Revista de Matemática: Teoría y Aplicaciones ISSN Impreso: 1409-2433 ISSN electrónico: 2215-3373

OAI: https://revistas.ucr.ac.cr/index.php/matematica/oai
Optimización de costos en la experimentación industrial
PDF

Palabras clave

Loss function
tolerance
experimental design
regression models
optimization
Función de pérdida
tolerancia
diseño de experimentos
modelos de regresión
optimización

Cómo citar

Domínguez Domínguez, J. (2007). Optimización de costos en la experimentación industrial. Revista De Matemática: Teoría Y Aplicaciones, 14(2), 193–201. https://doi.org/10.15517/rmta.v14i2.39322

Resumen

Se plantean diferentes casos para estudiar los costos en procesos industriales. La función de pérdida considera los costos de no calidad, se presenta el modelo que describe los costos asociados a los niveles (valores) de los factores (variables) que se relacionan a las características del proceso. Además, se muestra los costos debidos a no cumplir con especificaciones y los referentes a tolerancias de las componentes de un producto. En cada una de estas situaciones se formulan los procedimientos para optimizar costos sin repercutir en las propiedades de calidad en la producción. Tanto la función objetivo como las restricciones son modelos de regresión que se obtienen mediante métodos estadísticos de diseño de experimentos.

https://doi.org/10.15517/rmta.v14i2.39322
PDF

Citas

Allen, T.; Yu, L. (2002) “Low-cost response surface method from simulation optimization”, Qual. Reliab. Engng. Int. 18: 5–17.

Domínguez, D.J. (2004) “Estrategia experimental una opción para la mejora continua de procesos industriales”, Gaceta del Concyteg.

Kim, Y.J.; Cho, B.R. (2000) “Economic considerations on parameter design”, Qual. Reliab. Engng. Int. 16: 501–514.

Kraus, P.D.; Benneyan, J.C.; Mackertich, N.A. (2000) “Use of mathematical programming in the analysis of constrained and unconstrained industrial experimental”, Quality Engineering 12(3): 395–406.

Li, W.; Wu C.F.J. (1999) “An integrated method of parameter design and tolerance design”, Quality Engineering 11(3): 417–425.

Myers, R.H. (1999) “Response surface methodology-current status and future directions”, Journal of Quality Technology 31: 30–44

Ribeiro, J.L.; Fogliatto, F.S.; Caten, C.S. (2001) “Minimizing manufacturing and quality costs in multiresponse optimization”, Quality Engineering 13(4): 559–569.

Romano, D.; Varetto, M.; Vicario, G. (2004) “Multiresponse robust design: a general framework based on combined array”, Journal of Quality Technology 36(1): 27–37.

Taguchi, G. (1986) Introduction to Quality Engineering. Asian Productivity Organization, Tokyo.

Comentarios

Descargas

Los datos de descargas todavía no están disponibles.