De estas tres etapas, la más importante es el diseño de parámetros cuyos objetivos son:
a) Identificar qué factores afectan la característica de calidad en cuanto a su magnitud y en cuanto a su
variabilidad.
b) Definir los niveles “óptimos” en que debe fijarse cada parámetro o factor, a fin de optimizar la
operación del producto y hacerlo lo más robusto posible.
c) Identificar factores que no afectan substancialmente la característica de calidad a fin de liberar el
control de estos factores y ahorrar costos de pruebas.
Para lograr lo anterior se ha manejado una serie de herramientas estadísticas conocida como diseño de
experimentos, tratadas anteriormente.
Taguchi ha propuesto una alternativa no del todo diferente que se que conoce como: Arreglos Ortogonales
y las Gráficas Lineales.
La herramienta utilizada normalmente son diseños Factoriales fraccionados, sin embargo cuando el
número de factores se ve incrementado, las posibles interacciones aumentan, así como la complicaciones
para identificar cuáles son las condiciones específicas a experimentar.
Un arreglo ortogonal se puede comparar con una replicación factorial fraccionada, de manera que
conserva el concepto de ortogonalidad y contrastes. Un experimento factorial fraccionado es también un
arreglo ortogonal .
Taguchi desarrolló una serie de arreglos particulares que denominó:
La (b)C
Donde:
a = Representa el número de pruebas o condiciones experimentales que se tomarán. Esto es el número de
renglones o líneas en el arreglo.
b = Representa los diferentes niveles a los que se tomará cada factor.
c = Es el número de efectos independientes que se pueden analizar, esto es el número de columnas.
F A C T O R E S (c)
No. (a) A B C Resultado
1 1 1 1 Y1
2 1 2 2 Y2
3 2 1 1 Y3
4 2 2 1 Y4
Taguchi ha desarrollado una serie de arreglos para experimentos con factores a dos niveles, los más
utilizados y difundidos según el número de factores a analizar son:
Si se desea analizar el efecto de estos factores, es necesario variarlos, esto es probarlos bajo diferentes
valores cada uno. A cada uno de estos valores se les llama nivel. Se requieren de al menos dos niveles o
valores distintos para cada factor. A uno de ellos arbitrariamente le llamamos nivel bajo o nivel “1”, al otro
nivel alto o nivel “2”.
En este caso estamos interesados en analizar el efecto de 5 efectos o factores a dos niveles cada uno, por lo
tanto, se usará un arreglo ortogonal L8. Esto implica que se ejecutarán 8 pruebas o condiciones
experimentales. Por otra parte se disponen de 7 columnas, a cada columna se le puede asignar o asociar un
factor. Si en particular, asignamos los factores en orden a las primeras cinco Columnas, dejando libres las
últimas dos columnas, el arreglo queda:
El análisis de resultados, se puede efectuar de dos maneras diferentes. Una de ellas mediante una serie de
gráficas, la otra mediante el análisis de varianza, se muestra en este ejemplo primero el uso del análisis de
varianza, posteriormente se muestra el uso de gráficas.
Análisis de varianza
1) como primer paso, se obtienen los totales de la variable de respuesta o lecturas, para cada uno de los
niveles de los factores.
Para calcular los totales para cada nivel del factor A, observamos que las primeras cuatro pruebas del
arreglo se efectuaron con el factor a su nivel 1 (Resina tipo I) y las siguientes cuatro a su nivel 2 (resina
tipo II).
Los totales son por lo tanto:
Para el factor D se tiene que las pruebas 1,3,5 y 7 se efectuaron a su nivel 1 (humedad del 5%), por lo
tanto los totales son:
En resumen se tiene:
Factor A B C D E e e
Nivel 1 1.59 1.36 1.51 1.40 1.39 1.28 1.35
Nivel 2 1.05 1.28 1.13 1.24 1.25 1.36 1.29
2.64 2.64 2.64 2.64 2.64 2.64 2.64
Observe que la suma de los dos niveles debe dar siempre el total de las ocho lecturas 2.64.
2) En seguida se obtiene una cantidad que llamaremos suma de cuadrados esta se calcula como sigue:
Suma de los cuadrados del factor x= SS X= (Total nivel 2 – Total nivel 1)2/ n
Donde “n” representa el número total de lecturas que se tomaron.
Así por ejemplo, para el factor A, tendremos que dado que n=8
SSA= (A2 –A1) 2/ 8= (1.59-1.05) 2/ 8=0.03645 con 1 g .1
Similarmente
SSC= (C2 –C1) 2/ 8= (1.13-1.51) 2/ 8= 0.01805 con 1 g.1
SSD= (D2 –D1) 2/ 8= (1.24-1.40) 2/ 8= 0.00320 con 1 g.1
SSE= (E2 –E1) 2/ 8= (1.25-1.39) 2/ 8= 0.00245 con 1 g.1
SSe= 0.00080 con 1 g.1
SSe= 0.00045 con 1 g.1
La suma de cuadrados de las columnas donde no se asignó factor (SSe) se toman como estimaciones del
error y se suman.
Bajo la columna SS se tienen las sumas de cuadrados. Bajo la columna G.l. (grados de libertad),
tendremos el número de columnas que se usaron para evaluar el factor, en este caso, sólo puede ser de uno
para cada factor y más de uno únicamente para el caso del error.
La columna V, se obtiene dividiendo el número bajo la columna SS, entre el número de la columna G.L.
Por último, el valor de Fexp, se obtiene de dividir el valor de V de cada factor, entre el valor de V para la
estimación del error.
Todos aquellos factores, que tienen un valor de Fexp mayor que 2 se considera que afectan la variable de
respuesta, emisión de formaldehído en este caso. Estos son llamados factores significantes.
En este ejemplo resultan significantes los factores A, C, D y E, tipo de resina, tiempo de ciclo, humedad y
presión respectivamente.
Se acostumbra que aquellos efectos que no resultaron significantes, se consideren como error aleatorio, a
fin de obtener una mejor estimación (con mayor número de grados de libertad).
Nos resta decidir a que nivel habrá de fijar cada factor significante, y qué podremos esperar. Para tomar
esta decisión, es de mucha ayuda obtener los promedios de las lecturas que se tomaron a cada nivel para
cada uno de los factores significantes.
Los promedios de la emisión de formaldehído para cada nivel se obtienen dividiendo c/u de los totales
entre 4, (c/total es la suma de cuatro lecturas).
A1= A1/4= 1.59/4= 0.3975
A2= A2/4= 1.05/4= 0.2625
Los factores A, C, D y E que afectan emisión de formaldehído deberán fijarse al nivel que minimicen la
emisión, esto es, al nivel que se obtenga el promedio menor, en este ejemplo; A 2, C2, D2 y E2; resina tipo II,
15 segundos como tiempo de prensado, 5% de humedad y 900 psi.
El factor B juega aquí un papel sumamente importante. Dado que no afecta la emisión de formaldehído,
dentro del intervalo analizado, se utiliza para reducir los costos de producción. Esto se hace fijándolo a su
nivel más económico. ¿Cuál será el nivel esperado de emisión bajo las nuevas emisiones propuestas Y est.?
Para contestar esta pregunta, para cada efecto significante se calcula una resta, que llamaremos el efecto
de cada factor respecto al promedio general, para este caso el efecto es
Finalmente, el resultado esperado bajo las condiciones A2, C2, D2, E2, que llamaremos Yest. se calcula
sumando al promedio general Y todos los efectos de los factores significantes.
Existe una alternativa al análisis ANOVA, esta es una serie de gráficas que se muestran enseguida.
1) Primero se obtienen los promedios en cada nivel, para cada uno de los factores, incluyendo las columnas
vacias.
Para hacer esto, encontramos los totales para cada nivel y dividimos entre el número de lecturas con el
que se obtuvo cada total. Para nuestro ejemplo, los totales a cada nivel los tenemos ya en la sección
anterior. Los promedios son:
Factor A B C D E e e
Nivel 1 0.3975 0.3400 0.3775 0.3500 0.3475 0.3200 0.3325
Nivel 2 0.2625 0.3200 0.2825 0.3100 0.3125 0.3400 0.3225
Promedio global Y= T/n= 2.64/8 = 0.33
Observe que para cada factor, uno de los promedios es mayor y el otro menor que el promedio global.
Esto siempre debe de ocurrir.
2) Calcule la diferencia entre los promedios de niveles para cada factor, y ordénelos de mayor a menor en
valor absoluto.
Factor A B C D E e e
Yest. = Y + Ef A2 + Ef C2 + Ef D2 + Ef E2
T1 = Total de lecturas al nivel 1
T2 = Total de lecturas al nivel 2
n = Número total de lecturas
SS = (T2 - T1 )2 /n
gl = Grados de libertad (columnas)
V = SS/gl
F = V/Ve
Sg = ¿Efecto significante?
P1 = Promedio nivel 1
P2 = Promedio nivel 2
Ni = Nivel seleccionado
Ef = Efecto de la variable
Y = Promedio de todos los datos
Yest = Valor estimado de la variable a las condiciones propuestas
Factor A C D E B e e
Se puede observar que el orden en que quedaron los datos anteriores, es también el orden de mayor a
menor Fexp que se obtiene con la ANOVA.
.40
.35
.33
.30
.25
A1 A 2 C 1 C2 D1 D2 E1 E2 B1 B2 e1 e2 e1 e2
Mediante esta gráfica, se puede evaluar el efecto de cada factor. Entre mayor sea la línea de cada factor,
o bien, entre más vertical se encuentre, mayor será el efecto de este factor.
Observamos un grupo de líneas inclinadas, seguida de un grupo de líneas que súbitamente se “acuestan”
o se hacen horizontales. Es de esperar que las líneas que presentan columnas vacías o error aleatorio,
quedan prácticamente horizontales
Observe que las conclusiones a que se llegamos en este ejemplo son similares a las de la ANOVA, esto
es, factores significantes A, C, D y e, igualmente los niveles recomendados se pueden identificar
rápidamente, si deseamos reducir la variable de respuesta, se toma el nivel más bajo, en este caso A 2, C2, D2
y E2, es decir, los puntos por debajo de la línea promedio global.
En conclusión, el método gráfico puede ser utilizado para fines de exposición o presentación y el
ANOVA para fines de tomar una decisión más objetiva.
Como hemos visto anteriormente en los procesos de producción se producen interacciones. En esta sección
describiremos esta situación.
En los casos anteriores se asumió que el efecto de un factor sobre la variable de respuesta, no dependía del
nivel de otros factores. Cuando el efecto de un factor depende del nivel de otro factor, se dice que existe
una interacción entre los factores.
Si nos preguntamos cual es el efecto de la temperatura sobre la planicidad, podemos contestar que
depende del tipo de refrigerante que se utilice. En este caso se dice que existe una interacción entre la
temperatura y el refrigerante.
B1
B1
B2
B2
A1 A2 A1 A2
Las dos líneas son paralelas, no El efecto de A depende del nivel de B
existe interacción entre los factores. y viceversa. El efecto de A no es consistente.
Existe interacción