Professional Documents
Culture Documents
en Ingeniera de calidad
1
http://learnsigma.com/summary-of-
the-six-sigma-improve-stage/
A. MTODOS LEAN
2
Introduccin
Propsito:
Desarrollar, probar e implementar soluciones que
atiendan a las causas raz
Salidas
Acciones planeadas y probadas que eliminen o
reduzcan el impacto de las causas raz identificadas
3
FASE DE MEJORA
Causas
raz Tcnicas de
Diseo de creatividad
experimentos Tormenta de
ideas
Optimizacin Ideas Metodologa
TRIZ
Evaluacin de soluciones
(Fact., ventajas, desventajas)
Solucin
No factible?
Si
Implementacin de
soluciones y verificacin
de su efectivdad
Soluciones
verificadas
4
IX.A MTODOS LEAN
1. Las 5Ss
2. Kanban - Jalar
3. Poka Yokes
4. SMED cambios rpidos
5. Flujo continuo (CFM)
6. Manufactura respuesta rpida (QRM)
7. Kaizen
8. Teora de restricciones (TOC)
5
6
1. Las 5 Ss
Seiri (sort, clasificar)
8
Las 5Ss
0 3. Tiempos Muertos
4. Defectos
5. Desperdicio en cambios
6. Retrasos
7. Insatisfacciones de Clientes
8. Prdidas ($$$) 10
Visin General de las 5Ss
1. 2.
ORDEN
ORGANIZACIN
5
.
DISCIPLINA
4
. 3
ESTANDA-
.
RIZACION LIMPIEZA
11
Las 5Ss
Seiri = Organizacin
Deshacerse de todo lo innecesario del rea de trabajo, si
hay duda usar Tarjetas Rojas, ahorrar espacio
Seiton = Orden
Tener las cosas en el lugar o distribucin correcta,
visualmente bien distribuidas e identificadas, ahorrar
tiempo de bsqueda. Contornos, pintura, colores.
12
Las 5Ss
Seiso = Limpieza
Crear un espacio de trabajo impecable, ahorrar espacio y
elevar la moral y la imagen
Seiketsu = Estandarizacin
Establecer los procedimientos para mantener las tres Ss
anteriores. Administracin visual, usar colores claros,
plantas, etc.
Shitsuke = Disciplina
Crear disciplina (repeticin de la prctica)
13
Resistencia al cambio, se escucha:
Para qu limpiar si se ensucia de nuevo?
Necesario y lo que no lo es
15
Seiri, la primera S:
Seleccionar/Organizar
* Slo lo que se
necesita,
* en la cantidad que se
1. SELECCIONAR necesita, y
* slo cuando se
necesita.
* Es dejar slo lo
estrictamente necesario
2. ORGANIZAR para las operaciones
normales de produccin
o de oficinas.
16
Nombre:
Seiri, la primera S: Fecha:
Localizacin:
Seleccionar/Organizar Razn de etiqueta roja:
18
La cruzada de la organizacin
Necesidad Frecuencia de uso de las Guardar en:
cosas:
Baja Sin uso en aos 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
facil alcance y regreso
en donde deben ir
Uso espordico Regresarlas a donde
pertenecen, pizarra
con siluetas, colores,
cdigos, etc.
Archivos Nmero y color para
el archivero y orden
20
Identificar lo innecesario
Detrs de lockers y muebles, sobre racks
21
Seiton, la segunda S:
Orden
22
Etiquetar o sealizar, apoyos
para la Administracin visual.
Ejemplos de Orden:
Etiquetar las carpetas (sin docs. innecesarios).
Pasillo
Antes Despus
24
Cmo ordenar?
Los materiales en el piso
Estantes, mesas y carros de altura ajustable Recoger cosas
del piso, cansa y es peligroso
Antes Despus
25
Ordenar
Las herramientas
Eliminar su necesidad y estandarizar
Almacenar cerca las ms usadas
Los materiales
Cuadros Kanban
FIFO y almacenamiento contingente
Los aceites
Los equipos de medicin
Los letreros y avisos
26
Seiso, la tercera S:
Limpieza
27
Beneficios de la Limpieza
Aumenta la moral del personal y su eficiencia
5. Implantar la limpieza.
30
Promocin de una
rea de trabajo lmpia
1. Dividir por zonas y asignar responsabilidades
rotativas por grupos y personas, dar tiempo
32
Beneficios de la
Estandarizacin
No se regresa a las viejas condiciones se
mantienen gracias a la Administracin Visual
34
Shitsuke, la quinta S:
Disciplina
35
Importancia de la Disciplina:
1. Los procedimientos correctos son un hbito
38
Las 5 Ss : En la oficina
La oficina es una
Fabrica de papel
39
40
Pasos para una oficina
Ms eficiente
Mantener una oficina ordenada, con trabajo en
equipo y papelera estandarizada
La campaa de las 5 Ss
43
Promocin de las 5 Ss
Es importante que el Director general tome el
liderazgo y que todos tomen parte en las 5 Ss
Actividades paralelas
Posters de invitacin a participar
Temas del mes
Proyectos Kaizen
Organizarlos conforme sea apropiado
Entrenamiento tcnico
Tecnologa Kaizen
Entrenamiento inicial
Seguimiento al entrenamiento
46
Registros
Fotografas (antes, durante y despus)
Competencias
48
Lista de verificacin
Pisos
Montacargas y carritos
Equipos y maquinarias
Accesorios de aceite
Equipo de medicin
49
Lista de verificacin
Lugares de lubricacin
Medidores
Tuberas 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
seal, es una seal para los procesos
internos para proporcionar cierto
producto.
Empujar Jalar
Se basa en pronsticos Se basa en el uso real
Fabricar el producto del cliente
independientemente si Slo producir cuando
la siguiente operacin los productos se
lo requiere consumen
54
Kanban
Kanban = Seal, signo
http://www.construsur.com.ar/Article131.html
55
Propsitos del Kan Ban
Mejorar la comunicacin entre procesos
Producir en base a las demandas reales no en
pronsticos
56
Propsitos del Kan Ban
Hacer visible el flujo de materiales en relacin a:
Localidades de almacenamiento y entrega
57
Prerrequisitos del Kanban
Suavizacin de la produccin Programa maestro
Depto. B WIP
Mquinas
B
WIP WIP WIP
Depto. A Empaque
Mquinas Depto. D E
A Inspeccin
Materias Inventario
primas Productos
Depto. C Terminados
WIP (200)
WIP
Retrabajos
60
Sistema de Manufactura de Jalar
Kanban
Procesos de produccin disparados por la
demanda del cliente, distribucin 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 produccin. Tarjeta sencilla
TABLERO
66
Kanban de movimiento:
2 Contenedores - autorizacin de movimiento
BUZON
3.- En un ciclo establecido, el
movedor de materiales revisa el
buzn, toma el Kanban y procede a LNEA DE ENSAMBLE
su localizacin en el almacn 2.- Cuando el
especificado en el Kanban contenedor A est CONSUMO
vaco se toma el B A
Kanban y se lleva al
buzn 1.- Las piezas se consumen del
INICIO contenedor A hasta que se vace.
Cliente
Proveedor Proceso Proceso Proceso Proceso
A B C D
68
Reglas Bsicas del Kanban
1. El proceso siguiente viene a retirar slo lo que
necesita
69
Reglas Bsicas del Kanban
4. Las partes no deben ser producidas o
transportadas si no hay tarjeta de Kanban
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 operacin
76
Errores humanos
Olvido o falta de comprensin
Identificacin
Empleados nuevos
Errores deliberados
Errores inadvertidos
Lentitud
Falta de estndares
Errores intencionales
77
Diferentes tipos de Errores
ERRORES
Accin Accin No
Intencional Intencional
Tipos de Error Bsicos
En las reglas
Falta de atencin
No se siguen
Omisin
Aplicacin equivocada
En el Orden
En el conocimiento
En el tiempo
Diferentes formas
A la Rutina Fallas en la memoria
A la excepciones Omisin de planes
Actos de sabotaje Intenciones olvidadas
Fuente: Human Error (Errores Humanos), James Reason, 1990 Cambridge Univ. Press
78
Tcnicas Poka Yoke - A Prueba de
Errores
79
Funciones bsicas de un Poka Yoke
Prevencin:
Algunas cmaras no funcionan cuando
no hay luz suficiente para tomar fotos
Deteccin:
Algunas lavadoras de ropa, se apagan
cuando se sobrecalientan
81
Ejemplos de Poka Yokes
Pasadores Gua
83
Advertencia: Prevencin y Deteccin
Prevencin:
Muchos autos tienen un sistema de alarma para
alertar al conductor de que no se ha abrochado
el cinturn de seguridad.
Deteccin:
Los detectores de humo alertan cuando se
detecta humo y es posible que se haya iniciado un
fuego.
84
Mecanismos de deteccin usados en
Poka Yokes o A Prueba de Error
85
86
Cuando no se pueda realizar A Prueba de
Errores
87
Cuando no se pueda realizar A Prueba de Errores
Autodeteccin
Revisin de ortografa en la computadora
88
Banderas rojas:
Oportunidades para error
89
Jerarqua en la Prueba de Error
Diseo
Eliminar la posibilidad de
1
errores
2
Hacer obvio que un error
ocurrir
INSPECCION ocurrido
90
Metodologa de desarrollo
de Poka Yokes
1.Describir el defecto
Mostrar la tasa de defectos; Formar un equipo de
trabajo
1
Redisear para
eliminar la posibilidad
de error
o
2
Redisear para hacer Revisar el diseo para
obvio que ocurrir un detectar errores
error potenciales en
o Manufactura y
3
Redisear para hacer Ensamble
obvio que ha ocurrido
un error
93
94
Lean para reduccin del tiempo
de preparacin y ajuste, SMED
Necesidad de producir Lotes pequeos de una
gran variedad de productos
97
Cambios rpidos
Do convertir tantas operaciones internas en
externas como sea posible
Precalentamiento, estandarizacin de partes. tc.
Administracin visual, Poka Yokes
Actividades concurrentes
Mtodos de una vuelta
98
Cambios rpidos
Do convertir tantas operaciones internas en
externas como sea posible
Precalentamiento, estandarizacin de partes. tc.
Actividades concurrentes
99
Cambios rpidos
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
reas de apilado
Inventarios WIP
106
A.6 MANUFACTURA DE
RESPUESTA RPIDA
(QRM)
Combina los sistemas computacionales
ERP, MRP II con los mtodos Lean
107
http://www.networkdyn.com/ltrprogram.html
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
110
111
112
Utilizan el ciclo de mejora, PHVA
ACTUAR
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
Definicin 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 estndares de trabajo
Revisar planes de accin y revisar prioridades
Reportar a la administracin
Implementar
Reconocer al equipo
Seguimiento: Plan de accin, aceptacin del
cambio, lay out
http://www.maconsultora.com/Restricciones.html
119
TOC
Recomienda evaluar:
Throughput
Inventarios
Gastos de operacin
120
http://www.maconsultora.com/Restricciones.html 121
TOC
Implementacin:
123
124
Otras tcnicas de TOC
Efecto Causa Efecto
Evaporando nubes
rbol de prerrequisitos
125
Nube inicial
http://clarkeching.blogs.com/tocsoftware/2004/08/turni
ng_the_ude.html
126
Conversin a rbol de causa efecto causa
Primero se rota 90 contra reloj, se quita la flecha de
conflicto, cambia la direccin de las flechas y renombrar
las etiquetas
127
Conversin a rbol de causa efecto causa
Se analiza Qu Pasa Si? frecuentemente las mejoras a
las especificaciones originales se descubren mientras se
realiza el proyecto y luego se enlazan.
128
Conversin a rbol de causa efecto causa
Se repite para todas las entidades en la nube
129
Conversin a rbol de causa efecto causa
Mostrar como el conflicto causa el problema: Se dice:
SI Hay presin para cumplir con perimtir cambios a la
espec. Conforme aprendemos y Hay presin para
evitar camboos a la espec. Conforme aprendemos
ENTONCES Hay conflicto entre clientes y
programadores..
Entonces sucede el problema
130
rbol
completo
131
B. MTODOS ESTADSTICOS
DE SEIS SIGMA
132
http://www.uco.es/investiga/grupos
/hibro/hibro.html
B.9 DISEO 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/CH
E246/index.html
135
136
Diseo 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)
Diseo de
Proceso
Producto
137
Nmero de niveles
y
En Dos Niveles nos
permite considerar
nicamente los efectos
lineares.
1 2
2 Niveles
cuadrticos.
138
Pasos del DOE - generales
Establecer objetivos
Seleccionar variables del proceso
139
Pasos del DOE - detallado
Proceso en control, evaluar capacidad
140
Pasos del DOE detallado
Seleccionar diseo experimental a utilizar
141
Pasos del DOE - detallado
De resultados identificar factores significativos
142
Objetivos experimentales
Comparativo: varios niveles del mismo factor
143
Tipos de Salidas
Las salidas se clasifican de acuerdo con nuestros objetivos.
Objetivo Ejemplos de Salidas
1. El Valor Meta es el Mejor
Lograr un Dimensin de la Parte
valor meta con
variacin mnima Voltaje
ILD de Uretano
Meta
2. El Valor Mnimo es el Mejor
Tendencia de Tiempo de Ciclo
salida hacia cero
Contraccin de la
Parte
Desviacin
0
3. El Valor Mximo es el MejorTendencia de salida Fuerza
hacia arriba
Durabilidad
144
Tipos de Experimentos
Tipos Comunes Nmero Tpico 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 matemtico
(evala todas las interacciones).
145
Tipos de Experimentos
(continuacin)
Tipos Comunes Nmero Tpico de
de Experimentos Objetivos Factores Controlables
Optimizar
4. Diseo Central Construir un modelo matemtico 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 Mnimo es Mejor
Tendencia de
salida baja
Factor Niveles
Niveles B. Temp. de Moldeo 600 700
Los valores en los que se establecen los factores. E. Tipo de Material Nylon
Acetal
148
Comprobacin 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 Variacin del Resultado 3. La Variacin y el Promedio
Temp
Tiempo de
Alta
Ciclo Largo
Temp
Tiempo de
Baja
Ciclo Corto
151
Resolucin: diseos experimentales
I. Se vara un factor a la vez
152
Resolucin: diseos experimentales
153
Prueba e implantacin de soluciones
Probar las soluciones investigando los efectos
secundarios que puedan afectar a otras reas y
despus ponerlas en practica.
156
Verificacin de resultados
90
90
80 80
70 70
MEJORA COSTO
COSTO 60
50 Este
60
$ 1,000
50
$ 5,000
Este
40 Oeste 40 Oeste
30 Norte 30 Norte
20 20
10 10
0 0
1er trim. 2do trim. 3er trim. 4to trim. 1er trim. 2do trim. 3er trim. 4to trim.
A NTES DESPUES
157
QFD
FASE DE ANLISIS
Diagrama de
relaciones
Diagrama
Causa Efecto Diagrama de
Ishikawa
Diagrama
de rbol
Definicin
Y=X1 + X2+. .Xn
CTQs = Ys Medicin Y,
Operatividad X1, X2, Xn
X's
Causas
Anlisis del Modo y Efecto de potenciales
Falla (AMEF)
Pruebas
Llenar las ltimas
de Columnas del FMEA
hiptesis y comprobar Hiptesis
Diagrama
de Flujo
del X's vitales
proceso No Causa Si Causas raz
Raz? validadas
158
159
Diseos factoriales de dos niveles
n2k
160
Diseo factorial completo 2K
ALTO
ALTO
Representa- B
cin Grfica B ALTO
BAJO
C
BAJO
A
ALTO BAJO
BAJO
A Factor
BAJO ALTO
Prueba A B C
A B 1 - - -
2 + - -
1 - - 3 - + -
Representa-
cin Tabular 2 + - 4
5
+
-
+
-
-
+
3 - + 6 + - +
7 - + +
4 + + 8 + + +
161
Diseo factorial completo 2K
Niveles
Factores Bajo Alto
Temperatura 350 400
Tiempo 1min. 2min.
162
Experimento factorial completo
sin interaccin
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
Y = Respuesta
Factor B :
-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 interaccin
B = +1 30 52
Respuesta
Promedio
B = -1 20 40
A = -1 A = +1
164
Experimento sin interaccin
Respuesta
52
40
30
20
A = -1 A = +1
165
Modelo de regresin lineal
y 0 1 x1 2 x2 12 x1 x2
(20 40 30 52) / 4 35.5
0
1 21/ 2 11
2 11/ 2 5.5
12 1/ 2 0.5
35.5 10.5 x1 5.5 x2 0.5 x1 x2
y
El coeficiente 0.5 es muy pequeo
dado que no hay interaccin
166
Grfica de contornos Experimentos sin
interaccin
Direccin
De ascenso
rpido
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
interaccin
Y = respuesta
Superficie de respuesta
X1
X2
Experimento factorial completo
con interaccin
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
Interaccin de dos factores
Sin interaccin Interaccin Interaccin Interaccin
moderada fuerte fuerte
170
Experimento con interaccin
B = +1 40 12
Respuesta
Promedio
B = -1 20 50
A = -1 A = +1
171
Modelo de regresin lineal
y 0 1 x1 2 x2 12 x1 x2
(20 40 30 52) / 4 30.5
0
1 2 / 2 1
2 18 / 2 9
12 58 / 2 29
30.5 1x1 9 x2 29 x1 x2
y
El coeficiente -29 es muy grande representando
la interaccin
173
Grfica de contornos Direccin
De ascenso
rpido
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 interaccin
Superficie de respuesta
175
Tabla ANOVA Experimento de
Tratamiento Trmico
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 s 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 combinacin
con la
Total 7 250.000 Temperatura,
es significativa.
176
Modelo de regresion
177
Grficas factoriales de efectos
principales e interacciones
Main Effects Plot (data means) for Res
-1 1 -1 1
90
88
Res
86
84
A
-1
1
90
Mean
85
80
-1 1
B
178
Grficas 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
0
-1
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 adecuacin del modelo
c) Determinar los efectos de los factores principales y de las interacciones
d) Obtener las grficas 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: frmulas
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
185
Resultados
186
187
Otros diseos experimentales
Diseos de superficie de respuesta (RSM-
CCD)
188
Diseo de Packett Burman
189
Diseo Fraccional
190
Resultados del experimento
Analysis of Variance for Rend-%, using Adjusted SS for Tests
191
B.10 DISEO DE
EXPERIMENTOS TAGUCHI
http://www.qsconsult.be/E
STaguchi.htm
192
Mtodo Taguchi Funcin de
prdida
http://www.qsconsult.be/E
STaguchi.htm
193
Mtodo Taguchi Factores en un
proceso
http://www.qsconsult.be/E
STaguchi.htm
194
Diseo de experimentos de Taguchi
Nmero de condiciones Nmero de factores o efectos maximo
experimentales(renglones) que se pueden analizar y nmero de
lineas o pruebas. columnas
L4 4 3
L8 8 7
L12 12 11
L16 16 15
L32 32 31
L64 64 63
196
Diseo de experimentos de Taguchi
Grficas 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&tln
g=en
B.11 DISEO DE
EXPERIMENTOS
DE MEZCLAS
http://www.statease.com/clas_mix.html
200
Diseos de experimentos de
mezclas - propsitos
Seleccionar diseos 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 Xi
0.667 0 0.333 i 1
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 elongacin en dos
rplicas
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
elongacin
Como b12 y b13 son positivos la mezcla de componentes 1 y 2 as como 2 y 3
aumenta la elongacin
Como b23 es negativo la mezcla de los componentes 2 y 3 tiene efectos
antagnicos en la mezcla 204
http://blog-di-j.blogspot.com/2007/10/factorial-
and-response-surface.html
B.12 DISEOS DE
SUPERFICIE DE
RESPUESTA (RSM)
http://www.dynardo.de/website.php?id=/index/english/
events/trainings/optimization.htm 205
RSM: Trayectoria de ascenso rpido
Pasos
206
Tipos de superficies de respuesta
207
Diseos 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 rpido
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 Rplicas 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
... Diseo central compuesto
xk
1 Contour Plot of Y Surface Plot of Y
75
0.995 76
b 2
1
77
0.515
78
...
80.5
79 79.5
80 78.5
k 0
B
77.5
76.5
Y
11 , 12 / 2, ..., 1k / 2
75.5
74.5
1.5
1.0
-1 73.5 0.5
/ 2, 22 , ....2 k / 2
0.0
B
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,
kk
211
Diseo de Box Behnken
Combinaciones de niveles de factores en
los lados y el centro, por ejemplo para 3
factores se tienen 13 experimentos:
212
Diseo RSM de Box Behnken
Requiere menos combinaciones de
tratamientos que un CCC para 3 o 4 factores.
El diseo Box Behnken es rotable pero
contiene regiones de poca calidad predictiva
como el CCI. Requiere 3 niveles por factor
213
B.13 ANLISIS
EVOLUTIVO (EVOP)
http://www.stochos.com/evop_overview.htm
214
Anlisis evolutivo (EVOP)
G. Box en 1957 sugiri reemplazar la
operacin esttica de un proceso con us
sistema dinmico
La idea fue desarrollar un mtodo
sistemtico parqa realizar pequeos
ajustes en las variables de control del
proceso, evaluando sus efectos y
ajustando el proceso en la direccin de
mejora
215
Operaciones Evolutivas (EVOP)
Las pruebas se hacen en la fase A hasta que se establece
un patrn. Despus 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