“Año de la lucha contra la corrupción e impunidad”

UNIVERSIDAD NACIONAL MAYOR DE

SAN MARCOS

(UNIVERSIDAD DEL PERÚ, DECANA DE AMERICA)

FACULTAD DE INGENIERÍA INDUSTRIAL
E.A.P. INGENIERÍA INDUSTRIAL

Método Taguchi

CURSO:
Control de Calidad
PROFESOR:
Morales Da Costa, Oscar Abraham
INTEGRANTES:

- MENDOZA HOYOS, Sandy Mireya (17170039)

- PANDURO RUÍZ, Fray Edgar (17170027)
- SÁNCHEZ QUISPE, Josselyn Alejandra (17170097)
- HINOJOSA VILLEGAS, César (14170231)
Tabla de contenido
I. Introducción............................................................................................................................... 4

II. Objetivos ..................................................................................................................................... 5

III. Filosofía Taguchi..................................................................................................................... 5

3.1. Los principios básicos ....................................................................................................... 5

3.2. La filosofía de la calidad de Taguchi ............................................................................... 7

3.3. Control de la calidad “en línea” y “fuera de la línea” (on-line y off-line) .................... 7

IV. Aportes de Taguchi a la calidad ......................................................................................... 11

4.1. Función Pérdida de Calidad: ................................................................................................. 12

V. Variabilidad funcional y producto robusto ................................................................................ 19

VI. Fases de diseño de un producto ............................................................................................. 25

VII. Optimización del diseño del proceso ................................................................................ 27

a.1) Arreglo ortogonal .................................................................................................................. 27

a.2) SEÑAL-RUIDO......................................................................................................................... 32

a.3) Arreglos ortogonales con factores de ruido ......................................................................... 33

INGENIERIA DE CALIDAD .......................................................................................................... 35

MÉTODOS “Off-LINE” ................................................................................................................... 35

MÉTODOS “Off-LINE” ................................................................................................................... 35

LIMITACIONES ................................................................................................................................... 36

Caso pop corn.................................................................................................................................... 38

Conclusiones ..................................................................................................................................... 55
Bibliografía ....................................................................................................................................... 57
 I. Introducción

Genichi taguchi hace una contribución orientada a los procesos a partir del desarrollo de

sus propios métodos estadísticos, con los cuales aporta al incremento de la productividad y

a la calidad en la industria. Hace énfasis en la oferta de productos y sostiene que las

empresas deben ofrecer productos mucho mejores que sus competidores (en diseño y

precio), que sean atractivos para el cliente y con un mínimo de variación entre sí. Es el

autor del diseño robusto, a través del cual se exceden las expectativas de la calidad para la

satisfacción del cliente, haciendo mayor énfasis en las necesidades que le interesan al

consumidor, ahorrando dinero en las que no le interesan; de esta manera las expectativas

que el cliente tiene acerca del producto aseguran que es más económico hacer un diseño

robusto que pagar los controles de calidad y reponer las fallas. (Aldana de Vega, y otros,

2011)

Como consecuencia de un mundo altamente competitivo, los productos son cada vez más

complejos, y la tarea de diseñarlos y fabricarlos es cada vez más difícil haciéndose

necesaria en la fase del diseño la presencia de técnicos con un alto nivel de conocimiento

profundo y global del producto, que coordinen las diferentes especialidades. Por otra parte,

para asegurar elevados índices de calidad en estos productos tan complejos se requiere que

las tasas de fallo de las componentes que las integran han de ser prácticamente nulas.

El diseño del proceso de fabricación también resulta extremadamente complicado

ya que el número de procesos involucrados es muy numeroso y el producto acumula la

variabilidad de cada uno de los subprocesos. Como consecuencia, hay un alto coste de no-

calidad debido a rechazos por no cumplir las especificaciones finales o por no cumplir

algunas de las tolerancias intermedias. Este coste de no calidad es estudiado en profundidad

en el programa de mejora “Seis Sigma” (Breyflogle (1999), Harry et al. (2000) y Pande et

al. (2000) entre otros).

Taguchi plantea experimentar, provocar escenarios, y lo hace desde un punto de vista

científico y objetivo: En lugar de simplemente observar la variabilidad en las condiciones

habituales de trabajo, propone:

 La realización de pruebas experimentales seleccionadas de una manera muy

peculiar;

 El uso de un indicador (S/R) se permitirá seleccionar las condiciones óptimas del

diseño, es decir, las condiciones bajo las cuales la variabilidad en el

comportamiento del producto o por eso se reduce drásticamente.

II. Objetivos

Los objetivos de esta investigación son:

 Entender las diferencias entre modelas directamente la variabilidad o

estudiarla a partir de modelos de localización.

 Obtener pautas de actuación que ayuden a seleccionar diseños en cada caso;

 Obtener pautas de actuación que ayuden a seleccionar condiciones robustas

en cada caso.

III. Filosofía Taguchi

3.1. Los principios básicos

La filosofía de Taguchi abarca toda la función de producción, desde el diseño hasta la

fabricación. Su metodología se concentra en el consumidor, valiéndose de la “función de

pérdida”. Taguchi define la calidad en términos de la pérdida generada por el producto a la

sociedad. Esta pérdida puede ser estimada desde el momento en que un producto es

despachado hasta el final de su vida útil. La pérdida se calcula en dólares, y eso permite a

los ingenieros comunicar su magnitud en un valor común, reconocible. Eso a veces se

comunica de un modo bilingüe, lo cual significa que se puede hablar a los gerentes de alto

nivel en términos de dólares, y a los ingenieros y quienes trabajan con el producto o

servicio en términos de objetos, horas, kilogramos, etcétera. Con la “función de pérdida”, el

ingeniero está en condiciones de comunicarse en el lenguaje del dinero y en el lenguaje de

las cosas.

La clave para la reducción de la pérdida no

consiste en cumplir con las especificaciones,

sino en reducir la varianza con respecto al

valor objetivo.

El método Taguchi ha sido descrito como la herramienta más poderosa para lograr el

mejoramiento de la calidad, según Jim Pratt, director de los programas estadísticos de la

compañía ITT ha ahorrado unos 60 millones de dólares en un período de 18 meses.

Muchos de los que practican los métodos de Taguchi en Estados Unidos piensan que las

prácticas de control de calidad descritas más adelante a la larga suplantarán al control

estadístico de la calidad, como ha sucedido en gran medida en Japón.

A continuación, se expone una visión general de la filosofía de la calidad sostenida por

Taguchi.
 3.2. La filosofía de la calidad de Taguchi

 Un aspecto importante de la calidad de un producto manufacturado es la pérdida

total generada por ese producto a la sociedad.

 En una economía competitiva, el mejoramiento continuo de la calidad y la

reducción de los costes son imprescindibles para subsistir en la industria.

 Un programa de mejoramiento continuo de la calidad incluye una incesante

reducción en la variación de las características de performance del producto con

respecto a sus valores objetivo.

 La pérdida del consumidor originada en una variación de la performance del

producto es casi siempre proporcional al cuadrado de la desviación de las

características de performance con respecto a su valor objetivo. Por eso, la medida

de la calidad se reduce rápidamente con una gran desviación del objetivo.

 La calidad y el coste final de un producto manufacturado están determinados en

gran medida por el diseño industrial del producto y su proceso de fabricación.

 Una variación de la performance se puede reducir aprovechando los efectos no

lineales/conjuntos de los parámetros del producto (o proceso) sobre las

características de performance.

 Los experimentos estadísticamente planificados se pueden utilizar para determinar

los parámetros del producto (o proceso) que reducen la variación de

la performance.

3.3.Control de la calidad “en línea” y “fuera de la línea” (on-line y off-line)

 Los métodos de Taguchi para el control de la calidad dentro y fuera de la línea

representan una propuesta original para reducir la variación del producto. Los métodos “on-

line” comprenden diferentes técnicas para mantener los valores-objetivo y la variación con

respecto al objetivo en una planta industrial. En estas técnicas se utilizan cuadros de control

estadístico. No obstante, han sido las técnicas del control de calidad “off-line” las que han

distinguido los métodos de Taguchi. El control de calidad “off-line” involucra a la función

de diseño o de ingeniería de calidad y consiste de tres componentes:

 Diseño del sistema

El diseño del sistema es la selección y diseño de un producto que satisfaga los

requerimientos del consumidor. El diseño debe ser funcional y estable* frente a los cambios

en las condiciones ambientales durante el servicio. El producto debe tener una variación

mínima y proporcionar el mayor valor para el precio. Asimismo, debería experimentar una

variación funcional mínima, a causa de factores como el uso. En ese sentido, se emplean

diferentes métodos para determinar los requerimientos del consumidor y traducirlos en

términos técnicos. Los métodos del “despliegue de la función de calidad” así como la

“función de pérdida” se utilizan a menudo en la planificación del sistema.

(*se dice que un producto es estable cuando muestra un bajo grado de sensibilidad a la

variación dentro del proceso de fabricación, si bien los controles de calidad procuran

reducir al mínimo dicha variación).

 Identificación de los parámetros.

Es la identificación de las variables clave del proceso que afectan la variación del

producto, y la definición de los niveles parámetro que producirán la menor cantidad de

variación en el funcionamiento del producto. Eso se logra mediante el uso de diseños

estadísticos experimentales. Los métodos de Taguchi se diferencian del diseño

experimental clásico por el hecho de que Taguchi utiliza sólo una pequeña parte de todas

las combinaciones experimentales posibles, y selecciona las condiciones “adecuadas” de

una manera muy eficiente.

 Determinación de la tolerancia.

Consiste en la determinación de cuáles son los factores que más contribuyen a eliminar la

variación del producto, y en la determinación de los niveles de tolerancia apropiados en el

producto final, a fin de cumplir con las especificaciones. La determinación de la tolerancia

se utiliza solamente cuando la variabilidad del producto no está limitada a un cierto nivel

“de tolerancia”. La ventaja de estos métodos es la eficiencia; en lugar de ajustar las

tolerancias en general, sólo se ajustan aquellas que tendrán el mayor impacto.

Estas tres funciones pueden ser consideradas como una definición de la calidad, de la

ingeniería del diseño de calidad y de la ingeniería del proceso de producción. El enfoque

tradicional ha sido diseñar un producto en forma más o menos independiente de los

procesos industriales, y luego intentar reducir la variabilidad en dichos procesos a fin de

mejorar la calidad del producto. Los métodos de Taguchi procuran diseñar productos que

sean estables frente a las variaciones en el proceso de fabricación.

Eso hace necesario analizar dos variables que pueden afectar la performance del

producto o del proceso: los parámetros de diseño y la perturbación. Los parámetros de

diseño pueden ser seleccionados por el ingeniero. Tales parámetros conforman una

especificación de diseño. La perturbación consiste en todas esas variables que hacen que el

parámetro de diseño se desvíe de su valor objetivo. Poco importa que esas causas de falla

sean imputables. La perturbación que puede ser identificada debería incluirse como un

elemento en el experimento. Las perturbaciones externas son causadas por factores como la
variación en las condiciones operativas y los errores humanos. Las perturbaciones internas

se originan en factores como el deterioro. Las fallas “intermedias” (o inherentes al

producto) son consecuencias de imperfecciones en el proceso de fabricación. Las fallas

externas e internas se pueden controlar a través de métodos “off-line”, como la

identificación de parámetros. Las fallas inherentes al producto, mediante técnicas “on-line”

y “off-line”.

El propósito del experimento es identificar los parámetros en los cuales los efectos de las

fallas sean mínimos. La determinación óptima de los parámetros de diseño se puede

efectuar a través del desarrollo de una matriz de parámetros de diseño y una matriz de

perturbaciones o fallas. Se sugieren los ordenamientos ortogonales para construir dichas

matrices. Esos ordenamientos se utilizan circunstancialmente para determinar ratios como

elementos estadísticos de performance.

Si bien estas técnicas han dado resultado (consultar el trabajo de Schmidt y casi todas las

publicaciones de Technometrics), su aplicación ha sido algo controvertida, y exige la

intervención de un especialista en estadística. A pesar de la aparente complejidad técnica, la

metodología del diseño de experimentos proporciona una firme estructura sobre la cual

basar la calidad y las determinaciones de la posibilidad de producción. De acuerdo con

Raghu Kackar (un defensor y divulgador del método Taguchi), los cuatro principales

motivos para utilizar los experimentos industriales estadísticamente planificados son:

1. Identificar los parámetros de diseño con los cuales el efecto de fuente de perturbación

sobre las características de performance se reduce al mínimo.

2. Identificar los parámetros de diseño que reducen el coste sin afectar la calidad.

3. Identificar los parámetros que tienen una gran influencia sobre el valor medio de la

característica de performance, pero no tienen ningún efecto sobre su variación.

 4. Identificar los parámetros que tienen influencia detectable sobre las características de

la performance y sobre los cuales se pueden rebajar los niveles de tolerancia.

IV. Aportes de Taguchi a la calidad

En 1948 El profesor G. Taguchi inicia el estudio y aplicación del diseño

experimental (Montgomery, 2011). Genechi Taguchi introdujo sus conceptos de diseño de

parámetros y tolerancias (Besterfield, 2009)

Son innegables las aportaciones que ha hecho la metodología de Taguchi a la

mejora de la calidad: con su innovador concepto de diseño robusto de parámetros, su

énfasis en la variabilidad presente en productos y procesos, la orientación que da a la

disminución de esta en la fase de diseño, con su idea de diseñar para modelar de manera

simultánea la media y la variabilidad, el introducir sistemáticamente los factores ruido en

los diseños experimentales para conocer las relaciones que tienen con los factores

controlables, la difusión del importante papel que tienen los estudios de robustez en el

diseño de los productos y procesos industriales, fomentando y expandiendo adicionalmente

el empleo de los diseños experimentales y reduciendo la separación existente entre

ingeniería y estadística. (Cruz Trejos, Medina Varela, & Silva Diaz, 2012)

La filosofía de calidad de Taguchi se basa en tres conceptos fundamentales. En

primer lugar, considera que el diseño en la fase inicial del producto es fundamental para

lograr la calidad en el resultado final. Por otra parte, sostiene que la calidad de los
productos mejora cuando se minimiza la variabilidad en torno al valor nominal u objetivo.

Por último, entiende a los costos de la no calidad como resultado del accionar de toda la

organización en su conjunto y, en particular, como función de la variabilidad en los

procesos. (Hernández, De La Paz Guillón, & García, 2015)

4.1.Función Pérdida de Calidad:

La función de pérdida se define como la pérdida económica provocada la sociedad

cuando las características funcionales del producto se desvían del valor objetivo deseado.

(Shina, 1990)

Los diseñadores normalmente no calculan esta pérdida pues gran parte de la

información necesaria no es recolectada o no está disponible. (Shina, 1990)

Esta pérdida puede ser cuantificada a través de costos de servicio y garantías

necesarios para reparar los productos defectuosos. Existen otros costos que forman parte de

esta función, pero cuya cuantificación es difícil o imposible, entre ellos: pérdida de

mercado, insatisfacción del cliente y pérdida de ventas futuras. (Shina, 1990)

Para el análisis de las pérdidas debidas a la calidad, Taguchi desarrolló la Función Pérdida

de Calidad, la cual se representa por una función cuadrática con vértice en el valor nominal

m de la característica de calidad. Permite ver que, a medida que el valor de la característica

de calidad se aleja de m, la calidad decae y, por lo tanto, las pérdidas aumentan, es decir,

aun estando dentro de las especificaciones, los niveles de calidad de los productos pueden

variar. (Hernández, De La Paz Guillón, & García, 2015)

Gráfico 1: Tomado de (Hernández, De La Paz Guillón, & García, 2015)

Se considera que y (eje horizontal) representa la medición de una característica de

calidad de un producto en una escala continua y que L(y) (eje vertical) representa la pérdida

en valor monetario sufrida por el consumidor por recibir el producto desviado respecto del

valor nominal m, la Función Pérdida. (Hernández, De La Paz Guillón, & García, 2015)

𝐿(𝑦) = 𝑘(𝑦 − 𝑚)2

La función de perdida se establece dependiendo del tipo de la característica de calidad.

4.1.1. Nominal es mejor:

Debe alcanzar un valor nominal

Cuando se fabrican las lentes de unas gafas, como no pueden resultar perfectas, se admite

una tolerancia entorno al valor nominal de sus dioptrías. Pero, evidentemente, lo mejor es

que las lentes tengan ese valor nominal. (De la Peña Hernández, 1994)

Ejemplo tomado de (De la Peña Hernández, 1994):

Veamos cómo encontrar el valor de la constante K para un caso concreto que sea

generalizable. El circuito neumático de frenos de un camión debe trabajar a una presión

nominal m = 8 Kg / cm2 El laboratorio ha encontrado como recomendable una tolerancia

funcional de ± 0,5 Kg / cm2.

Pero también sabemos que la mitad de los clientes se quejan por desregulación con el uso:

Unos, por dificultades en la frenada para una presión de 6 Kg / cm 2 ; otros, por fugas en

los racores si la presión del circuito alcanza los 10 Kg / cm2.

El recomponer adecuadamente en servicio la válvula reguladora cuesta 100 €. La tolerancia

del cliente es, pues, 8± 2, así que será:

𝐿(𝑦) = 25(8.5 − 8)2 ; 𝐿(𝑦) = 6.25€

Por fin, si un ajuste especial de la válvula se puede incorporar en fábrica como operación

adicional a un coste de 1 €, podremos calcular la tolerancia de fabricación más fiable y más

económica con que podemos expedir los camiones:

1 = 25(𝑥 − 8)2 ; 𝑥 = 8.2

Tolerancia de fabricación: 8± 0,2 Kg / cm2

Para más de una pieza:

Cuando expedimos los camiones con 8± 0,5 Kg / cm2 seguimos teniendo una pérdida en

servicio que se puede valorar como

100 = 𝑘(10 − 8)2

Se toman muestras de 17 camiones procedentes de los cuatro lugares para comparar las

pérdidas que inducen cada uno de ellos.

Presión en Kg/cm2 según los 4 lugares de Procedencia

n=17 1 2 3 4
 m=8 7.8 8 7.8 8
k=25 8.2 8 7.75 8
8 7.9 7.85 7.95
8 7.85 7.85 8.05
7.75 7.95 7.8 7.95
8.15 8.05 7.95 8
8 8.05 7.75 8
8.1 7.9 7.75 8.05
8.25 8.1 7.75 7.95
8.1 8.15 7.8 8
7.85 8 7.9 8.05
8.05 8.1 7.75 8.05
7.95 7.95 7.8 8
7.9 8 7.75 7.9
7.95 8.05 7.85 7.95
7.9 8 7.8 8
8.05 7.95 7.8 8.1
Desviación estándar 0.1328 0.0767 0.05657 0.0485
Promedio 8 8 7.80588 8
MSD 0.0176 0.00588 0.04088 0.0024
Pérdida 0.4412 0.14706 1.02206 0.0588
Para n piezas: 𝐿(𝑦) = 𝑘(𝑀𝑆𝐷)

𝑀𝑆𝐷 = 𝜎 2 + (𝑥̅ − 𝑚)2

Todos tienen pérdida, pero el de mayor pérdida es el 3 y el de menor pérdida es el 4.

4.1.2. Menor es mejor:

Debe alcanzar el menor valor posible

Un proceso se negocia (y acepta) entre proveedor y cliente para un determinado NCA: Un

Nivel de Calidad Aceptable expresado en % de defectuosos. Éste podrá ser tan pequeño

como se necesite, se desee o se pueda conseguir. Pero está claro que si el % de defectuosos

de las partidas entregadas es menor que el NCA, la situación será mejor. (De la Peña

Hernández, 1994)
En la auditoría de automóviles se admiten hasta tres pequeños defectos por metro cuadrado

de superficie pintada, con tal de que todo el coche no tenga más de siete en total. Pero si se

encuentran menos defectos, mucho mejor. (De la Peña Hernández, 1994)

4.1.3. Mayor es mejor:

Debe alcanzar el mayor valor posible

En fiabilidad se maneja el concepto de MTBF (Mean Time Between Failures -

tiempo medio entre fallos-) y un determinado contrato de suministro lo fija en una cierta

cantidad de horas. Naturalmente, será mejor para el cliente que el producto tenga un MTBF

incluso mayor que el de las horas acordadas. La puntuación de los alumnos se establece

para que con un 5 se dé el aprobado. Pero será mejor que el alumno saque un 7 ó incluso

más nota. (De la Peña Hernández, 1994)

4.2.Diseño de experimentos

En todo proceso a realizar, es necesario identificar los factores que serán manipulados para

llevar a cabo dicho proceso. También es necesario identificar cuál o cuáles son las

características de interés de dicho proceso, las cuales serán llamadas respuestas. Una vez

identificados los factores y las respuestas, se determinan los posibles niveles para los

factores y se determina el tipo de respuesta que es de interés. (Rodríguez Huerta, 2012)

4.3.Diseño robusto de parámetros

Existen varios enfoques para estudiar la variación y a partir de esto llevar a cabo las

estrategias para mejorar la calidad de productos y procesos. Entre estos, un enfoque

particular que es rentable es el diseño robusto introducido por Taguchi. El objetivo

principal de un diseño robusto es hacer que un proceso sea insensible a los factores de
ruido. Un primer paso para lograr esto, es identificar factores de control y factores de ruido

que estén involucrados en el proceso. Luego, el diseño robusto de parámetros intenta hacer

los procesos insensibles al ruido a través de la elección apropiada de los niveles para los

factores de control. El diseño robusto de parámetros ha sido reconocido como una

herramienta importante para la mejora de calidad, que por lo general es una herramienta

que no incrementa los costos al elegir los niveles adecuados de los factores de control. El

diseño robusto de parámetros puede ser bien aplicado a los sistemas señal-respuesta

(sistemas con característica dinámica). Esto se debe a que, además de la relación de un

factor señal y la respuesta, el proceso depende tanto de factores de control como de factores

de ruido. (Rodríguez Huerta, 2012)

Un aporte relevante de Taguchi al Diseño de Experimentos consistió en extender de

manera práctica su aplicación al ámbito de la industria, simplificando considerablemente su

complejidad. Recién en la década del 80 se hizo conocido el trabajo que al respecto

Taguchi venía desarrollando en Japón desde mucho tiempo atrás. A partir de ello se dio un

amplio debate sobre la eficiencia de su método y la comparación con el diseño clásico

desarrollado por Fisher. Indirectamente esta discusión contribuyó a la difusión del Diseño

de Experimentos y especialmente del método de Taguchi, ya que éste, a diferencia de lo

que ocurre con el diseño clásico, no requiere ser un experto en el método para estar en

condiciones de aplicarlo, Taguchi y Wu (2005). (Hernández, De La Paz Guillón, & García,

2015)

Taguchi innovó y simplificó el Diseño de Experimentos con la introducción de las

tablas conocidas como arreglos ortogonales (A.O.), que son una modificación de las

matrices de Hadamard (matrices ortogonales nxn). A través de un A.O. se determina de una

manera estandarizada la combinación de los niveles de los factores que se probarán en cada

ensayo. Los A.O. permiten examinar hasta un total de n-1 factores, siempre y cuando no se

consideren las interacciones entre los mismos. Facilitan y, en algunos casos, reducen gran

parte del esfuerzo del diseño experimental porque posibilitan evaluar simultáneamente

numerosos factores con un número mínimo de ensayos, permitiendo así una disminución en

los recursos necesarios para la experimentación. (Hernández, De La Paz Guillón, & García,

2015)

4.4.Variabilidad

El indicador de la razón de ruido, que también es conocido como reducción de la

variabilidad, especialmente en el lenguaje militar de Estados Unidos de América, busca

diseñar el producto o el proceso lo suficientemente robusto como para satisfacer las

variaciones al que estará sometido, tanto interna como externamente. El ruido interno puede

ocurrir durante el proceso de manufactura o el uso del producto y el externo proviene de

factores que normalmente no están bajo el control del fabricante ni del consumidor. (Shina,

1990)

La variabilidad en las características de calidad de un proceso se produce por tres motivos:

por el propio diseño del proceso, por el accionar de factores que no pueden ser controlados

o porque los niveles de los factores no se mantienen constantes a lo largo del proceso de

producción (Prat Bartés & otros, 2004) (Prat Bartés, Tort-Martorell Llabrés, Grima Cintas y

Pozueta Fernández, 2000).

 V. Variabilidad funcional y producto robusto

El tema de la variabilidad está muy presente en el entorno industrial, aunque muchas

veces el consumidor final no lo perciba, bien por no plantearse una comparación entre

productos, o por no comparar cuantitativamente un mismo producto sometido a situaciones

diferentes. ¿A qué usuario se le ocurre solicitar una comparativa de consumos entre varios

coches del mismo modelo? El consumidor “asume” que el coche que compra cumple

exactamente con los requisitos de la ficha técnica y, sin embargo, esto no es cierto. Por

ejemplo, si tomamos como característica de calidad el consumo.

 Existe variabilidad entre el consumo de distintos coches de un mismo modelo.

 La distancia que recorre un coche determinado con 5 litros de carburante es variable

y depende del tipo de vía, tipo de carburante, condiciones atmosféricas, etc.;

 El consumo de un coche va aumentando a lo largo de su vida.

Las empresas tienen un gran interés en llegar a obtener productos que ofrezcan buenas

prestaciones y que estas sean poco sensibles a variaciones en el entorno de fabricación o

uso. Para lograr este objetivo se ha de entender el origen de las causas que afectan al

funcionamiento de los productos y procesos, y se ha de determinar las acciones a llevar a

cabo para optimizarlas.

Tomamos de Kackar (1985) la Tabla 1.1 donde se muestra una representación sencilla

del escenario que envuelve el desarrollo de un producto. En esta tabla aparecen por un lado

las etapas en el proceso de su elaboración y por otra las causas (o “factores ruido”) que

provocan que los productos se comporten de una manera variable; además la tabla señala la

fase del desarrollo donde es imposible atacar a estas causas.

 Figura 1.1 Diseño de un producto. Fases secuenciales

Cuando se trata de desarrollar un producto, sobre todo si este es un producto nuevo, se

puede distinguir 3 fases consecutivas expuestas en la Figura 1.1:

 Primero se diseña el producto: Se concibe y materializa el producto con las

prestaciones que tendrá;

 A continuación, se diseña el proceso: Se determina cómo se va a llevar a cabo la

fabricación en serie del producto.

 Por último, se pasa a la etapa de producción: Se lleva a cabo la elaboración de los

productos diseñados en la primera etapa con los métodos propuestos en la segunda.

En cuanto a las causas que afectan al funcionalismo del producto, podemos distinguir

tres causas principales:

 Causas Externas o Ruido Externo. Aparecen una vez el producto está en manos del

cliente: variaciones de temperatura o humedad, polución, vibraciones;

 Causas Internas o Ruido Interno. Son intrínsecas al producto debidas al

envejecimiento, deterioro, fatiga;

  Causas de Producción. Estas causas aparecen durante el proceso productivo

afectando a los productos salientes: algunas provocan crisis (errores humanos,

paradas de máquina, fallos en operaciones) otras determinan la capacidad del

proceso (variaciones en materias primas, mantenimiento)

Como resultado de la presencia de estas causas, tenemos productos que presentan

variabilidad. Se denominan productos robustos a aquellos que han sido diseñados de tal

forma que mantienen sus características de calidad con un mínimo nivel de variabilidad

cuando están sometidos a todo tipo de ruido.

Tabla 1.1 Etapas en el desarrollo de un producto

Veamos las acciones o contramedidas que se pueden llevar acabo dependiendo de la

fase en que se encuentre el desarrollo de un producto. Cuando el producto está en

producción, las crisis o problemas propios de esta fase pueden dar lugar a productos muy

diferentes. Si estas son frecuentes conviene utilizar una herramienta estadística, el Control

Estadístico de Procesos (SPC), que permite gestionar la información con la finalidad de

detectar la aparición de crisis de una manera rápida y ayudar en la identificación de las

causas de los problemas. Con una utilización continuada de esta herramienta se eliminan las

crisis.
 Ahora bien, los procesos sin crisis también presentan variabilidad, la variabilidad que se

denomina aleatoria o capacidad del proceso. Si el proceso en ausencia de crisis no es capaz

de cumplir con las tolerancias establecidas, se ha de optar por acciones costosas para lograr:

Controlar las condiciones ambientales de la fábrica, invertir en máquinas y proveedores

mejores, ajustar más las tolerancias de las componentes o subprocesos (muchas veces a

niveles imposibles de cumplir con la tecnología con la que se trabaja), modificar el diseño

del producto o proceso (muy difícil de realizar cuando se está en producción), inspeccionar

el producto saliente para separar el producto no apto, etc.

Por lo tanto, si en producción no se modifica el proceso, solo se puede actuar contra la

variabilidad debida a las causas asignables de variabilidad y le herramienta estadística más

adecuada para utilizar SPC.

En la etapa de diseño del proceso se puede lograr que los procesos de producción sean

capaces si se tiene en cuenta los “factores ruido de producción” Es decir, teniendo en

cuenta las condiciones de trabajo que pueden afectar a la calidad del producto (oscilaciones

de temperatura de la empresa, tipo de máquinas en el mercado, los proveedores) se puede

lograr diseñar procesos más capaces. Una herramienta que puede ayudar en la búsqueda de

los parámetros óptimos del proceso es el Diseño de Experimentos.

Ocurre con mucha frecuencia, que, si los técnicos que trabajan en el diseño del proceso

no han participado en el diseño del producto, ahora aparecerán muchas propuestas de

modificaciones del diseño actual (sobre todo no se tocarán las modificaciones que pueden

alterar la funcionalidad del producto) y siempre y cuando los procedimientos de aceptación

de las modificaciones “lleguen a tiempo” y no se pierdan en la burocracia interna de la

empresa. Una herramienta interesante en esta fase es el QFD o “Quality Function

Deployment”. (Marsh (1991)).

La fase de diseño del producto es la fase más importante de las tres de cara a elaborar

una “estrategia completa” para atacar la variabilidad que presentarán los productos a lo

largo de su vida: desde la fabricación hasta su muerte. En esta etapa se ha de trabajar con

causas de todo tipo con tal de elaborar un producto que sea robusto desde su inicio. Como

veremos más adelante una de las herramientas que más se utiliza es de nuevo el Diseño de

Experimentos, pero a nivel más avanzado.

Resumiendo, es posible fabricar productos con altas prestaciones y robustos en sus

funciones sin tener que utilizar esfuerzos económicos extras si se concibe el producto

robusto desde su comienzo. Esta filosofía ha de ir acompañada de:

 Política de Codesarrollo con todas las partes implicadas:

o En el ámbito interno de la empresa: Han de participar Ingeniería de

Producto, Ingeniería de Proceso y Fabricación.

o A nivel de proveedores: Los conocimientos especializados que poseen son

de gran ayuda tanto de cara a obtener los valores nominales objetivos como

para diseñar un producto robusto;

o Clientes: Se ha de conocer no solo los requerimientos funcionales, además

se han de analizar las condiciones de utilización en los distintos mercados.

 Metodología de trabajo adecuada, y en línea con lo que se denomina “Ingeniería de

la Calidad”. Esta metodología comprende estrategias encaminadas a causar cambios

deseables en una situación pobremente conocida. Disponiendo de recursos limitados

y utilizando una heurística propia de la disciplina.

 Figura 1.2 Diseño de un producto robusto

Esta manera de trabajar la representamos en la Figura 1.2. Todas las partes

implicadas intervienen desde el principio y de esta manera los aspectos más críticos del

diseño del producto, del diseño del producto y de la fabricación se atacan al comienzo.

Probablemente esta manera de trabajar consuma más tiempo y recursos en su etapa inicial

que el método de convencional, pero a largo plazo es más rentable ya que se eliminan

costes de no calidad, re - diseño, que con el método clásico aparecen en etapas posteriores.

Además, diseñando de esta manera se obtiene un producto robusto desde sus inicios, es

decir, no se obtienen por modificaciones de un diseño inicial que responde a otros

parámetros.

La política de co–desarrollo implica la existencia de buenos líderes de proyectos y

el entendimiento de los requisitos del cliente (final o local). Para optimizar localmente el

producto cada parte del proceso ha de conocer las necesidades de las siguientes fases que

van a hacer uso de su producto. Además, el líder ha de tener una visión general de todas las

fases para optimizar globalmente el producto.

 Hemos visto hasta ahora que la etapa inicial de diseño del producto es la etapa

principal y antes de pasar a presentar las herramientas estadísticas utilizadas en esta etapa

presentaremos a grandes rasgos las actividades que se llevan a cabo.

VI. Fases de diseño de un producto

Para presentar las fases de diseño de un producto utilizaremos la división utilizada

por Taguchi (1986), el cual distingue tres:

 Diseño Primario: consiste en el diseño conceptual o funcional del producto para

responder a una necesidad del mercado;

 Diseño Secundario o diseño de Parámetros: consiste en la determinación de los

valores nominales óptimos que garanticen las características de calidad del

producto.

 Diseño terciario o diseño de Tolerancias: se asegura la variabilidad del producto

atacando a la variabilidad de los componentes. Esta etapa es económicamente

costosa y solo se recurre a ella cuando la variabilidad final del diseño secundario es

excesiva.

Como resultado del Diseño Primario se llega a la definición de un producto con una

serie de funciones objetivo a cumplir, pero no se tiene todavía físicamente el producto.

En la segunda fase se ha de conseguir un prototipo por métodos no convencionales,

métodos que podríamos llamar “artesanales”. Este prototipo ha de cumplir los requisitos y

prestaciones tan exigentes que comentábamos al comienzo de este capítulo, y sin embargo

su concepción se va a realizar de una manera aislada del lugar donde se producirá en serie
(muchas veces no existe todavía) o del lugar donde en un futuro será utilizado. Es fácil

hacerse una idea de lo complicada que es esta etapa debido a:

 Los Objetivos ambiciosos que en general se plantean, y

 El alto grado de desconocimiento existente de todo el tema.

Las dos circunstancias anteriores obligan a experimentar, es decir, a crear o

provocar escenarios para aprender del comportamiento de las distintas funciones del

producto ante diferentes condiciones de los parámetros. Esta experimentación requiere una

metodología que permita conseguir de una manera eficiente el objetivo de seleccionar

aquellas condiciones óptimas de los parámetros que proporcionen un producto, cuyas

características de calidad están lo más cerca posible de los valores nominales definidos,

siendo robusto a causas de variabilidad externas, internas y de producción.

Optimización del diseño del proceso

El método Taguchi logra disminuir la variabilidad por medio del diseño de experimentos

con el fin de seleccionar los niveles óptimos de las variables en la manufactura del

producto; es decir, para fabricar productos más robustos y, por tanto, menos sensibles a los

factores de ruido.

Si hacemos uso adecuado del diseño de experimentos podremos reducir estos costos

1. Costos asociados al diseño del producto.

2. Costos de manufacturación.

3. Costos de operación.

En la mayoría de diseño de experimentos era matemáticamente complejo generando

limitando a muchos, debido a que el método Taguchi alcanzo la claridad y practicidad se

hizo conocido en poco tiempo generando así científicos, ingenieros, técnicos y

administradores que no son expertos en matemáticas son ahora los mayores practicantes del

diseño experimental.

a.1) Arreglo ortogonal

Es una herramienta que nos ayuda a examinar muchos factores a bajo costo y en muchos

casos desecha los esfuerzos de diseño estadístico. En los arreglos ortogonales se generan

matrices que contienen los controles y factores de ruido siendo evaluados en la

experimentación generando así que se puedan evaluar que tan robustos son los diseños del

proceso

Taguchi desarrolló una serie de arreglos particulares que denominó:

 La (b)C

Donde:

a = Representa el número de pruebas o condiciones experimentales que se tomarán. Esto

es el número de renglones o líneas en el arreglo.

b = Representa los diferentes niveles a los que se tomará cada factor.

c = Es el número de efectos independientes que se pueden analizar, esto es el número de

columnas.
F A C T O R E S (c)

No. (a) A B C Resultado

1 1 1 1 Y1

2 1 2 2 Y2

3 2 1 1 Y3

4 2 2 1 Y4

Tabla. Arreglo ortogonal de 3 factores y 2 niveles, L4

Taguchi ha desarrollado una

serie de arreglos para experimentos con factores a dos niveles, los más utilizados y

difundidos según el número de factores a analizar son:

No. de factores a 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

Tabla. Arreglos ortogonales según el número de factores

Después de la recolección de datos pasamos al análisis de este

1) Se obtienen los totales de la variable de respuesta o lecturas, para cada uno de los

niveles de los factores. Por ejemplo :

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

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

Para luego se resuman y se suman en ambos niveles

Factor A B C D E e e

Nivel 1 A1 … … E1

Nivel 2 A2 … … E2

A1+A2 …. … E1+E2

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

Así por ejemplo, para el factor A,

n=1+k(N-1), Donde “n” representa el número total de lecturas que se tomaron.

Tendremos que dado que n=8 

SSA= (A2 –A1) 2/8, g.l.=N-1

3) Se construye una tabla ANOVA, ésta es:

Efecto SS G.l. V Fexp

A (A2 –A1) 2/8 N-1 V= SSA/G.L V(A) / V(error)

B … …

C … …

D … …

E (E2 –E1) 2/8 N-1

Error (e2 +e1) N-1+ N-1

Total ∑ ∑
 La columna V, se obtiene dividiendo el número bajo la columna SS, entre el número de la columna

G.L.

Por ejemplo :

V= SSA/G.L

Finalmente, el valor de Fexp, se obtiene de dividir el valor de V de cada factor, entre el valor de V

para la estimación del error.

Fexp de A= V(A) / V(error)

Todos aquellos factores, que tienen un valor de Fexp mayor que 2 se considera que afectan la

variable de respuesta,estos son llamados factores significantes.

El promedio general denotado como Y

Y/n

Se buscan factores deberán fijarse al nivel que minimicen el ruido, esto es, al nivel que se

obtenga el promedio menor, Por ejemplo A2,

EF A = (promedio bajo la condición propuesta del factor promedio general) =A2 – Y

El resultado esperado bajo las condiciones A2 llamaremos Yest. se calcula sumando al

promedio general Y todos los efectos de los factores significantes.

 Yest= Y + EF A

4) Finalmente se realizan nuevas experiencias para así confirmar los datos obtenidos ,

es decir se podrán contrastar de mejor manera.

a.2) SEÑAL-RUIDO

Los factores incontrolables son llamados factores de ruido por Taguchi. La causa de una

pérdida de calidad es el ruido; este es cualquier característica, situación, maquina, etc. que

ocasionan una característica de la calidad desviarse de su objetivo, además genera pérdidas

en dinero y tiempo tanto a los consumidores como a los fabricantes, y en último término a

la sociedad.

Algunos ejemplos de factores de ruido son:

• Deterioración

• Errores humanos

• Variaciones en los ambientes de operación

• Imperfecciones de fabricación

Los tipos de ruido pueden ser:

- Ruido externo: Este ruido se da durante el uso del producto y puede ser

producido por cambios de temperatura, humedad y polvo.

- Ruido interno: (Deterioro) Este es un gasto de los componentes del producto.

- Ruido entre productos: Variación entre productos que son manufacturados bajo

especificaciones similares.
 López, J(2003).En el método Taguchi no se mede los síntomas causados por la

variabilidad de la función, como la tasa de defectos o fallas, medimos una respuesta

relacionada con la energía ya que se considera que cualquier sistema usa energía de

transformación para cumplir una función deseada; por lo tanto, la variabilidad de las

transformaciones de energía minimizará o eliminará los síntomas.

a.3) Arreglos ortogonales con factores de ruido

Si tomamos el dato y lo colocamos en un arreglo se vería de esta forma

N°DE A B C N1 N2 PROMEDIOS

EXPERIMNETO

1 1 1 2 Y11 Y12 Y13 Y14 𝑌̅1

2 1 2 1 Y21 Y22 Y23 Y24 𝑌̅2

3 2 1 2 Y31 Y32 Y33 Y34 𝑌̅3

4 2 2 1 Y41 Y42 Y43 Y44 𝑌̅4

Cevallos, J (2000) comento que el indicador S/N es una forma de medir la robustez como conocido

ratio señal sobre ruido; es decir, es un indicador de la capacidad del sistema (proceso ó producto)

para

Desempeñarse bien con relación con el efecto de ruido.

S: indica la capacidad del proceso para construir un buen producto o de producto

para desempeñarse bien.

 N: Introduce el impacto de los factores de ruido sobre proceso o producto.

La ecuación para calcular S/N para la característica de calidad lo más pequeño lo mejor es

una función logarítmica basada en la desviación cuadrática media. (DCM)

El ratio S/N puede escribirse así:

S/N = -10 log. DCM

La DCM se calcula

DMC= ( y21 + y22 + ... .. + y2n)/n

Por tanto para S/N tendremos:

S/N = -10 log( y21 + y22 + ... .. + y2n)/n

la mejora en la calidad se puede deber al incremento en el indicador s/n es por eso que se

busca reducir el resultado promedio o mejorar la consistencia de una unidad a otra.

INGENIERIA DE CALIDAD

Es un conjunto de conocimientos técnicos cuantitativos para optimizar un producto o

proceso iniciando en planear, proyectar y analizar la calidad de estos, a fin de establecer un

sistema de calidad que pueda ser de satisfacción plena al consumidor a un costo mínimo.

Existen dos tipos de control de calidad que representan métodos para la variación y mejora

de los productos.

• control de calidad on line

• control de calidad off line

MÉTODOS “Off-LINE”

Comprende diferentes técnicas para mantener los valores objetivos y la variación

con respecto al objetivo en una planta industrial. Se basa en los siguientes acciones

- Diagnóstico y ajuste el proceso: es el proceso es examinado en intervalos

regulares de tiempo; ajustes y correcciones son efectuados según las

necesidades que surgen.

- Medición y acción

- Predicción y corrección: Los datos son utilizados para proyectar tendencias

en el proceso. En el caso en que el proceso se encuentra demasiado alejado

de los valores umbrales o nominales, el proceso es reajustado para corregir

la situaci´on. Este método se conoce con el nombre de control feedback o

feedforward (Ruiz, M. 2004)

MÉTODOS “Off-LINE”
 Según López, J. (2003), el método de off line es encarga de la optimización del

diseño de productos y de procesos. Una de sus herramientas es el diseño de

experimentos.

- Diseño del producto: Investigación y desarrollo de un prototipo.

- Diseño del proceso: Diseño de un proceso de producción para

manufacturar el producto.

El profesor Taguchi propone una filosofía de la ingeniería de calidad fuera de

línea que es ampliamente aplicable. El considera tres etapas en el desarrollo

de un producto o proceso: diseño del sistema, diseño de parámetros y diseño de

tolerancias.

LIMITACIONES

Sabemos que el método Taguchi es utilizado en muchos trabajos, el presente artículo

menciono sus partes y sus ventajas. Hay algunas críticas y sugerencias para este método por

expertos que lo experimentaron en sus investigaciones

- La existencia en la confusión de efectos que se produce en los diseños ortogonales

con interacciones que utiliza. Debido al elevado número de factores en relación con

el número niveles generando diferentes combinaciones de factores no se pueden

estudiar en profundidad

- Un Diseño Factorial Fracciona! no puede ofrecer las seguridades que ofrece un

Diseño Experimental completo, sin embargo, las ventajas en costo y oportunidad

son muy significativas.

- Es la necesidad que las personas que apliquen los Métodos Taguchi sean

conocedores del proceso o producto que se trate. Si no se conoce la tecnología de

manera adecuada los resultados no pueden ser muy buenos. Cuanto mayor es el

conocimiento de la tecnología de los procesos o productos mejores serán la

selección de los factores y sus niveles y mejor la interpretación de interacciones y

resultados.
Caso pop corn
El tipo de proceso de elaboración del popcorn se presta a una aplicación del método,

debido a que es un proceso simple, y los ensayos y los implementos no consideran un costo

muy alto.

El procedimiento seguido fue:

1. Plantear el Problema.

1.1. Producto o proceso

Los insumos necesarios para el proceso son: maíz para pop corn, aceite (de

soya o compuesto), olla (plana, oval), utensilios (cucharón, guantes protectores,

envases de plástico), medidor volumétrico de plástico, cocina. Todos estos insumas

se pueden conseguir en supermercados y mercados de abasto.

CALENTAR EL ACEITE ADICIONAR MAÍZ POP AGITAR CON OLLA

CORN TAPADA

•Aceite de soya o •Con o sin agitación.

compuesto
•LLama alta o media
•Olla plan u oval
•Con o sin precalentar

REVIENTA MAÍZ TERMINA REVENTAR POP CORN LISTO

DESTPA OLLA
1.2. Característica de calidad

Se usó el diagrama de Ishikawa

ACEITE MÉTODO

AGITACIÓN
CANTIDAD
TIPO POP CORN
CANTIDAD ALTA CALIDAD
FORMA
PRECALENTAMIENTO

OLLA CALOR

Factor ruido: Presencia o no de viento.

Las características de calidad son:

a) Número de semillas de maíz que no reventaron o se quemaron luego del

proceso.

b) Volumen que ocupa el pop corn que reventó. (cm3)

c) Crocancia típica (textura). (sí o no)

1.3. Factores controlables y no controlables

Mediante al Diagrama Causa Efecto de se determinó los factores

controlables y ruido (no controlables), y con el equipo de trabajo se determinaron

los niveles. Se determinaron 6 factores, 1 interacción y un factor no controlable.

 FACTOR NIVEL 1 NIVEL 2
A) TIPO DE ACEITE SOYA COMPUESTO
B) CANTIDAD DE ACEITE POCO 25 cm3 BASTANTE 50 cm3
C) CANTIDAD DE CALOR LLAMA MEDIA LLAMA ALTA
D) PRECALENTAMIENTO NO SI
E) AGITACIÓN NO SI
F) FORMA DE OLLA PLANA OVAL
INTERACCIONES AXB
FACTORES NO
CONTROLABLES
G) VIENTO
CON SIN

2. Diseño del experimento

2.1 Selección del arreglo ortogonal

FACTOR A B C D E F TOTAL
G.L. 1 1 1 1 1 1 6

GRADOS DE LIBERTAD REQUERIDOS PARA INTERCCIONES

G.L. AXB 1X1 1

TOTAL 1

CUADRO DE ARREGLO ORTOGONAL SELECCIONADO

EXP COLUMNAS FACTOR

RUIDO
1 2 3 4 5 6 7 G1 G2
A B AXB C E F D
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

ARREGLO ORTOGONAL CON DATOS A PROBAR EN EL EXPERIMENTO

EXP COLUMNAS FACTOR RUIDO

1 2 3 4 5 6 7 G1 G2
TIPO CANTIDAD AB CALOR AGITACIÓN FORMA PRECALENT. CON SIN
ACEITE Cm3 LLAMA OLLA VIENTO VIENTO
1 SOYA 25 1 MEDIA NO PLANA NO
2 SOYA 25 1 ALTA SI OVAL SI
3 SOYA 50 2 MEDIA NO OVAL SI
4 SOYA 50 2 ALTA SI PLANA NO
5 COMPU 25 2 MEDIA SI PLANA SI
6 COMPU 25 2 ALTA NO OVAL NO
7 COMPU 50 1 MEDIA SI OVAL NO
8 COMPU 50 1 ALTA NO PLANA SI

Las características a evaluar son:

R1 = N° de semillas que no revientan +quemadas.

R2 =Volumen pop corn (cm de alto de envase plástico cilíndrico de 10 cm de

diámetro)

R3 = Crocancia (si o no).

3. Realizar las pruebas

Los resultados obtenidos fueron:

EXP G1 CON VIENTO G2 SIN VIENTO

R1 N° R2 cm R3 R1 N° R2 cm R3
Semillas Alto en N° No Semillas Alto en N° No
medidor crocante medidor crocante
1 11 6.5 25 9 6.7 21
2 4 6.8 24 3 6.8 20
3 29 5.4 26 25 5.4 24
4 2 8.1 20 1 8.1 18
5 29 5.4 41 25 5.4 37
6 4 7 22 3 7 20
7 3 6.5 27 2 6.5 25
 8 12 7 31 10 7 29

El número de semillas por experimento fue de 100. Luego del proceso respectivo se

determinó los valores de N° de semillas R1, cm de alto que ocupa el pop corn en un

recipiente cilíndrico de 1 O cm de diámetro R2 y N° de granos de pop corn no crocantes

R3.

4. Análisis de resultados.

4.1. Cálculo de 𝑌̅, s2 y S/N.

EXP R1 MINIMO NO REVIENTA O QUEMA R2 MÁXIMO ALTO - VOLUMEN

CON SIN 𝑌 s2 S/N CON SIN 𝑌 s2 S/N

Viento Viento Viento Viento

1 11 9 10 2 -20.04 6.5 6.7 6.6 0.02 16.45

2 4 3 3.5 0.5 -10.97 6.8 6.8 6.9 0.02 16.77
3 29 25 27 8 -28.65 5.4 5.4 5.5 0.02 14.80
4 2 1 1.5 0.5 -3.98 8.1 8.1 8.2 0.02 18.27
5 29 25 27 8 28.65 5.4 5.4 5.5 0.02 14.80
6 4 3 3.5 0.5 10.97 7 7 7.1 0.02 17.02
7 3 2 2.5 0.5 -8.13 6.5 6.5 6.6 0.02 16.45
8 12 10 11 2 -20.43 7 7 7.1 0.02 17.02

EXP R3 MINIMO NO CROCANTES

CON SIN 𝑌 s2 S/N

Viento Viento
1 25 21 23 8 -26.86
2 24 20 22 8 -26.45
3 26 24 25 2 -27.79
4 20 18 19 2 -25.35
5 41 37 39 8 -31.60
6 22 20 21 2 -26.24
7 27 25 26 2 -28.13
8 31 29 30 2 -29.40
Con relación a los valores de S/N, para simplificar los cálculos se puede sumar +20 a todos

los valores de R 1, restar 15 de los valores de R2 y sumar +30 de los valores de R3 .

4.2. Calcular los efectos de cada factor e interacción y ecuación de predicción y gráfico.

PARA R1

N°P 1 2 3 4 5 6 7 R1
A B AXB C E F D S/N
1 1 1 1 1 1 1 1 -0.04
2 1 1 1 2 2 2 2 9.03
3 1 2 2 1 1 2 2 -8.65
4 1 2 2 2 2 1 1 16.02
5 2 1 2 1 2 1 2 -8.65
6 2 1 2 2 1 2 1 9.03
7 2 2 1 1 2 2 1 11.87
8 2 2 1 2 1 1 2 -0.43

Suma f 1 16.36 9.37 20.43 -5.47 -0.09 6.9 36.88 +20

Sumaf2 11.82 18.81 7.75 33.65 28.27 21.28 -8.7
Dif 4.54 -9.44 12.68 - - - 45.58
39.12 28.36 14.38
Nivel A1 B2 AXB1 C2 E2 F2 D1
seleccionado

B1 B2
A1 4.495 3.685
A2 0.19 11.44

PARA R2

N°P 1 2 3 4 5 6 7 R1
A B AXB C E F D S/N
1 1 1 1 1 1 1 1 1.45
2 1 1 1 2 2 2 2 1.77
3 1 2 2 1 1 2 2 -0.20
4 1 2 2 2 2 1 1 3.27
5 2 1 2 1 2 1 2 0.20
6 2 1 2 2 1 2 1 2.02
7 2 2 1 1 2 2 1 1.45
 8 2 2 1 2 1 1 2 2.02

Suma f 1 6.29 5.44 6.69 2.90 5.29 6.94 8.19 (-15)

Sumaf2 5.69 6.54 5.29 9.08 6.69 5.04 3.79
Dif 0.60 1.10 1.40 6.18 1.40 1.90 4.40
Nivel A1 B2 AXB1 C2 E2 F1 D1
seleccionado

B1 B2
A1 1.61 1.535
A2 1.11 1.735

PARA R3

N°P 1 2 3 4 5 6 7 R1
A B AXB C E F D S/N
1 1 1 1 1 1 1 1 3.14
2 1 1 1 2 2 2 2 3.55
3 1 2 2 1 1 2 2 2.21
4 1 2 2 2 2 1 1 4.65
5 2 1 2 1 2 1 2 -1.60
6 2 1 2 2 1 2 1 3.76
7 2 2 1 1 2 2 1 1.87
8 2 2 1 2 1 1 2 0.60

Suma f 1 13.55 8.85 9.16 5.62 9.71 6.79 13.42 (+30)

Sumaf2 4.63 9.33 9.02 12.56 8.47 11.39 4.76
Dif 8.92 -0.48 0.14 -6.94 1.24 -4.60 8.66
Nivel A1 B2 AXB1 C2 E1 F2 D1
seleccionado

B1 B2
A1 3.345 3.43
A2 1.08 1.235

RESULTADOS SOBRE FACTOR RUIDO PARA R1, R2 y R3

G1 CON VIENTO G2 CON VIENTO

R1 SUMA 94 78
 PROMEDIO 11.75 9.75
DIFERENCIA 2
R2 SUMA 52.7 54.3
PROMEDIO 6.58 6.78
DIFERENCIA 0.20
R3 SUMA 216 194
PROMEDIO 27 24.25
DIFERENCIA 2.75

De los cuadros y de las gráficas se tiene:

Con R1:

La combinación óptima es A1, 82, AxB 1, C2, E2, F2, D1 donde el efecto de la

interacción es fuerte (12.62).

Del Análisis de AxB: el mayor valor el de S/N es A2B2, que coincide con 82 de la

combinación óptima pero no con A 1. Se tiene que el efecto mayor es el de la

interacción con respecto a A (4.54) por tanto seleccionamos A2. Además A2 es más

barato (aceito compuesto)

Con R2:

La combinación óptima es A1, 82, AxB 1, C2, E2, F1, D1 donde el efecto de la

interacción es más fuerte (1.40) que A o B.

Del Análisis de AxB: el mayor valor el de S/N es A2B2, que coincide con B2 de la

combinación óptima pero no con A1. Se tiene que el efecto mayor es el de la

interacción con respecto a A (0.60) por tanto seleccionamos A2. Además A2 es más

barato (aceito compuesto).

 Con respecto a F hay diferencia entre el análisis con R1 y R2; pero el efecto de F es

mayor con R1 (14.38 vs.1 .90) por tanto se selecciona F2.

Con R3:

La combinación óptima es A1, B2, AxB 1, C2, E2, F2, D1 donde el efecto de la

interacción es más débil (0.14) que A o B.

Del Análisis de AxB: el mayor valor el de S/N es A1B2, que coincide con A 1 y B2

de la combinación óptima.

Conclusión: La combinación óptima es A1, B2, C2, E1, F2 y D1.

Con relación al efecto del factor no controlable que su efecto es mayor sobre la

crocancia y es mínimo sobre el volumen.

4.3. Elaborar la curva de probabilidad normal de los factores (para determinar factores

significativos).

Sobre R1: El cuadro de datos para la curva sobre el número de semillas que no

revientan o que se queman (R 1) son:

DATOS DE CURVA DE POPCORN PARA R1:

EFECTOS LETRA DE ORDEN PERCENTIL VALOR DE Z

ORDENADOS FACTOR J (J-0.5)/7
-39.12 C 1 0.0714 -1.46
-28.36 E 2 0.2143 -0.79
-14.38 F 3 0.3571 -0.36
-9.44 B 4 0.5 0
4.54 A 5 0.6429 0.36
12.68 AXB 6 0.7857 0.79
45.58 D 7 0.9286 1.46
 2

1.5

0.5
Axis Title

0 Valores Y
-60 -40 -20 0 20 40 60 Linear (Valores Y)
-0.5

-1

-1.5

-2
Axis Title

En la gráfica se pueden apreciar los siguientes factores significativos C y D

Sobre R2: El cuadro de datos para la curva sobre el volumen que ocupan los pop

corn (R2) son:

EFECTOS LETRA DE ORDEN PERCENTIL VALOR DE Z

ORDENADOS FACTOR J (J-0.5)/7
-6.18 C 1 0.0714 -1.46
-1.40 E 2 0.2143 -0.79
-1.10 B 3 0.3571 -0.36
0.60 A 4 0.5 0
1.40 AXB 5 0.6429 0.36
1.90 F 6 0.7857 0.79
4.40 D 7 0.9286 1.46
 2

1.5

0.5
Axis Title

0 Valores Y
-8 -6 -4 -2 0 2 4 6 Linear (Valores Y)
-0.5

-1

-1.5

-2
Axis Title

En la gráfica se pueden apreciar los siguientes factores significativos C y D.

Sobre R3: El cuadro de datos para la curva sobre los granos de pop corn crocantes

(R3) son:

DATOS DE CURVA DE POPCORN PARA R3

EFECTOS LETRA DE ORDEN PERCENTIL VALOR DE Z

ORDENADOS FACTOR J (J-0.5)/7
-6.94 C 1 0.0714 -1.46
-4.60 F 2 0.2143 -0.79
-0.48 B 3 0.3571 -0.36
0.14 AXB 4 0.5 0
1.24 E 5 0.6429 0.36
8.66 D 6 0.7857 0.79
8.92 A 7 0.9286 1.46
 2

1.5

0.5
Axis Title

0
Valores Y
-0.5 Linear (Valores Y)

-1

-1.5

-2
-14 -10 -6 -2 2 6 10 14
Axis Title

En la gráfica se pueden apreciar los siguientes factores significativos C y D.

4.4. Análisis de Variancia ANVA de los factores. Determinar efectos significativos,

corroborando o no las gráficas de probabilidad normal.

ANOVA PARA R1

FUENTE G.L. SUMA DE MEDIA DE F P%

CUADRADOS SUMA DE
CUADRADOS
A 1 2.58* 2.58
B 1 11.14* 11.14
C 1 191.30 191.30 12.82c 31.30
D 1 259.69 259.69 17.40c 42.49
E 1 100.54 100.54 6.74 16.45
F 1 25.85* 25.85
AXB 1 20.10* 20.10
ERROR 0
TOTAL 7 611.20 87.31 90.24
ERROR 4 59.67 14.92
AGRUPADO
 La suma de cuadrados se calculó con la siguiente ecuación:

(𝐴1+𝐴2)2 (16.36−11.82)2
SC a= = = 2.58
𝑛 8

Así se aplica para el resto de factores e interacciones.

De la Tabla de F se obtiene el nivel de significación a 1% y 5% F (1,3) a 0.05 =

10.13 F (1,3) a O. O 1 = 34.12

Los factores significativos al 5% son: C y D.

La simbología que se pone al costado es la letra a, que indica significativo a 1 %; sí

solo lo fueran al 5% se pondría la letra c.

Para R2: Volumen (altura en cm en envase)

FUENTE G.L. SUMA DE MEDIA DE F P%

CUADRADOS SUMA DE
CUADRADOS
A 1 0.045* 0.045
B 1 0.151* 0.151
C 1 4.774 4.774 48.71 a 57.30
D 1 2.420 2.420 24.69 a 29.05
E 1 0.245 0.245 2.50 2.94
F 1 0.451 0.451 4.60 5.41
AXB 1 0.245 0.245 2.50 2.94
ERROR 0
TOTAL 7 8.331 97.64
ERROR 2 0.196 0.098
AGRUPADO

(𝐴1+𝐴2)2 (6.29−5.69)2
SC a= = = 0.045
𝑛 8

Así se aplica para el resto de factores e interacciones.

 De la Tabla de F se obtiene el nivel de significación a 1 % y 5% F (1 ,5) a 0.05 =

6.61 F (1 ,5) a 0.01 = 16.26

Los factores significativos al 1% son: C y D (incluye al 5%)

Para R3: Crocancia: número de pop corn no crocantes.

FUENTE G.L. SUMA DE MEDIA DE F P%

CUADRADOS SUMA DE
CUADRADOS
A 1 9.95 9.95 134.46 a 35.27
B 1 0.03 0.03
C 1 6.02 6.02 81.35 a 21.34
D 1 9.37 9.37 126.62 a 33.21
E 1 0.19 0.19
F 1 2.65 2.65 35.81 a 9.39
AXB 1 0.002 0.002
ERROR 0
TOTAL 7 28.212
ERROR 3 0.222 0.074
AGRUPADO

(𝐴1+𝐴2)2 (13.55−4.63)2
SC a= = = 9.95
𝑛 8

Así se aplica para el resto de factores e interacciones.

De la Tabla de F se obtiene el nivel de significación a 1% y 5% F (1 A) a 0.05 =

7.71 F (1 ,4} a 0.01 = 21 .20

Los factores significativos al1% son: A, C, D y F.

4.5. Definición de efectos significativos, análisis de datos y cálculo de ecuación de

predicción.
S/N DE LOS FACTORES SIGNIFICATIVOS
FACTORES FACTORES NO
SIGNIFICATIVOS SIGNIFICATIVO
R1
C,D C2=33.65 A2,B2,E2,F2
D1=36.88
R2
C,D C2=9.08 A1,B2,E2,F1
D1=8.19
R3
A,C,D,F A1=13.55; C2=12.56 B2,E1
D1=13.42; 11.39

Considerando los efectos S/N de los tres resultados se tienen los siguientes efectos

significativos:

A1=13.55;

C2=33.65 + 12.56 + 9.08 = 55.29/3=18.43

D1 =36.88+13.42+8.19=58.49/3=19.50

F2=11.39

La combinación óptima es: Efectos Significativos: A 1, C2, D 1, F2 Efectos No

Significativos: 82, E2

La ecuación de predicción, sólo con los factores significativos, es:

S/N = T + ( A1 - T) +( C2- T) +( D1 - T) + ( F2- T)

Suma S/N 59.94 T

S/N = 2.50 + ( 13.55/4-2.50) + ( 18.43/4-2.50) + ( 19.50/4-2.50) + ( 11.39/4 - 2.50)

= 2.50 + 0.89 + 2.11 + 2.38 + 0.35 = 8.23

5. Confirmación de Resultados.

Con base a la información obtenida en 4.5. se procedió a diseñar dos pruebas con los

niveles óptimos encontrados. Estas pruebas fueron para:

FACTOR-NIVEL DESCRIPCIÓN
A1 ACEITE DE OLIVA
B2 50 cm3 DE ACEITE
C2 LLAMA ALTA
D1 SIN PRECALENTAMIENTO
E2 CON AGITAMIENTO
F2 OLLA OVAL

Luego de realizar las pruebas los resultados fueron:

RESULTADOS DE PRUEBAS DE CONFIRMACION

CON SIN Y S2 S/N

VIENTO VIENTO
RESULTADOS/NO 2 1 1.5 0.5 -3.98+20=16.02
QUEMADOS +
REVENTADOS
RESULTADOS/VOLUMEN 8.2 8.5 8.35 0.045 18.43-15=3.43
EN CM ALTO
RESULTADOS/NO 18 15 16.5 4.5 -24.38+30=5.62
CROCANTES

Si sumamos los 3 S/N tendremos: 25.07 y dividido entre 3 tendremos: +8.36 que es

cercano al valor de la ecuación de predicción y además es mayor (al valor de S/N

calculado en la ecuación de predicción), por lo que es aceptable el resultado obtenido.

Con los resultados se corrobora lo obtenido del análisis. Se ha encontrado un proceso

que da los mejores resultados.

6. Resultados obtenidos:

El proceso óptimo de elaboración de popcorn se consigue si se consideran los siguientes

parámetros de proceso:

1) Uso de aceite de soya

2) Uso de 50 cm3 en la olla

3) Uso de llama alta

4) Trabajar sin precalentamiento de la olla

5) Trabajar con agitación.

6) Usar olla oval.

(Cevallos,2000, p.105-p.125)
Conclusiones
1. El uso de la metodología propuesta por Taguchi, implica disponer de un equipo que

sea conocedor del tema a investigar, para poder hacer el estudio correcto del

problema, las causas, efectos y las interacciones entre ellos.

2. Aplicar el método Taguchi implica desarrollar los métodos secuenciales que este

propone utilizando datos cualitativos para identificar el problema, las causas e

identificar las mejoras para el proceso, así como los datos cuantitativos para los

cálculos con los cuales desarrollar los arreglos ortogonales de Taguchi y las

respectivas gráficas.

3. Para el caso aplicado la metodología desarrollada es una simplificación de la

metodología completa de los Métodos Taguchi, en los cuales se seleccionó los

aspectos fundamentales.
 Recomendaciones

1. Se recomienda utilizar la metodología de Taguchi para los estudios y mejora de

procesos en los productos y servicios de las empresas.

2. Enseñar este tipo de métodos a los estudiantes de Ingeniería Industrial; debido a que

es una metodología compleja y a su vez importante para la mejora de procesos y

calidad en el desarrollo de productos y servicios.

3. Diversificar el uso de la metodología Taguchi a las diversas empresas en sus estudios

de mejora de procesos.
Bibliografía
(s.f.).

CRUZ RESTREPO, E., & RESTREPO CORREA, J. (2008). Comparación de las metodologías clásica y

Taguchi del diseño experimental en un ingenio azucarero del valle. Colombia: Universidad

Tecnológica de Pereira.

Aldana de Vega, L., Álvarez Builes, M. P., Bernal Torres, C. A., Díaz Becerra, M. I., Galindo Uribe, Ó.

D., González Soler, C. E., & Villegas Cortés, A. (2011). Administración por calidad. Bogotá,

Colombia: Alfaomega.

Besterfield, D. H. (2009). Control de calidad. México: Pearson Educación.

CEVALLOS AMPUERO, J. (2000). Aplicación de los métodos Taguchi a la mejora de la. Lima:

Universidad Nacional Mayor de San Marcos.

Cevallos Ampuero, J. M. (2000). Aplicación de los métodos Taguchi a la mejora de la calidad en la

pequeña y microempresa. Lima: UNMSM.

Cruz Trejos, E. A., Medina Varela, P. D., & Silva Diaz, C. A. (2012). Una revisión crítica de la razón

señal usada por Taguchi. Scientia et Technica , Año XVII, No 50, p. 52-56.

De la Peña Hernández, J. (1994). La calidad total, una utopía muy práctica. Madrid: Universidad

Pontificia Comillas.

Hernández, A. B., De La Paz Guillón, M., & García, L. A. (2015). La metodología de Taguchi en el

control estadístico de la calidad. Investigación Operativa, XXIII, N° 37, p. 65 - 83.

Montgomery, D. (2011). Control estadístico de la calidad. México: Limusa Wiley.

Prat Bartés, A., & otros. (2004). Control y mejora de la calidad. Cataluña: UPC.

Rodríguez Huerta, F. M. (2012). Diseño robusto en sistemas de control. Guanajuato: Centro de

investigación en Matemásticas.

RODRIGUEZ LOPEZ , J. (2003). CURSO DE INGENIERÍA DE CALIDAD . Mexico: Instituto Tecnológico

de Chihuahua: Material Académico .

RUIZ MEDINA, M. (2004). Desarrollo de la metodología de Taguchi. España: Universidad de

Granada.

Shina, S. (1990). Uso del método de Taguchi para incrementar la resistencia del pegamento RTV en

operaciones de adherencia de partes y componentes. Tecnología en marcha, Vol 10, N° 2,

3-7.