Consideraciones acerca de los datos para Analizar diseño de Taguchi

Para asegurar que los resultados sean válidos, considere las siguientes pautas al recopilar datos, realizar el análisis e interpretar los resultados.

Los datos deben incluir por lo menos 2 factores de control
Un experimento diseñado en Minitab debe tener por lo menos 2 factores de control. Un análisis de Taguchi trata todos los factores como categóricos, aunque las mediciones reales pudieran estar en una escala continua.
Un diseño dinámico debe tener 1 factor de señal
Un factor de señal tiene un rango de configuración que el usuario del producto controla para utilizar la función deseada. Los factores de señal se utilizan en experimentos dinámicos, en los cuales se mide la respuesta en cada nivel de la señal. El objetivo es mejorar la relación entre el factor de señal y la respuesta.
Un ejemplo de un factor de señal es la posición del pedal del acelerador. La respuesta, la velocidad del vehículo, debe tener una relación consistente con la cantidad de presión que se aplica al pedal del acelerador.
Usted debe tener un mínimo de 2 respuestas
Estructure sus datos en la hoja de trabajo de manera que cada fila contenga los factores de control en el arreglo interno y los valores de respuesta de una corrida completa de los factores de ruido en el arreglo externo. Para obtener más información, vaya a Cómo organizar los datos de respuesta de Taguchi en la hoja de trabajo.
El número máximo de columnas de respuesta que puede ingresar es 50. Por lo general, el número mínimo de columnas de respuesta que puede ingresar es 2. Sin embargo, el número mínimo de columnas de respuesta depende del diseño. Puede tener 1 respuesta solo cuando:
  • Su diseño contiene réplicas.
  • Usted mide más de un factor de ruido en cada corrida y crea su diseño de manera que tenga múltiples corridas en cada combinación de valores de configuración de factores.
  • Usted está utilizando la relación de señal a ruido Más grande es mejor o Más pequeño es mejor y no analiza ni almacena la desviación estándar.
La variable de respuesta debe ser continua

Si la variable de respuesta es categórica, es menos probable que el modelo cumpla con los supuestos del análisis para describir con exactitud los datos o hacer predicciones útiles.

Asegúrese de que el sistema de medición produzca datos de respuesta que sean fiables

Si la variabilidad en el sistema de medición es demasiado grande, el experimento puede carecer de la potencia necesaria para detectar efectos importantes.

Cada observación debe ser independiente de todas las demás observaciones
Si las observaciones individuales son dependientes, los resultados podrían no ser válidos. Considere los siguientes puntos para determinar si las observaciones son independientes:
  • Si una observación no proporciona información sobre el valor de una observación diferente, las observaciones son independientes.
  • Si una observación proporciona información sobre el valor de una observación diferente, las observaciones son dependientes.
Recolecte los datos utilizando las mejores prácticas
Para asegurar que los resultados sean válidos, considere las siguientes pautas:
  • Confirme que los datos representen la población de interés.
  • Recolecte suficiente datos para proporcionar la precisión necesaria.
  • Registre los datos en el orden de recolección.
El modelo debe proveer un ajuste adecuado a los datos
Si el modelo no se ajusta a los datos, los resultados pueden ser engañosos. En la salida, utilice las gráficas de residuos, los estadísticos de diagnóstico para observaciones poco comunes y los estadísticos de resumen del modelo para determinar qué tan bien se ajusta el modelo a los datos.
Nota

Para ajustar un modelo lineal, haga clic en Análisis y especifique las opciones del modelo cuando realice el análisis.

Al utilizar este sitio, usted acepta el uso de cookies para efectos de análisis y contenido personalizado.  Leer nuestra política