Estimación eficiente para la optimización de un proceso

Abstract

La optimización de un proceso requiere la modelización conjunta de la dispersión y la tendencia central, así como su robustificación. La información requerida se recoge mediante un plan factorial replicado y se modeliza, en primer lugar, la dispersión estimando eficientemente los coeficientes mediante el método de máxima verosimilitud y, seguidamente, se aplica el modelo para la tendencia central. Ambos se contrastan mediante el gráfico probabilístico semi-normal, para asociarse en el modelo global, que permite la optimización y su confrontación con el proceso de robustificación. Esta metodología se ilustra mediante un proceso de tratamiento térmico.

Process optimization demands getting a process model for both location and dispersion as well as process robutness. Therefore data must be gathered on behalf of a replicated factorial to estimate dispersion parameters by maximum likelihood to proceed with the estimation of the location ones by generalized least squares. The significance of these estimations are jointly tested by means of a half-normal probability plot. The methodology is applied to a heat treatment process.