INSTITUTO TECNOLOGICO

DE SALTILLO

Tópicos de Optimización de
Procesos

Unidad: “1. Metodología Shainin Red-X“.

Tarea: “1.3“.
Profesora: Irma Cecilia Ruiz Ramírez
Alumno: José Luis Hinojosa Sanchez.
Semestre: “8”.

Saltillo Coahuila, 02/09/2023

Aplicación del modelo de experimentación Shainin
en un Ingenio Azucarero
El presente artículo muestra los resultados de la investigación en la cual se aplicó
la metodología Shainin del diseño experimental en la planta de producción de un
ingenio azucarero.
Este trabajo destaca la importancia que tiene el Diseño Experimental como
herramienta estadística para el mejoramiento de procesos productivos, que va más
allá del simple monitoreo impuesto por las técnicas de control estadístico de
procesos, sin desmeritarlas como herramientas útiles para controlar su rendimiento

Factores Experimentales
Antes de entrar de lleno al análisis de los resultados experimentales es importante
realizar una breve descripción de los factores estudiados. En esta metodología de
experimentación se involucraron el ajuste del molino 1; la presión hidráulica en los
cabezotes del molino 1 y las velocidades de las picadoras I y II, como factores
controlables de experimentación.

Experimentación con el método SHAININ

En esta sección se implementará la metodología de análisis propuesta por Dorian
Shainin, partiendo de la herramienta denominada búsqueda de variable debido a
tener los factores necesarios para la experimentación plenamente identificados y
por otro lado, aprovechando la flexibilidad de la metodología que permite la
utilización de todas las herramientas juntas o de solo algunas dada la situación a la
que se enfrenta el experimentador.

Búsqueda de variables
El principio utiliza un proceso de eliminación a través de una comparación
organizada. La característica de comparación debe ser mensurable. Finalmente la
selección de niveles “alto” y “bajo”, es apropiada, para cuantificar el cambio sobre
la característica de calidad estudiada. En la Tabla 1 se observan los niveles alto y
bajo para cada uno de los factores controlables seleccionados anteriormente, sin
tener en cuenta el tipo de corte debido a que esta filosofía está enfocada al estudio
de las variables controlables y no involucra el análisis de las variables ruido del
sistema.
 Factor Código Nivel Bajo (-) Nivel Alto (+)
controlable
Velocidad de A 3900 4300
Picador 1
Velocidad de B 4200 4400
Picador 2
Ajuste de Salida C 1”1/4 1”5/16
Presión D 3000 3500
Factores y niveles seleccionados

Inicialmente se realizaron tres corridas, con los niveles operativos normales para el
funcionamiento del molino 1 A (4300 r.p.m), B (4200 r.p.m), C (1’’ 5/16) y D (3000
psi), y tres corridas evaluando la operatividad a los nuevos niveles de
funcionamiento propuesto A (3900 r.p.m), B (4400 r.p.m), C (1” ¼) y D (3500 psi),
con los cuales se comprobó las condiciones de repetitividad y significancia en la
diferencia de desempeño entre los dos grupos de condiciones operativas
planteadas por Shainin3 . En la Tabla 2 se muestran los resultados de esta etapa,
junto con los límites de control propuestos por Shainin. Es importante explicar que
cuando en la Tabla No 8 aparezca por ejemplo APRN significa que en esa corrida
la variable A se probó al nivel propuesto mientras los otros factores se mantuvieron
a sus niveles normales.

Corrida Factor Nieles propuestos Resulta Límites Niveles Resul Límites Análisis
No. cambia dos de normales tados de
do control control
Iniciales 𝑨𝒑 𝑩𝒑 𝑪𝒑 𝑫𝒑 49.39 𝑨𝑵 𝑩𝑵 𝑪𝑵 𝑫𝑵 48.86
53.84 46.41
56.06 46.88
1 A 𝑨𝑵 𝑹𝑷 57.05 46.11- 𝑨𝑷 𝑹𝑵 50.15 40.39- A no
60.09 54.37 importante
2 B 𝑩𝑵 𝑹𝑷 66.78 46.11- 𝑩𝑷 𝑹𝑵 57.64 40.39- B significante
60.09 54.37
3 C 𝑪𝑵 𝑹𝑷 55.01 46.11- 𝑪𝑷 𝑹𝑵 57.33 40.39- C significante
60.09 54.37
4 D 𝑫𝑵 𝑹𝑷 63.79 46.11- 𝑫𝑷 𝑹𝑵 70.66 40.39- D significante
60.09 54.37

De la Tabla anterior se puede concluir con un nivel de confianza del 97.5% que los
factores altamente significantes con respecto al porcentaje de extracción del molino
1 son la velocidad de la picadora II, el ajuste de salida y la presión hidráulica aplicada
a los cabezotes del molino, debido a que como se observa al cambiarse los niveles
de estos factores los resultados caen por fuera de los límites de control.
Diseño de experimentos factoriales y fraccionales

Proporciona medios para recopilar información cerca de la forma en que varios

factores (X”s), ya sean juntos o combinados, afectan los resultados del proceso (Y).
El DOE cuantifica los efectos e interacciones de la media de cada X que afecta el
proceso, además de proporcionar la medición de la significancia estadística y
practica de un factor o interacción.
Se utiliza después de identificar la familia más significativa de variación en el árbol
de soluciones, o cuando se desea hacer un análisis adicional sobre el proceso
especifico relacionado con esta familia para identificar la X roja.
El DOE:
 Permite identificar y cuantificar el impacto de poca X”s vitales que afectan al
proceso
 Describe la relación entre X”s Y la Y a través de un modelo matemático
 Mejora un proceso de determinación la configuración optima de un juego de
X”s conocido
Es necesario utilizar de preferencia datos por variables para minimizar el número de
corridas experimentales. Si se usa ANOVA para el análisis, es necesario verificar la
normalidad de los residuales para asegurar la validez del experimento. En caso de
mediciones cuantitativas, se debe asegurar que los sistemas de medición son
válidos.
Tipos de DOEs
 DOE factorial completo: Proporciona la mayor información posible acerca
del proceso, pero requiere más recursos, ya que prueba todas las
combinaciones de factores y niveles de los mismos. Son más adecuados
cuando se trata de dos a cuatro factores, en caso de un factor es mejor el
método B vs C en caso de más de cuatro factores utilizar el método de
Búsqueda de Variables.
 DOE factorial fraccional: Prueba una fracción de las combinaciones del
anterior, con menos recursos, sin embargo reduce la resolución de
experimento y dificulta la habilidad de evaluar algunas interacciones.
 DOE de filtración: Algunos diseños de experimentos fraccionales sirven
para reducir el gran número de factores a un número menor más manejable.
Después de esto se puede realizar un factorial completo para investigar más
a fondo.
Pruebas B vs C

Se utilizara para confirmar una diferencia estadística entre el método actual

(Pruebas C) y un método que es mejor (Prueba B), lo interesante del método es que
requiere un número pequeño de pruebas y no requiere cumplir con el requisito de
normalidad o igualdad de varianzas.
Se realiza un número de pruebas C y un número de pruebas B, corridas al azar
midiendo el CTQ (o Y verde) en cada prueba. Los resultados se alinean y
dependiendo que tan separados estén los resultados de las pruebas B vs las
pruebas C, se pueden confirmar la significancia de la mejora. Se tiene 3 tipos
diferentes de pruebas B vs C:
 B vs C en paquete de seis, utilizando para confirmar cambios en la media.
 Prueba de Conteo Final de Traslape B vs C, se usa para confirmar cambios
en la media, utilizada cuando la influencia de una X rosa potente puede
causar que falle una prueba típica de paquete de seis.
 Prueba de Barrera B vs C, utilizada para confirmar cambio de media para
variables sin límites, también se utiliza para confirmar una reducción en la
desviación estándar.