Академический Документы
Профессиональный Документы
Культура Документы
doc
chrome-extension://gbkeegbaiigmenfmjfclcdgdpimamgkj/views/app.html 1/37
DISEO DE EXPERIMENTOS TAGUCHI
La parte fundamental de la metodologa ideada por el matemtico japons G. Taguchi es la
optimizacin de productos y procesos, a fin de asegurar productos robustos, de alta calidad y
bajo costo.
La metodologa Taguchi consta de tres etapas:
a) Diseo del sistema
b) Diseo de parmetros
c) Diseo de tolerancias
De estas tres etapas, la ms importante es el diseo de parmetros cuyos objetivos son:
Identificar qu factores afectan la caracterstica de calidad en cuanto a su magnitud y en
cuanto a su variabilidad.
a)
Definir los niveles ptimos en que debe fijarse cada parmetro o factor, a fin de optimizar
la operacin del producto y hacerlo lo ms robusto posible.
b)
c) Identificar factores que no afectan substancialmente la caracterstica 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 estadsticas conocida como
diseo de experimentos, tratadas anteriormente.
Taguchi ha propuesto una alternativa no del todo diferente que se que conoce como: Arreglos
Ortogonales y las Grficas Lineales.
La herramienta utilizada normalmente son diseos Factoriales fraccionados, sin embargo
cuando el nmero de factores se ve incrementado, las posibles interacciones aumentan, as
como la complicaciones para identificar cules son las condiciones especficas a experimentar.
Un arreglo ortogonal se puede comparar con una replicacin factorial fraccionada, de
manera que conserva el concepto de ortogonalidad y contrastes. Un experimento factorial
fraccionado es tambin un arreglo ortogonal .
Taguchi desarroll una serie de arreglos particulares que denomin:
21/7/2014 DisTaguchi.doc
chrome-extension://gbkeegbaiigmenfmjfclcdgdpimamgkj/views/app.html 2/37
La (b)C
Donde:
a = Representa el nmero de pruebas o condiciones experimentales que se tomarn. Esto es
el nmero de renglones o lneas en el arreglo.
b = Representa los diferentes niveles a los que se tomar cada factor.
c = Es el nmero de efectos independientes que se pueden analizar, esto es el nmero de
columnas.
Arreglos ortogonales para experimentos a dos niveles
En esta seccin, se analiza qu son, cmo se usan y cules son los arreglos ortogonales ms importantes
para experimentos en los que cada factor toma dos niveles.
Un arreglo ortogonal es una tabla de nmeros. Como ejemplo de un arreglo ortogonal tenemos el siguiente:
De acuerdo con la notacin 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 nmero de columnas (efectos o factores) que se pueden
analizar, es igual al nmero de renglones menos 1.
Taguchi ha desarrollado una serie de arreglos para experimentos con factores a dos niveles, los ms
utilizados y difundidos segn el nmero de factores a analizar son:
No. de factores a analizar Arreglo a utilizar No. de condiciones a probar
Entre 1 y 3 L4 4
Entre 4 y 7 L8 8
Entre 8 y 11 L12 12
21/7/2014 DisTaguchi.doc
chrome-extension://gbkeegbaiigmenfmjfclcdgdpimamgkj/views/app.html 3/37
Entre 12 y 15 L16 16
Entre 16 y 31 L32 32
Entre 32 y 63 L64 64
Algunos arreglos ortogonales:
21/7/2014 DisTaguchi.doc
chrome-extension://gbkeegbaiigmenfmjfclcdgdpimamgkj/views/app.html 4/37
21/7/2014 DisTaguchi.doc
chrome-extension://gbkeegbaiigmenfmjfclcdgdpimamgkj/views/app.html 5/37
Ejemplo:
En un proceso de formacin de paneles una caracterstica no deseada es la emisin de formaldehdo en el
producto final. Se desea que esta emisin sea lo mnima posible. Actualmente se estima en 0.45 ppm. (partes
por milln).
Se cree que cinco factores pueden estar afectando la emisin, estos son: tipo de resina, concentracin de la
solucin, tiempo de ciclo de prensado, humedad y presin.
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 usar un arreglo ortogonal L8. Esto implica que se ejecutarn 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
ltimas dos columnas, el arreglo queda:
21/7/2014 DisTaguchi.doc
chrome-extension://gbkeegbaiigmenfmjfclcdgdpimamgkj/views/app.html 6/37
TOTAL= 2.64
Observe que en las columnas vacas, 6 y 7, se ha escrito la letra e
1
,y e
2
respectivamente esto para indicar
que en ellas se evaluar la variacin natural o error aleatorio.
Si no se asigna ningn factor, es de esperar que ah se manifieste la variacin natural. Los resultados de Yi
se muestran en ppm.
El anlisis de resultados, se puede efectuar de dos maneras diferentes. Una de ellas mediante una serie de
grficas, la otra mediante el anlisis de varianza, se muestra en este ejemplo primero el uso del anlisis de
varianza, posteriormente se muestra el uso de grficas.
Anlisis 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:
A
1
= 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
A
2
= 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:
D
1
= 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
21/7/2014 DisTaguchi.doc
chrome-extension://gbkeegbaiigmenfmjfclcdgdpimamgkj/views/app.html 7/37
D
2
= 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 nmero total de lecturas que se tomaron.
As por ejemplo, para el factor A, tendremos que dado que n=8 (
SSA= (A
2
A
1
)
2
/ 8= (1.59-1.05)
2
/ 8=0.03645 con 1 g .1
Para el factor B se tiene
SSB= (B
2
B
1
)
2
/ 8= (1.28-1.36)
2
/ 8= 0.00080 con 1 g.1
Similarmente
SSC= (C
2
C
1
)
2
/ 8= (1.13-1.51)
2
/ 8= 0.01805 con 1 g.1
SSD= (D
2
D
1
)
2
/ 8= (1.24-1.40)
2
/ 8= 0.00320 con 1 g.1
SSE= (E
2
E
1
)
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
21/7/2014 DisTaguchi.doc
chrome-extension://gbkeegbaiigmenfmjfclcdgdpimamgkj/views/app.html 8/37
La suma de cuadrados de las columnas donde no se asign 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, sta 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 nmero de columnas que se usaron para evaluar el factor, en este caso,
slo puede ser de uno para cada factor y ms de uno nicamente para el caso del error.
La columna V, se obtiene dividiendo el nmero bajo la columna SS, entre el nmero de la
columna G.L.
As 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 ltimo, el valor de Fexp, se obtiene de dividir el valor de V de cada factor, entre el valor
de V para la estimacin 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, emisin de formaldehdo en este caso. Estos son llamados factores
significantes.
21/7/2014 DisTaguchi.doc
chrome-extension://gbkeegbaiigmenfmjfclcdgdpimamgkj/views/app.html 9/37
En este ejemplo resultan significantes los factores A, C, D y E, tipo de resina, tiempo de ciclo,
humedad y presin respectivamente.
Se acostumbra que aquellos efectos que no resultaron significantes, se consideren como error
aleatorio, a fin de obtener una mejor estimacin (con mayor nmero de grados de libertad).
En este caso por ejemplo, una mejor estimacin 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 parntesis.
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 habr de fijar cada factor significante, y qu podremos esperar.
Para tomar esta decisin, 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 emisin de formaldehdo para cada nivel se obtienen dividiendo c/u de
los totales entre 4, (c/total es la suma de cuatro lecturas).
(A
1
= A
1
/4= 1.59/4= 0.3975
21/7/2014 DisTaguchi.doc
chrome-extension://gbkeegbaiigmenfmjfclcdgdpimamgkj/views/app.html 10/37
(A
2
= A
2
/4= 1.05/4= 0.2625
El resto de los promedio son:
Factor Nivel 1 Nivel 2
A (A
1
= 0.3975 (A
2
= 0.2625
B (B
1
= 0.3400 (B
2
= 0.3200
C (C
1
= 0.3775 (C
2
= 0.2825
D (D
1
= 0.3500 (D
2
= 0.3100
E (E
1
= 0.3475 (E
2
= 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 emisin de formaldehdo debern fijarse al nivel que
minimicen la emisin, esto es, al nivel que se obtenga el promedio menor, en este ejemplo; A
2
,
C
2
, D
2
y E
2
; resina tipo II, 15 segundos como tiempo de prensado, 5% de humedad y 900 psi.
El factor B juega aqu un papel sumamente importante. Dado que no afecta la emisin de
formaldehdo, dentro del intervalo analizado, se utiliza para reducir los costos de produccin.
Esto se hace fijndolo a su nivel ms econmico. Cul ser el nivel esperado de emisin 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 condicin propuesta del factor promedio general)
= A
2
Y= 0.2625-0.3300= -0.0675 (A se fij a su nivel 2)
EF C = C
2
Y= 0.2825-0.3300= -0.0475
EF D = D
2
Y= 0.3100-0.3300=-0.0200
EF E = E
2
Y= 0.3125-0.3300= -0.0175
21/7/2014 DisTaguchi.doc
chrome-extension://gbkeegbaiigmenfmjfclcdgdpimamgkj/views/app.html 11/37
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
Anlisis utilizando grficas
Existe una alternativa al anlisis ANOVA, esta es una serie de grficas 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 nmero de
lecturas con el que se obtuvo cada total. Para nuestro ejemplo, los totales a cada nivel los
tenemos ya en la seccin 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 ordnelos de mayor
a menor en valor absoluto.
Esto es por ejemplo para el factor A
A
1
A
2
= 0.3975 0.2625= 0.1350; para el resto tenemos:
21/7/2014 DisTaguchi.doc
chrome-extension://gbkeegbaiigmenfmjfclcdgdpimamgkj/views/app.html 12/37
Factor A B C D E e e
Diferencia 0.1350 0.0200 0.0950 0.0400 0.0350 0.0200 0.0100
En la tabla de ANOVA encontramos los resultados obtenidos anteriormente:
N A B C D E e
1
e
2
Yi
1 1 1 1 1 1 1 1 0.49
2 1 1 1 2 2 2 2 0.42
3 1 2 2 1 1 2 2 0.38
4 1 2 2 2 2 1 1 0.30
5 2 1 2 1 2 1 2 0.21
6 2 1 2 2 1 2 1 0.24
7 2 2 1 1 2 2 1 0.32
8 2 2 1 2 1 1 2 0.28
T1 1.59 1.36 1.51 1.40 1.39 1.28 1.35 Tot
T2 1.05 1.28 1.13 1.24 1.25 1.36 1.29 2.64
SS 0.03645 0.00080 0.01805 0.00320 0.00245 0.00080 0.00045
Ve
gl 1 1 1 1 1 2
V 0.03645 0.00080 0.01805 0.00320 0.00245 .00062
F 58.32 1.28 28.88 5.12 3.92
Sg si no si si si
P
1
0.3975 0.3400 0.3775 0.3500 0.3475 Y
P
2
0.2625 0.3200 0.2825 0.3100 0.3125 0.33
21/7/2014 DisTaguchi.doc
chrome-extension://gbkeegbaiigmenfmjfclcdgdpimamgkj/views/app.html 13/37
Ni 2 - 2 2 2
Ef -0.0675 -0.0475 -0.0200 -0.0175
Yest. = Y + Ef A
2
+ Ef C
2
+ Ef D
2
+ Ef E
2
T
1
= Total de lecturas al nivel 1
T
2
= Total de lecturas al nivel 2
n = Nmero total de lecturas
SS = (T
2
- T
1
)
2
/n
gl = Grados de libertad (columnas)
V = SS/gl
F = V/Ve
Sg = Efecto significante?
P
1
= Promedio nivel 1
P
2
= 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
Ordenando de mayor a menor valor absoluto (ignorando el signo), tenemos:
Factor A C D E B e e
Diferencia 0.1350 0.0950 0.0400 0.0350 0.0200 0.0200
0.0100
Se puede observar que el orden en que quedaron los datos anteriores, es tambin el orden
de mayor a menor Fexp que se obtiene con la ANOVA.
Siguiendo el orden anterior, se obtiene una grfica como se muestra en seguida:
.40
.35
21/7/2014 DisTaguchi.doc
chrome-extension://gbkeegbaiigmenfmjfclcdgdpimamgkj/views/app.html 14/37
.33
.30
.25
Mediante esta grfica, se puede evaluar el efecto de cada factor. Entre mayor sea la lnea de cada factor, o
bien, entre ms vertical se encuentre, mayor ser el efecto de este factor.
Observamos un grupo de lneas inclinadas, seguida de un grupo de lneas que sbitamente se
acuestan o se hacen horizontales. Es de esperar que las lneas que presentan columnas vacas
o error aleatorio, quedan prcticamente 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 rpidamente, si deseamos reducir la variable de respuesta, se toma el nivel
ms bajo, en este caso A
2
, C
2
, D
2
y E
2
, es decir, los puntos por debajo de la lnea promedio
global.
En conclusin, el mtodo grfico puede ser utilizado para fines de exposicin o presentacin
y el ANOVA para fines de tomar una decisin ms objetiva.
Arreglos ortogonales para factores con interacciones:
Como hemos visto anteriormente en los procesos de produccin se producen interacciones. En esta seccin
describiremos esta situacin.
En los casos anteriores se asumi que el efecto de un factor sobre la variable de respuesta, no
dependa del nivel de otros factores. Cuando el efecto de un factor depende del nivel de otro
factor, se dice que existe una interaccin entre los factores.
Supongamos que en un experimento se ha encontrado que la temperatura y el tipo de
21/7/2014 DisTaguchi.doc
chrome-extension://gbkeegbaiigmenfmjfclcdgdpimamgkj/views/app.html 15/37
refrigerante, afectan la variable de respuesta llamada planicidad. Existen dos marcas de
refrigerante, la marca I y la marca II. Resulta que si usamos el refrigerante I, al aumentar la
temperatura la planicidad aumenta. Pero si se utiliza la marca de refrigerante II, al aumentar la
temperatura, la planicidad disminuye.
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
interaccin entre la temperatura y el refrigerante.
Otro ejemplo es el caso de 2 medicamentos que al suministrarse en forma independiente,
provocan mejora en las condiciones del paciente. Por otro lado, cuando los dos medicamentos
son suministrados al mismo tiempo y la condicin del paciente empeora, se dice que los dos
medicamentos interactuan.
Grficamente se puede observar si existe o no interaccin entre los factores:
B
1
B
1
B
2
B
2
A
1
A
2
A
1
A
2
Las dos lneas son paralelas, no El efecto de A depende del nivel de B
existe interaccin entre los factores. y viceversa. El efecto de A no es consistente.
Existe interaccin
Las interacciones existen en los procesos en mayor o menor grado.
En las secciones anteriores se analizaron aplicaciones de arreglos ortogonales, en los cuales no
existan interacciones entre los factores principales. En otros casos, podemos estar interesados
en analizar el efecto que algunas interacciones en particular tienen sobre la variable de
respuesta.
Pero qu sucede cuando se desea incluir interacciones en un arreglo ortogonal?, se
21/7/2014 DisTaguchi.doc
chrome-extension://gbkeegbaiigmenfmjfclcdgdpimamgkj/views/app.html 16/37
puede decir lo siguiente:
a) los arreglos ortogonales a utilizar para los casos con interacciones, son exactamente los
mismos que se usan para el caso sin interacciones.
b) al asignar dos factores, A y B por ejemplo, a ciertas columnas, automticamente la
interaccin de esos dos factores AxB se reflejar en otra columna del arreglo. Por lo tanto, esta
tercera columna ya no podr ser utilizada por algn otro factor o interaccin a menos que se
pueda suponer la interaccin AxB como inexistente.
c) una interaccin significante que se desee probar, tomar una columna y en consecuencia un
grado de libertad. Por lo tanto, si deseamos analizar el efecto de 6 factores y 4 de las
interacciones entre ellos, requerimos por lo menos de 10 grados de libertad, esto es de 10
columnas, o sea un arreglo L 16 y no un arreglo L8, que sera suficiente sin interacciones.
d) se deber tener cuidado especial, en la manera como se asignan los factores a las columnas,
para que sus interacciones no se confundan con otros factores principales u otras interacciones
que tambin deseamos probar.
Una condicin que existe para el manejo de las interacciones mediante procedimientos de
arreglos ortogonales Taguchi, es que se tenga una definicin a priori de cuales interacciones
especficamente sospechamos que existen. Esto es, debemos definir de antemano qu
interacciones creemos son relevantes, a fin de incluirlas en nuestro anlisis. Esto se puede saber
en base a la experiencia previa del proceso.
Para ayudar en la asignacin de factores a un arreglo, se han desarrollado grficas lineales. Su
aplicacin se muestra mediante un ejemplo:
NOTA: En los ejemplos que siguen, para denotar una interaccin entre dos factores, A y B por
ejemplo, se utiliza indistintamente la notacin AB o AxB.
Grficas lineales
A continuacin se muestra un arreglo L8 junto con una matriz triangular y dos grficas lineales. Estas se
reproducen aqu para su explicacin.
Columnas Matriz o tabla de interacciones
N 1 2 3 4 5 6 7 Columnas 1 2 3 4 5 6 7
1 1 1 1 1 1 1 1 (1) 3 2 5 4 7 6
2 1 1 1 2 2 2 2 (2) 1 6 7 4 5
3 1 2 2 1 1 2 2 (3) 7 6* 5 4
4 1 2 2 2 2 1 1 (4) 1 2 3
5 2 1 2 1 2 1 2 (5) 1 2
6 2 1 2 2 1 2 1 (6) 1
7 2 2 1 1 2 2 1 (7)
8 2 2 1 2 1 1 2
21/7/2014 DisTaguchi.doc
chrome-extension://gbkeegbaiigmenfmjfclcdgdpimamgkj/views/app.html 17/37
1 3 2
3 5 1
.7 5 4
6
2 6 4 7
(b)
(a)
Qu representa cada tabla?. En primer lugar, el arreglo ortogonal L8 es exactamente el mismo
que se utiliz en el caso experimental y cada columna un factor o interaccin cuyo impacto
sobre la variable de respuesta se desea conocer.
La matriz triangular nos representa las interacciones entre columnas. En el primer rengln, con
el titulo de columna, cada nmero corresponde a la columna con ese mismo nmero del arreglo,
al igual que los nmeros entre parntesis que se encuentran en la diagonal inferior. Por ejemplo,
si nosotros asignamos el factor A a la columna 3 y el factor B a la columna 5, la interaccin de
AxB aparecer en otra columna ya definida. En el cruce de la columna nmero 5 y el rengln
nmero 3 de la matriz, aparece el nmero 6 (marcado con * en la tabla), de manera que la
interaccin de AxB se deber asignar a la columna 6 del arreglo ortogonal.
Con ayuda de matriz de interacciones es factible, mediante prueba y error, asignar los factores
a las columnas. Sin embargo, para simplificar aun ms esta asignacin nos podemos auxiliar de
las grficas lineales (1) y (2) que se muestran.
En una grfica lineal:
a) un efecto principal se representa mediante un punto.
b) una interaccin se representa mediante una lnea.
c) los nmeros representan las columnas correspondientes del arreglo ortogonal a donde se
asignan los efectos principales y las interacciones.
21/7/2014 DisTaguchi.doc
chrome-extension://gbkeegbaiigmenfmjfclcdgdpimamgkj/views/app.html 18/37
En particular, el arreglo ortogonal L8 tiene dos alternativas de arreglo mostrados por las
grficas (a) y (b) respectivamente.
Por ejemplo, la grfica (a) indica que con este arreglo se pueden analizar, tres factores
principales, (puntos 1, 2 y 4) y las interacciones entre ellos, (lneas 3, 5 y 6), adems de un
cuarto factor, (punto 7), que no interactua con los otros tres.
Los nmeros indican que si deseamos lo anterior, los tres factores debern asignarse a las
columnas 1, 4 y 2. Las interacciones aparecen en las columnas 3, 5 y 6.
La grfica (b) indica cuatro factores, (puntos 1, 2, 4 y 7) con interacciones de uno de ellos
con los otros tres (lneas 3, 5 y 6).
Por lo tanto, el factor que interactua con los otros tres se debe asignar a la columna 1 del
arreglo, los otros tres factores a las columnas 2, 4 y 7. Las interacciones quedarn en las
columnas 3, 5 y 6.
Si se desea analizar un nmero menor de interacciones y un nmero mayor de factores en el
mismo arreglo ortogonal, la columna de cualquier lnea representando una interaccin que no es
relevante, se puede utilizar para representar un factor adicional.
La aplicacin de grficas lineales se muestra con un ejemplo.
Supongamos que queremos analizar el efecto de cuatro factores A, B, C y D, adems de las
interacciones AxB, AxC y AxD.
1) Como primer paso, seleccionamos un arreglo ortogonal tentativo. Esto depende del nmero
de efectos totales a analizar.
4 factores + 3 interacciones = 7 efectos o columnas
2) Despus de seleccionar un arreglo ortogonal tentativo, un L8 en este caso, el siguiente paso
es desarrollar la grfica lineal que deseamos, de acuerdo con las reglas mencionadas
anteriormente:
a) un efecto individual se representa con un punto.
21/7/2014 DisTaguchi.doc
chrome-extension://gbkeegbaiigmenfmjfclcdgdpimamgkj/views/app.html 19/37
b) una interaccin se representa mediante una lnea que une los dos efectos
individuales.
En nuestro caso esto procede como sigue:
Primero dibujamos cuatro puntos, uno para cada efecto.
A. B.
C. D.
En seguida mostramos las interacciones que nos interesan, mediante lneas. Para nuestro caso
tenemos (grfica de la izquierda):
AxB 3
A B 1 2
AxC AxD 5
6
C D 7 4
3) Utilizando la segunda grfica, podremos asignar el factor A a la columna 1, el factor B a la
columna 2, la interaccin AxB a la columna 3, el factor D a la columna 4, la interaccin AxD a
la columna 5, el factor C a la columna 7 y la interaccin AxC a la columna 6.
Esto es:
A B AxB D AxD AxC C
N 1 2 3 4 5 6 7
1 1 1 1 1 1 1 1
2 1 1 1 2 2 2 2
3 1 2 2 1 1 2 2
4 1 2 2 2 2 1 1
5 2 1 2 1 2 1 2
6 2 1 2 2 1 2 1
7 2 2 1 1 2 2 1
21/7/2014 DisTaguchi.doc
chrome-extension://gbkeegbaiigmenfmjfclcdgdpimamgkj/views/app.html 20/37
8 2 2 1 2 1 1 2
Supongamos que ahora queremos analizar un factor ms, el factor E y creemos que la
interaccin AxC realmente no es relevante. La grfica lineal que requerimos es:
B
AxB
A C E
AxD
D
Esta grfica es parecida a la grfica lineal (2) excepto por la interaccin de AxC, por lo tanto,
una asignacin lgica es:
Factor A a la columna 1, factor B a la columna 2, interaccin AxB a la columna 3, el factor C a
la columna 4, el factor D a la columna 7, la interaccin AxD a la columna 6. Por ltimo, a la
columna 5 que de otra manera sera la interaccin AxC, se le asigna el factor E.
Observe que en este ltimo caso, tambin se pudo utilizar la grfica lineal (1).
Si por alguna razn, la grfica que deseamos, no puede quedar incluida en las grficas lineales
(1) (2) es necesario usar otro arreglo ortogonal de mayor tamao.
Si deseamos analizar los factores A, B, C, D, E y F, adems de la interaccin AxB, una
posible asignacin es:
Efecto A D C B AxB E F
Columna 1 2 3 4 5 6 7
Ejemplo:
Se desea analizar un nuevo tipo de carburador. La variable de respuesta de inters es el
porcentaje de hidrocarburos no quemados que arroja el motor. Cuatro diferentes factores y
tres interacciones parecen afectar esta variable:
21/7/2014 DisTaguchi.doc
chrome-extension://gbkeegbaiigmenfmjfclcdgdpimamgkj/views/app.html 21/37
Efecto Descripcin Niveles
I II
A Tensin del diafragma Baja Alta
B Entrada para aire Estrecha Abierta
C Apertura para combustible Pequea Grande
D Flujo de gasolina Lento Rpido
AxC Interaccin
AxB Interaccin
BxC Interaccin
La Grfica lineal que se desea es:
A
AxC AxB
C B .D
CxB
Esta grfica se ajusta a la grfica lineal (1) del arreglo ortogonal L8, por lo que una asignacin
apropiada de efectos es:
N A C AxC B AxB CxB D
1 2 3 4 5 6 7
Tensin Apertura Entrada Flujo Yi
1 1 1 1 1 1 1 1 Baja Pequea Estrecha Lento
11.2
2 1 1 1 2 2 2 2 Baja Pequea Abierta Rpido
10.8
3 1 2 2 1 1 2 2 Baja Grande Estrecha Rpido
7.2
4 1 2 2 2 2 1 1 Baja Grande Abierta Lento
7.0
5 2 1 2 1 2 1 2 Alta Pequea Estrecha Rpido
21/7/2014 DisTaguchi.doc
chrome-extension://gbkeegbaiigmenfmjfclcdgdpimamgkj/views/app.html 22/37
8.0
6 2 1 2 2 1 2 1 Alta Pequea Abierta Lento
6.9
7 2 2 1 1 2 2 1 Alta Grande Estrecha Lento
10.4
8 2 2 1 2 1 1 2 Alta Grande Abierta Rpido
10.1
Total 71.6
El resultado se expresa en porcentaje de hidrocarburos sin quemar.
Observe que al tomar las lecturas, (efectuar las pruebas), se ignoran las columnas donde se
asignaron interacciones.
El anlisis utilizado ANOVA es:
A C AxC B AxB BxC D
Nivel 1 36.2 36.9 42.5 36.8 35.4 36.3 35.5
Nivel 2 35.4 34.7 29.1 34.8 36.2 35.3 36.1
La tabla ANOVA que resulta es:
Efecto SS G.l. V Fexp
A 0.0800* 1 0.0800 -
C 0.6050 1 0.6050 8.85
AxC 22.4450 1 22.4450 328.46
B 0.5000 1 0.5000 7.32
AxB 0.0800* 1 0.0800 -
BxC 0.1250 1 0.1250 1.83
D 0.0450* 1 0.0450 -
(e) 0.2050 3 0.0638
Total 23.8800 7
21/7/2014 DisTaguchi.doc
chrome-extension://gbkeegbaiigmenfmjfclcdgdpimamgkj/views/app.html 23/37
El error aleatorio (e) se estima usando los efectos ms pequeos marcados con *
Resulta significante la interaccin AxC, el factor C y el factor B.
Dado que el factor B resulta significante, pero no son significantes alguna de sus interacciones,
su mejor nivel se puede decidir de manera independiente al igual que se realiz en secciones
anteriores. Esto es, se obtienen los promedios:
(B
1
= (B
1
/4= 36.8/4= 9.20; (B
2
= (B
2
/4=8.70
Como es un caso de menor es mejor, se selecciona el nivel 2.
El factor C tambin resulta significante. Sin embargo, tambin lo es su interaccin con el factor
A. Cuando resulta significante la interaccin de algn factor, no se puede analizar por separado,
sino en conjunto con el factor con el que se interactua. En este caso, el factor C se debe
analizar en conjunto con el factor A, aun cuando el factor C result adems significante
individualmente y el factor A no.
Para analizar estos factores, se reproducen aqu las columnas de A y C:
N A C Yi
1 1 1 11.20 Siempre existirn entre dos columnas
2 1 1 10.80 cuatro posibles combinaciones de
3 1 2 7.2 nmeros: 1 1; 1 2; 2 1; 2 2
4 1 2 7.0
5 2 1 8.0
6 2 1 6.9
7 2 2 10.4
8 2 2 10.1
As la combinacin 1 1 se presenta en los renglones N 1 y 2, lo que da un total de lecturas
de 11.2 + 10.8= 22.00 con un promedio de 22.0/2= 11.00
La combinacin 1 2, se presenta en los renglones N 3 y 4, con un total de 7.2 + 7.0= 14.2,
con un promedio de 14.2/2= 7.10
La combinacin 2 1 se presenta en los renglones N 5 y 6, con un total de 8.0 + 6.9= 14.9,
con un promedio de 7.45
Por ltimo la combinacin 2 2, se presenta en los renglones N 7 y 8 con un total de 10.4 +
10.1= 20.5 y un promedio de 10.25
En resumen
Combinacin Total Promedio
21/7/2014 DisTaguchi.doc
chrome-extension://gbkeegbaiigmenfmjfclcdgdpimamgkj/views/app.html 24/37
A
1
C
1
22.0 11.00 Como es un caso mejor,
A
1
C
2
14.2 7.10 se selecciona el promedio
A
2
C
1
14.9 7.45 menor, A
1
C
2
en este
A
2
C
2
20.5 10.25 caso.
Graficando estos promedios se tiene que:
11.0
10.0
9.00
8.00
7.00
A
1
A
2
En resumen, las condiciones propuestas son: factor A a su nivel 1, factor C a su nivel 2, factor
B a su nivel 2. El resto a su nivel ms econmico.
El efecto respecto al promedio de cada factor o interaccin es:
EF A
1
C
2
= (A
1
(C
2
- Y) ((A
1
Y) - ((C
2
- Y)
= (7.10 8.95) (9.05 8.95) (8.675 8.95)= -1.675
Observe que al efecto de la interaccin, se le resta el efecto de los factores individuales que
intervienen (hayan resultado significantes de manera individual o no).
EF (B
2
= B
2
Y= 8.70 8.95= -0.25
Una estimacin del porcentaje de hidrocarburos sin quemar es igual a la suma de los efectos
significantes, incluyendo los factores que intervienen en una interaccin significante, hayan
resultado significantes de manera individual o no.
Yest = Y + EF A
1
C
2
+ EF A
1
+ EF C
2
+ EF B
2
= 8.95 + (-1.675) + (9.05 8.95) + (8.675 8.95) + (-0.25)= 6.85
Considere los siguientes ejemplos propuestos.
Puede ud. acomodar en un arreglo L8 los efectos A, B, C, D, AxB y CxD
21/7/2014 DisTaguchi.doc
chrome-extension://gbkeegbaiigmenfmjfclcdgdpimamgkj/views/app.html 25/37
Acomodar los siguientes efectos en un arreglo ortogonal: A, B, C, D, E, F, G, H, I, AxB,
AxC, AxG, AxE, ExF.
Las interacciones en un arreglo L12 se distribuyen de una manera uniforme en todas las
columnas. La ventaja de esto es que le permite investigar 11 factores sin preocuparse por sus
interacciones. El arreglo L12 en general tiene buena reproducibilidad de conclusiones.
Algo similar se puede decir del arreglo L18
Para un arreglo L16 existen una gran variedad de posibles grficas lineales, en el apndice
se muestran las seis ms utilizadas con tres variantes cada una.
Para un arreglo L32 se muestran en el apndice 13 diferentes grficas dentro de las varias
posibles que existen.
En los grficos lineales que se anexan en el apndice, se observa que los vrtices se
representan con diferentes smbolos, especficamente con o, ( y (. La razn y su significado
es el siguiente:
Taguchi sugiere que las pruebas o corridas se lleven a cabo en el orden indicado por los
renglones del arreglo ortogonal, esto es, primero las condiciones indicadas por el rengln 1,
seguidas de las del rengln 2 y as sucesivamente.
Por otra parte, al ejecutar el experimento, no todos los factores tienen la misma flexibilidad de
estar variando de nivel de una prueba a otra.
Por otro lado, se sugiere que los factores con menor flexibilidad se asignen al grupo 1 del
arreglo representados por el smbolo o, de la grfica lineal. Estos factores tendrn menos
cambios de nivel a lo largo de todo el experimento. De hecho, observe que el factor asignado a
la columna 1 de cualquier arreglo, solo tiene un cambio de nivel, mientras que por ejemplo, un
factor asignado a la columna N 15 de un arreglo L16 cambia 10 veces de nivel.
Los factores que le siguen en inflexibilidad se debern asignar sucesivamente a los smbolos (,
( y ( en una grfica lineal.
Ud. habr observado ya la complicacin que agregan a los anlisis la presencia de
21/7/2014 DisTaguchi.doc
chrome-extension://gbkeegbaiigmenfmjfclcdgdpimamgkj/views/app.html 27/37
interacciones. Para lidiar con estas, la gente que sabe mucho de esto le hace las observaciones
siguientes:
Por lo general, existen pocas interacciones dentro de las mltiples posibles entre factores.
El efecto de las interacciones sobre la variable de respuesta, es por lo general menor que el
efecto de los factores individuales solos.
Se sugiere que, en caso de dudas sobre las interacciones, siempre sea preferible incluir ms
factores, en lugar de interacciones. Si estas ltimas no son muy fuertes, se pueden
considerar como ruido.