Errores en la búsqueda de condiciones robustas. Metodologías para evitarlos.
Visualitza/Obre
10.5821/dissertation-2117-93148
Inclou dades d'ús des de 2022
Cita com:
hdl:2117/93148
Càtedra / Departament / Institut
Universitat Politècnica de Catalunya. Facultat de Matemàtiques i Estadística
Tipus de documentTesi
Data de defensa2001-12-10
EditorUniversitat Politècnica de Catalunya
Condicions d'accésAccés obert
Tots els drets reservats. Aquesta obra està protegida pels drets de propietat intel·lectual i
industrial corresponents. Sense perjudici de les exempcions legals existents, queda prohibida la seva
reproducció, distribució, comunicació pública o transformació sense l'autorització del titular dels drets
Abstract
El problema de encontrar condiciones robustas al efecto de factores no controlados es un tema que interesa enormemente a las empresas ya que es una característica que demanda el mercado. Existen básicamente dos métodos para estudiar el problema: El que se basa en el método propuesto por G. Taguchi a comienzos de los 80's con el que se aproxima la variabilidad a partir de matrices producto y se seleccionan las condiciones robustas minimizando la respuesta, o el que parte de una matriz más económica que permite estimar un modelo para la respuesta Y en función de los factores de control y ruido, y estudia las condiciones robustas a partir de las interacciones entre los factores ruido y los factores de control. Aunque en un principio cabrían esperar resultados muy similares analizando un mismo problema por las dos vías hemos encontrado ejemplos donde las conclusiones son muy dispares y por ello nos hemos planteado este trabajo de investigación para encontrar las causas de estas diferencias.
El trabajo de investigación lo hemos iniciado estudiando la naturaleza de las superficies asociadas a la variabilidad provocada por factores ruido realizando el estudio de forma secuencial aumentando el número de factores ruido. Hemos demostrado que independientemente de que la métrica seleccionada sea s2(Y), s(Y) o lo(s(Y)) las superficies difícilmente podrán ser aproximadas por polinomios de primer orden en los factores de control llegando a la conclusión de que algunas de las estrategias habituales que los experimentadores utilizan en la práctica difícilmente llevan a un buen conocimiento de esta superficie. Por ejemplo no es adecuado colocar un diseño 2k-p de Resolución III en los factores de control en una matriz producto siendo recomendables diseños de Resolución IV con puntos centrales.
A continuación se han supuesto dos fuentes de variación en la respuesta debidas a ruido, fuentes desconocidas para el experimentador, y se ha estudiado la sensibilidad de los dos métodos para recoger estas oportunidades de reducción de la variabilidad demostrándose que el modelo para métricas resumen está más preparado para recoger todas las fuentes de variación que el modelo a partir de métricas no-resumen, el cual es muy sensible a la estimación del modelo de Y.
Por último se ha investigado sobre los errores más comunes a la hora de seleccionar las condiciones robustas a partir de gráficos.
El trabajo de investigación lo hemos iniciado estudiando la naturaleza de las superficies asociadas a la variabilidad provocada por factores ruido realizando el estudio de forma secuencial aumentando el número de factores ruido. Hemos demostrado que independientemente de que la métrica seleccionada sea s2(Y), s(Y) o lo(s(Y)) las superficies difícilmente podrán ser aproximadas por polinomios de primer orden en los factores de control llegando a la conclusión de que algunas de las estrategias habituales que los experimentadores utilizan en la práctica difícilmente llevan a un buen conocimiento de esta superficie. Por ejemplo no es adecuado colocar un diseño 2k-p de Resolución III en los factores de control en una matriz producto siendo recomendables diseños de Resolución IV con puntos centrales.
A continuación se han supuesto dos fuentes de variación en la respuesta debidas a ruido, fuentes desconocidas para el experimentador, y se ha estudiado la sensibilidad de los dos métodos para recoger estas oportunidades de reducción de la variabilidad demostrándose que el modelo para métricas resumen está más preparado para recoger todas las fuentes de variación que el modelo a partir de métricas no-resumen, el cual es muy sensible a la estimación del modelo de Y.
Por último se ha investigado sobre los errores más comunes a la hora de seleccionar las condiciones robustas a partir de gráficos.
CitacióPozueta Fernández, M.L. Errores en la búsqueda de condiciones robustas. Metodologías para evitarlos. Tesi doctoral, UPC, Facultat de Matemàtiques i Estadística, 2001. ISBN 8468819425. DOI 10.5821/dissertation-2117-93148. Disponible a: <http://hdl.handle.net/2117/93148>
Dipòsit legalB.24079-2003
ISBN8468819425
Altres identificadorshttp://www.tdx.cat/TDX-0325103-120312
Col·leccions
Fitxers | Descripció | Mida | Format | Visualitza |
---|---|---|---|---|
01PORTADA.pdf | 143,5Kb | Visualitza/Obre | ||
02CAPITULO1.pdf | 287,8Kb | Visualitza/Obre | ||
03CAPITULO2.pdf | 268,6Kb | Visualitza/Obre | ||
04CAPITULO3.pdf | 347,6Kb | Visualitza/Obre | ||
05CAPITULO4.pdf | 274,0Kb | Visualitza/Obre | ||
06CAPITULO5.pdf | 422,7Kb | Visualitza/Obre | ||
07CAPITULO6.pdf | 684,1Kb | Visualitza/Obre | ||
08CAPITULO7.pdf | 199,5Kb | Visualitza/Obre | ||
09CAPITULO8.pdf | 236,5Kb | Visualitza/Obre | ||
10CAPITULO9.pdf | 200,0Kb | Visualitza/Obre | ||
11CAPITULO10.pdf | 312,8Kb | Visualitza/Obre | ||
12CAPITULO11.pdf | 124,3Kb | Visualitza/Obre | ||
13CAPITULO12.pdf | 108,1Kb | Visualitza/Obre |