Divulgación Diseño de experimentos 22 aplicado para hacer muescas de registros en tarjetas de circuito impreso Departamento de Ingenierı́a Industrial (Maestrı́a en Ciencias en Ingenierı́a Industrial), Tecnológico de Estudios Superiores de Coacalco, Av. 16 de septiembre núm. 54, cabecera municipal, 55700 Coacalco, Edo. de México Departamento de Ingenierı́a Industrial, Tecnológico de Estudios Superiores de Jocotitlán, carretera Toluca–Atlacomulco, km. 44.8, Ejido de San Juan y San Agustı́n, 50700 Jocotitlán, Edo. de México [email protected], [email protected], [email protected], [email protected] recibido: lunes 4 de agosto de 2008 aceptado: viernes 5 de septiembre de 2008 resumen Puesto que era difı́cil hacer la medición directa de la variación y la dimensión de la muesca, el grupo de trabajo decidió medirla de 31 TREINTAYUNO Jorge Ubaldo Jacobo Sánchez, Humberto Silvestre Molina, Jaime Gutiérrez Balderas e Israel Becerril Rosales J.U. JACOBO SÁNCHEZ Y COLS. manera indirecta. Se instalaron acelerómetros que permiten medir la vibración en los ejes de coordenadas (X, Y, Z) en 16 tarjetas de prueba. El vector resultante de estos tres componentes se uso como la variable de respuesta. Ya que la vibración en la superficie de la tarjeta cuando se corta se relaciona directamente con la variabilidad de la dimensión de la muesca, al reducirse los niveles de vibración se reducirá también la variabilidad en la dimensión de la misma. La magnitud de estos efectos puede confirmarse con el análisis de varianza, el cual se resume en la tablas 1 y 2. Las sumas de cuadrados de los efectos principales y la interacción se calcularon con las formulas del diseño factorial 22 . El análisis de varianza confirma las conclusiones que se obtuvieron examinando inicialmente la magnitud y la dirección de los efectos de los factores; tanto el tamaño de la broca como la velocidad son importantes, y existe interacción entre ambas variables. 1. Introducción TREINTAYDOS El Diseño de experimentos tuvo su inicio teórico a partir de 1935 por Sir Ronald A. Fisher, quién sentó la base de la teorı́a del Diseño experimental y que a la fecha se encuentra bastante desarrollada y ampliada. Actualmente las aplicaciones son múltiples, especialmente en la investigación de las ciencias naturales, ingenierı́a, laboratorios y casi todas las ramas de las ciencias sociales. “Para optimizar procesos de fabricación, condiciones de reacción y métodos de análisis, entre otros, es necesario conocer qué variables influyen significativamente en el sistema y cómo afectan. A menudo esta información no está disponible y se genera experimentando. Primero se recogen en una lista todas las variables que podrı́an influir en la respuesta. A continuación, se realizan una serie de experimentos en los cuales se fijan las variables que no interesa modificar, se anota el valor de las que no se pueden controlar, y se varı́an las restantes. Finalmente, se obtiene la información comparando la variación de la respuesta entre experimentos. El elevado costo de la experimentación y las limitaciones de tiempo obligan a ejecutar sólo los experimentos imprescindibles. Y el método tradicional de variar-un-factor-cada-vez (vufcv) no suele ser la mejor opción. Puede implicar más experimentos de los necesarios y, a pesar de ello, proporcionar sólo información parcial” (Ferre y Rius, 2008). Muchos experimentos se llevan a cabo para estudiar los efectos producidos por dos o más factores. Puede mostrarse que en general los diseños factoriales son los más eficientes para este tipo de experimentos. 32 DISEÑO DE EXPERIMENTOS 22 EN TARJETAS DE CIRCUITO IMPRESO 1.1 Definiciones Experimento En un experimento, el experimentador escoge ciertos factores para su estudio, los altera deliberadamente de forma controlada y, después, observa el efecto resultante. El experimento puede realizarse bien en laboratorio o bien en el exterior: en la fábrica, en unos almacenes, en los locales del usuario, etcétera. “Un experimento diseñado es una prueba o serie de pruebas en las cuales se inducen cambios deliberados en las variables de entrada de un proceso o sistema, de manera que sea posible observar e identificar las causas de los cambios en la respuesta de salida” (Montgomery, 2003). Actualmente los métodos de diseño experimental tienen una amplia aplicación en muchas disciplinas. El diseño experimental puede ser considerado como parte del proceso cientı́fico y una de las formas en que aprendemos acerca de la forma en que funcionan los sistemas o procesos. Por lo general, este aprendizaje se da a través de una serie de actividades en las cuales hacemos conjeturas sobre un proceso, realizamos experimentos para generar datos a partir del proceso, y entonces usamos la información del experimento para establecer nuevas suposiciones, que llevan a realizar nuevos experimentos, y ası́ sucesivamente, comportándose cı́clicamente. El diseño de un experimento debe garantizar que este cumpla ciertos requisitos mı́nimos: • Debe poder comprobar las hipótesis objeto de estudio, no dejándose confundir por variables insospechadas (ruido), como errores de medida desproporcionados, etcétera. • Debe poder revelar la existencia de cualquier causa importante de variación, aunque no haya sido adelantada como hipótesis. • Debe mantener los costos de experimentación a un nivel razonable, en comparación con el problema objeto de estudio. • Debe tener un alto grado de seguridad en las respuestas. 33 • Si el experimento se realiza en un laboratorio, éste ha de ser, respecto a las variables estudiadas, un buen indicador de las pruebas que se obtendrı́an en el taller o in situ. TREINTAYTRES Diseño de experimentos J.U. JACOBO SÁNCHEZ Y COLS. • Si el experimento se realiza durante el desarrollo normal del proceso en estudio, se tendrá además cuidado de interferir lo menos posible en el trabajo normal y protegerse de las interferencias no autorizadas o involuntarias en la prueba por parte del personal del departamento. Variable Caracterı́stica de un objeto que puede ser observada y que puede tomar diferentes valores, tanto en el mismo objeto como entre diferentes objetos. En base a la posibilidad de medida se distinguen dos tipos fundamentales de variables: • Variables cualitativas: Son aquellas cuyos valores, de carácter nominal, sólo pueden ser comparados como diferentes entre sı́. • Variables continuas: Son aquellas cuyos valores, de carácter numérico, permiten realizar un mayor número de comparaciones. Una variable continua permite, teóricamente, un infinito número de valores entre dos valores consecutivos. TREINTAYCUATRO Diferentes tipos de variables en el diseño de un experimento En un diseño de experimento se distinguen los siguientes tipos de variables, según el contenido conceptual, o papel que tienen en el mismo. • Variable independiente Es el factor (causa) que suponemos influye sobre la caracterı́stica que medimos (defecto, error, etc.). Para comprobar su influencia, el investigador la manipulará durante el experimento, en el sentido que le asignará valores diferentes a cada observación. Esta variable se llama también tratamiento y cada uno de los valores que se le asignarán nivel de tratamiento. En este procedimiento se consideran sólo experimentos con una única variable independiente. Si se quiere o necesita manipular más de una variable independiente, será necesaria la colaboración de un experto en estadı́stica, puesto que el diseño del experimento y la interpretación de los resultados se complican notablemente. • Variable dependiente Es aquella variable que se mide en cada observación del experimento, para establecer si la variable independiente efectivamente influye sobre sus valores. 34 DISEÑO DE EXPERIMENTOS 22 EN TARJETAS DE CIRCUITO IMPRESO • Variables extrañas Son todas aquellas que el investigador no puede manipular, pero influyen en la variable dependiente. Son la causa de que las observaciones en un mismo nivel de tratamiento no necesariamente arrojen el mismo valor de medida. El conjunto de variables extrañas se denomina generalmente en el diseño y análisis de experimentos ruido o error experimental. • Variable de bloqueo Es una variable que sabemos puede intervenir en los niveles de la variable dependiente y decidimos eliminar su influencia mediante el control de la misma, creando bloques de observaciones, en los que esta variable, asume respectivamente un valor constante. A cada bloque se asignarán todos los niveles de tratamiento. Con la creación de bloques se persiguen dos objetivos: Aislar el efecto de los tratamientos, eliminando la influencia de la variable de bloqueo. Estimar los efectos de los bloques. Sujeto o unidad experimental Observación Una observación es una toma de medida de una variable y consta entonces de un valor de la misma. Dependiendo del tipo de diseño, las observaciones pueden tomarse a diferentes sujetos o al mismo sujeto de manera secuencial. Repetición Reiteración de una observación o medida al mismo nivel de tratamiento. Proporciona una oportunidad para que los efectos de las variables extrañas, incontroladas, se compensen y permite, además, medir el error experimental. Aleatorización Técnica utilizada para reducir la influencia no predeterminable de variables extrañas sobre los resultados del experimento. La aleatorización consiste en asignar los sujetos a los distintos niveles de tratamiento al azar, con la esperanza de que los efectos extraños se 35 TREINTAYCINCO El sujeto o unidad experimental es la unidad básica sobre la que se efectúa el proceso de medida. J.U. JACOBO SÁNCHEZ Y COLS. contrarresten entre los distintos sujetos y observaciones que componen cada nivel de tratamiento (condición experimental). La aleatorización es fundamental en el diseño de experimentos ya que: a) Previene la existencia de sesgo. b) Evita la dependencia entre observaciones. c) Confirma la adecuación de los procedimientos estadı́sticos para el análisis de los resultados del experimento. 1.2. ¿En qué situaciones se aplica el Diseño Estadı́stico de Experimentos (dee)? TREINTAYSEIS Las situaciones en las que se puede aplicar el dee, también denominado ‘Diseño experimental’, son muy numerosas. De forma general, se aplica a sistemas como el mostrado en la figura 1, en los cuales se observan una o más variables experimentales dependientes o respuestas (y) cuyo valor depende de los valores de una o más variables independientes (x) controlables llamadas factores. Las respuestas además pueden estar influidas por otras variables que no son controladas por el experimentador. La relación entre x e y no tiene porqué ser conocida. FIGURA 1. Representación de un sistema en estudio en DDE: factores (x), respuestas (y). 1.3. El Método tradicional de experimentación El método tradicional de experimentación, el que quizás surge de forma más intuitiva para estudiar el sistema de la figura 1, consiste en variar-unfactor-cada-vez (vufcv): a partir de unas condiciones iniciales, se realizan 36 DISEÑO DE EXPERIMENTOS 22 EN TARJETAS DE CIRCUITO IMPRESO experimentos en los cuales todos los factores se mantienen constantes excepto el que se está estudiando. De este modo, la variación de la respuesta se puede atribuir a la variación del factor, y, por tanto, revela el efecto de ese factor. El procedimiento se repite para los otros factores. El razonamiento que soporta esta forma de actuar es que si se variaran dos o más factores entre dos experimentos consecutivos, no serı́a posible conocer si el cambio en la respuesta ha sido debido al cambio de un factor, al de otro, o al de todos a la vez. En el diseño de experimentos cada prueba es usada en toda comparación, esto permite obtener la máxima cantidad de información. 1.4. Pasos para el diseño de experimentos (Montgomery, 2004) Paso 1. Identificación y exposición del problema En la práctica, muchas veces es difı́cil percatarse de que existe un problema que requiere experimentos diseñados formales, es absolutamente esencial hacer el desarrollo exhaustivo de todas las ideas acerca del problema y de los objetivos especı́ficos del experimento. Una exposición clara del problema y de los objetivos del experimento con frecuencia contribuye sustancialmente para conseguir una mejor comprensión del proceso y la solución final del problema. El experimentador debe elegir los factores que se harán variar en el experimento, los rangos en que se harán variar estos factores, y los niveles especı́ficos en los que se realizarán las corridas. Para ello es necesario ‘conocer el proceso’. Este conocimiento del proceso suele ser una combinación de experiencia práctica y comprensión teórica. Paso 3. Selección de la variable de respuesta Cuando seleccione la variable de respuesta, el experimentador deberá tener la seguridad de que la variable en realidad proporciona información útil sobre el proceso bajo estudio. La mayorı́a de las veces el promedio o la desviación estándar (o ambos) de la caracterı́stica será la variable de respuesta. No son raras las respuestas múltiples. La capacidad del instrumento de medición también es un factor importante. Paso 4. Elección del diseño experimental La elección del diseño incluye la consideración del tamaño de la muestra (el 37 TREINTAYSIETE Paso 2. Elección de los factores y los niveles J.U. JACOBO SÁNCHEZ Y COLS. número de replicas), la selección apropiada del orden de las corridas en los ensayos experimentales, y si se usara o no la separación en bloques u otras restricciones de la aleatorización. Paso 5. Realización del experimento Cuando se lleva a cabo el experimento, es vital monitorear con atención el proceso para asegurar que todo esto se está haciendo de acuerdo con los planes. Los errores en el procedimiento experimental en esta etapa generalmente destruirán la validez del experimento. Colocar en el primer plano la planeación es crucial para el éxito. Es fácil subestimar los aspectos logı́sticos y de planeación cuando se corre un experimento diseñado en un ambiente de manufactura complejo. Paso 6. Análisis de datos TREINTAYOCHO Deberán usarse métodos estadı́sticos para analizar los datos a fin de que los resultados y las conclusiones sean objetivos y no de carácter apreciativo. Si el experimento se ha diseñado correctamente y si se ha llevado a cabo de acuerdo con el diseño, los métodos estadı́sticos necesarios no son complicados. Se cuenta con paquetes de software para ayudar en el análisis de datos y los métodos gráficos simples desempeñan un importante papel en la interpretación de datos. Paso 7. Conclusiones y recomendaciones Una vez que se han analizado los datos, el experimento debe llegar a conclusiones prácticas acerca de los resultados y recomendar un curso de acción. Con frecuencia son útiles los métodos gráficos en esta etapa, particularmente en la presentación de los resultados a otras personas. También deberán realizarse corridas de seguimiento y pruebas de confirmación para validar las conclusiones del experimento. A lo largo del proceso completo, es importante tener presente que la experimentación es una parte importante del proceso de aprendizaje, en las que se formulan hipótesis tentativas acerca del sistema, se realizan experimentos para investigar estas hipótesis y, con base en los resultados, se formulan nuevas hipótesis. Un experimento exitoso requiere que se conozcan los factores importantes, los rangos en los que deberán hacerse variar estos factores, el número apropiado de niveles que deben usarse y las unidades de medición adecuadas para estas variables. 38 DISEÑO DE EXPERIMENTOS 22 EN TARJETAS DE CIRCUITO IMPRESO 2. Materiales y métodos Paso 1. Identificación y exposición del problema (Montgomery y Runger, 2004) Se usa una buriladora para hacer las muescas de registro en tarjetas de circuito impresos El nivel de vibración en la superficie de la tarjeta al ser cortada por la buriladora se considera una fuente importante de la variación dimensional en las marcas o muescas Se considera que dos factores influyen en la vibración: el tamaño de la broca buriladora (A) y la velocidad de corte (B). Se eligen dos niveles para cada factor 1/16” y 1/8” para el tamaño de la broca (A) y 40 rpm y 80 rpm para la velocidad (B). Se instalaron acelerómetros que permitan medir la vibración en los ejes de coordenadas (X, Y, Z) en 16 tarjetas de prueba. El vector resultante de estas tres componentes se uso como la variable de respuesta. Se probaron cuatro tarjetas en cada una de las cuatro corridas del experimento, y los datos resultantes se muestran en la tabla 1 (paso 2). Paso 2. Elección de los factores y los niveles Tabla 1. Datos del experimento de la buriladora. Combinación tratamientos 1 2 3 4 (1) a b ab Factores A B − + − + − + − + Vibración III I II 18.2 27.2 15.9 41.0 18.9 24.0 14.5 43.9 12.9 22.4 15.1 36.3 IV 14.4 22.5 14.2 39.9 Paso 3. Selección de la variable de respuesta Se instalaron acelerómetros que permiten medir la vibración en los ejes de coordenadas (X, Y, Z), en 16 tarjetas de prueba. El vector resultante de estas tres componentes se uso como la variable de respuesta. Puesto que la vibración en la superficie de la tarjeta cuando se corta se relaciona directamente con la variabilidad de la dimensión de la muesca, al reducirse los niveles de vibración se reducirá también la variabilidad en la dimensión de la misma. Paso 4. Elección del diseño experimental (Gutiérrez y de la Vara, 2005) El diseño factorial 22 se representa geométricamente por los vértices 39 TREINTAYNUEVE Corrida J.U. JACOBO SÁNCHEZ Y COLS. FIGURA 2. Representación geométrica del diseño factorial 22 . CUARENTA del cuadro de la figura 2. Cada vértice representa un punto de diseño o tratamiento. El área limitada por este cuadrado se conoce como ‘región experimental y, en principio, las conclusiones que se obtengan del experimento sólo tienen validez sobre esta región. Paso 5. Realización del experimento Solución del diseño de experimento 22 para una buriladora I II III IV Total n= 4 18.2 27.2 15.9 41.0 18.9 24.0 14.5 43.9 12.9 22.4 15.1 36.3 14.4 22.5 14.2 39.9 64.4 96.1 59.7 161.1 (1) = a= b= ab = Y1 . . . 64.4 96.1 59.7 161.1 381.3 40 DISEÑO DE EXPERIMENTOS 22 EN TARJETAS DE CIRCUITO IMPRESO A= B= AB = Ssa = Ssb = Ssab = 1 [ab + a − b − (1)] = (0.12500)(133.1) = 16.6375 2n 1 [ab + b − a − (1)] = (0.12500)(60.3) = 7.5375 2n 1 [ab + (1) − a − b] = (0.12500)(69.7) = 8.7125 2n 1 [ab + a − b − (1)]2 = (0.06250)(17715.61) = 1107.2256 n4 1 [ab + b − a − (1)]2 = (0.06250)(3636.09) = 227.2556 4 n 1 [ab + (1) − a − b]2 = (0.06250)(4858.09) = 303.6306 4 n 2 = Yijk 2323.85 Yi2 4n − 892.71 Error 4(n − 1) ab (n − 1) Total 4n − 1 ab n − 1 6517.91 145389.69 16 Sst = 10796.69 − 9086.85563 = 1709.83438 Sst = 10796.69 − Sse = Sst − Ssa − Ssb − Ssab = 71.7225 Tabla 2. ANOVA del experimento de la buriladora. Factor de Suma de Grados de Media de Función Valor variación cuadrados libertad cuadrados objetivo P Tamaño de la broca (A) 1107.2256 227.2556 303.6306 71.7225 1709.834375 1107.2256 227.2556 303.6306 5.9769 185.2516 38.0225 50.8009 1.17467 × 10−8 4.82629 × 10−5 1.20108 × 10−5 Velocidad (B) AB Error Total 41 1 1 1 12 15 CUARENTAYUNO 1062.22 J.U. JACOBO SÁNCHEZ Y COLS. 3. Resultados y discusión Paso 6. Análisis de datos CUARENTAYDOS La significación de los efectos de los factores se probó usando el análisis de varianza. Puesto que el análisis de los residuales fue satisfactorio, ambos efectos principales y el término de la interacción fueron significativos. No hubo necesidad de refinar el modelo. Por lo tanto, fue posible interpretar los resultados en términos del modelo factorial original completo, usando la grafica de la interacción de los factores de la figura 3. FIGURA 3. Gráfica de la interacción AB. 4. Conclusiones Paso 7. Conclusiones y recomendaciones Con el análisis de varianza de la tabla 2 se sabe cuáles de los tres efectos: A (tamaño de la broca), B (velocidad) y AB (tamaño de la broca–velocidad) 42 DISEÑO DE EXPERIMENTOS 22 EN TARJETAS DE CIRCUITO IMPRESO FIGURA 4. Efecto principal A (broca). FIGURA 5. Efecto principal B (velocidad). Se muestran en las figura 4 y 5 los efectos principales y de ellas se concluye que no se debe aumentar la velocidad ni aumentar el tamaño de broca y, por lo tanto, si se quiere minimizar la vibración, forzosamente se debe utilizar la combinación (A−, B−). En otra palabras, al estar la broca en su nivel bajo, la vibración será baja sin importar la velocidad, si bien es cierto que es razonable pensar que a mayor velocidad y a menor tamaño de la broca la vibración sea menor. Si lo que se desea es minimizar la vibración, entonces se puede utilizar el tratamiento (A−, B+), o el (A−, B−); ambos prácticamente logran los mismos resultados, por lo que la decisión de cuál de los dos utilizar se puede hacer con otros criterios, como tiempo de ciclo o tiempo de vida del equipo, por lo que concluimos que si el proceso se corre con la velocidad alta y se usa la broca chica, la velocidad de producción será satisfactoria. 43 CUARENTAYTRES actúan sobre la variable de respuesta. En particular, para determinar las mejores condiciones de operación del proceso, se utilizan los efectos que resultan más significativos en el ANOVA. El mejor nivel de operación que resulta no significativo se determina con base en el criterio de economı́a y/o productividad; otro criterio puede ser su posible impacto en la variabilidad de la respuesta, y en ese caso se elige el nivel donde la variabilidad es menor. Puesto que los dos factores A (tamaño de la broca) y B (velocidad) tienen efectos positivos grandes, los niveles de vibración podrı́an reducirse corriendo ambos factores en el nivel bajo; sin embargo, cuando el tamaño de la broca y la velocidad están en el nivel bajo, la velocidad de producción serı́a inaceptable por ser baja. La interacción AB proporciona una velocidad a este dilema potencial. En la figura 3 se presenta la gráfica de la interacción AB de los dos factores. J.U. JACOBO SÁNCHEZ Y COLS. 5. Referencias CUARENTAYCUATRO [1] Ferré, Joan y Xavier Rius, Introducción al diseño estadı́stico de experimentos, 2008. [2] Gutiérrez, P. Humberto y S. Román de la Vara, Análisis y diseño de experimentos, primera edición, Editorial McGraw-Hill Interamericana, México, 2005, 590 pgs. [3] Montgomery, Douglas, Control estadı́stico de la calidad (Introduction to Stadistical Quality, 3rd edition), traducido por Rodolfo Garcı́a Piña, Editorial Limusa Wiley, México, 2004, 823 pgs. [4] Montgomery, Douglas, Diseño y análisis de experimentos (Design and Analysis of Experiments, 2nd edition), traducido por Rodolfo Garcı́a Piña, Editorial Limusa Wiley, México, 2003, 700 pgs. [5] Montgomery, Douglas y George Runger, Probabilidad y estadı́stica aplicadas a la ingenierı́a (Applied Statistics and Probability for Engineers, 2nd edition), traducido por Rodolfo Garcı́a Piña, Editorial Limusa Wiley, México, 2004, 948 pgs. 44