Documentos de Académico
Documentos de Profesional
Documentos de Cultura
ALUMNO-A:
SEIS SIGMA I
CONTENIDO
CONTENIDO
METODOLOGÍA TAGUCHI I
CONTENIDO
Actividad 2.11 (Quantifying Cost Benefits, Taguchi Loss Function) ...................... 100
Actividad 2.13 (Loss Plot Manipulations 4 and Capability Cpk) .............................. 104
Actividad 3.7 (Diseño automático con factores de control y de ruido) .................... 116
METODOLOGÍA TAGUCHI II
CONTENIDO
Evaluación diagnóstica.
Resuelve las siguientes cuestiones con base en tus conocimientos previos:
1) Escribe qué es un diseño de experimentos.
El diseño de experimentos (DDE) es un conjunto de técnicas activas, en el sentido de
que no esperan que el proceso mande las señales útiles, sino que éste se “manipula” para
que proporcione la información que se requiere para su mejoría.
2) Enlista los diseños de experimentos que conozcas.
Cuadro latino, grecolatino, factores
5) Se tienen dos proveedores de una pieza metálica, cuyo diámetro ideal o valor
objetivo es igual a 20.25 cm. Se toman dos muestras de 14 piezas a cada proveedor
y los datos obtenidos se muestran en la siguiente tabla:
Proveedor Diámetros de las piezas de cada proveedor
21.38 20.13 19.12 19.85 20.54 18.00 22.24
1
21.94 19.07 18.60 21.89 22.60 18.10 19.25
21.51 22.22 21.49 21.91 21.52 22.06 21.51
2
21.29 22.71 22.65 21.53 22.22 21.92 20.82
Actividad 1.1
Lee cada uno de los artículos de investigación proporcionados por el maestro. Para cada
artículo identifica los aspectos enlistados en la siguiente tabla:
1. Nombre de las personas involucradas en el proyecto de investigación experimental:
Dr. Ing. Martin Tanco, Dra. Laura Ilzarbe, Dra. Elisabeth Viles y Dra. M. J. Alvarez.
El gerente de la selección de Chapistería. Jefe de Fabrica, Responsable de
departamento de planificación, responsable del departamento de calidad y un
representante del departamento de mantenimiento.
2. Título del proyecto:
Aplicación del Diseño de Experimentos (DoE) para la mejora de procesos
3. Objetivo de la experimentación:
Reducir el porcentaje de cordones de soldadura, izquierdos y derechos defectuosos de
dos puertas en el área de Chapistería de 3% a 0.09, mediante el diseño de experimentos
en el siguiente mes de producción.
4. Valor(es) histórico(s) de la(s) variable(s) de respuesta:
Se presenta un estudio descriptivo de la variable de respuesta en un tiempo de
recolección de datos de tres semanas. La cantidad de defectos históricos fue de 3%
5. Lista de la(s) variable(s) de respuesta:
Unidad de Operacionalización
Variable(s)
medida de la variable
% cordones El total de
izquierdos cordones con poros
defectuosos Porcentaje sobre el total de
de 2 autos producidos.
puertas
% cordones El total de
derechos cordones con poros
defectuosos Porcentaje sobre el total de
de 2 autos producidos.
puertas
6. Lista de los factores de estudio (variables de interés del experimentador):
Factores de Unidad de Niveles de la variable
estudio medida
Potencia Dos niveles elegidos
programada del Watts por los expertos del
robot proceso
Corriente Dos niveles elegidos
programada de Amperes por los expertos del
precalentamiento proceso
Variable No limpiar, Limpiar
Limpieza de los
cualitativa
laterales
nominal
Variable Soplado con aire,
Limpieza del
cualitativa Soplado con alcohol
techo nominal
nivel de desempeño):
Unidad de
Factores controlados
medida
Velocidad del robot
Colada del material
Holguras en la cabina
Altura con respecto al
techo
A: B:
A B X1 X2 X1 X2 Vibración Totales
Broca Velocidad
1/16 40 - - -1 -1 1 1 18.2 18.9 12.9 14.4 64.4
1/8 40 + - +1 -1 2 1 27.2 24.0 22.4 22.5 96.1
1/16 90 - + -1 +1 1 2 15.9 14.5 15.1 14.2 59.7
1/8 90 + + +1 +1 2 2 41.0 43.9 36.3 39.9 161.1
Coeficientes codificados
EE del
Término Efecto Coef coef. Valor T Valor p FIV
Constante 23.831 0.611 38.99 0.000
Tamaño de broca 16.638 8.319 0.611 13.61 0.000 1.00
Velocidad de broca 7.538 3.769 0.611 6.17 0.000 1.00
Tamaño de broca*Velocidad de broca 8.713 4.356 0.611 7.13 0.000 1.00
Análisis de Varianza
Fuente GL SC Ajust. MC Ajust. Valor F Valor p
Modelo 3 1638.11 546.04 91.36 0.000
Lineal 2 1334.48 667.24 111.64 0.000
Tamaño de broca 1 1107.23 1107.23 185.25 0.000
Velocidad de broca 1 227.26 227.26 38.02 0.000
Interacciones de 2 términos 1 303.63 303.63 50.80 0.000
Tamaño de broca*Velocidad de broca 1 303.63 303.63 50.80 0.000
Error 12 71.72 5.98
Total 15 1709.83
d) Determinar e interpretar los intervalos de confianza del 95% para los efectos.
e) Elaborar e interpretar la gráfica de Pareto estandarizado y la gráfica de Daniel
(gráfico de probabilidad normal de los efectos), ¿qué factores son los más
significativos?
40
30
V ibracion
20
80
60 V elocidad de broca
0 .0 6
0 .0 8 40
0 .1 0
0 .1 2
Tamaño de broca
35 – 40
> 40
70
60
50
40
0.07 0.08 0.09 0.1 0 0.1 1 0.1 2
Tamaño de broca
k) Determinar los intervalos de confianza del 95% para la respuesta promedio y para
las mediciones individuales de cada uno de los tratamientos.
Actividad 1.3 Diseño factorial 22 en bloques
Por lo general, no es posible correr todos los tratamientos de un diseño factorial 2^k
bajo las mismas condiciones experimentales; es decir, durante la planeación del
experimento aparece alguna restricción adicional que hace necesario considerar un
factor de bloque en el estudio; tal como: días, máquinas, material, tipo de producto, lote,
etc.
a) Considerando el problema de la actividad anterior y suponiendo que cada una de las
cuatro réplicas se corrió en un día diferente (experimento repartido en cuatro
bloques). Determina mediante el Anova si el factor Bloque, día de la semana,
influye sobre la variable de vibración (probar 𝐻0 : 𝐸𝑓𝑒𝑐𝑡𝑜 𝑑𝑒 𝑏𝑙𝑜𝑞𝑢𝑒 = 0).
El día de la semana si influye sobre la vibración, lo cual puede asegurarse con un nivel
de confianza del 95%.
Análisis de Varianza
Fuente GL SC Ajust. MC Ajust. Valor F Valor p
Modelo 6 1682.47 280.41 92.24 0.000
Bloques 3 44.36 14.79 4.86 0.028
Lineal 2 1334.48 667.24 219.48 0.000
A: Tamaño de broca 1 1107.23 1107.23 364.21 0.000
B: Velocidad de la broca 1 227.26 227.26 74.75 0.000
Interacciones de 2 términos 1 303.63 303.63 99.88 0.000
A: Tamaño de broca*B: Velocidad de la broca 1 303.63 303.63 99.88 0.000
Error 9 27.36 3.04
Total 15 1709.83
Coeficientes codificados
EE del
Término Efecto Coef coef. Valor T Valor p FIV
Constante 5.1244 0.0926 55.33 0.000
Tipo de botella -0.7313 -0.3656 0.0926 -3.95 0.002 1.00
Empleado 0.6463 0.3231 0.0926 3.49 0.004 1.00
Tipo de botella*Empleado -0.3388 -0.1694 0.0926 -1.83 0.092 1.00
Coeficiente Estimado
constante 5.12437
A:Tipo de Botella -0.365625
B:Empleado 0.323125
AB -0.169375
𝛽̂0
5.124375
𝛽̂1
𝛽̂2 -0.365625
𝛽̂12 0.323125
-0.169375
Gráfico de interacción
7
5
B-
4
B+
3
0
A- A+
Análisis de Varianza
Fuente GL SC Ajust. MC Ajust. Valor F Valor p
Modelo 3 4.2685 1.4228 10.37 0.001
Lineal 2 3.8095 1.9047 13.88 0.001
Tipo de botella 1 2.1389 2.1389 15.58 0.002
Empleado 1 1.6706 1.6706 12.17 0.004
Interacciones de 2 términos 1 0.4590 0.4590 3.34 0.092
Tipo de botella*Empleado 1 0.4590 0.4590 3.34 0.092
Error 12 1.6471 0.1373
Total 15 5.9156
Suma de
F_variación G_libertad Cuadrados medios F0 F Crítico Valor P Decis
cuadrados
Factor A 2.13890625 1 2.13890625 15.5828337 4.74722535 0.001936 Se recha
Factor B 1.67055625 1 1.67055625 12.1707065 4.74722535 0.004474 Se recha
No se re
Factor AB 0.45900625 1 0.45900625 3.34405403 4.74722535 0.092397
H0
Error 1.647125 12 0.137260417
Total 5.91559375 15 0.394372917
Efecto_E de A
Efecto_E de B Efecto_E
Series2
Efecto_E de AB
0 1 2 3 4 5
+
-
A:Tipo de Botella
B:Empleado
AB
0 1 2 3 4
Efecto estandarizado
99.9
99
95
80
porcentaje
50
20
5
1
0.1
-4 -2 0 2 4
Efectos estandarizados
Se tiene una certeza del 85.21% de que no existe un valor menor a 4.6050
Meta: minimizar Tiempo de entrega
5.5
5.3
Tiempo de entrega
5.1
4.9
4.7
Vidrio Plástico Empleado A Empleado B
Tipo de Botella Empleado
La combinación (–3°C, 98°C, 20°C) fue el tratamiento usual o en operación antes del
experimento. Así, uno de los dos niveles en cada factor es la temperatura usual y el otro
es una temperatura que se supone reduce el efecto térmico sobre la oblea.
La variable de respuesta es la proporción de obleas rotas por cada 250 obleas
procesadas.
T1 T2 T3 P
–1 –1 –1 .040 .032
1 –1 –1 .012 .008
–1 1 –1 .036 .028
1 1 –1 .000 .000
–1 –1 1 .020 .020
1 –1 1 .000 .016
–1 1 1 .016 .008
1 1 1 .004 .004
g) Obtén el valor predicho en la condición actual del proceso y en las dos condiciones
óptimas del mismo. ¿En qué porcentaje se mejoró el proceso?
C: T. de Agua 20
Predicción
Ajuste EE de ajuste IC de 95% IP de 95%
0.00175 0.0027126 (-0.0042203, 0.0077203) (-0.0104855, 0.0139855)
Configuración
Valor de
Variable configuración
A: T. de grabado -1
B: T. de piraña 98
C: T. de Agua 70
Predicción
Ajuste EE de ajuste IC de 95% IP de 95%
0.00275 0.0027126 (-0.0032203, 0.0087203) (-0.0094855, 0.0149855)
Combinación Réplica
A B C de
I II III
tratamientos
- - - (1) 22 31 25
+ - - a 32 43 29
- + - b 35 34 50
+ + - ab 55 47 46
- - + c 44 45 38
+ - + ac 40 37 36
- + + bc 60 50 54
+ + + abc 39 41 47
a) Estimar los efectos de los factores. ¿qué efectos parecen ser grandes?
Coeficientes codificados
Término Efecto Coef
Constante 40.83
A: Velocidad de corte 0.33 0.17
B: Geometría de la herramienta 11.33 5.67
C: Ángulo de corte 6.83 3.42
Los efectos que parecen ser grandes son la Geometría de la herramienta, el Ángulo de
corte y la interacción entre la Velocidad de corte y el Ángulo de corte.
b) Confirmar la respuesta del inciso anterior, mediante el análisis de varianza y el
gráfico de Pareto.
Análisis de Varianza
Fuente GL SC Ajust.
Modelo 7 1612.67
Lineal 3 1051.50
A: Velocidad de corte 1 0.67
B: Geometría de la herramienta 1 770.67
C: Ángulo de corte 1 280.17
Interacciones de 2 términos 3 533.00
A: Velocidad de corte*B: Geometría de la herramienta 1 16.67
A: Velocidad de corte*C: Ángulo de corte 1 468.17
B: Geometría de la herramienta*C: Ángulo de corte 1 48.17
Interacciones de 3 términos 1 28.17
A: Velocidad de corte*B: Geometría de la herramienta*C: Ángulo de corte 1 28.17
Error 16 482.67
Total 23 2095.33
Fuente MC Ajust.
Modelo 230.381
Lineal 350.500
A: Velocidad de corte 0.667
B: Geometría de la herramienta 770.667
C: Ángulo de corte 280.167
Interacciones de 2 términos 177.667
A: Velocidad de corte*B: Geometría de la herramienta 16.667
A: Velocidad de corte*C: Ángulo de corte 468.167
B: Geometría de la herramienta*C: Ángulo de corte 48.167
Interacciones de 3 términos 28.167
A: Velocidad de corte*B: Geometría de la herramienta*C: Ángulo de corte 28.167
Error 30.167
Total
Fuente Valor F Valor p
Modelo 7.64 0.000
Lineal 11.62 0.000
A: Velocidad de corte 0.02 0.884
B: Geometría de la herramienta 25.55 0.000
C: Ángulo de corte 9.29 0.008
Análisis de Varianza
Con un nivel de confianza del 95%, se tiene la suficiente evidencia para no rechazar la
hipótesis nula, por lo que se concluye que el modelo actual se ajusta a los datos
observados, dado que el valor p de la prueba (0.407) es superior al nivel de significancia
de la misma.
e) Con base en el análisis de las gráficas de los efectos principales y las interacciones,
de los efectos significativos, ¿cuáles serían los niveles de los factores que
recomendaría utilizar?
Se decide correr un experimento 25 con una sola réplica para estudiar los cinco factores.
Los resultados de cada uno de los tratamientos en orden de Yates se muestran a
continuación:
Notación de Yates Rend. (%) Notación de Yates Rend. (%)
(1) 7 e 8
a 9 ae 12
b 34 be 35
ab 55 abe 52
c 16 ce 15
ac 20 ace 22
bc 40 bce 45
abc 60 abce 65
d 8 de 6
ad 10 ade 10
bd 32 bde 30
abd 50 abde 53
cd 18 cde 15
acd 21 acde 20
bcd 44 bcde 41
abcd 61 abcde 63
G
Fuente L
Modelo 3
1
Lineal 5
A: Nivel de abertura 1
B: Tiempo de exposición 1
C: Tiempo de revelado 1
D: Dimensión de la máscara 1
E: Tiempo de grabado 1
Interacciones de 2 términos 1
0
A: Nivel de abertura*B: Tiempo de exposición 1
A: Nivel de abertura*C: Tiempo de revelado 1
A: Nivel de abertura*D: Dimensión de la máscara 1
A: Nivel de abertura*E: Tiempo de grabado 1
B: Tiempo de exposición*C: Tiempo de revelado 1
B: Tiempo de exposición*D: Dimensión de la máscara 1
B: Tiempo de exposición*E: Tiempo de grabado 1
C: Tiempo de revelado*D: Dimensión de la máscara 1
C: Tiempo de revelado*E: Tiempo de grabado 1
D: Dimensión de la máscara*E: Tiempo de grabado 1
Interacciones de 3 términos 1
0
A: Nivel de abertura*B: Tiempo de exposición*C: Tiempo de revelado 1
A: Nivel de abertura*B: Tiempo de exposición*D: Dimensión de la máscara 1
A: Nivel de abertura*B: Tiempo de exposición*E: Tiempo de grabado 1
A: Nivel de abertura*C: Tiempo de revelado*D: Dimensión de la máscara 1
A: Nivel de abertura*C: Tiempo de revelado*E: Tiempo de grabado 1
A: Nivel de abertura*D: Dimensión de la máscara*E: Tiempo de grabado 1
B: Tiempo de exposición*C: Tiempo de revelado*D: Dimensión de la máscara 1
B: Tiempo de exposición*C: Tiempo de revelado*E: Tiempo de grabado 1
B: Tiempo de exposición*D: Dimensión de la máscara*E: Tiempo de grabado 1
C: Tiempo de revelado*D: Dimensión de la máscara*E: Tiempo de grabado 1
Interacciones de 4 términos 5
A: Nivel de abertura*B: Tiempo de exposición*C: Tiempo de revelado*D: Dimensión de la 1
máscara
Valo
Fuente rF
Modelo *
Lineal *
A: Nivel de abertura *
B: Tiempo de exposición *
C: Tiempo de revelado *
D: Dimensión de la máscara *
E: Tiempo de grabado *
Interacciones de 2 términos *
A: Nivel de abertura*B: Tiempo de exposición *
A: Nivel de abertura*C: Tiempo de revelado *
A: Nivel de abertura*D: Dimensión de la máscara *
A: Nivel de abertura*E: Tiempo de grabado *
B: Tiempo de exposición*C: Tiempo de revelado *
B: Tiempo de exposición*D: Dimensión de la máscara *
B: Tiempo de exposición*E: Tiempo de grabado *
C: Tiempo de revelado*D: Dimensión de la máscara *
C: Tiempo de revelado*E: Tiempo de grabado *
D: Dimensión de la máscara*E: Tiempo de grabado *
Interacciones de 3 términos *
A: Nivel de abertura*B: Tiempo de exposición*C: Tiempo de revelado *
A: Nivel de abertura*B: Tiempo de exposición*D: Dimensión de la máscara *
A: Nivel de abertura*B: Tiempo de exposición*E: Tiempo de grabado *
A: Nivel de abertura*C: Tiempo de revelado*D: Dimensión de la máscara *
A: Nivel de abertura*C: Tiempo de revelado*E: Tiempo de grabado *
A: Nivel de abertura*D: Dimensión de la máscara*E: Tiempo de grabado *
B: Tiempo de exposición*C: Tiempo de revelado*D: Dimensión de la máscara *
B: Tiempo de exposición*C: Tiempo de revelado*E: Tiempo de grabado *
B: Tiempo de exposición*D: Dimensión de la máscara*E: Tiempo de grabado *
C: Tiempo de revelado*D: Dimensión de la máscara*E: Tiempo de grabado *
Interacciones de 4 términos *
A: Nivel de abertura*B: Tiempo de exposición*C: Tiempo de revelado*D: Dimensión de *
la máscara
A: Nivel de abertura*B: Tiempo de exposición*C: Tiempo de revelado*E: Tiempo de *
grabado
A: Nivel de abertura*B: Tiempo de exposición*D: Dimensión de la máscara*E: Tiempo *
de grabado
A: Nivel de abertura*C: Tiempo de revelado*D: Dimensión de la máscara*E: Tiempo de *
grabado
B: Tiempo de exposición*C: Tiempo de revelado*D: Dimensión de la máscara*E: *
Tiempo de grabado
Interacciones de 5 términos *
A: Nivel de abertura*B: Tiempo de exposición*C: Tiempo de revelado*D: Dimensión de *
la máscara*E: Tiempo de grabado
Error
Total
Valo
Fuente rp
Modelo *
Lineal *
A: Nivel de abertura *
B: Tiempo de exposición *
C: Tiempo de revelado *
D: Dimensión de la máscara *
E: Tiempo de grabado *
Interacciones de 2 términos *
A: Nivel de abertura*B: Tiempo de exposición *
A: Nivel de abertura*C: Tiempo de revelado *
A: Nivel de abertura*D: Dimensión de la máscara *
A: Nivel de abertura*E: Tiempo de grabado *
B: Tiempo de exposición*C: Tiempo de revelado *
B: Tiempo de exposición*D: Dimensión de la máscara *
B: Tiempo de exposición*E: Tiempo de grabado *
C: Tiempo de revelado*D: Dimensión de la máscara *
C: Tiempo de revelado*E: Tiempo de grabado *
D: Dimensión de la máscara*E: Tiempo de grabado *
Interacciones de 3 términos *
A: Nivel de abertura*B: Tiempo de exposición*C: Tiempo de revelado *
A: Nivel de abertura*B: Tiempo de exposición*D: Dimensión de la máscara *
A: Nivel de abertura*B: Tiempo de exposición*E: Tiempo de grabado *
A: Nivel de abertura*C: Tiempo de revelado*D: Dimensión de la máscara *
A: Nivel de abertura*C: Tiempo de revelado*E: Tiempo de grabado *
A: Nivel de abertura*D: Dimensión de la máscara*E: Tiempo de grabado *
grabado 50
A: Nivel de abertura*B: Tiempo de exposición*D: Dimensión de la máscara*E: Tiempo de 0.937
grabado 5
A: Nivel de abertura*C: Tiempo de revelado*D: Dimensión de la máscara*E: Tiempo de -
grabado 1.562
5
B: Tiempo de exposición*C: Tiempo de revelado*D: Dimensión de la máscara*E: Tiempo -2.188
de grabado
A: Nivel de abertura*B: Tiempo de exposición*C: Tiempo de revelado*D: Dimensión de 1.062
la máscara*E: Tiempo de grabado 5
Término Coef
Constante 30.53
A: Nivel de abertura 5.906
B: Tiempo de exposición 16.97
C: Tiempo de revelado 4.219
D: Dimensión de la máscara -1.031
E: Tiempo de grabado 0.843
7
A: Nivel de abertura*B: Tiempo de exposición 3.969
A: Nivel de abertura*C: Tiempo de revelado 0.843
8
A: Nivel de abertura*D: Dimensión de la máscara 0.593
8
A: Nivel de abertura*E: Tiempo de grabado -
0.156
3
B: Tiempo de exposición*C: Tiempo de revelado 0.656
3
B: Tiempo de exposición*D: Dimensión de la máscara 0.281
3
B: Tiempo de exposición*E: Tiempo de grabado -
0.343
7
C: Tiempo de revelado*D: Dimensión de la máscara 0.406
2
C: Tiempo de revelado*E: Tiempo de grabado 0.156
2
D: Dimensión de la máscara*E: Tiempo de grabado -
0.593
8
A: Nivel de abertura*B: Tiempo de exposición*C: Tiempo de revelado -
0.843
8
A: Nivel de abertura*B: Tiempo de exposición*D: Dimensión de la máscara -
0.468
8
A: Nivel de abertura*B: Tiempo de exposición*E: Tiempo de grabado 0.531
3
A: Nivel de abertura*C: Tiempo de revelado*D: Dimensión de la máscara -
0.218
7
A: Nivel de abertura*C: Tiempo de revelado*E: Tiempo de grabado 0.156
3
A: Nivel de abertura*D: Dimensión de la máscara*E: Tiempo de grabado 0.406
3
B: Tiempo de exposición*C: Tiempo de revelado*D: Dimensión de la máscara 0.218
7
B: Tiempo de exposición*C: Tiempo de revelado*E: Tiempo de grabado 0.468
7
B: Tiempo de exposición*D: Dimensión de la máscara*E: Tiempo de grabado 0.093
75
C: Tiempo de revelado*D: Dimensión de la máscara*E: Tiempo de grabado 0.218
8
A: Nivel de abertura*B: Tiempo de exposición*C: Tiempo de revelado*D: Dimensión de -
la máscara 0.031
25
A: Nivel de abertura*B: Tiempo de exposición*C: Tiempo de revelado*E: Tiempo de 0.093
grabado 75
A: Nivel de abertura*B: Tiempo de exposición*D: Dimensión de la máscara*E: Tiempo de 0.468
grabado 8
A: Nivel de abertura*C: Tiempo de revelado*D: Dimensión de la máscara*E: Tiempo de -
grabado 0.781
2
B: Tiempo de exposición*C: Tiempo de revelado*D: Dimensión de la máscara*E: Tiempo -1.094
de grabado
A: Nivel de abertura*B: Tiempo de exposición*C: Tiempo de revelado*D: Dimensión de 0.531
la máscara*E: Tiempo de grabado 2
EE
del
coef
Término .
Constante *
A: Nivel de abertura *
B: Tiempo de exposición *
C: Tiempo de revelado *
D: Dimensión de la máscara *
E: Tiempo de grabado *
A: Nivel de abertura*B: Tiempo de exposición *
A: Nivel de abertura*C: Tiempo de revelado *
A: Nivel de abertura*D: Dimensión de la máscara *
A: Nivel de abertura*E: Tiempo de grabado *
B: Tiempo de exposición*C: Tiempo de revelado *
B: Tiempo de exposición*D: Dimensión de la máscara *
B: Tiempo de exposición*E: Tiempo de grabado *
C: Tiempo de revelado*D: Dimensión de la máscara *
C: Tiempo de revelado*E: Tiempo de grabado *
D: Dimensión de la máscara*E: Tiempo de grabado *
A: Nivel de abertura*B: Tiempo de exposición*C: Tiempo de revelado *
A: Nivel de abertura*B: Tiempo de exposición*D: Dimensión de la máscara *
A: Nivel de abertura*B: Tiempo de exposición*E: Tiempo de grabado *
A: Nivel de abertura*C: Tiempo de revelado*D: Dimensión de la máscara *
A: Nivel de abertura*C: Tiempo de revelado*E: Tiempo de grabado *
A: Nivel de abertura*D: Dimensión de la máscara*E: Tiempo de grabado *
B: Tiempo de exposición*C: Tiempo de revelado*D: Dimensión de la máscara *
B: Tiempo de exposición*C: Tiempo de revelado*E: Tiempo de grabado *
B: Tiempo de exposición*D: Dimensión de la máscara*E: Tiempo de grabado *
C: Tiempo de revelado*D: Dimensión de la máscara*E: Tiempo de grabado *
A: Nivel de abertura*B: Tiempo de exposición*C: Tiempo de revelado*D: Dimensión de la *
máscara
A: Nivel de abertura*B: Tiempo de exposición*C: Tiempo de revelado*E: Tiempo de *
grabado
A: Nivel de abertura*B: Tiempo de exposición*D: Dimensión de la máscara*E: Tiempo de *
grabado
A: Nivel de abertura*C: Tiempo de revelado*D: Dimensión de la máscara*E: Tiempo de *
grabado
B: Tiempo de exposición*C: Tiempo de revelado*D: Dimensión de la máscara*E: Tiempo *
de grabado
A: Nivel de abertura*B: Tiempo de exposición*C: Tiempo de revelado*D: Dimensión de la *
máscara*E: Tiempo de grabado
Valo
Término rT
Constante *
A: Nivel de abertura *
B: Tiempo de exposición *
C: Tiempo de revelado *
D: Dimensión de la máscara *
E: Tiempo de grabado *
A: Nivel de abertura*B: Tiempo de exposición *
A: Nivel de abertura*C: Tiempo de revelado *
A: Nivel de abertura*D: Dimensión de la máscara *
A: Nivel de abertura*E: Tiempo de grabado *
B: Tiempo de exposición*C: Tiempo de revelado *
B: Tiempo de exposición*D: Dimensión de la máscara *
B: Tiempo de exposición*E: Tiempo de grabado *
C: Tiempo de revelado*D: Dimensión de la máscara *
C: Tiempo de revelado*E: Tiempo de grabado *
D: Dimensión de la máscara*E: Tiempo de grabado *
A: Nivel de abertura*B: Tiempo de exposición*C: Tiempo de revelado *
A: Nivel de abertura*B: Tiempo de exposición*D: Dimensión de la máscara *
A: Nivel de abertura*B: Tiempo de exposición*E: Tiempo de grabado *
A: Nivel de abertura*C: Tiempo de revelado*D: Dimensión de la máscara *
A: Nivel de abertura*C: Tiempo de revelado*E: Tiempo de grabado *
A: Nivel de abertura*D: Dimensión de la máscara*E: Tiempo de grabado *
B: Tiempo de exposición*C: Tiempo de revelado*D: Dimensión de la máscara *
B: Tiempo de exposición*C: Tiempo de revelado*E: Tiempo de grabado *
B: Tiempo de exposición*D: Dimensión de la máscara*E: Tiempo de grabado *
C: Tiempo de revelado*D: Dimensión de la máscara*E: Tiempo de grabado *
A: Nivel de abertura*B: Tiempo de exposición*C: Tiempo de revelado*D: Dimensión de la *
máscara
A: Nivel de abertura*B: Tiempo de exposición*C: Tiempo de revelado*E: Tiempo de *
grabado
A: Nivel de abertura*B: Tiempo de exposición*D: Dimensión de la máscara*E: Tiempo de *
grabado
A: Nivel de abertura*C: Tiempo de revelado*D: Dimensión de la máscara*E: Tiempo de *
grabado
B: Tiempo de exposición*C: Tiempo de revelado*D: Dimensión de la máscara*E: Tiempo *
de grabado
A: Nivel de abertura*B: Tiempo de exposición*C: Tiempo de revelado*D: Dimensión de la *
máscara*E: Tiempo de grabado
Valor
Término p
Constante *
A: Nivel de abertura *
B: Tiempo de exposición *
C: Tiempo de revelado *
D: Dimensión de la máscara *
E: Tiempo de grabado *
A: Nivel de abertura*B: Tiempo de exposición *
A: Nivel de abertura*C: Tiempo de revelado *
A: Nivel de abertura*D: Dimensión de la máscara *
A: Nivel de abertura*E: Tiempo de grabado *
B: Tiempo de exposición*C: Tiempo de revelado *
B: Tiempo de exposición*D: Dimensión de la máscara *
B: Tiempo de exposición*E: Tiempo de grabado *
C: Tiempo de revelado*D: Dimensión de la máscara *
C: Tiempo de revelado*E: Tiempo de grabado *
D: Dimensión de la máscara*E: Tiempo de grabado *
A: Nivel de abertura*B: Tiempo de exposición*C: Tiempo de revelado *
A: Nivel de abertura*B: Tiempo de exposición*D: Dimensión de la máscara *
A: Nivel de abertura*B: Tiempo de exposición*E: Tiempo de grabado *
A: Nivel de abertura*C: Tiempo de revelado*D: Dimensión de la máscara *
A: Nivel de abertura*C: Tiempo de revelado*E: Tiempo de grabado *
A: Nivel de abertura*D: Dimensión de la máscara*E: Tiempo de grabado *
B: Tiempo de exposición*C: Tiempo de revelado*D: Dimensión de la máscara *
B: Tiempo de exposición*C: Tiempo de revelado*E: Tiempo de grabado *
B: Tiempo de exposición*D: Dimensión de la máscara*E: Tiempo de grabado *
C: Tiempo de revelado*D: Dimensión de la máscara*E: Tiempo de grabado *
A: Nivel de abertura*B: Tiempo de exposición*C: Tiempo de revelado*D: Dimensión de la *
máscara
A: Nivel de abertura*B: Tiempo de exposición*C: Tiempo de revelado*E: Tiempo de *
grabado
A: Nivel de abertura*B: Tiempo de exposición*D: Dimensión de la máscara*E: Tiempo de *
grabado
A: Nivel de abertura*C: Tiempo de revelado*D: Dimensión de la máscara*E: Tiempo de *
grabado
B: Tiempo de exposición*C: Tiempo de revelado*D: Dimensión de la máscara*E: Tiempo *
de grabado
A: Nivel de abertura*B: Tiempo de exposición*C: Tiempo de revelado*D: Dimensión de la *
máscara*E: Tiempo de grabado
Término FIV
Constante
A: Nivel de abertura 1.0
0
B: Tiempo de exposición 1.0
0
C: Tiempo de revelado 1.0
0
D: Dimensión de la máscara 1.0
0
E: Tiempo de grabado 1.0
0
A: Nivel de abertura*B: Tiempo de exposición 1.0
0
A: Nivel de abertura*C: Tiempo de revelado 1.0
0
A: Nivel de abertura*D: Dimensión de la máscara 1.0
0
A: Nivel de abertura*E: Tiempo de grabado 1.0
0
B: Tiempo de exposición*C: Tiempo de revelado 1.0
0
B: Tiempo de exposición*D: Dimensión de la máscara 1.0
0
B: Tiempo de exposición*E: Tiempo de grabado 1.0
0
C: Tiempo de revelado*D: Dimensión de la máscara 1.0
0
C: Tiempo de revelado*E: Tiempo de grabado 1.0
0
D: Dimensión de la máscara*E: Tiempo de grabado 1.0
0
A: Nivel de abertura*B: Tiempo de exposición*C: Tiempo de revelado 1.0
0
A: Nivel de abertura*B: Tiempo de exposición*D: Dimensión de la máscara 1.0
0
A: Nivel de abertura*B: Tiempo de exposición*E: Tiempo de grabado 1.0
0
A: Nivel de abertura*C: Tiempo de revelado*D: Dimensión de la máscara 1.0
0
A: Nivel de abertura*C: Tiempo de revelado*E: Tiempo de grabado 1.0
0
Alias
I
A
B
C
D
E
AB
AC
AD
AE
BC
BD
BE
CD
CE
DE
ABC
ABD
ABE
ACD
ACE
ADE
BCD
BCE
BDE
CDE
ABCD
ABCE
ABDE
ACDE
BCDE
ABCDE
* NOTA * No se puede graficar el tipo de residuo especificado, porque MSE = 0 o los
grados de
libertad para error = 0.
Análisis de Varianza
Fuente GL SC Ajust. MC Ajust. Valor F Valor p
Modelo 4 11403.9 2850.97 295.96 0.000
Lineal 3 10899.8 3633.28 377.17 0.000
c) Mediante las gráficas de los efectos y de interacción determina los niveles de los
factores que se deben fijar para maximizar el rendimiento.
Predicción
EE de
Ajuste ajuste IC de 95% IP de 95%
61.5938 1.22685 (59.0765, 64.1110) (54.7460, 68.4415)
Se utiliza un diseño factorial 25 con sólo una corrida en cada tratamiento. El diseño y los
rendimientos observados se muestran en la siguiente tabla:
a) Obtener el mejor ANOVA con apoyo del gráfico de Pareto. ¿Qué efectos son
significativos al nivel del 8%?
Análisis de Varianza
Fuente GL SC Ajust. MC Ajust. Valor F
Modelo 6 6871.6 1145.26 5.99
Lineal 5 5899.9 1179.99 6.17
A: Temperatura de carga 1 735.1 735.07 3.84
B: Inóculo de levadura 1 646.3 646.29 3.38
C: Temperatura medio ambiente 1 0.8 0.76 0.00
D: Temperatura de fermentación 1 1062.7 1062.72 5.56
E: Brix de carga 1 3455.1 3455.09 18.06
Interacciones de 2 términos 1 971.6 971.63 5.08
C: Temperatura medio ambiente*E: Brix de carga 1 971.6 971.63 5.08
Error 25 4782.7 191.31
Total 31 11654.3
Fuente Valor p
Modelo 0.001
Lineal 0.001
A: Temperatura de carga 0.061
B: Inóculo de levadura 0.078
C: Temperatura medio ambiente 0.950
D: Temperatura de fermentación 0.027
E: Brix de carga 0.000
Error 0.3063
Total
Fuente Valor p
Modelo 0.000
Lineal 0.000
A: Temperatura de quemado 0.018
B: Tiempo de quemado 0.737
C: % de Nitrógeno 0.000
Interacciones de 2 términos 0.147
A: Temperatura de quemado*B: Tiempo de quemado 0.796
A: Temperatura de quemado*C: % de Nitrógeno 0.028
B: Tiempo de quemado*C: % de Nitrógeno 0.736
Interacciones de 3 términos 0.266
A: Temperatura de quemado*B: Tiempo de quemado*C: % de Nitrógeno 0.266
Curvatura 0.001
Error
Total
+
-
C:C: Porcentaje de nitrógeno
AC
0 3 6 9 12 15
Standardized effect
Sin incluir los puntos centrales en el modelo, haz lo siguiente mediante Minitab:
d) Elaborar los gráficos de residuos contra los niveles de los factores. ¿Se percibe la
curvatura?
AC
ABC
BC
AB
0 3 6 9 12 15
Standardized effect
+
-
C:C: Porcentaje de nitrógeno
AC
0 3 6 9 12 15
Standardized effect
h) Elaborar los gráficos de residuos contra los niveles de los factores. ¿Se percibe la
curvatura?
1
residual
-1
-2
-1 -0.6 -0.2 0.2 0.6 1
A: Temperatura de quemado
1
residual
-1
-2
-1 -0.6 -0.2 0.2 0.6 1
C: Porcentaje de nitrógeno
Análisis de Varianza
Fuente GL
Modelo 15
Lineal 4
A: Velocidad de cam 1
B: Velocidad de mesa 1
C: Orden de colocación 1
D: Alimentador 1
Interacciones de 2 términos 6
A: Velocidad de cam*B: Velocidad de mesa 1
A: Velocidad de cam*C: Orden de colocación 1
A: Velocidad de cam*D: Alimentador 1
B: Velocidad de mesa*C: Orden de colocación 1
B: Velocidad de mesa*D: Alimentador 1
C: Orden de colocación*D: Alimentador 1
Interacciones de 3 términos 4
A: Velocidad de cam*B: Velocidad de mesa*C: Orden de colocación 1
A: Velocidad de cam*B: Velocidad de mesa*D: Alimentador 1
A: Velocidad de cam*C: Orden de colocación*D: Alimentador 1
B: Velocidad de mesa*C: Orden de colocación*D: Alimentador 1
Interacciones de 4 términos 1
A: Velocidad de cam*B: Velocidad de mesa*C: Orden de colocación*D: Alimentador 1
Error 16
Total 31
Fuente SC Ajust.
Modelo 38840.2
Lineal 33361.6
A: Velocidad de cam 8613.3
B: Velocidad de mesa 1262.5
C: Orden de colocación 11819.5
D: Alimentador 11666.3
Interacciones de 2 términos 5151.2
A: Velocidad de cam*B: Velocidad de mesa 331.5
A: Velocidad de cam*C: Orden de colocación 3549.0
A: Velocidad de cam*D: Alimentador 205.0
B: Velocidad de mesa*C: Orden de colocación 331.5
B: Velocidad de mesa*D: Alimentador 427.8
C: Orden de colocación*D: Alimentador 306.3
Lineal 60.29
A: Velocidad de cam 62.26
B: Velocidad de mesa 9.13
C: Orden de colocación 85.44
D: Alimentador 84.33
Interacciones de 2 términos 6.21
A: Velocidad de cam*B: Velocidad de mesa 2.40
A: Velocidad de cam*C: Orden de colocación 25.65
A: Velocidad de cam*D: Alimentador 1.48
B: Velocidad de mesa*C: Orden de colocación 2.40
B: Velocidad de mesa*D: Alimentador 3.09
C: Orden de colocación*D: Alimentador 2.21
Interacciones de 3 términos 0.55
A: Velocidad de cam*B: Velocidad de mesa*C: Orden de colocación 0.50
A: Velocidad de cam*B: Velocidad de mesa*D: Alimentador 0.50
A: Velocidad de cam*C: Orden de colocación*D: Alimentador 0.07
B: Velocidad de mesa*C: Orden de colocación*D: Alimentador 1.14
Interacciones de 4 términos 0.16
A: Velocidad de cam*B: Velocidad de mesa*C: Orden de colocación*D: Alimentador 0.16
Error
Total
Fuente Valor p
Modelo 0.000
Lineal 0.000
A: Velocidad de cam 0.000
B: Velocidad de mesa 0.008
C: Orden de colocación 0.000
D: Alimentador 0.000
Interacciones de 2 términos 0.002
A: Velocidad de cam*B: Velocidad de mesa 0.141
A: Velocidad de cam*C: Orden de colocación 0.000
A: Velocidad de cam*D: Alimentador 0.241
B: Velocidad de mesa*C: Orden de colocación 0.141
B: Velocidad de mesa*D: Alimentador 0.098
C: Orden de colocación*D: Alimentador 0.156
Interacciones de 3 términos 0.701
La explicación que los factores de en las variables de respuesta tienen una respuesta
distinta, ya que con el modelo se puede ajustar al 87.97% de los resultados del modelo
para la variable Y1, mientras que para variable Y2, solo se explica el 48.58%
j. Verifique residuos.
Se encuentran dos datos atípicos que pueden influir en el análisis estadístico de los
modelos, por lo cual se puede considerar que el dato fue tomado de forma errónea.
Actividad 1.11 Diseños factoriales fraccionados
La teoría de diseños fraccionados se basa en una jerarquización de los efectos: son más
importantes los efectos principales, seguidos por las interacciones dobles, luego las
triples, cuádruples, etc.
Ignora a priori las interacciones de tres o más factores y determina el número de efectos
ignorables y no ignorables en los diseños factoriales 2𝑘 , para 2 ≤ 𝑘 ≤ 7
Efectos no ignorables
Total de efectos (efectos de primer y
Diseño 𝟐𝒌 segundo orden) Efectos ignorables
𝟐𝒌 − 𝟏
𝑘 𝑘
( )+( )
1 2
22 3 3 0
23 7 6 1
24 15 10 5
25 31 15 16
26 63 21 42
27 127 28 99
a) ¿Para qué valores de 𝑘 los diseños se pueden fraccionar sin perder información
valiosa?
4 tratamientos
b) ¿Cuántos posibles grupos de 4 tratamientos de un total de 8 tratamientos (diseño
factorial completo 23) se pueden elegir?
70
c) ¿Cuál es el efecto más sacrificable? Determina los signos del contraste ABC del
diseño factorial 23
Yates A B C AB AC BC ABC
(1) -1 -1 -1 1 1 1 -1
a 1 -1 -1 -1 -1 1 1
b -1 1 -1 -1 1 -1 1
ab 1 1 -1 1 -1 -1 -1
c -1 -1 1 1 -1 -1 1
ac 1 -1 1 -1 1 -1 -1
bc -1 1 1 -1 -1 1 -1
abc 1 1 1 1 1 1 1
Los efectos alias son dos o más efectos con nombres diferentes que comparten el mismo
contraste y, por lo tanto, estiman el mismo efecto.
Fracción complementaria
A B C = - AB Yates
-1 -1 -1 (1)
+1 -1 1 AC
-1 +1 1 BC
+1 +1 -1 AB
b) Diseño factorial fraccionado 25-1 con generador principal I = ABCDE. ¿De qué
resolución es el diseño?
A B C D E = ABCD Yates
-1 -1 -1 -1 +1 E
+1 -1 -1 -1 -1 A
-1 +1 -1 -1 -1 B
+1 +1 -1 -1 +1 ABD
-1 -1 +1 -1 -1 C
+1 -1 +1 -1 +1 ACE
-1 +1 +1 -1 +1 BCE
+1 +1 +1 -1 -1 ABC
-1 -1 -1 +1 -1 D
+1 -1 -1 +1 +1 ADE
-1 +1 -1 +1 +1 BDE
+1 +1 -1 +1 -1 ABD
-1 -1 +1 +1 +1 CDE
+1 -1 +1 +1 -1 ACD
-1 +1 +1 +1 -1 BCD
+1 +1 +1 +1 +1 ABCDE
c) Construye las cuatro fracciones del diseño factorial 25-2. Utiliza los generadores
de diseño de la manera siguiente:
D = –AB y E = –AC
A B C D E Yates
-1 -1 -1 -1 -1 (1)
1 -1 -1 1 1 ADE
-1 1 -1 1 -1 BD
1 1 -1 -1 1 ABE
-1 -1 1 -1 1 CA
1 -1 1 1 -1 ACD
-1 1 1 1 1 BCDE
1 1 1 -1 -1 ABC
D = AB y E = –AC
A B C D E Yates
-1 -1 -1 1 -1 D
1 -1 -1 -1 1 AE
-1 1 -1 -1 -1 B
1 1 -1 1 1 ABDE
-1 -1 1 1 1 CDE
1 -1 1 -1 -1 AC
-1 1 1 -1 1 BCE
1 1 1 1 -1 ABCD
D = –AB y E = AC
A B C D E Yates
-1 -1 -1 -1 1 E
1 -1 -1 1 -1 AD
-1 1 -1 1 1 BDE
1 1 -1 -1 -1 AB
-1 -1 1 -1 -1 C
1 -1 1 1 1 ACDE
-1 1 1 1 -1 BCD
1 1 1 -1 1 ABCE
D = AB y E = AC (fracción principal)
A B C D E Yates
-1 -1 -1 1 1 DE
1 -1 -1 -1 -1 A
-1 1 -1 -1 1 BE
1 1 -1 1 -1 ABD
-1 -1 1 1 -1 CD
1 -1 1 -1 1 ACE
-1 1 1 -1 -1 BC
1 1 1 1 1 ABCDE
Si el diseño factorial completo se divide en las dos fracciones del diseño factorial
fraccionado 25-1 con generador I = +- ABCDE, determina qué factores son
significativos, mediante el diagrama de Pareto y el ANOVA, para cada fracción.
Análisis de Varianza
Fuente GL SC Ajust. MC Ajust. Valor F Valor p
Modelo 4 5650.25 1412.56 490.36 0.000
Lineal 3 5447.19 1815.73 630.31 0.000
A: Nivel de abertura 1 473.06 473.06 164.22 0.000
Análisis de Varianza
Fuente GL SC Ajust. MC Ajust. Valor F Valor p
Modelo 4 5955.00 1488.75 612.20 0.000
Lineal 3 5648.75 1882.92 774.28 0.000
A: Nivel de abertura 1 650.25 650.25 267.39 0.000
B: Tiempo de exposición 1 4692.25 4692.25 1929.52 0.000
C: Tiempo de revelado 1 306.25 306.25 125.93 0.000
Interacciones de 2 términos 1 306.25 306.25 125.93 0.000
A: Nivel de abertura*B: Tiempo de exposición 1 306.25 306.25 125.93 0.000
Error 11 26.75 2.43
Total 15 5981.75
c) Mediante las gráficas de los efectos y de interacción determina los niveles de los
factores que se deben fijar para maximizar el rendimiento.
Predicción
Ajuste EE de ajuste IC de 95% IP de 95%
61.5625 0.948796 (59.4742, 63.6508) (57.2828, 65.8422)
f) Concluye:
¿Qué ventajas presentaron los diseños factoriales fraccionados? El ahorro de recursos,
sea tiempo, dinero, etc. cuando no es posible realizar muchas replicas.
considerar despreciables.
El diseño tiene resolución III, lo cual implica que hay efectos principales confundidos
con interacciones dobles.
Factor (unidades) Niveles
A: Tamaño de grano (pulgadas) 80, 120
B: Longitud (pulgadas) 1, 2
C: Diámetro (pulgadas) 1.0, 1.5
D: Rpm (x 1000) 15, 20
E: Peso de precarga (libras) 0.4, 1.0
F: Estructura del material (onzas) 1, 4
Actividad 2.1
Lee los conceptos básicos del diseño robusto propuesto por Taguchi, páginas 296-302,
del capítulo 9 del siguiente libro:
Gutiérrez Pulido, H., & De la Vara Salazar, R. (2008). Análisis y diseño de
experimentos (2ª ed.). México: Mc Graw-Hill.
Actividad 2.2
Escribe el concepto de cada una de las características de calidad: mayor es mejor, menor
es mejor y nominal es mejor (página 302, del libro de análisis y diseño de
experimentos). Luego, menciona ejemplos de cada una de las características de calidad.
Considera las variables de respuesta de los diseños de experimentos de la unidad 1 y los
ejercicios finales del capítulo 6 del libro de análisis y diseño de experimentos
(problemas del 7 al 25).
Entre más pequeña mejor. Son variables o características de calidad cuya única exigen cia es que no excedan cierto
valor máximo tolerado o especificación superior (ES), y entre más pequeño sea su valor mejor. Por ejemplo:
porcentaje de impurezas en una sustancia o la cantidad de sustancias tóxicas en un producto alimenticio.
Entre más grande mejor. Son variables o características de calidad a las que se les exige que sean mayores que un
valor mínimo o que cierta especificación inferior (EI), y entre más grande sea el valor de la variable es mejor. Por
ejemplo, la resistencia de una pieza de plástico inyectado o la “blancura” de una tela de color blanco.
Valor nominal es el mejor. Variables que deben tener un valor específico y que, por lo tanto, no deben ser menores
que una especificación inferior (EI), pero tampoco mayores que una superior (ES). Ejemplos de este tipo de
características de calidad con doble especificación son el diámetro interior de una tuerca y la longitud de una pieza
para ensamble.
Station 1: 11, 13, 16, 14, 9, 13, 15, 12 and 14.5 pounds (pull force)
Station 2: 15, 11, 12, 14, 10, 9 and 15 pounds (pull force)
If the desired closing force is 12 pounds, which of the two stations produces better
assemblies?
La estación 2 resulta ser mejor debido a que su MSD es menor que el de la Estación 1.
Sus MSD son:
La 1 es la indicada
Actividad 2.6 (Indicador OEC)
Assume that the readings for cake samples 1 and 2 are as shown in the right most two
columns of the next table:
Determine which test sample is better base on the criteria of evaluation described in the
table.
La segunda es la mejor
Actividad 2.8
Descarga el manual de Control Estadístico de los procesos (SPC) de la AIAG. Lee el
capítulo IV- Sección C y realiza las siguientes actividades:
a) Explica en qué consiste la mentalidad del “poste meta”
El motivo principal para el uso de índices de habilidad (y otras medidas de los procesos)
ha sido el deseo de producir todas las partes dentro de especificaciones de los clientes.
El concepto básico que motiva este deseo es que todas las partes dentro de
especificaciones, independientemente de donde se localicen dentro del rango de
especificaciones, sean igualmente “buenas” (aceptables), y todas las partes fuera de
d) Si todos los performance están dentro de las especificaciones del cliente, ¿cuál
será la pérdida promedio por unidad de la siguiente muestra de piezas: 4.98,
4.80, 5.20, 5.15, 5.13, 5.01, 5.03 y 4.97?
Performance (Y) L(Y)=K(Y-5)^2
4.98 0.0256
4.80 2.56
5.20 2.56
5.15 1.44
5.13 1.0816
5.01 0.0064
5.03 0.0576
4.97 0.0576
Total de pérdida ∑ 𝐿(𝑦) 7.7888
Pérdida promedio por 0.9736
unidad 𝐿̅(𝑦)
f) Si al menos uno de los performance está fuera de las especificaciones del cliente,
¿cuál será la pérdida promedio por unidad de la siguiente muestra de piezas:
4.92, 4.70, 5.28, 5.20, 5.40, 5.01, 5.03 y 4.70?
Performance (Y) L(Y)
4.92 0.4096
4.70 4
5.28 4
5.20 2.56
5.40 4
5.01 0.0064
5.03 0.0576
4.70 4
Total de pérdida ∑ 𝐿(𝑦) 19.0336
Pérdida promedio por
unidad 𝐿̅(𝑦)
2.3792
The producer makes 100,000 units of the batteries per month, which sell for $1.25 each.
For most customer applications, the battery voltage should be within ±1.00 volt, that is,
between 8.00 and 10.00 volts.
Do the following activities:
a) Complete the next table:
PARAMETERS BEFORE EXPERIMENT AFTER EXPERIMENT
Average value 8.678 8.994
Standard deviation 0.376 0.160
Mean square deviation 0.231 0.023
S/N ratio 6.369 16.375
c) The K value
163.2653
d) The Loss Function of Taguchi
38, 33, 32, 34, and 36. The material has a target value of 35 BHN with LSL and USL as
28 and 41, respectively. Determine the capability indices (Cp and Cpk).
𝐿𝐸𝑆 − 𝐿𝐸𝐼 41 − 28
𝐶𝑝 = = = 0.9958
6𝜎 6(2.1759)
𝐿𝐸𝑆− 𝑦̅ 𝑦̅−𝐿𝐸𝐼 41− 34.375 34.375−28
𝐶𝑝𝑘 = 𝑀𝑖𝑛 { 𝑜 } = 𝑀𝑖𝑛 { 3(2.1759) 𝑜 } = 0.9766
3𝜎 3𝜎 3(2.1759)
Actividad 2.15
A study involving designed experiments predicted S/N = 4.92 as the optimum
performance. If the performance at optimum condition is expected to be at the target,
calculate the standard deviation of the performance with target value as 9.
0.5675
Actividad 2.16
In two plants producing an identical plastic part, the distance between two mounting
surfaces, which has a nominal value 85 millimeters, is considered critical and is used as
a major quality inspection item. Parts measuring smaller than 78 mm (LSL) or larger
than 92 mm (USL) are rejected. In a typical day, the following measurements for the
sample parts from the two plants were obtained. The cost of rejection per unit is $140.
Parts from plant 1: 84, 81, 83, 82, 84.5, 77, 84.5, 85, 84.5, 84, 92, 85 and 83 mm.
Parts from plant 2: 88, 89, 82, 85, 86, 87, 83, 84, 85, 86 and 84.5
Actividad 3.1
Realiza una lectura de las páginas 303 – 306 del libro de Gutiérrez Pulido, H., & De la
Vara Salazar, R. (2008). Análisis y diseño de experimentos (2ª ed.). México: Mc Graw-
Hill.
Posteriormente, realiza lo siguiente:
a) Escribe qué es un arreglo ortogonal.
Los arreglos ortogonales son diseños propuestos por Taguchi que, como su nombre
lo indica, tienen la propiedad de ortogonalidad.
b) Explica en qué consiste la propiedad de ortogonalidad.
Es cuando las instrucciones puedan combinar los elementos de los tres factores
anteriores sin ninguna restricción.
c) Copia y pega los arreglos ortogonales de Taguchi descritos en el libro: L-4 (23), L-8
(27), L-12 (211), L-16 (215), L-9 (34) y L-18 (21×37).
Actividad 3.2
Si deseamos experimentar con tres factores en dos niveles y comparar los tratamientos
de los siguientes diseños experimentales: diseño factorial completo 23, arreglo
ortogonal de Taguchi L-4 (23), diseño factorial fraccionado 23-1 (fracción principal) y
diseño factorial fraccionado 23-1 (fracción complementaria), ¿qué tratamientos tienen en
común sus respectivas matrices de diseño?
Crea las matrices de diseño mediante Minitab. Luego, completa la siguiente tabla:
A1 A2
B1 B2 B1 B2
C1 C2 C1 C2 C1 C2 C1 C2
Diseño factorial completo (1) c b bc a ac ab abc
23 T-1 T-5 T-3 T-7 T-2 T-6 T-4 T-8
(1) b2 ac ab
Diseño ortogonal L-4 (23)
T-1 T-2 T-3 T-4
Diseño factorial
c b a abc
fraccionado 23-1
T-1 T-3 T-2 T-4
(fracción principal)
Diseño factorial
(1) bc ac ab
fraccionado 23-1
T-1 T-3 T-2 T-4
(fracción complementaria)
Actividad 3.3
¿Cómo construir el arreglo ortogonal de Taguchi L-8 (27) a partir de la matriz de diseño
del factorial 23?
a) Construye la matriz de diseño del diseño factorial 23 mediante Minitab.
OrdenCorrida PtCentral Bloques A B C -AB -AC -BC ABC
1 1 1 1 -1 -1 -1 -1 -1 -1 -1
2 2 1 1 1 -1 -1 1 1 -1 1
3 3 1 1 -1 1 -1 1 -1 1 1
4 4 1 1 1 1 -1 -1 1 1 -1
5 5 1 1 -1 -1 1 -1 1 1 1
6 6 1 1 1 -1 1 1 -1 1 -1
7 7 1 1 -1 1 1 1 1 -1 -1
8 8 1 1 1 1 1 -1 -1 -1 1
Matriz de diseño
Total A B C -AB -AC -BC ABC
(1) -1 -1 -1 -1 -1 -1 -1
a 1 -1 -1 1 1 -1 1
b -1 1 -1 1 -1 1 1
ab 1 1 -1 -1 1 1 -1
c -1 -1 1 -1 1 1 1
ac 1 -1 1 1 -1 1 -1
bc -1 1 1 1 1 -1 -1
abc 1 1 1 -1 -1 -1 1
1 2 3 4 5 6 7
-1 -1 -1 -1 -1 -1 -1
-1 -1 -1 1 1 1 1
-1 1 1 -1 -1 1 1
-1 1 1 1 1 -1 -1
1 -1 1 -1 1 -1 1
1 -1 1 1 -1 1 -1
1 1 -1 -1 1 1 -1
1 1 -1 1 -1 -1 1
Actividad 3.4
Determine the number of experiments that will be necessary to study the following
situations
Actividad 3.5
Si quisiéramos experimentar con siete factores, ¿qué experimento sería mejor: un diseño
factorial 27 o un arreglo ortogonal de Taguchi L-8 (27)? Compáralos completando la
siguiente tabla:
Actividad 3.6
Utilizando Minitab, define arreglos ortogonales de Taguchi bajo las condiciones
descritas en cada inciso:
a) Crea el diseño ortogonal L-4 para estudiar dos factores: A y B con dos niveles
cada uno, y la interacción AB. Asigna los factores A y B a las columnas 1 y 2
del arreglo, respectivamente.
A B AB
1 1 1
1 2 2
2 1 2
2 2 1
b) Crea el diseño ortogonal L-8 para estudiar los factores A, B y C con dos niveles
cada uno y las interacciones AB, AC y BC. Asigna los factores A, B y C a las
c) Crea el diseño ortogonal L-8 para estudiar los factores A, B, C y D con dos
niveles cada uno y las interacciones AB, AC y AD. Asigna los factores A, B, C
y D a las columnas 1, 2, 4 y 7 del arreglo ortogonal, respectivamente.
A B AB C AC AD D
1 1 1 1 1 1 1
1 1 1 2 2 2 2
1 2 2 1 1 2 2
1 2 2 2 2 1 1
2 1 2 1 2 1 2
2 1 2 2 1 2 1
2 2 1 1 2 2 1
2 2 1 2 1 1 2
2 1 2 2 1 2 1 2 1 2 1 1 2 1 2
2 2 1 1 2 2 1 1 2 2 1 1 2 2 1
2 2 1 1 2 2 1 2 1 1 2 2 1 1 2
2 2 1 2 1 1 2 1 2 2 1 2 1 1 2
2 2 1 2 1 1 2 2 1 1 2 1 2 2 1
e) Crea un diseño ortogonal L-9 (34) para estudiar los factores A, B y C en tres
niveles. Asigna los factores A, B y C a las columnas 1, 2 y 3 del arreglo
ortogonal, respectivamente.
A B C E
1 1 1 1
1 2 2 2
1 3 3 3
2 1 2 3
2 2 3 1
2 3 1 2
3 1 3 2
3 2 1 3
3 3 2 1
Se decide realizar un estudio con tres factores únicamente, sin estudiar sus interacciones
mediante un diseño ortogonal L-4 sobre la afectación de la variable de respuesta:
“fuerza” en lb (QC=B).
A continuación se muestran los factores seleccionados con sus respectivos niveles:
Nivel
Factores
1 2
2
A: Presión de Inyección (lb/in ) 250 350
B: Temperatura del moldeo (°F) 150 200
C: Tiempo de preparación (seg) 6 12
Determina:
a) El efecto promedio de los factores (efecto principal, efecto factorial o efecto de
columna).
Tabla de respuesta para medias
4 2 2 1 27
Predicción
34
La distancia se refiere a la
contribución de cada factor
más la media
Actividad 3.9
Joint Sealing System Experiment. In an experiment with the sealing effectiveness of a
movable joint, the following 6 two-level factors were studied:
A: Seal material (rubber and paper)
B: Articulation angle (5° and 7.5°)
C: Surface finish (30 units and 100 units)
D: Grease type (polyurea and lithium)
E: bolted preload (20 Nm and 30 Nm)
F: Rotational speed (2000 r/min and 2500 r/min)
Para minimizar la perdida de lubricante el factor A debe estar en su nivel bajo, Factor B
en nivel bajo, D nivel bajo, E nivel Alto, F nivel bajo.
Actividad 3.10
In an effort to study the production problem (high reject rate) experienced in a
machining process, three factors among several possible causes were selected for a
quick study. An L-4 experiment was designed to study 3 two-level factors. A large
number of samples were tested in each trial condition, and average performances were
noted for two major objectives.
a) Describe (recipe) the factor levels used to conduct the third experiment.
A 2, B 1, C 2
b) Determine the optimum condition for the best surface finish (QC=S).
29.4
d) Determine the optimum condition for the best capability (QC=B).
Actividad 3.11
Transmission Axle Noise Study. The suspect causes for audible noise from an
automobile transmission axle design were identified as the lower, middle, and upper
ranges of application conditions. Experiments were laid out using an L-9 array, and four
samples were tested in each of the nine trial conditions. The results of the tests were
measured in decibels (dB).
Level
Factor 1 2 3
A: Lube levels (pints) 3.5 6.5 9
B: Engine speed (r/min) 1500 2000 3000
C: torque (ft-lb) 100 600 1100
D: surface finish (µm) 10 40 60
a) Determine the performance conditions that will minimize the response variable.
Calculate the expected result under these conditions.
Predicción
Media
77.3333
Configuración
A Nivel_lubricante B Rapidez_maquina C Torque D Acabado_superficie
6.5 2000 100 10
b) Determine the performance conditions that will maximize the response variable.
Calculate the expected result under these conditions.
Predicción
Media
101.583
Configuración
A Nivel_lubricante B Rapidez_maquina C Torque D Acabado_superficie
3.5 3000 600 60
c) Determine the range of noise levels expected by comparing the same at the worst
and best combination of factor levels.
101.583-77.333= 24.2497
LEVELS
Column
Factors I II
in L-8
1 A: Contact plate Galvanized Brass-plated
2 B: Adhesive thickness Current specifications Thicker
4 C: Base surface Machined Rough
7 D: Curing Temperature Ambient Air convection
SAMPLE
TRIAL 1 2 3
1 2025 2115 2270
2 1690 1692 1710
3 1145 1230 1168
4 1495 1280 1350
5 2550 2680 2585
6 1870 1815 1830
7 1645 2035 1830
8 1670 1100 1380
d) Identify the factor that need not be subjected to statistical process control (SPC)
El factor D porque no tiene efecto sobre la variable de respuesta.
e) Determine the loss of strength (pounds) when the condition of the base plate is
changed from brass-plated to galvanized.
2451.663-2133.33= 318.333
Valor 2 – Valor 1
Delta=valor absoluto
Predicción
Media
2451.67
Configuración
Superficie
Placa Adhesivo base Tempereatura
Chapada Actual Maquinada ambiental
2451.67 – 2133.33=318.34
Actividad 4.2
En un proceso de formación de paneles una característica no deseada es la emisión de
formaldehído en el producto final. Se desea que esta emisión sea lo mínima posible.
Actualmente se estima en 0.45 ppm (partes por millón).
Se cree que cinco factores pueden estar afectando la emisión, estos son: tipo de resina,
concentración de la solución, tiempo de ciclo de prensado, humedad y presión.
1 1 1 2 2 2 2 0.42
1 2 2 1 1 2 2 0.38
1 2 2 2 2 1 1 0.30
2 1 2 1 2 1 2 0.21
2 1 2 2 1 2 1 0.24
2 2 1 1 2 2 1 0.32
2 2 1 2 1 1 2 0.28
Valores pronosticados
Predicción
Media
0.215
Configuración
Tiempo de
Tipo de ciclo de
resina prensado
II 15
Actividad 4.3
To reduce the CO content of exhaust gas, seven factors, A, B, C, D, E, F, and G are
studied. Two levels are set for each and they are assigned to an L8 orthogonal array. CO
data (in grams) are obtained for three driving modes as given below.
A B C D E F G
Prueba R1 R2 R3
1 2 3 4 5 6 7
1 1 1 1 1 1 1 1 1.04 1.20 1.54
2 1 1 1 2 2 2 2 1.42 1.76 2.10
3 1 2 2 1 1 2 2 1.01 1.23 1.52
4 1 2 2 2 2 1 1 1.50 1.87 2.25
Análisis de medias
c) ¿Cuál es el efecto promedio de los factores?
Valores pronosticados
Predicción
Relación S/R Media
-2.29257 1.27083
Configuración
D E
1 1
Actividad 4.4
Considere el arreglo ortogonal, L4, de un proceso experimental con tres factores y dos
niveles para cada factor como se muestra en la siguiente tabla:
Columna A B C R1 R2 R3
N° de Prueba
1 1 1 1 5 6 7
2 1 2 2 3 4 5
3 2 1 2 7 8 9
4 2 2 1 4 5 6
Análisis de medias
c) ¿Cuál es el efecto promedio de los factores?
Valores pronosticados
Predicción
Media
7.75
Configuración
A B
2 1
Análisis de medias
j) Determina qué factores influyen sobre el promedio de la variable de respuesta. Si
existe algún factor insignificante, exclúyelo.
Nivel A B
1 5.000 7.000
2 6.500 4.500
Delta 1.500 2.500
Clasificar 2 1
Valores pronosticados
Predicción
Media
7.75
Configuración
A B
2 1
Actividad 4.5
Para reducir el contenido de CO de un determinado gas, siete factores: A, B, C, D, E, F,
y G son estudiados. Un conjunto de dos niveles para cada uno de los factores son
asignados en un arreglo ortogonal L-8. Los datos de CO (en gramos) son obtenidos en
tres lecturas para cada prueba y se muestran en la siguiente tabla.
Factor Resultados
Prueba A B C D E F G R1 R2 R3 R4
1 1 1 1 1 1 1 1 36 26 24 15
2 1 1 1 2 2 2 2 32 62 24 32
3 1 2 2 1 1 2 2 34 16 25 12
4 1 2 2 2 2 1 1 10 30 26 32
5 2 1 2 1 2 1 2 33 31 27 23
6 2 1 2 2 1 2 1 34 48 26 39
7 2 2 1 1 2 2 1 26 27 18 20
8 2 2 1 2 1 1 2 28 40 21 32
Análisis S/N
h) Determina qué factores influyen sobre la razón S/N de la variable de respuesta.
Los factores que influyen en el valor SN del modelo son los factores B y D, con valores
inferiores al 5% de significancia.
Valores pronosticados
Predicción
Relación S/R Media Desv.Est. Ln(Desv.Est.)
-26.9999 20.9688 5.96211 1.78593
Configuración
B D
2 1
Análisis de medias
j) Determina qué factores influyen sobre el promedio de la variable de respuesta. Si
existe algún factor insignificante, exclúyelo.
Total 7 257.242
Valores pronosticados
Predicción
Media
20.9688
Configuración
B D
2 1
APRENDIZAJES Y DIFICULTADES
Actividad de cierre
1. ¿Qué he aprendido?
2. ¿Cómo lo he aprendido?
3. ¿Cómo afecta a mi vida profesional lo aprendido?
4. ¿Qué decido hacer con lo aprendido?
Nombre del alumno-a: Díaz Estrada Ricardo
Durante la materia de Metodología Taguchi logre conocer nuevos modelos de diseño de
experimentos, como se dividen y que aunque su fin es el mismo podemos darnos cuenta
que incluso entre los autores existen diferencias de puntos de vista. He adquirido estos
conocimientos y experiencias gracias a las enseñanzas del profesor que ha sabido como
transmitirlas de una manera clara y concisa y mediante el uso de las herramientas
estadísticas brindadas por el instituto. Considero que estas herramientas facilitaran de
cierta manera la toma de decisiones dentro del ámbito laboral si es que debo hacer uso
de estas herramientas. Considero que usare estas herramientas con siempre y cuando las
condiciones laborales me lo permitan.
Nombre del alumno-a: Loera López Christian Salvador
La materia de metodología Taguchi fue una de las pocas materias que se separan del
resto ya que es de las pocas en las que verdaderamente te motivas a seguir aprendiendo,
pero, ¿Por qué? Es algo sencillo, desde el primer día de clases el profesor motivo
bastante al empezar a hablar sobre temas que parece que jamás habías escuchado pero
realmente son cosas que al final del curso dominas y hasta este momento te das cuenta
que si aprendiste bastante.
Todo eso aprendido con ejercicios contantes en clase acompañado de una
realimentación al final de la clase la cual te hace reforzar lo aprendido y que de esta
manera no queden dudas de que al final de cada clase sales con mas conocimientos que
con los que entraste, y estos ejemplos ya mencionados te sirven en la vida profesional
para la realización de métodos con logias para reducir la variabilidad y el crecimiento en
la habilidad de los procesos productivos, con la consecuente disminución en el
porcentaje de articulo defectuosos
REFERENCIAS