Ejercicios Fase Mejora GB

EJERCICIOS FASE DE MEJORA GB P.
Reyes / Octubre 2007
PREGUNTAS:
1. ¿Cuál es el propósito de la fase de mejora?
2. ¿Cuáles son los entregables de la fase de mejora? Dar un ejemplo.
a. Identificación de mejores niveles de operación
b. Generación de alternativas de solución, usar métodos de Creatividad
c. Evaluación de alternativas de solución con diagrama de árbol:
DESCRIPCI ALTERNATIV VENTAJA DESVENTAJ FACTIBILID SELECCIÓ

ÓN DE LA AS DE S AS AD N
CAUSA SOLUCIÓN
CAUSA 1 ALT. SOL. 1 a. a. Si o No SI
b. b.
c. c.
ALT. SOL. 2 a. a. Si o No SI
b. b.
c. c.
ALT. SOL. 3 a. a. Si o No SI
b. b.
c. c.
CAUSA 2
d. Selección de alternativas de solución
e. Plan 5W-1H para implementación de las soluciones seleccionadas
f. Prueba piloto y Verificación de la efectividad de las soluciones
g. Implementación y documentación de la solución a nivel sistema
DISEÑO DE EXPERIMENTOS
3. ¿Qué desventajas se observan cuando se experimenta con un factor a la vez?
4. ¿Qué es el diseño de experimentos?
5. ¿Cuáles son las ventajas que proporciona el diseño de experimentos?
6. ¿Cuáles los diferentes propósitos que puede tener un diseño de experimentos?
7. ¿Cuáles son los pasos principales para la realización de diseños de experimentos?
Página 1 de 28
EJERCICIOS FASE DE MEJORA GB P. Reyes / Octubre 2007
a.
b.
c.
d.
e.
f.
8. ¿Qué consideraciones deben tomarse en cuenta al planear y desarrollar

experimentos?
a.
b.
c.
d.
e.
f.
9. ¿Cuáles son las implicaciones al realizar experimentos en la empresa?
a.
b.
10. ¿Qué criterios se deben tomar para seleccionar las variables de proceso y sus
niveles?
a.
b.
11. ¿Cuáles son los supuestos que se asumen cuando se realizan experimentos?
Página 2 de 28
12. ¿Cuáles son los diferentes métodos experimentales disponibles y cuál es su

alcance y aplicación?
Diseño experiemental Aplicación

Factorial de dos niveles 2K Filtraje de factores significativos
Fraccional de dos niveles ½ 2K Filtraje de factores significativos – bajo costo
Taguchi Arreglos ortogonales Diseños robustos de productos y procesos
Factorial completo FK Identificación de mejores niveles de operación
Ascenso rápido Ruta hacia el punto de operación óptimo
Diseño central compuesto CCD Identificación del punto óptimo de operación
EVOP diseño evolutivo Experimentación en la producción sin afectarla
Diseños de mezclas Encontrar la mejor mezcla de ingredientes

para el mejor rendimiento
Diseños óptimos - D Diseños por computadora para reducir costos
13. ¿Qué significan los conceptos siguientes?
a. Caracterizar el proceso
b. Replicas experimentales
c. Aleatorización
d. Bloqueo
14. ¿Qué son las interacciones y cómo se identifican?
15. ¿Qué características tiene un diseño experimental factorial completo?
16. ¿Qué características tiene un diseño experimental factorial de dos niveles?
17. ¿Cómo se obtiene la ecuación de regresión de los resultados del diseño de

experimentos de 2 niveles?
18. ¿Cómo se identifican los factores significativos en la tabla ANOVA de los

experimentos factoriales?
19. ¿Qué indican las gráficas factoriales y cómo se seleccionan los niveles para la
mejor operación?
Página 3 de 28
20. ¿Qué indican las gráficas factoriales de interacciones y cómo se seleccionan los
niveles para la mejor operación?
21. ¿Qué indica la gráfica de superficie de respuesta?
22. ¿Cuál es el propósito de la gráfica de contornos?
METODOS DE CREATIVIDAD
23. ¿Qué otros métodos pueden servir de apoyo para generar alternativas de
solución?
a.
b.
c.
24. Dar algunos ejemplos de técnicas de creatividad para la generación de ideas de

mejora de procesos
a.
b.
c.
25. ¿Qué es el método TRIZ para la solución creativa de problemas?
26. Dar algunos ejemplos de técnicas TRIZ para la generación de ideas de mejora
de procesos
a.
b.
c.
27. ¿Cuál es el propósito de los métodos de teoría de colas?
28. ¿Cuál es el propósito de los métodos de simulación?
29. ¿Después de cuanto tiempo se recomienda se evalúen los resultados de las

mejoras?
Página 4 de 28
30. ¿Cómo se puede cuantificar estos resultados?
a.
b.
31. ¿Qué formas de reconocimiento a los equipos de proyecto Seis Sigma se

recomiendan?
a.
b.
c.
d.
32. ¿Cuáles son las salidas de la fase de mejora?
a.
b.
c.
Página 5 de 28
PROBLEMAS: (Utilizar Minitab 13 para las soluciones)
DISEÑOS DE EXPERIMENTOS FACTORIALES DE DOS NIVELES

1. Diseño de experimentos de dos niveles: En un proceso de fabricación de
Mofles se desea mejorar el proceso de soldadura en un componente de acero
inoxidable. Para lo cual se realiza un diseño de experimentos de 2 factores y 3
niveles.
Factor Nivel bajo Nivel Alto

A. Caudal de gas (l/min.) 8 12
B. Intensidad de Corriente (A) 230 240
C. Vel. de Cadena
(m/min.) 0.6 1
Como respuesta se toma la calidad del componente en una escala de 0 a 30 entre

mayor sea mejor es la calidad
Paso 1. Generar diseño
Stat > DOE > Factorial > Create Factorial Design

Seleccionar 2-Level factorial (default generators); Number of factors
3
Designs: Seleccionar Full Factorial Seleccionar 2 Replicates
Factors: Caudal 8 12 Intensidad 230 240 Vel. 0.6 1

Options: Quitar bandera de Random
OK
Puede colocar la matriz del diseño en orden aleatorio o estándar con
Stat > DOE > Display Design: Standard order for design
Para cambiar de unidades sin codificar a unidades codificadas:
Stat > DOE > Display Design: Coded o Uncoded Units
Paso 2. Introducir los datos en el diseño:
Intensida
StdOrder Caudal d Velocidad Y
1 8 230 0.6 10
2 12 230 0.6 26.5
3 8 240 0.6 15
4 12 240 0.6 17.5
5 8 230 1 11.5
6 12 230 1 26
7 8 240 1 17.5
8 12 240 1 20
Paso 3. Analizar el diseño
Página 6 de 28
Stat > DOE > Factorial > Analyze Factorial Design

Response Y
Graphs: Seleccionar Normal Pareto Alpha = 0.05
Residual for Plots Standardized
Seleccionar Normal Plot y Residuals vs Fits
Results Seleccionar todos los términos con >>
OK OK
Los resultados se muestran a continuación.
La ecuación del modelo se puede formar a partir de los siguientes coeficientes:
Y = -893.750 + 102.625 Caudal + - 0.425 Caudal*Corriente
Pareto Chart of the Effects

(response is Y, Alpha = .05)
5.646
F actor Name
A C audal
A
B C orriente
C V elocidad
AB
C
Term
BC
ABC
AC
0 1 2 3 4 5 6 7 8 9
Effect
Lenth's PSE = 1.5
Página 7 de 28
Normal Probability Plot of the Effects

(response is Y, Alpha = .05)
99
Effect Type
Not Significant
95 Significant
90 A F actor N ame
A C audal
80 B C orriente
70 C V elocidad
Percent
60
50
40
30
20
10 AB
5
1
-5.0 -2.5 0.0 2.5 5.0 7.5 10.0
Effect
Lenth's PSE = 1.5
Paso 4. Obtener las gráficas factoriales para seleccionar los

mejores niveles de operación
Stat > DOE > Factorial Plots
Seleccionar Main Effects Plot: Setup: Response Y; Pasar Intensidad,

Caudal y Vel. Con >>
Seleccionar Interaction Plot: Setup: Response Y; Pasar Intensidad,

Seleccionar Cube Plot: SetUp >> Response Y; Pasar Intensidad,

OK
Main Effects Plot (data means) for Y

Caudal Corriente
22
20
18
16
Mean of Y
14
8 12 230 240
Velocidad
22
20
18
16
14
0.6 1.0
Página 8 de 28
Interaction Plot (data means) for Y

28 Caudal
8
26 12
24
22
20
Mean
18
16
14
12
10
230 240
Corriente
Cube Plot (data means) for Y
17.5 20.0
15.0 17.5
240
Corriente 11.5 26.0

1
Velocidad
10.0 26.5
230 0.6
8 12
Caudal
Paso 5. Obtener las gráficas de contornos y de superficie de

respuesta
Stat > DOE > Contour and Surface Plots

Seleccionar Contour Plot: Setup: Response Y; Pasar Intensidad,
Seleccionar Surface response Plot: Setup: Response Y; Pasar
Intensidad, Caudal y Vel. Con >>
Seleccionar Cube Plot: SetUp >> Response Y; Pasar Intensidad,
OK
Página 9 de 28
Contour Plot of Y vs Intensidad, Caudal

240.0
Y
< 12
12 - 15
238.5
15 - 18
18 - 21
21 - 24
237.0
> 24
Intensidad
Hold Values
235.5 Velocidad 0.6
234.0
232.5
231.0
8 9 10 11 12
Caudal
Paso 6. Obtener una ampliación de la respuesta en la zona de

Y = 21 a 24
Stat > DOE > Factorial > Overlaid Contour Plot

Seleccionar en Response Y
Seleccionar en Settings Hold Extra factors in Low setting
Seleccionar en Contours Low 21 High 26
OK
Overlaid Contour Plot of Y

240.0
Y
21
26
238.5
Hold Values
Velocidad 0.6
237.0
Intensidad
235.5
234.0
232.5
231.0
8 9 10 11 12
Caudal
Paso 7. Obtener una respuesta optimizada
Stat > DOE > Factorial > Response Optimizer

Seleccionar en Response Y
Seleccionar en Options Caudal 10 Intensidad 235 Velocidad 0.8
Seleccionar en Goal Maximize Lower 21 Target 26
OK
Seleccionar y mover las líneas de cada factor hasta obtener el máximo rendimiento:
Página 10 de 28
2. Diseño de dos niveles: Se usa un Router para hacer los barrenos de

localización de una placa de circuito impreso. La vibración es fuente principal de
variación. La vibración de la placa a ser cortada depende del tamaño de los
barrenos (A1 = 1/16" y A2 = 1/8") y de la velocidad de corte (B1 = 40 RPMs y B2 =
90 RPMs).
La variable de respuesta se mide en tres acelerómetros A,Y,Z en cada uno de los

circuitos impresos.
Los resultados se muestran a continuación.
Niveles reales Réplica

A B I II III IV
0.063 40 18.2 18.9 12.9 14.4
0.125 40 27.2 24.0 22.4 22.5
0.063 90 15.9 14.5 15.1 14.2
0.125 90 41.0 43.9 36.3 39.9
PASO 1. GENERAR EL DISEÑO FACTORIAL DE ACUERDO AL EXPERIMENTO
Type of Design: Two Level Factorial (default generators)
Number of Factors 2
Designs Full Factorial
Number of Center points 0
Number of replicates: 4
Number of Blocks 1 OK
Factors
Página 11 de 28
Factor Name Type Low High
A Diámetro Numeric 0.063 0.125
B Velocidad Numeric 40 90 OK
PASO 2. CARGA DE DATOS DE LA COLUMNA DE RESPUESTA

CORRESPONDIENTE A CADA
COMBINACION DE FACTORES DESPUÉS QUE MINITAB GENERO EL DISEÑO O
ARREGLO
Para ver los datos en orden estándar
1. Stat > DOE > Display Design
2. Seleccionar Standar order for design Uncoded units
3. OK
StdOrder RunOrder CenterPt Blocks Diametro Velocidad Resp

1 11 1 1 0.063 40 18.2
2 9 1 1 0.125 40 27.2
3 12 1 1 0.063 90 15.9
4 13 1 1 0.125 90 41.0
5 16 1 1 0.063 40 18.9
6 2 1 1 0.125 40 24.0
7 10 1 1 0.063 90 14.5
8 1 1 1 0.125 90 43.9
9 5 1 1 0.063 40 12.9
10 15 1 1 0.125 40 22.4
11 8 1 1 0.063 90 15.1
12 7 1 1 0.125 90 36.3
13 4 1 1 0.063 40 14.4
14 3 1 1 0.125 40 22.5
15 6 1 1 0.063 90 14.2
16 14 1 1 0.125 90 39.9
PASO 3 ANALIZAR EL MODELO DEL DISEÑO DE EXPERIMENTOS FACTORIAL

COMPLETO
Response Seleccionar la columna de las respuestas Vibración
Terms Pasar todos los términos a Selected terms con >> OK
Graphs Seleccionar Effects Plots Normal y Pareto

Seleccionar Alfa = 0.05
Seleccionar Residual for Plots Standardized

Seleccionar Residual plots: Normal y vs fits OK
Página 12 de 28
Results Seleccionar Unusual observations in addition to the above
Seleccionar en Display of alias table Default interactions
Seleccionar todos los términos a Selected terms con >> OK
OK
Term Coef
Constant 23.0550
Diametro -96.2400
Velocidad -0.372000
Diametro*Velocidad 5.57600
Yest = 23.0550 - 96.24*Diametro - 0.372*Velocidad +

5.576*Diametro*velocidad
Normal Plot of the Standardized Effects

(response is Resp, Alpha = .05)
Effect Type
1.0E+02 Not Significant
Significant
99.9999
F actor N ame
A D iametro
99.99 B V elocidad
Percent
99
95
80 A
50 AB
20 B
5
1
0 4 8 12 16
Standardized Effect
Página 13 de 28
Pareto Chart of the Standardized Effects

(response is Resp, Alpha = .05)
2.18
F actor N ame
A D iametro
B V elocidad
A
Term
AB
0 2 4 6 8 10 12 14
Standardized Effect
paso 4. Obtener las gráficas factoriales para identificar las

mejores condiciones de operación
Las instrucciones son las siguientes:
Stat > DOE > Factorial > Factorial Plots
Seleccionar Main effects, Interaction Plots y Cube Plot
Realizar el Setup para cada una de estas:
Seleccionar columna Response vibración
y con >> seleccionar todos los factores a Selected OK
Seleccionar Data Means OK
Página 14 de 28
Main Effects Plot for Vibración

Data Means
Diametro Velocidad
32.5
30.0
27.5
Mean
25.0
22.5
20.0
17.5
15.0
0.063 0.125 40 90
Interaction Plot for Vibración

Data Means
Diametro
40 0.063
0.125
35
30
Mean
25
20
15
40 90
Velocidad
Página 15 de 28
Cube Plot (data means) for Vibración
14.925 40.275
90
Velocidad
16.100 24.025
40
0.063 0.125
Diametro
paso 5. Obtención de las gráficas de contornos y de superficie

de respuesta
Las instrucciones son las siguientes:
Stat > DOE > Factorial > Contour / Surface Plots
Seleccionar Contour y Surface Plots
Realizar el Setup para cada una de estas:
Seleccionar columna Response vibración
Seleccionar Uncoded units (valores reales) o Codificados
OK
La gráfica de contornos indica la combinación de niveles para A y B manteniendo la

Y respuesta Constante. Sirve para indicar hacia donde se debe seguir
experimentando si se quiere mejorar la respuesta, trazando una recta casi
perpendicular a los contornos:
Página 16 de 28
Contour Plot of Vibración vs Velocidad, Diametro

90
Vibración
< 15
15 – 20
20 – 25
80
25 – 30
30 – 35
35 – 40
> 40
70
Velocidad
60
50
40
0.07 0.08 0.09 0.10 0.11 0.12
Diametro
Optimizador
Stat > DOE > Factorial > Response optimizer
Seleccionar como response Vibración
Seleccionar Options Diamentro 0.065 Velocidad 50
Set up Vibración Minimize Target 10 Upper 40
OK
Respuesta óptima en Diámetro 0.125 y Velocida 90
Página 17 de 28
3. Un ingeniero está interesado en los efectos de la velocidad de corte (A), la

geometría de la herramienta (B) y el ángulo de corte (C) sobre la vida (en horas) de
una máquina herramienta. Se eligen dos niveles de cada factor y se corren tres
réplicas de un diseño factorial 23. Los resultados fueron los siguientes:
Réplicas
A B C I II III
-1 -1 -1 22 31 25
+1 -1 -1 32 43 29
-1 +1 -1 35 34 50
+1 +1 -1 55 47 46
-1 -1 +1 44 45 38
+1 -1 +1 40 37 36
-1 +1 +1 60 50 54
+1 +1 +1 39 41 47
a) Probar a un nivel del 5% identificar si hay los factores o las interacciones son
significativas
b) Obtener los residuos y hacer una prueba de normalidad, comentar la adecuación

del modelo
c) Determinar los efectos de los factores principales y de las interacciones
d) Identificar en las graficas normal y Pareto los efectos principales e interacciones

que son significativos
e) Determinar la ecuación de regresión del modelo del proceso con valores no
codificados para predecir la respuesta
Página 18 de 28
f) Determinar los valores Y estimados hacer prueba de normalidad
g) Obtener las gráficas factoriales y de cubo y dar conclusiones
h) Obtener las gráficas de contornos y de superficie de respuesta y dar conclusiones
i) Obtener una ampliación de la zona de contornos de interés
j) Utilizar el optimizador para encontrar una combinación óptima de factores para

maximizar la vida
k) Con las gráficas factoriales si se quiere maximizar la vida, ¿en que niveles
conviene operar el proceso?
4. Se utiliza una aleación de níquel y titanio para fabricar componentes de los

motores de turbinas de aviones. La formación de fisuras es un problema
potencialmente serio de las piezas terminadas, ya que pueden provocar fallas
irreversibles. Se realiza una prueba de las piezas para determinar el efecto de
cuatro factores sobre las fisuras. Los cuatro factores son la temperatura de vaciado
(A), el contenido de titanio (B), el método de tratamiento térmico (C) y la cantidad
de refinador de grano usada (D). se hacen dos réplicas de un diseño 24 y se mide la
longitud de las fisuras (en mm
x 10-2) inducidas en un ejemplar de prueba de muestra sometido a una prueba
estándar. Los datos se muestran en la siguiente tabla:
Combinación de Réplica Réplica

A B C D Tratamientos I II
-1 -1 -1 -1 -1 7.037 6.376
+1 -1 -1 -1 a 14.707 15.219
-1 +1 -1 -1 b 11.635 12.089
+1 +1 -1 -1 ab 17.273 17.815
-1 -1 +1 -1 c 10.403 10.151
+1 -1 +1 -1 ac 4.368 4.098
-1 +1 +1 -1 bc 9.36 9.253
+1 +1 +1 -1 abc 13.44 12.923
-1 -1 -1 +1 d 8.561 8.951
+1 -1 -1 +1 ad 16.867 17.052
-1 +1 -1 +1 bd 13.876 13.658
+1 +1 -1 +1 abd 19.824 19.639
-1 -1 +1 +1 cd 11.846 12.337
+1 -1 +1 +1 acd 6.125 5.904
-1 +1 +1 +1 bcd 11.19 10.935
+1 +1 +1 +1 abcd 15.653 15.053
significativas
Página 19 de 28

del modelo



minimizar las fisuras
k) Con las gráficas factoriales si se quieren miminizar las fisuras, ¿en que niveles
5. Se realiza un experimento para estudiar el efecto del porcentaje de

carbonatación,
la presión de operación del llenador y velocidad de la línea, en la altura de llenado
de un refresco minimizando la desviación respecto al estándar.
Nivel bajo -1 Nivel alto1 n

A - Porcentaje de carbonatación 30 40 2
B - Presión del llenador (psi) 100 150
C - Velocidad de llenado
(Botellas/minuto) 60 100
Los resultados de las desviaciones en la respuesta media se muestran a

continuación:
A B C Réplica 1 Réplica 2
-1 -1 -1 -3 -1
1 -1 -1 0 1
-1 1 -1 -1 0
1 1 -1 2 3
-1 -1 1 -1 0
1 -1 1 2 1
-1 1 1 1 1
1 1 1 6 5
significativas
Página 20 de 28

del modelo



minimizar la desviación
k) Con las gráficas factoriales si se quiere minimizar la desviación, ¿en que niveles
l) General el diseño y repetir el análisis considerando como respuesta el Logaritmo

natural de la varianza
m) Para minimizar la variabilidad, ¿en que niveles conviene operar el proceso?
n) Obtener las gráficas de contornos y de superficie de respuesta y establecer

conclusiones
Página 21 de 28
DISEÑOS DE EXPERIMENTOS FACTORIALES COMPLETOS
6. Diseño de experimentos factorial completo: Se estudia el rendimiento de un

proceso químico (Y), donde se piensa que los factores que mayor influencia tienen
son la temperatura y la presión (X1, X2).
Se diseña un experimento factorial completo con dos réplicas y tomando tres

niveles
en cada factor como se muestra en la tabla de rendimientos.
Hacer los análisis de la significancia de cada factor a un 5% de significancia.
PRESION
(psig) 200 215 230
TEMP. 90.4 90.7 90.2
150 90.2 90.6 90.4
90.1 90.5 89.9
160 90.3 90.6 90.1
90.5 90.8 90.4
170 90.7 90.9 90.1
PASO 1. GENERAR EL DISEÑO FACTORIAL DE ACUERDO AL EXPERIMENTO

Type of Design: General Full Factorial Design
Number of factors 2
Designs: Factor A Name Temp Levels 3

Factor B Name Presion Levels 3
Number of Replicates 2
Options Seleccionar randomize runs OK
Factors Introducir los niveles para TEMP. 200 215 230

PRESIÓN 150 160 170
OK
PASO 2. CARGA DE DATOS DE LA COLUMNA DE RESPUESTA

CORRESPONDIENTE A CADA
COMBINACION DE FACTORES DESPUÉS QUE MINITAB GENERO EL DISEÑO O
ARREGLO
Ver diseño con Stat > DOE > Display Design

Seleccionar Standard order for design Uncoded Units
OK
NOTA: Coded units muestra 1, 2 y 3
Rendimient
StdOrder RunOrder PtType Blocks Temp Presion o
1 10 1 1 200 150 90.4
2 12 1 1 200 160 90.1
3 3 1 1 200 170 90.5
Página 22 de 28
4 9 1 1 215 150 90.7

5 6 1 1 215 160 90.5
6 15 1 1 215 170 90.8
7 8 1 1 230 150 90.2
8 13 1 1 230 160 89.9
9 2 1 1 230 170 90.4
10 14 1 1 200 150 90.2
11 1 1 1 200 160 90.3
12 7 1 1 200 170 90.7
13 4 1 1 215 150 90.6
14 11 1 1 215 160 90.6
15 18 1 1 215 170 90.9
16 16 1 1 230 150 90.4
17 5 1 1 230 160 90.1
18 17 1 1 230 170 90.1
PASO 3. ANALIZAR EL MODELO DEL DISEÑO DE EXPERIMENTOS FACTORIAL

COMPLETO
Response Seleccionar la columna de Rendimiento

Terms Pasar todos los términos 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 términos con >> OK
OK
PASO 4. OBTENER LAS GRÁFICAS FACTORIALES PARA IDENTIFICAR LAS

MEJORES CONDICIONES DE OPERACIÓN
Stat > DOE > Factorial > Factorial Plots
Página 23 de 28
Seleccionar Main effects e Interaction Plots

Setup para ambas: En Response seleccionar Rendimiento
y con >> seleccionar todos los factores OK
Seleccionar Data Means OK
De aquí se seleccionan los mejores niveles de acuerdo al resultado deseado. Si la

interacción es significativa, los mejores niveles se seleccionan de las gráficas de
interacciones, de otra forma se seleccionan de las gráficas de efectos de los
factores principales.
Main Effects Plot for Rendimiento

Data Means
Temp Presion
90.7
90.6
90.5
Mean
90.4
90.3
90.2
200 215 230 150 160 170
Página 24 de 28
Para maximizar el rendimiento se selecciona:
Presión = 170 psig
Temperatura = 215ºC
Interaction Plot for Rendimiento

Data Means
90.9 Temp
200
90.8 215
230
90.7
90.6
90.5
Mean
90.4
90.3
90.2
90.1
90.0
150 160 170

Presion
1. Se está estudiando el rendimiento para un proceso industrial, los dos factores de

interés son temperatura y presión. Se utilizan tres niveles de cada factor, con los
resultados siguientes:
Presión en libras / pulg. 2

Temperatura 250 260 270
20 86.3 84 85.8
86.1 85.2 87.3
40 88.5 87.3 89
89.4 89.9 90.3
60 89.1 90.2 91.3
91.7 93.3 93.7
Temperatura Presion Rendimiento

20 250 86.3
20 260 84
20 270 85.8
40 250 88.5
40 260 87.3
Página 25 de 28
40 270 89
60 250 89.1
60 260 90.2
60 270 91.3
20 250 86.1
20 260 85.2
20 270 87.3
40 250 89.4
40 260 89.9
40 270 90.3
60 250 91.7
60 260 93.3
60 270 93.7
Para un nivel alfa de 0.05
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
e) Obtener las gráficas factoriales e identificar en cuales seleccionar los diferentes

niveles
f) Si se quiere maximizar el rendimiento, ¿en que niveles conviene operar el

proceso?
7. 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:
Contenido de cobre (%)

Temperatura 40 60 80 100
(°C)
50 17, 20 16, 21 24, 22 28, 27
75 12, 9 18, 13 17, 12 27, 31
100 16, 12 18, 21 25, 23 30, 23
125 21, 17 23, 21 23, 22 29, 31
a) A un nivel de significancia del 5% identificar si hay los factores o las

interacciones son significativas
Página 26 de 28

del modelo
d) Obtener las gráficas 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?
8. Los factores que influyen para el esfuerzo a la ruptura de una fibra sintética
están siendo estudiados 4 maquinas de producción y tres operadores son escogidos
y un experimento factorial es realizado y usando la fibra de los mismos lotes de
producción, con los siguientes resultados.
MAQUIINA
OPERADOR A B C D
JUAN 109 110 108 110
110 115 109 108
PEDRO 110 110 111 114

112 111 109 112
JORGE 116 112 114 120
114 115 119 117


del modelo

niveles
e) Si se quiere maximizar la resistencia a la ruptura ¿en que niveles debe operar el

proceso?
9. El porcentaje de la concentración de madera dura en la pulpa bruta, la presión de

la cuba y el tiempo de cocción de la pulpa se investiga en cuanto a sus efectos
sobre la resistencia del papel. Se seleccionan tres niveles de la concentración de
madera dura, tres niveles de la presión y dos tiempos de cocción. Se lleva a cabo un
experimento factorial con dos réplicas, obteniéndose los siguientes datos:
% concentración de Tiempo de cocción 3.0 Tiempo de cocción 4.0

la madera Presión Presión
Página 27 de 28
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

del modelo

niveles
e) Si se quiere maximizar la resistencia del papel ¿en que niveles debe operar el
proceso?
10. Se quiere maximizar el rendimiento de un proceso:
Velocidad de
alimentacion Profundidad de corte
pulg/min 0.15 0.18 0.2 0.25
74 79 82 99
0.2 64 68 88 104
60 73 92 96
92 98 99 104
0.25 86 104 108 110
88 88 95 99
99 104 108 114
0.3 98 99 110 111
102 95 99 107


del modelo

niveles
e) Si se quiere maximizar el rendimiento ¿en que niveles debe operar el proceso?
Página 28 de 28

Ejercicios Fase Mejora GB

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Ejercicios Fase Mejora GB

Cargado por

Copyright:

Formatos disponibles

EJERCICIOS FASE DE MEJORA GB P.

Reyes / Octubre 2007

1. ¿Cuál es el propósito de la fase de mejora?

2. ¿Cuáles son los entregables de la fase de mejora? Dar un ejemplo.

a. Identificación de mejores niveles de operación

b. Generación de alternativas de solución, usar métodos de Creatividad

c. Evaluación de alternativas de solución con diagrama de árbol:

DESCRIPCI ALTERNATIV VENTAJA DESVENTAJ FACTIBILID SELECCIÓ

d. Selección de alternativas de solución

e. Plan 5W-1H para implementación de las soluciones seleccionadas

f. Prueba piloto y Verificación de la efectividad de las soluciones

g. Implementación y documentación de la solución a nivel sistema

3. ¿Qué desventajas se observan cuando se experimenta con un factor a la vez?

4. ¿Qué es el diseño de experimentos?

5. ¿Cuáles son las ventajas que proporciona el diseño de experimentos?

6. ¿Cuáles los diferentes propósitos que puede tener un diseño de experimentos?

7. ¿Cuáles son los pasos principales para la realización de diseños de experimentos?

8. ¿Qué consideraciones deben tomarse en cuenta al planear y desarrollar

9. ¿Cuáles son las implicaciones al realizar experimentos en la empresa?

12. ¿Cuáles son los diferentes métodos experimentales disponibles y cuál es su

Diseño experiemental Aplicación

Fraccional de dos niveles ½ 2K Filtraje de factores significativos – bajo costo

Taguchi Arreglos ortogonales Diseños robustos de productos y procesos

Factorial completo FK Identificación de mejores niveles de operación

Ascenso rápido Ruta hacia el punto de operación óptimo

Diseño central compuesto CCD Identificación del punto óptimo de operación

EVOP diseño evolutivo Experimentación en la producción sin afectarla

Diseños de mezclas Encontrar la mejor mezcla de ingredientes

Diseños óptimos - D Diseños por computadora para reducir costos

13. ¿Qué significan los conceptos siguientes?

14. ¿Qué son las interacciones y cómo se identifican?

15. ¿Qué características tiene un diseño experimental factorial completo?

16. ¿Qué características tiene un diseño experimental factorial de dos niveles?

17. ¿Cómo se obtiene la ecuación de regresión de los resultados del diseño de

18. ¿Cómo se identifican los factores significativos en la tabla ANOVA de los

21. ¿Qué indica la gráfica de superficie de respuesta?

22. ¿Cuál es el propósito de la gráfica de contornos?

24. Dar algunos ejemplos de técnicas de creatividad para la generación de ideas de

25. ¿Qué es el método TRIZ para la solución creativa de problemas?

27. ¿Cuál es el propósito de los métodos de teoría de colas?

28. ¿Cuál es el propósito de los métodos de simulación?

29. ¿Después de cuanto tiempo se recomienda se evalúen los resultados de las

30. ¿Cómo se puede cuantificar estos resultados?

31. ¿Qué formas de reconocimiento a los equipos de proyecto Seis Sigma se

32. ¿Cuáles son las salidas de la fase de mejora?

PROBLEMAS: (Utilizar Minitab 13 para las soluciones)

DISEÑOS DE EXPERIMENTOS FACTORIALES DE DOS NIVELES

Factor Nivel bajo Nivel Alto

Como respuesta se toma la calidad del componente en una escala de 0 a 30 entre

Paso 1. Generar diseño

Stat > DOE > Factorial > Create Factorial Design

Factors: Caudal 8 12 Intensidad 230 240 Vel. 0.6 1

Stat > DOE > Display Design: Coded o Uncoded Units

Paso 2. Introducir los datos en el diseño:

Paso 3. Analizar el diseño

Stat > DOE > Factorial > Analyze Factorial Design

La ecuación del modelo se puede formar a partir de los siguientes coeficientes:

Y = -893.750 + 102.625 Caudal + - 0.425 Caudal*Corriente

Pareto Chart of the Effects

Normal Probability Plot of the Effects

Paso 4. Obtener las gráficas factoriales para seleccionar los

Stat > DOE > Factorial Plots

Seleccionar Main Effects Plot: Setup: Response Y; Pasar Intensidad,

Yest = 23.0550 - 96.24Diametro - 0.372Velocidad +