Ejercicios Fase Mejora

EJERCICIOS LEAN SIGMA FASE DE MEJORA P.
Reyes / febrero de 2009
EJERCICIOS DE LA FASE DE MEJORA:
1. Cul es el propsito de la fase de mejora?
2. Cules son los entregables de la fase de mejora? Dar un ejemplo.
a. Identificacin de mejores niveles de operacin
b. Generacin de alternativas de solucin, usar mtodos de

Creatividad
c. Evaluacin de alternativas de solucin con diagrama de rbol:
DESCRIPC ALTERNATI VENTAJ DESVENT FACTIBILI SELECCI

IN DE LA VAS DE AS AJAS DAD N
CAUSA SOLUCIN
CAUSA 1 ALT. SOL. 1 a. a. Si SI
b. b.
c. c.
ALT. SOL. 2 a. a. Si SI
b. b.
c. c.
ALT. SOL. 3 a. a. Si SI
b.
c.
CAUSA 2
d. Seleccin de alternativas de solucin
e. Plan 5W-1H para implementacin de las soluciones seleccionadas
f. Prueba piloto y Verificacin de la efectividad de las soluciones
g. Implementacin y documentacin de la solucin a nivel sistema
DISEO DE EXPERIMENTOS
3. Qu desventajas se observan cuando se experimenta con un factor a la

vez?
4. Qu es el diseo de experimentos?
Pgina 1 de 80
5. Cules son las ventajas que proporciona el diseo de experimentos?
6. Cules los diferentes propsitos que puede tener un diseo de

experimentos?
7. Cules son los pasos principales para la realizacin de diseos de

experimentos?
a.
b.
c.
d.
etc.
8. Qu consideraciones deben tomarse en cuenta al planear y desarrollar

experimentos?
a.
b.
c.
d.
etc.
9. Cules son las implicaciones al realizar experimentos en la empresa?
a.
b.
10. Qu criterios se deben tomar para seleccionar las variables de proceso

y sus niveles?
a.
Pgina 2 de 80
11. Cules son los supuestos que se asumen cuando se realizan

experimentos?
12. Cules son los diferentes mtodos experimentales disponibles y cul es

su alcance y aplicacin?
Diseo experimental Aplicacin

Factorial de dos niveles 2K Filtraje de factores significativos
Fraccional de dos niveles 2K Filtraje de factores significativos bajo

costo
Taguchi Arreglos ortogonales Diseos robustos de productos y procesos
Factorial completo FK Identificacin de mejores niveles de

operacin
Ascenso rpido Ruta hacia el punto de operacin ptimo
Diseo central compuesto CCD Identificacin del punto ptimo de

operacin
EVOP diseo evolutivo Experimentacin en la produccin sin
afectarla
Diseos de mezclas Encontrar la mejor mezcla de ingredientes
para el mejor rendimiento
Diseos ptimos - D Diseos por computadora para reducir

costos
13. Qu significan los conceptos siguientes?
a. Caracterizar el proceso
b. Replicas experimentales
c. Aleatorizacin
d. Bloqueo
14. Qu son las interacciones y cmo se identifican?
15. Qu caractersticas tiene un diseo experimental factorial completo?
Pgina 3 de 80
16. Qu caractersticas tiene un diseo experimental factorial de dos

niveles?
17. Cmo se obtiene la ecuacin de regresin de los resultados del diseo
de experimentos de 2 niveles?
18. Cmo se identifican los factores significativos en la tabla ANOVA de los

experimentos factoriales?
19. Qu indican las grficas factoriales y cmo se seleccionan los niveles

para la mejor operacin?
20. Qu indican las grficas factoriales de interacciones y cmo se

seleccionan los niveles para la mejor operacin?
21. Qu indica la grfica de superficie de respuesta?
22. Cul es el propsito de la grfica de contornos?
23. qu ventajas tiene el mtodo de Taguchi?
24. Qu es la relacin S/N y qu ventajas tiene maximizar su valor?
25. Cmo se obtiene la prediccin de la respuesta en el mtodo Taguchi?
METODOS DE CREATIVIDAD
26. Dar algunos ejemplos de tcnicas de creatividad para la generacin de

ideas de mejora de procesos
a.
b.
c.
27. Despus de cunto tiempo se recomienda se evalen los resultados de

las mejoras?
Pgina 4 de 80
28. Cmo se puede cuantificar estos resultados?
a.
b.
29. Qu formas de reconocimiento a los equipos de proyecto Seis Sigma se

recomiendan?
a.
b.
c.
d.
30. Cules son las salidas de la fase de mejora?
a.
b.
c.
Pgina 5 de 80
PROBLEMAS: (Utilizar Minitab 15 para las soluciones)
DISEOS DE EXPERIMENTOS FACTORIALES DE DOS NIVELES
1. Diseo 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
diseo de experimentos de 3 factores y 2 niveles.
Factor Nivel bajo Nivel Alto

A. Caudal de gas (l/min.) 8 12
B. Intensidad de Corriente
(A) 230 240
C. Vel. de Cadena
(m/min.) 0.6 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 diseo

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
ESTADSTICAS > DOE > Factorial > Crear Diseo Factorial
Seleccionar Factorial de 2 niveles (generador de default); Numero de

factores 3
Diseos: Seleccionar Factorial completo Seleccionar Rplicas1
Factores: Caudal 8 12 Intensidad 230 240 Vel. 0.6 1
Opciones: Quitar bandera de Aleatorizar corridas

OK
Pgina 6 de 80
Paso 2. Introducir los datos en el diseo:
Intensid
StdOrder Caudal ad Velocidad Y
1 8 230 0.6 10
2 12 230 0.6 26.5
3 8 240 0.6 15
4 12 240 0.6 17.5
5 8 230 1 11.5
6 12 230 1 26
7 8 240 1 17.5
8 12 240 1 20
Paso 3. Analizar el diseo

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 trminos con >>
OK OK
Estadsticas > DOE > Factorial > Analizar Diseo Factorial
Respuesta Y
Grficas: Seleccionar Normal Pareto Alfa = 0.05
Residuales para grficas estandarizados
Seleccionar Grfica Normal y Residuales vs Valores ajustados
Resultados Seleccionar todos los trminos con >>
OK OK
Los resultados se muestran a continuacin.
La ecuacin del modelo se puede formar a partir de los siguientes

coeficientes (solo los que son sigificativos):
Term Coef
Constant -893.750
Caudal 102.625
Intensidad 3.75000
Velocidad 186.250
Caudal*Intensidad -0.425000
Caudal*Velocidad -30.0000
Intensidad*Velocidad -0.750000
Caudal*Intensidad*Velocidad 0.125000
MODELO DEL PROCESO

Y = -893.750 + 102.625 Caudal - 0.425
Caudal*Intensidad
Pgina 7 de 80
Pareto Chart of the Effects

(response is Y, Alpha = .05)
5.646
Factor Name
A Caudal
A
B Corriente
C Velocidad
AB
C
Term
BC
ABC
AC
0 1 2 3 4 5 6 7 8 9
Effect
Lenth's PSE = 1.5
Normal Probability Plot of the Effects

(response is Y, Alpha = .05)
99
Effect Type
Not Significant
95 Significant
90 A Factor Name
A Caudal
80 B Corriente
70 C Velocidad
Percent
60
50
40
30
20
10 AB
5
1
-5.0 -2.5 0.0 2.5 5.0 7.5 10.0
Effect
Lenth's PSE = 1.5
Paso 4. Obtener las grficas factoriales para seleccionar los

mejores niveles de operacin
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
Estadsticas > DOE > Factorial > Grficas Factoriales
Pgina 8 de 80
Seleccionar Grfica de efectos principales: Configuracin: Respuesta Y;

Pasar Intensidad, Caudal y Vel. Con >>
Seleccionar Grfica de interacciones : Configuracin: Respuesta Y; Pasar
Intensidad, Caudal y Vel. Con >>
Seleccionar Grfica de cubo: Configuracin: 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
16
Mean of Y
14
8 12 230 240
Velocidad
22
20
18
16
14
0.6 1.0
GRFICA 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
Caudal
24
8
12
Caudal 18
12
I ntensidad
24
230
240
I ntensidad 18
12
Velocidad
NOTA: Cuando la interaccin es significativa (en este caso A*B) los mejores
niveles de operacin se escogen de la Grfica de interacciones, de otra
forma (en este caso C) se escogen de la grfica de efectos principales.
En este caso para una respuesta, MAYOR ES MEJOR, A caudal = 12 y B
intensidad = 230 de la grfica de interacciones.
De la grfica de cubo se observa que C = 0.6 nos da una mejor respuesta

que en 1, por lo que seleccionamos C = 0.6
Pgina 9 de 80
Cube Plot (data means) for Y
17.5 20.0
15.0 17.5
240
Corriente 11.5 26.0

1
Velocidad
10.0 26.5
230 0.6
8 12
Caudal
Paso 5. Obtener las grficas 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
Estadsticas > DOE > Factorial > Grficas de Contorno y Superficie

Seleccionar Grfica de contorno : Configuracin: Respuesta Y; seleccionar
Generar grficas para todos los pares de factores numricos
Seleccionar Grfica de superficie de respuesta: Configuracin: Respuesta
Y; seleccionar Generar grficas para todos los pares de factores numricos
OK
Contour Plots of Y
Intensidad*Caudal Velocidad*Caudal Y
240 1.0
< 12
12 15
0.9
237 15 18
18 21
0.8 21 24
234
> 24
0.7
Hold Values
231 Caudal 8
0.6
I ntensidad 230
8 9 10 11 12 8 9 10 11 12
Velocidad 0.6
Velocidad*Intensidad
1.0
0.9
0.8
0.7
0.6
231 234 237 240
Pgina 10 de 80
Surface Plots of Y
Hold Values
Caudal 8
I ntensidad 230
Velocidad 0.6
25 25
Y 20 Y 20
15 240 15 1.0
10 235 10 0.8
Intensidad Velocidad
8 8
10 230 10 0.6
Caudal 12 Caudal 12
16
Y 14
12 1.0
10 0.8
Velocidad
230
235 0.6
240
Intensidad
Paso 6. Obtener una ampliacin 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
Estadsticas > DOE > Factorial > Grfica 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
237.0
Intensidad
235.5
234.0
232.5
231.0
8 9 10 11 12
Caudal
Pgina 11 de 80
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
Estadsticas > DOE > Factorial > Optimizador de Respuesta

Seleccionar en Respuesta Y
Seleccionar en Opciones Caudal 10 Intensidad 235 Velocidad 0.8
Seleccionar en Configuracin> Maximizar Objetivo Inferior 21 Meta 26
OK
Seleccionar y mover las lneas de cada factor hasta obtener el mximo

rendimiento:
Pgina 12 de 80
2. Diseo de dos niveles: Se usa un Router para hacer los barrenos de

localizacin de una placa de circuito impreso. La vibracin es fuente
principal de variacin. La vibracin de la placa a ser cortada depende del
tamao 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 acelermetros A,Y,Z en cada uno

de los circuitos impresos.
Los resultados se muestran a continuacin.
Niveles reales Rplica

A B I II III IV
0.063 40 18.2 18.9 12.9 14.4
0.125 40 27.2 24.0 22.4 22.5
0.063 90 15.9 14.5 15.1 14.2
0.125 90 41.0 43.9 36.3 39.9
PASO 1. GENERAR EL DISEO FACTORIAL DE ACUERDO AL

EXPERIMENTO
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 Dimetro Numeric 0.063 0.125
B Velocidad Numeric 40 90 OK
OK

factores 2
Diseos: Seleccionar Factorial completo Seleccionar Rplicas 4
Factores
Factor Name Type Low High
A Dimetro Numeric 0.063 0.125
B Velocidad Numeric 40 90 OK
Opciones: Quitar bandera de Aleatoria
OK
Pgina 13 de 80
PASO 2. CARGA DE DATOS DE LA COLUMNA DE RESPUESTA

CORRESPONDIENTE A CADA
COMBINACION DE FACTORES DESPUS QUE MINITAB GENERO EL
DISEO O ARREGLO
VIBRACI
StdOrder RunOrder CenterPt Blocks Diametro Velocidad N
1 1 1 1 0.063 40 18.2
2 2 1 1 0.125 40 27.2
3 3 1 1 0.063 90 15.9
4 4 1 1 0.125 90 41.0
5 5 1 1 0.063 40 18.9
6 6 1 1 0.125 40 24.0
7 7 1 1 0.063 90 14.5
8 8 1 1 0.125 90 43.9
9 9 1 1 0.063 40 12.9
10 10 1 1 0.125 40 22.4
11 11 1 1 0.063 90 15.1
12 12 1 1 0.125 90 36.3
13 13 1 1 0.063 40 14.4
14 14 1 1 0.125 40 22.5
15 15 1 1 0.063 90 14.2
16 16 1 1 0.125 90 39.9
PASO 3 ANALIZAR EL MODELO DEL DISEO DE EXPERIMENTOS

FACTORIAL COMPLETO
Response Seleccionar la columna de las respuestas Vibracin
Terms Pasar todos los trminos 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 trminos a Selected terms con >> OK
OK
Respuesta Seleccionar la columna de las respuestas Vibracin o Respuesta
Terminos Pasar todos los trminos a Trminos seleccionados con >>
OK
Graphs Seleccionar Grfica de efectos principales Normal y Pareto

Seleccionar Residuos para grficas estandarizadas

Seleccionar Grficas de residuos: Grfica Normal y vs residuos va
Pgina 14 de 80
sobre ajustes OK
Seleccionar todos los trminos a Trminos seleccionados con >>

OK
OK
NOTA. Para que el modelo sea adecuado, los puntos se deben

apegar a la lnea recta en la grfica normal y ser aleatorios en la
grafica Vs Fits
Trminos para la ecuacin de regresin

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
1.0E+02 Not Significant
Significant
99.9999
F actor Name
A Diametro
99.99 B Velocidad
Percent
99
95
80 A
50 AB
20 B
5
1
0 4 8 12 16
Standardized Effect
Los factores significativos (que influyen en la vibracin) aparece su

nombre en sta grfica en este caso el DIAMETRO, LA VELOCIDAD y
SU INTERACCIN
Pgina 15 de 80
Pareto Chart of the Standardized Effects

(response is Resp, Alpha = .05)
2.18
F actor Name
A Diametro
B V elocidad
A
Term
AB
0 2 4 6 8 10 12 14
Standardized Effect
Los factores significativos (que influyen en la vibracin) son los que

sobrepasan la lnea en sta grfica, en este caso el DIAMETRO, LA
VELOCIDAD y SU INTERACCIN
Paso 4. Obtener las grficas factoriales para identificar las mejores

condiciones de operacin
Las instrucciones son las siguientes:
Seleccionar Main effects, Interaction Plots y Cube Plot
Realizar el Setup para cada una de estas:
Seleccionar columna Response Vibracin
y con >> seleccionar todos los factores a Selected OK
Seleccionar Data Means OK
Estadsticas > DOE > Factorial > Grficas factoriales

Seleccionar Efectos principales, Grficas de interacciones y Grficas de
cubo
Realizar la Configuracin para cada una de estas:
Seleccionar columna Respuesta Vibracin
y con >> seleccionar todos los factores a Seleccionados OK
Seleccionar Media de datos OK
Pgina 16 de 80
Main Effects Plot for Vibracin

Data Means
Diametro Velocidad
32.5
30.0
27.5
Mean
25.0
22.5
20.0
17.5
15.0
0.063 0.125 40 90
Interaction Plot for Vibracin

Data Means
Diametro
40 0.063
0.125
35
30
Mean
25
20
15
40 90
Velocidad
Como la interaccin fue significativa (AB) se usa esta grafica de

interacciones para seleccionar los mejores niveles de operacin.
En este caso el punto que da la mnima vibracin es con ajuste en:
VELOCIDAD 90 DIAMETRO 0.063 (lnea negra)
Pgina 17 de 80
Cube Plot (data means) for Vibracin
14.925 40.275
90
Velocidad
16.100 24.025
40
0.063 0.125
Diametro
Paso 5. Obtencin de las grficas de contornos y de superficie de

respuesta

Stat > DOE > Factorial > Contour / Surface Plots
Seleccionar Contour y Surface Plots
Seleccionar columna Response vibracin
Seleccionar Uncoded units (valores reales)
OK
Estadsticas > DOE > Factorial > Grficas de Contorno / Superficie
Seleccionar Grficas de contorno y superficie
Seleccionar columna Vibracin
Seleccionar Unidades no codificadas (valores reales)
OK
La grfica de contornos indica la combinacin de niveles para A y B

manteniendo la Y respuesta Constante. Sirve para indicar hacia donde se
Pgina 18 de 80
debe seguir experimentando si se quiere mejorar la respuesta, trazando una

recta casi perpendicular a los contornos:
Contour Plot of Vibracin vs Velocidad, Diametro

90
Vibracin
< 15
15 20
20 25
80
25 30
30 35
35 40
> 40
70
Velocidad
60
50
40
0.07 0.08 0.09 0.10 0.11 0.12
Diametro
Optimizador
Stat > DOE > Factorial > Response optimizer
Seleccionar como response Vibracin
Seleccionar Options Diamentro 0.065 Velocidad 50
Set up Vibracin o Respuesta Goal Minimize Target 10 Upper 40
OK
Estadsticas > DOE > Factorial > Optimizador de respuesta

Seleccionar como respuesta Vibracin
Seleccionar Opciones Diamentro 0.065 Velocidad 50
Configuracin Vibracin o Respuesta Minimizar Objetivo 10 Superior 40
OK
Respuesta ptima en Dimetro 0.125 y Velocidad 90
Pgina 19 de 80
3. Se utiliza una aleacin de nquel y titanio para fabricar componentes de

los motores de turbinas de aviones. La formacin 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 mtodo de
tratamiento trmico (C) y la cantidad de refinador de grano usada (D). Se
hacen dos rplicas de un diseo 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 estndar. Los datos se muestran en la siguiente tabla:
Combinacin Rplic Rplic

de a a
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
Pgina 20 de 80
+1 +1 -1 +1 abd 19.824 19.639

-1 -1 +1 +1 cd 11.846 12.337
+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 diseo de experimentos

Paso 1. Generar diseo
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
OK

factores 4
Diseos: Seleccionar Factorial completo Seleccionar Rplicas2
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

rplica I y luego la rplica II ponerle el ttulo de fisuras
Paso 3. Analizar el experimento

PASO 3 ANALIZAR EL MODELO DEL DISEO DE EXPERIMENTOS
FACTORIAL COMPLETO
Response Seleccionar la columna de las respuestas Fisuras
Terms Pasar todos los trminos a Selected terms con >> OK
Graphs Seleccionar Effects Plots Normal y Pareto

Seleccionar Residual for Plots Standardized

Seleccionar Residual plots: Normal Plot y vs Residuals vs fits OK
Pgina 21 de 80
En Results
Seleccionar todos los trminos a Selected terms con >> OK
OK
Respuesta Seleccionar la columna de las respuestas Fisuras
Terminos Pasar todos los trminos a Trminos seleccionados con >>
OK
Graphs Seleccionar Grfica de efectos principales Normal y Pareto

Seleccionar Residuos para grficas estandarizadas

Seleccionar Grficas de residuos: Grfica Normal y vs residuos va
sobre ajustes OK
Seleccionar todos los trminos a Trminos seleccionados con >>

OK
OK
b) Obtener los residuos y hacer una prueba de normalidad, comentar la

adecuacin del modelo
Cuando los residuos se apegan a la grfica 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:
Descripcin P value
A, B, C y D 0.00 Pasan la lnea roja del Pareto
AB, AC 0.00 y sus nombres aparecen en la
ABC 0.00grfica 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 ecuacin de regresin 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
Pgina 22 de 80
g) Obtener las grficas factoriales y de cubo y dar conclusiones
Paso 4. Obtener las grficas factoriales para identificar las mejores

condiciones de operacin
Seleccionar Main effects, Interaction Plots y Cube Plot
Seleccionar columna Response Fisuras
y con >> seleccionar todos los factores a Selected OK
Estadsticas > DOE > Factorial > Grficas factoriales

Seleccionar Efectos principales, Grficas de interacciones y Grficas de
cubo
Seleccionar columna Fisuras
y con >> seleccionar todos los factores a Seleccionados OK
Seleccionar Media de datos OK
h) Obtener las grficas de contornos y de superficie de respuesta y dar

conclusiones
i) Obtener una ampliacin de la zona de contornos de inters
j) Utilizar el optimizador para encontrar una combinacin ptima 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
Estadsticas > DOE > Factorial > Optimizador de respuesta

Seleccionar como respuesta Vibracin
Seleccionar Opciones A 1 B 1 C 1 D 1
Pgina 23 de 80
Configuracin Fisuras Minimizar Objetivo 7 Superior 10

OK
k) Con las grficas factoriales si se quieren minimizar las fisuras, en qu

niveles conviene operar el proceso?
Pgina 24 de 80
4. Un ingeniero est interesado en los efectos de la velocidad de corte (A),

la geometra de la herramienta (B) y el ngulo de corte (C) sobre la vida (en
horas) de una mquina herramienta. Se eligen dos niveles de cada factor y
se corren tres rplicas de un diseo factorial 23. Los resultados fueron los
siguientes:
Rplicas
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 diseo de experimentos


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 ecuacin de regresin 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 grficas factoriales y de cubo y dar conclusiones
h) Obtener las grficas de contornos y de superficie de respuesta y dar

conclusiones
i) Obtener una ampliacin de la zona de contornos de inters
j) Utilizar el optimizador para encontrar una combinacin ptima de factores

para
maximizar la vida
k) Con las grficas factoriales si se quiere maximizar la vida, en que niveles

conviene operar el proceso?
Pgina 25 de 80
5. Diseo de experimentos factorial completo: Se estudia el

rendimiento de un proceso qumico (Y), donde se piensa que los factores
que mayor influencia tienen son la temperatura y la presin (X1, X2).
Se disea un experimento factorial completo con dos rplicas y tomando

tres niveles
en cada factor como se muestra en la tabla de rendimientos.
Hacer los anlisis de la significancia de cada factor a un 5% de significancia.
PRESION
(psig) 200 215 230
TEMP. 90.4 90.7 90.2
150 90.2 90.6 90.4
90.1 90.5 89.9
160 90.3 90.6 90.1
90.5 90.8 90.4
170 90.7 90.9 90.1
a) Generar el diseo
PASO 1. GENERAR EL DISEO FACTORIAL DE ACUERDO AL

EXPERIMENTO

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 seleccin de randomize runs OK
Factors Introducir los niveles para TEMP. 200 215 230

PRESIN 150 160 170
OK

DISEO O ARREGLO
Ver diseo con Stat > DOE > Display Design

Seleccionar Standard order for design Uncoded Units
OK
NOTA: Coded units muestra 1, 2 y 3
Rendimien
StdOrder RunOrder PtType Blocks Temp Presion to
1 10 1 1 200 150 90.4
2 12 1 1 200 160 90.1
Pgina 26 de 80
3 3 1 1 200 170 90.5

4 9 1 1 215 150 90.7
5 6 1 1 215 160 90.5
6 15 1 1 215 170 90.8
7 8 1 1 230 150 90.2
8 13 1 1 230 160 89.9
9 2 1 1 230 170 90.4
10 14 1 1 200 150 90.2
11 1 1 1 200 160 90.3
12 7 1 1 200 170 90.7
13 4 1 1 215 150 90.6
14 11 1 1 215 160 90.6
15 18 1 1 215 170 90.9
16 16 1 1 230 150 90.4
17 5 1 1 230 160 90.1
18 17 1 1 230 170 90.1
PASO 3. ANALIZAR EL MODELO DEL DISEO DE EXPERIMENTOS

FACTORIAL COMPLETO
Response Seleccionar la columna de Rendimiento

Terms Pasar todos los trminos 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 trminos 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 as como las interacciones siginificativas
Pgina 27 de 80
General Linear Model: Rendimiento versus Temperatura, Presion
Factor Type Levels Values

Temperatura fixed 3 200, 215, 230
Presion fixed 3 150, 160, 170
Analysis of Variance for Rendimiento, using Adjusted SS for Tests
Source DF Seq SS Adj SS Adj MS F P

Temperatura 2 0.76778 0.76778 0.38389 21.59 0.000 Significativo
Presion 2 0.30111 0.30111 0.15056 8.47 0.009
Temperatura*Presion 4 0.06889 0.06889 0.01722 0.97 0.470
Error 9 0.16000 0.16000 0.01778
Total 17 1.29778
S = 0.133333 R-Sq = 87.67% R-Sq(adj) = 76.71%
d) Obtener las grficas factoriales para identificar las mejores condiciones de

operacin
PASO 4. OBTENER LAS GRFICAS FACTORIALES PARA IDENTIFICAR

LAS MEJORES CONDICIONES DE OPERACIN
Seleccionar Main effects e Interaction Plots

Setup para ambas: En Response seleccionar Rendimiento
y con >> seleccionar todos los factores OK
De aqu se seleccionan los mejores niveles de acuerdo al resultado deseado.

Si la interaccin es significativa, los mejores niveles se seleccionan de las
grficas de interacciones, de otra forma se seleccionan de las grficas de
efectos de los factores principales.
Main Effects Plot for Rendimiento

Data Means
Temp Presion
90.7
90.6
90.5
Mean
90.4
90.3
90.2
200 215 230 150 160 170
Pgina 28 de 80
Para maximizar el rendimiento se selecciona:
Presin = 170 psig
Temperatura = 215C
Interaction Plot for Rendimiento

Data Means
90.9 Temp
200
90.8 215
230
90.7
90.6
90.5
Mean
90.4
90.3
90.2
90.1
90.0
150 160 170

Presion
6. Se est estudiando el rendimiento para un proceso industrial, los dos

factores de inters son temperatura y presin. Se utilizan tres niveles de
cada factor, con los resultados siguientes:
Presin en libras / pulg. 2

Temperat
ura 250 260 270
20 86.3 84 85.8
86.1 85.2 87.3
40 88.5 87.3 89
89.4 89.9 90.3
60 89.1 90.2 91.3
91.7 93.3 93.7
Rendimie
Temperatura Presion nto
20 250 86.3
20 260 84
20 270 85.8
40 250 88.5
Pgina 29 de 80
40 260 87.3
40 270 89
60 250 89.1
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
60 260 93.3
60 270 93.7
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 grficas 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 40 60 80 100
(C)
50 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
Pgina 30 de 80
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

d) Obtener las grficas 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

sinttica estn siendo estudiados 4 maquinas de produccin y tres
operadores son escogidos y un experimento factorial es realizado y usando
la fibra de los mismos lotes de produccin, con los siguientes resultados.
MAQUIINA
OPERADOR A B C D
JUAN 109 110 108 110
110 115 109 108
PEDRO 110 110 111 114
112 111 109 112
JORGE 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

d) Obtener las grficas 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?
Pgina 31 de 80
9. Diseo de experimentos de Taguchi
Taguchi ha desarrollado una serie de arreglos para experimentos con

factores a dos niveles, los ms utilizados y difundidos segn el nmero de
factores a analizar son:
Taguchi sugiere utilizar un estadstico que proporcione informacin acerca

de la media y de la variancia denominado Relacin Seal a Ruido (SNR),
como la variable de respuesta, se consideran tres tipos principales. Las
frmulas 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
n
SNRl 10 log
i 1 n
SNRt 10 log s 2
3. Nominal es mejor - (Target is better - t)
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 mquina de soldar donde por medio de un transportador pasa
por un bao de flux para eliminar oxido, se precalienta para reducir la
Pgina 32 de 80
torcedura y se suelda. Se disea un experimento para determinar las

condiciones que dan el nmero mnimo de defectos de soldadura por milln
de uniones. Los factores de control y niveles se muestran a continuacin:
ARREGLO INTERNO
Factor Descripcin (-1) (+1)
A Temperatura de soldado F 480 510
Velocidad del transportador
B (ft/min) 7.2 10.
Densidad del flux remover
C oxido 0.9 1.0
Temperatura de precalentado
D F 150 200
Altura de ola de
E soldadura(pulg.) 0.5 0.6
Adems se tienen otros factores denominados factores de ruido que no se

pueden o no se quieren controlar como el tipo de producto. Tambin se
pueden considerar factores de ruido las tolerancias de algunos de los
factores crticos en este proceso, en este caso la temperatura de la
soldadura varia entre 5F y la velocidad del transportador entre 0.2
ft/min. Esta variabilidad tambin tiene influencia en la respuesta.
ARREGLO INTERNO
Factor Descripcin (-1) (+1)
F Temperatura de soldadura (F) -5 5
Velocidad del transportador
G (ft/min) -0.2 +0.2
H Tipo de producto en la placa 2 1
El arreglo cruzado de ambos y los valores de las respuestas se muestran a

continuacin:
En este caso se busca la respuesta Menor es mejor para los defectos de
soldadura.
F -1 1 1 -1
Arreglo
interno 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
Pgina 33 de 80
1 1 1 -1 -1 194 197 193 275 -46.75
PASO 1. GENERAR EL DISEO FACTORIAL DE ACUERDO AL EXPERIMENTO
Stat > DOE > Taguchi > Create Taguchi Design
2 Level Design
Designs L8
Factors (para cambiar nombre de factores y niveles)
o To columns of the array as specified below
o To allow estimation of selected interactions

Seleccionar Selected terms AB
Factor Name Level values Column Levels
A Temp sold -1 1 1 2
Options
o Store design in worksheet OK

DISEO O ARREGLO
A B C D E -F-G-H FG-H F-GH -FGH

-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
Pgina 34 de 80
1 1 1 -1 -1 194 197.0 193 275
PASO 3 ANALIZAR MODELO DE DISEO DE EXPERIMENTOS

FRACCIONAL DE TAGUCHI
Stat > DOE > Taguchi > Analyze Taguchi Design
Response Data are in - Seleccionar las cuatro columnas de

respuestas C6 - C9
Graphs Seleccionar Signal to noise ratios , means, interaction

plots in Matrix
Analysis Seleccionar Signal to noise ratios y Means para

Los resultados se muestran a continuacin
a) Grfica normal de residuos
Indica que le modelo es adecuado
Pgina 35 de 80
b) Coeficientes y ANOVA para Relaciones Seal a Ruido
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 Coef SE Coef T P

Constant 197.125 3.125 63.080 0.010
A -1 27.500 3.125 8.800 0.072
B -1 -2.125 3.125 -0.680 0.620
C -1 -56.875 3.125 -18.200 0.035 Solo son significativos a un nivel alfa del 5%
D -1 2.625 3.125 0.840 0.555 el factor C y al 10% A, C, E.
E -1 -22.750 3.125 -7.280 0.087
A*B -1 -1 3.125 3.125 1.000 0.500
S = 8.839 R-Sq = 99.8% R-Sq(adj) = 98.5%
Pgina 36 de 80
Main Effects Plot (data means) for SN ratios

A B C
-44
-46
Mean of SN ratios
-48
-1 1 -1 1 -1 1
D E
-44
-46
-48
-1 1 -1 1
Signal-to-noise: Smaller is better
Pgina 37 de 80
Los factores ms significativos son A, C y E.

Seleccionamos para menor es mejor
los que den respuesta Mxima:
A=1
B = -1
C = -1
D=1
E = -1
Interaction Plot (data means) for SN ratios

-1 1
A
-44 -1
1
-45
A
-46
-47
B
-44 -1
1
-45
B
-46
-47
-1 1
Signal-to-noise: Smaller is better
d) Las respuestas promedio y grficas factoriales para los factores

principales son:
Pgina 38 de 80
Se observan como factores significativos

A, C y E (considerados para alfa de 10%),
seleccionamos para una respuesta mnima:
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
A
220 -1
1
200
A
180
160
B
220 -1
1
200
B
180
160
-1 1
No se observa interaccin
significativa
entre los factores A y B, las lneas
estn casi paralelas
PASO 5 PREDICCIN 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 Mean StDev Ln(StDev)

52.6883 309 39.7725 3.68353
Pgina 39 de 80
10. En un proceso de formacin de paneles una caracterstica no deseada

es la emisin de formaldehdo en el producto final. Se desea que esta
emisin sea lo mnima posible. Actualmente se estima en 0.45 ppm. (partes
por milln).
Se cree que cinco factores pueden estar afectando la emisin, estos son:
tipo de resina, concentracin de la solucin, tiempo de ciclo de prensado,
humedad y presin.
En este caso estamos interesados en analizar el efecto de 5 efectos o

factores a dos niveles cada uno, por lo tanto, se usar un arreglo ortogonal
L8. Esto implica que se ejecutarn 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 ltimas dos
columnas, el arreglo queda:
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
Pgina 40 de 80
OK
La columna de la Yi se agrega despus de correr los experimentos:
A B C D E Yi
1 1 1 1 1 0.49
1 1 1 2 2 0.42
1 2 2 1 1 0.38
1 2 2 2 2 0.3
2 1 2 1 2 0.21
2 1 2 2 1 0.24
2 2 1 1 2 0.32
2 2 1 2 1 0.28
Analizar el diseo experimental con:
Con Minitab

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 prediccin de la respuesta:

Terms >> todos
Levels seleccionar coded Units y Select levels from a list
Seleccionar los niveles que minimicen la respuesta
OK
S/N Ratio Mean

13.8571 0.1675
Pgina 41 de 80
11. Ejemplo con interacciones: Variable de respuesta viscosidad, el

mayor valor es deseado.
Factores Nivel I Nivel II

A Mezcla de hule crudo si
no
B Curado no
24 hrs.
C Velocidad de prensado 50m/min
55 m/min
D Enfriamiento del tambor con agua sin agua
E Secado con vapor envolvente si
no
Interaccin ExD
Interaccin DxC
Arreglo ortogonal y resultados
N E D ExD C B DxC A Resultado

1 1 1 1 1 1 1 1 1620
2 1 1 1 2 2 2 2 1580
3 1 2 2 1 1 2 2 1100
4 1 2 2 2 2 1 1 1150
5 2 1 2 1 2 1 2 1500
6 2 1 2 2 1 2 1 1560
7 2 2 1 1 2 2 1 1000
8 2 2 1 2 1 1 2 1020
Solucin con Minitab se crea el arreglo con:
1. Disear el arreglo ortogonal definiendo las columnas para los factores

principales y las interacciones, en este caso:
Col. Col. Col. Col. Col. Col. Col.

1 2 3 4 5 6 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
Pgina 42 de 80
Pgina 43 de 80
Esta columna es el resultado de los experimentos:
A C AxC B AxB CxB D Yi

1 1 1 1 1 1 1 11.2
1 1 1 2 2 2 2 10.8
1 2 2 1 1 2 2 7.2
1 2 2 2 2 1 1 7.0
2 1 2 1 2 1 2 8.0
2 1 2 2 1 2 1 6.9
2 2 1 1 2 2 1 10.4
2 2 1 2 1 1 2 10.1
3. Analizar el diseo con:
Con Minitab

Response data in Yi
Terms: A B C D
Options: Smaller is better
OK
Los resultados son los siguientes:
Establecer conclusiones
4. Predecir la respuesta con Minitab
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 caracterstica de calidad importante para un cierto producto

metlico es el terminado, que se mide segn su planicidad en milsimas de
pulgada (mmplg). Esta caracterstica se piensa es afectada por los
siguientes factores:
Pgina 44 de 80
Factor Descripcin Nivel 1 Nivel 2

A Temperatura del horno 1500 F 1600 F
B Presin de prensado 200 psi 220 psi
C Velocidad de recocido 8 seg 12 seg
D Velocidad de alimentacin ref. 80 gal/min 100gal/min
G Tipo de modelo chico grande
H Templabilidad del material 25 Rc 30 Rc
AxC Interaccin
AxD Interaccin
Los factores G y H son factores que no se pueden controlar durante el

proceso, ya que el tipo de modelo depende del requerimiento especfico del
cliente y la templabilidad es una caracterstica de la materia prima. Estos
dos factores se consideran al menos inicialmente como factores de ruido.
Por lo tanto, se consideran como factores de diseo a los factores A, B, C y

D.
De acuerdo con esto, lo que se desea saber es cules deben ser las
condiciones de operacin o niveles de los factores de diseo A, B, C y D, que
lleven el producto a la caracterstica objetivo y adems con la mnima
variabilidad, a pesar de las variaciones en los factores G y H.
Arreglo interno
Considere nicamente los factores de diseo, se desea detectar 6 efectos

en total, y para ello, se requiere de un arreglo ortogonal L8. La grfica lineal
requerida es:
3
1 A .2 B
5 A xC
4 C
AxD 6
7 D
La columna correspondiente a la lnea punteada se utilizar para cuantificar

el error. Una posible asignacin es:
Pgina 45 de 80
A B e C AxC AxD D Este ser el arreglo

N 1 2 3 4 5 6 7 interno y consiste de 8
condiciones
experimentales/renglone
s
Arreglo externo
Considere ahora nicamente 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:
G H
N 1 2 3
1 1 1 1
2 1 2 2
3 2 1 1
4 2 2 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:
1 2 2 1
H 1 2 1 2
G 1 1 2 2
A B e C AxC AxD D
N 1 2 3 4 5 6 7 1 2 3 4
1 1 1 1 1 1 1 1 Y11 Y12 Y13 Y14
2 1 1 1 2 2 2 2 Y21 Y22 Y23 Y24
3 1 2 2 1 1 2 2 Y31 Y32 Y33 Y34
4 1 2 2 2 2 1 1 Y41 Y42 Y43 Y44
5 2 1 2 1 2 1 2 Y51 Y52 Y53 Y54
6 2 1 2 2 1 2 1 Y61 Y62 Y63 Y64
7 2 2 1 1 2 2 1 Y71 Y72 Y73 Y74
8 2 2 1 2 1 1 2 Y81 Y82 Y83 Y84
Pgina 46 de 80
Las 32 lecturas son las siguientes:

1 2 2 1
H 1 2 1 2
G 1 1 2 2
A B e C AxC AxD D
N 1 2 3 4 5 6 7 1 2 3 4
1 1 1 1 1 1 1 1 1.1 1.2 1.3 1.1
2 1 1 1 2 2 2 2 1.2 1.3 1.2 1.3
3 1 2 2 1 1 2 2 2.0 2.1 2.2 2.1
4 1 2 2 2 2 1 1 2.1 2.2 2.1 2.0
5 2 1 2 1 2 1 2 1.0 1.4 1.2 1.3
6 2 1 2 2 1 2 1 1.2 1.3 1.5 1.0
7 2 2 1 1 2 2 1 1.6 2.1 2.4 2.0
8 2 2 1 2 1 1 2 1.5 2.0 2.3 2.5
Totales= 11.7 13.6 14.2
13.3
Solucin con Minitab se crea el arreglo con:

1. Disear 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 COMB. FACTORES DE

CONTROL RUIDO
H1_ H2_ H1_ H2_
A B e C AxC AxD D G1 G1 G2 G2
1 1 1 1 1 1 1 1.1 1.2 1.3 1.1
1 1 1 2 2 2 2 1.2 1.3 1.2 1.3
1 2 2 1 1 2 2 2 2.1 2.2 2.1
1 2 2 2 2 1 1 2.1 2.2 2.1 2
2 1 2 1 2 1 2 1 1.4 1.2 1.3
2 1 2 2 1 2 1 1.2 1.3 1.5 1
2 2 1 1 2 2 1 1.6 2.1 2.4 2
2 2 1 2 1 1 2 1.5 2 2.3 2.5
3. Analizar el diseo con:
Pgina 47 de 80
Con Minitab

Response data in H1_G1 H2_G1 H1_G2 H2_G2
Terms: A B C D
Options: Nominal is Best Seleccionar Use adjusted formula for nominal is
best
OK
Los resultados son los siguientes (al 0.2 de nivel de significancia):
Suponga que por alguna razn 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:
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
Conclusin: como el valor de la presin de prensado es el nico factor que

ajusta a la media, debe ajustarse para que la planicidad se encuentre en su
valor nominal de 2.
13. Ejemplo de fabricacin de bolas de Golf
Se fabrican bolas de golf con un nuevo diseo para maximizar la distancia

de vuelo.
Se han identificado cuatro factores de control, cada uno con dos niveles:
- Material del nucleo (lquido y tungsteno)

- Dimetro del nucleo (118 y 156)
- Nmero de vueltas (392 y 422)
- Espesor del recubrimiento (0.03 y 0.06)
Se desea probar la interaccin entre el material del nucleo y su dimetro.
Como respuesta se mide la distancia en dos clubes de golf como factor de

ruido.
Pgina 48 de 80
Como se quiere maximizar la respuesta se selecciona la relacin seal a

ruido Mayor es mejor.
Paso 1. Abrir el archivo de Minitab
File > Open worksheet GOLFBALL.MTW. Contiene el diseo y los datos de

distancia de respuesta.
Material Diameter Dimples Thickness Driver Iron

Liquid 118 392 0.03 247.5 234.3
Liquid 118 422 0.06 224.4 214.5
Liquid 156 392 0.03 59.4 49.5
Liquid 156 422 0.06 75.9 72.6
Tungsten 118 392 0.06 155.1 148.5
Tungsten 118 422 0.03 39.6 29.7
Tungsten 156 392 0.06 92.4 82.5
Tungsten 156 422 0.03 21.9 18.6
Reconocer el diseo con:

Stat > DOE > Taguchi
Define custom Taguchi Design
Factors Material Thickness
OK
Paso 2. Analizar el diseo

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 trminos 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 dilogo
Los resultados se muestran a continuacin:
Para la prediccin se puede decidir qu factores e interacciones incluir, para

mejorar la prediccin.
Stat > DOE > Taguchi > Predict Taguchi Results.

Quitar la seleccin de Standard deviation y Natural log of standard
deviation.
Pgina 49 de 80
Click Terms. Incluir los trminos A, B, C, D, y AB en el cuadro Selected

Terms. Click OK.
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 Liquid
Diameter 118
Dimples 392
Thicknes 0.06
s
Pgina 50 de 80
14. Diseo Central Compuesto para optimizacin con

Minitab:
Pgina 51 de 80
Pgina 52 de 80
Corrida con Minitab
Paso 1. Crear el diseo 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
Pgina 53 de 80
mismos
En Options seleccionar NO Randomize runs y Store Design in

Worksheet
En Results seleccionar Summary table and Design

Table
OK Design Table
Paso 2. Cargar los datos de respuesta de los

experimentos
Viscocida
StdOrder RunOrder PtType Blocks A B Rendim. d
1 1 1 1 -1 -1 76.5 62
2 2 1 1 1 -1 78.0 66
3 3 1 1 -1 1 77.0 57
4 4 1 1 1 1 79.5 59
5 5 -1 1 -1.41421 0 75.6 71
6 6 -1 1 1.41421 0 78.4 68
7 7 -1 1 0 -1.41421 77.0 57
8 8 -1 1 0 1.41421 78.5 58
9 9 0 1 0 0 79.9 72
10 10 0 1 0 0 80.3 69
11 11 0 1 0 0 80.0 68
12 12 0 1 0 0 79.7 70
13 13 0 1 0 0 79.8 71
Paso 3. Analizar el Diseo de superficie de

respuesta CCD
Stat> DOE > Surface Response > Analyze Surface Response

Design
En Response seleccionar Rendimiento y Coded Units
Pgina 54 de 80
En Graphs seleccionar Residual Plots o Normal

Plot
OK
Pgina 55 de 80
El modelo es adecuado
Pgina 56 de 80
Paso 4. Analizar grficas 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
Punto ptimo
A=0, B=0.5
Pgina 57 de 80
Pgina 58 de 80
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
Paso 5. Optimizacin de las

respuestas
Stat> DOE > Surface Response > Response

Optimizer
Seleccionar Variable de respuesta Rendim

con >
En Setup poner los valores para la estimacin Lower 75 Target

80 Upper 90
En Options indicar los Starting Values de los niveles de los

factores 0, 0
OK
Pgina 59 de 80
Y = 79.94 + 0.995*A + 0.515B 1.376 A*A 1.001 B*B + 0.25AB
Con las ecuaciones de la pgina siguiente el punto mximo ptimo

queda
en X1 = 0.389 y X2 = 0.306 Con una respuesta estimada Yest = 80.21
Pgina 60 de 80
15. Ejemplo: Los datos mostrados en la siguiente tabla fueron

colectados en un experimento para optimizar el crecimiento de cristal
semiconductor como funcin de de las variables X1, X2 y X3. Los valores
grandes de Y (rendimiento en gramos) son deseables.
StdOr RunOr PtTyp

der der e Blocks X1 X2 X3 Y
1 1 1 1 -1 -1 -1 66
2 2 1 1 1 -1 -1 80
3 3 1 1 -1 1 -1 78
4 4 1 1 1 1 -1 100
5 5 1 1 -1 -1 1 70
6 6 1 1 1 -1 1 70
7 7 1 1 -1 1 1 60
8 8 1 1 1 1 1 75
-
1.6817
9 9 -1 1 9 0 0 100
1.6817
10 10 -1 1 93 0 0 80
-
1.6817
11 11 -1 1 0 9 0 68
1.6817
12 12 -1 1 0 93 0 63
-
1.6817
13 13 -1 1 0 0 9 65
1.6817
14 14 -1 1 0 0 93 82
15 15 0 1 0 0 0 113
16 16 0 1 0 0 0 100
17 17 0 1 0 0 0 118
18 18 0 1 0 0 0 88
Pgina 61 de 80
19 19 0 1 0 0 0 100
20 20 0 1 0 0 0 85
Encontrar un modelo de ajuste de segundo orden y analizar la superficie

ajustada, bajo qu condiciones se logra el mximo crecimiento? La salida
de Design Expert es:
Pgina 62 de 80
Pgina 63 de 80
16. Los datos siguientes fueron colectados por un ingeniero qumico. La

respuesta Y es el tiempo de filtracin, X1 es la temperatura y X2 es la
presin. Encontrar un modelo de segundo orden.
StdOr RunOr PtTyp

der der e Blocks X1 X2 Y
1 1 1 1 -1 -1 54
2 2 1 1 1 -1 32
3 3 1 1 -1 1 45
4 4 1 1 1 1 47
-
1.4142
5 5 -1 1 1 0 50
1.4142
6 6 -1 1 14 0 53
-
1.4142
7 7 -1 1 0 1 47
1.4142
8 8 -1 1 0 14 51
9 9 0 1 0 0 41
10 10 0 1 0 0 39
11 11 0 1 0 0 44
12 12 0 1 0 0 42
13 13 0 1 0 0 40
La salida de Design Expert es:
Pgina 64 de 80
Pgina 65 de 80
Qu condiciones de operacin se recomiendan si el objetivo es minimizar el

tiempo de filtracin?
Pgina 66 de 80
Qu condiciones de operacin se recomiendan si se quiere operar en

un tiempo de filtracin cercano a 46?
Pgina 67 de 80
17. Un experimentador corri un diseo de Box-Behnken y obtuvo los

resultados mostrados abajo, donde la variable de respuesta es la viscosidad
de un polmero.
StdOr RunOr PtTyp

1 1 2 1 -1 -1 0 535
2 2 2 1 1 -1 0 580
3 3 2 1 -1 1 0 596
4 4 2 1 1 1 0 563
5 5 2 1 -1 0 -1 645
6 6 2 1 1 0 -1 458
7 7 2 1 -1 0 1 350
8 8 2 1 1 0 1 600
9 9 2 1 0 -1 -1 595
10 10 2 1 0 1 -1 648
11 11 2 1 0 -1 1 532
12 12 2 1 0 1 1 656
13 13 0 1 0 0 0 653
14 14 0 1 0 0 0 599
15 15 0 1 0 0 0 620
Encontrar el modelo de segundo orden
En qu condiciones de X1, X2 y X3 se encuentra el punto

estacionario?
Pgina 68 de 80
Pgina 69 de 80
Qu condiciones de operacin son necesarias si se requiere una viscosidad

tan cercana a los 600 como sea posible?
18. Considerar el diseo de experimentos CCD mostrado abajo. Analizar

los datos y establecer conclusiones, asumir que se desea maximizar la
Conversin (Y1) con la Actividad (Y2) entre 55 y 60.
StdOr RunOr PtTyp

der der e Blocks X1 X2 X3 Y1 Y2
1 1 1 1 -1 -1 -1 74.0 53.2
2 2 1 1 1 -1 -1 51.0 62.9
3 3 1 1 -1 1 -1 88.0 53.4
4 4 1 1 1 1 -1 70.0 62.6
5 5 1 1 -1 -1 1 71.0 57.3
6 6 1 1 1 -1 1 90.0 67.9
7 7 1 1 -1 1 1 66.0 59.8
8 8 1 1 1 1 1 97.0 67.8
9 9 -1 1 - 0 0 76.0 59.1
Pgina 70 de 80
1.6817
9
1.6817
10 10 -1 1 93 0 0 79.0 65.9
-
1.6817
11 11 -1 1 0 9 0 85.0 60.0
1.6817
12 12 -1 1 0 93 0 97.0 60.7
-
1.6817
13 13 -1 1 0 0 9 55.0 57.4
1.6817
14 14 -1 1 0 0 93 81.0 63.2
15 15 0 1 0 0 0 81.0 59.2
16 16 0 1 0 0 0 75.0 60.4
17 17 0 1 0 0 0 76.0 59.1
18 18 0 1 0 0 0 83.0 60.6
19 19 0 1 0 0 0 80.0 60.8
20 20 0 1 0 0 0 91.0 58.9
Las salidas del Design Expert son las siguientes:
Pgina 71 de 80
Pgina 72 de 80
19. Diseo 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 diseo es la siguiente:

StdOrd RunOrd PtTyp Fuerza Sineres
er er e Blocks A B C D de Gel is
1 1 1 1 1 0 0 0
2 2 1 1 0 1 0 0
3 3 1 1 0 0 1 0
4 4 1 1 0 0 0 1
5 5 0 1 0.25 0.25 0.25 0.25
6 6 -1 1 0.625 0.125 0.125 0.125
7 7 -1 1 0.125 0.625 0.125 0.125
8 8 -1 1 0.125 0.125 0.625 0.125
Pgina 73 de 80
9 9 -1 1 0.125 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 grfica del diseo 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
Hold Values
A 0
B 0
0 0 0 0 C 0
D 0
1 0 1 1 0 1
B C B D
A B
1 1
0 0 0 0
1 0 1 1 0 1
C D C D
Si la mezcla de los componentes representa el 10% del volumen total de la

solucin, 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 Sineres
gel is
3 12
2 43
5 54
21 61
1 23
9 4
3 7
4 8
1 9
Pgina 74 de 80
Despus se analiza el diseo con:

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 T P VIF

A 3.1 1.713 * * 1.493
B 2.1 1.713 * * 1.493
C 5.1 1.713 * * 1.493
D 21.1 1.713 * * 1.493
A*B 140.0 30.715 4.56 0.137 5.312 A y B o A y C
son sinrgicos
A*C 132.0 30.715 4.30 0.146 5.313 ya que refuerzan la
respuestas coef. +
A*D -201.6 28.909 -6.97 0.091 4.706 A y D o B y C
son antagnicos
B*C -157.6 28.909 -5.45 0.115 4.706 ya que disminuyen la
respuesta coef.-
S = 1.71701 PRESS = 2660.59

R-Sq = 99.08% R-Sq(pred) = 0.00% R-Sq(adj) = 92.63%
Analysis of Variance for Fuerza del gel (component proportions)
Source DF Seq SS Adj SS Adj MS F P

Regression 7 317.274 317.274 45.3249 15.37 0.194
Linear 3 151.750 238.750 79.5833 26.99 0.140
Quadratic 4 165.524 165.524 41.3810 14.04 0.197
Residual Error 1 2.948 2.948 2.9481
Total 8 320.222
Pgina 75 de 80
Unusual Observations for Fuerza del gel
Fuerza
Obs StdOrder del gel Fit SE Fit Residual St Resid
1 1 3.000 3.118 1.713 -0.118 -1.00 X
2 2 2.000 2.118 1.713 -0.118 -1.00 X
3 3 5.000 5.118 1.713 -0.118 -1.00 X
4 4 21.000 21.118 1.713 -0.118 -1.00 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
Pgina 76 de 80
Se ajustan grficamente los valores de los factores A, B, C y D para

optimizar al mismo tiempo las respuestas Fuerza del gel y Sinerismo
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 diseo de mezclas:
Encontrar el modelo de segundo orden que maximice las millas por galn de
gasolina Y.
Preparada para Minitab
StdOr RunOr PtTyp

1 1 1 1 1 0 0 24.5
2 2 1 1 0 1 0 24.8
3 3 1 1 0 0 1 22.7
4 4 2 1 0.5 0.5 0 25.1
5 5 2 1 0.5 0 0.5 24.3
6 6 2 1 0 0.5 0.5 23.5
0.3333 0.3333 0.3333
7 7 0 1 33 33 33 24.8
0.6666 0.1666 0.1666
8 8 -1 1 67 67 67 24.2
0.1666 0.6666 0.1666
9 9 -1 1 67 67 67 23.9
0.1666 0.1666 0.6666
10 10 -1 1 67 67 67 23.7
11 11 1 1 1 0 0 25.1
12 12 1 1 0 1 0 23.9
13 13 1 1 0 0 1 23.6
0.3333 0.3333 0.3333
14 14 0 1 33 33 33 24.1
Pgina 77 de 80
21. Ejemplo de EVOP
Considerar un proceso qumico con rendimiento dependiente de la

temperatura (X1) y y la presin (X2), las condiciones de operacin actuales
son X1 = 250F 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
Pgina 78 de 80
n = 2 Y = 84.9 en el punto (1) [antes era el punto 3] con X1 = 255 y

X2 = 150
Ningn efecto excede a los lmites de error por lo que las diferencias no
fueron significativas
Pgina 79 de 80
n = 3 Y = 85.9 en el punto (1) [antes era el punto 3]
Aqu se observa que el efecto de la presin es significativa
Pgina 80 de 80

Ejercicios Fase Mejora

Загружено:

Сведения о документе

Оригинальное название

Авторское право

Доступные форматы

Поделиться этим документом

Поделиться или встроить документ

Параметры публикации

Этот документ был вам полезен?

Это неприемлемый материал?

Авторское право:

Доступные форматы

Ejercicios Fase Mejora

Загружено:

Авторское право:

Доступные форматы

EJERCICIOS LEAN SIGMA FASE DE MEJORA P.

Reyes / febrero de 2009

EJERCICIOS DE LA FASE DE MEJORA:

1. Cul es el propsito de la fase de mejora?

2. Cules son los entregables de la fase de mejora? Dar un ejemplo.

a. Identificacin de mejores niveles de operacin

b. Generacin de alternativas de solucin, usar mtodos de

c. Evaluacin de alternativas de solucin con diagrama de rbol:

DESCRIPC ALTERNATI VENTAJ DESVENT FACTIBILI SELECCI

d. Seleccin de alternativas de solucin

e. Plan 5W-1H para implementacin de las soluciones seleccionadas

f. Prueba piloto y Verificacin de la efectividad de las soluciones

g. Implementacin y documentacin de la solucin a nivel sistema

3. Qu desventajas se observan cuando se experimenta con un factor a la

5. Cules son las ventajas que proporciona el diseo de experimentos?

6. Cules los diferentes propsitos que puede tener un diseo de

7. Cules son los pasos principales para la realizacin de diseos de

8. Qu consideraciones deben tomarse en cuenta al planear y desarrollar

9. Cules son las implicaciones al realizar experimentos en la empresa?

10. Qu criterios se deben tomar para seleccionar las variables de proceso

11. Cules son los supuestos que se asumen cuando se realizan

12. Cules son los diferentes mtodos experimentales disponibles y cul es

Diseo experimental Aplicacin

Fraccional de dos niveles 2K Filtraje de factores significativos bajo

Factorial completo FK Identificacin de mejores niveles de

Diseo central compuesto CCD Identificacin del punto ptimo de

Diseos ptimos - D Diseos por computadora para reducir

13. Qu significan los conceptos siguientes?

14. Qu son las interacciones y cmo se identifican?

15. Qu caractersticas tiene un diseo experimental factorial completo?

16. Qu caractersticas tiene un diseo experimental factorial de dos

18. Cmo se identifican los factores significativos en la tabla ANOVA de los

19. Qu indican las grficas factoriales y cmo se seleccionan los niveles

20. Qu indican las grficas factoriales de interacciones y cmo se

21. Qu indica la grfica de superficie de respuesta?

22. Cul es el propsito de la grfica de contornos?

23. qu ventajas tiene el mtodo de Taguchi?

24. Qu es la relacin S/N y qu ventajas tiene maximizar su valor?

25. Cmo se obtiene la prediccin de la respuesta en el mtodo Taguchi?

26. Dar algunos ejemplos de tcnicas de creatividad para la generacin de

27. Despus de cunto tiempo se recomienda se evalen los resultados de

28. Cmo se puede cuantificar estos resultados?

29. Qu formas de reconocimiento a los equipos de proyecto Seis Sigma se

30. Cules son las salidas de la fase de mejora?

PROBLEMAS: (Utilizar Minitab 15 para las soluciones)

DISEOS DE EXPERIMENTOS FACTORIALES DE DOS NIVELES

1. Diseo de experimentos de dos niveles: En un proceso de

Factor Nivel bajo Nivel Alto

Como respuesta se toma la calidad del componente en una escala de 0 a 30

Paso 1. Generar diseo

Designs: Seleccionar Full Factorial Seleccionar Replicates 1

Factors: Caudal 8 12 Intensidad 230 240 Vel. 0.6 1

ESTADSTICAS > DOE > Factorial > Crear Diseo Factorial

Seleccionar Factorial de 2 niveles (generador de default); Numero de

Factores: Caudal 8 12 Intensidad 230 240 Vel. 0.6 1

Opciones: Quitar bandera de Aleatorizar corridas

Paso 2. Introducir los datos en el diseo:

Paso 3. Analizar el diseo

Los resultados se muestran a continuacin.

La ecuacin del modelo se puede formar a partir de los siguientes

MODELO DEL PROCESO

Pareto Chart of the Effects

Normal Probability Plot of the Effects

Yest = 23.0550 - 96.24Diametro - 0.372Velocidad +