PLANEACIÓN PARA EL DESARROLLO DE UN PROGRAMA PARA DESBALANCEAR MATRICES DE DISEÑO EN DISEÑOS FACTORIALES 2k (PLANNING FOR THE DEVELOPMENT OF A PROGRAM TO UNBALANCE DESIGN MATRICES IN FACTORY DESIGNS 2k)

Martin Saldaña Ruiz, Ricardo Ramírez Tapia, Armando Javier Ríos Lira, Manuel Darío Henández Ripalda

Resumen


Resumen
Generalmente los diseños de experimentos son desarrollados a partir de matrices de diseño balanceadas ya que de acuerdo a la literatura se sabe que el desbalance en las matrices de diseño ocasiona efectos negativos y cierto grado de error en los diferentes términos del modelo. Debido a que los efectos negativos, así como el grado de error que ocasiona el desbalance, no han sido estudiados a fondo ni cuantificados. El propósito de esta investigación es plantear el desarrollo de un programa que ayude a desbalancear en tres distintos grados a las matrices de diseño utilizadas en los diseños experimentales. Para posteriormente identificar y cuantificar las consecuencias del desbalance. Las categorías de desbalance que dicho programa manejará son: bajo, medio y alto estas categorias serán determinadas a partir de los resultados obtenidos después de la aplicación del método GBM por sus siglas en ingles “General Balance Metric”. El cual únicamente nos indica el grado de balance de una determinada matriz de diseño.
Palabras Clave: Matrices de diseño, Algoritmo, General Balance Metric, balance.

Abstract
Generally, the experimental designs are developed from balanced design matrices since, according to the literature, it is known that the imbalance in the design matrices causes negative effects and a certain degree of error in the different terms of the model. Since the negative effects, as well as the degree of error caused by the imbalance, have not been thoroughly studied or quantified. The purpose of this research is to propose the development of a program that helps to unbalance the design matrices used in experimental designs in three different degrees. To later identify and quantify the consequences of the imbalance. The imbalance categories that said program will handle are: low, medium and high. These categories will be determined from the results obtained after the application of the GBM method for its acronym in English “General Balance Metric”. Which only tells us the degree of balance of a certain design matrix.
Keywords: Balanced design matrices, Algorithm, General Balance Metric, experimental design, Balance.

Texto completo:

838-852 PDF

Referencias


Corona, M. A., & Ancona, M. A. (2011). Diseño de algoritmos y su codificación en el lenguaje C. México: McGraw-Hill/Interamericana Editores.

Guo, Y., Simpson, J. R., & Pignatiello, J.J. (2009). The general balance metric for mixed-level fractional factorial designs. Quality and Reliability Engineering International, 25(3), 335-344. Doi:10.1002/qre.982

Jaccard, J. J. (1998). Ineraction effects in factorial analysis of variance. SAGE Publications.

Joyanes, L. (2008). Fundamentos de programación. Madrid: McGraw-Hill/Interamericana de España.

Montgomery, D. (2017). Design and Analysis of Experiments. New York: John Wiley & Sons.

Murray, M. A. (2004). Sobre el producto cruz en espacios vectoriales n-dimensionales. Ingenieria. Investigación y Tecnologia, 27-47. Obtenido de www.redalyc.org/pdf/404/40450103.pdf

Naranjos Palacios, F., Pantoja Pacheco, Y. V., Ríos Lira, A. J., & Tapia Esquivias, M. (2020). Diseños ortogonales de Taguchi fraccionados. Ingenieria Investigación y Tecnología, 21(2), 1-12. Doi: 10.22201/fi.25940732e.2020.21n2.011

Pantoja, Y. V., Ríos, A. J., & Tapia Esquivias, M. (2019). A method for construction of mixed-level fractional designs. Quality and Reliability Engineering International, 35. Doi: 10.1002/qre.2466

Ríos, A. (2009). Sequential Experimentation, A new experimentation approach for resolution III, mixed-level and robust designs. VFM Verlag Dr. Müller.

Salmorán Lopez, E., Ríos Lira, A. J., & Pantoja Pacheco, Y. V. (2019). Planeación para la generación de un programa para construir estructuras de alias para diseños factoriales fraccionados de niveles mixtos. Pistas Educativas, 41(133), 580-594.

Van Belle, G., & F. Kerr, K. (2012). Design and analysis of experiments in the health sciences. Jonh Wiley & Sons.

Yates, F. (1933). The Principles of Orthogonality and Confounding in Replicated Experiments. Cambridge University Press, 108-145. Doi: 10.1017/S0021859600052916.






URL de la licencia: https://creativecommons.org/licenses/by/3.0/deed.es

Barra de separación


Licencia Creative Commons    Pistas Educativasa está bajo la Licencia Creative Commons Atribución 3.0 No portada.    


TECNOLÓGICO NACIONAL DE MÉXICO / INSTITUTO TECNOLÓGICO DE CELAYA

Antonio García Cubas Pte #600 esq. Av. Tecnológico, Celaya, Gto. México

Tel. 01 (461)61 17575 Ext 5106

www.itcelaya.edu.mx