Academic Journals Database
Disseminating quality controlled scientific knowledge

Optimización simultánea para la mejora continua y reducción de costos en procesos Optimización simultánea para la mejora continua y reducción de costos en procesos

ADD TO MY LIST
 
Author(s): Jorge Domínguez Domínguez

Journal: Ingeniería y Ciencia
ISSN 1794-9165

Volume: 2;
Issue: 4;
Start page: 145;
Date: 2006;
Original page

Keywords: diseños de experimentos | modelos | función de pérdida | optimización multi–respuesta | método gráfico.

ABSTRACT
Muchos problemas de optimización son caracterizados por la flexibilidad para establecer la utilidad entre las funciones objetivo. La estrategia experimental desempeña un papel importante para generar estas funciones objetivo, además, ésta se ha aplicado de manera conveniente para disminuir costos de calidad y en la mejora continua de la calidad de procesos y productos. Es frecuente encontrar muchas aplicaciones industriales con varias respuestas cuya finalidad es alcanzar la calidad global de un producto, por lo que es necesario optimizar de manera simultánea las respuestas de interés. En esencia, el problema de optimización de varias respuestas involucra la selección de un conjunto de condiciones o variables independientes tales que den como resultado un producto o servicio adecuado. Es decir, se desea seleccionar los niveles de las variables independientes que optimicen todas las respuestas a la vez. En esta presentación se mostrarán dos procedimientos para construir una función que describa la combinación de los objetivos de las respuestas individuales. El primer método es un modelo de optimización multiplicativo y el segundo es aditivo, estos se aplicarán a dos casos de estudio realizados en la industria con el fin de resaltar los procesos de mejora continua y la disminución de costos. La optimización simultánea, utilizando estos dos procedimientos, se ilustrarán mediante técnicas de graficación ya que éstas permiten generar varios escenarios de posibles soluciones óptimas. En estos ejemplos se observó que ambos métodos producen resultados similares al generar el óptimo, sin embargo al compararlos de manera global mediante la función de pérdida existe una ligera diferencia entre ellos.Many problems of optimization are characterized by the flexibility to establish the utility among the functions objectives. Experimental strategy plays a very important part for generating theses functions. This specific strategy has also been applied in an important way to reduce costs when desiring quality and its continuous improvement in processes and products. It is common to find many industrial applications with several responses whose purpose is to reach the global level of quality of a product. Therefore it is necessary to simultaneously optimize in a simultaneous the responses that the researcher desires. In essence, the problem of optimization of various responses involves the selection of a set of conditions or independent variables such that give a product or some convenient service an ideal result. The wish is to select the levels of independent variables that optimize all the responses at the same time. Two procedures will be displayed here in order to build a function that represents a combination of the objectives of the individual responses. The first method is a model of optimization multiplicativo and the second additive. These will be applied to two cases of study which will be carried out in the industry for the purpose of pointing out the processes of continuous improvement and the decrease in costs. The simultaneous optimization, using these two procedures, will be illustrated by graphical means. This will allow a generation of several scenarios showing possible optimum solutions. In these examples it was observed that both methods produce similar results when generating the optimum one, however when comparing them in a global way by means of the loss function a slight difference it exists among them.
Why do you need a reservation system?      Affiliate Program