Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Método Taguchi
El método Taguchi es una herramienta diseñada para controlar y mejorar la calidad de los
productos. Utiliza la estadística para establecer unos límites de control que garantizan un mínimo
de calidad en los productos y desechar aquellos que no cumplan con ella.
En relación con lo mencionado anteriormente, Taguchi plantea una función de pérdida de calidad
completamente diferente a la tradicional. En el siguiente gráfico se puede observar cómo el método
tradicional establece un intervalo de tolerancia que permite diferenciar entre calidad y pérdida de
calidad.
Minitab calcula tablas de respuesta, resultados de modelo lineal y genera gráficas de efectos
principales y de interacciones para: relaciones de señal a ruido (relaciones S/N, las cuales proveen
una medida del carácter robusto) vs. los factores de control medias (diseño estático) o pendientes
(diseño dinámico de Taguchi) vs. los factores de control desviaciones estándar vs. los factores de
control logaritmo natural de las desviaciones estándar vs. los factores de control los resultados y
las gráficas para determinar cuáles factores e interacciones son importantes y evaluar cómo
afectan las respuestas. Para entender plenamente los efectos de los factores, debería evaluar con
frecuencia las relaciones de señal a ruido (S/N), las medias (diseño estático), las pendientes
(diseño dinámico de Taguchi) y las desviaciones estándar. Asegúrese de elegir una relación de
señal a ruido que sea apropiada para el tipo de datos que tiene y para la meta de optimización de
la respuesta.
El método Taguchi debe su nombre al estadístico e ingeniero Gen’ichi Taguchi. Taguchi nació en
Japón en el año 1924 y falleció en 2012, tras realizar importantes aportes en asuntos tan
destacables como el control de la calidad de los productos en empresas. Su trayectoria profesional,
colaborando con diferentes universidades y empresas, le hizo detectar la necesidad de simplificar
los procesos experimentales de nuevos productos.
Sumado a esto, los modelos de calidad tradicionales diferenciaban entre producto con calidad o
producto sin calidad. Ello, en función de los límites marcados. En este sentido, Taguchi cambió el
enfoque de calidad y propuso este método.
Por último, definía la calidad como la pérdida que generaba el producto en relación con la sociedad.
Cuanto menor fuese dicha pérdida, mayor calidad tendría el producto. Este modelo simplifica la
experimentación con numerosos factores, pues se basa en la estadística, evitando realizar
innumerables experimentos.
Método Tradicional
Así, cuando el producto se situaba dentro de la franja de tolerancia (recuadro azul), se consideraba
que no sufría ningún tipo de pérdida de calidad.
Sin embargo, Taguchi plantea una pérdida de calidad gradual. De igual forma que el método
tradicional, se establecen unos límites de especificación que no podían ser superados.
Método Taguchi
Asimismo, como podemos observar en el gráfico, la calidad óptima se sitúa en punto en el que la
pérdida esperada E[L] = 0. Conforme se aleja la función en dirección a los límites superiores e
inferiores, se produce una pérdida de calidad. Esta es la función de pérdida de calidad esperada
propuesta por Taguchi. Hay que destacar que esta función puede ser simétrica o asimétrica.
Taguchi simplificó este proceso con el objetivo de aplicarlo a la industria. De este modo, modificó
las matrices ortogonales de creadas por Jacques Hadamard. El resultado obtenido fueron los
arreglos o matrices ortogonales en las cuales se determina qué y cuántos experimentos se deben
llevar a cabo para conocer el producto de mayor calidad. En la matriz ortogonal, cada columna
hace referencia a los diferentes factores que intervienen en el experimento. Por el contrario, cada
fila tiene relación con cada uno de los experimentos propuestos.
Índice de señal-ruido
El índice de señal-ruido identifica qué factores controlables reducen la variabilidad en la producción
de un producto, causada esta por los factores incontrolables. De este modo, los factores de ruido
son aquellos que no se pueden controlar. En este sentido, cuanto mayor sea la relación de señal
a ruido, mejor identificados están los factores de control que minimizan la variabilidad causada por
los factores de ruido.
5. Diagrama de flujo:
INICIO
O
Área de la practica explanada
Como vemos nos arrojara una tabla donde nos indicara el diseño de Taguchi que serán
nuestros TIPO DE DISEÑO
A continuación, nos iremos a DISEÑO ahí nos dará los niveles y diseño
Ahí mismo en el cuadro nos iremos a FACTORES que serán los que tenemos de un inicio
Por último, nos iremos a opción nos arrojara un cuadro donde solo le daremos OK
Como podemos ver nos arrojara las graficas y los resultados de cada una de ellas
FIN
En la hoja el analisis del modelo de linea que seran los resultados obtenidos.
R ajustada es de 0% por lo que no se puede aceptar
Ho: P > 0.05, no hay diferencia en las medias … por lo tanto, no es significativo.
Ha: P < 0.05, diferencia en las medias … por lo tanto, si es significativo.
P
Diferencia en las medias, por lo tanto, es significativo.
Diferencia en las medias, por lo tanto, es significativo.
No hay diferencia en las medias, por lo tanto, no es significativo.
No hay diferencia en las medias, por lo tanto, no es significativo.
No hay diferencia en las medias, por lo tanto, no es significativo.
No hay diferencia en las medias, por lo tanto, no es significativo.
Dándonos también nuestra grafica sn, para saber qué relaciones hay dentro de todos los factores
que pudimos encontrar.
Interpretación:
▪ El factor de jabón es el mas pronunciado, ya que mientras más grande sea la longitud de
este factor nos indica que tiene mayor efecto. De acuerdo con la inclinación que tiene nos
indica que se trabaja con un nivel mayor, y se trabajara en un nivel alto (Axion).
• El factor de agua nos indica que debemos trabajarlo a un nivel alto (destilada), para obtener
un mejor proceso y resultados mejores.
• El factor de ambiente se deberá de trabajar a un nivel alto (sin aire).
• El factor tiempo de mezclado se indica que se trabajara a un nivel alto (60 segundos).
• El factor tamaño de burbujas se trabajará a un nivel alto (grande).
• El factor maicena se trabajará a un nivel bajo (natural).
Después nos mostrará el coeficiente en las siguientes tablas de modelos de estimados para
medias.
Como se puede observar en la R – ajustada se puede ver que el nivel de confianza que se maneja
en este proceso es del 0%, esto nos indica quees un modelo que no tiene ningun valor predictivo.
Se puede observar el análisis de varianza de las relaciones que existe entre cada uno de los
factores los cuales nos indican como impactan en el proceso y se acepta el DOE.
Ho: P > 0.05, no hay diferencia en las medias … por lo tanto, no es significativo.
Resultados de la gráfica que nos indica como salió cada factor de riesgo, al igual que nos muestran
nuestras grafica de efectos para medias que se analizara dando su efecto en esta práctica.
Por otro lado, vemos la gráfica de efectos para las medias de los factores.
Se rechaza DOE ya que esta trabaja la R-ajustada con un 0% de confianza por lo que no se puede
saber si es un proceso eficiente.
Se muestra el análisis entre las varianzas de las medias con los que contamos en dicho proceso.
Interpretación:
Interpretación:
• Grafica de probabilidad normal: los puntos están apegados a la línea, por lo que es
aceptable.
• Ajustes: Los puntos no están separados a la línea central y no se presenta conocidad, por
lo que se acepta.
Parte complementaria.
Interpretación:
• Agua: nivel a trabajar alto, agua natural.
• Jabón: nivel a trabajar alto, jabón salvo.
• Maicena: nivel bajo, aroma.
Se muestra el análisis entre las varianzas de las medias con los que contamos en dicho
proceso.
Ho: P > 0.05, no hay diferencia en las medias … por lo tanto, no es significativo.
Ha: P < 0.05, diferencia en las medias … por lo tanto, si es significativo.
P
Diferencia en las medias, por lo tanto, si es significativo.
Diferencia en las medias, por lo tanto, si es significativo.
No hay diferencia en las medias, por lo tanto, no es significativo.
Interpretación:
Grafica de probabilidad normal: se acepta ya que los puntos están pegados o cercanos a la
línea central.
Ajustes: se acepta ya que no hay una conocidad.
Histograma: se forma la campana de gauss y hay variación en los datos, esto quiere decir que
no están pegadas a la línea media. Se acepta el DOE
Orden: se acepta ya que están bien distribuidos los puntos y separados a la línea central.
Interpretación:
• Agua: nivel alto
• jabón: nivel alto
• Maicena: nivel alto.
Se rechaza el DOE ya que está trabajándose la R – ajustada con un 36.7% de confianza por lo
que es un proceso ineficiente.
Se muestra el análisis entre las varianzas de las medias con los que contamos en dicho proceso.
Ho: P > 0.05, no hay diferencia en las medias … por lo tanto, no es significativo.
Ha: P < 0.05, diferencia en las medias … por lo tanto, si es significativo.
P
Diferencia en las medias, por lo tanto, si es significativo
Diferencia en las medias, por lo tanto, si es significativo
Diferencia en las medias, por lo tanto, si es significativo
Grafica de probabilidad normal: se acepta ya que los puntos están pegados o cercanos a la
línea central.
Ajustes: se acepta ya que no hay una conocidad.
Histograma: se forma la campana de gauss y hay variación en los datos, esto quiere decir que
no están pegadas a la línea media. Pero se acepta aun el DOE
Orden: se acepta ya que están bien distribuidos los puntos y separados a la línea central
La segunda fila de valores pronosticados muestra las predicciones para el nivel alto 2) de agua
destilada, el nivel alto (Axion) de jabón, el nivel bajo (1) de agua natural.
Relación medias=-11.6973
Media: 5.25
Desviación estándar =2.47487
Logaritmo natural de desviación estándar = 1.34670
La segunda fila de valores pronosticados muestra las configuraciones para el nivel alto (2) de
agua destilada, el nivel alto (Axion) de jabón, el nivel bajo (1) de maicena natural, nivel alto (2) de
ambiente sin aire, nivel de tiempo de mezclado alto (2) en tiempo y nivel de tamaño de la burbuja
baja (1) de burbuja.
7. Discusión (De los resultados obtenidos; incluir observaciones y cuestionario -si aplica-):
Al principio tuvimos unas complicaciones porque no sabíamos bien si los factores eran de riesgo
o sino afectaban, pero al preguntarle a la maestra nos especificó bien y platicando con los
integrantes del equipo nos dimos cuenta de que serán los que afectan a las burbujas, así como el
ruido, el viento entre otros. También en las corridas no nos daban por algunas complicaciones que
tuvimos por que no nos salieran en las gráficas, pero al estar viendo que es lo que fallaba lo
corregimos y ya nos las dio.
Conclusión general
Se concluye en que se cumplió el objetivo de esta práctica, ya que fue todo un éxito al ver cómo
salían las burbujas del mezclado que teníamos, mediante Minitab nos ayudó a saber las
combinaciones que podríamos utilizar con el método L8 con la interacción de 6 factores, donde
podíamos ver las condiciones que podemos controlar y las condiciones que no podemos controlar,
todo esto puede interferir en todos los factores para la producción de varios sectores, estos análisis
Bibliografía
• "Señal". En: Significados.com. Disponible en: https://www.significados.com/senal/
Consultado: 28 de abril de 2023, 09:20 am.
• https://economipedia.com/definiciones/metodo-taguchi.html