UNIDAD 4

4.1 Anlisis de Tablas de Frecuencia

Uno de los mtodos para analizar datos es la tabulacin

cruzada. Por ejemplo, un investigador mdico puede
tabular las frecuencias de los diferentes sntomas por
edades y sexo; un investigador educativo puede tabular
el numero de estudiantes que abandonan sus estudios
por edad, sexo y grupo tnico; un economista puede
tabular el numero de negocios que fallan por industria,
regin,
etc.; un investigador de mercado puede tabular las
preferencias de los
consumidores por producto, edad y sexo. En todos estos
casos, los resultados principales de inters pueden ser
sumarizados en una tabla de frecuencia mltiple; o sea,
en una tabla cruzada de dos mas factores.

TABLAS DE FRECUENCIA DE 2 CAMINOS (TWO -WAYS).

Vamos a empezar con la ms simple tabulacin cruzada,

la tabla de 2 X 2. Supongamos que estamos interesados
en la relacin que hay entre la edad y las conos en la
gente. Tomamos una muestra de 100 personas y
determinamos quin tiene y quin no tiene
canas. Tambin tomamos la edad aproximada de los
sujetos. Este es el resultado del estudio.
Cabello Con Canas Antes de los 40 Despues del los 40 Total
No 40 5 45
Si 20 35 55
Total 60 40 100
Mientras interpretamos los resultados de este pequeo
estudio, vamos a introducirnos en la terminologa que
nos permitir generalizar en tablas ms complejas ms
fcilmente.

Diseo de variables y variables de respuesta. En la

regresin mltiple o en el anlisis de varianza hay una
distincin comn entre las variables dependientes e
independientes. Las variables dependientes son aquellas
que tratamos de explicar, y podemos clasificar los f
actores en una tabla de 2 X 2; por ejemplo, el color del
pelo es una variable dependiente. Las variables de
respuesta son aquellas que varan en la respuesta a las
variables designadas; por ejemplo, el color del pelo
puede ser considerado una variable de respuesta y la
edad es considerado una variable de diseo.

Ajuste marginal de frecuencias. Nos podemos preguntar

cul de las frecuencias parece no tener relacin con las
variables (hiptesis nula). Para no ir en detalles,
intuitivamente podemos esperar que las frecuencias en
cada celda podran proporcionalmente reflejar las
frecuencias marginales (Totales); por ejemplo, considere
la siguiente tabla:
Cabello Con Canas Antes de los 40 Despues del los 40 Total
No 27 18 45
Si 33 22 55
Total 60 40 100

En esta tabla, las proporciones de las frecuencias

marginales estn reflejadas en cada celda individual
27/33 =18/22 = 45/55 y 27/18 = 33/22 = 60/40. Dadas las
frecuencias marginales, stas son las celdas de
frecuencia que podramos esperar si no existiera relacin
entre la edad y el cabello canoso. Si comparamos esta
tabla con Ia anterior, podremos ver que la tabla anterior
refleja una relacin entre dos variables. Hay ms casos
esperados de que la persona tengo canas antes de los
cuarenta, y hay ms casos de personas de ms de
cuarenta aos que tienen canas.

TABLAS DE FRECUENCIA MULTIPLE.

El razonamiento presentado en las tablas de 2 X 2 puede

ser generalizado a tablas ms complejas. Supongamos
que tenemos una tercera variable en nuestro estudio; por
ejemplo, queremos ver si el estrs tiene que ver con las
canas en las personas. Como estamos interesados en
este nueva variable, la vamos a considerar como variable
de diseo. (con esto, la variable de estrs se convierte
en una variable de respuesta y la variable del color del
cabello sera una variable de diseo). La tabla resultante
seria una tabla de frecuencia de 3 caminos.

Modelos de ajuste. Podemos aplicar el razonamiento

anterior para analizar esta tabla. Especficamente
podemos ajustar diferentes modelos que reflejen
diferentes hiptesis acerca de los datos. Como antes, las
frecuencias esperadas en este caso reflejan sus
respectivas frecuencias marginales. Si alguna
desviacin significante ocurriera, se reflejara en este
modelo.

Efectos de interdiccin. Otro modelo concebible puede

ser que la edad est relacionada con el color del cabello,
y que el estrs es relacionado con el color del cabello
tambin; pero, estos dos factores no interactan en su
efecto. En este caso, podramos necesitar
simultneamente de dos tablas, una es la tabla de 2 X 2
de la edad por color del cabello cruzada con los niveles
de estrs, y otra tabla del estrs por color del cabello
cruzada con los niveles de la edad. Si este modelo no se
ajusta los datos, tenemos que incluir que la edad, el
estrs y el color del cabello estn interrelacionados. De
otra forma, podremos concluir que la edad y el estrs
interactuan con sus efectos en el cabello canoso.
4.2 Anlisis de Atributos Clasificados

El primer paso es formar categoras acumulados a partir

de las categoras iniciales de modo que la categora
acumulada uno sea igual a la categora inicial uno, la
categora acumulada dos sea igual a las categoras
iniciales uno ms dos.

(I) = (1)
(II)= (1) + (2)
(III)=(1) + (2) + (3).

Para ilustrar los pasos se utilizar un estudio que se

realiz para conocer los parmetros ptimos de una
mquina moldeadora al estar utilizando compuesto de un
nuevo proveedor. El aspecto visual se dividi en las
categoras iniciales:

1=Incompleto
2=Partido/Crudo
3=Deforme
4=Bien
De modo que las categoras acumuladas son:

(I)=1
(II)=(1) + (2)
(III)=(1) +(2) + (3)
(IV)=(1) +(2) + (3) + (4)

El experimento consisti en cuatro factores a tres niveles

cada uno y con diez repeticiones, siendo los factores:

A = Temperatura
B = Tiempo de Ciclo
C = Tiempo de Inyeccin
D = Presin

Se utiliz un arreglo ortogonal L9, en donde se

obtuvieron los resultados que se muestran en la
siguiente tabla, misma en la que se pueden observar los
clculos para obtener los valores de las categoras
acumuladas en la combinacin numero seis:

(I)= (=)
(II)= (0) + (3)
(III)=(0) + (3) + (1)
(IV) = (0) +(3) + (1) + (6)
Resultados del Experimento en una Mquina Moldeadora.

Acumulados
(1) (2) (3) (4) I II III IV
1 5 5 0 0 5 10 10 10
2 0 9 0 1 0 9 9 10
3 0 6 0 4 0 6 6 10
4 0 1 0 9 0 1 1 10
5 0 0 5 5 0 0 5 10
6 0 3 1 6 0 3 4 10
7 0 0 0 10 0 0 10 10
8 10 0 0 0 10 10 10 10
9 10 0 0 0 10 10 10 10
Total 25 24 16 25 25 49 65 100
 Tambin se puede ver que en la frecuencia acumulada
de la Clase IV durante todo el experimento es la misma,
por lo que no se podr extraer ninguna informacin de
esta columna. Es por lo que se realizar en el anlisis
acumulativo calcular la suma de cuadrados de la clase I,
Clase II y Clase III. De cualquier forma esas sumas de
cuadrados no pueden sumarse sencillamente, puesto que
las bases de las tres clases son diferentes.

En la distribucin binomial la fraccin de defectuosos es

p, y su varianza correspondiente es p (1 - p), esto indica
que cuando la media de la fraccin defectuosa cambia, la
varianza cambia tambin. Debido a esta dependencia de
la varianza sobre la fraccin defectuosa, la suma de los
cuadrados de la Clase I, Clase II y Clase III tiene
diferentes bases. Con el objetivo de normalizar esas
bases, la suma de cuadrados de cada clase se divide
entre su varianza; solamente as se pueden sumar las
clases.

El segundo paso es conocer la proporcin que tiene cada

categora acumulada:
PI= 25 PII= 49 PIII= 65 PIV= 90
90 90 90 90

A cada categora se le asigna un peso segn la frmula:

Wj = 1/(Pjx(1-PJ)),

As que para el ejemplo que se tiene:

WI = 1/25/90x (1-25/90)) = 4.985

 WII = 1/49/90x(1-49/90)) = 4.032
WIII = 1/(65/90x(1-65/90)) = 4.985

Para cada categora se calcula el factor de correccin

como Suma de Cuadrados de Factores.
Se obtienen mediante la suma de cuadrados de cada
clase multiplicada por su peso, segn frmula.

Ssa = (Ssa clase I) x WI + (SSA clase II) x WII + (Ssa clase

III) x WIII

SS total = (nmero total de datos) x (nmero de

categoras menos uno)

Para un ejemplo se tiene que:

De la misma manera se obtiene la suma de cuadrados

para B, C y D. La suma de cuadrados total es: SS
total = 90 X (4 - i) = 270

Grado de Libertad.

Los grados de libertad son calculados en base a los

grados de un factor para variables multiplicados por el
nmero de categoras acumulado menos uno. En este
ejemplo los cuatro factores son de tres niveles por lo que
cada uno tiene:

2 x(4-1) =6 grados de libertad. Los grados de libertad

totales, se calculan >multiplicando el nmero de datos
menos uno por el nmero de datos menos uno por el
nmero de datos menos uno por el nmero de categoras
analizadas menos uno.
El error se puede obtener restndole a la suma total la
suma de cuadrados de cada factor:
SS error = 270 - 104.24 - 9.94 - 42.96 - 29.53 = 83.22

En este caso

SS error = 270 - 104.34 - 9.94 - 42.96 - 29.53 = 83.22

Y los grados de libertad, restando los grados de

libertad de cada factor de los grados de libertad de la
tabla de ANOVA.

g.I error = 267 - 6 - 6 - 6 - 6 = 243

Varianza en la Tabla ANOVA.Se define la varianza o

cuadrado medio como la suma de cuadrados divididos
entre los grados de libertad:

Cuadrado Medio de a = 104.34/6 = 17.39

Con el objeto de expresar esta variacin como un

porcentaje, todava se requiere restarle a cada suma de
cuadrados una cantidad de error generada por los
diferencias entre cada resultado en cada nivel; para esto
se utiliza la siguiente frmula:

SS a' = SS a - (grados de libertad a) x V error,

SS e' = SS e +(grados de libertad de los factores) x V
error.

En el ejemplo:

SS a' = 104.34 - (6) (0.34) = 102.30

SS e' = 83.22 + (24) (0.34) = 91.38

El porcentaje de contribucin es la proporcin de la suma

de cuadrados

corregidas de un factor con respecto a la suma de

cuadrados total:
ANOVA del Experimento en una Mquina Moldeadora.

Fuentes Grados S. de
Suma de Cuadrado Porcentaje
de de Cuad.
Cuadrados Medio Contrib.
Variacin Libertad Corregida
A 6 104.34 17.39 102.30 37.89
B 6 9.94 1.66 7.90 2.92
C 6 42.96 7.16 40.92 15.15
D 6 29.53 4.92 27.49 10.18
Error 243 83.22 0.34 91.38 33.87
Total 267 270 270 100

Todos los procedimientos (prueba de t, de F y el

establecimiento de los lmites de confianza), utilizan la
suma de cuadrados residual, la que es llamada la suma
de cuadrados de error. Esta cantidad pudo ser
encontrada calculando para cada observacin un valor,
predicho por la solucin de los mnimos cuadrados. Se
puede luego obtener la suma de cuadrados de las
diferencias entre los valores observados y los valores
predichos. Este mtodo es lento y la suma de cuadrados
del error se calcula mucho ms rpido siguiendo la
tcnica conocida como anlisis de varianza.

En el modelo original, cada observacin se representa

como la suma de cuatro componentes debidas,
respectivamente, a la media general, efecto del
tratamiento, al efecto ambiental y al efecto residual. De la
misma forma, el anlisis de la varianza divide la suma de
cuadrados de las observaciones encuentro
componentes, una atribuible a la media general, una de
las diferencias entre la estimacin de los efectos de los
tratamientos y una a los efectos ambientales, que el
experimento es capaz de medir y, por ltimo, una que es
la residual a la suma de cuadrados de los errores. En la
mayor parte de los casos, se calcula la suma de
cuadrados original y los tres primeros componentes,
obteniendo la suma de los cuadrados del error, por
substraccin. El anlisis de varianza ofrece mucho ms
que un mtodo corto para obtener la suma de cuadrados
del error. La suma de cuadrados debida a los
tratamientos, es la cantidad necesaria para la prueba F de
la hiptesis de que no existen deferencias entre los
efectos de los tratamientos. Con una pequea extensin,
el anlisis tambin de la suma de cuadrados requerida
para probar la igualdad de los efectos de un subgrupo de
los tratamientos. La componente debida a los efectos
ambientales permite estimar en cuanto aumenta la
exactitud del experimento, eliminando estos efectos de
las estimaciones de las medias de los tratamientos.
4.3 y 4.4 Anlisis de experimentos con factores de ruido

FACTORES DE RUIDO.

Los factores de ruido son aquellos que no se pueden

controlar o que resulta muy caro controlarlos. Los
factores de ruido causan variabilidad y prdida de
calidad. Por esto es necesario disear un sistema el
cual sea insensible a los factores de ruido. El diseador
debe identificar la mayor cantidad posible de factores de
ruido y usar su buen juicio en base a sus conocimientos
para decidir cules son los ms importantes a considerar
en su anlisis.

METODO DE EL DISEO ROBUSTO DE EL

DR. TAGUCHI.
Es un eficiente sistema que ayuda a obtener una
combinacin ptima de diseo de parmetros para que el
producto sea funcional y ayude a obtener un alto nivel de
desempeo y que sea robusto a los factores de ruido.
Existen 8 pasos para hacer un ciclo de diseo robusto.

En los primeros 5 pasos se planea el

experimento.
En el paso nmero 6 se conduce el
experimento.
En los pasos 7 y 8 los resultados de el
experimento son analizados y verificados.

Ejemplo de la optimizacin de un diseo por costo de un

sistema intercambiador de calor.

1. Identificar la funcin principal. La funcin principal de

el sistema enfriador de aire comprimido se muestra en la
fig.

La funcin principal del sistema es enfriar la temperatura

de el aire de 95 c a 10 c entre dos etapas de
compresin. Primero entra al sistema el aire por el
preenfriador y luego pasa a la unidad de refrigeracin. El
agua pasa a travs de el condensador de la unidad de
refrigeracin y luego a el preenfriador y finalmente entra
a el radiador donde se expulsa el radiador a travs de l.

El flujo de el aire est dado por 1.2 kg/s y el flujo de el

agua est dado por 2.3 kg/s

Se busca disear el sistema para un costo mnimo total,

donde el costo es la suma de todos los costos en dlares
de la unidad de refrigeracin, el preenfriador y el
radiador. Las ecuaciones paramtricas de costo (xi) para
la unidad de refrigeracin, el preenfriador y el radiador en
trminos de temperaturas de salida (ti) estn dadas como
sigue:

X1 = 1.2 a (T3 - 10)

X1 = costo ($) de la unidad de refrigeracin.
a = parmetro de costo para el refrigerante.
T3= temperatura de salida de el aire de el preenfriador..
X2=1.2 B (95 - T3)/(T3-T1) para (T3 >T1)
X2 = costo ($) de el preenfriador.
B = parmetro de costo de el preenfriador.
T3 = temperatura de salida de el aire de el preenfriador.
T1 = temperatura de salida de el agua de la unidad de
refrigeracin.
95 = temperatura de el aire en la entrada al sistema.
X3=9.637 c (T2 - 24)
X3 = costo ($) de el radiador.
C = parmetro de costo de el radiador.
T2 = temperatura de el agua en la entrada de el radiador.
24 = temperatura de el agua despus de pasar por el
radiador.
A = 48 B = 50 C = 25
Parmetros de costo determinados por el diseador.

2. Identificar los factores de ruido

Existen varios factores de ruido en un proceso de

enfriamiento de aire. Para
este caso los ingenieros han determinado los 3 factores
de ruido ms
importantes.

N1 = parmetro de costo de la unidad de refrigeracin.

Se ha estimado un costo original de 48 y se considera un
costo muy alto arriba de 56.

N2 = temperatura de salida de el radiador.

Esta temperatura puede variar dependiendo de los
factores ambientales. Se ha estimado una temperatura de
24 c pero se considera muy alta a 27C.

N3 = temperatura de el aire a la entrada de el sistema.

Esta temperatura varia dependiendo de las condiciones
de operacin, se ha estimado inicialmente de 95 c pero se
considera muy alta arriba de 100 c.

3. Identificar la caracterstica de calidad que va a ser

observaba y el >objetivo.
El costo va a ser tomado como la caracterstica de
calidad y la funcin objetivo ser optimizar el costo total
de el sistema. MIN CT= X1 + X2 + X3

El objetivo ahora es encontrar cul diseo minimiza el

costo total considerando
la incertidumbre de los factores de ruido citados.
4. Identificar los factores de control y los niveles
alternativos.

Para el caso de el ejemplo, tres niveles alternativos

fueron identificados para ser estudiados para el control
de el diseo de los parmetros, El nivel dos muestra los
valores iniciales de los factores de control .(tabla a). Los
niveles de los parmetros de prueba (tabla a) se refieren
a cuntos valores de prueba van a ser analizados (uno de
estos niveles debe tomar los valores de las condiciones
iniciales de operacin).

T1= 28 C T2= 39 C T3= 38 C

Como siguiente paso los ingenieros de diseo y los

analistas de costo desean un estudio de niveles
alternativos de los parmetros de control considerando
ahora la incertidumbre debido a los factores de ruido. En
un diseo robusto, generalmente, dos o tres niveles son
considerados para cada factor.

Se ha decidido estudiar los tres factores de ruido con 2

niveles. Estos valores se muestran en la tabla 9. El nivel
uno representa los valores iniciales de los factores de
ruido. Diseo de la matriz de experimentos y definicin
de los datos para analizar. El objetivo ahora es
determinar los niveles ptimos de los factores de control
para que el sistema sea robusto a los factores de ruido.

Construccin de arreglos ortogonales.

Primero se determinan segn la metodologa de Taguchi

los grados de libertad para determinar el nmero mnimo
de experimentos requerido.
El diseador ha calculado el factor grados de libertad
igual a 7, esto nos indica que se necesita un numero
mnimo de 7 experimentos para encontrar los valores
ptimos.

Con esto se determina que se puede utilizar un arreglo

ortogonal estndar L9 para los factores de control y
usando la misma metodologa se utiliza un arreglo
ortogonal estndar L4 para los factores de control.
1 2 3 4
N1 1 2 2
N2 2 1 2
N3 2 2 1

Control Orthogonal Array

A B C D
1 1 1 1 1
2 1 2 2 2
3 1 3 3 3
4 2 1 2 3
5 2 2 3 1
6 2 3 1 2
7 2 1 3 2
8 2 2 2 3
9 2 3 1 1

6. Conducir la matriz de experimentos. Para nuestro

ejemplo, la matriz de experimentos dada es conducida
usando un sistema apropiado de ecuaciones
matemticas de costo. La propuesta (vi,j) es el costo
total en dlares para ese caso. Esta es calculada para
cada combinacin de las matrices de experimentos de
factores de control y factores de ruido.
Ecuacin matemtica de costo (ejemplo):

CT = Xl + X2 + X3
CT = 1.2(48)(35-10) + 1.2(50)(95-35)1(35-25) + 9.637(25)(36
-24)=4691
CT = 1.2(48)(35-10)+1.2(50)(100-35)1(35-25)+9637(25)(36-
27)=3998
Control/Noise 1 2 3 4
N1 48 48 56 56
N2 24 27 24 27
N3 95 100 100 95

7. Anlisis de datos papa determinar los niveles

ptimos de los factores de control.
El mtodo de Taguchi utiliza la relacin que existe entre
seal y ruido incluyendo la variacin de la respuesta. La
relacin que se utilizara en nuestro ejemplo sera que la
ms pequea relacin es la mejor, dado que nuestro
objetivo es minimizar el costo. Esta relacin seal /ruido
est dada por la siguiente ecuacin:

S/N = -10 LOG{1/4[(4691^2 +3998^2+4691^2+4208^2)]}= -

73.03

Control matrix

(a) signal to noise ratio (b) response

table

Los promedios de la relacin seal/ruido de la tabla de

respuesta nos da los
resultados ptimos.
Maximizando la relacin s/n es equivalente a minimizar la
caracterstica de
calidad.
Como resultado del anlisis tenemos los niveles ptimos
de los parmetros de
control siguientes:

Tl T2 T3 parmetros de prueba
1 2 3 niveles
25 36 38 valores ptimos de control.

Con estos valores el ct = $4551.00 con una desviacin

estndar de 445.5 y una seal de ruido de - 73.19 con
esto se ahorra $806.00 un 15% contra los valores iniciales
propuestos antes del experimento.

T1 T2 T3 parmetros de prueba
2 2 2 niveles
28 39 38 valores iniciales propuestos
Ct = $5,357.00 con una desviacin estndar de 445.6 y
una seal de Ruido = -74.6

BIOGRAFA

Naci en Japn, gradudo de la Escuela Tcnica de la Universidad Kiryu en la carrera de

ingeniera textil, ms tarde recibi el Doctorado en la Universidad Kyushu en 1962. Trabaj en
el Astronomical Department of the Navigation Institute del Imperio Japons; ms tarde trabajo
en el Ministerio de Salud Pblica donde condujo el primer estudio nacional sobre salud y
nutricin y en el Institute of Statistical Mathematics. Sin embargo, su principal etapa
profesional ha sido dentro de la Electrical Communication Laboratory (ECL) de la Nippon
Telephone and Telegraph Co. (1948-1961) en donde se enfoc a la mejora de la productividad
en la investigacin y desarrollo. Fue profesor para la Universidad Aoyama Gaukin de Tokio y
consultor para empresas tan importantes como Toyota Motors y Fuji Films. Entre sus
publicaciones destacan Introduction to Quality Engineering, Systems of Experimental Design,
Robust Engineering y The Mahalanobis-Taguchi System. Ha recibido el Premio Deming en
cuatro ocasiones por sus aportaciones sobre calidad. En 1989 le es concedida la medalla con
banda prpura al avance tecnolgico y econmico por el Emperador Akihito. Luego de la
Segunda Guerra Mundial, los fabricantes japoneses tuvieron que luchar para sobrevivir con
recursos muy limitados. De no haber sido por las mejoras de Taguchi, el pas quiz no hubiera
alcanzado el xito que logr ms tarde. Taguchi revolucion el proceso de produccin en
Japn a travs del ahorro de costos y su relacin con la calidad. l entendi, como muchos
otros ingenieros, que todo el proceso de produccin era afectado por influencias externas. Sin
embargo se dio cuenta de que si poda identificar este "ruido" a travs de mtodos tendra
grandes efectos sobre la variabilidad de la calidad de los productos.

Aportaciones y filosofa
GenichiTaguchi propuso experimentos estadsticamente planeados La terminologa y seal ruido p
para el diseo de parmetros. Un experimento de diseo es una producto servicio. La seal es
prueba o serie de planeados que permiten al experimentador obtener componente deben entregar. E
conclusiones sobre la situacin en estudio. Para Taguchi los factores externos del entorno,
experimentos de diseo de parmetros estn dirigidos a reducir la sistema, que afectan la calida
variabilidad causada por variaciones de manufactura, en la mayora de mejora de la calidad, los mto
los proceso industriales, controlar la variabilidad es mucho ms difcil considerable en muchas indus
que controlar el valor promedio. diseos de alta tecnologa, pro
dentro de los procesos. El pro
Taguchi clasifica las variables que afectan las caractersticas de experimental viola algunos pri
rendimiento en funcin de que son parmetros e diseo o de fuentes que fue criticado por los exper
de ruido. Los parmetros de diseo son aquellos en los que el Como agregado a las limitacio
ingeniero de diseo puede seleccionar sus ajustes nominales. La introdujo algunos anlisis esta
fuente de ruido son todas aquellas variables que causan procedimientos modernos par
caractersticas de desempeo que se desvan de los valores objetivos. que todava estn sujetos a d
Los factores de ruido pueden variarse sistemticamente en un incluyen la popularizacin de
experimento diseado, es necesario identificar e incluirse en el de llamar mayor atencin a la
experimento los factores clave que afectan el desempeo o
rendimiento del producto en el campo, as como el desempeo de los La funcin perdida de Taguch
procesos de manufactura. Un objetivo del experimento es identificar los
ajustes de los parmetros de diseo a los que se reduce el efecto de Taguchi propuso un procedim
los factores de ruido en las caractersticas de desempeo. El efecto consolidar la calidad con base
mismo se determina variando sistemticamente lo ajustes de los cumplir con las especificacion
parmetros de diseo del experimento y comparando resultados. Los como evitar una prdida que
experimentos se pueden llevar acabo ya sea fsicamente o mediante despus de haber sido embar
simulacin por computadora, con un programa que relacione el causada por funciones intrnse
desempeo con los parmetros de diseo y con los factores de ruido. incluye costos incurridos por la
con las expectativas del client
Otros objetivos de los experimentos de Taguchi incluyen identificar los caractersticas de desempeo
ajustes de los parmetros de diseo que reducen el costo sin sacrificar causados por el producto. La
la calidad, la determinacin de parmetros de diseo que influyen el expectativas del cliente precip
valor medio de la caracterstica de rendimiento pero sin tener ningn indirectas. La imposibilidad de
efecto en su variacin, as como la identificacin de aquellos desempeo implica prdidas s
parmetros de diseoque no tiene ninguna influencia detectable en las desempea correctamente al
caractersticas de desempeo. Las tolerancias de este tipo de deben ser absorbidos por el d
 parmetros pueden ser menos severas. Otro concepto central en los reputacin. Finalmente, un am
mtodos de Taguchi es la relacin de seal a ruido S/N, que mide la otras perdidas de la sociedad,
sensibilidad de un efecto a los factores de ruido, el efecto es decirla costos, que afectan a la socie
seal, se mide segn el valor medio, en tanto que la variabilidad en la
seal representa los factores de ruido, que se miden segn la Taguchi mide las perdidas en
desviacin estndar, por lo que S/N esencialmente es la relacin de la las caractersticas cuantificabl
media a la desviacin estndar. Este tipo de medicin incorpora tanto el lenguaje del ingeniero al ge
factores controlables como no controlables. Relaciones elevadas de de Taguchi en la forma en que
seal a ruido significan que la sensibilidad a los factores de ruido es reconsidere la definicin con b
reducida. como conformidad con las es
especificaciones nominales, lo
reduce los costos totales para

OPINION

Creo que Taguchi es uno de los filosofos con mas aportaciones de uso y que sirven para
definir que es lo que deseamos desde el diseo de nuestro producto, el dice que todo
desperdicio o falla tiene un costo para la sociedad, y lo veo muy cierto porque finalmente la
sociedad o el consumidor final es el que absorbe estos gastos generados en la fabricacin del
producto ya que la empresa jams pensara en castigar sus utilidades si obtuvo fallas en el
proceso al contrario el ciente deber absorber estos gastos, creo que es una muy buena
filosofa que se debe estudiar y aplicar a fondo con el diseo robusto y la funcin perdida, todo
esto requiere grandes conocimientos y experiencia para su aplicacin, pero considero que los
beneficios obtenidos tienen mayor gratificacin que no realizar actividades de mejora.

https://onedrive.live.com/redir?resid=6D66D75077DE16E5!722&authkey=!AKlIKRPe5zZd
0F4&ithint=file%2c.docx

BIBLIOGRAFA

1. Albert Prat Barts. Mtodos estadsticos, control y mejora de la calidad, editorial

Alfaomega. Edicions. UPC. PAG. 240 Y 241.
2. Humberto Gutirrez Pulido. Calidad total y productividad. Editorial Mc Graw Hill, pagina
138, 139.

Artculo: Una revisin critica de la razn seal ruido usada por Taguchi Revista: Scientia Et
Technica 2012 XVII(50), Autores: | Eduardo Arturo Cruz Trejos | Pedro Daniel Medina Varela |
Carlos Andrs Silva Diaz |
http://maestrosdelacalidadrc100312.blogspot.mx/2012/09/maestros-de-la-calidad-genichi-
taguchi.html

Aporte Prezi

https://onedrive.live.com/redir?resid=6D66D75077DE16E5!762&authkey=!AJ3hJGLpn2IzsPo&
ithint=file%2c.zip