Documentos de Académico
Documentos de Profesional
Documentos de Cultura
DISEO 22
El primer diseo de la serie 2k es aquel que tiene slo dos factores, A y B, cada
uno con dos niveles. Arbitrariamente, los niveles del factor pueden llamarse
"inferior" y "superior".
DISEO 23
Suponga que se encuentran en estudio tres factores A, B y C, cada uno con dos
niveles. Este diseo se conoce como diseo factorial, 23 y las ocho
combinaciones de tratamientos pueden representarse grficamente mediante un
cubo.
Existen en realidad tres notaciones distintas que se usan ampliamente para las
corridas o ejecuciones en el diseo 2k:
El diseo ms simple es el 32 que consta de dos factores con tres niveles cada
uno.
Como hay 32 = 9 combinaciones de tratamientos, existen 8 grados de libertad
entre ellas, Los efectos principales A y B tienen dos grados de libertad cada uno,
y la interaccin AB tiene cuatro grados de libertad. Si hay n rplicas habr un
total de n32 - 1 grado de libertad, correspondiendo para el error 32 (n-1) grados de
libertad.
DISEO 33
Si se supone que se estn estudiando tres factores (A, B, C) y que cada factor
tiene tres niveles acomodados en un experimento factorial. Este es un diseo
33. Las 27 combinaciones tienen 26 grados de libertad.
FACTOR A
Bajo Medio Alto
0 1 2
Bajo 0 0 10 20
FACTOR B Medio 1 1 11 21
Alto 2 2 12 22
Factor A
El efecto principal del factor de A podra ser calculado como la diferencia entre
la respuesta promedio del primer nivel de A y el promedio de la respuesta en el
segundo nivel de A; esto es:
A = 40 + 52/2 - 20 + 30/2 = 21
Este valor se interpreta como el incremento del factor A del nivel 1 al nivel 2
causa en promedio una repuesta incrementar de 21 unidades. De la misma
manera, el efecto principal de B. Se calcula a continuacin:
B = 30 + 52/2 - 20 + 40/2 = 11
Ho: (i = 0
Hi: (i = 0 al menos para una i
Fo = MSA
MSAB F(, (a-1), (a-1) (b-1)
Ho: (2( = 0
Hi (2( ( 0 al menos para una (
Fo = MSB
MSE F(, (b- l), ab (n-1)
Ho: (2(( = 0
Hi: (2(( = 0
Fo = MSAB
MSE F( , (a-1) (b-1), ab (n-1)
Ejemplo:
LA SALIDA MXIMA DE VOLTAJE DE UN TIPO PARTICULAR DE
BATERIA, SE PIENSA QUE PUEDE SER INFLUENCIADO POR EL
MATERIAL USADO EN LOS PLATOS Y POR LA TEMPERATURA EN LA
LOCALIZACION EN LA CUAL LA BATERA ES COLOCADA. SE HACEN
CUATRO REPLICAS EN EL EXPERIMENTO EN UN EXPERIMENTO
FACTORIAL, PARA TRES TIPOS DE TEMPERATURA Y TRES
MATERIALES. LOS RESULTADOS SON:
FACTOR (B)
TEMPERATURA
1 130 155 30 40 20 70 998
74 180 80 75 82 58
2 150 188 136 122 25 70 1300
FACTOR (A) 159 126 106 115 58 45
MATERIAL
3 138 110 174 120 96 104 1501
168 160 150 139 82 60
1738 1291 770 3799
CONCLUSIONES:
1. LOS DATOS REFLEJAN EVIDENCIAS SUFICIENTES QUE EL TIPO
DE MATERIAL SE AFECTA AL VOLTAJE DE SALIDA,
CONSIDERADO AL NIVEL DE SIGNIFICANCIA DEL 5%
2. LOS DATOS PRESENTAN EVIDENCIAS SUFICIENTES QUE LAS
TEMPERATURAS USADA -5 EN EL EXPERIMENTOS Si AFECTAN
AL VOLTAJE DE SALIDA, CONSIDERANDO UN NIVEL DE
SIGNIFICANCIA DEL 5%
3. LOS DATOS DEMUESTRAN EVIDENCIAS SUFICIENTES OVE EL
TIPO DE MATERIAL USADO Y LAS TEMPERATURAS
CONSIDERADAS EN EL EXPERIMENTO TIENEN EFECTO
CONJUNTO SOBRE EL VOLTAJE DE SALIDA CONSIDERADO k
UN NIVEL DE SIGNIFICANCIA DEL 5%
UNIDAD 2
2.1 Variabilidad funcional y problemas de calidad
El problema con las fuentes naturales de energa es su variabilidad. El mismo
problema ocurre a un mayor o menor grado en los productos y servicios
proporcionados por el hombre. Las mquinas se estropean, fallas de poder
elctrico, los trenes llegan tarde, goteras de los tejados. Las razones
especificadas estn puestas para prevenir muchos de estos problemas.
Empezaremos considerando la prdida causada por la variabilidad.
Nos enfocaremos en la variabilidad del producto, las mismas consideraciones se
aplican a la variabilidad en servicios.
Determinando la calidad subjetiva del valor de mercadeo y producto planeando el
problema de vital importancia para una compaa, pero no es un problema de
ingeniera. Es un problema de clasificacin humana, un problema del tamao del
segmento en segmentacin del mercado. Esto es porque el autor se opone a tratar
las cuestiones de calidad como preguntas de valor.
Otro problema es el significado de prdida. En el contexto de la definicin de
calidad, la prdida debe restringirse en dos categoras:
La pregunta sobre las funciones de la sociedad sobre los productos que deberan
permitir tener, es un problema cultural ilegal, no un problema de la ingeniera.
Los ingenieros son libres para debatir estos problemas como individuos, pero
ellos deben reconocer que estn tratando con preguntas sociales que estn fuera
del alcance del control de calidad.
Si el control de calidad no se restringe a los problemas prdida causados por
variabilidad de funcin y efectos del tipo dainos no relacionados, se resbalar
fuera del dominio de la ingeniera en el dominio psicolgico de valores
culturales.
Si nosotros nos enfocamos en la industria , encontramos que sus actividades
entran en seis fases.
Existen varias razones por las cuales la duracin del desarrollo de tecnologa es
demasiado larga. Para empezar, el diseo de un nuevo producto empieza despus
de recoger la informacin del mercado en cuanto a los gustos o disgustos de los
clientes. La mejora de calidad empieza cuando el producto est en manos de los
consumidores. En este momento es demasiado tarde para empezar un nuevo
diseo, y se tarda demasiado tiempo en conseguirlo. En segundo trmino, los
esfuerzos por mejorar la calidad se realizan cada vez que se disea un nuevo
producto. En tercer trmino, el diseo de un producto se concentra inicialmente
en cmo "dar en el blanco" sin ,,contemplar la robustez o la reproductibilidad
de la funcin de todos los problemas anteriores que pueden ser minimizados
utilizando el enfoque del desarrollo de tecnologa.
Por supuesto, la calidad debe estar relacionada con las necesidades y las
expectativas del cliente.
Sin embargo, para que la investigacin y el desarrollo sean efectivos, la
calidad debe ser expresada en trminos compatibles con los objetivos de
ingeniera del desarrollo. Podemos identificar cuatro niveles de calidad.
1. La calidad del cliente.
2. La calidad especificada.
3 .La calidad robusta.
4. La calidad funcional.
Pasa / no pasa
Fraccin defectuosa
Nmero de defectos
Produccin
Exactitud de una funcin
Facilidad para abrir la puerta de un coche Apariencia
La calidad en PPM
2. LA CALIDAD FUNCIONAL
DESARROLLO DE LA TECNOLOGIA
Nuestro procedimiento ptimo puede ser resumido de la siguiente forma:
Maximizar la sensibilidad
Maximizar la linealidad
Minimizar la variabilidad
Cuando el ndice Cpm es mayor a uno, entonces eso quiere decir que el proceso
cumple con las especificaciones, y en particular que la media del proceso est
dentro de la tercera parte media de la banda de las especificaciones. Si el Cpm es
mayor que 1.33 entonces la media del proceso estar dentro de la quinta parte
media del rango de especificaciones.
Si la estimacin del Cpm se hace con base en una muestra aleatoria del proceso,
el Cpm encontrado podr ser menor o mayor que el verdadero valor.
L(y) = K(y-m)2
En donde:
L(y)= prdida en dinero por unidad de producto cuando las caractersticas de
calidad son igual
a 41 y 55 y = valor de la caracterstica de calidad, esto es, longitud, anchura, etc.,
a) Tcnicamente
b) Econmicamente
L(y) = K(y-m)2
En donde:
L(y)= prdida en dinero por unidad de producto cuando las caractersticas de
calidad son igual
a 41 y 55 y = valor de la caracterstica de calidad, esto es, longitud, anchura, etc.,
DISEO DE SISTEMAS.
DISEO DE PARAMETROS.
Por ejemplo, una caracterstica de calidad para un coche podra ser que siempre
arranque fcil y rpidamente, sin importar cules son las condiciones externas.
En el caso del automvil los factores sobre los que no tiene control podran ser la
temperatura exterior, los niveles de humedad, el rango de altitud en el cual el
coche va a ser operado durante su uso, etc. La compaa del automvil no puede
decirle a su cliente que no debera operar su vehculo cuando la temperatura esta
bajo cero o arriba de cierto punto. Entonces el objetivo del ingeniero es hacer el
auto resistente a estos factores incontrolables, o como dira Taguchi, "robustidad
contra ruido"
OBJETIVO
ANTECEDENTES
QU ES EL ARREGLO ORTOGONAL?
RESUMEN
El mtodo del Dr. Taguchi para el diseo de experimentos utiliza tcnicas que implican
bajos costos y que son aplicables a los problemas y requerimientos de la industria moderna.
El propsito que se tiene en el diseo del producto es encontrar aquella combinacin de
factores que nos proporcione el desempeo ms estable y confiable al precio de
manufactura ms bajo.
La ventaja del los arreglos ortogonales es que pueden ser aplicados al diseo experimental
involucrando un gran nmero de factores.
DESVENTAJAS
La desventaja del arreglo ortogonal es que puede ser nicamente aplicado en la etapa
inicial del diseo del sistema del producto o proceso. Un arreglo ortogonal permite asegurar
que el efecto de "B" en "A1" es el mismo efecto de "B" en "A2". As se podr estar seguro
de que se est haciendo
comparaciones entre efectos de niveles de un factor.
Na A B C D E F G RESULTADOS
1 1 1 1 1 1 1 1 Y1 NIVEL 1
2 1 1 1 2 2 2 2 Y2 NIVEL 1
3 1 2 2 1 1 2 2 Y3 NIVEL 1
4 1 2 2 2 2 1 1 Y4 NIVEL 1
5 2 1 2 1 2 1 2 Y5 NIVEL 2
6 2 1 2 2 1 2 1 Y6 NIVEL 2
7 2 2 1 1 2 2 1 Y7 NIVEL 2
8 2 2 1 2 1 1 2 Y8 NIVEL 2
ARREGLOS ORTOGONALES 2n
No\Col 1 2 3
1 1 1 1
2 1 2 2
3 2 1 2
4 2 2 1
No/Col 1 2 3 4 5 6 7 No/Col 1 2 3 4 5 6 7
1 1 1 1 1 1 1 1 (1) 3 2 5 4 7 5
2 1 1 1 2 2 2 2 (2) 1 6 7 4 5
3 1 2 2 1 1 2 2 (3) 7 6 5 4
4 1 2 2 2 2 1 1 (4) 1 2 3
5 2 1 2 1 2 1 2 (5) 3 2
6 2 1 2 2 2 2 1 (6) 1
7 2 2 1 1 2 2 1 (7)
8 2 2 1 2 1 1 2
No/Col 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15
1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1
2 1 1 1 1 1 1 1 2 2 2 2 2 2 2 2
3 1 1 1 2 2 2 2 1 1 1 1 2 2 2 2
4 1 2 2 2 2 2 2 2 2 2 2 1 1 1 1
5 1 2 2 1 1 2 2 1 1 2 2 1 1 2 2
6 1 2 2 1 1 2 2 2 2 1 1 2 2 1 1
7 1 2 2 2 2 1 1 1 1 2 2 2 2 1 1
8 1 2 2 2 2 1 1 2 2 1 1 1 1 2 2
9 2 1 2 1 2 1 2 1 2 1 2 1 2 1 2
10 2 1 2 1 2 1 2 2 1 2 1 2 1 2 1
11 2 1 2 2 1 2 1 1 2 1 2 2 1 2 1
12 2 1 2 2 1 2 1 2 1 2 1 1 2 1 2
13 2 2 1 1 2 2 1 1 2 2 1 1 2 2 1
14 2 2 1 1 2 2 1 2 1 1 2 2 1 1 2
15 2 2 1 2 1 1 2 1 2 2 1 2 1 1 2
16 2 2 1 2 1 1 2 2 1 1 2 1 2 2 1
No/Col 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15
(1) 1 1 1 1 1 1 1 1 1 1 1 1 1 1
(2) 1 1 1 1 1 2 2 2 2 2 2 2 2
(3) 2 2 2 2 1 1 1 1 2 2 2 2
(4) 2 2 2 2 2 2 2 1 1 1 1
(5) 2 2 1 1 2 2 1 1 2 2
(6) 2 2 2 1 1 2 2 1 1
(7) 1 1 2 2 2 2 1 1
(8) 2 1 1 1 1 2 2
(9) 1 2 1 2 1 2
(10) 1 2 1 2 1
(11) 2 1 2 1
(12) 2 1 2
(13) 2 1
(14) 1
Factores de Control y sus Lmites
L8 (27)
A B C D E F G
Nmero Resultado
1 2 3 4 5 6 7
1 1 1 1 1 1 1 1 y1
2 1 1 1 2 2 2 2 y2
3 1 2 2 1 1 2 2 y3
4 1 2 2 2 2 1 1 y4
5 2 1 2 1 2 1 2 y5
6 2 1 2 2 1 2 1 y6
7 2 2 1 1 2 2 1 y7
8 2 2 1 2 1 1 2 y8
L = CORRIDAS = 8
2 = NIVELES
7 = FACTORES
En Una compaa de azulejos de regular tamao compr un horno en forma de tnel cuyo
costo fue de 2 millones de dlares. El horno mide 80 mts. de largo; dentro de l un carro
cargado de azulejos se desliza lentamente sobre sus rieles mientras los quemadores
horneaban el producto.
PROBLEMAS:
Los azulejos tenan una variacin en sus dimensiones, ms del 50% de los azulejos de la
fila exterior estaba fuera de especificaciones, mientras que las filas interiores s cumplan
con las medidas.
Los gerentes e ingenieros saban que las causas de la variacin eran las diferencias de la
temperatura del horno. El problema pudo ser solucionado diseado nuevamente el horno
para que todos los azulejos recibieran la misma temperatura, lo cual hubiera costado medio
milln de dlares. La compaa no tena recursos para invertir; por lo tanto, decidi buscar
la manera de disminuir la variacin. La compaa hizo experimentos para investigar los
efectos de algunos factores que en el proceso de coccin de los azulejos pudieran afectar su
dimensin. Se seleccionaron estos factores teniendo en cuenta que los experimentos fueran
eficientes.
La (b)
Donde:
No 1 2 3
1 1 2 2
2 2 1 2
3 2 2 1
NOTA. Un arreglo ortogonal que es altamente recomendado es el L12 (2). debido a que
permite investigar 11 factores sin preocuparse de efectos por interacciones. Este arreglo
proporciona muy buena reproducibilidad. Si se debe investigar alguna interaccin
importante se debe elegir otro arreglo mayor, pues ste no contempla interaccin alguna.
EJEMPLO:
(i) = (1)
(ii) = (1) + (2)
(iii) = (1) + (2) + (3) etc.
EJEMPLO:
P1 = 25/90
P11 = 49/90
P111 = 65/90
PIV = 90/90
Wj = 1/(Pj*(1-Pj))
CFj = (i2)/n
Ssa = (Ssa clase 1)*W1+(Ssaclase 11)*W11 + (Ssa clase 111)*W111........ + (Ssa clase
n)*Wn
Sstotal = (nmero total de datos) * (nmero de categoras - 1).
GRADOS DE LIBERTAD
Los grados de libertad son calculados en base a los grados de libertad de un factor para
variables, multiplicados por el nmero de categoras acumuladas menos uno.
EJEMPLO:
En un problema que tenga, cuatro factores con tres niveles obtenemos lo siguiente...
2*(4-a) = 6
Con todos estos datos se construye una Tabla de Anova para tomar una
decisin.
CONCLUSIN
El anlisis de varianza ofrece ms que un mtodo corto para obtener la suma de cuadrados
del error.Es confiable y de gran exactitud para obtener la opcin correcta y disminuir costo
por muchos experimentos.
ORTOGONALIDAD
Un diseo ortogonal permite comparar, con la misma eficiencia, los niveles de los factores
bajo varias condiciones.
Los grados de libertad son una medida de una cantidad de informacin que puede ser
obtenida.Para conocer el efecto de un factor determinado en un experimento, se compara el
desempeo del producto al poner el factor en varios niveles al realizar un experimento;
mientras ms niveles tenga un factor, tendr ms grados de libertad, y por lo tanto ms
informacin para ser obtenida.
Existe una interaccin cuando el efecto de un factor depende del nivel en que se encuentre
otro factor. Se graficarn los cambios de un factor B, para determinar si hay interaccin.
ESTAS GRFICAS FACILITAN LA ASIGNACIN DE FACTORES E
INTERACCIONES A UN ARREGLO ORTOGONAL.
Su interpretacin es la siguiente:
Existe una interaccin cuando el efecto de un factor depende del nivel en el que se
encuentre otro factor. Se gratifican los cambios de un factor "A" a los cambios del factor
"B" para ver si hay interaccin.
Si las lneas trazadas son paralelas, no existe interaccin entre los factores.
Si las lneas no son paralelas, quiere decir que el efecto de "A" no es el mismo para "B1"
y "B2", existiendo interaccin.
Si las lneas se intersectan en la grfica, se interpreta que existe una interaccin bastante
fuerte.
En este mtodo se vara el nivel de un solo factor, manteniendo constantes los niveles de
los dems factores. Suponga que se investiga sobre efectos de temperatura y presin. Se
seleccionan dos niveles para el factor temperatura (T1 y T2) y 2 niveles para el factor
presin (P1, P2). La temperatura se fija a T1 mientras se varan los niveles de la presin;
depus se poda fijar la presin a P1 y vara los niveles de la temperatura. Si se realizara un
diseo con 7 factores en 2 niveles cada uno, se necesitara realizar 8 experimentos.
Resultados
Experimento Factores y Condiciones
Experimento
A B C D E F G
1 A1 B1 C1 D1 E1 F1 G1 Y1
2 A2 B1 C1 D1 E1 F1 G1 Y2
3 A2 B2 C1 D1 E1 F1 G1 Y3
4 A2 B2 C2 D1 E1 F1 G1 Y4
5 A2 B2 C2 D2 E1 F1 G2 Y5
6 A2 B2 C2 D2 E2 F1 G1 Y6
7 A2 B2 C2 D2 E2 F2 G1 Y7
8 A2 B2 C2 D2 E2 F2 G2 Y8
LIMITACIONES
No es prctico cuando se usan muchos factores
No garantiza la reproductibidad.
FACTORES: A, B, C, D, E, F, G, H, I, J .
Solucin:
Ejemplo:
PROCEDIMIENTOS:
1 BAJO BAJO
2 BAJO ALTO
3 ALTO BAJO
4 ALTO ALTO
M A F
1 5 100 500
2 5 200 1000
3 10 100 1000
4 10 200 2000
Para maximizar la cantidad de conocimiento adquirido, el anlisis del modelado
de un DDE se conduce con valores de entrada estandarizados, donde los valores
bajos se codifican en (1 y los altos se codifican en (+ 1). Estos valores
codificados estandarizan la escala y las unidades de las variables de entrada. El
resultado es una matriz con entradas codificadas como se muestra en tabla 2.
ENSAYO M A M*A F
1 -1 -1 1 500
2 -1 1 -1 1000
3 1 -1 -1 1000
4 1 1 1 2000
ENSAYO M A M*A F
1 -1 -1 1 500
2 -1 1 -1 1000
3 1 -1 -1 1000
4 1 1 1 2000
F=1125+(750/2)*Mc+(750/2)*Ac+(250/2)*Mc*Ac
Ma=((Ma+Mb)/2)+((Ma+Mb)/2)*Mc
Donde:
MA Valor fijo actual de masa
MC Valor fijo codificado de masa
MA Valor experimental actual fijado en alto
MB Valor experimental actual fijado en bajo
Para nuestro ejemplo:
Ma=7.5+2.5 Mc
Entonces:
Los clculos previamente descritos son una forma simple para pasar de valores
codificados a actuales y viceversa, como se muestra en la escala combinada de la
figura 2.
.1 Anlisis de Tablas de Frecuencia
Uno de los mtodos para analizar datos es la tabulacin cruzada. Por ejemplo, un
investigador mdico puede tabular las frecuencias de los diferentes sntomas por
edades y sexo; un investigador educativo puede tabular el numero de estudiantes
que abandonan sus estudios por edad, sexo y grupo tnico; un economista puede
tabular el numero de negocios que fallan por industria, regin,
etc.; un investigador de mercado puede tabular las preferencias de los
consumidores por producto, edad y sexo. En todos estos casos, los resultados
principales de inters pueden ser sumarizados en una tabla de frecuencia
mltiple; o sea, en una tabla cruzada de dos mas factores.
No 40 5 45
Si 20 35 55
Total 60 40 100
Mientras interpretamos los resultados de este pequeo estudio, vamos a
introducirnos en la terminologa que nos permitir generalizar en tablas ms
complejas ms fcilmente.
No 27 18 45
Si 33 22 55
Total 60 40 100
Efectos de interdiccin. Otro modelo concebible puede ser que la edad est
relacionada con el color del cabello, y que el estrs es relacionado con el color
del cabello tambin; pero, estos dos factores no interactan en su efecto. En este
caso, podramos necesitar simultneamente de dos tablas, una es la tabla de 2 X 2
de la edad por color del cabello cruzada con los niveles de estrs, y otra tabla del
estrs por color del cabello cruzada con los niveles de la edad. Si este modelo no
se ajusta los datos, tenemos que incluir que la edad, el estrs y el color del
cabello estn interrelacionados. De otra forma, podremos concluir que la edad y
el estrs interactuan con sus efectos en el cabello canoso.
(I) = (1)
(II)= (1) + (2)
(III)=(1) + (2) + (3).
Para ilustrar los pasos se utilizar un estudio que se realiz para conocer los
parmetros ptimos de una mquina moldeadora al estar utilizando compuesto de
un nuevo proveedor. El aspecto visual se dividi en las categoras iniciales:
1=Incompleto
2=Partido/Crudo
3=Deforme
4=Bien
De modo que las categoras acumuladas son:
(I)=1
(II)=(1) + (2)
(III)=(1) +(2) + (3)
(IV)=(1) +(2) + (3) + (4)
El experimento consisti en cuatro factores a tres niveles cada uno y con diez
repeticiones, siendo los factores:
A = Temperatura
B = Tiempo de Ciclo
C = Tiempo de Inyeccin
D = Presin
(I)= (=)
(II)= (0) + (3)
(III)=(0) + (3) + (1)
(IV) = (0) +(3) + (1) + (6)
Acumulados
1 5 5 0 0 5 10 10 10
2 0 9 0 1 0 9 9 10
3 0 6 0 4 0 6 6 10
4 0 1 0 9 0 1 1 10
5 0 0 5 5 0 0 5 10
6 0 3 1 6 0 3 4 10
7 0 0 0 10 0 0 10 10
8 10 0 0 0 10 10 10 10
9 10 0 0 0 10 10 10 10
Total 25 24 16 25 25 49 65 100
90 90 90 90
Ssa = (Ssa clase I) x WI + (SSA clase II) x WII + (Ssa clase III) x WIII
Grado de Libertad.
Los grados de libertad son calculados en base a los grados de un factor para
variables multiplicados por el nmero de categoras acumulado menos uno. En
este ejemplo los cuatro factores son de tres niveles por lo que cada uno tiene:
En este caso
En el ejemplo:
Fuentes Grados S. de
Suma de Cuadrado Porcentaje
de de Cuad.
Cuadrados Medio Contrib.
Variacin Libertad Corregida
Los factores de ruido son aquellos que no se pueden controlar o que resulta muy
caro controlarlos. Los factores de ruido causan variabilidad y prdida de
calidad. Por esto es necesario disear un sistema el cual sea insensible a los
factores de ruido. El diseador debe identificar la mayor cantidad posible de
factores de ruido y usar su buen juicio en base a sus conocimientos para decidir
cules son los ms importantes a considerar en su anlisis.
Para el caso de el ejemplo, tres niveles alternativos fueron identificados para ser
estudiados para el control de el diseo de los parmetros, El nivel dos muestra los
valores iniciales de los factores de control .(tabla a). Los niveles de los
parmetros de prueba (tabla a) se refieren a cuntos valores de prueba van a ser
analizados (uno de estos niveles debe tomar los valores de las condiciones
iniciales de operacin).
Como siguiente paso los ingenieros de diseo y los analistas de costo desean un
estudio de niveles alternativos de los parmetros de control considerando ahora la
incertidumbre debido a los factores de ruido. En un diseo robusto,
generalmente, dos o tres niveles son considerados para cada factor.
Se ha decidido estudiar los tres factores de ruido con 2 niveles. Estos valores se
muestran en la tabla 9. El nivel uno representa los valores iniciales de los factores
de ruido. Diseo de la matriz de experimentos y definicin de los datos para
analizar. El objetivo ahora es determinar los niveles ptimos de los factores de
control para que el sistema sea robusto a los factores de ruido.
Con esto se determina que se puede utilizar un arreglo ortogonal estndar L9 para
los factores de control y usando la misma metodologa se utiliza un arreglo
ortogonal estndar L4 para los factores de control.
1 2 3 4
N1 1 2 2
N2 2 1 2
N3 2 2 1
A B C D
1 1 1 1 1
2 1 2 2 2
3 1 3 3 3
4 2 1 2 3
5 2 2 3 1
6 2 3 1 2
7 2 1 3 2
8 2 2 2 3
9 2 3 1 1
CT = Xl + X2 + X3
CT = 1.2(48)(35-10) + 1.2(50)(95-35)1(35-25) + 9.637(25)(36 -24)=4691
CT = 1.2(48)(35-10)+1.2(50)(100-35)1(35-25)+9637(25)(36-27)=3998
Control/Noise 1 2 3 4
N1 48 48 56 56
N2 24 27 24 27
N3 95 100 100 95
Control matrix
Tl T2 T3 parmetros de prueba
1 2 3 niveles
25 36 38 valores ptimos de control.
Con estos valores el ct = $4551.00 con una desviacin estndar de 445.5 y una
seal de ruido de - 73.19 con esto se ahorra $806.00 un 15% contra los valores
iniciales propuestos antes del experimento.
T1 T2 T3 parmetros de prueba
2 2 2 niveles
28 39 38 valores iniciales propuestos
Ct = $5,357.00 con una desviacin estndar de 445.6 y una seal de Ruido = -
74.6