DISEÑO DE PARÁMETROS ROBUSTOS
Enviado por Lupita Rios • 11 de Marzo de 2018 • Apuntes • 1.554 Palabras (7 Páginas) • 117 Visitas
CAPÍTULO 4. DISEÑO DE PARÁMETROS ROBUSTOS
Este capítulo incluye la idea del Dr. Genichi Taguchi sobre el diseño de parámetros robustos. En esta idea Taguchi recomienda que en un diseño de experimentos se incluyan los factores controlables y también los factores no controlables o de “ruido”. El objetivo es encontrar los niveles óptimos de los factores controlables que sean insensibles a las variaciones de los factores de ruido. Por ejemplo, en el desarrollo de una gasolina, los ingredientes son factores controlables y las condiciones de manejo son factores no controlables. Aunque los factores de ruido son no controlables o muy difíciles de controlar en el funcionamiento normal del proceso, deben ser controlables en el momento de realizar las corridas experimentales.
4.1 FACTORES DE RUIDO Y RELACIÓN SEÑAL A RUIDO
Si existe un gran número de factores de ruido, el experimento puede resultar muy costoso. Si se seleccionan cuidadosamente los factores de ruido, se puede mantener el tamaño del experimento dentro de límites manejables. Taguchi recomienda utilizar 1, 2 ó, cuando mucho, 3 factores de ruido. Si se considera que puede haber muchos factores de ruido y no estamos seguros en cuanto a cuáles seleccionar, se puede realizar un experimento con sólo factores de ruido. Es decir, se pueden asignar los factores de ruido a un arreglo ortogonal y seleccionar aquellos factores de ruido que tengan mayor efecto en la respuesta. Se deberán seleccionar los ruidos más importantes. La experiencia ha mostrado que si un diseño es robusto contra un ruido importante, es muy probable que también lo sea contra otros ruidos. La tabla siguiente muestra el caso en que se tienen dos factores de ruido (M y N) cada uno con dos niveles. Aquí se requieren, por lo menos, cuatro réplicas en cada corrida experimental.
A | B | C | D | E | F | G | M1 M2 ______ ______ N1 N2 N1 N2 | y | |
1 | 1 | 1 | 1 | 1 | 1 | 1 | 1 |
|
En los ejemplos estudiados anteriormente se ha utilizado para el análisis de la respuesta la media o el porcentaje defectuoso. Sin embargo, uno de los objetivos principales de la ingeniería de calidad es minimizar la variabilidad. Para medir esta variabilidad, Taguchi recomienda usar la relación señal a ruido (S/R). Esta relación S/R se mide en decibeles (db) y entre mayor sea su valor, menor es la variabilidad de la característica de calidad medida. El cálculo de esta relación S/R depende de si la característica de calidad es del tipo menor es mejor, mayor es mejor o nominal es mejor.
Estrategia para seleccionar los Niveles Óptimos
Ross (1996) establece que una vez que se han obtenido las tablas de respuesta tanto para la relación S/R como para la media y se han identificado los efectos fuertes en ambos casos, los factores de control pueden quedar en una de cuatro clases:
Clase I: Factores que afectan tanto a la media como a la variación.
Clase II: Factores que sólo afectan la variación.
Clase III: Factores que afectan sólo a la media.
Clase IV: Factores que no afectan nada.
Ross recomienda que la estrategia que se debe usar para el diseño de parámetros sea seleccionar los niveles adecuados de las clases I y II para reducir la variación. Luego, seleccionar los niveles adecuados de la clase III para ajustar la media al valor meta que se tenga (menor es mejor, mayor es mejor o nominal es mejor). Los factores de la clase IV pueden establecerse en el nivel más económico ya que no afectan nada.
5.2 DISEÑO DE PARÁMETROS ROBUSTOS
EJEMPLO 5.2 MOLDEO POR INYECCIÓN (Este ejemplo corresponde al ejemplo 4.2)
Respuesta: y = % de encogimiento (Menor es mejor)
A 1 | B 2 | C 3 | D 4 | E 5 | F 6 | G 7 | J I H | 1 1 1 | 2 2 1 | 1 2 2 | 2 1 2 | |
1 | 1 | 1 | 1 | 1 | 1 | 1 | 1 | 2.2 | 2.1 | 2.3 | 2.3 | |
2 | 1 | 1 | 1 | 2 | 2 | 2 | 2 | 0.3 | 2.5 | 2.7 | 0.3 | |
3 | 1 | 2 | 2 | 1 | 1 | 2 | 2 | 0.5 | 3.1 | 0.4 | 2.8 | |
4 | 1 | 2 | 2 | 2 | 2 | 1 | 1 | 2.0 | 1.9 | 1.8 | 2.0 | |
5 | 2 | 1 | 2 | 1 | 2 | 1 | 2 | 3.0 | 3.1 | 3.0 | 3.0 | |
6 | 2 | 1 | 2 | 2 | 1 | 2 | 1 | 2.1 | 4.2 | 1.0 | 3.1 | |
7 | 2 | 2 | 1 | 1 | 2 | 2 | 1 | 4.0 | 1.9 | 4.6 | 2.2 | |
8 | 2 | 2 | 1 | 2 | 1 | 1 | 2 | 2.0 | 1.9 | 1.9 | 1.8 |
Procedimiento para Crear el Diseño Experimental
- Cree el diseño ortogonal de Taguch seleccionando Stat → DOE → Taguchi → Create Taguchi Design.
- En Number of Factors, seleccione 7. Haga clic en OK.
- En Designs seleccione el L8.
- Para introducir los datos use las columnas 8 a 11 para las 4 réplicas.
Procedimiento para Analizar los Datos
- Seleccione Stat → DOE → Taguchi → Analyze Taguchi Design.
- En Response data are in, seleccione las cuatro columnas de las réplicas.
- Para obtener las tablas de respuestas, en Analysis seleccione Signal to noise ratios y Means. Haga clic en OK.
- Para definir que la característica de calidad es del tipo menor es mejor, en Options seleccione Smaller is better. Haga clic en OK en cada cuadro de diálogo.
El Minitab proporcionará las tablas de respuesta que se muestran enseguida. Estas tablas de respuesta son iguales a las que se obtuvieron manualmente en el ejemplo 4.2.
Response Table for Signal to Noise Ratios
...