Ir al contenido

Documat


Optimización de costos en la experimentación industrial

  • Domínguez Domínguez, Jorge [1]
    1. [1] Centro de Investigaci´on en Matem´aticas. Ap 402 Guanajuato, Guanajuato, M´exico
  • Localización: Revista de Matemática: Teoría y Aplicaciones, ISSN 2215-3373, ISSN-e 2215-3373, Vol. 14, Nº. 2, 2007 (Ejemplar dedicado a: Revista de Matemática: Teoría y Aplicaciones), págs. 193-201
  • Idioma: inglés
  • DOI: 10.15517/rmta.v14i2.39322
  • Enlaces
  • Resumen
    • español

      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.

    • English

      We outline different cases to study the costs in industrial processes. Loss function considers the costs of no quality, we present the model that describes the costs associated to the levels (value) of the factors (variables) that are related to the characteristics of the process. Also, we show the due costs to not fulfilling with specifications and regarding to tolerances of the components of a product. In each one of these situations, we formulate the procedures to optimize costs without rebounding in the properties of quality in the production. As much the function objective as the restrictions are regression model that are obtained through statistical methods of experimental design.

  • Referencias bibliográficas
    • 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...
    • 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...
    • Romano, D.; Varetto, M.; Vicario, G. (2004) “Multiresponse robust design: a general framework based on combined array”, Journal of Quality...
    • Taguchi, G. (1986) Introduction to Quality Engineering. Asian Productivity Organization, Tokyo.

Fundación Dialnet

Mi Documat

Opciones de artículo

Opciones de compartir

Opciones de entorno