Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Misadel Obed Quezada-IIND-Unidad1
Misadel Obed Quezada-IIND-Unidad1
ALUMNO:
Misael Obed Quezada Ramirez
CATEDRATICO:
Ing. Anahí Arias Salinas
ASIGNATURA:
Sistemas de manufactura
ACTIVIDAD:
Problemas de calidad y variabilidad
La entrega de trabajos fuera de tiempo del área de taller eléctrico solo por
mencionar uno de los departamento en el cual consta de la entrega de un un
motor y es por falta de piezas, herramientas o daño no contemplados en el motor
en el so cotas la variabilidad ya que esta fuera de tiempo de entrega
Variabilidad en el color del azucar y se maneja un porcentaje de 100% y en ella se
maneja del 90% al 100% y en algunos casos depende del químico o cliente por la
coloración
Veremos unas de las más importantes variabilidad del jugo de caña limpio dentro
del área de evaporización y en ella consta del color y la textura (espesor) del jugo
de caña.
INSTITUTO TECNOLÓGICO SUPERIOR DE ACAYUCAN
ALUMNO:
Misael Obed Quezada Ramirez
CATEDRATICO:
Ing. Anahí Arias Salinas
ASIGNATURA:
Sistemas de manufactura
ACTIVIDAS:
Cuestionario
Son los cambios inevitables que hacen que se modifique el proceso, es decir ya sea
que afecte el producto que se produce o al servicio que se ofrece
DATOS
Y= 7 hrs
M= 9 hrs
k= 1,250.00 1 hr
SOLUCION
K= 1,250.00/1 hr
L=1,250.00 (7-9)2
L= 5,000.00 de perdida
TOLERANCIAS GEOMETRICAS
La CLASIFICACION SON:
FORMAS PRIMITIVAS
FORMAS COMPLEJAS
UBICACIÓN
OSCILIACION
INSTITUTO TECNOLÓGICO SUPERIOR DE ACAYUCAN
ALUMNO:
Misael Obed Quezada Ramirez
CATEDRATICO:
Ing. Anahí Arias Salinas
ASIGNATURA:
Sistemas de manufactura
ACTIVIDAD:
Investigación unidad II
Introducción
Este punto podría parecer muy obvio, pero uenta de que existe un problema que
ollar una enunciación clara, con la que rio desarrollar todas las ideas acerca
importante solicitar aportaciones de ento de calidad, manufactura, onal de
operación (el cual por lo general ecuencia se ignora). Por esta razón, erimentos.
En la mayoría de los casos es conveniente hacer una lista de los problemas o las
preguntas específicas que van a abordarse en el experimento.; por ejemplo, ¿se
trata de un proceso o sistema nuevo (en cuyo caso el objetivo inicial posiblemente
será la caracterización o tamizado de los factares) o se trata de un sistema maduro
que se conoce con profundidad razonable y que se ha caracterizado con
anterioridad (en cuyo caso el objetivo puede ser la optimización y la estabilidad
(¿bajo qué condiciones las variables de respuesta de interés sufren una
degradación seria?). Obviamente, las cuestiones específicas que habrán de
abordarse en el experimento se relacionan de manera directa con los objetivos
globales. Con frecuencia en esta etapa de la formulación del problema muchos
ingenieros y científicos se percatan de que no es posible que un experimento
comprensivo extenso responda las cuestiones clave y de que un enfoque
secuencial en el que se utilice una serie de experimentos más pequeños es una
estrategia más adecuada
Por otra parte, los factores perturbadores pueden tener efectos considerables que
deben tomarse en consideración, a pesar de que no haya interés en ellos en el
contexto del experimento en curso. Los factores perturbadores suelen clasificarse
como factores controlables, no controlables o de ruido. Un factor perturbador
controlable es aquel cuyos niveles pueden ser ajustados por el experimentador.
Por ejemplo, el experimentador puede seleccionar lotes diferentes de materia
prima o diversos días de la semana para conducir el experimento. La estructura
básica de la formación de bloques, comentada en la sección anterior, suele ser útil
para trabajar con factores perturbadores controlables. Si un factor perturbador no
es controlable en el experimento, pero puede medirse, muchas veces puede
usarse el procedimiento de análisis denominado análisis de covarianza para
compensar este efecto. Por ejemplo, la humedad relativa en el medio ambiente del
proceso puede afectar el desempeño del proceso, y si la humedad no puede
controlarse, probablemente podrá medirse y tratarse como una covariable. Cuando
un factor que varía de manera natural y no controlable en el proceso puede
controlarse para los fines de un experimento, con frecuencia se le llama factor de
ruido. En tales situaciones, es común que el objetivo sea encontrar los ajustes de
los factores controlables del diseño que minimicen la variabilidad transmitida por
los factores de ruido. En ocasiones a esto se le llama el estudio de robustez del
proceso o el problema de robustez del diseño.
También deberá pensarse cómo van a controlarse estos factores en los valores
deseados y cómo van a medirse. Por ejemplo, en el experimento de la soldadura
líquida, el ingeniero ha definido 12 variables que pueden afectar la ocurrencia de
defectos de soldadura. El ingeniero también tendrá que tomar una decisión en
cuanto a la región de interés para cada variable (es decir, el rango en el que se
hará variar cada factor) y en cuanto al número de niveles de cada variable que
usará. Para ello se requiere del conocimiento del proceso. Este conocimiento del
proceso suele ser una combinación de experiencia práctica y conocimientos
teóricos. Es importante investigar todos los factores que pueden ser de importancia
y no dejarse influir demasiado por la experiencia pasada, en particular cuando uno
se encuentra en las fases iniciales de la experimentación o cuando el proceso no
está del todo maduro.
Se reitera lo crucial que es exponer todos los puntos de vista y la información del
proceso en los pasos 1 al 3 anteriores. Se hace referencia a esto como planeación
previa al experimento. Coleman y Montgomery [27] proporcionan hojas de trabajo
que pueden ser útiles en la planeación previa al experimento. Véase también la
información complementaria del texto para más detalles y un ejemplo del uso de
estas hojas de trabajo. En muchas situaciones, no es posible que una sola persona
posea todos los conocimientos requeridos para hacer esto adecuadamente. Por lo
tanto, se hace una amplia recomendación para el trabajo en equipo durante la
planeación del experimento. La mayor parte del éxito gravitará en torno a qué tan
bien se haya hecho la planeación previa del experimento.
Elección del diseño experimental.
Si las actividades de planeación previas al experimento se realizan como es
debido, este paso es relativamente sencillo. La elección del diseño implica la
consideración del tamaño de la muestra (número de réplicas), la selección de un
orden de corridas adecuado para los ensayos experimentales y la determinación
de si entran en juego o no la formación de bloques u otras restricciones sobre la
aleatorización. En este libro se revisan algunos de los tipos más importantes de
diseños experimentales, y puede usarse en última instancia como un catálogo para
seleccionar el diseño experimental apropiado para una amplia variedad de
problemas.
2.2.- El diseño 23
Suponga que tres factores, A, B y C, cada uno con dos niveles, son de interés. Al
diseño se le llama diseño factorial 23, y en este caso la representación geométrica
de las ocho combinaciones de tratamientos puede hacerse con un cubo, como se
muestra en la figura 6-4a. Utilizando la notación"+" y "-" para representar los niveles
alto y bajo de los factores, las ocho corridas del diseño 2 3 pueden enlistarse como
en la figura 6-4b. Se le conoce en ocasiones como la matriz del diseño. Haciendo
una ampliación de la notación de las etiquetas revisada en la sección 6-2, las
combinaciones de los tratamientos en el orden estándar se escriben como (1), a,
b, ab, c, ac, bc y abc. Recuerde que estos símbolos representan también el total
de las n observaciones hechas con esa combinación de tratamientos particular.
Existen en realidad tres notaciones diferentes para las corridas del diseño 2 3 que
son de uso general. La primera es la notación + y -, llamada con frecuencia notación
geométrica. La segunda es el uso de las etiquetas en letras minúsculas para
identificar las combinaciones de los tratamientos. La tercera y última notación utiliza
1 y 0 para denotar los niveles alto y bajo, respectivamente, de los factores, en lugar
de + y -. Estas diferentes notaciones se ilustran enseguida para el diseño 2 3:
Hay siete grados de libertad entre las ocho combinaciones de tratamientos del
diseño 2 3. Tres grados de libertad se asocian con los efectos principales de A, B y
C. Cuatro grados de libertad se asocian con las interacciones; uno con cada una
de las interacciones AB, AC y BC y uno con la interacción ABC. Considere la
estimación de los efectos principales. Primero, considere la estimación del efecto
principal A. El efecto de A cuando B y C están en el nivel bajo es [a - (1)]/n. De
manera similar, el efecto de A cuando B está en el nivel alto y C está en el nivel
bajo es (ab –b)/n. El efecto de A cuando C está en el nivel alto y B está en el nivel
bajo es (ac – c)/n. Por último, el efecto de A cuando tanto B como C están en el
nivel alto es [abc - bc]/n. Por lo tanto, el efecto promedio de A es sólo el promedio
de estos cuatro efectos, o
Esta ecuación también puede desarrollarse como un contraste entre las cuatro
combinaciones de tratamientos de la cara derecha del cubo de la figura 6-5a (donde
A está en el nivel alto) y las cuatro de la cara izquierda (donde A está en el nivel
bajo). Es decir, el efecto de A es sólo el promedio de las cuatro corridas donde A
está en el nivel alto ( Ῡ A +) menos el promedio de las cuatro corridas donde A está
en el nivel bajo ( Ῡ A-), o
Los efectos de la interacción de dos factores pueden calcularse con facilidad. Una
medida de la interacción AB es la diferencia entre los efectos promedio de A con
los dos niveles de B. Por convención, a la mitad de esta diferencia se le llama la
interacción AB. Utilizando símbolos,
b) Diseño de parámetros
c) Diseño de tolerancias
De estas tres etapas, la más importante es el diseño de parámetros cuyos objetivos
son:
b) Definir los niveles “óptimos” en que debe fijarse cada parámetro o factor, a fin
de optimizar la operación del producto y hacerlo lo más robusto posible.
Taguchi ha propuesto una alternativa no del todo diferente que se que conoce
como:
Arreglos Ortogonales y las Gráficas Lineales.
La (b)C
Donde:
Análisis de varianza
Para calcular los totales para cada nivel del factor A, observamos que las primeras
cuatro pruebas del arreglo se efectuaron con el factor a su nivel 1 (Resina tipo I) y
las siguientes cuatro a su nivel 2 (resina tipo II).
= 0.49+0.42+0.38+0.30=1.59
= 0.21+0.24+0.32+0.28= 1.05
= 0.49+0.38+0.21+0.32= 1.40
= 0.42+0.30+0.24+0.28= 1.24
Observe que la suma de los dos niveles debe dar siempre el total de las ocho
lecturas
2) En seguida se obtiene una cantidad que llamaremos suma de cuadrados esta
se calcula como sigue:
Suma de los cuadrados del factor x= SS X= (Total nivel 2 – Total nivel 1)2/ n
Así por ejemplo, para el factor A, tendremos que dado que n=8
Similarmente
Todos aquellos factores, que tienen un valor de Fexp mayor que 2 se considera
que afectan la variable de respuesta, emisión de formaldehído en este caso. Estos
son llamados factores significantes.
En este ejemplo resultan significantes los factores A, C, D y E, tipo de resina,
tiempo de ciclo, humedad y presión respectivamente.
Nos resta decidir a que nivel habrá de fijar cada factor significante, y qué podremos
esperar. Para tomar esta decisión, es de mucha ayuda obtener los promedios de
las lecturas que se tomaron a cada nivel para cada uno de los factores
significantes.
Para contestar esta pregunta, para cada efecto significante se calcula una resta,
que llamaremos el efecto de cada factor respecto al promedio general, para este
caso el efecto es
EF C = C2 – Y= 0.2825-0.3300= -0.0475
EF D = D2 – Y= 0.3100-0.3300=-0.0200
EF E = E2 – Y= 0.3125-0.3300= -0.0175
Finalmente, el resultado esperado bajo las condiciones A2, C2, D2, E2, que
llamaremos Yest. se calcula sumando al promedio general Y todos los efectos de
los factores significantes.
DESVENTAJAS
El diseño 22
El primer diseño de la serie 2 k es el que sólo tiene dos factores, por ejemplo, A y
B; cada uno se corre a dos niveles. A este diseño se le llama diseño factorial 2 2.
Los niveles de los factores pueden denominarse arbitrariamente "bajo" y "alto".
Como un ejemplo, considere la investigación del efecto de la concentración del
reactivo y de la cantidad del catalizador sobre la conversión (rendimiento) de un
proceso químico. Sea la concentración del reactivo el factor A, y sean 15 y 25 por
ciento los dos niveles de interés. El catalizador es el factor B, con el nivel alto
denotando el uso de 2 libras del catalizador y el nivel bajo denotando el uso de 1
libra. Se hacen tres réplicas del experimento, y los datos son los siguientes:
Las combinaciones de los tratamientos se ilustran gráficamente en la figura 6-1.
Por convención, el efecto de un factor se denota con una letra mayúscula latina.
Por lo tanto, "A" se refiere al efecto del factor A, "B" al efecto del factor B, y "AB" a
la interacción AB. En el diseño 2 2, los niveles bajo y alto de A y B se denotan por
"-" y "+", respectivamente, en los ejes A y B. Por lo tanto, - en el eje A representa
el nivel bajo de la concentración (15%), mientras que + representa el nivel alto
(25%), y - en el eje B representa el nivel bajo del catalizador, mientras que + denota
el nivel alto.
y
al utilizar SS A, SSB y SS AB de la ecuación 6-8. En la tabla 6-1 se resume el análisis
de varianza completo. Con base en los valores P, se concluye que los efectos
principales son estadísticamente significativos y que no hay interacción entre estos
factores. Esto confirma la interpretación de los datos que se hizo originalmente con
base en las magnitudes de los efectos de los factores.
Los métodos de análisis que se han presentado hasta este punto pueden
generalizarse para el caso de un diseño factorial 2 k, es decir, un diseño con k
factores que tienen dos niveles cada uno. El modelo estadístico para un diseño 2 k
incluiría k efectos principales, (k2) interacciones de dos factores, ( k3) interacciones
de tres factores, ..., y una interacción de k factores. Es decir, para un diseño 2 k el
modelo completo contendría 2 k -1 efectos. También se usa aquí la notación
introducida anteriormente para las combinaciones de los tratamientos. Por ejemplo,
en un diseño 25, abd denota la combinación de tratamientos con los factores A, B
y D en el nivel alto y los factores C y E en el nivel bajo. Las combinaciones de los
tratamientos pueden escribirse en orden estándar introduciendo los factores uno a
la vez y combinando sucesivamente cada nuevo factor con los que lo preceden.
Por ejemplo, el orden estándar de un diseño 2 4 es (1), a, b, ab, e, ac, bc, abc, d,
ad, bd, abd, cd, acd, bcd y abcd.
Por ejemplo, la gráfica (a) 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 interactua 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.
Por lo tanto, el factor que interactua 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.
b) una interacción se representa mediante una línea que une los dos
efectos individuales.
A. B.
C. D.
En seguida mostramos las interacciones que nos interesan, mediante líneas. Para
nuestro caso tenemos (gráfica de la izquierda):
Esto es:
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:
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.
Efecto A D C B AxB E F
Columna 1 2 3 4 5 6 7
El diseño 32
El diseño más simple del sistema 3k es el diseño 3 2, el cual tiene dos factores,
cada uno con tres niveles. Las combinaciones de tratamientos de este diseño se
mostraron en la figura 9-1. Puesto que están presentes 32 =9 combinaciones de
tratamientos, hay ocho grados de libertad entre estas combinaciones de
tratamientos. Los efectos principales de A y B tienen dos grados de libertad cada
uno, y la interacción AB tiene cuatro grados de libertad. Si hay n réplicas, habrá n3
2
-1 grados de libertad totales y 3 2 (n -1) grados de libertad del error.
Estos dos cuadrados latinos son ortogonales; es decir, si uno de los cuadrados se
superpone en el otro, cada letra del primer cuadrado aparecerá exactamente una
vez con cada letra del segundo cuadrado. Los totales de las letras en el cuadrado
a son Q =18, R =-2 y S =8, y la suma de cuadrados entre estos totales es [18 2+ (-
2)2 + 82]/(3)(2) - [242 /(9)(2)] =33.34, con dos grados de libertad. De manera similar,
los totales de las letras en el cuadrado b son Q= 0, R =6 y S =18, y la suma de
cuadrados entre estos totales es [0 2 + 62 + 182]/(3)(2) - [242 /(9)(2)] = 28.00, con
dos grados de libertad. Observe que la suma de estos dos componentes es 33.34+
28.00 = 61.34 =SS AB con 2 + 2 = 4 grados de libertad.
I(AB) = AB2
J(AB) =AB
El diseño 33
Suponga ahora que hay tres factores (A, B Y C) bajo estudio, y que cada factor
tiene tres niveles dispuestos en un experimento factorial. Las 27 combinaciones de
tratamientos tienen 26 grados de libertad. Cada efecto principal tiene 2 grados de
libertad, cada interacción de dos factores tiene 4 grados de libertad y la interacción
de tres factores tiene 8 grados de libertad. Si se hacen n réplicas, hay n3 3 -1 grados
de libertad totales y 33(n -1) grados de libertad del error.
W(ABC) = AB2C2
X(ABC) = AB2C
Y(ABC) = ABC2
Z(ABC)=ABC
Observe que ninguna de las primeras letras puede tener un exponente diferente
de 1. Al igual que los componentes I y J, los componentes W, X, Y y Z no tienen
ninguna interpretación práctica. Sin embargo, son útiles para construir diseños
más complejos.
Existe una interacción cuando el efecto de un factor depende del nivel en el que se
encuentre otro factor. Se gratifican los cambios de un factor "A" a los cambios del
factor "B" para ver si hay interacción.
· Si las líneas trazadas son paralelas, no existe interacción entre los factores.
· Si las líneas no son paralelas, quiere decir que el efecto de "A" no es el mismo
para "B1" y "B2", existiendo interacción.
Conclusión