Ciencias
Administrativas. Teoría y Praxis
Num. 1 Año 13,
Enero-Junio 2017, pp. 160-171
Optimización
de parámetros de la prueba de opacidad federal en el análisis de emisiones
diésel
Optimization of parameters of the federal opacity test in the
analysis of eiesel emissions
Edith
Mendoza-Ramírez*, Hector Rivera-Gómez**, Jaime Garnica-González***
Resumen
El objetivo principal
de esta investigación es realizar una optimización de la Prueba de Opacidad
Federal, aplicando iterativamente el
Método de Ascenso Rápido, dicha prueba es realizada en el Laboratorio de
Emisiones Vehiculares y Ensayo de Motores Sección Emisiones Diésel del
Instituto Mexicano del Petróleo. El presente trabajo es un estudio de caso,
donde se emplea el Método de Cuatro Fases para analizar el proceso, haciendo
uso de la metodología de Seis Sigma. La prueba analizada es la última de
las cuatro pruebas que se realizan en
el Laboratorio de Emisiones a Diésel para determinar las
emisiones a diésel de un motor o aditivo. Los resultados obtenidos proporcionan
un mejor entendimiento acerca del funcionamiento e influencia de los factores
que más impacto tienen en la prueba analizada, ya sea de forma
directa o indirecta. Permitiendo establecer recomendaciones para mejorar el
desempeño de los indicadores de dicha prueba.
Palabras Clave: Incertidumbre, Seis Sigma, Optimización, Diseño de
Experimentos, Superficie de Respuesta.
Abstract
In this
research, the main objective is to optimize the test of federal opacity, iteratively applying the method
of rapid ascent; this test is performed in the Laboratory of Vehicle Emissions
and engine test section diesel emissions in the Mexican Institute of Oil. This
research is a case study, where a Four-phase Method is used to analyze the
process, using the Six Sigma methodology. The analyzed test is the last of the
four tests performed in the Diesel Emissions Laboratory to determine the emissions of a diesel
engine or additive. The results provide a better understanding of the
functioning and influence of the factors that have impact on the test, either
directly or indirectly. This allow us to establish recommendations to improve the performance
of indicators of this test.
Key words: Tax incidence, budget, externalities.
Clasificación JEL: H22,
H61, H23
Introducción
La última prueba
que se
lleva a cabo
en el Laboratorio de
Emisiones Vehiculares y Ensayo de Motores Sección
Emisiones
* Maestro en Ciencias
en Ingeniería Industrial, Universidad Autónoma del Estado de Hidalgo, Centro
de Investigación Avanzada en Ingeniería Industrial,
E-mail: edith124_3@hotmail.com
** Doctor en Ingeniería Industrial, Profesor Investigador, Área Académica de Ingeniería, Instituto
de Ciencias Básicas e
Ingeniería, Universidad Autónoma del Estado de
Hidalgo, E-mail: hriver06@hotmail.com;
jgarnicag@gmail.com
*** Doctor en Planeación Estratégica y Dirección de
Tecnología, Profesor Investigador del Centro de Investigación Avanzada en
Ingeniería Industrial, Área Académica de la Ingeniería de la Universidad Autónoma del Estado
de Hidalgo E-mail: jgarnicag@gmail.com
Artículo recibido: 21 de septiembre de 2015 Artículo aceptado:
4 de agosto de 2016
Diésel del Instituto
Mexicano del Petróleo, es la prueba de Opacidad Federal, en la cual se analiza
la cantidad de emisiones generadas por un motor y que se envían al ambiente,
además se analiza el tipo de emisiones que se están generando. De forma general
en esta prueba, las emisiones caen en obleas
las cuales son pesadas antes y después de que las emisiones lleguen a
ellas, esto con el objetivo de saber
cuál es el peso con y sin emisiones para observar
la cantidad y que tipo de emisiones se están enviando al
ambiente. Posteriormente, se hace pasar un haz de luz que atraviesa la oblea para obtener la densidad
de la misma.
Buscando en la literatura no se encontraron trabajos similares donde se
ha utilizado la metodología Seis Sigma enfocado a esta área, sin embargo se han encontrado trabajos
donde se empleó la metodología en diferentes áreas de investigación. A
manera de antecedentes, nuestra investigación está motivada por el trabajo de
Mendoza, Rivera y Garnica (2014), donde se desarrollaron tres fases de la
metodología Six Sigma (definición, medición
y análisis). En dicho trabajo se aplicaron diversas técnicas tales como
estudios de repetibilidad y reproducibilidad, linealidad, graficas de control,
capacidad de proceso y diseño experimental con el fin de determinar las
variables significativas en el cálculo
de la incertidumbre de la prueba de mapeo de emisiones diésel.
En
la misma dirección el trabajo de Mendoza, Rivera, Garnica
y Hernández (2014), realizaron una investigación
donde utilizan una de las técnicas de Six Sigma enfocadas a la optimización en 4 fases aplicada a la
prueba Power Map. En esta investigación se determinó una ecuación
característica de la prueba, la cual se obtuvo aplicando diferentes técnicas
tales como Diseño de Experimentos y Superficie de Respuesta. En dicho trabajo
los autores lograron optimizar diversos parámetros que afectaban en la
estimación de la incertidumbre de la prueba de
Mapeo.
Otro
estudio relacionado con nuestra investigación es el presentado por Mendoza,
Rivera, Garnica y
Hernández (2015), en el cual realizaron una evaluación sobre
el sistema de medición de la prueba del ciclo transitorio, además desarrollaron
un estudio de reproducibilidad y repetibilidad a un equipo clave de la prueba.
Es
importante mencionar que sin considerar estos dos trabajos, no existe en la
literatura referencia alguna
donde se realice
un análisis de las emisiones de gases de motores
diésel con la metodología considerada en nuestra investigación. Afortunadamente
la metodología Seis Sigma se ha aplicado en
diferentes áreas. A continuación, se hace una revisión de algunos trabajaos en
diversas áreas de aplicación.
Área de Seis Sigma
Existen diversos
autores que han aplicado técnicas de Seis Sigma en una variedad de problemas
tales como Broatch, Luján, Ruiz y Olmeda (2008), quienes realizaron un trabajo
donde se presentó una metodología utilizando técnicas de Seis-Sigma con la
finalidad de estudiar las mediciones de las emisiones contaminantes acumuladas
durante la fase de arranque de automóviles de motores diésel de inyección directa. Por otra parte
en el trabajo de Zheng y Frey (2001) se analizó la estimación de los parámetros de la distribución de la mezcla del carbón de
unas calderas. Con un enfoque para la cuantificación de la variabilidad y la
incertidumbre sobre la base de la distribución de la mezcla. Con relación a la estimación de la incertidumbre, otros
autores han realizado análisis haciendo uso de las técnicas de Seis Sigma como
la técnica de Taguchi (Chen, Li y
Cox, 2009), tratando de optimizar sus resultados para obtener productos o
servicios de mayor calidad.
Otros
estudios han aplicado técnicas de Seis Sigma orientados al análisis y
estimación de la incertidumbre, así como del análisis de la variabilidad de
emisiones, como se muestra
en los trabajos de
Frey y Tran (1999), Frey y Rhodes (1999), Frey y Zheng (2002) y Frey (1998).
Por
su parte Theodorus, Liapis y Zannikos (2013), describieron y compararon
resultados utilizando tres metodologías estadísticas empíricas (ANOVA clásica, robusta y rango
estadístico ANOVA). Los autores utilizaron datos experimentales de un diseño experimental balanceado, que incluyen muestras
duplicadas analizadas por la reproducción de 104 objetos de muestreo
(estaciones de venta al menor de
petróleo). Además, Hosseini, Farhangdoosi y Manoochehri (2012) hicieron uso del
método Taguchi y el ANOVA para optimizar parámetros de un proceso de extrusión.
Visconti,
De Paz y Rubio (2012), realizaron
un estudio de la elección de la selectividad
de los coeficientes de intercambio catiónico haciendo uso del ANOVA para los coeficientes de variación. Ordorica, Camargo, De la Vega, López, Olguín y López (2011), realizaron un estudio de repetibilidad y reproducibilidad sobre un sistema de medición, utilizado
un estudio de termografía sensorial en seres humanos, con la finalidad de
detectar desordenes de traumas acumulados (DTA’S).
Mora y Marbot (2010) realizaron un
estudio donde aplican la repetibilidad y la
reproducibilidad para establecer un método de destilación simulada mediante
cromatografía gaseosa para una posible implantación en los laboratorios de la refinería
de Cuba.
Área
de Gases
Existe además un
conjunto de trabajos enfocados al estudio de gases tal como la investigación de
Fuentes, Incio, Lévano y Torres (2009)
elaboraron un trabajo donde caracterizaron y optimizaron el antígeno del
líquido hidatídico de ovino aplicándolo en la prueba de látex como una prueba
tamiz. Esto para el diagnóstico serológico de pacientes con quistes de
Echinococcus granulosus. Perdomo
et al. (2004), realizaron un trabajo de repetibilidad y reproducibilidad de métodos
analíticos
acreditados, como son: la humedad,
color, fotocorimétrico, inolubles, reductores, cenizas, distribución
granulométrica, almidón y dextrana.
Área de Diésel
Otra serie de autores
se han enfocado al análisis del diésel, por ejemplo, Sudeshkumar, Venkatraman y Devarajane (2014), quienes
realizaron una investigación sobre las mezclas biocarburantes de un motor
diésel de inyección directa con la finalidad de obtener los parámetros del
rendimiento del motor y las
características de emisiones en el escape. En el mismo año Venkatraman y
Devarajane, (2014) publicaron una investigación sobre las emisiones de
rendimiento y agotamiento de un motor a diésel, con bajo rechazo al calor
utilizando aceite Jatropha como combustible.
Justificación
Con base a los
trabajos expuestos en los párrafos anteriores, la justificación del presente
trabajo, radica en el hecho
que el Laboratorio de Diésel del IMP, está en busca de su certificación con
base en la NMX-EC-17025-IMNC (2006). Por lo que
debe contar con
procesos y procedimiento estandarizados y confiables que
cumplan con las normas y requerimientos establecidos por organizaciones
internacionales tal como la Environmental
Protection Agency (EPA) y la Guide to the Expression of
Uncertainty in Measurement (GUM). Por
estas razones, en esta investigación se busca analizar exhaustivamente la
optimización de la incertidumbre de la prueba de opacidad federal y con base en los resultados obtenidos, se buscará detectar áreas de oportunidad y de operación, que
permitan lograr una mejora en el desarrollo de esta prueba, principalmente con
respecto al indicador de la incertidumbre.
El presente
artículo está estructurado de la siguiente forma: los
antecedentes y justificación se presenta en la sección 1, las notaciones y
problemática del sistema se
encuentran en la
sección 2, el marco teórico se detalla en la sección 3, los objetivos se
plantean en la sección 4. En
la sección 5 se presenta
la pregunta de
investigación, la metodología
empleada se detalla en la sección 6. La sección 7 indica las limitaciones de la investigación, los resultados obtenidos
se ilustran en la sección 8, la discusión se realiza en la sección 9 y
finalmente las conclusiones se presentan en la sección 10.
Notaciones y problemáticas
En esta sección, se
introducen las notaciones que fueron utilizadas en este artículo y se describe
el sistema a analizar.
Notaciones
Los siguientes símbolos y
notaciones son utilizados en el presente documento:
d Desviación del instrumento
r
Resolución del instrumento de medición
s
Desviación estándar
Media muestral
IC Incertidumbre permitida
IR Incertidumbre
tipo A (por repetibilidad obtenida)
Id Incertidumbre tipo B (por
desviación del instrumento)
Ir Incertidumbre tipo B (por
resolución del instrumento)
Ic Incertidumbre tipo B (por
calibración del instrumento)
IC Incertidumbre combinada
IE Incertidumbre expandida
R Repetibilidad permitida del
instrumento
n Número de pruebas
σ Sigma
6σ Seis Sigma
Δ Incremento
Problemática y contexto
La problemática de la presente
investigación se enfoca en realizar un análisis de la prueba de Opacidad
Federal, que se ejecuta en el Laboratorio de Emisiones Vehiculares. En esta
prueba se hace un análisis de la cantidad de emisiones que genera un motor diésel
al simular un recorrido normal de uso. El conjunto
de variables que están involucradas en el funcionamiento de esta prueba
se muestran en el diagrama de Ishikawa de la (figura 1).
Figura 1. Prueba de Ciclo de Opacidad Federal
Con esta investigación se busca tener
una mejor comprensión de los
indicadores de la prueba y mejorar el desempeño de la misma,
así como implementar estrategias de mantenimiento que mitiguen el efecto de las
variaciones observadas de los indicadores.
Dentro de cada factor intervienen
un conjunto de variables, las cuales
serán analizadas por separado mediante un método de cuatro
fases típico de las técnicas de Seis Sigma. Posteriormente, se
obtendrá un modelo
de aproximación que permita reducir la incertidumbre inherente a la prueba.
Marco
Teórico
A fin de mejorar la comprensión de
los términos técnicos utilizados en la presente investigación, es necesario
definir una serie de conceptos. Wolfgang, Schmid y Lazos Martínez, (2004)
definen a la incertidumbre como la incertidumbre se define como un
parámetro que caracteriza
la dispersión de los valores que pueden ser atribuidos
razonablemente al mensurando.
Según Pyzdek y
Paul Keller (2013): la incertidumbre: Es un parámetro que
caracteriza la dispersión de los valores que pueden ser atribuidos
razonablemente al mensurando. La
Incertidumbre por definición, se refiere a
la duda o perplejidad que se tiene sobre un asunto o cuestión. La incertidumbre se iguala a un
estado de duda en el que predomina el límite
de la confianza o la creencia en la verdad de un determinado conocimiento.
Además es necesario definir lo siguiente:
§ Sigma (σ): Es una letra del alfabeto griego utilizada en ingeniería para
medir la variabilidad en un proceso.
Seis Sigma es un conjunto de técnicas y principios de calidad, probados,
rigurosos, enfocados y de aplicación altamente
eficaz.
Por lo que con base en la NMX-CH-140-IMNC (2002), en el cálculo de
la incertidumbre de la prueba de Opacidad Federal intervienen tres factores
clave: el opacímetro, el dinamómetro y las condiciones ambientales, como se
muestra en la ecuación (1):
§ Diseño de experimentos:
de acuerdo con Montgomery (1991). Es una prueba o una serie de pruebas en las cuales se
introducen cambios deliberados en las variables de entrada de un proceso o
sistema, esto con la finalidad de observar e
identificar los cambios
en la respuesta de salida.
Objetivo
general
El objetivo general de la presente
investigación es:
§ Realizar una optimización de los parámetros de la prueba de
Opacidad Federal, utilizando la Metodología de Seis Sigma, en especial se busca
aplicar el Método de Cuatro Fases, con la finalidad de determinar las variables
críticas que más impacto tienen en el indicador de la incertidumbre.
Objetivos
específicos
Los objetivos específicos son:
§ Identificar y seleccionar las variables que tienen un mayor
impacto en la obtención de la incertidumbre del ciclo de opacidad federal.
§ Analizar los indicadores y realizar una serie de recomendaciones
que mejoren el desempeño de la prueba.
§ Crear un modelo de aproximación para observar bajo qué
condiciones deben operar las variables significativas a fin de minimizar la
incertidumbre de la prueba.
Pregunta
de investigación
Por lo antes expuesto, se realiza la siguiente
pregunta de investigación:
¿La aplicación de las técnicas
de Six Sigma, permitirán identificar áreas de oportunidad que mejoren las condiciones de operación de la prueba de
Opacidad Federal en el laboratorio de emisiones a diésel?
Metodología
El enfoque con el cual se aborda
el problema bajo estudio está basado en la metodología Seis-Sigma la cual ha
sido aplicada con éxito en las otras tres pruebas que se llevan a cabo en el laboratorio de emisiones a diésel,
dichas pruebas son: prueba del ciclo Power Map (Mapeo), prueba de Ciclo
Transitorio, prueba de Ciclo de 13 Modos. Cabe mencionar
que existen diversas aplicaciones de la metodología de Seis Sigma en diversas
áreas y en un número considerable de empresas importantes de diferentes sectores
productivos por lo que, con base en Escalante (2010), la metodología
utilizada en este artículo consiste en los siguientes pasos:
1)
D Definir el objetivo de la actividad de
mejora
2)
M Medir
y evaluar el sistema existente
3)
A Analizar el sistema
para identificar maneras de eliminar la diferencia entre el desempeño actual
del sistema o proceso y el objetivo deseado.
4)
I Mejorar
el sistema
5)
C Controlar
el nuevo sistema
Estos cinco
pasos garantizan realizar un análisis profundo del problema. De manera particular en este trabajo se
enfoca principalmente en la etapa de análisis y mejora
del sistema, para esto se adaptó el método de ascenso rápido para optimizar los
parámetros de control de la prueba en cuestión, dicho método consta de las
siguientes fases:
1.
Fase
I:Aplicación de un diseño experimental
fraccionario de filtrado, 2n
2.
Fase II: Desarrollo
del método de ascenso rápido.
3.
Fase
III: Aplicación de un diseño
factorial 3n
4.
Fase IV:
Optimización de parámetros a
través de un diseño central compuesto.
A través de
estas cuatro fases se logró determinar las variables significativas en el
cálculo de la incertidumbre de la prueba, así también se identificó la zona de
optimalidad, para posteriormente optimizar los parámetros de control de la
prueba mediante la aplicación de la técnica de Superficies de Respuesta.
Limitaciones
En cuanto a las limitaciones del
presente trabajo, se puede
mencionar que es un estudio de caso aplicado solamente a este laboratorio, (emisiones a diésel), y bajo
ciertos parámetros de operación,
sin embargo esto no implica que la metodología empleada no pueda ser aplicada a
otros laboratorios.
Resultados
En esta sección se presentan los
resultados obtenidos de aplicar
la metodología propuesta, derivados principalmente del
método de las cuatro fases en cada uno de los tres equipos involucrados.
Opacímetro
El opacímetro es un lente de
opacidad donde se encuentran las obleas, las cuales captan una cierta cantidad
de emisiones que se envían al ambiente. El opacímetro es un equipo clave en la
prueba de Opacidad Federal, para el cálculo de la incertidumbre del opacímetro
están involucrados nueve factores (tabla 1). De este conjunto de factores
solo se consideran seis de ellos en el análisis, pues el resto permanecen
constantes en los cálculos.
Tabla 1
Valores inicial de las variables
A los seis factores considerados
se les realizó una variación con un
incremento del 5% y 20%, esto con el propósito de observar un rango amplio de
variación y así poder aplicar un diseño de experimentos y filtrar las variables
no significativas. Con las variaciones
de la tabla 1, en la Fase I se aplicó un diseño factorial de filtrado 26, con el cual se detectaron
tres variables significativas, definiendo la ecuación (2).
INCERTIDUMBRE = 2.50165
+ 0.1188*A +
0.348125*C - 0.49975*E (2)
Se aplicó el
software estadístico Statgraphics para realizar el análisis de varianza
correspondiente, en él, se pudo observar que las variables significativas en el
cálculo de la incertidumbre del opacímetro son: la desviación del instrumento, la
incertidumbre por calibración del instrumento y la media muestral. En la Fase
II al aplicar el método de ascenso
rápido, se observa la trayectoria de la curva como se muestra en la (figura 2),
acotando el rango de variación de los factores
a una zona de optimalidad donde
se aprecia una reducción considerable de la
incertidumbre. En la Fase III se realizó un diseño factorial 33 solamente con las tres variables
significativas, para determinar si existe alguna curvatura en la gráfica.
Figura 2. Incremento
y Decremento de las variables.
Al optimizar
las variables significativas en la Fase IV con un diseño central compuesto, se
obtuvo un valor óptimo de la incertidumbre de 1.69681, el cual al compararlo
con el valor original del equipo de
2.3805, se obtuvo
una reducción de 28.72% siendo este una reducción considerable. Las curvas
de nivel de las variables se muestran en la
(figura 3).
Figura 3. Superficie de
respuesta de Fase IV
Dinamómetro
El dinamómetro es el segundo equipo clave en la prueba de Opacidad Federal, se
consideran nueve factores para calcular su incertidumbre, en el trabajo solo se
tomaron en cuenta seis para realizar el diseño factorial de filtrado.
Tabla 2
Tabla
inicial de los valores de las variables
Al aplicar el diseño
de filtrado 26 al dinamómetro
con los datos de la tabla 2 en la fase I, se obtuvo la ecuación (3).
INCERTIDUMBRE = 2.28263 + 0.20225*C - 0.
237625*E (3)
La Ecuación
(3), se utilizó de base para la segunda fase, donde se observó la dirección de
más rápido descenso de la incertidumbre al variar las variables significativas,
como se muestra en la (figura 4). Con este equipo los factores significativos
son: la calibración del instrumento y la media
muestral.
En la fase III
se realizó una reducción del intervalo original, para obtener más detalle y
saber si existe alguna curvatura en el indicador. En la cuarta fase se anexaron
puntos extremos al diseño
factorial de tres niveles de la tercera fase a fin de aplicar un CCD (un diseño central compuesto). Con esto se obtuvo un valor
Se presentan las variables
necesarias para calcular la incertidumbre del dinamómetro y su
rango de variación dentro del 5 y 10% (tabla
2). El dinamómetro es el equipo donde se conecta
el motor, y el cual aplica un torque positivo y un torque negativo lo que
permite analizar el funcionamiento a detalle de un motor a diésel.
Figura
4. Incremento y Decrementos
de las variables
óptimo de la incertidumbre de 1.75154
y una superficie de respuesta de
las variables significativas tal como se muestra en la (figura 5). Con esta
optimización se obtuvo una reducción de la incertidumbre del 22.76%, con
respecto al valor inicial de operación del dinamómetro.
Condiciones Ambientales
Las condiciones ambientales es el tercer factor
involucrado en la prueba de Opacidad Federal. En la (tabla 3) se presentan el
conjunto de nueve variables involucradas en el cálculo de la
incertidumbre de las condiciones ambientales con su rango de variación. Con
este factor también se realiza un análisis de solamente seis variables.
Figura 5.
Correlación de las variables con puntos extremos
Tabla 3
Valores iniciales de las variables
Con respecto a
las condiciones ambientales, en la primera fase se obtuvo que el indicador de
la incertidumbre está dado por la ecuación (4).
INCERTIDUMBRE = 0.690631 + 4.06031*A +
4.94288*C - 0.0407234*E (4)
Al aplicar un
análisis de varianza al diseño factorial
de filtrado 26 se detectaron tres
variables significativas, las cuales son: la desviación del instrumento, la
calibración del instrumento y la media muestral. Teniendo en cuenta estas variables
en la Fase II se aplicó el método de ascenso rápido,
a fin de determinar la
dirección de las variables que minimiza más
rápidamente a la incertidumbre. Con esto se obtuvieron los resultados de la
figura 6.
Figura 6. Incremento y
Decremento de las
variables
En la Fase
III se realizó
una reducción del intervalo original para detectar alguna
curvatura, la cual no se detectó, y por último
en la Fase IV se agregaron puntos extremos al diseño
experimental a fin de optimizar los parámetros. Con esto se obtuvo un valor óptimo de 1.36429 para el valor de la
incertidumbre y una superficie de respuesta como se muestra en la (figura 7).
Con esta optimización se consiguió una reducción de la incertidumbre de 7.10%
con respecto al valor original.
Figura 7. Superficie de respuesta para la Fase IV
Una vez que se optimizaron los parámetros de cada
uno de los factores clave de la prueba de opacidad federal y se determinaron los valores
óptimos de la incertidumbre, se procede a calcular la incertidumbre total de la
prueba, utilizando la expresión la ecuación (5):
(5):
Obteniendo un valor total
de la incertidumbre de 2.79434, el cual si lo comparamos con el
valor original de 3.60085 observado antes de optimizar los parámetros de los tres factores de la prueba, se aprecia una reducción
bastante considerable del 22.39%.
Discusión
El
objetivo de aplicar
el método de cuatro
fases en los
tres
factores clave
de
la
prueba de Opacidad Federal es
realizar un análisis exhaustivo de dicha prueba con el objetivo de disminuir su
indicador total de incertidumbre, y
determinar las variables que más impacto tienen
en la estimación
de este indicador. Los resultados obtenidos en este artículo son de
utilidad, puesto que al lograr una
reducción de la incertidumbre, se
beneficia el desempeño de la prueba. De forma
general la recomendación
principal de operación de la prueba de Opacidad Federal es que la variación observada
en los resultados se debe a la
repetibilidad del equipo y al porcentaje de error debido a la calibración del
instrumento. Por lo que para reducir el indicador de la incertidumbre se
recomienda implementar un mejor programa de mantenimiento y calibración al
equipo a fin de mitigar los efectos del uso y el desgaste sobre los resultados obtenidos.
Conclusión
Con la realización de este trabajo
se satisface con los objetivos expuestos en la presente investigación de
realizar un análisis de la prueba de Opacidad Federal, utilizando la
metodología Seis Sigma. En este trabajo se llevó a cabo un análisis iterativo
de cuatro fases, esto con la finalidad de determinar indicadores que permitirán
evaluar cualitativamente los datos y
el desempeño de la prueba. Se
identificó y seleccionó las variables que tienen un
mayor impacto en la obtención de la incertidumbre
del Ciclo de Opacidad
Federal, también se
obtuvo un modelo de aproximación
que permitió observar bajo qué condiciones las variables de la prueba son significativas, y
además se logró minimizar la
incertidumbre. Los resultados
obtenidos permitieron realizar una serie de recomendaciones que
buscan mejorar el desempeño de la prueba. Con lo antes expuesto se da respuesta
a la pregunta de investigación que se planteó.
Referencias
Broatch, A., Luján J.M., Ruiz S., & Olmeda
P. (2008). Medición de hidrocarburos y monóxido de carbono
emisiones durante el arranque del
automotor diésel. Dpto. CMT- Motores Térmicos. Universidad
Politécnica de Valencia.
Chen J., Li. Y. & Cox R. (2008). Taguchi-based Six Sigma approach to
optimize plasma cutting process: an industrial case study. Springer-Verlag London 41, 760–769. DOI: 10.1007/s00170-008-1526-1.
Escalante, V. E. (2010). Seis Sigma Metodología y Técnicas. México:
Limusa.
Fuentes F., Incio N., Lévano, J., & Torres Y. (2009).
Caracterización y Optimización del antígeno del
líquido hidatídico de
ovino y su aplicación en la prueba de Látex. Revista Peruana de Medicina Experimental y Salud Pública, 26(4), 473-477.
Frey H. C. (1998 June). Methods for Quantitative
Analysis of Variability and Uncertainty in Hazardous Air Pollutant Emissions. In Proceedings, Annual Meating of the Air
& Waste Management Association. Pittsburgh, Pennsylvania.
Frey H. C. & Rhodes D. (1999).
Quantitative Analysis of Variability
and Uncertainty in Environmental
Data and Models. Theory and Methodology Based Upon Bootstrap Simulation.
Department of Civil Engineering.
North Carolina State University 1, 1-178.
Frey H.C.,
& Tran K.L. (1999). Quantitative Analysis
of Variability and
Uncertainty in Environmental Data and Models. Performance, Emissions,
and Cost of Combustion-Based NOx Controls for Wall and Tangential Furnace
Coal-Fired Power Plants. North Carolina
State University, 22, 2-273.
Frey H.C., & Zheng J. P. (2002 June). Method
for Development of Probabilistic Emission
Inventories: Example Case Study for Utility NOx
Emission. In Proceedings, Annual Meating
of the Air & Waste Management Association.Orlando Florida.
Hosseini A., Farhangdoost K., & Manoochehri
M. (2012). Modelling of extrusion
process and application of Taguchi method and ANOVA analysis for optimization
the parametrs. Mechanika. 18(3),
301-305.
Mendoza E., Rivera H., &
Garnica J. (2014). Análisis de la estimación de la
incertidumbre de la prueba de
mapeo en el IMP a través de
técnicas de Six Sigma. XVIII Congreso
Internacional de Investigación en Ciencias Administrativas, 4437-4460. Tijuana,
Baja California, Mex.
Mendoza, E., Rivera, H., Garnica, J.,
& Hernández, E. S. (2014).
Optimización de parámetros de
control de pruebas de emisiones diésel con técnicas de Seis Sigma. Academia Journals. Congreso Internacional de Investigación. 6(4), 1066- 1071. Tuxtla Gutiérrez, Chiapas.
Mendoza, E., Rivera, H., Garnica, J.,
& Her- nández, E. S. (2015). Evaluación de sis- tema de medición de pruebas
de emisio- nes a diésel del ciclo transitorio. Congreso Internacional de Investigación en Ciencias Administrativas.
Durango, México.
Montgomery,
Douglas C. (1991). Design and Analysis of Experiments. SAS. Institute Inc. Cary
North Carolina.
Moras D.,
& Marbot-Ramada R. (2010). Determinación de las fracciones del petróleo
crudo con el empleo de la destilación simulada por cromatografía gaseosa como
método alternativo. CENIC Ciencias
Biológicas, 41(2) 105-112. Cuba, La Habana.
NMX-CH-140-IMNC (2002). Guía para
la expresión de incertidumbre en
las mediciones.
NMX-EC-17025-IMNC (2006). Requisitos
generales para la competencia de los
laboratorios de ensayo y de calibración.
Ordorica J.,
Camargo C, De la Vega, E., Lpopez, O., Olguín, J., & López, J. (2011).
Validación de un sistema de medición aplicado a un estudio de Termografía
Sensorial para la detección de desórdenes de traumas acumulados. Ingeniería Industrial, 1, 69-84.
Perdomo
Morales, A J; Rodríguez López, J; Fernández Alvarez, F; Torres Ponce, B; Rodríguez Mambuca, R; Pérez Sanfiel, F H;
Casanova Cabezas, E; Borges Gómez, Y; Solis
Marín, Y; Maseda Maestre, E; Sánchez
Herrera, A; Piovet Viamonte, A P;
López Tito, N; Trujillo Cárdenas, N; Alvarez Chibás, M;
Sánchez Expósito, F; Ramos Miranda, C; (2005). La repetibilidad y la
reproducibilidad interna en Leycaz durante el trienio 2002-2004. Revista Cubana
de Química, 17(1) Recuperado de http://www.
redalyc.org/articulo.oa?id=443543685106
Pyzdek, Thomas, & Keller,
Paul. (2013). The Six Sigma Handbook (3ra Ed).USA:
McGraw Hill.
Schmid Wolfgang, A., & Lazos
Martínez, R- (2004). Guide for estimating
measurement uncertainty. National Metrology Center. Querétaro, México:
Centro Nacional de Metrología.
Sudeshkumar
M., Venkatraman M., & Devarajane G. (2014). Utilization of biofuel blends
in a direct injestion diesel engine
for the prediction of engine perfomance
parameters and exhaust emission characteristics. Journal of Chemical and Pharmaceutical Research. 6(12), 333-341.
Theodorus D.,
Liapis, N., & Zannikos F. (2013).
Estimación de la incertidumbre de medición que surge de muestreo manual of
fuels de combustibles. SciVerse ScienceDirect. Laboratorio de Combustibles y Lubricantes.
Universidad Técnica Nacional de Atenas.
Thomas, P. & Paul, K. (2013). The Six Sigma Handbook (3ra Ed). USA:
McGraHill.
Venkatraman, M., & Devaradjane, G.
(2014). Perfomance and exhaust
emissions of a low heat rejection diesel engine using
Jatropha oil as fuel. Journal of Chemical
and Pharmaceutical Research, 6(11), 561-
569.
Visconti, F., De la Paz J. M., & Rubio J. L.
(2012). Choice of selectivity
coefficients for catión exchage using principal components analysis and
bootstrap ANOVA of coefficients of
variation. Europan Journal of Soil
Science. DOI: 10.111/j.1365.2012/01474.x.
Zheng & Frey (2001), Quantitative
Analysis of Variability
and Uncertainty in
Emission Estimation: An Illustration of Methods Using Mixture
Distributions. In Proceedings, Annual
Meeting of the Air & Waste Management Association, 1. 24-28., Orlando Florida.
