ORTOGONALIDAD

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.

Arreglos ortogonales para experimentos a dos niveles.

En esta sección, se analiza qué son, cómo se usan y cuáles son los arreglos
ortogonales más importantes para experimentos en los que cada factor toma dos
niveles.
Un arreglo ortogonal es una tabla de números. Como ejemplo de un arreglo
ortogonal tenemos el siguiente:

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

1 , 2 = Niveles de los Factores (b)

De acuerdo con la notación empleada por Taguchi al arreglo mostrado como

ejemplo, se le llama un arreglo L4, por tener cuatro renglones.
En general, para un arreglo a dos niveles, el número de columnas (efectos o
factores) que se pueden analizar, es igual al número de renglones menos 1.

Taguchi ha desarrollado una serie de arreglos para experimentos con factores a

dos niveles, los más utilizados y difundidos según el número de factores a analizar
son:
No. de factores a Arreglo a No. de condiciones a probar
analizar utilizar
Entre 1 y 3 L4 4
Entre 4 y 7 L8 8
Entre 8 y 11 L12 12
Entre 12 y 15 L16 16
Entre 16 y 31 L32 32
Entre 32 y 63 L64 64

Algunos arreglos ortogonales:

 Ejemplo:
En un proceso de formación de paneles una característica no deseada es la
emisión de formaldehído en el producto final. Se desea que esta emisión sea lo
mínima posible. Actualmente se estima en 0.45 ppm. (partes por millón).
Se cree que cinco factores pueden estar afectando la emisión, estos son: tipo de
resina, concentración de la solución, tiempo de ciclo de prensado, humedad y
presión.

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”.

Factor Descripción Nivel I Nivel 2

A Tipo de resina Tipo I Tipo II
B Concentración 5% 10%
C Tiempo de ciclo de prensado 10 seg 15 seg
D Humedad 3% 5%
E Presión 800 psi. 900 psi.

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:

No. A B C D E e1 e2 Resina Concen. Tiempo Humedad Presión Yi

1 1 1 1 1 1 1 1 Tipo I 5% 10 seg. 3% 800 psi. 0.49
2 1 1 1 2 2 2 2 Tipo I 5% 10 seg. 5% 900 psi. 0.42
3 1 2 2 1 1 2 2 Tipo I 10% 15 seg. 3% 800 psi. 0.38
4 1 2 2 2 2 1 1 Tipo I 10% 15 seg. 5% 900 psi. 0.30
5 2 1 2 1 2 1 2 Tipo II 5% 15 seg. 3% 900 psi. 0.21
6 2 1 2 2 1 2 1 Tipo II 5% 15 seg. 5% 800 psi. 0.24
7 2 2 1 1 2 2 1 Tipo II 10% 10 seg. 3% 900 psi. 0.32
8 2 2 1 2 1 1 2 Tipo II 10% 10 seg. 5% 800 psi. 0.28

TOTAL=
2.64
Observe que en las columnas vacías, 6 y 7, se ha escrito la letra e 1,y e2
respectivamente esto para indicar que en ellas se evaluará la variación natural o
error aleatorio.
Si no se asigna ningún factor, es de esperar que ahí se manifieste la variación
natural. Los resultados de Yi se muestran en ppm.

El análisis de resultados, se puede efectuar de dos maneras diferentes. Una de

ellas mediante una serie de gráficas, 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:

A1= total de las lecturas que se tomaron con el factor A a su nivel 1

= 0.49+0.42+0.38+0.30=1.59

A2= total de las lecturas que se tomaron con el factor A a su nivel 2

= 0.21+0.24+0.32+0.28= 1.05

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:

D1= Total de las lecturas que se tomaron con el factor D a su nivel 1

= 0.49+0.38+0.21+0.32= 1.40

D2= Total de las lecturas que se tomaron con el factor D a su nivel 2

= 0.42+0.30+0.24+0.28= 1.24

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

Para el factor B se tiene

SSB= (B2 –B1) 2/ 8= (1.28-1.36) 2/ 8= 0.00080 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.l
SSe= 0.00045 con 1 g.l

La suma de cuadrados de las columnas donde no se asignó factor (SSe) se

toman como estimaciones del error y se suman.

SSe= 0.00080+0.00045= 0.00125 con 2 g.1

3) Se construye una tabla ANOVA, ésta es:

Efecto SS G.l. V Fexp

A 0.03645 1 0.03645 58.32
B 0.00080 1 0.00080 1.28
C 0.01805 1 0.01805 28.88
D 0.00320 1 0.00320 5.12
E 0.00245 1 0.00245 3.92
Error 0.00125 2 0.000625
Total 0.0622 7

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.

Así por ejemplo, para el factor A se tiene

SSA= 0.03645, G.L. de A=1

V= SSA/G.L.= 0.03645/1= 0.03645

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.

Fexp de A= V(A) / V(error)= 0.03645/0.000625=58.32

4) Obtenemos las siguientes conclusiones:

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).

En este caso por ejemplo, una mejor estimación de SSe es:

SSe= SSB + SSe= 0.00080+0.00125= 0.00205
Con 1 + 2 = 3 grados de libertad y (Ve)= (SSe)/3= 0.00205/3= 0.00068
Las estimaciones que se obtienen de esta manera suelen escribirse entre
paréntesis.

La tabla ANOVA queda ahora

Efecto SS G.1 V Fexp
A 0.03645 1 0.03645 53.60
C 0.01805 1 0.01805 26.54
D 0.00320 1 0.00320 4.71
E 0.00245 1 0.00245 3.60
Error 0.00205 3 0.00068
Total 0.0622 7

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

El resto de los promedio son:

Factor Nivel 1 Nivel 2
A A1= 0.3975 A2= 0.2625
B B1= 0.3400 B2= 0.3200
C C1= 0.3775 C2= 0.2825
D D1= 0.3500 D2= 0.3100
E E1= 0.3475 E2= 0.3125

El promedio general denotado como Y es:

Y= (0.49+0.42+0.38+0.30+0.21+0.24+0.32+0.28)/8=T/n= 2.64/8= 0.33

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; A2, 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

EF A = (promedio bajo la condición propuesta del factor promedio general)

= A2 – Y= 0.2625-0.3300= -0.0675 (A se fijó a su nivel 2)
EF C = C2 – Y= 0.2825-0.3300= -0.0475
EF D = D2 – Y= 0.3100-0.3300=-0.0200
EF E = E2 – Y= 0.3125-0.3300= -0.0175

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.

Yest= Y + EF A + EF C +EF D +EF E= 0.3300-0.0675-0.0475-0.0200-

0.0175=0.1775