DISEO ROBUSTO DE PRODUCTOS CON TAGUCHI

P. Reyes/Sept. 2007

DISEO ROBUSTO DE PRODUCTOS CON TAGUCHI

Primitivo Reyes Aguilar Septiembre de 2007

Pgina 1 de 65

DISEO ROBUSTO DE PRODUCTOS CON TAGUCHI

P. Reyes/Sept. 2007

Diseo de experimentos de Taguchi

1. Introduccin
qu hace el diseo de experimentos, durante un diseo de parmetros u optimizacin del proceso?

Considere un proceso cualquiera. En este proceso se combinan una serie de insumos para cumplir con ciertas caractersticas

Factores Xi Proceso

Respuestas Y1 Y2 Y3

Suponga que la situacin de alguna de las caractersticas, digamos Y1 se muestra en la figura siguiente:

LIE

LSE

Evidentemente, el proceso est generando producto con caractersticas no satisfactorias. A fin de corregir la situacin es necesario: 1. Centrar el proceso, modificando la media o promedio del mismo. 2. Reducir la variabilidad del proceso eliminando causas comunes de variacin, dicho de otra manera, el proceso est en control estadstico. 3. De ser posible reducir el costo del proceso. Todos los factores x, que afectan este proceso, se pueden clasificar en cuatro grandes grupos:

Pgina 2 de 65

DISEO ROBUSTO DE PRODUCTOS CON TAGUCHI

P. Reyes/Sept. 2007

Factores que afectan la media y/o la variabilidad. Factores de ruido Factores que afectan la media sin afectar la variabilidad Factores que no afectan, ni la media ni la variabilidad

Los factores de ruido son aquellos que no podemos o deseamos controlar, en general, se consideran tres tipos:

Ruido externo. Son los factores que estn fuera del mbito del producto, pero que afectan el proceso en el mbito del cliente durante su uso. Ruido interno. Son los factores que originan deterioro, o que las caractersticas de calidad se degraden con el tiempo. Ruido de producto a producto. Son los factores que en el centro de produccin ocasionan variacin de un producto a otro.

Los factores que afectan la media y/o variabilidad, se utilizan para reducir la variabilidad. Los que afectan solamente a la media, se utilizan para reducir la variabilidad. Los que afectan solamente a la media, se utilizan para centrar el proceso, o bien para maximizar o minimizar la respuesta. Por ltimo, los factores que no afectan ni la media ni variacin se utilizarn para reducir el costo del proceso, esto es, se ubicarn a su nivel ms econmico.

Recuerde, que el objetivo es fijar los factores que estn en nuestro control, a un nivel tal que el producto sea robusto a los factores de ruido.

El problema es, que de antemano no sabemos dnde se ubica cada factor: el diseo de experimentos es un grupo de herramientas que nos ayuda de una manera sistemtica y eficiente, a ubicar cada factor y en un caso dado, como exactamente afecta a la variable de respuesta.

Pgina 3 de 65

DISEO ROBUSTO DE PRODUCTOS CON TAGUCHI

P. Reyes/Sept. 2007

2. Procedimiento general para un estudio de ingeniera de calidad

Uno de los procedimientos que se pueden utilizar es el siguiente:

1. Identificar el problema y formar grupo de trabajo. Este es quiz el paso ms importante, existe la posibilidad de que en este pase se termine el experimento. En primer lugar, se debe de identificar un problema que sea importante resolver para la empresa (no nicamente para el experimentador). Esto quiere decir, que si el problema se resuelve, pondra en una mejor posicin al producto y permitira a la empresa generar ms utilidades. Si esta condicin no se cumple, es recomendable olvidarse por lo pronto del problema y buscar otro. Una vez aprobado el problema, se debe definir por escrito cul es el problema a resolver, qu tipo de solucin se busca, cul es la situacin actual y sobre todo, quin sabe acerca del mismo o est directamente afectado, a fin de integrarlo dentro del grupo de trabajo.

2. Lluvia de ideas En esta fase, se pretende identificar como evaluar y/o cuantificar la caracterstica que se desea mejorar. Asegurarse que realmente representa el problema que se quiere resolver. Una vez definida, se debe cuestionar si la puede medir de una manera confiable sino es posible, busque alternativas. Es posible que en un mismo problema existan dos o ms caractersticas de inters, conviene sin embargo que usted, asigne prioridades y tome una como titular. La o las caractersticas seleccionadas son las variables de respuesta para todo el estudio (Y). En esta fase se deben identificar, el grupo de factores que potencialmente afecta la variable de respuesta (las Xs). Se puede ayudar con un diagrama causa-efecto en el que intervengan las personas que conocen el proceso; operadores, tcnicos, ingenieros, etc. Una cosa importante es que busque en la literatura, en ocasiones el problema que pretende resolver ha sido tratado en otras partes y esto le puede orientes sobre que factores considerar. En un segundo paso, se debe seleccionar aquellos factores que se consideran con mayores posibilidades y que entrarn al primer experimento, se debe hacer un juicio y a falta de informacin, un pareto logstico puede ser de gran ayuda.

Pgina 4 de 65

DISEO ROBUSTO DE PRODUCTOS CON TAGUCHI

P. Reyes/Sept. 2007

Considere tambin, que existen factores que no se pueden controlar y no tiene caso que entren al experimento. Si an as, quedan muchos factores candidatos, inicie con lo s que sea ms sencillo y menos costoso manipular. Una vez seleccionados los factores, se debern proponer los niveles a estudiar para cada factor. No sea demasiado conservador, considere dentro de que rangos varan generalmente los factores y trate de cubrir estos rangos. Es probable que los resultados que obtenga se puedan interpolar sin embargo, ser muy riesgoso extrapolar resultados. 1. Seleccionar el arreglo a usar. Arreglo interno Arreglo externo Tamao de la muestra 2. Organizar el experimento Hojas de datos Quin hace qu 3. Correr el experimento Recolectar datos Analizar resultados. 4. Selecciona ndice seal a ruido Hacer anlisis Anova Encontrar para nominal es mejor Factores que reducen variabilidad Factores que ajustan la media Factores que reducen costo Encontrar para mayor es mejor o menor es mejor Factores que mejoran la media y/o la variabilidad Encontrar las mejores condiciones de operacin

Predecir resultados esperados bajo las condiciones propuestas. 1. Hacer una corrida de comprobacin Si los resultados no coinciden con lo esperado, identificar causas posibles

Pgina 5 de 65

DISEO ROBUSTO DE PRODUCTOS CON TAGUCHI

P. Reyes/Sept. 2007

Evaluar la ganancia que se obtiene con las nuevas condiciones. 2. Implementar las condiciones propuestas. Varios de los trminos mencionados sern estudiados a lo largo del material. Aunque se ha hablado del concepto de la calidad, no se ha definido explcitamente en trminos de ingeniera de calidad. Por otra parte necesitamos de alguna manera evaluar econmicamente las posibles desviaciones del valor ideal de la variable de respuesta. Esto se analiza en el siguiente captulo bajo el tema de la funcin de prdida.

2. La Funcin de Prdida
G. Taguchi propone el siguiente enunciado:
LA CALIDAD DE UN PRODUCTO SE PUEDE MEDIR, MEDIANTE LA (MINIMA) PRDIDA QUE LE OCASIONA A LA SOCIEDAD, UN PRODUCTO DESDE EL MOMENTO DE SER EMBARCADO En esta definicin, se involucra a la sociedad entendida como el conjunto de clientes incluyendo al productor. Esto es, que los problemas de calidad deben ser vistos de una manera global para evitar que una parte se beneficie a costa de la otra. Si el producto cumple exactamente con lo esperado, entonces no se ocasiona costo de calidad alguno. Dicho de otra manera, no se ocasiona un costo adicional para el consumidor aparte de su precio. Por eso en la definicin se aclara que es un costo despus de embarcarlo. Este desembolso adicional que el consumidor tiene que gastar sin tener porque hacerlo es una prdida para l y para la sociedad en general, de la cual forma parte, si el producto hubiese sido producido bien, nadie tendra porque hacer un costo adicional. De ah el nombre de prdida. Pero cmo es esta relacin prdida-desviacin. Suponga que desea adquirir un 0.02 pulg.

cierto producto con un dimetro de 10 pulg. Dado que es imposible obtener siempre este dimetro, se asigna una cierta tolerancia de digamos

Tradicionalmente esto quiere decir que si usted recibe un producto con un dimetro entre 9.98 y 10.02 pulg. todo esta bien mientras el dimetro se encuentre en este intervalo, esta igualmente contento. Fuera de este rango el producto es completamente inaceptable. Taguchi considera esta visin incorrecta. Para el cliente un producto que mide 9.9799 pulg. no es muy diferente a uno que mida 9.9801 pulg. De hecho, un producto

Pgina 6 de 65

DISEO ROBUSTO DE PRODUCTOS CON TAGUCHI

P. Reyes/Sept. 2007

aceptable que mida 9.9801 es ms parecido a uno defectuoso que al deseado de 10.0000 pulg. Lo anterior implica cosas como: no porque un producto est dentro de especificaciones, necesariamente es un buen producto para el cliente. y no por eso su producto es considerado un buen producto por el cliente. Por lo tanto, ms que una prdida sbita que se tenga cuando el producto sales de especificaciones, se tiene un continuo de prdida tan pronto como el producto se desva del valor idealmente deseado por el cliente. En seguida se discutir este punto, con ejemplos ms especficos para cliente. El nico valor aceptable de una caracterstica de calidad, es el valor deseado por el cliente, llamelo en este caso m. El cliente realmente recibe un producto con una caracterstica de calidad que llamaremos aqu y . Esta caracterstica y, no necesariamente coincide con m de manera que, se puede tener una desviacin de (y-m), la cual puede ser positiva o negativa. Ya sea que y>m y<m. Siempre que y es diferente de m, se le ocasiona al cliente una prdida, llammosla L(y) con (y-m)?, si bien existen un sin nmero de maneras, una para cada cliente Taguchi sugiere que en la gran mayora de las veces esta relacin es descrita de manera cuadrtica. Esto es: L(y)=k (y-m)2 Donde k es una constante especfica para cada consumidor, que grficamente queda representado por: como puede incluso hacer una inspeccin 100% para que todo producto quede dentro de especificaciones,

L(y)

m
Vale la pena observar lo siguiente: -

Desviaciones pequeas del valor ideal, ocasionan una prdida pequea. La prdida aumenta ms que linealmente conforme y se aleja del valor ideal m. Cuando el valor de y coincide con el valor de m, la prdida es cero. Esto es, L(y=m)= 0. La curva se ve afectada por el valor de la constante k.

Pgina 7 de 65

DISEO ROBUSTO DE PRODUCTOS CON TAGUCHI

P. Reyes/Sept. 2007

Existe una funcin de prdida L(y) asociada con cada caracterstica de calidad del producto. La prdida total que ocasiona el producto, es la suma de las prdidas de cada una de sus caractersticas.

Un problema que surge de inmediato es cmo evaluar la constante k? Considere una caracterstica de calidad, digamos un dimetro con un valor ideal de 10.0000 pulg. Si el dimetro de desva un poco el producto an se puede utilizar. Conforme el dimetro se aleja aun ms del ideal, llegar un punto en el cual no se puede utilizar el producto tal y como este. A este valor se le puede llamar yc y a la desviacin(yc-m)= Tc. se le llama tolerancia del consumidor. En este momento, se debe hacer algo para que el producto se pueda utilizar originando un costo, llame a este costo Ac. Al sustituir en la frmula de L(y), se tiene que Ac= k Tc2; k= Ac/ Tc2 La funcin de prdida se puede expresar tambin de la manera siguiente L(y)= (Ac/ Tc2)(y-m) 2 Algunos autores, sugieren utilizar como Tc, lo que se considere como tolerancia actual o de operacin, y entonces un buen valor de Ac es un 10% del precio del producto. Como corolario podemos observar lo siguiente: corregir, arreglar o aun desechar un producto es ms econmico siempre para el productor. Esto es, se le ocasiona un costo menor. Si a este costo le llamamos Ap, donde siempre sucede que Ap < Ac, cul debe ser entonces la tolerancia que debe manejar el productor en sus dibujos?. Al sustituir en la funcin de prdida anterior esta prdida Ap y manejando la tolerancia (yp-m)= Tp, se tiene: Ap= (Ac/ Tc2)Tp 2, y por lo tanto Tp=

Ap Ac

Tc

Esto quiere decir, que la tolerancia del productor, debe siempre ser menor que la del consumidor. La relacin viene representada por la raz cuadrada de la relacin entre la prdida del producto y del consumidor para el mismo producto.

Funcin de prdida promedio

Si bien, la forma de la funcin de prdida anterior describe la situacin para una unidad de producto en particular, el productor, probablemente este ms interesado en

Pgina 8 de 65

DISEO ROBUSTO DE PRODUCTOS CON TAGUCHI

P. Reyes/Sept. 2007

la prdida promedio que su produccin induce al cliente. Para esto es suficiente obtener el promedio para todos sus productos, esto es: Lmedia=

k ( yi m) / n = (k ( y

m ) + k ( y 2 m ) + ... + k ( y n m )) / n

Si el nmero de productos es pequeo, el promedio se puede obtener directamente. Si el valor no crece, se puede demostrar mediante un poco de manipuleo algebraico, que el valor de Lmedia es Lmedia= k 2 + d 2 ; donde d= (-m)

y 2 representan la media y varianza del proceso respectivamente.

Si el productor desea disminuir la prdida que su producto ocasiona a sus consumidores, deber por lo tanto, reducir su variabilidad (minimizar 2 ) y centrar su proceso de manera que la media del mismo coincida con el ideal m, (disminuir d 2

( )

Funcin de prdida para otro tipo de caractersticas

Una caracterstica de calidad, por lo general es de uno de los siguientes tipos: Cualitativa. No se puede medir directamente sobre una escala continua Cuantitativa. Se divide en tres: 1. Menor es mejor. Son aquellas caractersticas que el cliente desea sea mnima, m es igual a cero y la caracterstica y no puede ser menor que esta ideal. Ejemplo: desgaste, friccin, etc. 2. Mayor es mejor. Son aquellas caractersticas en que el valor ideal parra el cliente tiende a infinito. Por ejemplo: duracin, rendimiento, etc. 3. Nominal es mejor. Son aquellas caractersticas en que existe un valor nominal deseado por el consumidor m y la caracterstica real y puede ser mayor o menor que este ideal. Ejemplo: dimetro, longitud, etc. Para cada una de las caractersticas cuantitativas, existe una funcin de prdida tanto individual como promedio. Para el caso cualitativo dependiendo del caso, se puede adaptar a una de ellas. Las expresiones son: Tipo Nominal es mejor Individual L(y)= k(y-m)2 Promedio L(y)= k 2 + d 2

Pgina 9 de 65

DISEO ROBUSTO DE PRODUCTOS CON TAGUCHI

P. Reyes/Sept. 2007

Menor es mejor Mayor es mejor

L(y)=K y2 L(y)= K/ y2

L(y)= K 2 + 2

L(y)= K 1

1 + 3 2 2
2

Cada una de estas expresiones, indica la direccin de mejora para un proceso cualquiera. Mediante la funcin de prdida podemos: Cuantificar en dinero, los efectos de una calidad no adecuada Interpretar los resultados de un experimento en base econmica Evaluar el impacto econmico que sobre el cliente tiene alguna accin de mejora.

3. ARREGLOS ORTOGONALES
Recuerde. que el problema es: identificar de los cientos de posibles factores que afectan una caracterstica de calidad, cules de ellos afectan el promedio, cul es la variacin y cules no la afectas. En las fases iniciales de la experimentacin, se tienen una gran cantidad de factores potenciales, de los cuales se selecciona un grupo inicial a probar, Ahora bien, si desea saber si un factor afecta una caracterstica de calidad, es necesario que factor y evale si esto tuvo algn impacto sobre la caracterstica de calidad. El problema no es sencillo, sin embargo, ya que si tiene digamos 10 factores a vare el

probar, se tienen 1024 posibles condiciones diferentes que se pueden presentar. Este nmero de pruebas es demasiado grande para casi cualquier situacin prctica. Se necesita por lo tanto alguna alternativa que: No permita hacer slo una pequea cantidad de las pruebas posibles en lugar de 1024, digamos unas 12 pruebas Sin embargo, nos permita evaluar con cierta confianza el efecto de todos los factores analizados. Los resultados de estas pruebas se reproduzcan, esto es, que sean vlidas al momento de implantar la decisin en condiciones reales de operacin y a plena escala. Sea algo sencillo y relativamente rpido como para concentrarse ms en entender el proceso de produccin en s, que en los anlisis estadsticos.

Pgina 10 de 65

DISEO ROBUSTO DE PRODUCTOS CON TAGUCHI

P. Reyes/Sept. 2007

EL OBJETIVO DE LOS ARREGLOR ORTOGONALES ES FACILITAR EL PROCESO DE EXPERIMENTACIN. NUESTRO INTERS ES ENCONTRAR QU FACTORES AFECTAN FUERTEMENTE LAS CARACTERSTICAS DE CALIDAD Y HACER PREDICCIONES SOBRE LAS CONDICIONES PROPUESTAS DE OPERACIN. De una manera grfica, el objetivo de los arreglos ortogonales es: (suponga por ejemplo 10 factores a dos niveles) 1, 024 pruebas posibles: Un arreglo ortogonal es un matriz experimental factorial fraccional que es ortogonal y balanceada. El arreglo ms sencillo es el arreglo L4 de la tabla siguiente. 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. Ejemplo de un arreglo ortogonal es: Factor N 1 2 3 4 1 1 1 2 2 2 1 2 1 2 3 1 2 2 1 Resultado Y1 Y2 Y3 Y4

Columna 1

Columna 3

Columna 2

Grfica lineal del arreglo ortogonal L4 Se tienen en este caso en particular cuatro renglones y 3 columnas. Bajo el encabezado N se tiene el nmero de pruebas. Se tienen tres columnas que consisten de nmeros 1 y 2. A cada columna se asigna un factor o variable cuyo efecto en la variable de respuesta se desea investigar. Con este arreglo se pueden investigar hasta tres factores.

Pgina 11 de 65

DISEO ROBUSTO DE PRODUCTOS CON TAGUCHI

P. Reyes/Sept. 2007

Cada columna de un factor consiste de nmeros 1 y 2 donde el nmero 1 indica que el factor se encuentra a su nivel inferior y el 2 a su nivel superior. Se puede observar que cada columna tiene la misma cantidad de nmeros 1 que de nmeros 2. Si tomamos cualquier pareja de columnas, existen cuatro posibles combinaciones de sus valores,11, 12, 21 y 22. Como en cada pareja de columnas se presenta el mismo nmero de veces cada combinacin, se dice que el arreglo es ortogonal o balanceado. El resultado de cada condicin experimental se muestra con el encabezado resultado. De acuerdo con la notacin empleada por Taguchi al arreglo mostrado como ejemplo. se le llama un arreglo L4, por tener cuatro renglones. Si en el arreglo anterior se cambia el 1 por el -1 y el 2 por el 1, el arreglo se transforma claramente en un arreglo factorial fraccional genera C = - AB en la columna 3.

2 31 con la relacin que lo

N
1 2 3 4

1
-1 -1 +1 +1

Factor 2
-1 +1 -1 +1

3
-1 +1 +1 -1

Resultado
Y1 Y2 Y3 Y4

Para cada arreglo ortogonal de Taguchi se tienen grficas lineales, usadas para ilustrar las relaciones de interaccin en el arreglo ortogonal, en este caso la interaccin de las columnas 1 y 2 estn confundidas con las columna 3. Para arreglos ortogonales ms grandes no solo se cuenta con grficas lineales sino adems con tabla de interacciones para explicar las interacciones entre columnas, por ejemplo para el arreglo L8 se tiene:

Pgina 12 de 65

DISEO ROBUSTO DE PRODUCTOS CON TAGUCHI

P. Reyes/Sept. 2007

Exp. No. 1 2 3 4 5 6 7 8

1 1 1 1 1 2 2 2 2

COLUMNAS 2 1 1 2 2 1 1 2 2

3 1 1 2 2 2 2 1 1

4 1 2 1 2 1 2 1 2

5 1 2 1 2 2 1 2 1

6 1 2 2 1 1 2 2 1

7 1 2 2 1 2 1 1 2

Columnas 1 1 (1) 2 3 4 5 6 7

Matriz o tabla de interacciones 2 3 3 2 (2) 1 (3)

4 5 6 7 (4)

5 4 7 6 1 (5)

6 7 4 5 2 1 (1)

7 6 5 4 3 2 6 (7)

3 1 1 3 2 6 (a) 5 4 (b) .7 5 6

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

Pgina 13 de 65

DISEO ROBUSTO DE PRODUCTOS CON TAGUCHI

P. Reyes/Sept. 2007

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 (1) y (2) respectivamente.

Por ejemplo, la grfica (1) 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 interacta 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 (2) 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 interacta 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

Pgina 14 de 65

DISEO ROBUSTO DE PRODUCTOS CON TAGUCHI

P. Reyes/Sept. 2007

una interaccin que no es relevante, se puede utilizar para representar un factor adicional.

Si se cambian el 1 y 2 por -1 y +1 en el arreglo L8, es claro que representa un arreglo factorial fraccional 2 7 4 donde la columna 4 del arreglo L8 corresponde a la columna A del arreglo 2 7 4 , la columna 2 del arreglo L8 corresponde a la columna B del arreglo 2 7 4 , y la columna 1 del arreglo L8 corresponde a la columna C del arreglo 2 7 4 . Tambin se puede ver que la columna 3 es equivalente a BC, la columna 5 es equivalente a AC, la columna 6 es equivalente a BC, etc. COLUMNAS Exp. No. 1 2 3 4 5 6 7 8 C 1 -1 -1 -1 -1 +1 +1 +1 +1 B 2 -1 -1 +1 +1 -1 -1 +1 +1 -BC 3 -1 -1 +1 +1 +1 +1 -1 -1 A 4 -1 +1 -1 +1 -1 +1 -1 +1 -AC 5 -1 +1 -1 +1 +1 -1 +1 -1 -BC 6 -1 +1 +1 -1 -1 +1 +1 -1

7 -1 +1 +1 -1 +1 -1 -1 +1

Las grficas lineales muestran donde se confunden las interacciones, por ejemplo: la interaccin entre columnas 1 y 2 se confunden con la columna 3, la interaccin entre columnas 1 y 4 se confunde con la columna 5, la interaccin entre las columnas 2 y 4 se confunde con la columna 6. Sin embargo se sabe que el diseo 2 7 4 tiene 4 generadores, de manera que cada efecto principal ser confundido con muchas interacciones de dos factores por tanto las grficas lineales solo muestran un subconjunto de relaciones de interacciones. La tabla lineal muestra otras alternativas adicionales, por ejemplo: muestra que la columna 3 se confunde con la interaccin de las columnas 1 y 2, pero tambin se confunde con la interaccin entre las columnas 5 y 6 y las columnas 4 y 7, tomando la primera como rengln y la segunda como columna identificando la interseccin (en este caso 3).
7 En la notacin de los arreglos ortogonales L8 ( 2 ) , el 2 significa dos niveles, el 8

indica 8 corridas experimentales y el 7 significa que se pueden acomodar hasta 7 factores o una combinacin con sus interacciones.

Pgina 15 de 65

DISEO ROBUSTO DE PRODUCTOS CON TAGUCHI

P. Reyes/Sept. 2007

Los arreglos ortogonales de Taguchi tambin incluyen arreglos de 3 niveles arreglos mezclados. El ms simple es el L9. Su grfica lineal indica que las columnas 3 y 4 estn confundidas con los efectos de la interaccin de las columnas 1 y 2. COLUMNAS Exp. No. 1 2 3 4 5 6 7 8 9 1 1 1 1 2 2 2 3 3 3 2 1 2 3 1 2 3 1 2 3 3 1 2 3 2 3 1 3 1 2 4 1 2 3 3 1 2 2 3 1

Columna 1

Columnas 3,4

Columna 2

Grfica lineal del arreglo ortogonal L9 En general, para un arreglo a dos niveles, el nmero de columnas, los efectos 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 se anexan en el apndice y segn el nmero de factores a analizar son:
Si el nmero de factores que se desean analizar es Entre 1 y 3 Entre 4 y 7 Entre 8 y 11 Entre 12 y 15 Entre 16 y 31 Entre 32 y 63 L4 L8 L12 L16 L32 L64 Arreglo a utilizar N de condiciones a probar 4 8 12 16 32 64

4 Diseos experimentales para factores con interacciones

Los diseos de experimentos de Taguchi son similares a los diseos de experimentos clsicos, sin embargo en los de Taguchi solo se consideran los

Pgina 16 de 65

DISEO ROBUSTO DE PRODUCTOS CON TAGUCHI

P. Reyes/Sept. 2007

factores principales y las interacciones de dos factores, se asume que las interacciones de mayor orden no tienen efecto significativo. Adicionalmente los experimentadores deben utilizar su experiencia para anticipar cuales interacciones pudieran ser significativas antes de realizar los experimentos. Posteriormente se deben determinar los grados de libertad, que son la cantidad relativa de datos requeridos para estimar los efectos a ser analizados. Para los grados de libertad se siguen las reglas siguientes: 1. La media general tiene un grado de libertad. 2. Para cada factor A, B,, sus grados de libertad son nmero de niveles1 (n-1).

3. Para las interacciones, v. gr. A y B, los grados de libertad son los (nA1)*(nB-1)
Por ejemplo en un experimento hay un factor A con dos niveles, 6 factores (B, C, D, E, F, G) con 3 niveles y una interaccin entre los factores A y B, los grados de libertad son los siguientes: Factores Media A B, C, D, E, F, G AB Total Grados de libertad 1 2-1 = 1 6 x (3-1) = 12 (2-1)(3-1) = 2 16

Existe un fenmeno que se presenta en algunas situaciones en los procesos de produccin. Este fenmeno se llama interaccin entre dos factores y se describen en esta seccin.

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. O sea, suponga que en un experimento se ha encontrado que la temperatura y el tipo de refrigerante, afectan la variable de respuesta llamada planicidad. Existen dos usa la marca de marcas de refrigerante, la marca I y la marca II. Resulta que si se usa el refrigerante I, al aumentar la temperatura la planicidad aumenta. Pero si refrigerante II, al aumentar la temperatura, la planicidad disminuye.

Pgina 17 de 65

DISEO ROBUSTO DE PRODUCTOS CON TAGUCHI

P. Reyes/Sept. 2007

Si se le pregunta cual es el efecto de la temperatura sobre la planicidad, lo nico que puede contestar es Depende. Depende de qu? del tipo de refrigerante que use. 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 interactan. Grficamente se puede observar si existe o no interaccin entre los factores:

B2 B1 B1 A1 A2 A1 A2 B2

Las dos lneas son paralelas, no existe interaccin entre los factores.

El efecto de A depende del nivel de B y viceversa. El efecto de A no es consistente. Existe interaccin.

Cmo se puede dar cuenta antes del experimento que existe una interaccin?, no lo puede saber con certeza, pero una buena gua es la experiencia de experimentos previos, por conocimiento del proceso y por la literatura. Las interacciones existen en los procesos en mayor o menor grado. Sin embargo, no se preocupe demasiado si no puede identificar ninguna, al final de esta eleccin se le indica que hacer. 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.

Pgina 18 de 65

DISEO ROBUSTO DE PRODUCTOS CON TAGUCHI

P. Reyes/Sept. 2007

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, isi 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 cules interacciones especficamente sospechamos que existen. Esto es, debemos definir de antemano qu interacciones creemos son relevantes, a fin de incluirlas en nuestro anlisis. Diseos experimentales El diseo experimental de Taguchi sigue un proceso de tres pasos: 1. Determinar los grados de libertad totales (Df) 2. Seleccionar un arreglo ortogonal estndar por medio de las dos reglas siguientes: Regla 1. El nmero de experimentos o corridas en el arreglo ortogonal >= Total Df. Regla 2. El arreglo ortogonal seleccionado deber poder acomodar las combinaciones de niveles de factores en el experimento. 3. Asignar factores a las columnas apropiadas usando las reglas siguientes:

Regla 1. Asignar interacciones de acuerdo a la grfica lineal y tabla de interacciones. Regla 2. Usar tcnicas especiales, tales como niveles artificiales y construccin de columnas, cuando el arreglo ortogonal original no puede acomodar los niveles de los factores en el experimento. Regla 3. Mantener algunas columnas vacas is no pueden ser asignadas todas las columnas.

Pgina 19 de 65

DISEO ROBUSTO DE PRODUCTOS CON TAGUCHI

P. Reyes/Sept. 2007

Se puede usar la tabla siguiente como referencia: Arreglo ortogonal L4 L8 L9 L12 L16 L16 L18 L25 L27 L32 L32 L36 L36 L50 L54 L64 L64 L81 Nmero De exper. 4 8 9 12 16 16 18 25 27 32 32 36 36 50 54 64 64 81 Factores Mximos 3 7 4 11 15 5 8 6 13 31 10 23 16 12 26 63 21 40 40 31 1 11 3 1 1 63 21 12 13 11 9 13 1 7 6 11 15 5 Mximo 2 3 7 4 Nmero 3 De cols. 4 En niveles 5

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 En el apndice se muestra un arreglo L8 junto con una matriz triangular y dos grficas lineales. Estas se reproducen aqu para explicacin.

L8 Exp. No. 1

Col.1 Col. 2 1 1

Col. 3 1

Col. 4 1

Col. 5 1

Col. 6 1

Col. 7 1

Pgina 20 de 65

DISEO ROBUSTO DE PRODUCTOS CON TAGUCHI

P. Reyes/Sept. 2007

2 3 4 5 6 7 8

1 1 1 2 2 2 2

1 2 2 1 1 2 2

1 2 2 2 2 1 1

2 1 2 1 2 1 2

2 1 2 2 1 2 1

2 2 1 1 2 2 1

2 2 1 2 1 1 2

Columnas 1 1 (1) 2 3 4 5 6 7

Matriz o tabla de interacciones 2 3 3 2 (2) 1 (3)

4 5 6 7 (4)

5 4 7 6 1 (5)

6 7 4 5 2 1 (1)

7 6 5 4 3 2 6 (7)

3 1 3 5 .7 6 2 6 (a) 4 (b) La aplicacin de grficas lineales se muestra mediante una serie de ejemplos. 1 5

Pgina 21 de 65

DISEO ROBUSTO DE PRODUCTOS CON TAGUCHI

P. Reyes/Sept. 2007

Ejemplo 1: 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 individuales. En nuestro caso esto procede como sigue: Primero dibujamos cuatro puntos, uno para cada efecto. A. C. B. D. efectos

En seguida mostramos las interacciones que nos interesan, mediante lneas. Para nuestro caso tenemos (grfica de la izquierda): AxB A AxC C AxD 6 D 7 4 B 1 5 3 2

3) Identificamos la grfica mostrada en el apndice que ms se parece a la grfica deseada, y vemos que esta es la grfica (2), (dibujada a la derecha de la anterior). Por lo tanto, 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:

Pgina 22 de 65

DISEO ROBUSTO DE PRODUCTOS CON TAGUCHI

P. Reyes/Sept. 2007

Exp. No. 1 2 3 4 5 6 7 8

Columna 1 A 1 1 1 1 2 2 2 2

Columna 2 B 1 1 2 2 1 1 2 2

Columna 3 AxB 1 1 2 2 2 2 1 1

Columna 4 D 1 2 1 2 1 2 1 2

Columna 5 AxD 1 2 1 2 2 1 2 1

Columna 6 AxC 1 2 2 1 1 2 2 1

Columna 7 C 1 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 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. Ejemplo 2: Si deseamos analizar los factores A, B, C, D, E y F, adems de la interaccin AxB, una posible asignacin es: Columna 1 A Columna 2 D Columna 3 C Columna 4 B Columna 5 AxB Columna 6 E Columna 7 F C .E

Efecto

Pgina 23 de 65

DISEO ROBUSTO DE PRODUCTOS CON TAGUCHI

P. Reyes/Sept. 2007

Ejemplos adicionales 3: a) En un experimento hay 7 factores, se consideran slo los efectos principales. Los grados de libertad son Df = 1 + 7(-1) = 8. El arreglo ortogonal seleccionado debe tener al menos 8 corridas experimentales, en este caso puede ser un L8. b) En un experimento hay un factor A de dos niveles y 6 factores de 3 niveles, B, C, D, E, F, G. Los grados de libertad son: Df = 1 + (2-1) +6(3-1) = 14. Por tanto se debe usar un arreglo ortogonal que la menos tenga 14 corridas experimentales. El L16 tiene experimentos pero no puede acomodar 6 columnas de tres niveles. El arreglo ortogonal L18 tiene una columna para un factor de dos niveles y 7 columnas de 3 niveles, por tanto es el arreglo a usar. La columna 8 se deja vaca. L18 Exp. No. 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 Col.1 Col. 2 A B 1 1 1 1 1 1 1 2 1 2 1 2 1 3 1 3 1 3 2 1 2 1 2 1 2 2 2 2 2 2 2 3 2 3 2 3 Col. 3 C 1 2 3 1 2 3 1 2 3 1 2 3 1 2 3 1 2 3 Col. 4 D 1 2 3 1 2 3 2 3 1 3 1 2 2 3 1 3 1 2 Col. 5 E 1 2 3 2 3 1 1 2 3 3 1 2 3 1 2 2 3 1 Col. 6 F 1 2 3 2 3 1 3 1 2 2 3 1 1 2 3 3 1 2 Col. 7 G 1 2 3 3 1 2 2 3 1 2 3 1 3 1 2 1 2 3 Col. 8 e 1 2 3 3 1 2 3 1 2 1 2 3 2 3 1 2 3 1

c) En un experimento hay 9 factores de dos niveles, A, B, C, D, E, F, G, H, I y las interacciones AB, AC, AD y AF se piensa que pueden presentarse. Los experimentos necesarios son al menos Df = 1 + 9(2-1) + 4(2-1)(2-1) = 14 El diseo L16 tiene 16 corridas experimentales y puede acomodar hasta 15 factores o sus interacciones en dos niveles. Usando la grfica lineal para identificar las columnas de las cuatro interacciones se tiene:

Pgina 24 de 65

DISEO ROBUSTO DE PRODUCTOS CON TAGUCHI

P. Reyes/Sept. 2007

A(1) C(6) 7 3 B(2) 10 13 9 F(8) E(4) D(12) G(11) 15 I(14) H(5)

Las columnas 3, 7, 9 y 13 se dejan vacas para evitar confundir los efectos principales con las interacciones de dos factores. El arreglo queda como sigue:

L16 Exp. No. 1 2 .

1 A

2 B

4 AB E

5 H

6 C

10 11 12 13 14 15 e 1 G 1 D 1 AD I 1 1 E 1

AC F

AF 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 2 . . . . . . . . .

2 2 2 2 2 2 . . . . . .

d) En un experimento hay 6 factores con 3 niveles A, B, C, D, E, F y las interacciones probables AB, AC, y BC. Los experimentos necesarios son: Df = 1 + 6(3-1) + 3(3-1)(3-1) = 25. El arreglo L27 tiene 27 corridas experimentales y puede acomodar 13 factores de 3 niveles. En base a su grfica lineal se tiene: A(1) D(9) 3,4 B(2) 6,7 C(5) E(10) F(12) e(13)

Las columnas 3, 4, 6, 7, 8, y 11 se dejan vacas para evitar confusin de efectos principales con las interacciones AB, AC, y BC.

Pgina 25 de 65

DISEO ROBUSTO DE PRODUCTOS CON TAGUCHI

P. Reyes/Sept. 2007

Tcnicas especiales Algunas veces se requiere tener algunos factores con diferentes niveles en el mismo experimento, por ejemplo cuatro o ms niveles, para esto se utilizan algunas tcnicas especiales. Combinacin de columnas Se pueden combinar varias columnas de bajo nivel en una columna de mayor nivel. a) Creacin de una columna de cuatro niveles usando columnas de dos niveles: Se requieren tres columnas de dos niveles para crear una columna de 8 niveles, como cada columna tiene un grado de libertad, y una de cuatro niveles tiene tres grados de libertad, se requieren tres columnas, que se forman con dos columnas y la columna de su interaccin. Por ejemplo si se hay dos factores en un experimento A y B, con A un factor de cuatro niveles y B un factor de dos niveles. La interaccin AB puede ser significativa. Calculando los grados de libertad se tiene: Df = 1 + (4-1) + (2-1) + (4-1)(2-1) = 8 Por lo que se puede utilizar el arreglo L8 como sigue: L8 Exp. No. 1 2 3 4 5 6 7 8 Col.1 Col. 2 1 1 1 1 2 2 2 2 1 1 2 2 1 1 2 2 Col. 3 1 1 2 2 2 2 1 1 Col. 4 1 2 1 2 1 2 1 2 Col. 5 1 2 1 2 2 1 2 1 Col. 6 1 2 2 1 1 2 2 1 Col. 7 1 2 2 1 2 1 1 2

Combinando las columnas 1, 2 y 3 se tiene: A 1 3 2 B(4) AB(6) 7 AB(5)

Pgina 26 de 65

DISEO ROBUSTO DE PRODUCTOS CON TAGUCHI

P. Reyes/Sept. 2007

L8 Exp. No. 1 2 3 4 5 6 7 8

Col.1 Col. 2 1 1 1 1 2 2 2 2 1 1 2 2 1 1 2 2

Col. B 1 1 2 2 3 3 4 4

Nueva

L8 Exp. No. 1 2 3 4 5 6 7 8

Col. Col. nueva 4 1 1 2 2 3 3 4 4 1 2 1 2 1 2 1 2

Col. 5 1 2 1 2 2 1 2 1

Col. 6 1 2 2 1 1 2 2 1

Col. 7 1 2 2 1 2 1 1 2

Calculando los grados de libertad de AB se tiene Df = (4-1)(2-1) = 3, por tanto se deben utilizar tres columnas; las columnas 5 y 6 estn relacionadas con la interaccin de AB; tambin su columna 3 al interaccionar con la columna 4 (AB) la interaccin se presenta en la columna 7 de la grfica lineal L8 siguiente:

Columnas 1 1 (1) 2 3 4 5 6 7

Matriz o tabla de interacciones 2 3 3 2 (2) 1 (3)

4 5 6 7 (4)

5 4 7 6 1 (5)

6 7 4 5 2 1 (1)

7 6 5 4 3 2 6 (7)

Pgina 27 de 65

DISEO ROBUSTO DE PRODUCTOS CON TAGUCHI

P. Reyes/Sept. 2007

Y la grfica lineal queda como sigue: A 1 3 2 AB(6) El arreglo ortogonal resultante es el siguiente: L8 Exp. No. 1 2 3 4 5 6 7 8 A 1 1 2 2 3 3 4 4 B 1 2 1 2 1 2 1 2 AB 1 2 1 2 2 1 2 1 AB 1 2 2 1 1 2 2 1 AB 1 2 2 1 2 1 1 2 AB(5) B(4) AB(7)

Tcnica de nivel artificial

Se utiliza para asignar un factor con m niveles a una columna con n niveles, donde n > m. Se puede aplicar la tcnica de nivel artificial para asignar un factor de 3 niveles a un arreglo ortogonal de 2 niveles.

Por ejemplo, si en un experimento hay 1 factor de 2 niveles A, y 3 factores de 3 niveles B, C, D. Los grados de libertad son los siguientes: Df = 1 + (2-1) + 3(3-1) = 8

El arreglo L8 no puede acomodar este diseo porque solo tiene columnas de 2 niveles, se requiere un arreglo mayor como el L9 que puede acomodar hasta 4 factores de tres niveles, de esta forma se puede utilizar una columna para el factor A en 2 niveles y los factores B, C, y D a otras 3 columnas como sigue: El arreglo L9 original es:

Pgina 28 de 65

DISEO ROBUSTO DE PRODUCTOS CON TAGUCHI

P. Reyes/Sept. 2007

L9 Exp. No. 1 2 3 4 5 6 7 8 9

Col.1 Col. 2 A B 1 1 1 2 1 3 2 1 2 2 2 3 3 1 3 2 3 3

Col. 3 C 1 2 3 2 3 1 3 1 2

Col. 4 D 1 2 3 3 1 2 2 3 1

En este caso los 1 indican que se asign el nivel 1 en lugar del nivel 3 en la columna 1, tambin se pudo haber asignado el nivel 2. El nivel seleccionado a duplicarse debe ser el nivel del cual nos gustara obtener ms informacin. Y el arreglo modificado queda como:

L9 Exp. No. 1 2 3 4 5 6 7 8 9

Col.1 Col. 2 A B 1 1 1 2 1 3 2 1 2 2 2 3 1 1 1 2 1 3

Col. 3 C 1 2 3 2 3 1 3 1 2

Col. 4 D 1 2 3 3 1 2 2 3 1

Por ejemplo en otro experimento se tiene un factor A en 3 niveles, 7 factores en 2 niveles B, C, D, E, F, G, H as como sus interacciones BC, DE y FG. Determinado los grados de libertad se tiene: Df = 1 + (3-1) + 7(2-1) + 3(2-1)(2-1) = 13

Pgina 29 de 65

DISEO ROBUSTO DE PRODUCTOS CON TAGUCHI

P. Reyes/Sept. 2007

El arreglo L16 tiene 16 corridas experimentales y puede acomodar hasta 15 factores de 2 niveles. La columna A se formar tomando 3 columnas que se pueden ser seleccionar de sus correspondientes grficas lineales.

El arreglo original es: L16 Exp. No. 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 1 1 1 1 1 1 1 1 1 2 2 2 2 2 2 2 2 2 1 1 1 1 2 2 2 2 1 1 1 1 2 2 2 2 3 1 1 1 1 2 2 2 2 2 2 2 2 1 1 1 1 4 1 1 2 2 1 1 2 2 1 1 2 2 1 1 2 2 5 1 1 2 2 1 1 2 2 2 2 1 1 2 2 1 1 6 1 1 2 2 2 2 1 1 1 1 2 2 2 2 1 1 7 1 1 2 2 2 2 1 1 2 2 1 1 1 1 2 2 8 1 2 1 2 1 2 1 2 1 2 1 2 1 2 1 2 9 1 2 1 2 2 1 2 1 2 1 2 1 2 1 2 1 10 1 2 1 2 2 1 2 1 1 2 1 2 2 1 2 1 11 1 2 1 2 2 1 2 1 2 1 2 1 1 2 1 2 12 1 2 2 1 1 2 2 1 1 2 2 1 1 2 2 1 13 1 2 2 1 1 2 2 1 2 1 1 2 2 1 1 2 14 1 2 2 1 2 1 1 2 1 2 2 1 2 1 1 2 15 1 2 2 1 2 1 1 2 2 1 1 2 1 2 2 1

Sus grficas lineales son las siguientes: 1 B(4) D(5) F(7) H(6)

BC(12)DE(15)FG(14)13

2 A

C(8)

E(10)

G(9)

11

Las columnas 1, 2 y 3 se pueden combinar para formar la columna A y todos los dems factores e interacciones. Despus se pude utilizar la tcnica de la variable artificial para acomodar al factor A.

Pgina 30 de 65

DISEO ROBUSTO DE PRODUCTOS CON TAGUCHI

P. Reyes/Sept. 2007

L16 Exp. No. 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16

1, 2, 3 A 1 1 1 1 2 2 2 2 3 3 3 3 1 1 1 1

4 B 1 1 2 2 1 1 2 2 1 1 2 2 1 1 2 2

5 D 1 1 2 2 1 1 2 2 2 2 1 1 2 2 1 1

6 H 1 1 2 2 2 2 1 1 1 1 2 2 2 2 1 1

7 F 1 1 2 2 2 2 1 1 2 2 1 1 1 1 2 2

8 C 1 2 1 2 1 2 1 2 1 2 1 2 1 2 1 2

9 G 1 2 1 2 2 1 2 1 2 1 2 1 2 1 2 1

10 E 1 2 1 2 2 1 2 1 1 2 1 2 2 1 2 1

11 e 1 2 1 2 2 1 2 1 2 1 2 1 1 2 1 2

12

13

14

15

BC e 1 1 2 2 1 1 2 2 1 1 2 2 1 1 2 2 1 2 2 1 1 2 2 1 2 1 1 2 2 1 1 2

FG DE 1 1 2 2 1 2 1 1 2 1 2 2 1 2 1 1 2 2 2 1 2 1 1 2 2 1 1 2 1 2 2 1

Mtodo del factor compuesto Este mtodo se usa cuando el nmero de factores excede al nmero de columnas en el arreglo ortogonal. Por ejemplo si se quieren 2 factores de 2 niveles A y B y 3 factores C, D y E en 3 niveles, y la direccin slo permite 9 experimentos. Suponiendo que se ha seleccionado el arreglo L9, slo 4 factores pueden asignados en el arreglo l9, de modo que estamos tratando de asignar estos factores de 2 niveles A y B en 1 columna de 3 niveles. Hay cuatro combinaciones para A y B: A1B1, A1B2, A2B1 y A2B2, dado que la columna tiene slo 3 niveles, slo se pueden seleccionar 3 combianciones tales como (AB)1 = A1B1, (AB)2 = A1B2 y (AB)3 = A2B1. El factor compuesto AB puede ser asignado a la columna de 3 niveles.

Pgina 31 de 65

DISEO ROBUSTO DE PRODUCTOS CON TAGUCHI

P. Reyes/Sept. 2007

El arreglo original es: L9 Exp. No. 1 2 3 4 5 6 7 8 9 Col.1 Col. Col. Col. 2 3 4 A B C D 1 1 1 2 2 2 3 3 3 1 2 3 1 2 3 1 2 3 1 2 3 2 3 1 3 1 2 1 2 3 3 1 2 2 3 1

El arreglo modificado queda como: L9 Exp. No. 1 2 3 4 5 6 7 8 9 Col.1 AB (AB)1 (AB)1 (AB)1 (AB)2 (AB)2 (AB)2 (AB)3 (AB)3 (AB)3 Col. Col. Col. 2 3 4 C D E 1 2 3 1 2 3 1 2 3 1 2 3 2 3 1 3 1 2 1 2 3 3 1 2 2 3 1

Se pierde cierta ortogonalidad, los factores compuestos no son ortogonales entre s, pero si lo son con los otros factores. Un ejemplo completo con una rplica se muestra a continuacin:

Pgina 32 de 65

DISEO ROBUSTO DE PRODUCTOS CON TAGUCHI

P. Reyes/Sept. 2007

Ejemplo 5: Diseo experimental L8 completo: 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 A B C D AxC AxB BxC

Descripcin Tensin del diafragma Entrada para aire Apertura para combustible Pequea Flujo de gasolina Lento Interaccin Interaccin Interaccin

Nivel alto Nivel bajo 1 2 Baja Alta Estrecha Abierta Grande Rpido

Grfica lineal que se desea es: A AxC C CxB Esta grfica se ajusta a la grfica lineal (1) del arreglo ortogonal L8, por lo que una asignacin apropiada de efectos es: L8 Col.1 Col. 2 A C 1 1 2 2 1 1 2 2 Col. 3 AxC 1 1 2 2 2 2 1 1 Col. 4 B 1 2 1 2 1 2 1 2 Col. Col. 5 6 AxB BxC 1 2 1 2 2 1 2 1 1 2 2 1 1 2 2 1 Col. 7 D 1 2 2 1 2 1 1 2 Tensin Tipo I Tipo I Tipo I Tipo I Tipo II Tipo II Tipo II Tipo II Apertura 5% 5% 10% 10% 5% 5% 10% 10% Entrada 10 seg 10 seg 15 seg 15 seg 15 seg 15 seg 10 seg 10 seg Flujo 3% 5% 3% 5% 3% 5% 3% 5% Yi 0.49 0.42 0.38 0.3 0.21 0.24 0.32 0.28 AxB B .D

Exp. No. 1 1 2 1 3 1 4 1 5 2 6 2 7 2 8 2 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.

Pgina 33 de 65

DISEO ROBUSTO DE PRODUCTOS CON TAGUCHI

P. Reyes/Sept. 2007

El anlisis utilizado ANOVA es:

A Nivel 1 36.2 Nivel 2 35.4 C 36.9 34.7 AxC 42.5 29.1 B 36.8 34.8 AxB 35.4 36.2 BxC 36.3 35.3 D 35.5 36.1

La tabla ANOVA que resulta es: Efecto A C AxC B AxB BxC D (e) Total SS 0.0800* 0.6050 22.4450 0.5000 0.0800* 0.1250 0.0450* 0.2050 3 23.8800 G.l. 1 1 1 1 1 1 1 0.0638 7 V 0.0800 0.6050 22.4450 0.5000 0.0800 0.1250 0.0450 Fexp 8.85 328.46 7.32 1.83

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: B1= B1 /4= 36.8/4= 9.20; B2 = B2/4=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:

Pgina 34 de 65

DISEO ROBUSTO DE PRODUCTOS CON TAGUCHI

P. Reyes/Sept. 2007

N 1 2 3 4 5 6 7 8

A 1 1 1 1 2 2 2 2

C 1 1 2 2 1 1 2 2

Yi 11.20 10.80 7.2 7.0 8.0 6.9 10.4 10.1

Siempre existirn entre dos columnas cuatro posibles combinaciones de nmeros: 1 1; 1 2; 2 1; 2 2

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 A1 C1 A1 C2 A2 C1 A2 C2 22.0 14.2 14.9 20.5 Promedio 11.00 7.10 7.45 10.25 Como es un caso mejor, se selecciona el promedio menor, A1 C2 en este caso.

Graficando estos promedios se tiene que:

11.0 10.0 9.00 8.00 7.00 A1 A2

Pgina 35 de 65

DISEO ROBUSTO DE PRODUCTOS CON TAGUCHI

P. Reyes/Sept. 2007

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 A1C2 = (A1C2 - Y) (A1 Y) - (C2 - 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 B2= B2 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 A1 C2 + EF A1 + EF C2 + EF B2 = 8.95 + (-1.675) + (9.05 8.95) + (8.675 8.95) + (-0.25)= 6.85 Anlisis de datos experimentales de Taguchi Hay muchas similaridades entre el anlisis de experimentos de Taguchi y el mtodo clsicoEn el mtodo Taguchi lo siguiente es muy importante: 1. Anlisis de varianza 2. Grfica de efectos principales y grfica de interacciones. 3. Optimizacin y prediccin de la respuesta esperada.

Anlisis de varianza - ANOVA No hay diferencia real entre el ANOVA clsico y el de Taguchi. Primero se determinan las sumas de cuadrados (SS), despus los cuadrados medios (MS) dividiendo los SS entre los grados de libertad correspondientes.. En Taguchi la prueba F no es tan importante como en el mtodo clsico, algunas veces la importancia relativa de cada factor se determina por su porcentaje de contribucin a la suma de cuadrados total. Para cada columna, la suma de cuadrados es:

Pgina 36 de 65

DISEO ROBUSTO DE PRODUCTOS CON TAGUCHI

P. Reyes/Sept. 2007

SS =

k k T2 2 T t Nxn Nxn t =1

Donde: K = nmero de niveles Tt = Suma de respuestas en el nivel t N = Nmero total de corridas experimentales n = Nmero de rplicas Ejemplo 8: Uso de Minitab Se estudia el efecto de varios factores en la porosidad: Factores A Temperatura Molde B Temperatura qumico C Rendimiento E ndice G Tiempo de curado Bajo del A1 del B1 C1 D1 G1 B2 C2 D2 G2 A2 Alto

Se deben considerar las interacciones AB y BD. L8 Col.1 Col. 2 Exp. No. A B 1 1 1 2 1 1 3 1 2 4 1 2 5 2 1 6 2 1 7 2 2 8 2 2 Col. 3 AxB 1 1 2 2 2 2 1 1 Col. 4 D 1 2 1 2 1 2 1 2 Col. 5 E 1 2 1 2 2 1 2 1 Col. 6 BD 1 2 2 1 1 2 2 1 Col. 7 G 1 2 2 1 2 1 1 2 Porosidad Y1 26 16 3 18 0 0 4 5

Y2 38 6 17 16 5 1 5 3

Entonces se determina SSA:

SS A =

2 T2 2 2 (TA 1 + TA 2 ) 8x2 8x2

TA1 = 26 + 38 + 16 + 6 + 3 + 17 = 140 T = suma total = 163

TA2 = 0 + 5 + 0 + 1 + 4 + 5 + 5 + 3 = 23

Pgina 37 de 65

DISEO ROBUSTO DE PRODUCTOS CON TAGUCHI

P. Reyes/Sept. 2007

SSA = 2/16 ( 140^2 + 23^2 ) 163^2 / 16 = 27.56 De manera similar: SSB = 27.56 SSAB = 115.56 SSE = 33.06 SSBD = 217.56 SSG = 175.56
2 SST = y ij i =1 j =1 N n

T2 Nxn

SST = (26^2+38^2+.+5^2+3^2)-163^2/16 = 1730.44 De Minitab se tiene: General Linear Model: Y1 versus A, B, D, E, G Factor A B D E G Type fixed fixed fixed fixed fixed Levels 2 2 2 2 2 Values 1, 2 1, 2 1, 2 1, 2 1, 2

Analysis of Variance for Y1, using Adjusted SS for Tests Model Source A B D E G A*B B*D Error Total DF 1 1 1 1 1 1 1 8 15 Reduced DF 1 1 1 1 1 1 0+ 9 15 Seq SS 855.56 27.56 68.06 33.06 175.56 115.56 0.00 455.06 1730.44 % de contribucin 49.44% 1.59% 3.93% 1.91% 10.15% 6.68% 10.15% 13.72%

Rank deficiency due to empty cells, unbalanced nesting, collinearity, or an undeclared covariate. No storage of results or further analysis will be done.

S = 7.11073 R-Sq = 73.70% R-Sq(adj) = 56.17%

En Taguchi normalmente se utilizan los porcentajes de las contribuciones de las sumas de cuadrados para evaluar la importancia relativa de cada efecto, como sigue:

Pgina 38 de 65

DISEO ROBUSTO DE PRODUCTOS CON TAGUCHI

P. Reyes/Sept. 2007

SST = SSA + SSB + SSAB + SSD + SSE + SSBD + SSG + SSerror

SSA SSB SSerror + + ...... + = 100% SST SST SST Los efectos que tienen el porcentaje de contribucin ms alto se consideran que tienen ms influencia en la respuesta, en este caso: A BD G AB con 49% con 12.57% con 10.15% con 6.68%.

Grficas factoriales de efectos principales y de interacciones. Se calculan los promedios de las respuestas correspondientes a cada nivel o combinacin de factores, se ilustra con el ejemplo: Para las grficas de efectos principales e interacciones se calculan los promedios en cada nivel de cada factor:

Y A1 = Y A2

26 + 38 + 16 + 6 + 3 + 17 + 18 + 16 = 17.5 8 0 + 5 + 0 +1 + 4 + 5 + 5 + 3 = = 2.875 8

Y as se calculan los promedios para los otros factores. Least Squares Means for Y1 Mean A 1 2 B 1 2 AxB 1 2 D 1 2 E 17.500 2.875 11.500 8.875 12.875 7.500 12.250 8.125 1.926 1.926 1.926 1.926 1.926 1.926 1.926 1.926 SE Mean

Pgina 39 de 65

DISEO ROBUSTO DE PRODUCTOS CON TAGUCHI

P. Reyes/Sept. 2007

1 2 BD 1 2 G 1 2

11.625 8.750 13.875 6.500 13.500 6.875

1.926 1.926 1.926 1.926 1.926 1.926

Main Effects Plot (data means) for Means

A 15 B D

10

Mean of Means

5 1 E 15 2 1 G 2 1 2

10

5 1 2 1 2

Para el caso de la interaccin significativa BD se analiza la respuesta promedio en cada una de sus diferentes combinaciones:

YB1D1 = YB1D 2 YB 2 D1 YB 2 D 2

26 + 38 + 0 + 5 = 17.25 4 16 + 6 + 0 + 1 = = 5.75 4 3 + 17 + 4 + 5 = = 7.25 4 18 + 16 + 5 + 3 = = 10.5 4

Obteniendo la siguiente grfica de interaccin:

Pgina 40 de 65

DISEO ROBUSTO DE PRODUCTOS CON TAGUCHI

P. Reyes/Sept. 2007

Interaction Plot (data means) for Means

1 20 2

A 1 2
A

10

0 20

B 1 2

10

0 20

E 1 2
E

10

0 1 2 1 2

Optimizacin y prediccin de la respuesta esperada La Optimizacin implica encontrar la combinacin de los niveles de los factores significativos que proporcione la respuesta ptima, la cual depende del objetivo buscado: Menor es mejor (como en el ejemplo) Mayor es mejor Nominal es mejor

De la grfica anterior, se observa que A y G deben estar en nivel 2, B debe estar en 1 y D en nivel 2. La prediccin de la respuesta de este problema es:

y = y A 2 + y G 2 + y B1D 2 2T T = T /( Nn)

Yest = 2.875 + 6.875 + 5.75 3x10.188 + 10.188 = -4.873

Ejemplo 6: Experimentos con 3 niveles Tres fertilizantes se aplican a la soya (N, P2O5) y K2O), la respuesta de inters es el rendimiento promedio en Kg. Por rea, los factores son asignados como sigue:

Pgina 41 de 65

DISEO ROBUSTO DE PRODUCTOS CON TAGUCHI

P. Reyes/Sept. 2007

Factores A Nitrgeno B cido fosfrico C Potasa

1 0.5 0.03 0.04

Niveles 2 1 0.6 0.7

3 1.5 0.9 1

Se usa el arreglo L9 con un arreglo como el siguiente: L9 Exp. No. 1 2 3 4 5 6 7 8 9 Col.1 A 1 1 1 2 2 2 3 3 3 Col. 2 B 1 2 3 1 2 3 1 2 3 Col. 3 e 1 2 3 2 3 1 3 1 2 Col. 4 C 1 2 3 3 1 2 2 3 1 Respuesta Rendim. 8 12 9 11 12 15 21 18 20

Otra vez utilizando las frmulas:

SS =

k k T2 2 T t Nxn t =1 Nxn

2 SST = y ij i =1 j =1

T2 Nxn

Se obtienen los resultados siguientes: SSA = 158 SSB = 2.667 SSC = 18.667 SST = 180 Los porcentajes de contribucin de cada factor son: A C B con 87.78% con 10.37% con 1.48%

Pgina 42 de 65

DISEO ROBUSTO DE PRODUCTOS CON TAGUCHI

P. Reyes/Sept. 2007

Para la obtencin de las grficas factoriales se estiman los promedios en los diferentes niveles de los factores como sigue:
Y A1 = YA2 Y A3 8 + 12 + 9 = 9.67 3 11 + 12 + 15 = = 12.67 3 21 + 18 + 20 = = 19.67 3

Se sigue el mismo procedimiento para el caso de B y C. Response Table for Means Level A B C 1 9.667 13.333 13.333 2 12.667 14.000 16.000 3 19.667 14.667 12.667 Delta 10.000 1.333 3.333 Rank 1 3 2

Main Effects Plot (data means) for Means

20.0 17.5 15.0 A B

5. DE

DISEO

Mean of Means

12.5 10.0 1 20.0 17.5 15.0 12.5 10.0 1 2 3 2 C 3 1 2 3

PARMETROS CON ANLISIS DE SEAL A RUIDO

El objetivo fundamental de la ingeniera de calidad, es disear productos y procesos robustos, esto es, que consistentemente realicen la funcin que deben hacer con poca variabilidad, a pesar del impacto de factores de ruido o no controlables. Se mencion tambin, que 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.

Pgina 43 de 65

DISEO ROBUSTO DE PRODUCTOS CON TAGUCHI

P. Reyes/Sept. 2007

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.

Factores controlables x1 x2 x3 x4 ... xp

Entradas

Proceso

Salida y

z1 z2 z3 z4 ... zq Factores incontrolables

Fig. 1.1 Figura 1. Modelo general de un proceso o sistema

Esto quiere decir que en lugar de tratar de eliminar un factor de ruido (variabilidad en la materia prima del proveedor, por ejemplo) deseamos identificar factores que controlamos (velocidad de alimentacin, por ejemplo) y fijarlos a un nivel tal, que el impacto de los factores de ruido sean mnimos.

Dentro de los factores de diseo a su vez, recuerde que estamos interesados en identificar diferentes tipos de factores. Un estudio en el cual se desarrolla un anlisis de este tipo, se llama anlisis seal ruido o diseo directo de productos. El estudio procede como sigue: 1. Dentro de los factores a estudiar, separe los de ruido y los de diseo o control. 2. Dentro de los factores de diseo, identifique aquellos que afectan la variabilidad del proceso. Utilcelos para minimizar la variabilidad. 3. Dentro de los factores de diseo, identifique aquellos que afectan la media, sin afectar la variabilidad. Utilcelos para optimizar la media. 4. Identifique aquellos factores de diseo que no afectan ni media ni variabilidad. Utilcelos para reducir costos.

Pgina 44 de 65

DISEO ROBUSTO DE PRODUCTOS CON TAGUCHI

P. Reyes/Sept. 2007

Para ilustrar lo anterior, suponga que la temperatura afecta la variabilidad del proceso, y la presin afecta la media del proceso, pero sin afectar la variabilidad. Si inicialmente estamos en el nivel 1 de cada factor, la situacin es:

Temperatura a su nivel I Presin a su nivel I

LIE

LSE

Si la temperatura se fija a su nivel 2 afectando la variabilidad, obtenemos:

LIE

LSE

Si la presin, que afecta la media sin afectar la variabilida, la variamos a su nivel de dos, obtenemos:

LIE

LSE

Por lo tanto, podemos utilizar la presin, manteniendo la temperatura a su nivel II, para ajustar o sincronizar la media. ndices seal ruido

Una vez que podemos medir la caracterstica de calidad que nos interesa, podemos evaluar su media y su variabilidad. La media la podemos evaluar directamente, usando una lectura o el promedio si son varias lecturas.

Pgina 45 de 65

DISEO ROBUSTO DE PRODUCTOS CON TAGUCHI

P. Reyes/Sept. 2007

Para medir la variabilidad de una caracterstica de calidad, se requiere de varias lecturas, y se tienen diferentes opciones, el rango y la varianza son las medidas ms populares.

Sin embargo, 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.

La forma de calcular el ndice SN depende del tiempo de caracterstica de que se trate. SIN EMBARGO, 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:

Caso nominal es mejor Suponga que se tienen r lecturas, y1,y2,y3,yr, el ndice SN a utilizar es: SN= 10 log [ ( Sm Vm ) / ( r )(Vm ) ] donde Sm= (y1 + y2 + y3 +,yr,)2/r Vm=

[( y

+ y2 + y3 ... + yr Sm / ( r 1)
2 2 2

reconocer a Vm como la varianza de los r datos. Sn estima el logaritmo de base 10 de la relacin (media/desviacin estndar)2. La funcin de prdida para nominal es mejor es:
L(Y )=k ( T ) 2 + k 2

1 n = yi n i =1
2 =s =

1 n ( yi y ) 2 n 1 i =1

Para un grupo de caractersticas dadas, y1, y2, ., yn, la relacin seal a ruido S/N es:

Pgina 46 de 65

DISEO ROBUSTO DE PRODUCTOS CON TAGUCHI

P. Reyes/Sept. 2007

2 S / N =10 log 2

y2 = 10 log s2

y = 20 log s

Caso menor es mejor La funcin de prdida est dada por:

L(Y ) = kE (Y 2 )
Para un grupo de caractersticas dadas, y1, y2, ., yn, el estimador estadstico de E(Y2) es:

MSD =

1 n 2 yi n i =1

MSD = Mean squared deviation = Desviacin cuadrtica promedio con relacin a la media. La relacin seal a ruido correspondiente es:

1 n 2 S / N = 10 log y i n i =1
Esta cantidad estima el logaritmo de base 10 de (media2 + varianza). Maximizar la relacin S/N equivale a minimizar la funcin de prdida.

Caso mayor es mejor La funcin de prdida est dada por:

1 L(Y ) = kE 2 Y
Para un grupo de caractersticas dadas, y1, y2, ., yn, el estimador estadstico de E(1/Y2) es:

MSD =

1 n 1 n i =1 y i2

La relacin seal a ruido S/N correspondiente es:

1 n 1 S / N = 10 log n y2 i =1 i
Esta cantidad funciona de una manera similar al caso anterior, pero con el inverso. Maximizar una cantidad es equivalente a minimizar la funcin de prdida.

Pgina 47 de 65

DISEO ROBUSTO DE PRODUCTOS CON TAGUCHI

P. Reyes/Sept. 2007

El uso de logaritmos pretende hacer la respuesta ms lineal y el signo negativo es para que siempre se maximize el ndice SN. Se multiplica por 10 para obtener decibeles. Taguchi propone un procedimiento de optimizacin en dos pasos: 1. Ajustar los parmetros de diseo para maximizar la relacin S/N. 2. Identificar otros parmetros de diseo que no afecten la relacin S/N pero que si tengan efecto en la media de Y, E(Y), el cual es el parmetro de ajuste al a media, y utilizarlo para ajustar la media del proceso a su media meta de acuerdo a especificaciones.

Pgina 48 de 65

DISEO ROBUSTO DE PRODUCTOS CON TAGUCHI

P. Reyes/Sept. 2007

Diseo de parmetros con anlisis seal a ruido

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.

Caso nominal es mejor:

Los pasos del diseo de parmetros es como sigue: 1. Seleccionar una caracterstica de calidad de salida a ser optimizada. 2. Seleccionar factores de control y sus niveles, identificando interacciones. 3. Seleccionar los factores de ruido y sus niveles; si son demasiados combinarlos en dos o tres factores combinados. 4. Seleccionar los arreglos interno y externo adecuados; asignar los factores de control al arreglo interno y los factores de ruido al arreglo externo. 5. Realizar los experimentos. 6. Realizar anlisis estadstico con base en S/N para identificar los niveles de los factores de control ptimos Algunas veces ayuda realizar un estudio de la interaccin entre factores de control y de ruido. 7. Realizar anlisis estadstico con base en las medias para identificar los niveles de los factores de control ptimos que ajustan a la respuesta promedio en el nivel deseado. Si hay conflicto entre los niveles de los factores para maximizar la relacin S/N y ajustar la media, dar prioridad a los que sirven para maximizar la relacin S/N. 8. Predecir el desempeo de salida ptimo con base en una combinacin ptima de niveles de factores de control y realiza un experimento confirmatorio. sus posibles

La metodologa en detalle se muestra mediante el ejemplo siguiente:

Pgina 49 de 65

DISEO ROBUSTO DE PRODUCTOS CON TAGUCHI

P. Reyes/Sept. 2007

Ejemplo: Caso nominal es mejor

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 A B C D G H AxC AxD

Descripcin Temperatura del horno Presin de prensado Velocidad de recocido Velocidad de alimentacin ref. Tipo de modelo Templabilidad del material Interaccin Interaccin

Nivel 1 1500 F 200 psi 8 seg 80 gal/min chico 25 Rc

Nivel 2 1600 F 220 psi 12 seg 100gal/min grande 30 Rc

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.

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

Pgina 50 de 65

DISEO ROBUSTO DE PRODUCTOS CON TAGUCHI

P. Reyes/Sept. 2007

5 A xC 4 C AxD 6 7D La columna correspondiente a la lnea punteada se utilizar para cuantificar el error. Una posible asignacin es:

A 1

B 2

e 3

C 4

AxC 5

AxD 6

D 7

Este ser el arreglo interno y consiste de 8 condiciones experimentales/renglones

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 N 1 2 3 4 1 1 1 2 2 H 2 1 2 1 2 3 1 2 1 1

Observe que no se asigna efecto alguno a la columna 3, la cual queda libre.

Pgina 51 de 65

DISEO ROBUSTO DE PRODUCTOS CON TAGUCHI

P. Reyes/Sept. 2007

Arreglo total Los dos arreglos anteriores se mezclan o combinan en un solo arreglo total, tal y como se muestra: 1 H G N 1 2 3 4 5 6 7 8 1 1 1 1 1 2 2 2 2 A B 2 1 1 2 2 1 1 2 2 e 3 1 1 2 2 2 2 1 1 C 4 1 2 1 2 1 2 1 2 AxC 5 1 2 1 2 2 1 2 1 AxD 6 1 2 2 1 1 2 2 1 D 7 1 2 2 1 2 1 1 2 1 1 1 Y11 Y21 Y31 Y41 Y51 Y61 Y71 Y81 2 2 1 2 Y12 Y22 Y32 Y42 Y52 Y62 Y72 Y82 2 1 2 3 Y13 Y23 Y33 Y43 Y53 Y63 Y73 Y83 1 2 2 4 Y14 Y24 Y34 Y44 Y54 Y64 Y74 Y84

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 Y11, Y12, Y13, Y14 . 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, Y12, Y13, Y14 se toman a los mismos niveles de los factores de diseo, cada una se toma a diferentes niveles de los factores de ruido.

Pgina 52 de 65

DISEO ROBUSTO DE PRODUCTOS CON TAGUCHI

P. Reyes/Sept. 2007

En resumen se tiene: Todos los factores de diseo a su nivel 1 Temperatura 1500 F Presin de 200 Psi, 8 seg de tiempo de recorrido y velocidad de alimentacin refrigerante 80 gal/min Lectura Y11 Y12 Y13 Y14 Factores de ruido Modelo chico y 25 Rc Modelo chico y 30 Rc Modelo grande y 25 Rc Modelo grande y 30 Rc

De acuerdo con esto, se toman las primeras cuatro lecturas.

En seguida deseamos obtener las lecturas Y21 , Y22

, Y23 , Y24. 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 Y73 , 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.

Pgina 53 de 65

DISEO ROBUSTO DE PRODUCTOS CON TAGUCHI

P. Reyes/Sept. 2007

Las 32 lecturas son las siguientes: 1 1 L8 Col.1 Col. 2 Exp. A B 1 1 1 2 1 1 3 1 2 4 1 2 5 2 1 6 2 1 7 2 2 8 2 2 Col. 3 e 1 1 2 2 2 2 1 1 Col. 4 C 1 2 1 2 1 2 1 2 Col. 5 AxC 1 2 1 2 2 1 2 1 Col. 6 AxD 1 2 2 1 1 2 2 1 Col. 7 D 1 2 2 1 2 1 1 2 1 y1 1.1 1.2 2.0 2.1 1.0 1.2 1.6 1.5 11.7 2 2 1 y2 1.2 1.3 2.1 2.2 1.4 1.3 2.1 2.0 13.6 2 1 2 y3 1.3 1.2 2.2 2.1 1.2 1.5 2.4 2.3 14.2 1 2 2 y4 1.1 1.3 2.1 2.0 1.3 1.0 2.0 2.5 13.3 H G Total 4.7 5.0 8.4 8.4 4.9 5.0 8.1 8.3 52.8

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 ndice S/N 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: L8 Col.1 Col. 2 Exp. A B 1 1 1 2 1 1 3 1 2 4 1 2 5 2 1 6 2 1 7 2 2 8 2 2 Col. 3 e 1 1 2 2 2 2 1 1 Col. 4 C 1 2 1 2 1 2 1 2 Col. 5 AxC 1 2 1 2 2 1 2 1 Col. 6 AxD 1 2 2 1 1 2 2 1 Col. 7 D 1 2 2 1 2 1 1 2 Total

y1 1.1 1.2 2.0 2.1 1.0 1.2 1.6 1.5 11.7

y2 1.2 1.3 2.1 2.2 1.4 1.3 2.1 2.0 13.6

y3 1.3 1.2 2.2 2.1 1.2 1.5 2.4 2.3 14.2

y4 1.1 1.3 2.1 2.0 1.3 1.0 2.0 2.5 13.3

Total 4.7 5.0 8.4 8.4 4.9 5.0 8.1 8.3 52.8

Pgina 54 de 65

DISEO ROBUSTO DE PRODUCTOS CON TAGUCHI

P. Reyes/Sept. 2007

En Minitab se genera el arreglo: Stat > DOE > Taguchi Create Taguchi Design > 2 leveles > 4 factors Factors A col. 1; B col. 2; C col. 4; D col. 7 To allow estimation of interactions AxC AxD OK --- modificar las columnas para C y D a que correspondan a las anteriores:

L8 Exp. 1 2 3 4 5 6 7 8 A 1 1 1 1 2 2 2 2 B 1 2 2 1 1 2 2 1 C 1 2 1 2 1 2 1 2 D 1 2 2 1 2 1 1 2 y1 1.1 1.2 2 2.1 1 1.2 1.6 1.5 y2 1.2 1.3 2.1 2.2 1.4 1.3 2.1 2 y3 1.3 1.2 2.2 2.1 1.2 1.5 2.4 2.3 y4 1.1 1.3 2.1 2 1.3 1 2 2.5

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 S/N, 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 [ ( Sm Vm ) / ( r * Vm ) ] ; donde Sm= ( Yi ) / r y Vm=

2

(Y

Sm / ( r 1)

Pgina 55 de 65

DISEO ROBUSTO DE PRODUCTOS CON TAGUCHI

P. Reyes/Sept. 2007

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= [ (1.12+1.22+1.32+1.12) 5.5225 ]/ (4-1) =[ 5.55 5.5225] / 3 = 0.00916 SN= 10 log

[ ( 5.5225 0.00916) / ( 4 * 0.00916) ] = 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= (1.22 + 1.32 + 1.22 + 1.32 6.2500)/3= 0.0033 SN= 10 log

[ ( 6.2500 0.0033) / ( 4 * 0.0033) ]

= 26.7071

Los ocho ndices son:

N 1 2 3 4 5 6 7 8 Sm 5.5225 6.2500 17.6400 17.6400 6.0025 6.2500 16.4025 17.2225 Vm 0.00916 0.00333 0.00666 0.00666 0.02916 0.04333 0.10916 0.18916 Sn (dB) 21.771 26.707 28.203 28.203 17.092 15.539 15.718 13.524

Nuestro arreglo es ahora:

Pgina 56 de 65

DISEO ROBUSTO DE PRODUCTOS CON TAGUCHI

P. Reyes/Sept. 2007

A
N 1 2 3 4 5 6 7 8 1 1 1 1 1 2 2 2 2

B
2 1 1 2 2 1 1 2 2

e
3 1 1 2 2 2 2 1 1

C
4 1 2 1 2 1 2 1 2

AxC
5 1 2 1 2 2 1 2 1

AxD
6 1 2 2 1 1 2 2 1

D
7 1 2 2 1 2 1 1 2

SN
dB 21.771 26.707 28.203 28.203 17.092 15.539 15.718 13.524

Para el factor A se tiene: A1 = Total de las lecturas tomadas bajo el nivel 1 del factor A = 21.7714+26.7071+28.2036+28.2036= 104.8857

A2

= Total de las lecturas tomadas bajo el nivel 2 del factor A =17.0927+15.5397+15.7186+13.5420= 61.8750

SSA

= (A2 A1)^2 /Nmero total de lecturas SN =(61.8750 107.8857)2/8= 231.2413, con 1 g.l.

La tabla ANOVA total es: Factor A B C AxC AxD D e SS 231.2413 2.5751 1 0.1764 1 9.4284 1 3.8880 1 2.3047 1 16.0135 Gl 1 2.5751 0.1764 9.4284 3.8880 2.3047 1 V 231.2413 00.16 00.01 00.59 00.24 00.14 16.0135 Fexp 14.44

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:

Pgina 57 de 65

DISEO ROBUSTO DE PRODUCTOS CON TAGUCHI

P. Reyes/Sept. 2007

A1 A2

= SN promedio= 104.8857/4= 26.22 = 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 los promedios 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 N 1 2 3 4 5 6 7 8 B e 1 1 1 1 1 2 2 2 2 C AxC AxD D 2 1 1 2 2 1 1 2 2 3 1 1 2 2 2 2 1 1 4 1 2 1 2 1 2 1 2 5 1 2 1 2 2 1 2 1 6 1 2 2 1 1 2 2 1 7 1 2 2 1 2 1 1 2 1 2 3 4 Total 4.7 5.0 8.4 8.4 4.9 5.0 8.1 8.3 Promedio 1.175 1.250 2.100 2.100 1.225 1.250 2.025 2.075 13.200

1.1 1.2 1.3 1.1 1.2 1.3 1.2 1.3 2.0 2.1 2.2 2.1 2.1 2.2 2.1 2.0 1.0 1.4 1.2 1.3 1.2 1.3 1.5 1.0 1.6 2.1 2.4 2.0 1.5 2.0 2.3 2.5

Totales

Considerando nicamente los promedios, tendremos un arreglo L8 con una lectura. El anlisis en base a los promedios es: A1 = Total de las lecturas tomadas bajo el nivel 1 del factor A =1.175+1.250+2.100+2.100= 6.625 A2 = Total de las lecturas tomadas bajo el nivel 2 del factor A = 1.225+1.250+2.075+2.025= 6.575

Pgina 58 de 65

DISEO ROBUSTO DE PRODUCTOS CON TAGUCHI

P. Reyes/Sept. 2007

SSA

= (A2 A1) 2 /Nmero total de lecturas SN = (6.625 6.575)2/8= 0.0003

Similarmente para el factor B se tiene B1 B2 SSB = 1.175+1.250+1.225+1.250= 4.900 = 2.100+2.100+2.025+2.075= 8.300 = (B2 - B1 )2/8= (4.900-8.300) 2/8= 1.4450

Y as sucesivamente SSC SSD = 0.0028 , SSAxC= 0.0000, SSAxD= 0.0003 = 0.0013 , SSe= 0.0028

La tabla ANOVA es: Efecto A B C AxC AxD D e Totales SS G.l. 0.0003 1 1.4450 1 0.0028 1 0.0000 1 0.0003 1 0.0013 1 0.0028 1 1.4525 8 V 0.0003 1.4450 0.0028 0.0000 0.0003 0.0013 0.0028 Fexp 0.11 513.75 1.00 0.00 0.11 0.44

Analysis of Variance for Means Source A B C D A*C A*D Residual Error Total DF 1 1 1 1 1 1 1 7 Seq SS 0.00031 0.00031 0.00281 0.00281 1.44500 0.00000 0.00125 1.45250 Adj SS 0.00031 0.00031 0.00281 0.00281 1.44500 0.00000 0.00125 Adj MS 0.00031 0.00031 0.00281 0.00281 1.44500 0.00000 0.00125 F 0.25 0.25 2.25 2.25 1156.00 0.00 P 0.705 0.705 0.374 0.374 0.019 1.000

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.

Pgina 59 de 65

DISEO ROBUSTO DE PRODUCTOS CON TAGUCHI

P. Reyes/Sept. 2007

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:

B1 = 4.9/4= 1.225; B2= 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

2.0

1.5
1.0 B 200 220

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:

A1 A2

= (21.7714+26.7071+28.2036+28.2036)/4= 26.2214 = (17.0927+15.5397+15.7186+13.5240)/4= 15.4687

Pgina 60 de 65

DISEO ROBUSTO DE PRODUCTOS CON TAGUCHI

P. Reyes/Sept. 2007

Para promedio de lecturas individuales se tiene: A1 = 6.625/4= 1.6562; A2= 6.575/4= 1.6437

En resumen, los promedios para todos los factores son: Nivel A1 A2 B1 B2 C1 C2 D1 D2 (AxC) (AxC) (AxD) (AxD) SN promedio 26.22 15.47 20.38 21.41 20.71 20.99 20.31 21.38 19.76 21.93 20.15 21.54 Y promedio 1.6 1.6 1.2 2.0 1.6 1.6 1.6 1.6 1.6 1.6 1.6 1.6

Response Table for Signal to Noise Ratios Nominal is best (10*Log(Ybar**2/s**2)) Level A B C D 1 26.22 20.17 19.45 20.71 2 15.50 21.56 22.27 21.01 Delta 10.72 1.39 2.82 0.30 Rank 1 3 2 4 Response Table for Means Level A B C D 1 1.656 1.644 1.631 1.631 2 1.644 1.656 1.669 1.669 Delta 0.013 0.012 0.038 0.038 Rank 3 4 1.5 1.5 Las 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

Pgina 61 de 65

DISEO ROBUSTO DE PRODUCTOS CON TAGUCHI

P. Reyes/Sept. 2007

afecta la respuesta promedio sin afectar el ndice SN, la respuesta promedio aumenta al aumentar el factor B de su nivel 1 al 2.

Main Effects Plot (data means) for SN ratios

A 25.0 22.5 B

Mean of SN ratios

20.0 17.5 15.0 1 C 25.0 22.5 20.0 17.5 15.0 1 2 1 2 2 1 D 2

Signal-to-noise: Nominal is best (10* Log(Ybar* * 2/s* *2))

Main Effects Plot (data means) for Means

1.67 1.66 1.65 A B

Mean of Means

1.64 1.63 1 1.67 1.66 1.65 1.64 1.63 1 2 1 2 C 2 1 D 2

Pgina 62 de 65

DISEO ROBUSTO DE PRODUCTOS CON TAGUCHI

P. Reyes/Sept. 2007

I nteraction Plot (data means) for SN ratios

1 2

25 20 15 25 C 20 15 25 20 15 1 2 1 2 D A

A 1 2

C 1 2

D 1 2

Signal-to-noise: Nominal is best (10* Log(Ybar* * 2/s* * 2))

Interaction Plot (data means) for Means

1 2.0 2

A 1 2
A

1.6

1.2 2.0

C 1 2

1.6

1.2 2.0

D 1 2
D

1.6

1.2 1 2 1 2

Conclusiones generales del experimento De acuerdo con los resultados que se han obtenido de los anlisis, las conclusiones generales son:

Pgina 63 de 65

DISEO ROBUSTO DE PRODUCTOS CON TAGUCHI

P. Reyes/Sept. 2007

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.

En cuanto a la funcin de prdida se tiene lo siguiente:

Suponga que se incurre en un costo de $8,000. Cuando la desviacin del valor objetivo es de 0.5 mmpl. Adems suponga que el nivel 1 de todos los factores representa la situacin actual. De acuerdo con estos datos la funcin de prdida indica un valor de:

L(y)= k 2 + d 2 ; donde K= 8000/.52= 32000

SI el proceso se encuentra actualmente con todos los factores a su nivel 1, esta situacin est representada por las cuatro lecturas del rengln 1. Por lo tanto, Vm para el rengln 1 estima la varianza y es:

Vm= 2 = 0.00916

La media estimada es (1.1+1.2+1.3+1.1)/4= 1.175 y; d2= (2.0-1.175)2= 0.680625

L(y)= 32000(0.00916+0.680625)= 22073.124/unidad Si se fijan el factor A a su nivel 1 y B a su nivel 2, se tienen dos renglones en el experimento bajo esta condicin, (ignorando el resto de los factores que no afectan) que son el N3 y el N4. Los datos son: 2.0, 2.1, 2.2, 2.1, 2.1, 2.2, 2.1 y 2.0, por lo tanto se tendr que para esta nueva condicin:

Y= 2.1 ; 2 = 0.005714

Pgina 64 de 65

DISEO ROBUSTO DE PRODUCTOS CON TAGUCHI

P. Reyes/Sept. 2007

L(y)= 32000 ( 0.005714 + (2-2.1)2) = 502.85 $/unidad

Por lo tanto, se tendr un ahorro de 22073.12 502.85= $21,570.3 por cada unidad de producto.

En caso de que no se tenga ningn rengln bajo las condiciones propuestas, recuerde que se puede estimar el valor tanto del promedio como del ndice S/N tal y como se mostr en captulos anteriores.

Sin embargo, en cualquier caso, es recomendable el ejecutar una corrida de confirmacin antes de aceptar la propuesta de una forma definitiva.

Pgina 65 de 65