Ejemplo de Gráficas factoriales con un diseño factorial

Un ingeniero de materiales que trabaja para un fabricante de productos de construcción está desarrollando un nuevo producto de aislamiento. El ingeniero diseña un experimento factorial completo de 2 niveles para evaluar varios factores que podrían afectar la resistencia, la densidad y el valor de aislamiento del aislante.

El ingeniero ajusta el modelo de diseño factorial y luego utiliza Gráficas factoriales para entender mejor los efectos.

  1. Abra los datos de muestra, PropiedadesAislamiento_modelo.MTW.
  2. Elija Estadísticas > DOE > Factorial > Gráficas factoriales.
  3. En Respuesta, seleccione Aislamiento.
  4. En Variables que serán incluidas en las gráficas, mueva Material, TempIny y TempEnfr de la lista Disponible a la lista Seleccionado.
  5. Haga clic en Aceptar.

Interpretar los resultados

La gráfica de interacciones muestra la media ajustada del valor de aislamiento en función de las combinaciones de material, temperatura de inyección y temperatura de enfriamiento. Esta gráfica muestra los efectos aparentes de las interacciones, porque no todas las líneas son paralelas, lo que implica que la relación entre el valor de aislamiento y cada factor depende de la configuración de otro factor. Los resultados de Analizar diseño factorial indican que los efectos de interacción de Material*TempEnfr y TempIny*TempEnfr son estadísticamente significativos.

La gráfica de la interacción Material*TempEnfr muestra que el efecto de la temperatura de enfriamiento sobre el aislamiento es mayor para Fórmula1 que para Fórmula2.

La relación entre el valor de aislamiento y la temperatura de inyección depende de la temperatura de enfriamiento. Cuando el producto se fabrica con TempIny 85, el valor de aislamiento es prácticamente igual para ambas temperaturas de enfriamiento. Sin embargo, con TempIny 100, la temperatura de enfriamiento se asocia a valores de aislamiento sustancialmente diferentes. TempIny 100 y TempEnfr45 se asocian a los valores de aislamiento más altos.

Las gráficas de efectos principales muestran las medias ajustadas para cada nivel de cada variable categórica. Puesto que las líneas no son horizontales, existen efectos principales para todas estas variables. Los resultados de Analizar diseño factorial confirman que los efectos principales son estadísticamente significativos. Sin embargo, debido a que los efectos de interacción son estadísticamente significativos, la gráfica de efectos principales puede resultar engañosa. En consecuencia, usted no puede interpretar los efectos principales sin considerar los efectos de interacción.

Al utilizar este sitio, usted acepta el uso de cookies para efectos de análisis y contenido personalizado.  Leer nuestra política