ANALISIS Y DISEÑO DE EXPERIMENTOS

Autor: LEON ADAMS GUILLERMO DE.
Año: 2003.
Universidad: POLITÉCNICA DE CATALUÑA [www.upc.edu].
Centro de lectura: DEPARTAMENT D'EIO, ETSEIB, UPC.
Centro de realización: EDIFICI A0 - OMEGA Campus NORD.

Autor: MIRO MARTINEZ PAU.
Año: 2005.
Universidad: POLITÉCNICA DE VALENCIA [www.upv.es].
Centro de lectura: UNIVERSIDAD POLITÉCNICA DE VALENCIA DEP. INGENIERIA TEXTIL Y PAPELERA.
Centro de realización: UNIVERSIDAD POLITECNICA DE VALENCIA.

Resumen: RESUMEN: El sector textil y las herramientas de Control Estadístico de la Calidad han evolucionado con las distintas revoluciones industriales. El nivel tecnológico de muchas empresas del sector es muy elevado pero en cambio el uso de técnicas Estadísticas es muy reducido, considerándose a menudo de gran dificultad, innecesarias y cuyos costos son elevados. La tesis que se presenta se plantea como objetivo romper con esta forma de pensar y demostrar algunas de las ventajas que puede aportar el uso de la Estadística para tomar decisiones y mejorar la calidad de productos y procesos. Para alcanzar este objetivo, se hace un breve repaso al grado de utilización de la ciencia en el sector, sobre todo en algunas comarcas de la Comunidad Valenciana en las que se centrarán las propuestas después realizadas. Esta indagación proporciona las claves necesarias para encaminar la investigación hacia dos tipos de productos diferentes, por un lado, los de hogar que son los que tradicionalmente se producen en la zona, y por otro, los técnicos que representan una oportunidad de innovación. La primera propuesta se realiza con la intención de dotar de mayor valor añadido a los productos tradicionales, mediante la incorporación de un sistema de Control de la Calidad de sus características sensoriales. Utilizando algunas técnicas de Análisis Sensorial se quiere controlar la calidad del artículo en el proceso de producción, así como definir las características sensoriales que lo caractericen y lo pueden distinguir de sus competidores. Esta propuesta se aplica a la manta para cama. La segunda propuesta quiere facilitar la innovación en materiales técnicos, aportando las herramientas necesarias para la realización de la experimentación de forma sistemática y ordenada, para poder analizar y tomar las decisiones de forma más objetiva y eficiente. Se aplica a aquellos productos técnicos que se realicen mediante la mezcla de diferentes tipos de fibras. El caso estudio consiste en optimizar la Napa obtenida por termofusión según el uso que se le vaya a asignar, para ello en primer lugar se aplican los Experimentos de Mezclas. Una vez realizada la fase de experimentación se modeliza mediante PLS (Partial Least Square) y se optimizan los resultados utilizando la función de Deseabilidad. Las aportaciones realizadas quieren ser un instrumento para acercar los conocimientos científicos que se cultivan en la Universidad a la realidad de la empresa del entorno más próximo, apostando por la mejora y la innovación en el sector Textil.

Autor: Martín Martín Raúl.
Año: 2005.
Universidad: CASTILLA-LA MANCHA [www.uclm.es].
Centro de lectura: E.T.S. DE ING. INDUSTRIALES.
Centro de realización: E.T.S. DE ING. INDUSTRIALES.

Resumen: El objetivo de esta tesis consiste en determinar diseños óptimos cuando no todas las variables explicativas están bajo el control del experimentador. Los valores de dichas variables pueden ser conocidos o desconocidos antes de que el experimento sea realizado. Para resolver este problema se consideran distintos enfoques, dependiendo de las diferentes situaciones que encontramos en ejemplos reales. Cada uno de los capítulos está estructurado en una introducción, en donde se presentan los objetivos y las principales contribuciones, el desarrollo de los mismos y una última sección dedicada a las conclusiones. En el capítulo 1 se exponen las ideas básicas y generales del diseño óptimo de experimentos y se introduce la notación que se seguirá a lo largo de la memoria. Se definen los principales criterios de optimización, a saber, D?, A?, G?, E?, DA? y LA optimización que serán usados a lo largo de la memoria. La segunda parte de este capítulo introduce una importante herramienta en la teoría de diseño óptimo, la derivada direccional de una función criterio. Además se proporcionan algunos teoremas de optimización basados en resultados de secciones anteriores. El capítulo concluye con la presentación de algunas técnicas numéricas que buscan el óptimo a partir de uno o varios diseños iniciales. El capítulo 2 aborda la teoría del Diseño Óptimo cuyas variables están fuera del control del experimentador. Comienza el capítulo considerando diseños con dos tipos de variables: una controlable y otra no controlable conocida a priori, son los diseños marginalmente restringidos (MR). A continuación se consideran los diseños con una variable controlable y otra no controlable, desconocida antes de realizar el experimento, que serán los denominados condicionalmente restringidos (CR). Por último se estudian los diseños con los tres tipos de variables, los diseños marginal y condicionalmente restringidos (MCR). Para estos tres tipos de diseños, se proporcionan los respectivos Teoremas de Equivalencia. Basándose en los resultados anteriores, López Fidalgo y Garcet Rodríguez (2004), proponen algoritmos para el cálculo de dichos diseños que recogemos en esta memoria. Particularizamos los resultados anteriores y los algorit- mos de los diseños MR, CR y MCR respecto a algunos criterios. Además proponemos una nueva cota de la eficiencia de los diseños que se obtienen, basándonos en el resultado de Atwood (1969). El capítulo 3 se propone una clase de algoritmos multiplicativos para el cálculo de los diseños óptimos propuestos en el capítulo 2. Por último obtuvimos una equivalencia entre diseños MR (MCR) D? y Ds? óptimos. El capítulo 4 se dedica esencialmente, al estudio de los diseños D? óptimos marginalmente restringidos mediante un método secuencial que permita dirigir los experimentos según vayan apareciendo las observaciones en la variable no controlable pero conocida. Viene motivado por el ejemplo que aparece en López-Fidalgo y Garcet- Rodríguez (2004) sobre el diseño de un experimento para evaluar la capacidad predictiva de una prueba de ejercicio preoperatorio cuyo objetivo consistía en predecir la morbimortalidad quirúrgica en pacientes con diagnóstico de cáncer de pulmón sometidos a una resección pulmonar electiva, a partir de las características físicas del paciente, del ejercicio físico realizado y de la existencia o no de desaturación de oxígeno en sangre durante la prueba. Bajo este marco, supusimos cómo podríamos mejorar nuestro diseño si los pacientes llegan de una manera secuencial. Se proporciona un algoritmo para el cálculo de los diseños óptimos. En un segundo momento, se plantea la construcción de diseños con distribuciones marginales discretas y continuas clásicas supuestamente conocidas. El capítulo 5 contiene una primera aproximación al cálculo de diseños óptimos para modelos con observaciones correladas cuando se emplean funciones de covarianza parametrizadas y considerando que algunas variables son no controlables por el experimentador. Se proponen varios ejemplos reales con modelos lineales y no lineales, resueltos algunos de ellos, mediante la adaptación de un algoritmo usado para calcular diseños con observacione 8 s correl 314 adas. Este algoritmo es una adaptación a los diseños MR del propuesto por Brimkulov y otros en 1980.

Autor: Trandafir Paula Camelia.
Año: 2005.
Universidad: CASTILLA-LA MANCHA [www.uclm.es].
Centro de lectura: E. T. S . de Ingenieros Industriales.
Centro de realización: Escuela Técnica Superior de Ingenieros Industriales.

Resumen: En esta tesis se aportan extensiones al diseño de experimentos basados en variaciones del modelo de Michaelis-Menten utilizado en la Biocinética, con el objetivo de proporcionar diseños óptimos que satisfagan las exigencias de la investigación experimental. Se han encontrado nuevos diseños óptimos para la modificación del modelo de Michaelis-Menten que consiste en sumar un término lineal al modelo inicial. Por ejemplo, tanto en el caso homocedástico como en el heteroscedástico se obtiene el diseño D-óptimo. Para abordar el problema de elegir un modelo antes de tener los datos, cuando lo suyo sería elegir el modelo después de realizar un contraste de hipótesis, se utiliza el concepto de T-optimización, aportando los diseños T-óptimos para discriminar entre dos modelos homocedásticos y con distribución normal. Extrapolando, se proporciona un nuevo criterio de discriminación entre dos modelos no normales, definido mediante la distancia de Kullback-Leibler, de ahí que lo denominemos KL-criterio. Se aplica para discriminar entre los modelos de Michaelis-Menten y la modificación del mismo aquí considerada, con las distribuciones log-normal primero y gamma en segundo caso. El KL-criterio engloba a los ya existentes en la literatura para los modelos heteroscedásticos multi-respuesta y para los modelos binarios y generalizados.