Ejemplo de Analizar diseño de Taguchi (estático)

Un ingeniero de un fabricante de equipos de golf desea diseñar una nueva pelota de golf para maximizar la distancia de vuelo de la pelota. El ingeniero ha identificado cuatro factores de control (material del núcleo, diámetro del núcleo, número de dimples y grosor de la cubierta) y un factor de ruido (tipo de palo de golf). Cada factor de control tiene 2 niveles. El factor de ruido está compuesto por dos tipos de palos de golf: driver y hierro 5. El ingeniero mide la distancia de vuelo de cada tipo de palo y registra los datos en dos columnas de factores de ruido.

Debido a que la meta del experimento es maximizar la distancia de vuelo, el ingeniero utiliza la relación de señal a ruido (S/N) más grande es lo mejor. El ingeniero también desea probar la interacción entre el material del núcleo y el diámetro del núcleo.

  1. Abra los datos de muestra, BolaGolf.MTW.
  2. Elija Estadísticas > DOE > Taguchi > Analizar diseño de Taguchi.
  3. En Los datos de respuesta están en, ingrese Driver y Hierro.
  4. Haga clic en Análisis.
  5. En Ajustar modelo lineal para, marque Relaciones de señal a ruido y Medias. Haga clic en Aceptar.
  6. Haga clic en Términos.
  7. Mueva los términos A: Material, B: Diámetro, C: Dimples, D: Grosor y AB de Términos disponibles a Términos seleccionados. Haga clic en Aceptar.
  8. Haga clic en Opciones.
  9. En Relación de señal a ruido, seleccione Más grande es mejor. Haga clic en Aceptar.
  10. Haga clic en Gráficas de análisis, luego seleccione Cuatro en uno.
  11. Haga clic en Aceptar en cada cuadro de diálogo.

Interpretar los resultados

Minitab provee una tabla de coeficientes de regresión estimados para cada característica de respuesta que usted seleccione. En este ejemplo, el ingeniero elige dos características de respuesta: la relación de señal a ruido (S/N) y las medias. Utilice los valores p para determinar cuáles factores son estadísticamente significativos y use los coeficientes para determinar la importancia relativa de cada factor en el modelo.

En este ejemplo, para las relaciones S/N, todos los factores tienen un valor p menor que 0.05 y son estadísticamente significativos en un nivel de significancia de 0.05. Frecuentemente, se utiliza un nivel de significancia de 0.10 para evaluar los términos en un modelo. La interacción es estadísticamente significativa en un nivel de significancia de 0.10. Para las medias, el material del núcleo (p = 0.045) y el diámetro del núcleo (p = 0.024) son estadísticamente significativos en un nivel de significancia de 0.05, y la interacción de material con diámetro (p = 0.06) es estadísticamente significativa en un nivel de significancia de 0.10. Sin embargo, debido a que ambos factores participan en la interacción, usted necesita comprender la interacción para poder considerar el efecto de cada factor de forma individual.

El valor absoluto del coeficiente indica la fuerza relativa de cada factor. El factor con el coeficiente más grande tiene la mayor influencia en una característica de respuesta dada. En los diseños de Taguchi, la magnitud del coeficiente del factor normalmente refleja el rango del factor en las tablas de respuesta.

Las tablas de respuesta muestran el promedio de cada característica de respuesta para cada nivel de cada factor. Las tablas incluyen rangos basados en estadísticos Delta, los cuales comparan la magnitud relativa de los efectos. El estadístico Delta es el mayor menos el menor promedio para cada factor. Minitab asigna rangos basados en los valores de Delta; el rango 1 para el valor de Delta más alto, el rango 2 para el segundo más alto, y así sucesivamente. Utilice los promedios de nivel en las tablas de respuesta para determinar cuál nivel de cada factor provee el mejor resultado.

En los experimentos de Taguchi, usted siempre desea maximizar la relación S/N. En este ejemplo, las clasificaciones indican que el diámetro del núcleo (B) ejerce la mayor influencia tanto en la relación S/N como en la media. Para la relación S/N, el grosor de la cubierta (D) ejerce la siguiente influencia más grande, seguida por material del núcleo (A) y dimples (C). Para las medias, el material del núcleo (A) ejerce la siguiente influencia más grande, seguida por dimples (C) y grosor de la cubierta (D).

Para este ejemplo, debido a que la meta consiste en incrementar la distancia de vuelo de la bola, el ingeniero desea los niveles de factores que produzcan la media más alta. Los promedios de los niveles en las tablas de respuesta muestran que las relaciones S/N y las medias están maximizadas en el valor del Nivel 1 para cada factor, lo cual se corresponde con los siguientes valores de configuración de los factores:
  • Núcleo líquido (A)
  • Diámetro del núcleo (B) = 118
  • Dimples (C) = 392
  • Grosor de la cubierta (D) = 0.06
Las gráficas de efectos principales y las gráficas de interacciones confirman estos resultados. Las gráficas de interacciones muestran que, con el núcleo líquido, la distancia de vuelo es maximizada cuando el diámetro de núcleo es de 118.

Para continuar este análisis, el ingeniero puede utilizar Predecir resultados de Taguchi para determinar las relaciones S/N y metas pronosticadas en estos valores de configuración de factores. Para obtener más información, vaya a Ejemplo de Predecir resultados de Taguchi

Análisis de modelo lineal: Relaciones S vs. Material, Diámetro, Dimples, Grosor

Coeficientes de modelos estimados para Relaciones SN EE del Término Coef coef. T P Constante 38.181 0.4523 84.418 0.000 Material Líquido 3.436 0.4523 7.596 0.017 Diámetro 118 3.967 0.4523 8.772 0.013 Dimples 392 2.982 0.4523 6.593 0.022 Grosor 0.03 -3.479 0.4523 -7.692 0.016 Material*Diámetro Líquido 118 1.640 0.4523 3.625 0.068
Resumen del modelo R-cuad. S R-cuad. (ajustado) 1.2793 99.21% 97.23%
Análisis de Varianza de Relaciones SN Fuente GL SC Sec. SC Ajust. MC Ajust. F P Material 1 94.427 94.427 94.427 57.70 0.017 Diámetro 1 125.917 125.917 125.917 76.94 0.013 Dimples 1 71.133 71.133 71.133 43.47 0.022 Grosor 1 96.828 96.828 96.828 59.17 0.016 Material*Diámetro 1 21.504 21.504 21.504 13.14 0.068 Error residual 2 3.273 3.273 1.637 Total 7 413.083

Análisis de modelo lineal: Medias vs. Material, Diámetro, Dimples, Grosor

Coeficientes de modelos estimados para Medias EE del Término Coef coef. T P Constante 110.40 8.098 13.634 0.005 Material Líquido 36.86 8.098 4.552 0.045 Diámetro 118 51.30 8.098 6.335 0.024 Dimples 392 23.25 8.098 2.871 0.103 Grosor 0.03 -22.84 8.098 -2.820 0.106 Material*Diámetro Líquido 118 31.61 8.098 3.904 0.060
Resumen del modelo R-cuad. S R-cuad. (ajustado) 22.9035 97.88% 92.58%
Análisis de Varianza de Medias Fuente GL SC Sec. SC Ajust. MC Ajust. F P Material 1 10871 10871 10870.8 20.72 0.045 Diámetro 1 21054 21054 21053.5 40.13 0.024 Dimples 1 4325 4325 4324.5 8.24 0.103 Grosor 1 4172 4172 4172.4 7.95 0.106 Material*Diámetro 1 7995 7995 7994.8 15.24 0.060 Error residual 2 1049 1049 524.6 Total 7 49465
Tabla de respuesta para relaciones de señal a ruido Más grande es mejor Nivel Material Diámetro Dimples Grosor 1 41.62 42.15 41.16 34.70 2 34.75 34.21 35.20 41.66 Delta 6.87 7.93 5.96 6.96 Clasificar 3 1 4 2
Tabla de respuesta para medias Nivel Material Diámetro Dimples Grosor 1 147.26 161.70 133.65 87.56 2 73.54 59.10 87.15 133.24 Delta 73.73 102.60 46.50 45.68 Clasificar 2 1 3 4
Al utilizar este sitio, usted acepta el uso de cookies para efectos de análisis y contenido personalizado.  Leer nuestra política