Professional Documents
Culture Documents
8.1 Generalidades
En 1964 las compaas americanas generaban alrededor de 6 mil millones de dlares en superavit comercial de exportacion:sin darse cuenta que estaban bajo el ataque de conpaias extranjeras. Ya por el ao de 1984 en los estados unidos se produca un dficit de la balanza comercial de 123mil millones de dlares . En este periodo de 20 aos la productividad de los estados unidos se incremento tan solo en un 35% comparado con un 60% de algunos pases europeos y con un sorprendente 120% en el japons mismo pas que tenia la reputacin de producir chatarra en los aos 50-60 ahora amenazaba la supervivencia de la industria americana al producir productos de alta calidad y bajos costos
Como ocurri ? Es bien conocido que de este sorprendente cambio en la calidad de los productos japoneses se debi a controles de calidad de los productos introducidos mediante el uso de el diseo de experimentos ye el control de calidad durante la produccin de mediante tcnicas de estadsticas
ENTRTADA
PROCESO SALIDA
en esencia un diseo experimental es un acercamiento cientfico que permite a un investigador entender mejor un proceso y a determinar la manera en que las variables de ingreso afectan una respuesta o variables de salida Supngase por ejemplo que un ingeniero esta interesado en estudiar el efecto que tiene sobre una aleacin de aluminio dos procesos diferentes de endurecimiento: a)templado de aceite y b)templado en agua salada
En este caso el objetivo del investigador es determinar cual de las dos soluciones produce el mximo grado de dureza sobre la aleacin mencionada El ingeniero debe hacer una serie de pruebas de la aleacin Luego se determinara cual es la mas dura(mejor)
Ahora bien. la manera como pueden ser llevados a cabo los experimentos pueden ser de dos formas: - Experimentacin pasiva, denominada tambin convencional o clsica. - Experimentacin activa, conocida como diseos experimentales.
En este tipo de experimentacin los experimentos son llevados a cabo variando una variable a la vez. Esto es por ejemplo en el Caso do dos variables controlables. en una primera corrida experimental se hace variar la primera variable mientras que la segunda se mantiene constante, y despus variar la segunda variable mientras que la primera se mantiene constante. Consideremos el siguiente ejemplo: un jefe de planta conoce qua la temperatura y presin de produccin de ciertos artculos tienen efecto en la cantidad de artculos deficientes. Decide entonces disear unos experimentos para probar el efecto de temperatura y presin en la cantidad de productos defectuosos. El diseo consiste en (1)seleccionar dos niveles de temperatura ,T1 y T2 y dos niveles de presin ,P1 y P2;Y (2) Mantener la presin P1 fija y variar la temperatura en sus dos niveles ajados. Hecha la experimentacin se observan los registrados en la Tabla 8.1.
P1
T1
0.030
P1
T2
0.015
se concluye de esto que la combinacin P2-T2 proporciona mas bajo ndice de efectos.1% este tipo de experimentos se denomina uno a la vez Esta mtodo no es muy conveniente cuando se investiga dos o ms variables, ya que no considera la posible interaccin que ocurre entre las variables, teniendo adems la probabilidad de conducirnos a un falso optimo.
En el ejemplo anterior, supngase que combinacin no probada P2 - T1 produce una interaccin como se Observa En la Figura 8.2. La interaccin se interpreta del siguiente modo: cuando la temperatura cambia de T1 a T2 el cambio en los productos defectuosos es diferente, dependiendo de los valores de presin fijados. Es de observarse que el diseo apropiado deber probar todas las cuatro combinaciones de presin y temperatura y evaluar las interacciones tal como se hace en un diseo factorial completo.
En la optimizacin de los procesos, la utilizacin de los diseos experimentales junto con una estrategia adecuada de optimizacin, es e1 mejor mtodo para encontrar los valores ptimos de las variables de la manera ms rpida y eficiente posible.
- Da la mayor informacin por experimentacin y reduce el tiempo de experimentacin y mejora su eficiencia cuando son muchas las variables Permite la coleccin y anlisis organizado de la informacin obtenida que conduce a conclusiones confiables mediante anlisis estadstico Gran confiabilidad de los resultados
Permite evaluar las interacciones entre las variables experimentales y que conducen a predicciones mas confiables Mejora del rendimiento del proceso Menor variabilidad y mayor apego a los requerimientos u objetivos Menor tiempo de desarrollo Menores costos globales
El uso de desarrollo experimental en el desarrollo de nuevos procesos y diseo de ingeniera da por resultado productos con mayor confiabilidad y mejor funcionamiento menores costos y menor tiempo de diseo y desarrollo del producto
La replica
Se refiere a la replicacin del experimento bsico. En este concepto tiene dos propiedades importantes Permite ver el error experimental El uso de replicas permite al experimentador calcular una estimacin mas precisa del efecto de un factor en el experimento
La aleatorizacin
Es la piedra angular que fundamenta el uso de mtodos estadsticos en el diseo de experimentos Se entiende por aleatorizacin el hecho de que tanto la asignacin del material experimental como el orden en que se realizan las pruebas individuales se determinan aleatoriamente
Para elegir el diseo que se va a emplear, es necesario considerar el tamao de muestra (nm. ero de repeticiones) Seleccionar el orden para ensayos experimentales
F. Anlisis de datos
Se requiere un anlisis estadstico de datos Los cuales por lo general no son complicados Se debe tener en cuenta que el anlisis estadstico solo hace posible obtener el probable error de una conclusin y asignarle un nivel de confiabilidad a los resultados Cundos estos se hacen bien llevan a conclusiones razonables
H. Conclusiones y recomendaciones
Para esta etapa es muy til utilizar mtodos grficos Tambin es importante realizar corridas y seguimientos y pruebas de confirmacin para dar validez a las conclusiones del experimento
Desde el punto de vista la manera en que es llevados los diseos experimentales pueden clasificarse en simultaneo y secuenciales . Desde el punto de vista del objetivo (caracterizacin de procesos, diseo de productos. etc.):se tiene diseos-por comparacin simple hasta diseos jerrquicos o anidados
Los diseos experimentales que permiten estimar modelos de primer orden son:
- -Diseos factoriales; ' - Diseos factoriales fraccionados; Diseos de Placckett y Burman; etc. La utilizacin de diseos de primer orden son de gran importancia en la etapa inicial de optimizacion
=1
2 =1
Si consideramos el caso de una sola variable controlable, el modelo de segundo orden toma la forma = + 11 + 2
. Esta ltima asuncin indica que la "precisin" de las observaciones es mima para cada grupo. Un con la, con K=3 distribuciones de tratamiento, se muestra en la Figura 8.4. Se asume que estas distribuciones obtenidas con muestras de diferentes grupos tratamiento son independientes entre s, lo cual es muy importante para el anlisis de datos
Un modelo matemtico es un sistema de ecuaciones algebraicas o diferenciales qua representan cuantitativamente l1 proceso o algunos aspectos del proceso Por ejemplo, se puede construir un modelo matemtico que defina el tiempo de solidificacin de un lingote de acero, la velocidad de enfriamiento para evitar rajaduras de piezas de colada continua, un modelo para optimizar la recuperacin de una planta concentradora, etc.
son derivados fundamentalmente de las leyes sicas y se basan en la aplicacin de ecuaciones de balance de materia energa y en leyes de la termodinmica,cintica. etc
Tambin estn basados en las leyes sicas pero se incorporan Cierta cantidad de empirismo debido bsicamente a un modelo muy complejo o la falta de datos
Estos modelos no estn basados en las leyes sicas. Se usan estos modelos cuando el proceso presenta una relacin matemtica muy compleja o desconocida y depende de las variables de entrada y salida, ignorando la estructura interior o fenmeno del proceso. La manera de construir este tipo de modelos es a travs de las tcnicas de Diseos Experimentales
Frecuentemente en la experimentacin se quiere comparar ms de dos tratamientos. Por ejemplo se quiere estudiar la efectividad de varios inhibidores de corrosin el efecto de varios catalizadores en el rendimiento qumico En los experimentos con un solo factor se debe efectuar experimentos completamente aleatorizados y se extiende el anlisis de dos a k niveles (tratamiento) de un solo factor
Un ingeniero desea comparar las propiedades de resistencia de tres tipos diferentes de vigas .La de tipo A esta hecha de acero y las de tipo B y C son hechas dc dos diferentes tipos de aleacin' ms caras
Tipo A B C
ni 8 6 6
i 84 77 79
48 40 14
ij =1(
-)2
Una visualizacin de los resultados se muestra en el siguiente diagrama de puntos, Figura 8.5:
El diagrama de puntos muestra dos aspectos muy importantes a) La variabilidad de las observaciones dentro del grupo o variabilidad dentro del tratamiento b) La variabilidad entre los grupos o variabilidad entre tratamientos Si la variabilidad entre tratamientos es ms grande de lo que es de esperar, la posibilidad de que los tratamientos sean iguales queda seriamente cuestionada
error dentro del tratamiento o error de suma de cuadrados (Error sum Squares). Esta cantidad, dividida por el nmero de grades de libertad N-K se conoce como promedio del cuadrado del error (Mean Square Error) o promedio del cuadrado debido al error: =
2 : =
2 =1