Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Pgina 1 de 47
En esta seccin, se analiza qu son, cmo se usan y cules son los arreglos ortogonales ms
importantes para experimentos en los que cada factor toma dos niveles.
Un arreglo ortogonal es una tabla de nmeros. Como ejemplo de un arreglo ortogonal tenemos el
siguiente:
No. (a)
1
2
3
4
1 ,
A
1
1
2
2
2
F A C T O R E S (c)
B
C
1
1
2
2
1
1
2
1
Resultado
Y1
Y2
Y3
Y4
De acuerdo con la notacin empleada por Taguchi al arreglo mostrado como ejemplo, se le
llama un arreglo L4, por tener cuatro renglones.
En general, para un arreglo a dos niveles, el nmero de columnas (efectos o factores) que se
pueden analizar, es igual al nmero de renglones menos 1.
Taguchi ha desarrollado una serie de arreglos para experimentos con factores a dos niveles,
los ms utilizados y difundidos segn el nmero de factores a analizar son:
No. de factores a analizar
Entre 1 y 3
Entre 4 y 7
Entre 8 y 11
Entre 12 y 15
Entre 16 y 31
Entre 32 y 63
Arreglo a utilizar
L4
L8
L12
L16
L32
L64
Pgina 2 de 47
Pgina 3 de 47
Para acomodar un arreglo ortogonal de 2 niveles en un arreglo de cuatro variables con tres
niveles, se convierte una columna a dos niveles como sigue:
Pgina 4 de 47
Pgina 5 de 47
Pgina 6 de 47
Pgina 7 de 47
Ejemplo:
En un proceso de formacin de paneles una caracterstica no deseada es la emisin de
formaldehdo en el producto final. Se desea que esta emisin sea lo mnima posible. Actualmente
se estima en 0.45 ppm. (partes por milln).
Se cree que cinco factores pueden estar afectando la emisin, estos son: tipo de resina,
concentracin de la solucin, tiempo de ciclo de prensado, humedad y presin.
Si se desea analizar el efecto de estos factores, es necesario variarlos, esto es probarlos bajo
diferentes valores cada uno. A cada uno de estos valores se les llama nivel. Se requieren de al
menos dos niveles o valores distintos para cada factor. A uno de ellos arbitrariamente le
llamamos nivel bajo o nivel 1, al otro nivel alto o nivel 2.
Factor
A
B
C
D
E
Descripcin
Tipo de resina
Concentracin
Tiempo de ciclo de prensado
Humedad
Presin
Nivel I
Tipo I
5%
10 seg
3%
800 psi.
Nivel 2
Tipo II
10%
15 seg
5%
900 psi.
En este caso estamos interesados en analizar el efecto de 5 efectos o factores a dos niveles
cada uno, por lo tanto, se usar un arreglo ortogonal L8. Esto implica que se ejecutarn 8
pruebas o condiciones experimentales. Por otra parte se disponen de 7 columnas, a cada
columna se le puede asignar o asociar un factor. Si en particular, asignamos los factores en
orden a las primeras cinco Columnas, dejando libres las ltimas dos columnas, el arreglo queda:
Observe que en las columnas vacas, 6 y 7, se ha escrito la letra e 1,y e2 respectivamente esto
para indicar que en ellas se evaluar la variacin natural o error aleatorio.
Si no se asigna ningn factor, es de esperar que ah se manifieste la variacin natural. Los
resultados de Yi se muestran en ppm.
El anlisis de resultados, se puede efectuar de dos maneras diferentes. Una de ellas mediante
una serie de grficas, la otra mediante el anlisis de varianza, se muestra en este ejemplo
primero el uso del anlisis de varianza, posteriormente se muestra el uso de grficas.
B
1
1
2
2
1
1
2
2
C
1
1
2
2
2
2
1
1
D
1
2
1
2
1
2
1
2
Pgina 9 de 47
E
1
2
1
2
2
1
2
1
Yi
0.49
0.42
0.38
0.3
0.21
0.24
0.32
0.28
Anlisis de varianza
1) como primer paso, se obtienen los totales de la variable de respuesta o lecturas, para cada
uno de los niveles de los factores.
Para calcular los totales para cada nivel del factor A, observamos que las primeras cuatro
pruebas del arreglo se efectuaron con el factor a su nivel 1 (Resina tipo I) y las siguientes cuatro
a su nivel 2 (resina tipo II).
Los totales son por lo tanto:
A1= total de las lecturas que se tomaron con el factor A a su nivel 1
= 0.49+0.42+0.38+0.30=1.59
A2= total de las lecturas que se tomaron con el factor A a su nivel 2
= 0.21+0.24+0.32+0.28= 1.05
Para el factor D se tiene que las pruebas 1,3,5 y 7 se efectuaron a su nivel 1 (humedad del
5%), por lo tanto los totales son:
D1= Total de las lecturas que se tomaron con el factor D a su nivel 1
= 0.49+0.38+0.21+0.32= 1.40
D2= Total de las lecturas que se tomaron con el factor D a su nivel 2
= 0.42+0.30+0.24+0.28= 1.24
En resumen se tiene:
Factor
Nivel 1
1.59
1.36
1.51
1.40
1.39
1.28
1.35
Nivel 2
1.05
1.28
1.13
1.24
1.25
1.36
1.29
2.64
2.64
2.64
2.64
2.64
2.64
2.64
Observe que la suma de los dos niveles debe dar siempre el total de las ocho lecturas 2.64.
2) En seguida se obtiene una cantidad que llamaremos suma de cuadrados esta se calcula como
sigue:
Suma de los cuadrados del factor x= SS X= (Total nivel 2 Total nivel 1) 2/ n
Donde n representa el nmero total de lecturas que se tomaron.
As por ejemplo, para el factor A, tendremos que dado que n=8
SSA= (A2 A1) 2/ 8= (1.59-1.05) 2/ 8=0.03645 con 1 g .1
Para el factor B se tiene
SSB= (B2 B1) 2/ 8= (1.28-1.36) 2/ 8= 0.00080 con 1 g.1
Similarmente
SSC= (C2 C1) 2/ 8= (1.13-1.51) 2/ 8= 0.01805 con 1 g.1
SSD= (D2 D1) 2/ 8= (1.24-1.40) 2/ 8= 0.00320 con 1 g.1
Pgina 10 de 47
SS
G.l.
Fexp
0.03645
0.03645
58.32
0.00080
0.00080
1.28
0.01805
0.01805
28.88
0.00320
0.00320
5.12
0.00245
0.00245
3.92
Error
0.00125
0.000625
Total
0.0622
Bajo la columna SS se tienen las sumas de cuadrados. Bajo la columna G.l. (grados de
libertad), tendremos el nmero de columnas que se usaron para evaluar el factor, en este caso,
slo puede ser de uno para cada factor y ms de uno nicamente para el caso del error.
La columna V, se obtiene dividiendo el nmero bajo la columna SS, entre el nmero de la
columna G.L.
As por ejemplo, para el factor A se tiene
SSA= 0.03645, G.L. de A=1
V= SSA/G.L.= 0.03645/1= 0.03645
Por ltimo, el valor de Fexp, se obtiene de dividir el valor de V de cada factor, entre el valor de
V para la estimacin del error.
Fexp de A= V(A) / V(error)= 0.03645/0.000625=58.32
4) Obtenemos las siguientes conclusiones:
Todos aquellos factores, que tienen un valor de Fexp mayor que 2 se considera que afectan la
variable de respuesta, emisin de formaldehdo en este caso. Estos son llamados factores
significantes.
En este ejemplo resultan significantes los factores A, C, D y E, tipo de resina, tiempo de ciclo,
humedad y presin respectivamente.
Se acostumbra que aquellos efectos que no resultaron significantes, se consideren como error
aleatorio, a fin de obtener una mejor estimacin (con mayor nmero de grados de libertad).
Pgina 11 de 47
SS
0.03645
0.01805
0.00320
0.00245
0.00205
0.0622
G.1
1
1
1
1
3
7
V
0.03645
0.01805
0.00320
0.00245
0.00068
Fexp
53.60
26.54
4.71
3.60
Con Minitab
Stat > DOE > Taguchi > Analyze Taguchi Design
Response data in Y
Analysis. Fit linear model for Signal to Noise Ratios Means
Graphs: Signal to Noise Ratios Means
Terms: A B C D E F
Analysis graphs: Residuals for plots Standardized Residual Plots Individual plots Normal plot
Options: Smaller is better
Storage: Signal to Noise Ratios Means
OK
Los resultados son los siguientes: Factores significativos a 0.1 de nivel de significancia
Coef
9.93728
-1.78903
-0.01666
-1.26604
-0.42402
-0.42402
SE Coef
0.3034
0.3034
0.3034
0.3034
0.3034
0.3034
R-Sq = 96.6%
T
32.753
-5.897
-0.055
-4.173
-1.398
-1.398
P
0.001
0.028
0.961
0.053
0.297
0.297
R-Sq(adj) = 88.0%
DF
1
1
1
1
1
2
7
Seq SS
25.6050
0.0022
12.8230
1.4384
1.4384
1.4728
42.7797
Adj SS
25.6050
0.0022
12.8230
1.4384
1.4384
1.4728
Adj MS
25.6050
0.0022
12.8230
1.4384
1.4384
0.7364
F
34.77
0.00
17.41
1.95
1.95
Pgina 12 de 47
P
0.028
0.961
0.053
0.297
0.297
12
11
Mean of SN ratios
10
9
8
1
12
11
10
9
8
1
Coef
0.33000
0.06750
0.01000
0.04750
0.02000
0.01750
SE Coef
0.008839
0.008839
0.008839
0.008839
0.008839
0.008839
R-Sq = 98.0%
T
37.335
7.637
1.131
5.374
2.263
1.980
P
0.001
0.017
0.375
0.033
0.152
0.186
R-Sq(adj) = 93.0%
DF
1
1
1
1
1
2
7
Seq SS
0.036450
0.000800
0.018050
0.003200
0.002450
0.001250
0.062200
Adj SS
0.036450
0.000800
0.018050
0.003200
0.002450
0.001250
Adj MS
0.036450
0.000800
0.018050
0.003200
0.002450
0.000625
Pgina 13 de 47
F
58.32
1.28
28.88
5.12
3.92
P
0.017
0.375
0.033
0.152
0.186
0.40
Mean of Means
0.35
0.30
0.25
1
0.40
0.35
0.30
0.25
1
A
8.148
11.726
3.578
1
B
9.921
9.954
0.033
5
C
8.671
11.203
2.532
2
D
9.513
10.361
0.848
3.5
E
9.513
10.361
0.848
3.5
A
0.3975
0.2625
0.1350
1
B
0.3400
0.3200
0.0200
5
C
0.3775
0.2825
0.0950
2
D
0.3500
0.3100
0.0400
3
E
0.3475
0.3125
0.0350
4
Nos resta decidir a que nivel habr de fijar cada factor significante, y qu podremos esperar.
Para tomar esta decisin, es de mucha ayuda obtener los promedios de las lecturas que se
tomaron a cada nivel para cada uno de los factores significantes.
Los promedios de la emisin de formaldehdo para cada nivel se obtienen dividiendo c/u de los
totales entre 4, (c/total es la suma de cuatro lecturas).
A1= A1/4= 1.59/4= 0.3975
A2= A2/4= 1.05/4= 0.2625
El resto de los promedio son:
Factor
A
B
C
D
Nivel 1
A1= 0.3975
B1= 0.3400
C1= 0.3775
D1= 0.3500
Nivel 2
A2= 0.2625
B2= 0.3200
C2= 0.2825
D2= 0.3100
Pgina 14 de 47
E1= 0.3475
E2= 0.3125
EF C
= C2 Y= 0.2825-0.3300= -0.0475
EF D
= D2 Y= 0.3100-0.3300=-0.0200
EF E
= E2 Y= 0.3125-0.3300= -0.0175
Finalmente, el resultado esperado bajo las condiciones A2, C2, D2, E2, que llamaremos Yest.
se calcula sumando al promedio general Y todos los efectos de los factores significantes.
Yest= Y + EF A + EF C +EF D +EF E= 0.3300-0.0675-0.0475-0.0200-0.0175=0.1775
D
0.3500
0.3100
E
0.3475
0.3125
e
0.3200
0.3400
e
0.3325
0.3225
Observe que para cada factor, uno de los promedios es mayor y el otro menor que el promedio
global. Esto siempre debe de ocurrir.
Pgina 15 de 47
2) Calcule la diferencia entre los promedios de niveles para cada factor, y ordnelos de mayor a
menor en valor absoluto.
Esto es por ejemplo para el factor A
A1 A2 = 0.3975 0.2625= 0.1350; para el resto tenemos:
Factor
Diferencia
0.1350
0.0200
0.0950
0.0400
E
0.0350
0.0200
0.0100
A
B
1
1
1
1
1
2
1
2
2
1
2
1
2
2
2
2
1.59
1.36
1.05
1.28
0.03645 0.00080
1
1
0.03645 0.00080
F
58.32
Sg
si
P1 0.3975
P2 0.2625
Ni
2
Ef
-0.0675
1.28
no
0.3400
0.3200
-
C
1
1
2
2
2
2
1
1
1.51
1.13
0.01805
1
0.01805
D
1
2
1
2
1
2
1
2
1.40
1.24
0.00320
1
0.00320
28.88
si
0.3775
0.2825
2
-0.0475
5.12
si
0.3500
0.3100
2
-0.0200
E
1
2
1
2
2
1
2
1
1.39
1.25
0.00245
1
0.00245
e1
1
2
2
1
1
2
2
1
1.28
1.36
0.00080
3.92
si
0.3475
0.3125
2
-0.0175
Yest. = Y + Ef A2 + Ef C2 + Ef D2 + Ef E2
T1
T2
n
SS
gl
V
F
Sg
P1
P2
Ni
Ef
Y
Yest
Pgina 16 de 47
e2
1
2
2
1
2
1
1
2
1.35
1.29
0.00045
Yi
0.49
0.42
0.38
0.30
0.21
0.24
0.32
0.28
Tot
2.64
Ve
2
.00062
Y
0.33
Diferencia
0.1350
0.0950
0.0400
0.0350
0.0200
0.0200 0.0100
Se puede observar que el orden en que quedaron los datos anteriores, es tambin el orden de
mayor a menor Fexp que se obtiene con la ANOVA.
Siguiendo el orden anterior, se obtiene una grfica como se muestra en seguida:
.40
.35
.33
.30
.25
A1 A2
C1 C2 D1 D2
E1 E2 B1 B2 e1 e2
e1
e2
Mediante esta grfica, se puede evaluar el efecto de cada factor. Entre mayor sea la lnea de
cada factor, o bien, entre ms vertical se encuentre, mayor ser el efecto de este factor.
Observamos un grupo de lneas inclinadas, seguida de un grupo de lneas que sbitamente se
acuestan o se hacen horizontales. Es de esperar que las lneas que presentan columnas vacas
o error aleatorio, quedan prcticamente horizontales
Observe que las conclusiones a que se llegamos en este ejemplo son similares a las de la
ANOVA, esto es, factores significantes A, C, D y e, igualmente los niveles recomendados se
pueden identificar rpidamente, si deseamos reducir la variable de respuesta, se toma el nivel
ms bajo, en este caso A2, C2, D2 y E2, es decir, los puntos por debajo de la lnea promedio
global.
En conclusin, el mtodo grfico puede ser utilizado para fines de exposicin o presentacin y
el ANOVA para fines de tomar una decisin ms objetiva.
Pgina 17 de 47
Predicted values
S/N Ratio
13.8404
Mean
0.1775
C
2
D
2
E
2
Pgina 18 de 47
B1
B1
B2
B2
A1
A2
A1
A2
Pgina 19 de 47
N
1
2
3
4
5
6
7
8
5
1
2
1
2
2
1
2
1
6
1
2
2
1
1
2
2
1
7
1
2
2
1
2
1
1
2
Columnas 1
(1)
2
3
(2)
1
3
3
5
1
.7
6
2
7
(b)
(a)
Pgina 20 de 47
Pgina 21 de 47
efectos
B.
C.
D.
En seguida mostramos las interacciones que nos interesan, mediante lneas. Para nuestro
caso tenemos (grfica de la izquierda):
AxB
AxC
AxD
5
6
N
1
2
3
4
5
6
7
8
A
1
1
1
1
1
2
2
2
2
B
2
1
1
2
2
1
1
2
2
AxB
3
1
1
2
2
2
2
1
1
D
4
1
2
1
2
1
2
1
2
AxD
5
1
2
1
2
2
1
2
1
AxC
6
1
2
2
1
1
2
2
1
C
7
1
2
2
1
2
1
1
2
Supongamos que ahora queremos analizar un factor ms, el factor E y creemos que la
interaccin AxC realmente no es relevante. La grfica lineal que requerimos es:
B
AxB
A
AxD
D
Pgina 22 de 47
Esta grfica es parecida a la grfica lineal (2) excepto por la interaccin de AxC, por lo tanto,
una asignacin lgica es:
Factor A a la columna 1, factor B a la columna 2, interaccin AxB a la columna 3, el factor C a la
columna 4, el factor D a la columna 7, la interaccin AxD a la columna 6. Por ltimo, a la columna
5 que de otra manera sera la interaccin AxC, se le asigna el factor E.
Observe que en este ltimo caso, tambin se pudo utilizar la grfica lineal (1).
Si por alguna razn, la grfica que deseamos, no puede quedar incluida en las grficas lineales
(1) (2) es necesario usar otro arreglo ortogonal de mayor tamao.
Si deseamos analizar los factores A, B, C, D, E y F, adems de la interaccin AxB, una posible
asignacin es:
Efecto
Columna
A
1
D
2
C
3
B
4
AxB
5
E
6
F
7
Ejemplo:
Se desea analizar un nuevo tipo de carburador. La variable de respuesta de inters es el
porcentaje de hidrocarburos no quemados que arroja el motor. Cuatro diferentes factores y tres
interacciones parecen afectar esta variable:
Efecto
Descripcin
A
B
C
D
AxC
AxB
BxC
Niveles
I
Baja
Estrecha
Pequea
Lento
II
Alta
Abierta
Grande
Rpido
AxB
.D
CxB
Esta grfica se ajusta a la grfica lineal (1) del arreglo ortogonal L8, por lo que una asignacin
apropiada de efectos es:
Pgina 23 de 47
1
2
3
4
5
6
7
8
1
1
1
1
2
2
2
2
1
1
2
2
1
1
2
2
1
1
2
2
2
2
1
1
1
2
1
2
1
2
1
2
1
2
1
2
2
1
2
1
1
2
2
1
1
2
2
1
1
2
2
1
2
1
1
2
Baja
Baja
Baja
Baja
Alta
Alta
Alta
Alta
Entrada
Flujo
Yi
11.2
10.8
7.2
7.0
8.0
6.9
10.4
10.1
71.6
A
36.2
35.4
C
36.9
34.7
AxC
42.5
29.1
B
36.8
34.8
V
0.0800
0.6050
22.4450
0.5000
0.0800
0.1250
0.0450
0.0638
AxB
35.4
36.2
BxC
36.3
35.3
D
35.5
36.1
SS
0.0800*
0.6050
22.4450
0.5000
0.0800*
0.1250
0.0450*
0.2050
G.l.
1
1
1
1
1
1
1
3
Total
23.8800
Fexp
8.85
328.46
7.32
1.83
-
El error aleatorio (e) se estima usando los efectos ms pequeos marcados con *
Resulta significante la interaccin AxC, el factor C y el factor B.
Dado que el factor B resulta significante, pero no son significantes alguna de sus interacciones,
su mejor nivel se puede decidir de manera independiente al igual que se realiz en secciones
anteriores. Esto es, se obtienen los promedios:
B1= B1 /4= 36.8/4= 9.20; B2 = B2/4=8.70
Como es un caso de menor es mejor, se selecciona el nivel 2.
Pgina 24 de 47
El factor C tambin resulta significante. Sin embargo, tambin lo es su interaccin con el factor
A. Cuando resulta significante la interaccin de algn factor, no se puede analizar por separado,
sino en conjunto con el factor con el que se interactua. En este caso, el factor C se debe analizar
en conjunto con el factor A, aun cuando el factor C result adems significante individualmente y
el factor A no.
Para analizar estos factores, se reproducen aqu las columnas de A y C:
N
1
2
3
4
5
6
7
8
A
1
1
1
1
2
2
2
2
C
1
1
2
2
1
1
2
2
Yi
11.20
10.80
7.2
7.0
8.0
6.9
10.4
10.1
Total
22.0
14.2
14.9
20.5
Promedio
11.00
7.10
7.45
10.25
A2
En resumen, las condiciones propuestas son: factor A a su nivel 1, factor C a su nivel 2, factor B
a su nivel 2. El resto a su nivel ms econmico.
El efecto respecto al promedio de cada factor o interaccin es:
Pgina 25 de 47
EF
A1C2
= (A1 C2 - Y) ( A1 Y) - ( C2 - Y)
= (7.10 8.95) (9.05 8.95) (8.675 8.95)= -1.675
Observe que al efecto de la interaccin, se le resta el efecto de los factores individuales que
intervienen (hayan resultado significantes de manera individual o no).
EF B2= B2 Y= 8.70 8.95= -0.25
Una estimacin del porcentaje de hidrocarburos sin quemar es igual a la suma de los efectos
significantes, incluyendo los factores que intervienen en una interaccin significante, hayan
resultado significantes de manera individual o no.
Yest
= Y + EF A1 C2 + EF A1 + EF C2 + EF B2
= 8.95 + (-1.675) + (9.05 8.95) + (8.675 8.95) + (-0.25)= 6.85
Factores
Mezcla de hule crudo
Curado
Velocidad de prensado
Enfriamiento del tambor
Secado con vapor envolvente
Interaccin ExD
Interaccin DxC
Nivel I
si
no
50m/min
con agua
si
Nivel II
no
24 hrs.
55 m/min
sin agua
no
E
1
1
1
1
2
2
2
2
D
1
1
2
2
1
1
2
2
ExD
1
1
2
2
2
2
1
1
C
1
2
1
2
1
2
1
2
B
1
2
1
2
2
1
2
1
DxC
1
2
2
1
1
2
2
1
A
1
2
2
1
2
1
1
2
Pgina 26 de 47
Resultado
1620
1580
1100
1150
1500
1560
1000
1020
C
1
1
2
2
1
1
2
2
AxC
1
1
2
2
2
2
1
1
B
1
2
1
2
1
2
1
2
AxB
1
2
1
2
2
1
2
1
CxB
1
2
2
1
1
2
2
1
D
1
2
2
1
2
1
1
2
Yi
11.2
10.8
7.2
7.0
8.0
6.9
10.4
10.1
Con Minitab
Stat > DOE > Taguchi > Analyze Taguchi Design
Response data in Yi
Analysis. Fit linear model for Signal to Noise Ratios Means
Graphs: Signal to Noise Ratios Means
Terms: A B C D
Analysis graphs: Residuals for plots Standardized Residual Plots Individual plots Normal plot
Options: Smaller is better
Storage: Signal to Noise Ratios Means
OK
Los resultados son los siguientes: Factores significativos a 0.2 de nivel de significancia
Pgina 27 de 47
Coef
-18.8709
-0.0544
-0.2520
-0.2625
0.1199
-1.6491
0.1223
-0.1377
S = *
Analysis of Variance for SN ratios Significativo
Source
A
C
B
D
A*C
A*B
C*B
Residual Error
Total
DF
1
1
1
1
1
1
1
0
7
Seq SS
0.0237
0.5080
0.5511
0.1151
21.7554
0.1197
0.1517
*
23.2246
Adj SS
0.0237
0.5080
0.5511
0.1151
21.7554
0.1197
0.1517
*
Adj MS
0.0237
0.5080
0.5511
0.1151
21.7554
0.1197
0.1517
*
F
*
*
*
*
*
*
*
P
*
*
*
*
*
*
*
-18.60
-18.75
Mean of SN ratios
-18.90
-19.05
-19.20
1
-18.60
2
D
-18.75
-18.90
-19.05
-19.20
1
Pgina 28 de 47
A
1
2
-18.0
A
-19.5
-21.0
-18.0
C
C
1
2
-19.5
-21.0
B
1
2
-18.0
B
-19.5
-21.0
1
DF
1
1
1
1
1
1
1
0
7
Seq SS
0.0800
0.6050
0.5000
0.0450
22.4450
0.0800
0.1250
*
23.8800
Adj SS
0.0800
0.6050
0.5000
0.0450
22.4450
0.0800
0.1250
*
Adj MS
0.0800
0.6050
0.5000
0.0450
22.4450
0.0800
0.1250
*
F
*
*
*
*
*
*
*
P
*
*
*
*
*
*
*
Pgina 29 de 47
9.2
Mean of Means
9.0
8.8
8.6
1
9.2
9.0
8.8
8.6
1
11
A
1
2
11
C
1
2
11
B
1
2
7
1
A
-18.93
-18.82
0.11
4
C
-19.12
-18.62
0.50
2
B
-19.13
-18.61
0.52
1
D
-18.75
-18.99
0.24
3
Pgina 30 de 47
A
9.050
8.850
0.200
3
C
9.225
8.675
0.550
1
B
9.200
8.700
0.500
2
D
8.875
9.025
0.150
4
Predicted values
S/N Ratio
-16.9020
Mean
7
C
2
B
2
D
1
Mean
8.625
C
2
B
2
Pgina 31 de 47
Las interacciones en un arreglo L12 se distribuyen de una manera uniforme en todas las
columnas. La ventaja de esto es que le permite investigar 11 factores sin preocuparse por sus
interacciones. El arreglo L12 en general tiene buena reproducibilidad de conclusiones.
Algo similar se puede decir del arreglo L18
Para un arreglo L16 existen una gran variedad de posibles grficas lineales, en el apndice
se muestran las seis ms utilizadas con tres variantes cada una.
Para un arreglo L32 se muestran en el apndice 13 diferentes grficas dentro de las varias
posibles que existen.
En cualquier caso, se puede tratar de construir ms grficas de acuerdo con las necesidades
que se tengan, respetando siempre la matriz de interacciones.
En los grficos lineales que se anexan en el apndice, se observa que los vrtices se
representan con diferentes smbolos, especficamente con o, y . La razn y su significado
es el siguiente:
Taguchi sugiere que las pruebas o corridas se lleven a cabo en el orden indicado por los
renglones del arreglo ortogonal, esto es, primero las condiciones indicadas por el rengln 1,
seguidas de las del rengln 2 y as sucesivamente.
Por otra parte, al ejecutar el experimento, no todos los factores tienen la misma flexibilidad de
estar variando de nivel de una prueba a otra.
Por otro lado, se sugiere que los factores con menor flexibilidad se asignen al grupo 1 del
arreglo representados por el smbolo o, de la grfica lineal. Estos factores tendrn menos
cambios de nivel a lo largo de todo el experimento. De hecho, observe que el factor asignado a la
columna 1 de cualquier arreglo, solo tiene un cambio de nivel, mientras que por ejemplo, un
factor asignado a la columna N 15 de un arreglo L16 cambia 10 veces de nivel.
Los factores que le siguen en inflexibilidad se debern asignar sucesivamente a los smbolos ,
y en una grfica lineal.
Ud. habr observado ya la complicacin que agregan a los anlisis la presencia de interacciones.
Para lidiar con estas, la gente que sabe mucho de esto le hace las observaciones siguientes:
Por lo general, existen pocas interacciones dentro de las mltiples posibles entre factores.
El efecto de las interacciones sobre la variable de respuesta, es por lo general menor que el
efecto de los factores individuales solos.
Recuerde que algunos arreglos ortogonales, le permiten analizar un problema sin
preocuparse por las interacciones. El L12 es un ejemplo de ellos.
Se sugiere que, en caso de dudas sobre las interacciones, siempre sea preferible incluir ms
factores, en lugar de interacciones. Si estas ltimas no son muy fuertes, se pueden
considerar como ruido.
Pgina 32 de 47
y2 y3 ... yr Sm / r 1
2
y1 y 2
y 3 , y r , / r
Pgina 33 de 47
1 / y
1
1 / y2 1 / y3 2 ... 1 / yr / r
2
Esta cantidad funciona de una manera similar al caso anterior, pero con el inverso. Maximizar
una cantidad es equivalente a minimizar el inverso.
El uso de logaritmos pretende hacer la respuesta ms lineal y el signo negativo es para que
siempre se maximice el ndice SN. Se multiplica por 10 para obtener decibeles.
En un experimento seal ruido, generalmente se incluye un grupo de factores de ruido, contra
los que especficamente se desea hacer robusto el producto, y que se pueden controlar durante
un experimento.
Un diseo de experimentos para un anlisis seal a ruido consiste de dos partes, un arreglo
ortogonal o matriz de diseo o interno y un arreglo ortogonal o matriz de ruido o externo. Las
columnas de una matriz de diseo representan parmetros de diseo. Las columnas de la matriz
de ruido representan factores de ruido.
Ejemplo:
Una caracterstica de calidad importante para un cierto producto metlico es el terminado, que
se mide segn su planicidad en milsimas de pulgada (mmplg). Esta caracterstica se piensa es
afectada por los siguientes factores:
Factor
A
B
C
D
G
H
AxC
AxD
Descripcin
Temperatura del horno
Presin de prensado
Velocidad de recocido
Velocidad de alimentacin ref.
Tipo de modelo
Templabilidad del material
Interaccin
Interaccin
Nivel 1
1500 F
200 psi
8 seg
80 gal/min
chico
25 Rc
Nivel 2
1600 F
220 psi
12 seg
100gal/min
grande
30 Rc
Los factores G y H son factores que no se pueden controlar durante el proceso, ya que el tipo de
modelo depende del requerimiento especfico del cliente y la templabilidad es una caracterstica
de la materia prima. Estos dos factores se consideran al menos inicialmente como factores de
ruido.
Por lo tanto, se consideran como factores de diseo a los factores A, B, C y D.
De acuerdo con esto, lo que se desea saber es cules deben ser las condiciones de operacin
o niveles de los factores de diseo A, B, C y D, que lleven el producto a la caracterstica objetivo
y adems con la mnima variabilidad, a pesar de las variaciones en los factores G y H.
IV. 3.2. Arreglo interno
Pgina 34 de 47
Considere nicamente los factores de diseo, se desea detectar 6 efectos en total, y para ello,
se requiere de un arreglo ortogonal L8. La grfica lineal requerida es:
3
1 A
.2
5 A xC
AxD
6
7
La columna correspondiente a la lnea punteada se utilizar para cuantificar el error. Una posible
asignacin es:
A
1
B
2
e
3
C
4
AxC
5
AxD
6
D
7
G
1
1
1
2
2
H
2
1
2
1
2
3
1
2
1
1
A
1
1
1
1
1
2
2
2
2
B
2
1
1
2
2
1
1
2
2
e
3
1
1
2
2
2
2
1
1
C
4
1
2
1
2
1
2
1
2
AxC
5
1
2
1
2
2
1
2
1
AxD
6
1
2
2
1
1
2
2
1
D
7
1
2
2
1
2
1
1
2
Pgina 35 de 47
1
1
1
2
2
1
2
1
2
1
2
2
1
Y11
Y21
Y31
Y41
Y51
Y61
Y71
Y81
2
Y12
Y22
Y32
Y42
Y52
Y62
Y72
Y82
3
Y13
Y23
Y33
Y43
Y53
Y63
Y73
Y83
4
Y14
Y24
Y34
Y44
Y54
Y64
Y74
Y84
Observe que la matriz de ruido o arreglo externo se ha traspuesto o acostado, esto es, escrito
sus renglones como columnas. Observe tambin que existen 8x4= 32 posibles lecturas, tomadas
bajo diferentes condiciones todas ellas (valores de Yij ). En general, si el arreglo interno tiene M
renglones y el externo tiene N renglones, entonces existen un total de MxN lecturas, que pueden
ser tomadas bajo condiciones diferentes.
Por eso se recomienda que el nmero de factores de ruido (valor de N) no sea mayor que 3.
Pero, cmo se toman exactamente cada una de las 32 lecturas? suponga que inicialmente,
deseamos tomar las lecturas Y11, Y12, Y13, Y14 . Para esto, se fijan todos los factores de diseo de
acuerdo con los niveles indicados por el rengln N 1 del arreglo interno, esto es, todos los
factores de diseo a su nivel 1.
Sin embargo, si bien las cuatro lecturas Y 11, Y12, Y13, Y14 se toman a los mismos niveles de los
factores de diseo, cada una se toma a diferentes niveles de los factores de ruido.
En resumen se tiene:
Todos los factores de
diseo a su nivel 1
Temperatura 1500 F
Presin de 200 Psi, 8 seg
de tiempo de recorrido y
velocidad de alimentacin
refrigerante 80 gal/min
Y11
Y12
Y13
Y14
Modelo chico y 25 Rc
Modelo chico y 30 Rc
Modelo grande y 25 Rc
Modelo grande y 30 Rc
1
1
1
1
1
2
2
2
2
B
2
1
1
2
2
1
1
2
2
e
3
1
1
2
2
2
2
1
1
C
4
1
2
1
2
1
2
1
2
AxC
5
1
2
1
2
2
1
2
1
AxD
6
1
2
2
1
1
2
2
1
D
7
1
2
2
1
2
1
1
2
Pgina 36 de 47
1
1
1
2
2
1
2
1
2
1
2
2
1
1.1
1.2
2.0
2.1
1.0
1.2
1.6
1.5
2
1.2
1.3
2.1
2.2
1.4
1.3
2.1
2.0
3
1.3
1.2
2.2
2.1
1.2
1.5
2.4
2.3
4
1.1
1.3
2.1
2.0
1.3
1.0
2.0
2.5
Totales=
11.7
13.6 14.2
13.3
Suponga que por alguna razn para este ejemplo en particular, se tiene un valor deseado de
m= 2 mmplg.
Para obtener conclusiones a partir de un experimento seal a ruido se puede usar la tabla
ANOVA, o bien, a travs de grficas.
Inicialmente se muestra el anlisis usando ANOVA.
1
1
1
1
1
2
2
2
2
B
2
1
1
2
2
1
1
2
2
e
3
1
1
2
2
2
2
1
1
C
4
1
2
1
2
1
2
1
2
AxC
5
1
2
1
2
2
1
2
1
AxD
6
1
2
2
1
1
2
2
1
Totales=
D
7
1
2
2
1
2
1
1
2
1
1.1
1.2
2.0
2.1
1.0
1.2
1.6
1.5
11.7
2
1.2
1.3
2.1
2.2
1.4
1.3
2.1
2.0
13.6
3
1.3
1.2
2.2
2.1
1.2
1.5
2.4
2.3
14.2
4
Total
1.1
4.7
1.3
5.0
2.1
8.4
2.0
8.4
1.3
4.9
1.0
5.0
2.0
8.1
2.5
8.3
13.3 52.8
Lo que observamos en esta ltima tabla es un arreglo L8 con 4 lecturas para cada condicin o
rengln.
Estamos interesados en analizar la variabilidad de las 4 lecturas tomadas bajo cada condicin.
Para esto, nos ayudamos del ndice SN, o sea, la variabilidad de las cuatro lecturas que se
tomaron bajo cada condicin, la resumiremos en un ndice seal a ruido. Al hacerlo, en lugar de
32 lecturas individuales tendremos 8 valores del ndice SN, uno para cada rengln o condicin
experimental.
Como estamos en un caso de nominal es mejor, el ndice apropiado es:
SN= 10 log Sm Vm / r * Vm ; donde Sm=
Yi 2 / r
y Vm=
Sm / r 1
Pgina 37 de 47
Para el rengln o condicin experimental N 2 se tienen las lectural: 1.2, 1.3, 1.2, 1.3, con un total
de 5.0
El clculo del ndice SN es:
Sm= (1.2 +1.3+1.2+1.3) 2/4= 6.2500
Vm= (1.22 + 1.32 + 1.22 + 1.32 6.2500)/3= 0.0033
SN= 10 log 6.2500 0.0033 / 4 * 0.0033 = 26.7071
Los ocho ndices son:
N
1
2
3
4
5
6
7
8
Sm
5.5225
6.2500
17.6400
17.6400
6.0025
6.2500
16.4025
17.2225
Vm
0.00916
0.00333
0.00666
0.00666
0.02916
0.04333
0.10916
0.18916
Sn (dB)
21.771
26.707
28.203
28.203
17.092
15.539
15.718
13.524
A
1
1
1
1
1
2
2
2
2
B
2
1
1
2
2
1
1
2
2
e
3
1
1
2
2
2
2
1
1
C
4
1
2
1
2
1
2
1
2
AxC
5
1
2
1
2
2
1
2
1
AxD
6
1
2
2
1
1
2
2
1
D
7
1
2
2
1
2
1
1
2
SN
dB
21.771
26.707
28.203
28.203
17.092
15.539
15.718
13.524
A2
SSA
Pgina 38 de 47
SS
231.2413
2.5751
0.1764
9.4284
3.8880
2.3047
16.0135
Gl
1
1
1
1
1
1
1
V
231.2413
2.5751
0.1764
9.4284
3.8880
2.3047
16.0135
Fexp
14.44
00.16
00.01
00.59
00.24
00.14
El factor A, temperatura del horno, es el factor que estadsticamente afecta el ndice seal a
ruido, y que por consiguiente afecta la variabilidad. De acuerdo con los niveles del factor A, se
tiene:
A1
A2
Dado que siempre deseamos maximizar el ndice seal a ruido, el factor A se fija en su nivel 1,
esto es, la temperatura del horno se fija en 1500 F.
Qu hacer con el resto de los factores? antes de contestar esta pregunta, se deben identificar
de entre los factores que NO AFECTARON el ndice SN, cules afectan la media. Esto se
muestra en lo que sigue.
e C AxC AxD D
1 2 3 4 5
1 1 1 1 1
1 1 1 2 2
1 2 2 1 1
1 2 2 2 2
2 1 2 1 2
2 1 2 2 1
2 2 1 1 2
2 2 1 2 1
6
1
2
2
1
1
2
2
1
7
1
2
2
1
2
1
1
2
1
1.1
1.2
2.0
2.1
1.0
1.2
1.6
1.5
2
1.2
1.3
2.1
2.2
1.4
1.3
2.1
2.0
3 4 Total
1.3 1.1 4.7
1.2 1.3 5.0
2.2 2.1 8.4
2.1 2.0 8.4
1.2 1.3 4.9
1.5 1.0 5.0
2.4 2.0 8.1
2.3 2.5 8.3
Totales
Promedio
1.175
1.250
2.100
2.100
1.225
1.250
2.025
2.075
13.200
Considerando nicamente los promedios, tendremos un arreglo L8 con una lectura. El anlisis
en base a los promedios es:
A1
A2
Pgina 39 de 47
= 1.225+1.250+2.075+2.025= 6.575
SSA
= 1.175+1.250+1.225+1.250= 4.900
= 2.100+2.100+2.025+2.075= 8.300
= (B2 - B1 )2/8= (4.900-8.300) 2/8= 1.4450
Y as sucesivamente
SSC
SSD
SS
0.0003
1.4450
0.0028
0.0000
0.0003
0.0013
0.0028
Totales 1.4525
G.l.
1
1
1
1
1
1
1
8
V
0.0003
1.4450
0.0028
0.0000
0.0003
0.0013
0.0028
Fexp
0.11
513.75
1.00
0.00
0.11
0.44
El factor B, presin de prensado, es el nico factor significante. Mediante este factor se puede
ajustar la media del proceso, y llevarla lo ms cerca posible a su valor ideal de 2.
Tambin se debe hacer la observacin, de que si el factor A hubiera resultado significante en
este segundo anlisis, no podramos utilizarlo, ya que result significante en el anlisis con el
ndice SN.
En particular, la respuesta promedio para cada nivel del factor B es:
B1 = 4.9/4= 1.225; B2= 8.3/4= 2.075
Si se desea aumentar la planicidad, se deber incrementar la presin de prensado. Si se desea
disminuir la planicidad, se deber reducir la presin.
Se puede interpolar para conocer el valor al que se debe fijar la presin. La respuesta promedio
a 200 psi es de 1.225 y a 220 psi es 2.075
2.0
1.5
1.0
B
200
220
Pgina 40 de 47
= (21.7714+26.7071+28.2036+28.2036)/4= 26.2214
= (17.0927+15.5397+15.7186+13.5240)/4= 15.4687
SN promedio
26.22
15.47
20.38
21.41
20.71
20.99
20.31
21.38
19.76
21.93
20.15
21.54
Y promedio
1.6
1.6
1.2
2.0
1.6
1.6
1.6
1.6
1.6
1.6
1.6
1.6
Pgina 41 de 47
AxC
1
2
1
2
2
1
2
1
AxD
1
2
2
1
1
2
2
1
D
1
2
2
1
2
1
1
2
AxC
1
2
1
2
2
1
2
1
AxD
1
2
2
1
1
2
2
1
D
1
2
2
1
2
1
1
2
Pgina 42 de 47
Los resultados son los siguientes: Factores significativos a 0.2 de nivel de significancia
La grfica de residuos estandarizados muestra un comportamiento normal:
95
90
Percent
80
70
60
50
40
30
20
10
5
-3
-2
-1
0
1
Standardized Residual
Coef
20.8451
5.3764
-0.5674
-0.1485
-0.5367
-1.0854
-0.6972
SE Coef
1.415
1.415
1.415
1.415
1.415
1.415
1.415
R-Sq = 94.0%
T
14.733
3.800
-0.401
-0.105
-0.379
-0.767
-0.493
P
0.043
0.164
0.757
0.933
0.769
0.583
0.709
R-Sq(adj) = 57.8%
DF
1
1
1
1
1
1
1
7
Seq SS
231.241
2.575
0.176
2.305
9.425
3.888
16.014
265.625
Adj SS
231.241
2.575
0.176
2.305
9.425
3.888
16.014
Adj MS
231.241
2.575
0.176
2.305
9.425
3.888
16.014
F
14.44
0.16
0.01
0.14
0.59
0.24
Pgina 43 de 47
P
0.164
0.757
0.933
0.769
0.583
0.709
25.0
Mean of SN ratios
22.5
20.0
17.5
15.0
1
25.0
22.5
20.0
17.5
15.0
1
A
1
2
25
A
20
15
25
C
20
C
1
2
15
D
1
2
25
D
20
15
1
Pgina 44 de 47
Coef
1.65000
0.00625
-0.42500
-0.01875
-0.01250
-0.00000
-0.00625
S = 0.05303
SE Coef
0.01875
0.01875
0.01875
0.01875
0.01875
0.01875
0.01875
R-Sq = 99.8%
T
88.000
0.333
-22.667
-1.000
-0.667
-0.000
-0.333
P
0.007
0.795
0.028
0.500
0.626
1.000
0.795
R-Sq(adj) = 98.6%
DF
1
1
1
1
1
1
1
7
Seq SS
0.00031
1.44500
0.00281
0.00125
0.00000
0.00031
0.00281
1.45250
Adj SS
0.00031
1.44500
0.00281
0.00125
0.00000
0.00031
0.00281
Adj MS
0.00031
1.44500
0.00281
0.00125
0.00000
0.00031
0.00281
F
0.11
513.78
1.00
0.44
0.00
0.11
P
0.795
0.028
0.500
0.626
1.000
0.795
2.0
1.8
Mean of Means
1.6
1.4
1.2
1
2
D
2.0
1.8
1.6
1.4
1.2
1
Pgina 45 de 47
1.68
A
1
2
1.64
1.60
1.68
1.64
C
1
2
1.60
1.68
D
1
2
1.64
1.60
1
A
26.22
15.47
10.75
1
B
20.28
21.41
1.13
2
C
20.70
20.99
0.30
4
D
20.31
21.38
1.07
3
A
1.656
1.644
0.012
4
B
1.225
2.075
0.850
1
C
1.631
1.669
0.038
2
D
1.638
1.663
0.025
3
Predicted values
S/N Ratio
23.1863
Mean
1.19375
Pgina 46 de 47
B
1
C
1
D
1
Predicted values
S/N Ratio
25.6541
Mean
1.23125
B
1
Pgina 47 de 47