Desarrollo de método para la selección de factores controlables para un diseño robusto

Autores/as

Palabras clave:

Diseño robusto, Selección de Factores, Taguchi, Diseño de Experimentos

Resumen

El diseño de experimentos es una de las herramientas más utilizadas para la mejora de sistemas de cualquier tipo dentro y fuera de la industria, dado a que el número de iteraciones para comparar las condiciones en que se desempeña. Dentro de los diseños de experimentos no existe un método o herramienta de selección de factores previa a la experimentación, debido a que esto forma parte de los resultados del análisis experimental. Pues nos arroja gráficamente cuál factor influye más sobre la salida del sistema, y cuál no.
En este proyecto se propone realizar un análisis de selección de variables con la finalidad de seleccionar aquellos factores que afecten de manera significativa la salida de un sistema, de manera que se logre un diseño robusto con un menor número de experimento. Se proponen dos herramientas para el análisis de selección de factores. El primero consiste en seleccionarlos en base al valor de su coeficiente de variabilidad de regresión, obtenido por medio del análisis de regresión de mínimos cuadrados parciales. Y el segundo mediante el cálculo del puntaje de importancia de variable, calculado a partir del valor de los pesos de la regresión. Con el método seleccionado se logró reducir el número de experimentos necesarios para robustecer un diseño, obteniendo resultados similares que cuando se analizan todos los factores dentro del sistema.

Descargas

Los datos de descargas todavía no están disponibles.

Biografía del autor/a

Verónica Adriana Rangel Holguín, Universidad Autónoma de Ciudad Juárez

Universidad Autónoma de Ciudad Juárez

Francisco Javier Estrada Orantes, Universidad Autónoma de Ciudad Juárez

Universidad Autónoma de Ciudad Juárez

Noé Alba Baena, Universidad Autónoma de Ciudad Juárez

Universidad Autónoma de Ciudad Juárez

Mario Elías Borunda Escobedo, Universidad Autónoma de Ciudad Juárez

Universidad Autónoma de Ciudad Juárez

José Fernando Estrada Saldaña, Universidad Autónoma de Ciudad Juárez

Universidad Autónoma de Ciudad Juárez

Citas

Baril, C., Yacout, S., & Clément, B. (2011). Optimization Using Taguchi Method for Electromagnetic Application. 60(1).

Centner, V., & Massart, D. (1996). Elimination of Uninformative Variables for Multivariate Calibration. Anal. Chem.(68), 3851-3858.

Chi-Hyuck, J. (2009). Use of Partial Least Squares Regression for Variable Selection and Quality Prediction. omputers & Industrial Engineering, 1302-1307.

Creveling, C., Slutsky, J., & Antis, D. J. (2003). Design for Six Sigma: In Technology and Product Development. Upper Saddle River, New Jersey, USA: Pearson.

Cruz, E. A., Medina, P. D., & Silva, C. A. (Abril de XVII). Una Revisión Crítica de la Razón Señal Ruido Usada por Taguchi. Scientia et Technica.

El-Haik, B., & Roy, D. M. (2005). Service Design for Six Sigma: A Roadmap for Excellence. Hoboken, New Jersey, USA: John Wiley & Sons, Inc.

Erzurumlu, T., & Ozcelik, B. (2006). Minimization of wrapage and sink index in injection-molded thermoplastic parts using Taguchi optimization method. Elsevier, 27(10), págs. 853-861.

Kulogowski, J., & al., e. (2013). Evaluation of the effect of chance correlations on variable selection using Partial Least Squares-Discriminant Analysis. Talanta, 835–840.

Lee, D. (2011). Sparse partial least-squares regression and its applications to high-throughput data analysis. Chemometrics and Intelligent Laboratory Systems, 1-8.

Medina, P. D., Cruz, E. A., & Restrepo, J. H. (2007). Aplicación el modelo de experimentación Taguchi en un Ingenio Azucarero del Valle de Cauca. Sciencia Et Technica, XIII(34).

Oktem, H., Erzurumlu, T., & Uzman, I. (3 de March de 2006). Application of Taguchi optimization technique in determining plastic injection molding process parameters for a thin-shell part. Elsevier, págs. 1271–1278.

Oktem, H., Erzurumlu, T., & Uzman, I. (2006). pplication of Taguchi optimization technique in determining plastic injection molding process parameters for a thin-shell part. Elsevier, 1271-1278.

Omekanda, A. M. (15 de May de 2005). Robust Torque- and Torque-per-Inertia Optimization of a Switched Reluctance Motor using the Taguchi Methods. IEEE International Conference, págs. 521 - 526.

Omekanda, A. M. (2005). Robust Torque- and Torque-per-Inertia Optimization of a Switched Reluctance Motor using the Taguchi Methods. IEEE International Conference, 521-526.

Rincón, R. D. (1993). Ingeniería de Calidad: Robustez del Proceso de Urdido en una Planta de Likra por el Método Taguchi. Revista Universidad EAFIT, 29(89).

Taguchi, G., Elsayed, A., & Hsiang, T. (1989). Qualty Engineering in Production Systems. USA: McGraw Hill.

Tanco, M., Viles, E., & Pozueta, L. (2009). Diferenres Enfoques del Diseño de Experimentos (DOE). Memoria de trabajos de difusión científica y técnica, 7.

Venkata Mohan, S., & Venkateswar Reddy, M. (2013). Optimization of critical factors to enhance polyhydroxyalkanoates (PHA) synthesis by mixed culture using Taguchi design of experimental methodology. Bioresource Technology(128), 409-416.

Weng, W.-C., Yang, F., Demir, V., & Elsherbeni, A. (2006). Optimization using Taguchi method for electromagnetic applications. Antennas and Propagation, 1-6.

Weng, W.-C., Yang, F., Demir, V., & Elsherbeni, A. (2006). Optimization Using Taguchi Method for Electromagnetic Applications. Missisipi, USA.

Wu, Z.-Y., Wu, H.-W., & Hung, C.-H. (2014). Applying Taguchi method to combustion characteristics and optimal factors determination in diesel/biodiesel engines with port-injecting LPG. Fuel, 117, 8-14.

Yi Wu, Z., Wen Wu, H., & Han Hung, C. (13 de September de 2013). Applying Taguchi method to combustion characteristics and optimal factors determination in diesel/biodiesel engines with port-injecting LPG. Elsevier, 117, págs. 8-14.

Yusoff, N., Ramasamy, M., & Yusup, S. (2011). Taguchi’s parametric design approach for the selection of optimization variables in a refrigerated gas plant. Chemical Engineering Research and Design, 89, 665-675.

Publicado

2016-01-06

Cómo citar

Rangel Holguín, V. A., Estrada Orantes, F. J., Alba Baena, N., Borunda Escobedo, M. E., & Estrada Saldaña, J. F. (2016). Desarrollo de método para la selección de factores controlables para un diseño robusto. Cultura Científica Y Tecnológica, (57). Recuperado a partir de https://erevistas.uacj.mx/ojs/index.php/culcyt/article/view/767