You are on page 1of 34

Diseo Robusto

Ingeniera de Calidad
La estadstica nunca substituye el juicio o sentido comn Henry Clay (1777-1852) Clase 1-2 Instructor: Andrs Guerra Alvarez
Diseo Robusto

Agenda

Tema Presentacin de Instructor Presentacin del Alumnos Presentacin del Curso Requerimientos Mecnica de Evaluacin Reglas Receso Revisin del material cubierto en DOE Introduccin a Superficie de Respuesta Metodologa de Puntos Centrales Cierre Total

Tiempo (minutos) 10 15 15 10 15 10 10 30 30 20 10 175

Depende de lo cubierto en el curso anterior de DOE

Diseo Robusto

Presentacin de Instructor
Andrs Guerra Alvarez
Cell: 442 1464763 email: andres.guerra.30@hotmail.com

Employment History:
2010- Today M&I Externals Module Manager. GEA 2010- 2010 M&I Externals Module Leader. GEA 2010 Today Master Black Belt. GEIQ- GEA 2008 Today - Ombudsperson 2007- 2010 Operative Manager. GEIQGEA. 20052007 Team Manager. GEIQGEA. 2003-2005 Black Belt (DMAIC & DFSS). GEIQGEA 2002-2003 - Black Belt (DMAIC). GEIQGEE. 2001-2002 Quality Engineer. GEIQGEE. 2001-2001 Procedures Engineer.GEIQGEE 1998-1999 Industrial Engineer. Paneles Aislantes

2007- Today Lecturing Statistical Methods, Statistical Control Process, and Robust Design at UAQ

Education:
2000 Summer Program in Industrial Engineering. CMU Michigan, U.S.A. 1999-2000 M.Sc.in Engineering with specialty in Quality and Productivity Systems. ITESM Toluca, Edo. De Mxico. 1994-1998 B.Sc in Industrial Engineering Instituto Tecnolgico de Morelia. 1992-1994 H.S. Technician with specialty in Industrial Electronics. CETis 120. Morelia.
Diseo Robusto

Presentacin de Instructor
Certifications and Corporative Training:
2009. Course. Advanced Management Course (AEP). By GEA. Crotonville, N.Y. U.S. 2007. Course: Inclusiveness Leader Workshop (ILW). By GEA. Mxico 2006. Project Manager Professional (PMP) . By PMI. Mxico 2006. English Evaluator certified by GEIQ. Mxico 2006. Course: Introduction to the Aerospace Standards AS9001B 2006. Course: New Manager Development Course by GE. Mxico 2005. Course: Global English Program by GE. On line. 2005. Course: Leadership Development Course by GEIQ. Quertaro 2005. Course: Building Essential Leadership Skills by GE. Monterrey 2004. Six Sigma Black Belt (DMAIC & DFSS). By GEA. Houston-Atlanta-Cincinnati 2004. Internal Auditor ISO9001: 2000. By PQR. Mxico 2004. Course: BB DFSS by GE Aviation. Cincinnati. 2003. Course: BB DMAIC by GE Energy. Houston-Atlanta 2002. Course: Fundamentals of Leadership Skills by GE. Mxico. 2002. Course: CAP Coaches Workshop by GE. Schenectady, N.Y.

Other Qualifications and Strengths


Trainer: Six Sigma Tools and Methodology, CAP, PMP, Minitab.. Minitab Expert Six Sigma and Lean Expert Project Manager Expert Experience working with multicultural teams Change Creator / Driver Organizational / Leadership Skills Expert in Quality & Productivity Systems
Diseo Robusto

Presentacin de Alumnos
Nombre Estudios Escuela Especialidad Experiencia Laboral (si aplica) Asignaturas en Diseo Robusto (si curs) Expectativa de aplicacin prctica de la materia Otros datos personales que gustes compartir

Lista de alumnos con correo electrnico


Diseo Robusto

Presentacin de Curso
Generales Especialidad en Ingeniera de Calidad Sbados 11:00 - 14:00 Saln 22 Crditos 4 Contenido Introduccin al diseo robusto Metodologa de Superficie de Respuesta

Bibliografa recomendada
E [1] Castao Tostado E. y Domnguez Domnguez J. (2004). Experimentos: Estrategias y Anlisis en Ciencia y Tecnologa. CIMAT A.C. E [2] Wu, J, C.F. & Hamada, M. (2000) Experiments: Planning, Analysis, and Parameter Design Optimization. John Wiley & Sons. I [3] Montgomery, D.C. (2001). Design and Analysis of Experiments. John Wiley. X [4] Box, G.E.P., Hunter, W.G. y Hunter, J.S. (2005). Statistics for Experimenters: Design, Innovation , and Discovery. 2nd edition. John Wiley & Sons. Diseo Robusto

Objetivo y Requerimientos
Objetivo general de la materia. El alumno comprender las estrategias para disear eficientemente experimentos, bajo el enfoque de Superficie de Respuesta y Diseo Robusto de Parmetros.

Requerimientos. Haber cursado la materia de Diseo Estadstico de Experimentos Estudio de material bibliogrfico antes de clase Conocimiento bsico de Minitab como paquete estadstico Identificacin de proyecto de aplicacin

Diseo Robusto

Mecnica de Evaluacin
Exmenes 3 exmenes igualmente ponderados. Representa 60% de la calificacin final. Los exmenes tienen una duracin de 1.5 horas. Proyecto Final Proyecto de aplicacin de conocimientos adquiridos durante el curso. Entrega al final del cuatrimestre. Representa 40% de la calificacin final. Tareas y Presentaciones (Tareas y casos) - Cuentan como puntos adicionales a la calificacin final de exmenes. -Se aceptan todas las tareas durante un periodo de 8 das a partir de que se entregan los datos (1 punto adicional en exmenes). -Un alumno puede presentar la tarea resuelta en clase ganando puntos adicionales. - Dos alumnos pueden presentar casos prcticos cada clase, ganan puntos adicionales por presentacin.
Diseo Robusto

Reglas
Respeto hacia la participacin de los dems Puntualidad Participacin en clase En caso de llamada a celular, salir del saln y contestar afuera Si traes computadora porttil, prohibido el uso de chat o cualquier actividad diferente a la clase Pregunta, pregunta, pregunta....si el instructor no conoce la respuesta, alguien ms en el saln lo puede saber, si no es as, el instructor lo toma para la siguiente clase Divirtete!!! Se tiene una semana completa para entregar las tareas, desde el momento en que el instructor enva o entrega la informacin. Despus de este tiempo su valor de puntos adicionales varia. Sugerencias...
Diseo Robusto

Material cubierto en clase DOE


Qu temas fueron cubiertos en la clase anterior?

Principios bsicos de DOE Experimentos con un solo factor Experimentos factoriales con dos niveles Screening en DOE Experimentos fraccionales con dos niveles Experimentos factoriales y fraccionales con tres niveles Ejercicios Prcticos. (Helicptero, Catapulta, etc.) Metodologa de Superficie de Respuesta Experimentos de Primer Orden Experimentos de Segundo Orden Paquete Estadstico Computacional: Minitab, Design Expert, SSPS, SAS, Sigma Plot, etc. Temas adicionales....
Diseo Robusto

Receso

Diseo Robusto

Siete Pasos Para Un Exitoso DOE


By investing in design of experiments you develop profound process knowledge that enlightens paths to improved quality and decreased waste The key to successful DOE is planning Short-cutting this preparatory stage leads to more failed experiments than errors in execution Here are seven steps to successful DOE: 1. 2. Define the objective of the experiment: What specifically are you trying to achieve? Define the responses (quality characteristics) that will be measured and their criteria. For example, if you are primarily concerned with visual defects, a reliable system of measuring them must be defined before the DOE is run. Prior to doing the experiment, try collecting information on any new measurements over some length of time -- say a week. This will provide information on variability which helps determine how many samples to take and the number of experimental runs needed to find significant factor effects. Decide which factors will be studied in the DOE. Get fellow technical professionals together for a free-wheeling brainstorming session, which will likely lead to a very large number of potential variables. However, the best DOEs focus only on 5 to 8 factors at a time, so you must prioritize the variables. For example, raw materials are likely to be identified as a source of problems in product quality. However, it may be best initially to hold raw materials constant (use one batch) to gain better understanding about the process variables.
Diseo Robusto

3.

Siete Pasos Para Un Exitoso DOE


4. Select a design that will give the desired amount of information in a reasonable number of runs. In your initial design, try to identify all main effects and as many interactions as you can within the restrictions on time, material, cost and other resources Once the design is chosen, look for combinations of conditions that cannot be met. Also, think carefully about the logistics, such as the people needed to do the experiment and availability of testing equipment. An essential element of good DOE is randomization of the run order to reduce potential bias from lurking variables, such as machine warm-up or changes in ambient conditions. However, you must review the randomized plan and consider the practicality of arbitrarily changing factor levels. Are there restrictions that must be taken into account? These things must be identified up-front so that the design can be modified, ideally with the help of a statistician who's competent on the tool of DOE. At this point, the DOE can be run. During its execution expect a mishap or two. This is when it pays to have an expert statistician available on short notice, because then you can obtain timely advice on fixing flawed designs on the fly, so that good information will still be obtained. After the data is collected, the analysis begins. More questions will arise, but hopefully a path to improvement will begin to emerge.

5.

6.

7.

It is likely to take two to three of these seven-step DOE cycles before you reach optimum processing conditions.
Diseo Robusto

Introduccin a la metodologa de Superficie de Respuesta


Coleccin de tcnicas matemticas y estadsticas tiles para modelar y analizar problemas en los cuales una respuesta est siendo afectada por un conjunto de variables y donde el objetivo es la optimizacin de esta respuesta. [Montgomery. 2001] Se enfoca en la relacin que existe entre la respuesta y sus factores de entrada. Su objetivo es optimizar la respuesta y/o entender a fondo el mecanismo de la relacin. [Hamada.2000] Si en un proceso qumico tenemos X1: Presin X2: Temperatura Y: Produccin Y decimos que la produccin del proceso est en funcin de los niveles de presin y temperatura entonces tenemos que: Y = F(X1, X2) + e Donde e representa la variacin no explicada por los factores, o el ruido o error observado en la respuesta. Decimos entonces la superficie obtenida de Y a travs de su funcin es una Superficie de Respuesta
Diseo Robusto

Introduccin a la metodologa de Superficie de Respuesta


A1

X1
0.90 0.95 1.00 1.05 1.10

A1

X2
5.00 6.84 8.67 10.51 12.34

Funcin de Transferencia Y = f (X1, X2, Xm)

A1

Y
0.74 0.89 1.04 1.19 1.34

A1

0.70

0.85

1.00

1.15

1.30

XM

Curva de Nivel o Contorno

From [Montgomery. 2001]

180 160 140 120 100 80 60 40 0 20 55 50 45 20 0 40 65 60 75 70 85 80

Mean

Curva de Superficie de Respuesta

X1

X2

Diseo Robusto

Introduccin a la metodologa de Superficie de Respuesta


Contour Plot of Production

Time 30 30 40 40 35 35 35 35 35

Temperature 150 160 150 160 155 155 155 155 155

Production 39.3 40.0


Time

40 39 38 37 36 35 34 33 32 31 30 150 151 152 153 154 155 156 157 158 159 160

40.0 40.5 41.0 41.5

40.9 41.5 40.3 40.5 40.7 40.2 40.6

Temperature

41.5

40.5

Time 80 80 90 90 85 85 85 85 85

Temperature 170 180 170 180 175 175 175 175 175

Production 76.5 77.0 78.0 79.5 79.9 80.3 80.0

Production
39.5 155 30 160

Temperature

Time

35 40

150

Contour Plot of Producti


180 179 178 177 176 175 174 173 172 171 170 80 81 82 83 84 85 86 87 88 89 90 77.5 78.5 79.5 80.5

79.8

80.5 79.5 78.5 77.5 180 76.5 175 80

Temperature

79.7

Time
Production

Temperature

Time

85 90

170

Curvas de Nivel y Superficie de Respuesta


Diseo Robusto

Introduccin a la metodologa de Superficie de Respuesta


Funcin de transferencia lineal.
Modelo de Primer Orden Beta k. Coeficiente de elemento Xk. Factor de entrada til cuando se quiere explorar el espacio de inters, y la relacin entre los factores y la respuesta es lineal en alto nivel.

Funcin de transferencia polinomial.

Modelo de Segundo Orden til cuando ya se encontr el espacio de inters y se requiere mayor exactitud de estimacin. Normalmente son tiles solo para una regin de espacio pequea.
Diseo Robusto

Introduccin a la metodologa de Superficie de Respuesta


Configuracin de factores y Regiones de operatividad e inters.
El objetivo final de la metodologa de superficie de respuesta es determinar las condiciones de operacin optima para el sistema, o determinar la regin de espacio del factor en las cuales los requerimientos de operacin son satisfechos. Debemos configurar los lmites mximos y mnimos para el DOE con valores realistas, valores que sean tpicos para el producto o para diseos similares.

Problemas Potenciales

Rango muy chico


Baja capacidad de estimar efectos de factores fuera del diseo actual

Rango muy grande


Baja capacidad de calcular coeficientes de regresin exactos por la alta nolinearidad de los efectos

0.00079 J/scmK

Baja

Tu Producto

Alta 9.9-23.2 J/scmK

Styrofoam
Rango tpico de conductividad trmica para el producto

Regin de inters
Regin en la que queremos operar

Diamante

Regin de Operatividad La regin en la que podramos operar

Diseo Robusto

Introduccin a la metodologa de Superficie de Respuesta


Por qu lineal y polinomial?
Regin de inters

Pequea regin de inters: Una funcin lineal puede trabajar bien

Regin de operatividad

Regin de inters

Mucho ms grande regin de inters: Un modelo de regresin estndar no es conveniente


Regin de inters
Regionof Interest

Regin de operatividad

Mayor regin de inters: Una funcin cuadrtica podra funcionar mejor


Regin de operatividad

Recuerda En DOE no debemos extrapolar fuera Recuerda En DOE no debemos extrapolar fuera de la regin de inters de la regin de inters
Diseo Robusto

Introduccin a la metodologa de Superficie de Respuesta


Estrategia de DOE. Explorando el espacio de diseo
Paso 1 Medio factorial para filtrar factores Paso 2 Factorial completo ms punto central para interacciones Paso 3 Compuesto central para superficie de respuesta Paso 4 Desplazamiento en el espacio de diseo para optimizacin

Vital Xs

Curvatura

Optimiza Z Nivel

Iteraciones

Iteraciones

Recuerda La meta final es la optimizacin Recuerda La meta final es la optimizacin


Es un enfoque de construccin de bloques iterativo Incluye el impacto de la variacin para permitir la optimizacin de Z Cada paso se basa en los resultado del paso anterior

Diseo Robusto

Metodologa de Puntos Centrales


Suponga que las corridas fueron hechas slo en los extremos, y un comportamiento lineal fue asumido en el interior del espacio de diseo. Esto no necesariamente es correcto. La respuesta podra se parablica en el interior, pero relativamente plana cerca de las orillas.
Slo puntos centrales en el DOE

95 85 75 65

Pendiente = 0 Pero un efecto cuadrtico escondido

Y
1.0 0.5 0 0 -0.5 -1.0 -1.0 -0.5 1.0 0.5

Metodologa del Punto Central


Superficie Real Modelo lineal ajustado

Respuesta

Valor predecido al punto central alto

Bajo

Centro

X1

Diseo Robusto

Metodologa de Puntos Centrales


Mtodo de Puntos Centrales Consiste en aadir puntos centrales al diseo factorial para proveer proteccin contra curvaturas de efectos de segundo orden, adems de obtener una estimacin independiente del error. Los puntos centrales no afectan la estimacin de los efectos normales del diseo. Si no tienes rplicas en tu diseo factorial, los puntos centrales te sirven para generar valores de P.

El error medio cuadrado MSE se calcula a travs de los puntos centrales: MSE = SSE / nc 1 MSE = [Sum puntos centrales de (yi y avg.)^2 ] / (nc-1) SS cuadrtico = [nf nc (y avg. F y avg. C)^2] / (nf + nc)
SSE: Suma de cuadrados del error yi: Valores puntuales de salida y avg. F : Valor promedio de salida de factores Y avg. C : Valor promedio de salida de puntos centrales nf: Cantidad de datos del experimento factorial sin puntos centrales nc: Cantidad de puntos centrales

Diseo Robusto

Metodologa de Puntos Centrales


Ejemplo Un ingeniero qumico estudia la salida de un proceso. Hay dos variables de inters: Tiempo de reaccin y temperatura de reaccin. Decide correr un experimento de dos factores con dos niveles. 1. Calcule con Minitab su funcin de transferencia y determine que factor es ms importante y si su interaccin lo es tambin.

2. Como el ingeniero no sabe si la salida del experimento es lineal, correremos tambin algunos puntos centrales. Caso 1 40.3, 40.5, 40.7, 40.2, 40.6 Caso2 42.0, 42.3, 42.4, 42.1, 43.0 Calcule MSE, SSE y obtenga anlisis de Minitab. Concluya si hay curvatura en ambos casos.

Diseo Robusto

Metodologa de Puntos Centrales


1. Calcule con Minitab su funcin de transferencia y determine que factor es ms importante y si su interaccin lo es tambin.
Fractional Factorial Fit Estimated Effects and Coefficients for C7 (coded units) Term Constant A B A*B Effect 1.5500 0.6500 -0.0500 Coef 40.4250 0.7750 0.3250 -0.0250

Analysis of Variance for C7 (coded units) Source Main Effects 2-Way Interactions Residual Error Total DF 2 1 0 3 Seq SS 2.82500 0.00250 0.00000 2.82750 Adj SS 2.82500 0.00250 0.00000 Adj MS 1.41250 0.00250 0.00000 F * * P * *

Cube Plot (data means) for C7


A
1
40.0 41.5

41.5

-1 1

Mean
39.3 40.9

40.5

-1

-1 A

39.5

-1

-1

-1

41.2

40.8

40.4

Conclusiones?
A B

C7

40.0

39.6

Diseo Robusto

Metodologa de Puntos Centrales


2. Calcule con Minitab su funcin de transferencia y determine que factor es ms importante y si su interaccin lo es tambin. Caso 1 MSE = [Sum (yi- 40.46)^2 ]/ 4 = 0.172 ]/4 MSE = 0.0430 Curvatura = [(4)(5)(-0.035)^2]/ 4+5 Curvatura = 0.0027

A -1 1 -1 1 0 0 0 0 0

B -1 -1 1 1 0 0 0 0 0

Yield 39.3 40.9 40 41.5 40.3 40.5 40.7 40.2 40.6

nf nc AVG F

4 5 40.425 nc-1 4 AVG F - AVG PC -0.035 (AVG F - AVG PC)^2 0.001225 Curvatura 0.002722222

AVG PC Yi-AVG PC (Yi-AVG PC)^2 40.46 -0.16 0.0256 0.04 0.0016 0.24 0.0576 -0.26 0.0676 0.14 0.0196 SSE 0.172 MSE 0.043

Diseo Robusto

Metodologa de Puntos Centrales


Agregar puntos centrales en Minitab

Diseo Robusto

Metodologa de Puntos Centrales


2. Calcule con Minitab su funcin de transferencia y determine que factor es ms importante y si su interaccin lo es tambin. Caso 1
Fractional Factorial Fit Estimated Effects and Coefficients for Yield (coded units) Term Constant A B A*B Ct Pt 1.5500 0.6500 -0.0500 Effect Coef 40.4250 0.7750 0.3250 -0.0250 0.0350 StDev Coef 0.1037 0.1037 0.1037 0.1037 0.1391 T 389.89 7.47 3.13 -0.24 0.25 P 0.000 0.002 0.035 0.821 0.814

Analysis of Variance for Yield (coded units) Source Main Effects 2-Way Interactions Curvature Residual Error Pure Error Total DF 2 1 1 4 4 8 Seq SS 2.82500 0.00250 0.00272 0.17200 0.17200 3.00222 Adj SS 2.82500 0.00250 0.00272 0.17200 0.17200 Adj MS 1.41250 0.00250 0.00272 0.04300 0.04300 F 32.85 0.06 0.06 P 0.003 0.821 0.814

Diseo Robusto

Metodologa de Puntos Centrales


Centerpoint

Main Effects Plot (data means) for Yield

-1

-1

41.2

40.8

Yield

40.4

40.0

39.6 A B

Interaction Plot (data means) for Yield


A 41.5 -1 1

Centerpoint

Mean

40.5

39.5

-1

Contour Plot of Yield


1 40.0 40.5 41.0 41.5
41.5

0
40.5

Yield
39.5 0 -1 1

-1 -1 0 1

0 1

-1

Diseo Robusto

Metodologa de Puntos Centrales


2. Calcule con Minitab su funcin de transferencia y determine que factor es ms importante y si su interaccin lo es tambin. Caso 2 MSE = [Sum (yi- 42.36)^2 ]]/ 4 = 0.612 / 4 MSE = 0.153 Curvatura = [(4)(5)(-1.935)^2]/ 4+5 Curvatura = 8.3205
Fractional Factorial Fit Estimated Effects and Coefficients for C7 (coded units) Term Constant A B A*B Ct Pt 1.5500 0.6500 -0.0500 Effect Coef 40.4250 0.7750 0.3250 -0.0250 1.9350 StDev Coef 0.1956 0.1956 0.1956 0.1956 0.2624 T 206.70 3.96 1.66 -0.13 7.37 P 0.000 0.017 0.172 0.904 0.002

Analysis of Variance for C7 (coded units) Source Main Effects 2-Way Interactions Curvature Residual Error Pure Error Total DF 2 1 1 4 4 8 Seq SS 2.8250 0.0025 8.3205 0.6120 0.6120 11.7600 Adj SS 2.82500 0.00250 8.32050 0.61200 0.61200 Adj MS 1.41250 0.00250 8.32050 0.15300 0.15300 F 9.23 0.02 54.38 P 0.032 0.904 0.002

Diseo Robusto

Metodologa de Puntos Centrales


Interaction Plot (data means) for C7
A 42.4 -1 1

41.4 Centerpoint

Mean
40.4 39.4 -1 1

Centerpoint

Main Effects Plot (data means) for C7

-1

-1

42.4

41.8

41.2

C7
40.6 40.0

43

42

C7

41

40 1 39 -1 0 1 -1 0

Contour Plot of C7
1

40.5 41.5 42.5

-1 -1 0 1

Diseo Robusto

Tarea
Quin quiere puntos?
A B C D -1 1 -1 1 -1 1 -1 1 -1 1 -1 1 -1 1 -1 1 0 0 0 0 -1 -1 1 1 -1 -1 1 1 -1 -1 1 1 -1 -1 1 1 0 0 0 0 -1 -1 -1 -1 1 1 1 1 -1 -1 -1 -1 1 1 1 1 0 0 0 0 -1 -1 -1 -1 -1 -1 -1 -1 1 1 1 1 1 1 1 1 0 0 0 0 Molecular Viscosity Weigth 2400 1400 2410 1500 2315 1520 2510 1630 2615 1380 2625 1525 2400 1500 2750 1620 2400 1400 2390 1525 2300 1500 2520 1500 2625 1420 2630 1490 2500 1500 2710 1600 2515 1500 2500 1460 2400 1525 2475 1500

1 punto de 100

1. 2. 3. 4.

Funciones de transferencia Identificar factores principales Identificar interacciones principales Verificar curvaturas.
Diseo Robusto

Presentaciones

Quin quiere puntos? 3 puntos de 100

Ejemplos de aplicacin de Diseo de Experimentos. Primeras dos clases: Ejemplos de DOE primer curso Tercer en adelante: Ejemplos de DOE Robust Design

10 a 15 minutos por presentacin. Mximo dos presentaciones por clase.

Diseo Robusto

Resumen y comentarios

Diseo Robusto

Cierre

Gracias
Diseo Robusto