Diseños Robustos Taguchi

El método Taguchi se expone como una herramienta eficiente para el diseño y optimización
de procesos y productos, debido a que se centra en la identificación y evaluación de las
variables con mayor influencia en la salida del proceso, en la reducción de los efectos de
los factores no controlables y en la reducción de la variación del desempeño del proceso. El
método se basa en el estudio de los efectos principales generados por la ocurrencia de algo
no controlado e incorpora en su análisis las variaciones que afectan en forma negativa a la
calidad, mediante el uso de experimentos, el análisis de datos, el análisis de interacciones y
la comprobación
El método Taguchi no solo se emplea en la investigación de las relaciones causales, sino
que busca desarrollar un modelo matemático de causa y efecto y contribuir a la selección de
los efectos principales para consolidar la robustez del diseño del producto y del proceso. Es
aplicable en procesos donde sea bastante costoso el manejo de los niveles para cada uno de
los factores involucrados en la experimentación y, aunque existen otros métodos aplicables,
ofrece ventajas superiores como: mayor poder de estimación de las interacciones, el tamaño
de los arreglos experimentales, la efectividad de las soluciones, la facilidad de su
aplicación, la buena relación beneficio/costo, la flexibilidad y la efectividad de los métodos
propuestos para el análisis de los resultado.
Desde el punto de vista metodológico, el método Taguchi se sustenta en el concepto de
aleatorización y análisis de varianza para asegurar productos robustos, de alta calidad y de
bajo costo. Para tal fin, se apoya en una secuencia de pasos para asegurar la obtención de
los datos apropiados, de modo que permitan un análisis objetivo que conduzca a
deducciones válidas respecto del problema establecido. La expresión 1 expone el modelo
sobre el cual se sustenta el método.

Tabla 1. Algunas muestras de métricas SN propuestas por Taguchi

Usos y aplicaciones: El método Taguchi ha sido bastante aplicado en la mejora de procesos

y productos en diversos sectores como la industria de alimentos, farmacéutica, electrónica,
vidrios y envases, aeronáutica, hidrocarburos, software y en materiales de construcción,
entre otros.
Ejemplo: Determinar de la mejor alternativa de diversificación que cumpla con los
requisitos de disponibilidad de las materias primas para las plantas de derivados que se
obtienen de la fábrica de azúcar. Al diseño de la mejor variante que quede optimizada en el
proceso inversionista de la industria azucarera, tomándose como variables de control la
capacidad de la planta, que es la base de la diversificación, en este caso las destilerías,
asociadas a los centrales azucareros, el índice de consumo de miel o la producción de
energía eléctrica y el costo de inversión, según la tecnología. Las variables de ruido serán
las disponibilidades de las materias primas para que trabajen esas fábricas de forma
armoniosa en el proceso de diversificación.
DESARROLLO
Variables de control:
A. La capacidad de la destilería, que es la planta que se toma de base en el proceso de
diversificación.
B. El índice de consumo de miel.
C. El costo de inversión en función de la tecnología (nueva o de segunda mano)
Variables de Ruido:
A. Cantidad de caña
B. Cantidad de miel producida (B ó C, según la alternativa: sin integración másica y
energética, o con ella).
C. Cantidad de bagazo sobrante
Arreglo externo 2
    Arreglo interno (L4)       (4-1)    
Diseños variables de Diseños variables
    control       de ruido    
#
# de corrid
corrida X1 X2 X3 a x4 x5 x6 x7
1 -1 -1 -1 1 -1 -1 -1 -1
        2 1 1 -1 -1
        3 1 -1 1 -1
        4 1 -1 -1 1
        5 -1 1 1 -1
        6 -1 1 -1 1
        7 -1 -1 1 1
        8 1 1 1 1

Tabla 2. Al tomar en cuenta la integración material y energética los resultados son

satisfactorios, pues en la mayoría de las alternativas el VAN, la TIR y el PRD fueron muy
halagüeños.
     diseño interno  
x1 x2 x3 SNL YM
4669045,4
-1 -1 -1 124,4 7
13748651,
1 1 -1 133,3 2
10523153,
1 -1 1 131,4 7
10265717,
1 -1 1 131,2 8

Tabla 3. Diseño interno de Taguchi con 3 variables y 4 corridas.

  variante con incertidumbre variante sin incertidumbre
tecnología nueva segunda mano
VAN $ 4.228.913,50 $ 18.456.256,05
TIR 21,32% 63%
PRD 3,98 2
Tabla 4. Resultados comparativos entre los cálculos con incertidumbre y sin ella.

Referencias

Facultad de química y farmacia. (junio 2004). Aplicación del diseño

robusto de Taguchi en el proceso inversionista de la industria azucarera.
abril 6, 2020, de Universidad de Camagüey Sitio web:
http://centroazucar.uclv.edu.cu/media/articulos/PDF/2005/1/15.pdf

gutierrezPulido, Humberto. (agosto 2004). Analisis y Diseño de

Experimentos. abril 2,2020, de Universidad Autónoma de México Sitio
web: https://es.slideshare.net/jairjosemunozsuarez/diseo-y-analisis-de-
experimentos-montgomery-ocr