Diseño de Experimentos DOE-DPTaguchi

Herramientas Estadsticas:
DISEO DE EXPERIMENTOS (DOE).

INGENIERIA TAGUCHI
-1
DISEO DE EXPERIMENTOS (DOE). INGENIERIA TAGUCHI
JOSE LUIS DEL VALLE
1.
INTRODUCCIN
1.1
1.2
CALIDAD
VARIACIN
1.3
REDUCCIN
VARIACIN
1.4
2.
DE
COSTOS
POR
REDUCCIN
DE
FUNCIN DE PERDIDA
2.2
LA
9
16
DEFINICIN
16
FACTORES, NIVELES E INTERACCIONES
17
TIPOS DE DISEO DE EXPERIMENTOS
3.1
DISEOS DE UN FACTOR A LA VEZ
3.3
DISEO FACTORIAL COMPLETO
3.2
12
DISEO DE EXPERIMENTOS
2.1
3.
20
20
ANLISIS DE VARIANZA
23
3.4
DISEOS FACTORIALES FRACCIONALES
3.4.1
ARREGLOS ORTOGONALES ( D.F.F. SATURADOS)
3.5
DISEO DE PARMETROS DE TAGUCHI
3.5.1
RUIDO, ROBUSTEZ
25
32
33
38
39
4.
IMPLANTACIN, ETAPAS
46
5.
LOS 7 PUNTOS DE TAGUCHI
46
6.
BIBLIOGRAFA
48
7.
EJERCICIOS
49
-2
JOSE LUIS DEL VALLE
Figura 1 CIRCULO DE CALIDAD 5

Figura 2 PROCESO / SISTEMA 6
Figura 3 PREVENCIN FRENTE A DETECCIN 7
Figura 4 HISTOGRAMA 9
Figura 5 COSTOS ASOCIADOS CON LA CUBIERTA DE POLIETILENO
10
Figura 6 DIFERENCIA DE CALIDAD DE PRODUCCIN, JAPN /
U.S.A. 12
Figura 7 FUNCIN DE PERDIDA 13
Figura 8 FUNCIN DE PERDIDA NOMINAL - MEJOR 15
Figura 9 FUNCIN DE PERDIDA MENOR - MEJOR 16
Figura 10 FUNCIN DE PERDIDA MAYOR - MEJOR 16
Figura 11 INTERACCIN COBRE - MAGNESIO 19
Figura 12 NO INTERACCIN ENTRE EL COBRE Y MAGNESIO 20
Figura 13 SUPERFICIE EXPERIMENTAL 22
Figura 14 GRFICA FACTORIAL 30
Figura 15 INTERACCIN BxC 31
Figura 16 GRADOS DE LIBERTAD DE UN FACTOR 36
Figura 17 GRADOS DE LIBERTAD DE LA INTERACCIN DE DOS
FACTORES 36
Figura 18 GRFICAS LINEALES DEL ARREGLO ORTOGONAL L8 37
Figura 19 CONCEPTO DE ROBUSTEZ 40
Figura 20 FACTORES DE CONTROL Y RUIDO 44
Figura 21 Grfica factorial de la media
Figura 22 G.F. seal /
ruido 45
-3
JOSE LUIS DEL VALLE
Tabla 1 VALORES DE DIMETRO DE 50 EJES (variacin en las

centsimas) 8
Tabla 2 FRECUENCIA ABSOLUTA 8
Tabla 3 RESUMEN DE LA FUNCIN DE PERDIDA 15
Tabla 4 EJEMPLO DE FACTORES Y NIVELES 18
Tabla 5 EXPERIMENTACIN. DUREZA PIEZAS DE FUNDICIN 19
Tabla 6 TIPO 1 DE EXPERIMENTACIN DE UN FACTOR A LA VEZ 21
Tabla 7 TIPO 2 DE EXPERIMENTACIN DE UN FACTOR A LA VEZ 21
Tabla 8 ANLISIS DE VARIANZA DEL EXPERIMENTO DE
FUNDICIN 23
Tabla 9 ANOVA DEFINITIVO 24
Tabla 10 CALCULO DEL N DE COMBINACIONES 26
Tabla 11 FACTORES Y NIVELES 26
Tabla 12 MATRIZ DE DISEO BASE 27
Tabla 13 TRADUCCIN DE LOS NIVELES DE LOS FACTORES 27
Tabla 14 MATRIZ DE CALCULO 28
Tabla 15 TABLA DE RESPUESTAS 28
Tabla 16 ANLISIS DE VARIANZA DEL DISEO DE EXPERIMENTOS
31
Tabla 17 DISEO FACTORIAL FRACCIONAL SATURADO 33
Tabla 18 TABLA ORTOGONAL 34
Tabla 19 ARREGLO ORTOGONAL L8 34
Tabla 20 TIPOS DE ARREGLOS ORTOGONALES 35
Tabla 21 TABLA TRIANGULAR DEL L8 37
Tabla 22 ARREGLO ORTOGONAL CON UN FACTOR DE RUIDO 41
Tabla 23 ARREGLO ORTOGONAL CON DOS FACTORES DE RUIDO 41
Tabla 24 ARREGLO ORTOGONAL INTERNO Y EXTERNO 42
Tabla 25 TIPOS DE ECUACIONES SEAL RUIDO 43
Tabla 26 ARREGLO ORTOGONAL INTERNO Y EXTERNO L4 44
Tabla 27 ARREGLO ORTOGONAL INTERNO Y EXTERNO L4 45
Tabla 28 TABLA DE RESPUESTAS DE LA MEDIA Y S/R 45
Tabla 29 ANLISIS DE UN DISEO DE PARMETROS 46
-4
JOSE LUIS DEL VALLE
1. INTRODUCCIN
Esta metodologa industrialmente forma parte de herramientas tcnicas de
Calidad y en ciertos pases se integra en cursos sobre Ingeniera de Calidad. En
cualquier caso se trata de herramientas que permitirn optimizar productos,
procesos y sistemas frente a la variacin incontrolada.
1.1 CALIDAD
Todos los productos tienen unas caractersticas que describen su adecuacin a
las expectativas, necesidades y, o requerimientos del consumidor. Caractersticas
tales como la economa en el consumo de gasolina de un coche, el peso de un
paquete de cereales, la prdida de calor de un calentador de agua, todos son
ejemplos de caractersticas de un producto que estn relacionadas con los
consumidores de una u otra forma.
La calidad de un producto se mide en trminos de estas caractersticas. La
calidad est relacionada con la prdida social causada por un producto durante
su ciclo de vida. Un producto de elevada calidad originar un costo social
mnimo durante su ciclo de vida. Las prdidas que un consumidor acusa pueden
adquirir mltiples formas, pero generalmente se trata de una prdida de las
funciones o propiedades del producto.. Otro tipo de prdidas son el tiempo, la
polucin el ruido, etc.. Si un producto no funciona segn se espera de l, el
consumidor siente algn tipo de prdida. Una vez que un producto ha sido
realizado y comercializado, el fabricante se encuentra en un punto tal, que ya no
puede hacer nada por l durante el resto de su vida.
La calidad, no tiene sino un nico evaluador de la misma, el cliente. En el
siguiente modelo, se observa que el cliente es juez, jurado y ejecutor:
CLIENTES
CIRCULO
DE
CALIDAD
FABRICANTES
DISEADORES
Figura 1 CIRCULO DE CALIDAD

El cliente conoce con toda certeza qu productos concuerdan con sus
necesidades, incluyendo precio y funcionamiento.
-5
JOSE LUIS DEL VALLE
El nacimiento de un producto empieza cuando se recaba informacin del cliente

(mercado) para definir lo que el cliente quiere, necesita y espera de un producto
particular. El diseador debe recoger dichas necesidades, y traducirlas en
especificaciones de producto, las cuales incluyen dibujos, dimensiones,
tolerancias, materiales, procesos, herramientas, etc.. Los fabricantes con toda
esta informacin fabrican el producto. Despus el producto se enva al cliente a
travs de su comercializacin. Para satisfacer al cliente, el producto debe llegar
en la cantidad adecuada, en el tiempo adecuado, en el sitio adecuado y con las
funciones exactas para funcionar el tiempo adecuado y todo ello a un precio
adecuado.
Se puede decir que la mejor definicin de alta calidad, es la de tener un cliente
feliz.
Una definicin de calidad que se va a utilizar en esta obra, por su profundo
significado, es la de Taguchi:
"Es la prdida econmica generada a la sociedad desde que un producto ha sido
lanzado al mercado"
1.2 VARIACIN
Sabemos que un producto o servicio de calidad es aquel que responde

perfectamente a las necesidades del cliente, es decir aquel cuyas caractersticas
funcionales son las ptimas y varan lo menos posible a lo largo del tiempo:
Supongamos un proceso de torneado de unos ejes. Dichos ejes deben tener un
dimetro nominal . La variacin se encuentra a nivel de las centsimas. Para
que dichos ejes funcionen ptimamente tienen que tener una dimetro nominal
en centsimas de 25,10 mm y una tolerancia de 0,04 mm. Es decir 25,10
0,04 mm.
Si torneo 50 ejes seguidos y mido sus dimetros, los primero que observo es una
variacin en el , aunque estn fabricados uno a continuacin del otro en
intervalos de tiempo pequesimos. La pregunta que nos podemos hacer es
inmediata: porqu existe dicha variacin, si no hemos modificado ningn
parmetro de mquina?. La respuesta se puede observar claramente en la
siguiente figura:
PROCESO / SISTEMA
MAQUINA
METODO
MEDIO AMBIENTE
PRODUCTO
EJE
MEDICIONES
MATERIA PRIMA
MANO DE OBRA
Figura 2 PROCESO / SISTEMA

-6
JOSE LUIS DEL VALLE
La respuesta es que existen miles de causas de variacin que hacen que un

producto no sea igual al siguiente. Dichas causas estn agrupadas en seis
grandes captulos ( de las "6 M" ): mquina, mtodo de trabajo, medio ambiente,
medidas, materias primas y mano de obra. A este diagrama tambin se le conoce
como " Diagrama de Ishikawa o espina de pescado ".
Todas estas causas de variacin hacen que los productos no tengan las
caractersticas funcionales en sus valores ptimos, y su funcionamiento diste
mucho de satisfacer las necesidades del cliente. De este problema surge la
necesidad de establecer los controles de calidad del producto. Existen dos
formas de realizar dicho control, por deteccin y preventivo. En el siguiente
grfico se puede observar claramente la diferencia:
PROCESO / SISTEMA
MAQUINA
METODO
MALO
MEDIO AMBIENTE
BUENO
DETECCION
PRODUCTO
EJE
MEDICIONES
MATERIA PRIMA
MANO DE OBRA
INFORMACION
PREVENCION
Figura 3 PREVENCIN FRENTE A DETECCIN

En ambos casos lo que se hace es obtener informacin del producto acabado. En
un sistema de control por deteccin, lo que se hace es aceptar todo aquel
producto cuyas caractersticas estn dentro de tolerancias, y rechazar el que se
encuentre fuera de las especificaciones. Este producto rechazado va a chatarra o
recuperacin . Este sistema de aseguramiento de la calidad es altamente
costoso, detecta lo que est mal y lo corrige encareciendo enormemente la
calidad conseguida. Se trata de sistemas poco competitivos.
En cambio, los sistemas de control de calidad preventivos, aunque tambin
parten de la misma informacin , se utilizan para conocer como se comporta el
proceso o sistema. Es decir, investiga qu causas del proceso, son las que estn
produciendo un alejamiento de las caractersticas funcionales del producto de su
valor funcional. Acta desde el origen para no tener problemas en el destino.
Estas diferencias las podemos observar claramente siguiendo con el ejemplo del
proceso de torneado de los 50 ejes:
ASEGURAMIENTO DE CALIDAD EN SISTEMAS TRABAJANDO EN DETECCIN:
-7
JOSE LUIS DEL VALLE
Tolerancia en las centsimas del dimetro de los ejes = 25,10 0,04 mm

1.
2.
3.
4.
5.
13
11
11
13
12
6.
7.
8.
9.
10.
14
16
14
14
12
11.
12.
13.
14.
15.
10
9
17
13
13
16.
17.
18.
19.
20.
10
10
16
12
13
21.
22.
23.
24.
25.
15
15
14
13
12
26.
27.
28.
29.
30.
13
12
11
14
15
31.
32.
33.
34.
35.
13
10
12
15
11
36.
37.
38.
39.
40.
13
11
14
11
15
41.
42.
43.
44.
45.
15
12
13
13
12
46.
47.
48.
49.
50.
14
13
13
16
12
Tabla 1 VALORES DE DIMETRO DE 50 EJES (variacin en las

centsimas)
Bajo este sistema de control, la informacin obtenida de la tabla se utiliza para

actuar sobre el producto. Si se analiza detenidamente se observa que existen 10
dimetros que se encuentran fuera de tolerancia y 40 dentro. Luego separamos
los ejes defectuosos.
ASEGURAMIENTO DE CALIDAD EN SISTEMAS TRABAJANDO EN PREVENCIN:
1
13
17
16
15
14
13
12
11
10
Tabla 2 FRECUENCIA ABSOLUTA
Aqu tambin se recoge informacin del producto acabado, pero es para conocer
cual es el comportamiento del proceso. Si la variacin en la salida es elevada, se
investigar cual es la causa o causas del proceso que la origina eliminndolas
posteriormente. Ms adelante veremos que Taguchi es partidario de no eliminar
todas las causas, ya que muchas de ellas son imposible de eliminar o muy
costoso; sino de encontrar aquellos niveles de los parmetros de control del
proceso que son los ms insensibles a la variacin provocada por las causas. Es
decir, disea los procesos de tal forma que prcticamente no acusan los efectos
provocados por dichas causas.
En la siguiente figura vemos la representacin grfica del histograma del
proceso:
-8
JOSE LUIS DEL VALLE
13
12
10
8
6
4
2
0
8%
30
26%
18%
12%
25
20
15
14%
12%
6%
2%
Frecuencia %
Frecuencia
14
2%
9 10 11 12 13 14 15 16 17 18 19
10
5
0
Dimetro
Figura 4 HISTOGRAMA
Lo que el cliente quiere es que el proceso est centrado en 10 mm que es el
valor nominal. O lo que es lo mismo, que el proceso de torneado de estos ejes,
est centrado en el valor 10 y exista la menor variacin posible entorno al 10.
En el caso anterior 1 habra que centrar el proceso al valor nominal y despus
disminuir la variacin alrededor de dicho valor. Se investigaran las causas que
producen dichos problemas y se eliminaran o se diseara el proceso robusto,
insensible a los efectos de las causas.
1.3 REDUCCIN DE COSTOS POR REDUCCIN DE LA VARIACIN
Hemos visto que el nivel de calidad de un producto se mide por el deterioro que
experimenta por su uso y manejo. Vamos a intentar comprender un poco ms a
fondo la definicin de calidad de un producto dada por Taguchi:
"Es la mnima prdida econmica generada a la sociedad desde que un
producto ha sido lanzado al mercado"
En las empresas americanas y europeas es, todava, muy corriente el or que un

producto de elevada calidad si se ha fabricado dentro de sus tolerancias. Este
tipo de afirmacin solo tiene que ver con los diseadores y fabricantes. Es lo que
se conoce como el sndrome de la "portera de ftbol", todo baln que entra
entre los tres palos es gol. Lo que le falta a esta definicin de calidad son los
requerimientos del consumidor. Un producto puede encontrarse dentro de sus
especificaciones, pero si el producto no concuerda con las del cliente, no existe
una calidad real. Por ejemplo, un consumidor comprar un televisor con la mejor
imagen, y no aquel que se encuentre dentro de especificaciones. Los
consumidores quieren que los productos estn lo ms prximos al valor nominal
todo el tiempo y los fabricantes quieren que el producto vare entre los lmites de
especificacin. Cmo pueden tenerse en cuenta estas dos ideas aparentemente
-9
JOSE LUIS DEL VALLE
contradictorias ?. Ms adelante veremos que con el diseo de parmetros de

Taguchi ser posible contestar a dicha pregunta.
La prdida a la sociedad est compuesta de dos costos:
- Costos originados en los procesos de produccin
- Costos originados por el uso del producto (reparaciones, ...)
Existen dos ejemplos que aclaran el significado de prdida ocasionada a la

sociedad:
Ejemplo 1:
Un fabricante japons fabricaba cubiertas de polietileno con un espesor nominal

de 0,039 in o 1 mm, para proteger las cosechas del fro. Los agricultores quieren
tener las cubiertas lo suficientemente gruesas como para aguantar las
inclemencias del tiempo sin romperse, pero no demasiado gruesas como para
impedir el paso de la luz a travs de ellas. Los fabricante quieren fabricar
plsticos finos para obtener ms metros cuadrados de polietileno al mismo costo.
En la siguiente grfica se observan estos dos requerimientos:
Figura 5 COSTOS ASOCIADOS CON LA CUBIERTA DE POLIETILENO
- 10
JOSE LUIS DEL VALLE
Las especificaciones nacionales para el espesor del polietileno era de 1mm 0.2
mm. Una empresa que fabricaba este tipo de plstico, mantena la variacin del
espesor en 0.02 mm de forma consistente. La empresa tom la decisin
econmica de reducir el espesor nominal a 0.82 0.02 mm. De esta forma el
espesor de todos los plsticos entraban dentro de las especificaciones nacionales.
Esto podra reducir los costos de fabricacin y aumentar los beneficios.
Pero, en el mismo ao ocurrieron fuertes tormentas que causaron que los
plsticos se rompieran con gran facilidad. El costo de reemplazo de dichos
plsticos hubo de ser pagado por los agricultores, y este fue mucho mayor del
esperado. Estos costos los podemos observar en el grfico anterior. Lo que no
consideraron los fabricantes es el hecho de que el costo para los agricultores
aumentara al disminuir los costos internos de fabricacin.. La funcin de prdida,
la prdida a la sociedad, es la curva superior, que es la suma de las curvas del
fabricante y del consumidor.
El fabricante est obligado, por ser parte de la sociedad, a fabricar plsticos con
un espesor centrado en el nominal (1 mm), y a reducir la variacin entorno a
dicho valor nominal todo lo posible.
Un japons hubiese dicho que una empresa como la vista anteriormente sera
peor que un ladrn, ya que si un ladrn roba a una persona 10 $, la prdida a la
sociedad es 0; alguien ha perdido 10 $, pero el ladrn los ha ganado. Pero en el
caso anterior, la ganancia de la empresa es mucho menor que la prdida
originada a la sociedad. Un fabricante que ahorra menos dinero que el que un
cliente gasta en reparaciones por mala calidad de un producto, ha hacho ms
que robar al cliente y a la sociedad.
Ejemplo 2:
Se trata de un televisor Sony fabricado por dos fbricas, una localizada en San
Diego en Estados Unidos, y la otra en Japn. En 1979, el peridico Asahi public
un artculo que hablaba de la preferencia del consumidor americano por los
televisores fabricados en Japn. Los televisores de las plantas filiales de Sony en
San Diego, California, eran aparentemente idnticos a los fabricados en Tokio,
Japn. Ambas empresas los fabricaban para el mercado estadounidense, usaban
el mismo diseo y las mismas tolerancias. Sin embargo el consumidor americano
prefera comprar televisores hechos en Japn.
Los televisores fabricados en la planta de San Diego, no se comercializaban
ninguno con una densidad de color fuera de las tolerancias. (libres de defectos).
Los televisores fabricados en Japn tenan un 3 de cada 1000 aparatos con una
densidad de color fuera de tolerancias.
- 11
JOSE LUIS DEL VALLE
JAPON
ESTADOS UNIDOS
NOMINAL
L.C.I.
Figura 6 DIFERENCIA DE CALIDAD DE PRODUCCIN, JAPN / U.S.A.

Porqu los americanos preferan comprar televisores fabricados en Japn?. La
respuesta es fcil, la mayor parte de los televisores japoneses estn ms cerca
del valor nominal los americanos. La densidad de color de la mayor parte de los
televisores japoneses estn ms cerca del valor ptimo funcional. Los
consumidores (mercado) aprecian claramente esta diferencia.
Las tolerancias no aseguran la calidad., solo establecen los lmites dentro de los
que un producto funciona o no funciona. Dos productos pueden funcionar, pero
uno de ellos ser mejor que otro. Si todos los productos responden al valor
nominal deseado, la calidad est asegurada. El que todos los productos tengan el
valor nominal es imposible, pero si es posible el tener la menor variacin posible
entorno al valor nominal.
1.4 FUNCIN DE PERDIDA
El objetivo de la funcin de prdida creada por Teguchi, es la evaluacin
cuantitativa y econmica de la prdida de calidad debido a las variaciones
funcionales. Para cada caracterstica de calidad existe una funcin que define la
relacin entre la prdida econmica y la desviacin de la caracterstica de calidad
de su valor nominal. La representacin cuadrtica de la funcin de prdida es una
forma eficiente y efectiva de establecer las prdidas por calidad..
La funcin de prdida es un aproximacin de una expansin de la Serie de Taylor
alrededor del valor nominal:
L(y) m = L(m) + L (m)
m - y
1!
+ L (m)
m - y 2
2!
+ ........
Ecuacin 1 Funcin de prdida. Desarrollo de Taylor

- 12
JOSE LUIS DEL VALLE
dicha expresin queda reducida para la caracterstica de un solo componente a:
L(y) = k y - m
Ecuacin 2
donde:
L(y) = Prdida en dinero por unidad de producto cuando el valor de la
caracterstica de calidad es y
y = valor de la caracterstica de calidad. Ej.: longitud, concentracin, fuerza,
dimetro, densidad....
m = valor nominal de y
k = es una constante de proporcionalidad. El significado es la importancia
financiera de la variable
La funcin de prdida es por los tanto una funcin continua y no de salto de
escaln:
L(y)
$
Ao = 100 $
95
115
135
Figura 7 FUNCIN DE PERDIDA

En la figura anterior se encuentra representada la funcin de prdida en para el
caso del voltaje de un circuito de un aparato de televisin. Dicho voltaje est
relacionado con la densidad de color del aparato. El voltaje nominal ptimo es de
115v. Se sabe que el costo promedio para reparar el televisor, cuando el voltaje
de salida de dicho circuito es de 115 20v, es de 100 $. Se trata de la tolerancia
del consumidor. o = 20v es la tolerancia del consumidor, y Ao = 100 $ es la
prdida para la tolerancia del consumidor.
- 13
JOSE LUIS DEL VALLE
Estos datos sirven para calcular la constante k

k = 100 $ / (20 v)2 =0.25 $/v2
con este dato la ecuacin de la funcin de prdida es L(y) = 0.25 (y - 115)2
Si el circuito electrnico se monta en un televisor y se comercializa con una

salida de potencial de 110v, sin ser reprocesado, la funcin de prdida sera L(y)
= 0.25 (110 - 115)2 = 6.25 $.
Esto significa que, en promedio, alguien est pagando 6.25 $. Este es un dato
aproximado que la mala calidad origina a la sociedad. esta prdida le llega al
fabricante como:
consumidor insatisfecho
costos de garanta agregados
tiempo y dinero por el consumidor en las reparaciones
mala reputacin
prdida de mercado la largo plazo
Toda caracterstica de calidad de cualquier producto tiene un lmite a partir del

cual deja de funcionar dicho producto. Es lo que hemos denominado tolerancia
del consumidor, tambin llamado dosis letal. Esta denominacin proviene de una
terminologa farmacutica. Cuando a una poblacin de ratas se las inyecta un
determinado veneno, la dosis letal para dicho veneno es aquella concentracin
tal que el 50% de las ratas mueren. Bajo el enfoque industrial, sera aquel valor
de la variable para el que el 50% de los productos dejan de funcionar, o que el
50% de los consumidores considerara que el producto no funciona.
La expresin de la funcin de prdida para n productos extrados de un proceso
de montaje, ser:
L(y) = k SMD = k
1 n
2
2
y i m = k 2 y m
n i 1
Ecuacin 3
La anterior ecuacin calcula la funcin de prdida media por pieza, componente,

variable, etc.. Esta se logra disminuir, disminuyendo la variacin 2 alrededor de
un valor medio, y ajustando el valor medio al valor nominal m (media - mm)2.
Taguchi tambin calcul distintas ecuaciones de la funcin de prdida para el
caso de caractersticas a optimizar que sean del tipo Menor - Mejor
(minimizacin) y Mayor - Mejor (maximizacin ).
- 14
JOSE LUIS DEL VALLE
UNA
PIEZA O
PRODUCT
O
UNA
MUESTRA
O
PROCESO
NOMINAL - MEJOR
L = k y - m ; k =
2
Ecuacin 4
MENOR - MEJOR
A0
1
2
L = k 2 ; k = A0 y0
2
y0
y
L = k y2; k =
A0
MAYOR - MEJOR
Ecuacin 5
Ecuacin 6
Ecuacin 8
Ecuacin 9
1n
n
2
2
L = k yi m k 2 y m L = k 1 yi2 k y2 2
1n 1
1 2
n i1
n 11
L=k 2 k 2 13 2
n11 yi
y y
Ecuacin 7
Tabla 3 RESUMEN DE LA FUNCIN DE PERDIDA
Las grficas correspondientes a cada una de las ecuaciones anteriores aparecen

en las figuras siguientes:
L(y)
NOMINAL - MEJOR
Ao
Figura 8 FUNCIN DE PERDIDA NOMINAL - MEJOR
- 15
JOSE LUIS DEL VALLE
MENOR - MEJOR
L(y)
Ao
yo
Figura 9 FUNCIN DE PERDIDA MENOR - MEJOR

MAYOR - MEJOR
L(y)
Ao
yo
Figura 10 FUNCIN DE PERDIDA MAYOR - MEJOR

2. DISEO DE EXPERIMENTOS
La primera pregunta que se puede formular inmediatamente es Cmo conseguir
situar la media de nuestros productos o procesos en el valor nominal, y reducir la
variacin entorno a esta media?. La respuesta es mediante el diseo de
experimentos.
2.1 DEFINICIN
Una definicin bastante acertada del diseo de experimentos es "la introduccin
deliberada de cambios a fin de evaluar sus efectos sobre el funcionamiento de los
procesos y adecuacin de los productos". Todo proceso genera informacin. Lo
que se necesita para aprender, provocando dicho aprendizaje, es la confluencia
de acontecimientos crticos y un agente perceptivo (hombre). Es decir, se trata
- 16
JOSE LUIS DEL VALLE
de provocar una situaciones diferentes, que nunca se han probado, y ver que
efectos tienen, para seguidamente obtener un aprendizaje.
El diseo de experimentos no es ninguna tcnica nueva ni revolucionaria. Se
puede decir que desde los albores del tiempo (prehistoria) ya se experimentaba.
Los hombres de Cromagnon chocaban unas piedras contra otras y vean que
consecuencias tena. Probablemente un acontecimiento que ocurri en dicha
poca y que refleja muy bien la definicin dada del diseo de experimentos, es la
del fuego. Probablemente el fuego se descubri en alguna de aquellas tormentas
en las que se hubiesen desencadenado relmpagos. Al caer un rayo en maleza o
un bosque provoc un incendio ("acontecimiento crtico", algo extraordinario,
fuera de lo normal), observando dicho acontecimiento alguna de aquellas
personas ("agente perceptivo"), la cual acercndose a l intent tocarlo
quemndose (aprendizaje).
Esta experimentacin se trata probablemente de una experimentacin no
diseada. Esta es la diferencia con el tipo de experimentaciones sobre las que
trataremos en el presente trabajo. La palabra diseo implica que existe una
forma ordenada y dirigida de realizar las experiencias. Se puede decir que las
primeras experimentaciones dirigidas con cierta estructura fueron las
denominadas de "de un factor a la vez", pasando rpidamente a trabajar en
mtodos de "muchos factores a la vez". Dentro de este ltimo grupo de
experimentaciones, las primeras que se realizaron, se debieron a R. A. Fisher
hacia 1920 en el Rothamsted Agricultural Experimental Station, Inglaterra. Fisher
compar con xito la calidad distintas variedades de plantas dividiendo primero la
tierra en bloques homogneos de distintas fertilidades, y segundo, plantando
distintas variedades dentro de cada uno de los bloques homogneos de forma
aleatoria. Esto le permiti establecer qu variedad de plantas y condiciones de
fertilizacin eran las mejores comparando unas con otras. Fisher trabaj y cre el
Anlisis de Varianza, los Diseos de Bloques Aleatorios, diseos de Cuadrado
Latino, cuadrado Grecolatino, etc..
Dentro del grupo "muchos factores a la vez", se incluyen tambin los Diseos
Factoriales Completos y los Factoriales Fraccinales de resolucin 2k-p de Box, los
de Plackett & Burman y los Arreglos Ortogonales de Taguchi.
Se puede decir que gran parte del desarrollo del Diseo de Experimentos en
occidente se debe a Box Hunter & Hunter ( 1978) y en oriente a Taguchi. (
1976).
Otra consecuencia inmediata del diseo de experimentos es que se conoce y
comprende el funcionamiento del proceso y comportamiento del producto que
hemos optimizado.
2.2 FACTORES, NIVELES E INTERACCIONES
Sabemos que los productos han de satisfacer las necesidades del consumidor, y
por lo tanto, las caractersticas funcionales de dichos productos han de tener
unos valores nominales, mximos o mnimos. Desde el punto de vista de la
calidad, el diseo de experimentos, busca encontrar el material, la presin, la
- 17
JOSE LUIS DEL VALLE
temperatura, coeficiente de resistencia, tiempo de ciclo, etc.., que optimizan

dichas caractersticas funcionales.
A la vista de lo anteriormente apuntado, factor es todo aquello que pueda afectar
o tenga algn tipo de influencia sobre la/s caractersticas de calidad
seleccionada/s. Ejemplo: en un proceso de templado de unas piezas, una
caracterstica importante es la dureza de dichas piezas. Se trata de una variable
mayor - mejor. Un listado de los posibles factores que pueden afectar a la dureza
en dicho proceso son:
El % en C (Carbono)
T C
Velocidad de calentamiento
Velocidad de enfriamiento
Proveedor
Materia prima
Cantidad de carga
Tiempo de permanencia a la temperatura T
.............................................
Los factores se escogen en base a nuestra experiencia, a la informacin que

tengamos recogida y con la ayuda de otras herramientas de la calidad como son
el diagrama de Ishikawa o " espina de pescado" o "causa efecto", AMFE ( anlisis
modal de fallos y efectos crticos ), etc.. Los factores han de ser controlables y
medibles.
Los niveles de dichos factores, son los valores que se fijan de cada uno de los
factores. El nmero de niveles puede ser variable, 2,3,4, etc...El objetivo
perseguido es encontrar aquel nivel que optimiza la variable o caracterstica de
calidad. Siguiendo con el ejemplo anterior, y considerando solo dos niveles, estos
podran ser:
FACTORES
El % en C (Carbono)
T C
Velocidad de calentamiento
Velocidad de enfriamiento
Proveedor
Materia prima
Cantidad de carga
Tiempo de permanencia a la temperatura T
NIVELES
3%
5%
2000C
2500C
50/'
100/'
50/'
100/'
A
B
Dura
Blanda
100 Kg
200 Kg
15'
30'
Tabla 4 EJEMPLO DE FACTORES Y NIVELES
A los niveles se les suele simbolizar por + y - o 1 y 2 . En el ejemplo anterior y

para el primer factor se podra haber escrito:
+o1=3%
- 18
JOSE LUIS DEL VALLE
-o2=5%
asignndose el resto de forma equivalente.
Otro concepto importante es el de interaccin de dos factores. Se dice que dos

factores que influyen sobre una caracterstica interaccionan, cuando la influencia
de un factor sobre la caracterstica de calidad es distinta, dependiendo del nivel al
que se encuentre el otro factor. La presencia de una interaccin indica que el
efecto de los dos factores sobre la caracterstica de calidad es no lineal (aditivo).
Una forma de comprender ms fcilmente lo que significa una interaccin entre
dos factores, es mediante la representacin grfica. Para ello, vamos a ver el
siguiente caso.
Supongamos que estamos fabricando unos pistones de aluminio en una fundicin
de aluminio. La caracterstica de calidad que nos interesa el la dureza medida en
la escala Rockwell B. Los ingenieros determinaron que dos factores claramente
influyentes en la dureza eran uno el contenido de cobre (%Cu, A), y el otro el
contenido de magnesio (%Mg, B).La tabla siguiente recoge los valores de dureza
de las ocho piezas de fundicin obtenidas en las cuatro combinaciones posibles
de los niveles de A y B. En cada combinacin se obtuvieron dos piezas de
fundicin, esto es lo que se denomina rplica.
B1 (1.2 % Mg)
B2 (1.8 % Mg)
A1 (3.5 %
Cu)
76
78
77
78
A2 (4.5 % Cu)
73
79
74
80
Tabla 5 EXPERIMENTACIN. DUREZA PIEZAS DE FUNDICIN
Si representamos grficamente la dureza media al aumentar la concentracin de

Cu primero cuando la concentracin de Mg permanece constante el igual a 1.2
%, y segundo cuando permanece constante e igual a 1.8 % tendremos la figura
siguiente:
(1.2%Mg)
(1.8%Mg)
Dureza ,R B
80
78
76
74
72
70
A1(3.5%)
%Cu
A2(4.5%)
Figura 11 INTERACCIN COBRE - MAGNESIO

- 19
JOSE LUIS DEL VALLE
La interaccin se manifiesta grficamente por un paralelismo entre las dos rectas.

Cuanto menos paralelas sean ms fuerte es la interaccin. Una interaccin fuerte
tambin est representada por un cambio de pendiente, como en este caso.
Al aumentar la concentracin de Cu de 3.5 a 4.5 con una concentracin fija de un
1.2% de Mg la dureza disminuye. Sin embargo esta aumenta al pasar de una
concentracin de Cu de 3.5 a 4.5 cuando se mantiene fija la concentracin de un
1.8% de Mg. Este es el caso de interaccin de dos factores.
La representacin grfica en el caso de no interaccin, seran dos rectas
paralelas. Ejemplo:
(1.2%Mg)
(1.8%Mg)
Dureza ,R B
80
78
76
74
72
70
A1(3.5%)
%Cu
A2(4.5%)
Figura 12 NO INTERACCIN ENTRE EL COBRE Y MAGNESIO

3. TIPOS DE DISEO DE EXPERIMENTOS
Una vez que hemos seleccionado los factores y niveles de influencia en una
varias caractersticas de calidad de un producto o proceso, necesitamos saber, en
estas condiciones, el nmero de experimentos y forma de combinar los niveles
de los factores.
Se ha visto ya que existen muchas formas de disear la experimentacin. En
este captulo abordaremos alguna de ellas, detenindonos en aquellas ms
prcticas.
3.1 DISEOS DE UN FACTOR A LA VEZ
Se trata del mtodo ms popular sobre experimentacin multifactorial en la
mayora de las industrias y centros de investigacin occidentales Se trata de
cambiar un solo factor permaneciendo el resto constante en unas condiciones
especficas.
- 20
JOSE LUIS DEL VALLE
Por ejemplo supngase que el investigador ha decidido estudiar la posible

influencia de cuatro factores A, B, C Y D. Lo que hace es cambiar el nivel de un
solo factor una vez, permaneciendo el resto constante, y esto con cada uno de
los factores.
N de
exp.
1
2
3
4
5
FACTORES Y NIVELES
B
C
A
1
2
1
1
1
1
1
2
1
1
1
1
1
2
1
Caracterstica
1
1
1
1
2
y1
y3
y5
y7
y9
y2
y4
y6
y8
y10
Tabla 6 TIPO 1 DE EXPERIMENTACIN DE UN FACTOR A LA VEZ

La diferencias de resultado entre el experimento 2 y el 1 permiten estimar la
influencia del factor A. Si se compara los resultados del experimento 3 con el 1
se obtiene la posible influencia del factor B, y as sucesivamente.
Otra forma de experimentar cambiando los niveles de un factor una sola vez es
la siguiente:
N
exp.
1
2
3
4
5
6
7
8
1
2
2
2
2
2
2
2
1
1
2
2
2
2
2
2
FACTORES Y NIVELES
C
D
E
1
1
1
2
2
2
2
2
1
1
1
1
2
2
2
2
1
1
1
1
1
2
2
2
1
1
1
1
1
1
2
2
1
1
1
1
1
1
1
2
Variabl
e
y1
y2
y3
y4
y5
y6
y7
y8
Tabla 7 TIPO 2 DE EXPERIMENTACIN DE UN FACTOR A LA VEZ
En este caso las comparaciones para conocer la influencia de cada uno de los
factores se van desplazando sucesivamente hacia abajo. Este mtodo muchas
veces parece que llega a resultados contradictorios, aunque todos tienen su
explicacin. En ambos mtodos, Al comparar el experimento 2 con el 1 se
obtiene la influencia del factor A, cuando el resto de los factores permanecen al
nivel 1. No sabemos si la influencia de dicho factor A es la misma cuando el resto
de los factores se encuentra en otros niveles. No se pueden calcular los efectos
reales de los factores.
Se puede obtener una imagen visual de la situacin anterior par el caso de que
tengamos dos factores afectando a una variable caracterstica de calidad. Se
representar la dependencia de dicha variable mediante sus curvas de nivel:
- 21
JOSE LUIS DEL VALLE
Figura 13 CURVAS DE NIVEL EXPERIMENTAL
Figura 13 SUPERFICIE EXPERIMENTAL
En las anteriores figuras solo se refleja el caso para dos factores, en el caso de
ms factores sera exactamente igual, pero el tratamiento es totalmente
numrico.
- 22
JOSE LUIS DEL VALLE
3.2 ANLISIS DE VARIANZA

Este mtodo fue desarrollado por Fisher sobre 1930 como mtodo de
interpretacin de los resultados de los experimentos realizados en agricultura.
Aunque se le ha incluido en este captulo como un tipo de diseo de
experimentos, se trata ms bien de un mtodo estadstico utilizado para
interpretar datos experimentales y tomar las decisiones oportunas.
Est considerado aqu, porque existen planteamientos experimentales que
surgen, en cierta manera, a partir de la informacin que desea obtener una vez
finalizada la experimentacin. De esta forma se disean experiencias
condicionadas al tipo e informacin que se quiere obtener.
El ANOVA, como tambin se le conoce, es una herramienta de toma de
decisiones basada en la estadstica, que permite encontrar diferencias entre los
valores medios de los resultados de grupos de items experimentados. Las
decisiones tomadas tienen en cuenta la variacin en lugar del puro juicio de
valor.
La mayor utilizacin que se hace del anlisis de varianza es como herramienta de
anlisis de datos, ms que como mtodo de disear experimentaciones.
Si se aplicase el anlisis de varianza al ejemplo estudiado en el captulo anterior
(maximizacin de la dureza en las piezas de fundicin) llegaramos a unas
conclusiones despus de haber realizado el anlisis. Estas conclusiones se
obtienen a partir de una tabla final, que es a la que siempre se llega cuando se
trabaja con anlisis de varianza.
Fuente
Suma de
de
Cuadrados
Variacin
A
1,125
B
21,125
AxB
15,125
e
3,500
T (Total)
40,875
Grados de
Libertad
1
1
1
4
Varianza o
cuadrados
medios
1,125
21,125
15,125
0,875
F
1,29
24,14
17,29
Tabla 8 ANLISIS DE VARIANZA DEL EXPERIMENTO DE FUNDICIN

Lo que hace el anlisis de varianza es responder a la siguiente pregunta:
porqu los valores de dureza ( Tabla 5 EXPERIMENTACIN. DUREZA PIEZAS
DE FUNDICIN) de las piezas fabricadas son distintos?, o porqu son
diferentes unos de otros ?. Para responder a estas preguntas lo que hace el
anlisis de varianza es calcular la variacin que produce cada uno de los factores
controlados, despus calcula la variacin debida a todos los dems factores no
controlados que pudieran estar influyendo sobre la variable, a esta variacin se la
conoce con el nombre de residual. Para calcular estas varianzas, se necesitan
calcular previamente lo que se denomina Suma de Cuadrados y Grados de
Libertad, que no son otra cosa que el numerador y denominador de una varianza.
- 23
JOSE LUIS DEL VALLE
Una vez calculadas todas las varianzas, se comparan las varianzas de los factores
con la residual. Si estas son del mismo orden, entonces el factor no influye en la
variacin de los datos. Por el contrario, si la varianza del factor es mayor que la
residual dicho factor influye en la variacin final de los datos. Todo lo dicho
anteriormente se contrasta estadsticamente mediante la prueba F de Fisher. La
ltima columna de la tabla anterior representa los valores de F para cada factor,
calculados como cociente de la varianza del factor entre la varianza residual. Este
cociente bajo la hiptesis nula de que no hay diferencia significativa entre la
varianza del factor y la residual, se distribuye segn una funcin F de Fisher que
se encuentra tabulada.
Si los valores F calculados son mayores que los valores F que se encuentran en la
tabla correspondiente, hay que rechazar la hiptesis nula, y el factor influye en la
variacin de los datos finales. Si no, se acepta la hiptesis nula y dicho factor no
influye en la variacin de los datos y por lo tanto es un estimacin del residual.
De los tres valores F de la tabla anterior solo hay dos que son mayores que los
de la tabla F de Fisher, son los correspondientes a B y AxB. Es decir, al magnesio
(B), y a la interaccin del Cu con el Mg (AxB). Con el Cu no ha podido
demostrarse, a travs de la evidencia experimental, que tenga influencia en la
dureza.
Esta tabla puede quedar definitivamente terminada si se estima ms
exactamente el valor de la varianza residual, mezclando la varianza residual
anterior con la varianza calculada para el Cu que tambin es varianza residual, ya
que este factor no influye. La tabla definitiva quedara de la siguiente manera:
Fuente
Suma
de
de
Grados de
Variacin Cuadrados Libertad Varianza
B
21,125
1
21,125
AxB
15,125
1
15,125
ep
4,625
5
0,925
T (Total)
40,875
F
22,83
16,35
Tabla 9 ANOVA DEFINITIVO
Suma
de
Cuadrados'
20,200
14,200
6,475
P (%)
49,42
34,74
15,84
40,875
100,00
La ltima columna representa el porcentaje de influencia, de cada uno de los

factores significativos, sobre la dureza de las piezas. El de mayor influencia
corresponde al Mg, despus a la interaccin cobre magnesio, y por ltimo el
porcentaje residual que tenemos que es del 15,84 %.
El % residual sirve para indicar la bondad del diseo de experiencias. Si el
porcentaje es demasiado elevado > 50%, nos hemos considerado factores de
control importantes que influyen sobre la variable.
- 24
JOSE LUIS DEL VALLE
3.3 DISEO FACTORIAL COMPLETO

Se trata de un diseo de experimentos en el que se consideran todas las posibles
combinaciones entre los nivelas de los factores. Es un sistema que ofrece la
informacin ms completa posible. En este tipo de experimentacin se deben
tener en cuentas tres criterios:
1.- N de experimentos a realizar en funcin de los factores y niveles de los
mismos
2.- Diseo de la experimentacin
3.- Anlisis de los resultados de la experimentacin y condiciones ptimas
Se va a ir viendo cada uno de los tres criterios anteriores en base a un caso real
"Optimizacin sobre la energa de absorcin de las juntas de estanqueidad de las
puertas de un coche". El objetivo era el mejorar el cierre de las puertas de un
coche, teniendo en cuenta solamente la junta principal, en lo que concierne a :
1er Factor (A): Dimetro de los agujeros de extraccin de aire (4 y 5 )
2o Factor (B): Distribucin de los agujeros respecto a la grapa (24 sobre el
eje de la grapa y paralelo al eje)
er
3 Factor (C): N de agujeros por unidad de longitud (300mm y 200mm)
Los valores que hay entre parntesis son los niveles de los factores. Estos se
denominan, en este tipo de diseo de experiencias, como + y -. El nivel corresponda a la serie actual, y el nivel + a una modificacin de la serie.
1.- N de experimentos a realizar en funcin de los factores y niveles de los
mismos
El nmero de diseo de experimentos ene general es:
N = (nivel) k
Ecuacin 10
donde nivel el n de niveles que posee cada factor, y k es el n de factores. Si
solo trabajsemos con factores a dos niveles la Ecuacin 10 se transformara en:
N = 2k
Ecuacin 11
En la tabla siguiente tenemos un conjunto de ejemplos de como calcular el n de
experimentos necesarios en situaciones diferentes:
- 25
JOSE LUIS DEL VALLE
N de
factores
2
3
4
5
6
7
2
3
4
.....
N de niveles
Clculo
2
2
2
2
2
2
3
3
3
.....
22
23
24
25
26
27
32
33
34
.....
N de
combinaciones
4
8
16
32
64
128
9
27
81
.....
Tabla 10 CALCULO DEL N DE COMBINACIONES
En nuestro caso solo tenemos tres factores a dos niveles, el nmero de

combinaciones posibles son 8.
Diseo de la experimentacin
Una vez conocido el nmero de combinaciones posibles, se necesita saber como

son esas combinaciones. Existe una regla bastante sencilla para construir todas
las combinaciones posibles. Esta dice que para disear 2k combinaciones, se crea
una tabla o matriz de signos +/-. Dicha tabla est encabezada por una primera
columna que indica el n de combinacin, despus aparecen las columnas de los
factores y por ltimo la variable o caracterstica de calidad a optimizar.
Debajo de la columna de cada factor se colocan hasta el final (2k), un n de
signos (2k-1) que se van intercambiando, siendo k el nmero de columna / factor
primera columna, primer factor (k=1), 2k-1, 21-1 = 20 = 1 signo se va

intercambiando
segunda columna, segundo factor (k=2), 2k-1, 22-1 = 21 = 2 signos se van
intercambiando
tercera columna, tercer factor (k=3), 2k-1, 23-1 = 22 = 4 signos se van
intercambiando
FACTORES
(A) Dimetro de los agujeros de
extraccin de aire
(B) Distribucin de los agujeros
respecto a la grapa
(C) N de agujeros por unidad
de longitud
NIVEL +
Modificacin de la serie
4
24
300
Tabla 11 FACTORES Y NIVELES
- 26
NIVEL Serie actual

5
Serie actual
Paralelo
Serie actual
200
JOSE LUIS DEL VALLE
El diseo de la experimentacin se refleja en la tabla siguiente:

N de
comb.
1
2
3
4
5
6
7
8
E (W) y1
+
+
+
+
-
+
+
+
+
-
+
+
+
+
-
78
93
80,75
87,75
89
103
85,75
91
E (W) y2
84
101,25
80
87,75
93
100
87
95,25
Promedio
81
97,13
80,38
87,75
91
101,5
86,38
93,13
Tabla 12 MATRIZ DE DISEO BASE
Varianza
2
10,24
19,8
0,26
0,21
4,53
2,56
0,54
5,24
El diseo de la experimentacin se lleva a cabo aplicando las frmulas vistas

anteriormente. Una vez colocados los signos correspondientes a los niveles de los
factores, estos se traducen por su valor elucidando los experimentos que hay que
realizar. A esta tabla de signos se la denomina matriz de diseo base
N de comb.
1
2
3
4
5
6
7
8
C
Serie modificada
Serie actual
Serie modificada
Serie actual
Serie modificada
Serie actual
Serie modificada
Serie actual
B
Serie modificada
Serie modificada
Serie actual
Serie actual
Serie modificada
Serie modificada
Serie actual
Serie actual
A
Serie modificada
Serie modificada
Serie modificada
Serie modificada
Serie actual
Serie actual
Serie actual
Serie actual
Tabla 13 TRADUCCIN DE LOS NIVELES DE LOS FACTORES
Una vez traducidos los niveles se llevan a cabo los experimentos. En este caso se
han replicado dos veces los experimentos y el valor de cada rplica es la media
de cuatro mediciones. Al final aparecen dos columnas, una del valor medio final,
y la otra de la varianza.
Conviene aleatorizar la experimentacin, para repartir por igual, la posible
influencia de factores no controlados que tengan cierta influencia en la variable.
Anlisis de los resultados de la experimentacin y condiciones ptimas
El anlisis consiste en determinar la influencia de cada factor por separado en la

caracterstica de calidad, y la de todas las posibles interacciones dobles que se
pueden efectuar entre los tres factores. Tambin se calcula el efecto de la
- 27
JOSE LUIS DEL VALLE
interaccin triple, aunque normalmente este tipo de interacciones o superiores

son despreciables.
Existen varias formas de efectuar dichos clculos, pero una de las ms sencillas
es mediante la creacin de la tabla de respuestas, las grficas factoriales y las
grficas de las interacciones.
La tabla de respuestas se desarrollar a partir de la matriz de clculo hallada a
partir de la matriz de diseo base. Esta matriz de clculo sirve de base para el
clculo de los efectos de los factores y todas sus posibles interacciones.
La matriz de clculo se construye encabezando una tabla con, primero el n de
combinaciones, segundo con los factores, tercero con todas las interacciones
dobles que se pueden formar entre ellos, tercero con la interaccin triple y una
ltima columna con los valores medios de la caracterstica de calidad.
Debajo de cada columna, tanto para los factores como para las interacciones se
rellenan de signos. En el caso de los factores ya se conoce como se rellenan
dichos signos. En el caso de las interacciones, los signos que van debajo de cada
columna se obtienen multiplicando los signos de las columnas de los dos factores
que interaccionan. En el caso de la interaccin triple, se construyen multiplicando
los signos de las tres columnas. La multiplicacin de los signos sigue la regla de
multiplicacin de signos en matemticas.
N
comb.
1
2
3
4
5
6
7
8
CxB
CxA
BxA
CxBxA
+
+
+
+
-
+
+
+
+
-
+
+
+
+
-
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
-
CxB
CxA
BxA
88,22
91,35
3,13
89,00
90,57
1,57
89,41
90,16
0,75
Tabla 14 MATRIZ DE CALCULO
y
1
2
3
4
5
6
7
8
La tabla de respuesta es la siguiente:

FACTOR
NIVEL
+
Diferencia
84,69
94,88
10,19
92,66
86,91
5,75
A
86,56
93,00
6,44
Tabla 15 TABLA DE RESPUESTAS
CxBxA
89,16
90,41
1,25
La tabla da para cada nivel de cada factor la energa media de cierre. Es decir, la
energa de cierre media para el nivel C+ ( para la serie modificada + en el
- 28
JOSE LUIS DEL VALLE
nmero de agujeros por unidad de longitud C ), es de 84,69. La interpretacin

del resto niveles es la misma. La fila de la diferencia nos da, en valor absoluto, la
fuerza de influencia de dicho factor. Cuando comparamos relativamente este
valor con el resto, obtenemos informacin sobre los factores ms influyentes; y
comparando el resultado para cada nivel de un mismo factor, obtenemos el nivel
ptimo.
Vemos que los factores fuertemente influyentes en orden de mayor a menor
influencia, son:
C
A
B
CxB
(Efecto
(Efecto
(Efecto
(Efecto
=
=
=
=
Diferencia
Diferencia
Diferencia
Diferencia
=
=
=
=
10,19)
6,44)
5,75)
3,13)
el resto de los factores no tienen influencia en la variable, o su influencia es

despreciable frente a la de los factores ms fuertes.
Existe un test estadstico que da el error del efecto del factor, o el intervalo de
confianza de encontrar el valor verdadero del efecto dentro del intervalo con un
nivel de confianza dado. La frmula es la siguiente:
Efecto t g.l., 2 Efecto Efecto t g.l.,

Ecuacin 12
2 r
k
sp2
donde Sp2 tiene la siguiente expresin general:
sp
donde:
1s 1 2 2 s 2 2 ... k s k 2
2 2
=
1 2 ... 2k
Ecuacin 13
t es un valor de la distribucin de Student que se busca en las tablas para un

determinado n de grados de libertad y un 5% de error de Tipo I o 95 % de
confianza.
k es el n de factores
r es la rplica
son los grados de libertad de cada repeticin o rplica para calcular la

varianza de cada una de las combinaciones de niveles de los factores
- 29
JOSE LUIS DEL VALLE
si2 son las varianzas de las rplicas de cada combinacin de niveles de los
factores
El intervalo
t (g.l, ) 2 Efecto
es el mismo para todos los factores e
interacciones. Si el intervalo contiene el valor 0, el efecto verdadero del factor

es 0.
En el ejemplo tenemos
t [8g.l.(1x8), =5%] = 2,306

sp2 = 5,4225
r=2
Intervalo = 2,68
Entonces los nicos factores que en su intervalo no incluyen al 0, y por lo tanto

influyen en la variable son:
C
A
B
CxB
10,19 2,68
6,44 2,68
5,75 2,68
3,13 2,68
De la tabla de respuestas podemos seleccionar los niveles de los factores que

minimizan la variable (energa de cierre). Esta seleccin de niveles tambin se
puede realizar mediante grfica factorial, que no es ms que la representacin
grfica de la tabla de respuestas:
90,16
89,16
CxBxA-
BxA+
89,41
CxBxA+
90,57
CxA-
CxB-
A-
A+
B-
B+
88,22
86,56
84,09
89
CxA+
86,91
91,35
BxA-
93
92,66
CxB+
94,88
C-
96
94
92
90
88
86
84
82
80
78
C+
Figura 14 GRFICA FACTORIAL
- 30
JOSE LUIS DEL VALLE
90,41
Las pendientes ms pronunciadas corresponden a los factores de mayor

influencia. Al mismo tiempo se sabe qu nivel del factor es el que minimiza la
energa de cierre. Antes de fijar las condiciones ptimas definitivas, es necesario
representar grficamente la interaccin BxC.
100
95
W
90
85
99,3125
90,4375
86
83,375
80
75
B (+)
B(-)
C(+)
C(-)
Figura 15 INTERACCIN BxC

Se podra haber realizado un anlisis ms exhaustivo de los datos experimentales
mediante el correspondiente ANOVA:
Fuente de
variacin
A
B
AxB (*)
C
AxC (*)
BxC
AxBxC (*)
eP (*)
*(mezclados)
Total
Grados de Suma de
libertad
cuadrados Varianza
1
663,0625
663,0625
1
529,0000
529,0000
1
9,0000
9,0000
1
1660,5625
1660,5625
1
39,0625
39,0625
1
156,2500
156,2500
1
25,0000
25,0000
59
378,0625
6,4078
63
3386,9375
53,7609
F
103,4768
82,5551
Suma' de
cuadrados
656,6547
522,5922
259,1454 1654,1547
24,3842
149,8422
403,6939
3386,9375
Tabla 16 ANLISIS DE VARIANZA DEL DISEO DE EXPERIMENTOS
%P
19,39
15,43
48,84
4,42
11,92
100,00
Con toda la informacin se fijan los niveles de los factores influyentes para
obtener las condiciones ptimas, las de menor energa de cierre.
El factor ms influyente es el C ( n de agujeros por unidad de longitud), despus
el A ( dimetro del agujero de extraccin de aire), y por ltimo el B (
- 31
JOSE LUIS DEL VALLE
emplazamiento del agujero de extraccin de aire). Se puede mencionar la

interaccin BxC como ligeramente influyente.
El ptimo definitivo es el siguiente:
C (+) A (+) B (-)
El valor de energa de cierre conseguido en estas condiciones ha de ser:

W = Y + (A(+) - Y ) + (B(-) - Y ) + (C(+) - Y ) = 78,6 W. Siendo Y la media
de la columna de medias del experimento.
La ganancia fue mayor de un 15 %.
Este tipo de diseo de experimentos, tiene dos problemas, el primero es que

cuando el nmero de factores (k) que influyen sobre la variable es elevado, el n
de experimentaciones se dispara a cantidades inoperantes.; el segundo es que
incluso realizando todos los experimentos, solo nos quedamos con un 20% de la
informacin (la que es significativa).
Los investigadores empezaban a preguntarse si sera posible encontrar la misma
informacin relevante sin tener que aumentar demasiado el nmero de
experimentaciones. La respuesta se encuentra en el siguiente apartado.
3.4 DISEOS FACTORIALES FRACCIONALES
Se trata de un conjunto de diseos que constan de una fraccin ( una parte) del
correspondiente diseo factorial completo. La estrategia de construccin se basa
en aprovechar determinadas columnas de las matrices de clculo, para asignar
nuevos factores a alguna de ellas sin aumentar la experimentacin. Por ejemplo,
si asignsemos un cuarto factor a la ltima columna de una matriz de clculo de
7 columnas, no aumentaramos la experiencia y estudiaramos el efecto de un
cuarto factor.
El primer problema que aparece es el posible confundimiento que puede existir
entre el nuevo factor asignado y la interaccin correspondiente a la columna que
se ha asignado ( si es que esta existe). Es por esto ltimo que se recomienda
empezar por las columnas de interacciones triple o superior, ya dichos efectos no
existen.
Un clculo que siempre se hace con este tipo de diseos es el " alias de
confunding", que no es otra cosa que una tabla que nos da qu factores estn
confundidos entre si, qu factores estn confundidos con interacciones dobles y
que interacciones dobles estn confundidas con otras interacciones dobles.
La denominacin de este tipo de diseos es:
2 k-p
siendo:
k:
Ecuacin 14
El n total de factores estudiados
- 32
JOSE LUIS DEL VALLE
2k-p:
p:
el n de combinaciones efectuadas entre los niveles de los k factores

el n de variables que son introducidas en un diseo factorial
completo de k-p variables
Una caracterstica de estos diseos es la resolucin del diseo, la cual da idea del
nivel de confundimiento existente entre efectos principales es interacciones
dobles, etc.. Los diseos de alta resolucin son los preferidos, ya que permiten
estudiar los efectos principales y/o interacciones de segundo orden sin estar
confundidos con otros efectos.
Un tipo especial de diseos factoriales fraccionales, son los denominados diseos
factoriales fraccionado saturados. Son los que se van a ver en el captulo
siguiente.
3.4.1 ARREGLOS ORTOGONALES ( D.F.F. SATURADOS)
Los arreglos ortogonales son diseos factoriales fraccionales saturados.
Provienen de los diseos factoriales completos. Si consideramos la siguiente tabla
proveniente del diseo factorial completo 23
N
comb.
1
2
3
4
5
6
7
8
+
+
+
+
-
+
+
+
+
-
+
+
+
+
-
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
-
y1
y2
y3
y4
y5
y6
y7
y8
Tabla 17 DISEO FACTORIAL FRACCIONAL SATURADO

Lo importante es ver la anterior como una matriz de columnas independientes
(ortogonales, polgonos ortogonales, vectores columna) a las que puedo asignar
factores y/o interacciones bajo unas ciertas reglas que veremos posteriormente.
Si la matriz anterior convierto los + por 1 y los - por 2 tendr la siguiente matriz:
- 33
JOSE LUIS DEL VALLE
N
comb.
1
2
3
4
5
6
7
8
1
2
1
2
1
2
1
2
1
1
2
2
1
1
2
2
1
1
1
1
2
2
2
2
1
2
2
1
1
2
2
1
1
2
1
2
2
1
2
1
1
1
2
2
2
2
1
1
1
2
2
1
2
1
1
2
y1
y2
y3
y4
y5
y6
y7
y8
Tabla 18 TABLA ORTOGONAL
si cambio el orden de las columnas de la siguiente forma:

Columna
Columna
Columna
Columna
Columna
Columna
Columna
1
2
3
4
5
6
7
Lugar
Lugar
Lugar
Lugar
Lugar
Lugar
Lugar
4
2
1
6
5
3
7
queda definitivamente el Arreglo Ortogonal L8 ( 27 ):

N
comb.
1
2
3
4
5
6
7
8
1
1
1
1
2
2
2
2
1
1
2
2
1
1
2
2
1
1
2
2
2
2
1
1
1
2
1
2
1
2
1
2
1
2
1
2
2
1
2
1
1
2
2
1
1
2
2
1
1
2
2
1
2
1
1
2
y1
y2
y3
y4
y5
y6
y7
y8
Tabla 19 ARREGLO ORTOGONAL L8
El cambio de lugar de las columnas se produce para que las primeras columnas
que aparezcan en cualquier arreglo ortogonal, sirvan para asignar aquellos
factores a los que cuesta mucho cambiar sus niveles alternativamente.
este tipo de tablas ya estn tabuladas. Lo nico que tenemos que hacer es
escoger aquel arreglo ortogonal que necesitamos para nuestra experimentacin.
Para poder hacer esto, existen una ciertas reglas.
La nominacin de los arreglos ortogonales es la siguiente:
- 34
JOSE LUIS DEL VALLE
donde:
L:
a:
b:
c:
La ( bc )
Columna linealmente independiente
N de combinaciones o experimentos mnimo del arreglo ortogonal
N de niveles de cada factor
N de columnas del arreglo ortogonal. N mximos de factores a
estudiar con a experimentos
Arreglos ortogonales de
2 niveles
Arreglo
N de
ortogonal combinaciones
L4 ( 23 )
L12 ( 211 )
12
L32 ( 231 )
32
L8 ( 27 )
L16 ( 215 )
16
Arreglos ortogonales de Arreglos ortogonales mixtos

3 niveles
Arreglo
N de
Arreglo
N de
ortogonal combinaciones
ortogonal
combinaciones
L9 ( 34 )
L27 ( 313 )
L81 ( 340 )
27
81
L18 ( 21 x 37 )
L36 ( 23 x 313 )
18
36
Tabla 20 TIPOS DE ARREGLOS ORTOGONALES
Antes de conocerlas reglas que se han de seguir para seleccionar un arreglo

ortogonal, es necesario introducir el concepto de grados de libertad. Es una
medida de la cantidad de informacin que puede tratarse. A mayor n de grados
de libertad, ms informacin.
Cuando se investiga la influencia de un factor sobre la caracterstica de calidad,
se busca aquel nivel que mejora la variable, es decir se comparan un nivel con el
otro, para ver que nivel es el mejor frente a la variable. Esta es la definicin de
grados de libertad de un factor, es el nmero mnimo de comparaciones que
necesito realizar entre los niveles de un factor, para saber qu nivel es el mejor.
- 35
JOSE LUIS DEL VALLE
1,9
1,85
Altura m
1,8
1,75
1,7
1,65
1,6
1,55
1,5
A1
A2
A3
Figura 16 GRADOS DE LIBERTAD DE UN FACTOR

El mnimo n de comparaciones entre las tres personas, dos a dos, para saber
qu persona es la ms alta son dos. Los grados de libertad de una interaccin de
dos factores, A a dos niveles y B a tres niveles es segn la grfica siguiente:
A1
80
70
60
50
40
30
20
10
0
B1
B2
A2
B3
Figura 17 GRADOS DE LIBERTAD DE LA INTERACCIN DE DOS FACTORES
Los grados de libertad de una interaccin de dos factores, es el mnimo n de

comparaciones que hay que hacer para saber si hay paralelismo grfico o no.
Matemticamente, el clculo de los grados de libertad para ambos casos es:
Grados de libertad de un factor = n de niveles -1
Grados de libertad de AxB = Grados de libertad de A x Grados de libertad
B
Todos los arreglos ortogonales tienen un n determinado de grados de libertad:

Grados de libertad de un arreglo ortogonal = n de combinaciones -1
Taguchi construy para cada uno de los arreglos ortogonales lo que denomin
"tablas triangulares" y "grficas lineales". Las tablas triangulares no son otra cosa
que tabla de interacciones o "alias de confunding", y las grficas lineales son
unos dibujos que se realizan en funcin de los factores e interacciones que entre
- 36
JOSE LUIS DEL VALLE
ellos. Los factores se representan con puntos, y las interacciones se representan

por lneas que unen los factores que interaccionan.
Todos los arreglos ortogonales ya vienen tabulados con dichas tablas triangulares
y un conjunto de grficas lineales. Las grficas lineales de los arreglos
ortogonales estn sacadas, realmente, de las tablas triangulares.
Para el caso del arreglo ortogonal L8 (27), la tabla triangular y las grficas lineales
que se encuentran son:
Columna n
1
2
3
4
5
6
2
3
-
3
2
1
-
Columna n
4
5
6
5
4
7
6
7
4
7
6
5
1
2
3
-
7
6
5
4
3
2
1
Tabla 21 TABLA TRIANGULAR DEL L8
1
3
2
5
6
A
1
B
2
5
4
7
Figura 18 GRFICAS LINEALES DEL ARREGLO ORTOGONAL L8

Taguchi cre este tipo de grficos y tablas para asignar ms fcilmente los
factores e interacciones a las columnas del arreglo ortogonal seleccionado. Esto
se hace mediante las siguientes etapas:
1.- Definir el n de factores con sus niveles, y la interacciones posibles entre

cada uno de ellos.
Por ejemplo:
Factores a dos niveles A, B, C, D, E
Interacciones AxB, AxC
2.- Calcular los grados de libertad que tengo con los factores e interacciones.
En el ejemplo
Grados de libertad de los factores = 1 + 1 + 1 + 1 + 1 = 5
Grados de libertad de las interacciones = (1x1) + (1x1) = 2
Grados de libertad totales = 5 + 2 = 7
- 37
JOSE LUIS DEL VALLE
3.- Ver que arreglo ortogonal suministra por lo menos los grados de libertad
calculados anteriormente
En el ejemplo:
L8 ( 27 ) (7 grados de libertad)
4.- Dibujar la grfica lineal con los factores e interacciones seleccionados:
Ax
Ax
C
5.- Seleccionar la grfica lineal del arreglo ortogonal correspondiente que ms

se aproxime a la anterior, y hacer los cambios correctos para que la figura
final sea idntica a la requerida
1
3
2
5
6
6.- Identificar las dos figuras
Ax
1
3
7.- Asignar a las columnas del arreglo ortogonal

A
1
B
2
AxB C
3 4
D
7
Ax
5
B 2
En el ejemplo
Columnas:
2
A
1
E
6
C
AxC
5
E
6
D
7
La realizacin de la experimentacin, as como el anlisis de los resultados, se

efecta igual que en el diseo factorial completo.
3.5 DISEO DE PARMETROS DE TAGUCHI
Este tipo de diseo fue creado por Taguchi. El objetivo es encontrar qu niveles
de los factores de control son los que hacen que un producto o proceso funcionen
ptimamente y son los menos afectados por las variaciones incontroladas.
- 38
JOSE LUIS DEL VALLE
Taguchi llama a los factores de control parmetros. Busca qu niveles de los

parmetros son los ms estables frente a la caracterstica de calidad, a pesar de
la utilizacin de componentes y materiales baratos y de las condiciones
ambientales.
El diseo de parmetros va implicar trabajar con arreglos ortogonales, y la
incorporacin de un concepto nuevo que es la robustez.
3.5.1 RUIDO, ROBUSTEZ
El diseo de parmetros de Taguchi va a implicar trabajar con dos tipos de
factores, factores de control ( parmetros ), y factores de ruido.
Factores de control: son aquellos cuyos niveles se pueden controlar,

fijar y mantener
Factores de ruido: son aquellos cuyos niveles no se pueden ni fijar ni
mantener e inciden sobre el comportamiento de la caracterstica de
calidad
Taguchi clasific los ruidos en distintas categoras:
PERDIDA A LA
SOCIEDAD
Desviacin de los
Valores Funcionales de
las Caractersticas de
Calidad
Factores De Ruido
Origen De Desviaciones
RUIDO
EXTERNO
Errores humanos
Temperatura ambiental
Humedad
Condiciones
ambientales
RUIDO
INTERNO
Deterioro
Desgaste
Rozamientos
Tensiones
internas
- 39
RUIDO ENTRE
PRODUCTOS
Imperfecciones de
fabricacin
Variacin de unos
productos a otros
JOSE LUIS DEL VALLE
En este diseo se buscan los efectos no lineales de los parmetros sobre las
variables y las interacciones fuertes entre los factores de control y los factores de
ruido con el fin de obtener robustez.
Voltaje
Resistencia
R1
R2
R3
AI
AX
AS
AI
AY
AS
Ganancia del transistor
Figura 19 CONCEPTO DE ROBUSTEZ
La robustez es la insensibilidad frente a la variacin provocada por los factores de

ruido. Taguchi no elimina las causa de variacin provocada por el ruido, intenta
disear los productos y/o procesos de tal forma que los efectos provocados por
las causas no influyan o influyan lo menos posible.
En el grfico anterior se ve claramente el concepto de robustez: trabajando con
una ganancia nominal AY hace que la variacin en la ganancia dentro de
tolerancias (A'I AS), afecte lo menos posible a la variacin del voltaje nominal
de salida. Esto es robustez.
- 40
JOSE LUIS DEL VALLE
Este tipo de diseo implica trabajar con factores de control y de ruido a la vez. El
tipo de arreglos ortogonales utilizados teniendo en cuenta los factores de ruido
son los siguientes:
Factor de ruido
Factores de control
N
N comb A(1) B(2) C(3) D(4) E(5) F(6) G(7)
N1
N2
1
1
1
1
1
1
1
1
y1
y1
2
1
1
1
2
2
2
2
y2
y2
3
1
2
2
1
1
2
2
y3
y3
4
1
2
2
2
2
1
1
y4
y4
5
2
1
2
1
2
1
2
y5
y5
6
2
1
2
2
1
2
1
y6
y6
7
2
2
1
1
2
2
1
y7
y7
8
2
2
1
2
1
1
2
y8
y8
Tabla 22 ARREGLO ORTOGONAL CON UN FACTOR DE RUIDO
FACTORES DE RUIDO
M
1
1
2
2
FACTORES DE CONTROL
N
A
B
C
D
E
F
G
comb. (1) (2) (3) (4) (5) (6) (7) N
1
2
1
2
1
1
1
1
1
1
1
1
y1 y1 y1 y1 y1
2
1
1
1
2
2
2
2
y2 y2 y2 y2 y2
3
1
2
2
1
1
2
2
y3 y3 y3 y3 y3
4
1
2
2
2
2
1
1
y4 y4 y4 y4 y4
5
2
1
2
1
2
1
2
y5 y5 y5 y5 y5
6
2
1
2
2
1
2
1
y6 y6 y6 y6 y6
7
2
2
1
1
2
2
1
y7 y7 y7 y7 y7
8
2
2
1
2
1
1
2
y8 y8 y8 y8 y8
Tabla 23 ARREGLO ORTOGONAL CON DOS FACTORES DE RUIDO
- 41
JOSE LUIS DEL VALLE
ARREGLO ORTOGONAL INTERNO
ARREGLO O. EXTERNO
FACTORES DE RUIDO
O
1
2
1
2
M
1
2
2
1
FACTORES DE CONTROL
N
A
B
C
D
E
F
G
comb. (1) (2) (3) (4) (5) (6) (7) N
1
1
1
1
1
1
1
1
1
y1 y1
2
1
1
1
2
2
2
2
y2 y2
3
1
2
2
1
1
2
2
y3 y3
4
1
2
2
2
2
1
1
y4 y4
5
2
1
2
1
2
1
2
y5 y5
6
2
1
2
2
1
2
1
y6 y6
7
2
2
1
1
2
2
1
y7 y7
8
2
2
1
2
1
1
2
y8 y8
Tabla 24 ARREGLO ORTOGONAL INTERNO Y
1
2
y1 y1
y2 y2
y3 y3
y4 y4
y5 y5
y6 y6
y7 y7
y8 y8
EXTERNO
2
y1
y2
y3
y4
y5
y6
y7
y8
En el diseo de parmetros se pretende experimentar provocando el ruido que va

a afectar posteriormente en el rendimiento del proceso o producto. Es decir, que
en el diseo de parmetros hay que buscar la manera provocar los cambios de
los niveles de los factores de ruido, para encontrar aquellos niveles de los
factores de control ms robustos.
En las figuras anteriores se observa que bajo las mismas condiciones de los
factores de control, se obtienen distintos valores de la variable a causa de la
variacin intencionada de los factores de ruido. La nica forma de encontrar
productos o procesos robustos que optimen la variable es provocando la
variacin de los factores de ruido, pero solo durante el experimento.
Los factores de control se clasifican en cuatro clases:
Clase 1: Factores de control que afectan a la media y a la variacin entorno a la

media de la variable
Clase 2: Factores de control que solo afectan al variacin entorno a un valor
medio
Clase 3: Factores de control que solo afectan a la media de la variable ( factores
seal )
Clase 4: Factores de control que no afectan ni a la media ni a la variacin de la
variable.
La estrategia a seguir es seleccionar los niveles de los factores de la clase 3
(seal) que acerquen el valor de la variable al ptimo, y despus, seleccionar los
niveles robustos de los factores de la clase 2. Escoger aquellos niveles de la clase
1 que optimizan la variable y son los ms robustos a la vez. Y por ltimos los
niveles de la clase 4 que son ms econmicos, ms rpidos, menor consumo,
mayor facilidad, etc..
- 42
JOSE LUIS DEL VALLE
En el diseo de parmetros se utiliza una nueva variable, creada por Taguchi,

para optimizar procesos, y productos. Es lo que se denomina relacin seal /
ruido . Esta denominacin proviene de la electrnica. Seal significa centrar la
media en el valor buscado (mximo, mnimo, nominal), y ruido es toda aquella
variacin provocada por los factores de ruido, que hace que los productos y
procesos no funcionen ptimamente. existen tres tipo de ecuaciones seal ruido,
en funcin de que se quieran optimizar variables mayor - mejor, menor - mejor o
nominal - mejor.
RELACIN SEAL /
RUIDO
MENOR - MEJOR
EXPRESIN 1
1 n 2
yi
n i1
Ecuacin 15
= S/ R = -10 log
EXPRESIN 2
= S/R = -10 log y2 2
Ecuacin 16
1
1 1
2
= S/ R = -10 log 2 1 3 2
= S/ R = -10 log
2
y
n i1 yi
y
Ecuacin 18
Ecuacin 17
2
y
1
= S / R = 10 log 2
= S/R - 10 log 2
MAYOR - MEJOR
NOMINAL - MEJOR
Ecuacin 19
Ecuacin 20
Tabla 25 TIPOS DE ECUACIONES SEAL RUIDO
Se va a tratar un caso que contemple la mayor parte de lo visto en el ejemplo

anterior. Se trata de un proceso de estampado de metales. El problema que
exista era que no se consegua una longitud nominal de 0,40 pulgadas en el
siguiente perfil de chapa:
0,40 Pulgadas
Los factores de control y de ruido, as como sus niveles se encuentran recogidos

en la tabla siguiente:
- 43
JOSE LUIS DEL VALLE
FACTORES DE CONTROL
Altura de rodillo
A
Proveedor de material B
Ajuste alimentador
C
FACTORES DE RUIDO
Cantidad de aceite
H
Espesor de material
I
Dureza de material
J
NIVEL 1
A1
B1
C1
NIVEL 1
H1
I1
J1
NIVEL 2
A2
B2
C2
NIVEL 2
H2
I2
J2
Figura 20 FACTORES DE CONTROL Y RUIDO
La variable a optimizar es una variable nominal mejor. Por tanto la ecuacin

seal ruido que hay que utilizar el la de nominal mejor. El experimento llevado a
cabo con los factores de control y los de ruido se estableci con un arreglo
ortogonal interno L4 y uno externo tambin L4 .
F. de ruido. A.O.
externo
A.O. interno
J 1
2
2
1
Factores de control I 1
2
1
2
L4
A
B
C
H 1
1
2
2
1
1
1
1
37 38 36 37
2
1
2
2
35 39 40 33
3
2
1
2
45 44 44 46
4
2
2
1
41 52 46 42
Tabla 26 ARREGLO ORTOGONAL INTERNO Y EXTERNO L4
Los valores de las pulgadas se han multiplicado por 100, para mayor simplicidad.
El valor nominal a alcanzar es 40.
El anlisis se efecta ahora mediante las tablas de respuesta para la media y los
valores seal ruido, y las grficas factoriales, tambin para ambos.
La ecuacin seal ruido que hay que utilizar para calcular su valor por cada fila
es:
y2 1
y2
= S/R = 10 log 2 10 log 2
Ecuacin 21
- 44
JOSE LUIS DEL VALLE
A.O. interno
J
Factores de control I
L4
A
B
C
H
1
2
3
4
Tabla
1
1
1
2
2
1
1
1
1
37 38
1
2
2
35 39
2
1
2
45 44
2
2
1
41 52
27 ARREGLO ORTOGONAL
2
1
2
1
2
2
S/R
36 37
37
37,12
40 33 36,75 20,92
44 46 44,75 33,39
46 42 45,25 19,13
INTERNO Y EXTERNO L4
Las tablas de respuestas son:
Nivel
Factor
1
2
Diferencia
MEDIA
A
B
36,88
45
8,12
40,.88
41
0,12
Factor
A
Nivel
41,13
1
27,02
40,75
2
26,26
0,38 Diferencia 0,76
S/R
B
33,26
20,03
13,23
45
44
43
42
41
40
39
38
37
36
35
34
SEAL / RUIDO
MEDIA Y
Tabla 28 TABLA DE RESPUESTAS DE LA MEDIA Y S/R
26,12
27,16
1,04
32
30
28
26
24
22
20
A1
A2
B1
B2
C1
C2
18
Figura 21 Grfica factorial de la media
A1
A2
B1
B2
C1
C2
Figura 22 G.F. seal / ruido
A la vista de los datos anteriores, se observa que el nico factor que afecta a la
media (factor seal) es el A. El nico factor significativo en la S/R es el factor B.
La variable S/R es siempre una variable mayor - mejor, por tanto siempre se
seleccionar los niveles de mayor seal ruido.
En este caso las condiciones ptimas y robustas corresponden a A1 B1. El factor
C es un factor que no afecta significativamente ni a la media, ni a la variacin
entorno a la media.
Si se estudiase las interacciones entre el factor C y cada uno de los factores de
ruido, veramos que es ms robusto el nivel C2. Por tanto las condiciones ms
ptimas y robustas son A1 B1 C2.
- 45
JOSE LUIS DEL VALLE
4. IMPLANTACIN, ETAPAS
Cuando tengamos que poner en marcha un diseo de experimentos, y sobre todo
un diseo de parmetros de Taguchi, se recomienda seguir las siguientes etapas:
1.- Definir el problema. Especificar con claridad el problema a resolver

2.- Especificar el objetivo y seleccionar la/s caractersticas/s de calidad a
optimizar. Estas han de ser medibles y con un buen grado de aditividad
3.- Identificar los factores que puedan influir en la/s variable/s seleccionada/s.
Existen varias tcnicas como el brainstorming, diagrama de Ishikawa, AMFE,
etc.; que pueden ayudarnos a encontrar dichos factores. Lo que no debemos
nunca olvidar es lo que ya conocemos del problema. Se recomienda que los
factores sean medibles. Se agruparn en factores de control y factores de
ruido. En esta etapa tambin se selecciona el n de niveles y los valores.
4.- Diseo del experimento. Se selecciona el arreglo ortogonal para los factores
de control y sus interacciones. Se asignan los factores e interacciones a las
columnas del arreglo ortogonal. Para los factores de ruido se puede
seleccionar un arreglo externo.
5.- Realizacin del experimento o simulacin. Recogida de resultados
6.- Anlisis de la informacin
ANLISIS REGULAR
ANLISIS SEAL / RUIDO
Tabla de respuesta
Grficas factoriales
Grficas de interacciones
ANOVA
Tabla de respuestas
Grficas factoriales
ANOVA
Tabla 29 ANLISIS DE UN DISEO DE PARMETROS
7.- Conclusiones e interpretacin de resultados. Seleccin de los niveles ptimos

para los factores de control. Valor de la variable/s en las condiciones ptimas
y robustas
8.- Realizar el experimento confirmatorio, para corroborar los resultados
predichos
5. LOS 7 PUNTOS DE TAGUCHI
1.- Una dimensin importante de la calidad de un producto, es la prdida total
generada por el producto a la sociedad
2.- En una economa competitiva, para poder subsistir en el negocio se requiere:
- 46
JOSE LUIS DEL VALLE
3.- Una mejora continua de la calidad

4.- Una reduccin continua del costo
5.- Una mejora continua de la calidad implica una reduccin continua de las
desviaciones del valor nominal de las distintas caractersticas de calidad del
producto
6.- La prdida generada al cliente por un producto de caractersticas variables, es
proporcional al cuadrado de las desviaciones de su valor nominal
7.- La calidad y el costo de un producto fabricado, estn determinados en gran parte
por la ingeniera de diseo y su proceso de fabricacin
8.- La variacin de un producto o proceso se puede reducir encontrando los efectos
no lineales de los parmetros del producto o proceso
9.- Para encontrar los niveles de los parmetros que reducen la variacin en el
comportamiento de los productos o procesos, se deben realizar los diseos de
experimentos.
CONTRIBUCIONES DE TAGUCHI
Simplific las ideas de R.A. Fisher, para que los ingenieros, cientficos y tcnicos
pudieran aplicar el diseo de experimentos
Simplific el diseo de experimentos utilizando arreglos ortogonales, grficas
factoriales, tablas de respuesta
Introdujo un nuevo marco de referencia para concebir la calidad: la funcin de
prdida
Introdujo una medida que engloba la tendencia central y la variabilidad en la
variable: la relacin seal / ruido
Implant con xito el diseo de experimentos en las etapas de desarrollo de
productos y procesos
Aplic con xito el diseo de experimentos en la fabricacin
Introdujo el concepto de robustez contra el ruido por medio del cual, en lugar de
eliminar las causas de los efectos, (lo cual es costoso), se hace el producto o
proceso insensible a las causas
- 47
JOSE LUIS DEL VALLE
6. BIBLIOGRAFA
1. Diseo Robusto Utilizando los Mtodos Taguchi. Y. Wu, A.Wu. Daz de Santos.
1997
2. El Secreto de la Calidad Japonesa, L. Saderra i Jorba, Productica, N 57,
Marcombo. 1993
3. Estadstica para Investigadores, introduccin al diseo de experimentos, anlisis
de datos y construccin de modelos. G.E.P. Box, W.G. Hunter, J.S. Hunter. EdRevert. 1989.
4. Reducing Variability. A New Approach to Quality. L.P. Sullivan. Quality Progress,
July 1984, pp. 15 21.
5. Quality Engineering Using Robust Design. M.S. Phadke. Prentice Hall
International Editions. 1989.
6. Quality through Design. Experimental Design, Off-line Quality Control, and
Taguchis Contributions. N. Lgothetis, H.P. Wynn. Crarendon Press, Oxford.
1989.
7. Understanding Variation. The Key to Management the Chaos. D.J. Wheeler. SPC
Press. 1993
8. General Tolerancing Rules for Plastic Dimensions. JIS K 7.109 1986. Japanese
Industrial Estndar. Tokyo: Japanese Standars Association, 11 March
9. Taguchi Methods: A hands on approach. Glen Stuart Peace. Addison Wesley.
1993.
10.Introduction to Quality Engineering. G. Taguchi. Asian Productivity Organization
(APO). 1990.
11.Engineering Methods for Robust Product Design. Using Taguchi Methods in
Technology and Product Development. W.Y. Fowlkes, C.M. Creveling. Addison
Wesley. 1995.
12.Quality Engineering in Production Systems, G. Taguchi, E. A. Elsayed, T. Hsiang.
McGraw Hill. 1989
13.System of Experimental Design. Vol 1&2. G. Taguchi. Quality Resources Kraus
International. 1987.
14.Taguchi methods: Applications in world industry. A. Bendell, J. Disney, W.A.
Pridmore. IFS Publications. 1989.
15.Taguchi Methods: Orthogonal Arrays and Linear Graphs. G. Taguchi, S. Konishi.
American Supplier Institute. 1987
16.Robust Engineering. G. Taguchi, S. Chowdhury, S. Taguchi. McGraw-Hill. 2000.
17.On Robust Technology Development. G. Taguchi. ASME Press. 1993.
18.Taguchis Quality Engineering Handbook. G. Taguchi, S. Chowdhury, Y. Wu. John
Wiley & Sons, Inc. 2005.
- 48
JOSE LUIS DEL VALLE
7. EJERCICIOS
1. Se intenta evaluar el efecto de 4 factores: Dureza (H) del material que se est
puliendo, Velocidad (F) de alimentacin, Tipo de disco (P) y Lquido refrigerante
(C), en el pulido de una superficie de piezas de acero. La variable caracterstica
es del tipo menor mejor, ya que se trata de una medida de rugosidad cuyas
unidades son micro in2 AA.
Niveles
Factores
Dureza
Velocidad Alimentacin (fmp)
Tipo de disco
Lquido refrigerante
(-)
220 Brinell
32,8
Cross habched
M
H
F
P
C
(+)
62 Rockwell
82,0
Paralelo
S
En el estudio se utiliz un diseo factorial 24 para evaluar el efecto de los 4

factores de control en el pulido de una superficie de piezas de acero:
N exp.
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
1
H
2
F
3
P
4
C
Micro in2 AA
y1
y2
y3
17
23
16
5,5
4
4,5
11,8
11,5
11,2
11,8
11,5
11,2
19
16
17
11
7
7,5
10
15
10
9
12
11
8,5
8,5
7
7
6,5
6
9,5
7,5
8
10
10
10
10
13
17
5,5
5,5
6,5
9
8
11
7
6,5
6
Encontrar los factores de control influyentes, sus interacciones dobles y sus

correspondientes magnitudes. Hallar la combinacin ptima y econmica.
2. Si en el brainstorming se seleccionaron los siguientes factores e interacciones a

dos niveles, encontrar alguna de las posibles asignaciones del correspondiente
arreglo ortogonal:
- 49
JOSE LUIS DEL VALLE
FACTORES DE CONTROL A DOS NIVELES
A, B, C, D, E, F, G, H, I, J
INTERACCIONES
AxB, CxD, ExF, FxG, GxH
Si en el brainstorming se seleccionaron los siguientes factores e interacciones a

tres niveles, encontrar alguna de las posibles asignaciones del correspondiente
arreglo ortogonal:
FACTORES DE CONTROL A TRES NIVELES
A, B, C, D, E
INTERACCIONES
AxB, AxE
Si en el brainstorming se seleccionaron los siguientes factores e interacciones a

dos niveles, encontrar alguna de las posibles asignaciones del correspondiente
arreglo ortogonal:
FACTORES DE CONTROL A
DOS NIVELES
A, B, C, D, E, F, G, H, I
INTERACCIONES
AxB, AxC, AxD, AxE, ExF, ExG
3. Experimento Notreal. Se pretende incrementar el rendimiento de un producto

llamado Notreal de un 60 % a un 70 % de riqueza. Los factores, interacciones y
niveles seleccionados fueron:
FACTORES
(T) Temperatura
(M) Tiempo
(C) Catalizador
(K) Cantidad de catalizador
(L) Volumen de agua
INTERACCION: MxT
120 F
30'
Tipo 1
1 Kg.
200 l.
NIVELES
2
180F
60'
Tipo 2
3Kg.
300 l.
Los resultados experimentales fueron:

- 50
JOSE LUIS DEL VALLE
L8
1
2
3
4
5
6
7
8
C
1
1
1
1
1
2
2
2
2
K
2
1
1
2
2
1
1
2
2
M
3
1
1
2
2
2
2
1
1
T
4
1
2
1
2
1
2
1
2
L
5
1
2
1
2
2
1
2
1
MxT
6 7
1 1
2 2
2 2
1 1
1 2
2 1
2 1
1 2
% EXTRACCION
60
81
74
62
76
58
56
83
Qu factores son los que ms influyen en el proceso de extraccin?

Qu niveles de dichos factores escogeremos para obtener el mximo
rendimiento?
Cul es el % de extraccin en dichas condiciones?
4. Se tiene un reactor qumico que trabaja a un 73% de rendimiento. Las empresas

de la competencia consiguen un 84%. El objetivo es alcanzar como mnimo
dicho porcentaje. Para< lo cual se efecta un diseo de experiencias utilizando
arreglos ortogonales. Los factores y niveles seleccionados fueron los siguientes:
FACTORES
(T) Temperatura del reactor

(S) Na2CO3
(C) Catalizador
NIVELES
1
2
3
80F 85F 90F
35 lb 48 lb 55 lb
1
2
3
Los factores T, S y C se asignaron en este mismo orden a las columnas del

arreglo ortogonal utilizado. Los resultados experimentales fueron los siguientes:
N comb.
1
2
3
4
5
6
7
8
9
T
1
1
1
2
2
2
3
3
3
S
1
2
3
1
2
3
1
2
3
C
1
2
3
2
3
1
3
1
2
% Rendimiento
51
71
58
82
69
59
77
85
84
Qu factores son los que ms influyen en el reactor qumico?

Qu niveles de dichos factores escogeremos para obtener el mximo
rendimiento?
Cul es el rendimiento mximo en dichas condiciones?
- 51
JOSE LUIS DEL VALLE
5. Se pretende disminuir el nivel de ruido de un compresor. Los Factores de control

y de ruido seleccionados fueron los siguientes:
Factores de Control
A
Deflector
B
Juego del Pistn
C
Juego del Palier
D
Diseo vlvula
E
Diseo cubierta
F
Espesor junta
Factor de Ruido
N
Nivel de aceite
Posible interaccin BxF
Nivel 1
Con
Dbil
Dbil
Actual
Actual
Dbil
Bajo
Nivel 2
Sin
Fuerte
Fuerte
Nuevo
Nuevo
Fuerte
Alto
Los resultados experimentales fueron:

L8
1
2
3
4
5
6
7
8
A
1
1
1
1
1
2
2
2
2
B
2
1
1
2
2
1
1
2
2
C
3
1
1
2
2
2
2
1
1
D
4
1
2
1
2
1
2
1
2
BxF
5
1
2
1
2
2
1
2
1
E
6
1
2
2
1
1
2
2
1
F
7
1
2
2
1
2
1
1
2
65
46
50
60
80
81
92
63
N
63
50
62
61
85
83
85
57
72
54
48
65
75
60
80
59
60
46
55
59
79
61
80
54
6. Se pretende disear un helicptero que gire y alcance una baja velocidad de

cada como resultado del arrastre (rozamiento) y elevacin originados por el giro
de las alas. Se busca un tiempo elevado de vuelo y una rotacin rpida
La velocidad de cada depende del peso del helicptero y de la resistencia que

presentan las alas frente al aire. La resistencia al aire es proporcional a la
superficie de las alas
El movimiento de giro se debe a la torsin producida por las alas. El momento de
inercia y la resistencia del aire al giro determinan la velocidad angular.
La estabilidad depende de la localizacin del centro de gravedad. Si este se
encuentra por debajo del punto de unin del cuerpo del helicptero y de las alas,
el helicptero volar establemente.
El nico factor que controla la torsin es la anchura de las alas.
La resistencia a la cada es proporcional al rea del ala
El peso del papel es importante porque cuanto ms rgido sea el papel, menos se
arquean las alas en el movimiento rotativo del helicptero.
La localizacin del centro de gravedad est determinada por la cantidad de masa
en las alas, la cantidad de masa en ele cuerpo, y la localizacin geomtrica de
ambas masas.
- 52
JOSE LUIS DEL VALLE
Existen muchos factores de ruido:
Variaciones debidas a la construccin

Variaciones debidas al lanzamiento del helicptero
Deterioro del helicptero
Fuerzas que actan en el helicptero:

Movimiento lineal
Resistenci
a del aire
Peso
Movimiento de rotacin
Estabilidad del vuelo
Centro deX
gravedad
Torsin
de las alas
Torsin
de
Resistenci
a del aire
Momento
de inercia
Seleccin de la caracterstica de calidad
Es el tiempo de vuelo. Se trata de una caracterstica mayor - mejor para el caso

esttico. La caracterstica principal de un helicptero es alcanzar una baja
velocidad constante de cada.
La energa potencial debida a la gravedad causa un movimiento de cada del
helicptero cuando se le suelta. La fuerza del aire actuando sobre la cada del
helicptero provoca un suave movimiento de giro. El giro causa un movimiento
de arrastre ascendente. El giro y el centro de gravedad producen un vuelo
estable.
La caracterstica a optimizar y medir es el tiempo de cada libre en segundos
desde una altura de 2 m.
- 53
JOSE LUIS DEL VALLE
CORTE
ALA
ALA
DOBLEZ
CUERPO
- 54
JOSE LUIS DEL VALLE

Diseño de Experimentos DOE-DPTaguchi

Cargado por

Información del documentohacer clic para expandir la información del documento

Copyright:

Formatos disponibles

Diseño de Experimentos DOE-DPTaguchi

Cargado por

Información del documento

Descripción original:

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Diseño de Experimentos DOE-DPTaguchi

Cargado por

Copyright:

Formatos disponibles

Herramientas Estadsticas:

DISEO DE EXPERIMENTOS (DOE).

DISEO DE EXPERIMENTOS (DOE). INGENIERIA TAGUCHI

JOSE LUIS DEL VALLE

FACTORES, NIVELES E INTERACCIONES

TIPOS DE DISEO DE EXPERIMENTOS

DISEOS DE UN FACTOR A LA VEZ

DISEO FACTORIAL COMPLETO

LOS 7 PUNTOS DE TAGUCHI

DISEO DE EXPERIMENTOS (DOE). INGENIERIA TAGUCHI

JOSE LUIS DEL VALLE

Figura 1 CIRCULO DE CALIDAD 5

DISEO DE EXPERIMENTOS (DOE). INGENIERIA TAGUCHI

JOSE LUIS DEL VALLE

Tabla 1 VALORES DE DIMETRO DE 50 EJES (variacin en las

DISEO DE EXPERIMENTOS (DOE). INGENIERIA TAGUCHI

JOSE LUIS DEL VALLE

Figura 1 CIRCULO DE CALIDAD

DISEO DE EXPERIMENTOS (DOE). INGENIERIA TAGUCHI

JOSE LUIS DEL VALLE

El nacimiento de un producto empieza cuando se recaba informacin del cliente

Sabemos que un producto o servicio de calidad es aquel que responde

Figura 2 PROCESO / SISTEMA

DISEO DE EXPERIMENTOS (DOE). INGENIERIA TAGUCHI

JOSE LUIS DEL VALLE

La respuesta es que existen miles de causas de variacin que hacen que un

Figura 3 PREVENCIN FRENTE A DETECCIN

DISEO DE EXPERIMENTOS (DOE). INGENIERIA TAGUCHI

JOSE LUIS DEL VALLE

Tolerancia en las centsimas del dimetro de los ejes = 25,10 0,04 mm

Tabla 1 VALORES DE DIMETRO DE 50 EJES (variacin en las

Bajo este sistema de control, la informacin obtenida de la tabla se utiliza para

Tabla 2 FRECUENCIA ABSOLUTA

DISEO DE EXPERIMENTOS (DOE). INGENIERIA TAGUCHI

JOSE LUIS DEL VALLE

En las empresas americanas y europeas es, todava, muy corriente el or que un

DISEO DE EXPERIMENTOS (DOE). INGENIERIA TAGUCHI

JOSE LUIS DEL VALLE

contradictorias ?. Ms adelante veremos que con el diseo de parmetros de

Existen dos ejemplos que aclaran el significado de prdida ocasionada a la

Un fabricante japons fabricaba cubiertas de polietileno con un espesor nominal

Figura 5 COSTOS ASOCIADOS CON LA CUBIERTA DE POLIETILENO

DISEO DE EXPERIMENTOS (DOE). INGENIERIA TAGUCHI

JOSE LUIS DEL VALLE

DISEO DE EXPERIMENTOS (DOE). INGENIERIA TAGUCHI

JOSE LUIS DEL VALLE

Figura 6 DIFERENCIA DE CALIDAD DE PRODUCCIN, JAPN / U.S.A.

L(y) m = L(m) + L (m)

Ecuacin 1 Funcin de prdida. Desarrollo de Taylor

DISEO DE EXPERIMENTOS (DOE). INGENIERIA TAGUCHI

JOSE LUIS DEL VALLE

dicha expresin queda reducida para la caracterstica de un solo componente a:

Figura 7 FUNCIN DE PERDIDA

DISEO DE EXPERIMENTOS (DOE). INGENIERIA TAGUCHI

JOSE LUIS DEL VALLE

Estos datos sirven para calcular la constante k

con este dato la ecuacin de la funcin de prdida es L(y) = 0.25 (y - 115)2

Si el circuito electrnico se monta en un televisor y se comercializa con una