You are on page 1of 7

Tecnolgico Nacional de Mxico

Instituto Tecnolgico de Morelia (ICB-U32E6-4IFE, MARZO., 2017)

___
Aplicacin de la descomposicin polinomial
para el diseo experimental de la mezcla de
cemento
Application of the polynomial decomposition for the experimental design of the cement
mixture

Fuerte Villa Jos de Jess1, a, O c h o a O r t i z J o s D a n i e l 2, b, R o s a s


M a l d o n a d o J o s a f a t h Ar a t 3, cT a l a v e r a B e t a n c o u r t M n i c a A l e j a n d r a 4, d
1 Departamento de Ingeniera Industrial. Asignatura de Ing. de Calidad, Grupo B.

Resumen
En este trabajo obtendremos los resultados necesarios aplicando la metodologa de taguchi para
analizar las medias de desempeo en la fabricacin de la mezcla de cemento en relacin al proceso
UVP y los distintos factores, obtenindolos mediante la descomposicin polinomial
descomponiendo la suma de cuadrados del factor en fuentes ms pequeas y un ANOVA donde se
presentara el anlisis de los datos obtenidos y de esta manera nos mostrara el ms eficiente diseo
del producto.

Palabras clave: ANOVA, Cemento, efecto polinomial.

Abstract
In this work we will obtain the results applying the methodology of taguichi to
analyze the performance measures in the manufacture of the cement mixture in relation
to the UVP process and the various factors, obtaining them through the polynomial
decomposition by decomposing the sum of squares of the factor in the Smaller sources
and an ANOVA where the analysis of the data obtained will be presented and in this
way we will show the most efficient product design..

Keywords: ANOVA, Cement, polynomial effect.

a Estudiante. E-mail: josedejesusfuerte@icloud.com


b Estudiante. E-mail: ochoa.dany11@gmail.com
c Estudiante. E-mail: josafathrosas@gmail.com
d Estudiante. E-mail: moni.be94ta@gmail.com

1
1. Introduccion
Este trabajo se presenta con el objetivo de evaluar, determinar y analizar las medidas de desempeo ms
adecuadas que fueron obtenidas con el proceso de velocidad de pulso ultrasnica (UVP) en la fabricacin de
una mezcla de cemento en el cual interfieren varios elementos en la mezcla como son la MIRHA, agua w/c,
arena s/c , SP y FOAM (espuma) en el cual se busca determinar mediante la metodologa de Taguchi arreglos
ortogonales y ANOVAS cules de estos elementos son significativos o que si afectan en la mezcla para el
mejoramiento de las propiedades de cemento para poder obtener el mejor rendimiento en la mezcla en cuanto
a resistencia. La metodologa estadstica de Taguchi, que usa arreglos ortogonales en la optimizacin, permite
reducir costos experimentales, pues se requiere hacer menos evaluaciones obtenindose un producto de
calidad, optimizado segn las caractersticas que los consumidores esperan. El hecho de usar arreglos
ortogonales permite la reproducibilidad de los resultados. Se usan matrices ortogonales en las que cada fila
produce un resultado bajo un conjunto diferentes condiciones. Esto permite hacer comparaciones de los
diferentes niveles de los factores con lo que se incrementa la seguridad que los resultados obtenidos en estos
experimentos sean reproducibles en el proceso de fabricacin. (Monterrey, 1968) Una de las herramientas
estadsticas ms utilizadas que permite la separacin de las diversas fuentes de variacin es el anlisis de la
varianza (ANOVA, del ingls Analysis of Variance) (D.L. Massart, 1997)

2. Marco Terico

Los fundamentos del diseo de experimentos fueron desarrollados por Sir R.A Fisher en los aos 20 unos veinte
aos antes de que la ingeniera de calidad fuera desarrollada por Taguchi. Esencialmente el diseo experimental
es el mtodo para disear eficientemente experimentos y analizar los resultados es la bsqueda de las relaciones
causa-efecto. Ha sido y contina siendo usado en reas de trabajo de investigacin. En la ingeniera hay
numerosas ecuaciones que indican la existencia de numerosas maneras de disear un producto para un objetivo
o funcin particular. Los ingenieros deben encontrar el mejor diseo, el nico en que la funcin es la ms
robusta frente a todos los tipos de ruido al menor costo posible. (Wu, 1997)
El diseo de experimentos es esencialmente una estrategia para la planificacin de experimentos de manera tal
que las conclusiones relevantes sean alcanzadas en forma eficiente y econmica. En los ltimos aos, la
aplicacin del diseo experimental ha florecido notablemente debido al reconocimiento que los experimentos
diseados son esenciales para la mejora de la calidad de productos y servicios. La replicacin/repeticin del
experimento para cada combinacin especificada de los niveles de los factores. Esto es deseable por dos razones
principales: una, para estimar el valor de cualquier error o ruido; dos, para proporcionar una medida de la
variacin de la respuesta en cada combinacin. Lo ltimo se requiere si el experimento apunta a optimizar la
respuesta con variacin mnima. (Horacio, No.354)
Los diseos experimentales de Taguchi, estn basados en arreglos ortogonales y se hicieron populares por el
ingeniero Genichi Taguchi. Normalmente se identifican con un nombre como L8, que indica un arreglo con 8
corridas. (Kavanaugh, 2002)
La descomposicin polinomial o polinmica de un nmero: es la descomposicin de un nmero expresando el
valor posicional de sus cifras usando potencias de la base del sistema de numeracin. Las tcnicas de
descomposicin en sumas de cuadrados permiten emplear mtodos numricos para probar la positividad de
funciones polinmicas multivariables resolviendo problemas de programacin en semidefinida. Para considerar
el estudio algortmico de este problema es evidente la necesidad de delimitar la estructura de las posibles
funciones F, y al mismo tiempo hacer el problema lo suficientemente general para garantizar la aplicabilidad
de los resultados. (Nava, 2010)
La velocidad de pulso ultrasnica es un mtodo de prueba que fue desarrollado originalmente para su uso en
concreto y las publicaciones de su aplicacin se refieren predominantemente a este material. Se public un
volumen considerable de literatura al concluir los ltimos 40 aos, que describen los resultados de la
investigacin sobre el uso de la prueba ultrasnica para el concreto y tambin detalles ms completos de esta
aplicacin. La medida de la velocidad de pulsos de ultrasonido se obtiene con la velocidad de los pulsos de
ultrasonido que viajan en un material slido depende de la densidad y las caractersticas elsticas del material.
La calidad de algunos materiales se relaciona a veces con su tiesura elstica, entonces la medida de la velocidad
2 del pulso de ultrasonido en tales materiales a menudo indicar su calidad, as como determinar sus
caractersticas elsticas. (Cheesman, 2015).
En la actualidad, es muy utilizada para evaluar estructuras de concreto debido a su simplicidad, versatilidad y
repetitividad. El carcter heterogneo del concreto y el hecho de que las estructuras con este material sean, la
mayora de las veces, construidas sin estricto control industrial, provocan gran variabilidad en sus propiedades
fsicas; lo anterior da lugar a que no exista un nico valor de la velocidad para cada valor de la resistencia a la
compresin de este material. La medicin de la velocidad del pulso ultrasnico como una alternativa de prueba
no destructiva para evaluar la calidad del concreto se ha utilizado desde hace aproximadamente 50 aos. La
tcnica fue desarrollada por Leslie y Cheesman en Canad (Carino, 1991)

2
3. ANOVA
MIRHA(A) w/s (B) s/c (C) SP (D) FOAM ( E) R1 R2 R3 R4
UPV (m/s) UPV (m/s) UPV (m/s) UPV (m/s)
Corrida Var.1 Var.2 Var.3 Var.4 Var.5
sumas
1 1 1 1 1 1 2316 2919 1358 2231 8824
2 1 2 2 2 2 869 2657 1477 2396 7399
3 1 3 3 3 3 2841 2166 2502 2515 10025
4 1 4 4 4 4 2773 2990 2347 1209 9319
5 2 1 2 3 4 1859 2623 2373 2888 9743
6 2 2 1 4 3 3665 2175 744 1169 7753
7 2 3 4 1 2 3483 4026 3970 5794 17271
8 2 4 3 2 1 4604 5349 4340 4682 18975
9 3 1 3 4 2 2216 2656 2138 2050 9060
10 3 2 4 3 1 4056 1650 3341 2460 11507
11 3 3 1 2 4 1850 2974 3184 2508 10516
12 3 4 2 1 3 4779 2164 3221 2729 12894
13 4 1 4 2 3 3113 2335 3296 2042 10786
14 4 2 3 1 4 2416 3422 2936 2875 11650
15 4 3 2 4 1 3455 2989 3598 3798 13839
16 4 4 1 3 2 2889 3683 3443 2656 12672
Los datos que se presentan en la tabla anterior es el arreglo ortogonal L16 donde se puede ver que se presentan
16 corridas adems de que en este experimento tiene la presencia de 4 rplicas para dichas corridas en la cual
para cada factor que como se mencion con anterioridad son la MIRHA, w/s, s/c, SP y FOAM se presenta el
arreglo de cada columna con sus respectivos niveles. Aqu se realiz la suma de las cuatro rplicas y se obtuvo
la columna sumas, esto para realizar las sumas para cada factor de sus niveles y posteriormente obtener las
diferencias de estos en la cual se puede observar en la tabla siguiente que los factores s/c y SP son los resultados
ms chicos por lo que esto representa que podran ser candidatos a ser sometidos a una agrupacin al error
debido a la poca variacin que pueden tener la utilizacin de estos factores en la mezcla.

suma1 35567 38414 39765 50638 53145


n= 16
suma2 53743 38309 43875 47676 46402
suma3 43977 51652 49710 43947 41459 T= 182234
suma 4 48947 53859 48884 39972 41228
N= 64
TOTAL 182234 182234 182234 182234 182234
dif.2-1 18176 -105 4111 -2962 -6742 SST= 582856982.8
dif.3-2 -9765 13343 5834 -3729 -4944
SSm= 518892710.2
dif.4-3 4969 2207 -826 -3975 -231
TOTAL 32910 15655 10771 10666 11917 SST= 63964272.5503

La grafica 3.1 de las sumas


demuestra el comportamiento de los
factores y en la cual se puede
observar que los factores s/c y SP
son los que presentan menor
pendiente mientras que los dems
factores presentan un
comportamiento con mayor
variabilidad donde se puede decir
que:
A: A1
B: B1 o B2
C: Indiferente
D: Indiferente
(Grafica 3.1)
E: E3 o E4

3
RESUMEN ANOVA 0.05 0.01
FUENTE SS v V F F tablas Ftablas valor-p 0.05 0.01 SS'; %
MIRHA 11299632.72 3 3766544.2 7.04851685 2.798061 1.703521 0.0005081 significativo significativo 9696510.683 15.1592605
w/s 13102043.08 3 4367347.7 8.17282948 2.798061 1.703520 0.0001694 significativo significativo 11498921.04 17.9770997
s/c 4043074.753 3 1347691.6 2.52200060 2.798061 1.703528 0.0688557 NO significativo NO significativo 2439952.712 3.81455556
SP 4005760.06 3 1335253.4 2.49872434 2.798061 1.703528 0.0707440 NO significativo NO significativo 2402638.019 3.75621878
FOAM 5863809.281 3 1954603.1 3.65774354 2.798061 1.703524 0.0187141 significativo NO significativo 4260687.24 6.66104228
e 25649952.65 48 534374.0 33665562.85 52.6318232
TOTAL 63964272.55 63 63964272.55 100

Al realizar el Anova para dichos factores se puede observar que con un 95 % de significancia los factores s/c
y SP no tienen significancia en la mezcla, esto quiere decir que no importa qu nivel utilicemos de estos factores
el resultado no ser afectado de manera significativa; pero al realizar el anlisis con un 99% de significancia se
puede observar que adems de los dos factores mencionados anteriormente tambin el factor FOAM resulta
que no tienen significancia por lo que se realiz un anlisis con ambos niveles de significancia adems de hacer
una anlisis del error agrupado para la identificacin de que niveles de cada factor significativo son los ms
apropiados para la mezcla de cemento.

4. Anova Error Agrupado


RESUMEN ANOVA CON ERROR AGRUPADO 0.01
FUENTE SS v V e* F F tablas valor-p SS' %
MIRHA 11299632.72 3 3766544.2 0 5.42666658 4.145066 0.0023607 significativo 9217390.79 14.41021749
w/s 13102043.08 3 4367347.7 0 6.29227703 4.145066 0.0009194 significativo 11019801.15 17.22805671
s/c 1
SP 1
FOAM 1
e* 39562596.74 57 694080.645 43727081 68.3617258
TOTAL 63964272.55 63 63964273 100
(Tabla 4.1)

ANOVA CON ERROR AGRUPADO


Factor SS V F Ftab Ftab p SIGNIFICANCIA SS' %
A - MIRHA 11299632.7 3 3766544.24 5.42666658 2.76643793 4.14506643 0.00236066 SIGNIFICATIVO SIGNIFICATIVO 9217390.79 14.4102175
B - w/c 13102043.1 3 4367347.69 6.29227703 2.76643793 4.14506643 0.00091941 SIGNIFICATIVO SIGNIFICATIVO 11019801.1 17.2280567
C - s/c*
D - SP*
E - Foam*
error agrupado39562596.7 57 694080.645
Total 63964272.6 63
(Tabla 4.2)

Aqu se puede observar la comparacin entre los ANOVA con ambos niveles de significancia donde la tabla
4.1 representa un nivel de significancia del 99% y la tabla 4.2 un nivel de significancia del 95% donde los
factores que no son significativos se agruparon al error

MIRHA(A) w/s (B) s/c (C) SP (D) FOAM ( E)


FACTOR 1 FACTOR 2 FACTOR 3 FACTOR 4 FACTOR 5 L Q C
35567 38414 39765 50638 53145 W1 -3 1 -1
53743 38309 43875 47676 46402 W2 -1 -1 3
43977 51652 49710 43947 41459 W3 1 -1 -3
48947 53859 48884 39972 41228 W4 3 1 1
TOTAL 182234 182234 182234 182234 182234 WT 20 4 20
Como se puede observar la tabla de descomposicin polinomial para K=4 se utiliz debido a los cuatro niveles
que se estn manejando para cada factor.

0.01
FUENTE SS v V e* F F tablas valor-p SS' %
MIRHA (L) 2883036 1 2883036.269 0 5.395165551 7.194218442 0.02447838 NO significativo 2348662.256 20.7852973
MIRHA (Q) 2725324 1 2725324.146 0 5.100031208 7.194218442 0.028508109 NO significativo 2725324.146 24.11869671
MIRHA (C) 5691272 1 5691272.309 0 10.65035381 7.194218442 0.002031507 significativo 5156898.295 45.63775143
e 25649952.65 48 534374.0136 1068748 9.458254558
TOTAL 11299633 3 11299633 100

4
0.01
FUENTE SS v V e* F F tablas valor-p SS' %
w/s (L) 11129925 1 11129925.43 0 20.82796908 7.194218442 3.49841E-05 significativo 10595551.42 80.86945947
w/s (Q) 83487 1 83487.30764 0 0.156233847 7.194218442 0.694399054 NO significativo -450886.7059 -3.441346537
w/s (C) 1888630 1 1888630.341 0 3.534285526 7.194218442 0.066188681 NO significativo 1354256.328 10.33622252
e 25649952.65 48 534374.0136 1603122 12.23566455
TOTAL 13102043 3 13102043 100

0.01
FUENTE SS v V e* F F tablas valor-p SS' %
s/c (L) 3442624 1 3442623.644 0 6.442348535 7.194218442 0.014442742 NO significativo 2908250 71.93163144
s/c (Q) 380785 1 380784.9666 0 0.71258137 7.194218442 0.402775798 NO significativo -153589 -3.798817889
s/c (C) 219666 1 219666.1424 0 0.411071903 7.194218442 0.524475598 NO significativo -314708 -7.78387466
e 25649952.65 48 534374.0136 1603122 39.65106111
TOTAL 4043075 3 4043075 100

0.01
FUENTE SS v V e* F F tablas valor-p SS' %
SP(L) 3988888 1 3988888.459 0 7.46460037 7.194218442 0.008779754 significativo 3454514 86.23867617
SP(Q) 16025 1 16025.34489 0 0.029989005 7.194218442 0.863243388 NO significativo -518349 -12.9400828
SP(C) 846 1 846.2553303 0 0.001583639 7.194218442 0.968421659 NO significativo -533528 -13.31901438
e 25649952.65 48 534374.0136 1603122 40.02042101
TOTAL 4005760 3 4005760 100

0.01
FUENTE SS v V e* F F tablas valor-p SS' %
FOAM(L) 5174779 1 5174778.782 0 9.683814428 7.194218442 0.003128052 significativo 4640405 79.13635227
FOAM(Q) 662481.4354 1 662481.4354 0 1.23973363 7.194218442 0.271067195 NO significativo 128107 2.18471331
FOAM 26549 1 26549.06288 0 0.049682549 7.194218442 0.824562405 NO significativo -507825 -8.660325164
e 25649952.65 48 534374.0136 1603122 27.33925958
TOTAL 5863809 3 5863809 100

FUENTE SS v V e* F F tablas valor-p SS' %


MIRHA (L) 2883036 1 2883036.269 1
MIRHA (Q) 2725324 1 2725324.146 1
MIRHA (C) 5691272 1 5691272.309 0 8.841240234 7.084959655 0.004259758 significativo 5047554 9.210762378
w/s (L) 11129925 1 11129925.43 0 17.29004328 7.084959655 0.000105363 significativo 10486207 19.13520225
w/s (Q) 83487 1 83487.30764 1
w/s (C) 1888630 1 1888630.341 1
e* 37979407.57 59 643718.7723 39266845 71.65403537
Total 54800605.31 63 54800605.31 100

Se realiz un ANOVA con una nivel de significancia del 99% para cada factor de la descomposicin
polinomial donde se puede observar que los
ANOVA 0.05 0.05
Factor SS V F Ftab Ftab p SIGNIFICANCIA SS' %
A(L) 2883036.27 1 2883036.27 5.39516555 4.04265213 0.02447838 SIGNIFICATIVO 2348662.26 3.67183454
A(Q) 2725324.15 1 2725324.15 5.10003121 4.04265213 0.02850811 SIGNIFICATIVO 2190950.13 3.42527171
AC 5691272.31 1 5691272.31 10.6503538 4.04265213 0.00203151 SIGNIFICATIVO 5156898.3 8.06215421
11299632.7 0
B(L) 11129925.4 1 11129925.4 20.8279691 4.04265213 3.4984E-05 SIGNIFICATIVO 10595551.4 16.5647962
B(Q) 83487.3076 1 83487.3076 0.15623385 4.04265213 0.69439905 no significativo -450886.706 -0.70490398
BC 1888630.34 1 1888630.34 3.53428553 4.04265213 0.06618868 no significativo 1354256.33 2.11720743
13102043.1 0
C(L)* 3442623.64 1 3442623.64 6.44234854 4.04265213 0.01444274 SIGNIFICATIVO 2908249.63 4.54667819
C(Q)* 380784.967 1 380784.967 0.71258137 4.04265213 0.4027758 no significativo -153589.047 -0.24011693
C C* 219666.142 1 219666.142 0.4110719 4.04265213 0.5244756 no significativo -314707.871 -0.49200571
4043074.75 0
D(L)* 3988888.46 1 3988888.46 7.46460037 4.04265213 0.00877975 SIGNIFICATIVO 3454514.45 5.40069371
D(Q)* 16025.3449 1 16025.3449 0.029989 4.04265213 0.86324339 no significativo -518348.669 -0.81037218
D C* 846.25533 1 846.25533 0.00158364 4.04265213 0.96842166 no significativo -533527.758 -0.83410275
4005760.06 0
E(L) 5174778.78 1 5174778.78 9.68381443 4.04265213 0.00312805 SIGNIFICATIVO 4640404.77 7.25468232
E(Q) 662481.435 1 662481.435 1.23973363 4.04265213 0.2710672 no significativo 128107.422 0.20027965
EC 26549.0629 1 26549.0629 0.04968255 4.04265213 0.8245624 no significativo -507824.951 -0.79391968
5863809.28
error 25649952.7 48 534374.014 33665562.9 52.6318232
Total 63964272.6 63 63964272.6 100
Se realiz otro ANOVA para cada factor de la descomposicin polinomial pero ahora con el nivel de
significancia del 95% donde se puede observar que los

5
Factor SS V F Ftab Ftab p SIGNIFICANCIA SS' %
A(L) 2883036.27 1 2883036.27 4.59891088 4.00687289 0.03619405 SIGNIFICATIVO 2256140.83 3.52718907
A(Q) 2725324.15 1 2725324.15 4.34733444 4.00687289 0.04147859 SIGNIFICATIVO 2098428.7 3.28062623
AC 5691272.31 1 5691272.31 9.07850326 4.00687289 0.00382963 SIGNIFICATIVO 5064376.87 7.91750874

B(L) 11129925.4 1 11129925.4 17.7540379 4.00687289 8.8903E-05 SIGNIFICATIVO 10503030 16.4201508


B(Q) 83487.3076 1
BC 1888630.34 1

E(L) 5174778.78 1 5174778.78 8.25461224 4.00687289 0.00567064 SIGNIFICATIVO 4547883.34 7.11003684


E(Q) 662481.435 1
EC 26549.0629 1

error* 36359935.6 58 626895.442


Total 63964272.6 63 63964272.6

Variables independientes
A B C D E Parametro de rendimiento UPV
Code MIRHA w/c s/c SP Foam R1 R2 R3 R4 Promedio Regresion Error
LWFC-1 1 1 1 1 1 2316 2919 1358 2231 8824 2206 2044.939 161
LWFC-2 1 2 2 2 2 869 2657 1477 2396 7399 1850 2163.6 -314
LWFC-3 1 3 3 3 3 2841 2166 2502 2515 10025 2506 2282.261 224
LWFC-4 1 4 4 4 4 2773 2990 2347 1209 9319 2330 2400.922 -71
LWFC-5 2 1 2 3 4 1859 2623 2373 2888 9743 2436 2417.939 18
LWFC-6 2 2 1 4 3 3665 2175 744 1169 7753 1938 3045.264 -1107
LWFC-7 2 3 4 1 2 3483 4026 3970 5794 17271 4318 3672.589 645
LWFC-8 2 4 3 2 1 4604 5349 4340 4682 18975 4744 4299.914 444
LWFC-9 3 1 3 4 2 2216 2656 2138 2050 9060 2265 2316.275 -51
LWFC-10 3 2 4 3 1 4056 1650 3341 2460 11507 2877 2943.6 -67
LWFC-11 3 3 1 2 4 1850 2974 3184 2508 10516 2629 2553.597 75
LWFC-12 3 4 2 1 3 4779 2164 3221 2729 12894 3223 3180.922 43
LWFC-13 4 1 4 2 3 3113 2335 3296 2042 10786 2697 2372.519 324
LWFC-14 4 2 3 1 4 2416 3422 2936 2875 11650 2912 2491.18 421
LWFC-15 4 3 2 4 1 3455 2989 3598 3798 13839 3460 3627.169 -167
LWFC-16 4 4 1 3 2 2889 3683 3443 2656 12672 3168 3745.83 -578

5000

4500

4000

3500

3000

2500 Series1

2000 Series2

1500

1000

500

0
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16

6
Referencias
Carino, J. M. (1991). Handbook on nondestructive testing of concrete. CRC Press, Boca Raton, USA.
Cheesman, L. y. (12 de MAYO de 2015). VELOCIDAD DE PULSOS DE ULTRASONIDO.
D.L. Massart, B. V. (1997). Handbook of Chemometrics and Qualimetrics: Part A. Amsterdam: Elsevier.
Horacio, N. (No.354). Diseo de experimentos. INDUSTRIA & QUIMICA Educacin en Ciencias Qumicas,
17.
Kavanaugh, C. I. ( 2002). Los diseos de Taguchi comtra los diseos clsicos de experimentos. Conciencia
Tecnolgica.
Monterrey, C. p. (1968). Introduccin a la Ingeniera de la Calidad. Introduccin a la Ingeniera de la
Calidad. Mexico, Manual del curso, Mexico: ASI Internacional.
Nava, A. M. (24 de 11 de 2010). Descompsicion polinomial. Investigacion e Ingenieria, 57-70.
Wu, Y. W. (1997). Diseo robusto utilizando metodos taguchi. Madrid: Santos.