Diseño robusto de parámetros
Un diseño de parámetros robustos , introducido por Genichi Taguchi , es un diseño experimental utilizado para explotar la interacción entre el control y las variables de ruido incontrolable mediante la robustificación , encontrando la configuración de los factores de control que minimizan la variación de la respuesta de los factores incontrolables. [1] Las variables de control son variables sobre las cuales el experimentador tiene control total. Las variables de ruido se encuentran en el otro lado del espectro. Si bien estas variables pueden controlarse fácilmente en un entorno experimental, fuera del mundo experimental son muy difíciles, si no imposibles, de controlar. Los diseños de parámetros robustos utilizan una convención de nomenclatura similar a la de los FFD. A 2 (m1+m2)-(p1-p2)es un diseño de 2 niveles donde m1 es el número de factores de control, m2 es el número de factores de ruido, p1 es el nivel de fraccionamiento de los factores de control y p2 es el nivel de fraccionamiento de los factores de ruido.
Considere un ejemplo de horneado de pasteles RPD de Montgomery (2005), donde un experimentador quiere mejorar la calidad del pastel. [2]Si bien el fabricante del pastel puede controlar la cantidad de harina, la cantidad de azúcar, la cantidad de polvo de hornear y el contenido de colorante del pastel, otros factores son incontrolables, como la temperatura del horno y el tiempo de horneado. El fabricante puede imprimir instrucciones para un tiempo de horneado de 20 minutos, pero en el mundo real no tiene control sobre los hábitos de horneado de los consumidores. Pueden surgir variaciones en la calidad del pastel si se hornea a 325° en lugar de 350° o si se deja el pastel en el horno durante un período de tiempo ligeramente demasiado corto o demasiado largo. Los diseños de parámetros robustos buscan minimizar los efectos de los factores de ruido en la calidad. Para este ejemplo, el fabricante espera minimizar los efectos de la fluctuación del tiempo de horneado en la calidad del pastel y, al hacerlo, se requieren los ajustes óptimos para los factores de control.
Los RPD se utilizan principalmente en un entorno de simulación donde las variables de ruido incontrolables generalmente se controlan fácilmente. Mientras que en el mundo real, los factores de ruido son difíciles de controlar; en un entorno experimental, el control sobre estos factores se mantiene fácilmente. Para el ejemplo de hornear pasteles, el experimentador puede fluctuar el tiempo de horneado y la temperatura del horno para comprender los efectos de dicha fluctuación que puede ocurrir cuando el control ya no está en sus manos.
Los diseños de parámetros robustos son muy similares a los diseños factoriales fraccionados (FFD) en que el diseño óptimo se puede encontrar utilizando matrices de Hadamard , se mantienen los principios de la jerarquía de efectos y la escasez de factores, y el alias está presente cuando se fraccionan los RPD completos. Al igual que los FFD, los RPD son diseños de detección y pueden proporcionar un modelo lineal del sistema en cuestión. Lo que se entiende por jerarquía de efectos para los FFD es que las interacciones de orden superior tienden a tener un efecto insignificante en la respuesta. [3] Como se indica en Carraway, es más probable que los efectos principales tengan un efecto sobre la respuesta, luego las interacciones de dos factores, luego las interacciones de tres factores, y así sucesivamente. [4]El concepto de dispersión del efecto es que no todos los factores tendrán un efecto sobre la respuesta. Estos principios son la base para el fraccionamiento de matrices de Hadamard. Al fraccionar, los experimentadores pueden sacar conclusiones en menos corridas y con menos recursos. A menudo, los RPD se utilizan en las primeras etapas de un experimento. Debido a que los RPD de dos niveles asumen linealidad entre los efectos de los factores, se pueden usar otros métodos para modelar la curvatura después de que se haya reducido el número de factores.
