Resumen de Metodología de diseño robusto para procesos con mezclas

Ericka Berenice Herrera Ríos, Jaime Sánchez Leal, Manuel Arnoldo Rodríguez Medina, Humberto García Castellanos, Adán Valles Chávez

• español

  El diseño robusto de parámetros (RPD) implica el tamaño de los efectos, las restricciones de los componentes y los efectos fijos de las variables de ruido de los procesos con mezclas (MPNV), en el diseño de productos y procesos, sin embargo, la metodología tradicional no asegura necesariamente una varianza mínima y un ajuste adecuado del modelo de regresión. A diferencia de las variables de proceso y de ruido, los niveles de los factores de mezcla no son independientes, no se permiten proporciones negativas y la sumatoria debe ser igual a la unidad. Mediante la transformación de la información es posible la incorporación de factores de ruido en el modelo de superficie de respuesta, estimando así las variables óptimas del proceso de mezcla que minimizan la expresión de la varianza sin una matriz cruzada. Además, permite determinar una región de confianza sobre un punto para lograr la combinación de otro componente con productos de calidad similar o superior. Esto se demuestra mediante el uso del índice de capacidad del proceso de tercera generación, Cpkm como estimador alterno de la relación señal/ruido (SNR), mejora la capacidad del proceso y la calidad del producto para problemas de factores fijos para diseños de experimentos fraccionados y factoriales completos con o sin medidas repetidas.

  Palabras clave: Diseño Robusto De Parámetros,

• English

  Robust parameter design (RPD) involves the effects size, component restrictions, and fixed effects of mixture-process-noise variables (MPNV) in product and process design. The traditional methodology does not necessarily ensure a minimum variance and a reasonable model adjustment. Contrary to process and noise variables, mixture factor levels are not independent, negative proportions are not allowed, and their summary must be equal to unity. A transformation function enables the incorporation of noise factors into the response surface model, thus estimating the mixture-process optimum variables that minimize the variance expression without a cross array. In addition, it allows the determination of a confidence region over a point to achieve another component combination with similar or higher quality products. The third-generation process capability index, Cpkm as an alternative signal to noise ratio (SNR) estimator, improve process capability and product quality for fixed factor problems for full factorial and fractional experiment designs with or without repeated measures.