Comparacin de las metodologas clsica y

Taguchi del diseo experimental en un

ingenio azucarero del valle del cauca
&RPSDULVRQRIFODVVLFDQGTDJXFKLPHWKRGRORJLHVRIWKH
H[SHULPHQWDOGHVLJQLQVXJDUSURGXFWLRQRIYDOOHGHOFDXFD

EDUARDO ARTURO CRUZ RESTREPO

Ingeniero Industrial (Universidad Tecnolgica de Pereira), Magster en Administracin

Econmica y Financiera (Universidad Tecnolgica de Pereira). Profesor Asistente, Facultad
de Ingeniera Industrial (Universidad Tecnolgica de Pereira).
JORGE ENRIQUE RESTREPO CORREA

Ingeniero Industrial (Universidad Tecnolgica de Pereira), Magster Investigacin de

Operaciones y Estadstica (Universidad Tecnolgica de Pereira). Profesor Asistente,
Facultad de Ingeniera Industrial (Universidad Tecnolgica de Pereira).
PEDRO DANIEL MEDINA VARELA

Ingeniero Mecnico (Universidad del Valle), Magster Ingeniera Industrial (Universidad

de los Andes). Profesor Auxiliar, Facultad de Ingeniera Industrial (Universidad Tecnolgica de Pereira).
Clasificacin del artculo: investigacin (Conciencias)
Fecha de recepcin: 26 de abril de 2008

Fecha de aceptacin: 29 de julio de 2008

Palabras clave: anlisis de varianza, arreglos ortogonales, diseo experimental, efecto, factores controlables, factores incontrolables, interaccin, razn seal ruido robustez.
Key words: anlisis of variante, orthogonal array, experimental design, effect, controllable factors, uncontrollabel
factors, interaction, robust. Signal-Noise ratio.
RESUMEN
El presente artculo presenta los resultados de la investigacin en la cual se aplic los mtodos Clsico
y Taguchi para el Diseo experimental dentro de
la planta de manufactura de un ingenio azucarero
del Valle del Cauca. A travs de este documento se
subraya continuamente la importancia que tiene el

Diseo Experimental como herramienta estadstica

SDUDHOPHMRUDPLHQWRGHSURFHVRVSURGXFWLYRVTXH
va ms all del simple monitoreo impuesto por
las tcnicas de control estadstico de procesos,
sin demeritarlas como herramientas tiles para
controlar el rendimiento de un proceso. En este
estudio se realiz una comparacin de los resul-

con-ciencias
tados obtenidos en la aplicacin de los mtodos
anteriormente nombrados.
ABSTRACT
WKLVSDSHUVKRZVWKHUHVXOWVWRXVHWKH&ODVVLFDQG
Taguchi methods for Experimental Design in a
sugar mill of Valle del Cauca (Colombia). Through

RI WKLV SDSHU ZH VWUHVVHG WKH LPSRUWDQFH RI ([perimental Design as a statistical tool to improve
WKHSURGXFWLRQSURFHVVHV:HZHQWEH\RQGRIWKH
simple monitoring statistical process control techQLTXHV,QWKLVVWXG\ZHGLGDFRPSDULVRQRIWKH
results obtained in the application of the method
listed above.

***

1.

Introduccin

8QDKHUUDPLHQWDTXHSHUPLWHHOPHMRUDPLHQWRWDQWR
GHORVSURGXFWRVFRPRGHSURFHVRVFRQHOREMHWLYR
de que los bienes producidos se adecuen de la meMRUPDQHUDSRVLEOHDODVH[LJHQFLDVGHOPHUFDGRHV
el diseo de experimentos. Campo del cual fue su
pionero Ronald A. Fisher, matemtico y actuario,
TXLHQHQUHDOL]yORVSULPHURVDYDQFHVHQHVWH
campo en la agricultura. Los mtodos estadsticos y
las tcnicas de diseos experimentales con aplicaciones a problemas industriales, fueron desarrollados,
principalmente, en Estados Unidos y Gran Bretaa
SRUFLHQWtFRVGHOiUHDDSOLFDGD>@
8QDGHODVYHQWDMDVGHHVWRVPpWRGRVHVTXHSHUPLWH
el estudio de diferentes variables simultneamente.
$GHPiVVRQHPStULFRV\QRUHTXLHUHQODGHQLFLyQ
de modelos matemticos para describir situaciones
fsicas. En lugar de eso, involucran planes de expeULPHQWRVFRQSURFHGLPLHQWRVGHQLGRVTXHDJLOL]DQ
la determinacin de soluciones e interpretacin de
datos. Un experimento es una prueba o ensayo. Un
experimento diseado es una prueba o serie de pruebas, en las cuales se inducen cambios deliberados
en la variable de entrada de un proceso o sistema,
GH PDQHUD TXH VHD SRVLEOH REVHUYDU H LGHQWLFDU
las causas de los cambios en la respuesta de salida
>@8QSURFHVRRVLVWHPDSXHGHVHUUHSUHVHQWDGR
SRUPHGLRGHXQDFDMDQHJUDYHUJXUDHQOD
cual se puede observar la existencia de factores
controlables X1, X2 ,..... , Xi; factores no controlables
Z1, Z2 ,..... , Zi (aunque pueden ser controlables para

ORVQHVGHOH[SHULPHQWRHQWUDGDV\XQDUHVSXHVWD
o salida Y GHOVLVWHPD(QWUHORVREMHWLYRVGHOH[perimento se pueden incluir:
Determinar cules variables (factores) tienen
PD\RULQXHQFLDHQODUHVSXHVWDY.
'HWHUPLQDUHOPHMRUYDORUGHODVX TXHLQX\HQ
en Y, de manera que Y tenga casi siempre un
valor cercano al valor deseado.
'HWHUPLQDU HO PHMRU YDORU GH ODV X que inX\HQHQY de modo que su variabilidad sea
pequea.
'HWHUPLQDUHOPHMRUYDORUGHODVXTXHLQX\HQ
en Y, de modo que se minimicen los efectos
de los factores no controlables Z.
A continuacin se presenta un estudio aplicando dos
de las principales metodologas del diseo experimenWDOFRQHOREMHWLYRGHREVHUYDUFXiOREWHQtDXQPHMRU
comportamiento en el incremento de la extraccin
GHMXJRGXOFHHQXQLQJHQLRD]XFDUHUR6HLQLFLDFRQ
una breve descripcin de cada uno de estos mtodos,
WUDWDQGR GH DFODUDU OD ORVRItD TXH ORV VXVWHQWD$
continuacin, se desarrollan los resultados desde las
GRVySWLFDVSDUDQDOL]DUFRQXQDDPSOLDGLVFXVLyQ
comparativa de las metodologas aplicadas.

Comparacin de las metodologas clsica y Taguchi del diseo experimental en un ingenio azucarero del valle del cauca
EDUARDO ARTURO CRUZ RESTREPO / JORGE ENRIQUE RESTREPO CORREA / PEDRO DANIEL MEDINA VARELA

47

con-ciencias

Figura 1. Esquema de un proceso.

Fuente: los autores.

En la realizacin de esta investigacin se plantearon

XQFRQMXQWRGHIDVHVOyJLFDPHQWHFRQHFWDGDVFRQ
HOREMHWLYRGHFXEULUFRQODSURSXHVWDLQLFLDOODV
etapas fueron:
 Anlisis del proceso de produccin con el
REMHWLYRGHGHWHUPLQDUVXESURFHVRHQHOTXH
mayor impacto tendra el estudio; en esta fase
se involucraron los investigadores principales
y personal de ingeniera de la compaa. De
esta etapa se determin enfocar el estudio en
el proceso de molienda, debido al importante
impacto econmico que generara un incremento en el nivel de extraccin.

que se involucraran en la experimentacin,

para ello de nuevo fue importantsima la
experiencia y conocimiento que del proceso
tenan el personal de la organizacin de esta
etapa se concluy que las variables por invoOXFUDUVHUtDQHODMXVWHGHOPROLQRODSUHVLyQ
hidrulica en los cabezotes del molino 1; y las
velocidades de las picadoras I y II.
Es esta fase se dise una matriz experimental
que permitiera la recoleccin de informacin
necesaria en la aplicacin de las dos metodologas por aplicar.
En este punto los esfuerzos se concentraron
en el anlisis y presentacin de los resultados
a la compaa.

'LVHxRPHWRGROyJLFR
El proceso de investigacin que gener este documento fue realizado a travs de la metodologa,
TXHVHSUHVHQWDPHGLDQWHHOGLDJUDPDGHXMRGH
ODJXUD

Determinacin de la variable dependiente: en

esta fase se determin que la variable depenGLHQWHGHEHUtDVHUHOSRUFHQWDMHGHH[WUDFFLyQ
en el primer molino, etapa en la que tambin
se involucr de manera relevante el personal
de la compaa.
Determinacin de las variables experimentales: esta fase se desarroll en dos pasos. El
primer paso se enfoc a la determinacin de
las variables incontrolables ms importantes,
se involucraron en este primer estudio experimental la variedad de caa, el tipo de corte y
la materia extraa. De este primer anlisis se
FRQFOX\yTXHODYDULDEOHUXLGRPiVVLJQLFDtiva es el tipo de corte de la caa al momento
de ser alimentado el tndem de molienda. El
segundo paso de esta etapa se concentr en la
determinacin de las variables controlables

48

Tecnura ao 12 No.23 segundo semestre de 2008

Figura 2. Diseo metodolgico.

Fuente: los autores.

con-ciencias
0pWRGRIDFWRULDOi
En la mayora de los experimentos estn envueltas
diferentes variables. El diseo de experimentos
factoriales puede ser usado en estas situaciones.
En un diseo de este tipo, en cada prueba o rplica
completa del experimento todas las posibles combinaciones de los niveles de los factores son investigadas. De esta manera, s existen dos factores A y
%FRQDQLYHOHVSDUDHOIDFWRU$\EQLYHOHVGHO
factor B; entonces, cada rplica estar constituida
SRUWRGDVODVSRVLEOHVDEFRPELQDFLRQHVHQWUHORV
niveles de ambos factores. El efecto de un factor es
GHQLGRFRPRHOFDPELRHQODUHVSXHVWDSURGXFLGD
por un cambio en su nivel. Esto es llamado efecto
SULQFLSDO GHELGR D TXH VH UHHUH D ORV IDFWRUHV
principales en el estudio.
Los arreglos ortogonales balanceados son una de
las caractersticas importante de los experimentos
factoriales sobre los que se sustentan los modelos
2i, lo que facilita su anlisis y permite que cada uno
de los efectos pueda ser calculado de manera independiente. Otra caracterstica importante de esta
metodologa es la estimacin, tanto de los efectos
principales como de cada una de las interacciones
entre stos. Por tanto, el mtodo factorial o clsico est basado en un modelo expresado segn la
ecuacin 1:

(1)

Donde:
i UHSUHVHQWDQ ORV FRHFLHQWHV GH UHJUHVLyQ GHO
efecto principal del factor i.
LMUHSUHVHQWDQORVFRHFLHQWHVGHUHJUHVLyQGHOD
LQWHUDFFLyQHQWUHORVIDFWRUHVL\M
xi, representan los factores controlables del proceso.
Y, representa la salida o variable dependiente.

En cierto tipo especial de diseos factoriales, muy

~WLOHQHOPHMRUDPLHQWRGHSURFHVRV\SURGXFWRHV
HOOODPDGRH[SHULPHQWRFRQLIDFWRUHVFDGDXQRD
dos niveles. Debido a que cada rplica completa del
diseo tiene 2i corridas, el arreglo es llamado diseo
factorial 2i. Estos diseos tienen un anlisis muy simple y son la base de muchos otros diseos tiles.
Cuando el nmero de factores en un diseo factorial
2i se incrementa, el nmero de corridas necesarias
crece exponencialmente. En estas situaciones la
PHMRUHVWUDWHJLDHVVHOHFFLRQDUXQVXEFRQMXQWRR
fraccin del total de experimentos de un diseo
factorial completo 2i. Diseos de este tipo, en los
que se toma una fraccin del factorial 2i, tal como
VHOODPDQGLVHxRVIDFWRULDOHVIUDFFLRnales, en los cuales se supone que las interacciones
de alto orden son despreciables. En estos diseos
factoriales es importante observar la confusin entre
los factores, para lo cual es obligatorio obtener lo
que se conoce como estructura de confusin.

4.

Metodo TDJXFKL

El diseo de experimentos es una herramienta que

tambin puede ser usada en las etapas de diseo de
SURGXFWRV\SURFHVRVFRQHOREMHWLYRGHPLQLPL]DU
la variacin del desempeo de stos en manos de
ORVFRQVXPLGRUHVQDOHVFRQUHVSHFWRDORVIDFWRUHV
DPELHQWDOHVFRPRPHGLRSDUDPHMRUDUODFDOLGDG/D
idea de disear productos y procesos cuyo desempeo sea insensible a las condiciones ambientales
(robustez del sistema) y realizar esto en las etapas
de diseo a travs del uso de diseo de experimentos
ha sido la piedra angular de la metodologa Taguchi.
Las fortalezas de la metodologa de Taguchi son
las siguientes:
  Enfatiza en la calidad durante la etapa del
diseo del proceso.
Reconoce la importancia relativa de los facWRUHV TXH LQX\HQ HQ HO GHVHPSHxR GH ORV
productos o procesos.

Comparacin de las metodologas clsica y Taguchi del diseo experimental en un ingenio azucarero del valle del cauca
EDUARDO ARTURO CRUZ RESTREPO / JORGE ENRIQUE RESTREPO CORREA / PEDRO DANIEL MEDINA VARELA

49

con-ciencias
Enfatiza en la reduccin de la variabilidad, por
medio del uso de la funcin de prdida y de la
razn seal-ruido existiendo una para cada obMHWLYRTXHVHTXLHUDORJUDUFRQHOH[SHULPHQWR
Se concentra en el concepto de diseo de parmetros que sirvan para disminuir la variabilidad
en el desempeo de los productos.
7DPELpQSXHGHVHUXWLOL]DGDSDUDHOPHMRUDPLHQto de procesos y productos ya existentes.
El modelo de Taguchi enfatiza la importancia de
HYDOXDUHOGHVHPSHxREDMRFRQGLFLRQHVGHFDPSR
como parte del proceso de diseo, y por el hecho de
que la variacin funcional en el desempeo est inXHQFLDGDSRUORVIDFWRUHVGHUXLGRORVFXDOHVYDUtDQ
en el ambiente en el cual los procesos o productos
HVWiQIXQFLRQDQGR/DORVRItD7DJXFKLHVWiEDVDGD
en un modelo aditivo de los efectos principales
para lo cual la presencia de interacciones es algo
indeseable, y en caso que en el proceso se encuentre
una relacin de este tipo sta es tomada como parte
del error experimental [11]. Por consiguiente, la
ORVRItD7DJXFKLHVWiEDVDGDHQXQPRGHORFRPRHO
expresado la ecuacin 2:

'HVFULSFLyQGHOSURFHVRGH
..IDEULFDFLyQGHOD]~FDU
En esta seccin se realiza una descripcin general del proceso de produccin de azcar; en l se
aplicaron y se compararon los resultados obteniGRVHQHVWDLQYHVWLJDFLyQFRQHOQGHORJUDUXQ
aumento en el nivel de extraccin de la fbrica.
Este sistema productivo est diseado en lnea, y
sus etapas ms importantes se pueden observar
HQIRUPDHVTXHPiWLFDHQODJXUDHQODFXDOVH
muestra cada uno de los subprocesos del sistema
desde la preparacin hasta el empaque del azcar.
Por ltimo, presenta un anlisis econmico de la
razn por la que se decidi enfocar la fase experimental en el proceso de extraccin de la sacarosa
a travs del tndem de molienda.
Preparacin de la caa:HOREMHWLYRGHHVWDHWDSDHV
convertir las caas enteras en un material formado
por pedazos cortos y pequeos.

(2)

En la expresin anterior se puede observar la aditiYLGDGGHMDGDGHPDQLHVWRHQHVWDPHWRGRORJtD\OD

SRFDLPSRUWDQFLDGDGDDODVLQWHUDFFLRQHVEDMRODV
cuales se ampara el mtodo de diseo experimental
propuesto por Taguchi. Otra caracterstica clave de
esta metodologa son los arreglos ortogonales, los
cuales no son ms que arreglos factoriales fraccionados en los que se basa como medio para la
realizacin del experimento, as como la utilizacin
de una medida de variabilidad, denominada razn
seal ruido (S/N) para la realizacin del anlisis
de resultados.

50

Tecnura ao 12 No.23 segundo semestre de 2008

Figura 3. Esquema del proceso de produccin de azcar.

Fuente: los autores.

Molienda: en esta etapa del proceso, la caa sufre

XQ WUDEDMR GH FRPSUHVLyQ SRU SDUWH GH ORV VHLV
molinos en lnea; de esta manera se produce la
H[WUDFFLyQGHOMXJRGHODFDxDGHD]~FDU
&ODULFDFLyQHQHVWDHWDSDHOMXJRTXHHVH[WUDtGR
en el proceso de molienda es limpiado mediante la
combinacin de diferentes tcnicas.

con-ciencias
Evaporacin: en la etapa anterior del proceso se
SURGXMR MXJR FODUR (VWH MXJR HV XQD PH]FOD GH
azcar disuelta en agua en presencia de algunas
impurezas. Cuando se ha quitado ya la mayor canWLGDGGHHVWDVLPSXUH]DVUHVWDQDOPHQWHHOLPLQDU
HODJXDHVWHHVHOREMHWLYRGHODHYDSRUDFLyQ
Cristalizacin y centrifugacin: el proceso de
cristalizacin es llevado principalmente en los
tachos, en los cuales, a travs de una adecuada
combinacin de vaco y temperatura, se promueve
la concentracin, la formacin y el crecimiento del
JUDQRHQHOMDUDEHSURYHQLHQWHGHODHYDSRUDFLyQ
En la centrifugacin se procede a la separacin de la
solucin altamente viscosa formada por las mieles
con alta concentracin de azcar, aprovechando la
fuerza centrfuga generada en centrifugas a altas
velocidades de giro.
5HQDFLyQHQHVWDHWDSDGHOSURFHVRVHUHQDHO
tamao y la pureza del grano presente en el licor
proveniente de la etapa de cristalizacin y centrifugacin.
Secado y empaque: el azcar comercial sale de
las centrfugas de refino con una humedad de
DSUR[LPDGDPHQWHODFXDOHVPX\DOWDGHELGR
a que si el azcar se almacena en estas condiciones
VHGHWHULRUDODFDOLGDGQDOGHOSURGXFWR6HKDFH
necesario el secado del azcar para disminuir su
FRQWHQLGRGHKXPHGDGKDVWDQLYHOHVPDQHMDEOHV
FRQHOREMHWLYRGHGLVPLQXLUVXYHORFLGDG
de deterioro.
Esta investigacin se concentr principalmente en
HO FRPSRUWDPLHQWR SRUFHQWDMH GH H[WUDFFLyQ GHO
primer molino, el cual mostraba un rendimiento del
  GHELGR D TXH PHGLDQWH VX LQFUHPHQWR VH
lograra impulsar la extraccin global del tndem
GHPROLHQGDTXHDOFDQ]DEDXQORTXHVH
YHUtDUHHMDGRHQXQDXPHQWRHQTXLQWDOHV
de azcar de la produccin del ingenio en el periodo
enero-septiembre de 2005, lo que genera ingresos
DGLFLRQDOHVGH86HQHVHSHULRGRSRUFDGD
SXQWRGHLQFUHPHQWRHQODHFLHQFLDGHH[WUDFFLyQ

)DFWRUHVH[SHULPHQWDOHV
Se realiz una primera fase experimental, en la
cual se analizaron tres variables ruido, que se sosSHFKDEDQ WHQtDQ JUDQ LQXHQFLD HQ OD H[WUDFFLyQ
del molino 1; estas variables fueron: (a) variedad
de caa; (b) tipo de corte; y (c) materia extraa.
De este primer anlisis se concluy que la variaEOHUXLGRPiVVLJQLFDWLYDHVHOWLSRGHFRUWHGH
la caa al momento de ser alimentado el tndem
de molienda. En la segunda fase experimental se
LQYROXFUDURQ HO DMXVWH GHO PROLQR  OD SUHVLyQ
hidrulica en los cabezotes del molino 1; y las veORFLGDGHVGHODVSLFDGRUDV,\,,MXQWRFRQHOWLSR
de corte como variable ruido ms importante, en un
gran experimento que servira como herramienta de
PHMRUDPLHQWRGHOSURFHVRGHPROLHQGD

$SOLFDFLyQGHODPHWRGRORJtDGH
.H[SHULPHQWDFLyQFOiVLFD
'HELGRDODGLFXOWDGSDUDH[SHULPHQWDUHQHOSURceso de molienda se decidi realizar un experimento
factorial 25-1 sin ninguna replica para la estimacin
directa del error experimental. En la tabla 1 se observan los factores estudiados y la letra con la que
VHLGHQWLFDUiQHQHVWHDUWtFXOR

Nivel
Factor

Unidades

Cdigo

-1

Velocidad Picadora I

r.p.m





Velocidad Picadora II

r.p.m





$MXVWHGH6DOLGD

In





Presin Hidrulica

Psi

3000

3500

Tipos de corte

Trozado

Largo

Tabla 1. 5HODFLyQGHYDULDEOHVFRGLFDGDVH[SHULPHQWDFLyQFOiVLFD

La matriz experimental se desarroll con la relacin

generadora I = -ABCDE; de esta manera se obtuvo
la estructura de confusin mostrada en la tabla 2.

Comparacin de las metodologas clsica y Taguchi del diseo experimental en un ingenio azucarero del valle del cauca
EDUARDO ARTURO CRUZ RESTREPO / JORGE ENRIQUE RESTREPO CORREA / PEDRO DANIEL MEDINA VARELA

51

con-ciencias
I=-ABCDE
A= -BCDE
B = -ACDE
C = -ABDE
D = -ABCE
E = -ABCD

AB = -CDE
AC = -BDE
AD = -BCE
AE = -BCD
BC = -ADE

BD = -ACE
BE = -ACD
CD = -ABE
CE = -ABD
DE = -ABC

Tabla 2. Estructura de confusin para experimento 25-1

En la tabla 2 se muestra un experimento diseado con

una resolucin adecuada para la estimacin de los
efectos principales y de las interacciones bifactoriales, si se supone que las interacciones de mayor grado
son despreciables. Con base en esta estructura de
confusin se dise la matriz experimental de la tabla
HQODFXDOVHPXHVWUDODVGLIHUHQWHVFRUULGDVMXQWR
con los resultados obtenidos. A los datos mostrados
en esta tabla se les realiz un Anlisis de Varianza
$129$SDUDFRQRFHUODVLJQLFDQFLDHVWDGtVWLFDGH
ORVFLQFRIDFWRUHVHVWXGLDGRVVREUHHOSRUFHQWDMHGH
extraccin del molino 1 y analizar, con una adecuada
herramienta estadstica, las interacciones de mayor
inters. Para la realizacin del anlisis de varianza se
decidi estimar el error experimental confundindolo
con las interacciones que generaron un menor inters
para el personal del proceso.

C o r r i d a Picadora
No
1

Picadora
2

Ajuste

Presin

Corte

% Extraccin



-1

-1

-1

-1

-1

-1

-1

-1

57,33

-1

-1

-1



-1

-1

-1



-1

-1

-1



-1

-1

-1



-1

-1

-1



-1



-1

-1

-1



10

-1

-1

-1



11

-1

-1

-1



12

-1



13

-1

-1

-1





-1



15

-1

55,01



-1



Tabla 3. Matriz experimental.

52

Tecnura ao 12 No.23 segundo semestre de 2008

Fuente de variacin

SS

Grados de libertad

MS

Fo

Picadora I (A)
Picadora II (B)
$MXVWH&
Presin (D)
Corte (E)
INTERACCIONES
AD
CD
CE

3.821
28.037
33.582



1
1
1
1
1

3.821
28.037
33.582





2.833
10.810
37.700

212.580



1
1
1

212.580





0,028

DE







Error
Total

71.125



15



Tabla 4. Anlisis de varianza.

'HO DQWHULRU DQiOLVLV VH FRQFOX\H FRQ XQ  GH

FRQDQ]DTXHHOWLSRGHFRUWHHVHVWDGtVWLFDPHQWH
VLJQLFDWLYRDOWHQHUXQHIHFWR1GHVREUHHO
SRUFHQWDMHGHH[WUDFFLyQGHOPROLQRWDPELpQVH
SXHGHFRQFOXLUFRQXQGHFRQDQ]DTXHHOHIHFWR
de la presin hidrulica es una causa importante de
la variabilidad del proceso, al mostrar un efecto del
VREUHHOSRUFHQWDMHGHH[WUDFFLyQ$GHPiV
VHLQHUHFRQXQQLYHOGHFRQDQ]DGHOTXHHO
DMXVWHGHVDOLGDGHOPROLQRHVXQDYDULDEOHLPSRUWDQWHHQORVSRUFHQWDMHVGHH[WUDFFLyQREWHQLGRVGH
pVWHFRQXQHIHFWRGHO(QFXDQWRDODVLQWHUD
FFLRQHVVHFRQFOX\HFRQXQGHFRQDQ]DTXH
HOHIHFWRFRQMXQWRHQWUHODYHORFLGDGGHODSLFDGRUD
,\ODSUHVLyQKLGUiXOLFDHVOD~QLFDFDXVDFRQMXQWD
GH YDULDELOLGDG HVWDGtVWLFDPHQWH VLJQLFDQWH /D
JXUDPXHVWUDODLQWHUDFFLyQHQWUHODYHORFLGDGGH
la picadora I y la presin hidrulica, por lo cual se
observa que se logran los ms altos niveles de extraccin cuando ambas variables estn en sus mximos
QLYHOHV\VHDOFDQ]DXQDHFLHQFLDGHOHQHO
SRUFHQWDMHGHH[WUDFFLyQGHOPROLQR,

,SLMLJ[VKL\UMHJ[VYLZKLUPKVJVTVSHKPMLYLUJPH
entre el promedio de las observaciones cuando la variable esta en el nivel 1 y el promedio de las observaciones
cuando la variable est en el nivel -1.

con-ciencias
$SOLFDFLyQGHODPHWRGRORJtDGH
.H[SHULPHQWDFLyQWDJXFKL

Figura 4. Interaccin entre la velocidad de la picadora I y la presin

KLGUiXOLFDVREUHHOSRUFHQWDMHGHH[WUDFFLyQGHOPROLQR,

Por medio de este anlisis, se puede concluir que

ORV PHMRUHV QLYHOHV RSHUDWLYRV SDUD ORV IDFWRUHV
TXH PRVWUDURQ DOJXQD VLJQLFDQFLD HVWDGtVWLFD
son A2, C1, D2 y E2, mientras que para el factor
TXHQRPRVWUyVLJQLFDQFLDDOJXQDHVFODURTXHHO
nivel ms apropiado es B1. Si se tiene en cuenta el
modelo matemtico obtenido del comportamienWRHQODHFLHQFLDGHH[WUDFFLyQGHO0ROLQRD
travs de la experimentacin realizada, dado en
la ecuacin 32VHSXHGHREWHQHUXQSRUFHQWDMHGH
H[WUDFFLyQHVWLPDGRGHDSUR[LPDGDPHQWHXQ
siendo 13,5 puntos superior al valor obtenido en
la fase inicial de evaluacin del sistema; esto se
UHHMD HQ XQD H[WUDFFLyQ JOREDO GHO  FRQ
JDQDQFLDV GH DSUR[LPDGDPHQWH 86 
durante el periodo analizado.

(3)

A continuacin, se analizan los resultados obtenidos

en la aplicacin de la metodologa Taguchi involucrando el tipo de corte como variable ruido, segn
lo encontrado en la primera fase de experimentaFLyQ6HVHOHFFLRQyXQDUUHJORRUWRJRQDO/SDUD
la matriz interna, el cual permite estudiar mximo
cuatro factores en tres niveles cada uno, utilizando
la tcnica del falso nivel para permitir involucrar
un factor en dos niveles en una columna desarrollada para estudiar factores en tres niveles [11] y
un arreglo compuesto de slo dos corridas para la
matriz externa. En la tabla 5 se observan los factores
estudiados, sus respectivos niveles y el cdigo con
HOFXDOVHLGHQWLFDUiQHQHVWDVHFFLyQ

Nivel
FACTOR

UNIDADES

CODIGO

Velocidad

r.p.m







r.p.m







$MXVWHGHVDOLGD

In





Presin hidrulica

Psi

2.500

3.000

3.500

Tipo de corte

Trozado

Largo

Picadora I
Velocidad
Picadora II

Tabla 5. 5HODFLyQGHYDULDEOHVFRGLFDGDVH[SHULPHQWDFLyQSRU
metodologa Taguchi

(QODWDEODVHSXHGHYHUHODUUHJORH[SHULPHQWDO
VHOHFFLRQDGR MXQWR FRQ ORV UHVXOWDGRV REWHQLGRV
y los valores de la media y la razn seal-ruido
FRUUHVSRQGLHQWHVHJ~QODHFXDFLyQ


2

Esta ecuacin representa el polinomio obtenido para

relacionar el porcentaje de extraccin del molino I (Y)
con los factores analizados.

Comparacin de las metodologas clsica y Taguchi del diseo experimental en un ingenio azucarero del valle del cauca
EDUARDO ARTURO CRUZ RESTREPO / JORGE ENRIQUE RESTREPO CORREA / PEDRO DANIEL MEDINA VARELA

53

con-ciencias
C o r r i d a FACTORES
CONTROLABLES
No
A
B
C

E
Media
D

-1

S/N





55,05



55,27





28.7005



55,01



33.1825

35,05









































57,07

58,30



Tabla 6. Arreglo L con resultados de experimento

Figura 5. Diagrama de media marginales para l razn seal ruido.

El anlisis de los resultados obtenidos es mostrado

HQODJXUDHQODTXHVHSXHGHREVHUYDUTXHODV
variables que mayor efecto tienen sobre la robustez
del sistema son las velocidades de las picadoras I
y II, as como la presin hidrulica aplicada a los
cabezotes del primer molino. Por otro lado, as el
DMXVWHGHVDOLGDGHOSULPHUPROLQRQRPXHVWUHXQ
HIHFWRVLJQLFDQWHHQFXDQWRDODYDULDEOHUHVSXHVWD
UHSUHVHQWDGDHQODJXUDVHLQYROXFUDHQHOPRdelo, dado que un incremento en el nivel de este
factor trae como consecuencia una disminucin
HQHOSRUFHQWDMHGHH[WUDFFLyQGHOORFXDOVH
UHHMDQHJDWLYDPHQWHHQODH[WUDFFLyQJOREDOGHO
tren de molienda. De acuerdo con lo anterior se
FRQFOX\HTXHORVPHMRUHVQLYHOHVGHRSHUDFLyQGHO
sistema son A3, B3, C1 y D1, debido a que muestran
las ms altas relaciones seal-ruido. Si se tiene en
cuenta el modelo aditivo de la ecuacin (5) [11] en
HO TXH VXVWHQWD HO PpWRGR7DJXFKL HO SRUFHQWDMH
de extraccin estimado del molino 1 cuando todos
los factores se encuentran en los niveles operativos
seleccionados como los ms robustos para el funcionamiento del sistema es aproximadamente del
VLHQGRSXQWRVVXSHULRUDOYDORUREWHQLGR
en la fase inicial de evaluacin del sistema; esto se
UHHMDHQXQDH[WUDFFLyQJOREDOGHOFRQJDnancias adicionales a la empresa de US$27.000.

(5)

54

Tecnura ao 12 No.23 segundo semestre de 2008

&RPSDUDFLyQPHWRGROyJLFD
La comparacin se enfoca en los siguientes aspectos
caractersticos de cada una de las metodolgicas
aplicadas en este estudio: el poder en la estimacin
de las interacciones; la capacidad de aumentar el
nivel de extraccin actual del proceso, unida al efecto econmico que cada solucin tendra; el tamao
GHORVDUUHJORVH[SHULPHQWDOHVQHFHVDULRVHODMXVWH
GHOPRGHORREWHQLGRDORVUHVXOWDGRVDUURMDGRVHQ
la fase experimental y los mtodos propuestos para
el anlisis de los resultados.

9.1

Fortaleza en la estimacin de interacciones

Para el caso estudiado aqu en el que se desarroll

un diseo factorial fraccional 25-1, con la estructura
de confusin mostrada en la tabla 2, se generaron
ORVVXFLHQWHVJUDGRVGHOLEHUWDGSDUDODHYDOXDFLyQ
de los efectos principales, as como de las interacciones dobles entre los factores involucrados en
el estudio. En el posterior anlisis de varianza se
obtuvieron resultados interesantes con respecto a
las interacciones entre la velocidad de la picadora
I y la presin hidrulica aplicada a los cabezotes
del molino 1, lo cual, a su vez, permiti el estudio
de las interacciones entre los factores controlables
\ OD YDULDEOH UXLGR FRQ HO REMHWLYR GH UREXVWHFHU
el sistema a esta variable. Teniendo en cuenta la
JXUD\ORVUHVXOWDGRVREWHQLGRVFRQHOPpWRGR
clsico se puede subrayar la gran importancia que
una interaccin tiene sobre el proceso an cuando

con-ciencias
los efectos principales de los factores que la consWLWX\DQQRVHDQVLJQLFDWLYRVLQGLYLGXDOPHQWH
(QHVWDJXUDVHREVHUYDHOLPSRUWDQWHLQFUHPHQWR
que se logra en la variable respuesta cuando se aprovecha la relacin de dependencia existente entre los
factores analizados al alcanzarse una extraccin del
FXDQGRODSUHVLyQ\ODYHORFLGDGHVWiQHQVXV
niveles mximos. Si no se tuviera en cuenta la fuerte
dependencia existente entre el efecto de ambos factores, la solucin lgica sera mantener la velocidad
GHODSLFDGRUD,HQVXQLYHOPiVEDMRGDGDVXSRFD
importancia sobre el proceso sin alcanzarse ningn
PHMRUDPLHQWRLPSRUWDQWHHQpVWH/DPHWRGRORJtD
SODQWHDGD SRU7DJXFKL GHMD PXFKR TXH GHVHDU HQ
FXDQWR DO PDQHMR \ HYDOXDFLyQ GH ODV LQWHUDFFLRQHVORFXDOUHHMDHOSHQVDPLHQWRGHVXFUHDGRUHO
FXDOTXHGDSODVPDGRHQODVLJXLHQWHIUDVHHVPiV
deseable tratar las interacciones entre los factores
controlables como parte del ruido experimental, y
los efectos principales que excedan en magnitud la
LQXHQFLDGHGLFKDVLQWHUDFFLRQHVVRQORVUHDOPHQWH
importantes [20]. La falta de antecedentes para el
adecuado tratamiento de las interacciones potenciales entre los factores controlables en un proceso es
quizs el punto dbil ms importante de esta metodologa, lo cual, en muchos casos, no permite lograr
ODPHMRUVROXFLyQDORVSUREOHPDVSODQWHDGRVHQOD
experimentacin industrial.

9.2

Mejoramiento propuesto

En este punto de comparacin se analizarn los

modelos obtenidos a travs de la aplicacin de cada
XQDGHODVPHWRGRORJtDVFRQHOQGHREVHUYDUHO
PHMRUDPLHQWRSURSXHVWRSRUFDGDXQDGHHOODVFRQ
UHVSHFWR DO SRUFHQWDMH GH H[WUDFFLyQ GHO PROLQR 
\ H[WUDSRODU HVWH PHMRUDPLHQWR SDUD REWHQHU XQ
HVWLPDFLyQGHODXPHQWRHQODHFLHQFLDJOREDOGHO
tndem de molienda y, de esta manera, establecer
el impacto econmico de cada solucin. Teniendo
en cuenta el anlisis de varianza desarrollado para
HO H[SHULPHQWR FOiVLFR YHU WDEOD  VH JHQHUy HO
modelo matemtico mostrado en la ecuacin (3),

en el que se involucran la velocidad de la picadora

,$HODMXVWHGHVDOLGD&ODSUHVLyQKLGUiXOLFD
(D), el tipo de corte (E) y las interacciones AD, CD,
&(\'(5HHPSOD]DQGRODVPHMRUHVFRQGLFLRQHV
para cada uno de los factores en el modelo obtenido,
VH SRGUtDQ HVSHUDU H[WUDFFLRQHV GH KDVWD XQ 
TXH VH YHUtDQ UHHMDGDV HQ XQD H[WUDFFLyQ JOREDO
GHO(VWHLQFUHPHQWRKXELHUDUHSUHVHQWDGR
para la empresa un incremento en la produccin de
azcar de aproximadamente 27.000 quintales en el
periodo enero-septiembre de 2005, lo que genera
86DGLFLRQDOHVSRUYHQWDV6LVHWLHQHHQ
cuenta el anlisis realizado a travs de la metodologa
7DJXFKLGHOFXDOVHREWXYRTXHORVPHMRUHVQLYHOHV
operacionales eran A3, B3, C1 y D1, y basados en un
modelo totalmente aditivo se obtendra a travs de la
ecuacin (5) una extraccin estimada de aproximaGDPHQWHXQODTXHVHYHUtDUHHMDGDHQXQD
extraccin global del tndem de aproximadamente
XQ(VWHLQFUHPHQWRUHSUHVHQWDXQDXPHQWR
HQODSURGXFFLyQGHD]~FDUGHTXLQWDOHVGH
lo cual se obtiene aproximadamente US$ 27.000
adicionales en el mismo periodo.

9.3

Tamao de los arreglos experimentales

/DPHWRGRORJtDFOiVLFDPXHVWUDXQDDOWDH[LELOLGDG
que garantiza experimentos que se adecuen fcilmente a lo que se desea obtener en su realizacin
y posterior anlisis dentro de una aplicacin industrial, debido a la posibilidad de disear matrices
experimentales de diferentes resoluciones, al variar
de una manera lgica y ordenada la estructura y
patrones de confusin; de esta manera, se permite
la obtencin de experimentos con diferentes nmeros de corridas. De acuerdo con lo anterior, se
REVHUYDFyPRFRQVyORFRUULGDVVHSXGRREWHQHU
una matriz experimental de resolucin V con cinco
factores. Mediante la generacin de otra estructura
de confusin, se hubieran podido estimar los efectos
principales con la realizacin de un experimento de
resolucin IV con nicamente ocho corridas. La
matriz experimental obtenida mediante la combinacin arreglo interno-arreglo externo, la cual const

Comparacin de las metodologas clsica y Taguchi del diseo experimental en un ingenio azucarero del valle del cauca
EDUARDO ARTURO CRUZ RESTREPO / JORGE ENRIQUE RESTREPO CORREA / PEDRO DANIEL MEDINA VARELA

55

con-ciencias
de un total de 18 corridas constituidas por un arreglo
LQWHUQRGHFRUULGDV/\XQDUUHJORH[WHUQRGH
2 corridas, no obstante, mostr su tamao ser un
DUUHJORSRFRHFLHQWHGHELGRDTXHQRORJUyHOPHMRUDPLHQWRREWHQLGRPHGLDQWHHOGHVDUUROORGHXQD
matriz ms pequea planteada por la metodologa
tradicional, al no captar la presencia de importantes
LQWHUDFFLRQHV TXH MXHJDQ XQ SDSHO SULPRUGLDO HQ
el proceso. Tomando la relacin entre el nmero
de corridas necesarias para la realizacin de un
experimento Taguchi y los experimentos clsicos,
FRPRXQDPHGLGDGHODHFLHQFLDUHODWLYD3 entre los
dos mtodos, se tendra que sta es de 18/8 (2,25),
debido a que, mientras un mtodo necesita de 18
corridas para realizar el estudio de cinco factores
sin tener acceso a las interacciones, otro nicamente
necesitara de 8 corridas para obtener estimaciones
independientes slo de los efectos principales. Realizando extrapolaciones con respecto a la medida
GH HFLHQFLD SODQWHDGD VXSRQLHQGR FDVRV HQ ORV
que el nmero de factores controlables permanece
constante, pero difieren el nmero de factores
UXLGRVHREWLHQHODJXUDHQODTXHVHJUDFDQ
ODVPHGLGDVGHHFLHQFLDFRQWUDHOQ~PHURWRWDOGH
IDFWRUHVUXLGRFRQWURO

Figura 6. (FLHQFLDUHODWLYDHQWUHORVDUUHJORV7DJXFKL\FOiVLFRV

 3H LJPLUJPH YLSH[P]H ZL JHSJ\S} JVTV UTLYV KL

JVYYPKHZTt[VKV;HN\JOPUTLYVKLJVYYPKHZTt[VKV
clsico.

56

Tecnura ao 12 No.23 segundo semestre de 2008

9.4

Ajuste del modelo a la variabilidad observada

En este aparte, se realiza un anlisis de la variabilidad captada por los modelos propuestos, con
respecto a la varianza total observada. Lo anterior
se basa en los ANOVAS obtenidos; para el caso del
PpWRGRIDFWRULDO(QODWDEODVHSXHGHREVHUYDU
TXHHOPRGHORFDSWDDSUR[LPDGDPHQWHHOGHOD
variabilidad observada, debido a su capacidad para
estimar separadamente los efectos principales y las
interacciones involucradas en el proceso. Se puede
ver que la variabilidad causada por las interacciones
DOFDQ]DXQGHODDWULEXLGDDORVHIHFWRVSULQFLSDOHV OR TXH UHSUHVHQWD XQ SRUFHQWDMH EDVWDQWH
importante como para ser obviado en cualquier
VROXFLyQQDODOSUREOHPD
Si se realiza el mismo anlisis a los resultados obtenidos por el mtodo Taguchi, con base en la tabla
7, en la cual se muestra un anlisis de varianza, se
puede concluir que el modelo obtenido slo capta
XQGHODYDULDELOLGDGWRWDOVLQLPSRUWDUTXH
involucra un mayor nmero de grados de libertad
para la estimacin de esta variabilidad en comparaFLyQFRQORVRWURVGRVPpWRGRVGHMDQGRHOUHVWDQWH
DODLQXHQFLDGHOUXLGRSUHVHQWHHQODIDVH
experimental, lo que plantea que es un modelo
poco adecuado para modelar el sistema, debido a
la exclusin de las interacciones que para este caso
son importantes.

Fuente de
variabilidad

S.S

G.L M.S

Fo

Picadora 1 (A)



 

Picadora 2 (B)



12,20

0,088

$MXVWHGHVDOLGD&







Presin hidrulica (D)





0,280

Error

1801,25

10

180,13

Total



17

Tabla 7. Anlisis de varianza para el mtodo Taguchi.

con-ciencias
9.5

Anlisis experimental

Se podra pensar que el anlisis de los datos planteado aqu para el experimento factorial no replicado,
basado en confundir con el error las interacciones
o los efectos que muestren una suma de cuadrados
muy pequea comparada con la suma de cuadrados
total, est propensa a sesgos de acuerdo con las interacciones que el experimentador confunda y de esta
manera obtiene respuestas diferentes e incorrectas
a un mismo problema. Pero, tal fuente de error
puede ser corregida fcilmente si se utiliza como
complemento una tcnica propuesta por Daniels en
HQODFXDOVHXWLOL]DHOJUiFRGHSUREDELOLGDG
QRUPDOSDUDHVWLPDUODVLJQLFDQFLDGHORVHIHFWRV
(QODJXUDVHPXHVWUDODJUiFDGHSUREDELOLGDG
normal para los datos obtenidos en el experimento
clsico y de la que se pueden obtener las mismas
conclusiones que con el ANOVA, debido a que de
DPERVDQiOLVLVVHLQHUHHOPRGHOR\VHGHEHLQFOXLU
los factores A, C, D, E, y las interacciones AD, CD,
&(\'(6LVHFRQVLGHUDHOHPSOHRGHODVJUiFDV
de medias marginales en las cuales el mtodo Taguchi basa su anlisis y la tcnica de seleccionar el
ganador, se puede demostrar que en la presencia de
interacciones es una manera poco adecuada para la
REWHQFLyQGHXQDVROXFLyQ'HODJXUDVHREWLHQH
TXHORVPHMRUHVQLYHOHVRSHUDWLYRVRQ$%&
y D1, los cuales, si se basa en el modelo aditivo
GHODHFXDFLyQSURQRVWLFDUtDQXQSRUFHQWDMHGH
H[WUDFFLyQGHOPLHQWUDVXQDVROXFLyQEDVDGR
en la existencia de interacciones pronosticara una
HFLHQFLDGHDSUR[LPDGDPHQWHXQDSUR[LPDdamente de siete puntos por encima de la solucin
obtenida mediante el mtodo Taguchi.

&RQFOXVLRQHV
Las tcnicas de experimentacin analizadas son
herramientas de experimentacin que muestran
mucha ms efectividad que seleccionar al azar
niveles de los factores, observando qu sucede y si
VHORJUDXQPHMRUDPLHQWRDOMDUORVQLYHOHVGHORV
factores analizados en estos puntos de operatividad
y, si por el contrario, se observa una disminucin

Figura 7. *UiFDGHSUREDELOLGDGQRUPDOSDUDORVHIHFWRV
obtenidos en el mtodo clsico

HQODHFLHQFLDGHOSURFHVRVHUHWRUQDQORVQLYHOHV
de los factores a los rangos originales o se cambian
a otros niveles de operatividad buscando un incremento del rendimiento del sistema, metodologa
GHPHMRUDPLHQWRDPSOLDPHQWHXVDGDHQHOLQJHQLR
antes de la realizacin de este estudio. Debido a
que brindan ms altos niveles de entendimiento de
los procesos productivos en los que son aplicados
y, por ende, generan herramientas para alcanzar un
ms alto rendimiento de stos.

No obstante a lo anterior, a travs de la discusin

llevada a cabo en este captulo qued claro que
de las dos metodologas aplicadas al proceso de
molienda del ingenio, la que mostr adecuarse
GHPHMRUPDQHUDDODVFDUDFWHUtVWLFDVGHOVLVWHPD
fue el mtodo clsico, debido a que mediante su
DSOLFDFLyQ VH ORJUy XQ PHMRU HQWHQGLPLHQWR GHO
proceso, unido al hecho de mostrar niveles ms
DOWRVGHPHMRUDPLHQWRFRPSDUDGRFRQORORJUDGR
mediante las otra metodologa aplicada.
Es importante valorar de sobremanera el adecuado
tratamiento que el mtodo propuesto por Sir Ronald
Fisher hace de las potenciales interacciones entre
los factores involucrados en un proceso de experiPHQWDFLyQLQGXVWULDODSURYHFKDQGRODH[LELOLGDG

Comparacin de las metodologas clsica y Taguchi del diseo experimental en un ingenio azucarero del valle del cauca
EDUARDO ARTURO CRUZ RESTREPO / JORGE ENRIQUE RESTREPO CORREA / PEDRO DANIEL MEDINA VARELA

57

con-ciencias
brindada al experimentador el hecho de poder
disear su matriz experimental de acuerdo con los
efectos que se desean estimar, mediante el cambio
de la estructura de confusin, en comparacin con
la manera como mtodo propuesto por Taguchi
ignora las posibles interacciones.

Caracterstica

Clsico

Taguchi

0DQHMRGHODV
interacciones

Excelente

%DMR

0HMRUDPLHQWR

Alto

Moderado

Pequeos

Grandes

Alta en

%DMDHQSUHVHQFLDGH

presencia de

interacciones

propuesto
Tamaos de
los arreglos
experimentales

Otro aspecto muy importante para tratar es el tamao de los arreglos experimentales; en cuanto a esto
qued muy claro que la metodologa que muestra
XQDPHMRUUHODFLyQEHQHFLRFRVWRHVODEDVDGDHQ
los arreglos factoriales, siendo desde este punto de
YLVWDPiVHFLHQWHTXHODSURSXHVWDSRU7DJXFKL
debido principalmente a la importante fuente de
PHMRUDPLHQWR TXH FRQVWLWX\HQ ODV LQWHUDFFLRQHV
presentes en un proceso.
Finalmente, en cuanto a la variabilidad captada por
los diferentes modelos y a la manera de analizar los
datos de cada una de las metodologas, se observa,
GHQXHYRXQDPD\RUHFLHQFLDGHOPpWRGRFOiVLFRHO
cual se basa en tcnicas formales de anlisis estadstico aplicables con pocas variaciones, dependiendo
si el experimento es replicado o no, haciendo uso
de diferentes tcnicas para la estimacin del error
H[SHULPHQWDOHQFRPSDUDFLyQFRQODSRFDHFLHQFLD
PRVWUDGDSRUODXWLOL]DFLyQGHODWpFQLFDGHOPHMRU
es el ganador" aplicada en el anlisis de media por
Taguchi. En la tabla 8 se muestra de manera resumida los cinco puntos tomados como base para la
comparacin de las dos metodologas.

Efectividad

interacciones
Anlisis de los

Efectivo

datos

Poco efectivo
en presencia de
interacciones

Flexibilidad

Alta

%DMD

Tabla 8. Resumen de la comparacin entre las metodologas

de diseo experimental aplicadas

De acuerdo con todo lo analizado, queda claro

que la aplicabilidad del mtodo clsico es bastante
amplia, de pronto quedando un poco condicionada
al entrenamiento que los ingenieros de procesos
tengan sobre la generacin, desarrollo y anlisis
estadstico de matrices experimentales, como base
para la adecuada implementacin de ests tcnicas.
En cuanto al mtodo Taguchi, se puede observar su
DPSOLDDSOLFDELOLGDGHQSURFHVRVHQORVTXHPDQHMDU
tres niveles para cada uno de los factores controlables
sea factible, y adems se presenten las condiciones
en las cuales los efectos cuadrticos sean mucho ms
VLJQLFDWLYRVTXHORVHIHFWRVGHFXDOTXLHULQWHUDFFLyQ
entre los factores analizados.

5HIHUHQFLDVELEOLRJUiFDV
>@

.$QDQG ,PSURYLQJ 3DUDIILQ :D[<LHOG

7KURXJK3URFHVV2SWLPL]DWLRQ8VLQJ7DJXFKLV
Method of Experimentation. Quality
Engineering9RO1RDEULOGHSS


>@

7%DUNHUQuality by Experimental Desing.

(G1<1<0DUFHO'HNNHU

58

Tecnura ao 12 No.23 segundo semestre de 2008

>@

*%R[6LJQDOWR1RLVH5DWLRV3HUIRPDQFH
Criteria, and Transformations. Technometrics,
9RO1RIHEUHURGHSS

>@

* %R[  5 0H\HU $Q $QDO\VLV IRU

Unreplicated Fractional Factorials.
Tecnometrics9RO1RIHEUHURGH
pp 11-18.

con-ciencias
>@

(&UX]-5HVWUHSR 30HGLQD$SOLFDFLyQ
de un modelo factorial de experimentacin
en un ingenio azucarero del Valle del Cauca,
Revista Scientia et Technica, Ao XII, No.
GLFLHPEUHGHSS

>@ $0LOOHU56LWWHU-:X '/RQJ$UH

Large Taguchi-Style Experiments Necessary?
A Reanalysis of Gear And Pinion Data,
Quality Engineering9RO1RHQHURGH
SS

>@

(&UX]-5HVWUHSR 30HGLQD$SOLFDFLyQ
del modelo de experimentacin Taguchi en
un ingenio azucarero del Valle del Cauca.
Revista Scientia et Technica, Ao XIII, No.
PD\RGHSS

[15] D. Montgomery, Desing and Analysis of

Experiments  (G -RKQ :LOH\  6RQV
'DQYHUV0$

>@

>@

>@

(&UX]-5HVWUHSR 30HGLQD$SOLFDFLyQ
del modelo de experimentacin Shainin en
un ingenio azucarero del Valle del Cauca.
Revista Scientia et Technica, Ao XIII, No.
35, agosto de 2007, pp. 305-310.
& 'DQLHO 8VH RI +DOI1RUPDO 3ORWV
LQ ,QWHUSUHWLQJ )DFWRULDO 7ZR/HYHO
Experiments. Technometrics9RO1R
QRYLHPEUHGHSS
:'LDPRQGPractical Experiment Desings
for Engineers and Scientists. (3 Ed). John
Wiley & Sons, NY, 2001.

>@ : )RZNOHV  & &UHYHOLQJ Engineering

Methods for Robust Product Desing: Using
Taguchi Methods in Technology and Product
Development3UHQWLFH+DOO

>@ '0RQWJRPHU\Introduction to Statistical

Quality Control. (5 Ed). John Wiley & Sons,
'DQYHUV0$
[17] CH. Rodney M. A Short Course In Crushing
Sugar Cane$VRFDxD6HQD&HQLFDxD
[18] P. Ross, Taguchi Techniques for Quality
Engineering  (G 0F*UDZ +LOO 1<

>@ *7DJXFKLSystem of Experimental Desing,
9ROV  \ $6,   4XDOLW\ 5HVRXUFHV

[20] G, Taguchi, E El Sayed & T. Hsiang, Quality
Engineering in Production Systems0F*UDZ
+LOO

>@ 7*RK8VHRI'XPP\9DOXHVLQ$QDO\]LQJ
Incomplete Experimental Desing Data,
Quality Engineering, Vol. 10, No. 2, abril
GHSS
[12] R. Gunst & R. Mason, +RZ WR &RQVWUXFW
Fractional Factorial Experiments$64
4XDOLW\3UHVV
>@ /0DGULJDO (UMDYHFEstrategias para el
mejoramiento de la calidad en la industria.
(1 Ed).Grupo Editorial Iberoamericana,
0p[LFR

Comparacin de las metodologas clsica y Taguchi del diseo experimental en un ingenio azucarero del valle del cauca
EDUARDO ARTURO CRUZ RESTREPO / JORGE ENRIQUE RESTREPO CORREA / PEDRO DANIEL MEDINA VARELA

59