2. Cules son los entregables de la fase de mejora? Dar un ejemplo.
a. Identificacin de mejores niveles de operacin
b. Generacin de alternativas de solucin, usar mtodos de Creatividad
c. Evaluacin de alternativas de solucin con diagrama de rbol:
EJERCICIOS FASE DE MEJORA BB P. Reyes / Abril 2009
Pgina 2 de 21 DISEOS DE EXPERIMENTOS FACTORIALES COMPLETOS
1. Diseo de experimentos factorial completo: Se estudia el rendimiento de un proceso qumico (Y), donde se piensa que los factores que mayor influencia tienen son la temperatura y la presin (X1, X2).
Se disea un experimento factorial completo con dos rplicas y tomando tres niveles en cada factor como se muestra en la tabla de rendimientos.
Hacer los anlisis de la significancia de cada factor a un 5% de significancia.
PASO 3. ANALIZAR EL MODELO DEL DISEO DE EXPERIMENTOS FACTORIAL COMPLETO
Stat > DOE > Factorial > Analyze Factorial Design
Response Seleccionar la columna de Rendimiento Terms Pasar todos los trminos a Selected con >> OK
Graphs Residuals for Plots standardized Seleccionar Residual plots: Normal y vs fits OK
Results ANOVA table, Unusual observations Seleccionar todos los trminos con >> OK OK
b) Determinar si el modelo es adecuado por medio de los residuos
EJERCICIOS FASE DE MEJORA BB P. Reyes / Abril 2009
Pgina 4 de 21
c) Por medio de los P values en la tabla ANOVA, identificar los factores significativos as como las interacciones siginificativas
General Linear Model: Rendimiento versus Temperatura, Presion
Factor Type Levels Values Temperatura fixed 3 200, 215, 230 Presion fixed 3 150, 160, 170
Analysis of Variance for Rendimiento, using Adjusted SS for Tests
Source DF Seq SS Adj SS Adj MS F P Temperatura 2 0.76778 0.76778 0.38389 21.59 0.000 Significativo Presion 2 0.30111 0.30111 0.15056 8.47 0.009 Temperatura*Presion 4 0.06889 0.06889 0.01722 0.97 0.470 Error 9 0.16000 0.16000 0.01778 Total 17 1.29778
S = 0.133333 R-Sq = 87.67% R-Sq(adj) = 76.71%
d) Obtener las grficas factoriales para identificar las mejores condiciones de operacin
PASO 4. OBTENER LAS GRFICAS FACTORIALES PARA IDENTIFICAR LAS MEJORES CONDICIONES DE OPERACIN
Stat > DOE > Factorial > Factorial Plots
Seleccionar Main effects e Interaction Plots Setup para ambas: En Response seleccionar Rendimiento y con >> seleccionar todos los factores OK
EJERCICIOS FASE DE MEJORA BB P. Reyes / Abril 2009
Pgina 5 de 21 Seleccionar Data Means OK
De aqu se seleccionan los mejores niveles de acuerdo al resultado deseado. Si la interaccin es significativa, los mejores niveles se seleccionan de las grficas de interacciones, de otra forma se seleccionan de las grficas de efectos de los factores principales.
Para maximizar el rendimiento se selecciona:
Presin = 170 psig
Temperatura = 215C
2. Se est estudiando el rendimiento para un proceso industrial, los dos factores de inters son temperatura y presin. Se utilizan tres niveles de cada factor, con los resultados siguientes:
230 215 200 90.7 90.6 90.5 90.4 90.3 90.2 170 160 150 Temp M e a n Presion Main Effects Plot for Rendimiento Data Means 170 160 150 90.9 90.8 90.7 90.6 90.5 90.4 90.3 90.2 90.1 90.0 Presion M e a n 200 215 230 Temp Interaction Plot for Rendimiento Data Means
EJERCICIOS FASE DE MEJORA BB P. Reyes / Abril 2009
a) Determinar los valores P correspondientes a los factores principales y las interacciones y establecer conclusiones
b) Hacer una prueba de normalidad de los residuos estandarizados
d) Determinar los efectos de los factores principales y de las interacciones
EJERCICIOS FASE DE MEJORA BB P. Reyes / Abril 2009
Pgina 7 de 21 e) Obtener las grficas factoriales e identificar en cuales seleccionar los diferentes niveles
f) Si se quiere maximizar el rendimiento, en que niveles conviene operar el proceso?
3. Johnson y Leone describen un experimento realizado para investigar la torcedura de placas de cobre. Los dos factores estudiados fueron la temperatura y el contenido de cobre de las placas.
La variable de respuesta fue de una medida de la cantidad de torcedura. Los datos fueron los siguientes:
a) A un nivel de significancia del 5% identificar si hay los factores o las interacciones son significativas
b) Obtener los residuos y hacer una prueba de normalidad, comentar la adecuacin del modelo
c) Determinar los efectos de los factores principales y de las interacciones
d) Obtener las grficas factoriales e identificar en cuales seleccionar los diferentes niveles
e) Si se quiere minimizar la torcedura, en que niveles conviene operar el proceso?
f) Suponga que no es sencillo controlar la temperatura en el medio ambiente donde van a usarse las placas de cobre Este hecho modifica la respuesta que se dio en el inciso d?
4. Los factores que influyen para el esfuerzo a la ruptura de una fibra sinttica estn siendo estudiados 4 maquinas de produccin y tres operadores son escogidos y un experimento factorial es realizado y usando la fibra de los mismos lotes de produccin, con los siguientes resultados.
MAQUIINA OPERADOR A B C D JUAN 109 110 108 110 110 115 109 108
EJERCICIOS FASE DE MEJORA BB P. Reyes / Abril 2009
a) A un nivel de significancia del 5% identificar si hay los factores o las interacciones son significativas
b) Obtener los residuos y hacer una prueba de normalidad, comentar la adecuacin del modelo
c) Determinar los efectos de los factores principales y de las interacciones
d) Obtener las grficas factoriales e identificar en cuales seleccionar los diferentes niveles
e) Si se quiere maximizar la resistencia a la ruptura en que niveles debe operar el proceso?
5. El porcentaje de la concentracin de madera dura en la pulpa bruta, la presin de la cuba y el tiempo de coccin de la pulpa se investiga en cuanto a sus efectos sobre la resistencia del papel. Se seleccionan tres niveles de la concentracin de madera dura, tres niveles de la presin y dos tiempos de coccin. Se lleva a cabo un experimento factorial con dos rplicas, obtenindose los siguientes datos:
% concentracin de la madera Tiempo de coccin 3.0 Tiempo de coccin 4.0 Presin Presin 400 500 650 400 500 650 2 196.6 197.7 199.8 198.4 199.6 200.6 196 196 199.4 198.6 200.4 200.9 4 198.5 196 198.4 197.5 198.7 199.6 197.2 196.9 197.6 198.1 198 199 8 197.5 195.6 197.4 197.6 197 198.5 196.6 196.2 198.1 198.4 197.8 199.8 a) A un nivel de significancia del 5% identificar si hay los factores o las interacciones son significativas
b) Obtener los residuos y hacer una prueba de normalidad, comentar la adecuacin del modelo
c) Determinar los efectos de los factores principales y de las interacciones
d) Obtener las grficas factoriales e identificar en cuales seleccionar los diferentes niveles
e) Si se quiere maximizar la resistencia del papel en que niveles debe operar el proceso?
EJERCICIOS FASE DE MEJORA BB P. Reyes / Abril 2009
Pgina 9 de 21
6. Se quiere maximizar el rendimiento de un proceso:
a) A un nivel de significancia del 5% identificar si hay los factores o las interacciones son significativas
b) Obtener los residuos y hacer una prueba de normalidad, comentar la adecuacin del modelo
c) Determinar los efectos de los factores principales y de las interacciones
d) Obtener las grficas factoriales e identificar en cuales seleccionar los diferentes niveles
e) Si se quiere maximizar el rendimiento en que niveles debe operar el proceso?
EJERCICIOS FASE DE MEJORA BB P. Reyes / Abril 2009
Pgina 10 de 21 DISEOS DE EXPERIMENTOS DE TAGUCHI
7. Variable de respuesta viscosidad, el mayor valor es deseado.
Factores Nivel I Nivel II A Mezcla de hule crudo si no B Curado no 24 hrs. C Velocidad de prensado 50m/min 55 m/min D Enfriamiento del tambor con agua sin agua E Secado con vapor envolvente si no Interaccin ExD Interaccin DxC
Stat > DOE > Taguchi > Analyze Taguchi Design Response data in Yi Analysis. Fit linear model for Signal to Noise Ratios Means Graphs: Signal to Noise Ratios Means Terms: A B C D Analysis graphs: Residuals for plots Standardized Residual Plots Individual plots Normal plot Options: Smaller is better Storage: Signal to Noise Ratios Means OK
Los resultados son los siguientes:
Establecer conclusiones
4. Predecir la respuesta con Minitab
Stat > DOE > Taguchi > Predict Taguchi Results
Predict Mean Signal to Noise Ratio Terms: A C D E Levels: Seleccionar Coded Units Select levels from a list: A = 1, B = 2, C = 2, D=1 OK
8. Una caracterstica de calidad importante para un cierto producto metlico es el terminado, que se mide segn su planicidad en milsimas de pulgada (mmplg). Esta caracterstica se piensa es afectada por los siguientes factores:
EJERCICIOS FASE DE MEJORA BB P. Reyes / Abril 2009
Pgina 12 de 21
Factor Descripcin Nivel 1 Nivel 2 A Temperatura del horno 1500 F 1600 F B Presin de prensado 200 psi 220 psi C Velocidad de recocido 8 seg 12 seg D Velocidad de alimentacin ref. 80 gal/min 100gal/min G Tipo de modelo chico grande H Templabilidad del material 25 Rc 30 Rc AxC Interaccin AxD Interaccin
Los factores G y H son factores que no se pueden controlar durante el proceso, ya que el tipo de modelo depende del requerimiento especfico del cliente y la templabilidad es una caracterstica de la materia prima. Estos dos factores se consideran al menos inicialmente como factores de ruido.
Por lo tanto, se consideran como factores de diseo a los factores A, B, C y D.
De acuerdo con esto, lo que se desea saber es cules deben ser las condiciones de operacin o niveles de los factores de diseo A, B, C y D, que lleven el producto a la caracterstica objetivo y adems con la mnima variabilidad, a pesar de las variaciones en los factores G y H.
Arreglo interno
Considere nicamente los factores de diseo, se desea detectar 6 efectos en total, y para ello, se requiere de un arreglo ortogonal L8. La grfica lineal requerida es:
3 1 A .2 B
5 A xC
4 C AxD 6 7 D
La columna correspondiente a la lnea punteada se utilizar para cuantificar el error. Una posible asignacin es:
EJERCICIOS FASE DE MEJORA BB P. Reyes / Abril 2009
Pgina 13 de 21
A B e C AxC AxD D Este ser el arreglo N 1 2 3 4 5 6 7 interno y consiste de 8 condiciones experimentales/renglones Arreglo externo
Considere ahora nicamente los factores de ruido G y H. Se requieren de dos columnas, de manera que un arreglo ortogonal L4 es suficiente. El arreglo, al que llamaremos arreglo externo es:
G H N 1 2 3 1 1 1 1 2 1 2 2 3 2 1 1 4 2 2 1
Observe que no se asigna efecto alguno a la columna 3, la cual queda libre.
Arreglo total
Los dos arreglos anteriores se mezclan o combinan en un solo arreglo total, tal y como se muestra:
1 2 2 1 H 1 2 1 2 G 1 1 2 2 A B e C AxC AxD D N 1 2 3 4 5 6 7 1 2 3 4 1 1 1 1 1 1 1 1 Y 11 Y 12 Y 13 Y 14
2 1 1 1 2 2 2 2 Y 21 Y 22 Y 23 Y 24
3 1 2 2 1 1 2 2 Y 31 Y 32 Y33 Y 34
4 1 2 2 2 2 1 1 Y 41 Y 42 Y 43 Y 44
5 2 1 2 1 2 1 2 Y 51 Y 52 Y 53 Y 54
6 2 1 2 2 1 2 1 Y 61 Y 62 Y 63 Y 64
7 2 2 1 1 2 2 1 Y 71 Y 72 Y 73 Y 74
8 2 2 1 2 1 1 2 Y 81 Y 82 Y 83 Y 84
EJERCICIOS FASE DE MEJORA BB P. Reyes / Abril 2009
EJERCICIOS FASE DE MEJORA BB P. Reyes / Abril 2009
Pgina 15 de 21 Con Minitab
Stat > DOE > Taguchi > Analyze Taguchi Design Response data in H1_G1 H2_G1 H1_G2 H2_G2 Analysis. Fit linear model for Signal to Noise Ratios Means Graphs: Signal to Noise Ratios Means Terms: A B C D Analysis graphs: Residuals for plots Standardized Residual Plots Individual plots Normal plot Options: Nominal is Best Seleccionar Use adjusted formula for nominal is best Storage: Signal to Noise Ratios Means OK
Los resultados son los siguientes (al 0.2 de nivel de significancia):
Suponga que por alguna razn para este ejemplo en particular, se tiene un valor deseado de m= 2 mmplg.
4. Predecir la respuesta con A = 1 y B = 1.5 se tiene:
Stat > DOE > Taguchi > Predict Taguchi Results
Predict Mean Signal to Noise Ratio Terms: A B C D AxC AxD Levels: Seleccionar Coded Units Select levels from a list: A = 1, B = 1, C = 1, D=1 OK
Conclusin: como el valor de la presin de prensado es el nico factor que ajusta a la media, debe ajustarse para que la planicidad se encuentre en su valor nominal de 2.
9. Ejemplo de fabricacin de bolas de Golf
Se fabrican bolas de golf con un nuevo diseo para maximizar la distancia de vuelo.
Se han identificado cuatro factores de control, cada uno con dos niveles:
- Material del nucleo (lquido y tungsteno) - Dimetro del nucleo (118 y 156) - Nmero de vueltas (392 y 422) - Espesor del recubrimiento (0.03 y 0.06) Se desea probar la interaccin entre el material del nucleo y su dimetro.
Como respuesta se mide la distancia en dos clubes de golf como factor de ruido.
Como se quiere maximizar la respuesta se selecciona la relacin seal a ruido Mayor es mejor.
EJERCICIOS FASE DE MEJORA BB P. Reyes / Abril 2009
Pgina 16 de 21
Paso 1. Abrir el archivo de Minitab
File > Open worksheet GOLFBALL.MTW. Contiene el diseo y los datos de distancia de respuesta.
Reconocer el diseo con: Stat > DOE > Taguchi Define custom Taguchi Design Factors Material Thickness OK
Paso 2. Analizar el diseo Stat > DOE > Taguchi > Analyze Taguchi Design. En Response data are in, seleccionar Driver and Iron. Click Analysis. En Fit linear model for, seleccionar Signal-to-noise ratios and Means. Click OK. Click Terms. Mover los trminos AB a Selected Terms con > o con doble click. Click OK. Click Options. En Signal to Noise Ratio, seleccionar Larger is better. Click OK en cada cuadro de dilogo
Los resultados se muestran a continuacin:
EJERCICIOS FASE DE MEJORA BB P. Reyes / Abril 2009
Pgina 17 de 21 Para la prediccin se puede decidir qu factores e interacciones incluir, para mejorar la prediccin.
Stat > DOE > Taguchi > Predict Taguchi Results. Quitar la seleccin de Standard deviation y Natural log of standard deviation. Click Terms. Incluir los trminos A, B, C, D, y AB en el cuadro Selected Terms. Click OK. Click Levels. En Method of specifying new factor levels, seleccionar Select levels from a list. En Levels, click en los renglones y seleccionar los niveles de los factores mostrados en la tabla.
Factor Level Material Liquid Diameter 118 Dimples 392 Thickness 0.06
EJERCICIOS FASE DE MEJORA BB P. Reyes / Abril 2009
Pgina 18 de 21 10. Diseo de mezclas generado con Minitab:
Stat > DOE > Mixture > Create Mixture Design Seleccionar Simplex Lattice Number of components 4 Designs introducir los datos siguientes:
Options:
La tabla resultante del diseo es la siguiente: StdOrder RunOrder PtType Blocks A B C D Fuerza de Gel Sineresis 1 1 1 1 1 0 0 0 2 2 1 1 0 1 0 0 3 3 1 1 0 0 1 0 4 4 1 1 0 0 0 1 5 5 0 1 0.25 0.25 0.25 0.25 6 6 -1 1 0.625 0.125 0.125 0.125 7 7 -1 1 0.125 0.625 0.125 0.125 8 8 -1 1 0.125 0.125 0.625 0.125 9 9 -1 1 0.125 0.125 0.125 0.625
EJERCICIOS FASE DE MEJORA BB P. Reyes / Abril 2009
Pgina 19 de 21
Cuando se indica 1 0 0 0 solo se usa un componente en la mezcla, cuando se indica 0.625 de A, 0.125 de B, 0.125 de C y 0.125 de D, tanto A como B, C y D se incluyen en esas proporciones dentro de la mezcla de los componentes.
La grfica del diseo se obtiene con: Stat > DOE > Mixture > Simplex design plot Seleccionar Generate Plots for all triplets of components OK
Si la mezcla de los componentes representa el 10% del volumen total de la solucin, ese 10% es tu 100% de la mezcla.
Se realizan los experimentos (Run order) y se cargan los resultados de ambas respuestas.
En caso de haber sido los resultados: Fuerza del gel Sineresis 3 12 2 43 5 54 21 61 1 23 9 4 3 7 4 8 1 9
Despus se analiza el diseo con: Stat > DOE > Mixture > Analyze mixture design Responses Fuerza del gel Sineresis Graphs Residuals for plots Standardized Individual plots: Normal Plot A 0 1 B 1 0 C 1 0 A 0 1 B 1 0 D 1 0 A 0 1 C 1 0 D 1 0 B 0 1 C 1 0 D 1 0 A 0 B 0 C 0 D 0 Hold Values Simplex Design Plots in Amounts
EJERCICIOS FASE DE MEJORA BB P. Reyes / Abril 2009
Pgina 20 de 21 OK
Regression for Mixtures: Fuerza del gel, Sineresis
The following terms cannot be estimated and were removed: B*D C*D
Regression for Mixtures: Fuerza del gel versus A, B, C, D
Estimated Regression Coefficients for Fuerza del gel (component proportions)
Term Coef SE Coef T P VIF A 3.1 1.713 * * 1.493 B 2.1 1.713 * * 1.493 C 5.1 1.713 * * 1.493 D 21.1 1.713 * * 1.493 A*B 140.0 30.715 4.56 0.137 5.312 A y B o A y C son sinrgicos A*C 132.0 30.715 4.30 0.146 5.313 ya que refuerzan la respuestas coef. + A*D -201.6 28.909 -6.97 0.091 4.706 A y D o B y C son antagnicos B*C -157.6 28.909 -5.45 0.115 4.706 ya que disminuyen la respuesta coef.-