1 / 52

Ajuste de procesos usando control por retroalimentación

Ajuste de procesos usando control por retroalimentación. Índice. 1. Localización y conocimientos previos. 2. Introducción. 3. Diseño del gráfico. 4. Relación con control PDI. 5. Control predictivo. 6. Elección del parámetro G. 7. Uso de una banda muerta. 8. Extensiones.

kalinda
Download Presentation

Ajuste de procesos usando control por retroalimentación

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript


  1. Ajuste de procesos usando control por retroalimentación

  2. Índice • 1. Localización y conocimientos previos. • 2. Introducción. • 3. Diseño del gráfico. • 4. Relación con control PDI. • 5. Control predictivo. • 6. Elección del parámetro G. • 7. Uso de una banda muerta. • 8. Extensiones.

  3. Localización y conocimientos previos. • Objetivos de la lección: • Describir las herramientas necesarias para ajustar y mejorar la calidad de un proceso industrial. • para el manejo del operario. • para el diseño del escenario.

  4. Localización y conocimientos previos • Modelo de Shewhart-Deming: • o también “modelo de causa común más causa especial”, • Estado de control estadístico “el proceso varía de forma estable alrededor de una media”

  5. Localización y conocimientos previos • Dos enfoques: • Control de calidad (SPC). Inferencia. • Ajuste o mejora de la calidad (EPC). Estimación.

  6. Localización y conocimientos previos • Gráficos de control de calidad (para identificación de causas especiales): • Frecuencias y proporciones (c-chart y p-chart). • Medias y rangos. • Alisado exponencial. • Cusum (centrado y truncados). • Capacidad del proceso y límites de especificación

  7. Localización y conocimientos previos • El comportamiento dinámico de un proceso industrial se aproxima bastante bien con esas ecuaciones. • Concepto de inercia: • Media móvil ponderada exponencialmente (EWMA).

  8. Localización y conocimientos previos. • Si la serie sigue un proceso IMA(1,1) con parámetro . • Resultado: • EWMA con parámetro, • produce predicciones óptimas (en el sentido de minimizar la varianza del error).

  9. Localización y conocimientos previos. • El valor del parámetro puede estimarse si tenemos suficientes datos. • Valores de compromiso

  10. 1. Introducción. • Objetivos de la sección: • Presentación del problema. • Notación y conceptos básicos. • Definición de ajuste por retroalimentación. • Descripción del gráfico de ajuste manual.

  11. 1. Introducción • Serie de grosor de una plancha metálica utilizada en la fabricación de un chip . Ejemplo • La característica de calidad debe mantenerse cercana a T=80. • Gráfico: serie observada cuando no se realiza ningún tipo de ajuste.

  12. 1. Introducción.

  13. 1. Introducción. • Si definimos las perturbaciones del proceso , • El objetivo cuando ejercemos control decalidad es eliminar las causas especiales que han producido esas perturbaciones y hacer que el proceso se acerque a un “estado de control estadístico”.

  14. 1. Introducción.

  15. 1. Introducción. • El objetivo del ajuste del procesos es estimar el estado del sistema en cada t=t de forma que podamos realizar los cambios necesarios para que el proceso vuelva a situarse cerca del valor objetivo T.

  16. 1. Introducción. Ajuste por retroalimentación (y no automático) • En la serie sin ajustar la desviación cuadrada media es de 684,8, mientras que en la serie ajustada es de 124,2. (reducción a la quinta parte). • Herramienta básica es un gráfico que maneja un operario. • Ajuste consiste en cambios en la variable de compensación que se ajusta en cada t=t.

  17. 1. Introducción.

  18. Volver 2 Volver 1 1. Introducción

  19. 2. Diseño del gráfico. • Objetivos de la sección: • Describir las herramientas que permiten al especialista diseñar el escenario de ajuste y mejora.

  20. 2. Diseño del gráfico • El gráfico está basado en la siguiente información: • 1. El sistema es reactivo. • 2. Ganancia del proceso (g) definida por el cambio que produce en output una unidad de cambio en la variable de compensación. • 3. Error en el output definido • 4. Ajuste definido por

  21. 2. Diseño del gráfico. • Ecuación de ajuste: donde G es el parámetro de salto y mide la proporción del error que corregimos. • Ejemplo: para la serie de grosor, utilizamos g=1.2 y G=0.2. ó

  22. 2. Diseño del gráfico.

  23. 3. Relación con control PDI. • Objetivos de la sección: • Describir el control PDI y definir la relación con el tipo de control ejercido por la ecuación de ajuste.

  24. 3. Relación con control PDI. • Otra forma muy eficaz de control por retroalimentación usada en Ingeniería para procesos continuos es la llamada “Proportional Integral Derivative” (PDI) • donde y son constantes. • Hay formas más simples como control PI.

  25. 3. Relación con control PDI. • En un escenario discreto, la ecuación de ajuste puede reescribirse como • Si y podemos escribir

  26. 4. Control Predictivo • Objetivos de la sección: • Describir la relación entre control PI y el alisado exponencial (EWMA) en el diseño de escenarios de ajuste y mejora.

  27. 4. Control Predictivo • El sistema es reactivo. • Información disponible: • la serie de perturbaciones si no se hubiera ejercido control • Ganancia del proceso (g).

  28. 4. Control predictivo. • o, en términos del ajuste • Lo ideal sería en el momento t=t, conocer la pertur-bación de t=t+1, de forma que, • Como eso no es posible, tendremos que predecir

  29. 4. Control predictivo. • Para que sea cierto las predicciones deben ser, • Si definimos el error de predicción, • la ecuación de ajuste puede expresarse como sigue,

  30. 4. Control predictivo. • * EWMA • La ecuación anterior es una ecuación en diferencias de primer orden y puede escribirse como una suma de medias móviles ponderadas exponencialmente *: • donde

  31. 4. Control predictivo. • RESULTADO: • La ecuación de ajuste que produce un control PI, también implica que ese control es equivalente a fijar la variable de compensación (X) de forma que se cancele la predicción EWMA de . • La constante de suavizado para esa predicción EWMA se determina por el valor del factor de salto en la ecuación de ajuste (G).

  32. 4. Control predictivo. • Ejemplo:

  33. 4. Control predictivo.

  34. 4. Control predictivo.

  35. 4. Control predictivo.

  36. 5. Elección del parámetro G. • Objetivo de la sección: • Describir tres formas de elegir el parámetro de salto • Basándonos en los datos y minimizando la suma de errores al cudrado. • Asumiendo un modelo IMA(1,1) para las perturbaciones y minimizando el ratio de inflación. • Minimizando la variabilidad en el ajuste.

  37. 5. Elección del parámetro G. • 1. Estimación a partir de los datos • Encontrar el mínimo de la suma de errores al cuadrado para distintos valores de G. • Ejemplo: t=1…..100, de la serie de perturbaciones sin ajustes. El mínimo de la suma de errores al cuadrado se alcanza para el valor G=0.24.

  38. 5. Elección del parámetro G.

  39. 5. Elección del parámetro G. • 2. Ratio de inflación. Asumimos, • y obtenemos la predicción EMMC, y, por lo tanto, EMMC en el output con • Si conocemos el verdadero valor , podemos fijar • En la práctica, usaremos un estimador de G que producirá una varianza del error muy cercana al mínimo.

  40. 5. Elección del parámetro G. • Supongamos que el verdadero parámetro es pero en el diseño del escenario de ajuste se utiliza el parámetro G distinto de • Ratio de inflación: mide el aumento en la varianza del error del output debido al uso del parámetro G.

  41. 5. Elección del parámetro G.

  42. 5. Elección del parámetro G. • 3. Escenarios de ajuste restringido • Reducir el valor de G a un valor “subóptimo” menor de puede disminuir considerablemente la varianza del ajuste, con un pequeño aumento de la varianza del error en el output.

  43. 5. Elección del parámetro G. • Con • Con

  44. 5. Elección del parámetro G.

  45. 5. Elección del parámetro G. • Ejemplo:

  46. 6. Uso de bandas muertas. • Objetivo: reducir el número de veces que ajusta- mos, simplificar el gráfico. • B 0 0.5 1.0 1.25 1.5 • Ancho 0 5.5 11 13.75 16.5 • D.típica 11.14 11.25 11.28 11.62 11.87 • % increm. 0 0.9 1.2 4.3 6.5 • Nº ajust. 99 65 35 23 16 • Ejemplo:

  47. Banda muerta 6. Uso de bandas muertas.

  48. 7. Control de un proceso AR(1). • Si conocemos el verdadero parámetro: • La serie de perturbaciones es del tipo: • Fórmula de ajuste:

  49. 7. Control de un proceso AR(1). • El efecto del control por retroalimentación es reducir la varianza del output por un factor: Factor de reducción Varianza Desv. típica 0.95 10.3 3.2 0.90 5.3 2.3 0.70 2.0 1.4 0.50 1.3 1.2

  50. ……..y después • Ajuste de un proceso con inercia. • El ajuste depende de los dos últimos errores observados: • donde P y G son constantes.

More Related