Documentos de Académico
Documentos de Profesional
Documentos de Cultura
en Ingeniería de calidad
1
http://learnsigma.com/summary-of-
the-six-sigma-improve-stage/
A. MÉTODOS LEAN
2
Introducción
Propósito:
◦ Desarrollar, probar e implementar soluciones que
atiendan a las causas raíz
Salidas
◦ Acciones planeadas y probadas que eliminen o
reduzcan el impacto de las causas raíz identificadas
3
FASE DE MEJORA
Causas
raíz Técnicas de
Diseño de creatividad
experimentos Tormenta de
ideas
Optimización Ideas Metodología
TRIZ
Evaluación de soluciones
(Fact., ventajas, desventajas)
¿Solución
No factible?
Si
Implementación de
soluciones y verificación
de su efectivdad
Soluciones
verificadas
4
IX.A MÉTODOS LEAN
1. Las 5S’s
2. Kanban - Jalar
3. Poka Yokes
4. SMED cambios rápidos
5. Flujo continuo (CFM)
6. Manufactura respuesta rápida (QRM)
7. Kaizen
8. Teoría de restricciones (TOC)
5
6
1. Las 5 S’s
Seiri (sort, clasificar)
8
Las 5S´s
0 3. Tiempos Muertos
4. Defectos
5. Desperdicio en cambios
6. Retrasos
7. Insatisfacciones de Clientes
8. Pérdidas ($$$) 10
Visión General de las 5S´s
1. 2.
ORDEN
ORGANIZACIÓN
5
.
DISCIPLINA
4
. 3
ESTANDA-
.
RIZACION LIMPIEZA
11
Las 5S’s
Seiri = Organización
Deshacerse de todo lo innecesario del área de trabajo, si hay
duda usar Tarjetas Rojas, ahorrar espacio
Seiton = Orden
Tener las cosas en el lugar o distribución correcta,
visualmente bien distribuidas e identificadas, ahorrar
tiempo de búsqueda. Contornos, pintura, colores.
12
Las 5S’s
Seiso = Limpieza
Crear un espacio de trabajo impecable, ahorrar espacio y
elevar la moral y la imagen
Seiketsu = Estandarización
Establecer los procedimientos para mantener las tres S’s
anteriores. Administración visual, usar colores claros,
plantas, etc.
Shitsuke = Disciplina
Crear disciplina (repetición de la práctica)
13
Resistencia al cambio, se escucha:
• ¿Para qué limpiar si se ensucia de nuevo?
Necesario y lo que no lo es
15
Seiri, la primera S:
Seleccionar/Organizar
* Sólo lo que se
necesita,
* en la cantidad que se
1. SELECCIONAR necesita, y
* sólo cuando se
necesita.
* Es dejar sólo lo
estrictamente necesario
2. ORGANIZAR para las operaciones
normales de producción
o de oficinas.
16
Nombre:
Seiri, la primera S: Fecha:
Localización:
Seleccionar/Organizar Razón de etiqueta roja:
18
La cruzada de la organización
Necesidad Frecuencia de uso de las Guardar en:
cosas:
Baja Sin uso en años Deshacerse de ellas
Uso entre 6-12 meses Guardar a distancia
19
Guardar las cosas Necesarias
Frecuencia de uso de las Guardar en:
cosas:
Uso frecuente Tenerlas al alcance
Uso constante Localizarlas para
20
Identificar lo innecesario
• Detrás de lockers y muebles, sobre racks
21
Seiton, la segunda S:
Orden
22
Etiquetar o señalizar, apoyos
para la Administración visual.
Ejemplos de Orden:
• Etiquetar las carpetas (sin docs. innecesarios).
Pasillo
Antes Después
24
¿Cómo ordenar?
Los materiales en el piso
• Estantes, mesas y carros de altura ajustable Recoger cosas
del piso, cansa y es peligroso
Antes Después
25
Ordenar
• Las herramientas
• Eliminar su necesidad y estandarizar
• Almacenar cerca las más usadas
• Los materiales
• Cuadros Kanban
• FIFO y almacenamiento contingente
• Los aceites
• Los equipos de medición
• Los letreros y avisos
26
Seiso, la tercera S:
Limpieza
27
Beneficios de la Limpieza
• Aumenta la moral del personal y su eficiencia
La Limpieza es inspección
28
Las 3 etapas de la la Limpieza
5. Implantar la limpieza. 30
Promoción de una
Área de trabajo límpia
1. Dividir por zonas y asignar responsabilidades
rotativas por grupos y personas, dar tiempo
32
Beneficios de la
Estandarización
• No se regresa a las viejas condiciones se
mantienen gracias a la Administración Visual
33
Recomendaciones
34
Shitsuke, la quinta S:
Disciplina
35
Importancia de la Disciplina:
1. Los procedimientos correctos son un hábito
38
Las 5 S’s : En la oficina
La oficina es una
Fabrica de papel
39
40
Pasos para una oficina
Más eficiente
• Mantener una oficina ordenada, con trabajo en
equipo y papelería estandarizada
43
Promoción de las 5 S’s
• Es importante que el Director general tome el
liderazgo y que todos tomen parte en las 5 S’s
• Actividades paralelas
• Posters de invitación a participar
• Temas del mes
• Proyectos Kaizen
• Organizarlos conforme sea apropiado
• Entrenamiento técnico
• Tecnología Kaizen
• Entrenamiento inicial
• Seguimiento al entrenamiento
46
Registros
• Fotografías (antes, durante y después)
• Competencias
48
Lista de verificación
• Pisos
• Montacargas y carritos
• Equipos y maquinarias
• Accesorios de aceite
• Equipo de medición
49
Lista de verificación
• Lugares de lubricación
• Medidores
• Tuberías y cableado
• Tableros de control
• Mesas de trabajo
51
52
http://www.xberry.fsnet.co.uk/Kanban.htm
2. Kanban
Es una palabra japonesa que significa
“señal”, es una señal para los procesos
internos para proporcionar cierto
producto.
Empujar Jalar
◦ Se basa en ◦ Se basa en el uso
pronósticos real del cliente
◦ Fabricar el producto ◦ Sólo producir
independientemente cuando los
si la siguiente productos se
operación lo consumen
requiere
54
Kanban
Kanban = Señal, signo
http://www.construsur.com.ar/Article131.html
55
Propósitos del Kan Ban
Mejorar la comunicación entre procesos
Producir en base a las demandas reales no en
pronósticos
Prevenirproducción en exceso
Controlar los inventarios
57
Prerrequisitos del Kanban
Suavización de la producción Programa maestro
Depto. B WIP
Máquinas
B
WIP WIP WIP
Depto. A Empaque
Máquinas Depto. D E
A Inspección
Materias Inventario
primas Productos
Depto. C Terminados
WIP (200)
WIP
Retrabajos
60
Sistema de Manufactura de Jalar
Kanban
Procesos de producción disparados por la demanda
del cliente, distribución en Celdas Mfra.
Celdas de Manufactura
En U Cuadros
Kanban
Celda de Mfra.
Para la familia N
EDI Embarque
Productos
Terminados
(200 en
Proveedor
5 familias)
65
Kanban de producción. Tarjeta sencilla
TABLERO
66
Kanban de movimiento:
2 Contenedores - autorización de movimiento
BUZON
3.- En un ciclo establecido, el movedor
de materiales revisa el buzón, toma el
Kanban y procede a su localización en el LÍNEA DE ENSAMBLE
almacén especificado en el Kanban 2.- Cuando el
contenedor A esté vacío CONSUMO
se toma el B A
Kanban y se lleva al
buzón 1.- Las piezas se consumen del
INICIO contenedor A hasta que se vacíe.
Cliente
Proveedor Proceso Proceso Proceso Proceso
A B C D
68
Reglas Básicas del Kanban
1. El proceso siguiente viene a retirar sólo lo que
necesita
69
Reglas Básicas del Kanban
4. Las partes no deben ser producidas o
transportadas si no hay tarjeta de Kanban
70
71
72
73
http://www.mmpergo.com/products.htm
74
3. Poka Yokes – A Prueba de Error
Captura el error antes de que repercuta en
producto no conforme,
75
3. Poka Yokes – Errores
Saltar una operación
76
Errores humanos
Olvido o falta de comprensión
Identificación
Empleados nuevos
Errores deliberados
Errores inadvertidos
Lentitud
Falta de estándares
Errores intencionales
77
Diferentes tipos de Errores
ERRORES
Acción Acción No
Intencional Intencional
Tipos de Error Básicos
En las reglas
• No se siguen Falta de atención
• Omisión
• Aplicación equivocada
• En el Orden
En el conocimiento • En el tiempo
• Diferentes formas
• A la Rutina Fallas en la memoria
• A la excepciones • Omisión de planes
• Actos de sabotaje • Intenciones olvidadas
Fuente: Human Error (Errores Humanos), James Reason, 1990 Cambridge Univ. Press
78
Técnicas Poka Yoke - A Prueba de
Errores
79
Funciones básicas de un Poka Yoke
80
Cese o Suspensión de actividades:
Prevención y Detección
Prevención:
Algunas cámaras no funcionan cuando
no hay luz suficiente para tomar fotos
Detección:
Algunas lavadoras de ropa, se apagan
cuando se sobrecalientan
81
Ejemplos de Poka Yokes
Pasadores Guía
83
Advertencia: Prevención y Detección
Prevención:
Muchos autos tienen un sistema de alarma para
alertar al conductor de que no se ha abrochado el
cinturón de seguridad.
Detección:
Los detectores de humo alertan cuando se detecta
humo y es posible que se haya iniciado un fuego.
84
Mecanismos de detección usados en
Poka Yokes o A Prueba de Error
85
86
Cuando no se pueda realizar A Prueba de
Errores
• Use colores y códigos de color
• Vouchers de tarjeta de crédito (el cliente
retiene la copia amarilla, el comerciante la
blanca)
• Use formas
• Guarde diferentes tipos de partes en diferentes
recipientes de moldes
87
Cuando no se pueda realizar A Prueba de Error
• Autodetección
• Revisión de ortografía en la computadora
88
Banderas rojas:
Oportunidades para error
89
Jerarquía en la Prueba de Error
Diseño Eliminar la posibilidad de
1
errores
2
Hacer obvio que un error
ocurrirá
INSPECCION ocurrido
90
Metodología de desarrollo
de Poka Yokes
1.Describir el defecto
Mostrar la tasa de defectos; Formar un equipo de
trabajo
92
Proceso de A Prueba de Error
Identificar
Hacer un AMEF de
Identificar todos los características de
proceso para
errores potenciales diseño que pueden
Manufactura
eliminar el error
1
Rediseñar para
eliminar la posibilidad
de error
o
2
Rediseñar para hacer Revisar el diseño para
obvio que ocurrirá un detectar errores
error potenciales en
o Manufactura y
3
Rediseñar para hacer Ensamble
obvio que ha ocurrido
un error
93
94
Lean para reducción del tiempo
de preparación y ajuste, SMED
Necesidad de producir Lotes pequeños de una
gran variedad de productos
96
Cambios rápidos
Do - Identificar áreas de oportunidad de mejora.
◦ Máquina con tiempos de preparación o ajuste
largos, fuente frecuente de errores, accidentes
97
Cambios rápidos
Do – convertir tantas operaciones internas en
externas como sea posible
Precalentamiento, estandarización de partes. tc.
Administración visual, Poka Yokes
Actividadesconcurrentes
Métodos de una vuelta
98
Cambios rápidos
Do – convertir tantas operaciones internas en
externas como sea posible
Precalentamiento, estandarización de partes. tc.
Actividades concurrentes
99
Cambios rápidos
Do – Reducir tiempos de los procesos externos
Inventarios de partes a la mano
100
Programa de trabajo
101
102
103
A.5 FLUJO CONTINUO
DE MANUFACTURA
104
Flujo continuo de manufactura
http://www.emsstrategies.com/dd080105article.html
105
Flujo continuo de manufactura
En CFM el material se mueve una pieza a un
tiempo, con tasa det. por demanda del cliente,
Takt Time sin:
Problemas de calidad
Preparaciones y ajustes
Fallas en maquinas
Distancias y transporte
Áreas de apilado
Inventarios WIP
106
A.6 MANUFACTURA DE
RESPUESTA RÁPIDA
(QRM)
108
Quick Response Manufacturing
Cambiar la mentalidad de la gerencia
109
Quick Response Manufacturing
Instalar
el sistema de control de materiales
POLCA
◦ Combina Jalar y Empujar en el sistema “Paired Cell
Overlapping Loops of Cards with Autorization”
ACTUAR PLANEAR
A P
c D
VERIFICAR HACER
113
El procedimiento Kaizen (1-5 D)
1. Observar el proceso actual y el tiempo que
toman las operaciones
114
El procedimiento Kaizen
4. Implementar un plan revisado
7. Repetir el Ciclo
115
Ejemplo de proyecto Kaizen
116
Pasos del Kaizen
Definición del problema, alcance y metas
Formar y capacitar al equipo Kaizen
Identificar prioridades
Probar las ideas
Verificar resultados
Modificar el Lay Out
117
Pasos del Kaizen
Revisar y actualizar los estándares de trabajo
Revisar planes de acción y revisar prioridades
Reportar a la administración
Implementar
Reconocer al equipo
Seguimiento: Plan de acción, aceptación del
cambio, lay out
118
A.8 TEORÍA DE
RESTRICCIONES (TOC)
http://www.maconsultora.com/Restricciones.html
119
TOC
Recomienda evaluar:
Throughput
Inventarios
Gastos de operación
120
http://www.maconsultora.com/Restricciones.html 121
TOC
Implementación:
Evaporando nubes
Árbol de prerrequisitos
125
Nube inicial
http://clarkeching.blogs.com/tocsoftware/2004/08/
turning_the_ude.html
126
Conversión a Árbol de causa efecto causa
Primero se rota 90º contra reloj, se quita la flecha de
conflicto, cambia la dirección de las flechas y renombrar
las etiquetas
127
Conversión a Árbol de causa efecto causa
Se analiza ¿Qué Pasa Si? frecuentemente las mejoras a
las especificaciones originales se descubren mientras se
realiza el proyecto y luego se enlazan.
128
Conversión a Árbol de causa efecto causa
Se repite para todas las entidades en la nube
129
Conversión a Árbol de causa efecto causa
Mostrar como el conflicto causa el problema: Se dice:
SI “Hay presión para cumplir con perimtir cambios a la
espec. Conforme aprendemos” y “Hay presión para
evitar camboos a la espec. Conforme aprendemos”
ENTONCES “Hay conflicto entre clientes y
programadores..”
Entonces sucede el problema
130
Árbol
completo
131
B. MÉTODOS ESTADÍSTICOS
DE SEIS SIGMA
132
http://www.uco.es/investiga/
grupos/hibro/hibro.html
B.9 DISEÑO DE
EXPERIMENTOS
FACTORIALES
133
Antecedentes del DOE
Ronald Fisher
http://www.memagazine.org/backissues/
membersonly/july04/features/onestep/onestep.html
134
Antecedentes del DOE
G.E.P. Box
http://www.che.rochester.edu/Courses/
CHE246/index.html
135
136
Diseño de experimentos factoriales
Es una prueba o serie de pruebas donde se
inducen cambios deliberados en las
variables de entrada de un proceso, para
observar su influencia en la variable de
salida o respuesta
Entradas Salidas (Y) Entradas Salidas (Y)
Diseño de
Proceso
Producto
137
Número de niveles
y
• En Dos Niveles nos
permite considerar
únicamente los efectos
lineares.
1 2
2 Niveles
y
• En Tres Niveles hay la
necesidad de ejecutar más
pruebas, sin embargo, nos
permite buscar la curvatura, 1 2 3
cuadráticos.
138
Pasos del DOE - generales
Establecerobjetivos
Seleccionar variables del proceso
140
Pasos del DOE – detallado…
Seleccionar diseño experimental a utilizar
141
Pasos del DOE - detallado
De resultados identificar factores significativos
Meta
2. El Valor Mínimo es el Mejor
Tendencia de • Tiempo de Ciclo
salida hacia cero
• Contracción de la
Parte
• Desviación
0
3. El Valor Máximo es el MejorTendencia de salida • Fuerza
hacia arriba
• Durabilidad
144
Tipos de Experimentos
Tipos Comunes Número Típico de
de Experimentos Objetivos Factores Controlables
• Encontrar los niveles de 4 o menos
1. Factorial Completo factor que proporcionan
(todas las combinaciones de factores
los mejores resultados.
y niveles)
• Construir un modelo matemático
(evalúa todas las interacciones).
145
Tipos de Experimentos
(continuación)
Tipos Comunes Número Típico de
de Experimentos Objetivos Factores Controlables
• Optimizar
4. Diseño Central • Construir un modelo matemático 3 o menos
• Compuesto cuando no haya efectos lineales
o Box-Behnken (Superficie de respuesta).
146
Estrategia cuando el “Valor Meta es Mejor”
Meta
Estrategia cuando el
“Valor Mínimo es Mejor”
Tendencia de
salida baja
Niveles Factor
B. Temp. de Moldeo
Niveles
600° 700°
Los valores en los que se establecen los factores. E. Tipo de Material Nylon
Acetal
148
Comprobación de los residuos
Al graficar los residuales contra los valores de respuesta en el tiempo u otra variable
predictiva, se pueden presentar los patrones siguientes:
150
Los Factores Pueden Afectar...
1. La Variación del Resultado 3. La Variación y el Promedio
Temp
Tiempo de
Alta
Ciclo Largo
Temp
Tiempo de
Baja
Ciclo Corto
151
Resolución: diseños experimentales
I. Se varía un factor a la vez
152
Resolución: diseños experimentales
153
Prueba e implantación de soluciones
Probarlas soluciones investigando los efectos
secundarios que puedan afectar a otras áreas y
después ponerlas en practica.
156
Verificación de resultados
90
90
80 80
70 70
MEJ O RA COS TO
COS TO 60
50 Este
60
$ 1,000
50 Este
$ 5,000 40 Oeste 40 Oeste
30 Norte Norte
30
20 20
10 10
0 0
1er trim. 2do trim. 3er trim. 4to trim. 1er trim. 2do trim. 3er trim. 4to trim.
A N TES DE SP U ES
157
QFD
FASE DE ANÁLISIS
Diagrama de
relaciones
Diagrama
Causa Efecto Diagrama de
Ishikawa
Diagrama
de Árbol
Definición
Y=X1 + X2+. .Xn
CTQs = Ys Medición Y,
Operatividad X1, X2, Xn
X's
Causas
Análisis del Modo y Efecto de potenciales
Falla (AMEF)
Pruebas
Llenar las últimas
de Columnas del FMEA
hipótesis y comprobar Hipótesis
Diagrama
de Flujo
del X's vitales
proceso No ¿Causa Si Causas raíz
Raíz? validadas
158
159
Diseños factoriales de dos niveles
n2k
160
Diseño factorial completo 2K
ALTO
ALTO
Representa- B
ción Gráfica BB ALTO
BAJO
C
BAJO
A
ALTO BAJO
BAJO
AA Factor
BAJO ALTO
Prueba A B
C
AA BB
1 - -
-
1 - - 2 + -
Representa- -
ción Tabular 2 + - 3 - +
-
3 - + 4 + +
4 + + 5
-
- -
+
6 + - 161
Diseño factorial completo 2K
Niveles
Factores Bajo Alto
162
Experimento factorial completo –
sin interacción
Un experimento factorial completo es un experimento donde se
prueban todas las posibles combinaciones de los niveles de todos los
factores.
Factor A :
-1 +1
+1 30 52
Factor B : Y = Respuesta
-1 20 40
B+1
Efecto del factor A = (52+40)/2 - (30+20)/2 = 21
Efecto del factor B = (30+52)/2 - (20+40)/2 = 11 B-1
Efecto de A*B = (52+20)/2 – (30+40)/2 = 1 A -1 +1
163
Experimento sin interacción
B = +1 30 52
Respuesta
Promedio
B = -1 20 40
A = -1 A = +1
164
Experimento sin interacción
Respuesta
52
+1
B=
1 40
30 B =-
20
A = -1 A = +1
165
Modelo de regresión lineal
y 0 1 x1 2 x2 12 x1 x2
ˆ (20 40 30 52) / 4 35.5
0
ˆ1 21/ 2 11
ˆ2 11/ 2 5.5
ˆ12 1/ 2 0.5
ˆ 35.5 10.5 x1 5.5 x2 0.5 x1 x2
y
El coeficiente 0.5 es muy pequeño
dado que no hay interacción
166
Gráfica de contornos – Experimentos
sin interacción Dirección
De ascenso
rápido
1 49
46
.5 40
X2 34
0
28
-.5 22
-1
X1 -1 -.6 -.4 -.2 0.0 +.2 +.4 +.6 +.8 +1
167
Superficie de respuesta – Experimentos
sin interacción
Y = respuesta
Superficie de respuesta
X1
X2
Experimento factorial completo –
con interacción
Un experimento factorial completo es un experimento donde se
prueban todas las posibles combinaciones de los niveles de todos los
factores.
Factor A :
-1 +1
+1 40 12
Y = Respuesta
Factor B :
-1 20 50
B+1
Efecto de A*B = {(12+20)-(40+50)}/2 = -29
B-1
A -1 +1
169
Interacción de dos factores
Sin interacción Interacción Interacción Interacción
moderada fuerte fuerte
170
Experimento con interacción
B = +1 40 12
Respuesta
Promedio
B = -1 20 50
A = -1 A = +1
171
Modelo de regresión lineal
y 0 1 x1 2 x2 12 x1 x2
ˆ (20 40 30 52) / 4 30.5
0
ˆ1 2 / 2 1
ˆ2 18 / 2 9
ˆ12 58 / 2 29
ˆ 30.5 1x1 9 x2 29 x1 x2
y
El coeficiente -29 es muy grande representando
la interacción
173
Gráfica de contornos Dirección
De ascenso
rápido
1 49
25 43
.5
40
X2 31 34
0
28
-.5
-1
X1 -1 -.6 -.4 -.2 0.0 +.2 +.4 +.6 +.8 +1
174
Superficie de respuesta – Experimentos
con interacción
Superficie de respuesta
175
Tabla ANOVA – Experimento de
Tratamiento Térmico
Origen DF SS Sec SS Aj MS Aj F P La Temperatura
es significativa.
Temp 1 162.000 162.00 162.00 46.29 0.002
El Tiempo, por
Tiempo 1 2.000 2.000 2.000 0.57 0.492 sí solo, no es
significativo.
Temp* 1 72.000 72.000 72.000 20.57 0.011
Tiempo
El Tiempo, en
Error 4 14.000 14.000 3.500 combinación
con la
Total 7 250.000 Temperatura,
es significativa.
176
Modelo de regresion
177
Gráficas factoriales de efectos
principales e interacciones
Main Effects Plot (data means) for Res
90
88
Res
86
84
Interaction Plot (data means) for Res
82
A B
A
-1
1
90
M ean
85
80
-1 1
B
178
Gráficas de contornos y de superficie de
respuesta
Contour Plot of Res
1 82.5
85.0
87.5
90.0
92.5
0
B
-1
-1 0 1
95
A
90
Res 85
80 1
-1
0 B
0 -1
A 1
179
180
Ejemplo
Johnson y Leone describen un experimento realizado para investigar la torcedura de placas de
cobre. Los dos factores estudiados fueron la temperatura y el contenido de cobre de las placas.
La variable de respuesta fue de una medida de la cantidad de torcedura. Los datos fueron los
siguientes:
Contenido de cobre
(%)
Temperatur 40 60 80 100
a (°C)
50 17, 20 16, 21 24, 22 28, 27
75 12, 9 18, 13 17, 12 27, 31
100 16, 12 18, 21 25, 23 30, 23
125 21, 17 23, 21 23, 22 29, 31
181
Ejemplo
a) A un nivel de significancia del 5% identificar si hay los factores o las interacciones son significativas
b) Obtener los residuos y hacer una prueba de normalidad, comentar la adecuación del modelo
c) Determinar los efectos de los factores principales y de las interacciones
d) Obtener las gráficas factoriales e identificar en cuales seleccionar los diferentes niveles
e) Si se quiere minimizar la torcedura, ¿en que niveles conviene operar el proceso?
f) Suponga que no es sencillo controlar la temperatura en el medio ambiente donde van a usarse
las placas de cobre ¿Este hecho modifica la respuesta que se dio en el inciso d?
182
Ejemplo: fórmulas
SS T SS A SS B SS AB SS E
SS E SS T SS A SS B SS AB SS T SS S
183
Tabla ANOVA
General Linear Model: datos versus Temp, Cobre
Factor Type Levels Values
Temp fixed 4 50 75 100 125
Cobre fixed 4 40 60 80 100
Analysis of Variance for datos, using Adjusted SS for Tests
Source DF Seq SS Adj SS Adj MS F P
Temp 3 156.094 156.094 52.031 7.67 0.002
Cobre 3 698.344 698.344 232.781 34.33 0.000
Temp*Cobre 9 113.781 113.781 12.642 1.86 0.133
Error 16 108.500 108.500 6.781
Total 31 1076.719
184
Resultados
Interaction Plot - Data Means for datos
Temp
50
30
75
100
125
Mean
20
10
40 60 80 100
Cobre
185
Resultados
Main Effects Plot - Data Means for datos
T emp Cobre
27
24
datos
21
18
15
50 75 10
0
12
5 40 60 80 10
0
186
187
Otros diseños experimentales
Diseños de superficie de respuesta (RSM-
CCD)
189
Diseño Fraccional
190
Resultados del experimento
Analysis of Variance for Rend-%, using Adjusted SS for Tests
191
B.10 DISEÑO DE
EXPERIMENTOS TAGUCHI
http://www.qsconsult.be/
ESTaguchi.htm
192
Método Taguchi – Función de pérdida
http://www.qsconsult.be/
ESTaguchi.htm
193
Método Taguchi – Factores en un
proceso
http://www.qsconsult.be/
ESTaguchi.htm
194
Diseño de experimentos de Taguchi
Número de condiciones Número de factores o efectos maximo
experimentales(renglones) que se pueden analizar y número de
lineas o pruebas. columnas
L4 4 3
L8 8 7
L12 12 11
L16 16 15
L32 32 31
L64 64 63
196
Diseño de experimentos de Taguchi
Gráficas lineales arreglo ortogonal
Columna 1 2 3 4 5 6 7
Col (1) 3 2 5 4 7 6
Col (2) 1 6 7 4 5
Col (3) 7 6* 5 4
Col (4) 1 2 3
Col (5) 3 2
Col (6) 1
Col (7)
3 5 . 7
2 6 4
5
1 4
6
197
7
DOE Taguchi con interacciones
1 2 3 4 5 6 7
No. A B AXB D AxD AxC G
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
Arreglo
Arreglo Externo
Interno
A B C Resp1 Resp2
1 1 1 19.0 16.0
1 1 1 18.4 18.0
1 2 2 17.5 17.0
1 2 2 18.6 17.5
2 1 2 19.3 17.0
2 1 2 19.1 18.5
2 2 1 18.4 16.0
2 2 1 17.0 16.5
198
DOE Taguchi con interacciones
http://www.npd-solutions.com/robust.html
199
http://www.scielo.br/scielo.php?pid=S0103-
50532006000300025&script=sci_arttext&tlng
=en
B.11 DISEÑO DE
EXPERIMENTOS
DE MEZCLAS
http://www.statease.com/clas_mix.html
200
Diseños de experimentos de mezclas -
propósitos
Seleccionar diseños Simplex
Seleccionar el modelo adecuado de mezclas
201
DOE de mezclas
X1 X2 X3 Rendimiento
0 0 1 ( q m 1)!
0 0.333 0.667 Puntos
0 0.667 0.333 m !( q 1)!
0 1 0 X1 X 2 X 3 1
0.333 0 0.667
q
0.333 0.333 0.333
0.333 0.667 0 E (Y )
i 1
i Xi
0.667 0 0.333
0.667 0.333 0
1 0 0
X2
202
DOE de mezclas - ejemplo
Ejemplo: Se tienen 3 componentes y m=2 niveles,
X1=polietileno, X2=Poliestireno, X3=polipropileno mezclados
para formar fibras, de las cuales se mide la elongación en dos
réplicas
X1 X2 X3 Rendimiento
0 0 1 16.8, 16
0 0 0.5 10.0, 9.7, 11.8
0 1 0 8.8, 10.0
0.5 0 0.5 17.7, 16.4, 16.6
0.5 0.5 0 15.0, 14.8, 16.1
1 0 0 11.0, 12.4
X2
203
DOE de mezclas - ejemplo
Minitab: Regression for Mixtures: Resp versus A, B, C
Est. Regression Coefficients for Resp (component proportions)
Y=11.7X1+9.4X2+16.4 X3 + 17.4X1X2 + 12X1X3 –12.2 X2X3
Term Coef SE Coef T P VIF
A 11.70 0.4941 * * 1.500
B 9.40 0.4941 * * 1.500
C 16.40 0.4941 * * 1.500
A*B 17.40 2.4207 7.19 0.000 1.500
A*C 12.00 2.4207 4.96 0.003 1.500
B*C -12.20 2.4207 -5.04 0.002 1.500
S = 0.69881 PRESS = 11.720
R-Sq = 97.44% R-Sq(pred) = 89.78% R-Sq(adj) = 95.31%
Como b3 > b1 > b2 se concluye que el componente 3 produce la mayor
elongación
Como b12 y b13 son positivos la mezcla de componentes 1 y 2 así como 2 y 3
aumenta la elongación
Como b23 es negativo la mezcla de los componentes 2 y 3 tiene efectos
antagónicos en la mezcla 204
http://blog-di-j.blogspot.com/2007/10/factorial-
and-response-surface.html
B.12 DISEÑOS DE
SUPERFICIE DE
RESPUESTA (RSM)
http://www.dynardo.de/website.php?id=/index/
english/events/trainings/optimization.htm 205
RSM: Trayectoria de ascenso rápido
Pasos
206
Tipos de superficies de respuesta
207
Diseños Central Compuesto (CCD)
Circunscrito(CCC), con centro en las
caras (CCF) y inscrito (CCI)
k k k 1 k
Y 0 i X i ii X
i
2
X X ij i j
i 1 i 1 i 1 j 2
208
Trayectoria de ascenso rápido
Respuesta
Ejemplo de CCD
Pasos
del Proceso codificadas Rendimiento
1 80 170 -1 -1 76.5
2 80 180 -1 1 77.0
3 90 170 1 -1 78.0
4 90 180 1 1 79.5
7 85 0 0 80.0
175
8 85 0 0 79.7
9 85 175 0 0 79.8
175
10 92.07 1.414 0 78.4
175
11 77.93 -1.414 0 75.6
175
12 85
182.07
0 1.414 78.5 Réplicas en (0,0)
13 85 0 -1.414 77.0
167.93 para el error puro
209
Ejemplo de CCD
Estimated Regression Coefficients for Y
x1
x
x 2
... Diseño central compuesto
xk
ˆ1 Contour Plot of Y Surface Plot of Y
75
ˆ 0.995 76
b 2
1
77
... 0.515 78
79
80.5
79.5
ˆ 80 78.5
k 0
B
77.5
Y 76.5
-1 73.5
0.0
0.5
B
1.0
ˆ / 2, ˆ22 ,....ˆ2 k / 2
1.376, 0.1250
-1.5 -0.5
-1.0 -0.5 -1.0
0.0 -1.5
B 12 0.1250, 1.001
0.5
A 1.0 1.5
-1 0 1
A
matriz.simetrica , ˆ
kk
212
Diseño RSM de Box Behnken
Requiere menos combinaciones de tratamientos
que un CCC para 3 o 4 factores. El diseño Box –
Behnken es rotable pero contiene regiones de
poca calidad predictiva como el CCI. Requiere 3
niveles por factor
213
B.13 ANÁLISIS
EVOLUTIVO (EVOP)
http://www.stochos.com/evop_overview.htm
214
Análisis evolutivo (EVOP)
G. Box en 1957 sugirió reemplazar la
operación estática de un proceso con us
sistema dinámico
La idea fue desarrollar un método
sistemático parqa realizar pequeños
ajustes en las variables de control del
proceso, evaluando sus efectos y
ajustando el proceso en la dirección de
mejora
215
Operaciones Evolutivas (EVOP)
Laspruebas se hacen en la fase A hasta que se establece
un patrón. Después se centra la fase B en las mismas
condiciones de la fase A. Este procedimiento se repite
hasta que se encuentra un mejor resultado.
216