CAPITULO 1:

INTRODUCCIN

Introduccin

1.

INTRODUCCIN.

1.1

La calidad en el diseo del producto.

La Calidad en el Diseo del Producto

Cada vez se generaliza ms la idea de que la calidad de un producto debe cuidarse

especialmente en las primeras etapas de su desarrollo, ya que es en ese momento,
cuando se pueden evitar ms problemas y de forma ms econmica, (Deming 1989),
(Juran 1990).
Ishikawa (1984) dividi la evolucin del control de calidad en tres generaciones. Dicha
divisin puede representarse mediante un grfico (figura 1.1) ya clsico en la
bibliografa del Control de Calidad (Kackar 1985).

La inspeccin pretende separar los productos defectuosos antes de que lleguen al

cliente, pero no mejora la calidad del producto. Adems, garantizar la calidad
mediante este procedimiento, aumenta los costes y resta competitividad a la empresa
que lo practica.
El control de procesos reduce los problemas de fabricacin y en muchos casos evita
1

Introduccin

La Calidad en el Diseo del Producto

que los defectos lleguen a producirse, pero tambin aumenta los costes y exige
atencin y cuidados en el proceso productivo.
Los esfuerzos en asegurar la calidad del producto en su fase de diseo (del propio
producto o del proceso productivo) resultan ser los ms eficaces y rentables. Mediante
mtodos de produccin adecuados puede asegurarse que el producto sea correcto
an fabricado con materiales y en condiciones poco favorables. Asimismo, pueden
conseguirse diseos de productos que mantengan un alto nivel de calidad aunque sus
condiciones de uso no sean las ptimas (o nominales) (Taguchi 1986).
La aplicacin de determinadas tcnicas de experimentacin para la optimizacin de
productos y procesos est siendo en los ltimos aos uno de los elementos de
progreso ms espectaculares para asegurar la calidad ya en la fase de diseo.
(Pueden leerse comentarios en este sentido en: Box (1986), Clausing (1990), Kackar
(1985), Ross (1988), Lin (1990) y Wu (1987), entre otras publicaciones).

Introduccin

1.2

Estrategias de Experimentacin

Estrategias de experimentacin para optimizar las caractersticas de un

producto.

Cualquier caracterstica de calidad de un producto que sea cuantitativa (humedad,

densidad, dimensin, dureza, peso, ...) puede ser entendida, en primera
aproximacin1, como una variable que mediante una relacin funcional, depende de
un conjunto de factores que denominaremos "factores de diseo" tal como se indica
en la figura 1.2.

Figura 1.2: Una caracterstica de calidad (respuesta) puede ser explicada, en primera
aproximacin, en funcin de unos factores de diseo.
Si se conoce dicha relacin funcional, la optimizacin de la caracterstica de calidad
es un problema fcilmente resoluble por mtodos analticos, pero en la prctica se
presentan 3 grandes dificultades:
a)

La relacin funcional no se conoce, ni tampoco cuales son los factores

de diseo que pueden afectar a la respuesta, y a veces ni tan siquiera
la regin de operabilidad.

b)

La relacin funcional es complicada.

c)

La deduccin de la relacin funcional (o mejor dicho, de una

aproximacin a la misma que nos resulte til) no puede ser abordada
"de cualquier forma", sino que en la prctica resulta obligado seguir
determinadas estrategias de experimentacin conocidas con el nombre

En este apartado se hace caso omiso de los factores de ruido. Estos se describen y analizan
en los prximos apartados.
3

Introduccin

Estrategias de Experimentacin

de "diseos factoriales".
Un sencillo ejemplo nos permitir lustrar las ideas bsicas de la metodologa que se
utiliza en la experimentacin mediante diseos factoriales.
Sea un circuito de la forma:

En el que V es una diferencia de potencial, R una resistencia e I la intensidad que

circula por el circuito.
Supongamos que la caracterstica de calidad es la intensidad, mientras que V y R son
los factores de diseo. En este caso la relacin funcional es bien conocida (ley de
Ohm) y viene dada por la frmula:

Si deseamos maximizar I, sabemos que debemos colocar V en el valor ms alto

posible y R en el ms bajo.
As, si V puede variar entre 6 y 9 voltios y R entre 2 y 4 ohmios, los valores ideales
de estos factores (factores de diseo) sern 9 V y 2 . La figura 1.4 muestra la
superficie que representa la relacin entre I y V, R en la que obviamente el mximo
de I se da para los valores citados de V y R.
Si la relacin entre nuestra respuesta y los factores que en ella influyen fuera
desconocida, esta podra deducirse mediante la experimentacin, y si la realizacin
de un experimento no tuviera coste (o este se pudiera considerar despreciable), la
estrategia de experimentacin no sera un tema importante ya que podramos
reproducir la forma de la superficie de respuesta a base de experimentar en una gran
variedad de condiciones de los factores de diseo.
4

Introduccin

Estrategias de Experimentacin

Sin embargo, en la prctica, la experimentacin representa una inversin importante

en tiempo y dinero, de forma que ser un objetivo fundamental el plantear estrategias
que proporcionen la mxima informacin con el mnimo nmero de experimentos.
La metodologa de experimentacin ms eficaz se basa en 2 principios bsicos (Box
1978):
a)

La experimentacin secuencial, que consiste en ir planificando nuevos

experimentos en funcin de los resultados obtenidos en experimentos
anteriores. Naturalmente, la primera etapa se disea sin resultados previos,
pero esta no debe representar, en general, ms de un 25 % de los recursos
disponibles para la experimentacin.

b)

Mover todos ios factores a la vez (diseos factoriales), frente a la

alternativa de ir moviendo las variables de una en una (diseos clsicos).

Los diseos factoriales, a base de ir explorando secuencialmente diversas zonas de

la superficie de respuesta, presentan numerosas ventajas, y permiten llegar al ptimo
con menos experimentos que en diseos clsicos (Box 1978), (Box 1987).
En general, si lo que se pretende es llegar a un ptimo, no es necesario conocer la
relacin funcional entre la respuesta y los factores de diseo, bastar con deducir
cual es la combinacin de valores de los factores que optimizan la respuesta.

Introduccin

Estrategias de Experimentacin

En el caso del sencillo ejemplo que hemos planteado, para la aplicacin de la tcnica
de los diseos factoriales se asignan a cada factor 2 valores distintos (denominados
"niveles") y se realizan los 4 experimentos que corresponden a las 4 posibles
combinaciones de niveles de los 2 factores.
La asignacin de valores a cada nivel puede depender de los resultados obtenidos
anteriormente o, al inicio de la experimentacin, de los conocimientos previos sobre
el comportamiento de la respuesta.
En nuestro caso, simularemos la experimentacin en los valores extremos del rango
de variacin de los factores, fijando para V valores de 6 y 9 voltios, y para R de 2 y
4.
De esta forma se obtendra, prescindiendo del posible error experimental, el siguiente
resultado2:

El clculo de los efectos conduce a los siguientes valores:

v=

1.125

R=

-1.875

VR =

-0.375

obtenindose adems que:

Media =

2.8125

Cada efecto representa el cambio que se produce en la respuesta al pasar el factor

(o interaccin) correspondiente del nivel "-" al nivel"+".
Por tanto, puede plantearse el modelo de regresin:

En este tipo de diseos "a 2 niveles", cada factor toma slo 2 valores diferentes, y los signos
"-" y "+" corresponden a los valores "bajo" y "alto" respectivamente de cada uno de los factores.

Introduccin

Estrategias de Experimentacin

I = 2.8125 + 0.5625 V - 0.9 3 7 5 R - 0.1875 VR

[1.1]

en el que los coeficientes de la ecuacin (variacin en la respuesta al variar en una

unidad la variable regresora) son la mitad de los correspondientes efectos (variacin
de la respuesta al variar en 2 unidades (de -1 a +1) el factor correspondiente).
Por otra parte, este es un modelo en el que las variables deben introducirse
codificadas de acuerdo con los valores asignados a cada uno de los niveles. Puede
deducirse fcilmente que la transformacin a realizar para codificarlas es:

Siendo:
Xc :
X :
X(.}:
X(+):

Valor
Valor
Valor
Valor

de
de
de
de

la variable codificada
la variable a codificar
la variable a nivel"-"
la variable a nivel"+"

Aplicando esta transformacin a los valores de V y R de la ecuacin [1.1] se obtiene

la siguiente ecuacin correspondiente a valores de V y R sin codificar:

[1.2]

Puede comprobarse que esta ecuacin permite obtener los valores exactos de I para
los pares de valores (V,R) con que se ha experimentado. Sin embargo, para valores
de R comprendidos entre 2 y 4 el resultado obtenido es mayor al real, ya que la
ecuacin resultante corresponde al plano que pasa por los puntos I(6,2), I(9,2), I(6,4),
1(9,4).
Las figuras 1.5 y 1.6 muestran la superficie de respuesta obtenida mediante la
experimentacin y su diferencia respecto a la real.
El error se produce debido a que mediante un diseo a 2 niveles slo se estiman
relaciones lineales y obtenemos una aproximacin polinmica a la funcin real en la
que slo existen trminos lineales e interacciones (productos) de estos. La
aproximacin es del tipo de la que se obtendra descomponiendo la funcin real en

Introduccin

Estrategias de Experimentacin

Introduccin

Estrategias de Experimentacin

Serie de Taylor hasta las derivadas de segundo orden sin el trmino cuadrtico
(aunque no es exactamente la misma, ver Apndice 1).
Los diseos factoriales a 2 niveles se designan con la notacin 2K, siendo 2 el nmero
de niveles y k el de factores. En principio, el nmero de experimentos a realizar es
el que indica esta potencia. Sin embargo, cuando el nmero de factores aumenta no
es necesario realizar todos los experimentos para obtener la informacin deseada.
As, si el nmero de factores es 7 (k = 7), la realizacin de los 128 experimentos del
diseo completo nos permitira estimar:
*
*
*
*
*
*
*
*

7
21
35
35
21
7
1

La media
Efectos principales.
Interacciones de 2 factores.
Interacciones de 3 factores.
Interacciones de 4 factores.
Interacciones de 5 factores.
Interacciones de 6 factores.
Interaccin de 7 factores.

Pero en general, las interacciones de 3 o ms factores pueden considerarse

despreciables3 y por tanto, ya que no nos interesa estimar 128 parmetros, tampoco
ser necesario realizar los 128 experimentos.
En estos casos se plantea lo que se denomina "diseos factoriales fraccinales"
que consisten en una parte ("fraccin") del diseo completo, y se identifican con la
notacin: 2k-p.
As, en el caso de estudiar los efectos de 7 factores podremos utilizar, por ejemplo,
un diseo 27-3 en el que slo se necesitan realizar 16 experimentos (27-3 =16).
Para construir un diseo con estas caractersticas se parte de un diseo 24 y se
asignan los 3 factores restantes a interacciones, tal como se indica en la tabla 1.1.
Si, por ejemplo, se asignan los factores E, F, y G a las interacciones ABC, BCD y
ACD se obtendr el diseo 27-3 deseado, y los generadores del mismo sern:
E = ABC
F = BCD
G = ACD

[1.3]

El hecho de haber escogido estos generadores implica que al realizar cada

Equivale a despreciar los trminos correspondientes a las derivadas de tercer orden en la

aproximacin por Serie de Taylor.

Introduccin

Estrategias de Experimentacin

experimento elemental los niveles de los factores E, F y G se escogern tal como

indican los signos de las columnas ABC, BCD y ACD.
El realizar esta asignacin introduce una confusin en los efectos estimados. As, el
efecto del factor E est confundido con la interaccin ABC, el F con BCD y el G con
ACD.
El hecho de elegir unos u otros generadores implica crear unas u otras confusiones
y por tanto en la seleccin de estos debe tenerse en cuenta las confusiones que se
presentarn.

Adems, las confusiones comentadas no son las nicas que se presentan, ya que las
columnas formadas al multiplicar los signos de las columnas ABCE, BCDF y ACDG
estn ntegramente formadas por signos +. Si llamamos I (identidad) a las columnas
formadas nicamente por signos + tendremos que:
I = ABCE = BCDF = ACDG

[1.4]

Si adems se tiene en cuenta que al multiplicar entre si dos columnas formadas por
signos + se obtiene una nueva columna formada ntegramente por signos +, a partir
de [1.4] se puede obtener, por multiplicacin entre ellos, la relacin de todos los
efectos estimados en la columna I.
I = ABCE = BCDF = ACDG = ADEF = BDEG = ABFG = CEFG
10

Introduccin

Estrategias de Experimentacin

Esta relacin se denomina relacin de definicin ya que es la que define totalmente

las confusiones que se han introducido en el diseo.
Multiplicando por A todas las palabras (miembros de la relacin de definicin) se
obtienen todos los efectos confundidos con el efecto principal del factor A.
Multiplicando por B se obtienen todos los efectos confundidos con el efecto principal
del factor B, etc.
Procediendo de esta forma se puede hallar la llamada estructura de alias4 que pone
de manifiesto todas las confusiones introducidas en el diseo. La tabla 1.2 muestra
la estructura de alias para los efectos principales del diseo 27-3 con los generadores
indicados en [1.3]. Anlogamente se podra obtener el patrn de las interacciones de
todo tipo.

Tabla 1.2: Estructura de alias para los efectos principales de un diseo 2

7-3

Como puede observarse, en este caso los efectos principales estn confundidos con
interacciones de tercer y quinto orden, mientras que las interacciones de segundo
orden estn confundidas entre s.
Como las interacciones de 3 o ms factores se consideran en genera! como no
significativas, podemos entender que I, es un buen estimador del efecto principal de
A, l2 de B, y as sucesivamente.
Sin embargo, es posible que se presenten ambigedades al estar confundidas las
interacciones de 2 factores. Estas ambigedades pueden despejarse aadiendo
nuevas fracciones al diseo (Box 1978).
El grado de confusin que presenta un diseo fraccional viene definido por su
resolucin. La tabla 1.3 indica qu tipo de confusiones se presentan segn sea la
resolucin del diseo.

En diseos en los que intervienen varios factores y varios generadores, suele ser muy
laborioso deducir la estructura de alias. En el Anexo 2 se presenta un sencillo mtodo basado en el
uso de hojas de clculo para PC.

11

introduccin

Estrategias de Experimentacin

Tabla 1.3: Tipo de confusiones que se presentan segn sea la resolucin de un

diseo (casos ms habituales).
Por tanto, el diseo 27-3 descrito anteriormente es de resolucin IV, y se nota de la
forma: 27-3IV.
En el libro de G.E.P. Box, W.S. Hunter y J.S. Hunter, "Statistics for Experimenters"
(1978) (existe versin castellana, Ed. Reverte, 1988), se presenta una clara y
detallada exposicin, basada en el desarrollo de casos prcticos, de los conceptos y
metodologa de aplicacin de las tcnicas de experimentacin mediante diseos
factoriales.

12

Introduccin

1.3

Concepto de Producto Robusto. Tipos de Ruido

Concepto de Producto Robusto. Tipos de Ruido.

Puede plantearse el concepto de calidad desde dos puntos de vista distintos y a la

vez complementarios:
*

Calidad, de puertas afuera de la empresa: Consiste en satisfacer las

necesidades y expectativas de los clientes.

Calidad, de puertas adentro: Consiste en cumplir con las especificaciones

marcadas, con la mnima variabilidad en torno a los valores nominales.

Naturalmente, una de las tareas a desarrollar en la empresa ser transformar las

necesidades y expectativas de los clientes en especificaciones de los productos.
De acuerdo con el concepto de calidad "de puertas adentro", uno de los objetivos
bsicos ser minimizar la variabilidad de las caractersticas funcionales. Esta
variabilidad puede ser debida a 3 causas bsicas:
*

Ruido (variabilidad) externo: Debido a variaciones en las condiciones

ambientales de utilizacin del producto: Temperatura, humedad, polucin,
vibraciones......

Ruido interno: Variabilidad en las caractersticas del producto debido a su

envejecimiento, deterioro con el tiempo, etc.

Ruido en la Produccin: Debido a la capacidad de las mquinas y procesos

de produccin.

Se denominan productos robustos aquellos que han sido diseados de tal forma
que mantienen sus caractersticas de calidad con un mnimo nivel de variabilidad
aunque estn sometidos a variabilidad externa (ruido ambiente), variabilidad interna
(deterioro) o variabilidad en los procesos de produccin.
A lo largo de las etapas de desarrollo de un nuevo producto, es posible tomar
contramedidas contra cada una de las causas de variabilidad.
As, en la fase de produccin es posible tomar medidas para minimizar la variabilidad
aplicando las tcnicas adecuadas de control estadstico de procesos.
En el diseo del proceso de produccin tambin se pueden tomar medidas contra la
variabilidad en la produccin, a base de escoger mquinas con la mnima capacidad.
Sin embargo, slo en la fase de diseo del producto se pueden tomar medidas contra
13

Introduccin

Concepto de Producto Robusto. Tipos de Ruido

cada una de las causas de variabilidad.

En la figura 1.7 (Kackar 1985) se resume en qu fases es posible actuar para
minimizar cada una de las causas de variabilidad.

Figura 1.7: Contramedidas posibles en cada una de las fases del desarrollo de un
producto.
Por tanto, ser especialmente importante cuidar la etapa de diseo del producto para
asegurar su calidad. G. Taguchi (1986) divide el diseo de un producto en 3 fases:
*

Diseo Primario: Consiste en el diseo conceptual o funcional del producto

para responder a una necesidad del mercado.

Diseo Secundario, o diseo de los parmetros: Consiste en la obtencin de

los valores nominales ptimos para minimizar la variabilidad de las
caractersticas de calidad del producto.

Diseo terciario: Diseo de tolerancias, para garantizar la mnima variabilidad

requerida, cuando la variabilidad final del diseo secundario es todava
excesiva.

Invertir en la fase de diseo de los parmetros resulta ser lo ms rentable, ya que

14

Introduccin

Concepto de Producto Robusto. Tipos de Ruido

aumenta la calidad del producto sin encarecerlo. El diseo de tolerancias debe ser
siempre el ltimo recurso ya que obliga a trabajar con materias primas de mayor
calidad y, por tanto, ms caras.
1.4 Diseo de productos robustos. Estado de la cuestin.
1.4.1 Distintos enfoques del problema.
Las tcnicas de diseo de productos robustos fueron introducidas por G. Taguchi
(1984,1986), con una metodologa eminentemente "prctica" enfocada directamente a
la resolucin de problemas.
De esta forma, Taguchi dio nombre al mtodo ms conocido y utilizado, aunque se
han presentado crticas a los aspectos estadsticos y metodolgicos de este
planteamiento, y se han propuesto alternativas como las de Box (1986), Maghsoodloo
(1990), Ryan (1988), Shoemaker (1991), Tort-Martorell (1985), Tribus (1989) y Wu
(1987).
A continuacin se resume el Mtodo de Taguchi a partir de una de sus publicaciones
ms clsicas (Taguchi 1986), y una reciente metodologa alternativa, que parte de un
nuevo enfoque del problema, y que est basada en el contenido de la Tesis Doctoral
de Stephen Jones, dirigida por el profesor G. Box (Jones 1990).
1.4.2 Mtodo de Taguchi.
1.4.2.1

Descripcin del Mtodo.

Las aportaciones de Genichi Taguchi a la ingeniera de la calidad son unnimemente

reconocidas como una de las ms importantes en los ltimos tiempos (Box 1988).
(Kackar 1985), (Ross 1988). A l se deben las primeras ideas en torno a conseguir el
aseguramiento de la calidad de un producto centrando los esfuerzos especialmente
en su fase de diseo, tal como se ha comentado en el apartado 1.2.
Esquemticamente, esta metodologa puede resumirse en las siguientes etapas:
a.

Identificacin de los factores de diseo, de los factores de ruido, y de sus

niveles de experimentacin.
El diseador del producto debe identificar las variables que presumiblemente
afectan a las caractersticas de inters as como a qu niveles conviene
experimentar.

15

Introduccin

Diseo de Productos Robustos. Estado de la Cuestin

Igualmente deber identificar los factores de ruido y decidir entre que niveles
de estos factores se desea que el producto sea insensible.
b.

Construccin de las matrices de diseo (para los factores de control y para los
factores de ruido) y planificacin del experimento.
Las matrices de diseo tanto para los factores de control como para los de
ruido, son, en esencia, del tipo de las comentadas en el apartado 1.2, aunque
Taguchi utiliza diseos de su propio 'catlogo', que suelen ser saturados a 2
3 niveles (Bullington 1990).
Los experimentos se realizan para cada una de las condiciones de la matriz de
factores de ruido (matriz externa) en cada una de las condiciones de los
factores de control (matriz interna), formando la llamada matriz producto.
(Vase la figura 1.8).
As, con 4 factores de diseo y 3 factores de ruido, si se trabaja con diseos
factoriales completos a 2 niveles, se debern realizar un total de 24*23 = 64
experimentos.

Figura 1.8: Matriz Producto segn el plan experimental propuesto por Taguchi.

16

Introduccin

c.

Diseo de Productos Robustos. Estado de la Cuestin

Realizar los experimentos y evaluar el estadstico adecuado.

Una vez obtenidos los resultados experimentales para cada una de las
condiciones de la matriz de diseo, se calculan dos estadsticos: la media y el
denominado "ratio seal-ruido" (6).
La optimizacin de los valores de los factores de diseo se resuelve en dos
etapas:
i) Determinar los factores que afectan al ratio seal-ruido y escoger ios valores
que lo maximizan.
ii) Seleccionar algn factor que teniendo influencia sobre el nivel de la
respuesta tenga un efecto lo menor posible sobre el ratio seal-ruido.
Este ser el factor que se utilizar para llevar la respuesta al nivel
deseado.
Taguchi propone diferentes ratios seal-ruido segn sea el objetivo que se
persiga. As, si lo que se pretende es minimizar la respuesta, se deber
trabajar en las condiciones que maximicen:

Si el objetivo es que la respuesta sea lo mayor posible, se maximiza:

Y si se trata de mantener la respuesta en su valor nominal, se maximizar:

Siendo:
x:

Vector que representa una determinada combinacin de niveles de los

factores de diseo.
17

Introduccin

Diseo de Productos Robustos. Estado de la Cuestin

y:

Respuesta en la condicin i-sima de la matriz externa.

n:

Nmero de condiciones experimentales de la matriz externa.

y:

Respuesta media para un determinado valor de x.

s2: Varianza de las respuestas obtenidas en cada una de las condiciones

experimentales definidas por la matriz externa, para un determinado
valor de x.
d.

Analizar la significacin de los efectos.

Los resultados se analizan mediante tablas de anlisis de la varianza. Esta
tcnica de anlisis de la significacin de los efectos es uno de los aspectos
ms controvertidos del Mtodo de Taguchi. Box (1986) (entre otros), ha
realizado un detallado anlisis crtico sobre este aspecto.

e.

Realizacin de experimentos confirmatorios.

Antes de dar definitivamente por bueno el resultado obtenido, Taguchi propone
la realizacin de una serie de experimentos para confirmar que las condiciones
obtenidas como ptimas son efectivamente las mejores.

1.4.2.2

Ejemplo de Aplicacin.

Uno de los casos ms tpicos expuestos por Taguchi (1986) como ejemplo de
aplicacin de su tcnica es el que se refiere a la fabricacin de un sencillo circuito
elctrico para la medicin de resistencias elctricas, denominado "Puente de
Wheatstone". El circuito est representado en la figura 1.9.

Figura 1.9: Esquema de un Puente de Wheatstone.

18

Introduccin

Diseo de Productos Robustos. Estado de la Cuestin

La forma de uso de este circuito es la siguiente: se coloca la resistencia desconocida

'y1 se mueve la resistencia variable B hasta que no pasa corriente por el ampermetro
X. A partir del valor indicado por la resistencia B en ese momento, se puede calcular
e! valor de y mediante la expresin:

El problema termina aqu si se considera que los elementos constructivos del circuito
no presentan ninguna variabilidad respecto a su valor nominal (caso de las
resistencias A, C, D, F y la fuente de alimentacin E), o sus prestaciones (en el caso
del ampermetro X y la resistencia variable B).
Como en la prctica s existir dicha variabilidad, l problema consiste en determinar
cuales son los valores nominales ptimos de los factores de diseo para minimizar
la variabilidad de 'y' en torno a su valor real.
En este caso, el primer replanteamiento a realizar es el de la expresin de 'y'. ya que
si consideramos que la corriente que pasa por X no es nula cuando el ampermetro
marca cero, dicha expresin queda aproximadamente de la forma:

Para el anlisis de este caso, se supone que el valor de la resistencia desconocida

'y' es igual a 2 .
La experimentacin se realiza con cada factor de diseo fijado a 3 niveles, eligiendo
el primer nivel arbitrariamente pero de forma que el nivel 2 es 5 veces el nivel 1 y el
nivel 3 est a 5 veces el nivel 2 (tabla 1.4). El experimentar en un amplio rango en
esta etapa es tpico de la metodologa de Taguchi, ya que pretende utilizar
componentes baratos.

Tabla 1.4: Niveles de los factores de diseo asignados por Taguchi.

19

Introduccin

Diseo de Productos Robustos. Estado de la Cuestin

Asimismo, para todos los componentes del puente fija unos niveles de ruido tal como
se indica en la tabla 1.5.

Tabla 1.5: Nivel a que se fijan los factores de ruido para cada uno de los elementos
constructivos del Puente de Wheatstone.
Para determinar las combinaciones de niveles de las variables de diseo que utiliza
para experimentar (matriz interna), Taguchi recurre a lo que l llama disposicin
ortogonal L 36 , la cual indica a qu nivel debe escoger cada factor en cada
experimento.
Los niveles de los factores de ruido se adscriben a otra L36 separada (matriz externa)
igual a la anterior, pero con la diferencia de que en el primer caso se utilizan slo 5
columnas (5 factores de diseo) y ahora se utilizan 7, ya que la variabilidad afecta a
la resistencia variable y al ampermetro adems de a los factores de diseo.
La disposicin L36 externa se aplica a cada uno de los 36 experimentos de la
disposicin interna. Se tiene de esta forma la matriz producto, con un total de
36*36=1296 combinaciones para cada una de las cuales se calcula el valor de la
respuesta 'y'.
As, por ejemplo, la disposicin L36 aplicada a este caso, nos indica que en la
condicin experimental nmero 5, los factores de diseo deben fijarse a los niveles:
Factor

Nivel

Valor

A
C
D
E
F

2
2
2
3
3

100
10
10
30
50
20

Introduccin

Diseo de Productos Robustos. Estado de la Cuestin

Pero no se experimentar con estos valores, sino con los resultantes de aplicar cada
una de las 36 correcciones que indica la misma disposicin aplicada a los factores de
ruido.
La condicin experimental nmero 7 que asigna L36 corresponde a los niveles:
Factor
A
B
C
D
E
F
X

Nivel
1
1
2
3
1
2
3

Correccin
- 0.3 %
- 0.3 %
0
+0.3 %
- 5%
0
+0.2 mA

Y, por tanto, para obtener el resultado y5,7 (figura 1.10) se experimentar con los
valores que se indican en la tabla 1.6.

Tabla 1.6: Ejemplo del seleccin del nivel de los factores en la condicin
experimental y5,7.
Para cada combinacin de factores de diseo se tienen 36 resultados
experimentales y a partir de ellos puede calcularse el valor medio de la respuesta
( y ), la varianza (s2) y el ratio seal-ruido [(x)] en cada una de estas combinaciones.
Ver figura 1.10.
21

Introduccin

Diseo de Productos Robustos. Estado de la Cuestin

Figura 1.10: Respuesta media, varianza y ratio seal-ruido, en cada una de las
condiciones de la matriz de diseo.
22

Introduccin

Diseo de Productos Robustos. Estado de la Cuestin

El anlisis de la varianza realizado por Taguchi pone de manifiesto que todos los
factores son significativos y observando los resultados obtenidos (fig 1.10) puede
comprobarse que en la condicin experimental nmero 22, correspondiente a la
combinacin: A1, C2, D3, E3 y F1 se obtiene el valor mximo del ratio seal-ruido (8 =
49.82).
Sin embargo, los 36 experimentos realizados son slo una fraccin del diseo
completo, que con 5 factores a 3 niveles incluira un total de 35 = 243 condiciones
experimentales distintas.
Como es muy posible que el ptimo encontrado para la fraccin realizada no coincida
con el ptimo global, se estudia la variacin del ratio seal-ruido para los diferentes
niveles de los factores.
En la tabla 1.7 figuran los valores medios de 6 para cada uno de los niveles de los
factores de diseo, y en la figura 1.11 se ha realizado su representacin grfica.

Tabla 1.7: Valores medios del ratio seal-ruido para cada nivel de los factores de
diseo.
De la figura 1.11, se deduce que los niveles de los factores que minimizan la
variabilidad de la respuesta son:
A1, C3, D2, E3, F1
Taguchi realiza finalmente una prueba confirmatoria del resultado obtenido que
consiste en realizar otros 36 experimentos en el nivel de los factores considerado
ptimo, aplicando los niveles de ruido definidos por la matriz externa. En este caso,
como era previsible, se confirma el resultado obtenido ya que la varianza del error
experimental en estas condiciones es 0.000008, menor que la obtenida en cualquiera
de las condiciones en que se ha experimentado previamente.

23

Introduccin

Diseo de Productos Robustos. Estado de la Cuestin

Figura 1.11: Ratio seal-ruido en

funcin del nivel a que se fija cada
uno de los factores de diseo.

24

Introduccin

1.4.2.3

Diseo de Productos Robustos. Estado de la Cuestin

Comentarios crticos.

A pesar del general reconocimiento sobre las aportaciones de Taguchi en torno al

diseo de productos y procesos, la metodologa que utiliza para disear la
experimentacin y analizar los resultados obtenidos, presenta algunos aspectos
controvertidos. A continuacin se citan dos de ellos.
1.

Las tcnicas estadsticas utilizadas para el anlisis de los resultados obtenidos

no son las ms adecuadas.
Box (1986) demuestra que los ratios seal-ruido propuestos por Taguchi no
son los mejores. Su propuesta consiste en hallar la transformacin ms
adecuada para la respuesta y estudiar la desviacin tipo de la respuesta
transformada.
Para el ejemplo que se ha planteado sobre el Puente de Wheatstone, Box
propone utilizar como ratio seal-ruido:

ya que este permite realmente minimizar la varianza, mientras que el propuesto

por Taguchi responde al objetivo de minimizar la relacin entre la desviacin
tipo y la media de la respuesta.
Otros autores (algunos de los cuales se hallan referenciados en el apartado
1.4.1) realizan comentarios crticos y aportaciones a los aspectos estadsticos
de esta metodologa.
2.

El nmero de experimentos que requiere la aplicacin del mtodo suele ser

excesivamente grande.
Aunque en algunos casos el nmero de experimentos que plantea Taguchi es
justamente el necesario para obtener la informacin precisa, en otros casos,
el experimentar en cada una de las condiciones de la matriz producto, exige
un esfuerzo y una dedicacin de recursos que podra disminuirse.
As, en el ejemplo estudiado, se requiere la realizacin de 1332 experimentos
(36*36+36) 5 y el clculo de los resultados resulta bastante engorroso, incluso
utilizando mtodos de clculo automticos.
Si no se conoce la frmula, y los experimentos deben ser reales, tal volumen
de experimentacin resulta inabordable e innecesario en la mayora de los
casos.

Los ltimos 36 corresponden al diseo confirmatorio.

25

Introduccin

Diseo de Productos Robustos. Estado de la Cuestin

1.4.3 Mtodo de Box-Jones.

1.4.3.1

Descripcin del Mtodo.

George Box y Stephen Jones (1990), proponen un mtodo que denominan de

"Experimentacin por Objetivos"6, basado en la idea de que en la optimizacin de
una respuesta influyen dos aspectos:
*
*

La distancia al ptimo (sesgo).

La variabilidad en torno al valor conseguido.

Puede ilustrarse este enfoque con un sencillo ejemplo en el que se plantea la

optimizacin de una respuesta 'y', existiendo un factor de diseo 'x' y otro factor de
ruido ambiental z, tal como se muestra en la figura 1.12.

Figura 1.12: Valores de una respuesta 'y' en funcin de un factor de diseo 'x' que
puede ser fijado al nivel deseado y un factor de ruido 'z' que toma valores al azar.
Una medida que combina los dos aspectos antes citados y que por tanto, nos
permitira cuantificar la "bondad" de un determinado valor de x, viene dada por la
expresin:

"Experimental Goals"

26

Introduccin

Diseo de Productos Robustos. Estado de la Cuestin

en la que indica el valor ptimo de la respuesta y, por tanto, L(x) corresponde a la

suma de los cuadrados de las distancias entre cada uno de los valores de la
respuesta y . Vanse las figuras 1.13a y 1.13b.
Esta medida puede descomponerse en dos partes. Una primera que valora la
distancia del valor medio de la respuesta y X respecto al ptimo , y que viene dada
por la expresin:

Y una segunda que cuantifica la variabilidad de y en torno a su valor medio, que viene
dada por:

Puede comprobarse que:

pero L(x) es dependiente del valor que se ha asignado al ptimo , el cual en muchas
ocasiones puede ser arbitrario al no ser conocido ni -quiz- conocible.
As, si asignamos a un valor grande, estamos otorgando ms importancia a M(x)
que a V(x) y viceversa. Box y Jones solucionan este elemento de arbitrariedad,
definiendo un nuevo valor para la bondad de x, de la forma:

Donde X es el coeficiente que pondera la importancia relativa de V(x) y M(x).

27

Introduccin

Diseo de Productos Robustos. Estado de la Cuestin

28

Introduccin

Diseo de Productos Robustos. Estado de la Cuestin

La situacin puede ilustrarse a travs de la figura 1.14 en la cual se supone que

existen dos factores de diseo x1, x2 y se representan las curvas de nivel
correspondientes a M(x) y V(x) as como la lnea sobre la que se localizan los
distintos valores de R(x) en funcin de los valores de .

Figura 1.14: Contornos de M(x) y V(x), y localizacin de los mnimos de R(x). (De
Jones 1990).
As, si estamos interesados en conseguir slo una alta respuesta media, deberemos
elegir el punto XM ya que es el lugar donde M(x) es mnimo. Si por el contrario,
estamos slo interesados en reducir la variabilidad en torno a la media, deberemos
elegir el punto Xv ya que es ah donde V(x) toma el valor mnimo. Para diferentes
29

Introduccin

Diseo de Productos Robustos. Estado de la Cuestin

valores de (01), el criterio combinado R(x) ser minimizado en el lugar donde el

contorno de M(x) y el contorno de V(x) se toquen.
Un modelo de primer orden, con n factores de diseo, x1, x2 ...........xn y m factores de
ruido ambiente, z1, z2, .... zm, con sus correspondientes interacciones de hasta dos
factores, puede escribirse de la forma:

o, en notacin matricial:

considerando que los factores de diseo siguen una distribucin uniforme definida en
el intervalo (-1, 1), puede demostrarse (Jones 1990) que:

Siendo:

Por tanto, el plan de trabajo a seguir para lograr el diseo ptimo, ser el siguiente:
1.

Establecer una hiptesis sobre el modelo de la respuesta,

2.

Estimar los parmetros del modelo.

No siempre ser necesario estimar todos los parmetros. Si slo se
desea minimizar V(x) basta con estimar y D. En el caso de que el
objetivo sea minimizar M(x), slo se deber estimar . (Jones 1990).

30

Introduccin

1.4.3.2

Diseo de Productos Robustos. Estado de la Cuestin

3.

Fijar los valores de y .

4.

Determinar los valores de los factores de diseo que minimizan R(x).

Ejemplo de Aplicacin.

Jones (1990) ilustra este procedimiento con un ejemplo en que se plantea un modelo
con dos factores de diseo: x 1 y x 2 , y tres factores de ruido: z 1, z 2 y z 3 , de la forma:

considerando que los coeficientes del modelo son los que se indican a continuacin:
Coeficiente

Valor

Coeficiente

Valor

0
1
2

65.0
2.5
-9.5
5.0
-7.5
4.5

11
12
21
22
31
32

4.0
-4.0
0.5
5.0
0.5
8.0

1
2
3

Si se toma = 80, los contornos para M(x) y V(x) son los que se muestran en la
figura 1.15.
Tomando = 0.5, se obtiene que los valores que minimizan R(x) son:
x1 = 0.38
x2 = -1.00
Si se hubiera tomado = 75, la forma de las curvas de nivel de la figura 1.15 no
variaran, pero sin embargo los valores ptimos para los factores de diseo seran,
en este caso:
X1 =

0.00
x2 = -0.70

31

Introduccin

Diseo de Productos Robustos. Estado de la Cuestin

1
g'(x)g(x) (lnea a trazos), y la
3
localizacin de los mnimos de R(x) (++++++). (De Jones 1990).
Figura 1.15: Contornos de M(x) (lnea seguida),

1.4.3.3.

Comentarios Crticos.

Este mtodo tiene la gran ventaja de que es capaz de determinar los valores ptimos
de los factores de diseo slo a partir de los experimentos justamente necesarios, sin
el despilfarro de recursos que en ocasiones implica el mtodo de Taguchi. Pero sin
32

Introduccin

Diseo de Productos Robustos. Estado de la Cuestin

embargo, presenta dos inconvenientes que le restan aplicabilidad. Estos son:

1.

La fijacin de "a priori", introduce un elemento de arbitrariedad en el

resultado obtenido.
Jones comenta, con respecto al ejemplo expuesto anteriormente, que
si se vara el valor de pasado de 80 a 75, los valores ptimos de los
factores de diseo pasan a ser:
x1 = 0.00
x2 = -0.70
Pero adems, si se cambia el valor de , tambin vara el resultado
obtenido. As, manteniendo = 80, con = 0.4 se obtienen como
ptimos los valores7:
x1 = 0.8
x2 = -1.0
Y, sin embargo, en las mismas condiciones pero con = 0.6 se obtiene:
x1 = 0.2
x2 = -0.9
El valor de se fija previamente para ponderar la importancia de los
trminos M(x) y V(x) y no es fcil estar seguros de si nuestro inters
est en = 0.4 o = 0.6. Sin embargo la eleccin que tomemos para
, no exenta de cierto grado de arbitrariedad, influir en el resultado
obtenido.

2.

Es una metodologa poco intuitiva y de difcil aplicacin prctica.

Los conceptos de L(x), M(x) y V(x), y la deduccin de sus expresiones
(especialmente si los modelos son cuadrticos o con gran variedad de
interacciones), exigen un cierto esfuerzo en el seguimiento de
desarrollos matemticos avanzados.
Adems, no se pueden realizar representaciones grficas para ilustrar
la situacin en que se trabaja si se tienen ms de dos factores de
diseo. Y an con 2 factores, los grficos son difciles de realizar y de
interpretar.

En el Apndice 3 se presenta el mtodo utilizado para analizar este ejemplo.

33

Introduccin

Diseo de Productos Robustos. Estado de la Cuestin

Estas caractersticas de complejidad de los nuevos conceptos que se

utilizan y de dificultad (o 'imposibilidad' en la mayora de casos) de
realizar representaciones grficas manteniendo un alto nivel de
abstraccin, puede suponer un obstculo para el cumplimiento del que
sera objetivo fundamental del nuevo mtodo: su difusin y utilizacin
prctica en la industria.

34

Introduccin

1.5

Objetivo y Contenido de la Tesis

Objetivo y contenido de la Tesis.

El objetivo de la presente Tesis es desarrollar algunas aportaciones metodolgicas al

diseo de productos robustos especialmente en lo que hace referencia a las tcnicas
de anlisis de los resultados obtenidos en la experimentacin.
Los inconvenientes relativos al gran volumen de experimentacin que en muchos
casos implica el planteamiento de Taguchi, queda solucionado con la utilizacin de
una sola matriz de diseo en la que se incluyen tambin los factores de ruido. Las
dificultades de anlisis comentadas para el Mtodo de Box-Jones se solucionan
utilizando una tcnica grfica basada en la utilizacin de una hoja de clculo para
ordenador personal.
En el captulo 2 se presenta la metodologa para el diseo de productos robustos al
ruido exterior. Tras establecer el plan de trabajo propuesto, se desarrolla cada una de
las fases de que consta el mtodo, discutiendo con detalle la forma de anlisis del
modelo y la utilizacin para ello de hojas de clculo y del grfico distancia-variancia.
El captulo concluye con un ejemplo de aplicacin del mtodo propuesto, consistente
en el diseo de un tubo cilindrico para transmisin de calor afectado de un factor de
ruido externo.
El captulo 3 aborda el tema del diseo de productos robustos al ruido interno,
incluyendo tambin un ejemplo prctico de aplicacin, que en este caso se refiere al
diseo de un circuito con bobina y resistencia.
El tpico problema del Puente de Wheatstone se afronta tambin en este captulo bajo
la ptica y con los instrumentos desarrollados en la tesis, llegando a un resultado
ligeramente mejor que el obtenido mediante la aplicacin del Mtodo de Taguchi y
con la realizacin de un nmero de experimentos considerablemente menor.
En el captulo 4 se resumen las aportaciones realizadas y se plantean algunas de las
lneas futuras de investigacin que se podran desarrollar.
Finalmente, se incluyen 4 apndices que desarrollan con ms detalle algunos de los
aspectos comentados en la Tesis.

35