.

1 Introducción a la Ingeniería de Calidad

La Ingeniería de la Calidad está diseñada para generar

procesos de calidad.  Basado en los fines de la
Ingeniería de la calidad, TAGUCHI desarrolló una
aproximación al diseño de experimentos con el
objetivo de reducir los costos emanados de la
experimentación, esta aproximación es más práctica
que teórica y se interesa más por la productividad y los
costos de producción que por las reglas estadísticas.
Los conceptos de estas técnicas están basados en las
relaciones de costos y ahorros.
Existen algunos factores de ruido que afectan los
procesos, y son aquellos que causan que una
característica funcional se desvíe de un valor objetivo,
estos son causantes de variabilidad y pérdida de
calidad.
De acuerdo con TAGUCHI esta pérdida de calidad
constituye a largo plazo, una pérdida de tiempo y
dinero tanto para el consumidor como para el
fabricante.
Dentro de las actividades del control de la calidad, la
Ingeniería de la calidad consta de las actividades
dirigidas a la reducción de la variabilidad y de las
pérdidas.
1.2 Experimento factorial general

Los resultados del ANOVA para dos factores pueden

ser extendidos a un caso general en donde a son los
niveles del factor A, b son los niveles del factor B, c
son los factores del nivel C, y así sucesivamente, los
cuales pueden ser arreglados en un experimento
factorial, en el cual el número de réplicas es n.
Está diseñada para generar procesos de calidad.
TAGUCHI desarrolló una aproximación al diseño de
experimentos con el objetivo de reducir los costos
emanados de la experimentación, esta aproximación es
más práctica que teórica y se interesa mas por la
productividad y los costos de producción que en las
reglas estadísticas.  Los conceptos de estas técnicas
están basados en las relaciones de costos y ahorros.
Diseñar un sistema de manufactura para elaborar un
producto requiere de conocimientos técnicos además
de una gran experiencia en el área a la cual pertenece
el producto.
Los diseños factoriales son  ampliamente utilizados en
experimentos en los que intervienen varios factores
para estudiar el efecto conjunto de estos sobre una
respuesta.  Existen varios casos especiales del diseño
factorial general que resultan importantes porque se
usan ampliamente en el trabajo de investigación, y
porque constituyen la base para otros diseños de gran
valor práctico.
En los últimos años se ha observado un creciente
interés por algunas de las ideas del profesor Genechi
Taguchi acerca del diseño experimental y su aplicación
al mejoramiento de la calidad
El diseño factorial fraccionario 2 k-p se usa en
experimentos de escrutinio para identificar con rapidez
y de manera eficiente el subconjunto de factores que
son activos, y para obtener alguna información sobre la
interacción.  La propiedad de proyección de estos
diseños hace posible en muchos casos examinar los
factores activos con más detalle.  La combinación
secuencia de estos diseños a través del plegamiento es
una forma muy eficaz de obtener información extra
acerca de las interacciones, la cual puede identificarse
en un experimento inicial como potencialmente
importante.
1.2.1 Diseño Factorial General 2k

Los diseños factoriales son a ampliamente utilizados

en experimentos en los que intervienen varios factores
para estudiar el efecto conjunto de estos sobre una
respuesta.  Existen varios casos especiales del diseño
factorial general que resultan importantes porque . se
usan ampliamente en el trabajo de investigación, y
porque constituyen la base para otros diseños de gran
valor práctico.
El más importante de estos casos especiales ocurre
cuando se tienen k factores, cada uno con dos niveles. 
Estos niveles pueden ser cuantitativos como sería el
caso de dos valores de temperatura presión o tiempo. 
También pueden ser cualitativos como sería el caso de
dos máquinas, dos operadores, los niveles "superior" e
"inferior" de un factor, o quizás, la ausencia o
presencia de un factor.
Una réplica completa de tal diseño requiere que se
recopilen 2 x 2 x .... x 2 = 2k observaciones y se conoce 
como diseño general 2 k.
El segundo caso especial es el de k factores con tres
niveles cada uno, conocido como diseño factorial 3 k.
Se supone que:
a) los factores son fijos
b) los diseños son completamente aleatorios
c) se satisface la suposición usual de normalidad
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.
DISEÑO 22

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".
DISEÑO 23

Suponga que se encuentran en estudio tres factores A,

B y C, cada uno con dos niveles. Este diseño se
conoce como diseño factorial, 23 y las ocho
combinaciones de tratamientos pueden representarse
gráficamente mediante un cubo.
Existen en realidad tres notaciones distintas que se
usan ampliamente para las corridas o ejecuciones en el
diseño 2k:
a. La primera es la notación "+,-", llamada "geométrica".
b. La segunda consiste en el uso de letras minúsculas para identificar las combinaciones de
tratamientos.
 c. En la tercera se utilizan los dígitos 1 y 0 para denotar los niveles alto y bajo del factor,
respectivamente.

1.3 Diseño Factorial General 3k

Este diseño es una variación del diseño 2k y son muy

útiles como las que se emplean cuando todos los
factores actúan a tres niveles.
En los últimos años se ha observado un creciente
interés por algunas de las ideas del profesor Genechi
Taguchi acerca del diseño experimental y su aplicación
al mejoramiento de la calidad.
Este es un diseño que consta de k factores con tres
niveles cada uno.  Los factores y las interacciones se
representan mediante letras mayúsculas.  Los tres
niveles de los factores pueden referirse como nivel
inferior, intermedio y superior.  Estos niveles se
representan mediante los dígitos 0 (nivel inferior), 1
(intermedio) y 2 (superior).
Cada combinación de tratamientos de un diseño 3 k se
presenta mediante k dígitos, donde el primero incida el
nivel de A, el segundo señale al nivel de B, ..... y el k-
ésimo dígito, el nivel del factor k.
Por ejemplo, es un diseño 32 el 00 representa la
combinación de tratamientos, en la que tanto el factor
A como el B están en el nivel inferior, y el 01 representa
la combinación de tratamientos que corresponde al
factor A en el nivel inferior y a B en el nivel intermedio.
En éste, el sistema de notación que se prefiere usar es
el de + - en virtud de que facilita la interpretación
geométrica del diseño y de que es directamente
aplicable al modelado por regresión, la formación de
bloques y la construcción de factoriales fraccionarios.
La adición de un tercer nivel permite modelar con una
relación cuadrática la relación entre la respuesta y cada
factor.
DISEÑO 32

El diseño más simple es el 32 que consta de dos

factores con tres niveles cada uno.
Como hay 32 = 9 combinaciones de tratamientos,
existen 8 grados de libertad entre ellas, Los efectos
principales A y B tienen dos grados de libertad cada
uno, y la interacción AB tiene cuatro grados de
libertad.  Si hay n réplicas habrá un total de n32 - 1
grado de libertad, correspondiendo para el error 3 2 (n-1)
grados de libertad.
DISEÑO 33

Si se supone que se están estudiando tres factores (A,

B, C) y que cada factor tiene tres niveles acomodados
en un experimento factorial.  Este es un diseño 33.  Las
27 combinaciones tienen 26 grados de libertad.
    FACTOR A
    Bajo Medio Alto
   0  1  2
Bajo    0 0 10 20
FACTOR B Medio    1 1 11 21
Alto    2 2 12 22

1.4 Diseño del proceso

Diseñar un sistema de manufactura para elaborar un

producto requiere de conocimientos técnicos además
de una gran experiencia en el área a la cual pertenece
el producto.
El Sr.  TAGUCHI define la calidad de la siguiente
manera.
"LA CALIDAD DE UN PRODUCTO ES LA PERDIDA MÍNIMA IMPARTIDA POR EL
PRODUCTO A LA SOCIEDAD, DESDE EL MOMENTO EN QUE ES EMBARCADO."

El fabricante es quien más resiente las pérdidas debido

a la reacción negativa del consumidor de un producto
de mala calidad.
EXPERIMENTOS FACTORIALES

Muchos experimentos requieren el estudio de los

efectos de 2 ó más factores. En general, los
experimentos factoriales son los más eficientes para
este tipo de análisis.  En un experimento factorial se
miden en cada etapa completa o replica del
experimento, todas las posibles  combinaciones de los
niveles de los factores.
Cuando los factores son arreglados en un experimento
factorial, se dice frecuentemente que son cruzados.  El
efecto de un factor se define como el cambio en la
respuesta producido por un cambio en el nivel del
factor.  Esto frecuentemente se llama un efecto
principal por que se refiere a los factores primarios de
interés en el experimento.
Por ejemplo, considere los datos que se representan en
la siguiente tabla:

Factor A

El efecto principal del factor de A podría ser calculado

como la diferencia entre la respuesta promedio del
primer nivel de A y el promedio de la respuesta en el
segundo nivel de A; esto es:
A = 40 + 52/2 - 20 + 30/2 = 21

Este valor se interpreta como el incremento del factor A

del nivel 1 al nivel 2 causa en promedio una repuesta
incrementar de 21 unidades. De la  misma manera, el
efecto principal de B. Se calcula a continuación:

B = 30 + 52/2 - 20 + 40/2 = 11

En algunos experimentos, se encuentra que la

diferencia en la respuesta, entre los niveles de un
factor no es la misma en todos los niveles de los otros
factores; cuando esto ocurre es porque existe una
interacción entre los factores.
Por ejemplo usando los datos de la tabla siguiente,
calcule el efecto de A en el 1er nivel del factor B el cual
se realiza de la siguiente manera:
A = 50-20 =30
Y el efecto de A en el segundo nivel del factor B es:
A= 12-40 = -28
Dado que el efecto de A depende del nivel
seleccionado del factor B, se ve que hay una
interacción entre A y B

 
Experimento Factorial con Interacción
 
FAC
TOR FACTOR B
A
 
   B1 B2
A1 20 40
A2 50 12

Gráficamente se puede representar, tanto la interacción

como su ausencia; utilizando los datos de las tablas
anteriores, se construirán dos gráficas para analizar los
conceptos analizados.

Experimento Factorial sin interacción

Experimento Factorial con interacción

Las pruebas de hipótesis se contribuyen y se aprueban de la siguiente manera:

Para efecto del factor A:

   Ho: (i = 0
   Hi:  (i = 0  al menos para una i

   Fo =   MSA
              MSAB F(, (a-1), (a-1) (b-1)

Para el efecto del factor B:

  Ho: (2( = 0
  Hi   (2( ( 0  al menos para una (
  Fo   =  MSB
              MSE  F(, (b- l), ab (n-1)

Para el efecto de la interacción:

  Ho: (2(( = 0
  Hi: (2(( = 0
  Fo = MSAB
            MSE    F( , (a-1) (b-1), ab (n-1)

1.5 Diseño de experimentos factorial fraccionado

El número de factores en un diseño factorial 2 k ó

3k incremento el número de corridas requeridas para
realizar todas las combinaciones posibles de los
niveles de los factores, lo cual consume rápidamente
los recursos disponibles por los investigadores para
realizar los experimentos.
Una replica completa de un diseño 2  requiere de 64
6

corridas para analizar todas las combinaciones

posibles de los tratamientos; en este diseño sólo 6 de
los 63 grados de libertad corresponden a los efectos
principales, sólo 15 grados de libertad corresponden a
las interacciones de dos factores.  Los restantes 42
grados de libertad están asociados con las
interacciónes de 3 factores ó más.  En la serie 3k la
situación es peor, por ejemplo, el factorial 36 requiere
243 corridas, y sólo 12 de los 242 grados de libertad
corresponden a los efectos principales.
Estos diseños factoriales fraccionados son
ampliamente usados en la investigación industrial.  Un
uso importante del factorial fraccionado es en los
experimentos de investigación, los cuales son
generalmente realizados en las etapas iniciales de un
proyecto, y la mayoría de los factores inicialmente
considerados frecuentemente tienen poco o ningún
efecto en la respuesta de la variable analizada.  Los
factores que son identificados como importantes son
entonces investigados más profundamente en
experimentos subsiguientes.
1.5.1 Diseño Factorial Fraccionado 2k-p

Un diseño factorial fraccionario 2k que contiene 2k-

p
 ensayos se conoce como fracción 1/2p del diseño
factorial 2k, o simplemente diseño factorial fraccionario
2k-p.  Estos diseños requieren que se elijan p
generadores independientes.
La relación que define estos diseños consta de las p
generadoras originalmente elegidas y de sus 2P - P - 1
interacciones generalizadas.  La estructura de los alias
puede determinarse multiplicando cada efecto, módulo
2, por la relación que define al diseño.  Se debe tener
cuidado al elegir las generadoras para que los efectos
de interés potencial no sean alias entre sí.  Cada efecto
tiene 2P-1 alias.
Por lo regular, se suponen despreciables las
interacciones de orden superior (las de tercero, cuarto
o mayor orden) cuando los valores de k son
moderadamente grandes.  Esto simplifica mucho la
estructura de los alias.
1.6 Diseño Factorial Fraccionado 3k-p

A menudo se desea un fraccionamiento mayor del

diseño 3k para valores de moderados a grandes de k.
En general, puede construirse una fracción (1/3) P de
un diseño 3k para p < k, donde la fracción 3 k-2 es la
fraccion (1/9), el 3k-3 consiste en seleccionar p
componentes de interacción, y usar estos efectos para
descomponer las 3 k combinaciones de tratamientos
de 3p bloques.  Cada bloque constituye ahora un diseño
factorial fraccionario 3k-p.
La relación 1 define cualquier fracción, consta de los p
efectos elegidos inicialmente y de sus (3p-2p-1) / 2
interacciones generalizadas.  Los alias de cualquier
efecto principal o componente de interacción se
determinan multiplicando el efecto por 1 e 12 módulo 3.
Ejemplo:

LA SALIDA MÁXIMA DE VOLTAJE DE UN TIPO

PARTICULAR DE BATERIA, SE PIENSA QUE PUEDE
SER INFLUENCIADO POR EL MATERIAL USADO EN
LOS PLATOS Y POR LA TEMPERATURA EN LA
LOCALIZACION EN LA CUAL LA BATERÍA ES
COLOCADA. SE HACEN CUATRO REPLICAS EN EL
EXPERIMENTO EN UN EXPERIMENTO FACTORIAL,
PARA TRES TIPOS DE TEMPERATURA Y TRES
MATERIALES. LOS RESULTADOS SON:
FACTOR (B)
 
TEMPERATURA
1 130 155 30 40 20 70 998
  74 180 80 75 82  58   
2 150 188 136 122 25 70 1300
FACTOR (A)   159 126 106 115 58 45  
MATERIAL
3 138 110 174 120 96 104 1501
  168 160 150 139 82 60  
  1738   1291   770   3799

PRIMERO SE HACE LA SUMA DE LOS CUADRADOS

DE TODAS LAS MUESTRAS, MENOS LA SUMA DEL
TOTAL DE RENGLONES Y COLUMNAS, ENTRE LA
MULTIPLICACION DE RENGLONES DE COLUMNAS * #
DE MUESTRAS
n = 4     A = 3     B = 3

DESPUES SE HACE LA SUMA DE LOS TOTALES AL

CUADRADO DEL FACTOR, A:

AHORA SE HACE LA SUMA DE LOS TOTALES AL

CUADRADO DEL FACTOR, B:

AHORA SUMAMOS LAS CUATRO MUESTRAS DE

CADA COMBINACION Y LAS EVALUAMOS IGUAL. ESO
ES LA SUMA DE CUADRADOS DE LA INTERSECCION
AB EJEMPLO: 130+155+74+180 =539

POR ULTIMO LA SUMATORIA DE LOS CUADRADOS

DE LOS ERRORES

SE DEBEN SACAR LOS CUADRADOS MEDIOS DE LOS

DOS FACTORES ASÍ COMO DE LA INTERACCION Y
ERRORES DE LA SIGUIENTE MANERA:
QUEDANDO LA TABLA ANOVA DE LA SIGUIENTE
MANERA:
FUENTES DE VARIACION SUMA DE CUADRADOS GRADOS DE LIBERTAD CUAD.MEDIOS FO

TIPO DE MAT. 10683.72 2 5341.86 7.91 > 3.35

TEMPERATURA 39118.72 2 19559.36 28.97 > 3.35

ITERACCION 9613.77 4 2403.44 3.56 > 2.73

ERROR 18230.75 27 675.21  

TOTAL 77646.96 35    

LA GRÁFICA DEL TIPO DE MATERIAL -

TEMPERATURA   ES LA SIGUIENTE:
EL MATERIAL TIPO 2 SE COMPORTA MÁS ESTABLE. 
DA MEJOR VOLTAJE A LAS DIFERENTES
TEMPERATURAS.
TABLA ANOVA PARA 2 FACTORES
MODELO DE EFECTOS FIJOS
FUENTE DE SUMA DE GRADOS DE CUADRADOS
FO
VARIACION CUADRADOS LIBERTAD MEDIOS

A SSA a-1 MSA MSA/MSE

B SSB b-1 MSB MSB/MSE

INTERACCION SSAB (a-1) 8b-1) MSAB MSAB/MSE

ERROR SSE ab (n-1) MSE  

TOTAL SST abn-1    

CONCLUSIONES:

a. LOS DATOS REFLEJAN EVIDENCIAS SUFICIENTES QUE EL TIPO DE MATERIAL

SE AFECTA AL VOLTAJE DE SALIDA, CONSIDERADO AL NIVEL DE
SIGNIFICANCIA DEL 5%
b. LOS DATOS PRESENTAN EVIDENCIAS SUFICIENTES QUE LAS TEMPERATURAS
USADA -5 EN EL EXPERIMENTOS Si AFECTAN AL VOLTAJE DE SALIDA,
CONSIDERANDO UN NIVEL DE SIGNIFICANCIA DEL 5%
c. LOS DATOS DEMUESTRAN EVIDENCIAS SUFICIENTES OVE EL TIPO DE
MATERIAL USADO Y LAS TEMPERATURAS CONSIDERADAS EN EL
EXPERIMENTO TIENEN EFECTO CONJUNTO SOBRE EL VOLTAJE DE SALIDA
CONSIDERADO k UN NIVEL DE SIGNIFICANCIA DEL 5%