Professional Documents
Culture Documents
MATERIA:
INGENIERIA DE CALIDAD
INVESTIGACION:
UNIDAD 4
ALUMNO:
N° DE CONTROL: 07720105
INGENIERIA INDUSTRIAL
8° SEMESTRE
TITULAR DE LA MATERIA:
INDICE
INGENIERIA DE CALIDAD UNIDAD 4
Introducción
Los arreglos ortogonales de Taguchi han resultado ser un método práctico para la
industria ya que se obtienen resultados benéficos a partir de muestras muy
pequeñas. Este método no requiere una alta profundidad en conocimientos
estadísticos, sino que está diseñado para que los ingenieros involucrados en el
proceso lo puedan desarrollar con rapidez y eficiencia.
4.1 Diseño L4
b) Diseño de parámetros
c) Diseño de tolerancias
Taguchi ha propuesto una alternativa no del todo diferente que se que conoce
como: Arreglos Ortogonales y las Gráficas Lineales.
La (b)C
Dónde:
F A C T O R E S (c)
No. (a) A B C Resultado
1 1 1 1 Y1
2 1 2 2 Y2
3 2 1 1 Y3
4 2 2 1 Y4
4.3 Arreglo L8
TOTAL= 2.64
Observe que en las columnas vacías, 6 y 7, se ha escrito la letra e 1,y e2
respectivamente esto para indicar que en ellas se evaluará la variación natural o
error aleatorio.
Para calcular los totales para cada nivel del factor A, observamos que las primeras
cuatro pruebas del arreglo se efectuaron con el factor a su nivel 1 (Resina tipo I) y
las siguientes cuatro a su nivel 2 (resina tipo II).
= 0.49+0.42+0.38+0.30=1.59
= 0.21+0.24+0.32+0.28= 1.05
= 0.49+0.38+0.21+0.32= 1.40
= 0.42+0.30+0.24+0.28= 1.24
En resumen se tiene:
Factor A B C D E e e
Observe que la suma de los dos niveles debe dar siempre el total de las ocho
lecturas 2.64.
Así por ejemplo, para el factor A, tendremos que dado que n=8
Similarmente
Total 0.0622 7
Todos aquellos factores, que tienen un valor de Fexp mayor que 2 se considera
que afectan la variable de respuesta, emisión de formaldehído en este caso. Estos
son llamados factores significantes.
Total 0.0622 7
Nos resta decidir a qué nivel habrá de fijar cada factor significante, y qué
podremos esperar. Para tomar esta decisión, es de mucha ayuda obtener los
promedios de las lecturas que se tomaron a cada nivel para cada uno de los
factores significantes.
menor, en este ejemplo; A2, C2, D2 y E2; resina tipo II, 15 segundos como tiempo
de prensado, 5% de humedad y 900 psi.
Para contestar esta pregunta, para cada efecto significante se calcula una resta,
que llamaremos el efecto de cada factor respecto al promedio general, para este
caso el efecto es
EF C = C2 – Y= 0.2825-0.3300= -0.0475
EF D = D2 – Y= 0.3100-0.3300=-0.0200
EF E = E2 – Y= 0.3125-0.3300= -0.0175
Finalmente, el resultado esperado bajo las condiciones A2, C2, D2, E2, que
llamaremos Yest. se calcula sumando al promedio general Y todos los efectos de
los factores significantes.
Existe una alternativa al análisis ANOVA, esta es una serie de gráficas que se
muestran enseguida.
1) Primero se obtienen los promedios en cada nivel, para cada uno de los factores,
incluyendo las columnas vacias.
Para hacer esto, encontramos los totales para cada nivel y dividimos entre el
número de lecturas con el que se obtuvo cada total. Para nuestro ejemplo, los
totales a cada nivel los tenemos ya en la sección anterior. Los promedios son:
Factor A B C D E e e
Observe que para cada factor, uno de los promedios es mayor y el otro menor
que el promedio global. Esto siempre debe de ocurrir.
Factor A B C D E e e
Nº A B C D E e1 e2 Yi
1 1 1 1 1 1 1 1 0.49
2 1 1 1 2 2 2 2 0.42
3 1 2 2 1 1 2 2 0.38
4 1 2 2 2 2 1 1 0.30
5 2 1 2 1 2 1 2 0.21
6 2 1 2 2 1 2 1 0.24
7 2 2 1 1 2 2 1 0.32
8 2 2 1 2 1 1 2 0.28
gl 1 1 1 1 1 2
Sg si no si si si
Ni 2 - 2 2 2
Yest. = Y + Ef A2 + Ef C2 + Ef D2 + Ef E2
SS = (T2 - T1 )2 /n
F = V/Ve
Sg = ¿Efecto significante?
P1 = Promedio nivel 1
P2 = Promedio nivel 2
Ni = Nivel seleccionado
Ef = Efecto de la variable
Factor A C D E B e e
0.0200 0.0100
.40
.35
.33
.30
.25
A1 A2 C1 C2 D1 D2 E1 E2 B1 B2 e1 e2 e1 e2
Mediante esta gráfica, se puede evaluar el efecto de cada factor. Entre mayor
sea la línea de cada factor, o bien, entre más vertical se encuentre, mayor será el
efecto de este factor.
Observamos un grupo de líneas inclinadas, seguida de un grupo de líneas que
súbitamente se “acuestan” o se hacen horizontales. Es de esperar que las líneas
que presentan columnas vacías o error aleatorio, quedan prácticamente
horizontales
Observe que las conclusiones a que se llegamos en este ejemplo son similares
a las de la ANOVA, esto es, factores significantes A, C, D y e, igualmente los
niveles recomendados se pueden identificar rápidamente, si deseamos reducir la
variable de respuesta, se toma el nivel más bajo, en este caso A 2, C2, D2 y E2, es
decir, los puntos por debajo de la línea promedio global.