Problema 1 (https://doi.org/10.1016/j.jcomc.2021.100156)

Las piezas de compuestos de Fibra Natural, se perforan a menudo durante el montaje. Se ha demostrado que el proceso de taladrado puede dañar los materiales compuestos de larga duración, por lo que es necesario investigar los parámetros ideales del proceso en función de cada sistema de materiales, aunque bajo diferentes criterios de diseño conflictivos.

OBJETIVO:

Encontrar la solución mejor comprometida para los parámetros de perforación de una placa de Compuestos de Fibra Natural; para minimizar los factores de delaminación de la superficie superior e inferior mientras se maximiza simultáneamente la (Y) resistencia a la tracción residual (MPa) del laminado perforado.

El experimento ha sido modificado a un diseño factorial 2^3

Realice el análisis de ANOVA de estos datos experimentales, aplique los conocimientos adquiridos y redacte sus comentarios.

df=read.csv("https://raw.githubusercontent.com/A14Reyes/Diseno_Experimental/main/Datos%20paper%201.csv")
df$id=factor(df$id)
df$A=factor(df$A)
df$B=factor(df$B)
df$C=factor(df$C)
df
##    id A B C     Y
## 1   1 1 1 1 50.14
## 2   2 1 1 2 56.02
## 3   3 1 2 1 45.30
## 4   4 1 2 2 45.50
## 5   5 2 1 1 55.36
## 6   6 2 1 2 55.40
## 7   7 2 2 1 48.85
## 8   8 2 2 2 49.00
## 9   1 1 1 1 50.18
## 10  2 1 1 2 56.06
## 11  3 1 2 1 45.40
## 12  4 1 2 2 45.58
## 13  5 2 1 1 55.40
## 14  6 2 1 2 55.44
## 15  7 2 2 1 48.95
## 16  8 2 2 2 49.04
modelo=lm(Y~A*B*C,data=df)
anova=aov(modelo)
summary(anova)
##             Df Sum Sq Mean Sq F value   Pr(>F)    
## A            1  33.81   33.81 15727.5 1.83e-14 ***
## B            1 198.67  198.67 92404.2  < 2e-16 ***
## C            1   9.70    9.70  4513.1 2.68e-12 ***
## A:B          1   1.48    1.48   686.6 4.83e-09 ***
## A:C          1   8.73    8.73  4061.4 4.09e-12 ***
## B:C          1   7.87    7.87  3659.5 6.20e-12 ***
## A:B:C        1   8.32    8.32  3871.3 4.95e-12 ***
## Residuals    8   0.02    0.00                     
## ---
## Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1

Pareto (estimación de efectos)

library(pid)
## Registered S3 method overwritten by 'DoE.base':
##   method           from       
##   factorize.factor conf.design
paretoPlot(anova)

Interacciones

interaction.plot(df$A,df$B,df$Y)

interaction.plot(df$A,df$C,df$Y)

interaction.plot(df$B,df$C,df$Y)

Supuestos de normalidad

qqnorm(anova$residuals)
qqline(anova$residuals)

shapiro.test(anova$residuals)
## 
##  Shapiro-Wilk normality test
## 
## data:  anova$residuals
## W = 0.89913, p-value = 0.07783

Homocedasticidad

library(car)
## Loading required package: carData
leveneTest(df$Y~df$A)
## Levene's Test for Homogeneity of Variance (center = median)
##       Df F value Pr(>F)
## group  1  0.4084 0.5331
##       14
leveneTest(df$Y~df$B)
## Levene's Test for Homogeneity of Variance (center = median)
##       Df F value Pr(>F)
## group  1  0.1126 0.7421
##       14
leveneTest(df$Y~df$C)
## Levene's Test for Homogeneity of Variance (center = median)
##       Df F value Pr(>F)
## group  1  1.9074 0.1889
##       14

Gráfico de independencia

plot(anova$residuals)
abline(h=0)