Robustificación
La robustificación es una forma de optimización mediante la cual un sistema se vuelve menos sensible a los efectos de la variabilidad aleatoria, o ruido, que está presente en las variables y parámetros de entrada de ese sistema. El proceso generalmente se asocia con sistemas de ingeniería, pero el proceso también se puede aplicar a una política política, una estrategia comercial o cualquier otro sistema que esté sujeto a los efectos de la variabilidad aleatoria.
Aclaración de la definición
La robustificación, como se define aquí, a veces se denomina diseño de parámetros o diseño de parámetros robustos (RPD) y, a menudo, se asocia con los métodos de Taguchi . Dentro de ese contexto, la robustez puede incluir el proceso de encontrar las entradas que más contribuyen a la variabilidad aleatoria en la salida y controlarlas, o el diseño de tolerancia. En ocasiones, los términos diseño para la calidad o Diseño para Six Sigma (DFSS) también pueden usarse como sinónimos.
Principios
La robustificación funciona aprovechando dos principios diferentes.
No linealidades
Considere el gráfico siguiente de una relación entre una variable de entrada x y la salida Y , para la cual se desea que se tome un valor de 7, de un sistema de interés. Se puede ver que hay dos valores posibles que puede tomar x , 5 y 30. Si la tolerancia para x es independiente del valor nominal, entonces también se puede ver que cuando x se establece igual a 30, la variación esperada de y es menor que si x se establecieron igual a 5. la razón es que el gradiente en x = 30 es menor que a x = 5, y la variabilidad aleatoria en x se suprime a medida que fluye a y .
Este principio básico subyace a toda robustez, pero en la práctica suele haber una serie de entradas y es el punto adecuado con el gradiente más bajo en una superficie multidimensional que debe encontrarse.
Variabilidad no constante
Consideremos un caso en el que una salida Z es una función de dos entradas x y y que se multiplican por sí.
Z = xy
Para cualquier valor objetivo de Z hay un número infinito de combinaciones para los valores nominales de x y y que será adecuado. Sin embargo, si la desviación estándar de x fuera proporcional al valor nominal y la desviación estándar de y fuera constante, entonces x se reduciría (para limitar la variabilidad aleatoria que fluirá del lado derecho de la ecuación al lado izquierdo ) ey se incrementaría (sin un aumento esperado de la variabilidad aleatoria porque la desviación estándar es constante) para llevar el valor de Z al valor objetivo. Al hacer esto, Z tendría el valor nominal deseado y se esperaría que su desviación estándar fuera al mínimo: robustecido.
Aprovechando los dos principios cubiertos anteriormente, se puede optimizar un sistema de modo que el valor nominal de la salida de un sistema se mantenga en su nivel deseado y al mismo tiempo se minimiza la probabilidad de cualquier desviación de ese valor nominal. Esto es a pesar de la presencia de variabilidad aleatoria dentro de las variables de entrada.
Métodos
Hay tres métodos distintos de robustez, pero un profesional puede utilizar una combinación que proporcione los mejores resultados, recursos y tiempo.
Experimental
El enfoque experimental es probablemente el más conocido. Implica la identificación de aquellas variables que se pueden ajustar y aquellas que se tratan como ruidos. Luego se diseña un experimento para investigar cómo los cambios en el valor nominal de las variables ajustables pueden limitar la transferencia de ruido de las variables de ruido a la salida. Este enfoque se atribuye a Taguchi y a menudo se asocia con los métodos de Taguchi . Si bien muchos han encontrado que el enfoque proporciona resultados impresionantes, las técnicas también han sido criticadas por ser estadísticamente erróneas e ineficientes. Además, el tiempo y el esfuerzo necesarios pueden ser importantes.
Otro método experimental que se utilizó para la robustez es la ventana operativa. Fue desarrollado en los Estados Unidos antes de que la ola de métodos de calidad de Japón llegara a Occidente, pero aún es desconocido para muchos. [1] En este enfoque, el ruido de las entradas aumenta continuamente a medida que se modifica el sistema para reducir la sensibilidad a ese ruido. Esto aumenta la robustez, pero también proporciona una medida más clara de la variabilidad que fluye a través del sistema. Después de la optimización, la variabilidad aleatoria de las entradas se controla y reduce, y el sistema presenta una calidad mejorada.
Analítico
El enfoque analítico se basa inicialmente en el desarrollo de un modelo analítico del sistema de interés. La variabilidad esperada de la salida se encuentra luego utilizando un método como la propagación del error o funciones de variables aleatorias. [2] Éstos suelen producir una expresión algebraica que se puede analizar para su optimización y robustez. Este enfoque es tan preciso como el modelo desarrollado y puede ser muy difícil, si no imposible, para sistemas complejos.
El enfoque analítico también podría usarse junto con algún tipo de modelo sustituto que se base en los resultados de experimentos o simulaciones numéricas del sistema.
Numérico
En el enfoque numérico, un modelo se ejecuta varias veces como parte de una simulación de Monte Carlo o una propagación numérica de errores para predecir la variabilidad de los resultados. A continuación, se utilizan métodos de optimización numérica, como la escalada de colinas o los algoritmos evolutivos, para encontrar los valores nominales óptimos para las entradas. Este enfoque generalmente requiere menos tiempo y esfuerzo humano que los otros dos, pero puede ser muy exigente con los recursos computacionales durante la simulación y la optimización.
Ver también
Notas al pie
Referencias
- Clausing (1994) Desarrollo de calidad total: una guía paso a paso para la ingeniería concurrente de clase mundial. Sociedad Americana de Ingenieros Mecánicos. ISBN 0-7918-0035-0
- Clausing, D. (2004) Ventana operativa: una medida de ingeniería para la tecnometría de robustez . Vol. 46 [1] págs. 25–31.
- Siddall (1982) Diseño de ingeniería óptimo. CRC. ISBN 0-8247-1633-7
- Dodson, B., Hammett, P. y Klerx, R. (2014) Diseño probabilístico para optimización y robustez para ingenieros John Wiley & Sons, Inc. ISBN 978-1-118-79619-1
enlaces externos
