Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
“EXPERIMENTO Y ARREGLOS
ORTOGONALES”
INGENIERÍA DE CALIDAD
INGENIERÍA INDUSTRIAL
SÉPTIMO SEMESTRE
ALUMNOS:
EDUARDO ALEJANDRO TREVIÑO SEMPÉ
KARLA LIZBETH GONZÁLEZ MARTÍNEZ
BLANCA ZAPOTE JIMÉNEZ
JESUS FERNANDO CASTILLO RODRÍGUEZ
BRENDA ENEIDA MORENO VAZQUEZ
QUÉ ES UN EXPERIMENTO:
Experimento es el proceso por el cual se manipula de manera intencional una o
más variables independientes, definidas como causas, para el posterior análisis de
las consecuencias que tienen sobre otras variables identificadas como efectos.
a palabra experimento deriva del verbo latín experiri que significa experimentar o
probar. Está compuesto por el prefijo ex- que indica una “separación del interior”,
de la raíz peri- que indica un intento o arriesgar y finalmente del sufijo -
mentumde experimentum que indica la acción y efecto de experimentar.
En la metodología de la investigación, disciplina que sistematiza las técnicas que
se deben seguir en el proceso de una investigación científica, los experimentos
científicos o químicos, por ejemplo, se caracterizan por los siguientes puntos:
Hay manipulación intencional de una o más variables independientes
determinadas como causas
Existe una mayor probabilidad de replicar la experiencia, en cualquier lugar
y siguiendo el mismo procedimiento.
Los resultados muestran la magnitud real de los efectos.
TIPOS DE EXPERIMENTOS
Experimento aleatorio
El experimento de tipo aleatorio es aquel cuya conclusión es dudosa en el marco
de diferentes probabilidades y se puede repetir un número de veces arbitrarios,
conservando las mismas condiciones externas que definen dicho experimento.
En los experimentos aleatorios hay influencias que no son consideradas en su
descripción, o sea, en la narración de las condiciones que lo caracterizan y que
llevan a que la conclusión de este sea dudosa en el marco de diversas
probabilidades.
Experimento genético
Consisten en estudios científicos fundamentados en el análisis del material
genético que conforma a los seres vivos, dicho material está estructurado por
el ADN y el ARN por lo que el estudio genético examina la conformación y la
evolución del ADN.
Hay diversas clases de experimentos genéticos que se realizan con seres
humanos, plantas y animales.
Experimento puro
Este tipo de experimento emplea variables independientes para ver sus resultados
sobre las variables dependientes en una situación de dominio. La primera
condición de un experimento puro es la alteración intencional de una o más
variables independientes.
La variable independiente es la que se expresa como supuesta razón en una
vinculación entre variables, es la condición previa; y el impacto generado por este
motivo se conoce como variable dependiente.
Cuasi-experimento
La palabra “cuasi-experimento” describe a los diseños de investigación
experimentales en los que los sujetos o agrupación de sujetos de análisis no están
colocados de forma aleatoria.
Los diseños cuasi-experimentales más empleados tienen la misma lógica y
engloban la comparación de la agrupación de tratamiento y dominio como en las
pruebas aleatorias.
Aunque este tipo de experimento es más débil ante los riesgos de la validez si se
relaciona con las pruebas aleatorias, los cuasi-experimentos no necesitan
asignaciones casuales a las agrupaciones experimentales y por esta razón,
usualmente son más viables que las pruebas aleatorias.
Experimento casero
Los experimentos de tipo casero consisten en la capacidad de unir elementos que
pueden ser localizados de forma fácil en la casa o un supermercado sin tener que
pasar a tiendas determinadas con el objetivo de corroborar o probar algún
fenómeno científico.
Experimento determinista
Los experimentos deterministas consisten en los estudios en los que si se reiteran
las mismas condiciones iniciales se aseguran las mismas conclusiones. Por
ejemplo, un vehículo que avanza a una velocidad prolongada durante
un tiempo específico, y circula siempre el mismo espacio.
Experimento científico
El experimento de tipo científico consiste en la valoración práctica de las teorías
que se han generado de una teoría previa, a partir de este momento se producen
hipótesis y más teorías que serán evaluadas de la misma forma, lo que producirá
una cadena experimental que finalizará en la ejecución de una conclusión que
otorgará los resultados de todas las pruebas.
Es esencial puntualizar que en un laboratorio se requiere tomar todas las
decisiones preventivas de seguridad que son importantes para proteger al
científico que ejecuta los movimientos, debido a que en ciertos casos los
elementos que son parte del experimento son desconocidos o no se sabe
realmente cuál es su reacción al exhibirlos en condiciones exteriores que
perjudiquen su aspecto o estabilidad.
Ventajas de la experimentación:
Algunas ventajas de la experimentación serían las siguientes:
El control y manipulación de las variables predictivas clarifican la dirección y
naturaleza de la causa.
Se requiere una estrecha colaboración entre los estadísticos y el investigador o
científicos con las consiguientes ventajas en el análisis e interpretación de las
etapas del programa.
Se enfatiza respecto a las alternativas anticipadas y respecto a la pre-planeación
sistemática, permitiendo aun la ejecución por etapas y la producción única de datos
útiles para el análisis en combinaciones posteriores.
Debe enfocarse la atención a las interrelaciones y a la estimación y cuantificación
de fuentes de variabilidad en los resultados.
El número de pruebas requerido puede determinarse con certeza y a menudo puede
reducirse.
La comparación de los efectos de los cambios es más precisa debido a la agrupación
de resultados.
La exactitud de las conclusiones se conoce con una precisión matemáticamente
definida.
Desventajas de la experimentación:
1. Tales diseños y sus análisis, usualmente están acompañados de enunciados
basados en el lenguaje técnico del estadístico. Sería significativos a la generalidad
de la gente, además, el estadístico no debería subestimar el valor de presentarnos
los resultados en forma gráfica. De hecho, siempre debería considerar a la
representación gráfica como un paso preliminar de un procedimiento más analítico.
2. Muchos diseños estadísticos, especialmente cuando fueron formulados por primera
vez, se han criticado como demasiado caros, complicados y que requieren mucho
tiempo. Tales críticas, cuando son válidas, deben aceptarse de buena fe y debe
hacerse un intento honesto para mejorar la situación, siempre que no sea en
detrimento de la solución del problema.
EL DISEÑO DE EXPERIMENTOS (DOE)
El Diseño de Experimentos (DoE, por sus siglas en inglés) constituye un método
preciso, considerado el estándar más preciso e inequívoco para probar una
hipótesis.
Un experimento bien diseñado y armado resistirá cuestionamientos y las críticas
se enfocarán en las conclusiones, en lugar de los posibles errores experimentales.
Un buen diseño experimental debe seguir los protocolos científicos establecidos y
generar buenos datos estadísticos.
A modo de ejemplo, los experimentos a escala industrial pueden costar millones
de dólares. Repetir el experimento porque tenía grupos de control inadecuados o
muestras insuficientes para un análisis estadístico no es una opción. Por esta
razón, la fase de diseño es posiblemente la más decisiva.
La hélice estaba conectada a un eje que salía del contenedor y entorno al cual se
había enrollado una cuerda muchas veces. La cuerda corría por una polea y tenía
atada una pesa en su otro extremo. Al soltar la pesa, ésta tiraba de la cuerda que
a su vez hacía girar el eje y con ello la hélice del contenedor, calentando con ello
el agua.
Joule liberó la pesa unas 20 veces, de forma que el agua se calentase lo suficiente
para medir el aumento de la temperatura. Una vez hechas las mediciones, Joule
demostró que la cantidad de energía potencial perdida al soltar la pesa era
exactamente la misma cantidad de calor generado en el agua.
Hippolyte Fizeau mide la velocidad de la luz (1851)
Cuando no había relojes tan precisos como los que tenemos ahora, y lo máximo
que se podía concretar el tiempo con precisión era en segundos, el físico francés
Hippolyte Fizeau consiguió medir la velocidad de la luz, pero tuvo que hacerlo en
grandes distancias.
Para ello realizó el siguiente experimento. Lanzó un rayo de luz hacia un espejo,
que lo desvió haciéndolo pasar por entre los dientes de una rueda dentada que
giraba cientos de veces por segundo. Fizeau colocó un espejo a unos 8,5
kilómetros de su aparato, de forma que la luz viajase hasta él y volviese hasta el
telescopio por el que miraba. Él sabía lo lejos que había viajado la luz, así que
solo tenía que medir cuánto tardaba en hacerlo. La rueda dentada era su reloj:
sabiendo cuántos dientes tenía y a qué velocidad giraba, podría ajustar esa
velocidad hasta bloquear la luz del espejo más lejano.
Así, sabía que la luz solo había viajado una vez desde la lámpara hasta el espejo
y de vuelta hasta él, y todo lo que tenía que hacer era dividir la distancia entre el
tiempo que había tardado para calcular la velocidad de la luz. El resultado que
obtuvo fue un 5% más alto de lo que conocemos hoy, pero aun así fue un
resultado más que notable para los medios de los que disponía.
ARREGLOS ORTOGONALES
¿QUÉ ES EL ARREGLO ORTOGONAL?
El arreglo ortogonal es una herramienta ingenieril que simplifica y en algunos
casos elimina gran parte de los esfuerzos de diseño estadístico. Es una forma de
examinar simultáneamente muchos factores a bajo costo. El Dr. Taguchi
recomienda el uso de arreglos ortogonales para hacer matrices que contengan los
controles y los factores de ruido en el diseño de experimentos.
Ha simplificado el uso de este tipo de diseño al incorporar los arreglos ortogonales
y las gráficas lineales, finalmente, en contraste con los enfoques tradicionales
como equivalentes de ruido: mientras las interacciones sean relativamente suaves,
el analista de los efectos principales nos proporcionará las condiciones óptimas y
una buena reproductibilidad en un experimento.
Los arreglos ortogonales son herramientas que permiten al ingeniero evaluar qué
tan robustos son los diseños del proceso y del producto con respecto a los
factores de ruido.
RESUMEN
El método del Dr. Taguchi para el diseño de experimentos utiliza técnicas que
implican bajos costos y que son aplicables a los problemas y requerimientos de la
industria moderna. El propósito que se tiene en el diseño del producto es
encontrar aquella combinación de factores que nos proporcione el desempeño
más estable y confiable al precio de manufactura más bajo.
DR. GENICHI TAGUCHI
El sistema de ingeniería de calidad del Dr. Genichi Taguchi, es uno de los más
grandes logros en ingeniería del siglo XX. El trabajo de la filosofía del Dr. Taguchi
comenzó a formarse en los inicios de la década de los 50's cuando fue reclutado
para ayudar a mejorar el sistema telefónico japonés que había sido diseñado para
la Segunda Guerra Mundial. Taguchi empleó experimentos de diseño usando
especialmente una tabla conocida como "arreglos ortogonales" para tratar los
procesos de diseño. Los arreglos ortogonales son un conjunto especial de cuadros
en latín, construidos por Taguchi para planear los experimentos del diseño del
producto.
El análisis del arreglo ortogonal de Taguchi es usado para producir los mejores
parámetros para el diseño óptimo del proceso, con el mínimo número de
experimentos (pruebas). Los resultados obtenidos para los arreglos ortogonales
son analizados para obtener los siguientes objetivos:
A) Estimar la contribución de los factores individuales que influyen en la calidad en
la etapa del diseño del producto.
B) Ganar la mejor condición para un proceso o un producto, así que las
características en una buena calidad puedan ser sostenidas.
DESVENTAJAS
La desventaja del arreglo ortogonal es que puede ser únicamente aplicado en la
etapa inicial del diseño del sistema del producto o proceso. Un arreglo ortogonal
permite asegurar que el efecto de "B" en "A1" es el mismo efecto de "B" en "A2".
Así se podrá estar seguro de que se está haciendo comparaciones entre efectos
de niveles de un factor.
L = CORRIDAS = 8
2 = NIVELES
7 = FACTORES
PROBLEMAS:
Los azulejos tenían una variación en sus dimensiones, más del 50% de los
azulejos de la fila exterior estaba fuera de especificaciones, mientras que las filas
interiores sí cumplían con las medidas.
Los gerentes e ingenieros sabían que las causas de la variación eran las
diferencias de la temperatura del horno. El problema pudo ser solucionado
diseñado nuevamente el horno para que todos los azulejos recibieran la misma
temperatura, lo cual hubiera costado medio millón de dólares. La compañía no
tenía recursos para invertir; por lo tanto, decidió buscar la manera de disminuir la
variación. La compañía hizo experimentos para investigar los efectos de algunos
factores que en el proceso de cocción de los azulejos pudieran afectar su
dimensión. Se seleccionaron estos factores teniendo en cuenta que los
experimentos fueran eficientes.
DISEÑOS FACTORIALES ORTOGONALES DE 2
La (b)
Donde:
El arreglo ortogonal más pequeño de la serie (2) es el L4 (2) a la 3, que indica que
se manejan 3 factores, con dos niveles cada uno con 4 corridas experimentales.
EJEMPLO:
(i) = (1)
(ii) = (1) + (2)
(iii) = (1) + (2) + (3) etc.
EJEMPLO:
P1 = 25/90
P11 = 49/90
P111 = 65/90
PIV = 90/90
Wj = 1/(Pj*(1-Pj))
CFj = (i¨2)/n
SUMA DE CUADRADOS DE FACTORES
Se obtiene mediante la suma de cuadrados de cada clase, multiplicada por su
peso según su fórmula.
GRADOS DE LIBERTAD
EJEMPLO:
2*(4-a) = 6
Con todos estos datos se construye una Tabla de Anova para tomar una
decisión.
CONCLUSIÓN
El análisis de varianza ofrece más que un método corto para obtener la suma de
cuadrados del error. Es confiable y de gran exactitud para obtener la opción
correcta y disminuir costo por muchos experimentos.
Gráficos lineales
Se utilizan para facilitar la signación de factores e interacciones en un arreglo
ortogonal.
Cada punto representa una columna para asignar unos factores. Las líneas que
conectan los puntos representan las columnas que deben asignarse a las
interacciones entre los factores que conectan.
ORTOGONALIDAD
Un diseño ortogonal permite comparar, con la misma eficiencia, los niveles de los
factores bajo varias condiciones.
Los grados de libertad son una medida de una cantidad de información que puede
ser obtenida. Para conocer el efecto de un factor determinado en un experimento,
se compara el desempeño del producto al poner el factor en varios niveles al
realizar un experimento; mientras más niveles tenga un factor, tendrá más grados
de libertad, y por lo tanto más información para ser obtenida.
Existe una interacción cuando el efecto de un factor depende del nivel en que se
encuentre otro factor. Se graficarán los cambios de un factor B, para determinar si
hay interacción.
ESTAS GRÁFICAS FACILITAN LA ASIGNACIÓN DE FACTORES E
INTERACCIONES A UN ARREGLO ORTOGONAL.
Su interpretación es la siguiente:
Existe una interacción cuando el efecto de un factor depende del nivel en el que se
encuentre otro factor. Se gratifican los cambios de un factor "A" a los cambios del
factor "B" para ver si hay interacción.
· Si las líneas trazadas son paralelas, no existe interacción entre los factores.
· Si las líneas no son paralelas, quiere decir que el efecto de "A" no es el mismo
para "B1" y "B2", existiendo interacción.
· Si las líneas se intersectan en la gráfica, se interpreta que existe una interacción
bastante fuerte.
LIMITACIONES
· No es práctico cuando se usan muchos factores
· No garantiza la reproductibilidad.
FACTORES: A, B, C, D, E, F, G, H, I, J .
Los grados de libertad son utilizados para seleccionar un arreglo ortogonal más
pequeño que sea apropiado. Se establecen primero los grados de libertad
requeridos basándose en el número de factores y el número de niveles de >cada
uno de éstos, así como las interacciones que se desean investigar.
Ejemplo:
Ejemplo:
PROCEDIMIENTOS:
Para obtener los números de las secciones sombreadas, usted debe hacer lo
siguiente para cada una de las columnas M, A y M*A: encuentre el promedio de la
salida F cuando los valores de la columna son -1, encuentre el promedio de la
salida F cuando los valores de las columnas son +1, y luego encuentre la
diferencia de los dos promedios (∆). Por ejemplo, cuando las columnas del
efecto M está A - 1 (Ensayos 1 y 2) la salida es 500 para el ensayo 1 y 1000 para
el ensayo 2, que en promedio DA 750.
El modelo generado por el DDE se construye usando un diseño de regresión de
cuadrados mínimos el cual puede ser simplificado para diseños de 2 niveles como
se muestra a continuación:
F=1125+(750/2)*Mc+(750/2)*Ac+(250/2)*Mc*Ac
Recuerde que nuestro modelo de predicción es para valores codificados
(I. E -1, +1) de M y A, y nosotros podemos transformarlo en un modelo con valores
actuales de Ma y Aa usando la siguiente relación:
Ma=((Ma+Mb)/2)+((Ma+Mb)/2)*Mc
Donde:
MA Valor fijo actual de masa
MC Valor fijo codificado de masa
MA Valor experimental actual fijado en alto
MB Valor experimental actual fijado en bajo
Para nuestro ejemplo:
Ma=7.5+2.5 Mc
Entonces:
Los cálculos previamente descritos son una forma simple para pasar de valores
codificados a actuales y viceversa, como se muestra en la escala combinada de la
figura 2.
BIBLIOGRAFÍA
https://definicion.de/experimento/
https://www.tiposde.com/experimentos.html
http://www4.ujaen.es/~eramirez/Descargas/tema6
http://simulacionunilibre.blogspot.com/p/diseno-experimental-definicion-ventajas.html
https://rincondelbibliotecario.blogspot.com/2015/08/lista-de-los-10-experimentos-que.html
https://explorable.com/es/diseno-de-experimentos
http://www.itchihuahua.edu.mx/academic/industrial/ingcalidad/unidad3.html