4 Tipos de DOE
-
Upload
abraham-reyna -
Category
Documents
-
view
7 -
download
0
description
Transcript of 4 Tipos de DOE
Introduction To DOE 1
Tipos de Diseño de Experimentos
Introduction To DOE 2
Diseño de Experimentos Factoriales
• Un diseño factorial de experimentos o Diseño Factorial, es uno en donde cada nivel de todos los factores es probado usando todos los otros niveles de todos los otros factores
• Ejemplo:– El factor A tiene 3 niveles (Lo, Med, Hi)– El factor B tiene 2 niveles (10, 20)
• Se pueden hacer las siguientes pruebas:– Factor A en Lo con B en10 y B en 20– Factor A en Med con B en 10 y B en 20– Factor A en Hi con B en10 y B en 20
• Para probar todas las combinaciones, se necesitan 6 pruebas o corridas– (Numero de niveles de A)*(Numero de niveles de B)
Introduction To DOE 3
Es posible, razonable y practico probar todas las combinaciones ?
Combinaciones de Factores y Niveles (1)
• Se tiene un proceso cuyo resultado “Y” se sospecha que esta influenciado por tres elementos de entrada A, B, y C . El rango de los estándares de operación (SOP) son:
–A 15 a 25, en incrementos de 1
–B 200 a 300, en incrementos 2
–C 1 o 2
• Un DOE es planeado para probar (correr) todas las combinaciones
Introduction To DOE 4
Se tienen que hacer suposiciones acerca de la respuesta con el propósito de administrar el
experimento
Combinaciones de Factores y Niveles
• Hacer una matriz para todos los factores con todos los niveles produce una lista muy larga de pruebas
• Los posibles niveles para cada factor son:
– A = 11
– B = 51
– C = 2
• Cuantas combinaciones se obtienen?
– 2 x 51 x 11 = ?
A B C
1 5 2 0 0 1
1 6 2 0 0 1
1 7 2 0 0 1
1 8 2 0 0 1
1 9 2 0 0 1
2 0 2 0 0 1
2 1 2 0 0 1
2 2 2 0 0 1
2 3 2 0 0 1
2 4 2 0 0 1
2 5 2 0 0 1
1 5 2 0 2 1
1 6 2 0 2 1
1 7 2 0 2 1
. . .
. . .
. . .
. . .
2 2 3 0 0 2
2 3 3 0 0 2
2 4 3 0 0 2
2 5 3 0 0 2
Introduction To DOE 5
El diseño llega a ser mas sencillo de administrar
Selección de Niveles para los Factores
• El equipo decide , ya que conoce el proceso, que los puntos de interés dentro del rango de operación de los factores (espacio de inferencia) es el que a continuación se indica:
– A 15, 20, y 25
– B 200, 225, 250, 275, y 300
– C 1 y 2
• El experimento revisado consiste de todas las posibles combinaciones de A, B, y C para cada uno de los arreglos seleccionados:
• Total de corridas = 3 x 5 x 2 = 30
A B C
15 20 0 1
15 20 0 2
15 22 5 1
15 22 5 2
15 25 0 1
15 25 0 2
15 27 5 1
15 27 5 2
15 30 0 1
15 30 0 2
20 20 0 1
20 20 0 2
20 22 5 1
20 22 5 2
20 25 0 1
20 25 0 2
. . .
. . .
. . .
2 5 27 5 2
25 30 0 1
25 30 0 2
Introduction To DOE 6
Tipos de Diseños Factoriales• General Full Factorial (Como aparecen en MINITAB)
–Los factores pueden tener diferentes números de niveles (p.e. El Factor A tiene tres niveles, El factor B tiene 4 niveles , El factor Ctiene dos niveles)
– Cualquier combinación posible se corre
• Two-Level Full Factorial (2k)–Cualquier Factor tiene exactamente dos niveles–Cualquier combinación posible se corre, luego entonces, hay 2k
corridas para k numero de Factores
• Two-Level Fractional Factorial (2k-p) – Es una caso especial de Diseños Factoriales
– Cada Factor tiene exactamente dos niveles–Únicamente se corre una fracción de todas las combinaciones
posibles (p.e. ½ de todas las posibles combinaciones, ¼ de todas las combinaciones posibles, etc.)
Introduction To DOE 7
Diseño General Full Factorial• Ventajas
–Los Factores pueden ser probados para cualquier numero de niveles
–Es el único método para factores categóricos con mas de dos niveles.
• Desventajas
– Los Diseños con muchos factores pueden ser MUY grandes
– No se puede tener una ecuación de predicción “lista para usarse”
– No se pueden modelar efectos cuadráticos
• Cuando usarse
– Solamente cuando se DEBE probar algunos de los factores (continuos o categóricos) con mas de dos niveles
Introduction To DOE 8
Diseño Two-level Factorial
48
44
8
3
2010
Factor C
Factor B
Factor A
2-Level Full Factorial
1
-1
1
-1
1-1
Factor C
Factor B
Factor A
2-Level Fractional Factorial
Full factorial – Todas las combinaciones son probadas.
Fractional factorial – Únicamente una fracción (aquí esto es ½) de las combinaciones son probadas.
Introduction To DOE 9
Diseño Two-level Full Factorial
• Ventajas– Ecuación de predicción “Lista para usarse.– Análisis simplificado– Diseños mejorados por experimentación secuenciada - Al agregar
corridas pueden responderse preguntas adicionales– Pueden detectarse presencia de efectos cuadráticos
• Desventajas– Todos los Factores DEBEN de probarse a dos niveles– Los diseños pueden ser grandes si se tienen muchos factores– No se pueden modelar efectos cuadráticos
• Cuando debe de usarse– Solamente cuando se tengan de dos a cuatro factores que pueden ser
probados en dos niveles.
Introduction To DOE 10
Diseño Two-level Fractional Factorial
• Ventajas– Diseño extremadamente eficiente – Pueden probarse muchos factores
con pocas corridas– Ecuación de predicción “Lista para usarse.– Análisis simplificado– Diseños mejorados por experimentación secuenciada - Al agregar
corridas pueden responderse preguntas adicionales– Se pueden detectar presencia de efectos cuadráticos
• Desventajas– Todos los factores DEBERAN ser probados a dos niveles– No se pueden modelar efectos cuadráticos
• Cuando usarse– Filtrar – Es uno de los diseños mas fáciles de llevar a cabo– Modelar – Si se tiene mas de cuatro factores, en los cuales todos deben
de ser probados a dos niveles– Cuando el presupuesto limita el numero de corridas
Introduction To DOE 11
Diseño Superficie de Respuesta (Response Surface)
• Un diseño Response Surface es uno que nos permite modelar los Efectos Principales, Interacción de Efectos, Y efectos Cuadráticos.
• Ventajas– Ecuación de predicción “Lista para usarse. – Modelar Efectos Cuadráticos– Puede ser construido de “two-level factorials” agregando nuevas corridas – Eficiente re uso de los datos originales
• Desventajas– Todos los factores deben de ser continuos– Experimentos mas grandes que “two-level factorials”
• Cuando usarse– Solamente cuando se tiene poca cantidad (se recomienda cinco o
menos) de factores continuos y si se busca el arreglo para optimizar de manera completa la respuesta (ir a la punta de la colina o al punto mas bajo del valle)
Definir Las ActividadesExperimentales
Introduction To DOE 13
Practicas Recomendadas• Replicas
–Incrementa el poder del experimento (puede detectar pequeños efectos)
–Mejor estimación de los errores del experimento (usado para determinar que es significante y que no lo es)
–Si se tienen 5 factores todos pueden correr a dos niveles y se tienen las 32 corridas en “Full Factorial (25 = 32), Pero es mejor correr a la fracción ½ (16 corridas) y hacer dos replicas (total de 32 corridas)
• (Aleatorio) Randomizacion
–Siempre haga el experimento “random” Protegerse de variables que puedan ocultar la realidad.
• Experimento Secuenciado
–Un buen experimento lleva a nuevas preguntas – Experimentos bien diseñados permiten contestar esas preguntas agregando pocas corridas a los datos ya existentes. Por el contrario un mal diseño de experimento requiere hacerlos de nuevo con perdidas de tiempo, trabajo y dinero.