Beruflich Dokumente
Kultur Dokumente
Taguchi Analysis
Linear Model Analysis:
Stem-and-Leaf Display: D, CONC., HUMEDAD, Yi
Anlisis de varianza
1) como primer paso, se obtienen los totales de la variable de respuesta o lecturas, para cada
uno de los niveles de los factores.
Para calcular los totales para cada nivel del factor A, observamos que las
primeras cuatro pruebas del arreglo se efectuaron con el factor a su nivel 1
(Resina tipo I) y las siguientes cuatro a su nivel 2 (resina tipo II).
Los totales son por lo tanto:
A1= total de las lecturas que se tomaron con el factor A a su nivel 1
= 0.49+0.42+0.38+0.30=1.59
A2= total de las lecturas que se tomaron con el factor A a su nivel 2
= 0.21+0.24+0.32+0.28= 1.05
Para el factor D se tiene que las pruebas 1,3,5 y 7 se efectuaron a su nivel 1
(humedad del 5%), por lo tanto los totales son:
D1= Total de las lecturas que se tomaron con el factor D a su nivel 1
= 0.49+0.38+0.21+0.32= 1.40
D2= Total de las lecturas que se tomaron con el factor D a su nivel 2
= 0.42+0.30+0.24+0.28= 1.24
En resumen se tiene:
Factor
Nivel 1
Nivel 2
1.59 1.36
1.51
1.40
1.39
1.28
1.35
1.05 1.28
1.13
1.24
1.25
1.36
1.29
2.64 2.64
2.64
2.64
2.64
2.64
2.64
Observe que la suma de los dos niveles debe dar siempre el total de las ocho
lecturas 2.64.
2) En seguida se obtiene una cantidad que llamaremos suma de cuadrados
esta se calcula como sigue:
Suma de los cuadrados del factor x= SS X= (Total nivel 2 Total nivel 1) 2/ n
Donde n representa el nmero total de lecturas que se tomaron.
As por ejemplo, para el factor A, tendremos que dado que n=8
SSA= (A2 A1) 2/ 8= (1.59-1.05) 2/ 8=0.03645 con 1 g .1
Para el factor B se tiene
SSB= (B2 B1) 2/ 8= (1.28-1.36) 2/ 8= 0.00080 con 1 g.1
Similarmente
SS
0.03645
0.03645
0.00080
0.00080
1.28
0.01805
0.01805
28.88
0.00320
0.00320
5.12
0.00245
0.00245
3.92
Error
0.00125
Total
G.l.
0.0622
Fexp
58.32
0.000625
7
SS
0.03645
0.01805
0.00320
0.00245
0.00205
0.0622
G.1
1
1
1
1
3
V
0.03645
0.01805
0.00320
0.00245
0.00068
Fexp
53.60
26.54
4.71
3.60
Con Minitab
Stat > DOE > Taguchi > Analyze Taguchi Design
Response data in Y
Analysis. Fit linear model for Signal to Noise Ratios Means
Graphs: Signal to Noise Ratios Means
Terms: A B C D E F
Coef
9.93728
-1.78903
-0.01666
-1.26604
-0.42402
-0.42402
S = 0.8581
SE Coef
0.3034
0.3034
0.3034
0.3034
0.3034
0.3034
R-Sq = 96.6%
T
32.753
-5.897
-0.055
-4.173
-1.398
-1.398
P
0.001
0.028
0.961
0.053
0.297
0.297
R-Sq(adj) = 88.0%
DF
1
1
1
1
1
2
7
Seq SS
25.6050
0.0022
12.8230
1.4384
1.4384
1.4728
42.7797
Adj SS
25.6050
0.0022
12.8230
1.4384
1.4384
1.4728
Adj MS
25.6050
0.0022
12.8230
1.4384
1.4384
0.7364
F
34.77
0.00
17.41
1.95
1.95
P
0.028
0.961
0.053
0.297
0.297
12
11
Mean of SN ratios
10
9
8
1
12
11
10
9
8
1
Term
Constant
A 1
B 1
C 1
D 1
E 1
S = 0.025
Coef
0.33000
0.06750
0.01000
0.04750
0.02000
0.01750
SE Coef
0.008839
0.008839
0.008839
0.008839
0.008839
0.008839
R-Sq = 98.0%
T
37.335
7.637
1.131
5.374
2.263
1.980
P
0.001
0.017
0.375
0.033
0.152
0.186
R-Sq(adj) = 93.0%
DF
1
1
1
1
1
2
7
Seq SS
0.036450
0.000800
0.018050
0.003200
0.002450
0.001250
0.062200
Adj SS
0.036450
0.000800
0.018050
0.003200
0.002450
0.001250
Adj MS
0.036450
0.000800
0.018050
0.003200
0.002450
0.000625
F
58.32
1.28
28.88
5.12
3.92
0.40
Mean of Means
0.35
0.30
0.25
1
0.40
0.35
0.30
0.25
1
A
8.148
11.726
3.578
1
B
9.921
9.954
0.033
5
C
8.671
11.203
2.532
2
D
9.513
10.361
0.848
3.5
E
9.513
10.361
0.848
3.5
A
0.3975
0.2625
0.1350
1
B
0.3400
0.3200
0.0200
5
C
0.3775
0.2825
0.0950
2
D
0.3500
0.3100
0.0400
3
E
0.3475
0.3125
0.0350
4
P
0.017
0.375
0.033
0.152
0.186
Nos resta decidir a que nivel habr de fijar cada factor significante, y qu
podremos esperar. Para tomar esta decisin, es de mucha ayuda obtener los
promedios de las lecturas que se tomaron a cada nivel para cada uno de los
factores significantes.
Los promedios de la emisin de formaldehdo para cada nivel se obtienen
dividiendo c/u de los totales entre 4, (c/total es la suma de cuatro lecturas).
A1= A1/4= 1.59/4= 0.3975
A2= A2/4= 1.05/4= 0.2625
Nivel 1
A1= 0.3975
B1= 0.3400
C1= 0.3775
D1= 0.3500
E1= 0.3475
Nivel 2
A2= 0.2625
B2= 0.3200
C2= 0.2825
D2= 0.3100
E2= 0.3125
EF C = C2 Y= 0.2825-0.3300= -0.0475
EF D = D2 Y= 0.3100-0.3300=-0.0200
EF E = E2 Y= 0.3125-0.3300= -0.0175
Finalmente, el resultado esperado bajo las condiciones A2, C2, D2, E2, que llamaremos
Yest. se calcula sumando al promedio general Y todos los efectos de los factores significantes.
0.3325
Nivel 2
B
0.3975
C
0.3400
D
0.3775
E
0.3500
e
e
0.3475
0.3200
0.2625
0.3200
0.2825
0.3100
0.3125
0.3400
0.3225
Promedio global Y= T/n= 2.64/8 = 0.33
Observe que para cada factor, uno de los promedios es mayor y el otro
menor que el promedio global. Esto siempre debe de ocurrir.
2) Calcule la diferencia entre los promedios de niveles para cada factor, y
ordnelos de mayor a menor en valor absoluto.
Esto es por ejemplo para el factor A
A1 A2 = 0.3975 0.2625= 0.1350; para el resto tenemos:
Factor
Diferencia
0.1350
0.0200
0.0950
0.0400
0.0350
0.0200
0.0100
A
1
1
1
1
2
2
2
2
1.59
B
1
1
2
2
1
1
2
2
1.36
C
1
1
2
2
2
2
1
1
D
1
2
1
2
1
2
1
2
1.51
E
1
2
1
2
2
1
2
1
1.40
e1
1
2
2
1
1
2
2
1
1.39
1.35 Tot
T2
1.05
1.28
1.13
1.24
1.25 1.36
SS 0.03645 0.00080
0.01805
0.00320
0.00245
0.00045
Ve
gl
1
V
0.03645
1
1
1
1
0.00080 0.01805 0.00320
.00062 F 58.32
1.28
28.88
5.12
Sg
si
no
si
si
P1 0.3975
0.3400
0.3775
0.3500
P2
Ni
Ef
Y
0.2625
0.33
2
-0.0675
0.3200
-
0.2825
2
2
-0.0475
Yest. = Y + Ef A2 + Ef C2 + Ef D2 + Ef E2
T1
T2
0.3100
2
-0.0200
e2
Yi
1
0.49
2
0.42
2
0.38
1
0.30
2
0.21
1
0.24
1
0.32
2
0.28
1.28
1.29
2.64
0.00080
2
0.00245
3.92
si
0.3475
0.3125
-0.0175
n
SS
gl
V
F
Sg
P1
P2
Ni
Ef
Y
Yest
= SS/gl
= V/Ve
= Efecto significante?
= Promedio nivel 1
= Promedio nivel 2
= Nivel seleccionado
= Efecto de la variable
= Promedio de todos los datos
= Valor estimado de la variable a las condiciones propuestas
Factor
Diferencia
0.1350
0.0950
0.0400
e
0.0350
e
0.0200
0.0200 0.0100
Se puede observar que el orden en que quedaron los datos anteriores, es
tambin el orden de mayor a menor Fexp que se obtiene con la ANOVA.
Siguiendo el orden anterior, se obtiene una grfica como se muestra en
seguida:
.40
.35
.33
.30
.25
A1 A2
C1 C2 D1 D2
E1 E2 B1 B2 e 1 e 2
e1
e2
Mediante esta grfica, se puede evaluar el efecto de cada factor. Entre mayor sea
la lnea de cada factor, o bien, entre ms vertical se encuentre, mayor ser el efecto de
este factor.
Predicted values
S/N Ratio
13.8404
Mean
0.1775
C
2
D
2
E
2