Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Unidad 01 02 Ingenieria Calidad y Productividad (Copia en Conflicto de LAPTOP-L8VA6FFM 2022-05-08)
Unidad 01 02 Ingenieria Calidad y Productividad (Copia en Conflicto de LAPTOP-L8VA6FFM 2022-05-08)
• La ingeniería de calidad lleva a cabo actividades dirigidas a reducir las perdidas causadas
por la variabilidad.
• Las actividades de ingeniería de calidad se incorporan en cada paso del desarrollo del
producto y de la manufactura a fin de prevenir los efectos de los factores de ruido.
La ingeniería de calidad lleva a cabo actividades dirigidas a reducir las perdidas causadas
por la variabilidad.
Las actividades de ingeniería de calidad se incorporan en cada paso del desarrollo del
producto y de la manufactura a fin de prevenir los efectos de los factores de ruido.
Un Experimento Diseñado es una prueba o secuencia de pruebas donde las variables del
proceso con influencia potencial se cambian sistemáticamente de acuerdo a una matriz de
diseño prescrita. La respuestas de interés es evaluada bajo diferentes condiciones para:
(1) identificar las variables de influencia entre aquellas probadas,
(2) cuantificar los efectos a lo largo del rango representado por los niveles de las variables,
(3) lograr un mejor entendimiento de la naturaleza del sistema causal en la operación del
proceso,
(4) compara los efectos e interacciones.
Introducción a la Ingeniería de Calidad
2016
IATF
16949
PPAP APQP/CP
2006 (4a. Ed.).
2008 (2a. Ed.).
SPC AMEF
2005 (2a. Ed.). 2008 (4a. Ed.)
MSA
2002 (3a. Ed.).
Core Tools
1 Introducción a la Ingeniería de calidad.
https://support.minitab.com/es-mx/minitab/18/help-and-how-to/modeling-statistics/doe/supporting-topics/taguchi-
designs/taguchi-designs/
https://support.minitab.com/es-mx/minitab/18/help-and-how-to/modeling-statistics/doe/supporting-topics/taguchi-
designs/taguchi-designs/
https://support.minitab.com/es-mx/minitab/18/help-and-how-to/modeling-statistics/doe/supporting-topics/taguchi-designs
designs/#:~:text=Un%20dise%C3%B1o%20de%20Taguchi%20es,causan%20variabilidad%20pueden%20ser%20controlados.
Tec Toluca OK
https://www.youtube.com/watch?v=f8e7n-cSROo
Para responder a las nuevas tendencias del mercado y la demanda, los ensambladores de automóviles están ejerciendo
un conjunto de estrategias comunes entre las principales empresas, se identifican cinco estrategias empleadas:
c) Participación en actividades de niveles superiores de la cadena productiva, como los servicios financieros;
e) Subcontratación de procesos productivos necesarios para la manufactura de automóviles, que cambian las relaciones
entre ensambladoras y proveedores.
Herramientas de
La Industria Calidad de la
Automotriz en los Industria
tres grandes Automotriz
2016
IATF
16949
PPAP APQP/CP
2006 (4a. Ed.).
2008 (2a. Ed.).
SPC AMEF
2005 (2a. Ed.). 2008 (4a. Ed.)
MSA
2002 (3a. Ed.).
Core Tools
Planeación Avanzada de Calidad de un Producto
APQP: es la planeación avanzada del producto, es una metodología que debe seguir un fabricante o
proveedor para llegar a un producto terminado. Es muy importante en proyectos complejos ya que
la metodología facilita mucho la comunicación entre las partes involucradas, ya sean
departamentos internos de un corporativo o clientes y proveedores. APQP cuenta con cinco etapas:
Pasos para la Planeación Avanzada de Calidad de un Producto:
Etapa 1- Planificación y definición de un programa. En esta etapa se diseña para asegurarse de que las necesidades
y las expectativas de cliente están entendidas claramente. La entrada de esta fase es equipada por la revisión de
contrato para los surtidores llenos del servicio.
Etapa 2- Diseño y desarrollo del producto. En esta etapa se discuten los elementos del proceso de planeación que
desarrollará las características de diseño a su forma final (de manera preliminar).
Etapa 3- Diseño y desarrollo del proceso. En esta fase se direccionan las características para el desarrollo de
sistemas de manufactura y los planes del control relacionados, estas tareas dependen de la finalización con éxito de
las fases 1 y 2 ejecutando los resultados.
Etapa 4- Validación del producto y del proceso. La validación del proceso de fabricación seleccionado y sus
mecanismos de control a través de la evaluación de la corrida de producción delineando a las condiciones
obligatorias de producción y los requisitos de identificación de los resultados necesarios.
PROCESO
ENTRADAS SALIDAS
• Voz del Cliente • Objetivos de Diseño
• Investigaciones de Mercado • Objetivos de Calidad y Confiabilidad
• Garantías e Información de Calidad Histórica • Lista Preliminar de Materiales
• Experiencia del Equipo • Diagrama Preliminar del Flujo del
• Plan de Negocios/Estrategia de Mercadotecnia Proceso
• Datos de Comparaciones Competitivas del • Lista Preliminar de Características
Proceso/Producto Especiales de Productos y Procesos
• Supuestos del Proceso/Producto • Plan de Aseguramiento del Producto
• Estudios de Confiabilidad de los Productos • Apoyo de la Administración
• Entradas de los Clientes
PROCESO
ENTRADAS SALIDAS
• Objetivos de Diseño • Análisis de Modos y Efectos de Fallas de
• Objetivos de Calidad y Confiabilidad Diseño (AMEFDs)
• Lista Preliminar de Materiales • Diseño para Facilidad de Manufactura y
• Diagrama Preliminar del Flujo del Proceso Ensamble
• Lista Preliminar de Características Especiales del • Verificaciones de Diseño
Producto y el Proceso • Revisiones de Diseño
• Plan de Aseguramiento del Producto • Plan de Control - Construcción de
• Apoyo de la Administración Prototipos
• Dibujos de Ingeniería (Incluyendo Datos
Matemáticos)
• Especificaciones de Ingeniería
• Especificaciones de Materiales
• Cambios de Dibujos y Especificaciones
ENTRADAS SALIDAS
• Análisis de Modos y Efectos de Fallas de Diseño • Normas y Especificaciones
(AMEFDs) • Revisión del Sistema de Calidad del
• Diseño para Facilidad de Manufactura y Ensamble Producto/Proceso
• Verificaciones de Diseño • Diagrama de Flujo del Proceso
• Revisiones de Diseño • Layout del Plan de Piso
• Construcción de Prototipos – Plan de Control • Matriz de Características
• Dibujos de Ingeniería (Incluyendo Datos • Análisis de Modos y Efectos de Fallas de
Matemáticos) Procesos (AMEFPs)
• Especificaciones de Ingeniería • Plan de Control del Prelanzamiento
• Especificaciones de Materiales (incluyendo Dispositivos a Prueba de
• Cambios de Dibujos y Especificaciones • Errores)
• Requerimientos de nuevo Equipo, Herramental e • Instrucciones del Proceso
Instalaciones • Plan de Análisis de Sistemas de Medición
• Características Especiales del Producto y Proceso • Plan Preliminar de Estudios de Habilidad
• Requerimientos de Equipo de Prueba/Gages de los Procesos
• Compromiso de Factibilidad del Equipo y Apoyo de • Apoyo de la Administración (incluyendo
la Administración personal operador y plan de
entrenamiento)
ENTRADAS SALIDAS
• Normas & Especificaciones de Empaque • Corrida de Producción Significativa
• Revisión del Sistema de Calidad del • Evaluación de Sistemas de Medición
Producto/Proceso (MSA)
• Diagrama de Flujo del Proceso • Estudio Preliminar de Habilidad de los
• Layout de Plan de Piso Procesos (SPC)
• Matriz de Características • Aprobación de Partes para Producción
• Análisis de Modos y Efectos de Fallas de Procesos (PPAP)
(AMEFPs) • Pruebas de Validación de la Producción
• Plan de Control del Prelanzamiento • Evaluaciones de Empaque
• Instrucciones del Proceso • Plan de Control de la Producción (CP)
• Plan de Análisis de Sistemas de Medición • Liberación de la Planeación de Calidad y
• Plan Preliminar de Estudios de Habilidad en los Apoyo de la Administración
Procesos
• Apoyo de la Administración
ENTRADAS SALIDAS
• • Reducción de la Variación
Corrida de Producción Significativa
• • Mejoramiento en la Satisfacción de los
Evaluación de Sistemas de Medición
• Estudio Preliminar de Habilidad de los Procesos Clientes
• • Mejoramiento en el Envío y Servicio
Aprobación de Partes para Producción
• • Uso efectivo de las Lecciones Aprendidas
Pruebas de Validación de la Producción
• Evaluaciones de Empaque / Mejores Prácticas
• Plan de Control de la Producción
• Liberación de la Planeación de Calidad y Apoyo de
la Administración
• Objetivos de Diseño
• Lista Preliminar de Materiales
• Lista Preliminar de Características Especiales de Productos y Procesos
• Análisis de Modos y Efectos de Fallas de Diseño (AMEFDs)
• Diseño para Facilidad de Manufactura y Ensamble
Actividades de APQP que se • Verificaciones de Diseño
• Plan de Control - Construcción de Prototipos
desarrollan para asegurar el • Dibujos de Ingeniería (Incluyendo Datos Matemáticos)
producto desde el diseño del • Especificaciones de Ingeniería
concepto • Especificaciones de Materiales
• Normas y Especificaciones
• Revisión del Sistema de Calidad del Producto/Proceso
• Diagrama de Flujo del Proceso
• Layout del Plan de Piso
• Matriz de Características
• Análisis de Modos y Efectos de Fallas de Procesos (AMEFPs)
• Plan de Control del Prelanzamiento (incluyendo Dispositivos a Prueba de Errores)
• Instrucciones del Proceso
• Plan de Análisis de Sistemas de Medición
• Plan Preliminar de Estudios de Habilidad de los Procesos
Herramientas de
La Industria Calidad de la
Automotriz en los Industria
tres grandes Automotriz
Introducción a la Ingeniería de Calidad
Se encarga de la optimización del diseño del producto y los procesos, una de las herramientas es
el diseño de experimentos.
https://app.genial.ly/editor/6344728d021c180011403eab
Experimentos Factoriales
• Obviamente este tipo de diseño es de efectos fijos. Este tipo de diseño ha sido el de mayor
impacto a nivel industrial y en la investigación, por su eficacia y versatilidad.
• Los factoriales 2kcompletos son principalmente útiles cuando el número de factores a estudiar
está entre 2 y cinco, es decir 2 k 5, rango en el cual el número de tratamientos se encuentra
entre 2 y 32, cantidad manejable en muchas situaciones experimentales.
• Si el número de factores es mayor que 5 se recomienda utilizar un factorial fraccionado 2k-p, que
se estudiará más adelante.
• En general, los factoriales en dos niveles sean completos o fraccionados, constituyen el conjunto
de diseños de mayor impacto en las aplicaciones.
Experimentos Factoriales
• Estos permiten atacar todo tipo de problemas y procesos de manera eficiente. En los cálculos
relacionados con el ANOVA y las estimaciones de este tipo de experimentos, suele usarse un
sistema de notación conocido en la literatura como Notación de Yates con la cual se representa el
total de las sumas de las observaciones en cada tratamiento, para comprenderla, se procederá a
continuación con el caso de un experimento factorial 22
Experimentos Factoriales
Experimentos Factoriales
Ventajas
1. Permiten estudiar los efectos principales, efectos de interacción de factores, efectos simples y
efectos cruzados y anidados.
2. Todas las unidades experimentales intervienen en la determinación de los efectos principales y de
los efectos de interacción de los factores, por lo que el número de repeticiones es elevado para
estos casos.
3. El número de grados de libertad para el error experimental es alto, comparándolo con los grados
de libertad de los experimentos simples de los mismos factores, lo que contribuye a disminuir la
varianza del error experimental, aumentando por este motivo la precisión del experimento.
Experimentos Factoriales
Desventajas
1. Se requiere un mayor número de unidades experimentales que los experimentos simples y por lo
tanto se tendrá un mayor costo y trabajo en la ejecución del experimento.
2. Como en los experimentos factoriales cada uno de los niveles de un factor se combinan con los
niveles de los otros factores; a fin de que exista un balance en el análisis estadístico se tendrá que
algunas de las combinaciones no tienen interés práctico pero deben incluirse para mantener el
balance.
3. El análisis estadístico es mas complicado que en los experimentos simples y la interpretación de
los resultados se hace más difícil a medida de que aumenta el número de factores y niveles por
cada factor en el experimento.
Experimentos Factoriales
Conceptos generales
1. Se requiere un mayor número de unidades experimentales que los experimentos simples y por lo
tanto se tendrá un mayor costo y trabajo en la ejecución del experimento.
2. Como en los experimentos factoriales cada uno de los niveles de un factor se combinan con los
niveles de los otros factores; a fin de que exista un balance en el análisis estadístico se tendrá que
algunas de las combinaciones no tienen interés práctico pero deben incluirse para mantener el
balance.
3. El análisis estadístico es mas complicado que en los experimentos simples y la interpretación de
los resultados se hace más difícil a medida de que aumenta el número de factores y niveles por
cada factor en el experimento.
Experimentos Factoriales
Conceptos generales
3. Niveles de un factor.- Son los diferentes tratamientos que pertenecen a un determinado factor. Se
acostumbra simbolizar algún elemento “i” por la letra minúscula que representa el factor y el
valor del respectivo subíndice.
• Ejemplo:
• A: tipos de riesgo: Secado, Goteo, Aspersión
• Niveles: a0, a1, a2 ; 10 kg/Ha, 20 kg/Ha, 30kg/Ha respectivamente.
Experimentos Factoriales
Tipos de factores
1. Factores cuantitativos.
• Son aquellos factores cuyos niveles son cantidades numéricos.
Ejemplo:
Factor A: Dosis de fertilización
2. Factores cualitativos
Ejemplo:
Factor A: Variedades de cultivo.
Experimentos Factoriales
Interacción
Ejemplo:
Factor A: Dosis de fertilización
1. Factores cualitativos
Costos en que incurre el fabricante por una reacción negativa del consumidor.
Devoluciones.
Costos de garantía.
Consumidor insatisfecho.
Tiempo y dinero gastado por los consumidores.
Perdida eventual de participación en el mercado.
Introducción a la Ingeniería de Calidad
• Un artículo con buena calidad realiza sus funciones sin variabilidad y causa pequeñas
perdidas a través de los defectos del tipo dañino, incluso el costo de usarlo.
• Si el control del costo se preocupa por reducir las diferentes perdidas antes de que el
producto salga al mercado, el control de calidad se preocupa por reducir los tipos de
perdidas que puedan causar problemas a la sociedad.
El Dr. Genichi Taguchi nació en Japón el 1 de enero de 1924, graduándose en la Escuela Técnica de la Universidad
Kiryu en la carrera de ingeniería textil, y más tarde recibió el Doctorado en la Universidad Kyushu en 1962.
Trabajó en el Astronomical Department of the Navigation Institute del entonces, más tarde trabaja en el Ministerio
de Salud y en el Institute of Statistical Mathematics. Sin embargo, su principal etapa profesional ha sido dentro de la
Electrical Communication Laboratory (ECL) de la Nippon Telephone and Telegraph Co. (1948-1961) en donde se
enfocó a la mejora de la productividad en la investigación y desarrollo.
Posterior a esto, es profesor para la Universidad Aoyama Gaukin de Tokio y consultor para empresas tan
importantes como Toyota Motors y Fuji Films. Es miembro de la Japan Association for Quality Control, la Japan
Association for Industrial Engineering.
Entre sus publicaciones destacan Introduction to Quality Engineering, Systems of Experimental Design, Robust
Engineering. Ha recibido el Premio Deming en cuatro ocasiones por sus aportaciones sobre calidad. En 1989 le es
concedida la medalla con banda púrpura al avance tecnológico y económico por el Emperador Akihito.
Una de sus principales contribuciones a la mejora de calidad fue "The Loss Function", una ecuación que
cuantificaba el descenso del valor percibido por el cliente a medida que caía la calidad del producto. Fue la primera
persona que igualó calidad con costo.
Introducción a la Ingeniería de Calidad
La contribución más importante del Dr. Taguchi, ha sido la aplicación de la estadística y la ingeniería
para la reducción de costos y mejora de la calidad en el diseño de productos y los procesos de
fabricación. En sus métodos emplean la experimentación a pequeña escala con la finalidad de reducir
la variación y descubrir diseños robustos y baratos para la fabricación en serie. Las aplicaciones más
avanzadas de los Métodos Taguchi, permiten desarrollar tecnología flexible para el diseño y
fabricación de familias de productos de alta calidad, reduciendo los tiempos de investigación,
desarrollo y entrega del diseño.
Introducción a la Ingeniería de Calidad
El control de calidad desde la etapa del diseño del producto
El Dr. Taguchi es creador del concepto “diseño robusto”, el cual basa su estrategia para lograr la satisfacción del cliente, en exceder sus
expectativas de calidad.
Normalmente, al diseñar un producto lo hacemos pensando en que al fabricarlo toda la producción tendrá la misma calidad, y
despreciamos la variabilidad de los procesos de manufactura, es decir, que el producto fluctuará en un rango
determinado de calidad.
Buscamos diseñarlo en la forma mas económica posible, aunque no se cumpla con las especificaciones del cliente en un pequeño
“una calidad aceptable”. Cuando el cliente no tiene otra opción de compra, al productor le
porcentaje; a esto se le llama
resulta más económico reponer algunos productos defectuosos que asegurarse de no producirlos.
Pero esto, a la larga, acaba con la credibilidad de la compañía y aleja a los clientes.
Introducción a la Ingeniería de Calidad
En el diseño robusto de un producto se minimiza su posibilidad de falla , buscando que tenga la
mínima variación en las características de calidad importantes para el cliente y, en consecuencia, se minimiza el costo de
calidad.
Parecería que podríamos caer en busca de productos infalibles y de producción muy cara, pero la metodología Taguchi,
precisamente, nos ayuda a reducir otros costos de control de calidad que a fin de cuentas redundan en procesos de
producción mas económicos.
La metodología para mejorar el diseño de productos y sus procesos de manufactura simplifica la utilización de las
técnicas de diseño de experimentos, haciendo las aplicaciones estadísticas lo suficientemente practicas y sencillas como
para que los trabajadores, con un mínimo apoyo de los especialistas, puedan integrarlas a sus procesos.
Para orientar el trabajo de mejora de la calidad hacia el diseño, Taguchi definió la calidad de otra forma, desde el punto
de vista de las consecuencias que tiene para el cliente el que la característica de calidad de calidad del producto se aleje
del valor ideal.
Para Taguchi la calidad es:
“La mínima pérdida ocasionada a la sociedad, desde el envío del producto al cliente hasta su uso total”.
Estas pérdidas incluyen no solo los costos de calidad de la compañía que inciden en elevar su precio, sino también los
costos ocasionados a cualquier persona que se ve afectada por la calidad del producto.
Introducción a la Ingeniería de Calidad
La Función Pérdida de Taguchi orienta a los productores a buscar continuamente reducir la variación en las características
de calidad.
Para evaluar la pérdida, Taguchi utiliza una ecuación cuadrática que se ajusta con
datos de la historia de costos y desempeño del producto. No toma en cuenta los límites de
especificación, ya que la función pérdida de calidad sólo se minimiza cuando la calidad del producto es igual al valor
objetivo de la calidad, el valor ideal.
Conforme el desempeño del producto o proceso se aleje del valor objetivo – aún hallándose en los límites de especificación
- , la ecuación aumenta de valor y se incrementa el costo de calidad para la sociedad.
Introducción a la Ingeniería de Calidad
La Función pérdida.
El control de calidad tiene como objetivo controlar la variación funcional. ¿Cómo
podemos medir la calidad?
Cumpliendo con los requerimientos del cliente.
Utilizando la filosofía de cero defectos.
Verificando si se cumple con las especificaciones.
El Dr. Taguchi propone una visión diferente y más amplia de la calidad, la
relaciona con los costos y la perdida monetaria no únicamente del fabricante si
no también para el consumidor.
Introducción a la Ingeniería de Calidad
La Función pérdida.
El objetivo de la función de perdida del Dr. Taguchi es evaluar cuantitativamente
la perdida de calidad debido a variaciones funcionales.
• Para cada característica de calidad existe una función que define la relación
entre la pérdida económica y la desviación de la característica de calidad de
su valor meta.
Introducción a la Ingeniería de Calidad
La Función pérdida.
Es importante recordar.
• Conformarse con los límites de la especificación es un indicador inadecuado
de calidad o de perdida debido a la mala calidad.
• La pérdida de calidad resulta en la inspección del consumidor.
Nominal es mejor.
Se expresa con la siguiente ecuación:
L(y) = K(y-m)2
• L (y) = Pérdida en dinero por unidad de producto cuando las características de
calidad son iguales a y.
• y = Valor de la característica (longitud, anchura, etc.)
• m = Valor nominal de y.
• K = Constante de proporcionalidad.
• L (y) = Es mínima cuando y=m
• L (y) = Aumenta en la medida en que y se desvía de m.
• L (y)= Se expresa en unidades monetarias
Introducción a la Ingeniería de Calidad
Porcentaje de encogimiento.
Para reducir al mínimo los productos de la pérdida deben ser producidos lo más cerca posible y con variación mínima.
Calidad debe ser incorporada en el producto. Debe prestar mucha más atención a al control de calidad en línea para
evitar problemas que ocurren.
Los diferentes tipos de ruido (variación del producto dentro de la tolerancia, los cambios en las condiciones de
funcionamiento, las pérdidas de los sistemas cercanos, ...) influyen en el sistema y dar lugar a desviaciones de la
condición ideal.
En busca de los ajustes de parámetros que aumentan la robustez (parámetro de diseño) es una parte esencial de los
métodos de Taguchi. Diseño robusto es una forma de diseño que no trata de resolver los problemas, sino que más bien
trata de acercarse a la función ideal del sistema lo más cerca posible bajo diversas condiciones de ruido.
Procesos Robustos
Factores de ruido.
Tipos de ruido.
•Ruido externo: Este ruido se da durante el uso del producto y puede ser
producido por cambios de temperatura, humedad y polvo.
•Los factores que causan que una característica funcional, como por
ejemplo, la eficiencia del combustible, los cambios de presión, la
maniobrabilidad, etc., se desvíe de su valor objetivo, se llaman factores
de ruido.
•Cualquier sistema usa energía de transformación para cumplir una función deseada.
Reducir la variabilidad de las transformaciones de energía minimizará o eliminará los
síntomas.
•Cuando consideramos el ruido, esto nos lleva a crear un producto o proceso robusto
que es aquel que es menos sensible al ruido.
Aportación de Taguchi
2. En una economía competitiva, el mejoramiento continuo de la calidad y la reducción de costos, son necesarios para la
supervivencia.
3. Un programa de mejoramiento continuo de calidad, incluye la reducción incesante de la variación de las características del
producto con respecto al objetivo.
4. La pérdida del consumidor, debida a la variación en el comportamiento de un producto, es con frecuencia aproximadamente
proporcional al cuadrado de la desviación de la característica, con respecto a su objetivo.
5. La calidad y el costo final de un producto manufacturado, son determinados, en gran medida, por el diseño de ingeniería del
producto y por su proceso de manufactura.
6. La variación en el comportamiento de un producto o proceso se puede reducir aprovechando los efectos no- lineales, de los
parámetros de las características
7. La planeación de experimentos estadísticos se emplea para identificar los valores óptimos de los parámetros, en productos y
procesos, que permiten reducir la variabilidad.
Procesos Robustos
• Las aplicaciones más avanzadas de los Métodos Taguchi, permiten desarrollar tecnología flexible para el diseño y fabricación de familias de
productos de alta calidad, reduciendo los tiempos de investigación, desarrollo y entrega del diseño.
• El Dr. Taguchi es creador del concepto “diseño robusto”, el cual basa su estrategia para lograr la satisfacción del cliente, en exceder sus expectativas
de calidad.
• En busca de los ajustes de parámetros que aumentan la robustez (parámetro de diseño) es una parte esencial de los métodos de Taguchi. Diseño
robusto es una forma de diseño que no trata de resolver los problemas, sino que más bien trata de acercarse a la función ideal del sistema lo más
cerca posible bajo diversas condiciones de ruido.
Diseños Taguchi vs Diseños Clásicos
https://www.redalyc.org/pdf/944/94401906.pdf
¿Cuál es la diferencia?
Normalmente se identifican con un nombre como L8, que indica un arreglo con 8 corridas.
Los diseños experimentales clásicos también están basados en arreglos ortogonales, pero se
identifican
3 con un exponente para indicar el número de variables - así un diseño experimental
clásico 2 también tiene 8 corridas.
Así, los diseños generados por los dos métodos parecen ser similares - y de hecho lo son. De esta
forma algunas industrias y organizaciones que están al lado de los métodos de Taguchi y otros se
inclinan por el método clásico.
El libro “Estadística para Experimentadores” por Box, Hunter y Hunter (algunas veces llamado BH2 ) define la metodología para los diseños
Diseños Taguchi vs Diseños Clásicos
• Diseño Robusto – es la búsqueda por el juego de condiciones para lograr un comportamiento del
proceso óptimo.
• Minimización de la función de pérdida – es la minimización de la pérdida económica debido a las
corridas en condiciones no-óptimas.
• Maximización de la Señal razón a Ruido – es el alcance de los mejores objetivos del proceso bajo
las condiciones no controlables (ruido).
• Selección del diseño experimental para examinar las Gráficas Lineales, que permiten además la
investigación de las interacciones de los efectos deseados, basados en el proceso conocido.
Diseños Taguchi vs Diseños Clásicos
• Experimentación secuencial para modelar el comportamiento del proceso (por ejemplo, para
desarrollar modelos empíricos del proceso incluyendo el efecto de los factores de “ruido”).
• Predicción del comportamiento futuro del proceso, incluyendo los efectos óptimos - de los
modelos empíricos.
• Investigación y el aislamiento de factores que afectan a la media y a la varianza,
independientemente.
• Selección del diseño experimental, considerando las salidas, esto, en corridas de una fracción de
8-4
un diseño factorial completo, por ejemplo, un diseño 2 , investiga los efectos de los 8 factores
en 16 corridas, y las salidas son conocidas antes de correr el experimento.
• La experimentación adicional puede ser requerida para identificar claramente los efectos de sus
interacciones.
El uso de estos métodos es para diseñar experimentos para mejorar procesos y productos.
Diseños Taguchi vs Diseños Clásicos
https://www.youtube.com/watch?v=VPMhTpr95lM
Diseños Taguchi vs Diseños Clásicos
https://www.youtube.com/watch?v=VPMhTpr95lM
Diseños Taguchi vs Diseños Clásicos
https://www.youtube.com/watch?v=VPMhTpr95lM
Diseños Taguchi vs Diseños Clásicos
https://www.youtube.com/watch?v=VPMhTpr95lM
Diseños Taguchi vs Diseños Clásicos
https://www.youtube.com/watch?v=VPMhTpr95lM
Diseños Taguchi vs Diseños Clásicos
https://www.youtube.com/watch?v=VPMhTpr95lM
Diseños Taguchi vs Diseños Clásicos
https://www.youtube.com/watch?v=VPMhTpr95lM
Diseños Taguchi vs Diseños Clásicos
https://www.youtube.com/watch?v=VPMhTpr95lM
Diseños Taguchi vs Diseños Clásicos
https://www.youtube.com/watch?v=VPMhTpr95lM
Diseños Taguchi vs Diseños Clásicos
https://www.youtube.com/watch?v=VPMhTpr95lM
https://www.youtube.com/watch?v=VPMhTpr95lM
Diseños Taguchi vs Diseños Clásicos
https://www.youtube.com/watch?v=VPMhTpr95lM
Diseños Taguchi vs Diseños Clásicos
https://www.youtube.com/watch?v=VPMhTpr95lM
Diseños Taguchi vs Diseños Clásicos
https://www.youtube.com/watch?v=VPMhTpr95lM
Diseños Taguchi vs Diseños Clásicos
https://www.youtube.com/watch?v=VPMhTpr95lM
Diseños Taguchi vs Diseños Clásicos
https://www.youtube.com/watch?v=VPMhTpr95lM
Diseños Taguchi vs Diseños Clásicos
El diseño clásico tiene las corridas en forma “estándar” ó “Yates” (un estadístico que inventó un
algoritmo para calcular rápidamente los efectos de un experimento diseñado). Aquí (porque hay 3
factores), las primeras tres columnas son los factores; la primer columna es una serie de -1’s y luego
+1’s, la siguiente columna es de pares de (-1, -1) entonces (+1, +1); la tercer columna tiene el modelo
(-1, -1, -1, -1) entonces (+1, +1, +1, +1). Los elementos de la columna de interacción son formados
por el cálculo del producto de los valores en las primeras tres columnas - ¡Fácil de calcular!. Las 7
columnas son independientes (no son iguales o un múltiplo de otras columnas) - de los 7 efectos (de
los factores principales y de las interacciones) pueden ser estimados independientemente.
Diseños Taguchi vs Diseños Clásicos
El diseño de Taguchi tiene los mismos componentes del diseño Clásico, pero en un orden diferente.
Sin embargo, las columnas para la colocación de los factores, son escogidos de acuerdo a las
interacciones que el investigador asume y puede o no estar presente en el proceso. El investigador
consulta la tabla de interacción, y/o gráficas lineales, para determinar qué columnas ha elegido en
el diseño.
C.F. Kavanaugh enseña métodos para diseños experimentales clásicos por las siguientes razones:
• Ninguna suposición sobre la presencia de interacciones es necesaria antes de ejecutar el
experimento (sí usted está haciendo un experimento para identificar los factores críticos, ¿por qué
se debe hacer suposiciones sobre las interacciones, cuando usted no sabe la magnitud de los
efectos principales?).
• Creemos esto que sí la presencia de interacciones en procesos industriales complejos que
frecuentemente realizan predicciones a futuro del comportamiento del proceso, difícil o incluso
imposible. Por lo tanto, en la experimentación, esto es vital para ser capaz de investigar los efectos
de las interacciones clara e independientemente
• La naturaleza secuencial de la experimentación clásica permite incrementar modelos empíricos
complejos para predecir el comportamiento de procesos futuros – desde los modelos lineales
hasta polinomiales y modelos complejos no lineales basados sobre procesos fundamentalmente
entendidos, (la forma de relación matemática entre las variables). Los modelos empíricos pueden
ser mostrados - gráficamente visualizando la relación entre las variables.
Diseños Taguchi vs Diseños Clásicos
¿Porqué aprender el diseño clásico de experimentos?
• En la vida real, los experimentos raramente se ejecutan con exactitud a como se habían diseñado.
Creemos que el experimentador primero debe entender el cómo y porqué de cada corrida que es
incluida en el diseño - para que cuando el experimento no pueda ser corrido como el diseño dice,
la máxima información puede ser obtenida. Los métodos clásicos enseñan al experimentador
como se genera cada diseño, y la eficacia inherente seleccionando un diseño. ¡Usted no trabaja en
balde!.
Diseños Taguchi vs Diseños Clásicos
¿Porqué aprender el diseño clásico de experimentos?
Algunas gráficas lineales estándar para el diseño L8
Algunas veces los diseños de Taguchi pueden tener grandes números de corridas.
Por ejemplo, investigando los efectos de 5 factores con 3 factores de ruido, se requeriría :
Contribución:
La aplicación de cualquiera de las dos corrientes para mejorar la calidad de un producto, reduciendo la
variación de un proceso da como resultado un producto robusto. Los diseños experimentales que
Taguchi propuso son un poco diferentes a los diseños experimentales clásicos. Taguchi emplea dos
conjuntos de diseños experimentales. Uno para los parámetros de diseño, denominado arreglo interno
y el otro es para los factores de ruido, el cual se conoce como arreglo externo. Los diseños
experimentales clásicos desarrollados por Ronald A. Fisher. Estos diseños fueron desarrollados por
primera vez en investigaciones agrícolas.
Diseños Taguchi vs Diseños Clásicos
X1 Y3
X2 Y2
X3 Y4
X4 Y1
X5
Z1 Z2 Z3 Z4
X1 Y3
X2 Y2
X3 Y4
X4 Y1
X5
Z1 Z2 Z3 Z4
Un proceso o sistema puede ser representado por medio de una caja negra, en la que
se puede observar la existencia de factores controlables X1, X2……….., Xi; factores no
controlables Z1, Z2………. Zi (aunque pueden ser controlables para los fines del
experimento); entradas y una respuesta o salida Y del sistema.
Diseños Taguchi vs Diseños Clásicos
Y = variable a controlar
X1 Y3
X2 Y2
X3 Y4
X4 Y1
X5
Producto
terminado
DISEÑO DE EXPERIMENTOS TAGUCHI
De estas tres etapas, la más importante es el diseño de parámetros cuyos objetivos son:
• Para lograr lo anterior se ha manejado una serie de herramientas estadísticas conocida como
diseño de experimentos, tratadas anteriormente.
• Taguchi ha propuesto una alternativa no del todo diferente que se que conoce como: Arreglos
Ortogonales y las Gráficas Lineales.
• La herramienta utilizada normalmente son diseños Factoriales fraccionados, sin embargo
cuando el número de factores se ve incrementado, las posibles interacciones aumentan, así
como la complicaciones para identificar cuáles son las condiciones específicas a experimentar.
• Un arreglo ortogonal se puede comparar con una replicación factorial fraccionada, de manera
que conserva el concepto de ortogonalidad y contrastes. Un experimento factorial fraccionado
es también un arreglo ortogonal .
DISEÑO DE EXPERIMENTOS TAGUCHI
Donde:
La (b)C
Taguchi ha desarrollado una serie de arreglos para experimentos con factores a dos
niveles, los más utilizados y difundidos según el número de factores a analizar son:
No. de factores a analizar Arreglo a No. de condiciones a probar
(columnas del arreglo) utilizar (renglones de arreglo)
Entre 1 y 3 L4 4
Entre 4 y 7 L8 8
Entre 8 y 11 L12 12
Entre 12 y 15 L16 16
Entre 16 y 31 L32 32
Entre 32 y 63 L64 64
DISEÑO DE EXPERIMENTOS TAGUCHI
Algunos arreglos ortogonales
La (b)C
DISEÑO DE EXPERIMENTOS TAGUCHI
Algunos arreglos ortogonales
En este caso estamos interesados en analizar el efecto de 5 efectos o factores a dos niveles cada uno, por lo tanto, se
usará un arreglo ortogonal L8. Esto implica que se ejecutarán 8 pruebas o condiciones experimentales. Por otra parte
se disponen de 7 columnas, a cada columna se le puede asignar o asociar un factor. Si en particular, asignamos los
factores en orden a las primeras cinco Columnas, dejando libres las últimas dos columnas, el arreglo queda:
Total 2.64
Observe que en las columnas vacías, 6 y 7, se ha escrito la letra e1,y e2 respectivamente esto para indicar que en
ellas se evaluará la variación natural o error aleatorio.
Si no se asigna ningún factor, es de esperar que ahí se manifieste la variación natural. Los resultados de Yi se
muestran en ppm.
El análisis de resultados, se puede efectuar de dos maneras diferentes. Una de ellas mediante una serie de gráficas,
DISEÑO DE EXPERIMENTOS TAGUCHI
Algunos arreglos ortogonales
Yest. = Y + Ef A2 + Ef C2 + Ef D2 + Ef E2
T1 = Total de lecturas al nivel 1
T2 = Total de lecturas al nivel 2
n = Número total de lecturas
SS = (T2 - T1 )2 /n
gl = Grados de libertad (columnas)
V = SS/gl
F = V/Ve
Sg = ¿Efecto significante?
P1 = Promedio nivel 1
P2 = Promedio nivel 2
Ni = Nivel seleccionado
Ef = Efecto de la variable
Y = Promedio de todos los datos
Yest = Valor estimado de la variable a las condiciones propuestas
DISEÑO DE EXPERIMENTOS TAGUCHI
Algunos arreglos ortogonales
Factor A C D E B e e
Se puede observar que el orden en que quedaron los datos anteriores, es también el orden de
mayor a menor Fexp que se obtiene con la ANOVA.
.40
.35
.33
.30
.25
A1 A2 C1 C2 D1 D2 E1 E2 B1 B2 e1 e2 e1 e2
DISEÑO DE EXPERIMENTOS TAGUCHI
Algunos arreglos ortogonales
Mediante esta gráfica, se puede evaluar el efecto de cada factor. Entre mayor sea la línea de cada
factor, o bien, entre más vertical se encuentre, mayor será el efecto de este factor.
Observe que las conclusiones a que se llegamos en este ejemplo son similares a las de la ANOVA, esto
es, factores significantes A, C, D y e, igualmente los niveles recomendados se pueden identificar
rápidamente, si deseamos reducir la variable de respuesta, se toma el nivel más bajo, en este caso A2,
C2, D2 y E2, es decir, los puntos por debajo de la línea promedio global.
En conclusión, el método gráfico puede ser utilizado para fines de exposición o presentación y el
ANOVA para fines de tomar una decisión más objetiva.
DISEÑO DE EXPERIMENTOS TAGUCHI
Algunos arreglos ortogonales
B1
B1
B2
B2
A1 A2 A1 A2
Tipos de parámetros
• Aleatoria
Frecuencia
• Predefinida
Metrología
• Calibración (puesta a punto de un instrumento contra un
estándar)