Doe.doc

Solo disponible en BuenasTareas
  • Páginas : 6 (1456 palabras )
  • Descarga(s) : 4
  • Publicado : 26 de marzo de 2010
Leer documento completo
Vista previa del texto
[pic]

Sistemas de Planeacion

Estrategia Planeacion Nivelada en Ambiente Fabricar para pedido

Alumno: Cinthia Alejandra Martinez

Mat: 86481

Ing. Industrial y de Sistemas

Cd. Juárez, Chih., a 08 de Marzo de 2010

1. Una ingeniera de manufactura sospecha que el acabado superficial de una pieza metálica depende de la alimentación y de la profundidad de corte. Selecciona tresniveles de alimentación y elige aleatoriamente cuatro niveles de profundidad del corte. A continuación, realiza un experimento factorial y recopila los siguientes datos:

a) Analice los datos y obtenga las conclusiones apropiadas.

b) Elabore las gráficas apropiadas de los residuos y comente la adecuación del modelo.

Minitab:

Multilevel Factorial Design

Factors: 2Replicates: 3
Base runs: 12 Total runs: 36
Base blocks: 1 Total blocks: 1

Number of levels: 3, 4

General Linear Model: C7 versus Rapidez de alime, Profundidad de C

Factor Type Levels Values
Rapidez de alimentacion fixed 3 0.20, 0.25, 0.30
Profundidad de Corte fixed 4 0.15, 0.18, 0.20, 0.25

Analysis of Variance for C7,using Adjusted SS for Tests

Source DF Seq SS Adj SS Adj MS F P
Rapidez de alimentacion 2 3160.50 3160.50 1580.25 55.02 0.000
Profundidad de Corte 3 2125.11 2125.11 708.37 24.66 0.000
Rapidez de alimentacion* 6 557.06 557.06 92.84 3.23 0.018
Profundidad de Corte
Error 24 689.33 689.33 28.72
Total35 6532.00

S = 5.35931 R-Sq = 89.45% R-Sq(adj) = 84.61%

[pic]

Interpretacion de resultados

R²(R-Sq) y R² ajustó (R-Sq(adj))

El nuevo modelo explica 98.8% de la variabilidad en la respuesta, lo cual es una mejora sobre el R² logrando usar solamente AFR para predecir el golpe

Sin embargo R² nunca disminuirá cuando aumente la predicción al modelo, auncuando eso no resulte un buen modelo. La estadística de R² ajustada (R-Sq(adj) = 98.2%) es ajustado para el número de condiciones en el modelo, y debe usarse cuando son comparados los modelos con diferente números las predicciones.

El R² ajustado para el modelo con sólo AFR como el predictor tenía 91.6% años. así, el modelo actual con un R² esta ajustado 98.2% se mejora.

Análisis de VariaciónLas hipótesis para un modelo de la regresión múltiple es:

Ho: todo β1 (a excepciσn de β0) son iguales a cero

H1: al menos uno βi (no incluye β0 ) no es igual a cero

Porque p (0.000) es menos que α (0.05), puedes rechazar Ho.

El modelo de la regresión, con la chispa, AFR, Succión, y descarga como las predicciones, es significativamente mejor que la restricción del modelo el cualincluye no predicciones.

2. En un artículo publicado en Industrial Quality Control (1956, pp. 5-8) se describe un experimento para investigar el efecto del tipo de vidrio y el tipo de fósforo sobre la brillantez de un cinescopio de televisor. La variable de respuesta es la corriente necesaria (en microamperes) para obtener un nivel de brillantez especificado. Los datos son como sigue:

[pic]a) ¿Existe indicación de que alguno de los factores influya brillantez?

b) ¿Interactúan entre sí ambos factores?

c) Analice los residuos de este experimento.

Minitab:

Multilevel Factorial Design

Factors: 2 Replicates: 3
Base runs: 6 Total runs: 18
Base blocks: 1 Total blocks: 1

Number of levels: 2, 3

General Linear Model: C7versus Tipo de Vidrio, Tipo de fósforo

Factor Type Levels Values
Tipo de Vidrio fixed 2 1, 2
Tipo de fósforo fixed 3 1, 2, 3

Analysis of Variance for C7, using Adjusted SS for Tests

Source DF Seq SS Adj SS Adj MS F P
Tipo de Vidrio 1 14450.0 14450.0 14450.0 273.79 0.000
Tipo de fósforo...
tracking img