Documentos de Académico
Documentos de Profesional
Documentos de Cultura
b) Definir los niveles ptimos en que debe fijarse cada parmetro o factor, a fin de optimizar la
operacin del producto y hacerlo lo ms robusto posible.
Para lograr lo anterior se ha manejado una serie de herramientas estadsticas conocida como
diseo de experimentos, tratadas anteriormente.
Taguchi ha propuesto una alternativa no del todo diferente que se que conoce como: Arreglos
Ortogonales y las Grficas Lineales.
Un arreglo ortogonal se puede comparar con una replicacin factorial fraccionada, de manera
que conserva el concepto de ortogonalidad y contrastes. Un experimento factorial fraccionado es
tambin un arreglo ortogonal.
La (b)C
Donde:
a = Representa el nmero de pruebas o condiciones experimentales que se tomarn. Esto es
el nmero de renglones o lneas en el arreglo.
Pgina 1 de 47
EJEMPLO DE DISEO DE EXPERIMENTOS DE TAGUCHI P. Reyes / febrero 2008
Un arreglo ortogonal es una tabla de nmeros. Como ejemplo de un arreglo ortogonal tenemos el
siguiente:
F A C T O R E S (c)
No. (a) A B C Resultado
1 1 1 1 Y1
2 1 2 2 Y2
3 2 1 1 Y3
4 2 2 1 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:
Pgina 2 de 47
EJEMPLO DE DISEO DE EXPERIMENTOS DE TAGUCHI P. Reyes / febrero 2008
Pgina 3 de 47
EJEMPLO DE DISEO DE EXPERIMENTOS DE TAGUCHI P. Reyes / febrero 2008
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
EJEMPLO DE DISEO DE EXPERIMENTOS DE TAGUCHI P. Reyes / febrero 2008
Pgina 5 de 47
EJEMPLO DE DISEO DE EXPERIMENTOS DE TAGUCHI P. Reyes / febrero 2008
Pgina 6 de 47
EJEMPLO DE DISEO DE EXPERIMENTOS DE TAGUCHI P. Reyes / febrero 2008
Pgina 7 de 47
EJEMPLO DE DISEO DE EXPERIMENTOS DE TAGUCHI P. Reyes / febrero 2008
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.
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.
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.
A B C D E Yi
1 1 1 1 1 0.49
1 1 1 2 2 0.42
1 2 2 1 1 0.38
1 2 2 2 2 0.3
2 1 2 1 2 0.21
2 1 2 2 1 0.24
2 2 1 1 2 0.32
2 2 1 2 1 0.28
Pgina 9 de 47
EJEMPLO DE DISEO DE EXPERIMENTOS DE TAGUCHI P. Reyes / febrero 2008
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).
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:
En resumen se tiene:
Factor A B C D E e e
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:
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
EJEMPLO DE DISEO DE EXPERIMENTOS DE TAGUCHI P. Reyes / febrero 2008
La suma de cuadrados de las columnas donde no se asign factor (SSe) se toman como
estimaciones del error y se suman.
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.
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.
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
EJEMPLO DE DISEO DE EXPERIMENTOS DE TAGUCHI P. Reyes / febrero 2008
Con Minitab
Los resultados son los siguientes: Factores significativos a 0.1 de nivel de significancia
Pgina 12 de 47
EJEMPLO DE DISEO DE EXPERIMENTOS DE TAGUCHI P. Reyes / febrero 2008
A B C
12
11
10
Mean of SN ratios
8
1 2 1 2 1 2
D E
12
11
10
8
1 2 1 2
Pgina 13 de 47
EJEMPLO DE DISEO DE EXPERIMENTOS DE TAGUCHI P. Reyes / febrero 2008
0.35
0.30
Mean of Means
0.25
1 2 1 2 1 2
D E
0.40
0.35
0.30
0.25
1 2 1 2
Level A B C D E
1 8.148 9.921 8.671 9.513 9.513
2 11.726 9.954 11.203 10.361 10.361
Delta 3.578 0.033 2.532 0.848 0.848
Rank 1 5 2 3.5 3.5
Level A B C D E
1 0.3975 0.3400 0.3775 0.3500 0.3475
2 0.2625 0.3200 0.2825 0.3100 0.3125
Delta 0.1350 0.0200 0.0950 0.0400 0.0350
Rank 1 5 2 3 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
Pgina 14 de 47
EJEMPLO DE DISEO DE EXPERIMENTOS DE TAGUCHI P. Reyes / febrero 2008
Los factores A, C, D y E que afectan emisin de formaldehdo debern fijarse al nivel que
minimicen la emisin, esto es, al nivel que se obtenga el promedio menor, en este ejemplo; A 2,
C2, D2 y E2; resina tipo II, 15 segundos como tiempo de prensado, 5% de humedad y 900 psi.
El factor B juega aqu un papel sumamente importante. Dado que no afecta la emisin de
formaldehdo, dentro del intervalo analizado, se utiliza para reducir los costos de produccin.
Esto se hace fijndolo a su nivel ms econmico. Cul ser el nivel esperado de emisin bajo
las nuevas emisiones propuestas Y est.?
Para contestar esta pregunta, para cada efecto significante se calcula una resta, que
llamaremos el efecto de cada factor respecto al promedio general, para este caso el efecto es
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.
Existe una alternativa al anlisis ANOVA, esta es una serie de grficas que se muestran
enseguida.
1) Primero se obtienen los promedios en cada nivel, para cada uno de los factores, incluyendo
las columnas vacias.
Para hacer esto, encontramos los totales para cada nivel y dividimos entre el nmero de
lecturas con el que se obtuvo cada total. Para nuestro ejemplo, los totales a cada nivel los
tenemos ya en la seccin anterior. Los promedios son:
Factor A B C D E e e
Nivel 1 0.3975 0.3400 0.3775 0.3500 0.3475 0.3200 0.3325
Nivel 2 0.2625 0.3200 0.2825 0.3100 0.3125 0.3400 0.3225
Promedio global Y= T/n= 2.64/8 = 0.33
Observe que para cada factor, uno de los promedios es mayor y el otro menor que el promedio
global. Esto siempre debe de ocurrir.
2) Calcule la diferencia entre los promedios de niveles para cada factor, y ordnelos de mayor a
menor en valor absoluto.
Pgina 15 de 47
EJEMPLO DE DISEO DE EXPERIMENTOS DE TAGUCHI P. Reyes / febrero 2008
Factor A B C D E e e
Yest. = Y + Ef A2 + Ef C2 + Ef D2 + Ef E2
T1 = Total de lecturas al nivel 1
T2 = Total de lecturas al nivel 2
n = Nmero total de lecturas
SS = (T2 - T1 )2 /n
gl = Grados de libertad (columnas)
V = SS/gl
F = V/Ve
Sg = Efecto significante?
P1 = Promedio nivel 1
P2 = Promedio nivel 2
Ni = Nivel seleccionado
Ef = Efecto de la variable
Y = Promedio de todos los datos
Yest = Valor estimado de la variable a las condiciones propuestas
Pgina 16 de 47
EJEMPLO DE DISEO DE EXPERIMENTOS DE TAGUCHI P. Reyes / febrero 2008
Factor A C D E B e e
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.
.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.
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 A 2, 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.
Predicted values
Pgina 17 de 47
EJEMPLO DE DISEO DE EXPERIMENTOS DE TAGUCHI P. Reyes / febrero 2008
13.8404 0.1775
A C D E
2 2 2 2
Pgina 18 de 47
EJEMPLO DE DISEO DE EXPERIMENTOS DE TAGUCHI P. Reyes / febrero 2008
En los casos anteriores se asumi que el efecto de un factor sobre la variable de respuesta, no
dependa del nivel de otros factores. Cuando el efecto de un factor depende del nivel de otro
factor, se dice que existe una interaccin entre los factores.
B1
B1
B2
B2
A1 A2 A1 A2
Las dos lneas son paralelas, no El efecto de A depende del nivel de B
existe interaccin entre los factores. y viceversa. El efecto de A no es consistente.
Existe interaccin
a) los arreglos ortogonales a utilizar para los casos con interacciones, son exactamente los
mismos que se usan para el caso sin interacciones.
b) al asignar dos factores, A y B por ejemplo, a ciertas columnas, automticamente la interaccin
de esos dos factores AxB se reflejar en otra columna del arreglo. Por lo tanto, esta tercera
Pgina 19 de 47
EJEMPLO DE DISEO DE EXPERIMENTOS DE TAGUCHI P. Reyes / febrero 2008
columna ya no podr ser utilizada por algn otro factor o interaccin a menos que se pueda
suponer la interaccin AxB como inexistente.
c) una interaccin significante que se desee probar, tomar una columna y en consecuencia un
grado de libertad. Por lo tanto, si deseamos analizar el efecto de 6 factores y 4 de las
interacciones entre ellos, requerimos por lo menos de 10 grados de libertad, esto es de 10
columnas, o sea un arreglo L 16 y no un arreglo L8, que sera suficiente sin interacciones.
d) se deber tener cuidado especial, en la manera como se asignan los factores a las columnas,
para que sus interacciones no se confundan con otros factores principales u otras interacciones
que tambin deseamos probar.
Una condicin que existe para el manejo de las interacciones mediante procedimientos de
arreglos ortogonales Taguchi, es que se tenga una definicin a priori de cuales interacciones
especficamente sospechamos que existen. Esto es, debemos definir de antemano qu
interacciones creemos son relevantes, a fin de incluirlas en nuestro anlisis. Esto se puede saber
en base a la experiencia previa del proceso.
NOTA: En los ejemplos que siguen, para denotar una interaccin entre dos factores, A y B por
ejemplo, se utiliza indistintamente la notacin AB o AxB.
Grficas lineales
A continuacin se muestra un arreglo L8 junto con una matriz triangular y dos grficas lineales.
Estas se reproducen aqu para su explicacin.
1 3 2
3 5 1
.7 5 4
6
2 6 4 7
(b)
(a)
Pgina 20 de 47
EJEMPLO DE DISEO DE EXPERIMENTOS DE TAGUCHI P. Reyes / febrero 2008
La matriz triangular nos representa las interacciones entre columnas. En el primer rengln, con
el titulo de columna, cada nmero corresponde a la columna con ese mismo nmero del arreglo,
al igual que los nmeros entre parntesis que se encuentran en la diagonal inferior. Por ejemplo,
si nosotros asignamos el factor A a la columna 3 y el factor B a la columna 5, la interaccin de
AxB aparecer en otra columna ya definida. En el cruce de la columna nmero 5 y el rengln
nmero 3 de la matriz, aparece el nmero 6 (marcado con * en la tabla), de manera que la
interaccin de AxB se deber asignar a la columna 6 del arreglo ortogonal.
Con ayuda de matriz de interacciones es factible, mediante prueba y error, asignar los factores
a las columnas. Sin embargo, para simplificar aun ms esta asignacin nos podemos auxiliar de
las grficas lineales (1) y (2) que se muestran.
En particular, el arreglo ortogonal L8 tiene dos alternativas de arreglo mostrados por las grficas
(a) y (b) respectivamente.
Por ejemplo, la grfica (a) indica que con este arreglo se pueden analizar, tres factores
principales, (puntos 1, 2 y 4) y las interacciones entre ellos, (lneas 3, 5 y 6), adems de un
cuarto factor, (punto 7), que no interactua con los otros tres.
Los nmeros indican que si deseamos lo anterior, los tres factores debern asignarse a las
columnas 1, 4 y 2. Las interacciones aparecen en las columnas 3, 5 y 6.
La grfica (b) indica cuatro factores, (puntos 1, 2, 4 y 7) con interacciones de uno de ellos con
los otros tres (lneas 3, 5 y 6).
Por lo tanto, el factor que interactua con los otros tres se debe asignar a la columna 1 del
arreglo, los otros tres factores a las columnas 2, 4 y 7. Las interacciones quedarn en las
columnas 3, 5 y 6.
1) Como primer paso, seleccionamos un arreglo ortogonal tentativo. Esto depende del nmero
de efectos totales a analizar.
Pgina 21 de 47
EJEMPLO DE DISEO DE EXPERIMENTOS DE TAGUCHI P. Reyes / febrero 2008
b) una interaccin se representa mediante una lnea que une los dos efectos
individuales.
A. B.
C. D.
En seguida mostramos las interacciones que nos interesan, mediante lneas. Para nuestro
caso tenemos (grfica de la izquierda):
AxB 3
A B 1 2
AxC AxD 5
6
C D 7 4
Esto es:
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 C E
AxD
D
Esta grfica es parecida a la grfica lineal (2) excepto por la interaccin de AxC, por lo tanto,
una asignacin lgica es:
Pgina 22 de 47
EJEMPLO DE DISEO DE EXPERIMENTOS DE TAGUCHI P. Reyes / febrero 2008
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.
Efecto A D C B AxB E F
Columna 1 2 3 4 5 6 7
Ejemplo:
A
AxC AxB
C B .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
EJEMPLO DE DISEO DE EXPERIMENTOS DE TAGUCHI P. Reyes / febrero 2008
Observe que al tomar las lecturas, (efectuar las pruebas), se ignoran las columnas donde se
asignaron interacciones.
Total 23.8800 7
El error aleatorio (e) se estima usando los efectos ms pequeos marcados con *
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:
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,
Pgina 24 de 47
EJEMPLO DE DISEO DE EXPERIMENTOS DE TAGUCHI P. Reyes / febrero 2008
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.
N A C Yi
1 1 1 11.20 Siempre existirn entre dos columnas
2 1 1 10.80 cuatro posibles combinaciones de
3 1 2 7.2 nmeros: 1 1; 1 2; 2 1; 2 2
4 1 2 7.0
5 2 1 8.0
6 2 1 6.9
7 2 2 10.4
8 2 2 10.1
La combinacin 1 2, se presenta en los renglones N 3 y 4, con un total de 7.2 + 7.0= 14.2, con
un promedio de 14.2/2= 7.10
La combinacin 2 1 se presenta en los renglones N 5 y 6, con un total de 8.0 + 6.9= 14.9, con
un promedio de 7.45
En resumen
11.0
10.0
9.00
8.00
7.00
A1 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.
Pgina 25 de 47
EJEMPLO DE DISEO DE EXPERIMENTOS DE TAGUCHI P. Reyes / febrero 2008
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).
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
Pgina 26 de 47
EJEMPLO DE DISEO DE EXPERIMENTOS DE TAGUCHI P. Reyes / febrero 2008
Stat > DOE > Taguchi > Define Custom Taguchi Design
Factors A B C D
OK
Esta columna es el resultado de los experimentos:
Con Minitab
Los resultados son los siguientes: Factores significativos a 0.2 de nivel de significancia
Pgina 27 de 47
EJEMPLO DE DISEO DE EXPERIMENTOS DE TAGUCHI P. Reyes / febrero 2008
Term Coef
Constant -18.8709
A 1 -0.0544
C 1 -0.2520
B 1 -0.2625
D 1 0.1199
A*C 1 1 -1.6491
A*B 1 1 0.1223
C*B 1 1 -0.1377
S = *
A C
-18.60
-18.75
-18.90
Mean of SN ratios
-19.05
-19.20
1 2 1 2
B D
-18.60
-18.75
-18.90
-19.05
-19.20
1 2 1 2
Signal-to-noise: Smaller is better
Pgina 28 de 47
EJEMPLO DE DISEO DE EXPERIMENTOS DE TAGUCHI P. Reyes / febrero 2008
A
-18.0 1
2
A
-19.5
-21.0
C
-18.0 1
2
C
-19.5
-21.0
B
-18.0 1
2
B
-19.5
-21.0
1 2 1 2
Pgina 29 de 47
EJEMPLO DE DISEO DE EXPERIMENTOS DE TAGUCHI P. Reyes / febrero 2008
9.0
8.8
Mean of Means
8.6
1 2 1 2
B D
9.2
9.0
8.8
8.6
1 2 1 2
7
11
C
1
2
C 9
7
11
B
1
2
9 B
7
1 2 1 2
Level A C B D
1 -18.93 -19.12 -19.13 -18.75
2 -18.82 -18.62 -18.61 -18.99
Delta 0.11 0.50 0.52 0.24
Rank 4 2 1 3
Pgina 30 de 47
EJEMPLO DE DISEO DE EXPERIMENTOS DE TAGUCHI P. Reyes / febrero 2008
Response Table for Means
Level A C B D
1 9.050 9.225 9.200 8.875
2 8.850 8.675 8.700 9.025
Delta 0.200 0.550 0.500 0.150
Rank 3 1 2 4
Los resultados se muestran a continuacin (se incluye el efecto de AxB, AxC, BxC y D):
Predicted values
A C B D
1 2 2 1
Predicted values
A C B
1 2 2
Pgina 31 de 47
EJEMPLO DE DISEO DE EXPERIMENTOS DE TAGUCHI P. Reyes / febrero 2008
Hasta aqu se han considerado ejemplos para arreglos ortogonales L8, por su comodidad en
cuanto al tamao. A continuacin se hacen algunos comentarios sobre otros arreglos.
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.
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
EJEMPLO DE DISEO DE EXPERIMENTOS DE TAGUCHI P. Reyes / febrero 2008
De todos los factores que afectan un proceso, se pueden extraer dos grupos:
es deseable tener una cantidad o expresin que de alguna manera, involucre media y variacin,
o que por lo menos, ayude a que nuestras conclusiones sean ms confiables.
Esta cantidad ya existe y se llama ndice seal ruido, denotado como SN o SR de aqu en
adelante.
Vm= y
1
2 2 2 2
y2 y3 ... yr Sm / r 1
El lector reconocer a Vm como la varianza de los r datos. Sn estima el logaritmo de base 10
de la relacin (media/desviacin estndar)2.
En ocasiones se utiliza:
Pgina 33 de 47
EJEMPLO DE DISEO DE EXPERIMENTOS DE TAGUCHI P. Reyes / febrero 2008
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.
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:
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.
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.
Pgina 34 de 47
EJEMPLO DE DISEO DE EXPERIMENTOS DE TAGUCHI P. Reyes / febrero 2008
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 B
5 A xC
4 C
AxD 6
7 D
La columna correspondiente a la lnea punteada se utilizar para cuantificar el error. Una posible
asignacin es:
G H
N 1 2 3
1 1 1 1
2 1 2 2
3 2 1 1
4 2 2 1
Los dos arreglos anteriores se mezclan o combinan en un solo arreglo total, tal y como se
muestra:
1 2 2 1
H 1 2 1 2
G 1 1 2 2
A B e C AxC AxD D
N 1 2 3 4 5 6 7 1 2 3 4
1 1 1 1 1 1 1 1 Y11 Y12 Y13 Y14
2 1 1 1 2 2 2 2 Y21 Y22 Y23 Y24
3 1 2 2 1 1 2 2 Y31 Y32 Y33 Y34
4 1 2 2 2 2 1 1 Y41 Y42 Y43 Y44
5 2 1 2 1 2 1 2 Y51 Y52 Y53 Y54
6 2 1 2 2 1 2 1 Y61 Y62 Y63 Y64
7 2 2 1 1 2 2 1 Y71 Y72 Y73 Y74
8 2 2 1 2 1 1 2 Y81 Y82 Y83 Y84
Pgina 35 de 47
EJEMPLO DE DISEO DE EXPERIMENTOS DE TAGUCHI P. Reyes / febrero 2008
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:
En seguida deseamos obtener las lecturas Y21 , Y22 , Y23 , Y24. Todas estas lectura se
tomarn al mismo nivel de los factores de diseo y estos niveles sern indicados por el rengln
N 2 del arreglo interno. Manteniendo estas condiciones, los factores de ruido se varan a sus
cuatro combinaciones indicadas por el arreglo externo.
De esta manera se van obteniendo todas las 32 lecturas. Se fijan los factores de diseo segn
un rengln del arreglo interno y se mantienen fijos mientras se varan los factores de ruido de
acuerdo con el arreglo interno.
Como ejemplo, la lectura Y73 , se obtendr bajo las condiciones siguientes: factor A, 1600 F,
220 psi, factor C. 8 seg, factor D, 80 gal/min; factor G, tipo grande; y factor H, 25 Rc.
Pgina 36 de 47
EJEMPLO DE DISEO DE EXPERIMENTOS DE TAGUCHI P. Reyes / febrero 2008
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.
A B e C AxC AxD D
N 1 2 3 4 5 6 7 1 2 3 4 Total
1 1 1 1 1 1 1 1 1.1 1.2 1.3 1.1 4.7
2 1 1 1 2 2 2 2 1.2 1.3 1.2 1.3 5.0
3 1 2 2 1 1 2 2 2.0 2.1 2.2 2.1 8.4
4 1 2 2 2 2 1 1 2.1 2.2 2.1 2.0 8.4
5 2 1 2 1 2 1 2 1.0 1.4 1.2 1.3 4.9
6 2 1 2 2 1 2 1 1.2 1.3 1.5 1.0 5.0
7 2 2 1 1 2 2 1 1.6 2.1 2.4 2.0 8.1
8 2 2 1 2 1 1 2 1.5 2.0 2.3 2.5 8.3
Totales= 11.7 13.6 14.2 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.
Para la primera condicin experimental o rengln N 1, se tienen las lecturas siguientes: 1.1,
1.2, 1.3, 1.1, con un total de 4.7
Pgina 37 de 47
EJEMPLO DE DISEO DE EXPERIMENTOS DE TAGUCHI P. Reyes / febrero 2008
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
N Sm Vm Sn (dB)
1 5.5225 0.00916 21.771
2 6.2500 0.00333 26.707
3 17.6400 0.00666 28.203
4 17.6400 0.00666 28.203
5 6.0025 0.02916 17.092
6 6.2500 0.04333 15.539
7 16.4025 0.10916 15.718
8 17.2225 0.18916 13.524
A B e C AxC AxD D SN
N 1 2 3 4 5 6 7 dB
1 1 1 1 1 1 1 1 21.771
2 1 1 1 2 2 2 2 26.707
3 1 2 2 1 1 2 2 28.203
4 1 2 2 2 2 1 1 28.203
5 2 1 2 1 2 1 2 17.092
6 2 1 2 2 1 2 1 15.539
7 2 2 1 1 2 2 1 15.718
8 2 2 1 2 1 1 2 13.524
Pgina 38 de 47
EJEMPLO DE DISEO DE EXPERIMENTOS DE TAGUCHI P. Reyes / febrero 2008
Factor SS Gl V Fexp
A 231.2413 1 231.2413 14.44
B 2.5751 1 2.5751 00.16
C 0.1764 1 0.1764 00.01
AxC 9.4284 1 9.4284 00.59
AxD 3.8880 1 3.8880 00.24
D 2.3047 1 2.3047 00.14
e 16.0135 1 16.0135
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:
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.
Para el anlisis, se utilizan las 32 lecturas iniciales. Para ello se obtiene el promedio de cada
rengln.
A B e C AxC AxD D
N 1 2 3 4 5 6 7 1 2 3 4 Total Promedio
1 1 1 1 1 1 1 1 1.1 1.2 1.3 1.1 4.7 1.175
2 1 1 1 2 2 2 2 1.2 1.3 1.2 1.3 5.0 1.250
3 1 2 2 1 1 2 2 2.0 2.1 2.2 2.1 8.4 2.100
4 1 2 2 2 2 1 1 2.1 2.2 2.1 2.0 8.4 2.100
5 2 1 2 1 2 1 2 1.0 1.4 1.2 1.3 4.9 1.225
6 2 1 2 2 1 2 1 1.2 1.3 1.5 1.0 5.0 1.250
7 2 2 1 1 2 2 1 1.6 2.1 2.4 2.0 8.1 2.025
8 2 2 1 2 1 1 2 1.5 2.0 2.3 2.5 8.3 2.075
Totales 13.200
Considerando nicamente los promedios, tendremos un arreglo L8 con una lectura. El anlisis
en base a los promedios es:
Pgina 39 de 47
EJEMPLO DE DISEO DE EXPERIMENTOS DE TAGUCHI P. Reyes / febrero 2008
= 1.225+1.250+2.075+2.025= 6.575
B1 = 1.175+1.250+1.225+1.250= 4.900
B2 = 2.100+2.100+2.025+2.075= 8.300
SSB = (B2 - B1 )2/8= (4.900-8.300) 2/8= 1.4450
Y as sucesivamente
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.
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
Y 2.0
1.5
1.0 B
200 220
Pgina 40 de 47
EJEMPLO DE DISEO DE EXPERIMENTOS DE TAGUCHI P. Reyes / febrero 2008
Por ejemplo, para el factor A encontramos el promedio a cada uno de sus niveles, tanto del
ndice seal a ruido como de las lecturas individuales.
A1 = (21.7714+26.7071+28.2036+28.2036)/4= 26.2214
A2 = (17.0927+15.5397+15.7186+13.5240)/4= 15.4687
Las conclusiones que se obtienen son las mismas, esto es, el factor A es el que ms afecta el
ndice seal a ruido, y lo hace mayor a su nivel A 1. El factor B es el que ms afecta la respuesta
promedio sin afectar el ndice SN, la respuesta promedio aumenta al aumentar el factor B de su
nivel 1 al 2.
De acuerdo con los resultados que se han obtenido de los anlisis, las conclusiones generales
son:
Pgina 41 de 47
EJEMPLO DE DISEO DE EXPERIMENTOS DE TAGUCHI P. Reyes / febrero 2008
FACTORES DE CONTROL
A B e C AxC AxD D
1 1 1 1 1 1 1
1 1 1 2 2 2 2
1 2 2 1 1 2 2
1 2 2 2 2 1 1
2 1 2 1 2 1 2
2 1 2 2 1 2 1
2 2 1 1 2 2 1
2 2 1 2 1 1 2
Stat > DOE > Taguchi > Define Custom Taguchi Design
Factors A B C D
OK
Con Minitab
Pgina 42 de 47
EJEMPLO DE DISEO DE EXPERIMENTOS DE TAGUCHI P. Reyes / febrero 2008
Los resultados son los siguientes: Factores significativos a 0.2 de nivel de significancia
95
90
80
70
Percent
60
50
40
30
20
10
1
-3 -2 -1 0 1 2 3
Standardized Residual
Pgina 43 de 47
EJEMPLO DE DISEO DE EXPERIMENTOS DE TAGUCHI P. Reyes / febrero 2008
25.0
22.5
20.0
Mean of SN ratios
17.5
15.0
1 2 1 2
C D
25.0
22.5
20.0
17.5
15.0
1 2 1 2
A
25
1
2
20 A
15
C
25
1
2
C 20
15
D
25
1
2
20 D
15
1 2 1 2
Pgina 44 de 47
EJEMPLO DE DISEO DE EXPERIMENTOS DE TAGUCHI P. Reyes / febrero 2008
2.0
1.8
1.6
Mean of Means
1.4
1.2
1 2 1 2
C D
2.0
1.8
1.6
1.4
1.2
1 2 1 2
Pgina 45 de 47
EJEMPLO DE DISEO DE EXPERIMENTOS DE TAGUCHI P. Reyes / febrero 2008
1.60
1.68
C
1
2
1.64
C
1.60
1.68
D
1
2
1.64
D
1.60
1 2 1 2
Level A B C D
1 26.22 20.28 20.70 20.31
2 15.47 21.41 20.99 21.38
Delta 10.75 1.13 0.30 1.07
Rank 1 2 4 3
Level A B C D
1 1.656 1.225 1.631 1.638
2 1.644 2.075 1.669 1.663
Delta 0.012 0.850 0.038 0.025
Rank 4 1 2 3
Predicted values
Pgina 46 de 47
EJEMPLO DE DISEO DE EXPERIMENTOS DE TAGUCHI P. Reyes / febrero 2008
A B C D
1 1 1 1
Predicted values
A B
1 1
Pgina 47 de 47