sino, excluirla. Luego, determinar
qué factores influyen sobre la corriente de fuga, al 5% de nivel de significancia, mediante
el ANOVA y el análisis de Pareto. Obtener el mejor ANOVA.
c) Obtener el valor predicho en el tratamiento central. (Promedio de los puntos centrales).
Sin incluir los puntos centrales en el modelo, haz lo siguiente mediante Minitab:
d) Elaborar los gráficos de residuos contra los niveles de los factores. ¿Se percibe la
curvatura?
e) Obtener el valor predicho en el tratamiento central.

Resuelve los siguientes incisos mediante Statgraphics:

f) Determinar si la curvatura es significativa, al 5% de significancia, mediante la prueba de
falta de ajuste.
g) Si la curvatura es significativa, incluirla en el modelo; sino, excluirla. Luego, determinar
qué factores influyen sobre la corriente de fuga, al 5% de nivel de significancia, mediante
el ANOVA y el análisis de Pareto. Obtener el mejor ANOVA.
h) Elaborar los gráficos de residuos contra los niveles de los factores. ¿Se percibe la
curvatura?
i) Obtener el valor predicho y el valor promedio en el tratamiento central.

Actividad 1.10
Elige y resuelve un problema de la sección Preguntas y ejercicios del capítulo seis del
siguiente libro:
Gutiérrez Pulido, H., & De la Vara Salazar, R. (2008). Análisis y diseño de experimentos (2ª
ed.). México: Mc Graw-Hill.