Asignatura: Anlisis y Diseo de Experimentos

5.- Contenido temtico:

Unidad Temas Subtemas

Nombre:INTRODUCCION 1.1 Introduccin al diseo de experimentos
1 1.2 Aplicaciones del diseo de experimentos
Objetivo: El alumno debatir 1.3 Definicin y eficiencia de experimentos
acerca de cmo se genera una 1.4 Principios bsicos del diseo de experimentos
investigacin, cul es el proceso 1.5 Metodologa para realizar un experimento
que se sigue en la misma, los 1.6 Algunos ejemplos del diseo de experimentos
alcances que se tienen, en qu 1.1.-Uso de Software
etapa del proceso de investigacin
se establece el diseo de
investigacin, cmo y en base a
que se selecciona un diseo
experimental.

Tiempo: 6 HRS.

Nombre: EXPERIMENTOS CON 2.1 Experimentos de comparacin simples

2 UN SOLO FACTOR 2.2 Inferencias sobre la diferencias de medias
2.3 Prueba de hiptesis
Objetivo: El alumno identificar, 2.4 Experimentos de un solo factor
analizar y emplear los tipos ms 2.5 Experimentos sin restricciones en la
comunes de diseos de aleatoriedad
experimentos de un solo factor y 2.6 Descomposicin de la suma total de cuadrados
los mtodos para la comparacin 2.7 Experimentos con un solo factor (caso
de tratamientos. desbalanceado)
2.8 Estimacin de parmetros del modelo
Tiempo: 6 HRS. 2.9 Estimacin de la variable de respuesta
2.10 Comparacin de medias de tratamientos
individuales Contrastes
2.11 Comparacin de parejas de medias de
tratamientos
2.12 Mtodo de la mnima diferencia significativa
2.13 La prueba de intervalos mltiples de Duncan
2.14 Suposiciones del anlisis de varianza
2.15 Grafica de residuos para el valor ajustado
2.16 Seleccin del tamao muestral
2.17 Curvas caractersticas de operacin
2.18 Uso de software

Nombre: EXPERIMENTOS CON 3.1 Diseos aleatorizados por bloques completos

3 UN SOLO FACTOR POR 3.2 Anlisis estadstico
BLOQUES 3.3 Bloques y tratamientos aleatorio
3.4 Comparaciones mltiples
3.5 Eficiencia relativa de un diseo aleatorizado
Objetivo: El alumno identificar, por bloques
analizar y emplear los tipos ms 3.6 Estimacin de valores faltantes
comunes de diseos de 3.7 Estimacin de los parmetros del modelo
 experimentos de un solo factor por 3.8 Grfica de la probabilidad
bloques. 3.9 Prueba de idoneidad del modelo
3.10 Diseo de cuadrado latino
Tiempo: 6 HRS. 3.11- Uso de software

Nombre: DISEOS 4.1 Principios y definiciones bsicas

4 FACTORIALES 4.2 Ventajas de los factoriales
4.3 Diseo factorial de dos factores
Objetivo: Usara el diseo factorial 4.4 Anlisis estadstico modelo de efectos fijos
correspondiente en funcin de las 4.5 Comparaciones mltiples
caractersticas particulares del 4.6 Variabilidad del modelo
experimento 4.7 Comprobacin de la idoneidad del modelo
4.8 Estimacin de los parmetros del modelo
Tiempo: 6 HRS. 4.9 Eleccin del tamao de la muestra
4.10 Suposiciones del anlisis de varianza
4.11.- Uso de software

Nombre: DISEOS FACTORIAL 5.1. Diseo 2 generales y efectos de dispersin

5 2K 5.2 El diseo general 2 k
5.3 Algoritmo de Yates para experimentos
Objetivo: Usara el diseo factorial factoriales 2k
2k (con k factores de inters a dos 5.4 Una sola replica en el diseo 2k
niveles cada uno: superior-Inferior) 5.5 Proyeccin del diseo
para la mejora de procesos 5.6 Pruebas de diagnostico
industriales y de servicios. 5.7 Replicacin fraccionada
5.8 Fraccin un medio del diseo 2k
Tiempo: 6 HRS. 5.9 Resolucin del diseo
5.10 Construccin de fracciones un medio
5.11 Proyeccin de fracciones en diseos
factoriales
5.12.- Uso de software

6 Nombre: METODO TAGUCHI 6.1.-Ingeniera de calidad y funcin de perdida

6.2.- Experimentos con arreglos ortogonales y
Objetivo: Utilizar las estrategias graficas lineales
que propone Taguchi con el fin de 6.3.-Control de calidad en lnea y fuera de lnea
crear productos y procesos ms 6.4.- Anlisis seal ruido
robustos, que permitan una menor 6.5.- Proyecto final de un caso real de aplicacin
prdida a la sociedad por el uso de 6.6.- Uso de software
los mismos

Tiempo: 6 HRS.

7 Nombre: INTRODUCCIN A LA 7.1 Descripcin de respuestas con ecuaciones y

METODOLOGA DE grficas.
SUPERFICIES DE RESPUESTA. 7.2 Identificacin de los factores significativos con
factoriales 2k
Objetivo: El alumno determinar el 7.3 Diseos para estimar superficies de respuesta
valor de cierta respuesta sobre un de segundo orden.
problema de la ingeniera, 7.4 Estimacin de la superficie de respuesta
seleccionando las condiciones que cuadrtica.
permiten su optimizacin. 7.5 Exploracin de superficies de respuesta.
7.6 Diseo para mezclas de ingredientes.
Tiempo: 6 HRS. 7.7 Anlisis de experimentos con mezclas.
 7.8 Uso de software.

8 Nombre: DISEO DE 8.1.- Diseos factoriales fraccionarios

EXPERIMENTOS AVANZADO 8.2.- Regresin lineal Mltiple
8.3.- Mtodos de optimizacin estadstica del
Objetivo: Aplicar la metodologa proceso.
estadstica para analizar y resolver 8.4.-DOE en control de procesos, pronostico y
problemas industriales, aplicando series de tiempo
Diseos experimentales 8.5.-Evolutionary operation process
avanzados y mtodos novel. 8.6.-Optimizacion experimental
8.7.-Diseos y experimentacin Robusta
Tiempo: 6 HRS. 8.9.-Optimizacion no paramtrica
8.10.- Diseos multi factoriales y multi nivel
8.11.-Diseos multi respuesta.
8.12.- Optimizacin de modelos de primer y
segundo orden
8.13.- Inferencia estadstica en procesos de
optimizacin.
8.14 Mtodos bayesianos de optimizacin
Optimizacin pos Simulacin y mtodo Montecarlo
8.12.-Topicos de diseo miscelneos

6.- Metodologa de desarrollo del curso.

-Exposicin de los temas y demostraciones en clase por parte del maestro.

-Realizacin por el alumno de: tareas, demostraciones, investigacin bibliogrfica y prcticas
-Adems, asistencia a conferencias sobre temas relacionados con el curso como consulta de los
paquetes computacionales en los centros de multimedios.
-Exposicin en clase con solucin de ejercicios
-Plantear problemas acordes al perfil de la carrera
-Motivar al alumno a que participe de manera activa en clase
-Utilizar paquetes de software (MINITAB,STATISTICA, etc.).
-Organizar sesiones extra clase para la solucin de problemas.
-Leer de manera consistente el libro fijado como texto.
-Investigacin documental de aplicaciones diversas segn perfil de la carrera. (Journal of Quality
Technology, Technomerics, Quality Engineering, Applied Statistics, European Journals,etc.)

7.- Sugerencias de evaluacin.

Evaluacin escrita
Ejercicios complementarios extra clase. Problemarios.
Tomar en cuenta la participacin en clase.
Tomar en cuenta para la calificacin, la solucin de problemas de tarea.
Calificar trabajos de investigacin y revisin de literatura.
Evaluar casos reales y presentar informe de resultados.
Sugerencias de evaluacin
Anlisis de lecturas de artculos de revistas especializadas en el tema.
Realizacin de tareas de los diferentes temas y subtemas estudiados en el curso.
Elaboracin y presentacin del proyecto final. (PROYECTO FINAL: Introduccin.
Planteamiento del problema. Revisin de literatura (antecedentes), Materiales y mtodos.
Resultados y discusin de los mismos, Conclusiones y recomendaciones. Literatura consultada.
Anexos y apndice.
Arreglos Ortogonales.
Grficas Lineales.
 Tabla de Datos del Experimento.
Tabla de Promedios.
Grficas de Promedios.
Tabla de Seal a Ruido.
Grficas de Seal a Ruido.
AOP aprendizaje orientado a proyectos: Desarrollo de un proyecto por equipos o individual,
que analice una problemtica real.
ABP aprendizaje basado en problemas: En los temas que sea requerido solucin de
problemas en grupo e individual.
Mtodo de casos: Evaluacin del estudiante de las competencias adquiridas en Industrial,
toma de decisiones, argumentos y justificacin de los hechos.
Mtodos de creatividad: Solucin a situaciones bajo diferentes enfoques, sea en forma
individual o por equipos.
Resolucin de problemas: Interactividad con la computadora: solucin de problemas con
software de trabajo.
Portafolio de evidencias: Recopilacin de todas las investigaciones, evidencias de trabajos,
proyectos, prcticas, problemas, reportes econmicos, etc.
Rbricas de evaluacin: Matriz de calificacin para exposiciones, trabajos, proyectos,
Resolucin de problemas, tareas (Docente).
Saber los conceptos Relevantes de la Ingeniera de la Calidad.
Saber Grficas Lineales.
Saber Arreglos Ortogonales.
Lineamientos sobre Recoleccin de Datos de cada Experimento.
Lineamientos sobre Anlisis de Datos de cada Experimento.
Conocimientos de cmo Hacer el Anlisis Estadstico en Minitab.
Pruebas objetivas de los temas vistos en clase: Prueba escrita o examen.
Experimentos: Realizacin de pruebas en laboratorio, talleres o campo.
Rbricas de evaluacin:matriz de calificacin para los trabajos entregados.

8.- Bibliografa y software de apoyo.

American Supplier Institute, (1987). Introduction to Quality Engineering.

Anderson, M. J. y Whitcomb, P. J. (2002). Mixture DOE uncovers formulations quicker. Rubber and
Plastics News, 21 de octubre, pp. 16-18.
Arroyo-Gutirrez, V., Becerril Mondragn, B. E., Cant-Ortega, D. M y B. E. Hernndez-Hernndez
(2003). Esponjosidad en Hotcakes. Proyecto final de diseo de experimentos, IIMAS,
UNAM, Mxico.
Azzalini, A. Statistical Inference based o the Likelihood. Chapman and Hall, 1996.
Barnett, V. and Lewis, T. Outliers and Statistical Data. John Wiley and Sons, 1990.
Beckman, R. J., Nachtsheim, C. J. y Cook, R. D. (1987). Diagnostic for mixed-model analysis of
variance. Technometrics 29, pp. 413-426.
Bingham, D. R., Schoen, E. D. y Sitter, R. R. (2004). Designing fractional factorial split-plot
experiments with few whole-plot factors. Applied Statistics 53, Parte 2, pp. 325-339.
Bisgaard, S. y Fuller, H. T. (1995). Sample Size Estimates for 2^(k-p) Designs with Binary
Responses. Journal of Quality Technology, vol. 27, pp. 344-354.
Bisgaard, S. y Kulahci, M. (2001). Robust product design: saving trials with split-plot confounding.
Quality Engineering 13, pp. 525-530.
Bowles, M. L. y Montgomery, D. C. (1998). How to Formulate the Ultimate Margarita: A Tutorial on
Experiments with Mixtures. Quality Engenering 10, 2, pp. 239-253.
Box, G. E. P. (1988). Signal to noise ratios, performance criteria, and transformations.
Technometrics, 30, pp. 1-17.
Box, G. E. P. (1993). Quality improvement. The new industrial revolution, International Statistical
Review, 61, 3-19.
Box, G. E. P. y Jones, S. (2000). Split plots for robust product an process experimentation. Quality
Engineering 13, pp. 127-134.
Box, G. E. P. y K. B. Wilson (1951). On the experimental attainment of optimum conditions (with
discussion ). Journal of the Royal Statistical Society, B, 13, 1-45.
Box, G. E. P. y N. R. Draper (1969). Evolutionary operation. Wiley, Nueva York.
Box, G. E. P. y N. R. Draper (1987). Empirical model-building and response surfaces. Wiley, Nueva
York.
Box, G. E. P. y P. Y. T. Liu (1999). Statistics as a catalyst to learning by scientific method. Journal
of Quality Technology, vol. 31, nm. 1 pp. 1-29.
Box, G. E. P., Hunter W. G. y J. S. Hunter (1978). Statistics for experimenters. Wiley, Nueva York.
Box, G.E.P. and Draper, N.R. Empirical model-building and response surface. John W iley, 1987.
Box, G.E.P., Hunter, J.S. & Hunter, W.G. (2011). Statistics for Experimenters: Design, Innovation
and Discovery, 2nd. Ed. Wiley, USA.
Byrne, D. M. y Shin Taguchi (1987). The Taguchi approach to parameter design. Quality
Progress, diciembre.
Casella, G.; Berger, Roger L. Statistical inference. 2nd ed. Duxbury: Pacific Grove, 2002.
Charbonneau, H. C. y Webster, G. L. (1983). Control de calidad. Editorial Interamericana, Mxico.
Chen, J., Sun, D. X. y C. F. J. Wu (1993). A catalogue of two-level and three-level fractional
designs with small runs. International Statistical Review, 61, 131-145.
Cochran, W. G. y G. M. Cox (1983). Diseos experimentales. Trillas, Mxico.
Conover, W. J. (1980). Practical nonparametric statistics, 2a. ed., John Wiley, Nueva York.
Contreras, V. y Ochoa, A. (2003). Estacas cortas y gruesas: una opcin agronmica para la
siembra vegetativa de Gliricidia sepium. Zootecnia Tropical 21, 413-423.
Cornell, J. A. (2002). Experiments with Mixtures. 3a. ed., John Wiley, Nueva York.
Daniel, C. (1959). Use of half-normal plots in interpreting factorial two-level experiments.
Technometrics 1, 311-341.
De la Vara, R. (1995). Un experimento exitoso en la fabricacin de circuitos integrados. Revista
de Estadstica, VII, 53-63.
De la Vara, R. y J. Domnguez (1988). Metodologa de superficie de multirrespuesta.
Comunicacin Tcnica, I-90-08, CIMAT.
De la Vara, R. y J. Domnguez (2002). Mtodos de superficie de multirrespuesta: un estudio
comparativo. Revista Matemtica: Teora y Aplicaciones 9, 47-65.
Dean, A. y Voss, D. (1999). Design and Analysis of Experiments. Springer-Verlag, Nueva York.
Del Castillo, E., Montgomery, D. C. y McCarville, D. R. (1996). Modified desirability functions for
multiple response optimization. Journal of Quality Technology 28, pp. 337-345.
Deming, W. E. (1989). Calidad, productividad y competitividad. Madrid, Daz de Santos.
Derringer, G. C. (1990). A balancing act: Optimizing a products properties, Quality Progress, junio
de 1994.
Derringer, G. C. y R. Suich (1980). Simultaneous optimization of several responses. Journal of
Quality Technology, 12, 214-219.
Design Expert. Software for design of experiments. Version 6.0.2. Stat.Ease, Inc.
DEVORE JAY L. (2012). PROBABILIDAD Y ESTADISTICA PARA INGENIERIA Y CIENCIAS, 8
Edicin, CENGAGE LEARNING, Mexico.
Draper, N. R. y Lin, D. K. J. (1990). Small Response-Surface Designs. Technometrics, vol. 32, pp.
187-194.
Espinoza Escalante, F. M., Pelayo Ortiz, C., Bories A., Gutirrez Pulido, H., Gonzlez lvarez, V. y
Alcaraz Gonzlez, V. (2006). Anlisis estadstico de diseo de mezclas y optimizacin
mltiple aplicado al proceso de digestin anaerobia de vinazas tequileras. Bol. Nakari 2006,
17(3), pp. 75-80.
Fowlkes, W. Y. y Creveling, C. M. (1995). Engineering methods for robust product design. Addison
Wesley, USA.
Frisbee, S. E. y McGinity, J. W. (1994). Influence of nonionic surfactants on the physical and
chemical properties of a biodegradable pseudolatex. European Journal of Pharmaceutics
and Biopharmaceutics 40, diciembre, nm. 6.
Garca. T. y Espinoza, J. (2006). Evaluacin de los factores que inciden en el comportamiento
reolgico de una suspensin de esmalte para baldosas mediante el uso de experimentos de
mezcla con espacio de mezcla restringido. Memorias del XVI Simposio de Estadstica,
Universidad Nacional de Colombia.
Grize, Y. L. (1995). A review of robust process design approaches. Journal of Chemometrics, 9,
pp. 239-262.
Gutirrez H., y de la Vara R. (2009). Control Estadstico de la Calidad y Seis Sigma, 2. Ed., Mc
Graw Hill.
Gutirrez-Pulido, H. (1997). Calidad total y productividad. McGraw-Hill, Mxico.
Hahn, G. J. and Meeker, W.Q. Statistical Intervals, a guide for practitioners. Wiley Series in Prob.
And Math. Stat. John Wiley and Sons, 1991.
Hao, X.-C., Xiao-Bin Yu, X-B. y Yan, Z.-L. (2006). Production of cellulase by trichoderma reesei
WX-112. Food Technology Biotechnology, 44 (1), pp. 89-94.
Harrington, E. (1965). The desirability function. Industrial Quality Control 21, pp. 494-498.
Hicks, C. R. (1982). Fundamental concepts in the design of experiments. 3a. ed., Holt, Rinehart and
Winston, Nueva York.
Hinkelmann, K. y O. Kempthorne (1994). Design and analysis of experiments. Volume I:
Introduction to experimental design. Wiley, Nueva York.
Huber P. J. (1981). Robust Statistics, 1st. Edition, Wiley and Sons, USA.
Hunter, J. S. (1989). Lets all beware the latin square, Quality Engineering, 1, 453-465.
Kachar, R. N. (1985). Off-line quality control, parameter design and the Taguchi method. Journal
of Quality Technology, 17, pp. 176-209.
Khuri, A.I. y Cornell, J. A. Response surfaces. Marcel Decker, 1987. Lindgre, B.W. Statistical
Theory. Chapman Hall, 1993.
Kowalski, S. M. y Potcner, K. J. (2003). How to recognize a split-plot experiment. Quality Progress
36, nm. 11, pp. 60-66.
Kuehl, Robert O., Diseo de experimentos, principios estadsticos de diseo y anlisis de
investigacin., Thomson-Learning. 2001
Langford, H. G., Davis, B. R., Blaufox, D., Oberman, A., Wassertheil-Smoller, S., Hawkins, M. y N.
Zimbaldi (1991). Hypetension 17, pp. 210-217.
Lawson, J., Madrigal, J. I. y J. Erjabvec (1992). Estrategias experimentales para el mejoramiento de
la calidad en la industria. Grupo Editorial Iberoamrica, Mxico.
Lobato Calleros, C., Vernon C., E. J., Guerrero L., J., Soriano M., J. y Escalona B., H. (1997).
Efecto del tipo de grasa sobre las caractersticas texturales instrumentales y sensoriales de
anlogos de queso. Dintel, ao 3, nm. 4, pp. 57-67. Universidad Autnoma de Chapingo,
Mxico.
Lochner, R. H. y J. E. Matar (1990). Designing for quality, ASQC Quality Press, Milwaukee,
Wisconsin.
Logothetis, N. y Wynn, H. P. (1994). Quality through design. Clarendon Press, Oxford.
Martnez G., A. Diseos Experimentales. Mtodos y elementos de teora. Trillas, 1996.
McLean, R. A. y Anderson, V. L. (1966). Extreme vertice design of mixture experiments,
Technometrics, 8, pp. 447-454.
McNeese, W. H. y Klein, R. A. (1991). Statistical methods for the process industries. ASQC Quality
Press, Milwaukee, Wisconsin.
Minitab 15 Statistical Software (2010).
Minitab Statistical Software. Minitab Inc. State Collage, PA, USA.
MINITAB, STATISTICA, ETC. (PAQUETES DE SOFTWARE).
Montao-Mata, N. J. y J. C. Nez (2003). Evaluacin del efecto de la edad de transplante sobre el
rendimiento en tres selecciones de aj dulce Capsicum chinense Jacq. en Jusepn. Estado
Monagas. Revista de la Facultad de Agronoma 20, pp. 144-155.
Montgomery D.C. (2010). Design and Analysis of Experiments. 8. Ed. John Wiley & Sons, USA.
Montgomery, D. C. (1991). Design and analisys of experiments. Tercera edicin, Wiley, Nueva
York.
Montgomery, D. C. y E. A. Peck (1991). Introduction to linear regression Analysis. Wiley, Nueva
York.
Myers, R. H. y Montgomery, D. C. (1995). Response surface methodology: Process and product
optimization using designed experiments. John Wiley, Nueva York.
Myers, R. H., Montgomery, D. C. y Vining, G. G. (2002). Generalized linear models: With
applications in engineering and the sciences. John Wiley, Nueva York.
Nair, V. N. (1992). Taguchis parameter design: A panel discussion. Technometrics, 34, pp. 127-
161.
Nair, V. N. y Pregibon, D. (1986). A data analysis strategy for quality engineering experiments.
AT&T Technical Journal, 65, pp. 73-84.
Phadke, M. S. (1989). Quality engineering using robust design. Prentice-Hall, Englewod Cliffs, N. J.
Phadke, M. S., Kakar, R. N., Speedey, D. V. y Greico, M. J. (1983). Offline quality control in
integrated circuit fabrication using experimental design. The Bell System Technical Journal,
62, pp. 1273-1310.
Pinal, L., Cedeo, M., Gutirrez, H. y Alvarez-Jacobs, J. (1997). Fermentation parameters
influencing higher alchohol production in the tequila process. Biotechnology Letters, 19, pp.
45-47.
Potcner, K. J. y Kowalski, S. M. (2004). How to analyze a split-plot experiment. Quality Progress 37,
nm. 12, pp. 67-74.
Ramrez, J., Gutirrez, H. y Gschaedler, A. (2001). Optimization of astaxanthin production by
Phaffia rhodosyma through factorial design and response surface methodology. Journal of
Biotechnology, 88, pp. 259-268.
Ross P. J. (1989). Taguchi Techniques for Quality Engineering, 1st. Edition, Mc Graw Hill, USA.
Ryan, T. P. ( 1989 ). Statistical Methods for Quality Improvement, 1st.Edition, John Wiley and
Sons, New York.
Ryan, T. P. ( 2007 ). Modern Experimental Design,1st.Edition, John Wiley and Sons, New York.
Salcedo, Ch. B., Osuna, C. J., Guevara, L. F., Domnguez, J. y Paredes, L. O. (2002). Optimization
of isoelectric precipitation method to obtain protein isolates from amaranth seeds. J. Agric.