Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Ejemplo Dise o Taguchi
Ejemplo Dise o Taguchi
De estas tres etapas, la más importante es el diseño de parámetros cuyos objetivos son:
b) Definir los niveles “óptimos” en que debe fijarse cada parámetro o factor, a fin de optimizar la
operación del producto y hacerlo lo más robusto posible.
Para lograr lo anterior se ha manejado una serie de herramientas estadísticas conocida como
diseño de experimentos, tratadas anteriormente.
Taguchi ha propuesto una alternativa no del todo diferente que se que conoce como: Arreglos
Ortogonales y las Gráficas Lineales.
Un arreglo ortogonal se puede comparar con una replicación factorial fraccionada, de manera
que conserva el concepto de ortogonalidad y contrastes. Un experimento factorial fraccionado es
también un arreglo ortogonal.
La (b)C
Donde:
a = Representa el número de pruebas o condiciones experimentales que se tomarán. Esto es
el número de renglones o líneas en el arreglo.
Página 1 de 47
EJEMPLO DE DISEÑO DE EXPERIMENTOS DE TAGUCHI P. Reyes / febrero 2008
Un arreglo ortogonal es una tabla de números. 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 notación 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 número de columnas (efectos o factores) que se
pueden analizar, es igual al número de renglones menos 1.
Taguchi ha desarrollado una serie de arreglos para experimentos con factores a dos niveles,
los más utilizados y difundidos según el número de factores a analizar son:
Página 2 de 47
EJEMPLO DE DISEÑO DE EXPERIMENTOS DE TAGUCHI P. Reyes / febrero 2008
Página 3 de 47
EJEMPLO DE DISEÑO 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:
Página 4 de 47
EJEMPLO DE DISEÑO DE EXPERIMENTOS DE TAGUCHI P. Reyes / febrero 2008
Página 5 de 47
EJEMPLO DE DISEÑO DE EXPERIMENTOS DE TAGUCHI P. Reyes / febrero 2008
Página 6 de 47
EJEMPLO DE DISEÑO DE EXPERIMENTOS DE TAGUCHI P. Reyes / febrero 2008
Página 7 de 47
EJEMPLO DE DISEÑO DE EXPERIMENTOS DE TAGUCHI P. Reyes / febrero 2008
Ejemplo:
En un proceso de formación de paneles una característica no deseada es la emisión de
formaldehído en el producto final. Se desea que esta emisión sea lo mínima posible. Actualmente
se estima en 0.45 ppm. (partes por millón).
Se cree que cinco factores pueden estar afectando la emisión, estos son: tipo de resina,
concentración de la solución, tiempo de ciclo de prensado, humedad y presión.
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 usará un arreglo ortogonal L8. Esto implica que se ejecutarán 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 últimas dos columnas, el arreglo queda:
Observe que en las columnas vacías, 6 y 7, se ha escrito la letra e 1,y e2 respectivamente esto
para indicar que en ellas se evaluará la variación natural o error aleatorio.
Si no se asigna ningún factor, es de esperar que ahí se manifieste la variación natural. Los
resultados de Yi se muestran en ppm.
El análisis de resultados, se puede efectuar de dos maneras diferentes. Una de ellas mediante
una serie de gráficas, la otra mediante el análisis de varianza, se muestra en este ejemplo
primero el uso del análisis de varianza, posteriormente se muestra el uso de gráficas.
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
Página 9 de 47
EJEMPLO DE DISEÑO DE EXPERIMENTOS DE TAGUCHI P. Reyes / febrero 2008
Análisis 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:
Así 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
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
Página 10 de 47
EJEMPLO DE DISEÑO DE EXPERIMENTOS DE TAGUCHI P. Reyes / febrero 2008
La suma de cuadrados de las columnas donde no se asignó 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 número de columnas que se usaron para evaluar el factor, en este caso,
sólo puede ser de uno para cada factor y más de uno únicamente para el caso del error.
Por último, el valor de Fexp, se obtiene de dividir el valor de V de cada factor, entre el valor de
V para la estimación del error.
Todos aquellos factores, que tienen un valor de Fexp mayor que 2 se considera que afectan la
variable de respuesta, emisión de formaldehído 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 presión respectivamente.
Se acostumbra que aquellos efectos que no resultaron significantes, se consideren como error
aleatorio, a fin de obtener una mejor estimación (con mayor número de grados de libertad).
Página 11 de 47
EJEMPLO DE DISEÑO DE EXPERIMENTOS DE TAGUCHI P. Reyes / febrero 2008
Con Minitab
Los resultados son los siguientes: Factores significativos a 0.1 de nivel de significancia
Página 12 de 47
EJEMPLO DE DISEÑO 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
Página 13 de 47
EJEMPLO DE DISEÑO 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 habrá de fijar cada factor significante, y qué podremos esperar. Para
tomar esta decisión, 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 emisión de formaldehído 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
Página 14 de 47
EJEMPLO DE DISEÑO DE EXPERIMENTOS DE TAGUCHI P. Reyes / febrero 2008
Los factores A, C, D y E que afectan emisión de formaldehído deberán fijarse al nivel que
minimicen la emisión, 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 aquí un papel sumamente importante. Dado que no afecta la emisión de
formaldehído, dentro del intervalo analizado, se utiliza para reducir los costos de producción.
Esto se hace fijándolo a su nivel más económico. ¿Cuál será el nivel esperado de emisión 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 análisis ANOVA, esta es una serie de gráficas 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 número de
lecturas con el que se obtuvo cada total. Para nuestro ejemplo, los totales a cada nivel los
tenemos ya en la sección 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 ordénelos de mayor a
menor en valor absoluto.
Página 15 de 47
EJEMPLO DE DISEÑO 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 = Número 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
Página 16 de 47
EJEMPLO DE DISEÑO 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 también 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 gráfica, se puede evaluar el efecto de cada factor. Entre mayor sea la línea de
cada factor, o bien, entre más vertical se encuentre, mayor será 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 rápidamente, si deseamos reducir la variable de respuesta, se toma el nivel
más bajo, en este caso A 2, C2, D2 y E2, es decir, los puntos por debajo de la línea promedio
global.
En conclusión, el método gráfico puede ser utilizado para fines de exposición o presentación y
el ANOVA para fines de tomar una decisión más objetiva.
Predicted values
Página 17 de 47
EJEMPLO DE DISEÑO DE EXPERIMENTOS DE TAGUCHI P. Reyes / febrero 2008
13.8404 0.1775
A C D E
2 2 2 2
Página 18 de 47
EJEMPLO DE DISEÑO DE EXPERIMENTOS DE TAGUCHI P. Reyes / febrero 2008
En los casos anteriores se asumió que el efecto de un factor sobre la variable de respuesta, no
dependía del nivel de otros factores. Cuando el efecto de un factor depende del nivel de otro
factor, se dice que existe una interacción entre los factores.
B1
B1
B2
B2
A1 A2 A1 A2
Las dos líneas son paralelas, no El efecto de A depende del nivel de B
existe interacción entre los factores. y viceversa. El efecto de A no es consistente.
Existe interacción
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, automáticamente la interacción
de esos dos factores AxB se reflejará en otra columna del arreglo. Por lo tanto, esta tercera
Página 19 de 47
EJEMPLO DE DISEÑO DE EXPERIMENTOS DE TAGUCHI P. Reyes / febrero 2008
columna ya no podrá ser utilizada por algún otro factor o interacción a menos que se pueda
suponer la interacción AxB como inexistente.
c) una interacción significante que se desee probar, tomará 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 sería suficiente sin interacciones.
d) se deberá 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 también deseamos probar.
Una condición que existe para el manejo de las interacciones mediante procedimientos de
arreglos ortogonales Taguchi, es que se tenga una definición “a priori “ de cuales interacciones
específicamente sospechamos que existen. Esto es, debemos definir de antemano qué
interacciones creemos son relevantes, a fin de incluirlas en nuestro análisis. Esto se puede saber
en base a la experiencia previa del proceso.
NOTA: En los ejemplos que siguen, para denotar una interacción entre dos factores, A y B por
ejemplo, se utiliza indistintamente la notación AB o AxB.
Gráficas lineales
A continuación se muestra un arreglo L8 junto con una matriz triangular y dos gráficas lineales.
Estas se reproducen aquí para su explicación.
1 3 2
3 5 1
.7 5 4
6
2 6 4 7
(b)
(a)
¿Qué representa cada tabla?. En primer lugar, el arreglo ortogonal L8 es exactamente el mismo
que se utilizó en el caso experimental y cada columna un factor o interacción cuyo impacto sobre
la variable de respuesta se desea conocer.
Página 20 de 47
EJEMPLO DE DISEÑO DE EXPERIMENTOS DE TAGUCHI P. Reyes / febrero 2008
La matriz triangular nos representa las interacciones entre columnas. En el primer renglón, con
el titulo de columna, cada número corresponde a la columna con ese mismo número del arreglo,
al igual que los números entre paréntesis 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 interacción de
AxB aparecerá en otra columna ya definida. En el cruce de la columna número 5 y el renglón
número 3 de la matriz, aparece el número 6 (marcado con * en la tabla), de manera que la
interacción de AxB se deberá 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 más esta asignación nos podemos auxiliar de
las gráficas lineales (1) y (2) que se muestran.
En particular, el arreglo ortogonal L8 tiene dos alternativas de arreglo mostrados por las gráficas
(a) y (b) respectivamente.
Por ejemplo, la gráfica (a) indica que con este arreglo se pueden analizar, tres factores
principales, (puntos 1, 2 y 4) y las interacciones entre ellos, (líneas 3, 5 y 6), además de un
cuarto factor, (punto 7), que no interactua con los otros tres.
Los números indican que si deseamos lo anterior, los tres factores deberán asignarse a las
columnas 1, 4 y 2. Las interacciones aparecen en las columnas 3, 5 y 6.
La gráfica (b) indica cuatro factores, (puntos 1, 2, 4 y 7) con interacciones de uno de ellos con
los otros tres (líneas 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 quedarán en las
columnas 3, 5 y 6.
1) Como primer paso, seleccionamos un arreglo ortogonal tentativo. Esto depende del número
de efectos totales a analizar.
Página 21 de 47
EJEMPLO DE DISEÑO DE EXPERIMENTOS DE TAGUCHI P. Reyes / febrero 2008
b) una interacción se representa mediante una línea que une los dos efectos
individuales.
A. B.
C. D.
En seguida mostramos las interacciones que nos interesan, mediante líneas. Para nuestro
caso tenemos (gráfica 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 más, el factor E y creemos que la
interacción AxC realmente no es relevante. La gráfica lineal que requerimos es:
B
AxB
A C E
AxD
D
Esta gráfica es parecida a la gráfica lineal (2) excepto por la interacción de AxC, por lo tanto,
una asignación lógica es:
Página 22 de 47
EJEMPLO DE DISEÑO DE EXPERIMENTOS DE TAGUCHI P. Reyes / febrero 2008
Observe que en este último caso, también se pudo utilizar la gráfica lineal (1).
Si por alguna razón, la gráfica que deseamos, no puede quedar incluida en las gráficas lineales
(1) ó (2) es necesario usar otro arreglo ortogonal de mayor tamaño.
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 gráfica se ajusta a la gráfica lineal (1) del arreglo ortogonal L8, por lo que una asignación
apropiada de efectos es:
Página 23 de 47
EJEMPLO DE DISEÑO 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 más pequeños 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 realizó en secciones
anteriores. Esto es, se obtienen los promedios:
El factor C también resulta significante. Sin embargo, también lo es su interacción con el factor
A. Cuando resulta significante la interacción de algún factor, no se puede analizar por separado,
Página 24 de 47
EJEMPLO DE DISEÑO 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 resultó además significante individualmente y
el factor A no.
Nº A C Yi
1 1 1 11.20 Siempre existirán entre dos columnas
2 1 1 10.80 cuatro posibles combinaciones de
3 1 2 7.2 números: 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 combinación 1 2, se presenta en los renglones Nº 3 y 4, con un total de 7.2 + 7.0= 14.2, con
un promedio de 14.2/2= 7.10
La combinación 2 1 se presenta en los renglones Nº 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 más económico.
Página 25 de 47
EJEMPLO DE DISEÑO DE EXPERIMENTOS DE TAGUCHI P. Reyes / febrero 2008
Observe que al efecto de la interacción, se le resta el efecto de los factores individuales que
intervienen (hayan resultado significantes de manera individual o no).
Una estimación del porcentaje de hidrocarburos sin quemar es igual a la suma de los efectos
significantes, incluyendo los factores que intervienen en una interacción 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
Página 26 de 47
EJEMPLO DE DISEÑO 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
Página 27 de 47
EJEMPLO DE DISEÑO 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 = *
Se pueden tomar los MS más pequeños como error = 0.1197 y 0.1151 = 0.2348
De esta forma se obtiene FB = 2.34, y FAC = 92.65
Dist.f(2.34,1,2) = 0.2657 Distr.f(92.65,1,2) = 0.010
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
Página 28 de 47
EJEMPLO DE DISEÑO 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
Página 29 de 47
EJEMPLO DE DISEÑO 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
Página 30 de 47
EJEMPLO DE DISEÑO 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 continuación (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
Página 31 de 47
EJEMPLO DE DISEÑO DE EXPERIMENTOS DE TAGUCHI P. Reyes / febrero 2008
Hasta aquí se han considerado ejemplos para arreglos ortogonales L8, por su comodidad en
cuanto al tamaño. A continuación 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 gráficas lineales, en el apéndice
se muestran las seis más utilizadas con tres variantes cada una.
Para un arreglo L32 se muestran en el apéndice 13 diferentes gráficas dentro de las varias
posibles que existen.
En cualquier caso, se puede tratar de construir más gráficas de acuerdo con las necesidades
que se tengan, respetando siempre la matriz de interacciones.
En los gráficos lineales que se anexan en el apéndice, se observa que los vértices se
representan con diferentes símbolos, específicamente con o, y . La razón 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 renglón 1,
seguidas de las del renglón 2 y así 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 símbolo o, de la gráfica lineal. Estos factores tendrán 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 Nº 15 de un arreglo L16 cambia 10 veces de nivel.
Los factores que le siguen en inflexibilidad se deberán asignar sucesivamente a los símbolos ,
y en una gráfica lineal.
Ud. habrá observado ya la complicación que agregan a los análisis 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 múltiples 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 más
factores, en lugar de interacciones. Si estas últimas no son muy fuertes, se pueden
considerar como ruido.
Página 32 de 47
EJEMPLO DE DISEÑO DE EXPERIMENTOS DE TAGUCHI P. Reyes / febrero 2008
De todos los factores que afectan un proceso, se pueden extraer dos grupos:
Factores de ruido. Son aquellos que no podemos, queremos o deseamos controlar, y más
bien deseamos que nuestros procesos y productos sean insensibles a su impacto.
Factores de diseño. Son aquellos que si podemos controlar en nuestro proceso de
producción, y deseamos encontrar a qué nivel operarlos, a fin de optimizar el producto o
proceso, esto es, que los productos sean de alta calidad y bajo costo.
es deseable tener una cantidad o expresión que de alguna manera, involucre media y variación,
o que por lo menos, ayude a que nuestras conclusiones sean más confiables.
Esta cantidad ya existe y se llama índice señal ruido, denotado como SN o SR de aquí en
adelante.
Vm= y
1
2 2 2 2
y2 y3 ... yr Sm / r 1
El lector reconocerá a Vm como la varianza de los “r” datos. Sn estima el logaritmo de base 10
de la relación (media/desviación estándar)2.
En ocasiones se utiliza:
Página 33 de 47
EJEMPLO DE DISEÑO DE EXPERIMENTOS DE TAGUCHI P. Reyes / febrero 2008
El uso de logaritmos pretende hacer la respuesta más “lineal” y el signo negativo es para que
siempre se maximice el índice SN. Se multiplica por 10 para obtener decibeles.
Un diseño de experimentos para un análisis señal a ruido consiste de dos partes, un arreglo
ortogonal o matriz de diseño o interno y un arreglo ortogonal o matriz de ruido o externo. Las
columnas de una matriz de diseño representan parámetros de diseño. Las columnas de la matriz
de ruido representan factores de ruido.
Ejemplo:
Una característica de calidad importante para un cierto producto metálico es el terminado, que
se mide según su planicidad en milésimas de pulgada (mmplg). Esta característica 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 específico del cliente y la templabilidad es una característica
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 cuáles deben ser las condiciones de operación
o niveles de los factores de diseño A, B, C y D, que lleven el producto a la característica objetivo
y además con la mínima variabilidad, a pesar de las variaciones en los factores G y H.
Página 34 de 47
EJEMPLO DE DISEÑO DE EXPERIMENTOS DE TAGUCHI P. Reyes / febrero 2008
Considere únicamente los factores de diseño, se desea detectar 6 efectos en total, y para ello,
se requiere de un arreglo ortogonal L8. La gráfica lineal requerida es:
3
1 A .2 B
5 A xC
4 C
AxD 6
7 D
La columna correspondiente a la línea punteada se utilizará para cuantificar el error. Una posible
asignación es:
G H
Nº 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
Nº 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
Página 35 de 47
EJEMPLO DE DISEÑO 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 también 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 número de factores de ruido (valor de N) no sea mayor que 3.
Pero, ¿cómo 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 diseño de
acuerdo con los niveles indicados por el renglón Nº 1 del arreglo interno, esto es, todos los
factores de diseño 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 diseño, 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
tomarán al mismo nivel de los factores de diseño y estos niveles serán indicados por el renglón
Nº 2 del arreglo interno. Manteniendo estas condiciones, los factores de ruido se varían a sus
cuatro combinaciones indicadas por el arreglo externo.
De esta manera se van obteniendo todas las 32 lecturas. Se fijan los factores de diseño según
un renglón del arreglo interno y se mantienen fijos mientras se varían los factores de ruido de
acuerdo con el arreglo interno.
Como ejemplo, la lectura Y73 , se obtendrá bajo las condiciones siguientes: factor A, 1600 ºF,
220 psi, factor C. 8 seg, factor D, 80 gal/min; factor G, tipo grande; y factor H, 25 Rc.
Página 36 de 47
EJEMPLO DE DISEÑO DE EXPERIMENTOS DE TAGUCHI P. Reyes / febrero 2008
Suponga que por alguna razón para este ejemplo en particular, se tiene un valor deseado de
m= 2 mmplg.
Para obtener conclusiones a partir de un experimento señal a ruido se puede usar la tabla
ANOVA, o bien, a través de gráficas.
A B e C AxC AxD D
Nº 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 última tabla es un arreglo L8 con 4 lecturas para cada condición o
renglón.
Estamos interesados en analizar la variabilidad de las 4 lecturas tomadas bajo cada condición.
Para esto, nos ayudamos del índice SN, o sea, la variabilidad de las cuatro lecturas que se
tomaron bajo cada condición, la resumiremos en un índice señal a ruido. Al hacerlo, en lugar de
32 lecturas individuales tendremos 8 valores del índice SN, uno para cada renglón o condición
experimental.
Para la primera condición experimental o renglón Nº 1, se tienen las lecturas siguientes: 1.1,
1.2, 1.3, 1.1, con un total de 4.7
Página 37 de 47
EJEMPLO DE DISEÑO DE EXPERIMENTOS DE TAGUCHI P. Reyes / febrero 2008
Para el renglón o condición experimental Nº 2 se tienen las lectural: 1.2, 1.3, 1.2, 1.3, con un total
de 5.0
Nº 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
Nº 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
Página 38 de 47
EJEMPLO DE DISEÑO 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 estadísticamente afecta el índice señal 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 índice señal a ruido, el factor A se fija en su nivel 1,
esto es, la temperatura del horno se fija en 1500 ºF.
¿Qué hacer con el resto de los factores? antes de contestar esta pregunta, se deben identificar
de entre los factores que NO AFECTARON el índice SN, cuáles afectan la media. Esto se
muestra en lo que sigue.
Para el análisis, se utilizan las 32 lecturas iniciales. Para ello se obtiene el promedio de cada
renglón.
A B e C AxC AxD D
Nº 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 únicamente los promedios, tendremos un arreglo L8 con una lectura. El análisis
en base a los promedios es:
Página 39 de 47
EJEMPLO DE DISEÑO 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 así sucesivamente
El factor B, presión de prensado, es el único factor significante. Mediante este factor se puede
ajustar la media del proceso, y llevarla lo más cerca posible a su valor ideal de 2.
Se puede interpolar para conocer el valor al que se debe fijar la presión. 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
Página 40 de 47
EJEMPLO DE DISEÑO 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
índice señal a ruido como de las lecturas individuales.
Las conclusiones que se obtienen son las mismas, esto es, el factor A es el que más afecta el
índice señal a ruido, y lo hace mayor a su nivel A 1. El factor B es el que más afecta la respuesta
promedio sin afectar el índice 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 análisis, las conclusiones generales
son:
Página 41 de 47
EJEMPLO DE DISEÑO 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
Página 42 de 47
EJEMPLO DE DISEÑO 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
Página 43 de 47
EJEMPLO DE DISEÑO 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
Página 44 de 47
EJEMPLO DE DISEÑO 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
Página 45 de 47
EJEMPLO DE DISEÑO 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
Página 46 de 47
EJEMPLO DE DISEÑO DE EXPERIMENTOS DE TAGUCHI P. Reyes / febrero 2008
A B C D
1 1 1 1
Predicted values
A B
1 1
Página 47 de 47