Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Dise o para Six Sigma
Dise o para Six Sigma
CURSO DE
DISEÑO PARA SEIS SIGMA (DFSS)
Página 1
DISEÑO PARA SEIS SIGMA P. Reyes / Enero 2007
CONTENIDO
6. Diseño Axiomático 71
Página 2
DISEÑO PARA SEIS SIGMA P. Reyes / Enero 2007
Página 3
DISEÑO PARA SEIS SIGMA P. Reyes / Enero 2007
1.1 Introducción
La metodología “Seis Sigma” tradicional denominado DMAIC (definir, medir, analizar,
mejorar, controlar) o “Seis Sigma para la mejora” se enfoca a la solución de problemas o a
su mejora sin un diseño o rediseño completo del sistema. La metodología de “Diseño para
Seis Sigma” (DFSS) se enfoca a hacer las cosas correctas desde la primera vez o sea
que el producto o servicio: (1) Haga las cosas correctas; y (2) Hacer las cosas correctas
todo el tiempo.
Hacer las cosas correctas significa lograr una excelencia absoluta en diseño, ya sea el
diseño del producto, proceso de manufactura, proceso de servicio o proceso de negocio.
Hacer las cosas correctas todo el tiempo significa que no solo debe haber un diseño
superior, sino que el producto o servicio real construido de acuerdo a ese diseño, siempre
haga lo que se supone que debe hacer, con máxima consistencia y mínima variación en
desempeño.
Página 4
DISEÑO PARA SEIS SIGMA P. Reyes / Enero 2007
Página 5
DISEÑO PARA SEIS SIGMA P. Reyes / Enero 2007
Debido a que la calidad es una vía para hacer negocios, debe estar relacionado a un
producto o servicio específico. Para cualquier producto o servicio, su vida incluye, su
creación, desarrollo, uso, y arreglo. Llamamos a todo esto, el ciclo de vida del producto.
Un buen programa de aseguramiento de calidad debería actuar en todas las etapas del
ciclo de vida.
La figura 1.1 muestra un ciclo de vida típico de producto / servicio. Las etapas más
tempranas del ciclo son llamadas normalmente anteriores o “upstream”; las últimas etapas
son llamadas posteriores o “downstream”.
Página 6
DISEÑO PARA SEIS SIGMA P. Reyes / Enero 2007
o parámetros de diseño
Construcción de prototipos
Realizar el diseño del sistema de manufactura
Realizar la validación de diseño
Etapa 5: Producción
Operación del proceso, control y ajuste
Administración de proveedores, partes
Etapa 7. Disposición
Existen varias claves para el éxito en esta fase, incluyendo el tiempo de entrega para
descubrir la posible idea de un nuevo producto o servicio y determinar su viabilidad, el
Página 7
DISEÑO PARA SEIS SIGMA P. Reyes / Enero 2007
El desarrollo del producto / servicio es la segunda etapa. Esta etapa inicia con la fase del
desarrollo del concepto inicial. Involucra la conversión de una o más opciones
Página 8
DISEÑO PARA SEIS SIGMA P. Reyes / Enero 2007
Varios métodos de calidad, tales como el diseño de experimento (DOE por sus siglas en
inglés), método de superficie de respuesta (RSM), diseño axiomático, y TRIZ (teoría
inventiva de solución del problema) son de mucha ayuda en la etapa para el desarrollo del
concepto del producto para realzar la funcionalidad y reducir el costo esperado. Esos
métodos son también de ayuda en el desarrollo del concepto de un producto robusto para
asegurar un producto final que es libre de deficiencias.
La tercera etapa es el diseño/prototipo del producto. En esta etapa, los escenarios del
producto/servicio son modelados y los principios de diseño son aplicados para generar los
requerimientos funcionales exactos detallados, y su implementación actual y diseño de
parámetros. Para el diseño de un producto, el diseño de los parámetros pueden ser
dimensiones, propiedades de material, y especificaciones de partes. Para un diseño de
servicio, el diseño de parámetros podrían ser las especificaciones y composición de la
Organización. El diseño de parámetros deberá proporcionar todo el detalle necesario
para iniciar la construcción o producción. Para el desarrollo de un producto, después del
diseño de producto, se construyen los prototipos para probar y validar el diseño. Si la
prueba resulta no satisfactoria, los diseños son normalmente revisados. Algunas veces,
este ciclo de construcción-prueba-arreglo es repetido hasta que se alcanzan los
resultados satisfactorios.
Además del prototipo físico, la modelación y simulación por computadora también son
utilizados y algunas veces preferidos debido a que son menos costosos y más eficientes
en cuanto a tiempo. Durante esta etapa, el diseño del sistema de manufactura para el
producto también es conducido para asegurar que el producto puede ser fabricado
económicamente.
Página 9
DISEÑO PARA SEIS SIGMA P. Reyes / Enero 2007
Para el aseguramiento de calidad, esta claro que la tarea clave de esta etapa de
diseño/prototipo es formular la serie de diseños de parámetros en orden a dar las
funciones planeadas del producto. Utilizando la terminología del diseño axiomático, el
diseño del producto es un mapeo que va desde el espacio de función hasta el espacio del
diseño del parámetro. Por lo tanto, la tarea clave para la calidad en el diseño es
asegurarse de que el producto diseñado es capaz de dar las funciones del producto
deseadas en su vida de uso. Los métodos de calidad utilizados en esta etapa incluye el
diseño robusto (Método Taguchi), diseño de experimento (DOE), método de superficie de
respuesta (RSM’s), diseño para X, diseño axiomático, TRIZ, y algunos aspectos de
fiabilidad de ingeniería.
Página 10
DISEÑO PARA SEIS SIGMA P. Reyes / Enero 2007
Esta sexta etapa es la consumación del producto/servicio. Durante esta etapa, los
productos son consumidos por los clientes. Esta etapa es realmente la más importante
para el cliente, cuya opinión eventualmente determinará el éxito o fracaso del producto y
nombre de la marca. Cuando los clientes encuentran problemas en la utilización del
producto durante el consumo, tales como, defectos, la garantía y el servicio son
importantes para mantener el producto en uso y el cliente satisfecho.
Página 11
DISEÑO PARA SEIS SIGMA P. Reyes / Enero 2007
Página 12
DISEÑO PARA SEIS SIGMA P. Reyes / Enero 2007
Página 13
DISEÑO PARA SEIS SIGMA P. Reyes / Enero 2007
Página 14
DISEÑO PARA SEIS SIGMA P. Reyes / Enero 2007
2.1 Introducción
La teoría del diseño de Seis Sigma (DFSS por sus siglas en inglés) es definido como la
teoría científica abarcando áreas fundamentales de conocimiento en la forma de
percepciones y entendimientos de diferentes campos, y la relación entre estas áreas
fundamentales. Estas percepciones y relaciones están combinadas para producir
consecuencias en el ente del diseño., la cuales pueden ser, pero no necesariamente,
predicciones de observaciones.
El principal objetivo del DFSS es el “diseñarlo correctamente la primera vez” para evitar
experiencias dolorosas posteriores o “downstream”. El término “Seis Sigma” en el
contexto del DFSS puede ser definido como el nivel al cual las vulnerabilidades del diseño
no son efectivas o mínimas. Generalmente, dos principales vulnerabilidades de diseño
pueden afectar la calidad de la entidad de un diseño.
Página 15
DISEÑO PARA SEIS SIGMA P. Reyes / Enero 2007
- Identificar requerimientos
- Describir el diseño
- Optimizar el diseño
- Verificar el diseño
Utilizaremos la notación ICOV para reducir e indicar las cuatro fases DFSS, abajo
presentada.
DFSS tiene dos áreas: despliegue y aplicación. Por despliegue, quiere decir la estrategia
adoptada por la entidad para seleccionar, extender, y priorizar proyectos para aplicación.
Los proyectos DFSS pueden ponerse en categorías como diseño o rediseño de una
entidad. “Diseño creativo” es el término que estaremos utilizando para indicar un nuevo
diseño, un diseño desde el inicio, y el diseño incremental para el rediseño o diseño desde
un dato del diseño. En el último caso, algunos datos pueden ser utilizados para definir los
requerimientos del diseño. El grado de desviación del rediseño desde el dato es el factor
clave en la decisión de la utilidad de los datos relativos.
Página 16
DISEÑO PARA SEIS SIGMA P. Reyes / Enero 2007
Página 17
DISEÑO PARA SEIS SIGMA P. Reyes / Enero 2007
- Identificar CTSs críticos para la calidad (CTQ por sus siglas en inglés), crítico a la
entrega (CTD por sus siglas en inglés), crítico al costo (CTC por sus siglas en
inglés).
- Cuantificar CTSs
Establecer métricos para CTSs
Establecer niveles aceptables de desempeño y ventanas de
operación
Realizar un despliegue (flowdown) de los CTSs
Los requerimientos del cliente (CTSs) nos da una idea acerca de qué se necesitará para
satisfacer al cliente, pero no pueden ser utilizados directamente como requerimientos para
el diseño del producto/servicio. Necesitamos traducir los requerimientos del cliente a
requerimientos funcionales al producto/proceso. QFD puede ser utilizado para agregar
esta transformación. El principio del diseño axiomático será de mucho ayuda para este
paso.
Página 18
DISEÑO PARA SEIS SIGMA P. Reyes / Enero 2007
- TRIZ
- QFD
- Diseño Axiomático
- Diseño robusto
- Diseño para X
- DFMEA y PFMEA (diseño y análisis de modo – causa de falla de desempeño)
- Revisión de diseño
- CAD/CAE
Página 19
DISEÑO PARA SEIS SIGMA P. Reyes / Enero 2007
- Simulación
- Administración de proceso
El resultado de esta fase es una entidad de diseño optimizada con todos los
requerimientos funcionales liberados al nivel de desempeño Six Sigma. Como el concepto
de diseño es terminado, existen todavía muchos parámetros de diseño que pueden ser
ajustados o cambiados. Con la ayuda del simulador por computadora y/o prueba de
hardware, modelación DOF, métodos de diseño robusto Taguchi, y metodología de
respuesta de superficie, el establecimiento de parámetros óptimos serán determinados.
Usualmente, esta fase de optimización de parámetros, en proyectos de producto DFSS,
serán seguidos por paso de optimización de tolerancia. El objetivo es proporcional una
base lógica y objetiva para el establecimiento de tolerancias de manufactura. Si los
parámetros del diseño no son controlables, lo cual es usualmente el caso de proyectos de
producto DFSS, será necesario repetir las fases 1 a 3 del DFSS para el diseño del
proceso de manufactura.
- Herramientas de diseño/simulación
- Diseño de experimento
- Método Taguchi, diseño de parámetro, diseño de tolerancia
- Diseño basado en la liberación
- Evaluación de robustez
Después que los parámetros y las tolerancias del diseño están completos, se procederá a
la verificación final y la validación de actividades.
Página 20
DISEÑO PARA SEIS SIGMA P. Reyes / Enero 2007
Ningún producto o servicio debería ir directamente al mercado sin antes hacer la prueba
piloto y refinación. Aquí podemos utilizar el análisis de modo y efecto de falla de diseño
(DFMEA) así como el piloto y pequeñas implementaciones a escala para probar y evaluar
el desempeño en la vida real.
En este pase validaremos la nueva entidad para asegurarnos que el resultado final
(producto o servicio) diseñado cumple los requerimientos de diseño y que los controles de
proceso en manufactura y producción son establecidos en orden de asegurar que las
características críticas son siempre producidas para la especificación de la fase de
Optimización (O).
Como la entidad del diseño es validada y el control del proceso es establecido, se lanzará
el despliegue comercial completo y la nueva entidad, junto con los procesos de soporte,
pueden ser sostenidos al diseño y a los dueños del proceso, completar estos
requerimientos estableciendo y controlando sistemas de monitoreo.
Página 21
DISEÑO PARA SEIS SIGMA P. Reyes / Enero 2007
Una aplicación eficiente de DFSS puede ser alcanzada cuando herramientas analíticas
son combinadas con herramientas de diseño basadas en la ciencia tales como el diseño
axiomático (Suh 1990), donde la modelación de la “estructura del diseño” tiene gran
importancia. La estructura del diseño es una serie de interrelaciones que caracterizan los
requerimientos de diseño, parámetros de diseño, y variables de proceso. Dependiendo del
contexto, diferentes formatos para expresar la estructura tales como un bloque de
diagramas, mapeos de proceso, y árboles de función son utilizados, algunos más
populares que otros. Mientras alguno de los modelos está apoyado en el Seis Sigma, con
el enfoque DMAIC, tales como matrices causa-efecto y mapeo de proceso, la necesidad
es más pronunciada en DFSS en particular la fase de caracterización. Tal modelación
revelará como es acoplado el diseño en los requerimientos funcionales (FRs).
Página 22
DISEÑO PARA SEIS SIGMA P. Reyes / Enero 2007
Página 23
DISEÑO PARA SEIS SIGMA P. Reyes / Enero 2007
3.1 Introducción
Una guía general para proyectos Seis Sigma (DFSS) se presenta a continuación:
I – Fase de identificación
Paso 1. Formar un equipo de trabajo
Paso 2. Determinar las expectativas del cliente (QFD fases I y II)
C – Fase de caracterización
Paso 3. Comprender la evolución de FRs (TRIZ)
Paso 4. Generar conceptos (TRIZ, Pugh)
Paso 4.1 Analizar y establecer conceptos
Paso 5. Seleccionar el mejor concepto (Pugh)
Paso 6. Finalizar la estructura funcional del concepto seleccionado (Diseño axiomático)
Paso 6.1 Realizar mapeos (Diseño axiomático)
O – Fase de optimización
Paso 6.2 No acoplar o desacoplar conceptos seleccionados
Paso 6.3 Simplificar diseño usando axioma 2
Paso 7. Iniciar tablero de proyecto de diseño y desarrollo de Función de Transferencia
Paso 8. Evaluar riesgos (FMEA/PFMEA)
Paso 9. Organizar las Funciones de Transferencia (DOE, analítico)
Paso 10. Diseño para X
Paso 11. Finalizar el establecimiento de tolerancias (Diseño de tolerancias)
V – Fase de validación
Paso 12. Diseño del piloto / prototipo
Paso 13. Validación del diseño (Productos / Servicios o Procesos)
Paso 14. Lanzamiento de producción normal
Paso 15. Celebrar el éxito de la finalización
Página 24
DISEÑO PARA SEIS SIGMA P. Reyes / Enero 2007
Se trata de comprender los deseos y necesidades del cliente, lo que lo deleita, y perfiles
de uso, condiciones de operación y aspectos ambientales. Todo esto se coloca en los
QUE’s de la casa de la calidad del QFD.
Se deben identificar los atributos de satisfacción del cliente. Atributos son los beneficios
potenciales que el consumidor puede recibir del diseño y se caracterizan por ser
cuantitativos y cualitativos. El siguiente modelo de Robert Klein, sugiere la medición de la
importancia de las necesidades clave de los clientes por un método directo y por otro
método indirecto infiriendo infiriéndola de otros datos.
Página 25
DISEÑO PARA SEIS SIGMA P. Reyes / Enero 2007
Calidad excitante
Deleitadores
Grado de logro de CTSs
Modelo Kano
Página 26
DISEÑO PARA SEIS SIGMA P. Reyes / Enero 2007
Realizar la fase 1 del QFD mapeando los atributos del cliente a requerimientos
críticos para la satisfacción (CTSs).
Realizar la fase 2 del QFD mapeando CTSs a requerimientos funcionales (FRs).
Realizar un mapeo en zigzag de diseño axiomático entre los parámetros de diseño
(DPs) y las variables del proceso (PVs) .
Realizar mapeo en zigzag de diseño axiomático entre los parámetros de diseño y
las variables de proceso (PVs) .
Se definen las especificaciones funcionales FRs y sus variaciones permitidas. Para lo cual
se utiliza información histórica, benchmarking competitivo, tendencias, perfiles de usuario,
y pruebas. Se reconocen dos estructuras:
La estructura física entre los requerimientos funcionales (FRs) y los parámetros de
diseño (DPs).
La estructura de proceso entre los DPs y las variables de proceso (PVs).
Página 27
DISEÑO PARA SEIS SIGMA P. Reyes / Enero 2007
asegurar que la gerencia esté enterada de los avances antes de aprobar las siguientes
fases del proyecto.
Desempeño
Declinación
Madura
Intermedio
Invención
Tiempo
La evolución de la curva S
Esta evolución de la tecnología debe ser tomada en cuenta para comparar el diseño
genérico de las entidades.
Página 28
DISEÑO PARA SEIS SIGMA P. Reyes / Enero 2007
Los mecanismos clave para llegar a los mejores conceptos de diseño o entidades de
solución son (1) diseño axiomático, (2) metodología TRIZ y (3) método de convergencia
controlada del Dr. Stuart Pugh (1991) como parte de este proceso de solución.
Concepto inicial
Concepto reducido
Reducción
Adición
Concepto seleccionado
Página 29
DISEÑO PARA SEIS SIGMA P. Reyes / Enero 2007
Página 30
DISEÑO PARA SEIS SIGMA P. Reyes / Enero 2007
Un diseño débil tiene limitaciones para su ambiente de uso. Las DPs deben ser
seleccionadas de manera de tener conceptos no acoplados o al menos con acoplamiento
débil. El DFMEA es una herramienta que puede apoyar a la identificación de
vulnerabilidades de diseño como causas de falla.
Página 31
DISEÑO PARA SEIS SIGMA P. Reyes / Enero 2007
Acoplamiento
Para realizar el mapeo se usa el proceso de zigzagueo del diseño axiomático. El propósito
principal de su uso es establecer el conjunto mínimo de funciones que cubran los atributos
del cliente, corporativos, y reglamentarios. Es necesario discutir y comparar varias
soluciones para los requerimientos funcionales identificados en la estructura física así
como los métodos para combinarlos y formar una estructura física.
Para desacoplar y simplificar las estructuras, se hacen mapeos entre los cuatro dominios.
El primer mapeo se hace entre los atributos del cliente y las métricas Críticas para la
satisfacción (CTSs). El segundo mapeo se hace entre los CTSs y los requerimientos
funcionales FRs, hasta obtener un conjunto mínimo de requerimientos de alto nivel para
lograr el valor del diseño desde el punto de vista del cliente. Después se hace el mapeo
físico, con dominio en FRs y codominio en parámetros de diseño DPs, su estructura
puede representarse matemáticamente por matrices de diseño o gráficamente por
diagramas de bloque. La colección de matrices de diseño forman la estructuira
Página 32
DISEÑO PARA SEIS SIGMA P. Reyes / Enero 2007
Y=f(x) Y=f(x)
Mapeo físico Mapeo de proceso
Cuando una matriz es cuadrada, donde el número de FRs es igual al número de DPs y
diagonal, el diseño se denomina independiente o desacoplado. Un diseño desacoplado es
un mapeo uno a uno. Se tiene robustez ya que las DPs se pueden cambiar para afectar el
requerimiento intencionado sin reajuste de otro requerimiento no intencionado.
Página 33
DISEÑO PARA SEIS SIGMA P. Reyes / Enero 2007
la estructura, esto puede apoyarse con el diseño axiomático en sus teoremas y corolarios,
de esta forma pueden alcanzarse los objetivos de Seis Sigma.
Debe haber una función de transferencia para cada requerimiento funcional, para cada
variable de proceso, y al final para cada CTS y atributo del cliente. {FRs} = |A| |DPs| y
{DPs} = |A| |PVs|. Las variables dependientes en las funciones de transferencia se
optimizan ya sea moviendo sus medias, reduciendo su variación o ambas. Esto se logra
ajustando su mapeo a media y varianza en variables independientes. La optimización se
propaga al dominio del cliente a través de las otras funciones de transferencia en el
mapeo de diseño incrementado la satisfacción del cliente.
Los documentos del tablero de diseño registran y evalúan cuantitativamente el avance del
diseño, registran el proceso de aprendizaje y muestran todos los elementos críticos y de
desempeño de un diseño (CTSs, DPs, y PVs). Muestran brechas de mejora respecto a los
atributos del cliente, documentan las funciones de transferencia y la optimización del
diseño, pronosticando los resultados finales, facilitando la comunicación entre las áreas
Página 34
DISEÑO PARA SEIS SIGMA P. Reyes / Enero 2007
impactadas por el proyecto, y evalúan que tanto es soportado el diseño en los procesos
de producción a niveles de componentes y subensambles.
Página 35
DISEÑO PARA SEIS SIGMA P. Reyes / Enero 2007
Las entradas del arreglo de factores de señal son ejercidas por el cliente para excitar el
sistema causando que las DPs entreguen las FRs en la estructura física o las PVs para
desarrollar las DPs en la estructura del proceso.
M1 FR1
Proyecto DFSS
Señales M2 FR2
Mn FRn
………………….
DP1 DP2 DPp
Entradas controlables
Diagrama - P
Página 36
DISEÑO PARA SEIS SIGMA P. Reyes / Enero 2007
Los factores de ruido causan que la respuesta se desvíe del objetivo intencionado,
especificado por el valor del factor de señal. Se tienen tres tipos de ruido:
Variación entre unidades (manufactura/producción o proveedor).
Fuentes externas (uso, ambiente y variación por el esfuerzo.
Fuentes de Deterioración (desgaste) tal como fatiga de materiales, envejecimiento
y desgaste, abrasión, y en general los efectos generales de uso en el tiempo.
Los factores de ruido afectan las FRs en diferentes segmentos del ciclo de vida, como
resultado pueden causar reducción significativa de robustez y confiabilidad.
Página 37
DISEÑO PARA SEIS SIGMA P. Reyes / Enero 2007
El Diseño para ambiente DFE atiende aspectos ambientales en todas las etapas del
diseño, así como postproducción, transporte, mantenimiento y reparación. El propósito es
minimizar el impacto ambiental.
Página 38
DISEÑO PARA SEIS SIGMA P. Reyes / Enero 2007
Página 39
DISEÑO PARA SEIS SIGMA P. Reyes / Enero 2007
produciendo un diseño que cumple con las FRs resultantes de los atributos del cliente.
Una verificación funcional por el cliente y el equipo también son recomendadas.
Para lograr lo anterior, deben estar listas y disponibles en los lugares de trabajo, las
instrucciones de proceso, ayudas visuales para operadores, planes de control, planes de
reacción. Los expertos del diseño deben estar disponibles y deben transferir sus
conocimientos al personal operativo.
El personal de calidad debe estar disponibles para la realización de estudios R&R para
asegurar un error menor al 10% o entre 10 a 30% para características no críticas.
La administración del riesgo se refiere a visualizar otros escenarios del futuro y tener los
planes respectivos para aceptarlos (bajo riesgo), mitigarlos, prevenirlos o enviarlos a
terceros. El propósito de la administración de riesgos es reducir las pérdidas potenciales,
a través de reducir la probabilidad y magnitud de péridas (incertidumbre), y recuperación
de esas pérdidas. Se usa el FMEA como herramienta para los riesgos.
Página 40
DISEÑO PARA SEIS SIGMA P. Reyes / Enero 2007
Página 41
DISEÑO PARA SEIS SIGMA P. Reyes / Enero 2007
Página 42
DISEÑO PARA SEIS SIGMA P. Reyes / Enero 2007
Árbol levas
Válvula Válvula
Continua…….
Diagrama P
El diagrama P de un diaseño robusto representa todos los elementos de la actividad de
síntesis de DFSS. Los componentes del Diagrama P son:
Señal (M): es la traducción de la intención del cliente para términos técnicos
medibles. Se puede categorizar en energía, información o material.
Respuesta (Y): es la traducción de los resultados percibidos por el cliente dentro
de requerimientos funcionales medibles (FRs) o parámetros de diseño (DPs). Un
FR(DP) puede ser categorizado como energía, información o material.
Parámetros de diseño (DPs): DPs son las características inherentes a un
producto o proceso específico especificadas por el equipo.
Factores de ruido (N): los factores de ruido impactan el desempeño de un
producto o proceso pero ya sea que no se controlen o su control sea muy caro. Su
propósito principal es crear variabilidad en la respuesta, se pueden categorizar en:
variación de pieza a pieza (o servicio a servicio); acoplamiento con otros
componentes, subsistemas o sistemas; uso por el cliente; factores ambientales; y
degradación.
Página 43
DISEÑO PARA SEIS SIGMA P. Reyes / Enero 2007
DPs (PVs)
Diagrama P
FR
La función ideal
1. Síntesis en serie pura. Una entidad funcional de bajo nivel recibe su señal de otra
entidad de mayor nivel. Sean f1, f2 y f3 tres mapeos físicos de FRs a F o sea:
Página 44
DISEÑO PARA SEIS SIGMA P. Reyes / Enero 2007
'
1 2 3 M 1
1 2 A11 DP1
{FR3}
3A22 DP2
A33 DP3
Aii FRi / DPi
Parámetros de Diseño
DP1 DP2 DP3
Síntesis en serie
Una síntesis acoplada resulta cuando dos o más FRs comparten al menos una DP. El
acoplamiento ocurre debido a que los parámetros de diseño m(p = 2, m = 3). Note que la
matriz de diseño no es ideal y que la resolución de acoplamiento requiere agregar otro DP.
Página 45
DISEÑO PARA SEIS SIGMA P. Reyes / Enero 2007
FR1 3A1 0
M1 DP1
FR2 31 32 3A21 0 Er or
FR3 0 0 M 2 DP 2
. … Parámetros de Diseño
DP1 DP2 DP3
Pasos de la síntesis
1. Obtener las FRs de alto nivel de la fase 2 del QFD.
2. Definir los límites del sistema del alcance del proyecto.
3. Realizar el método de Zigzagueo al nivel estructural más bajo e identificar la
función de transferencia en cada nivel. El nivel inferior representa los parámetros
de diseño (DPs) o variables de Proceso (PVs).
4. Defini8r los niveles jerárquicos de mapeo de diseño.
Página 46
DISEÑO PARA SEIS SIGMA P. Reyes / Enero 2007
5. Dentro de cada nivel para cada mapeo y para cada FR, clasificar los mapeos a
DPs como: Señal M, y si es energía, información o material; Otros DPs y si son
energía, información o material.
6. Graficar la función idela FR = f(M) en as DPs constantes y ausencia de factores de
ruido.
7. Graficar el diagrama P para cada FR usando paso 5.
8. Agregar factores de ruido al diagrama P, estos factores son no controlables que
inhiben o afectan el desarrollo de la FR y generan modos de falla suaves y duros.
Los factores de ruido son por ejemplo: desgaste con el tiempo; uso del cliente;
efectos del ambiente; etc.
9. Agregar las cadenas de diagramas P en cada nivel jerárquico dentro de una
estructura general utilizando las relaciones de precedencia.
El conjunto de funciones de transferencia de un diseño dado son los medios para atender
la satisfacción del cliente y pueden ser identificadas inicialmente por el método de
zigzagueo. Una función de transferencia es una relación que incluye el enlace de mapeo,
función ideal, y el efecto de los factores no controlables. Pueden ser derivadas
matemáticamente, obtenidas empíricamente de un diseño de experimentos o regresión
con datos históricos. En algunas ocasiones se recurre al modelaje por simulación.
Página 47
DISEÑO PARA SEIS SIGMA P. Reyes / Enero 2007
DFMEA
1. Identificación: se obtiene por medio del zigzagueo entre los dominios del diseño.
2. Desacoplamiento: realizado al reparar, agregar, reemplazar, y restar alguna de
las variables independientes en el codominio para satisfacer los axiomas de
diseño.
3. Detallado: se logra encontrando la relación causa efecto, entre todas las variables
después del desacoplamiento. Incluye la validación de las realciones supuestas y
las sensibilidades de todas las variables independientes.
4. Optimización: después del detallado, las variables dependientes en las funciones
de transferencia se optimizan ajustando la media, reduciendo la variación o ámbas
en la fase de optimización de la metodología DFSS. Se puede lograr ajustando su
mapeo a las medias y varianzas de las variables independientes.
5. Validación: la función de transferencia es validada en las ambas estructuras.
6. Mantenimiento: se logra al controlar todas las variables independientes, después
la optimización ya sea en casa o externamente.
7. Disposición: Las funciones de transferencia se disponen cada vez que se cambia
haciua un nivel mayor. Si surge una nueva necesidad ya sea producto de una
innovación o cambio en necesidades, se hace una evolución de una nueva función
de transferencia para cubrir esa nueva necesidad.
8. Evolución de una nueva función de transferencia: Normalmente3 se siguen
algunos patrones de desarrollo. La tendencia evolutiva del nivel de desempeño de
las FRs de un cierto diseño pueden ser graficadas observando que muestran una
forma de S.
Página 48
DISEÑO PARA SEIS SIGMA P. Reyes / Enero 2007
Una vez documentado el nivel jerárquico y el alcance del tablero en términos del mapeo
del diseño, el equipo necesita llenar el tablero con los siguientes datos:
Página 49
DISEÑO PARA SEIS SIGMA P. Reyes / Enero 2007
Página 50
DISEÑO PARA SEIS SIGMA P. Reyes / Enero 2007
0. El axioma 1 mide que incluir en mapeo del tipo de diseño en la estructura atendida
en el tablero, reangularidad, estimada usando la fórmua entre procesos y
semiangularidad. Ambas miden de manera estimada el grado de satisfacción con
el axioma 1, en particular cuando existen sensibilidades no lineales.
Página 51
DISEÑO PARA SEIS SIGMA P. Reyes / Enero 2007
DP1
FR1 A1 0 0 1 0 DP2
FR2 0 A2 0 0 2DP3Er or
FR3 0 0 A3 1 3 23M1
M2
A1 0 0 DP1 1 0
0 A2 0 DP2 0 2 M1 Er
M2
0 0 A3 DP3 1 3 23
M3 FR1FR2
Página 52
DISEÑO PARA SEIS SIGMA P. Reyes / Enero 2007
1. Listar todas las FRs dentro del alcance del tablero representadas por las funciones
de transferencia y mapeos de diseño.
2. Las unidades usadas por las FRs; se esperan FRs medibles y continuas.
3. La distribución de cada una de las FR se documenta. Por “normal” es una
suposición segura del teorema del límite central cuando el número de (P+K+L) es
mayor a 5.
4. La ecuación de cada función de transferencia por cada FR se anota en esta
columna. El equipo puede usar la columna 20 y la matriz de sensibilidad en la
columna 19.
5. El tipo de FR de acuerdo al diseño robusto se documenta para indicar la dirección
de la optimización. El diseño robusto requiere de una de cuatro clasificaciones de
respuestas de Taguchi: Menor es mejor (como el caso de la vibración); mayor es
mejor (como la resitencia); nominal es mejor; y dinámico (donde el desempeño
funcional relacionado con la energía sobre un rango dinámico prescrito de uso es
la perspectiva).
6. La función de pérdida del diseño robusto proporciona una mejor estimación de la
`pérdida monetaria incurrida cuando se desvìa una FR de valor objetivo meta T. La
función de périda es una forma de traducir la variación respecto a la meta a valor
monetario. Permite encontrar los límites funcionales en los cuales el diseño fallará,
produciendo aplicaciones inaceptables en el 50% de las aplicaciones del cliente.
E L( FR, T ) K FR
2
( FR T ) 2
Para el caso menor es mejor se tiene:
2
E L( FR, T ) K FR FR
2
Para el caso mayor es mejor se tiene:
1 3
E L( FR, T ) K `2FR
FR FR
2 4
Página 53
DISEÑO PARA SEIS SIGMA P. Reyes / Enero 2007
2
P L K
FR 2
FR2 j
x
j 1
i
x
Donde X son todas las variables que afectan a la FR (señal, DPs y ruido) y L es el número
de factores de ruido.
2
P LK
FR
FR j
x
j 1
i
x
E L( FR , T ) K K ( M T ) 2 g ( M ) dM
h( FRi ) ln 2e FR
2
Mi Mi
h(Tablero ) h( FRi ) ln 2e FR
2
i 1 i 1
Página 54
DISEÑO PARA SEIS SIGMA P. Reyes / Enero 2007
N
h(estruct ) h(Tablero )
n 1
Página 55
DISEÑO PARA SEIS SIGMA P. Reyes / Enero 2007
Página 56
DISEÑO PARA SEIS SIGMA P. Reyes / Enero 2007
Parámetros
de diseño
Sistema
Entrada Salida
Estados de error
Factores de
ruido
Página 57
DISEÑO PARA SEIS SIGMA P. Reyes / Enero 2007
Página 58
DISEÑO PARA SEIS SIGMA P. Reyes / Enero 2007
Página 59
DISEÑO PARA SEIS SIGMA P. Reyes / Enero 2007
5.1 Introducción
El despliegue de la función de la calidad: Quality Function Deployment (QFD), es
relacionado comúnmente con “la voz de los clientes”, o con “la casa de la calidad”.
QFD es un proceso que asegura que los deseos y las necesidades de los clientes
sean traducidas en características técnicas. Estas características son manejadas
por la compañía mediante la función del diseño, o mejor aún, a través de un
equipo multifucional que incluye ventas, marketing, Ingeniería de diseño,
Ingeniería de manufactura y operaciones. El principal objetivo de las funciones
realizadas es centrar el producto o servicio en la satisfacción de los requerimientos
del cliente. QFD es una valiosa herramienta que puede ser utilizada por toda la
compañía. Su flexibilidad y adaptabilidad permite un buen desempeño en las
industrias manufactureras y de servicios.
Beneficios
Menor Tiempo de desarrollo desde el concepto hasta el arranque de
producción.
Página 60
DISEÑO PARA SEIS SIGMA P. Reyes / Enero 2007
Procedimiento general:
1. Definición del objetivo del análisis: a partir del cual se busca identificar los
atributos del producto requeridos por los clientes, así como sus
características técnicas, para después relacionar ambos en una matriz.
Página 61
DISEÑO PARA SEIS SIGMA P. Reyes / Enero 2007
NIVEL DE PARTES
NIVEL DE
PROCESO
Página 62
DISEÑO PARA SEIS SIGMA P. Reyes / Enero 2007
Correlaciones
Técnicas
Características de diseño
Desempeño de la competencia.
del producto
Relación de mejoramiento
Desempeño actual
Peso normalizado
Peso Ponderado
punto de venta
Relaciones
Necesidades
del cliente
Meta
del cliente y las caract.
de diseño del producto
Prioridades
Página 63
DISEÑO PARA SEIS SIGMA P. Reyes / Enero 2007
Página 64
DISEÑO PARA SEIS SIGMA P. Reyes / Enero 2007
–Café caliente
–Buena apariencia
–Rico sabor
–Buen aroma
–Bajo precio
–Cantidad suficiente
–Se mantiene caliente
Etc.
Paso 2: Llenado de la Matriz de Planeación .Se consideran varios factores para
cada necesidad del cliente, para identificar las más importantes.
Página 65
DISEÑO PARA SEIS SIGMA P. Reyes / Enero 2007
Importancia absoluta:
Cada necesidad del cliente es jerarquizada en una escala de 1 a 5 (5 es lo más
importante).
Ventaja: se tiene un buen rango de valores.
Desventajas: sólo cinco jerarquías disponibles
Importancia ponderada:
Cada necesidad del cliente es jerarquizada ya sea en 1, 3 ó 9.
Ventaja: las jerarquías son ponderadas.
Desventaja: se tienen solo tres jerarquías disponibles
Importancia relativa:
Cada necesidad del cliente es jerarquizada de 1 a 10.
Ventaja: Varias jerarquías diferentes para las necesidades.
Desventaja: Tiende a desviarse hacia un lado de la escala (e.i. rangos de 4 a 8).
Importancia ordinal:
Jerarquizada por orden de importancia (si hay 15 necesidades del cliente, usar 1
al 15,siendo 15 la más importante)
Ventaja: Fuerza las diferentes jerarquías para cada necesidad.
Desventaja: no toma en cuenta las necesidades que son de igual importancia
Página 66
DISEÑO PARA SEIS SIGMA P. Reyes / Enero 2007
META
RELACION DE MEJORAMIENTO
DESEMPEÑO ACTUAL
Página 67
DISEÑO PARA SEIS SIGMA P. Reyes / Enero 2007
PESO PONDERADO :
PESO NORMALIZADO:
peso ponderado
peso normalizado
suma de pesos ponderados individuales
Página 68
DISEÑO PARA SEIS SIGMA P. Reyes / Enero 2007
Correlaciones
Técnicas
Características de
diseño del producto
Desempeño de la competencia
Relación de mejoramiento
Importancia del cliente
Peso normalizado
Relaciones
Necesidades
Peso ponderado
punto de venta
del cliente
Meta
del cliente y los req.
del sistema
Prioridades
Determinando las características de diseño
Proactiva ¿se puede medir antes de que el producto final sea entregado?
Práctica ¿su medición es fácil, rápida y económica?
3. Consolidar características haciendo la lista lo más pequeña y completa
posible.
4. Considerando las ideas restantes, se plantea “Si logramos obtener estas
características con límites adecuados, ¿quedará satisfecho el cliente?
Página 69
DISEÑO PARA SEIS SIGMA P. Reyes / Enero 2007
Página 70
DISEÑO PARA SEIS SIGMA P. Reyes / Enero 2007
Cómo Correlaciones
se satisfacen Técnicas
y cubren las Características de
necesidades diseño del producto
Desempeño de la competencia
del cliente
Relación de mejoramiento
Importancia del cliente
Peso normalizado
Desempeño actual
Relaciones
Peso ponderado
Necesidades
punto de venta
del cliente
Meta
del cliente y los req.
del sistema
Prioridades
Dirección de
Mejoramiento
Correlaciones
Técnicas
Características de diseño
del producto
Desempeño de la competencia.
Relación de mejoramiento
Desempeño actual
Peso normalizado
Peso Ponderado
punto de venta
Relaciones
Necesidades
del cliente
Prio ridades
Relaciones:
Página 71
DISEÑO PARA SEIS SIGMA P. Reyes / Enero 2007
9 = Relación fuerte
3 = Relación moderada
Correlaciones
Técnicas
Características de diseño
Desempeño de la competencia.
del producto
Dificultad para lograr la meta
Importancia para el cliente
Relación de mejoramiento
Desempeño actual
Peso normalizado
Necesidades
Relaciones
Peso Ponderado
punto de venta
del cliente
Números de Prioridad
% Relativo de Núm. de Prioridad
Página 72
DISEÑO PARA SEIS SIGMA P. Reyes / Enero 2007
Correlaciones
Técnicas
Características de diseño
Desempeño de la competencia.
del producto
Relación de mejoramiento
Desempeño actual
Peso normalizado
Necesidades
Relaciones
Peso Ponderado
punto de venta
del cliente
Números de Prioridad
% Relativo Nums. De Prioridad
Especs. de la empresa
Especs. de la competencia
Meta de la empresa
Página 73
DISEÑO PARA SEIS SIGMA P. Reyes / Enero 2007
CORRELACIONES TÉCNICAS:
sin relación.
Página 74
DISEÑO PARA SEIS SIGMA P. Reyes / Enero 2007
6. Diseño axiomático
Página 75
DISEÑO PARA SEIS SIGMA P. Reyes / Enero 2007
6. DISEÑO AXIOMÁTICO
6.1 Introducción
El diseño axiomático es un principio general para análisis y síntesis de diseño
desarrollado por el profesor Nam P. Suh del MIT para mejorar las actividades de
diseño, proporciona una base teórica para basada en la lógica y el raciocinio a
través de herramientas y procesos, minimiza el proceso de prueba y error, reduce
el tiempo de ciclo de desarrollo y mejora la calidad y la confiabilidad.
Página 76
DISEÑO PARA SEIS SIGMA P. Reyes / Enero 2007
El Axioma de independencia:
El proceso de diseño involucra tres mapeos entre cuatro dominios:
Página 77
DISEÑO PARA SEIS SIGMA P. Reyes / Enero 2007
Mapeo físico entre FRs y DPs se puede hacer con un QFD. Una vez que se
han definido un conjunto mínimo de FRs y CTSs se puede hacer el mpeo
físico.
Mapeo de proceso involucra el dominio DPs y las variables de proceso DVs
de manufactura y producción.
CTSs
FRs DPs PVs
De acuerdo al axioma 1 el caso ideal es tener un mapeo uno a uno de manera que
una X específica pueda ser ajustada para satisfacer a su correspondiente Y sin
afectar a otros requerimientos, es decir evitar vulnerabilidades. El acoplamiento
ocurre cuando un concepto no incluye ciertos parámetros de diseño o no cumple
sus restricciones. Por medio del proceso de Zigzagueo, el equipo identifica las
restricciones de diseño. A veces se confunden con requerimientos funcionales
(FRs). Los requerimientos funcionales representan lo que un diseño hace; se
realcionan con el desempeño y pueden ser especificados con cierta tolerancia.
Los aspectos tales como costo, confiabilidad, e impacto ambiental no mieden la
función directamente y no pueden ser relacionados a una DP particular, por tanto
representan restricciones. Una restricción es una propiedad del diseño, no algo
que hace el diseño.
Página 78
DISEÑO PARA SEIS SIGMA P. Reyes / Enero 2007
Diseño desacoplado
En casos de haber matrices de coeficientes (A’s) triangulares superiores o
inferiores, se tienen diseños desacoplados lo que no es ideal pero tiende a tender
independencia en control.
Página 79
DISEÑO PARA SEIS SIGMA P. Reyes / Enero 2007
Página 80
DISEÑO PARA SEIS SIGMA P. Reyes / Enero 2007
Proceso de
Zig
CTSs FRs DPs PVs
Zag
Página 81
DISEÑO PARA SEIS SIGMA P. Reyes / Enero 2007
Página 82
DISEÑO PARA SEIS SIGMA P. Reyes / Enero 2007
Página 83
DISEÑO PARA SEIS SIGMA P. Reyes / Enero 2007
Página 84
DISEÑO PARA SEIS SIGMA P. Reyes / Enero 2007
7.1 Introducción
TRIZ (Teoriya Reseñilla Izobreatatelskikh Zadatch) es la teoría de solución
inventiva de problemas desarrollada en la unión soviética a finales de los años
1040’s. Genrich S. Altshuller creador de TRIZ, seleccionó 40,000 de 200,000
resúmenes de patentes de la URSS, separándolos en cinco niveles de
inventividad desde el 1 como más bajo hasta el 5 como más alto. Encontró que al
menos contenían una contradicción (una situación en la cual al tratar de mejorar
una característica del sistema va en detrimento de otra. De esta manera el nivel de
invención frecuentemente depende de que tan bien se resuelva la contradicción.
Página 85
DISEÑO PARA SEIS SIGMA P. Reyes / Enero 2007
intentos. Por ejemplo el reemplazo de una transmisión manual por una transmisión
automática. Implica el conocimiento de la tecnología integral para otras industrias
pero no muy conocida en la industria en la cual se desarrolla la invención. La
invención está fuera del rango de ideas y principios aceptados en la industria
objetivo.
7.2 TRIZ
Es una forma de pensar para lograr excelencia en diseño e innovación. Sus principios
filosóficos son los siguientes:
Página 86
DISEÑO PARA SEIS SIGMA P. Reyes / Enero 2007
Las funciones de soporte, soportan a las otras funciones. Se tienen dos clases de
funciones de soporte: funciones de asistencia y funciones de corrección.
Página 87
DISEÑO PARA SEIS SIGMA P. Reyes / Enero 2007
Las funciones dañinas son los efectos negativos causados por las funciones útiles. Por
ejemplo un motor no solo genera ruido sino también calor y contaminación, ambos efectos
dañinos.
Una función puede ser descrita por tres elementos: Sujeto o fuente de acción, verbo o
acción (campo mecánico, eléctrica o química) y un objeto o receptor de la acción. Por
ejemplo::
S1 S2
Página 88
DISEÑO PARA SEIS SIGMA P. Reyes / Enero 2007
Recursos
Maximizar los recursos es una prioridad en TRIZ, los recursos se pueden segmentar en
las categorías siguientes:
1. Recursos de substancia
Materias primas y productos
Desperdicio
Productos secundarios
Substancias alteradas por el sistema
Substancias dañinas por el sistema
2. Recursos de campos
Energía en el sistema
Energía del medio ambiente
Energía/campo formado de plataformas actuales de energía
Energía(campo que puede ser derivado del desperdicio del sistema
3. Recursos de espacio
Espcaio vacío
Espacio en interfases de diferentes sistemas
Espacio creado por arreglos verticales
Espacio creado por espacios anidados
Espacio creado por reacomodo de elementos existentes
4. Recursos de tiempo
Periodo previo a la tarea
Espacio de tiempo creado por programación eficiente
Espacio creado por operación paralela
Periodo posterior a la tarea
Página 89
DISEÑO PARA SEIS SIGMA P. Reyes / Enero 2007
6. Recursos funcionales
Funciones principales actuales del sistema no utilizadas o subutilizadas
Funciones secundarias actuales del sistema no utilizadas o subutilizadas
Funciones dañinas actuales del sistema no utilizadas o subutilizadas
En TRIZ es mejor buscar recursos baratos, disponibles, abundantes, más que caros,
difíciles de usar y escasos.
Idealidad
Es una medida de la excelencia, en TRIZ se define como:
Se busca un valor alto de la razón, un nuevo sistema se comparará con el anterior con
base a este indicador.
Contradicción
En TRIZ un problema puede ser expresado como una contradicción técnica o una
contradicción física.
Una contradicción física es una situación en la cual un sujeto o un objeto tiene que estar
en dos estados físicos mutuamente exclusivos. Tiene el patrón típico siguiente: para
realizar la función F1, el elemento debe tener la propiedad P, pero para realizar la función
Página 90
DISEÑO PARA SEIS SIGMA P. Reyes / Enero 2007
F2, debe haber tenido la propiedad –P, o lo opuesto de P. Por ejemplo: un coche no debe
pesar (P) para tener economía de combustible (F1), pero debe tener peso (-P) para ser
estable en su manejo (F2).
7.3 Proceso de solución de problemas de TRIZ
TRIZ tiene cuatro procesos de solución de problemas:
(1) definición del problema
(2) Clasificación y selección de herramientas
(3) Solución del problema
(4) Evaluación de la solución
Página 91
DISEÑO PARA SEIS SIGMA P. Reyes / Enero 2007
Ejemplo: Para el sellado de una ampolleta, la flama se aplica al cuello para fundir el
vidrio, sin embargo el calor puede calentar la droga de la ampolleta y descomponerla.
Página 92
DISEÑO PARA SEIS SIGMA P. Reyes / Enero 2007
Paso 2. Identificar la contradicción física, se presenta cuando una acción útil y una
acción dañina coexisten en el mismo objeto. En este caso la acción útil “calentar y
sellar la ampolleta” y la acción dañina “calentar y descomponer la droga” coexisten
en la ampolleta, por tanto la contradicción física es:
o Las ampolletas necesitan ser calentadas para ser fundidas y selladas.
o Las ampolletas no debe ser calentadas, o la droga puede ser
descompuesta.
Paso 3. Identificar las zonas de conflicto. Hay dos zonas de conflicto, espacial y
temporal.
o Propiedad de localización: solo debe calentarse la nariz de la ampolleta.
o Propiedad temporal: las acciones útil y dañina suceden al mismo tiempo.
Separación en espacio: esto significa que una parte del objeto tiene una propiedad
P mientras que otra parte tiene la propiedad – P, haciendo la separación se puede
resolver la contradicción de física. En el ejemplo, la contradicción se resuelve si se
puede mantener la nariz de la ampolleta caliente y el cuerpo de la ampolleta frío.
Página 93
DISEÑO PARA SEIS SIGMA P. Reyes / Enero 2007
Los 40 principios y la tabla proporcionan guía para problemas que no son familiares o
nuevos y cuya solución no es tan directa aplicando los conocimientos y experiencia.
Página 94
DISEÑO PARA SEIS SIGMA P. Reyes / Enero 2007
1. Segmentación (fragmentación)
Dividir un objeto en partes independientes.
Hacer un objeto fácil de desensamblar.
Incrementar el grado de fragmentación de un objeto.
2. Separación (colocar fuera, extraer), separar una parte o propiedad “que interfiera”
de un objeto o separar sólo la parte necesaria o propiedad del objeto.
3. Calidad local
Cambiar la estructura del objeto de uniforme a no uniforme, o cambiar un ambiente
externo (o influencia externa) de uniforme a no uniforme.
Hacer que la función de cada parte del objeto sea más adecuada para su
operación.
Hacer que cada parte de un objeto realice diferentes funciones útiles.
5. Combinación (consolidación)
Combinar o reunir objetos similares; ensamblar partes similares o idénticas para
realizar operaciones paralelas.
Hacer operaciones contiguas o paralelas, realizándolas al mismo tiempo.
Página 95
DISEÑO PARA SEIS SIGMA P. Reyes / Enero 2007
Página 96
DISEÑO PARA SEIS SIGMA P. Reyes / Enero 2007
Página 97
DISEÑO PARA SEIS SIGMA P. Reyes / Enero 2007
23. Retroalimentación
Introducir retroalimentación (chequeo cruzado) para mejorar un proceso o acción.
Si ya se usa la retroalimentación, cambiar su magnitud e influencia.
25. Autoservicio
Hacer que un objeto se pueda servir por si mismo realizando funciones auxiliares
de apoyo.
Usar desperdicio de recursos, energía o sustancia.
26. Copiando
En vez de un objeto no disponible, caro, o frágil, usar copias más simples y
baratas.
Reemplazar un objeto o proceso con sus copias ópticas
Si ya se están utilizando copias ópticas moverse a copias infrarrojas o ultravioleta.
Página 98
DISEÑO PARA SEIS SIGMA P. Reyes / Enero 2007
33. Homogeneidad
Hacer que los objetos interactúen con un objeto del mismo material ( o un material
con propiedades idénticas).
Página 99
DISEÑO PARA SEIS SIGMA P. Reyes / Enero 2007
El uso de cada uno de los principios es ilustrado con ejemplos de muchas áreas
diferentes de tecnología y negocios. Muchos ejemplos que fueron usados son repetidos
Página 100
DISEÑO PARA SEIS SIGMA P. Reyes / Enero 2007
para mostrar como los 40 principios pueden ser usados para desarrollar soluciones a esos
problemas. Los problemas pueden ser resueltos y los sistemas mejorados de distintas
maneras, usando un principio o usando muchos al mismo tiempo. El muchas soluciones,
se usa mas de un principio. Cuando encuentre un principio interesante, busque otros
principios que pudieran mejorar la idea. Mas aún, un principio le dará un concepto para
una solución, pero muchos pueden ser necesarios para obtener una solución práctica de
trabajo.
Para facilitar el leer y recordar, la lista de principios está dividida en grupos de dos a
cuatro. Cada grupo está considerado en una sección. Los principios en algunos grupos
están naturalmente conectados con los otros; otros simplemente tienes aproximaciones
diferentes. Los grupos son:
Página 101
DISEÑO PARA SEIS SIGMA P. Reyes / Enero 2007
reducir el claro entre llave y tuerca al inicio pero se dificulta el montaje. Presentándose
una contradicción.
4. Resolver el problema.
La superficie de trabajo de la llave de tuercas se puede rediseñar en forma no uniforme
(P17), agregar metal suave o plástico en la superficie de trabajo de la llave al apriete
inicial.
Página 102
DISEÑO PARA SEIS SIGMA P. Reyes / Enero 2007
Los métodos para mejorar las funciones útiles son los siguientes:
Por ejemplo:
Un líquido contiene burbujas de vapor. El efecto deseado es separar las burbujas del
líquido, sin embargo, ese efecto no está sucediendo.
Con la aplicación de una fuerza centrífuga, el vapor puede separarse, se requiere agregar
una acción o campo de “fuerza centrífuga”, y un sujeto o dispositivo rotatorio como sigue:
Método 2. Agregar un sujeto y campo para crear una función útil adecuada
Hay casos donde existen el sujeto y campo pero no son suficientes para crear una función
útil adecuada.
Página 103
DISEÑO PARA SEIS SIGMA P. Reyes / Enero 2007
----------------------------------------------------------------------------------------------------
Sujeto 2 Acción /
Campo 2
Por ejemplo:
El uso único de medios mecánicos para remover el papel tapiz no es eficiente,
Sin embargo rociando con vapor previamente será mucho más fácil remover el papel
tapiz.
Ejemplo:
Verificar fugas en el refrigerador. Sin embargo las técnicas actuales no proporcionan
detección y localización exacta de fugas de refrigerante.
Después de un análisis se observó que el ojo humano no es capaz de ver el líquido con
fuga, o sea:
Página 104
DISEÑO PARA SEIS SIGMA P. Reyes / Enero 2007
Se propone utilizar una capa de sustancia detectora en las áreas críticas. La superficie
externa se pinta con pintura conductora de calor (mezclada con una sustancia detectora).
La pintura cambia se diluye y cambia de color para indicar la localización de la fuga de
refrigerante. O sea:
Ejemplo:
En la manufactura electrónica se requiere soldar alambres delgados en áreas de difícil
acceso, se aplica una corriente eléctrica para fundir los alambres. Pero el alambre no se
funde a menos que la corriente sea grande. Aplicando una capa de alta resistencia en las
puntas de unión provocará un campo eléctrico fuerte que forme un campo de alta
temperatura para fundir el alambre sólo en su unión.
Página 105
DISEÑO PARA SEIS SIGMA P. Reyes / Enero 2007
Cuando se tiene una función dañina se puede tratar de eliminar por medio de: bloquear o
desactivar el campo dañino; destruir o desactivar el campo de una función dañina; pasar
la acción dañina a otro objeto; agregar otro campo/campos para contrarrestar la acción
dañina.
F
Sujeto Objeto
F
Sujeto Objeto
Ejemplo:
Para tener un tubo doblado se dobla sobre un mandril para tener la forma deseada. Sin
embargo con la fuerza el mandril daña al tubo.
Se sugiere introducir una capa elástica de poliuretano entre el mandril y el tubo para
amortiguar el daño durante el doblez.
Sujeto F Objeto
F1
Ejemplo:
Para polinización artificial las flores son rociadas con una corriente de aire conteniendo
polen. Una desventaja es que no todas las flores se abren con la corriente de aire.
Página 106
DISEÑO PARA SEIS SIGMA P. Reyes / Enero 2007
Se propone usar un campo eléctrico. Un electrodo flexible se pasa por la flor cargándola.
Después un electrodo con carga opuesta se pasa por la flor para abrirla, en este momento
se aplica el polen.
Sujeto Objeto
F
Objeto
Ejemplo:
Un pararrayos aleja la descarga eléctrica de los rayos de los edificios.
Ejemplo:
Un cable se entierra en el suelo, pero las cuarteadoras de terreno pueden dañar el cable.
Se sugiere excavar trincheras paralelas al cable para que las fracturas se orienten a ellas.
Ejemplo: En un foco, se agrega bromuro para aumentar la vida del filamento retardando
su evaporación.
Página 107
DISEÑO PARA SEIS SIGMA P. Reyes / Enero 2007
Ejemplo:
Para reducir los alergenos (que producen alergia) en la leche se hierve y después se
enfría, lo que genera almidón asentado (que debe eliminarse). Esto hace que la mayoría
de los componentes de globulina que son muy alergenos permanezcan en la leche.
Se sugiere agregar cloruro de calcio (0.03 a 0.1% en concentración) a la leche (antes del
tratamiento), para que las fracciones de globulina se asienten durante el tratamiento,
reduciendo los alergenos.
Ejemplo:
Tubos delgados de NiCr se hacen por medio de procesos de estirado, sin embargo se
deforman fácilmente durante su transporte o maquinado.
Se sugiere que tengan un núcleo de aluminio dentro del tubo para evitar que se deformen
y después se remueva con un agente alcalino.
Ejemplo:
En Rusia cuando enviaron a la luna un satélite para que le tomara fotografías, se tenía el
problema de que para la iluminación, los focos normales incandescentes no resistirían el
impacto del aterrizaje, aun los usados en tanques de guerra.
Sugerencia, como en la luna hay un perfecto vacío, se usaron focos incandescentes sin
cristal ya que sólo es útil para mantener el vacío en la tierra.
Página 108
DISEÑO PARA SEIS SIGMA P. Reyes / Enero 2007
Idealidad
Beneficios
Costos Daños
Por tanto el enfoque se orienta a: incrementar los beneficios; reducir los costos; reducir
los daños, para lo cual hay varias técnicas:
Por ejemplo llenar el techo de un invernadero con un líquido que se expanda con la
temperatura, así entre más calor externo haya, el líquido dejará pasar menos calor hacia
adentro y viceversa.
Página 109
DISEÑO PARA SEIS SIGMA P. Reyes / Enero 2007
8. Diseño para X
Página 110
DISEÑO PARA SEIS SIGMA P. Reyes / Enero 2007
8. DISEÑO PARA X
8.1 Introducción
Son métodos enfocados a lograr la optimización del diseño en determinadas áreas
como son: ensamble, manufactura, inspección y prueba, logística de materiales,
almacenamiento y distribución, reciclado y disposición, impacto al medio ambiente,
servicio, costo, ventas, uso y operación.
La idea es crear desempeño del producto a niveles seis sigma a partir de las
capacidades actuales. La ingeniería concurrente apoya estas actividades. El
Diseño para” se realiza en los pasos siguientes:
1. Usar DFX tan pronto como sea posible en el desarrollo del diseño.
2. Iniciar con Diseño para ensamble (DFA) y Diseño para variedad (DFV) para los
proyectos de productos y Diseño para servicio para los proyectos transaccionales.
3. De los hallazgos del paso 2, determinar cual DFX usar a continuación.
Página 111
DISEÑO PARA SEIS SIGMA P. Reyes / Enero 2007
Página 112
DISEÑO PARA SEIS SIGMA P. Reyes / Enero 2007
FR1 X 0 DP1
FR2 0 XDP2
Los dos FRs son independientes o no estan acoplados (Axioma 1). El
abridor con la doble función (misma parte física) se hace en un proceso de
estampado único.
Página 113
DISEÑO PARA SEIS SIGMA P. Reyes / Enero 2007
Inicio
Finalizar
Materiales,
Sugerencias para materiales
proceso y
y procesos más económicos
estimados de
costos iniciales
Seleccionar la
mejor estructura
de proceso de
ensamble
Prototipo
El Método DFMA
Es importante reducir el número de partes, para cual cada una de las partes
actuales es examinada:
Página 114
DISEÑO PARA SEIS SIGMA P. Reyes / Enero 2007
1. Durante la operación del producto, ¿la parte se mueve en relación a las otras
partes ya ensambladas?
2. ¿Deben ser las partes de diferente material que, o aisladas de todas las demás
partes ya ensambladas?. Solo se aceptan razones relacionadas con las
propiedades de los materiales.
3. ¿Deben ser separadas las partes de todas las otras partes ya ensambladas
debido al necesario ensamble, desensamble de otras partes separadas que de
otra manera sería imposible?.
Una respuesta de “SI” identifica la parte como “parte crítica”. Todas las partes que
no son críticas se pueden eliminar o acoplar físicamente a otras partes críticas, por
lo que teóricamente el número de partes críticas es el número mínimo de partes
separadas del diseño.
Página 115
DISEÑO PARA SEIS SIGMA P. Reyes / Enero 2007
Página 116
DISEÑO PARA SEIS SIGMA P. Reyes / Enero 2007
Página 117
DISEÑO PARA SEIS SIGMA P. Reyes / Enero 2007
Fijar criterios claros para reparar o desechar dentro del contexto de costo en el
ciclo de vida del producto, considerando los costos de transporte, embarque, y
manejo; capacitación de personal; y logística de reparación.
Página 118
DISEÑO PARA SEIS SIGMA P. Reyes / Enero 2007
Página 119
DISEÑO PARA SEIS SIGMA P. Reyes / Enero 2007
Página 120
DISEÑO PARA SEIS SIGMA P. Reyes / Enero 2007
Los métodos para evaluar los costos del ciclo de vida y la factibilidad de los
proyectos son los siguientes:
1. Costo total del ciclo de vida (TLCC), suma los valores descontados de los
costos equivalentes en el horizonte de tiempo.
2. Valor presente neto (NPV), calcula la diferencia entre el TLCC del proyecto y la
inversión inicial.
3. Tasa interna de retorno (IRR), proporciona el porcentaje de interés del proyecto.
4. Costos basados en actividades (ABC), con o sin medidas de incertidumbre.
Página 121
DISEÑO PARA SEIS SIGMA P. Reyes / Enero 2007
Página 122
DISEÑO PARA SEIS SIGMA P. Reyes / Enero 2007
9.1 Objetivos
Página 123
DISEÑO PARA SEIS SIGMA P. Reyes / Enero 2007
Tipos de AMEF´S
Página 124
DISEÑO PARA SEIS SIGMA P. Reyes / Enero 2007
por el usuario final. Determinar las áreas que sean más sensibles a
posibles fallas.
Ejemplos:
Roto
Flojo
Página 125
DISEÑO PARA SEIS SIGMA P. Reyes / Enero 2007
Fracturado
Equivocado
Deformado
Agrietado
Mal ensamblado
Fugas
Mal dimensionado
Ejemplos:
Deterioro prematuro
Ruidoso
Operación errática
Claridad insuficiente
Paros de línea.
Página 126
DISEÑO PARA SEIS SIGMA P. Reyes / Enero 2007
Mecanismos de Falla
– Rendimiento, Fatiga, Corrosión, Desgaste
5. Describir las condiciones actuales: Anotar los controles actuales que estén
dirigidos a prevenir o detectar la causa de la falla.
Cálculos
Análisis de elementos limitados
Revisiones de Diseño
Prototipo de Prueba
Prueba Acelerada
Página 127
DISEÑO PARA SEIS SIGMA P. Reyes / Enero 2007
No 1 Sin efecto
Muy poco 2 Cliente no molesto. Poco efecto en el desempeño del
artículo o sistema.
Poco 3 Cliente algo molesto. Poco efecto en el desempeño del
artículo o sistema.
Menor 4 El cliente se siente algo insatisfecho. Efecto moderado en
el desempeño del artículo o sistema.
Moderado 5 El cliente se siente algo insatisfecho. Efecto moderado en
el desempeño del artículo o sistema.
Significativo 6 El cliente se siente algo inconforme. El desempeño del
artículo se ve afectado, pero es operable y está a
salvo. Falla parcial, pero operable.
Mayor 7 El cliente está insatisfecho. El desempeño del artículo se
ve seriamente afectado, pero es funcional y está
a salvo. Sistema afectado.
Extremo 8 El cliente muy insatisfecho. Artículo inoperable, pero a
salvo. Sistema inoperable
Serio 9 Efecto de peligro potencial. Capaz de descontinuar el uso
sin perder tiempo, dependiendo de la falla. Se cumple con
el reglamento del gobierno en materia de riesgo.
Peligro 10 Efecto peligroso. Seguridad relacionada - falla repentina.
Incumplimiento con reglamento del gobierno.
Página 128
DISEÑO PARA SEIS SIGMA P. Reyes / Enero 2007
Página 129
DISEÑO PARA SEIS SIGMA P. Reyes / Enero 2007
Prioridad de NPR:
500 – 1000 Alto riesgo de falla
125 – 499 Riesgo de falla medio
1 – 124 Riesgo de falla bajo
0 No existe riesgo de falla
Se deben atacar los problemas con NPR alto, así como aquellos que tengan un
alto grado de ocurrencia no importando si el NPR es alto o bajo.
Página 130
DISEÑO PARA SEIS SIGMA P. Reyes / Enero 2007
Fecha límite:
Concepto Prototipo Pre-producción Producción
FMEAD
FMEAP
FMEAD FMEAP
Página 131
DISEÑO PARA SEIS SIGMA P. Reyes / Enero 2007
Página 133
DISEÑO PARA SEIS SIGMA P. Reyes / Enero 2007
Página 134
DISEÑO PARA SEIS SIGMA P. Reyes / Enero 2007
EJEMPLO:
Página 135
Diseño para Seis Sigma (DFSS) P. Reyes / Enero 2007
Página 136
Diseño para Seis Sigma (DFSS) P. Reyes / Enero 2007
O bien: es una prueba o una serie de pruebas en las cuales se inducen cambios
deliberados en las variables de entrada de un proceso o sistema, de manera que sea
posible observar e identificar las causas de los cambios en la respuesta de salida.
El proceso o sistema bajo estudio puede representarse por medio del modelo de la
figura 1.1.
Factores controlables
x1 x2 x3 x4 ... xp
Entradas Salida
Proceso
y
z1 z2 z3 z4 ... zq
Fig. 10.1 Factores incontrolables
Figura 1. Modelo general de un proceso o sistema
Algunas de las variables del proceso x1, x2,..., xk son controlables, mientras que otras
z1, z2,...,zk son incontrolables (aunque pueden ser controlables para los fines de
prueba). Entre los objetivos del experimento pueden incluirse:
Página 137
Diseño para Seis Sigma (DFSS) P. Reyes / Enero 2007
2. Determinar el mejor valor de las x que influyen en y, de modo que y tenga casi
siempre un valor cercano a valor nominal deseado.
3. Determinar el mejor valor de las x que influyen en y, de modo que la variabilidad de
y sea pequeña.
4. Determinar el mejor valor de las x que influyen en y, de modo que se minimicen los
efectos de las variables incontrolables z1, z2,...zq.
1. ¿Son estas dos soluciones los únicos medios para lograr la respuesta de interés?
2. ¿Existen otros factores que pueden afectar la respuesta de las muestras y que
deban ser investigados o controlados?
3. ¿Cuántas muestras deben ser sometidas a cada solución de templado?
4. ¿En que forma debe asignarse cada muestra a los tratamientos, y en que orden
deben realizarse las mediciones?
5. ¿Qué método de análisis debe utilizarse?
6. ¿Qué diferencia en los niveles promedio de respuesta entre los dos tratamientos
debe considerarse como significativa?
Página 138
Diseño para Seis Sigma (DFSS) P. Reyes / Enero 2007
El uso del diseño de experimentos en estas áreas puede dar por resultado productos
con mayor confiabilidad y mejor funcionamiento en el campo, menores costos, y menor
tiempo de diseño y desarrollo del producto.
CARACTERISTICA
DE CALIDAD
F41
F31
F32 Página 139
F42
F4 F3
Diseño para Seis Sigma (DFSS) P. Reyes / Enero 2007
Mediante un experimento podemos inducir cambios en uno varios factores (F 2l. F33 y F11
por ejemplo) y analizar estadísticamente si el cambio en los factores afecta o no el
resultado o efecto del proceso.
Experimento
Diseño de experimentos
Página 140
Diseño para Seis Sigma (DFSS) P. Reyes / Enero 2007
Esto es, un experimento eficiente debe ser lo más simple y económico posible pero
efectivo. Las técnicas del diseño de experimentos pretenden que los experimentos sean
eficientes.
Página 141
Diseño para Seis Sigma (DFSS) P. Reyes / Enero 2007
A primera vista con la temperatura de 80° C sé: Tiene menor nivel de contaminación, sin
embargo, algo raro se observa, el nivel de contaminación siempre aumenta, esto se debe
a que los residuos que quedan en el equipo lo que aumenta constantemente la
contaminación del producto. Esto se puede evitar lavando perfectamente el material, lo
cual puede no ser físicamente posible. "En lugar de esto podemos confundir, anular o
igualar este efecto, realizando las pruebas en orden aleatorio” bajo las dos temperaturas.
Análisis por bloques. Es una técnica que se usa para incrementar la precisión
del experimento. Un bloque es una porción del material experimental que sea más
homogénea que el total del material o cuando las condiciones son más
homogeneas. Al realizar un experimento por bloques se hacen las comparaciones
entre las condiciones de interés del experimento dentro de cada bloque.
Página 142
Diseño para Seis Sigma (DFSS) P. Reyes / Enero 2007
decisiones que corremos a experimentar sin por lo menos definir claramente nuestros
objetivos.
En este paso es necesario definir que tipo de información es exactamente la que nos
interesa, ya que no podemos medir o variar todos y cada uno de los componentes de un
experimento.
En conclusión como resultado de este paso, la hipótesis a probar debe quedar bien
definida. Un diagrama causa-efecto es una buena ayuda en este paso.
Cuantitativa
Precisa.
Que tenga algún significado físico.
Página 143
Diseño para Seis Sigma (DFSS) P. Reyes / Enero 2007
70, 80 y 90ºC se dice que tenemos un experimento de un solo factor con tres
tratamientos. Otra vez es de vital importancia la participación del personal involucrado en
el problema a fin de seleccionar apropiadamente los factores o variables independientes y
los niveles de cada factor o tratamiento de interés.
¿Cómo seleccionar los diferentes niveles de un factor?, En general un factor puede ser
cualitativo (proveedor, turno, operario, etc), o cuantitativo (temperatura, presión, altura,
tiempo, etc.). Los niveles específicos en cualquier caso se pueden seleccionar ya sea
aleatoriamente dentro de un cierto rango o a un nivel fijo definido por el experimentador
previamente, esto nos lleva a cuatro situaciones generales:
Este caso es similar al anterior excepto que el factor es cuantitativo, por ejemplo:
temperatura, presión, tiempo, concentración de un componente, etc. Para este caso es
recomendable que los diferentes niveles o tratamientos se tomen equiespaciados, esto
es, por ejemplo 10, 20, 30 y 40 °C: 5, 10, 15, 20 y 25 psi; 8, 12, 16 y 20 minutos, etc.
En este caso los niveles o tratamientos se seleccionan al azar de entre varios posibles.
Ejemplo se tienen varios lotes de un mismo proveedor, al azar se selecciona cuales de
ellos analizar, en este caso la conclusión del experimento se extiende para cubrir todos
los posibles niveles..
Página 144
Diseño para Seis Sigma (DFSS) P. Reyes / Enero 2007
Igual que en el caso anterior los diferentes niveles o tratamientos son seleccionados al
azar.
En este material, a menos que se especifique lo contrario, los factores se consideran fijos.
3. Definir el diseño del experimento. Esto imp1ica definir de que manera se efectuaran las
pruebas y que modelo matemático describe mejor el experimento. En el resto de este
material se describen varios tipos de experimentos de los cuales se tomará el que mejor
se ajuste a la situación particular.
Página 145
Diseño para Seis Sigma (DFSS) P. Reyes / Enero 2007
Este punto pudiera parecer obvio; sin embargo, en la práctica no es sencillo darse cuenta
de que existe un problema que requiere experimentación, ni diseñar un planteamiento
claro y aceptable del mismo. Es necesario desarrollar todas las ideas sobre los objetivos
del experimento. Suele ser importante solicitar la opinión de todas las partes implicadas.
Un planteamiento claro del problema contribuye a menudo en forma sustancial a un mejor
conocimiento del fenómeno y de la solución final del problema.
El experimentador debe elegir los factores que variarán en el experimento, los intervalos
de dicha variación y los niveles específicos de interés a los cuales se hará el experimento.
También debe considerarse la forma en que se controlarán estos factores para
mantenerlos en los valores deseados, y cómo se les medirá. Para ello es necesario
conocer el proceso de manera práctica y teórica.
Página 146
Diseño para Seis Sigma (DFSS) P. Reyes / Enero 2007
6. Análisis de datos.
Deben emplearse métodos estadísticos para analizar los datos, de modo que los
resultados y conclusiones sean objetivos más que apreciativos. Existen muchos
excelentes paquetes de software para el análisis de datos, y varios métodos gráficos
sencillos son importantes en la interpretación de tales datos. El análisis de residuos y la
verificación de la idoneidad del modelo son también técnicas de análisis de gran utilidad.
Hay que recordar que los métodos estadísticos sólo proporcionan directrices para la
veracidad y validez de los resultados. Los métodos estadísticos, aplicados
adecuadamente, no permiten probar algo experimentalmente, sólo hacen posible obtener
el probable error de una conclusión, o asignar un nivel de confiabilidad a los resultados.
La principal ventaja de los métodos estadísticos es que agregan objetividad al proceso de
toma de decisiones. Las técnicas estadísticas, aunadas aun buen conocimiento técnico o
del proceso y al sentido común, suelen llevar a conclusiones razonables.
Página 147
Diseño para Seis Sigma (DFSS) P. Reyes / Enero 2007
7. Conclusiones y recomendaciones.
Una vez que se han analizado los datos, él experimentador debe extraer conclusiones
prácticas de los resultados y recomendar un curso de acción. En esta fase a menudo son
útiles los métodos gráficos, en especial al presentar los resultados a otras personas.
También deben realizarse corridas de seguimiento y pruebas de confirmación para validar
las conclusiones del experimento.
E
n muchas ocasiones él termino experimento se considera asociado
exclusivamente para cuestiones científicas y teóricas; sin embargo tienen varias
aplicaciones prácticas.
Es necesario tener claros y en todo caso revisar los siguientes conceptos estadísticos
antes de seguir:
Página 148
Diseño para Seis Sigma (DFSS) P. Reyes / Enero 2007
Tabla 10.1
Cemento j Cemento
modificado original
J Y1j Y2j
1 16.85 17.50
2 16.40 17.63
3 17.21 18.25
4 16.35 18.00
5 16.52 17.86
6 17.04 17.75
7 16.96 18.22
8 17.15 17.90
9 16.59 17.96
10 16.57 18.15
Página 149
Diseño para Seis Sigma (DFSS) P. Reyes / Enero 2007
Las dos fórmulas pueden considerarse como dos tratamientos, o dos niveles de las
formulaciones de factor.
2
Y1 16.76 kgf/cm del cemento modificado contra
Al efectuar pruebas de hipótesis pueden cometerse dos tipos de error. Ocurre un error de
tipo I cuando la hipótesis nula es rechazada siendo verdadera. Si la hipótesis nula no es
rechazada cuando es falsa se comete un error de tipo II. Las probabilidades de cometer
estos errores reciben un símbolo especial.
Página 150
Diseño para Seis Sigma (DFSS) P. Reyes / Enero 2007
Supongamos que puede aceptarse que poseen el mismo valor las variancias en ambas
fórmulas de cemento. Una estadística de prueba apropiada para usarse en la
comparación del nivel medio de los dos tratamientos en un diseño completamente
aleatorizado es:
Y1 Y 2
to
1 1
Sp
n1 n2
Sp 2
n1 1 S12 n2 1 S22
n1 n2 2
S12 y S22 son las dos variancias muéstrales individuales. Hay que comparar t0 con
respecto a la distribución t con n1 + n2 - 2 grados de libertad, para decidir si se rechaza
H0: 1 = 2. Se debe rechazar H0 y concluir que el nivel medio de la resistencia a la
tensión para las dos fórmulas de mortero de cemento Pórtland difieren si to > to/2, n1 + n2 –
, donde to/2, n1 + n2 –2 es el punto porcentual /2 superior de la distribución t con n1 + n2 -2
2
grados de libertad.
Del ejemplo, con los datos de la tabla 2.1, se tiene:
1 16.85 17.50
2 16.40 17.63
3 17.21 18.25
4 16.35 18.00
5 16.52 17.86
6 17.04 17.75
7 16.96 18.22
8 17.15 17.90
9 16.59 17.96
10 16.57 18.15
Media 16.764 17.922
D.E. 0.316 0.248
Var. 0.100 0.061
Cemento modificado:
Y1 16.76kfg/c m 2
S1 2 0.100
S1 0.316
n 10
Cemento original::
Página 151
Diseño para Seis Sigma (DFSS) P. Reyes / Enero 2007
Y 2 17.92kfg / cm 2
S12 0.061
S1 0.247
n 10
Sp 2
n1 1 S12 n2 1 S22
n1 n2 2
9(0.100) 9(0.061)
0.081
10 10 2
Sp 0.284
Nótese que no es razonable concluir que las variancias poblacionales son iguales por el
hecho de que las variancias muéstrales sean similares. La estadística de prueba es:
Y1 Y 2
to
1 1
Sp
n1 n 2
16.76 17.92
9.13
0.284 1 10 1 10
E n esta parte se analiza el caso en que se desea conocer el efecto de un solo factor o
variable independiente sobre la característica de calidad que sé esta analizando.
Esto implica que a fin de poder detectar su efecto, este factor se debe de variar
manteniendo el resto de los factores en un valor fijo.
Página 152
Diseño para Seis Sigma (DFSS) P. Reyes / Enero 2007
Por otro lado en cada nivel del factor se efectúan una serie de pruebas, a cada una de
estas pruebas se les conoce como replicaciones. EL factor se considera fijo.
Ejemplo 10.2: Suponga que se desea saber si los ejes que surten cuatro proveedores
tienen diferente resistencia a la tracción. Para ello se decide llevar a cabo un experimento
de un solo factor donde la variable dependiente es la resistencia a la tracción del eje
medida en Kgs/cm2 y el factor es el proveedor. El factor tiene cuatro niveles o tratamientos
diferentes. Uno para cada proveedor (llámelos I, II, III, IV) se decide probar 5 ejes de cada
proveedor haciendo un total de 20 pruebas ejecutadas en la misma maquina de prueba y
con él mismo operario (recuerde que el resto de los factores se deben de mantener a un
nivel fijo).
Para que el experimento sea aleatorio se numeran los ejes del 1 al 20 y se selecciona al
azar un número entre 1 y 20. Según él numero seleccionado es el siguiente eje que se
prueba. De esta manera, el siguiente eje a probar es seleccionado sin ninguna restricción.
Suponga. que los resultados de experimento se muestran en la tabla siguiente:
Proveedor
I II III IV
56 64 45 42
55 61 46 39
62 50 45 45
59 55 39 43
60 56 43 41
El proveedor = factor
Página 153
Diseño para Seis Sigma (DFSS) P. Reyes / Enero 2007
Para esto suponga un caso general como sigue: Si define Yij como el valor
correspondiente de la variable dependiente o característica de calidad de la i-esima
observación o replicación bajo el tratamiento j, los resultados de un experimento de un
solo factor con k tratamientos y n replicas u observaciones por tratamiento seria:
Yij μ τj εij
Esto es, se supone que todos los datos en general pertenecen a una misma población
con media excepto que existan desviaciones para diferentes tratamientos del mismo
Página 154
Diseño para Seis Sigma (DFSS) P. Reyes / Enero 2007
factor. Por su parte ij representa el error aleatorio o medida de la variabilidad natural
dentro de cada tratamiento.
τ
j 1
j 0;
Y que el error aleatorio sigue una distribución normal con media cero y varianza 2, esto
denota:
εij N(0, σ 2 )
Sean Yi. El total de las observaciones bajo el i-esimo tratamiento, y Yi. el promedio de
las observaciones bajo el i-esimo tratamiento. Similarmente sean Y.. La suma de todas las
observaciones y Y.. la media general de todas las observaciones.
Y.. Y../n
Ho significa que el factor (los niveles bajo estudio) no tiene efecto sobre la variable
dependiente y H1 que si lo tiene, esto es que existe diferencia, estadística. Recuerde
Página 155
Diseño para Seis Sigma (DFSS) P. Reyes / Enero 2007
también que la hipótesis nula se asume como cierta a menos que los datos indiquen lo
contrario.
Descomposición de la suma total de cuadrados
L de los datos en sus partes componentes. La suma total de cuadrados corregida es:
Yij Y..
k n 2 k 2 k n 2
n Yi. Y.. Yij Yi.
j 1 i 1 j 1 j 1 i 1
SST SStr SSE
Donde:
La ecuación anterior muestra la variabilidad total de los datos, medida por la suma total
corregida de los cuadrados. SStr se denomina suma de cuadrados debida a los
tratamientos (es decir, entre tratamientos), SS E es la suma de cuadrados debido al error
(es decir, dentro de los tratamientos)
Yi.2 Y.. 2
k
SStr
j 1 n
N
SSE SST SStr
El análisis de varianza será:
Fuente
De error SS G.L. MS F0
Variación
SStr k – 1 MStr MStr/MSE
entre tratamientos
Variación dentro de
SSE N – k MSE
Tratamientos o error
Total SST N – 1
Página 156
Diseño para Seis Sigma (DFSS) P. Reyes / Enero 2007
Si F0 > F,k-1,N-k, H0 debe ser rechazada. Donde F, k-1,N-k es el valor de la variable F
con un nivel de significancia (error tipo I), k-1 grados de libertad en el numerador y N-k
grados de libertad en el denominador. Bajo la hipótesis nula la relación MS tr/MSE sigue
una función de densidad F, por lo tanto si F0 es mayor que F , k-1,N-k existirá una diferencia
significativa y el factor afecta la respuesta de la característica de calidad en los niveles
bajo estudio.
Si Ho no puede ser rechazada la conclusión es por lo tanto que el factor bajo estudio
no afecta la respuesta. Sin embargo, si Ho es rechazada y existe diferencia
significativa entre los diferentes tratamientos de un solo factor el siguiente paso es el
analizar en detalle cual de los tratamientos es el mejor y cuales son iguales.
Totales Promedios
Yi Yi.
I 56 55 62 59 60 292 58.4
II 64 61 50 55 56 286 57.2
III 45 46 45 39 43 218 43.6
IV 42 39 45 43 41 210 42
Y..= 1006 40.24 Y ..
4 5
Yij
j 1 i 1
2
562 55 2 ... 412 51940
Página 157
Diseño para Seis Sigma (DFSS) P. Reyes / Enero 2007
Fuente
De error SS G.L. F0 MS
MStr/MSE
Factor o tratamientos SStr=1135 k – 1 = 3 MStr =378.3
= 29.79
Error SSE=203.2 N – k = 16 MSE=12.7
Total SST=1338.2 N – 1 = 19
F,3,16 = 3.24
Un estimador puntual para i podría ser μ̂i μ̂ τ̂i Yi. ahora si se supone que los
errores están distribuidos normalmente, las Yi. son NID(0,2/n), entonces podría usarse
la distribución normal para definir el intervalo de confianza buscado si se conoce . Al
usar MSE como estimación de, 2, el intervalo de confianza se debe basar en la
distribución t., por tanto, un intervalo de confianza de (1-)100% para la media del i-ésimo
tratamiento, es:
MSE
Yi. tα / 2, N k
n
Página 158
Diseño para Seis Sigma (DFSS) P. Reyes / Enero 2007
2MSE
Yi. Y j. tα / 2, N k .
n
S tratamiento, y que las hipótesis nulas que se desean probar son Ho: i = j para
toda i j. A continuación, se presentan cuatro métodos para realizar estas comparaciones.
S upongamos que después de haber rechazado la hipótesis nula, con base en una
prueba F de análisis de variancia, se desea probar Ho: i = j para toda i j. Esto
puede hacerse empleando la estadística t:
Yi. Yj.
to
1 1
MSE
ni nj
Página 159
Diseño para Seis Sigma (DFSS) P. Reyes / Enero 2007
1 1
LSD tα/2, N k MSE
ni nj
C uando la hipótesis nula Ho: j = 0 para todo valor de j, no puede ser rechazada, se
concluye que los diferentes tratamientos no afectan la variable de respuesta y el
análisis se termina. Sin embargo, cuando Ho es rechazada, se concluye que los
diferentes tratamientos afectan la variable de respuesta. Las siguientes preguntas son
lógicas: ¿cuál es mejor?, ¿Todos los tratamientos son diferentes entre sí?, ¿Se puede
distinguir el segundo mejor del mejor?, Etc. Estas preguntas se pueden contestar
mediante una serie de pruebas sobre medias o promedios individuales.
MSE
S Yi.
n
a
nh
/n
a
i
i1
Página 160
Diseño para Seis Sigma (DFSS) P. Reyes / Enero 2007
Hay que notar que nh = n sí n1 = n2 =... na. A partir de la tabla de intervalos significativos
de Duncan (Tabla VII del Apéndice del texto de Montgomery de Diseño y Análisis de
experimentos, 2ª. edición) se obtienen los valores de r (p, f), para p = 2, 3,..., a, en donde
es el nivel de significación y f es el número de grados de libertad del error. Estos
intervalos deben transformarse en un conjunto de a - 1 mínimos intervalos significativos
(es decir, Rp para p = 2, 3,..., k, calculando:
Rp rα(p, f )S Yi.
A continuación, se prueban las diferencias observadas entre las medias, comenzando por
el valor más alto contra el más pequeño, comparando esta diferencia con el intervalo
mínimo significativo Ra. Después se calcula la diferencia entre el valor más alto y el
segundo más pequeño y se compara con el intervalo significativo mínimo Ra-1. Este
procedimiento continúa hasta que todas las medias han sido comparadas con la media
más grande. A continuación, la diferencia entre la segunda media más grande y la más
pequeña se calcula y compara contra el intervalo mínimo significativo Ra-1. Este proceso
continúa hasta que han sido consideradas las diferencias entre todos los a(a-1)/2 posibles
pares.
Ejemplo 10.3: Suponga que se desea saber si los ejes que surten cuatro proveedores
tiene diferente resistencia a la tracción. Para ello se decide llevar a cabo un experimento
de un solo factor donde la variable dependiente es la resistencia a la tracción medida en
kg/cm2 y el factor es el proveedor. El factor tiene 4 niveles o tratamientos diferentes, una
para cada proveedor, (llámeseles I, II, III, IV) y se decide probar 5 ejes de cada proveedor
haciendo un total de 20 pruebas ejecutadas en la misma maquina de prueba y con el
mismo operario (recuerde que el resto de los factores se mantiene en un nivel fijo).
Totales Promedios
Yi Yi.
I 56 55 62 59 60 292 58.4
II 64 61 50 55 56 286 57.2
III 45 46 45 39 43 161
Página218 43.6
IV 42 39 45 43 41 210 42
Y..= 1006 40.24 Y ..
Diseño para Seis Sigma (DFSS) P. Reyes / Enero 2007
Con n = 5, k = 4 y N = 20
4 5 2
Y
j1 i1
ij 56 2 55 2 ... 412 51,940
Ordenados quedan:
2. Calcular:
MSE 12.70
S Yi. 1.594
n 5
Página 162
Diseño para Seis Sigma (DFSS) P. Reyes / Enero 2007
En este caso:
Página 163
Diseño para Seis Sigma (DFSS) P. Reyes / Enero 2007
M
uchos experimentos se llevan a cabo para estudiar los efectos producidos por
dos o más factores. Puede mostrarse que en general los diseños factoriales son
los más eficientes para este tipo de experimentos. Por diseño factorial se entiende aquel
en el que se investigan todas las posibles combinaciones de los niveles de los factores en
cada ensayo completo o réplica del experimento. Por ejemplo, si existen “a” niveles del
factor A y “b” niveles del factor B, entonces cada réplica del experimento contiene todas
las “ab” combinaciones de los tratamientos. A menudo, se dice que los factores están
cruzados cuando éstos se arreglan en un diseño factorial. El efecto de un factor se define
como el cambio en la respuesta producida por un cambio en el nivel del factor. Con
frecuencia, éste se conoce como efecto principal porque se refiere a los factores de
interés primordial del experimento. Por ejemplo, consideremos los datos de la tabla 1. El
efecto principal del factor A podría interpretarse como la diferencia entre la respuesta
promedio en el primer y segundo nivel de ese factor. Numéricamente:
40 52 20 30
A 21
2 2
Factor B
B1 B2
A1 20 30
Factor A
A2 40 52
Si los factores tienen más de dos niveles, el procedimiento anterior debe ser modificado
ya que las diferencias entre las respuestas promedio pueden expresarse de muchas
formas.
Página 164
Diseño para Seis Sigma (DFSS) P. Reyes / Enero 2007
Factor B
B1 B2
A1 20 40
Factor A
A2 50 12
A = 50 - 20 = 30
A = 12 - 40 = 28
Puede observarse que existe una interacción entre los factores A y B porque el efecto de
A depende del nivel elegido de B.
B1
40
30 B2
20
B1
10 Página 165
A1 A2
Factor A
Diseño para Seis Sigma (DFSS) P. Reyes / Enero 2007
En este caso se ve que las rectas B1 y B2 no son paralelas. Esto muestra que existe una
interacción entre A y B. Con frecuencia, estas gráficas son muy útiles para interpretar
interacciones significativas y presentar resultados a gerentes con poco conocimiento
estadístico. Sin embargo, no debe ser la única técnica para analizar los datos, porque su
interpretación es subjetiva y su apariencia, a menudo, es engañosa.
60 B1
50
B2
40
30
20
B1
10 B2
A1 A2
Factor A
Figura 10.3.2 Un experimento factorial con interacciones
Hay que notar que cuando una interacción es grande los correspondientes efectos
principales tienen poco significado práctico. Una estimación del efecto principal de A de
los datos de la Tabla 2 es:
50 12 20 40
A 1
2 2
El cual resulta ser muy pequeño corriéndose el riesgo de concluir que no existe un efecto
debido a A. Sin embargo, cuando se examinó el efecto de A en niveles diferentes de B se
concluyó que éste no era el caso. El factor A tiene un efecto, pero depende del nivel del
factor B. En otras palabras, es más útil conocer la interacción AB que el efecto principal.
Una interacción significativa oculta a menudo el significado de los efectos principales.
Página 166
Diseño para Seis Sigma (DFSS) P. Reyes / Enero 2007
Factor B
B1 B2
A1 A1B1 A1B2
Factor A
A2 A2B1 12
Estas estimaciones podrían promediarse para producir efectos principales promedio que
tienen la misma precisión que los del experimento de un factor, pero requieren tan sólo de
cuatro observaciones y podría decirse que la eficiencia relativa del diseño factorial para el
Eficiencia relativa
3.56
experimento de un factor a la vez es: 4 1.5 . Por lo general esta eficiencia relativa
3.0 se observa en la figura 10.3.4.
aumenta con el número de factores, como
2.5
2.0
1.5
1.0Página 167
2 3 4 5 6
Numero de factores
Diseño para Seis Sigma (DFSS) P. Reyes / Enero 2007
Ahora supongamos que existe interacción. Si el primer diseño considerado indica que
A1B1 y A2B2 dan mejor respuesta que A1B1; una conclusión lógica es que A2B2 sería aún
mejor. Sin embargo, si hay interacción, al hacer esta conclusión se incurre en un serio
error. Como ejemplo refiérase a los datos de la tabla 10.3.2.
En resumen, se concluye que los diseños factoriales poseen algunas ventajas. Son
más eficientes que los experimentos de un factor a la vez. Más aún, los diseños
factoriales son necesarios cuando alguna interacción puede estar presente, con el
propósito de evitar hacer conclusiones que son engañosas. Finalmente, los diseños
factoriales permiten estimar los efectos de un factor en diversos niveles de los otros
factores, produciendo conclusiones que son válidas sobre toda la extensión de las
condiciones experimentales.
E con dos niveles. Este diseño se conoce como diseño factorial 22. Arbitrariamente, los
niveles del factor pueden llamarse “inferior” y “posterior”.
Ejemplo 10.3.1 Considérese una investigación llevada a cabo para estudiar el efecto que
tiene la concentración de un reactivo y la presencia de un catalizador sobre el tiempo de
reacción de un proceso químico. Sea la concentración del reactivo el factor A con dos
niveles de interés, 15% y 20%. El catalizador constituye el factor B; el nivel alto o superior
denota el uso de dos sacos de catalizador y el nivel bajo o inferior denota el uso de un
Página 168
Diseño para Seis Sigma (DFSS) P. Reyes / Enero 2007
solo saco. El experimento se realiza (“replica o repite”) tres veces, y los datos son como
sigue:
Combinación de Replica
tratamientos I II III Total
En la figura 10.3.5 A baja, B baja 28 25 27 80 siguiente se presentan
A alta, B baja 36 32 32 100
gráficamente las A baja, B alta 18 19 23 60 combinaciones de
tratamiento para este A alta, B alta 31 30 29 90 diseño, el efecto de un
factor se denota por la letra latina minúscula. De este modo, “A” se refiere al efecto del
factor “A”, y “B” se refiere al efecto del factor “B”, y “AB” se refiere a la interacción entre
AB. En el diseño 22 los niveles bajo y alto de A y B se denotan por “-“ y “+”
respectivamente, en los ejes A y B. Así – en el eje B representa el nivel bajo de catalizador
mientras que + denota el nivel alto.
b = 60(18+19+23) ab = 90(31+30+19)
Cantidad de catalizador B
Alto (2 sacos) +
bajo (1 saco) -
(1) = 80(28+25+27) a = 100(36+32+32)
- +
bajo (15%) alto (20%)
Concentracion de reactivo A
Fig. 10.3.5
Figura 1: Combinaciones de tratamiento en el diseño factoriall
Las cuatro combinaciones de tratamientos en el diseño pueden representarse por
letras minúsculas, cono se muestra en la figura 10.3.5. En esta figura se aprecia que el
nivel superior de cualquier factor de una combinación de tratamientos esta
representado por la presencia de la letra minúscula correspondiente, mientras que la
ausencia de esta ultima representa el nivel inferior del factor. Así “a” representa la
combinación de tratamientos, en la que A se encuentra en el nivel superior y B en el
nivel inferior; b representa aquella en la que A se halla en el nivel inferior y B en el
superior, y ab representa a ambos factores en el nivel superior. Por convención (1) se
usa para representar a ambos factores en el nivel inferior.
Página 169
Diseño para Seis Sigma (DFSS) P. Reyes / Enero 2007
1 1
A ab b a (1) ab a b (1)
2n 2n
ab a b (1) ab b - a (1)
1 1
B
2n 2n
AB
1
ab b a (1)
1
ab (1) a (b)
2n 2n
Por otro lado se puede definir AB como la diferencia promedio entre el efecto de B en el
nivel superior de A y el efecto de B en el nivel inferior de A.
Las formulas para los efectos de A, B y AB pueden deducirse por otro método. El
efecto de A puede hallarse como la diferencia en la respuesta promedio de las dos
combinaciones de tratamiento en la mitad derecha (que llamaremos Y A+, puesto que es
la respuesta promedio para las combinaciones de tratamientos a las que A que se
encuentra en el nivel alto) y las dos combinaciones de tratamientos en la mitad izquierda
(o Y A). Esto es,
A YA YA
ab a b (1)
2n 2n
1
ab a b (1)
2n
Página 170
Diseño para Seis Sigma (DFSS) P. Reyes / Enero 2007
B YB YB
ab b a (1)
2n 2n
1
ab b a (1)
2n
ab (1) ab
AB
2n 2n
1
ab (1) a b
2n
Con los datos que aparecen en la figura 1, las estimaciones de los efectos promedio son:
90 100 60 80
1
A 8.33
2(3)
B
1
90 60 100 80 5.00
2(3)
90 80 100 60
1
AB 1.67
2(3)
Página 171
Diseño para Seis Sigma (DFSS) P. Reyes / Enero 2007
ContrasteA ab a b (1)
Este contraste suele llamarse efecto total de A. A partir de la segunda y tercera ecuación,
puede apreciarse que también se utilizan contraste para estimar B y AB. Además, estos
tres contrastes son ortogonales. La suma de cuadrados de cualquiera de ellos puede
SS A
ab a b (1) 2
n* 4
SS B
ab b a (1) 2
n* 4
SS AB
ab (1) a b 2
n* 4
Con los datos de la figura 1, las sumas de cuadrados se pueden calcular aplicando las
ecuaciones anteriores, obteniéndose:
2
50
SSA 208.33
4(3)
2
30
SSB 75.00
4(3)
2
10
SSAB 8.33
4(3)
2
2 Y ...
SST i2 2 n
1 j1 k 1 Y ijk
4n
En general SST tiene 4n –1 grados de libertad. La suma de cuadrados del error, con 4(n-1)
G.L. se puede calcular en la forma usual, por diferencia, mediante.
Página 172
Diseño para Seis Sigma (DFSS) P. Reyes / Enero 2007
2
2 2 3 2 Y
SS E Yijk 9398.00 9075.00 323.00
i1j1k 1 4(3)
SS E SS T SS A SS B SS AB
Efectos (1) a b Ab
A: -1 +1 -1 +1
B: -1 -1 +1 +1
AB: +1 -1 -1 +1
SS G.L. MS Fo
A 208.33 1 208.33 53.15a
B 75.00 1 75.00 19.13a
AB 8.33 1 8.33 2.13
Error 31.34 8 3.92
Total 323.00 11
a
significativo al 1%
Considere el caso en que un ingeniero diseña una batería para su uso en un dispositivo
que será sometido a ciertas variaciones extremas de temperatura. El único parámetro de
diseño que él puede seleccionar en este punto es el material de la cubierta de la batería, y
tiene tres alternativas. Cuando el dispositivo se manufactura y se envía al campo, el
ingeniero no tiene control sobre los extremos de temperatura a que será expuesto el
Página 173
Diseño para Seis Sigma (DFSS) P. Reyes / Enero 2007
El ingeniero decide probar los tres materiales de la cubierta a tres niveles de temperatura
(15, 70 y 125 °F) consistentes en el entorno de uso final del producto. Se prueban cuatro
baterías a cada combinación de material de la cubierta y temperatura, y las 36 pruebas se
ejecutan al azar.
Página 174
Diseño para Seis Sigma (DFSS) P. Reyes / Enero 2007
Temperatura F
material 15 70 125
1 130 155 34 40 20 70
74 180 80 75 82 58
3 150 188 126 122 25 70
159 126 106 115 58 45
3 138 110 174 120 96 104
168 160 150 139 82 60
Tabla 10.3.6. Datos de duración en horas para el ejemplo del diseño de una batería
Este diseño es un ejemplo específico del caso general de un diseño con dos factores
(bifactorial). Para pasar al caso general, sea Yijk la respuesta observada cuando el factor
A se encuentra en el i-ésimo nivel (i -1, 2,..., n). En general, los datos observados se verán
como en la tabla 3.5. El orden en el cual se toman las abn observaciones es aleatorio, de
modo que éste es un diseño completamente aleatorizado.
Factor B
1 2 ... b
Página 175
Diseño para Seis Sigma (DFSS) P. Reyes / Enero 2007
i 1,2,..., a
Yijk μ τi βj τβ ij εijk j 1,2,..., b
k 1,2,..., n
En donde es el efecto medio general, i es el efecto del i-ésimo nivel del factor renglón
A, j es el efecto del j-ésimo nivel del factor columna B, ()ij es el efecto de la interacción
entre i y j, ijk es el componente del error aleatorio. Inicialmente se supone que ambos
factores son fijos y que los efectos de tratamiento se definen como desviaciones de la
a b
media general, por lo tanto. i1 τi 0; j1βj 0 Se supone que los efectos de interacción
son fijos y que se definen dé manera que: ia1 τβ ij 0 . Hay un total de abn
En un diseño factorial de dos factores, tanto los factores (o tratamientos) de renglón como
de columna tienen la misma importancia, específicamente el interés consiste en probar
hipótesis acerca de la igualdad de los efectos de tratamiento de renglón, es decir:
Ho : τ1 τ2 ...τa 0
H1 : al menos una τi 0
Ho : β1 β2 ...βb 0
H1 : al menos una βj 0
Página 176
Diseño para Seis Sigma (DFSS) P. Reyes / Enero 2007
ea Yi..; el total de las observaciones bajo el i-ésimo nivel del factor A; Y.j. El total de
S las observaciones bajo el j-ésimo nivel del factor B, Yij. El total de las observaciones
de la ij-ésima celda, e Y... el total general de todas las observaciones. Se definen
Yi..; Y .j. y Yij. y Y... como los promedios de renglón, columna, celda y general,
respectivamente, matemáticamente:
b n Yi..
Yi.. Yijk Yi.. ; i 1,2,..., a
j1k 1 bn
a n Y.j.
Y.j. Yijk Y.j. ; j 1,2,..., b
i1k 1 an
n Y... i 1,2,..., a
Yij. Yijk Yij. ;
k 1 n j 1,2,..., b
a b n Y...
Y... Yijk Y...
i1j1k 1 abn
La suma total de cuadrados corregida puede expresarse mediante:
b
n
k 1
Yij k
Y.. .
2
j1
a
i1
a b n
Yi. . Y. .. Y. j . Y.. . Yij . Y.. . Y.j Y. ..
2
i1j1 k 1 Yij k Y
ij .
a
b
i1j1
n
k 1
Yij k Y.. . 2
a 2 b 2 a b
bn Yi.. Y.. . an Y.j . Y.. . n Yij . Yi. . Y. j. Y..
i1 j1 i1 j1
a
b
i1j1
n
k 1
Yijk - Yij . 2
Porque los seis productos cruzados del segundo miembro de la ecuación anterior son
iguales a cero. Se observa que la suma total de cuadrados se ha descompuesto en una
suma de cuadrados debida a los “renglones” o al “factor” A (SS A) en una suma de
cuadrados debida a las "columnas" o al factor B (SSB), en una suma de cuadrados debida
a la interacción entre A y B (SSAB), y en una suma de cuadrados debida al error (SSE):
Analizando el último término del miembro derecho de la Ecuación anterior es posible
observar que es necesario tener al menos dos réplicas (n 2) para poder obtenerla suma
de cuadrados del error.
Página 177
Diseño para Seis Sigma (DFSS) P. Reyes / Enero 2007
S T S A S B S AB S E
Los grados de libertad asociados a cada suma de cuadrados son:
Esta descomposición del total de abn -1 grados de libertad para las sumas de cuadrados
se puede justificar como sigue: Los efectos principales de A y B tienen a y b niveles,
respectivamente, por lo tanto, tienen a -1 y b -1 grados de libertad como se muestra. Los
grados de libertad de la interacción simplemente corresponden a los grados de libertad de
cada celda (los cuales son iguales a ab -1) menos los grados de libertad de los dos
efectos principales A y B en otras palabras, ab -1 -(a -1) -(b -1) -(a- 1)(b -1). Dentro de
cada una de las ab celdas hay n -1 grados de libertad entre las n réplicas, por lo tanto,
hay ab(n -1) grados de libertad del error. Se observa que la suma de los grados de
libertad de los términos del miembro derecho de la ecuación anterior es igual al total de
los grados de libertad.
Cada suma de cuadrados dividida entre sus grados de libertad produce una media de
cuadrados. Los valores esperados de las medias de cuadrados son:
a
bn τi
SSA
E
2 i1
E(MSA) σ
a 1 a1
b
an βj
SSB 2 j1
E(MSB) E σ
b1 b1
a b 2
n (ττβ ij
SSAB 2 i1j1
E(MSB) E σ
(a 1)(b 1) (a 1)(b 1)
SSE 2
E(MSE) E σ
ab(n 1)
Página 178
Diseño para Seis Sigma (DFSS) P. Reyes / Enero 2007
Hay que notar, que si las hipótesis nulas, las cuales consisten en proponer que no hay
efectos de tratamiento de renglón, columna e interacción, son verdaderas, entonces MS A,
MSB, MSAB y MSE son estimadores de 2. Sin embargo, si por ejemplo existen diferencias
entre los tratamientos de renglón, entonces MSA será mayor que MSE. En forma similar, si
hay efectos de tratamiento de columna o interacción, las medias de cuadrados
correspondientes serán mayores que MSE. Por lo tanto, para probar el significado de
ambos efectos principales, así como de su interacción, simplemente deben dividirse las
medias de cuadrados correspondientes entre la media de cuadrados del error. Valores
grandes de estas razones implican que los datos no concuerdan con las hipótesis nulas.
Si se considera que el modelo estadístico es adecuado y que los términos del error ijk
son independientes con distribuciones normales con variancia constante 2, entonces las
razones de las medias de cuadrados MSA/MSE, MSB/MSE y MSAB/MSE tienen distribución
F con a -1, b- 1 y (a -1)(b -1) grados de libertad en el numerador, respectivamente, y ab(n
-1) grados de libertad en el denominador. Las regiones críticas corresponden al extremo
superior de la distribución F. Usualmente la prueba se presenta en una tabla de análisis
de variancia como la que aparece en la tabla 10.3.6.
Página 179
Diseño para Seis Sigma (DFSS) P. Reyes / Enero 2007
Fuente de
Variación SS G.L. MS Fo
Tratamientos A SSA a-1 MSA MSA
SSA MSE
a 1
Tratamientos B SSB b-1 MSB MSB
SSB MSE
b 1
Interacción SSAB (a - 1)(b - 1) MSAB MSAB
SSAB MSE
(a 1)(b 1)
Error SSE ab(n-1) MSB
SSE
ab(n 1)
Total SST abn - 1
Es posible obtener las fórmulas para calcular las sumas de cuadrados de la ecuación
anterior. La suma total de cuadrados se calcula en forma usual mediante:
2
a b n 2 Y ...
SST Y ijk
i1j1k 1 abn
2 2
a Y i.. Y ...
SSA
i1 bn abn
2 2
b Y .j. Y ...
SSB
j1 an abn
2 2
a b Y ij. Y ...
SSsubtotales
i1j1 n abn
Página 180
Diseño para Seis Sigma (DFSS) P. Reyes / Enero 2007
Esta suma de cuadrados contiene a la SSA y SSB. Por lo tanto, la segunda etapa consiste
en calcular SSAB mediante:
Tabla 10.3.7. Datos de duración (en horas) para el experimento de diseño de una batería
Página 181
Diseño para Seis Sigma (DFSS) P. Reyes / Enero 2007
2
a b n 2 Y ...
SST Y ijk
i1j1 k 1 abn
2
2 2 2 2 3799
130 155 74 ... 60 77,646.97
36
2 2
a Y i.. Y ...
SSmaterial
i1 bn abn
2 2 2 2
998 1300 1501 3799
10,683.72
(3)(4) 36
2 2
b Y .j. Y ...
SStemperat ura
j1 an abn
2 2 2 2
1738 1291 770 3799
39,118.72
(3)(49 36
2 2
a b Y ij. Y ...
SSinteracc ion
i1j1 n abn
2 2 2 2
539 229 ... 342 3799
10,683.72
4 36
39,118.72 9,613.78
18,230.75
El análisis de variancia aparece en la tabla 10.3.8. Se concluye que existe una interacción
significativa entre el tipo de material y la temperatura porque F 0.05,4.27 = 2.73. Además,
también son significativos los efectos principales del tipo de material y de la temperatura,
porque FO.O5.2.27 = 3.35.
El hecho de que las rectas no sean paralelas indica una interacción significativa. En
general, a menor temperatura mayor duración, independientemente del tipo de material. Al
variar la temperatura de baja a intermedia, la duración aumenta con el material tipo 3,
mientras que disminuye con los materiales tipo 1 y 2, Cuando la temperatura varía de
intermedia a alta, la duración disminuye con los materiales tipo 2 y 3, mientras que con el
tipo 1 esencialmente permanece sin cambio. Al parecer, el material tipo 3 da los mejores
resultados si lo que se desea es menor perdida de duración efectiva al cambiar la
temperatura.
Replicación fraccionada
Página 183
Diseño para Seis Sigma (DFSS) P. Reyes / Enero 2007
Así por ejemplo cuando se tienen siete factores, existen 128 posibles condiciones
experimentales, lo que implica que al hacer una replicación por celda de todo el
experimento requiere un total de 128 observaciones. Si se decide tomar dos replicas por
celda, entonces serian necesarias 256 observaciones, lo cual es una cantidad excesiva de
pruebas para fines prácticos.
Por otro lado, se necesitan 128 observaciones para un experimento con 7 factores por
que se deben evaluar 127 posibles efectos (que son los grados de libertad totales en 128
observaciones) de estos efectos 7 son los factores principales, 21 interacciones de 2
factores, 35 de tres, 35 de cuatro, 27 de cinco en cinco, 7 de seis en seis y una
interacción de 7 factores. En general el número de interacciones de k factores tomados r
en r es:
K!
r! (k r)!
1. Las interacciones de tres o más factores son sumamente raras en la práctica, por
lo que en general se pueden suponer como no existentes. Esto equivale a
aproximar la variable de respuesta con una serie de Taylor de la cual se
desprecian los términos de tercer o mayor grado. Además, si estos efectos existen,
son difíciles de explicar y aprovechar para fines prácticos.
Página 184
Diseño para Seis Sigma (DFSS) P. Reyes / Enero 2007
Lo anterior implica que por ejemplo para siete factores son necesarios probablemente
solo 28 grados de libertad (7 factores principales y 21 interacciones de dos factores), y
esto equivale a solo 29 unidades de información y no 128 como en el experimento
original. Esto quiere decir que no es necesario el correr una replicación completa de todo
el experimento cuando el número de factores crece, sino solamente algunas casillas o
condiciones experimentales.
Cuando solamente una parte de las posibles casillas se prueban, se dice que se tiene una
replicación fraccionada del experimento.
Las preguntas que surgen son:
C onsidérese el caso en el que se estudian tres factores de dos niveles cada uno, pero
en el que los experimentadores no pueden costear las 23 = 8 combinaciones de
tratamientos, sin embargo, si se puede costear 4 observaciones. Esto sugiere una
fracción un medio, de un diseño 23. la fracción un medio del diseño 23 se conoce también
como un diseño 23-1 por que tiene 23-1 = 4 combinaciones de tratamiento.
En la tabla 4.1 aparecen signos positivos y negativos del diseño 23. Supóngase que para
componer la fracción un medio, se seleccionan las combinaciones de tratamientos se usa
indistintamente la notación convencional (a,b,c,...) y la de signos positivos y negativos. La
equivalencia de las dos notaciones se muestra a continuación.
Notación 1 Notación 2
a +--
Página 185
Diseño para Seis Sigma (DFSS) P. Reyes / Enero 2007
b -+-
c --+
abc +++
Nótese que el diseño 23-1 se forma al seleccionar solo las combinaciones de tratamientos
que producen un signo positivo sobre la columna ABC. Por esto ABC se denomina
generador de una fracción particular. Algunas veces estos apuntes se llamaran palabra
generador como el ABC. Además, la columna identidad I siempre es positiva, por lo cual:
I = ABC
abc bc
c ac
b ab
C
B
A
a (1)
Página 186
(a) Fracción principal I = ABC (b) Fracción alterna I = -ABC
Diseño para Seis Sigma (DFSS) P. Reyes / Enero 2007
Las combinaciones de tratamientos del diseño 23-1 producen 3 G.L. que pueden usase
para estimar los efectos principales. En la tabal 4.1 se muestra que las combinaciones
lineales de las observaciones que se utilizan para estimar los efectos principales A, B, y C
son:
LA 1/2(a b c abc)
LB 1/2( a b c abc)
LC 1/2( a b c abc)
LBC 1/2(a b c abc)
LAC 1/2( a b c abc)
LAB 1/2( a b c abc)
LA A BC,
LB B AC
LC C AB
La estructura de los alias de este diseño pueden determinarse fácilmente con la relación I
= ABC, multiplicando cualquier efecto por la relación que define al diseño, modulo 2, da
como resultado los alias de dicho efecto. En el ejemplo anterior, los alias son:
A = BC
Página 187
Diseño para Seis Sigma (DFSS) P. Reyes / Enero 2007
Esta fracción un medio o semifracción, con I = +ABC, suele llamarse fracción principal.
Ahora supóngase que se eligió la otra mitad de la replica. Esta se compone de las
combinaciones de tratamientos de la tabla 4.1 que tiene signo negativo asociado con
ABC. Esta fracción un medio o alterna que consta de las siguientes corridas:
otación 1 Notación 2
(1) ---
ab ++-
ac +-+
abc -++
Usando la fracción alterna, las combinaciones lineales de las observaciones, L’A, L’B y
L’C, son:
L' A A BC
L' B B AC
L' C C AB
Supóngase que después de recopilar una de las fracciones de un medio del diseño 2 3,
también se recopila la otra fracción. Por lo tanto, están disponibles los 8 ensayos
Página 188
Diseño para Seis Sigma (DFSS) P. Reyes / Enero 2007
asociados con el diseño completo 23 en este caso pueden obtenerse las estimaciones de
todos los efectos, sin los alias, analizando los 8 ensayos en un diseño 2 3 completo con
dos bloques de cuatro ensayos cada uno. Esto también se logra sumando y restando la
combinación lineal a los efectos de las dos fracciones individuales. Por ejemplo,
considérese: LA A BC y L' A A BC esto implica que:
por lo tanto usando los tres pares de combinaciones lineales se obtiene lo siguiente:
i De ½(Li+L’i) De ½(Li-L’i)
A A BC
B B AC
C C AB
l diseño anterior 23-1 se conoce como diseño de resolución III. En tal diseño los alias
1. Diseño resolución III: éstos son diseños en los que ningún efecto principal es alias
de otro, pero si lo son de las interacciones de dos factores; a su vez, estas últimas
son alias entre sí. El diseño 23-1 de la tabla 4.1 es de resolución III.
Página 189
Diseño para Seis Sigma (DFSS) P. Reyes / Enero 2007
2. Diseño resolución IV: En estos diseño ningún efecto principal es alias de otro efecto
principal, o bien, de alguna interacción de dos factores. Las interacciones de dos
4 1
factores son “alias” entre sí. Un diseño 24-1 con I = ABCD es de resolución IV ( 2IV ).
3. Diseños resolución V: Estos son diseños en los que ningún efecto principal o
interacción de dos factores es alias de ningún efecto principal o interacciones entre
Nótese que cualquier efecto de interacción puede usarse para generar la columna del k-
ésimo factor. Sin embargo, si no se utiliza el efecto ABC... (k- 1) no se produce el diseño
de mayor o más alta resolución.
Página 190
Diseño para Seis Sigma (DFSS) P. Reyes / Enero 2007
Otra manera de interpretar la construcción de una fracción un medio del diseño consiste
en , ( asignar los ensayos a dos bloques, confundiendo la interacción de mayor orden
ABC ...K. Cada bloque de 2k -1 ensayos es un diseño factorial fraccionario 2 k- 1 de máxima
resolución.
Factorial 22 3 1 3 1
2III , I = 2III , I =
Completa
Corrida ABC -ABC
(diseño básico)
A B A B C=AB A B C=-AB
1 - - - - + - - -
2 + - + - - + - +
3 - + - + - - + +
4 + + + + + + + -
Ejemplo 10.4.1:
Página 191
Diseño para Seis Sigma (DFSS) P. Reyes / Enero 2007
Utilizando la relación definitoria, se observa que el alias de cada efecto principal es una
interacción trifactorial; esto es, A = A2BCD = BCD, B = AB2CD = ACD, C =ABC2D = ABD, y
D = ABCD2 = ABC. Además, el alias de cada interacción bifactorial es otra interacción
bifactorial. Estas relaciones de alias son AB = CD, AC = BD, y BC = AD. Los cuatro
efectos principales más los tres pares de alias de interacciones bifactoriales explican los
siete grados de libertad del diseño.
Página 192
Diseño para Seis Sigma (DFSS) P. Reyes / Enero 2007
4 1
Figura 10.4.3. Diseño 2IV para el experimento de rapidez
de filtración del ejemplo anterior
En la Tabla 10.4.4 se presentan las estimaciones de los efectos obtenidos a partir del
4 1
diseño 2 IV . Para ilustrar los cálculos, la combinación lineal de las observaciones
asociadas con el efecto A es:
Un análisis de la tabla 3.4 muestra que no es irrazonable concluir que los efectos
principales A, C y D son grandes, y que las interacciones AC y AD también son
Página 193
Diseño para Seis Sigma (DFSS) P. Reyes / Enero 2007
significativas. Esto concuerda con las conclusiones del análisis del diseño 2 4 completo del
ejemplo anterior 3.2.
4 1
Como el factor B es no significativo, puede eliminarse. En consecuencia el diseño 2 IV
puede proyectarse una replica de un diseño 23 con los factores A, C y D. Esto aparece en
la figura 4.3 la inspección visual de este diagrama de cubo nos da mayor tranquilidad en
cuanto a las conclusiones que se llego antes. Obsérvese que si la temperatura (A) se
encuentra en un nivel bajo, la concentración (C) tiene un efecto positivo, mientras que si la
temperatura se mantiene en un nivel alto, el efecto de la concentración es muy pequeño.
Esto se debe probablemente a un interacción AC. Además, si la temperatura esta en el
nivel bajo, el efecto de la velocidad de agitación (D) es despreciable, pero si esta en el
nivel alto, dicha velocidad tiene un efecto positivo. Esto se debe tal vez a la interacción AD
identificada tentativamente antes.
75 96
alto
80 60
C (C onc entra ci ón)
45 1 00
alto
45 65
bajo
bajo
bajo alto
A (temperatura)
4 1
Figura 10.4.3 Proyección del diseño 2 IV en el diseño 23 con A, C y D para el ejemplo
anterior 3.2
Página 194
Diseño para Seis Sigma (DFSS) P. Reyes / Enero 2007
Página 195
Diseño para Seis Sigma (DFSS) P. Reyes / Enero 2007
Factores Respuestas
Y1
Xi Proceso Y2
Y3
Suponga que la situación de alguna de las características, digamos Y1 se muestra en la
figura siguiente:
LIE LSE
Todos los factores x, que afectan este proceso, se pueden clasificar en cuatro grandes
grupos:
Página 196
Diseño para Seis Sigma (DFSS) P. Reyes / Enero 2007
Factores de ruido
Los factores de ruido son aquellos que no podemos o deseamos controlar, en general,
se consideran tres tipos:
- Ruido externo. Son los factores que están fuera del ámbito del producto, pero que
afectan el proceso en el ámbito del cliente durante su uso.
- Ruido interno. Son los factores que originan deterioro, o que las características de
calidad se degraden con el tiempo.
- Ruido de producto a producto. Son los factores que en el centro de producción
ocasionan variación de un producto a otro.
Los factores que afectan la media y/o variabilidad, se utilizan para reducir la
variabilidad. Los que afectan solamente a la media, se utilizan para reducir la
variabilidad. Los que afectan solamente a la media, se utilizan para centrar el proceso,
o bien para maximizar o minimizar la respuesta. Por último, los factores que no afectan
ni la media ni variación se utilizarán para reducir el costo del proceso, esto es, se
ubicarán a su nivel más económico.
Recuerde, que el objetivo es fijar los factores que están en nuestro control, a un nivel tal
que el producto sea robusto a los factores de ruido.
El problema es, que de antemano no sabemos dónde se ubica cada factor: el diseño de
experimentos es un grupo de herramientas que nos ayuda de una manera sistemática y
eficiente, a ubicar cada factor y en un caso dado, como exactamente afecta a la variable
de respuesta.
Página 197
Diseño para Seis Sigma (DFSS) P. Reyes / Enero 2007
Este es quizá el paso más importante, existe la posibilidad de que en este pase se
termine el experimento. En primer lugar, se debe de identificar un problema que sea
importante resolver para la empresa (no únicamente para el experimentador). Esto quiere
decir, que si el problema se resuelve, pondría en una mejor posición al producto y
permitiría a la empresa generar más utilidades. Si esta condición no se cumple, es
recomendable olvidarse por lo pronto del problema y buscar otro.
Una vez aprobado el problema, se debe definir por escrito cuál es el problema a
resolver, qué tipo de solución se busca, cuál es la situación actual y sobre todo, quién
sabe acerca del mismo o está directamente afectado, a fin de integrarlo dentro del grupo
de trabajo.
2. Lluvia de ideas
En esta fase, se pretende identificar como evaluar y/o cuantificar la característica que
se desea mejorar. Asegurarse que realmente representa el problema que se quiere
resolver. Una vez definida, se debe cuestionar si la puede medir de una manera
confiable sino es posible, busque alternativas.
Página 198
Diseño para Seis Sigma (DFSS) P. Reyes / Enero 2007
Considere también, que existen factores que no se pueden controlar y no tiene caso
que entren al experimento. Si aún así, quedan muchos factores candidatos, inicie con lo s
que sea más sencillo y menos costoso manipular.
Una vez seleccionados los factores, se deberán proponer los niveles a estudiar para
cada factor. No sea demasiado conservador, considere dentro de que rangos varían
generalmente los factores y trate de cubrir estos rangos. Es probable que los resultados
que obtenga se puedan interpolar sin embargo, será muy riesgoso extrapolar
resultados.
Arreglo interno
Arreglo externo
Tamaño de la muestra
2. Organizar el experimento
Hojas de datos
Quién hace qué
3. Correr el experimento
Recolectar datos
Analizar resultados.
4. Selecciona índice señal a ruido
Página 199
Diseño para Seis Sigma (DFSS) P. Reyes / Enero 2007
Este desembolso adicional que el consumidor tiene que gastar sin tener porque hacerlo
es una pérdida para él y para la sociedad en general, de la cual forma parte, si el producto
hubiese sido producido bien, nadie tendría porque hacer un costo adicional. De ahí el
nombre de pérdida.
Pero cómo es esta relación pérdida-desviación. Suponga que desea adquirir un cierto
producto con un diámetro de 10 pulg. Dado que es imposible obtener siempre este
Página 200
Diseño para Seis Sigma (DFSS) P. Reyes / Enero 2007
diámetro, se asigna una cierta tolerancia de digamos 0.02 pulg. Tradicionalmente esto
quiere decir que si usted recibe un producto con un diámetro entre 9.98 y 10.02 pulg. todo
esta bien mientras el diámetro se encuentre en este intervalo, esta igualmente contento.
Fuera de este rango el producto es completamente inaceptable.
Taguchi considera esta visión incorrecta. Para el cliente un producto que mide 9.9799
pulg. no es muy diferente a uno que mida 9.9801 pulg. De hecho, un producto aceptable
que mida 9.9801 es más parecido a uno defectuoso que al deseado de 10.0000 pulg.
Por lo tanto, más que una pérdida súbita que se tenga cuando el producto sales de
especificaciones, se tiene un continuo de pérdida tan pronto como el producto se desvía
del valor idealmente deseado por el cliente.
En seguida se discutirá este punto, con ejemplos más específicos para como cliente.
L(y)=k (y-m)2
Donde k es una constante específica para cada consumidor, que gráficamente queda
representado por:
L(y)
m y
Página 201
Diseño para Seis Sigma (DFSS) P. Reyes / Enero 2007
En este momento, se debe hacer algo para que el producto se pueda utilizar originando
un costo, llame a este costo Ac. Al sustituir en la fórmula de L(y), se tiene que
Algunos autores, sugieren utilizar como Tc, lo que se considere como tolerancia actual o
de operación, y entonces un buen valor de Ac es un 10% del precio del producto.
Página 202
Diseño para Seis Sigma (DFSS) P. Reyes / Enero 2007
Ap
Ap= (Ac/ Tc2)Tp 2, y por lo tanto Tp= Tc
Ac
Esto quiere decir, que la tolerancia del productor, debe siempre ser menor que la del
consumidor. La relación viene representada por la raíz cuadrada de la relación entre la
pérdida del producto y del consumidor para el mismo producto.
Lmedia= k ( yi m) / n (k ( y 1 m ) k ( y 2 m ) ... k ( y n m )) / n
proceso de manera que la media del mismo coincida con el ideal m, (disminuir d 2
1. Menor es mejor. Son aquellas características que el cliente desea sea mínima, m es
igual a cero y la característica “y” no puede ser menor que esta ideal. Ejemplo: desgaste,
fricción, etc.
Página 203
Diseño para Seis Sigma (DFSS) P. Reyes / Enero 2007
2. Mayor es mejor. Son aquellas características en que el valor ideal parra el cliente tiende
a infinito. Por ejemplo: duración, rendimiento, etc.
3. Nominal es mejor. Son aquellas características en que existe un valor nominal deseado
por el consumidor “m” y la característica real “y” puede ser mayor o menor que este ideal.
Ejemplo: diámetro, longitud, etc.
Para cada una de las características cuantitativas, existe una función de pérdida tanto
individual como promedio. Para el caso cualitativo dependiendo del caso, se puede
adaptar a una de ellas. Las expresiones son:
Página 204
Diseño para Seis Sigma (DFSS) P. Reyes / Enero 2007
De una manera gráfica, el objetivo de los arreglos ortogonales es: (suponga por ejemplo
10 factores a dos niveles) 1, 024 pruebas posibles:
Página 205
Diseño para Seis Sigma (DFSS) P. Reyes / Enero 2007
En esta sección, se analiza qué son, cómo se usan y cuáles son los arreglos
ortogonales más importantes para experimentos en los que cada factor toma dos niveles.
1 1 1 1 Y1
2 1 2 2 Y2
3 2 1 2 Y3
4 2 2 1 Y4
Se tienen tres columnas que consisten de números “1” y “2”. A cada columna se asigna
un factor o variable cuyo efecto en la variable de respuesta se desea investigar. Con este
arreglo se pueden investigar hasta tres factores.
Cada columna de un factor consiste de números “1” y “2” donde el número “1” indica
que el factor se encuentra a su nivel inferior y el “2 “a su nivel superior.
Se puede observar que cada columna tiene la misma cantidad de números “1” que de
números “2”. Si tomamos cualquier pareja de columnas, existen cuatro posibles
combinaciones de sus valores,”11”, “12”, “21” y “22”. Como en cada pareja de columnas
Página 206
Diseño para Seis Sigma (DFSS) P. Reyes / Enero 2007
De acuerdo con la notación empleada por Taguchi al arreglo mostrado como ejemplo.
se le llama un arreglo L4, por tener cuatro renglones.
Factor
Nº 1 2 3 Resultado
1 -1 -1 -1 Y1
2 -1 +1 +1 Y2
3 +1 -1 +1 Y3
4 +1 +1 -1 Y4
Para cada arreglo ortogonal de Taguchi se tienen gráficas lineales, usadas para ilustrar
las relaciones de interacción en el arreglo ortogonal, en este caso la interacción de las
columnas 1 y 2 están confundidas con las columna 3.
Para arreglos ortogonales más grandes no solo se cuenta con gráficas lineales sino
además con tabla de interacciones para explicar las interacciones entre columnas, por
ejemplo para el arreglo L8 se tiene:
Página 207
Diseño para Seis Sigma (DFSS) P. Reyes / Enero 2007
COLUMNAS
Exp. No. 1 2 3 4 5 6 7
1 1 1 1 1 1 1 1
2 1 1 1 2 2 2 2
3 1 2 2 1 1 2 2
4 1 2 2 2 2 1 1
5 2 1 2 1 2 1 2
6 2 1 2 2 1 2 1
7 2 2 1 1 2 2 1
8 2 2 1 2 1 1 2
Matriz o tabla
de
interacciones
Columnas 1 2 3 4 5 6 7
1 (1) 3 2 5 4 7 6
2 (2) 1 6 7 4 5
3 (3) 7 6 5 4
4 (4) 1 2 3
5 (5) 1 2
6 ¡(1) 6
7 (7)
1 3 2
3 5
1
.7 5 4
6
2 6 4
(a)
(b) 7
Página 208
Diseño para Seis Sigma (DFSS) P. Reyes / Enero 2007
Con ayuda de matriz de interacciones es factible, mediante prueba y error, asignar los
factores a las columnas. Sin embargo, para simplificar aun más esta asignación nos
podemos auxiliar de las gráficas lineales (1) y (2) que se muestran.
En particular, el arreglo ortogonal L8 tiene dos alternativas de arreglo mostrados por las
gráficas (1) y (2) respectivamente.
Por ejemplo, la gráfica (1) indica que con este arreglo se pueden analizar, tres factores
principales, (puntos 1, 2 y 4) y las interacciones entre ellos, (líneas 3, 5 y 6), además de
un cuarto factor, (punto 7), que no interactúa con los otros tres.
Los números indican que si deseamos lo anterior, los tres factores deberán asignarse a
las columnas 1, 4 y 2. Las interacciones aparecen en las columnas 3, 5 y 6.
La gráfica (2) indica cuatro factores, (puntos 1, 2, 4 y 7) con interacciones de uno de ellos
con los otros tres (líneas 3, 5 y 6).
Página 209
Diseño para Seis Sigma (DFSS) P. Reyes / Enero 2007
Por lo tanto, el factor que interactúa con los otros tres se debe asignar a la columna 1 del
arreglo, los otros tres factores a las columnas 2, 4 y 7. Las interacciones quedarán en las
columnas 3, 5 y 6.
Página 210
Diseño para Seis Sigma (DFSS) P. Reyes / Enero 2007
7
En la notación de los arreglos ortogonales L8 ( 2 ) , el 2 significa dos niveles, el 8 indica
8 corridas experimentales y el 7 significa que se pueden acomodar hasta 7 factores o una
combinación con sus interacciones.
En general, para un arreglo a dos niveles, el número de columnas, los efectos que se
pueden analizar, es igual al número de renglones menos 1.
Taguchi ha desarrollado una serie de arreglos para experimentos con factores a dos
niveles, los más utilizados y difundidos se anexan en el apéndice y según el número de
factores a analizar son:
Página 211
Diseño para Seis Sigma (DFSS) P. Reyes / Enero 2007
Entre 8 y 11 L12 12
Entre 12 y 15 L16 16
Entre 16 y 31 L32 32
Entre 32 y 63 L64 64
Posteriormente se deben determinar los grados de libertad, que son la cantidad relativa
de datos requeridos para estimar los efectos a ser analizados. Para los grados de
libertad se siguen las reglas siguientes:
Por ejemplo en un experimento hay un factor A con dos niveles, 6 factores (B, C, D, E, F,
G) con 3 niveles y una interacción entre los factores A y B, los grados de libertad son los
siguientes:
Media 1
A 2-1 = 1
B, C, D, E, F, G 6 x (3-1) = 12
AB (2-1)(3-1) = 2
Total 16
Página 212
Diseño para Seis Sigma (DFSS) P. Reyes / Enero 2007
B1
B1
B2
B2
Página 213
Diseño para Seis Sigma (DFSS) P. Reyes / Enero 2007
A1 A2 A1 A2
¿Cómo se puede dar cuenta antes del experimento que existe una interacción?, no lo
puede saber con certeza, pero una buena guía es la experiencia de experimentos previos,
por conocimiento del proceso y por la literatura.
Las interacciones existen en los procesos en mayor o menor grado. Sin embargo, no
se preocupe demasiado si no puede identificar ninguna, al final de esta elección se le
indica que hacer.
a) los arreglos ortogonales a utilizar para los casos con interacciones, son exactamente
los mismos que se usan para el caso sin interacciones.
b) al asignar dos factores, A y B por ejemplo, a ciertas columnas, automáticamente la
interacción de esos dos factores AxB se reflejará en otra columna del arreglo. Por lo
tanto, esta tercera columna ya no podrá ser utilizada por algún otro factor o interacción
a menos que se pueda suponer la interacción AxB como inexistente.
c) una interacción significante que se desee probar, tomará una columna y en
consecuencia un grado de libertad. Por lo tanto, isi deseamos analizar el efecto de 6
factores y 4 de las interacciones entre ellos, requerimos por lo menos de 10 grados de
libertad, esto es de 10 columnas, o sea un arreglo L 16 y no un arreglo L8, que sería
suficiente sin interacciones.
d) se deberá tener cuidado especial, en la manera como se asignan los factores a las
columnas, para que sus interacciones no se confundan con otros factores principales u
otras interacciones que también deseamos probar.
Página 214
Diseño para Seis Sigma (DFSS) P. Reyes / Enero 2007
Una condición que existe para el manejo de las interacciones mediante procedimientos de
arreglos ortogonales Taguchi, es que se tenga una definición “a priori “ de cuáles
interacciones específicamente sospechamos que existen. Esto es, debemos definir de
antemano qué interacciones creemos son relevantes, a fin de incluirlas en nuestro
análisis.
Diseños experimentales
Regla 3. Mantener algunas columnas vacías is no pueden ser asignadas todas las
columnas.
Página 215
Diseño para Seis Sigma (DFSS) P. Reyes / Enero 2007
L18 18 8 1 7
L25 25 6 6
L27 27 13 13
L32 32 31 31
L32’ 32 10 1 9
L36 36 23 11 12
L36’ 36 16 3 13
L50 50 12 1 11
L54 54 26 1
L64 64 63 63
L64’ 64 21 21
L81 81 40 40
NOTA: En los ejemplos que siguen, para denotar una interacción entre dos factores, A y B
por ejemplo, se utiliza indistintamente la notación AB o AxB.
Gráficas lineales
En el apéndice se muestra un arreglo L8 junto con una matriz triangular y dos gráficas
lineales. Estas se reproducen aquí para explicación.
Página 216
Diseño para Seis Sigma (DFSS) P. Reyes / Enero 2007
Matriz o tabla
de
interacciones
Columnas 1 2 3 4 5 6 7
1 (1) 3 2 5 4 7 6
2 (2) 1 6 7 4 5
3 (3) 7 6 5 4
4 (4) 1 2 3
5 (5) 1 2
6 ¡(1) 6
7 (7)
1 3 2
3 5
1
.7 5 4
6
2 6 4
(a)
(b) 7
Ejemplo 11.1:
1) Como primer paso, seleccionamos un arreglo ortogonal tentativo. Esto depende del
número de efectos totales a analizar.
Página 217
Diseño para Seis Sigma (DFSS) P. Reyes / Enero 2007
A. B.
C. D.
En seguida mostramos las interacciones que nos interesan, mediante líneas. Para
nuestro caso tenemos (gráfica de la izquierda):
AxB 3
A B 1 2
AxC AxD 5
6
C D 7 4
Esto es:
Página 218
Diseño para Seis Sigma (DFSS) P. Reyes / Enero 2007
Supongamos que ahora queremos analizar un factor más, el factor E y creemos que la
interacción AxC realmente no es relevante. La gráfica lineal que requerimos es:
AxB
A C .E
AxD
Esta gráfica es parecida a la gráfica lineal (2) excepto por la interacción de AxC, por lo
tanto, una asignación lógica es:
Observe que en este último caso, también se pudo utilizar la gráfica lineal (1).
Si por alguna razón, la gráfica que deseamos, no puede quedar incluida en las gráficas
lineales (1) ó (2) es necesario usar otro arreglo ortogonal de mayor tamaño.
Ejemplo 11.2:
Página 219
Diseño para Seis Sigma (DFSS) P. Reyes / Enero 2007
Página 220
Diseño para Seis Sigma (DFSS) P. Reyes / Enero 2007
18 2 3 3 2 1 2 3 1
A(1)
3 9 15 I(14)
Las columnas 3, 7, 9 y 13 se dejan vacías para evitar confundir los efectos principales con
las interacciones de dos factores.
L16 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15
Exp. A B AB E H C AC F
No. AF e G D AD I E
1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1
2 1 1 1 1 1 1 1 1 2 2 2 2 2 2 2
…. …. …. …. …. …. …. …. …. …. …. …. …. …. …. ….
Página 221
Diseño para Seis Sigma (DFSS) P. Reyes / Enero 2007
A(1)
B(2) C(5)
Técnicas especiales
Algunas veces se requiere tener algunos factores con diferentes niveles en el mismo
experimento, por ejemplo cuatro o más niveles, para esto se utilizan algunas técnicas
especiales.
Combinación de columnas
Se pueden combinar varias columnas de bajo nivel en una columna de mayor nivel.
Se requieren tres columnas de dos niveles para crear una columna de 8 niveles, como
cada columna tiene un grado de libertad, y una de cuatro niveles tiene tres grados de
libertad, se requieren tres columnas, que se forman con dos columnas y la columna de su
interacción.
Página 222
Diseño para Seis Sigma (DFSS) P. Reyes / Enero 2007
A 1
3 AB(5)
2 B(4)
AB(6) 7
Página 223
Diseño para Seis Sigma (DFSS) P. Reyes / Enero 2007
Matriz o tabla
de
interacciones
Columnas 1 2 3 4 5 6 7
1 (1) 3 2 5 4 7 6
Página 224
Diseño para Seis Sigma (DFSS) P. Reyes / Enero 2007
2 (2) 1 6 7 4 5
3 (3) 7 6 5 4
4 (4) 1 2 3
5 (5) 1 2
6 ¡(1) 6
7 (7)
A 1
3 AB(5)
2 B(4)
AB(6) AB(7)
L8 A AB AB
B AB
Exp. No.
1 1 1 1 1 1
2 1 2 2 2 2
3 2 1 1 2 2
4 2 2 2 1 1
5 3 1 2 1 2
6 3 2 1 2 1
7 4 1 2 2 1
8 4 2 1 1 2
Técnica de nivel artificial
Se utiliza para asignar un factor con m niveles a una columna con n niveles, donde n > m.
Se puede aplicar la técnica de nivel artificial para asignar un factor de 3 niveles a un
arreglo ortogonal de 2 niveles.
Df = 1 + (2-1) + 3(3-1) = 8
Página 225
Diseño para Seis Sigma (DFSS) P. Reyes / Enero 2007
El arreglo L8 no puede acomodar este diseño porque solo tiene columnas de 2 niveles, se
requiere un arreglo mayor como el L9 que puede acomodar hasta 4 factores de tres
niveles, de esta forma se puede utilizar una columna para el factor A en 2 niveles y los
factores B, C, y D a otras 3 columnas como sigue:
En este caso los 1’ indican que se asignó el nivel 1 en lugar del nivel 3 en la columna 1,
también se pudo haber asignado el nivel 2. El nivel seleccionado a duplicarse debe ser el
nivel del cual nos gustaría obtener más información.
Página 226
Diseño para Seis Sigma (DFSS) P. Reyes / Enero 2007
L16 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15
Exp. No.
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 1 1 2 2 2 2 2 2 2 2 1 1 1 1
5 1 2 2 1 1 2 2 1 2 2 2 1 1 2 2
6 1 2 2 1 1 2 2 2 1 1 1 2 2 1 1
7 1 2 2 2 2 1 1 1 2 2 2 2 2 1 1
8 1 2 2 2 2 1 1 2 1 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
Página 227
Diseño para Seis Sigma (DFSS) P. Reyes / Enero 2007
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
3 BC(12)DE(15)FG(14)13
Las columnas 1, 2 y 3 se pueden combinar para formar la columna A y todos los demás
factores e interacciones.
L16 1, 2, 3 4 5 6 7 8 9 10 11 12 13 14 15
Exp. No. A B D H F C G E e BC e FG DE
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 1 2 2 2 2 1 1 1 1 2 2 2 2
4 1 2 2 2 2 2 2 2 2 1 1 1 1
5 2 1 1 2 2 1 2 2 2 1 1 2 2
6 2 1 1 2 2 2 1 1 1 2 2 1 1
7 2 2 2 1 1 1 2 2 2 2 2 1 1
8 2 2 2 1 1 2 1 1 1 1 1 2 2
9 3 1 2 1 2 1 2 1 2 1 2 1 2
10 3 1 2 1 2 2 1 2 1 2 1 2 1
11 3 2 1 2 1 1 2 1 2 2 1 2 1
12 3 2 1 2 1 2 1 2 1 1 2 1 2
13 1’ 1 2 2 1 1 2 2 1 1 2 2 1
14 1’ 1 2 2 1 2 1 1 2 2 1 1 2
15 1’ 2 1 1 2 1 2 2 1 2 1 1 2
16 1’ 2 1 1 2 2 1 1 2 1 2 2 1
Página 228
Diseño para Seis Sigma (DFSS) P. Reyes / Enero 2007
Hay cuatro combinaciones para A y B: A1B1, A1B2, A2B1 y A2B2, dado que la columna
tiene sólo 3 niveles, sólo se pueden seleccionar 3 combianciones tales como (AB)1 =
A1B1, (AB)2 = A1B2 y (AB)3 = A2B1. El factor compuesto AB puede ser asignado a la
columna de 3 niveles.
Página 229
Diseño para Seis Sigma (DFSS) P. Reyes / Enero 2007
5 (AB)2 2 3 1
6 (AB)2 3 1 2
7 (AB)3 1 3 2
8 (AB)3 2 1 3
9 (AB)3 3 2 1
Se pierde cierta ortogonalidad, los factores compuestos no son ortogonales entre sí, pero
si lo son con los otros factores.
Nivel alto
Efecto Descripción Nivel bajo 1 2
A Tensión del diafragma Baja Alta
B Entrada para aire Estrecha Abierta
Apertura para
C combustible Pequeña Grande
D Flujo de gasolina Lento Rápido
AxC Interacción
AxB Interacción
BxC Interacción
AxC AxB
C B .D
CxB
Página 230
Diseño para Seis Sigma (DFSS) P. Reyes / Enero 2007
Esta gráfica se ajusta a la gráfica lineal (1) del arreglo ortogonal L8, por lo que una
asignación apropiada de efectos es:
Observe que al tomar las lecturas, (efectuar las pruebas), se ignoran las columnas donde
se asignaron interacciones.
Página 231
Diseño para Seis Sigma (DFSS) P. Reyes / Enero 2007
El error aleatorio (e) se estima usando los efectos más pequeños marcados con *.
Dado que el factor B resulta significante, pero no son significantes alguna de sus
interacciones, su mejor nivel se puede decidir de manera independiente al igual que se
realizó en secciones anteriores. Esto es, se obtienen los promedios:
Nº A C Yi
1 1 1 11.20 Siempre existirán entre dos columnas
2 1 1 10.80 cuatro posibles combinaciones de
3 1 2 7.2 números: 1 1; 1 2; 2 1; 2 2
4 1 2 7.0
5 2 1 8.0
6 2 1 6.9
7 2 2 10.4
8 2 2 10.1
Página 232
Diseño para Seis Sigma (DFSS) P. Reyes / Enero 2007
En resumen
Página 233
Diseño para Seis Sigma (DFSS) P. Reyes / Enero 2007
11.0
10.0
9.00
8.00
7.00
A1 A2
Una estimación del porcentaje de hidrocarburos sin quemar es igual a la suma de los
efectos significantes, incluyendo los factores que intervienen en una interacción
significante, hayan resultado significantes de manera individual o no.
Yest = Y + EF A1 C2 + EF A1 + EF C2 + EF B2
= 8.95 + (-1.675) + (9.05 – 8.95) + (8.675 – 8.95) + (-0.25)= 6.85
1. Análisis de varianza
Página 234
Diseño para Seis Sigma (DFSS) P. Reyes / Enero 2007
No hay diferencia real entre el ANOVA clásico y el de Taguchi. Primero se determinan las
sumas de cuadrados (SS), después los cuadrados medios (MS) dividiendo los SS entre
los grados de libertad correspondientes.. En Taguchi la prueba F no es tan importante
como en el método clásico, algunas veces la importancia relativa de cada factor se
determina por su porcentaje de contribución a la suma de cuadrados total.
k T2
t Nxn
k
SS T 2
Nxn t 1
Donde:
K = número de niveles
n = Número de réplicas
Página 235
Diseño para Seis Sigma (DFSS) P. Reyes / Enero 2007
1 1 1 1 1 1 1 1 26 38
2 1 1 1 2 2 2 2 16 6
3 1 2 2 1 1 2 2 3 17
4 1 2 2 2 2 1 1 18 16
5 2 1 2 1 2 1 2 0 5
6 2 1 2 2 1 2 1 0 1
7 2 2 1 1 2 2 1 4 5
8 2 2 1 2 1 1 2 5 3
2 T2
SS A (TA21 TA22 )
8x2 8x2
De manera similar:
SSB = 27.56
SSAB = 115.56
SSE = 33.06
SSBD = 217.56
SSG = 175.56
N n
T2
SST y ij2
i 1 j 1 Nxn
SST = (26^2+38^2+….+5^2+3^2)-163^2/16 = 1730.44
De Minitab se tiene:
Página 236
Diseño para Seis Sigma (DFSS) P. Reyes / Enero 2007
D fixed 2 1, 2
E fixed 2 1, 2
G fixed 2 1, 2
Model
Los efectos que tienen el porcentaje de contribución más alto se consideran que tienen
más influencia en la respuesta, en este caso:
Página 237
Diseño para Seis Sigma (DFSS) P. Reyes / Enero 2007
A con 49%
BD con 12.57%
G con 10.15%
AB con 6.68%.
Para las gráficas de efectos principales e interacciones se calculan los promedios en cada
nivel de cada factor:
26 38 16 6 3 17 18 16
Y A1 17.5
8
0 5 0 1 4 5 5 3
YA2 2.875
8
Página 238
Diseño para Seis Sigma (DFSS) P. Reyes / Enero 2007
15
10
Mean of Means
1 2 1 2 1 2
E G
15
10
1 2 1 2
26 38 0 5
YB1D1 17.25
4
16 6 0 1
YB1D 2 5.75
4
3 17 4 5
YB 2 D1 7.25
4
18 16 5 3
YB 2 D 2 10.5
4
Página 239
Diseño para Seis Sigma (DFSS) P. Reyes / Enero 2007
20 A
1
2
10 A
0
20 B
1
2
B 10
0
20 E
1
2
10 E
0
1 2 1 2
yˆ y A 2 y G 2 y B1D 2 2T
T T /( Nn)
Página 240
Diseño para Seis Sigma (DFSS) P. Reyes / Enero 2007
Niveles
Factores 1 2 3
A Nitrógeno 0.5 1 1.5
B Ácido
fosfórico 0.03 0.6 0.9
C Potasa 0.04 0.7 1
k T2
t Nxn
k
SS T 2
Nxn t 1
N n
T2
SST y ij2
i 1 j 1 Nxn
Se obtienen los resultados siguientes:
SSA = 158
SSB = 2.667
SSC = 18.667
SST = 180
Página 241
Diseño para Seis Sigma (DFSS) P. Reyes / Enero 2007
A con 87.78%
C con 10.37%
B con 1.48%
Para la obtención de las gráficas factoriales se estiman los promedios en los diferentes
niveles de los factores como sigue:
8 12 9
Y A1 9.67
3
11 12 15
YA2 12.67
3
21 18 20
Y A3 19.67
3
17.5
15.0
12.5
Mean of Means
10.0
1 2 3 1 2 3
C
20.0
17.5
15.0
12.5
Página 242
10.0
1 2 3
Diseño para Seis Sigma (DFSS) P. Reyes / Enero 2007
Se mencionó también, que de todos los factores que afectan un proceso, se pueden
extraer dos grupos:
z1 z2 z3 z4 ... Página
zq 243
Factores incontrolables
Figura 1. Modelo general de un proceso o sistema
Diseño para Seis Sigma (DFSS) P. Reyes / Enero 2007
Fig. 1.1
Esto quiere decir que en lugar de tratar de eliminar un factor de ruido (variabilidad en la
materia prima del proveedor, por ejemplo) deseamos identificar factores que controlamos
(velocidad de alimentación, por ejemplo) y fijarlos a un nivel tal, que el impacto de los
factores de ruido sean mínimos.
Un estudio en el cual se desarrolla un análisis de este tipo, se llama análisis señal ruido o
diseño directo de productos.
1. Dentro de los factores a estudiar, separe los de ruido y los de diseño o control.
2. Dentro de los factores de diseño, identifique aquellos que afectan la variabilidad del
proceso. Utilícelos para minimizar la variabilidad.
3. Dentro de los factores de diseño, identifique aquellos que afectan la media, sin afectar
la variabilidad. Utilícelos para optimizar la media.
4. Identifique aquellos factores de diseño que no afectan ni media ni variabilidad.
Utilícelos para reducir costos.
Para ilustrar lo anterior, suponga que la temperatura afecta la variabilidad del proceso, y la
presión afecta la media del proceso, pero sin afectar la variabilidad. Si inicialmente
estamos en el nivel 1 de cada factor, la situación es:
Página 244
Diseño para Seis Sigma (DFSS) P. Reyes / Enero 2007
Temperatura a su nivel I
Presión a su nivel I
LIE m LSE
LIE m LSE
Si la presión, que afecta la media sin afectar la variabilida, la variamos a su nivel de dos,
obtenemos:
LIE m LSE
Por lo tanto, podemos utilizar la presión, manteniendo la temperatura a su nivel II, para
ajustar o sincronizar la media.
Página 245
Diseño para Seis Sigma (DFSS) P. Reyes / Enero 2007
Una vez que podemos medir la característica de calidad que nos interesa, podemos
evaluar su media y su variabilidad. La media la podemos evaluar directamente, usando
una lectura o el promedio si son varias lecturas.
Sin embargo, es deseable tener una cantidad o expresión que de alguna manera,
involucre media y variación, o que por lo menos, ayude a que nuestras conclusiones sean
más confiables.
Esta cantidad ya existe y se llama índice señal ruido, denotado como SN o SR de aquí en
adelante.
Vm= y
1
2 2 2 2
y2 y3 ... yr Sm / r 1
L(Y )k ( T ) 2 k 2
1 n
y i
n i 1
Página 246
Diseño para Seis Sigma (DFSS) P. Reyes / Enero 2007
1 n
ˆ s 2
n 1 i 1
( yi y ) 2
Para un grupo de características dadas, y1, y2, …., yn, la relación señal a ruido S/N es:
ˆ 2 y2 y
S / N 10 log 2 10 log 2 20 log
ˆ s s
L(Y ) kE Y 2
Para un grupo de características dadas, y1, y2, …., yn, el estimador estadístico de E(Y 2)
es:
1 n 2
MSD yi
n i 1
1 n
S / N 10 log y i2
n i 1
1
L(Y ) kE 2
Y
Para un grupo de características dadas, y1, y2, …., yn, el estimador estadístico de E(1/Y 2)
es:
1 n 1
MSD
n i 1 y i2
Página 247
Diseño para Seis Sigma (DFSS) P. Reyes / Enero 2007
1 n 1
S / N 10 log 2
n i 1 y i
Esta cantidad funciona de una manera similar al caso anterior, pero con el inverso.
Maximizar una cantidad es equivalente a minimizar la función de pérdida.
El uso de logaritmos pretende hacer la respuesta más “lineal” y el signo negativo es para
que siempre se maximize el índice SN. Se multiplica por 10 para obtener decibeles.
Página 248
Diseño para Seis Sigma (DFSS) P. Reyes / Enero 2007
Página 249
Diseño para Seis Sigma (DFSS) P. Reyes / Enero 2007
Página 250
Diseño para Seis Sigma (DFSS) P. Reyes / Enero 2007
Los factores G y H son factores que no se pueden controlar durante el proceso, ya que el
tipo de modelo depende del requerimiento específico del cliente y la templabilidad es una
característica de la materia prima. Estos dos factores se consideran al menos inicialmente
como factores de ruido.
De acuerdo con esto, lo que se desea saber es cuáles deben ser las condiciones de
operación o niveles de los factores de diseño A, B, C y D, que lleven el producto a la
característica objetivo y además con la mínima variabilidad, a pesar de las variaciones en
los factores G y H.
Arreglo interno
Considere únicamente los factores de diseño, se desea detectar 6 efectos en total, y para
ello, se requiere de un arreglo ortogonal L8. La gráfica lineal requerida es:
Página 251
Diseño para Seis Sigma (DFSS) P. Reyes / Enero 2007
1 A .2 B
5 A xC
4 C
AxD 6
7 D
G H
Nº 1 2 3
1 1 1 1
2 1 2 2
3 2 1 1
4 2 2 1
Página 252
Diseño para Seis Sigma (DFSS) P. Reyes / Enero 2007
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
Nº 1 2 3 4 5 6 7 1 2 3 4
1 1 1 1 1 1 1 1 Y11 Y12 Y13 Y14
2 1 1 1 2 2 2 2 Y21 Y22 Y23 Y24
3 1 2 2 1 1 2 2 Y31 Y32 Y33 Y34
4 1 2 2 2 2 1 1 Y41 Y42 Y43 Y44
5 2 1 2 1 2 1 2 Y51 Y52 Y53 Y54
6 2 1 2 2 1 2 1 Y61 Y62 Y63 Y64
7 2 2 1 1 2 2 1 Y71 Y72 Y73 Y74
8 2 2 1 2 1 1 2 Y81 Y82 Y83 Y84
Observe que la matriz de ruido o arreglo externo se ha traspuesto o acostado, esto es,
escrito sus renglones como columnas. Observe también que existen 8x4= 32 posibles
lecturas, tomadas bajo diferentes condiciones todas ellas (valores de Y ij ). En general, si
el arreglo interno tiene M renglones y el externo tiene N renglones, entonces existen un
total de MxN lecturas, que pueden ser tomadas bajo condiciones diferentes.
Por eso se recomienda que el número de factores de ruido (valor de N) no sea mayor que
3.
Pero, ¿cómo se toman exactamente cada una de las 32 lecturas? suponga que
inicialmente, deseamos tomar las lecturas Y11, Y12, Y13, Y14 . Para esto, se fijan todos los
factores de diseño de acuerdo con los niveles indicados por el renglón Nº 1 del arreglo
interno, esto es, todos los factores de diseño a su nivel 1.
Página 253
Diseño para Seis Sigma (DFSS) P. Reyes / Enero 2007
Sin embargo, si bien las cuatro lecturas Y11, Y12, Y13, Y14 se toman a los mismos niveles
de los factores de diseño, cada una se toma a diferentes niveles de los factores de ruido.
En resumen se tiene:
En seguida deseamos obtener las lecturas Y21 , Y22 , Y23 , Y24. Todas estas lectura
se tomarán al mismo nivel de los factores de diseño y estos niveles serán indicados por el
renglón Nº 2 del arreglo interno. Manteniendo estas condiciones, los factores de ruido se
varían a sus cuatro combinaciones indicadas por el arreglo externo.
De esta manera se van obteniendo todas las 32 lecturas. Se fijan los factores de diseño
según un renglón del arreglo interno y se mantienen fijos mientras se varían los factores
de ruido de acuerdo con el arreglo interno.
Como ejemplo, la lectura Y73 , se obtendrá bajo las condiciones siguientes: factor A, 1600
ºF, 220 psi, factor C. 8 seg, factor D, 80 gal/min; factor G, tipo grande; y factor H, 25 Rc.
1 2 2 1
1 2 1 2 H
L8 Col.1 Col. Col. Col. Col. Col. Col.
2 3 4 5 6 7 1 1 2 2 G
Exp. A B e C AxC AxD D y1 y2 y3 y4 Total
Página 254
Diseño para Seis Sigma (DFSS) P. Reyes / Enero 2007
Suponga que por alguna razón para este ejemplo en particular, se tiene un valor deseado
de m= 2 mmplg.
Para obtener conclusiones a partir de un experimento señal a ruido se puede usar la tabla
ANOVA, o bien, a través de gráficas.
Para responder a la pregunta de a qué niveles fijar los factores de diseño, a fin de
minimizar la variabilidad en la característica de respuesta, ignoramos el arreglo externo
conservando las 32 lecturas, específicamente, el arreglo para análisis es:
Página 255
Diseño para Seis Sigma (DFSS) P. Reyes / Enero 2007
L8
Exp. A B C D y1 y2 y3 y4
1 1 1 1 1 1.1 1.2 1.3 1.1
2 1 2 2 2 1.2 1.3 1.2 1.3
3 1 2 1 2 2 2.1 2.2 2.1
4 1 1 2 1 2.1 2.2 2.1 2
5 2 1 1 2 1 1.4 1.2 1.3
6 2 2 2 1 1.2 1.3 1.5 1
7 2 2 1 1 1.6 2.1 2.4 2
8 2 1 2 2 1.5 2 2.3 2.5
Lo que observamos en esta última tabla es un arreglo L8 con 4 lecturas para cada
condición o renglón.
SN= 10 log Sm Vm / r * Vm ;
Página 256
Diseño para Seis Sigma (DFSS) P. Reyes / Enero 2007
Para el renglón o condición experimental Nº 2 se tienen las lectural: 1.2, 1.3, 1.2, 1.3, con
un total de 5.0
Nº Sm Vm Sn (dB)
1 5.5225 0.00916 21.771
2 6.2500 0.00333 26.707
3 17.6400 0.00666 28.203
4 17.6400 0.00666 28.203
5 6.0025 0.02916 17.092
6 6.2500 0.04333 15.539
7 16.4025 0.10916 15.718
8 17.2225 0.18916 13.524
Página 257
Diseño para Seis Sigma (DFSS) P. Reyes / Enero 2007
A B e C AxC AxD D SN
Nº 1 2 3 4 5 6 7 dB
1 1 1 1 1 1 1 1 21.771
2 1 1 1 2 2 2 2 26.707
3 1 2 2 1 1 2 2 28.203
4 1 2 2 2 2 1 1 28.203
5 2 1 2 1 2 1 2 17.092
6 2 1 2 2 1 2 1 15.539
7 2 2 1 1 2 2 1 15.718
8 2 2 1 2 1 1 2 13.524
= 21.7714+26.7071+28.2036+28.2036= 104.8857
=17.0927+15.5397+15.7186+13.5420= 61.8750
Factor SS Gl V Fexp
A 231.2413 1 231.2413 14.44
B 2.5751 1 2.5751 00.16
C 0.1764 1 0.1764 00.01
AxC 9.4284 1 9.4284 00.59
AxD 3.8880 1 3.8880 00.24
D 2.3047 1 2.3047 00.14
e 16.0135 1 16.0135
Página 258
Diseño para Seis Sigma (DFSS) P. Reyes / Enero 2007
El factor A, temperatura del horno, es el factor que estadísticamente afecta el índice señal
a ruido, y que por consiguiente “afecta la variabilidad. De acuerdo con los niveles del
factor A, se tiene:
Dado que siempre deseamos maximizar el índice señal a ruido, el factor A se fija en su
nivel 1, esto es, la temperatura del horno se fija en 1500 ºF.
¿Qué hacer con el resto de los factores? antes de contestar esta pregunta, se deben
identificar de entre los factores que NO AFECTARON el índice SN, cuáles afectan la
media. Esto se muestra en lo que sigue.
Para el análisis, se utilizan las 32 lecturas iniciales. Para ello se obtiene el promedio de
cada renglón.
Página 259
Diseño para Seis Sigma (DFSS) P. Reyes / Enero 2007
A B e C AxC AxD D
Nº 1 2 3 4 5 6 7 1 2 3 4 Total Promedio
1 1 1 1 1 1 1 1 1.1 1.2 1.3 1.1 4.7 1.175
2 1 1 1 2 2 2 2 1.2 1.3 1.2 1.3 5.0 1.250
3 1 2 2 1 1 2 2 2.0 2.1 2.2 2.1 8.4 2.100
4 1 2 2 2 2 1 1 2.1 2.2 2.1 2.0 8.4 2.100
5 2 1 2 1 2 1 2 1.0 1.4 1.2 1.3 4.9 1.225
6 2 1 2 2 1 2 1 1.2 1.3 1.5 1.0 5.0 1.250
7 2 2 1 1 2 2 1 1.6 2.1 2.4 2.0 8.1 2.025
8 2 2 1 2 1 1 2 1.5 2.0 2.3 2.5 8.3 2.075
Totales 13.200
=1.175+1.250+2.100+2.100= 6.625
= 1.225+1.250+2.075+2.025= 6.575
B2 = 2.100+2.100+2.025+2.075= 8.300
Y así sucesivamente
SSC = 0.0028 , SSAxC= 0.0000, SSAxD= 0.0003
Página 260
Diseño para Seis Sigma (DFSS) P. Reyes / Enero 2007
Página 261
Diseño para Seis Sigma (DFSS) P. Reyes / Enero 2007
Se puede interpolar para conocer el valor al que se debe fijar la presión. La respuesta
promedio a 200 psi es de 1.225 y a 220 psi es 2.075
Y 2.0
1.5
1.0 B
200 220
Por ejemplo, para el factor A encontramos el promedio a cada uno de sus niveles, tanto
del índice señal a ruido como de las lecturas individuales.
Página 262
Diseño para Seis Sigma (DFSS) P. Reyes / Enero 2007
Las conclusiones que se obtienen son las mismas, esto es, el factor A es el que más
afecta el índice señal a ruido, y lo hace mayor a su nivel A 1. El factor B es el que más
afecta la respuesta promedio sin afectar el índice SN, la respuesta promedio aumenta al
aumentar el factor B de su nivel 1 al 2.
Página 263
Diseño para Seis Sigma (DFSS) P. Reyes / Enero 2007
25.0
22.5
20.0
Mean of SN ratios
17.5
15.0
1 2 1 2
C D
25.0
22.5
20.0
17.5
15.0
1 2 1 2
Signal-to-noise: Nominal is best (10*Log(Ybar**2/s**2))
1.66
1.65
1.64
Mean of Means
1.63
1 2 1 2
C D
1.67
1.66
1.65
1.64
1.63
1 2 1 2
Página 264
Diseño para Seis Sigma (DFSS) P. Reyes / Enero 2007
A
25 1
2
20 A
15
C
25 1
2
C 20
15
D
25 1
2
20 D
15
1 2 1 2
A
2.0
1
2
1.6 A
1.2
C
2.0
1
2
C 1.6
1.2
2.0 D
1
2
1.6 D
1.2
1 2 1 2
Página 265
Diseño para Seis Sigma (DFSS) P. Reyes / Enero 2007
De acuerdo con los resultados que se han obtenido de los análisis, las conclusiones
generales son:
Suponga que se incurre en un costo de $8,000. Cuando la desviación del valor objetivo es
de 0.5 mmpl. Además suponga que el nivel 1 de todos los factores representa la situación
actual. De acuerdo con estos datos la función de pérdida indica un valor de:
L(y)= k 2 d 2 ; donde K= 8000/.52= 32000
SI el proceso se encuentra actualmente con todos los factores a su nivel 1, esta situación
está representada por las cuatro lecturas del renglón 1. Por lo tanto, Vm para el renglón 1
estima la varianza y es:
Vm= 2 = 0.00916
Página 266
Diseño para Seis Sigma (DFSS) P. Reyes / Enero 2007
Y= 2.1 ; 2 = 0.005714
Por lo tanto, se tendrá un ahorro de 22073.12 – 502.85= $21,570.3 por cada unidad de
producto.
En caso de que no se tenga ningún renglón bajo las condiciones propuestas, recuerde
que se puede estimar el valor tanto del promedio como del índice S/N tal y como se
mostró en capítulos anteriores.
Página 267
Diseño para Seis Sigma (DFSS) P. Reyes / Enero 2007
Página 268
Diseño para Seis Sigma (DFSS) P. Reyes / Enero 2007
Página 269
Diseño para Seis Sigma (DFSS) P. Reyes / Enero 2007
Los pasos para realizar la validación del diseño del producto son:
0. Validación temprana. A nivel de generación del concepto, con modelos de
simulación, método robusto de Taguchi con factores de ruido (ambientales, de uso
y efectos de degradación).
1. Revisión de diseño y análisis de requerimientos de diseño.
2. Construir uno más prototipos (Beta).
3. Realizar verificaciones de diseño con pruebas en prototipos, incluyendo
validación del desempeño funcional y validación de los requerimientos de
confiabilidad.
4. Evaluar y verificar el desempeño de los prototipos.
5. Resolver problemas de desempeño y construir más prototipos.
6. Liberar el diseño (Sing Off).
Página 270
Diseño para Seis Sigma (DFSS) P. Reyes / Enero 2007
Página 271