Máster Universitario en

Ingeniería Industrial

TEMA 7. INGENIERÍA DE LA
CALIDAD EN LOS SISTEMAS
PRODUCTIVOS
Ingeniería de Sistemas
Productivos
Rosario Domingo Navas

UNIVERSIDAD NACIONAL DE EDUCACIÓN A DISTANCIA

 MÁSTER EN INGENIERÍA INDUSTRIAL

TEMA 7. INGENIERÍA DE LA CALIDAD

EN LOS SISTEMAS PRODUCTIVOS

Orientaciones al Tema 7

Introducción

7.1. La ingeniería de la calidad desde una perspectiva global

7.2. Calidad en la línea de producción

7.3. Calidad fuera de la línea de producción

7.4. Función de pérdida

7.5. Ratio señal-ruido

7.6. Diseño ortogonal

7.7. Diseños robustos

Bibliografía

Glosario

Ejercicios resueltos

Preguntas de autoevaluación

7-2
 Rosario Domingo

INGENIERÍA DE SISTEMAS PRODUCTIVOS

Orientaciones al Tema 7

El tema 7, de la asignatura Ingeniería de Sistemas Productivos, abarca el estudio de la

calidad en los sistemas productivos, con el enfoque desarrollado por Taguchi. Esta
aproximación se debe a que Taguchi, ingeniero de profesión, llevó sus conceptos a la
práctica con éxito. Cabe destacar con relación al apartado 7.1, que al hacer referencia
tanto al control de calidad clásico como al mantenimiento productivo, no se desarrollan
en la asignatura, a causa de que el control de calidad clásico es una temática asociada
a los contenidos de nivel de Grado, mientras que el mantenimiento productivo tiene una
asignatura específica donde se desarrolla, en la especialidad de Producción Industrial.

Introducción

El presente tema aborda el estudio de la calidad en la producción industrial; para ello se

exponen algunas metodologías de Genichi Taguchi (1924-2012), ingeniero japonés,
cuya carrera profesional se desarrolla en la administración e industria japonesas y a
quien se le han concedido cuatro premios Deming. Taguchi quien define la calidad como
“las pérdidas mínimas que un producto o servicio causa a la sociedad”. Sus principales
contribuciones, sintetizadas por Maghsoodloo et al. (2012), y objeto de estudio en este
tema, son las siguientes:

- La cuantificación de la definición de la calidad, asociándola a la función

cuadrática de Gauss.
- La introducción de los diseños ortogonales; aunque la mayoría de ellos ya
habían sido definido por diferentes estadísticos previamente, como Fischer, Box
y Hunter, entre otros, la aportación principal de Taguchi es la simplificación del
método para facilitar a los ingenieros el uso del Diseño de Experimentos
estadístico.
- La introducción del diseño robusto, mediante el diseño de parámetros y
tolerancias, entre otros.
- La definición de un conjunto de medidas denominadas ratio señal-ruido, y que
relacionan la media y la desviación estándar en una única medida para el
análisis de datos.

Se recuerda que la función de Gauss también se denomina función normal.

7.1. La Ingeniería de la Calidad desde una Perspectiva Global

La literatura académica presenta varios enfoques en lo que respecta a la ingeniería de

la calidad; en algunos casos se observa que la ingeniería de la calidad es definida como
la rama de la ingeniería que se encarga del desarrollo, gestión, operación y
mantenimiento de los elementos organizativos de la empresa (objetivos estratégicos,
procesos, tecnología, etc.) con altos estándares de calidad (Breyfogle, 2014). Sin
embargo, los aspectos vinculados con los objetivos estratégicos o de tipo organizativo
también se asocian a lo que se denomina gestión de la calidad (política de la calidad,
7-3
 MÁSTER EN INGENIERÍA INDUSTRIAL

relaciones con los proveedores, etc.), dejando la ingeniería de la calidad para el estudio
de los métodos que permiten reducir la variabilidad; es decir, la ingeniería de la calidad
sería el conjunto de metodologías destinadas a mejorar el rendimiento de los productos
y procesos de fabricación a un coste razonable.

Esta última definición coincide con el enfoque de Taguchi, que será el de estudio en
este tema. Una de las características de la metodología de Taguchi, que se ha resaltado
en numerosas ocasiones, es que son métodos diseñados por un ingeniero para el uso
por ingenieros, por lo que para que la aplicación de sus métodos sea exitosa es
necesario un conocimiento profundo de los procesos que se desea mejorar o controlar.

Algunos de los principales paquetes estadísticos, como Statgraphics, también incluyen

el software necesario para emplear el diseño ortogonal.

http://nutek-us.com/wp-free.html
http://taguchi-methods.winsite.com/titles/
https://www.ee.iitb.ac.in/~apte/ExcelTaguchi_1.htm

7.2. Calidad en la Línea de Producción

La calidad en la línea (on line) se centra en el control de calidad del producto o proceso
(y las modificaciones de los mismos como consecuencia de los resultados del control),
así como otras actividades de mantenimiento productivo.

7.3. Calidad fuera de la Línea de Producción

La calidad fuera de la línea (off line) de Taguchi está relacionada con la calidad de diseño,
planteada por otros autores. Se plantea tres tipos, para alcanzar un diseño robusto:

- Diseño del sistema

- Diseño de parámetros
- Diseño de tolerancias

El diseño del sistema se encuentra centrado en la concepción y el desarrollo de un

prototipo. Es la etapa previa, a la que siguen el diseño de parámetros y de tolerancias,
para afinar el producto, optimizando su funcionalidad y coste.

El diseño de parámetros está relacionado con la identificación de los factores que van
a influir en la calidad de la característica objeto de estudio; es probablemente el diseño
más importante dentro del enfoque de Taguchi. En los factores identificados, se han de
distinguir entre los factores controlables (sobre los que se puede actuar) y los factores
ruido (sobre los que no se puede actuar), así como los niveles o valores que es posible
alcanzar de cada uno de ellos. Como ejemplo de un proceso de fabricación, se pueden
citar entre los factores controlables, el material, la velocidad del proceso, la temperatura
de un horno, etc. Los factores ruido podrían ser la temperatura exterior, la humedad
exterior, etc.

La determinación de los valores alcanzados para una determinada característica de

calidad, por ejemplo la calidad superficial de una pieza, con valores de los diferentes
7-4
 Rosario Domingo

factores de control, ha de realizarse experimentalmente. Para su tratamiento, y

INGENIERÍA DE SISTEMAS PRODUCTIVOS

reducción del número de experimentos, Taguchi ideó el diseño ortogonal.

El diseño de tolerancias tendrá en cuenta el efecto que cada uno de los factores tiene
en la variabilidad total. De esta manera solo se incide en aquellas tolerancias que tienen
una influencia decisiva en dicha variabilidad.

7.4. Función de Pérdida

Taguchi ha desarrollado una metodología para la optimización del diseño, que entre
otros conceptos, se basa en la Función Cuadrática de Pérdidas.

La Función Cuadrática de Pérdidas contempla las pérdidas ocasionadas a la sociedad

por un producto desde el momento de su concepción, es decir abarca no solamente el
coste que le ocasiona a la empresa el hecho de fabricar un producto defectuoso sino
también al cliente que lo adquiere. Asigna un valor a las características de calidad,
considerando el máximo valor posible y le asocia con las desviaciones producidas
mediante una función cuadrática. Esta pérdida se minimiza si se optimiza el nivel de
calidad del proceso que garantiza la calidad, desde la perspectiva del cliente, del
producto final.

L(y) Límite inferior Límite superior

de tolerancias de tolerancias
L (y) = K (y -m)2 + C

y
m-S m m+S

Figura 7.1. Función cuadrática de Taguchi

7-5
 MÁSTER EN INGENIERÍA INDUSTRIAL

Esta función cuadrática se desarrolla a partir de la función de Gauss. Por medio de la

función cuadrática se cuantifican todas las mejoras en términos de ahorros de coste y se
expresa el grado en el que no se ha satisfecho el diseño. En la Figura 7.1 y en la
ecuación 7.1 se representa esta función y para ello se ha empleado la siguiente
notación:

m: Valor objetivo (nominal) para la característica de calidad dada.

S: Tolerancia definida.
C: Coste mínimo que ocasiona a la sociedad.
K: Coeficiente del coste; es una constante positiva.
L(y): Pérdida económica (loss), se expresa en unidades monetarias.
y: Característica de calidad.

 K (y − m )2


L( y ) = K / y 2 = k·x 2 (7.1)

 K ·y 2


Atendiendo a la característica de calidad que se desee medir, es posible considerar tres

supuestos:

- NOMINAL ES MEJOR:

"Nominal es mejor" significa que para que la característica a medir ocasione las
pérdidas mínimas ha de poseer un valor concreto. Por ejemplo en el caso de las
tolerancias -diámetros, longitudes, espesores-, de la temperatura o de la presión, entre
otras magnitudes. Las ecuaciones 7.2 y 7.3 expresan esta relación:

L( y ) = K ·(y − m )2 , para una pieza (7.2)

1 n
∑ (y i − m ) , para n piezas
2
L( y ) = K (7.3)
n i =1

L(y) = K · (y - m)2
L(y)

Figura 7.2. Nominal es mejor

7-6
 Rosario Domingo

La ecuación 7.3 también puede expresarse como L(y ) = K · (MSD), siendo MSD la

INGENIERÍA DE SISTEMAS PRODUCTIVOS

media de la desviación estándar (Mean Squared Deviation). Por tanto:

MSD =
1 n
∑
n i =1
(
(y i − m )2 = s 2 + y − m 2 )

Demostración:

1 n
[( ) ( )]2 =
n
L( y ) = K ∑ (y i − m )2 = K 1 ∑ y i − y + y − m
n i =1 n i =1

=K
1 n 
(
∑ yi − y
n i =1 
)2 + 2(y − m )(y i − y ) + (y − m )2  =

1 n
( )2 + 2(y − m ) n1 ∑ (y i − y ) + n1 ∑ (y − m )2  =
n n
= K  ∑ yi − y
 n i =1 i =1 i =1 

1 n
( )2 + 2(y − m ) n1 (0) + (y − m )2  = K  n1 ∑ (y i − y )2 + (y − m )2 
n
= K  ∑ yi − y
 n i =1   i =1 

Luego:


( 2

)
L( y ) = K s 2 + y − m  , siendo s la desviación estándar.

- MAYOR ES MEJOR:

Esta situación se presenta cuando el valor ha de ser superior a un límite inferior (LI) y el
mejor valor sería infinito. Por ejemplo para medir rendimientos, fiabilidad, duración, entre
otras variables. Las ecuaciones 7.4 y 7.5 reflejan esta situación.

2
L( y ) = K  1  , para una pieza (7.4)
 y

1 n 1
L( y ) = K ∑ , para n piezas
n i =1 y i2
(7.5)

Como se ha visto anteriormente, para n piezas, L(y ) =K·MSD, luego en este caso:

1 n 1 1  s 2 
MSD = ∑ =
n i =1 y i2 n 
1 + 3 2
 y 

7-7
 MÁSTER EN INGENIERÍA INDUSTRIAL

L(y) = K · (1/y)2

L(y) LI

Figura 7.3. Mayor es mejor

- MENOR ES MEJOR:

Sucede cuando existe un límite de control superior (LCS) que es el máximo permitido y
el objetivo es que el valor se aproxime a cero. Por ejemplo cuando la característica es el
consumo de materia prima, el consumo de energía, el desgaste de una herramienta,
entre otros. Esta relación queda reflejada en las ecuaciones 7.6 y 7.7.

L( y ) = K y 2 , para una pieza (7.6)

1 n 2
L( y ) = K ∑ y i , para n piezas
n i =n
(7.7)

1 n 2 2
Para n piezas, L(y ) = K·MSD, se tiene que MSD = ∑
n i =1
yi = y + s2

L(y) = K · y2
L(y)

LS

Figura 7.4. Menor es mejor

La concepción de la calidad de Taguchi entendida como las pérdidas mínimas que

ocasiona un producto enlaza con la idea de la protección medioambiental y de la
seguridad del producto referida al consumidor final y a los trabajadores. Parece
7-8
 Rosario Domingo

coherente, dentro de este concepto, la inclusión de las pérdidas de energía o de materia

INGENIERÍA DE SISTEMAS PRODUCTIVOS

prima.

Esta técnica ha sido empleada por numerosas empresas japonesas y de ellas se ha

extendido su uso a Occidente, fundamentalmente en el sector de automoción.

7.5. Ratio Señal-Ruido

La ratio señal-ruido (S/N – Signal-Noise) permite relacionar la respuesta media de una

variable con su variabilidad. Por ello, la señal es la media (μ) y el ruido viene
representado por la varianza (σ2). Para optimizar esta ratio es necesario reducir la
variabilidad o ruido. Algunas de las causas de esta variabilidad dentro de la empresa
son las debidas al ruido externo, al ruido interno y al ruido en la producción. El ruido
externo está relacionado con variaciones en las características de calidad originadas por
las condiciones ambientales durante la utilización del producto, como por ejemplo la
temperatura, la humedad, la contaminación, entre otros factores. El ruido interno se
refiere a las variaciones en las características del producto causadas por el deterioro o
el envejecimiento. El ruido de producción se debe a variaciones la capacidad de las
máquinas o de los procesos de fabricación. Kackar (1985) sintetiza, según muestra la
Tabla 7.1, las causas de variabilidad (ruido).

Tabla 7.1
Causas de variabilidad (Ruido)
Externo Interno Producción
(ambiente) (deterioro) (fabricación)
Diseño del
* * *
Producto
Diseño del
** ** *
Proceso
Diseño de
** ** *
Producción
*Se puede actuar para reducir la variabilidad
**No se puede actuar para reducir la variabilidad

Taguchi diferencia tres tipos de ratios, para las que definimos:

n: número de réplicas de un experimento

yi: valor medido de la característica de calidad objeto de estudio
s: desviación típica muestral

- Nominal es mejor. Cuanto más se aleja del valor nominal, la característica de calidad
analizada, mayor será la pérdida. En este caso, Taguchi, propone, las siguientes
expresiones:

S / N = −10·log10 (s ) (7.8)

 y2 
S / N = 10·log10  2i  (7.9)
s 
 
7-9
 MÁSTER EN INGENIERÍA INDUSTRIAL

La ecuación 7.8 se debe a que maximizar –10·log10 (s) es lo mismo que minimizar s.
Esta expresión conviene emplearla cuando los parámetros de ajuste (controlables)
pueden actuar sobre la media, por lo que el objetivo será reducir la varianza.
Respecto a la ecuación 7.9, se recomienda su uso en aquellos casos en los que los
parámetros de ajuste (controlables) afectan a la media y la varianza, manteniéndose
constante su cociente (media/varianza), siendo entonces de interés minimizar este
cociente.

- Mayor es mejor. Cuando la característica de calidad se incrementa, la pérdida se

reduce; el valor nominal es infinito y la característica de calidad no negativa.

1 n 1 
S / N = −10·log10  ∑ 2  (7.10)
n y 
 i =1 i 

- Menor es mejor. En este caso, cuando la característica de calidad se aproxima a 0, la

pérdida se reduce; el valor nominal es cero y la característica de calidad es no negativa.

1 n 
S / N = −10·log10  ∑ y i2  (7.11)
 n i =1 

El objetivo último de las ecuaciones 7.8, 7.9, 7.10 y 7.11 es maximizar estas
expresiones.

Esta ratio está siendo ampliamente utilizada en la industria y en el mundo académico,

sin embargo han surgido algunas críticas, como las enunciadas por Cruz et al. (2012)
quienes indican que su uso puede suponer pérdida de información del comportamiento
del proceso, al ignorar el efecto de los factores en la respuesta.

7.6. Diseño Ortogonal

El diseño ortogonal de basa en unos ordenamientos o arreglos ortogonales, que

simplifica el clásico diseño de experimentos estadístico, con el objeto de reducir la
experimentalidad y por tanto, el coste del estudio.

La nomenclatura empleada para los arreglos ortogonales es la siguiente:

Ln(dk), siendo:

n: Número de experimentos
d: Número de niveles de cada factor
k: Número máximo de factores a considerar

Por ejemplo, el arreglo ortogonal L4(23) significa que se pueden analizar hasta 3 factores
de 2 niveles cada uno, con un total de 4 experimentos, y respondería a la matriz
expuesta en la Tabla 7.2:

7-10
 Rosario Domingo

Tabla 7.2

INGENIERÍA DE SISTEMAS PRODUCTIVOS

Factores
Experimento 1 2 3
1 1 1 1
2 1 2 2
3 2 1 2
4 2 2 1

En el caso, de pretender analizar los factores que reducen la rugosidad superficial

durante el taladrado de una pletina, se podrían considerar los factores, velocidad de
avance, velocidad de rotación de la broca y ángulo de la punta de la broca; sus niveles
corresponderían a valores objeto de estudio de cada uno de ellos:

Velocidad de avance: 0,5 mm/min y 1 mm/min

Velocidad de rotación: 3000 rpm y 4000 rpm
Ángulo de la punta: 135 y 140

Por tanto, la Tabla 7.2 quedaría con los valores indicados en la Tabla 7.3:

Tabla 7.3
Factores
Experimento Velocidad de Velocidad de Ángulo de la
avance (mm/min) rotación (rpm) broca (º)
1 0,5 3000 135
2 0,5 4000 140
3 1 3000 140
4 1 4000 135

Como puede apreciarse al aplicar esta metodología, el número de ensayos se reduciría

al limitar el número de combinaciones entre los factores a analizar. Por ejemplo, en el
ejemplo anterior, al utilizar el arreglo ortogonal L4(23) el número de ensayos
experimentales se reduciría de 8 a 4, no sería necesario realizar los ensayos de las
siguientes combinaciones:

- 0,5 mm/min, 3000 rpm, 140º

- 0,5 mm/min, 4000 rpm, 135º
- 1 mm/min, 3000 rpm, 135º
- 1 mm/min, 4000 rpm, 140º

También pueden utilizarse una combinación de factores con un número de niveles

diferentes; por ejemplo L18(21,37)Una relación de los arreglos ortogonales de Taguchi
puede observarse en la Tabla 7.3, donde n es el número de experimentos a realizar y k
es el número de factores involucrados; puede encontrarse más información al respecto
en la siguiente dirección electrónica:
http://www.york.ac.uk/depts/maths/tables/taguchi_table.htm
(Department of Mathematics, 2014).

7-11
 MÁSTER EN INGENIERÍA INDUSTRIAL

Tabla 7.4. Ordenamientos ortogonales de Taguchi

k
3 4 5 6 7 10 11 12 13 15 16 21 23 26 31 40 63
n
4 L4(23)

8 L8(27)

9 L9(34)

12 L12(211)

16 L16(45) L16(215)

18 L18(21,37)

25 L25(56)

27 L27(313)

32 L32(21,49) L32(231)

36 L36(23,213) L36(211,312)

50 L50(511,21)

54 L54(21,325)

64 L64(421) L64(263)

81 L81(340)

7.7. Diseños Robustos

El diseño robusto se caracteriza por la identificación de factores o parámetros que no

son sensibles a los cambios de las condiciones de funcionamiento o medioambientales.

Por ello, se plantea un diseño de parámetros, con factores de control sobre los que se
puede actuar, y con factores medioambientales (ruido) sobre los que no se puede
actuar; los primeros son por ejemplo, velocidad de la máquina, y los segundos, por
ejemplo temperatura exterior, humedad exterior, etc. Sin embargo, es necesario
considerar que dentro de una planta industrial, sobre algunos de estos factores
medioambientales se puede actuar, al menos sobre la influencia que tienen en la
producción, como puede ser por ejemplo, reducir la influencia de la temperatura exterior
con un mejor asilamiento.

Para establecer una relación entre la variable objeto de estudio (o respuesta), se ha de

definir si se van a considerar interacciones entre los factores y si entre estas
interacciones se van a tener en cuenta las interacciones factores de control-ruido.

- Si no se consideran interacciones:

Por ejemplo, para tres factores de control (A, B y C), la respuesta será del tipo
siguiente:
7-12
 Rosario Domingo

INGENIERÍA DE SISTEMAS PRODUCTIVOS

Siendo βi coeficientes que optimizan la respuesta (Y). En este caso se ha considerado
una relación de primer orden, pero podría ser cuadrática o de orden superior.

Una relación similar a la anterior puede establecerse para los factores de ruido, de
manera independiente, o bien de manera conjunta; en este último caso, con D y E como
factores de ruido y βki sus coeficientes, la relación sería:

- Si se consideran interacciones:

Para una relación de primer orden, y atendiendo sólo a los factores de control

Al igual que en el caso anterior, los factores de ruido pueden considerarse de manera
independiente, obteniendo una expresión similar a la inmediata anterior, o bien de
manera conjunta.

Bibliografía

Breyfogle, Forrest W. (2014). Five Things a Quality Engineer Should Know. Quality,
mayo.
Cruz, E.A.; Medina, P.D.; Silva, C.A. (2012). Una Revisión Crítica de la Razón Señal
Ruido usada por Taguchi. Scientia et Technica Año XVII, No 50, Abril, 52-56.
Department of Mathematics (2014). Table of Taguchi Designs;
http://www.york.ac.uk/depts/maths/tables/taguchi_table.htm; University of York.
González, C.; Domingo, R.; Sebastián, M.A. (2000). Técnicas de mejora de la calidad.
Cuadernos de la UNED, Madrid.
Kackar, R.N. (1985). Off-line quality control, parameter design, and the Taguchi method.
Journal of Quality Tecnhology, Vol. 17 (4), 176-209.
Maghsoodloo, S.; Ozdemir, G.; Jordan, V.; Huang, C.H. (2004). Strengths and
Limitations of Taguchi's Contributions to Quality, Manufacturing, and Process
Engineering. Journal of Manufacturing Systems, Vol. 23, págs. 73-126.
Ross, P.J. (1996). Taguchi techniques for quality engineering. McGraw-Hill, Nueva York,
segunda edición.
Taguchi, G.; Wu, Y. (1985). Introduction to Off-Line Quality Control. Central Japan
Quality Control Association.
Taguchi, G. (1986). Introduction to quality engineering. Asian Productivity Organization,
Tokio.

Glosario

Calidad. Pérdidas mínimas que un producto o servicio causa a la sociedad.

7-13
 MÁSTER EN INGENIERÍA INDUSTRIAL

Diseño robusto. Diseño de un producto que consigue que éste mantenga sus
características de calidad con una variabilidad mínima.

Función de pérdida. Función cuadrática que contempla las pérdidas ocasionadas a la

sociedad por un producto desde el momento de su concepción a causa de las
desviaciones de sus características de calidad.

Señal-ruido (S/N). Razón entre la media de una variable y su variabilidad.

Ejercicios Resueltos

EJERCICIO 7.1. Bajo la condición de “nominal es mejor”, para una pieza en la que el
valor nominal de su dimensión principal es de 145 mm, la tolerancia bajo la
perspectiva del cliente es ±150 μm y el coste promedio de reemplazo de la pieza
es de 200 €:

a) Determine la constante de proporcionalidad.

b) Halle la función de pérdida para las dimensiones de 145,1 mm y de 144,8 mm.
c) Calcule la tolerancia real de la pieza, sabiendo que el coste de reparación al
final de la línea de fabricación es de 15 euros por unidad.
d) La pieza puede ser fabricada por dos procesos alternativos, de los que se
conocen los datos mostrados en la siguiente tabla; indique la pérdida asociada a
cada proceso y señale cuál de ellos es mejor.

Dimensiones (mm)
Proceso 145,02 145.01 145,00 145,02 145,00 144,99 144,98 145,00 144,98 144,99
A1
Proceso 145,00 145,00 145,01 144,99 145,00 145,02 145,00 144,98 145,01 144,99
A2

Solución del ejercicio 7.1.

a) Se parte de la ecuación: L( y ) = K ·(y − m )2

Sustituyendo los valores del enunciado:

Para y = 145 mm, 200 = K ·(0,150 )2 ; por tanto el valor de K es de 8888,8

b) Para la dimensión 145,1 mm, L( y ) = 8888,8 ·(145,1 − 145 )2 = 88,8

Para la dimensión 144,8 mm, L( y ) = 8888,8 ·(144,8 − 145 )2 = 355,5

c) De la ecuación L( y ) = K ·(y − m )2 , se sustituye, 15 = 8888,8 · (y − m )

2

y - m = 0,041 mm = 41 μm

7-14
 Rosario Domingo

1 n
∑ (y i − m ) a los valores del enunciado, se tiene:
2
d) Se aplica la expresión: L( y ) = K

INGENIERÍA DE SISTEMAS PRODUCTIVOS

n i =1
- para el proceso A1:
L( y ) = 8888,8 ·∑ [ (145,02 − 145 )2 + (145,01 − 145 )2 + (145 − 145 )2 +
1
10
+ (145,02 − 145 )2 + (145 − 145 )2 + (144,99 − 145 )2 + (144,98 − 145 )2 +

+ (145 − 145 )2 + (144,98 − 145 )2 + (144,99 − 145 )2 ]

L(y) = 1,69

- para el proceso A2: L(y) = 1,07

En consecuencia, el proceso A2 es mejor pues origina menos pérdidas a la sociedad.

EJERCICIO 7.2. Una línea de fabricación es construida bajo pedido, con una eficiencia
de 95%, atendiendo a las características de las máquinas que lo conforman y su
ritmo de trabajo. Considerando la condición “mayor es mejor”, y que el coste
promedio de reparación de la línea es de 50000 €:

a) Encuentre la constante de proporcionalidad.

b) Determine la función de pérdida para las eficiencias de 90% y de 98%.
c) Calcule la eficiencia real de la línea de fabricación, sabiendo que el coste de
reparación al final del proceso productivo, en caso de que no pase los controles
de calidad, es de 46510 euros por unidad.
d) La línea de fabricación construida puede ser modificada, cambiando las
especificaciones de algunas máquinas; de los que se conocen los datos
mostrados en la siguiente tabla; indique la pérdida asociada a cada tipo de línea
y señale cuál de ellos es mejor.

Eficiencia de la línea de fabricación

Línea original 0,990 0,987 0,985 0,995 0,999 0,985
Línea modificada 0,989 0,991 0,992 0,996 0,993 0,987

Solución del ejercicio 7.2.

2 2
a) Se parte de la expresión: L( y ) = K  1  ; luego 50000 = K  1  , y por tanto K =
 y  0,95 
45125

b) Aplicando la expresión anterior y el valor de K obtenido, se obtendrían las siguientes

funciones de pérdida:

2
- para una eficiencia del 90%, L( y ) = 45125  1  , luego L(y) = 55710
 0,90 

7-15
 MÁSTER EN INGENIERÍA INDUSTRIAL

2
- para una eficiencia del 98%, L( y ) = 45125  1  , luego L(y) = 46986
 0,98 

2
c) Se tiene: 46510 = 45125  1  , por tanto y = 0,985, es decir una eficiencia del
 y
98,5%.

1 n 1
d) Se aplica la expresión: L( y ) = K ∑ ; por tanto se tiene:
n i =1 y i2

- para la línea original:

1 1 1 1 1 1 1 
L(y ) = 45125  2
+ 2
+ 2
+ 2
+ 2
+ 
6  0,99 0,987 0,985 0,995 0,999 0,985 2 
L(y) = 46029,6 euros

- para la línea modificada: L(y) = 45918,6 euros

La línea modificada proporciona mejores resultados al ser menor la pérdida.

EJERCICIO 7.3. La tasa media de fallos de un equipo se estima en 0,001

componentes/hora. Bajo la condición de “menor es mejor”, y un coste promedio
de reparación del equipo es de 3000 €:

a) Determine la constante de proporcionalidad.

b) Halle la función de pérdida para las tasas de fallo de 0,0015
componentes/hora y 0,0009 componentes/hora.
c) El equipo ha sufrido algunas modificaciones en su diseño para intentar reducir
la tasa de fallos. Los resultados se muestran en la siguiente tabla; indique la
pérdida asociada a cada equipo y señale cuál de ellos es mejor.

Tasa de fallo (componentes/hora)

Equipo original 0,001 0,00099 0,0011 0,0011 0,001 0,00099 0,001 0,0011
Equipo alternativo 0,001 0,00097 0,0012 0,001 0,00098 0,00097 0,0012 0,001

Solución del ejercicio 7.3.

a) L( y ) = K y 2 , K = 3000 / 0,0012 = 3000.000.000

b) Para y = 0,0015: L(y) = 3000.000.000 x 0,00152 = 6750 euros

Para y = 0,0009; L(y) = 3000.000.000 x 0,00092 = 2430 euros

1 n 2
c) Aplicando la expresión: L( y ) = K ∑ y i y con los valores K = 3000.000.000 y n = 8,
n i =n
se tiene:

- para el equipo original: L(y) = 3221,3 euros

7-16
 Rosario Domingo

- para el equipo alternativo: L(y) = 3270,8 euros

INGENIERÍA DE SISTEMAS PRODUCTIVOS

Dado los resultados obtenidos, la mejor opción es desestimar los cambios introducidos
en el diseño.

EJERCICIO 7.4. Después de una operación de torneado, la rugosidad media alcanzada

en la pieza mecanizada es de 2,546 µm. A causa de la función que ha de llevar a
cabo la pieza, la rugosidad debería ser reducida. Bajo la condición de “menor es
mejor”, y un coste promedio de reparación de la pieza es de 200 €:

a) Determine la constante de proporcionalidad.

b) Halle la función de pérdida para las rugosidades medias de 3,101 µm y 2,245
µm.
c) Los resultados anteriores fueron obtenidos con una plaquita de corte P1, pero
además se han realizado ensayos con otra plaquita (P2) para evaluar la
rugosidad obtenida; los resultados se muestran en la siguiente tabla. Indique la
pérdida asociada a cada plaquita y señale cuál de ellas es mejor.

Rugosidad media (µm)

Plaquita P1 2,546 2,799 3,311 3,051 2,634
Plaquita P2 2,777 2,546 2,945 2,832 2,998

Solución del ejercicio 7.4.

a) L( y ) = K y 2 , K = 200 / 2,5462 = 30,854

b) Para y = 3,101: L(y) = 30,854 x 3,1012 = 296,7 euros

Para y = 2,245; L(y) = 30,854 x 2,2452 = 155,5 euros

1 n 2
c) Aplicando la expresión: L( y ) = K ∑ y i y con los valores K = 30,854 y n = 5, se
n i =n
tiene:

- para la plaquita P1: L(y) = 256,2 euros

- para la plaquita P2: L(y) = 246,1 euros

Dado los resultados obtenidos, la mejor opción es emplear la plaquita P2.

Preguntas de Autoevaluación

7.1. ¿Qué tres tipos de diseño identificó Taguchi para alcanzar un diseño robusto?

7.2. ¿Cuál es la finalidad de la Función Cuadrática de Pérdidas de Taguchi?

7-17
 MÁSTER EN INGENIERÍA INDUSTRIAL

7.3. ¿Cuál es la diferencia entre la función de pérdida bajo la condición “nominal es

mejor” y bajo la condición “menor es mejor”?

7.4. ¿Cuál es el significado de la ratio señal-ruido de Taguchi?

7.5. Reflexione sobre qué tipo de ratio señal-ruido (nominal es mejor, mayor es mejor,
menor es mejor) sería más conveniente aplicar cuando la variable objeto de
estudio es la fuerza de corte requerida en un proceso de taladrado, para que se
ejecute el agujero.

7.6. En la terminología de Taguchi, ¿qué significa L16(45)?

7.7. ¿Cuáles son las diferencias entre las dos expresiones de la ratio señal-ruido
relativas a “nominal es mejor”?

7.8. ¿Qué tipos de ruido pueden identificarse dentro de la empresa?

7.9. Reflexione sobre el potencial de la metodología de Taguchi en la industria.

7.10. ¿Cuáles son las principales limitaciones que encuentra en la metodología

desarrollada por Taguchi?

7-18