Diseño de Experimentos Taguchi

21/7/2014 DisTaguchi.
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

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
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 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:
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
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
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.
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
(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
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:
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:
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
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
.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
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
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

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.
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.
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
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:
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
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:
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
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
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
Acomodar los siguientes efectos en un arreglo ortogonal: A, B, C, D, E, F, G, H, I, AxB,
AxC, AxG, AxE, ExF.
Analizar el problema siguiente:

Variable de respuesta, viscosidad, el mayor valor es deseado.
Factores Nivel I Nivel II
A Mezcla de hule crudo si no
B Curado no 24 hrs.
C Velocidad de prensado 50m/min 55 m/min
D Enfriamiento del tambor con agua sin agua
E Secado con vapor envolvente si no
Interaccin ExD
Interaccin DxC
Arreglo ortogonal y resultados
N E D ExD C B DxC A Resultado
1 1 1 1 1 1 1 1 1620
2 1 1 1 2 2 2 2 1580
3 1 2 2 1 1 2 2 1100
4 1 2 2 2 2 1 1 1150
5 2 1 2 1 2 1 2 1500
6 2 1 2 2 1 2 1 1560
7 2 2 1 1 2 2 1 1000
8 2 2 1 2 1 1 2 1020
Algunos comentarios adicionales
Hasta aqu se han considerado ejemplos para arreglos ortogonales L8, por su comodidad en cuanto al
tamao. A continuacin se hacen algunos comentarios sobre otros arreglos.
El arreglo L12 es un caso especial. Se observa en el apndice, que no se muestran grficas
lineales ni matriz de interacciones, esto es porque est diseado para analizar nicamente
hasta once factores individuales sin interacciones. Con este arreglo no se pueden analizar
interacciones.
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 cualquier caso, se puede tratar de construir ms grficas de acuerdo con las

necesidades que se tengan, respetando siempre la matriz de interacciones.
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
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.
Recuerde que algunos arreglos ortogonales, le permiten analizar un problema sin

preocuparse por las interacciones. El L12 es un ejemplo de ellos.
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.
ANALISIS SEAL A RUIDO

De todos los factores que afectan un proceso, se pueden extraer dos grupos:
Factores de ruido. Son aquellos que no podemos, queremos o deseamos controlar, y ms
bien deseamos que nuestros procesos y productos sean insensibles a su impacto.
Factores de diseo. Son aquellos que si podemos controlar en nuestro proceso de

produccin, y deseamos encontrar a qu nivel operarlos, a fin de optimizar el producto o
proceso, esto es, que los productos sean de alta calidad y bajo costo.
El anlisis se realiza de la siguiente manera:

Dentro de los factores a estudiar, separe los de ruido y los de diseo o control. 1.
Dentro de los factores de diseo, identifique aquellos que afectan la variabilidad del
proceso. Utilcelos para minimizar la variabilidad.
2.
Dentro de los factores de diseo, identifique aquellos que afectan la media, sin afectar la
variabilidad. Utilcelos para optimizar la media.
3.
Identifique aquellos factores de diseo que no afectan ni media ni variabilidad. Utilcelos
para reducir costos.
4.
Indices seal ruido
es deseable tener una cantidad o expresin que de alguna manera, involucre media y variacin, o que por lo
menos, ayude a que nuestras conclusiones sean ms confiables.
Esta cantidad ya existe y se llama ndice seal ruido, denotado como SN o SR de aqu en adelante.
EL NDICE SE DISE DE TAL MANERA, QUE PRODUCTOS MS ROBUSTOS SIEMPRE TENGA UN
MAYOR VALOR DEL NDICE SN.
En seguida se muestran los tres casos:
IV.2.1 Caso nominal es mejor
Suponga que se tienen r lecturas, y
1
,y
2
,y
3
,y
r
, el ndice SN a utilizar es:
SN= 10 log donde Sm= (y
1
+ y
2
+

y
3
+,y
r
,)
2
/r
Vm=
El lector reconocer a Vm como la varianza de los r datos. Sn estima el logaritmo de base 10 de la relacin
(media/desviacin estndar)
2
.
En ocasiones se utiliza:
SN= -10 log Vm
IV.2.2 Caso menor es mejor
Para el caso de menor es mejor, el ndice recomendado es:
SN= -10 log
Esta cantidad estima el logaritmo de base 10 de (media
2
+ varianza)
IV2.3 Caso mayor es mejor
Para el caso mayor es mejor se recomienda:
SN= -10 log
Esta cantidad funciona de una manera similar al caso anterior, pero con el inverso. Maximizar una cantidad
es equivalente a minimizar el inverso.
El uso de logaritmos pretende hacer la respuesta ms lineal y el signo negativo es para que siempre se
maximice el ndice SN. Se multiplica por 10 para obtener decibeles.
En un experimento seal ruido, generalmente se incluye un grupo de factores de ruido, contra los que
especficamente se desea hacer robusto el producto, y que se pueden controlar durante un experimento.
Un diseo de experimentos para un anlisis seal a ruido consiste de dos partes, un arreglo ortogonal o
matriz de diseo o interno y un arreglo ortogonal o matriz de ruido o externo. Las columnas de una matriz de
diseo representan parmetros de diseo. Las columnas de la matriz de ruido representan factores de ruido.
Ejemplo:
Una caracterstica de calidad importante para un cierto producto metlico es el terminado, que se mide
segn su planicidad en milsimas de pulgada (mmplg). Esta caracterstica se piensa es afectada por los
siguientes factores:
Factor Descripcin Nivel 1 Nivel 2
A Temperatura del horno 1500 F 1600 F
B Presin de prensado 200 psi 220 psi
C Velocidad de recocido 8 seg 12 seg
D Velocidad de alimentacin ref. 80 gal/min 100gal/min
G Tipo de modelo chico grande
H Templabilidad del material 25 Rc 30 Rc
AxC Interaccin
AxD Interaccin

Los factores G y H son factores que no se pueden controlar durante el proceso, ya que el tipo de modelo
depende del requerimiento especfico del cliente y la templabilidad es una caracterstica de la materia prima.
Estos dos factores se consideran al menos inicialmente como factores de ruido.
Por lo tanto, se consideran como factores de diseo a los factores A, B, C y D.
De acuerdo con esto, lo que se desea saber es cules deben ser las condiciones de operacin o niveles de
los factores de diseo A, B, C y D, que lleven el producto a la caracterstica objetivo y adems con la mnima
variabilidad, a pesar de las variaciones en los factores G y H.
IV. 3.2. Arreglo interno
Considere nicamente los factores de diseo, se desea detectar 6 efectos en total, y para ello, se requiere
de un arreglo ortogonal L8. La grfica lineal requerida es:
3
1 A .2 B
5 A xC
4 C
AxD 6
7 D

La columna correspondiente a la lnea punteada se utilizar para cuantificar el error. Una posible asignacin
es:
A B e C AxC AxD D Este ser el arreglo
N 1 2 3 4 5 6 7 interno y consiste de 8
condiciones
experimentales/renglones
IV.3.3 Arreglo externo
Considere ahora nicamente los factores de ruido G y H. Se requieren de dos columnas, de manera que un
arreglo ortogonal L4 es suficiente. El arreglo, al que llamaremos arreglo externo es:
G H
N 1 2 3
1 1 1 1
2 1 2 2
3 2 1 1
4 2 2 1
Observe que no se asigna efecto alguno a la columna 3, la cual queda libre.
IV. 3.4 Arreglo total
Los dos arreglos anteriores se mezclan o combinan en un solo arreglo total, tal y como se muestra:
1 2 2 1
H 1 2 1 2
G 1 1 2 2
A B e C AxC AxD D
N 1 2 3 4 5 6 7 1 2 3 4
1 1 1 1 1 1 1 1 Y
11
Y
12
Y
13
Y
14
2 1 1 1 2 2 2 2 Y
21
Y
22
Y
23
Y
24
3 1 2 2 1 1 2 2 Y
31
Y
32
Y33 Y
34
4 1 2 2 2 2 1 1 Y
41
Y
42
Y
43
Y
44
5 2 1 2 1 2 1 2 Y
51
Y
52
Y
53
Y
54
6 2 1 2 2 1 2 1 Y
61
Y
62
Y
63
Y
64
7 2 2 1 1 2 2 1 Y
71
Y
72
Y
73
Y
74
8 2 2 1 2 1 1 2 Y
81
Y
82
Y
83
Y
84
Observe que la matriz de ruido o arreglo externo se ha traspuesto o acostado, esto es, escrito sus
renglones como columnas. Observe tambin que existen 8x4= 32 posibles lecturas, tomadas bajo diferentes
condiciones todas ellas (valores de Y
ij
). En general, si el arreglo interno tiene M renglones y el externo
tiene N renglones, entonces existen un total de MxN lecturas, que pueden ser tomadas bajo condiciones
diferentes.
Por eso se recomienda que el nmero de factores de ruido (valor de N) no sea mayor que 3.
Pero, cmo se toman exactamente cada una de las 32 lecturas? suponga que inicialmente, deseamos tomar
las lecturas Y
11
, Y
12
, Y
13
, Y
14 .
Para esto, se fijan todos los factores de diseo de acuerdo con los niveles
indicados por el rengln N 1 del arreglo interno, esto es, todos los factores de diseo a su nivel 1.
Sin embargo, si bien las cuatro lecturas Y
11
, Y
12
, Y
13
, Y
14
se toman a los mismos niveles de los factores de
diseo, cada una se toma a diferentes niveles de los factores de ruido.
En resumen se tiene:
Todos los factores de
diseo a su nivel 1 Lectura Factores de ruido
Temperatura 1500 F Y
11
Modelo chico y 25 Rc
Presin de 200 Psi, 8 seg Y
12
Modelo chico y 30 Rc
de tiempo de recorrido y Y
13
Modelo grande y 25 Rc
velocidad de alimentacin Y
14
Modelo grande y 30 Rc
refrigerante 80 gal/min
De acuerdo con esto, se toman las primeras cuatro lecturas.
En seguida deseamos obtener las lecturas Y
21
, Y
22
, Y
23
, Y
24
. Todas estas lectura se tomarn al mismo
nivel de los factores de diseo y estos niveles sern indicados por el rengln N 2 del arreglo interno.
Manteniendo estas condiciones, los factores de ruido se varan a sus cuatro combinaciones indicadas por el
arreglo externo.
De esta manera se van obteniendo todas las 32 lecturas. Se fijan los factores de diseo segn un rengln
del arreglo interno y se mantienen fijos mientras se varan los factores de ruido de acuerdo con el arreglo
interno.
Como ejemplo, la lectura Y
73
, se obtendr bajo las condiciones siguientes: factor A, 1600 F, 220 psi, factor
C. 8 seg, factor D, 80 gal/min; factor G, tipo grande; y factor H, 25 Rc.
Las 32 lecturas son las siguientes:
1 2 2 1
H 1 2 1 2
G 1 1 2 2
A B e C AxC AxD D
N 1 2 3 4 5 6 7 1 2 3 4
1 1 1 1 1 1 1 1 1.1 1.2 1.3 1.1
2 1 1 1 2 2 2 2 1.2 1.3 1.2 1.3
3 1 2 2 1 1 2 2 2.0 2.1 2.2 2.1
4 1 2 2 2 2 1 1 2.1 2.2 2.1 2.0
5 2 1 2 1 2 1 2 1.0 1.4 1.2 1.3
6 2 1 2 2 1 2 1 1.2 1.3 1.5 1.0
7 2 2 1 1 2 2 1 1.6 2.1 2.4 2.0
8 2 2 1 2 1 1 2 1.5 2.0 2.3 2.5
Totales= 11.7 13.6 14.2 13.3
Suponga que por alguna razn para este ejemplo en particular, se tiene un valor deseado de m= 2 mmplg.
Para obtener conclusiones a partir de un experimento seal a ruido se puede usar la tabla ANOVA, o bien, a
travs de grficas.
Inicialmente se muestra el anlisis usando ANOVA.
Anlisis con el Indice SN
Para responder a la pregunta de a qu niveles fijar los factores de diseo, a fin de minimizar la variabilidad
en la caracterstica de respuesta, ignoramos el arreglo externo conservando las 32 lecturas, especficamente,
el arreglo para anlisis es:
A B e C AxC AxD D
N 1 2 3 4 5 6 7 1 2 3 4 Total
1 1 1 1 1 1 1 1 1.1 1.2 1.3 1.1 4.7
2 1 1 1 2 2 2 2 1.2 1.3 1.2 1.3 5.0
3 1 2 2 1 1 2 2 2.0 2.1 2.2 2.1 8.4
4 1 2 2 2 2 1 1 2.1 2.2 2.1 2.0 8.4
5 2 1 2 1 2 1 2 1.0 1.4 1.2 1.3 4.9
6 2 1 2 2 1 2 1 1.2 1.3 1.5 1.0 5.0
7 2 2 1 1 2 2 1 1.6 2.1 2.4 2.0 8.1
8 2 2 1 2 1 1 2 1.5 2.0 2.3 2.5 8.3
Totales= 11.7 13.6 14.2 13.3 52.8
Lo que observamos en esta ltima tabla es un arreglo L8 con 4 lecturas para cada condicin o rengln.
Estamos interesados en analizar la variabilidad de las 4 lecturas tomadas bajo cada condicin. Para esto,
nos ayudamos del ndice SN, o sea, la variabilidad de las cuatro lecturas que se tomaron bajo cada
condicin, la resumiremos en un ndice seal a ruido. Al hacerlo, en lugar de 32 lecturas individuales
tendremos 8 valores del ndice SN, uno para cada rengln o condicin experimental.
Como estamos en un caso de nominal es mejor, el ndice apropiado es:
SN= 10 log ; donde Sm= y Vm=
En este caso en particular, r= 4, cada ndice se calcula a partir de 4 lecturas individuales.

Para la primera condicin experimental o rengln N 1, se tienen las lecturas siguientes: 1.1, 1.2, 1.3, 1.1, con
un total de 4.7
El clculo del ndice es:
Sm= (1.1+1.2+1.3+1.1)
2
/4= 5.5225
Vm= (1.1
2
+1.2
2
+1.3
2
+1.1
2
)= 0.00916
SN= 10 log = 21.7714
Para el rengln o condicin experimental N 2 se tienen las lectural: 1.2, 1.3, 1.2, 1.3, con un total de 5.0
El clculo del ndice SN es:
Sm= (1.2 +1.3+1.2+1.3)
2
/4= 6.2500
Vm= (1.2
2
+ 1.3
2
+ 1.2
2
+ 1.3
2
6.2500)/3= 0.0033
SN= 10 log = 26.7071
Los ocho ndices son:
N Sm Vm Sn (dB)
1 5.5225 0.00916 21.771
2 6.2500 0.00333 26.707
3 17.6400 0.00666 28.203
4 17.6400 0.00666 28.203
5 6.0025 0.02916 17.092
6 6.2500 0.04333 15.539
7 16.4025 0.10916 15.718
8 17.2225 0.18916 13.524
Nuestro arreglo es ahora:
A B e C AxC AxD D SN
N 1 2 3 4 5 6 7 dB
1 1 1 1 1 1 1 1 21.771
2 1 1 1 2 2 2 2 26.707
3 1 2 2 1 1 2 2 28.203
4 1 2 2 2 2 1 1 28.203
5 2 1 2 1 2 1 2 17.092
6 2 1 2 2 1 2 1 15.539
7 2 2 1 1 2 2 1 15.718
8 2 2 1 2 1 1 2 13.524
Para el factor A se tiene:
A
1
= Total de las lecturas tomadas bajo el nivel 1 del factor A
= 21.7714+26.7071+28.2036+28.2036= 104.8857
A
2
=17.0927+15.5397+15.7186+13.5420= 61.8750
SSA = (A
2
A
1
) /Nmero total de lecturas SN
=(61.8750 107.8857)
2
/8= 231.2413, con 1 g.l.
La tabla ANOVA total es:
Factor SS Gl V Fexp
A 231.2413 1 231.2413 14.44
B 2.5751 1 2.5751 00.16
C 0.1764 1 0.1764 00.01
AxC 9.4284 1 9.4284 00.59
AxD 3.8880 1 3.8880 00.24
D 2.3047 1 2.3047 00.14
e 16.0135 1 16.0135
El factor A, temperatura del horno, es el factor que estadsticamente afecta el ndice seal a ruido, y que por
consiguiente afecta la variabilidad. De acuerdo con los niveles del factor A, se tiene:
(A
1
= SN promedio= 104.8857/4= 26.22
(A
2
= SN promedio= 61.8750/4= 15.47
Dado que siempre deseamos maximizar el ndice seal a ruido, el factor A se fija en su nivel 1, esto es, la
temperatura del horno se fija en 1500 F.
Qu hacer con el resto de los factores? antes de contestar esta pregunta, se deben identificar de entre los
factores que NO AFECTARON el ndice SN, cules afectan la media. Esto se muestra en lo que sigue.
Anlisis usando las lecturas individuales
Despus de identificar los factores que afectan la variabilidad, el siguiente paso es identificar qu
factores, dentro de los que no afecta la variabilidad, afectan la media del proceso. Estos factores llamados
factores de seal, nos permitirn ajustar la media del proceso hacia su valor nominal, sin incrementar la
variabilidad del proceso.
Para el anlisis, se utilizan las 32 lecturas iniciales. Para ello se obtiene el promedio de cada rengln.
A B e C AxC AxD D
N 1 2 3 4 5 6 7 1 2 3 4 Total Promedio
1 1 1 1 1 1 1 1 1.1 1.2 1.3 1.1 4.7 1.175
2 1 1 1 2 2 2 2 1.2 1.3 1.2 1.3 5.0 1.250
3 1 2 2 1 1 2 2 2.0 2.1 2.2 2.1 8.4 2.100
4 1 2 2 2 2 1 1 2.1 2.2 2.1 2.0 8.4 2.100
5 2 1 2 1 2 1 2 1.0 1.4 1.2 1.3 4.9 1.225
6 2 1 2 2 1 2 1 1.2 1.3 1.5 1.0 5.0 1.250
7 2 2 1 1 2 2 1 1.6 2.1 2.4 2.0 8.1 2.025
8 2 2 1 2 1 1 2 1.5 2.0 2.3 2.5 8.3 2.075
Totales 13.200
Considerando nicamente los promedios, tendremos un arreglo L8 con una lectura. El anlisis en base a los
promedios es:
A
1
=1.175+1.250+2.100+2.100= 6.625
A
2
= 1.225+1.250+2.075+2.025= 6.575
SSA = (A
2
A
1
)
2
/Nmero total de lecturas SN
= (6.625 6.575)
2
/8= 0.0003
Similarmente para el factor B se tiene
B
1
= 1.175+1.250+1.225+1.250= 4.900
B
2
= 2.100+2.100+2.025+2.075= 8.300
SSB = (B
2
- B
1
)
2
/8= (4.900-8.300)
2
/8= 1.4450
Y as sucesivamente
SSC = 0.0028 , SSAxC= 0.0000, SSAxD= 0.0003
SSD = 0.0013 , SSe= 0.0028
La tabla ANOVA es:
A 0.0003 1 0.0003 0.11
B 1.4450 1 1.4450 513.75
C 0.0028 1 0.0028 1.00
AxC 0.0000 1 0.0000 0.00
AxD 0.0003 1 0.0003 0.11
D 0.0013 1 0.0013 0.44
e 0.0028 1 0.0028
Totales 1.4525 8
El factor B, presin de prensado, es el nico factor significante. Mediante este factor se puede ajustar la
media del proceso, y llevarla lo ms cerca posible a su valor ideal de 2.
Tambin se debe hacer la observacin, de que si el factor A hubiera resultado significante en este segundo
anlisis, no podramos utilizarlo, ya que result significante en el anlisis con el ndice SN.
En particular, la respuesta promedio para cada nivel del factor B es:
(B
1
= 4.9/4= 1.225; (B
2
= 8.3/4= 2.075
Si se desea aumentar la planicidad, se deber incrementar la presin de prensado. Si se desea disminuir la
planicidad, se deber reducir la presin.
Se puede interpolar para conocer el valor al que se debe fijar la presin. La respuesta promedio a 200 psi es
de 1.225 y a 220 psi es 2.075
Y 2.0
1.5
1.0 B
200 220
IV. Anlisis utilizando grficas
Como se mencion anteriormente, una alternativa a la ANOVA son las grficas de promedios, ya sea del
ndice SN o de las lecturas individuales.
Por ejemplo, para el factor A encontramos el promedio a cada uno de sus niveles, tanto del ndice seal a
ruido como de las lecturas individuales.
Para el ndice seal a ruido se tiene:
(A
1
= (21.7714+26.7071+28.2036+28.2036)/4= 26.2214
(A
2
= (17.0927+15.5397+15.7186+13.5240)/4= 15.4687
Para promedio de lecturas individuales se tiene:
(A
1
= 6.625/4= 1.6562; (A
2=
6.575/4= 1.6437
En resumen, los promedios para todos los factores son:
Nivel SN promedio Y promedio
A
1
26.22 1.6
A
2
15.47 1.6
B
1
20.38 1.2
B
2
21.41 2.0
C
1
20.71 1.6
C
2
20.99 1.6
D
1
20.31 1.6
D
2
21.38 1.6
(AxC) 19.76 1.6
(AxC) 21.93 1.6
(AxD) 20.15 1.6
(AxD) 21.54 1.6
Grficas de estos promedios se muestran ms adelante, en estas grficas, la importancia de cada efecto se
observar segn la inclinacin de cada lnea, de hecho, los efectos se encuentran graficados de acuerdo con
su importancia.

Las conclusiones que se obtienen son las mismas, esto es, el factor A es el que ms afecta el ndice seal a
ruido, y lo hace mayor a su nivel A
1
. El factor B es el que ms afecta la respuesta promedio sin afectar el
ndice SN, la respuesta promedio aumenta al aumentar el factor B de su nivel 1 al 2.
Conclusiones generales del experimento
De acuerdo con los resultados que se han obtenido de los anlisis, las conclusiones generales son:
a) El factor A afecta la variabilidad y se debe de fijar a su nivel 1.
b) El factor B afecta la media del proceso, aumenta la media del proceso.
c) El resto de los factores de diseo, (factores C y D), se fijarn al nivel en que sea ms econmico para el
proceso, ya que no afectan sustancialmente ni la media, ni la variabilidad del proceso.

Diseño de Experimentos Taguchi

Загружено:

Сведения о документе

Авторское право

Доступные форматы

Поделиться этим документом

Поделиться или встроить документ

Параметры публикации

Этот документ был вам полезен?

Это неприемлемый материал?

Авторское право:

Доступные форматы

Diseño de Experimentos Taguchi

Загружено:

Авторское право:

Доступные форматы

21/7/2014 DisTaguchi.

Analizar el problema siguiente:

En cualquier caso, se puede tratar de construir ms grficas de acuerdo con las

Recuerde que algunos arreglos ortogonales, le permiten analizar un problema sin

ANALISIS SEAL A RUIDO

Factores de diseo. Son aquellos que si podemos controlar en nuestro proceso de

El anlisis se realiza de la siguiente manera:

Вам также может понравиться