DEFINICIÓN DE SEÑAL RUIDO (TAGUCHI)

En los diseños de Taguchi, una medida de robustez utilizada para identificar los factores de control
que reducen la variabilidad de un producto o proceso al minimizar los efectos de los factores que no
se pueden controlar (factores de ruido).

Relación entre el nivel de señal que corresponde a la información que nos interesa del sistema bajo
análisis y el ruido consecuencia de todas aquellas fuentes ajenas al fenómeno analizado.

DEFINICIÓN DE DISEÑO (TAGUCHI), También conocido como arreglo ortogonal

Un diseño de Taguchi es un experimento diseñado que permite elegir un producto o proceso que
funciona con mayor consistencia en el entorno operativo. Los diseños de Taguchi reconocen que no
todos los factores que causan variabilidad pueden ser controlados. Estos factores que no se pueden
controlar se denominan factores de ruido. Los diseños de Taguchi intentan identificar factores
controlables (factores de control) que minimicen el efecto de los factores de ruido. Durante el
experimento, usted manipula los factores de ruido para hacer que haya variabilidad y luego
determina la configuración óptima de los factores de control para que el proceso o producto sea
robusto o resistente ante la variación causada por los factores de ruido. Un proceso diseñado con
esta meta producirá una salida más consistente. Un producto diseñado con esta meta tendrá un
rendimiento más consistente, independientemente del entorno en el que se utilice.

Un ejemplo bien conocido de los diseños de Taguchi es el de la empresa japonesa de losetas Ina Tile
Company en la década de 1950. La empresa estaba produciendo demasiadas losetas fuera de las
dimensiones especificadas. Un equipo de calidad descubrió que la temperatura del horno utilizado
para cocer las losetas variaba, causando falta de uniformidad en la dimensión de las losetas. Ellos
no podían eliminar la variación de temperatura, porque construir un nuevo horno era demasiado
costoso. Por lo tanto, la temperatura era un factor de ruido. Usando experimentos diseñados de
Taguchi, el equipo descubrió que al aumentar el contenido de cal de la arcilla, un factor de control,
las losetas se volvían más resistentes o robustas ante la variación de temperatura en el horno, lo cual
permitía producir losetas más uniformes.

Los diseños de Taguchi utilizan arreglos ortogonales, los cuales estiman los efectos de los factores
en la media de respuesta y en la variación. Un arreglo ortogonal significa que el diseño está
balanceado, de manera que los niveles de los factores se ponderan equitativamente. Debido a eso,
cada factor se puede evaluar sin considerar todos los demás factores, de manera que el efecto de un
factor no afecta la estimación de otro factor. Esto puede reducir el tiempo y el costo asociados al
experimento cuando se utilizan diseños fraccionados.

Usted también puede agregar un factor de señal al diseño de Taguchi para crear un experimento de
respuesta dinámica. Un experimento de respuesta dinámica se utiliza para mejorar la relación
funcional entre una señal y una respuesta de salida.
Ejemplo de un diseño de Taguchi

La siguiente tabla muestra el diseño de Taguchi L8 (27) (arreglo ortogonal). L8 significa 8 corridas.
27 significa 7 factores con 2 niveles cada uno. Si se utilizara el diseño factorial completo, éste
tendría 27 = 128 corridas. El arreglo L8 (27) solo requiere 8 corridas, una fracción del diseño
factorial completo. Este arreglo es ortogonal; los niveles de los factores se ponderan de igual
manera a lo largo de todo el diseño. Las columnas de la tabla representan los factores de control, las
filas de la tabla representan las corridas (combinación de niveles de factores) y cada celda de la
tabla representa el nivel del factor para esa corrida.

En este ejemplo, los niveles 1 y 2 ocurren 4 veces en cada factor dentro del arreglo. Si usted
compara los niveles del factor A, con los niveles del factor B, verá que B1 y B2 ocurren 2 veces
cada uno en combinación con A1 y 2 veces en combinación con A2. Cada par de factores está
balanceado en este enfoque, lo que permite que los factores sean evaluados de manera
independiente.

FACTORES EN LOS DISEÑOS DE TAGUCHI

Factores de control y factores de ruido. Un diseño de Taguchi tiene dos tipos de factores: factores de
control y factores de ruido.
Factores de control:
Los factores de control son parámetros de proceso o diseño que pueden ser controlados.
Entre los ejemplos de factores de control están la configuración de un equipo, el material utilizado
para hacer un producto o las características de diseño de un producto.
Factores de ruido:
Los factores de ruido son parámetros de proceso o diseño que son difíciles o costosos de controlar
durante la manufactura.
Entre los ejemplos de factores de ruido están la temperatura ambiente o la humedad.

Consideremos a un fabricante de mezclas para pasteles que desea optimizar el sabor del pastel bajo
diferentes condiciones. El fabricante desea determinar los factores de control que reduzcan el efecto
de los factores de ruido en el sabor del pastel.

Los factores de control, que están bajo el control del fabricante, son los ingredientes de la mezcla
para pastel. Entre los factores de ruido, que están fuera del control del fabricante, figuran la
temperatura del aire y la humedad mientras el consumidor prepara el pastel. Uso de factores de
ruido para identificar la configuración óptima de los factores de control En los diseños de Taguchi,
los factores de ruido son factores que causan variabilidad en el desempeño de un sistema o
producto, pero que no pueden ser controlados durante la producción o el uso del producto. Sin
embargo, los factores de ruido sí pueden controlarse o simularse durante la experimentación. Debe
seleccionar niveles de los factores de ruido que representen la gama de condiciones en las cuales la
respuesta debería permanecer robusta.
Entre los tipos comunes de factores de ruido están los siguientes:

Externos
Factores ambientales, uso por parte de los clientes, etc.
Variaciones en la manufactura
Variaciones entre las partes.
Deterioro del producto
Degradación que se produce por causa del uso y la exposición ambiental.

Durante la experimentación, usted manipula los factores de ruido para hacer que haya variabilidad;
luego, a partir de los resultados, identifica la configuración óptima de los factores de control que
hace que el proceso o producto sea resistente o robusto ante la variación causada por los factores de
ruido. Los factores de control son aquellos parámetros de diseño y proceso que pueden ser
controlados.

Por ejemplo, un fabricante de impresoras desea optimizar el rendimiento de sus impresoras. Uno de
los factores de ruido es que existen diferentes tipos de papel. Durante la experimentación, el
fabricante prueba diferentes tipos de papel para determinar los factores de control que reduzcan el
efecto que tiene el tipo de papel en el rendimiento de la impresora.

La composición de los factores de ruido es una estrategia en la cual usted agrupa los niveles de los
factores de ruido en combinaciones que usted prevé que producirán valores de respuesta extremos.
Puesto que estimar los efectos de los factores de ruido individuales no es la meta principal, la
composición es una manera útil de reducir el número de pruebas. Por ejemplo, si usted tiene tres
factores de ruido, cada uno con dos niveles, podría tener ocho combinaciones diferentes de valores
de configuración que probar. En lugar de ello, usted podría agrupar los factores de ruido en dos
configuraciones generales: una configuración en la cual los niveles de los factores de ruido
aumenten los valores de respuesta y otra configuración en la cual los niveles de los factores de ruido
reduzcan los valores de respuesta.

¿QUE ES UN FACTOR SEÑAL?

Un factor de señal es un factor, con una gama de valores de configuración, que es controlado por el
usuario durante el uso. Un factor de señal está presente en un diseño dinámico de Taguchi, pero no
está presente en un diseño estático de Taguchi. En un diseño con respuesta dinámica, la
característica de calidad opera a lo largo de un rango de valores y la meta consiste en mejorar la
relación entre un factor de señal y una respuesta de salida. En un diseño con respuesta estática, la
característica de calidad de interés tiene un nivel fijo.

Por ejemplo, la cantidad de desaceleración es una medida del rendimiento de los frenos. El factor de
señal es el grado de presión sobre el pedal del freno. A medida que el conductor presiona el pedal
del freno, se incrementa la desaceleración. El grado de presión del pedal tiene un efecto
significativo en la desaceleración. Debido a que no existe un valor de configuración óptimo para la
presión del pedal, no es lógico evaluarla como un factor de control. En cambio, los ingenieros
desean diseñar un sistema de frenos que produzca la cantidad de desaceleración más eficiente y
menos variable a través del rango de presión sobre el pedal del freno.
PASOS PARA REALIZAR UN EXPERIMENTO DISEÑADO POR TAGUCHI

El conocimiento de la ingeniería deberá servir como orientación en la selección de los factores de

control y respuestas. También debe ajustar la magnitud de los factores de control y respuestas de
manera que las interacciones sean improbables. Cuando las interacciones entre los factores de
control son probables o no se tiene una comprensión cabal de las mismas, usted debe elegir un
diseño que sea capaz de estimar tales interacciones. Minitab puede ayudar a diseñar un experimento
de Taguchi que no confunda interacciones de interés entre sí o con efectos principales.

Los factores de ruido para el arreglo externo también deben seleccionarse cuidadosamente, y
pudieran requerir que se realice una experimentación preliminar. Los niveles de ruido seleccionados
deben representar el rango de condiciones en las cuales la variable de respuesta debe permanecer
robusta.

Realizar un experimento de Taguchi puede tener los siguientes pasos:

1.- Elija Estadísticas > DOE > Taguchi > Crear diseño de Taguchi para generar un diseño Taguchi
(arreglo ortogonal). Cada columna en el arreglo ortogonal representa un factor específico con dos o
más niveles. Cada fila representa una corrida; los valores de la celda identifican los valores de
configuración del factor para la corrida. Por opción predeterminada, los diseños de arreglos
ortogonales de Minitab utilizan los enteros 1, 2, 3 para representar los niveles de factores. Si usted
ingresa niveles de factores, los enteros 1, 2, 3 serán los niveles codificados para ese diseño.
También puede utilizar Estadísticas > DOE > Taguchi > Definir diseño de Taguchi personalizado
para crear un diseño a partir de los datos que ya tiene en la hoja de trabajo. Definir diseño de
Taguchi personalizado le permite especificar cuáles columnas son sus factores y factores de señal.
Puede analizar fácilmente el diseño y generar gráficas.

2.- Después de crear el diseño, puede mostrar o modificar el diseño:

Elija Estadísticas > DOE > Mostrar diseño para cambiar las unidades (codificadas o no) en las
cuales Minitab expresa los factores en la hoja de trabajo.

Elija Estadísticas > DOE > Modificar diseño para cambiar el nombre de los factores, cambiar los
niveles de factores, agregar un factor de señal a un diseño estático, ignorar un factor de señal
existente (tratar el diseño como estático) y agregar nuevos niveles a un factor de señal existente.
3.- Realice el experimento y reúna los datos de respuesta. El experimento se efectúa ejecutando el
conjunto completo de valores de configuración de factores de ruido en cada combinación de valores
de configuración de factores de control (en cada corrida). Los datos de respuesta de cada corrida de
los factores de ruido en el arreglo externo por lo general se alinean en una fila, al lado de los valores
de configuración de los factores para esa corrida de los factores de control en el arreglo interno.

4.- Elija Estadísticas > DOE > Taguchi > Analizar diseño de Taguchi para analizar los datos
experimentales.

Nota: Usted debe analizar cada variable de respuesta por separado con diseños de Taguchi. Aunque
el análisis de Taguchi acepta múltiples columnas de respuesta, estas respuestas deben ser la misma
variable medida en diferentes condiciones de factores de ruido.

5.- Elija Estadísticas > DOE > Taguchi > Predecir resultados de Taguchi para predecir relaciones de
señal a ruido y características de las respuestas para nuevos valores de configuración seleccionados.

TABLA ANOVA

Los modelos factoriales de análisis de varianza (factorial = más de un factor) sirven para evaluar el
efecto individual y conjunto de dos o más factores (variables independientes categóricas) sobre una
variable dependiente cuantitativa.

Un ANOVA factorial permite estudiar, por ejemplo, si el salario (variable dependiente)de los
varones y de las mujeres es diferente (efecto del primer factor) y, al mismo tiempo, si varios grupos
de edad tienen distinto salario (efecto del segundo factor). Pero, además, también permite estudiar si
las diferencias entre varones y mujeres se repiten o no en cada grupo de edad, es decir, permite
determinar si la interacción entre los factores sexo y grupos de edad afecta a la variable dependiente
salario. Utilizar más de un factor en un mismo diseño poseela ventaja de poder estudiar el efecto de
la interacción entre los factores. En un modelo de dos factores, los efectos de interés son tres: los
dos efectos principales(uno por cada factor) y el efecto de la interacción entre ambos factores. En
un modelo de tres factores, los efectos de interés son siete: los tres efectos principales, los tres
efectos de las interacciones dobles (uno por cada interacción entre cada dos factores) y el efecto de
la interacción triple (entre los tres factores). Etc. El procedimiento Univariante incluye todos estos
modelos factoriales de ANOVA. Pero,además, ofrece la posibilidad de trabajar tanto con factores de
efectos fijos como con factores de efectos aleatorios. También permite llevar a cabo análisis de
covarianza y análisis de regresión, y utilizar modelos aleatorizados en bloques y modelos
jerárquicos o con factores anida-dos.

El diseño 2k es particularmente útil en las primeras fases del trabajo experimental, cuando es
probable que haya muchos factores por investigar. Conlleva el menor número de corridas con las
cuales pueden estudiarse k factores en un diseño factorial completo. Debido a que sólo hay dos
niveles para cada factor, debe suponerse que la respuesta es aproximadamente lineal en el intervalo
de los niveles elegidos de los factores.
El primer diseño de la serie 2k es aquel que tiene sólo dos factores, A y B, cada uno con dos niveles.
Arbitrariamente, los niveles del factor pueden llamarse "inferior" y "superior".

Métodos y fórmulas para el diseño de dos factores con datos normales en Análisis de medias
Método:

Para los modelos de dos factores, el análisis de medias es un procedimiento para determinar si los
efectos de interacción son significativos o si los efectos principales son diferentes de la media
principal. Para los análisis de medias de dos factores, los datos deben estar balanceados.
 Media
 Fórmula
Fórmula
El promedio de todas las observaciones en la muestra. Minitab utiliza la mediana principal como la
línea central en la gráfica de los efectos principales.

Límites de decisión inferiores y superiores de los efectos principales

Los límites de decisión indican si las medias del nivel de factor son diferentes de la media principal.
Los puntos que se ubican fuera del límite de decisión superior (UDL) o del límite de decisión
inferior (LDL) son estadísticamente diferentes de la media principal.

El cálculo de los límites de decisión superiores e inferiores varían con base en el número de niveles
en el factor y el número de observaciones en cada nivel. Las fórmulas a continuación muestran los
límites de decisión superiores e inferiores del factor A. Para calcular los límites de decisión del
factor N, reemplace términos específicos del factor A con términos equivalentes del factor B.

Factor de dos niveles

Los límites de decisión superiores e inferiores del factor A son:

UDLA = y...+ (.5) * hα* raízcuad[(MSE) * (2 / n1)]

LDLA = y...- (.5) * hα* raízcuad[(MSE) * (2 / n1)]

donde ha = valor absoluto(t(a / 2; abn - ab), MSE = cuadrado medio del error (de un análisis
ANOVA con términos A, B y AB) y n1 = número de observaciones en cada nivel del factor A.

Factor con más de dos niveles

UDLA = y...+ hα* raízcuad[MSE * (a - 1) / (a * n1)]

LDLA = y...- hα* raízcuad[MSE * (a - 1) / (a * n1)]

donde MSE = cuadrado medio del error (de un análisis ANOVA con términos A, B y AB), a =
número de niveles de factor en el factor A, y n1= número de observaciones en cada nivel del factor.

Para valores de alfa que estén fuera del rango de 0.001 y 0.1, los límites de decisión son:

UDLA = y...+ hα* raízcuad[MSE * (a - 1) / (a * n1)]

LDLA = y...- hα* raízcuad[MSE * (a - 1) / (a * n1)]

donde MSE = cuadrado medio del error (de un análisis ANOVA con términos A, B y AB), nT =
número total de observaciones en la muestra, n1= número de observaciones en cada nivel del factor,
y hα = valor absoluto (t(α2, gl); donde a2 = (1- (1- a )** (1 / a)) / 2 y gl = abn - ab.
Para obtener el hα de los valores de α entre 0.001 y 0.1 véase Nelson1.

L.S. Nelson (1983). "Exact Critical Values for Use with the Analysis of Means", Journal of Quality
Technology, 15, 40-44.

Límites de decisión inferiores y superiores de los efectos de interacción

Los límites de decisión indican si la interacción es significativa. Los puntos que se ubican fuera del
límite de decisión superior (UDL) o del límite de decisión inferior (LDL) indican que la interacción
es estadísticamente significativa.
A continuación se muestra una lista de las fórmulas generales para los límites de decisión superiores
e inferiores para la interacción de los factores A y B. Los términos se definen de forma diferente con
base en el número de niveles y de observaciones en cada factor.

UDLA B = hα* raízcuad[MSE * (q / (a * b * n)]

LDLA B = hα* raízcuad[MSE * (q / (a * b * n)]

donde ha = valor absoluto (t(α2, dfe)), a = número de niveles en el factor A, b = número de niveles
en el factor B, n = número de observaciones de cada interacción entre factores, q = grados de
libertad para los efectos de interacción, (a - 1)(b - 1) y dfe = grados de libertad para el error, abn -
ab.

Factores A y B ambos tienen dos niveles

α2 = a / 2

El Factor A tiene dos niveles y el Factor B tiene más de dos niveles

α2 = (1- (1- a )** (1 / b)) / 2

donde a = número de niveles en el factor A y b = número de niveles en el factor B.

El Factor A tiene más de dos niveles y el Factor B tiene dos niveles

α2 = (1- (1- a )** (1 / a)) / 2

donde a = número de niveles en el factor A y b = número de niveles en el factor B.

Los Factores A y B tienen más de dos niveles

α2 = (1- (1- a )** (1 /a * b)) / 2

donde a = número de niveles en el factor A y b = número de niveles en el factor B.