Etapas en el Diseo de experimentos

Enfoque Taguchi
1. Definir

el

problema,

falla,

indicador

situacin

que

queremos mejorar
1) Descripcin clara de la desviacin o condicin que queremos mejorar
2) Valor numrico que cuantifique la desviacin
2. Determinar el objetivo
1) La caracterstica de calidad relacionada
2) La respuesta buscada
3. Tormenta de ideas
1) Determinacin de factores y niveles parmetros de producto y/o
proceso que pueden estar relacionados con la condicin observada y
que se desea mejorar. Los niveles estn referidos a los niveles de los
factores: valores altos, medios y bajos del parmetro o condicin.
2) Determinacin de las interacciones que pudieran presentarse en la
medida de lo posible buscar eliminarlas.
Los niveles de los factores siguen la regla prctica de valores bajos, medios
y altos. Aqu la experiencia de los ingenieras y la experiencia de quienes
operan los procesos es fundamental para la seleccin de los factores y de los
niveles.
4. Establecimiento del DOE (Diseo de Experimentos)

1) Seleccionar el arreglo ortogonal (AO) adecuado a las necesidades de

la experimentacin.
2) Nombrar / identificar las columnas con los nombres de los factores
seleccionados
5. Conducir el DOE y recoger datos
Las condiciones establecidas en el paso 4 debern establecerse y validarse
en el proceso. Una vez establecidas, se procede a tomar los datos, a
identificar las piezas o validar el resultado buscado.
6. Anlisis estadstico de los datos
El anlisis estadstico emplea el ANOVA, pruebas F. pruebas T para
comparar los diferentes tratamientos o grupos de datos y validar el efecto de
cada variable analizado sobre la caracterstica de respuesta.
7. Interpretacin de los resultados
Tanto los valores calculados como la graficacin de los datos indican si el
resultado es el esperado.
8. Experimento de confirmacin
Una vez que se lleva a cabo la corrida de confirmacin con las condiciones
determinadas por el DOE como las mejores condiciones posibles de operacin
del proceso, se procede a la estandarizacin del trabajo:
1) Puestas a punto
2) Capacitacin del personal operativo
3) Documentacin del proceso

Clasificacin de las caractersticas de

calidad
Cuando establecemos el resultado que buscamos, tenemos que definir
hacia qu valores queremos llegar, o que valor de la caracterstica
sealada es mejor para nuestro propsito. Veamos la clasificacin.
Nominal es mejor
Aplica a las caractersticas (continuas) de desempeo y que al estar ms
cerca del valor nominal favorece el desempeo o la condicin de
producto o proceso. Ejemplo caractersticas dimensionales relacionadas
con ensamble.
Menor es mejor
Caracterstica (continua) que al disminuir su valor mejora el desempeo
de un producto o proceso. El objetivo terico es cero. Ejemplo, residuos
de substancias en un compuesto qumico.
Mayor es mejor
Caracterstica (continua) al aumentar su valor mejora el desempeo de
un producto o proceso. Ejemplo, adherencia de un pegamento.
Atributo clasificado
Caracterstica discreta basada en juicios subjetivos: bueno, malo, regular,
relacionado con la apariencia. Ejemplo, acabado de una superficie.

Caracterstica dinmica
Generalmente una caracterstica funcional. Ejemplo, ensamble sin
problema.

Ingeniera de calidad
El DOE enfoque Taguchi es una tcnica propia, aunque no exclusiva, de la
ingeniera de calidad. Tiene dos actividades relevantes:
Optimizacin del diseo
A travs del empleo de:

Arreglo ortogonal (AO)

Grficos lineales
Seal de ruido
DOE

Evaluacin de calidad
Funcin de prdida
Seal de ruido
Enfoque Taguchi
El Doctor Taguchi ha agregado nuevas dimensiones al DOE y ha retomado
conceptos tradicionales con un nuevo enfoque:
Un concepto es el diseo robusto referido a procesos menos sensibles
a las variaciones de las caractersticas de proceso, materiales, mano
de obra.
El empleo de los arreglos ortogonales modificados (simplificados)
Retoma el concepto de costo buscando la optimizacin de los procesos
al reducir las variaciones de los procesos y obtener la mejor respuesta
posible.

 La seal de ruido se refiere a los efectos remanentes que no fueron

evaluados o considerados. Sea cualquiera su valor, siempre nos dir
que el proceso analizado es todava susceptible de mejora.
.
Usuarios del DOE Taguchi e interacciones en un SGC
El DOE es una herramienta de la Ingeniera, como otras que emplean los
ingenieros de calidad, de proceso, de diseo y personal operativo

Herramientas
bsicas

Core
Tools

DOE

Ingenieras

SGC
Optimizacin del diseo
El DOE tiene como objetivo:
1) Reduccin de los costos de ingeniera al establecer condiciones de
proceso robustas
2) Optimizacin del diseo con costos ms bajos y en tiempos ms
cortos.
Mejora de la calidad
1) Mejor rendimiento de los procesos puestas a punto robustas
2) Mayor conformidad del producto menos desperdicios
3) Mayor ganancia unitaria

Ciclo de control
Todos los procesos tienen oportunidad de mejora y el anlisis de informacin
del desempeo de los proceso proporciona informacin que permite
establecer la mejora continua.
Con frecuencia, debido a eventos crticos en los procesos, se hace evidente
la mejora del proceso. El anlisis de la causa de desviacin permite
establecer la causa de fondo y retomar el control. Aqu la estrategia puede
ser solo retomar el control o bien buscar un desempeo robusto que permita
establecer un mejor desempeo, no solo resolver con acciones correctivas y
preventivas.
La diferencia entre retomar el control y mejorar el desempeo hacia mejores
niveles se puede apreciar en los modelos control y rompimiento propuestos
por el Dr. Juran
Enfoque de Control

Deteccin del cambio

Identificacin de la causa raz

Malo

Implementacin de la accin correctiva

E
S

Nivel de

Desempeo

M
P
Bueno
Tiempo

Enfoque de mejora - rompimiento

Desviaciones
1) Proceso de anlisis / solucin
de Problemas
2) DOE

Espordicas

Malo
D

Rompimiento en resultados

E
S

Desempeo previo

E
M
P

Nuevo desempeo

Bueno
Tiempo

La aplicacin de una metodologa de anlisis y solucin de problemas busca

eliminar la causa raz que genera una desviacin y establecer acciones de
prevencin, se queda a nivel de control
El DOE va ms all del control, determina el efecto de las puestas a punto de
los procesos y el efecto de cada variable de control en los procesos y en las
caractersticas de control de los productos, lo que lleva a procesos ms
robustos y a mejores niveles de desempeo.

Ejemplo:
Paso 1. Situacin
Reactor de producto qumico con rendimiento de 73%.
Paso 2. Resultado buscado
Meta: 84%
Paso 3. Tormenta de ideas
De los parmetros de proceso se considera que la temperatura, las cenizas y
el catalizador son los factores de mayor efecto.
Paso 4. Seleccin de factores y niveles
Se han establecido tres niveles para cada factor:

Factores

Niveles
2

1
T
Cs
C

Temperatura (F)
Ceniza (lbs)
Catalizador (tipo)

80
35
1

85
48
2

3
90
55
3

Paso 5. Llevar a cabo el DOE y recoleccin de datos

La combinacin de factores y niveles propuesta es la siguiente
T1
1
2
3
4
5
6
7
8
9

80
80
80
80
80
80
80
80
80

35
35
35
48
48
48
55
55
55

1
2
3
1
2
3
1
2
3

T2
1
2
3
4
5
6
7
8
9

90
90
90
90
90
90
90
90
90

35
35
35
48
48
48
55
55
55

1
2
3
1
2
3
1
2
3

T3
1
2
3
4
5
6
7
8
9

85
85
85
85
85
85
85
85
85

35
35
35
48
48
48
55
55
55

1
2
3
1
2
3
1
2
3

DOE tradicional

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27

Cs

1
1
1
1
1
1
1
1
1
2
2
2
2
2
2
2
2
2
3
3
3
3
3
3
3
3
3

1
1
1
2
2
2
3
3
3
1
1
1
2
2
2
3
3
3
1
1
1
2
2
2
3
3
3

1
2
1
1
2
3
1
2
3
1
2
3
1
2
3
1
2
3
1
2
3
1
2
3
1
2
3

Arreglo ortogonal

1
2
3
4
5
6
7
8
9

Cs

Yield %

1
1
1
2
2
2
3
3
3

1
2
3
1
2
3
1
2
3

1
2
3
2
3
1
3
1
2

51
71
58
82
69
59
77
85
84

Respuesta promedio:
T1 = (51+71+58)/3 = 60%
T2= (82+69+59)/3 = 70
T3 = (77+83+84)/3 = 82
Cs1 = (51+82+77) = 70
Cs2 = (71+69+45) = 75
Cs3 = (58+59+84) = 67
C1 = (51+59+85)/3 = 65
C2 = (71+82+84)/3 = 79
C3 = (58+69+77)/3 = 68

Se observan mejores resultados con los valores de T3, Cs2 y C2:

1
2
3

T
60
70
82

Cs
70
75
67

C
65
79
68

Paso 6. Anlisis grfico y estadstico de los datos

Efecto de la temperatura
90
80
70
60
50
40
30
20
10
0
1

Efecto de las cenizas

76
74

Ttulo del eje

72
70
68
66
64
62
1

Efecto del tipo de catalizador

90
80
70
60
50
40
30
20
10
0
1

Paso 7. Interpretacin de los resultados

Grficamente se observa el efecto del nivel en el rendimiento del reactor.
Esta es una de las contribuciones trascendentes del enfoque Taguchi.
En ste ejemplo no veremos por el momento el ANOVA. Posteriormente se
ver el clculo en detalle y su interpretacin.
Se tienen tres criterios que debemos considerar:
Campen documental
En el ejercicio el campen documental es la siguiente combinacin de
factores:
T3

Cs 2

C2

Esta combinacin simplemente nos refleja el mejor desempeo pero no

considera los costos asociados.
Opcin econmica
Por los costos asociados se tiene la combinacin siguiente:
T3

Cs2

C2

El previo mejor
Como una opcin, en caso de urgencias, falta de reactivos, dificultades en
puestas a punto.
T3

Cs2

C1

Paso 8. Corrida de confirmacin

Con las combinaciones citadas en el paso 7, se procede a llevar a cabo una
corrida para confirmar y validar el desempeo del proceso

Corrida confirmatoria
Experimento
PC
EC
PB

T
3
3
3

Factores y niveles
Cs
2
1
2

C
2
2
1

Yield (%)
92
91
85

Diseo experimental
Definicin
Evaluacin cuantitativa / estadstica de los efectos de los factores en un
evento con el propsito de mejorar o llegar a un resultado predeterminado.
Caractersticas de un diseo experimental
Debe considerar:
Una base estadstica
Propsito de optimizar el producto / proceso
Tiempo corto de planeacin, ejecucin y validacin
Sistemtico
Seleccin adecuada de los factores importantes
Que sea reproducible
Con el mnimo de experimentos
Que comprenda la corrida de confirmacin exerimental
Que establezca la caracterstica de calidad a validar variable de
respuesta
Que contemple el efecto de las variables no consideradas o
desconocidas
Bajo costo

Podramos decir que es la introduccin de cambios deliberados para evaluar

los efectos sobre el desempeo de procesos o productos.

Seleccin de factores y niveles

El criterio de la seleccin de factores se basa en los efectos que avalan la
experiencia o el conocimiento tcnico de los parmetros de operacin de un
proceso.
El proceso de seleccin es bastante flexible, sin embargo, para una seleccin
adecuada, es recomendable listar todos los factores conocidos y, a travs del
anlisis por un equipo de trabajo, llevar a cabo la seleccin de los factores
que la experiencia o el conocimiento determinen son los de mayor efecto en
el proceso.
Las cualidades de un factor lo podemos comprender con el siguiente cuadro:
Se puede controlar?

Si
Se puede medir?
No
Si

No

Si un factor no se puede medir, ni controlar, no se recomienda incluirlo en el

experimento y conviene esperar el clculo del factor de ruido (efectos
residuales causados por factores desconocidos o evaluados) para evaluar si
tienen un peso importante en el efecto.
Con respecto a los factores de alto costo, se recomienda no incluirlos y
observar el efecto en el factor de ruido. Si no es problema el presupuesto,
vale la pena la inclusin.
Si se est iniciando la aplicacin conviene iniciar con 2 o 3 factores para
dominar la tcnica gradualmente conforme se desarrolla la experiencia en el
uso del DOE.

En el caso de considerar condiciones ambientales, es necesario disponer de

una medicin confiable y considerar los posibles niveles, ejemplo diferentes
horarios que pudieran dar diferentes condiciones.
Con respecto a los niveles, es recomendable considerar el rango posible de
operacin del parmetro y tomar valores bajos, medios y altos por cada
parmetro, y/o 2 3 condiciones.

Herramientas de anlisis
La ventaja de las herramientas y metodologas empleadas en la planeacin
de la calidad y la mejora de la calidad de los productos y procesos, es que
son, interactivas y su uso depende de la experiencia de los integrantes del
equipo de trabajo en el empleo de las herramientas
Observaciones:
- No existe una receta que indique una secuencia del empleo de las
herramientas
- Cada caso requerir las herramientas que el equipo considere
necesarias
- Algunas herramientas son actividad de equipo como el diagrama de
espina de pescado (Diagrama de Ishikawa)
- El equipo debe tener formacin en las herramientas bsicas
Veamos algunas de las herramientas:
Pareto
Para establecer las prioridades en la seleccin de fallas a resolver, comparar
efectos, entre otras aplicaciones, entre otras aplicaciones
Ejemplo de un anlisis de Pareto
Ordenados
Mal ret.
Cavernas
Deformes
Roturas
scrap

Defectos Cantidades
Cavernas
184
Deformes
125
Mal ret.
300
Roturas
96
scrap
30

300
184
125
96
30
735

%
40.8
25.0
17.0
13.1
4.1
100

No.

300

100
75

200
50
100
25
0

p
sc
ra

ot
ur
a
R

or
m
es
ef

av
e
C

al

re

rn
as

t.

% Acumulado
40.8
65.9
82.9
95.9
100.0

Diagrama de Ishikawa
Para el anlisis de causa y efecto y determinar la causa raz que genera la
falla. Junto con el Pareto son una prctica poderosa y simple.

Las 7 preguntas
Una metodologa simple y efectiva. Es una actividad de equipo y consiste en
preguntar a los involucrados el por qu varias veces, el siete es una
referencia. El proceso lleva a condiciones en donde surge la causa ms
probable y las circunstancias relacionadas. Inicia preguntando con la causa
del problema, desviacin o situacin y a partir de ah se derivan los porqus.
La grfica de correlacin
Cuando estamos estudiando el efecto entre variables, la grfica puede
indicarnos si existe una correlacin directa, inversa o simplemente no existe
correlacin. De sta forma podemos incluir o descartar factores o sus
interacciones.
Se tienen dos mtodos el matemtico y el grfico. Se emplea un factor de
correlacin y tablas de valores para establecer el grado de correlacin entre
dos factores.

Ejemplo: Establecer la correlacin entre el dimetro de un alambre de acero

y su resistencia mecnica.
Punto
1
2
3
4
5
6
7
8
9
10

Dimetro vs. resistencia

4500

R esisten cia (lb. / pu lg . 2

4000

3500

3000

2500

X Dimetro en
0.001"
400
1600
3600
2000
4000
800
2500
4000
1250
700

Y Esfuerzo en
Lb/pulg2
370
1550
3530
1960
3840
580
3200
3200
910
920

2000

1500

1000

500

0
0

500

1000

1500

2000

2500

3000

3500

4000

4500

Dimetro en 0.001 pulg.

Capacidad

potencial

Cp
Es una comparacin de la variacin real con la variacin especificada, nos
dice cuntas veces cabe la variacin real en la variacin especificada:
(LSE LIE)
Cp =
6
LSE y LIE corresponden a los valores especificados lmites (tolerancias) y
la desviacin estndar.
Podemos estimar la desviacin estndar mediante el rango y valores de
tablas (d2)
S estimada = R promedio / d2
La frmula queda como:

(LSE LIE)
Cp =
6S estimada
Capacidad real
Este ndice permite saber no solo si la variacin real es menor o mayor, sino
que tan centrada est la variacin real con respecto a la tendencia central, es
decir si el proceso est centrado y su relacin con las tolerancias
especificadas.
En especificaciones bilaterales se tienen dos ndices, se toma el menor para
estimar la capacidad.
La distancia estadstica en el caso del lmite superior corresponde a la
diferencia entre el lmite y la media de medias
La forma ms simple de calcular los ndices es referir la media real con las
tolerancias:
=
LSE X
Cpk (s) =
3
=
X - LIE
Cpk (i) =
3
Las frmulas anteriores sin dividir por 3 corresponden a los valores del
estadstico z.
La divisin por 3 se refiere a 3 desviaciones estndar y corresponde a la
media +/- 3 desviaciones
Grficas de tendencia
Indica la tendencia de un resultado, sea a travs del tiempo o en relacin con
una condicin.

Se emplea para el anlisis grfico de factores y sus niveles, para la revisin

de la tendencia de indicadores claves en las revisiones gerenciales en las
organizaciones.
Mes

Costos de calidad

Meta
Acumulado

4.50

% de costo de calidad

4.00
3.50
3.00
2.50
2.00
1.50
1.00
0.50

O
ct
ub
re
N
ov
ie
m
br
e
D
ic
ie
m
br
e

Se
pt
ie
m
br
e

Mes

A
go
st
o

Ju
lio

Ju
ni
o

M
ay
o

A
br
il

M
ar
zo

Fe
br
er
o

E
ne
ro

0.00

Efecto de la temperatura
90
80
70
60
50
40
30
20
10
0
1

Anlisis de varianza (ANOVA)

Tcnica estadstica que establecer la variacin dentro de tratamientos
(grupos de datos) y entre tratamientos. Su propsito es establecer la

diferencia estadstica entre condiciones. Emplea pruebas de contraste como

el estadstico t que compara medias y el estadstico F que compara
variaciones entre tratamientos. Veremos su aplicacin en los ejemplos del
taller.

DOE tradicional Vs. DOE enfoque Taguchi

Discusin
El DOE tradicional es un proceso largo y costoso porque implica un nmero
importante de experimentos y solamente considera un solo factor a la vez.
Recientemente, algunos mtodos, basados en el enfoque Taguchi han
simplificado el proceso pero sigue teniendo costos altos de experimentacin.
Experimentacin
Veamos los diseos de experimentos ms comunes:
Un factor a la vez
Factorial completo
Experimento factorial fraccionado (A.O.)
Un Factor a la vez
- Solo un factor permanece como variable
- Los otros factores permanecen fijo
- No se conoce la contribucin de los dems factores, an cuando
permanezcan fijos
- La metodologa considera dos niveles para poder garantizar la
reproducibilidad.
Experimento factorial completo
El nmero de experimentos es simplemente imposible por el costo que
implica. Ejemplo:
8

lo que equivale a 256 experimentos

7

2,187 experimentos

El diseo cubre todas las posibilidades pero resulta indeficiente cuando se

consideran ms de dos factores.

Experimento factorial fraccionado

Dentro de sta clasificacin se tienen varias opciones, el DOE Taguchi es
una de ellas.
c

(b)

en donde

es el arreglo ortogonal

Nmero de corridas experimentales

Nmero de niveles de cada factor

Nmero de columnas del arreglo o factores

Las escuelas tradicionales rechazaron la propuesta del Dr. Taguchi

argumentando que no se tena una base matemtica que explicara la
reduccin del nmero de experimentos a travs del empleo de los arreglos
ortogonales reducidos. La experiencia de la aplicacin masiva ha desmentido
la afirmacin de los tradicionalistas.
Veamos un ejemplo:
3

(2)

No. de
experimentos
4

1
2
3
4

AyB

Factores ( 3 )
1
2
1
1
1
2
2
1
2
2
Niveles

El total de experimentos es 12

3
1
2
2
1

Interacciones
3
1

Veamos el arreglo siguiente

7
1

L (2)

8
5
3
BxC
AxB

2
6
A

CxA

Cuando no existen interacciones o no se consideran, se consideran otros

factores
Grados de libertad
El primer paso para construir un arreglo ortogonal es contar los grados de
libertad totales que nos dicen el mnimo nmero de experimentos que deben
ser llevados a cabo para el estudio.
Para comenzar se tiene un grado de libertad asociado con la media general,
sin tener en cuenta el nmero de factores de control que sern estudiados.
En general, el nmero de grados de libertad asociados con un factor es igual
a el nmero de niveles de ese factor menos uno.

Suponga que es de inters probar a un factor (A) a 2 niveles, cinco factores

(B, C, D, E, F) a 3 niveles y la interaccin A x B. Los grados de libertad para
este experimento se calculan de la siguiente manera:

Factor / Interaccin

Grados de Libertad

Media General

21=1

B, C, D, E, F

5 x (3 1) = 10

AxB

(2 1) x (3 1) = 2

Total

14

Seleccin de un A.O. adecuado

Haga un anlisis de los factores y de los efectos conocidos
Determine los factores que se evaluaran y los niveles de cada factor
Determine los grados de libertad para asegurar el mnimo suficiente de
experimentos para evaluar el efecto de los factores seleccionados