EJERCICIOS LEAN SIGMA FASE DE MEJORA P. Reyes / febrero de 2009 EJERCICIOS DE LA FASE DE MEJORA: 1. ¿Cuál es el propósito de la fase de mejora? 2. ¿Cuáles son los entregables de la fase de mejora? Dar un ejemplo. a. Identificación de mejores niveles de operación b. Generación de alternativas de solución, usar métodos de Creatividad c. Evaluación de alternativas de solución con diagrama de árbol: DESCRIPCIÓN DE LA CAUSA CAUSA 1 ALTERNATIVAS VENTAJAS DE SOLUCIÓN ALT. SOL. 1 a. b. c. ALT. SOL. 2 a. b. c. ALT. SOL. 3 a. DESVENTAJAS FACTIBILIDAD SELECCIÓN a. b. c. a. b. c. a. b. c. Si SI Si SI Si SI CAUSA 2 d. Selección de alternativas de solución e. Plan 5W-1H para implementación de las soluciones seleccionadas f. Prueba piloto y Verificación de la efectividad de las soluciones g. Implementación y documentación de la solución a nivel sistema DISEÑO DE EXPERIMENTOS 3. ¿Qué desventajas se observan cuando se experimenta con un factor a la vez? 4. ¿Qué es el diseño de experimentos? Página 1 de 74 EJERCICIOS LEAN SIGMA FASE DE MEJORA P. Reyes / febrero de 2009 5. ¿Cuáles son las ventajas que proporciona el diseño de experimentos? 6. ¿Cuáles los diferentes propósitos que puede tener un diseño de experimentos? 7. ¿Cuáles son los pasos principales para la realización de diseños de experimentos? a. b. c. d. etc. 8. ¿Qué consideraciones deben tomarse en cuenta al planear y desarrollar experimentos? a. b. c. d. etc. 9. ¿Cuáles son las implicaciones al realizar experimentos en la empresa? a. b. 10. ¿Qué criterios se deben tomar para seleccionar las variables de proceso y sus niveles? a. 11. ¿Cuáles son los supuestos que se asumen cuando se realizan experimentos? Página 2 de 74 EJERCICIOS LEAN SIGMA FASE DE MEJORA P. Reyes / febrero de 2009 12. ¿Cuáles son los diferentes métodos experimentales disponibles y cuál es su alcance y aplicación? Diseño experimental Factorial de dos niveles 2K Aplicación Filtraje de factores significativos Fraccional de dos niveles ½ 2K Filtraje de factores significativos – bajo costo Taguchi Arreglos ortogonales Diseños robustos de productos y procesos Factorial completo FK Identificación de mejores niveles de operación Ascenso rápido Ruta hacia el punto de operación óptimo Diseño central compuesto CCD Identificación del punto óptimo de operación EVOP diseño evolutivo Experimentación en la producción sin afectarla Diseños de mezclas Encontrar la mejor mezcla de ingredientes para el mejor rendimiento Diseños óptimos - D Diseños por computadora para reducir costos 13. ¿Qué significan los conceptos siguientes? a. Caracterizar el proceso b. Replicas experimentales c. Aleatorización d. Bloqueo 14. ¿Qué son las interacciones y cómo se identifican? 15. ¿Qué características tiene un diseño experimental factorial completo? 16. ¿Qué características tiene un diseño experimental factorial de dos niveles? Página 3 de 74 EJERCICIOS LEAN SIGMA FASE DE MEJORA P. Reyes / febrero de 2009 17. ¿Cómo se obtiene la ecuación de regresión de los resultados del diseño de experimentos de 2 niveles? 18. ¿Cómo se identifican los factores significativos en la tabla ANOVA de los experimentos factoriales? 19. ¿Qué indican las gráficas factoriales y cómo se seleccionan los niveles para la mejor operación? 20. ¿Qué indican las gráficas factoriales de interacciones y cómo se seleccionan los niveles para la mejor operación? 21. ¿Qué indica la gráfica de superficie de respuesta? 22. ¿Cuál es el propósito de la gráfica de contornos? 23. ¿qué ventajas tiene el método de Taguchi? 24. ¿Qué es la relación S/N y qué ventajas tiene maximizar su valor? 25. ¿Cómo se obtiene la predicción de la respuesta en el método Taguchi? METODOS DE CREATIVIDAD 26. Dar algunos ejemplos de técnicas de creatividad para la generación de ideas de mejora de procesos a. b. c. 27. ¿Después de cuánto tiempo se recomienda se evalúen los resultados de las mejoras? 28. ¿Cómo se puede cuantificar estos resultados? Página 4 de 74 EJERCICIOS LEAN SIGMA FASE DE MEJORA P. Reyes / febrero de 2009 a. b. 29. ¿Qué formas de reconocimiento a los equipos de proyecto Seis Sigma se recomiendan? a. b. c. d. 30. ¿Cuáles son las salidas de la fase de mejora? a. b. c. Página 5 de 74 EJERCICIOS LEAN SIGMA FASE DE MEJORA PROBLEMAS: P. Reyes / febrero de 2009 (Utilizar Minitab 15 para las soluciones) DISEÑOS DE EXPERIMENTOS FACTORIALES DE DOS NIVELES 1. Diseño de experimentos de dos niveles: En un proceso de mantenimiento de Generador de Vapor se desea mejorar el proceso de soldadura en un componente de acero inoxidable. Para lo cual se realiza un diseño de experimentos de 3 factores y 2 niveles. Factor A. Caudal de gas (l/min.) B. Intensidad de Corriente (A) C. Vel. de Cadena (m/min.) Nivel bajo 8 230 0.6 Nivel Alto 12 240 1 Como respuesta se toma la calidad del componente en una escala de 0 a 30 entre mayor sea mejor es la calidad Paso 1. Generar diseño Stat > DOE > Factorial > Create Factorial Design Seleccionar 2-Level factorial (default generators); Number of factors 3 Designs: Seleccionar Full Factorial Seleccionar Replicates 1 Factors: Caudal 8 12 Intensidad 230 240 Vel. 0.6 1 Options: Quitar bandera de Randomize runs OK ESTADÍSTICAS > DOE > Factorial > Crear Diseño Factorial Seleccionar Factorial de 2 niveles (generador de default); Numero de factores 3 Diseños: Seleccionar Factorial completo Seleccionar Réplicas1 Factores: Caudal 8 12 Intensidad 230 240 Vel. 0.6 1 Opciones: Quitar bandera de Aleatorizar corridas OK Página 6 de 74 EJERCICIOS LEAN SIGMA FASE DE MEJORA P. Reyes / febrero de 2009 Paso 2. Introducir los datos en el diseño: StdOrder 1 2 3 4 5 6 7 8 Caudal 8 12 8 12 8 12 8 12 Intensidad 230 230 240 240 230 230 240 240 Velocidad 0.6 0.6 0.6 0.6 1 1 1 1 Y 10 26.5 15 17.5 11.5 26 17.5 20 Paso 3. Analizar el diseño Stat > DOE > Factorial > Analyze Factorial Design Response Y Graphs: Seleccionar Normal Pareto Alpha = 0.05 Residual for Plots Standardized Seleccionar Normal Plot y Residuals vs Fits Results Seleccionar todos los términos con >> OK OK Estadísticas > DOE > Factorial > Analizar Diseño Factorial Respuesta Y Gráficas: Seleccionar Normal Pareto Alfa = 0.05 Residuales para gráficas estandarizados Seleccionar Gráfica Normal y Residuales vs Valores ajustados Resultados Seleccionar todos los términos con >> OK OK Los resultados se muestran a continuación. La ecuación del modelo se puede formar a partir de los siguientes coeficientes (solo los que son sigificativos): Term Constant Caudal Intensidad Velocidad Caudal*Intensidad Caudal*Velocidad Intensidad*Velocidad Caudal*Intensidad*Velocidad Coef -893.750 102.625 3.75000 186.250 -0.425000 -30.0000 -0.750000 0.125000 MODELO DEL PROCESO Y = -893.750 + 102.625 Caudal - 0.425 Caudal*Intensidad Página 7 de 74 EJERCICIOS LEAN SIGMA FASE DE MEJORA P. Reyes / febrero de 2009 Pareto Chart of the Effects (response is Y, Alpha = .05) 5.646 F actor A B C A AB Name C audal C orriente V elocidad Term C B BC ABC AC 0 1 2 3 4 5 Effect 6 7 8 9 Lenth's PSE = 1.5 Normal Probability Plot of the Effects (response is Y, Alpha = .05) 99 Effect Type Not Significant Significant 95 A 90 Percent 80 70 60 50 40 30 F actor A B C N ame C audal C orriente V elocidad 20 10 AB 5 1 -5.0 -2.5 0.0 2.5 Effect 5.0 7.5 10.0 Lenth's PSE = 1.5 Paso 4. Obtener las gráficas factoriales para seleccionar los mejores niveles de operación Stat > DOE > Factorial > Factorial Plots Seleccionar Main Effects Plot: Setup: Response Y; Pasar Intensidad, Caudal y Vel. Con >> Seleccionar Interaction Plot: Setup: Response Y; Pasar Intensidad, Caudal y Vel. Con >> Seleccionar Cube Plot: SetUp >> Response Y; Pasar Intensidad, Caudal y Vel. Con >> OK Estadísticas > DOE > Factorial > Gráficas Factoriales Seleccionar Gráfica de efectos principales: Configuración: Respuesta Y; Pasar Intensidad, Caudal y Vel. Con >> Página 8 de 74 EJERCICIOS LEAN SIGMA FASE DE MEJORA P. Reyes / febrero de 2009 Seleccionar Gráfica de interacciones : Configuración: Respuesta Y; Pasar Intensidad, Caudal y Vel. Con >> Seleccionar Gráfica de cubo: Configuración: Respuesta Y; Pasar Intensidad, Caudal y Vel. Con >> OK GRAFICA FACTORIAL DE EFECTOS PRINCIPALES (A, B Y C) Main Effects Plot (data means) for Y Caudal Corriente 22 20 18 Mean of Y 16 14 8 12 230 240 Velocidad 22 20 18 16 14 0.6 1.0 GRÁFICA DE INTERACCIONES (SI LAS PENDIENTES SON OPUESTAS, LA INTERACCION ES SIGNIFICATIVA), SI SON PARALELAS LA INTERACCION NO ES SIGNIFICATIVA Interaction Plot for Y Data Means 230 240 0.6 1.0 24 Caudal 8 12 18 C audal 12 24 Intensidad 230 240 18 Intensidad 12 Velocidad NOTA: Cuando la interacción es significativa (en este caso A*B) los mejores niveles de operación se escogen de la Gráfica de interacciones, de otra forma (en este caso C) se escogen de la gráfica de efectos principales. En este caso para una respuesta, MAYOR ES MEJOR, A caudal = 12 y B intensidad = 230 de la gráfica de interacciones. De la gráfica de cubo se observa que C = 0.6 nos da una mejor respuesta que en 1, por lo que seleccionamos C = 0.6 Página 9 de 74 EJERCICIOS LEAN SIGMA FASE DE MEJORA P. Reyes / febrero de 2009 Cube Plot (data means) for Y 17.5 20.0 15.0 17.5 240 Corriente 11.5 26.0 1 10.0 Velocidad 26.5 230 0.6 8 12 Caudal Paso 5. Obtener las gráficas de contornos y de superficie de respuesta Stat > DOE > Factorial > Contour and Surface Plots Seleccionar Contour Plot: Setup: Response Y; seleccionar Generate plot for all pairs of numerical factors Seleccionar Surface response Plot: Setup: Response Y; seleccionar Generate plot for all pairs of numerical factors OK Estadísticas > DOE > Factorial > Gráficas de Contorno y Superficie Seleccionar Gráfica de contorno : Configuración: Respuesta Y; seleccionar Generar gráficas para todos los pares de factores numéricos Seleccionar Gráfica de superficie de respuesta: Configuración: Respuesta Y; seleccionar Generar gráficas para todos los pares de factores numéricos OK Contour Plots of Y Intensidad*Caudal 240 Velocidad*Caudal 1.0 12 15 18 21 0.9 237 0.8 234 0.7 231 8 1.0 9 10 11 12 Velocidad*Intensidad 0.6 8 9 10 11 12 0.8 0.7 231 234 237 12 15 18 21 24 24 Hold Values Caudal 8 Intensidad 230 Velocidad 0.6 0.9 0.6 Y < – – – – > 240 Página 10 de 74 EJERCICIOS LEAN SIGMA FASE DE MEJORA P. Reyes / febrero de 2009 Surface Plots of Y Hold Values Caudal 8 Intensidad 230 Velocidad 0.6 25 Y 25 20 15 240 10 235 8 10 Caudal 12 Y 20 15 1.0 10 Intensidad 8 230 0.8 10 Caudal 12 Velocidad 0.6 16 Y 14 12 1.0 10 0.8 230 235 Intensidad 240 Velocidad 0.6 Paso 6. Obtener una ampliación de la respuesta en la zona de Y = 21 a 24 Stat > DOE > Factorial > Overlaid Contour Plot Seleccionar en Response Y Seleccionar en Settings Hold Extra factors in Low setting Seleccionar en Contours Low 21 High 26 OK Estadísticas > DOE > Factorial > Gráfica de contorno ampliada Seleccionar en Respuesta Y Seleccionar en Poner ajustes de factores extra en nivel Bajo Seleccionar en Contorno Bajo 21 Alto 26 OK Overlaid Contour Plot of Y 240.0 Y 21 26 238.5 Hold Values Velocidad 0.6 Intensidad 237.0 235.5 234.0 232.5 231.0 8 9 10 Caudal 11 12 Página 11 de 74 EJERCICIOS LEAN SIGMA FASE DE MEJORA P. Reyes / febrero de 2009 Paso 7. Obtener una respuesta optimizada Stat > DOE > Factorial > Response Optimizer Seleccionar en Response Y Seleccionar en Options Caudal 10 Intensidad 235 Velocidad 0.8 Seleccionar en Setup > Goal Maximize Lower 21 Target 26 OK Estadísticas > DOE > Factorial > Optimizador de Respuesta Seleccionar en Respuesta Y Seleccionar en Opciones Caudal 10 Intensidad 235 Velocidad 0.8 Seleccionar en Configuración> Maximizar Objetivo Inferior 21 Meta 26 OK Seleccionar y mover las líneas de cada factor hasta obtener el máximo rendimiento: Página 12 de 74 EJERCICIOS LEAN SIGMA FASE DE MEJORA P. Reyes / febrero de 2009 2. Diseño de dos niveles: Se usa un Router para hacer los barrenos de localización de una placa de circuito impreso. La vibración es fuente principal de variación. La vibración de la placa a ser cortada depende del tamaño de los barrenos (A1 = 1/16" y A2 = 1/8") y de la velocidad de corte (B1 = 40 RPMs y B2 = 90 RPMs). La variable de respuesta se mide en tres acelerómetros A,Y,Z en cada uno de los circuitos impresos. Los resultados se muestran a continuación. Niveles reales A 0.063 0.125 0.063 0.125 Réplica B 40 40 90 90 I 18.2 27.2 15.9 41.0 II 18.9 24.0 14.5 43.9 III 12.9 22.4 15.1 36.3 PASO 1. GENERAR EL DISEÑO FACTORIAL DE ACUERDO AL EXPERIMENTO Stat > DOE > Factorial > Create Factorial Design Type of Design: Two Level Factorial (default generators) Number of Factors 2 Designs Full Factorial Number of replicates: 4 Factors Factor Name Type Low High A Diámetro Numeric 0.063 0.125 B Velocidad Numeric 40 90 OK Options: Quitar bandera de Randomize runs OK ESTADÍSTICAS > DOE > Factorial > Crear Diseño Factorial Seleccionar Factorial de 2 niveles (generador de default); Numero de factores 2 Diseños: Seleccionar Factorial completo Factores Factor Name Type Low A Diámetro Numeric 0.063 B Velocidad Numeric 40 Opciones: Quitar bandera de Aleatoria OK Seleccionar Réplicas 4 High 0.125 90 OK Página 13 de 74 IV 14.4 22.5 14.2 39.9 EJERCICIOS LEAN SIGMA FASE DE MEJORA P. Reyes / febrero de 2009 PASO 2. CARGA DE DATOS DE LA COLUMNA DE RESPUESTA CORRESPONDIENTE A CADA COMBINACION DE FACTORES DESPUÉS QUE MINITAB GENERO EL DISEÑO O ARREGLO StdOrder 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 RunOrder 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 CenterPt 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 Blocks 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 Diametro 0.063 0.125 0.063 0.125 0.063 0.125 0.063 0.125 0.063 0.125 0.063 0.125 0.063 0.125 0.063 0.125 Velocidad 40 40 90 90 40 40 90 90 40 40 90 90 40 40 90 90 PASO 3 ANALIZAR EL MODELO DEL DISEÑO DE EXPERIMENTOS FACTORIAL COMPLETO Stat > DOE > Factorial > Analyze Factorial Design Response Seleccionar la columna de las respuestas Vibración Terms Pasar todos los términos a Selected terms con >> OK Graphs Seleccionar Effects Plots Normal y Pareto Seleccionar Alfa = 0.05 Seleccionar Residual for Plots Standardized Seleccionar Residual plots: Normal Plot y vs Residuals vs fits OK En Results Seleccionar todos los términos a Selected terms con >> OK OK Estadísticas > DOE > Factorial > Analizar Diseño Factorial Respuesta Seleccionar la columna de las respuestas Vibración o Respuesta Terminos Pasar todos los términos a Términos seleccionados con >> OK Graphs Seleccionar Gráfica de efectos principales Normal y Pareto Seleccionar Alfa = 0.05 Seleccionar Residuos para gráficas estandarizadas Seleccionar Gráficas de residuos: Gráfica Normal y vs residuos va sobre ajustes OK Página 14 de 74 VIBRACIÓN 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 EJERCICIOS LEAN SIGMA FASE DE MEJORA P. Reyes / febrero de 2009 Seleccionar todos los términos a Términos seleccionados con >> OK OK NOTA. Para que el modelo sea adecuado, los puntos se deben apegar a la línea recta en la gráfica normal y ser aleatorios en la grafica Vs Fits Términos para la ecuación de regresión Term Coef Constant 23.0550 Diametro -96.2400 Velocidad -0.372000 Diametro*Velocidad 5.57600 Yest = 23.0550 - 96.24*Diametro - 0.372*Velocidad + 5.576*Diametro*velocidad Normal Plot of the Standardized Effects (response is Resp, Alpha = .05) Effect Type Not Significant Significant 1.0E+02 99.9999 F actor A B Percent 99.99 N ame Diametro V elocidad 99 95 80 A 50 AB 20 B 5 1 0 4 8 Standardized Effect 12 16 Los factores significativos (que influyen en la vibración) aparece su nombre en ésta gráfica en este caso el DIAMETRO, LA VELOCIDAD y SU INTERACCIÓN Página 15 de 74 EJERCICIOS LEAN SIGMA FASE DE MEJORA P. Reyes / febrero de 2009 Pareto Chart of the Standardized Effects (response is Resp, Alpha = .05) 2.18 F actor A B N ame Diametro V elocidad Term A AB B 0 2 4 6 8 10 Standardized Effect 12 14 Los factores significativos (que influyen en la vibración) son los que sobrepasan la línea en ésta gráfica, en este caso el DIAMETRO, LA VELOCIDAD y SU INTERACCIÓN Paso 4. Obtener las gráficas factoriales para identificar las mejores condiciones de operación Las instrucciones son las siguientes: Stat > DOE > Factorial > Factorial Plots Seleccionar Main effects, Interaction Plots y Cube Plot Realizar el Setup para cada una de estas: Seleccionar columna Response Vibración y con >> seleccionar todos los factores a Selected OK Seleccionar Data Means OK Estadísticas > DOE > Factorial > Gráficas factoriales Seleccionar Efectos principales, Gráficas de interacciones y Gráficas de cubo Realizar la Configuración para cada una de estas: Seleccionar columna Respuesta Vibración y con >> seleccionar todos los factores a Seleccionados OK Seleccionar Media de datos OK Página 16 de 74 EJERCICIOS LEAN SIGMA FASE DE MEJORA P. Reyes / febrero de 2009 Main Effects Plot for Vibración Data Means Diametro Velocidad 32.5 30.0 Mean 27.5 25.0 22.5 20.0 17.5 15.0 0.063 0.125 40 90 Interaction Plot for Vibración Data Means Diametro 0.063 0.125 40 Mean 35 30 25 20 15 40 90 Velocidad Como la interacción fue significativa (AB) se usa esta grafica de interacciones para seleccionar los mejores niveles de operación. En este caso el punto que da la mínima vibración es con ajuste en: VELOCIDAD 90 DIAMETRO 0.063 (línea negra) Página 17 de 74 EJERCICIOS LEAN SIGMA FASE DE MEJORA P. Reyes / febrero de 2009 Cube Plot (data means) for Vibración 14.925 40.275 16.100 24.025 90 Velocidad 40 0.063 Diametro 0.125 Paso 5. Obtención de las gráficas de contornos y de superficie de respuesta Las instrucciones son las siguientes: Stat > DOE > Factorial > Contour / Surface Plots Seleccionar Contour y Surface Plots Realizar el Setup para cada una de estas: Seleccionar columna Response vibración Seleccionar Uncoded units (valores reales) OK Estadísticas > DOE > Factorial > Gráficas de Contorno / Superficie Seleccionar Gráficas de contorno y superficie Realizar la Configuración para cada una de estas: Seleccionar columna Vibración Seleccionar Unidades no codificadas (valores reales) OK Página 18 de 74 EJERCICIOS LEAN SIGMA FASE DE MEJORA P. Reyes / febrero de 2009 La gráfica de contornos indica la combinación de niveles para A y B manteniendo la Y respuesta Constante. Sirve para indicar hacia donde se debe seguir experimentando si se quiere mejorar la respuesta, trazando una recta casi perpendicular a los contornos: Contour Plot of Vibración vs Velocidad, Diametro 90 Vibración < 15 15 – 20 20 – 25 25 – 30 30 – 35 35 – 40 > 40 Velocidad 80 70 60 50 40 0.07 0.08 0.10 0.09 Diametro 0.11 0.12 Optimizador Stat > DOE > Factorial > Response optimizer Seleccionar como response Vibración Seleccionar Options Diamentro 0.065 Velocidad 50 Set up Vibración o Respuesta Goal Minimize Target 10 Upper 40 OK Estadísticas > DOE > Factorial > Optimizador de respuesta Seleccionar como respuesta Vibración Seleccionar Opciones Diamentro 0.065 Velocidad 50 Configuración Vibración o Respuesta Minimizar Objetivo 10 Superior 40 OK Respuesta óptima en Diámetro 0.125 y Velocidad 90 Página 19 de 74 EJERCICIOS LEAN SIGMA FASE DE MEJORA P. Reyes / febrero de 2009 3. Se utiliza una aleación de níquel y titanio para fabricar componentes de los motores de turbinas de aviones. La formación de fisuras es un problema potencialmente serio de las piezas terminadas, ya que pueden provocar fallas irreversibles. Se realiza una prueba de las piezas para determinar el efecto de cuatro factores sobre las fisuras. Los cuatro factores son la temperatura de vaciado (A), el contenido de titanio (B), el método de tratamiento térmico (C) y la cantidad de refinador de grano usada (D). Se hacen dos réplicas de un diseño 24 y se mide la longitud de las fisuras (en mm x 10-2) inducidas en un ejemplar de prueba de muestra sometido a una prueba estándar. Los datos se muestran en la siguiente tabla: Combinación de Réplica Réplica A B C D Tratamientos I II -1 -1 -1 -1 -1 7.037 6.376 +1 -1 -1 -1 a 14.707 15.219 -1 +1 -1 -1 b 11.635 12.089 +1 +1 -1 -1 ab 17.273 17.815 -1 -1 +1 -1 c 10.403 10.151 +1 -1 +1 -1 ac 4.368 4.098 -1 +1 +1 -1 bc 9.36 9.253 +1 +1 +1 -1 abc 13.44 12.923 -1 -1 -1 +1 d 8.561 8.951 +1 -1 -1 +1 ad 16.867 17.052 -1 +1 -1 +1 bd 13.876 13.658 +1 +1 -1 +1 abd 19.824 19.639 -1 -1 +1 +1 cd 11.846 12.337 Página 20 de 74 EJERCICIOS LEAN SIGMA FASE DE MEJORA P. Reyes / febrero de 2009 +1 -1 +1 +1 acd 6.125 5.904 -1 +1 +1 +1 bcd 11.19 10.935 +1 +1 +1 +1 abcd 15.653 15.053 a) Correr el diseño de experimentos Paso 1. Generar diseño Stat > DOE > Factorial > Create Factorial Design Seleccionar 2-Level factorial (default generators); Number of factors 4 Designs: Seleccionar Full Factorial Seleccionar Replicates 2 Factors: A B C D -1 +1 -1 +1 -1 +1 -1 +1 Options: Quitar bandera de Randomize runs OK ESTADÍSTICAS > DOE > Factorial > Crear Diseño Factorial Seleccionar Factorial de 2 niveles (generador de default); Numero de factores 4 Diseños: Seleccionar Factorial completo Seleccionar Réplicas2 Factores: A B C D -1 +1 -1 +1 -1 +1 -1 +1 Opciones: Quitar bandera de Aleatorizar corridas OK Paso 2. Copiar los resultados experimentales (columna de color) primero la réplica I y luego la réplica II ponerle el título de fisuras Paso 3. Analizar el experimento PASO 3 ANALIZAR EL MODELO DEL DISEÑO DE EXPERIMENTOS FACTORIAL COMPLETO Stat > DOE > Factorial > Analyze Factorial Design Response Seleccionar la columna de las respuestas Fisuras Terms Pasar todos los términos a Selected terms con >> OK Graphs Seleccionar Effects Plots Normal y Pareto Seleccionar Alfa = 0.05 Seleccionar Residual for Plots Standardized Seleccionar Residual plots: Normal Plot y vs Residuals vs fits OK En Results Seleccionar todos los términos a Selected terms con >> OK OK Página 21 de 74 EJERCICIOS LEAN SIGMA FASE DE MEJORA P. Reyes / febrero de 2009 Estadísticas > DOE > Factorial > Analizar Diseño Factorial Respuesta Seleccionar la columna de las respuestas Fisuras Terminos Pasar todos los términos a Términos seleccionados con >> OK Graphs Seleccionar Gráfica de efectos principales Normal y Pareto Seleccionar Alfa = 0.05 Seleccionar Residuos para gráficas estandarizadas Seleccionar Gráficas de residuos: Gráfica Normal y vs residuos va sobre ajustes OK Seleccionar todos los términos a Términos seleccionados con >> OK OK b) Obtener los residuos y hacer una prueba de normalidad, comentar la adecuación del modelo Cuando los residuos se apegan a la gráfica normal, el modelo es adecuado c) Determinar los efectos de los factores principales y de las interacciones Probar a un nivel del 5% identificar si hay los factores o las interacciones son significativas Los factores principales y las interacciones que son significativas son las siguientes: Descripción P value A, B, C y D 0.00 Pasan la línea roja del Pareto AB, AC 0.00 y sus nombres aparecen en la ABC 0.00 gráfica normal de efectos princ. d) Identificar en las graficas normal y Pareto los efectos principales e interacciones que son significativos Igual al anterior e) Determinar la ecuación de regresión del modelo del proceso con valores no codificados para predecir la respuesta (ver tabla de Coeficientes – coded units) Y = 11.9888 + 1.509*A + 1.988*B – 1.798*C + 0.979*D + 0.967*A*B – 2.004*A*C + 1.569*A*B*C f) Determinar los valores Y estimados hacer prueba de normalidad g) Obtener las gráficas factoriales y de cubo y dar conclusiones Paso 4. Obtener las gráficas factoriales para identificar las mejores condiciones de operación Las instrucciones son las siguientes: Stat > DOE > Factorial > Factorial Plots Seleccionar Main effects, Interaction Plots y Cube Plot Página 22 de 74 EJERCICIOS LEAN SIGMA FASE DE MEJORA P. Reyes / febrero de 2009 Realizar el Setup para cada una de estas: Seleccionar columna Response Fisuras y con >> seleccionar todos los factores a Selected OK Seleccionar Data Means OK Estadísticas > DOE > Factorial > Gráficas factoriales Seleccionar Efectos principales, Gráficas de interacciones y Gráficas de cubo Realizar la Configuración para cada una de estas: Seleccionar columna Fisuras y con >> seleccionar todos los factores a Seleccionados OK Seleccionar Media de datos OK h) Obtener las gráficas de contornos y de superficie de respuesta y dar conclusiones i) Obtener una ampliación de la zona de contornos de interés j) Utilizar el optimizador para encontrar una combinación óptima de factores para minimizar las fisuras Paso 5. Optimizador Stat > DOE > Factorial > Response optimizer Seleccionar como response Fisuras Seleccionar Options A 1 B 1 C 1 D 1 Set up Fisuras Goal Minimize Target 7 Upper 10 OK Estadísticas > DOE > Factorial > Optimizador de respuesta Seleccionar como respuesta Vibración Seleccionar Opciones A 1 B 1 C 1 D 1 Configuración Fisuras Minimizar Objetivo 7 Superior 10 OK k) Con las gráficas factoriales si se quieren minimizar las fisuras, ¿en qué niveles conviene operar el proceso? Página 23 de 74 EJERCICIOS LEAN SIGMA FASE DE MEJORA P. Reyes / febrero de 2009 4. Un ingeniero está interesado en los efectos de la velocidad de corte (A), la geometría de la herramienta (B) y el ángulo de corte (C) sobre la vida (en horas) de una máquina herramienta. Se eligen dos niveles de cada factor y se corren tres réplicas de un diseño factorial 23. Los resultados fueron los siguientes: Réplicas A B C I II III -1 -1 -1 22 31 25 +1 -1 -1 32 43 29 -1 +1 -1 35 34 50 +1 +1 -1 55 47 46 -1 -1 +1 44 45 38 +1 -1 +1 40 37 36 -1 +1 +1 60 50 54 +1 +1 +1 39 41 47 a) Realizar y correr el diseño de experimentos b) Obtener los residuos y hacer una prueba de normalidad, comentar la adecuación del modelo c) Determinar los efectos de los factores principales y de las interacciones Probar a un nivel del 5% identificar si hay los factores o las interacciones son significativas d) Identificar en las graficas normal y Pareto los efectos principales e interacciones que son significativos e) Determinar la ecuación de regresión del modelo del proceso con valores no codificados para predecir la respuesta f) Determinar los valores Y estimados hacer prueba de normalidad g) Obtener las gráficas factoriales y de cubo y dar conclusiones h) Obtener las gráficas de contornos y de superficie de respuesta y dar conclusiones i) Obtener una ampliación de la zona de contornos de interés j) Utilizar el optimizador para encontrar una combinación óptima de factores para maximizar la vida k) Con las gráficas factoriales si se quiere maximizar la vida, ¿en que niveles conviene operar el proceso? Página 24 de 74 EJERCICIOS LEAN SIGMA FASE DE MEJORA P. Reyes / febrero de 2009 5. Diseño de experimentos factorial completo: Se estudia el rendimiento de un proceso químico (Y), donde se piensa que los factores que mayor influencia tienen son la temperatura y la presión (X1, X2). Se diseña un experimento factorial completo con dos réplicas y tomando tres niveles en cada factor como se muestra en la tabla de rendimientos. Hacer los análisis de la significancia de cada factor a un 5% de significancia. PRESION (psig) TEMP. 150 200 90.4 90.2 90.1 90.3 90.5 90.7 160 170 215 90.7 90.6 90.5 90.6 90.8 90.9 230 90.2 90.4 89.9 90.1 90.4 90.1 a) Generar el diseño PASO 1. GENERAR EL DISEÑO FACTORIAL DE ACUERDO AL EXPERIMENTO Stat > DOE > Factorial > Create Factorial Design Type of Design: General Full Factorial Design Number of factors 2 Designs: Factor A Name Temp Levels 3 Factor B Name Presion Levels 3 Number of Replicates 2 Options Quitar selección de randomize runs OK Factors Introducir los niveles para TEMP. 200 215 230 PRESIÓN 150 160 170 OK PASO 2. CARGA DE DATOS DE LA COLUMNA DE RESPUESTA CORRESPONDIENTE A CADA COMBINACION DE FACTORES DESPUÉS QUE MINITAB GENERO EL DISEÑO O ARREGLO Ver diseño con Stat > DOE > Display Design Seleccionar Standard order for design Uncoded Units OK NOTA: Coded units muestra 1, 2 y 3 StdOrder 1 2 3 4 5 RunOrder 10 12 3 9 6 PtType 1 1 1 1 1 Blocks 1 1 1 1 1 Página 25 de 74 Temp Presion 200 200 200 215 215 150 160 170 150 160 Rendimiento 90.4 90.1 90.5 90.7 90.5 EJERCICIOS LEAN SIGMA FASE DE MEJORA 6 7 8 9 10 11 12 13 14 15 16 17 18 15 8 13 2 14 1 7 4 11 18 16 5 17 1 1 1 1 1 1 1 1 1 1 1 1 1 P. Reyes / febrero de 2009 1 1 1 1 1 1 1 1 1 1 1 1 1 215 230 230 230 200 200 200 215 215 215 230 230 230 170 150 160 170 150 160 170 150 160 170 150 160 170 PASO 3. ANALIZAR EL MODELO DEL DISEÑO DE EXPERIMENTOS FACTORIAL COMPLETO Stat > DOE > Factorial > Analyze Factorial Design Response Seleccionar la columna de Rendimiento Terms Pasar todos los términos a Selected con >> OK Graphs Residuals for Plots standardized Seleccionar Residual plots: Normal y vs fits OK Results ANOVA table, Unusual observations Seleccionar todos los términos con >> OK OK b) Determinar si el modelo es adecuado por medio de los residuos c) Por medio de los P values en la tabla ANOVA, identificar los factores significativos así como las interacciones siginificativas General Linear Model: Rendimiento versus Temperatura, Presion Factor Type Levels Values Página 26 de 74 90.8 90.2 89.9 90.4 90.2 90.3 90.7 90.6 90.6 90.9 90.4 90.1 90.1 EJERCICIOS LEAN SIGMA FASE DE MEJORA Temperatura Presion fixed fixed 3 3 P. Reyes / febrero de 2009 200, 215, 230 150, 160, 170 Analysis of Variance for Rendimiento, using Adjusted SS for Tests Source Temperatura Presion Temperatura*Presion Error Total S = 0.133333 DF 2 2 4 9 17 Seq SS 0.76778 0.30111 0.06889 0.16000 1.29778 R-Sq = 87.67% Adj SS 0.76778 0.30111 0.06889 0.16000 Adj MS 0.38389 0.15056 0.01722 0.01778 F 21.59 8.47 0.97 P 0.000 Significativo 0.009 0.470 R-Sq(adj) = 76.71% d) Obtener las gráficas factoriales para identificar las mejores condiciones de operación PASO 4. OBTENER LAS GRÁFICAS FACTORIALES PARA IDENTIFICAR LAS MEJORES CONDICIONES DE OPERACIÓN Stat > DOE > Factorial > Factorial Plots Seleccionar Main effects e Interaction Plots Setup para ambas: En Response seleccionar Rendimiento y con >> seleccionar todos los factores OK Seleccionar Data Means OK De aquí se seleccionan los mejores niveles de acuerdo al resultado deseado. Si la interacción es significativa, los mejores niveles se seleccionan de las gráficas de interacciones, de otra forma se seleccionan de las gráficas de efectos de los factores principales. Main Effects Plot for Rendimiento Data Means Temp 90.7 Presion Mean 90.6 90.5 90.4 90.3 90.2 200 215 230 150 160 Para maximizar el rendimiento se selecciona: Presión = 170 psig Página 27 de 74 170 EJERCICIOS LEAN SIGMA FASE DE MEJORA P. Reyes / febrero de 2009 Temperatura = 215ºC Interaction Plot for Rendimiento Data Means 90.9 Temp 200 215 230 90.8 90.7 Mean 90.6 90.5 90.4 90.3 90.2 90.1 90.0 150 160 Presion 170 6. Se está estudiando el rendimiento para un proceso industrial, los dos factores de interés son temperatura y presión. Se utilizan tres niveles de cada factor, con los resultados siguientes: Presión en libras / pulg. 2 Temperatura 250 260 270 20 86.3 84 85.8 86.1 85.2 87.3 88.5 87.3 89 89.4 89.9 90.3 89.1 90.2 91.3 91.7 93.3 93.7 40 60 Temperatura Presion Rendimiento 20 250 86.3 20 260 84 20 270 85.8 40 250 88.5 40 260 87.3 40 270 89 60 250 89.1 Página 28 de 74 EJERCICIOS LEAN SIGMA FASE DE MEJORA 60 260 90.2 60 270 91.3 20 250 86.1 20 260 85.2 20 270 87.3 40 250 89.4 40 260 89.9 40 270 90.3 60 250 91.7 60 60 260 270 93.3 93.7 P. Reyes / febrero de 2009 Para un nivel alfa de 0.05 a) Determinar los valores P correspondientes a los factores principales y las interacciones y establecer conclusiones b) Hacer una prueba de normalidad de los residuos estandarizados d) Determinar los efectos de los factores principales y de las interacciones e) Obtener las gráficas factoriales e identificar en cuales seleccionar los diferentes niveles f) Si se quiere maximizar el rendimiento, ¿en que niveles conviene operar el proceso? 7. Johnson y Leone describen un experimento realizado para investigar la torcedura de placas de cobre. Los dos factores estudiados fueron la temperatura y el contenido de cobre de las placas. La variable de respuesta fue de una medida de la cantidad de torcedura. Los datos fueron los siguientes: Contenido de cobre (%) Temperatura (°C) 50 40 60 80 100 17, 20 16, 21 24, 22 28, 27 75 12, 9 18, 13 17, 12 27, 31 100 16, 12 18, 21 25, 23 30, 23 125 21, 17 23, 21 23, 22 29, 31 a) A un nivel de significancia del 5% identificar si hay los factores o las interacciones son significativas Página 29 de 74 EJERCICIOS LEAN SIGMA FASE DE MEJORA P. Reyes / febrero de 2009 b) Obtener los residuos y hacer una prueba de normalidad, comentar la adecuación del modelo c) Determinar los efectos de los factores principales y de las interacciones d) Obtener las gráficas factoriales e identificar en cuales seleccionar los diferentes niveles e) Si se quiere minimizar la torcedura, ¿en que niveles conviene operar el proceso? f) Suponga que no es sencillo controlar la temperatura en el medio ambiente donde van a usarse las placas de cobre ¿Este hecho modifica la respuesta que se dio en el inciso d? 8. Los factores que influyen para el esfuerzo a la ruptura de una fibra sintética están siendo estudiados 4 maquinas de producción y tres operadores son escogidos y un experimento factorial es realizado y usando la fibra de los mismos lotes de producción, con los siguientes resultados. MAQUIINA OPERADOR JUAN PEDRO JORGE A B C D 109 110 108 110 110 115 109 108 110 110 111 114 112 111 109 112 116 112 114 120 114 115 119 117 a) A un nivel de significancia del 5% identificar si hay los factores o las interacciones son significativas b) Obtener los residuos y hacer una prueba de normalidad, comentar la adecuación del modelo c) Determinar los efectos de los factores principales y de las interacciones d) Obtener las gráficas factoriales e identificar en cuales seleccionar los diferentes niveles e) Si se quiere maximizar la resistencia a la ruptura ¿en que niveles debe operar el proceso? Página 30 de 74 EJERCICIOS LEAN SIGMA FASE DE MEJORA P. Reyes / febrero de 2009 9. Diseño de experimentos de Taguchi Taguchi ha desarrollado una serie de arreglos para experimentos con factores a dos niveles, los más utilizados y difundidos según el número de factores a analizar son: Nº de condiciones Si el número de factores que Arreglo a utilizar se desean analizar es a probar Entre 1 y 3 L4 4 Entre 4 y 7 L8 8 Entre 8 y 11 L12 12 Entre 12 y 15 L16 16 Entre 16 y 31 L32 32 Entre 32 y 63 L64 64 Taguchi sugiere utilizar un estadístico que proporcione información acerca de la media y de la variancia denominado Relación Señal a Ruido (SNR), como la variable de respuesta, se consideran tres tipos principales. Las fórmulas para cada esquema son las siguientes: 1. Menor es mejor (Smaller is better - s) n 2 SNRs 10 log Yi i 1 n 2. Mayor es mejor Larger is better - l) 1 / Yi2 i 1 n n SNRl 10log 3. Nominal es mejor - (Target is better - t) SNRt 10 log s 2 Donde la SNR se expresa en decibeles y debe ser maximizada Una vez insertados los componentes en una placa de circuito impreso, esta se pasa a una máquina de soldar donde por medio de un transportador pasa por un baño de flux para eliminar oxido, se precalienta para reducir la torcedura y se suelda. Se diseña un experimento para determinar las condiciones que dan el número mínimo de defectos de soldadura por millón de uniones. Los factores de control y niveles se muestran a continuación: ARREGLO INTERNO Factor A Descripción Temperatura de soldado ºF Página 31 de 74 (-1) 480 (+1) 510 EJERCICIOS LEAN SIGMA FASE DE MEJORA B C D E P. Reyes / febrero de 2009 Velocidad del transportador (ft/min) Densidad del flux remover oxido Temperatura de precalentado ºF Altura de ola de soldadura(pulg.) 7.2 0.9 150 0.5 10. 1.0 200 0.6 Además se tienen otros factores denominados factores de ruido que no se pueden o no se quieren controlar como el tipo de producto. También se pueden considerar factores de ruido las tolerancias de algunos de los factores críticos en este proceso, en este caso la temperatura de la soldadura varia entre ±5ºF y la velocidad del transportador entre ± 0.2 ft/min. Esta variabilidad también tiene influencia en la respuesta. ARREGLO INTERNO Factor Descripción F Temperatura de soldadura (ºF) G Velocidad del transportador (ft/min) H Tipo de producto en la placa (-1) -5 -0.2 2 (+1) 5 +0.2 1 El arreglo cruzado de ambos y los valores de las respuestas se muestran a continuación: En este caso se busca la respuesta Menor es mejor para los defectos de soldadura. Arreglo interno F -1 1 1 -1 G -1 1 -1 1 H -1 -1 1 1 A B C D E SNR -1 -1 -1 -1 -1 186 187 105 104 -43.59 -1 -1 1 1 1 328 326 247 322 -49.76 -1 1 -1 -1 1 234 159 231 157 -45.97 -1 1 1 1 -1 295 216 204 293 -48.15 1 -1 -1 1 -1 47 125 127 42 -39.51 1 -1 1 -1 1 185 261 264 264 -47.81 1 1 -1 1 1 136 136 132 136 -42.61 1 1 1 -1 -1 194 197 193 275 -46.75 PASO 1. GENERAR EL DISEÑO FACTORIAL DE ACUERDO AL EXPERIMENTO Página 32 de 74 EJERCICIOS LEAN SIGMA FASE DE MEJORA P. Reyes / febrero de 2009 PASO 2. CARGA DE DATOS DE LA COLUMNA DE RESPUESTA CORRESPONDIENTE A CADA COMBINACION DE FACTORES DESPUÉS QUE MINITAB GENERO EL DISEÑO O ARREGLO A B C D E -F-G-H FG-H F-GH -1 -1 -1 -1 -1 186 187.0 105 104 -1 -1 1 1 1 328 326.0 247 322 -1 1 -1 -1 1 234 159.0 231 157 -1 1 1 1 -1 295 216.0 204 293 1 -1 -1 1 -1 47 125.0 127 42 1 -1 1 -1 1 185 261.0 264 264 1 1 -1 1 1 136 136.0 132 136 1 1 1 -1 -1 194 197.0 193 275 PASO 3 ANALIZAR MODELO DE DISEÑO DE EXPERIMENTOS FRACCIONAL DE TAGUCHI Página 33 de 74 -FGH EJERCICIOS LEAN SIGMA FASE DE MEJORA P. Reyes / febrero de 2009 Los resultados se muestran a continuación a) Gráfica normal de residuos Indica que le modelo es adecuado Normal Probability Plot of the Residuals (response is Means) 99 95 90 Percent 80 70 60 50 40 30 20 10 5 1 -3 -2 -1 0 1 Standardized Residual Página 34 de 74 2 3 EJERCICIOS LEAN SIGMA FASE DE MEJORA P. Reyes / febrero de 2009 b) Coeficientes y ANOVA para Relaciones Señal a Ruido Taguchi Analysis: -F-G-H, FG-H, F-GH, -FGH versus A, B, C, D, E Linear Model Analysis: SN ratios versus A, B, C, D, E Estimated Model Coefficients for SN ratios Term Constant A -1 B -1 C -1 D -1 E -1 A*B -1 -1 Coef -45.5183 -1.3480 0.3503 2.6000 -0.5119 1.0188 -0.1589 S = 0.05974 SE Coef 0.02112 0.02112 0.02112 0.02112 0.02112 0.02112 0.02112 T -2154.926 -63.819 16.583 123.089 -24.233 48.230 -7.520 R-Sq = 100.0% P 0.000 0.010 0.038 0.005 0.026 0.013 0.084 Para SNR los cinco factores son significativos a una alfa del 5% R-Sq(adj) = 100.0% Analysis of Variance for SN ratios Source A B C D E A*B Residual Error Total DF 1 1 1 1 1 1 1 7 Seq SS 14.5378 0.9815 54.0796 2.0961 8.3030 0.2019 0.0036 80.2035 Adj SS 14.5378 0.9815 54.0796 2.0961 8.3030 0.2019 0.0036 Adj MS 14.5378 0.9815 54.0796 2.0961 8.3030 0.2019 0.0036 F 4072.88 274.99 15150.84 587.23 2326.15 56.56 P 0.010 0.038 0.005 0.026 0.013 0.084 c) Coeficientes y ANOVA para las medias de los factores Linear Model Analysis: Means versus A, B, C, D, E Estimated Model Coefficients for Means Term Constant A -1 B -1 C -1 D -1 E -1 A*B -1 -1 S = 8.839 Coef 197.125 27.500 -2.125 -56.875 2.625 -22.750 3.125 SE Coef 3.125 3.125 3.125 3.125 3.125 3.125 3.125 R-Sq = 99.8% T 63.080 8.800 -0.680 -18.200 0.840 -7.280 1.000 P 0.010 0.072 0.620 0.035 0.555 0.087 0.500 R-Sq(adj) = 98.5% Página 35 de 74 Solo son significativos a un nivel alfa del 5% el factor C y al 10% A, C, E. EJERCICIOS LEAN SIGMA FASE DE MEJORA P. Reyes / febrero de 2009 Analysis of Variance for Means Source A B C D E A*B Residual Error Total DF 1 1 1 1 1 1 1 7 Seq SS 6050.0 36.1 25878.1 55.1 4140.5 78.1 78.1 36316.1 Adj SS 6050.0 36.1 25878.1 55.1 4140.5 78.1 78.1 Adj MS 6050.0 36.1 25878.1 55.1 4140.5 78.1 78.1 F 77.44 0.46 331.24 0.71 53.00 1.00 d) Las respuestas promedio y gráficas factoriales para relación Señal a Ruido son: ¿ Response Table for Signal to Noise Ratios Smaller is better Level 1 2 Delta Rank A -46.87 -44.17 2.70 2 B -45.17 -45.87 0.70 5 C -42.92 -48.12 5.20 1 D -46.03 -45.01 1.02 4 E -44.50 -46.54 2.04 3 Main Effects Plot (data means) for SN ratios A B Main Effects Plot (data means) for SN ratios -44 A Mean of SN ratios C B C -46 Mean of SN ratios -44 -48 -1 -46 -48 1 -1 1 D -1 1 E -44 -46 -1 1 -1 D 1 E -48 -44 -1 1 -1 1 Signal-to-noise: Smaller is better -46 -48 -1 1 -1 1 Signal-to-noise: Smaller is better Página 36 de 74 -1 1 P 0.072 0.620 0.035 0.555 0.087 0.500 EJERCICIOS LEAN SIGMA FASE DE MEJORA P. Reyes / febrero de 2009 Los factores más significativos son A, C y E. Seleccionamos para menor es mejor los que den respuesta Máxima: A=1 B = -1 C = -1 D=1 E = -1 Interaction Plot (data means) for SN ratios -1 1 A -1 1 -44 -45 A -46 -47 B -1 1 -44 -45 B -46 -47 -1 1 Signal-to-noise: Smaller is better d) Las respuestas promedio y gráficas factoriales para los factores principales son: Main Effects Plot (data means) for Means A B C 250 225 Mean of Means 200 175 150 -1 1 -1 D 1 E 250 225 200 175 150 -1 1 -1 1 Página 37 de 74 -1 1 EJERCICIOS LEAN SIGMA FASE DE MEJORA P. Reyes / febrero de 2009 Se observan como factores significativos A, C y E (considerados para alfa de 10%), seleccionamos para una respuesta mínima: A=1 C = -1 E = -1 Si no coincidieran los niveles en SN y medias en los factores, se da prioridad a los niveles que maximizen la SNR. Interaction Plot (data means) for Means -1 1 220 A -1 1 200 A 180 160 220 200 B 180 160 -1 1 No se observa interacción significativa entre los factores A y B, las líneas están casi paralelas PASO 5 PREDICCIÓN DE RESULTADOS CON EL MODELO OBTENIDO Stat > DOE > Taguchi > Predict Taguchi Results Terms >> todos Levels seleccionar Uncoded Units y Select levels from a list Seleccionar los niveles que maximicen la respuesta OK Predicted values S/N Ratio 52.6883 Mean 309 StDev 39.7725 Ln(StDev) 3.68353 Página 38 de 74 B -1 1 EJERCICIOS LEAN SIGMA FASE DE MEJORA P. Reyes / febrero de 2009 10. En un proceso de formación de paneles una característica no deseada es la emisión de formaldehído en el producto final. Se desea que esta emisión sea lo mínima posible. Actualmente se estima en 0.45 ppm. (partes por millón). Se cree que cinco factores pueden estar afectando la emisión, estos son: tipo de resina, concentración de la solución, tiempo de ciclo de prensado, humedad y presión. En este caso estamos interesados en analizar el efecto de 5 efectos o factores a dos niveles cada uno, por lo tanto, se usará un arreglo ortogonal L8. Esto implica que se ejecutarán 8 pruebas o condiciones experimentales. Por otra parte se disponen de 7 columnas, a cada columna se le puede asignar o asociar un factor. Si en particular, asignamos los factores en orden a las primeras cinco Columnas, dejando libres las últimas dos columnas, el arreglo queda: No. A B C D E e1 e2 Resina Concen. Tiempo Humedad Presión Yi 1 1 1 1 1 1 1 1 Tipo I 5% 10 seg. 3% 800 psi. 0.49 2 1 1 1 2 2 2 2 Tipo I 5% 10 seg. 5% 900 psi. 0.42 3 1 2 2 1 1 2 2 Tipo I 10% 15 seg. 3% 800 psi. 0.38 4 1 2 2 2 2 1 1 Tipo I 10% 15 seg. 5% 900 psi. 0.30 5 2 1 2 1 2 1 2 Tipo II 5% 15 seg. 3% 900 psi. 0.21 6 2 1 2 2 1 2 1 Tipo II 5% 15 seg. 5% 800 psi. 0.24 7 2 2 1 1 2 2 1 Tipo II 10% 10 seg. 3% 900 psi. 0.32 8 2 2 1 2 1 1 2 Tipo II 10% 10 seg. 5% 800 psi. 0.28 Con Minitab se crea el arreglo con: Stat > DOE > Taguchi > Create Taguchi Design Type of Design: 2 level design Number of factors 5 Designs: L8 Seleccionar Assign factors To columns of the array as specified below Factors Name Level values Column Levels A 1 2 1 2 B 1 2 2 2 C 1 2 3 2 D 1 2 4 2 E 1 2 5 2 Options: Store design in the worksheet OK Página 39 de 74 EJERCICIOS LEAN SIGMA FASE DE MEJORA P. Reyes / febrero de 2009 La columna de la Yi se agrega después de correr los experimentos: A 1 1 1 1 2 2 2 2 B 1 1 2 2 1 1 2 2 C 1 1 2 2 2 2 1 1 D 1 2 1 2 1 2 1 2 E 1 2 1 2 2 1 2 1 Yi 0.49 0.42 0.38 0.3 0.21 0.24 0.32 0.28 Analizar el diseño experimental con: Con Minitab Stat > DOE > Taguchi > Analyze Taguchi Design Response data in Y Analysis. Fit linear model for Signal to Noise Ratios Means Graphs: Signal to Noise Ratios Means Terms: A B C D E F Analysis graphs: Residuals for plots Standardized Residual Plots Individual plots Normal plot Options: Smaller is better Storage: Signal to Noise Ratios Means OK Al final obtener una predicción de la respuesta: Stat > DOE > Taguchi > Predict Taguchi Results Terms >> todos Levels seleccionar coded Units y Select levels from a list Seleccionar los niveles que minimicen la respuesta OK S/N Ratio 13.8571 Mean 0.1675 Página 40 de 74 EJERCICIOS LEAN SIGMA FASE DE MEJORA P. Reyes / febrero de 2009 11. Ejemplo con interacciones: Variable de respuesta viscosidad, el mayor valor es deseado. A B C D E Factores Mezcla de hule crudo Curado Velocidad de prensado Enfriamiento del tambor Secado con vapor envolvente Interacción ExD Interacción DxC Nivel I si no 50m/min con agua si Nivel II no 24 hrs. 55 m/min sin agua no DxC 1 2 2 1 1 2 2 1 Resultado 1620 1580 1100 1150 1500 1560 1000 1020 Arreglo ortogonal y resultados Nº 1 2 3 4 5 6 7 8 E 1 1 1 1 2 2 2 2 D 1 1 2 2 1 1 2 2 ExD 1 1 2 2 2 2 1 1 C 1 2 1 2 1 2 1 2 B 1 2 1 2 2 1 2 1 A 1 2 2 1 2 1 1 2 Solución con Minitab se crea el arreglo con: 1. Diseñar el arreglo ortogonal definiendo las columnas para los factores principales y las interacciones, en este caso: Col. 1 Col. 2 Col. 3 Col. 4 Col. 5 Col. 6 Col. 7 A C AxC B AxB CxB D 1 1 1 1 1 1 1 1 1 1 2 2 2 2 1 2 2 1 1 2 2 1 2 2 2 2 1 1 2 1 2 1 2 1 2 2 1 2 2 1 2 1 2 2 1 1 2 2 1 2 2 1 2 1 1 2 2. Reconocer el arreglo en Minitab con: Stat > DOE > Taguchi > Define Custom Taguchi Design Factors A B C D OK Página 41 de 74 EJERCICIOS LEAN SIGMA FASE DE MEJORA P. Reyes / febrero de 2009 Esta columna es el resultado de los experimentos: A 1 1 1 1 2 2 2 2 C 1 1 2 2 1 1 2 2 AxC 1 1 2 2 2 2 1 1 B 1 2 1 2 1 2 1 2 AxB 1 2 1 2 2 1 2 1 CxB 1 2 2 1 1 2 2 1 D 1 2 2 1 2 1 1 2 Yi 11.2 10.8 7.2 7.0 8.0 6.9 10.4 10.1 3. Analizar el diseño con: Con Minitab Stat > DOE > Taguchi > Analyze Taguchi Design Response data in Yi Analysis. Fit linear model for Signal to Noise Ratios Means Graphs: Signal to Noise Ratios Means Terms: A B C D Analysis graphs: Residuals for plots Standardized Residual Plots Individual plots Normal plot Options: Smaller is better Storage: Signal to Noise Ratios Means OK Los resultados son los siguientes: Establecer conclusiones 4. Predecir la respuesta con Minitab Stat > DOE > Taguchi > Predict Taguchi Results Predict Mean Signal to Noise Ratio Terms: A C D E Levels: Seleccionar Coded Units Select levels from a list: A = 1, B = 2, C = 2, D=1 OK 12. Una característica de calidad importante para un cierto producto metálico es el terminado, que se mide según su planicidad en milésimas de pulgada (mmplg). Esta característica se piensa es afectada por los siguientes factores: Página 42 de 74 EJERCICIOS LEAN SIGMA FASE DE MEJORA Factor A B C D G H AxC AxD Descripción Temperatura del horno Presión de prensado Velocidad de recocido Velocidad de alimentación ref. Tipo de modelo Templabilidad del material Interacción Interacción P. Reyes / febrero de 2009 Nivel 1 Nivel 2 1500 ºF 1600 ºF 200 psi 220 psi 8 seg 12 seg 80 gal/min 100gal/min chico grande 25 Rc 30 Rc Los factores G y H son factores que no se pueden controlar durante el proceso, ya que el tipo de modelo depende del requerimiento específico del cliente y la templabilidad es una característica de la materia prima. Estos dos factores se consideran al menos inicialmente como factores de ruido. Por lo tanto, se consideran como factores de diseño a los factores A, B, C y D. De acuerdo con esto, lo que se desea saber es cuáles deben ser las condiciones de operación o niveles de los factores de diseño A, B, C y D, que lleven el producto a la característica objetivo y además con la mínima variabilidad, a pesar de las variaciones en los factores G y H. Arreglo interno Considere únicamente los factores de diseño, se desea detectar 6 efectos en total, y para ello, se requiere de un arreglo ortogonal L8. La gráfica lineal requerida es: 3 1 A .2 B 4 C 5 A xC AxD 6 7 D La columna correspondiente a la línea punteada se utilizará para cuantificar el error. Una posible asignación es: Página 43 de 74 EJERCICIOS LEAN SIGMA FASE DE MEJORA Nº A 1 B 2 e 3 C 4 AxC 5 P. Reyes / febrero de 2009 AxD 6 D 7 Este será el arreglo interno y consiste de 8 condiciones experimentales/renglones Arreglo externo Considere ahora únicamente los factores de ruido G y H. Se requieren de dos columnas, de manera que un arreglo ortogonal L4 es suficiente. El arreglo, al que llamaremos arreglo externo es: Nº 1 2 3 4 G 1 1 1 2 2 H 2 1 2 1 2 3 1 2 1 1 Observe que no se asigna efecto alguno a la columna 3, la cual queda libre. Arreglo total Los dos arreglos anteriores se “mezclan” o “combinan” en un solo arreglo total, tal y como se muestra: H G Nº 1 2 3 4 5 6 7 8 A 1 1 1 1 1 2 2 2 2 B 2 1 1 2 2 1 1 2 2 e 3 1 1 2 2 2 2 1 1 C 4 1 2 1 2 1 2 1 2 AxC 5 1 2 1 2 2 1 2 1 AxD 6 1 2 2 1 1 2 2 1 D 7 1 2 2 1 2 1 1 2 Página 44 de 74 1 1 1 2 2 1 2 1 2 1 2 2 1 Y11 Y21 Y31 Y41 Y51 Y61 Y71 Y81 2 Y12 Y22 Y32 Y42 Y52 Y62 Y72 Y82 3 Y13 Y23 Y33 Y43 Y53 Y63 Y73 Y83 4 Y14 Y24 Y34 Y44 Y54 Y64 Y74 Y84 EJERCICIOS LEAN SIGMA FASE DE MEJORA P. Reyes / febrero de 2009 Las 32 lecturas son las siguientes: H G Nº 1 2 3 4 5 6 7 8 A 12 1 1 1 1 2 2 2 2 B 3 1 1 2 2 1 1 2 2 e 4 1 1 2 2 2 2 1 1 C 5 1 2 1 2 1 2 1 2 AxC 6 1 2 1 2 2 1 2 1 AxD D 7 1 1 1 2 2 2 2 1 1 1 2 2 1 2 1 1 2 Totales= 1 1 1 2 2 1 2 3 1.1 1.2 1.2 1.3 2.0 2.1 2.1 2.2 1.0 1.4 1.2 1.3 1.6 2.1 1.5 2.0 11.7 13.6 14.2 2 1 2 1 2 2 4 1.3 1.2 2.2 2.1 1.2 1.5 2.4 2.3 13.3 1.1 1.3 2.1 2.0 1.3 1.0 2.0 2.5 Solución con Minitab se crea el arreglo con: 1. Diseñar el arreglo ortogonal definiendo las columnas para los factores principales y las interacciones, en este caso: FACTORES DE CONTROL A B e C AxC AxD D 1 1 1 1 1 1 1 1 1 1 2 2 2 2 1 2 2 1 1 2 2 1 2 2 2 2 1 1 2 1 2 1 2 1 2 2 1 2 2 1 2 1 2 2 1 1 2 2 1 2 2 1 2 1 1 2 2. Reconocer el arreglo en Minitab con: Stat > DOE > Taguchi > Define Custom Taguchi Design Factors A B C D OK Estas columnas es el resultado de los experimentos: FACTORES DE CONTROL A B e 1 1 1 1 1 1 1 2 2 1 2 2 2 1 2 2 1 2 2 2 1 2 2 1 C 1 2 1 2 1 2 1 2 AxC 1 2 1 2 2 1 2 1 AxD 1 2 2 1 1 2 2 1 D 1 2 2 1 2 1 1 2 Página 45 de 74 COMB. FACTORES DE RUIDO H1_G1 H2_G1 H1_G2 H2_G2 1.1 1.2 1.3 1.1 1.2 1.3 1.2 1.3 2 2.1 2.2 2.1 2.1 2.2 2.1 2 1 1.4 1.2 1.3 1.2 1.3 1.5 1 1.6 2.1 2.4 2 1.5 2 2.3 2.5 EJERCICIOS LEAN SIGMA FASE DE MEJORA P. Reyes / febrero de 2009 3. Analizar el diseño con: Con Minitab Stat > DOE > Taguchi > Analyze Taguchi Design Response data in H1_G1 H2_G1 H1_G2 H2_G2 Analysis. Fit linear model for Signal to Noise Ratios Means Graphs: Signal to Noise Ratios Means Terms: A B C D Analysis graphs: Residuals for plots Standardized Residual Plots Individual plots Normal plot Options: Nominal is Best Seleccionar Use adjusted formula for nominal is best Storage: Signal to Noise Ratios Means OK Los resultados son los siguientes (al 0.2 de nivel de significancia): Suponga que por alguna razón para este ejemplo en particular, se tiene un valor deseado de m= 2 mmplg. 4. Predecir la respuesta con A = 1 y B = 1.5 se tiene: Stat > DOE > Taguchi > Predict Taguchi Results Predict Mean Signal to Noise Ratio Terms: A B C D AxC AxD Levels: Seleccionar Coded Units Select levels from a list: A = 1, B = 1, C = 1, D=1 OK Conclusión: como el valor de la presión de prensado es el único factor que ajusta a la media, debe ajustarse para que la planicidad se encuentre en su valor nominal de 2. 13. Ejemplo de fabricación de bolas de Golf Se fabrican bolas de golf con un nuevo diseño para maximizar la distancia de vuelo. Se han identificado cuatro factores de control, cada uno con dos niveles: - Material del nucleo (líquido y tungsteno) - Diámetro del nucleo (118 y 156) - Número de vueltas (392 y 422) - Espesor del recubrimiento (0.03 y 0.06) Se desea probar la interacción entre el material del nucleo y su diámetro. Como respuesta se mide la distancia en dos clubes de golf como factor de ruido. Página 46 de 74 EJERCICIOS LEAN SIGMA FASE DE MEJORA P. Reyes / febrero de 2009 Como se quiere maximizar la respuesta se selecciona la relación señal a ruido Mayor es mejor. Paso 1. Abrir el archivo de Minitab File > Open worksheet GOLFBALL.MTW. Contiene el diseño y los datos de distancia de respuesta. Material Liquid Liquid Liquid Liquid Tungsten Tungsten Tungsten Tungsten Diameter Dimples 118 392 118 422 156 392 156 422 118 392 118 422 156 392 156 422 Thickness 0.03 0.06 0.03 0.06 0.06 0.03 0.06 0.03 Driver 247.5 224.4 59.4 75.9 155.1 39.6 92.4 21.9 Iron 234.3 214.5 49.5 72.6 148.5 29.7 82.5 18.6 Reconocer el diseño con: Stat > DOE > Taguchi Define custom Taguchi Design Factors Material – Thickness OK Paso 2. Analizar el diseño Stat > DOE > Taguchi > Analyze Taguchi Design. En Response data are in, seleccionar Driver and Iron. Click Analysis. En Fit linear model for, seleccionar Signal-to-noise ratios and Means. Click OK. Click Terms. Mover los términos AB a Selected Terms con > o con doble click. Click OK. Click Options. En Signal to Noise Ratio, seleccionar Larger is better. Click OK en cada cuadro de diálogo Los resultados se muestran a continuación: Para la predicción se puede decidir qué factores e interacciones incluir, para mejorar la predicción. Stat > DOE > Taguchi > Predict Taguchi Results. Quitar la selección de Standard deviation y Natural log of standard deviation. Click Terms. Incluir los términos A, B, C, D, y AB en el cuadro Selected Terms. Click OK. Página 47 de 74 EJERCICIOS LEAN SIGMA FASE DE MEJORA P. Reyes / febrero de 2009 Click Levels. En Method of specifying new factor levels, seleccionar Select levels from a list. En Levels, click en los renglones y seleccionar los niveles de los factores mostrados en la tabla. Level Factor Material Diameter Dimples Thickness Liquid 118 392 0.06 Página 48 de 74 EJERCICIOS LEAN SIGMA FASE DE MEJORA P. Reyes / febrero de 2009 14. Diseño Central Compuesto para optimización con Minitab: DISEÑO CENTRAL COMPUESTO DE SUPERFICIE DE RESPUESTA Un modelo de primer orden es el siguiente: y 0 1 x1 2 x 2 ... k x k Su gráfica de contornos son líneas rectas que nos permiten seguir experimentando en la trayectoria de ascenso rápido, perpendicular a los contornos Incremento Niveles codificados Niveles reales Respuesta Orig.+8 8 3.36 75 173 70.4 Orig.+9 9 3.78 80 175 77.6 Orig.+1 0 10 4.20 85 177 80.3 Orig.+1 1 11 4.62 90 179 76.2 Orig.+1 2 12 5.04 95 181 75.1 Página 49 de 74 EJERCICIOS LEAN SIGMA FASE DE MEJORA P. Reyes / febrero de 2009 Trayectoria de ascenso rápido En este punto ya no funciona el modelo lineal anterior, se requiere uno cuadrático Respuesta Pasos Experimentales Si en ANOVA se indica que un modelo cuadrático es mejor que uno lineal, el modelo a aplicar es: k k 1 k Y 0 i X i ii X i 1 i 1 2 i i 1 k X X j 2 ij i j El modelo a utilizar en lugar de un rectángulo del diseño lineal, es el diseño central compuesto con puntos axiales como se muestra abajo: +2 X4 (0, 1.414) (-1,1) (-, 0) (-1.414,0) (1,1) (,0) Exp. Axiales (1.414,0) Puntos Puntos axiales axiales en en 1.414 1.414 X1 -2 (0,0) (-1,-1) +2 (1,-1) (0,-1.414) -2 Página 50 de 74 Réplicas en (0,0) para el error puro EJERCICIOS LEAN SIGMA FASE DE MEJORA P. Reyes / febrero de 2009 Ejemplo de diseño central compuesto: Variables reales del Proceso Variables codificadas Corrida Tiempo (min.) Temp.(ºF) X1 X2 Y2 1 80 170 -1 -1 76.5 2 80 180 -1 1 77.0 3 90 170 1 -1 78.0 4 90 180 1 1 79.5 5 85 175 0 0 79.9 6 85 175 0 0 80.3 7 85 175 0 0 80.0 8 9 85 85 175 175 0 0 0 0 79.7 79.8 10 11 12 13 92.07 77.93 85 85 175 175 182.07 167.93 1.414 -1.414 0 0 0 0 1.414 -1.414 78.4 75.6 78.5 77.0 Rendimiento Corrida con Minitab Paso 1. Crear el diseño de exp. Central Compuesto (CCD) Stat> DOE > Surface Response > Create Response Surface Design En Type of Designs seleccionar Central Composite Number of factors 2 En Designs seleccionar Full Runs 13 Center points 5 Axial 1.414 Number of center points seleccionar Default Value of Alfa Default Replicates 1 En Factors seleccionar Nombre de los factores y niveles de los mismos En Options seleccionar NO Randomize runs y Store Design in Worksheet Página 51 de 74 EJERCICIOS LEAN SIGMA FASE DE MEJORA P. Reyes / febrero de 2009 En Results seleccionar Summary table and Design Table OK Design Table Central Composite Design Factors: Base runs: Base blocks: 2 13 1 Replicates: Total runs: Total blocks: 1 13 1 Two-level factorial: Full factorial Cube points: Center points in cube: Axial points: Center points in axial: 4 5 4 0 Alpha: 1.41421 Run Blk A B 1 2 3 4 5 6 7 8 9 10 11 12 1 1 1 1 1 1 1 1 1 1 1 1 -1.00000 1.00000 -1.00000 1.00000 -1.41421 1.41421 0.00000 0.00000 0.00000 0.00000 0.00000 0.00000 -1.00000 -1.00000 1.00000 1.00000 0.00000 0.00000 -1.41421 1.41421 0.00000 0.00000 0.00000 0.00000 13 1 0.00000 0.00000 Paso 2. Cargar los datos de respuesta de los experimentos StdOrder 1 2 3 4 5 6 7 8 9 10 11 12 13 RunOrder 1 2 3 4 5 6 7 8 9 10 11 12 13 PtType 1 1 1 1 -1 -1 -1 -1 0 0 0 0 0 Blocks 1 1 1 1 1 1 1 1 1 1 1 1 1 A -1 1 -1 1 -1.41421 1.41421 0 0 0 0 0 0 0 Paso 3. Analizar el Diseño de superficie de respuesta CCD Stat> DOE > Surface Response > Analyze Surface Response Design En Response seleccionar Rendimiento y Coded Units En Graphs seleccionar Residual Plots o Normal Plot OK Página 52 de 74 B -1 -1 1 1 0 0 -1.41421 1.41421 0 0 0 0 0 Rendim. Viscocidad 76.5 62 78.0 66 77.0 57 79.5 59 75.6 71 78.4 68 77.0 57 78.5 58 79.9 72 80.3 69 80.0 68 79.7 70 79.8 71 EJERCICIOS LEAN SIGMA FASE DE MEJORA P. Reyes / febrero de 2009 Normal Probability Plot of the Residuals (response is Rendim) 99 95 90 Percent 80 70 60 50 40 30 20 10 5 1 -0.50 -0.25 0.00 Residual 0.25 0.50 El modelo es adecuado Los resultados del análisis son: Response Surface Regression: Rendim versus A, B The analysis was done using coded units. Estimated Regression Coefficients for Rendim Term Constant A B A*A B*B A*B Coef 79.9400 0.9950 0.5152 -1.3762 -1.0013 0.2500 S = 0.2660 SE Coef 0.11896 0.09405 0.09405 0.10085 0.10085 0.13300 R-Sq = 98.3% T 671.997 10.580 5.478 -13.646 -9.928 1.880 P 0.000 0.000 0.001 0.000 0.000 0.102 SON SIGNIFICATIVOS R-Sq(adj) = 97.0% La ecuación de regresión es: Y = 79.94 + 0.995*A + 0.5152*B - 1.3762*A*B - 1.0013*B*B Analysis of Variance for Rendim Source Regression Linear Square Interaction Residual Error Lack-of-Fit Pure Error Total DF 5 2 2 1 7 3 4 12 Seq SS 28.2478 10.0430 17.9548 0.2500 0.4953 0.2833 0.2120 28.7431 Adj SS 28.2478 10.0430 17.9548 0.2500 0.4953 0.2833 0.2120 Adj MS 5.64956 5.02148 8.97741 0.25000 0.07076 0.09443 0.05300 F 79.85 70.97 126.88 3.53 P 0.000 0.000 0.000 0.102 1.78 0.290 Con el error Lack of Fit se observa que el modelo lineal no es adecuado, se requiere el modelo cuadrático Página 53 de 74 EJERCICIOS LEAN SIGMA FASE DE MEJORA P. Reyes / febrero de 2009 Paso 4. Analizar gráficas de superficie de respuesta y contornos Stat> DOE > Surface Response > Contour/Response Plots Seleccionar Contour y Surface plots En Setup de cada una simplemente entrar y salir OK Surface Plot of Rendim vs B, A 80 78 Rendim 76 74 1 0 -1 A 0 -1 1 B Contour Plot of Rendim vs B, A Rendim < 74 74 - 75 75 - 76 76 - 77 77 - 78 78 - 79 79 - 80 > 80 1.0 B 0.5 0.0 -0.5 -1.0 -1.0 -0.5 0.0 A 0.5 1.0 Punto óptimo A=0, B=0.5 Página 54 de 74 EJERCICIOS LEAN SIGMA FASE DE MEJORA P. Reyes / febrero de 2009 Stat> DOE > Surface Response > Overlaid Contour Plot Seleccionar Variable de respuesta con > En Contours establecer el Low 78 y High 84 de la respuesta OK Overlaid Contour Plot of Rendim Rendim 78 84 1.0 B 0.5 0.0 -0.5 -1.0 -1.0 -0.5 0.0 A 0.5 1.0 Paso 5. Optimización de las respuestas Stat> DOE > Surface Response > Response Optimizer Seleccionar Variable de respuesta Rendim con > En Setup poner los valores para la estimación Lower 75 Target 80 Upper 90 En Options indicar los Starting Values de los niveles de los factores 0, 0 OK Puntos óptimos Optimal D 1.0000 Hi Cur Lo A 1.4142 [0.0] -1.4142 B 1.4142 [0.1781] -1.4142 Rendim Targ: 80.0 y = 80.0000 d = 1.0000 Página 55 de 74 EJERCICIOS LEAN SIGMA FASE DE MEJORA P. Reyes / febrero de 2009 El cálculo manual se reaiza como sigue: x1 x x 2 ... xk ˆ1 0.995 ˆ b 2 0.515 ... ˆ k ˆ11 , ˆ12 / 2, ..., ˆ1k / 2 ˆ / 2, ˆ22 , ....ˆ2 k / 2 B 12 matriz.simetrica, ˆ kk 1.376, 0.1250 0.1250, 1.001 0.389 1 1 0.7345, 0.0917 0.995 xs B 1b 0.0917, 1.006 0.515 2 2 0.306 1 ˆ s ˆ0 y xs b 2 Y = 79.94 + 0.995*A + 0.515B –1.376 A*A – 1.001 B*B + 0.25AB Con las ecuaciones de la página siguiente el punto máximo óptimo queda en X1 = 0.389 y X2 = 0.306 Con una respuesta estimada Yest = 80.21 Contour Plot of Y 1 B Surface Plot of Y 75 76 77 78 79 80 80.5 79.5 0 78.5 77.5 Y 76.5 75.5 74.5 73.5 -1 -1.5 -1.0 -0.5 A -1 0 1 A Página 56 de 74 0.0 0.5 1.0 0.0 -0.5 -1.0 -1.5 1.5 0.5 1.0 B 1.5 EJERCICIOS LEAN SIGMA FASE DE MEJORA P. Reyes / febrero de 2009 15. Ejemplo: Los datos mostrados en la siguiente tabla fueron colectados en un experimento para optimizar el crecimiento de cristal semiconductor como función de de las variables X1, X2 y X3. Los valores grandes de Y (rendimiento en gramos) son deseables. StdOrder RunOrder 1 1 2 2 3 3 4 4 5 5 6 6 7 7 8 8 9 9 10 10 11 11 12 12 13 13 14 14 15 15 16 16 17 17 18 18 19 19 20 20 PtType 1 1 1 1 1 1 1 1 -1 -1 -1 -1 -1 -1 0 0 0 0 0 0 Blocks 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 X1 X2 X3 -1 -1 -1 1 -1 -1 -1 1 -1 1 1 -1 -1 -1 1 1 -1 1 -1 1 1 1 1 1 -1.68179 0 0 1.681793 0 0 0 -1.68179 0 0 1.681793 0 0 0 -1.68179 0 0 1.681793 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 Y 66 80 78 100 70 70 60 75 100 80 68 63 65 82 113 100 118 88 100 85 Encontrar un modelo de ajuste de segundo orden y analizar la superficie ajustada, ¿bajo qué condiciones se logra el máximo crecimiento? La salida de Design Expert es: Página 57 de 74 EJERCICIOS LEAN SIGMA FASE DE MEJORA Página 58 de 74 P. Reyes / febrero de 2009 EJERCICIOS LEAN SIGMA FASE DE MEJORA P. Reyes / febrero de 2009 16. Los datos siguientes fueron colectados por un ingeniero químico. La respuesta Y es el tiempo de filtración, X1 es la temperatura y X2 es la presión. Encontrar un modelo de segundo orden. StdOrder RunOrder 1 1 2 2 3 3 4 4 5 5 6 6 7 7 8 8 9 9 10 10 11 11 12 12 13 13 PtType 1 1 1 1 -1 -1 -1 -1 0 0 0 0 0 Blocks 1 1 1 1 1 1 1 1 1 1 1 1 1 X1 X2 -1 -1 1 -1 -1 1 1 1 -1.41421 0 1.414214 0 0 -1.41421 0 1.414214 0 0 0 0 0 0 0 0 0 0 La salida de Design Expert es: Página 59 de 74 Y 54 32 45 47 50 53 47 51 41 39 44 42 40 EJERCICIOS LEAN SIGMA FASE DE MEJORA Página 60 de 74 P. Reyes / febrero de 2009 EJERCICIOS LEAN SIGMA FASE DE MEJORA P. Reyes / febrero de 2009 ¿Qué condiciones de operación se recomiendan si el objetivo es minimizar el tiempo de filtración? Página 61 de 74 EJERCICIOS LEAN SIGMA FASE DE MEJORA P. Reyes / febrero de 2009 ¿Qué condiciones de operación se recomiendan si se quiere operar en un tiempo de filtración cercano a 46? Página 62 de 74 EJERCICIOS LEAN SIGMA FASE DE MEJORA P. Reyes / febrero de 2009 17. Un experimentador corrió un diseño de Box-Behnken y obtuvo los resultados mostrados abajo, donde la variable de respuesta es la viscosidad de un polímero. StdOrder RunOrder 1 1 2 2 3 3 4 4 5 5 6 6 7 7 8 8 9 9 10 10 11 11 12 12 13 13 14 14 15 15 PtType 2 2 2 2 2 2 2 2 2 2 2 2 0 0 0 Blocks 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 X1 -1 1 -1 1 -1 1 -1 1 0 0 0 0 0 0 0 X2 -1 -1 1 1 0 0 0 0 -1 1 -1 1 0 0 0 X3 0 0 0 0 -1 -1 1 1 -1 -1 1 1 0 0 0 Encontrar el modelo de segundo orden ¿En qué condiciones de X1, X2 y X3 se encuentra el punto estacionario? Página 63 de 74 Y 535 580 596 563 645 458 350 600 595 648 532 656 653 599 620 EJERCICIOS LEAN SIGMA FASE DE MEJORA P. Reyes / febrero de 2009 ¿Qué condiciones de operación son necesarias si se requiere una viscosidad tan cercana a los 600 como sea posible? 18. Considerar el diseño de experimentos CCD mostrado abajo. Analizar los datos y establecer conclusiones, asumir que se desea maximizar la Conversión (Y1) con la Actividad (Y2) entre 55 y 60. StdOrder RunOrder 1 1 2 2 3 3 4 4 5 5 6 6 7 7 8 8 9 9 PtType 1 1 1 1 1 1 1 1 -1 Blocks 1 1 1 1 1 1 1 1 1 X1 -1 1 -1 1 -1 1 -1 1 -1.68179 Página 64 de 74 X2 -1 -1 1 1 -1 -1 1 1 0 X3 -1 -1 -1 -1 1 1 1 1 0 Y1 74.0 51.0 88.0 70.0 71.0 90.0 66.0 97.0 76.0 Y2 53.2 62.9 53.4 62.6 57.3 67.9 59.8 67.8 59.1 EJERCICIOS LEAN SIGMA FASE DE MEJORA 10 11 12 13 14 15 16 17 18 19 20 10 11 12 13 14 15 16 17 18 19 20 -1 -1 -1 -1 -1 0 0 0 0 0 0 1 1 1 1 1 1 1 1 1 1 1 P. Reyes / febrero de 2009 1.681793 0 0 0 -1.68179 0 0 1.681793 0 0 0 -1.68179 0 0 1.681793 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 Las salidas del Design Expert son las siguientes: Página 65 de 74 79.0 85.0 97.0 55.0 81.0 81.0 75.0 76.0 83.0 80.0 91.0 65.9 60.0 60.7 57.4 63.2 59.2 60.4 59.1 60.6 60.8 58.9 EJERCICIOS LEAN SIGMA FASE DE MEJORA Página 66 de 74 P. Reyes / febrero de 2009 EJERCICIOS LEAN SIGMA FASE DE MEJORA P. Reyes / febrero de 2009 19. Diseño de mezclas generado con Minitab: Stat > DOE > Mixture > Create Mixture Design Seleccionar Simplex Lattice Number of components 4 Designs introducir los datos siguientes: Options: La tabla resultante del diseño es la siguiente: StdOrder RunOrder PtType Blocks A B 1 1 1 1 1 2 2 1 1 0 3 3 1 1 0 4 4 1 1 0 5 5 0 1 0.25 6 6 -1 1 0.625 7 7 -1 1 0.125 Página 67 de 74 C 0 1 0 0 0.25 0.125 0.625 Fuerza de Gel D 0 0 1 0 0.25 0.125 0.125 0 0 0 1 0.25 0.125 0.125 Sineresis EJERCICIOS LEAN SIGMA FASE DE MEJORA 8 9 8 9 -1 -1 1 1 P. Reyes / febrero de 2009 0.125 0.125 0.125 0.125 0.625 0.125 0.125 0.625 Cuando se indica 1 0 0 0 solo se usa un componente en la mezcla, cuando se indica 0.625 de A, 0.125 de B, 0.125 de C y 0.125 de D, tanto A como B, C y D se incluyen en esas proporciones dentro de la mezcla de los componentes. La gráfica del diseño se obtiene con: Stat > DOE > Mixture > Simplex design plot Seleccionar Generate Plots for all triplets of components OK Simplex Design Plots in Amounts A A 1 1 0 1 B 0 0 1 C 1 B 0 0 A B 1 1 0 1 C 0 0 0 0 1 D 1 C Hold Values A 0 B 0 C 0 D 0 1 D 0 0 1 D Si la mezcla de los componentes representa el 10% del volumen total de la solución, ese 10% es tu 100% de la mezcla. Se realizan los experimentos (Run order) y se cargan los resultados de ambas respuestas. En caso de haber sido los resultados: Fuerza del gel Sineresis 3 12 2 43 5 54 21 61 1 23 9 4 3 7 4 8 1 9 Después se analiza el diseño con: Página 68 de 74 EJERCICIOS LEAN SIGMA FASE DE MEJORA P. Reyes / febrero de 2009 Stat > DOE > Mixture > Analyze mixture design Responses Fuerza del gel Sineresis Graphs Residuals for plots Standardized Individual plots: Normal Plot OK Regression for Mixtures: Fuerza del gel, Sineresis The following terms cannot be estimated and were removed: B*D C*D Regression for Mixtures: Fuerza del gel versus A, B, C, D Estimated Regression Coefficients for Fuerza del gel (component proportions) Term Coef SE Coef A 3.1 1.713 B 2.1 1.713 C 5.1 1.713 D 21.1 1.713 A*B 140.0 30.715 son sinérgicos A*C 132.0 30.715 respuestas coef. + A*D -201.6 28.909 son antagónicos B*C -157.6 28.909 respuesta coef.- S = 1.71701 R-Sq = 99.08% T * * * * 4.56 P * * * * 0.137 VIF 1.493 1.493 1.493 1.493 5.312 4.30 0.146 5.313 ya que refuerzan la -6.97 0.091 4.706 -5.45 0.115 4.706 PRESS = 2660.59 R-Sq(pred) = 0.00% A y B o A y C A y D o B y C ya que disminuyen la R-Sq(adj) = 92.63% Analysis of Variance for Fuerza del gel (component proportions) Source Regression Linear Quadratic Residual Error Total DF 7 3 4 1 8 Seq SS 317.274 151.750 165.524 2.948 320.222 Adj SS 317.274 238.750 165.524 2.948 Adj MS 45.3249 79.5833 41.3810 2.9481 Unusual Observations for Fuerza del gel Página 69 de 74 F 15.37 26.99 14.04 P 0.194 0.140 0.197 EJERCICIOS LEAN SIGMA FASE DE MEJORA Obs 1 2 3 4 StdOrder 1 2 3 4 Fuerza del gel 3.000 2.000 5.000 21.000 Fit 3.118 2.118 5.118 21.118 P. Reyes / febrero de 2009 SE Fit 1.713 1.713 1.713 1.713 Residual -0.118 -0.118 -0.118 -0.118 St Resid -1.00 -1.00 -1.00 -1.00 X X X X X denotes an observation whose X value gives it large leverage. Para optimizar la respuesta: Stat > DOE > Mixture > Response Optimizer Responses Fuerza del gel Sineresis Pasar con >> a Selected las dos respuestas Fuerza del Gel y Sineresis Set up Fuerza de Gel Maximize Lower 1 Target 3 Set up Sineresis Maximize Lower 1 target 3 Depende de los resultados Options Starting value A 0.25 B 0.25 C 0.25 D 0.25 OK Se ajustan gráficamente los valores de los factores A, B, C y D para optimizar al mismo tiempo las respuestas Fuerza del gel y Sinerismo Página 70 de 74 EJERCICIOS LEAN SIGMA FASE DE MEJORA P. Reyes / febrero de 2009 20. Se describe un experimento de mezclas de gasolina involucrando a tres componentes. No hay restricciones en las proporciones de la mezcla, se usa el siguiente diseño de mezclas: Encontrar el modelo de segundo orden que maximice las millas por galón de gasolina Y. Preparada para Minitab StdOrder RunOrder 1 1 2 2 3 3 4 4 5 5 6 6 7 7 8 8 9 9 10 10 11 11 12 12 13 13 14 14 PtType 1 1 1 2 2 2 0 -1 -1 -1 1 1 1 0 Blocks 1 1 1 1 1 1 1 1 1 1 1 1 1 1 X1 1 0 0 0.5 0.5 0 0.333333 0.666667 0.166667 0.166667 1 0 0 0.333333 Página 71 de 74 X2 0 1 0 0.5 0 0.5 0.333333 0.166667 0.666667 0.166667 0 1 0 0.333333 X3 0 0 1 0 0.5 0.5 0.333333 0.166667 0.166667 0.666667 0 0 1 0.333333 Y 24.5 24.8 22.7 25.1 24.3 23.5 24.8 24.2 23.9 23.7 25.1 23.9 23.6 24.1 EJERCICIOS LEAN SIGMA FASE DE MEJORA P. Reyes / febrero de 2009 21. Ejemplo de EVOP Considerar un proceso químico con rendimiento dependiente de la temperatura (X1) y y la presión (X2), las condiciones de operación actuales son X1 = 250ºF y X2 = 145 psi. El rendimiento de 84.5 se introduce en el primer ciclo de la corrida de EVOP: n = 1 Y = 84.5 en el punto (1) con X1 = 250 y X2 = 145 Página 72 de 74 EJERCICIOS LEAN SIGMA FASE DE MEJORA P. Reyes / febrero de 2009 n = 2 Y = 84.9 en el punto (1) [antes era el punto 3] con X1 = 255 y X2 = 150 Ningún efecto excede a los límites de error por lo que las diferencias no fueron significativas Página 73 de 74 EJERCICIOS LEAN SIGMA FASE DE MEJORA n = 3 Y = 85.9 en el punto (1) [antes era el punto 3] Aquí se observa que el efecto de la presión es significativa Página 74 de 74 P. Reyes / febrero de 2009