Instituto Tecnológico Superior de Abasolo

Carrera: Ingeniería Industrial

Nombre de la materia: “Ingeniería de la Calidad”

No. y Nombre de la Practica: Practica de laboratorio. SEÑAL/ RUIDO
No. de Control e integrantes:
Elizarraras López Francisco Javier
Pérez Martínez Gabriel AS1811C223
Pérez Olvera José Samuel AS17110354
Daniel Alejandro Rojas Muñoz AS19110443

Docente: Liz Azucena González Martínez

Fecha de realización de la práctica: 04/05/2023

Fecha de entrega del reporte: 05/05/2023

Código: FDA-PR02-05 Rev.: 5 Fecha Rev.: 26-06-22 Página 1 de 29

 Instituto Tecnológico Superior de Abasolo
Reporte de prácticas de laboratorio
1. Objetivo(s):
El alumno deberá poner en practica sus conocimientos, sobre el manejo de Minitab y tema
de Taguchi:
Realizar el diseño de Taguchi y análisis para ver los factores de niveles que se
ocuparan
“Realizar una simulación con la aplicación de un procedimiento basado en el
método Taguchi, para la elaboración de burbujas".

2. Introducción (Marco teórico -citar en formato APA-):

TAGUCHI
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.
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.

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.

¿Qué dice Taguchi de la calidad de los productos?

Código: FDA-PR02-05 Rev.: 5 Fecha Rev.: 26-06-22 Página 2 de 29

 Instituto Tecnológico Superior de Abasolo
Reporte de prácticas de laboratorio
Taguchi afirmaba que la calidad de un producto estaba determinada por todas aquellas etapas que
tenía que superar hasta llegar al consumidor. Desde su diseño, producción y entrega, hasta la
utilidad que le aportaba dicho producto a la persona que hacía uso de él. Por último, definía la
calidad como la pérdida que generaba el producto con relación a 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.

Función de pérdida de calidad

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.

Tablas de salida para un diseño de Taguchi

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.

Código: FDA-PR02-05 Rev.: 5 Fecha Rev.: 26-06-22 Página 3 de 29

 Instituto Tecnológico Superior de Abasolo
Reporte de prácticas de laboratorio
Método Taguchi
Redactado por: José Antonio Ludeña
Revisado por: Francisco Coll Morales
Actualizado el 1 agosto 2021
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.

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.

A continuación, te lo explicamos con más detalle.

Cómo invertir en inmuebles
La inversión inmobiliaria es, probablemente,
el mejor complemento a la bolsa y la renta fija.

Y no es algo complicado, si conoces los fundamentos:

La inversión inmobiliaria al desnudo
¿Qué dice Taguchi de la calidad de los productos?

Código: FDA-PR02-05 Rev.: 5 Fecha Rev.: 26-06-22 Página 4 de 29

 Instituto Tecnológico Superior de Abasolo
Reporte de prácticas de laboratorio
Taguchi afirmaba que la calidad de un producto estaba determinada por todas aquellas etapas que
tenía que superar hasta llegar al consumidor. Desde su diseño, producción y entrega, hasta la
utilidad que le aportaba dicho producto a la persona que hacía uso de él.

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.

Función de pérdida de calidad

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.

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.

Código: FDA-PR02-05 Rev.: 5 Fecha Rev.: 26-06-22 Página 5 de 29

 Instituto Tecnológico Superior de Abasolo
Reporte de prácticas de laboratorio
E[L] = k [σ2 + (µ − T)2)]

El significado de los diferentes valores de la ecuación son los siguientes:

K: Constante de conversión a unidades monetarias.
T: El valor esperado de la variable X, que es la característica analizada.
σ 2: Desviación típica de la variable X.
µ: Valor medio de la variable X.
Diseño experimental
Antes de nada, cabe explicar que el diseño de experimentos consiste en conocer si determinadas
variables independientes influyen sobre la media de la variable de respuesta.

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.

3. Materiales, Reactivos y/o Equipos. (Unidades y cantidades):

Computadora (programa Minitab)

Código: FDA-PR02-05 Rev.: 5 Fecha Rev.: 26-06-22 Página 6 de 29

 Instituto Tecnológico Superior de Abasolo
Reporte de prácticas de laboratorio

4. Metodología (Desarrollo de la práctica; procedimiento puntual a seguir)

1. Primero nos reuniremos en equipo

2. Después iniciaremos sesión en Minitab
3. Después registraremos dos datos a utilizar que serán los factores
4. Como primer paso nos iremos a ESTADISTICA, DOE, TAGUCHI Y DISEÑO DE TAGUCHI
de ahí nos mandara a una tabla
5. Después escogeremos los niveles que tendremos que serán de 2- 3 niveles
6. Serán 6 factores los que tendremos
7. Nos enfocaremos en lo cuadro de abajo como el primero será MOSTRAR EL DISEÑO aquí
será los diseños que queremos obtener
8. Nos regresaremos al cuadro principal y escogeremos el de DISEÑO
9. En el siguiente será el de FACTORES que serán los factores que tenemos aquí solo los
seleccionaremos en el cuadro que nos saldrá
10. Por último, cuadro será el de opciones aquí solo nos saldrá un cuadro donde le daremos
aceptar
11. Para finalizar nuestro cuadro de diseño daremos aceptar
12. Ahora repetiremos el paso 4 pero en vez de escoger el DISEÑO DE TAGUCHI escogeremos
el de ANALIZAR EL DISEÑO DE TAGUCHI y nos arrojar a la siguiente tabla
13. Escogeremos el grafico ahí seleccionaremos la señal de ruido
14. El siguiente cuadro que será es el ANALISIS
15. Por último, será el de OPCIONES
16. Para finalizar le daremos ACEPTAR.
17. Para la parte complementaria: dar clic en DOE, luego en Taguchi y por último en predecir
resultados de Taguchi.
18. Dar clic en términos, y en términos seleccionados solo escoger los 3 primeros y dar aceptar.

Código: FDA-PR02-05 Rev.: 5 Fecha Rev.: 26-06-22 Página 7 de 29

 Instituto Tecnológico Superior de Abasolo
Reporte de prácticas de laboratorio
19. Dar clic en niveles, en seguida dar clic en la opción “seleccionar niveles de una lista”,
enseguida poner los niveles que les corresponden o se calcularon.
20. Repetir el paso 17, así como el 18, pero ahora se seleccionarán los niveles del A al F y por
último paso repetir el paso 19, solo dar clic en aceptar, como resultado nos mandara los
pronósticos.

5. Diagrama de flujo:

Diagrama De Flujo Burbujas

INICIO
O
Área de la practica explanada

Primero entraremos al software Minitab

Después de entrar agregaremos los datos que serán nuestros factores

Al tenerlos en columnas nos iremos a Estadísticas, DOE, TAGUCHI, CREAR DISEÑO

TAGUCHI

Como vemos nos arrojara una tabla donde nos indicara el diseño de Taguchi que serán
nuestros TIPO DE DISEÑO

En ese mismo cuadro nos iremos a MOSTRAR DISEÑO DISPONIBLES

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

Código: FDA-PR02-05 Rev.: 5 Fecha Rev.: 26-06-22 Página 8 de 29

 Instituto Tecnológico Superior de Abasolo
Reporte de prácticas de laboratorio

Acabando solo le daremos ACEPTAR para ejecutar todo

Como podemos ver nos arrojara las graficas y los resultados de cada una de ellas

Verificar los datos y ver si están correctos

FIN

5. Resultados (Incluir imágenes o fotografías de resultados e integrantes -con pie de imagen-):

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

Ilustración 1. Tabla de coeficientes de modelos para relaciones SN.

Código: FDA-PR02-05 Rev.: 5 Fecha Rev.: 26-06-22 Página 9 de 29

 Instituto Tecnológico Superior de Abasolo
Reporte de prácticas de laboratorio
Consecutivamente nos arroja los análisis de varianza de las fuentes que serán nuestros factores
de riesgo.

Ilustración 2. Tabla de análisis de relaciones SN.

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.

Código: FDA-PR02-05 Rev.: 5 Fecha Rev.: 26-06-22 Página 10 de 29

 Instituto Tecnológico Superior de Abasolo
Reporte de prácticas de laboratorio

Ilustración 3. Grafica de efectos principales para SN.

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.

Código: FDA-PR02-05 Rev.: 5 Fecha Rev.: 26-06-22 Página 11 de 29

 Instituto Tecnológico Superior de Abasolo
Reporte de prácticas de laboratorio

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.

Ilustración 4. Tabla de coeficientes de modelos para relaciones medias y resumen de resultados.

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.

Ilustración 5. Tabla de análisis de relaciones para medias.

Ho: P > 0.05, no hay diferencia en las medias … por lo tanto, no es significativo.

Código: FDA-PR02-05 Rev.: 5 Fecha Rev.: 26-06-22 Página 12 de 29

 Instituto Tecnológico Superior de Abasolo
Reporte de prácticas de laboratorio
Ha: P < 0.05, diferencia en las medias … por lo tanto, si es significativo.
P
No hay diferencia en las medias y por lo tanto es no significativo
No hay diferencia en las medias y por lo tanto es no significativo
No hay diferencia en las medias y por lo tanto es no significativo
No hay diferencia en las medias y por lo tanto es no significativo
No hay diferencia en las medias y por lo tanto es no significativo
No hay diferencia en las medias y por lo tanto es no significativo
No hay diferencia en las medias y por lo tanto es no 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.

Código: FDA-PR02-05 Rev.: 5 Fecha Rev.: 26-06-22 Página 13 de 29

 Instituto Tecnológico Superior de Abasolo
Reporte de prácticas de laboratorio

Ilustración 6. Tabla de respuestas de relaciones de señal a ruido.

Por otro lado, vemos la gráfica de efectos para las medias de los factores.

Ilustración 7. Grafica de efectos principales para medias.

Código: FDA-PR02-05 Rev.: 5 Fecha Rev.: 26-06-22 Página 14 de 29

 Instituto Tecnológico Superior de Abasolo
Reporte de prácticas de laboratorio
Interpretación:
• Jabón: nivel alto, agua destilada
• Agua: nivel alto, jabón axion
• Ambiente: nivel alto, sin aire
• Maicena: nivel alto, aroma
• Tamaño de burbuja: nivel bajo, chica
• Tiempo de mezclado: nivel alto, 60 segundos

Ilustración 8. Tabla de coeficientes de modelos estimados para medias.

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.

Código: FDA-PR02-05 Rev.: 5 Fecha Rev.: 26-06-22 Página 15 de 29

 Instituto Tecnológico Superior de Abasolo
Reporte de prácticas de laboratorio

Ilustración 9. Resumen del modelo.

Se muestra el análisis entre las varianzas de las medias con los que contamos en dicho proceso.

Ilustración 10. Análisis de varianza de medias.

Código: FDA-PR02-05 Rev.: 5 Fecha Rev.: 26-06-22 Página 16 de 29

 Instituto Tecnológico Superior de Abasolo
Reporte de prácticas de laboratorio

Ilustración 11. Tabla de respuestas para medias.

Ilustración 12. Graficas 4 en 1 de residuos para relaciones de SN.

Interpretación:

Código: FDA-PR02-05 Rev.: 5 Fecha Rev.: 26-06-22 Página 17 de 29

 Instituto Tecnológico Superior de Abasolo
Reporte de prácticas de laboratorio
• 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.
• Histograma: Hay campana de Gauss y hay variación en los datos, lo que quiere decir que
no están pegadas a la línea media. Se sigue aceptando el DOE.
• Oren: esta distribuido correctamente, por lo que se acepta.

Ilustración 13. Grafica 4 en 1 de residuos de medias.

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.

Código: FDA-PR02-05 Rev.: 5 Fecha Rev.: 26-06-22 Página 18 de 29

 Instituto Tecnológico Superior de Abasolo
Reporte de prácticas de laboratorio
• Histograma: Hay campana de Gauss y hay variación en los datos, lo que quiere decir que
no están pegadas a la línea media. Se sigue aceptando el DOE.
• Oren: Está distribuido correctamente, por lo que se acepta.

Parte complementaria.

Ilustración 14. Grafica de efectos para relaciones de SN.

Interpretación:
• Agua: nivel a trabajar alto, agua natural.
• Jabón: nivel a trabajar alto, jabón salvo.
• Maicena: nivel bajo, aroma.

Código: FDA-PR02-05 Rev.: 5 Fecha Rev.: 26-06-22 Página 19 de 29

 Instituto Tecnológico Superior de Abasolo
Reporte de prácticas de laboratorio
Se rechaza el DOE ya que está trabajándose la R – ajustada con un 36.7% de confianza por lo
que es un proceso ineficiente.

Ilustración 15. Tabla de resumen del modelo.

Se muestra el análisis entre las varianzas de las medias con los que contamos en dicho
proceso.

Ilustración 16. Análisis de varianza de relaciones SN.

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.

Código: FDA-PR02-05 Rev.: 5 Fecha Rev.: 26-06-22 Página 20 de 29

 Instituto Tecnológico Superior de Abasolo
Reporte de prácticas de laboratorio

Ilustración 17. Grafica de residuos para relaciones Sn.

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.

Código: FDA-PR02-05 Rev.: 5 Fecha Rev.: 26-06-22 Página 21 de 29

 Instituto Tecnológico Superior de Abasolo
Reporte de prácticas de laboratorio

Ilustración 18. Grafica de efectos para medias.

Interpretación:
• Agua: nivel alto
• jabón: nivel alto
• Maicena: nivel alto.

Código: FDA-PR02-05 Rev.: 5 Fecha Rev.: 26-06-22 Página 22 de 29

 Instituto Tecnológico Superior de Abasolo
Reporte de prácticas de laboratorio

Ilustración 19. Tabla de coeficientes de modelos estimados para medias.

Se rechaza el DOE ya que está trabajándose la R – ajustada con un 36.7% de confianza por lo
que es un proceso ineficiente.

Ilustración 20. Resumen del modelo.

Se muestra el análisis entre las varianzas de las medias con los que contamos en dicho proceso.

Código: FDA-PR02-05 Rev.: 5 Fecha Rev.: 26-06-22 Página 23 de 29

 Instituto Tecnológico Superior de Abasolo
Reporte de prácticas de laboratorio

Ilustración 21. Tabla de análisis de varianza de medias.

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

Código: FDA-PR02-05 Rev.: 5 Fecha Rev.: 26-06-22 Página 24 de 29

 Instituto Tecnológico Superior de Abasolo
Reporte de prácticas de laboratorio

Ilustración 22. Grafica 4 en 1 de residuos para medias.

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

Código: FDA-PR02-05 Rev.: 5 Fecha Rev.: 26-06-22 Página 25 de 29

 Instituto Tecnológico Superior de Abasolo
Reporte de prácticas de laboratorio
A continuación, se muestra la predicción de

Ilustración 23. Tabla de predicción.

Relación S/N =-13.6523

Media: 7.875
Desviación estándar =4. 41942
Logaritmo natural de desviación estándar = 1.57178

Ilustración 24. Tabla de configuración.

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.

Ilustración 25. Tabla de predicción 2.

Relación medias=-11.6973
Media: 5.25
Desviación estándar =2.47487
Logaritmo natural de desviación estándar = 1.34670

Código: FDA-PR02-05 Rev.: 5 Fecha Rev.: 26-06-22 Página 26 de 29

 Instituto Tecnológico Superior de Abasolo
Reporte de prácticas de laboratorio

Ilustración 26. Tabla de configuración 2.

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.

8. Conclusiones (Individuales y una grupal):

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

Código: FDA-PR02-05 Rev.: 5 Fecha Rev.: 26-06-22 Página 27 de 29

 Instituto Tecnológico Superior de Abasolo
Reporte de prácticas de laboratorio
son efectivos y coherentes para analizar los datos obtenidos que son muy extensos, porque que
queremos saber la variabilidad y la frecuencia que puede a ver dentro del desarrollo de dichas
tareas.
Individual
Francisco
Cómo conclusión podemos ver qué es un proceso que sirve, pero a la vez puede ser inestable, ya
que existen muchos factores que pueden alterar las funciones a lo que existen varios procesos
controlados y analizados para un funcionamiento correcto para llevarlo a cabo y ver su efectividad
a la hora de implementarlo en un negocio, ya que interfiere tanto su calidad como si mejora
continua para que no quede como algo obsoleto dentro del ámbito de producción y de calidad de
los distintos factores.
Gabriel
Como se pudo observar en el diseño de Taguchi L8, existen diferentes factores que afectan la
calidad de nuestro diseño de algún producto, lo cual puede generar un mal funcionamiento o que
este no presente características de calidad, donde se tienen factores controlables y no
controlables. Lo que nos enseña Taguchi con su diseño es identificar en base a la mezcla de todas
las posibles opciones y mediante un análisis, comparar cómo se comporta cada diseño para poder
definir cuál es el que nos ofrece un mejor resultado frente a los factores de control que se tengan,
de tal manera que para una aplicación en la industria su uso es de gran importancia a la hora de
querer manejar un control de calidad.
Samuel
Al principio se me complico solo sacar las graficas por que no me daba en Minitab, pero al ver
buscar bien y ver los con mis compañeros del equipo vimos el error donde estábamos mal, pero
al final vimos que todo esta bien en las gráficas.
Daniel
Se puede concluir que se cumple el objetivo de que el alumno identifique los factores de ruido para
el diseño de Taguchi L8 que es una herramienta importante para mejorar la calidad y reducir los

Código: FDA-PR02-05 Rev.: 5 Fecha Rev.: 26-06-22 Página 28 de 29

 Instituto Tecnológico Superior de Abasolo
Reporte de prácticas de laboratorio
costos de producción en una amplia gama de industrias. Al ayudar a los ingenieros de calidad a
identificar y optimizar los factores de diseño más importantes, esta técnica puede mejorar la calidad
del producto o servicio y reducir la variación en el proceso de fabricación o prestación de servicios,
lo que puede mejorar la satisfacción del cliente y la rentabilidad de la empresa.

9. Bibliografía (Referenciar citas del marco teórico -al menos 3 fuentes-):

Bibliografía
• "Señal". En: Significados.com. Disponible en: https://www.significados.com/senal/
Consultado: 28 de abril de 2023, 09:20 am.

• Método Taguchi - Qué es, definición y concepto | 2023 | Economipedia

• https://economipedia.com/definiciones/metodo-taguchi.html

Código: FDA-PR02-05 Rev.: 5 Fecha Rev.: 26-06-22 Página 29 de 29