Experimentos 2x2 PDF

INSTITUTO TECNOLÓGICO DE SALTILLO MATERIA: INGENIERÍA DE CALIDAD CARRERA: INGENIERÍA INDUSTRIAL UNIDAD 1.1: DISEÑO DE EXPERIMENTOS 22 CATEDRÁTICO: DR. ALAN TIJERINA DE LA ROSA [email protected] SALTILL...

INSTITUTO TECNOLÓGICO DE SALTILLO MATERIA: INGENIERÍA DE CALIDAD CARRERA: INGENIERÍA INDUSTRIAL UNIDAD 1.1: DISEÑO DE EXPERIMENTOS 22 CATEDRÁTICO: DR. ALAN TIJERINA DE LA ROSA [email protected] SALTILLO, COAHUILA  Diseño de Experimentos En el campo de: LA INDUSTRIA es frecuente hacer experimentos o pruebas con la intención de resolver un problema. Sin embargo, es común que estas pruebas o experimentos se hagan sobre la marcha, con base en el ENSAYO Y ERROR, apelando a la experiencia y a la intuición, en lugar de seguir un PLAN EXPERIMENTAL ADECUADO que garantice una buena respuesta a las interrogantes planteadas. 2  Diseño de Experimentos Algo similar ocurre con el análisis de los DATOS EXPERIMENTALES, donde más que hacer un análisis riguroso de toda la información obtenida y tomar en cuenta la variación, se realiza un análisis informal, “intuitivo”. Es mejor proceder siempre en una forma EFICAZ que garantice la obtención de las respuestas a las interrogantes planteadas en: 1. Un lapso corto de tiempo 3 2. Utilizando pocos recursos  Diseño de Experimentos El DISEÑO ESTADÍSTICO DE EXPERIMENTOS es precisamente la forma más eficaz de hacer pruebas. El diseño de experimentos consiste:  Determinar cuáles pruebas se deben realizar  De qué manera 4  Definiciones básicas Variables, factores y niveles En todo proceso intervienen distintos tipos de variables de respuesta “Y”. A través de esta(s) variable(s) se conoce el efecto o los resultados de cada prueba experimental, por lo que pueden ser características de la calidad de un producto y/o variables queXmiden el desempeño de un proceso. Y Ruid o 5  Definiciones básicas Variables, factores y niveles FACTORES CONTROLABLES: Son factores de proceso y/o características de los materiales y los métodos experimentales que se pueden fijar en un nivel dado. Temperatura, Tiempo, Velocidad, Presión, etc. Se les llama variables de entrada, las “X”. FACTORES NO CONTROLABLES: Son factores que no se pueden controlar durante el experimento o la operación normal del proceso. Luz, humedad, temperatura, partículas, ruido, etc. 6 Definiciones básicas 7  Etapas en el Diseño de Experimentos 1. DELIMITAR el problema u OBJETIVO de estudio. META BUSCA MAXIMIZAR Mayor es mejor MINIMIZAR Menor es mejor OBJETIVO o Datos cercanos a NOMINAL la META 8  ANTES DE LA EXPERIMENTACIÓN Diseño de Experimentos 1. DELIMITAR el problema u OBJETIVO de estudio. 2. Elegir la VARIABLE DE RESPUESTA (Y) ETAPAS en el que será medida en cada punto del diseño. 3. Determinar cuáles FACTORES de entrada (X) deben estudiarse de acuerdo a la influencia que tienen sobre la respuesta. 4. Seleccionar los NIVELES de cada factor, así como el DISEÑO EXPERIMENTAL adecuado a los factores que se tienen. DURANTE DE LA EXPERIMENTACIÓN (MINITAB) 5. REALIZAR el experimento y REGISTRAR 9  Principios Básicos Aleatorización Consiste en hacer corridas experimentales en orden aleatorio (al azar); este principio aumenta la posibilidad de que el supuesto de independencia de los errores se cumpla. Repetición Es correr más de una vez un tratamiento o combinación de factores. Bloqueo Es nulificar o tomar en cuenta en forma adecuada 10 todos los factores que pueden afectar la respuesta  Clasificación y Selección Existen muchos diseños experimentales para estudiar la gran diversidad de problemas o situaciones que ocurren en la práctica. Para elegir el diseño se siguen estos pasos: 1. EL OBJETIVO DEL EXPERIMENTO. i. Diseños para comparar dos o más tratamientos. ii. Diseños para estudiar el efecto de varios factores sobre la variable de respuesta. iii. Diseños para la optimización de procesos. iv. Diseños robustos. 11 v. Diseños de mezclas. 1.5 Clasificación y Selección 12 13  Arreglos Factoriales  El objetivo de un DISEÑO FACTORIAL es estudiar el EFECTO de varios factores sobre una o varias respuestas, cuando se tiene el mismo interés sobre todos los factores.  Para esto es necesario elegir al menos DOS NIVELES de prueba para cada uno de los factores.  Con el DISEÑO FACTORIAL COMPLETO se corren aleatoriamente todas las posibles combinaciones que pueden formarse con los niveles de los factores a investigar (Balanceado). 14  Arreglos Factoriales  Los factoriales 2k COMPLETOS son útiles principalmente cuando el número de factores a estudiar está entre dos y cinco.  Esta cantidad es manejable en muchas situaciones experimentales.  Si el número de factores es mayor que cinco se recomienda utilizar un FACTORIAL FRACCIONADO Factorial 2k – p. Factorial COMPLETO FRACCIONADO de 2 a 5 más de 5 factores factores 15  Arreglos Factoriales Denotación de un diseño factorial “n” n = número de niveles de cada factor k = número de factores El resultado de nk es igual al número de corridas experimentales. 16  Arreglos Factoriales Así, la matriz de diseño, el arreglo factorial o el ARREGLO ORTOGONAL, es el conjunto de puntos experimentales, tratamientos o CORRIDAS que pueden formarse considerando todas las posibles combinaciones de los niveles con los factores. La familia de diseños factoriales 2k consiste en: 1. “k” Factores 2. Cada factor con DOS NIVELES 17  Arreglo Ortogonal 22 Por ejemplo, con k = 2 factores, ambos con dos niveles, se forma el diseño factorial 2 × 2 = 22, que consiste en 4 corridas.  REPETICIÓN: Es recolectar una lectura más en una corrida sin deshacer los ajustes de las variables.  RÉPLICA: Es realizar cada corrida de todos los tratamientos del arreglo factorial varias veces, después de 18 desajustar los niveles.  Arreglos Factoriales LUNES MARTES 1 2 BLOQUE BLOQUE 1 2 1 2 Replica Replica Replica Replica 19  Arreglos Factoriales Factores Niveles Bajo Alto Velocidad (seg.) 350 400 Tiempo 1min. 2min. Todas las combinaciones Velocidad Tiempo Corrida 1: 350 1min. Corrida 2: 350 2min. Corrida 3: 400 1min. Corrida 4: 400 2min. 20  Arreglos Factoriales En este diseño hay TRES EFECTOS de interés: 1. El efecto principal (A) 2. El efecto principal (B) 3. El efecto de interacción (AB) 21  Ejemplo de un DOE 22 La empresa RUBA realizará el siguiente experimento para determinar la MEJOR COMBINACIÓN de factores a la hora de realizar un video exitoso en Youtube. La “Y” deseada será un video con muchas visualizaciones que dependen de dos factores “X” con dos niveles, estos son: 1. Duración del video: 15 – 30 (minutos) 2. Tema tratado: Especializado – General No se van a generar BLOQUES, pero Sí se generarán 22  Ejemplo de un DOE 22 Duración Tema Visualizaciones 15 Especializado 410 15 Especializado 500 15 General 9 15 General 18 30 General 127 30 Especializado 173 30 General 228 30 Especializado 185 23  ANTES DE LA EXPERIMENTACIÓN Diseño de Experimentos 1. OBJETIVO de estudio 2. VARIABLE DE RESPUESTA (Y) 3. Determinar cuáles FACTORES de entrada ETAPAS en el (X) 4. Seleccionar los NIVELES de cada factor, así como elDATOS DEL PROBLEMA DISEÑO EXPERIMENTAL Objetivo: Mayor es mejor Variable respuesta (Y): Visualizaciones Factores de entrada (X): Duración y Tema Número de niveles: (15-30) y (Especializado-General) Tipo de diseño: Factorial Completo 22 Corridas del diseño: 4 Réplicas: 2 Bloques: 1 24 Corridas totales: 8  DURANTE DE LA EXPERIMENTACIÓN Diseño de Experimentos (MINITAB) 1. REALIZAR el experimento y REGISTRAR los datos. 2. ANALIZAR los datos. ETAPAS en el 3. REGISTRAR las conclusiones estadísticas. Pasos para la elaboración de un Diseño Factorial: 1. Crear Diseño Factorial 2. Analizar Diseño Factorial 3. Gráficas Factoriales  Gráfica de efectos principales 25  Gráfica de interacciones  Primer paso: Crear Diseño Factorial Estadística > DOE > Factorial > Crear diseño factorial 26 Primer paso: Generadores Crear Diseño Factorial predeterminados: Minitab las coloca por nosotros. Especificar generadores: Nosotros decidimos cuales corridas analizar. Diseño Factorial Completo General: Diferentes niveles (32*23) 2 niveles La tabla siguiente resume los diseños predeterminados de dos niveles. Las celdas muestran las combinaciones disponibles de 27 número de CORRIDAS con número  Primer paso: Crear Diseño Factorial Cuanto se trata de Diseños Fraccionados, se estudian menos corridas de las habituales, por ende, pudieras elegir entre: Generadores predeterminados: Minitab coloca las corridas a estudiar de manera automática. Especificar generadores: Nosotros decidimos cuales 28 corridas realizar y analizar. 29  Primer paso: Crear Diseño Factorial La única opción que nos da es un FACTORIAL COMPLETO de 4 corridas No se van a generar BLOQUES, Sí se generarán DOS 30 RÉPLICAS por experimento.  Primer paso: Crear Diseño Factorial Después de terminar con la opción Diseños, se habilitan las demás opciones de este cuadro. 1.Duración: 15 – 30 2.Tema: Especializado – General 31  Primer paso: Crear Diseño Factorial Aleaotizar corridas: Las corridas aparecen en desorden. Para evitar sesgos y garantizar generar muestras sin ruido. 32  Primer paso: Crear Diseño Factorial En la hoja de sesión, podemos ver el resumen de toda la información del diseño experimental. Diseño factorial completo Factores: 2 Diseño de la base: 2, 4 Corridas: 8 Réplicas: 2 Bloques: 1 Puntos centrales (total): 0 DATOS DEL PROBLEMA Tipo de diseño: Factorial Completo 22 Corridas del diseño: 4 Réplicas: 2 Bloques: 1 33 Corridas totales: 8  Primer paso: Crear Diseño Factorial Aleaotizar corridas: Las corridas aparecen en 1.Duración: 15 – 30 desorden, para evitar 2.Tema: Especializado – sesgos. General 2 Réplicas : Son 4 Agregar corridas variable de del respuesta diseño “Y” (C7): 34 complet Visualizacion CODIFICAR LOS DATOS 35 CODIFICAR LOS DATOS Orden de la hoja de trabajo: Las corridas aparecen en desorden o en orden. Unidades para factores: Unidades codificadas o no codificadas. 36 Segundo Paso: Analizar Diseño Factorial Creamos una nueva columna con la variable de respuesta, Y = visualizaciones y colocamos el número de visualizaciones por cada combinación de los Está información, niveles.nos la proporciona el problema, pero en la vida real tendríamos que correr cada experimento y 37 tomar nota de la respuesta. Segundo Paso: Analizar Diseño Factorial Duración Tema Visualizaciones 15 Especializado 410 15 Especializado 500 15 General 9 15 General 18 30 General 127 30 Especializado 173 30 General 228 30 Especializado 185 38  18 M.I.I. Cecilia Guadalupe Mota Gutiérrez Evaluación de resultados experimentales Segundo Paso: Analizar Diseño Factorial Estadística > DOE > Factorial > Analizar diseño factorial Evaluación de resultados experimentales Segundo Paso: Analizar Diseño Factorial Mostrará los factores estudiados por separado (A, B) y la interacción de las dos variables (AB). 40 Segundo Paso: Analizar Diseño Factorial Gráficas de efectos: Seleccionar la de Pareto y la Normal Gráficas de residuos: Seleccionar cuatro en uno 41 TeoríaSegundo Paso: Analizar Diseño Factorial ANOVA ANOVA para el diseño factorial 22 Si p ≤ 0.05, entonces los efectos A, B o AB, tienen un efecto significativo sobre la variable de respuesta “Y”. 42  ESTIMACIÓN DE INTERVALO DE CONFIANZA Nivel de significancia Nivel de significancia Zona de Aceptación Zona de Rechazo Práctica Segundo Paso: Analizar Diseño Factorial Conclusión del ANOVA del DOE 22 El valor de “p” para el efecto del factor B (Tema) y para el efecto de la interacción AB (Duración x Tema), es menor a 0.05, por lo tanto TIENEN un efecto significativo sobre la variable de respuesta “Y” (Visualizaciones). A B AB 44  Segundo Paso: Analizar Diseño Factorial ¿Qué puede decir de la R2 ajustada de este experimento? Resumen del modelo R-cuad. R-cuad. S R-cuad. (ajustado) (pred) 48.1222 95.60% 92.30% 82.39% La “R2 ajustada” es la variación del resultado que puede ser explicada por los factores del modelo. Conclusión: Este modelo tiene un muy buen ajuste, ya que se explica el 92.30% de la variación de los datos. 45  GRÁFICAS DE RESULTADOS Segundo Paso: Analizar Diseño Factorial GráficasderesiduosparaVisualizaciones Conclusión: Para la Gráfica de probabilidad normal vs. ajustes 99 50 gráfica de probabilidad normal, se puede 90 25 Porcentaje Residuo 50 0 10 -25 concluir que los datos SI son NORMALES debido -50 1 -100 -50 0 50 100 0 100 200 300 400 Residuo Valor ajustado Histograma vs. orden a que los datos se 4 3 50 25 ajustan a la línea recta Frecuencia propuesta por Minitab. Residuo 2 0 -25 1 -50 0 -60 -40 -20 0 20 40 60 1 2 3 4 5 6 7 8 46 Residuo Ordendeobservación TeoríaSegundo Paso: Analizar Diseño Factorial Diagrama de Pareto DiagramadePareto deefectosestandarizados (larespuestaesVisualizaciones, α =0.05) Conclusión: Sirve para Término 2.776 Factor Nombre determinar la magnitud y A Duración la importancia de un Significativo B Tema B efecto. El diagrama muestra el valor absoluto AB Significativo de los efectos y traza una NOA línea de referencia en la Significativo gráfica. Cualquier efecto 0 Es importante 1 2 Efectoeliminar 3 estandarizado 4 aquellos que 5 6 7 que se extienda más allá NO son significativos uno por uno, de de esta línea de 47 abajo hacia arriba. referencia es  Segundo Paso: Analizar Diseño Factorial Diagrama de Pareto Es importante eliminar aquellos que NO son significativos uno por uno, de abajo hacia arriba. Corre nuevamente el análisis y en la sección de términos elimina solamente el factor menos significativo (A), genera el Pareto y evalúa la significancia de los factores, repite 48 hasta que todos sean Segundo Paso: Analizar Diseño Factorial Diagrama de Pareto * El orden jerárquico implica que no puedes eliminar AC sin haber eliminado antes ABC. Si se despliega la siguiente ventana se recomienda utilizar el orden no jerárquico, esto es debido a que buscamos eliminar los términos con respecto a su nivel de significancia, no dependiendo de su orden. 49 Práctica Segundo Paso: Analizar Diseño Factorial Diagrama de Pareto Diagrama de Pareto de efectos estandarizados Conclusión: El valor Término (la respuesta es Visualizaciones, α = 0.05) absoluto del efecto del 2.571 Factor A factor B (Tema) y del Nombre Duración B efecto de la interacción Tema AB (Duración x Tema), B se extienden más allá de AB la línea de referencia, por lo tanto, volvemos a 0 1 2 3 4 5 6 concluir que estos dos Efecto estandarizado efectos estudiados son 50 estadísticamente  Segundo Paso: Analizar Diseño Factorial Gráfica Normal de Efectos Estandarizados Gráfica normal de efectos estandarizados (la respuesta es Visualizaciones, α = 0.05) Conclusión: Los puntos 99 Tipo de efecto que NO se ubican cerca de la línea (rojos) por lo No significativo 95 Significativo general señalan efectos 90 Factor Nombre A Duración 80 AB B Tema 70 importantes, es decir Porcentaje 60 50 40 30 SIGNIFICATIVOS. Por el B 20 10 contrario, si los puntos 5 SI se ubican cerca de la 1 -7.5 -5.0 -2.5 0.0 2.5 5.0 línea (azules), estos señalan efectos NO Efecto estandarizado 51 SIGNIFICATIVOS.  Segundo Paso: Analizar Diseño Factorial Gráfica Normal de Efectos Estandarizados Gráficanormal deefectosestandarizados Conclusión: Por lo tanto (larespuestaesVisualizaciones, α =0.05) 99 Tipo deefecto se confirma mediante 95 No significativo Significativo esta gráfica que el efecto 90 80 AB Factor Nombre A Duración del factor B (Tema) y el B Tema 70 efecto de la interacción Porcentaje 60 50 40 30 AB (Duración x Tema), 20 B tienen un efecto 10 5 significativo sobre la 1 -7.5 -5.0 -2.5 0.0 2.5 5.0 visualización de los videos, por estar 52 Efectoestandarizado  Tercer Paso: Gráficas Factoriales Gráfica de Efectos Principales Estadística > DOE > Factorial > Gráficas factoriales 53  Tercer Paso: Gráficas Factoriales Gráfica de Efectos Principales Estadística > DOE > Factorial > Gráficas factoriales 54  Tercer Paso: Gráficas Factoriales Teoría Gráfica de Efectos Principales GráficadeefectosprincipalesparaVisualizaciones Mediasajustadas Duración EFECTO Tema PRINCIPAL: Es un Respuesta cambio en la respuesta 350 producido por un cambio en el MediadeVisualizaciones 300 250 nivel del factor. Mediante el gráfico de efectos principales 200 determinamos a través de la 150 PENDIENTE, la significancia de los factores, entre MAYOR 100 15 30 pendiente Especializado General MAYOR significancia. Nivel del factor 55 Así mismo validamos los  Tercer Paso: Gráficas Factoriales Práctica Gráfica de Efectos Principales Conclusión: Muestra la Gráfica de efectos principales para Visualización Medias MEDIA de respuesta para 350 Duración Tema cada nivel de factores 300 conectado por una Media de Visualización 250 línea. Cuando la línea es horizontal, entonces NO hay efecto principal 200 150 presente. Cuando la línea 100 no es horizontal, 15 30 Especializado General entonces SI hay un efecto 56 Un fondo gris representa un término que no está en el modelo. principal presente, y  Tercer Paso: Gráficas Factoriales Gráfica de Efectos Principales Gráfica de efectos principales para Visualizaciones Conclusión: Debido a Medias Duración Tema que para este problema 350 se pretende MAXIMIZAR la variable Media de Visualizaciones 300 250 de respuesta, es 200 conveniente lanzar un 150 video con una DURACIÓN de 15 minutos y con un TEMA 100 15 30 Especializado General Un fondo gris representa un término que no está en el modelo. más especializado para 57 tener más  Tercer Paso: Gráficas Factoriales Teoría Gráfica de Interacciones Interacción: Cuando la diferencia en la respuesta entre los niveles de un factor cambia a medida que los niveles de otro factor son variados. Mediante el gráfico de interacciones observamos la influencia entre la combinación de los 58 factores ante la variable Teoría 59  Tercer Paso: Gráficas Factoriales Práctica Gráfica de Interacciones Conclusión: Se observa que cuando la DURACIÓN se encuentra en su nivel alto (30), el Tema NO afecta de manera significativa. Por el contrario, cuando la DURACIÓN se encuentra en su nivel bajo (15), el TEMA tiene un efecto considerable sobre la respuesta. Es decir 60 con un tema especializado Tercer Paso: Gráficas Factoriales Gráfica de Interacciones Conclusión: Debido a que la línea recta de ambas variables se cruzan, se concluye que SI existe un efecto de interacción, es decir que el factor “Tema” depende del nivel del factor “Duración”. 61  Cuarto Paso: Gráfica de Cubo Estadística > DOE > Factorial > Gráfica de cubo 62 Cuarto Paso: Gráfica de Cubo 63 Teoría Cuarto Paso: Gráfica de Cubo Gráfica de cubos (medias ajustadas) de Visualizaciones Se utiliza para mostrar las -14.5 205.5 relaciones entre dos a ocho General factores (con o sin una medida de respuesta) para diseños factoriales de dos Tema niveles. Aunque sirven para comparar efectos, la 427.0 207.0 significancia de los efectos se Especializado evalúa en el ANOVA. Esta 15 30 Duración gráfica se realiza 64 representando los efectos de  Gráfica de cubos (medias ajustadas) de Visualizaciones PrácticaCuarto Paso: Gráfica de Cubo -14.5 205.5 General Conclusión: La respuesta predicha en un punto dado es un estimador de la respuesta Tema promedio en dicho punto. Por ejemplo, la predicción en uno de los mejores tratamientos 427.0 207.0 Especializado (–1, –1) para MAXIMIZAR se 15 30 Duración obtiene al sustituir este punto en el modelo ajustado: Ecuación de regresión en unidades no codificadas Visualizaciones = 206.3 - 110.8 Tema 65 + 110.0 Duración*Tema  Quinto Paso: Optimizador de Respuesta Estadística > DOE > Factorial > Optimizador de respuesta 66 Quinto Paso: Optimizador de Respuesta META BUSCA MAXIMIZAR Mayor es mejor MINIMIZAR Menor es mejor OBJETIVO o Datos NOMINAL cercanos a la META 67  Quinto Paso: Optimizador de Respuesta Utilice la optimización de respuestas para identificar la combinación de niveles de factores de entrada que en conjunto optimizan una respuesta individual o un conjunto Conclusión: El optimizador de derespuestas respuestas.nos indica con color rojo trabajar con una Duración de 15 minutos y con un Tema especializado, para alcanzar 68 aproximadamente un total de 427 VISUALIZACIONES.  Otra opción: Analizar Diseño Factorial “Definir diseño factorial personalizado” Estadística > DOE > Factorial > Definir diseño factorial personalizado Si ya cuentas con una tabla prellenada, no requerirás crear el diseño factorial, existe la opción llamada “Definir diseño factorial”, donde Minitab te 69 pedirá asignar tus factores, niveles de respuesta y Otra opción: Analizar Diseño Factorial Copiar los datos en una hoja de trabajo 70  Ejemplo de un DOE 22 Duración Tema Visualizaciones 15 Especializado 410 15 Especializado 500 15 General 9 15 General 18 30 General 127 30 Especializado 173 30 General 228 30 Especializado 185 71  Otra opción: Analizar Diseño Factorial Asignar factores, niveles y resultados Estadística > DOE > Factorial > Definir diseño factorial personalizado 72  Otra opción: Analizar Diseño Factorial Asignar factores, niveles y resultados Estadística > DOE > Factorial > Definir diseño factorial personalizado 73  Otra opción: Analizar Diseño Factorial Asignar bloques, puntos centrales Estadística > DOE > Factorial > Definir diseño factorial personalizado 74  Otra opción: Analizar Diseño Factorial Hoja de datos llena 75 A partir de aquí todo sigue de la misma manera. Glosario 76 ROBUSTEZ: Producto que satisface las necesidades del cliente, sin importar las condiciones del entorno o del uso que se tenga. RUIDO: Es cualquier cosa que causa a una característica de la calidad desviarse de su objetivo, el cual subsecuentemente causa una pérdida de calidad. FACTOR: Variables independientes que pueden influir en la variable de interés. Pueden ser tratamiento (interesa) o bloque (no interesa). DISEÑO DE EXPERIMENTOS FRACCIONADO: No todas las combinaciones de todos los factores a todos los niveles son probadas, solo algunas. LA TECNOLOGÍA ROBUSTA: Sirve para mejorar y maximizar la estabilidad o robustez, solo cuando lo hallamos conseguido, ajustaremos el promedio para encontrar el objetivo. 77 REPETICIÓN: Número de veces que se repite un mismo experimento con el mismo valor para cada factor (réplicas). LA INGENIERÍA DE CALIDAD: Es un conjunto de herramientas que se integran dentro de un proceso metodológico para incorporar la calidad. Conjunto de técnicas cuantitativas para optimizar el sistema de manufactura para obtener un proceso y producto fuerte o robusto a las variables o factores, y a bajo costo. PROCESO ROBUSTO: Aquel cuyas salidas presentan pequeñas variaciones cuando algunas de las fases-entradas del proceso presentaron variaciones significantes. INGENIERÍA DE CALIDAD FUERA DE LÍNEA: Cuando se aplica al proceso de diseño se llama así. DEFINICIÓN DE G. TAGUCHI: La Ingeniería de Calidad, es una serie de planteamientos para predecir y prevenir dificultades o problemas que pueden 78 surgir en el mercado, cuando un producto es vendido al cliente. INTERACCIÓN: Evalúa el grado de dependencia que puedan tener 2 o más factores entre sí. Si el efecto combinado de 2 o más factores afecta la respuesta. NIVELES: Cada uno de los resultados o valores sobre un factor. INGENIERÍA ROBUSTA: Proporciona un camino solido a todos los implicados en el producto y proceso para adquirir, y poner en práctica, el conocimiento que les va a permitir disponer de diseños robustos, capaces de dar respuesta de forma segura y en el tiempo a las necesidades del cliente. INGENIERÍA DE CALIDAD EN LÍNEA: Cuando se aplica al proceso de manufactura se llama. DISEÑO FACTORIAL: Conjunto de niveles codificados de los distintos factores que se usaran en una serie de experimentos. 79 RÉPLICAS: Número de veces que se repite un mismo experimento con el mismo valor para cada factor. DOE: Es una herramienta que nos permite realizar mejoras en los procesos o en los productos mediante un proceso de experimentación con diferentes valores de factores que afecten la respuesta de un proceso o producto sometido a un estudio. PRODUCTO ROBUSTO: Es aquel que satisface de manera rápida y eficaz las necesidades del cliente, sin importar las condiciones del entorno o del uso que se le dé a lo largo de su vida útil. TRATAMIENTO: Combinación especifica de distintos niveles de los distintos factores. DISEÑO DE EXPERIMENTO COMPLETO: Todas las combinaciones de todos los factores a todos los niveles son probados. 80