Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Diseño de Experimentos Ortogonales
Diseño de Experimentos Ortogonales
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.
b = Representa los diferentes niveles a los que se tomará cada factor.
c = Es el número de efectos independientes que se pueden analizar, esto es el
número de columnas.
En esta sección, se analiza qué son, cómo se usan y cuáles son los arreglos
ortogonales más importantes para experimentos en los que cada factor toma dos
niveles.
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:
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.
TOTAL= 2.64
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.
DISEÑO EXPERIMENTAL
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).
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.
Suma de los cuadrados del factor x= SS X= (Total nivel 2 – Total nivel 1)2/ n
Donde “n” representa el número total de lecturas que se tomaron.
DISEÑO EXPERIMENTAL
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
SSE= (E2 –E1) 2/ 8= (1.25-1.39) 2/ 8= 0.00245 con 1 g.1
SSe= 0.00080 con 1 g.1
SSe= 0.00045 con 1 g.1
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.
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.
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.
DISEÑO EXPERIMENTAL
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.
Factor A B C D E e e
Y
P2 0.2625 0.3200 0.2825 0.3100 0.3125
0.33
Ni 2 - 2 2 2
Ef -0.0675 -0.0475 -0.0200 -0.0175
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
Factor A C D E B e e
0.0100
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
DISEÑO EXPERIMENTAL
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.
B1
B1
B2
B2
A1 A2 A1 A2
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 columna ya no podrá ser utilizada por algún otro factor o interacción
a menos que se pueda suponer la interacción AxB como inexistente.
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)
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.
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.
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.
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
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:
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.
DISEÑO EXPERIMENTAL
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:
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 *
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
En resumen
11.0
10.0
9.00
8.00
7.00
A1 A2
DISEÑO EXPERIMENTAL
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
Considere los siguientes ejemplos propuestos.
5 2 1 2 1 2 1 2 1500
6 2 1 2 2 1 2 1 1560
7 2 2 1 1 2 2 1 1000
8 2 2 1 2 1 1 2 1020
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.
• 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.
DISEÑO EXPERIMENTAL
• 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.
De todos los factores que afectan un proceso, se pueden extraer dos grupos:
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.
DISEÑO EXPERIMENTAL
En ocasiones se utiliza:
[
SN= -10 log ( y1 + y 2 + y 3 +,… y r , ) / r ]
Esta cantidad estima el logaritmo de base 10 de (media2 + varianza)
[
SN= -10 log ( 1 / y1 ) + ( 1 / y2 ) + (1 / y3 ) 2 + ... + ( 1 / yr ) / r
2 2 2
]
Esta cantidad funciona de una manera similar al caso anterior, pero con el inverso.
Maximizar una cantidad es equivalente a minimizar el inverso.
externo. Las columnas de una matriz de diseño representan parámetros de diseño. Las
columnas de la matriz de ruido representan factores de ruido.
Ejemplo:
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.
3
1 A .2 B
5 A xC
4 C
AxD 6
7 D
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:
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
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.
DISEÑO EXPERIMENTAL
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 Y11, 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.
Suponga que por alguna razón para este ejemplo en particular, se tiene un valor
deseado de m= 2 mmplg.
Para responder a la pregunta de a qué niveles fijar los factores de diseño, a fin de
minimizar la variabilidad en la característica de respuesta, ignoramos el arreglo externo
conservando las 32 lecturas, específicamente, el arreglo para análisis es:
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.
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
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
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
DISEÑO EXPERIMENTAL
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
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
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.