17 Mod 04 Optimizar Ventanas Operacion

Diplomado Lean y 6 Sigma para Black Belt (BB)
Mdulo IV: optimizar las ventanas de operacin de un proceso

2017
1
Prohibida la reproduccin parcial o total de este documento sin el consentimiento del autor
Generales
Agenda del mdulo IV (40 horas)
1 Confiabilidad de equipos (parte II)

2 Chi cuadrada
3 Introduccin a diseo de experimentos (factoriales completos)
4 Diseos factoriales fraccionados
5 Puntos centrales y bloqueo en un diseo
6 EVOP (Evolutionary Operation)
7 Superficies de respuesta
8 Preparacin competencia DDE y herramientas estadsticas
9 Competencia en vivo en el campo de batalla
10 Revisin de proyectos
Objetivo del mdulo

Optimizar nmero de variables crticas que impactan Este proyecto
los requisitos del cliente y reforzar la confiabilidad del ya se coci
equipo
Seguridad:
OjO con las condiciones inseguras: cables, lquidos, mecedoras.
Verifica equipo de emergencia, salidas y seales.
2
Dnde estamos y hacia dnde vamos
Panorama lean 6S y ubicacin de mdulo IV:
Administracin estrategia
Identifica, Entrena belts,
Ejecuta Monitorea Mantn
prioriza asigna
proyectos proyectos resultados
proyectos proyectos
Oportunidades BB Proyectos 6S -Sigue plan de con- -Repite el ciclo
va: trol -Monitorea be-
Entrena en Medir
Objetivos -Cierra proyectos neficios
-DFSS Analizar
Voz proceso -Admn estrate- -Elimina barreras
Mejorar -Evala avances
Voz QFD gia, proyectos, Controlar
cliente mtricos - parm.
-Ruta lean 6S Estadstica
Proyectos Variacin Proyectos lean
Desperdicios AS IS Temas mdulos I a III
Voz gente
Plan implant.
Temas del mdulo IV
Prioriza Tools lean
TO BE
Definir Plan de control
Eventos Kaizen
3
Ruta DMAMC y EFECTO EMBUDO (proyectos 6S)

chorro de Xs
Definir Determina el proyecto y su alcance

Medir Identifica las Xs y la Y mapea
chorrote de Xs
Prioriza las Xs (matriz causa efecto)
chorro de Xs
chorrito Evala los riesgos de las Xs (FMEA)
de Xs
batiniM Analizar Analiza Xs-Y con herramientas de Ishikawa
chorriti-
tito de Efecta anlisis estadstico
Xs
Mejorar Efecta un DDE y verifica Xs crticas
Xs crticas Optimiza Xs crticas, actualiza plan control

Proceso mejorado
Controlar Implanta el plan de control
Temas mdulos I a III Verifica estabilidad/capacidad de proceso
Temas del mdulo IV

Xs crticas a controlar
4
Efecto embudo: anlisis de las Xs y la Y

Un
Unchorro de
chorro de
Mapeo Xs (entradas) Conoce el proceso
Xs (entradas)

Matriz causa efecto Prioriza Xs

Muchas Xs
FMEA 20 Qu puede salir mal?
Anlisis de Xs y Y con
estadstica descriptiva
-Fundamentos CEP
-Grficas de control
-Tcnicas grficas
Minitab -Herramientas de Ishikawa
-Anlisis sistema medicin
-Capacidad
Temas mdulos I y II (CP, CPK)

(pocas Xs)
5
Efecto embudo: Xs que impactan las Ys
Estadstica
descriptiva
Anlisis de Xs y Y con
inferencia estadstica (pocas Xs)
- Teorema central del lmite

- Muestreo
- Anlisis multi vari
- Prueba de hiptesis
- Pruebas t / ANOVA
- Regresiones
- 2
(poquitas Xs)
Temas mdulos I a III Confiabilidad
DOEs
Temas del mdulo IV
(Xs crticas) Plan de control 6
*
Prueba Chi cuadrada
Objetivo:
o Presentar las bases para determinar si hay independencia entre 2 eventos.
o Analizar la Y y la X cuando son discretas.
Base:
Proviene de la distribucin y se basa en frecuencias esperadas, observadas y grados de

libertad (GL).
( f o fe ) 2
Frmula:
fe
Frecuencia observada
Frecuencia esperada
Ejemplo: RH est evaluando la relacin entre edad y nmero de contrataciones
Contratados Sin contratar Total
Adultos 86 300 386
Jvenes 90 420 510
Total 176 720 896
7
Prueba Chi cuadrada
Hiptesis
Ho: edad y polticas de contratacin son independientes.
Ha: edad y polticas de contratacin son dependientes.
Si el valor p es < 0.05, rechaza Ho
Primer paso Contratados Sin contratar
Adultos 86 300
Desarrolla una tabla de frecuencias
observadas:
Jvenes 90 420
Paso que sigue al 1

Contratados Sin contratar Total
Calcula totales de columnas y
renglones Adultos 86 300 386
Jvenes 90 420 510
Total 176 720 896

8
Prueba Chi cuadrada
Tabla de frecuencias observadas

Paso previo al 4 Contratados Sin contratar Total
Elabora una tabla de frecuencias
esperadas: cmo quedaran los Adultos 86 300 386
datos si los factores (prcticas y
edad) fueran independientes:
Jvenes 90 420 510
% de adultos que hicieron solicitud:
386/896 = 43% (se esperara que
43% de personas contratadas fueran Total 176 720 896
adultos: [176*(386/896)] =~ 76)
Tabla de frecuencias esperadas
Frecuencia esperada en celdas: Contratados Sin contratar Total
(Total columna) * (total rengln) 176 * 386
Adultos ------------ = 75.82 __ 386
Total de totales 896
Tarea: concluye la tabla Jvenes __ __ 510
Total 176 720 896

9
Prueba Chi cuadrada
4 paso Contratados Sin contratar Total

Resta el valor esperado al 86 75.82 =
observado (O E) Adultos __ 386
10.18
Tarea: concluye la tabla
Jvenes __ __ 510
Total 176 720 896
No hay 5 paso malo Contratados Sin contratar Total

Eleva al cuadrado las diferencias (10.18)*(10.18)
del paso anterior (O - E)2 Adultos __ 386
= 103.63

Jvenes __ __ 510
Total 176 720 896

10
Prueba Chi cuadrada
Un paso despus del 5

Calcula las diferencias cuadrticas Contratados Sin contratar Total
relativas:
(O - E)2 / E Adultos 103.63 / 75.82 __ 386
=1.367
Jvenes __ __ 510
Total 176 720 896
Ultimo paso (el 7)

La suma de diferencias cuadr-
ticas relativas se comporta como
distribucin .

1.37+0.33+1.03+0.25 = 2.98
o Hay independencia si es menor
a la crtica.

|
o Con ayuda de la lmina siguien-
te determina la
crtica
11
Prueba Chi cuadrada
/ a:

Ruta para la crtica

Grados de libertad
GL = (r 1)*(c 1)
r = renglones.
c = columnas.
GL = (2 -1)*(2 1) = 1
Valor a
a = 0.05
Crtica
En la tabla busca el
cruce entre los GL y a
Misin cumplida
= 384145915
Qu creen? El
Chapuuu, digo Minitab
nos ayuda con el valor p
12
Prueba Chi cuadrada
Ruta de Minitab Click en Chi-square test, Ex-

6 pected cell counts, each cells
contribution.., OK
Chi-Square Test: Contratados, Sin
Chi cuadrada contratar
1 Stat > Tables > Cross tabu-
lation and Chi-Square > Expected counts are printed below
observed counts
Colecta datos
Chi-Square contributions are printed
2
below expected counts
Corre Minitab 3 Sin
Contratados contratar Total
1 86.00 300.00 386
Analiza tabla 75.82 310.18
1.366 0.334
2 90.00 420.00 510
Evala p 100.18 409.82
4
1.034 0.253
Acta Total 176 720 896
Chi-Sq = 2.987, DF = 1, P-Value = 0.084
5
7 Qu acciones tomas? 13
*
Prueba Chi cuadrada
Ejercicios:
1. Juan Sabueso, Jos Detectivn y Jess Inspeccin checaron el nmero de

defectos de su proceso:
Piezas buenas Piezas malas

Juan 230 430
Jos 588 1201
Jess 44 84
Hay relacin entre los evaluadores y su clasificacin de piezas?
2. En la enfermera se analizaron las historias de 292 hombres y 192 mujeres; 10

hombres y 24 mujeres tienen lcera; 282 de ellos y 168 de ellas no tienen. Con
un nivel de significancia de 0.05 determina si hay relacin entre lcera y gnero.
- Ho: No existe relacin entre lcera y gnero.
- H1: S existe relacin entre lcera y gnero.
Eso es todo! GRACIAS 14

Diseos factoriales completos
La mejora embudezada
Y = f (x1, x2, x3, . . . X57 Xchorromil)
Muchas Xs triviales a pocas Xs vitales
x7, x18, x22, x31, x44, x57
Estadstica y anlisis sistema de medicin
x7, x18, x22, x31, x57
DOE I Chart for Chart 1

1
55
Individual Value
3.0SL=54.21
50 X=50.35
Y = f (x7, x22, x57) Plan de control 45

0 10 20 30
-3.0SL=46.50
Observation Number
15
Antes de lanzarnos al ruedo planea tu diseo
Pasos:
1. Define el problema o la mejora Verifica objeti-
No arranques sin definir beneficios vos estratgicos
contantes y sonantes.
2. Establece el objetivo del DOE
Subir la calidad del proceso X? Ayer me fui y
Mayor productividad? todo iba bien!
3. Define la respuesta (Y)
Variable de salida a mejorar Requisitos:

Ms de una respuesta? Trabajo en equipo.
Liderazgo.
4. Define las Xs (factores)
Know how del proceso.
Controlables o ruidos?
Implementacin de mejoras
5. Selecciona los niveles de los factores.
6. Selecciona el arreglo experimental. y otras cositas
7. Asegura los recursos para el diseo. Tecnologa, literatura,

8. Prepara, revisa y presenta la propuesta. experiencia, retro cliente,
sociedad dueo del proceso. 16
5. Selecciona los niveles de factores*
Valores en que se mueven los factores.

o OJO con seguridad.
o Verifica tecnologa, diseo.
Asegura que:
o Estn bien separados para notar un efecto apreciable en Y (si es que lo hay).
o Se incluya la operacin actual.
Caso de un proceso qumico:
Factores: temperatura, tiempo, tipo material.

Respuesta: tasa de cocido.
Niveles:
Temperatura (oC): 150, 170
Tiempo (min): 9, 13
Material: A, B
*: Factores: variables (Xs) a evaluar para ver cmo influyen en Y

17
6. Selecciona el arreglo experimental

Tratamiento o corrida de prueba
Arreglo o diseo experimental
1
Cmo podemos experimentar? 2
Si te vi, ni me acuerdo 3
Prueba y errrrrrror. 4
Un factor a la vez. 3
Factorial completo. 5
Factorial fraccionado. 6
Superficies de respuesta. 1
Operacin evolutiva (EVOP 7
= Evolutionary Operation). 8
2
Experimentos de optimizacin 8
7
En el Diseo movemos los fac- 5
tores intencionalmente para me- 6
dir su efecto en la respuesta. 4
Arreglo balanceado: 2 repeticiones de cada tratamiento
18
7. Asegura los recursos para el diseo 8. Prepara, revisa y presenta la propuesta
Si trabajas solo, solo quedars. No Definicin del problema o mejora.

puedes estar 24 horas, varios das. Objetivo(s).
Y, X(s), niveles.
Ejemplos de actividades a cubrir:
Diseo experimental.
o Captura de datos experimentales. Presupuesto, recursos y programa.
o Reporte de avances y resultados. Integrantes del equipo.
o Anlisis, mantenimiento, suministros. Recordar que habr corridas buenas y
o Ajustes de tratamientos. malas.
Lo aceptamos, maana
le damos velocidad
19
Definiciones y conceptos:
Veamos tips:
Ruidos:
o Un equipo.
o Un turno o un da.
o Los mismos operadores.
o Inclyelos en un bloque del
diseo (como un factor).
Aleatorizacin: corri-
das asignadas al azar.
Bloque: Hacer un factor

(ruido) parte del experimento.
20
Definiciones y conceptos:
Para mejor control aleatorizamos los Si el sistema de medicin no es confiable
tratamientos (y eliminar el cuchareo). infla el globo de la variacin.
Sin aleatoriedad Cuida el rango de los niveles de factores:

ni tanto que queme al santo, ni tanto que
El onceavo mandamiento del diseo:
siempre se debe confirmar .
Con aleatoriedad
Sir Ronald Aylmer Fisher,

matemtico (17/feb/1890
(Londres) 29/jul/1962
(Adelaida, Australia))
21
Sale un factor a la vez

Corre una prueba moviendo el flujo de 1 a 2, con la concentracin fija en 1 (para
reducir el error experimental efecta 2 corridas en cada nivel de los factores)
Da 21 y 38: el flujo 2 es el bueno. Corre otra prueba con el flujo fijo en 2 y moviendo la
concentracin de 1 a 2: flujo 2 y concentracin 1 son los buenazos.
Flujo 1 Flujo 2
Mr. Glub Glub
Concentracin 21 38
39
Corrida 2
1
Concentracin 48 25
2
Se observa una mejora apreciable, pero podemos

perder una oportunidad de estar an mejor.
22
El dilema de mi vocho
Quiero que mi vocho suba de 12 a 17

km/l. Velocidad Octanaje presin Km/l
Luego del mapeo, matriz causa-efecto, 90 85 28 13
llegamos a las Xs preliminares que 100 85 28 18
impactan: 100 90 28 14
100 85 32 15
Velocidad.
Octanaje.
Lentitudez del conductor. Una prueba ya la hizo (ya no le muevan,
Ajuste del vocho. ya la hicimos!); peeeero,
Lavado y encerado.
Llanta nuevas y relucientes.
Presin llantas. Cuntas combinaciones posibles hay?
Luego de tormentar ideas y aplicar 2- 3 factores a 2 niveles: 2*2*2 =8 (para ms

3 tools estadsticas, probamos las Xs Xs, multiplica por 2 cada X adicional).
enrojecidas Una combinacin no hecha puede dar an
mejores resultados.
Sigamos el anlisis.
23
Vamos por el factorial completo*

Cmo obtuvimos las 8 posibles combinaciones?
Efecto: cambio en la respuesta al En el diseo movemos los niveles intencional-

mover los niveles de los factores mente para medir su efecto en la respuesta
X1 X2 X3 Y
Velocidad Octanaje Presin km/lt
90 85 28 13
En rojo se indican las 100 85 28 18
pruebas ya efectuadas 90 90 28 23 Renglones sin color: las
100 90 28 14 nuevas pruebas (3 con
90 85 32 22 los mejores resultados)
100 85 32 15
90 90 32 17
100 90 32 20
Tus conclusiones?
* Arreglo experimental que COMBINA todos los factores juntos en lugar de 1 por 1
24
Vamos rascndole ms
Factorial 2k (Factorial 2X2)
Diseo de k factores, cada uno con 2 niveles.

En un factorial 23 cuntas corridas haces?
Arreglo estndar de diseos 2k
Los niveles se identifican/codifican con - o -1

para el nivel bajo y + o 1 para el alto.
A B
-1 -1
Factorial 22, con los factores A y B.
1 -1
-1 1
1 1 25
Factorial 22 (un Inge est por encontrar la principal causa de errores)

X1: valor de la factura
X2: cantidad de facturas. Valor Tamao Errores
Y: errores que se comenten. -1 -1 35
Niveles: 1 -1 50
Valor: 500 (-1), 2500 (1) -1 1 100
cantidad: 60 (-1), 200 (1) 1 1 41
Se busca la mejor combinacin y un poco ms: (1) facto-

res que no impactan la Y, (2) una ecuacin de prediccin
Factorial 23 Temp Tiempo Mat tasa

-1 -1 -1 60
Factores: temperatura, tiempo y tipo material.
1 -1 -1 72
Respuesta: tasa de cocido.
-1 1 -1 54
Niveles:
1 1 -1 68
Temperatura (oC): 150 (-1), 170 (1)
-1 -1 1 52
Tiempo (min): 9 (-1), 13 (1)
Material: A (-1), B (1) 1 -1 1 83
-1 1 1 45
1 1 1 80
Vamos a reducir factores y tener la ecuacin de prediccin 26

Efecto de la temperatura: Efecto del tiempo:

Calcula la tasa media en el nivel Tasa media en +1 y la
+1 y resta la media en el nivel -1 resta de la media en -1
Temp Tiempo Mat Tasa Temp Tiempo Mat Tasa
-1 -1 -1 60 -1 -1 -1 60
1 -1 -1 72 1 -1 -1 72
-1 1 -1 54 -1 1 -1 54
1 1 -1 68 1 1 -1 68
-1 -1 1 52 -1 -1 1 52
1 -1 1 83 1 -1 1 83
-1 1 1 45 -1 1 1 45
1 1 1 80 1 1 1 80
Total - -211 Total - -211 -267
Total + 303 Total + 303 247
Suma 92 Suma 92 -20
Efecto 23 Efecto 23 -5
(72 68 83 80) (60 54 52 45) (54 68 45 80) (60 72 52 83)
Efecto temp = 23 Efecto tiempo = 5
4 4 4 4
La tasa sube en promedio 23 puntos La tasa baja en promedio 5 puntos cuando
cuando la temperatura va de -1 a +1 el tiempo va de su nivel bajo al alto 27
Efecto del material:

Tasa media asociada con el nivel +1 y
la resta de la media asociada al nivel -1
Temp Tiempo Mat Tasa
-1 -1 -1 60 Segn Cantinflas falta un detallito: las
1 -1 -1 72 interacciones* (variables virtuales)
-1 1 -1 54 Tenemos los efectos principales.
1 1 -1 68
-1 -1 1 52 Pero hay interacciones resultantes de
1 -1 1 83 efectos combinados de temperatura,
-1 1 1 45 tiempo y material.
1 1 1 80 Estas variables se tratan como otros
factores para ver su impacto en la tasa.
Total - -211 -267 -254
Total + 303 247 260 Vmonos a analizar las interacciones:
Suma 92 -20 6
Efecto 23 -5 1.5
(__ __ __ __) (__ __ __ __) *: Interaccin: efecto com-
Efecto mat = ___
4 4 binado de 2 o ms factores
La tasa sube un promedio de 1.5
puntos al pasar del material A al B. 28
Identificacin de las interacciones
(1) Identifica las Temp (T) Tiemp (Ti) Mat (M) T*Ti T*M Ti*M T*Ti*M Tasa
interacciones -1 -1 -1 1 1 1 -1 60
1 -1 -1 -1 -1 1 1 72
(2) Calcula sus -1 1 -1 -1 1 -1 1 54
niveles 1 1 -1 1 -1 -1 -1 68
-1 -1 1 1 -1 -1 1 52
1 -1 1 -1 1 -1 -1 83
-1 1 1 -1 -1 1 -1 45
1 1 1 1 1 1 1 80
Total - -211 -267 -254 -254 -237 -257 -256

(3) Calcula sus Total + 303 247 260 260 277 257 258
efectos Suma 92 -20 6 6 40 0 2
Efecto 23 -5 1.5 1.5 10 0 0.5
Quin creen que nos va a ayudar? Exacto, han acertado!

Vamos a disear el arreglo, completar el anlisis, determinar
efectos, definir la ecuacin de prediccin.
Empecemos con la preparacin del diseo 22 de las facturas.
29
Minitab a escena (diseo 22 de facturas)
2
1 Stat > DOE > Factorial >
Create Factorial Design
3
4 8
5
11
6
9
Este OK regresa a cartula previa Este OK regresa a cartula

anterior; ah da click a OK
10 30
Resultados de Minitab para el diseo 22 de facturas
Guau,
Ya viste?
S, est perrn, no hay

nada como Minitab
Ahora prepara el arreglo

para el caso qumico:
2
1
Stat > DOE > Factorial >

Create Factorial Design
3
4
31
Minitab a escena (diseo qumico 23)
6 8
11
Regresa a ca-
7 14
rtula previa
9
Por hoy quita la pa-
lomita para facilitar
12 la captura de resul-
Este OK regresa a
tados de la Tasa
cartula anterior
13 10 32
Resultados para el diseo qumico 23

Anota los
resultados
de Y
(se entiende
que pas el
tiempo para
Factorial completo desarrollar
cada uno de
los experi-
mentos).
Guau, oye si lo aplicamos para

conquistar a la gatita de la que te habl?
S, preparemos el arreglo. Por ahora

analicemos el diseo qumico
33
Anlisis del DOE 4
1 Stat > DOE > Factorial >

Analyze Factorial Design
2
5
7 Anota 90* en Confidence level for

all intervals y luego da click en ok
9
6
3
8
11
*:Con el 90 se fi- Con este OK resultan

las lminas siguientes 10
ja un alfa de 0.1 34
Anlisis del DOE (factorial 23)
A dnde
fueron?
No quedarongrados de
libertad (DF) para calcu-
larlos. Ahorita lo resolve-
mos mi estimado Watson
Los calculados Su valor?
previamente
35

1 Control E > Terms >
Efectos
significativos
cul punto es la B?
2
Esto permite
calcular el error
y p al liberar GL
Efectos significativos
Podemos reducir 3
el modelo sin la
interaccin ABC
Da click en el OK de la cartula prin-
4 36
cipal y veamos la siguiente lmina
Podemos reducir
ms el modelo
quitando las inter-
acciones indicadas
37
Orale!
Cspita!!
Modelo Tasa de cocido = 64.25+11.5(Temp)-2.5(Tiempo)+0.75(Material)+5(Temp*Material)

Vamos a las grficas de las interacciones 38
Anlisis del DOE Interacciones (factorial 23)
1
5
Stat > DOE > Factorial > Factorial Plots
6
2
7
Lneas parale-
las: sin inter-
accin.
Lneas cruzadas
o que tienden a
4 cruzarse: hay in-
teraccin.
8 39
Anlisis del DOE contribucin de cada trmino (factorial 23)

1 Stat > ANOVA > Balanced ANOVA
3 SSi
contribucin de
SS total cada trmino
4
La temp
va a un
km de la
interaccin
0.8030
0.0380
0.0034
0.1518
0.0038
40
1.0000
Ejercicio 1:
Crea un diseo para un factorial 24

Cuntas corridas mnimo se pueden efectuar?
Ejercicio 2:
La reina quiere verificar el desempeo de sus catapultas con un diseo

factorial 2k, tomando como Y (salida) a la distancia.
Selecciona 4 factores
Reporta resultados, conclusiones y acciones en el edicto de la reina.

Diseos factoriales fraccionados
Generales y capitanes:
Qu es una fraccin? El chiste de los factoriales fraccionados
es que los niveles de los factores estn
balanceados.
A: B: C:
----++++ --++--++ -+-+-+-+
Me puedo pintar
sin ayuda
42
Media fraccin: Recuerdas este factorial completo?

Factor D
Con 4 factores requieres 16 corridas. T t M T*t T*M t*M T*t*M
-1 -1 -1 1 1 1 -1
No hay recursos para 16 corridas, slo para 1 -1 -1 -1 -1 1 1
8. Solucin: un Chapuln Colorado: -1 1 -1 -1 1 -1 1
1 1 -1 1 -1 -1 -1
o Cada columna lleva un contraste
-1 -1 1 1 -1 -1 1
independiente (ortogonal) til para calcular 1 -1 1 -1 1 -1 -1
los efectos promedio. -1 1 1 -1 -1 1 -1
1 1 1 1 1 1 1
o Aprovecha esta independencia: asigna la
Una nueva cara: una media fraccin
columna de una interaccin como contraste
(4 factores + 3 interacciones dobles)
para la 4 variable (factor D).
T t M D
o Segn los diselogos, elige la interac- -1 -1 -1 -1
cin de ms alto orden (la que menos 1 -1 -1 1
impacta). -1 1 -1 1
1 1 -1 -1
o La interaccin se confunde con el factor D. -1 -1 1 1
1 -1 1 -1
No se pueden separar sus efectos de la -1 1 1 -1
interaccin. Si un efecto (involucrando 1 1 1 1
esta confusin) es significativo, no
fraccin de un diseo 24: 8 corridas
sabes quin la caus.
con 4 factores (diseo de resolucin IV)
43
Media fraccin y obvio Minitab:

Hay un cargo al fraccionar: perder la interaccin de ms alto orden.
Aparecen las resoluciones indicando lo que se puede perder:
o Describen cmo estn confundidos los efectos.
Efectos principales sin confundirse con otros efectos principales.
Diseos de
Efectos principales confundidos con interacciones de 2 factores.
resolucin III:
Interacciones de 2 factores confundidas entre s.
Diseos de
resolucin IV
Efectos principales sin
confundirse con otros
efectos principales o
con interacciones de
2 factores.
Interacciones de 2
factores confundidas
entre s.
Efectos principales o interacciones de 2 factores sin confundirse con

Diseos de otros efectos principales o con interacciones de 2 factores.
resolucin V Interacciones de 2 factores confundidas con interacciones de 3 factores. 44
Veamos otras fracciones con: crea un factorial fraccionado de 5 factores

Stat > DOE > Factorial > Create Factorial Design 1
Cartula informativa. Da click en OK

4
2 3 6 Ve en Minitab
el arreglo que
5 te ha regalado
8 7 45
Ejemplo: Ejercicio 1:
Disea y analiza un factorial fraccionado. Evala con un diseo fraccionado:

Y: Resistencia a la tensin. 6 factores a 2 niveles.
Xs: Recursos para 16 experimentos.
Y: Resistencia a la tensin.
Dosificacin 10 15 Datos: en pestaa fracc 2, archivo 02
Proveedor A B ejercicios DOE
Fuerza 100 120

Temperatura 140 180 Ejercicio 2:
Concentracin 3 6
Aplica un diseo fraccionado con la
catapulta:
El presupuesto y recursos slo alcanzan
para 16 experimentos (corridas) Selecciona al menos 5 Xs.
Slo hay tiempo para 16 corridas.
Evala los resultados.
En estos factoriales puedes aplicar el bloqueo y los puntos centrales.

46
Solucin del ejemplo - Definicin:

Stat > DOE > Factorial > Create Factorial Design > en Number of factors elige 5 1
En Designs seleccio- 2 3 4
na fraccin > OK 6 Alimenta los da- 5
tos del ejemplo
9
Por esta ocasin, no palomees

la randomizacin para facilitar
7 la captura de resultados de la
Palomea resistencia
8
47
Solucin del ejemplo - Definicin:

Fractional Factorial Design
Factors: 5 Base Design: 5, 16 Res: V
Runs: 16 Replicates: 1 Fract: 1/2
Blocks: 1 Center pts (total): 0
Design Generators: E = ABCD
Alias Structure (tabla de los confundidores)
I + ABCDE
A + BCDE
B + ACDE
C + ABDE
D + ABCE
E + ABCD
1. Los factores principales
AB + CDE se confunden con las
AC + BDE interacciones cudruples.
AD + BCE
AE + BCD
2. Las interacciones dobles
BC + ADE con interacciones triples
BD + ACE
BE + ACD
CD + ABE
CE + ABD
DE + ABC
48
Solucin del ejemplo - Anlisis:

Pasa los resultados (en pestaa fracc, archi- En Include terms in the mo-
vo 02 ejercicios DOE) al arreglo de Minitab. 4 del up through order anota
1 Stat>DOE>Factorial>Analyze Factorial Design 5, luego da click en OK
Anota 90* en Confidence

6 level for all intervals y luego
2 da click en ok
3 5
10
9
49
Solucin del ejercicio - Anlisis: 2
Prueba:
3
Stat>DOE>Facto-
rial>Factorial Plots
1
6
7
50
Solucin del ejercicio - Anlisis:
Conclusiones?
51

Vamos al modelo reducido con proveedor (B), temperatura (D),
concentracin (E) y las interacciones BD y DE.
Stat>DOE>Factorial>Analy- Da Click en Options y anota 90* en Confiden-
1 5
ze Factorial Design>Terms ce level for all intervals y luego da click en ok
6 DA Click en Graphs
2
7
4 9 Da click en OK 52

Sale el ANOVA:
Conclusiones?
53

Grficas residuales y contribucin de trminos: 2
Noche estrellada 3
de enamorados 1
Stat >
ANOVA >
Conclusiones?
Balanced
ANOVA
4
Analysis of Variance for Resistencia
SSi
Source DF SS MS F P Epsilon
Proveedor 1 1681.00 1681.00 239.29 0.000 0.50465 SS total
Temperatura 1 600.25 600.25 85.44 0.000 0.18020
Concentracin 1 156.25 156.25 22.24 0.001 0.04691 Las interacciones contribu-
Proveedor*Temp 1 462.25 462.25 65.80 0.000 0.13877 yen con 25% de variacin.
Temp*Concentracin 1 361.00 361.00 51.39 0.000 0.10838
Error 10 70.25 7.03 0.02109 El proveedor es el que ms
Total 15 3331.00 1.00000 impacta (50.5%)

Puntos centrales y bloqueo en un diseo
Puntos centrales Ejemplo

Riesgo en el DOE a 2 niveles: perder Un colega busca bajar burbujas en pintado.
una relacin curvilnea. o 2 Xs: temperatura y tiempo de curado.
Qu creen? Los puntos centrales son o Agrega 5 puntos centrales para estimar:
efectivos para probar curvaturas. El error experimental.
o No son necesarias muchas corridas. La curvatura.
Stat > DOE > Factorial > Create Factorial Design > en Number of factors elige 2 1
Da click en Designs 2 Da click en Factors 5
3 7
4 Da click en OK 8
55
Y
Pasa los 3
Puntos centrales datos de Y 10
Arreglo resultante: que estn
19
en la pes-
25
taa pun-
13
tos centr,
15
archivo 02
Los 5 puntos centrales. . . . 17
ejercicios
. 12
DOE.
16
Qu opinan
Evala el arreglo: del impacto de
la curvatura?
Stat > DOE >
Factorial > Ana-
lyze Factorial
Design > etc.
Curvatura:
Los resultados Ho: no hay
resultantes Ha: s hay
resultaron ser:
56
Puntos centrales anlisis de las grficas

Stat>DOE>Factorial>Factorial Plots 1
5
6
7
57
Puntos centrales anlisis de las grficas

Stat>DOE>Factorial>Cube Plot 1
3
YY
Qu pasa si los
3
resultados son
10
los siguientes?
19
25
7
Datos en pestaa 8
puntos centr, archivo 9
02 ejercicios DOE 10
58
4 8
Puntos centrales 2 caso: Sigue los pasos en las lminas 56 a

58 pero ahora con la respuesta YY
Qu dices
de la curva?
59
Qu dicen las grficas?
Puntos centrales ejercicio:
Un colega investiga el impacto de 3 variables en la resistencia de un material.
Decide manejar 3 puntos centrales para verificar la curvatura de la respuesta.
Disea un factorial completo.
Analiza:
Curvatura, interacciones y efectos principales.

Calcula epsilon.
Documenta tus conclusiones y acciones.
Datos en la pestaa puntos centr, archivo 02 ejercicios DOE.
60
Bloqueo
Tenemos el factorial 23 para los factores AK, EK e IK pero hay un pero: los
experimentos slo pueden hacerse en 2 das diferentes (4/da).
Otro pero: puede haber diferencias de un da a otro. cmo hacer para
que las diferencias no confundan los resultados?
Se antoja hablar de confusin y bloqueo
Debemos diluir (en los experimentos) el efecto de los das para neutralizar su
impacto en los resultados. Empecemos con el arreglo de factores e interacciones:
Generalmente las interacciones

Prueba AK EK IK AK*EK AK*IK EK*IK AKEKIK triples no son significativas.
1 -1 -1 -1 1 1 1 -1 Podemos usar este contraste para
2 1 -1 -1 -1 -1 1 1
ubicar una variable virtual llamada
3 -1 1 -1 -1 1 -1 1
4
bloqueo.
1 1 -1 1 -1 -1 -1
5 -1 -1 1 1 -1 -1 1
6 1 -1 1 -1 1 -1 -1
7 -1 1 1 -1 -1 1 -1
8 1 1 1 1 1 1 1
61
Bloqueo - confusin
Prueba AK EK IK AK*EK AK*IK EK*IK AKEKIK Bloqueo No se probar la

1 -1 -1 -1 1 1 1 -1 I Da 1 interaccin triple,
2 1 -1 -1 -1 -1 1 1 II Da 2 pero se sabr el
3 -1 1 -1 -1 1 -1 1 II Da 2 impacto de cambio
4 1 1 -1 1 -1 -1 -1 I Da 1 de da. En general,
5 -1 -1 1 1 -1 -1 1 II Da 2 el bloqueo puede
6 1 -1 1 -1 1 -1 -1 I Da 1 representar cual-
7 -1 1 1 -1 -1 1 -1 I Da 1 quier ruido que
8 1 1 1 1 1 1 1 II Da 2
se quiera analizar.
Ejemplo de 4 factores y 2 bloques:
Un colega anda de talachero (no chelero): quiere aumentar el espesor de una pelcula.
Slo puede efectuar 8 corridas por da (an sin comer y tomar sus acostumbrados 5
cafs).
Y, Xs y resultados en la pestaa bloques, archivo 02 ejercicios DOE.
Efecta el anlisis con 16 corridas y 2 bloques.
Analiza y concluye.
62
Bloqueo - anlisis
Reduce el
modelo
Cmo
reduces
el mo-
delo?
63
Bloqueo - anlisis
Qu opinan
del impacto
del Block?
Block:
Ho: no impacta
Ha: s impacta
64
Bloqueo - anlisis
Comportamiento de las interacciones Los residuales se ven de
peluche; ah va el modelo
Cmo obtienes
las grficas?
Ahora veamos el impacto individual de

efectos principales, interacciones y el bloqueo 65
Bloqueo anlisis clculo de Epsilon

Stat > ANOVA > Balanced ANOVA >
En el espacio de Model elige blocks, material A, tiempo, temperatura,
las interacciones material A*tiempo y material A*Temperatura
Analysis of Variance for Espesor

Source DF SS MS F P Epsilon
Blocks 1 7.56 7.56 0.36 0.562 0.0013
Material A 1 1870.56 1870.56 89.76 0.000 0.3264
Tiempo 1 390.06 390.06 18.72 0.002 0.0681
Temperatura 1 855.56 855.56 41.05 0.000 0.1493
Material A*Tiempo 1 1314.06 1314.06 63.05 0.000 0.2293
Material A*Temperat 1 1105.56 1105.56 53.05 0.000 0.1929
Error 9 187.56 20.84 0.0327
Total 15 5730.94 1.0000
Contribucin de los das a la variacin total: 0.13%.

Factor ms importante: material A.
Aportacin de las interacciones: 42.22%
66
Bloqueo ejercicio:
La reina quiere que sus catapulteros perfeccionen el uso de su arma secreta.
Le pide al jefe catapultero (un colega recin graduado en el castillo tino con chiripa)
desarrollar un factorial 2k con puntos centrales y bloqueo. Datos:
o Y: distancia a la que llega el proyectil (la pelota).

o 3 factores (a seleccionar por el jefe)
o Hay 2 tipos de pelotas (pin pon y golf). Manjalas como un factor de bloqueo.
o Genera un factorial completo con 4 puntos centrales y 2 bloques.
Analiza:
Curvatura y bloqueo.
Valores de epsilon.
Concluye y define acciones.

EVOP
Generales, capitanes, sargentos
Optimiza el desempeo del proceso en su operacin normal.

Apela a factoriales 22 o 23 replicados con puntos centrales.
Trabaja por CICLOS:
2 1
1,-1 1,1
Los cambios de nivel son leves.

Lo normal es iniciar con niveles conocidos.
El ciclo minimiza interrupciones de proceso. 0 0,0
Ejemplo:
(0,0) => (1,1) => (1,-1) => (-1,-1) => (-1,1)
El efecto se estima al final del ciclo.
Los ciclos se efectan hasta tener suficiente -1,-1 -1,1
evidencia de cambio/no cambio en Y. 3 4
68
EVOP
Generales, capitanes, sargentos
90.4
Dnde
ubicas la
fase III?
90.4
Condiciones Fase II
actuales 90.4
Fase I P: 106.5
T: 76.25
El rendimiento anda
como en 88.3
TIPS:
Actualiza y comunica los avances del diseo al final de cada ciclo.
Principales efectos e interacciones.
69
EVOP
Ejemplo: 1 de 4 ciclos: Sale el 1er anlisis
Un colega quiere subir la efi-

ciencia de reaccin (Y) manio-
brando temperatura y presin
con un EVOP:
Analiza en Minitab el 1er ciclo,
fase 1; datos e instrucciones
(pasos) en archivo 03 EVOP.
Va un ciclo: factorial completo sin rplicas; no hay:
Ups,
nada
signifi-
cativo
70
EVOP
Ejemplo: final 1er ciclo: Ejemplo: inicio 2 ciclo:

El colega corre otro ciclo con los
mismos niveles (a ms experimen-
Bueno, ya sabemos tos, ms informacin para analizar).
Stat>DOE en qu esquina est Analiza el 2 ciclo; datos e instruc-
>Factorial el mejor valor ciones en archivo 03 EVOP.
> Cube
Plot > etc. Qu dicen las grficas?
71
EVOP
Ejemplo: 2 de 4 ciclos:
Nuestro colega
confirma la
mejor esquina
El ANOVA reporta la significancia:

relucen presin y temperatura.
El colega no suelta prenda: va
por el 3er ciclo.
Analiza el 3er ciclo; datos e ins-
trucciones en archivo 03 EVOP.
72
EVOP
Ah viene el punto central (0.090).

Cmo dieron las grficas Pareto y
probabilidad normal?
Encarrilado nuestro colega va por
el 4 ciclo. Datos e instrucciones
en archivo 03 EVOP.
73
EVOP
Comentarios? Conclusiones?
Ayudemos a nuestro colega con
las grficas de Pareto y probabili-
dad normal.
74
EVOP
Mand decir nuestro

colega que le
ayudemos a decidir
los siguientes pasos
Tenemos una fase
de 4 ciclos.
Mejor eficiencia: 67
(temperatura; 255;
presin: 140).
67 es lo ms que
podemos lograr?
EVOP:
Pros: Contras:
Sper herramienta para que los Campo de accin limitado.
operadores le entren a la mejora. Pocos factores a mover.
Movimientos chirris para evitar sorpresas. Se necesitan varias rplicas y fases.
Prcticamente no cuesta experimentar.
Pro o contra?: se pide compromiso, paciencia y tiempo (se va poco a poquito). 75
EVOP
Ejercicio:
La reina no quiere dejar cabos sueltos y est trabajando al parejo con sus
catapulteros. Quiere practicar movimiento milimtricos para emboscar al rey rebelde.
Le pide al jefe catapultero (colega, viejo lobo de mar, graduado en el castillo tino con
chiripa) un EVOP (ltimo grito de la moda en artes de guerra); le da instrucciones:
o Fijar un objetivo (Y) a 150 cm de distancia de la catapulta.

o Seleccionar un proyectil (pelota).
o Seleccionar 2 factores (que puedan tener un punto central).
o Elegir (por experiencia) los niveles de estos factores.
o Aplicar el EVOP para llegar a los 150 cm.
Define los ciclos/fase.
Analiza ANOVA y grficas.

Concluye y define acciones.

Superficies de respuesta
Generales, capitanes y sargentos:

Mtodo de optimizacin. Iniciemos analizando la relacin de una X y una Y
Abre la hoja un factor, archivo 04 SUP RES; elabora una grfica de regresin cuadrtica
de los datos de las columnas C1 y C2
Stat > Regression > Fitted Line Plot >
77
Un factor a la vez:
Elabora las grficas con presin y temperatura de hoja un factor, archivo 04 SUP RES
Stat > Regression > Fitted Line Plot >
Buena opcin para un ptimo local

mas no para un ptimo global
Optimo global
260 100 Optimo local

Temperatura
250 90
240 80
230
70
220
210 60
60 90 120 150 180
Presin
78
2 factores a la vez:
Panorama general de una superficie: Pasos macro para llegar a la Y ptima:
o Disea el arreglo y elige niveles de Xs. Disea un arreglo (2 factores, 2 niveles, pun-
o Evala efectos, interacciones, curvatura. tos centrales); experimenta y analiza.
o Define y optimiza el modelo. Si la curvatura se va, aplica una ruta sen-
cilla; si no, profundiza para llegar a la zona
Elabora la siguiente grfica (datos en
prometida.
hoja PyT, archivo 04 SUP RES)
Ve elaborando el mapa de la superficie con
Graph > 3D Surface Plot > ok > una experimentacin secuencial.
Anota Resistencia como Z > Graph > Contour > Resistencia como Z
100
Area desconoci-
da pero deseada
Respuesta
Area investigada
75-82
79
Ejemplo de una superficie

Determina los puntos ptimos para
obtener la eficiencia mxima.
o Mejores puntos a la fecha:
Presin: 750 psig.
Temperatura: 130 GC.
o Punto de partida:
Presin: 700 y 800
Temperatura: 127.5 y 132.5.
Diseo 22; 3 puntos centrales.
Datos: hoja caso 1,
archivo 04 SUP RES
Modelo de 1er orden
Stat > DOE > Factorial >

Analyze Factorial Design
Responses > Eficiencia
Terms > orden: 2 > da
click en Include center
points in the model > OK
OK Cmo ven la interaccin y la curvatura? 80
Reduccin del modelo:
Control (ctrl) e
Terms > quita la interaccin >
quita la palomita de Include
center points in the model > OK
OK
Vamos a enriquecer los resultados

con grficas de contorno y superficie
Stat > DOE > Fac- 1

torial > Contour
Los efectos principales son importantes 81

Grfica de contorno:
6 82
Grfica de superficie:
Stat > DOE > Fac-

torial > Surface Plot 2
1
3
83
Etapa de ajustes:
Determina la ruta de ascenso ms picudo hacia la mejora
Como la curvatura camin, ini-
cia en el punto central con una
lnea perpendicular a las de con-
torno y calcula su pendiente.
Usa datos codificados
Origen codificado
Temperatura
132.5 +1
127.5 -1
-1 +1
0
0 700 Presin 800
84
A escena la codificacin
X1, X2 = variables codificadas

N1, N2 = Variables originales
Valores originales (naturales) a codificados: Decodificacin a valores originales:
Ni (Punto Central Original) Rango original

Xi Original * codificado
(Rango Original ) / 2 2
punto central original
Nuestro caso:
Decodifica el +1 de presin a su valor original:
Presin (750)
X1
(100) / 2
Temp (130)
X2
(5) / 2
85
A escena la ecuacin del modelo y la ruta para codificar:
Eficiencia 62.014
2.35 * Presin cod 4.5 * Temp cod
Ahora la ruta del ascenso ms picudo a

la mejora: seleccin de los nuevos puntos
1. El modelo: 1. Nuestro modelo:

k Eficiencia 62.014
y 0 i xi
i 1 2.35 * Presin cod 4.5 * Temp cod
2. 1er punto: punto central del experimento 2. Primer punto: 0, 0 (donde las Xs son = a 0)
3. Elige la delta (X1) para mover X1 3. X1 : Presin cod = 1.0
4. Delta de X2: 4. Delta de la otra X:
K K 4.5
X K X 1 X K X 1 (1) 1.91
1 1 2.35
Pendiente de la lnea: k / 1
86
Crear la ruta:
A escena los puntos Presin Temp Presin Temp
Pasos Corrida Eficiencia
para la ruta: codif codif natural natural
Origen 0 0 750 130.0 5,6,7 62.3 (Media)
(+) 1 1.91 50 4.8
Origen +1_ 1 1.91 800 134.8 8 73.3*
Eficiencia 62.014 Origen +2_ 2 3.82 850 139.6
2.35 * Presin cod Origen +3_ 3 5.73 900 144.3 9 86.8*
Origen+4_ 4 7.64 950 149.1
4.5 * Temp cod Origen +5_ 5 9.55 1000 153.9 10 58.2*
(+): verifica los resultados de

este rengln Los resultados se
150 indican con * (sorpre-
Temperatura
sa: la eficiencia cae

Los experimentos 5, 6 y 7 son los en la corrida 10, lo
de la 1 corrida. A continuacin se 140 que indica probable
efectuaron los experimentos 8, 9 curvatura)
y 10 segn la ruta propuesta:
130
700 800 900 1000
Presin 87
Siguiente arreglo experimental:
Segn resultados previos, habamos asumido una relacin lineal pero ya apareci el
peine
Nuevas propuestas:
o Punto central: presin = 900, temperatura = 145, segn el punto de ascenso mximo
que obtuvimos (presin = 900 y temperatura = 144.4)
o Niveles para la presin: 800 y 1000
o Niveles para la temperatura: 140 y 150
150
Temperatura
3 Arreglo y resultados en hoja ca-

so 2, archivo 04 SUP RES
140
2
130 1
700 800 900 1000
Presin
88
ANOVA: Stat > DOE > Factorial > En Terms palomea Include
Analyze Factorial Design > center points in the model
Ups, ups! La interaccin y

la curvatura no se dejan.
Para crear un modelo se
requiere analizar la
89
Curvatura:
Aprovecha los resultados previos.
Adiciona Puntos Estrella (Star Points) para crear un modelo y probar efectos significativos
cuadrticos y expandir la regin experimental
El mtodo se llama diseo central compuesto (Central Composite design, CCD) o mtodo
del periscopio y su IFE es el siguiente:
Factorial con puntos centrales y puntos

estrella.
Necesita cinco niveles (codificados) para
las variables: (-a, -1, 0, 1, a)
o a = [ 2k-p rc/rs]1/4
o k = nmero de factores.
o 2k-p = nmero de corridas en la fraccin
factorial del diseo.
o rc = nmero de rplicas del punto central.
o rs = nmero de rplicas de los puntos
estrella.
90
Curvatura CCD
Obi! Minitab crea el CCD con ayuda de la funcionalidad de superficie de respuesta.

Disea un nuevo experimento basado en tus esfuerzos previos; esto ayuda a mantener
los $$$.
Veamos grficamente dnde quedaron los puntos estrella
150
Temperatura
Punto estre-
lla o axial
140
130
700 800 900 1000

Presin
91
Curvatura CCD Star points:

Modifica el diseo para llamar a los puntos Abre el caso 3 del mismo archivo
estrella e identificar la forma de la superficie. Stat > DOE > Modify Design >
Anota eficiencia
de puntos axiales
6 y centrales
3 Puntos axiales
4 Puntos centrales
92
5
Curvatura CCD Star points codificacin:
Stat > DOE > Display Design >
3
Niveles
codificados
93
Curvatura CCD Star points anlisis:
Stat > DOE > Response Surface > Analyze Response Surface Design
3
1
Orale! los trmi- 4

nos cuadrticos
5
7 6
94
Curvatura CCD Star points anlisis y reduccin del modelo:
Los efectos cuadr-

ticos no creen en
nadie. A reducir el
modelo en Minitab
Oprime teclas crtl y e; click en Terms
Quita palomita de Include blocks in the model. Da OK
Ests en cartula Analyze Response Surface Design
Click en OK
95
Curvatura CCD Star points reduccin del modelo
Relacin lineal: is gone.

Lack-of-Fit: no problem.
Afina el modelo con residuales.
Modelo codificado:
Eficiencia =
87.517
- 1.384*Presin
+ 0.362*Temperatura
- 2.215*Presin2
- 3.165*Temperatura2
- 4.875*Presin*Temperatura
96
Curvatura CCD Star points residuales:

Oprime teclas crtl y e para ir a 5 Ests de nuevo en cartula principal
1
Analyze Response Surface Design
6 Click en OK para ver graficas
2 Click en Graphs
4 Nada preocupante
97
Curvatura CCD Star points grficas
Stat > DOE > Respon-

1
se Surface > Contour
2 4
5
Para tener ms
contornos:
Control E
7
Pide 10 contor- 9
nos y da click
en ok
8 3 98

1 Stat > DOE > Response Surface > Surface Plot
3 99
El mapamundi
100
Curvatura CCD Ms opciones (face centered)

Tengo un pero: no puedo co- Mi estimada Watson,
rrer Xs + all de la regin 1 y -1 crea puntos star
centrados a una cara
Va minitab: Stat> DOE>
1 Response Surface > Create
Response Surface Design
4
2
3
7 Hoy quita la 5
palomita de
randomizar
101
8 6
Curvatura CCD Ms opciones (diseo Box-Behnken)

Mi jefe pide una Claro Srita. Watson, la de
opcin para 3 Xs mi colega Box-Behnken
Wow Ruta: Stat> DOE> Res-

ponse Surface > Create 1
Response Surface Design
En lugar de puntos estrella, usa puntos centrados en los bordes (edge centered points).
Tiene menos corridas que CCD y un factorial completo con 3 factores (mnimo requerido).
Al no tener puntos axiales los niveles estn en la zona segura de operacin.
No se tienen niveles a su valor alto simultneamente.
2 4
5
3
6 Hoy quita la palo-
mita de randomizar 102
7
Curvatura CCD Ms opciones (diseo Box-Behnken)
Ejercicio 1: Box-Benhken
Abre el archivo 07 SUP RES.

1. Genera un diseo Box-Behnken

Preparacin competencia con DDE y herramientas estadsticas
Ejercicio: Proceso de disparos de proyectiles en la catapulta
La Reina ya no quiere al
Rey Almost I look (Casi
Miro en espaol); le ha
declarado la guerra
Misin:
Optimizar el proceso de la catapulta para que la Reina le d en la torre del Rey.
Un pelotn de los buenos slo tiene 3.4 fallas en un milln de tiros.
Un pero: slo se sabe la distancia al objetivo 5 minutos antes del asalto.
104
Preparacin competencia con DDE y herramientas estadsticas
Punto de ajuste
de la pelota Tipo pelota
Posicin liga La reina est sper emocionada con

5
en la palanca Punto de
4 tu habilidad para manejar herramien-
tensin
3 4 tas estadsticas.
Posicin paro de la liga
2 3
del brazo
1 4 3 2 2 Sabe que hay una nueva arma
5 1
Angulo de 1 mortal: el DOE. Quiere que la usen
disparo para derrotar al rey (de paso llenar
sus arcas que se estn vaciando).
1. Incluye 4 variables en el factorial que consideres apropiado. Si lo prefieres, puedes usar

uno de los factorial generados en el ejercicio 2 de la lmina 41. La Reina confa en ti.
2. Determina una ecuacin de prediccin y sala para pegarle al objetivo.

Competencia en vivo en el campo de batalla
Edicto de la Reina:
Se colocar el objetivo en 4 posiciones(entre 0.5 y 3 metros).
Objetivo:
Derribar al Rey dndole en la torre (del castillo).
Edicto
1 Cuidado! La torre del castillo es movible (invento del rey)
2 Cada equipo har 3 tiros por objetivo; si hace ms, el rey lo atrapa con 95% de confianza.
3 Si sobreviven la Reina les entrega la orden 6 sigma diamantada. Puntos a ganar:
3.1 50 por derribar de aire al rey.
3.2 40 por derribar al rey despus de un bote de pelota a menos de 15 cm de la torre.
3.3 30 por derribar al rey despus de un bote de pelota a ms de 15 cm de la torre.
3.4 20 por rozar castillo/rey de aire o despus de un bote a menos de 15 cm de la torre.
3.5 10 por rozar castillo/rey despus de un bote de la pelota a una distancia mayor a 15 cm.
4 No hay tiros de prctica (el rey tiene un histogramador que detecta estos tiros).
5 Un tiro en "falso" se toma como oficial (el rey descubre su posicin con un regresmetro).
6 El orden de los equipos en cada posicin se decide aleatoriamente (para marear al rey).
7 Usa mximo 3 ligas (escasean en tiempos de guerra).
8 Cada equipo tiene 10 min para preparar sus tiros en cada posicin; ms de 10 min es
prueba no superada porque el pelotn de asalto del rey llega a las catapultas en 10 min.
9 Las posiciones se comunican en clave archi morse 3 seg antes de enfocar la torre.

Revisin de proyectos
Actividad por participante (individual):
1. Aplica las herramientas que hemos visto en el proyecto que hayas seleccionado.
2. Presenta los avances de tu proyecto en los formatos entregados en el mdulo I.
1. Es requisito iniciar con el formato 11a seguim proyecto en 4 partes.
3. Los avances del proyecto se presentan durante el desarrollo de este mdulo.
Concluye mdulo y diplomado.

GRACIAS 107
Apndice Confiabilidad de equipos
Trminos
MTBF (mean time between failures) Mantenibilidad de un equipo
o Tiempo promedio de un dispositivo sin fallas o Reparar un componente, equipo o sistema
(para un sistema reparable). para que pueda cumplir su funcin.
MTTF (mean time to failure) o Probabilidad de restablecer las funciones de
un sistema, cuando el mantenimiento se rea-
o Tiempo medio que un dispositivo funciona liza en un tiempo y condiciones predefinidas.
antes de fallar. o Probabilidad de que un equipo con una falla
MTTR (mean time to Restore) se repare en un determinado tiempo t.
o Tiempo medio desde que un equipo para Ingeniera de confiabilidad
hasta que vuelve a operar (incluye activi- o Mtodos, tcnicas y herramientas para de-
dades de mantenimiento). terminar el grado de seguridad con que un
Falla equipo o sistema funcionar durante un
o Efecto que se origina en un componente o determinado periodo de tiempo.
sistema que impide que funcione. Cuantil p
Tiempo a la falla (tiempo de vida) o Es el tiempo tp hasta el cual se espera que
o Tiempo que transcurre hasta que el equipo falle una proporcin p dada de equipos
deja de funcionar. puestos en operacin.

17 Mod 04 Optimizar Ventanas Operacion

Transféré par

Informations du document

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

17 Mod 04 Optimizar Ventanas Operacion

Transféré par

Droits d'auteur :

Formats disponibles

Diplomado Lean y 6 Sigma para Black Belt (BB)

Mdulo IV: optimizar las ventanas de operacin de un proceso

Agenda del mdulo IV (40 horas)

1 Confiabilidad de equipos (parte II)

Objetivo del mdulo

Panorama lean 6S y ubicacin de mdulo IV:

Ruta DMAMC y EFECTO EMBUDO (proyectos 6S)

Definir Determina el proyecto y su alcance

Xs crticas Optimiza Xs crticas, actualiza plan control

Temas mdulos I a III Verifica estabilidad/capacidad de proceso

Temas del mdulo IV

Efecto embudo: anlisis de las Xs y la Y

Matriz causa efecto Prioriza Xs

FMEA 20 Qu puede salir mal?

Efecto embudo: Xs que impactan las Ys

- Teorema central del lmite

Prueba Chi cuadrada

Ejemplo: RH est evaluando la relacin entre edad y nmero de contrataciones

Contratados Sin contratar Total

Adultos 86 300 386

Jvenes 90 420 510

Total 176 720 896

Primer paso Contratados Sin contratar

Paso que sigue al 1

Jvenes 90 420 510

Total 176 720 896

Tabla de frecuencias observadas

Tarea: concluye la tabla Jvenes __ __ 510

Total 176 720 896

4 paso Contratados Sin contratar Total

Total 176 720 896

No hay 5 paso malo Contratados Sin contratar Total

Tarea: concluye la tabla

Total 176 720 896

Un paso despus del 5

Total 176 720 896

Ultimo paso (el 7)

Ruta para la crtica

Ruta de Minitab Click en Chi-square test, Ex-

Prueba Chi cuadrada

1. Juan Sabueso, Jos Detectivn y Jess Inspeccin checaron el nmero de

Piezas buenas Piezas malas

Hay relacin entre los evaluadores y su clasificacin de piezas?

2. En la enfermera se analizaron las historias de 292 hombres y 192 mujeres; 10

Eso es todo! GRACIAS 14

Y = f (x1, x2, x3, . . . X57 Xchorromil)

Muchas Xs triviales a pocas Xs vitales

x7, x18, x22, x31, x44, x57

Estadstica y anlisis sistema de medicin

x7, x18, x22, x31, x57

DOE I Chart for Chart 1

Y = f (x7, x22, x57) Plan de control 45

Antes de lanzarnos al ruedo planea tu diseo

Variable de salida a mejorar Requisitos:

7. Asegura los recursos para el diseo. Tecnologa, literatura,

5. Selecciona los niveles de factores*

Valores en que se mueven los factores.

Caso de un proceso qumico:

Factores: temperatura, tiempo, tipo material.

*: Factores: variables (Xs) a evaluar para ver cmo influyen en Y

6. Selecciona el arreglo experimental

7. Asegura los recursos para el diseo 8. Prepara, revisa y presenta la propuesta

Si trabajas solo, solo quedars. No Definicin del problema o mejora.

Bloque: Hacer un factor

Tarea: concluye la tabla Jvenes 510

Luego de tormentar ideas y aplicar 2- 3 factores a 2 niveles: 222 =8 (para ms