UNIDAD 3

3.1 Arreglos ortogonales

Esta experimentacin busca encontrar cul es el mejor material, la mejor presin, la mejor temperatura, la mejor formulacin qumica, o el tiempo de ciclo ms apto, etc. Todo con el propsito de lograr la longitud, la amplitud, o la durabilidad que se desea, tomando el costo que implica. QU ES EL ARREGLO ORTOGONAL?

El arreglo ortogonal es una herramienta ingenieril que simplifica y en algunos casos elimina gran parte de los esfuerzos de diseo estadstico. Es una forma de examinar simultneamente muchos factores a bajo costo. El Dr. Taguchi recomienda el uso de arreglos ortogonales para hacer matrices que contengan los controles y los factores de ruido en el diseo de experimentos. Ha simplificado el uso de este tipo de diseo al incorporar los arreglos ortogonales y las grficas lineales, finalmente, en contraste con los enfoques tradicionales como equivalentes de ruido: mientras las interacciones sean relativamente suaves, el analista de los efectos principales nos proporcionar las condiciones ptimas y una buena reproductibilidad en un experimento. Los arreglos ortogonales son herramientas que permiten al ingeniero evaluar qu tan robustos son los diseos del proceso y del producto con respecto a los factores de ruido. RESUMEN El mtodo del Dr. Taguchi para el diseo de experimentos utiliza tcnicas que implican bajos costos y que son aplicables a los problemas y requerimientos de la industria moderna. El propsito que se tiene en el diseo del producto es encontrar aquella combinacin de factores que nos proporcione el desempeo ms estable y confiable al precio de manufactura ms bajo. DR. GENICHI TAGUCHI El sistema de ingeniera de calidad del Dr. Genichi Taguchi, es uno de los ms grandes logros en ingeniera del siglo XX. El trabajo de la filosofa del Dr. Taguchi comenz a formarse en los inicios de la dcada de los 50's cuando fue reclutado para ayudar a mejorar el sistema telefnico japons que haba sido diseado para la Segunda Guerra Mundial. Taguchi emple experimentos de diseo usando especialmente una tabla conocida como "arreglos ortogonales" para tratar los procesos de diseo. Los arreglos ortogonales son un conjunto especial de cuadros en latn, construidos por Taguchi para planear los experimentos del diseo del producto. El anlisis del arreglo ortogonal de Taguchi es usado para producir los mejores parmetros para el diseo ptimo del proceso, con el mnimo nmero de experimentos (pruebas). Los resultados obtenidos para los arreglos ortogonales son analizados para obtener los siguientes objetivos: A) Estimar la contribucin de los factores individuales que influyen en la calidad en la etapa del diseo del producto. B) Ganar la mejor condicin para un proceso o un producto, as que las caractersticas en una buena calidad puedan ser sostenidas. ARREGLOS ORTOGONALES Y SU VENTAJA

La ventaja del los arreglos ortogonales es que pueden ser aplicados al diseo experimental involucrando un gran nmero de factores. DESVENTAJAS La desventaja del arreglo ortogonal es que puede ser nicamente aplicado en la etapa inicial del diseo del sistema del producto o proceso. Un arreglo ortogonal permite asegurar que el efecto de "B" en "A1" es el mismo efecto de "B" en "A2". As se podr estar seguro de que se est haciendo comparaciones entre efectos de niveles de un factor. ARREGLO ORTOGONAL QUE REPRESENTA La(b)C DONDE: L = Indica que es un arreglo ortogonal a = Nmero de corridas experimentales b = Nmero de niveles para cada factor c = Nmero de columnas o factores de un arreglo ortogonal.
ARREGLO ORTOGONAL L8(2)7

1 Na 1 2 3 4 5 6 7 8 A 1 1 1 1 2 2 2 2

2 B 1 1 2 2 1 1 2 2

3 C 1 1 2 2 2 2 1 1

4 D 1 2 1 2 1 2 1 2

5 E 1 2 1 2 2 1 2 1

6 F 1 2 2 1 1 2 2 1

7 G 1 2 2 1 2 1 1 2 RESULTADOS Y1 NIVEL 1 Y2 NIVEL 1 Y3 NIVEL 1 Y4 NIVEL 1 Y5 NIVEL 2 Y6 NIVEL 2 Y7 NIVEL 2 Y8 NIVEL 2

ARREGLOS ORTOGONALES 2n

No\Col 1 2 3 4 1 1 2 2

1 1 2 1 2

2 1 2 2 1

Grupo 1

Grupo 2

Grupo 2

Grfica lineal para L4

GLOS ORTOGONALES 2n

No/Col 1 2 3 4 5 6 7 8

1 1 1 1 1 2 2 2 2

2 1 1 2 2 1 1 2 2

3 1 1 2 2 2 2 1 1

4 1 2 1 2 1 2 1 2

5 1 2 1 2 2 2 2 1

6 1 2 2 1 1 2 2 1

7 1 2 2 1 2 1 1 2

No/Col

1 (1) 3

2 2 1

3 5 6 7

4 4 7 6 1

5 7 4 5 2 3

6 5 5 4 3 2 1

(2)

(3)

(4)

(5)

(6)

(7)

GRFICA LINEAL PARA L8

ARREGLOS ORTOGONALES 2n

No/Col 1 2 3 4 5 1 1 1 1 1

1 1 1 1 2 2

2 1 1 1 2 2

4 1 1 2 2 1

5 1 1 2 2 1

6 1 1 2 2 2

7 1 1 2 2 2

8 1 2 1 2 1

9 1 2 1 2 1

10 1 2 1 2 2

11 1 2 1 2 2

12 1 2 2 1 1

13 1 2 2 1 1

14 1 2 2 1 2

15 1 2 2 1 2

6 7 8 9 10 11 12 13 14 15 16

1 1 1 2 2 2 2 2 2 2 2 Grupo 1

2 2 2 1 1 1 1 2 2 2 2

2 2 2 2 2 2 2 1 1 1 1

1 2 2 1 1 2 2 1 1 2 2

1 2 2 2 2 1 1 2 2 1 1

2 1 1 1 1 2 2 2 2 1 1

2 1 1 2 2 1 1 1 1 2 2

2 1 2 1 2 1 2 1 2 1 2

2 1 2 2 1 2 1 2 1 2 1

1 2 1 1 2 1 2 2 1 2 1

1 2 1 2 1 2 1 1 2 1 2

2 2 1 1 2 2 1 1 2 2 1

2 2 1 2 1 1 2 2 1 1 2

1 1 2 1 2 2 1 2 1 1 2

1 1 2 2 1 1 2 1 2 2 1

Grupo 2

Grupo 3

Grupo 4

INTERACCIONES ENTRE DOS COLUMNAS

No/Col

1 (1) 1

2 1 1

3 1 1 2

4 1 1 2 2

5 1 1 2 2 2

6 1 1 2 2 2 2

7 1 2 1 2 1 2 1

8 1 2 1 2 1 2 1 2

9 1 2 1 2 2 1 2 1 1

10 1 2 1 2 2 1 2 1 2 1

11 1 2 2 1 1 2 2 1 1 2 2

12 1 2 2 1 1 2 2 1 2 1 1 2

13 1 2 2 1 2 1 1 2 1 2 2 1 2

14

15 1 2 2 1 2 1 1 2 2 1 1 2 1 1

(2)

(3)

(4)

(5)

(6)

(7)

(8)

(9)

(10)

(11)

(12)

(13)

(14)

Factores de Control y sus Lmites

FACTOR A B C D E F G

DECRIPCIN Cantidad de Piedra Caliza Fineza del Aditivo Cantidad del Aglutinante Tipo del Aglutinante Carga de Materia Prima Cantidad de Desperdicio Cantidad de feldespato

NIVEL 1 5 %(nuevo) Grueso (existente) 43% (nuevo) Comb. (existente) 1300 kg. (nueva) 0% (nueva) 9% (nueva)

NIVEL 2 1 % (existen) Fino (nuevo) 33% (existente) Comb.(nueva) 1200 (existente) 5% (existente) 5% (existente)

L8 (27)

Nmero 1 2 3 4 5 6 7 8 1 1 1 1 2 2 2 2

A 1 1 1 2 2 1 1 2 2

B 2 1 1 2 2 2 2 1 1

C 3 1 2 1 2 1 2 1 2

D 4 1 2 1 2 2 1 2 1

E 5 1 2 2 1 1 2 2 1

F 6 1 2 2 1 2 1 1 2

G 7

Resultado y1 y2 y3 y4 y5 y6 y7 y8

Cada rengln da un resultado bajo un conjunto de condiciones diferentes. Esto permite hacer comparaciones de los diferentes niveles de los factores. Un diseo ortogonal nos permite comparar los niveles de los factores bajo condiciones diferentes de la manera ms eficiente. L 2 7 EXPERIMENTOS = CORRIDAS = = REALIZADOS EN UNA FBRICA = 8 NIVELES FACTORES DE AZULEJOS

En Una compaa de azulejos de regular tamao compr un horno en forma de tnel cuyo costo fue de 2 millones de dlares. El horno mide 80 mts. de largo; dentro de l un carro cargado de azulejos se desliza lentamente sobre sus rieles mientras los quemadores horneaban el producto. PROBLEMAS: Los azulejos tenan una variacin en sus dimensiones, ms del 50% de los azulejos de la fila exterior estaba fuera de especificaciones, mientras que las filas interiores s cumplan con las medidas. Los gerentes e ingenieros saban que las causas de la variacin eran las diferencias de la temperatura del horno. El problema pudo ser solucionado diseado nuevamente el horno para que todos los azulejos recibieran la misma temperatura, lo cual hubiera costado medio milln de dlares. La compaa no tena recursos para invertir; por lo tanto, decidi buscar la manera de disminuir la variacin. La compaa hizo experimentos para investigar los efectos de algunos factores que en el proceso de coccin de los azulejos pudieran afectar su dimensin. Se seleccionaron estos factores teniendo en cuenta que los experimentos fueran eficientes. DISEOS FACTORIALES ORTOGONALES DE 2

Un arreglo ortogonal es una tabla de combinaciones de los niveles de los resultados

ordenados ortogonalmente. La convencin que se utiliza para nombrar los arreglos ortogonales es La (bc),en donde: L = ndice que es un arreglo ortogonal. a = Nmero de corridas experimentales. b = Nmero de niveles para cada factor. c = Nmero de columnas o factores de un arreglo ortogonal.

3.2 Arreglos ortogonales serie 2

Un arreglo muestra las combinaciones de los niveles de los factores arreglados ortogonalmente. Convencionalmente se representa como: La Donde: a b c es es es el nmero de corridas nmero de niveles de nmero de columnas en el el experimentales. cada factor. arreglo ortogonal. (b)

el

El arreglo ortogonal ms pequeo de la serie (2) es el L4 (2) a la 3, que indica que se manejan 3 factores, con dos niveles cada uno con 4 corridas experimentales.
No 1 2 3 1 2 2 1 2 1 2 2 2 2 1 3

NOTA. Un arreglo ortogonal que es altamente recomendado es el L12 (2). debido a que permite investigar 11 factores sin preocuparse de efectos por interacciones. Este arreglo proporciona muy buena reproducibilidad. Si se debe investigar alguna interaccin importante se debe elegir otro arreglo mayor, pues ste no contempla interaccin alguna.

3.3 Arreglos ortogonales de serie 3

La serie de arreglos de tres niveles permite investigar tres factores. El L9 (34) proporciona informacin de cuatro factores a tres niveles, utilizando nueve condiciones experimentales. Un L9 tiene ocho grados de libertad. Su uso permite hacer ocho comparaciones ortogonalmente. Los ocho grados de libertad pueden descomponerse en dos grados de libertad por columna. Se requiere una columna para cada factor. El primer paso es para formar categoras acumuladas a partir de las categoras iniciales, de modo que la categora acumulada 1 sea igual a la categora inicial 1, la categora acumulada 2 sea igual a las categoras iniciales 1 ms 2. EJEMPLO: (i) (ii)

= (1)

(1) (2)

(iii)

(1)

(2)

(3)

etc.

El segundo paso es conocer la proporcin que tiene cada categora acumulada. EJEMPLO: P1 P11 P111 PIV A Wj cada categora se le

= = = = asigna = un peso, segn la

25/90 49/90 65/90 90/90 frmula... 1/(Pj*(1-Pj))

Para cada categora se calcula el factor de correlacin, con la siguiente frmula: CFj = (i2)/n

SUMA DE CUADRADOS DE FACTORES Se obtiene mediante la suma de cuadrados de cada clase, multiplicada por su peso segn su frmula. Ssa = (Ssa clase 1)*W1+(Ssaclase 11)*W11 + (Ssa clase 111)*W111........ + (Ssa clase n)*Wn Sstotal = (nmero total de datos) * (nmero de categoras 1). GRADOS DE LIBERTAD

Los grados de libertad son calculados en base a los grados de libertad de un factor para variables, multiplicados por el nmero de categoras acumuladas menos uno. EJEMPLO: En un problema que tenga, cuatro factores con tres niveles obtenemos lo siguiente... 2*(4-a) = 6

Obtenemos que este ejemplo tiene 6 grados de libertad. EL ERROR El error se puede obtener restando la suma total de cuadrados de cada factor. Ss error estos = datos Ss se total construye una -Ssa Tabla de -Ssb Anova -Ssc para tomar -Ssd una

Con todos decisin. CONCLUSIN

El anlisis de varianza ofrece ms que un mtodo corto para obtener la suma de cuadrados del error.Es confiable y de gran exactitud para obtener la opcin correcta y disminuir costo por muchos experimentos.

3.4 Grficos lineales

Se utilizan para facilitar la signacin de factores e interacciones en un arreglo ortogonal. Cada punto representa una columna para asignar unos factores. Las lneas que conectan los puntos representan las columnas que deben asignarse a las interacciones entre los factores que conectan. ORTOGONALIDAD Un diseo ortogonal permite comparar, con la misma eficiencia, los niveles de los factores bajo varias condiciones. GRADOS DE LIBERTAD DE UN FACTOR

Los grados de libertad son una medida de una cantidad de informacin que puede ser obtenida.Para conocer el efecto de un factor determinado en un experimento, se compara el desempeo del producto al poner el factor en varios niveles al realizar un experimento; mientras ms niveles tenga un factor, tendr ms grados de libertad, y por lo tanto ms informacin para ser obtenida. INTERACCIN ENTRE FACTORES

Existe una interaccin cuando el efecto de un factor depende del nivel en que se encuentre otro factor. Se graficarn los cambios de un factor B, para determinar si hay interaccin. ESTAS GRFICAS FACILITAN LA ASIGNACIN DE FACTORES E INTERACCIONES A UN ARREGLO ORTOGONAL. Su interpretacin es la siguiente:

** Los nmeros representan el nmero de la columna en el arreglo ortogonal. ** Los puntos representan a los factores. ** Los segmentos de lnea que unen dos puntos representan la interaccin entre esos dos factores.

3.5 Introduccin de los factores a los arreglos ortogonales

DISEO FACTORIAL COMPLETO En este diseo se investigan todas las combinaciones de todos los niveles de todos los factores, permitiendo investigar el efecto de varios factores al mismo tiempo.En un diseo experimental de 7 factores en 2 niveles cada uno, se requieren 128 experimentos --- (2) 7. En experimentos de manufactura es comn 13 factores con 3 niveles cada uno, siendo entonces necesario (3) 13 = 1,594,323 experimentos. ANLISIS DE DATOS MEDIANTE ARREGLOS ORTOGONALES Determinacin de promedios Seleccin de niveles ptimos de un respuestas. Predecir la respuesta promedio Comparacin de la prediccin con INTERACCIONES de respuesta para niveles de factores. factor mediante la comparacin de promedios de del proceso utilizando los niveles ptimos. los resultados de una corrida de confirmacin. ENTRE FACTORES

Existe una interaccin 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

interaccin.

Si las lneas trazadas son paralelas, no existe interaccin entre los factores. Si las lneas no son paralelas, quiere decir que el efecto de "A" no es el mismo para "B1" y "B2", existiendo interaccin. Si las lneas se intersectan en la grfica, se interpreta que existe una interaccin bastante fuerte. APROXIMACIN DE UN FACTOR A LA VEZ

En este mtodo se vara el nivel de un solo factor, manteniendo constantes los niveles de los dems factores. Suponga que se investiga sobre efectos de temperatura y presin. Se seleccionan dos niveles para el factor temperatura (T1 y T2) y 2 niveles para el factor presin (P1, P2). La temperatura se fija a T1 mientras se varan los niveles de la presin; depus se poda fijar la presin a P1 y vara los niveles de la temperatura. Si se realizara un diseo con 7 factores en 2 niveles cada uno, se necesitara realizar 8 experimentos.
Experimento A 1 2 3 4 5 6 7 8 Factores y Condiciones B C D E F G Y1 Y2 Y3 Y4 Y5 Y6 Y7 Y8 Resultados Experimento

A1 B1 C1 D1 E1 F1 G1 A2 B1 C1 D1 E1 F1 G1 A2 B2 C1 D1 E1 F1 G1 A2 B2 C2 D1 E1 F1 G1 A2 B2 C2 D2 E1 F1 G2 A2 B2 C2 D2 E2 F1 G1 A2 B2 C2 D2 E2 F2 G1 A2 B2 C2 D2 E2 F2 G2

LIMITACIONES No es prctico No garantiza la reproductibidad.

cuando

se

usan

muchos

factores

3.6 Modificacin a los Arreglos Ortogonales

Preestablecidos con base en las modificaciones en las grficas lineales.

OBJETIVO: Que estas grficas puedan ser utilizadas para un problema en particular. Las grficas lineales estndar pueden ser modificadas para ser utilizadas en un experimento especfico, usando matrices triangulares, y la ortogonalidad entre las columnas se mantiene. EJEMPLO: FACTORES: Un L16 A, se B, AxB, puede C, modificar, D, CxD, E, quedando F, ExF, de G, FxG, la siguiente H, I, Y manera: J . GxH.

INTERACCIONES: Solucin:

1. Se dibuja la grfica lineal segn factores e interacciones: 2. Se selecciona la grfica lineal estndar de donde puede ser obtenida la grfica lineal del punto anterior 3. Revisando la matriz triangular, se determina como puede ser modificada la grfica lineal s la interaccin entre las columnas 6 y 11 nos e necesita, entonces se elimina y queda libre la columna 13, colocndose la interaccin entre las columnas y ella. SOLUCIN DEL ARREGLO ORTOGONAL

Los grados de libertad son utilizados para seleccionar un arreglo ortogonal ms pequeo que sea apropiado. Se establecen primero los grados de libertad requeridos basndose en el nmero de factores y el nmero de niveles de >cada uno de stos, as como las interacciones que se desean investigar. Ejemplo: Si se tienen 5 factores (A, B, C, D, E) con dos niveles cada uno, y adems se requiere investigar las interacciones AXB Y AXC, es necesario utilizar un arreglo ortogonal L8, que tienen 7 grados de libertad. Ejemplo: Grados Grados Grados de de de libertad Libertad libertad de de de 7 ASIGNACIN DE FACTORES A UN ARREGLO los factores AXB AXC (5X1) (1X1) (1X1) = = = 5 1 1 gl

ORTOGONAL

PROCEDIMIENTOS: 1. Se selecciona el arreglo ortogonal apropiado; para esto se toman en cuenta los grados de libertad necesarios debido a los factores e interacciones. 2. Se dibuja la grfica lineal segn las interacciones deseadas. 3. Se selecciona una de las grficas lineales estndar del arreglo elegido, de la cual se puede obtener la grfica lineal del paso anterior. 4. Se asignan los factores e interacciones segn las columnas que les corresponden de acuerdo a la grfica lineal resultante. EJEMPLO: La Ley de Movimiento de Newton F = MA. La naturaleza conoce esta relacin pero nosotros no. Como podemos obtener la relacin rpidamente sin quedar atrapados en aos de investigacin terica como lo hizo Newton? Un DDE siempre para dos entradas, tales como masa (M) y aceleracin (A), cada uno a 2 niveles, se puede establecer como un proceso de 4 ensayos experimentales (o intentos) en posiciones bajo y alto como se muestra en la abla.
ENSAYO 1 2 3 4 M BAJO BAJO ALTO ALTO A BAJO ALTO BAJO ALTO

Un conjunto de condiciones experimentales se usa para interrogar a la naturaleza acerca del comportamiento de ellas bajo ciertas circunstancias el conjunto especfico de condiciones (o matriz de diseo) se construye para analizar la respuesta, con el propsito de construir un modelo que se aproxime al modelo real encontrando en la naturaleza (i.e., aproximadamente igual al conocimiento perfecto por parte de la naturaleza). El ejemplo de la tabla, en DDE se conoce como un diseo factorial completo de 2 factores a 2 niveles. Diversos tipo de diseo experimental estn disponibles para satisfacer el objetivo especfico que usted tenga, I.e. modelado lineal, modelado no - lineal, seleccin, etc. Asuma que nuestro experimento gener un conjunto promedio de resultados para la fuerza por cada ensayo experimental, como se muestra en la tabla. Los puntos fijos, bajo y alto, para la mesa (5, 10) y la aceleracin (100, 200) se escogen basados en rangos de inters para el experimentador.
ENSAYO ENTRADAS M 1 2 3 4 5 5 10 10 100 200 100 200 A 500 1000 1000 2000 SALIDAS PROM. F

Para maximizar la cantidad de conocimiento adquirido, el anlisis del modelado de un DDE se conduce con valores de entrada estandarizados, donde los valores bajos se codifican en (1 y los altos se codifican en (+ 1). Estos valores codificados estandarizan la escala y las unidades de las variables de entrada. El resultado es una matriz con entradas codificadas como se muestra en tabla 2.
ENSAYO 1 2 3 4 -1 -1 1 1 M -1 1 -1 1 A 1 -1 -1 1 M*A 500 1000 1000 2000 F

Note, en la tabla, la adicin de una columna M*A la cual es generada por el producto de las columnas coficiadas M y A y que era usada para analizar el efecto interactivo o combinado de M y A. Las columnas M, A y M*A representan los tres efectos a ser evaluados, i.e. los efectos lineales de M y A y el efecto de la interaccin de M con A (M*A). El anlisis se conduce como se muestra en la tabla.
ENSAYO 1 2 3 4 PROM(+1) PROM(-1) -1 -1 1 1 1500 750 M -1 1 -1 1 1500 750 A 1 -1 -1 1 1250 1000 M*A F 500 1000 1000 2000 1125

PROM(+1)-PROM(-1)

750

750

250

Para obtener los nmeros de las secciones sombreadas, usted debe hacer lo siguiente para cada una de las columnas M, A y M*A: encuentre el promedio de la salida F cuando los valores de la columna son -1, encuentre el promedio de la salida F cuando los valores de las columnas son +1, y luego encuentre la diferencia de los dos promedios (∆). Por ejemplo, cuando las columnas del efecto M est A - 1 (Ensayos 1 y 2) la salida es 500 para el ensayo 1 y 1000 para el ensayo 2, que en promedio DA 750. El modelo generado por el DDE se construye usando un diseo de regresin de cuadrados mnimos el cual puede ser simplificado para diseos de 2 niveles como se muestra a continuacin: F Es el Mc Es la Ac Es la FEs la ∆M Es el Entonces nuestro promedio variable variable gran tamao del modelo predicho para fuerza codificada para masa codificada para aceleracin media experimental efecto lineal para M, etc. actual se convierte en:

F=1125+(750/2)*Mc+(750/2)*Ac+(250/2)*Mc*Ac Recuerde que nuestro modelo de prediccin es para valores codificados (I. E -1, +1) de M y A, y nosotros podemos transformarlo en un modelo con valores actuales de Ma y Aa usando la siguiente relacin: Ma=((Ma+Mb)/2)+((Ma+Mb)/2)*Mc Donde: MA MC MA MB Para

Valor Valor Valor Valor

fijo fijo experimental experimental

actual codificado actual actual nuestro

de de fijado fijado en en

masa masa alto bajo ejemplo:

Ma=7.5+2.5 Mc Entonces: Los clculos previamente descritos son una forma simple para pasar de valores codificados a actuales y viceversa, como se muestra en la escala combinada de la figura 2.