Resumen

En la industria es común realizar experimentos para optimizar los procesos de producción; sin embargo, se requiere de considerables recursos económicos y tiempo para desarrollar las nuevas tecnologías. En esta investigación se propone emplear las técnicas de simulación Monte Carlo y bootstrap para disminuir costos y tiempo en la optimización de procesos. Para lograr este propósito se utilizaron la optimización aleatoria, la optimización no lineal NLM (non-linear minimization) y la optimización Taguchi.

Estas optimizaciones se compararon con el diseño inicial a través de los índices de capacidad del proceso y la función de pérdida de Taguchi. Los índices de capacidad C_p, C_pk, C_pm, C_pmk, C_s e índices ISO fueron simulados con Monte Carlo y sus respectivos intervalos de confianza con remuestreo bootstrap. Los resultados indican que solo las optimizaciones aleatoria y NLM logran identificar las regiones óptimas de las variables del proceso que maximizan el cumplimiento de las especificaciones.

• Materias:Desarrollo de procesos Investigación operacional Métodos de simulación Procesos industriales
• Subjects:Process development Operations research Simulation methods Industrial processes
• Palabras claves:Ciencias de la administración, Optimización de procesos, Método de monte carlo, Bootstrap, Índices de capacidad, Intervalos de confianza, Pptimización aleatoria, Optimización no lineal, Optimización taguchi
• Keywords:Administration sciences, Process optimization, Monte carlo method, Bootstrap, Capability indexes, Confidence intervals, Random optimization, Nonlinear optimization, Taguchi optimization