METODOLOGIA

TAGUCHI
ING. EDUARDO MARROQUIN ESPINOZA VERANO 2010
2.1 Filosofa Taguchi
UNA ANALOGIA
2.1 Filosofa Taguchi
Enfoque Tradicional: Un producto es de calidad si
cumple con las especificaciones diseadas por ingeniera
o establecidas por el cliente.
L.I.E. L.S.E.
2.1 Filosofa Taguchi
Filosofa de Taguchi: Un producto es de calidad en la
medida que su valor (caracterstica de calidad) se acerque
a la nominal.
L.I.E. L.S.E.
14.5 16.5
T =16
A
B
Cual
producto
es mejor
2.1 Filosofa Taguchi
Por lo anterior Taguchi define la calidad como:
La prdida mnima causada a la sociedad desde el momento
en que el producto es embarcado
Prdida para la sociedad incluye:
Scrap
Retrabajos
Costo de reponer piezas falladas
Costos de garantas
Insatisfaccin del cliente
Reduccin de la vida til del producto
Impacto al medio ambiente
Imagen de la compaa
2.2 Funcin de Prdida
Ese costo Taguchi lo define como Funcin de Prdida de
la Calidad, la cual paga la sociedad.
La sociedad est integrada por: El fabricante, el cliente y la
comunidad.
FABRICANTE CLIENTE SOCIEDAD
Garantas
Reposiciones
Demandas
Imagen
Mercado
Scrap
Retrabajos
Accidentes
Costo
Costo
Accidentes
Ambiente
Salud
Nivel de vida
2.2 Funcin de prdida
Representacin matemtica de la Funcin de Prdida
de Calidad (QLF) de Taguchi:
Donde:
L(y) = Prdida financiera debido a un producto con caracterstica de
calidad y.
y = Valor de la caracterstica de calidad del producto evaluado.
T = Valor nominal de la caracterstica de calidad.
k = Constante de proporcionalidad.
2
) ( ) ( T y K y L =
2.2 Funcin de prdida
Representacin grfica de la Funcin de Prdida de
Calidad de Taguchi:
) ( y L
2
) ( ) ( T y K y L =
T
y
2.2 Funcin de prdida
Retomando el ejemplo, la prdida financiera para los dos
productos es:
Producto A:
Producto B:
K K L 25 . 2 ) 16 5 . 14 ( ) 5 . 14 (
2
= =
K K L 25 . 0 ) 16 5 . 16 ( ) 5 . 16 (
2
= =
L.I.E. L.S.E.
14.5 16.5
T =16
A
B
2.2 Funcin de prdida
1. El Valor Meta es el Mejor
2. El Valor Mnimo es el Mejor
3. El Valor Mximo es el Mejor
2.2 Funcin de prdida
Para los Tres Tipos de Variables de Respuesta
VARIABLE FUNCION DE PERDIDA
(una pieza)
FUINCION DE PERDIDA
(varias piezas)
El Valor Meta
es el Mejor
El Valor Mnimo
es el Mejor
El Valor
Mximo es el
Mejor
2
) ( ) ( T y K y L =
2
) ( ) ( y K y L =
2
) (
y
K
y L =

=
i
y
n
K
y L
2
) (

=
i
y n
K
y L
2
1
) (
| |
2 2
) ( ) ( T y K y L + = o
2.2 Funcin de prdida
1. Una empacadora de papas fritas tiene especificaciones
de llenado de 450g +/- 3g para uno de sus productos de
mayor demanda. Se estima que el costo asociado con un
producto fuera de este lmite tendr un costo de $35.
Si la produccin diaria es de 450,000 bolsas de papas,
determine el costo por defecto diario si:
b) La media del proceso es de 459.5g con una desviacin
estndar de 0.5 g
2.2 Funcin de prdida
2. Un fabricante de gauges patrn, requiere que estos cumplan ciertas
especificaciones de longitud y profundidad de los mismos. La perdida
causada por una longitud no aceptable es de $50 y la perdida causada por
profundidad fuera de especificaciones es de $20. Las perdidas representan el
costo de reparar (si es posible) el block defectuoso, las especificaciones son
las siguientes:
Longitud: 1.00000 +/- 0.00010 in
Profundidad: 0.50000 +/- 0.00005 in
Las siguientes lecturas de longitud fueron tomadas de 10 bloques tomadas al
azar:
1.000010 1.000020 0.999990 0.999995 1.000010
1.000005 1.000020 1.000000 0.999998 0.999990
Las siguientes lecturas de profundidad fueron tomadas:
0.00010 0.00020 0.00015 0.00005 0.00003
0.00010 0.00006 0.00018 0.00010 0.00020
Cual es la perdida total causada por las desviaciones?
2.3 Proceso para utilizar la
metodologa Taguchi
1. Organizar el equipo de trabajo
2. Definir el problema
3. Seleccionar los factores y niveles
4. Disear el experimento
5. Desarrollar el experimento
6. Analizar los datos
7. Interpretar los resultados
8. Verificar los resultados
2.3 Proceso para utilizar la
metodologa Taguchi
1. Organizar el equipo de trabajo
El xito en los resultados depende fuertemente de la
integracin y comunicacin de un equipo conocedor del
proceso y de herramientas estadsticas.
2.3 Proceso para utilizar la
metodologa Taguchi
2. Definir el problema
Describir en forma clara el problema a solucionar
indicando la variable de respuesta a analizar.
3. Seleccionar los factores y niveles
Lluvia de ideas es un buen mtodo para seleccionar en
forma objetiva los factores y niveles que fuertemente
afectan la variable de respuesta.
2.3 Proceso para utilizar la
metodologa Taguchi
2.3 Proceso para utilizar la
metodologa Taguchi
4. Disear el experimento
Identificar el arreglo a utilizar y la asignacin de factores e
interacciones al arreglo.
2.3 Proceso para utilizar la
metodologa Taguchi
5. Desarrollar el experimento
Llevar a cabo el experimento tal y como se planeo,
desarrollando las pruebas o experimentos en forma
aleatoria.
2.3 Proceso para utilizar la
metodologa Taguchi
6. Analizar los datos
Desarrollar la tabla de respuesta, grficas de efectos
principales e interacciones. Si es posible construir la tabla
ANOVA.
2.3 Proceso para utilizar la
metodologa Taguchi
7. Interpretar los resultados
Identificar los factores que influyen a la variable de
respuesta, as como los niveles de esos factores que
proporcionan el producto ms robusto.
2.3 Proceso para utilizar la
metodologa Taguchi
8. Verificar los resultados
Realizar la corrida confirmatoria y dar seguimiento a su
implantacin.
2.4 Arreglos Ortogonales
Los arreglos ortogonales (AO) son matrices de diseo, que
indican las pruebas a realizar en un experimento, es decir,
representan una fraccin del mismo, reduciendo el costo y el
tiempo de experimentacin.
Ortogonalidad significa poder encontrar la influencia de un
factor, sin que se vea afectado por los dems.
Con la ortogonalidad se logra la reproducibilidad de los
resultados del experimento; es decir, se segura que a
comparacin entre los niveles de un mismo factor sea la misma,
a pesar de diferentes condiciones experimentales.
2.4 Arreglos Ortogonales
En general, un arreglo ortogonal se define por b
c
.
donde c es el nmero de factores y b es el nmero de niveles.
b
c
define el nmero de renglones o de experimentos a realizar y c el
nmero de columnas.
Cada rengln representa una combinacin especfica de niveles de
los factores. As por ejemplo, un experimento con tres factores y dos
niveles, 2
3
, el arreglo ortogonal es el siguiente:
Corridas 1 2 3 R
1
2
3
4
5
6
7
8
1
2
1
2
1
2
1
2
1
1
2
2
1
1
2
2
1
1
1
1
2
2
2
2
Y1
Y2
Y3
Y4
Y5
Y6
Y7
Y8
2.4 Arreglos Ortogonales
Para que un arreglo de este tipo sea ortogonal se deben cumplir dos
condiciones bsicas:
1. La suma de los coeficientes de cada una de las columnas son
iguales.
2. Las 4 combinaciones posibles (para 3 factores con 2 niveles): 1-1,
1-2, 2-1, 2-2, deben ocurrir el mismo numero de veces para
cualesquiera dos columnas.
Corridas 1 2 3 R
1
2
3
4
5
6
7
8
1
2
1
2
1
2
1
2
1
1
2
2
1
1
2
2
1
1
1
1
2
2
2
2
Y1
Y2
Y3
Y4
Y5
Y6
Y7
Y8
12 12 12
2.4 Arreglos Ortogonales
Los arreglos ortogonales propuestos por Taguchi se definen por L
a
b
c
.
Donde:
a = El nmero de experimentos o renglones
b = El nmero de niveles
c = El nmero de factores
As por ejemplo, si se tiene un problema de tres factores ( c = 3) a dos
niveles ( b = 2), entonces el nmero de experimentos es
a = c +1 = 3 + 1 = 4. De acuerdo a estos resultados el arreglo
ortogonal es el arreglo L
4
2
3
el cual se muestra a continuacin
Corridas 1 2 3 R
1
2
3
4
1
1
2
2
1
2
1
2
1
2
2
1
Y1
Y2
Y3
Y4
2.4 Arreglos Ortogonales
Los renglones sombreados del arreglo ortogonal 2
3
anterior, definen el
arreglo ortogonal de Taguchi. Como se puede observar, en un arreglo
ortogonal de Taguchi, el nmero de experimentos es mucho menor a
un arreglo ortogonal tradicional. Esta es una de las aportaciones mas
importantes de Taguchi.
CORRIDAS 1 2 3
1 1 1 1
2 2 1 1
3 1 2 1
4 2 2 1
5 1 1 2
6 2 1 2
7 1 2 2
8 2 1 2
2.4 Arreglos Ortogonales
Los arreglos propuestos por Taguchi son:
L
4
(2
3
)
L
8
(2
7
)
L
12
(2
11
)
L
4
(2
3
)
L
16
(2
15
)
L
32
(2
31
)
L
9
(3
4
)
L
27
(3
13
)
L
16
(4
15
)
L
64
(4
21
)
Factores Niveles Experimentos
(tradicional)
Experimentos
(Taguchi)
2
3
4
5
6
7
15
2
2
2
2
2
2
2
4
8
16
32
64
128
32,768
4
4
8
8
8
8
16
2.5 Seleccin del arreglo
ortogonal adecuado
1. Determinar el nmero de grados de libertad para cada
factor.
Grados de libertad: los grados de libertad (f) representan el nivel
de precisin de un experimento. Son el numero de
comparaciones independientes entre datos. Para seleccionar
un AO, es necesario conocer los grados de libertad de los
factores y de las interacciones a considerar.
Para cada factor el nmero de grados de libertad es el
nmero de niveles menos uno.
1 . . = b L G
2.5 Seleccin del arreglo
ortogonal adecuado
2. Determinar el nmero de grados de libertad para cada
interaccin.
Para cada interaccin el nmero de grados de libertad es
el producto de los grados de libertad de los factores que
interactan.
3. El total de grados de libertad se obtiene sumando los
grados de libertad de cada factor y de cada interaccin .
) 1 )( 1 )( 1 )( 1 )( 1 ( . . = b b b b b L G
2.5 Seleccin del arreglo
ortogonal adecuado
Retomando el ejemplo relacionado con la elaboracin de un pastel, el
nmero de factores es cinco a dos niveles cada uno. Asumiendo que
se espera tener una interaccin entre dos pares de factores, el nmero
de grados de libertad es:
1. Determinar el nmero de grados de libertad para cada factor.
G.L. = 2 1 = 1
2. Determinar el nmero de grados de libertad para cada interaccin.
G.L. = (2 - 1)(2 - 1) = 1
3. El total de grados de libertad es;
1+1+1+1+1+1+1= 7
2.5 Seleccin del arreglo
ortogonal adecuado
Como para este diseo de cinco factores a dos niveles y dos
interacciones se requieren siete grados de libertad se requiere un
arreglo de siete columnas. El arreglo L
8
(2
7
) que se muestra a
continuacin cumple tales condiciones.
Corrida 1 2 3 4 5 6 7
1
2
3
4
5
6
7
8
1
1
1
1
2
2
2
2
1
1
2
2
1
1
2
2
1
1
2
2
2
2
1
1
1
2
1
2
1
2
1
2
1
2
1
2
2
1
2
1
1
2
2
1
1
2
2
1
1
2
2
1
2
1
1
2
2.5 Seleccin del arreglo
ortogonal adecuado
EJ EMPLO:
Queremos construir un can de aire para lanzar
proyectiles a la mayor distancia posible.
Los factores que se consideran que pueden afectar la
variable de respuesta y (distancia) son los siguientes:
A= Volumen de aire
B= Tipo de vlvula
C= Longitud del can
D= Angulo de disparo
E= Presin
F= Voltaje
G= Tipo de empaque
H= Tipo de proyectil
2.5 Seleccin del arreglo
ortogonal adecuado
La siguiente tabla muestra los diferentes niveles para cada
factor
FACTOR NIVEL 1 NIVEL 2
A= Volumen de aire
B= Tipo de vlvula
C= Longitud del can
D= Angulo de disparo
E= Presin
F= Tipo de empaque
G= Voltaje
H= Tipo de proyectil
198 CC
1
4 ft
45
20 psi
Tela
9 v
1
672CC
2
6 ft
60
40 psi
Papel
27 v
2
2.5 Seleccin del arreglo
ortogonal adecuado
1. Determinar los grados de libertad de cada factor:
g.l.=b-1
g.l. =2-1=1
Los grados de libertad es la suma
de los grados de libertad de cada
uno de los factores:
1+1+1+1+1+1+1+1=8
Por lo tanto necesitaremos un
Arreglo con 8 columnas como
mnimo. El arreglo L12211 de la
derecha satisface tal condicin
Nota: El arreglo L
12
2
11
esta diseado para experimentos sin interacciones entre factores
Corridas
FACTORES
1 2 3 4 5 6 7 8 9 10 11
1 1 1 1 1 1 1 1 1 1 1 1
2 1 1 1 1 1 2 2 2 2 2 2
3 1 1 2 2 2 1 1 1 2 2 2
4 1 2 1 2 2 1 2 2 1 1 1
5 1 2 2 1 2 2 1 2 1 2 2
6 1 2 2 2 1 2 2 1 2 1 1
7 2 1 2 2 1 1 2 2 1 2 2
8 2 1 2 1 2 2 2 1 1 1 1
9 2 1 1 2 2 2 1 2 2 1 1
10 2 2 2 1 1 1 1 2 2 1 1
11 2 2 1 2 1 2 1 1 1 2 2
12 2 2 1 1 2 1 2 1 2 2 2
2.5 Seleccin del arreglo
ortogonal adecuado
Los 12 experimentos realizados y los resultados de 4
replicas se muestran en la siguiente tabla.
Corridas
FACTORES VARIABLE DE RESPUESTA
1 2 3 4 5 6 7 8 Y1 Y2 Y3 Y4 Y
1 198 1 4 45 20 1 9 1
87 87 86 80 85
2 198 1 4 45 20 2 27 2
120 127 129 134 128
3 198 1 6 60 40 1 9 1
202 206 206 216 208
4 198 2 4 60 40 1 27 2
175 205 209 224 203
5 198 2 6 45 40 2 9 2
321 332 308 293 314
6 198 2 6 60 20 2 27 1
89 80. 66 78 78
7 672 1 6 60 20 1 27 2
130 133 145 151 140
8 672 1 6 45 40 2 27 1
458 469 473 465 466
9 672 1 4 60 40 2 9 2
433 381 377 367 390
10 672 2 6 45 20 1 9 2
188 155 158 169 168
11 672 2 4 60 20 2 9 1
161 159 164 178 166
12 672 2 4 45 40 1 27 1
400 415 439 442 424
2.6. Tabla de respuestas
El anlisis de los datos del experimento se realiza por
medio del mtodo regular o por medio del anlisis de
varianza ANOVA. A diferencia del ANOVA, el mtodo
regular, el cual analiza los datos con la ayuda de una tabla
de respuestas, no requiere del dominio del antecedentes
estadsticos.
2.6. Tabla de respuestas
Corridas A1 A2 B1 B2 C1 C2 D1 D2 E1 E2 F1 F2 G1 G2 H1 H2
1 85 85 85 85 85 85 85 85
2 128 128 128 128 128 128 128 88
3 208 208 208 208 208 208 208 208
4 203 203 203 203 203 203 203 146
5 314 314 314 314 314 314 314 202
6 78 78 78 78 78 78 78 78
7 140 140 140 140 140 140 140 101
8 466 466 466 466 466 466 466 466
9 390 390 390 390 390 390 390 251
10 168 168 168 168 168 168 168 112
11 166 166 166 166 166 166 166 166
12 424 424 424 424 424 424 424 424
Promedios 169 292 236 225 232 229 264 197 127 334 204 257 221 240 238 150
Diferencias 123 11 4 67 207 52 18 88
2.6 Tabla de respuestas
Estos promedios se conocen como los efectos principales
del factor y nivel respectivo en la variable de respuesta y
entre mayor sea la diferencia entre los niveles de un mismo
factor mayor es el efecto de esa variable sobre la variable
de respuesta.
2.6 Tabla de respuestas
Grafica de efectos principales
C17 C16 C15 C14 C13 C12 C11 C10
340
290
240
190
140
C
1
8
Main Effects Plot - Means for C18
2.7 Estimacin de condiciones
optimas
Corridas A1 A2 B1 B2 C1 C2 D1 D2 E1 E2 F1 F2 G1 G2 H1 H2
1 85 85 85 85 85 85 85 85
2 128 128 128 128 128 128 128 88
11 166 166 166 166 166 166 166 166
12 424 424 424 424 424 424 424 424
Promedios 169 292 236 225 232 229 264 197 127 334 204 257 221 240 238 150
Diferencias 123 11 4 67 207 52 18 88
Como nuestra caracterstica de calidad es la distancia de
lanzamiento, buscamos la combinacin que nos de cmo
resultado una mayor distancia. De tal manera que los
niveles ptimos sern lo que tengan un valor mayor
2.7 Estimacin de condiciones
optimas
La combinacin optima de factores que maximiza la
distancia de lanzamiento del proyectil es:
A2, B1, C1, D1, E2, F2, G2, H1
FACTOR NIVEL 1 NIVEL 2
A= Volumen de aire
B= Tipo de vlvula
C= Longitud del can
D= Angulo de disparo
E= Presin
F= Tipo de empaque
G= Voltaje
H= Tipo de proyectil
1
4 ft
45
1
672CC
40 psi
Papel
27 v
2.7 Estimacin de condiciones
optimas
Revisando el AO utilizado, se observa que la corrida o
experimento ptimo (2,1,1,1,2,2,2,1), no se llev a cabo,
por lo que hay que estimar la respuesta esperada de la
variable bajo las condiciones ptimas de operacin.
) ( ) ( ) ( ) ( ) ( ) ( ) ( ) (
1 2 2 2 1 1 1 2
Y H Y G Y F Y E Y D Y C Y B Y A Y Y
optima
+ + + + + + + + =
2.7 Estimacin de condiciones
optimas
A1 A2 B1 B2 C1 C2 D1 D2 E1 E2 F1 F2 G1 G2 H1 H2 Y
1 85 85 85 85 85 85 85 85 85
2 128 128 128 128 128 128 128 88 128
3 208 208 208 208 208 208 208 208 208
4 203 203 203 203 203 203 203 146 203
5 314 314 314 314 314 314 314 202 314
6 78 78 78 78 78 78 78 78 78
7 140 140 140 140 140 140 140 101 140
8 466 466 466 466 466 466 466 466 466
9 390 390 390 390 390 390 390 251 390
10 168 168 168 168 168 168 168 112 168
11 166 166 166 166 166 166 166 166 166
12 424 424 424 424 424 424 424 424 424
Promedios 169 292 236 225 232 229 264 197 127 334 204 257 221 240 238 150
Y= 231
Diferencias 123 11 4 67 207 52 18 88
) 231 238 ( ) 231 240 ( ) 231 257 (
) 231 334 ( ) 231 264 ( ) 231 232 ( ) 231 236 ( ) 231 292 ( 231
+ +
+ + + + + + =
optima
Y
475 =
optima
Y
2.7 Estimacin de condiciones
optimas
En ocasiones, cuando el efecto de un factor no es muy
significativo, se puede considerar el aspecto econmico
para tomar la decisin de cambiar el nivel de dicho factor.
Suponga que el tipo de vlvula 1 tiene el doble del costo
de la vlvula numero 2, no hay ningn problema si
cambios el nivel de esa variable puesto que el efecto
sobre la variable de respuesta y es mnimo.
La combinacin final de factores y niveles quedara de la
siguiente manera
A2, B2, C1, D1, E2, F2, G2, H1
Ejercicio
Considere que el acabado de un proceso de maquinado, medido en
picos/in
2
se puede ver afectado por 5 factores que son:
FACTOR TIPO 1 TIPO 2
Tipo de lubricante
Tipo de corte
Angulo de corte (grados)
Velocidad de corte (r.p.m.)
Avance (cm/min)
Tipo 1
Continuo
25
100%
1
Tipo 2
Intermitente
35
1200%
1.5
Corridas 1 2 3 4 5 6 7 Y1 Y2 Y3
1
2
3
4
5
6
7
8
1
1
1
1
2
2
2
2
1
1
2
2
1
1
2
2
1
1
2
2
2
2
1
1
1
2
1
2
1
2
1
2
1
2
1
2
2
1
2
1
1
2
2
1
1
2
2
1
1
2
2
1
2
1
1
2
15
16
22
18
25
23
19
17
17
15
21
20
24
27
17
16
18
15
24
18
22
20
16
18
Los resultados de tres repeticiones de cada experimento se muestran
en la siguiente tabla.
Encuentre las condiciones optimas de operacin y calcule el valor
esperado para la variable de respuesta.
2.8 Manejo de interacciones
Asignacin de columnas
1. Cuando no existe interaccin entre ninguna de las variables o
factores a estudiar, la asignacin de las columnas se hace al azar o de
manera aleatoria.
2. Cuando si se desea estudiar la interaccin de dos factores debemos
ayudarnos de las graficas lineales de cada arreglo ortogonal
2.8 Manejo de interacciones
Interaccin es la dependencia de un factor en otro factor
Cuando la influencia de un factor depende de la presencia
de otro factor, se considera que los factores interactan el
uno con el otro
Considere el ejemplo de la interaccin entre 2 factores:
A: aspirina y B: alcohol
2.8 Manejo de interacciones
Existe interaccin cuando las lneas no son paralelas
A1B1
A1B2 A2B1
A2B2
A1= 0 A2=2
ASPIRINAS
B2=1
B1=0 (vaso de cerveza)
D
o
l
o
r

d
e

c
a
b
e
z
a
2.8 Manejo de interacciones
El manejo de interacciones en un arreglo ortogonal
requiere de un anlisis cuidadoso.
Para asignar las interacciones a cada columna es
necesario apoyarnos de las graficas lineales o las matrices
triangulares diseadas por Taguchi
Se recomienda usar interacciones solo si se
esta seguro de que estas existe.
2.8 Manejo de interacciones
Las grficas lineales estndar pueden ser modificadas, si
es necesario y dependiendo del diseo a realizar, con la
ayuda de las matrices triangulares.
Las siguientes grfica lineal y matriz triangular
corresponden al arreglo L
8
(2
7
)
2.8 Manejo de interacciones
Asignacin de columnas
Para cada arreglo ortogonal existen una o mas graficas
que nos ayudan a asignar los factores a cada unos de las
columnas del arreglo. Las graficas siguientes
corresponden a un arreglo L
8
2
7
Nota: Las grficas lineales estndar pueden ser modificadas, si es necesario y dependiendo del
diseo a realizar, con la ayuda de las matrices triangulares
1
2
4
6
5 3
7
(1) (2)
7
4
2
1
6
5
3
2.8 Manejo de interacciones
Ejemplo:
Asignar los siguientes factores a un arreglo ortogonal: A, B, C, D, E, F,
G, H, I, AB, AC, BC, BG, a dos niveles cada uno.
Procedimiento:
1. G.L.=9 ( de las variables individuales) + 4 (de las interacciones) = 13.
como todas las variables tienen 2 niveles, necesitamos 13 columnas
de un AO con columnas de 2 niveles
2. Usar el AO L
16
(2
15
), porque tiene 15 columnas
3. Grafica lineal requerida:
2.8 Manejo de interacciones
4. Una de las graficas del L
16
(2
15
), es:
Si no existe interaccin, una lnea entre
dos puntos puede usarse para
colocar una variable que no tenga
relacin con las variables colocadas en
los extremos de dicha lnea.
5. Asignacin de variables:
Columna 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15
Factor B F I G BG H AC C BC E e D e AB A
A
15
C
8
AC
7
B
1
9 BC AB 14
12
D
10
E
G
4
F
2
6
H
I 3
5 BG
11 13
2.8 Manejo de interacciones
La matriz triangular es usada como referencia para
encontrar la columna de interaccin cuando las graficas
lineales no satisfagan las condiciones de interaccin.
MATRIZ TRIANGULAR PARA ARREGLOS ORTOGONALES DE 2 NIVELES
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15
1 3 2 5 4 7 6 9 8 11 10 13 12 15 14
2 1 6 7 4 5 10 11 8 9 14 15 12 13
3 7 6 5 4 11 10 9 8 15 14 13 12
4 1 2 3 12 13 14 15 8 9 10 11
5 3 2 13 12 15 14 9 8 11 10
6 1 14 15 12 13 10 11 8 9
7 15 14 13 12 11 10 9 8
8 1 2 3 4 5 6 7
9 3 2 5 4 7 6
10 1 6 7 4 5
11 7 6 5 4
12 1 2 3
13 3 2
14 1
15
2.8 Manejo de interacciones
EJERCICIO:
Una empresa constructora desea fabricar sus propios blocks de
concreto para la construccin de casas. La empresa ha decidido
contratarlo para que encuentre las condiciones optimas de
fabricacin que maximicen la resistencia del block.
La siguiente tabla muestra los factores y niveles, se desea estudiar la
interaccin entre dos factores ByC, ByE.
Factores Nivel 1 Nivel 2
A: Antigedad del cemento
B:Proporcin cemento/arena
C: Mtodo de mezclado
D:Tiempo de vibracin
E: Tiempo de secado
1 mes

Mecnico
1 minuto
8 horas
3 meses
1/6
Manual
3 minutos
20 horas
2.8 Manejo de interacciones
Abajo se muestra el arreglo ortogonal con los resultados
de los experimentos as como la grafica lineal del AO
L
8
2
7
.
Corrida 1 2 3 4 5 6 7 Y1 Y2
1 1 1 1 1 1 1 1 125 128
2 1 1 1 2 2 2 2 126 130
3 1 2 2 1 1 2 2 136 131
4 1 2 2 2 2 1 1 131 133
5 2 1 2 1 2 1 2 103 107
6 2 1 2 2 1 2 1 113 108
7 2 2 1 1 2 2 1 108 104
8 2 2 1 2 1 1 2 71 75
1
2
4
6
5 3
7
(1)
2.8 Manejo de interacciones
Tabla de respuestas:
B1 B2 E1 E2 BE1 BE2 C1 C2 BC1 BC2 D1 D2 A1 A2 Y
1 126.5 126.5 126.5 126.5 126.5 126.5 126.5 126.5
2 128 128 128 128 128 128 128 128
3 133.5 133.5 133.5 133.5 133.5 133.5 133.5 133.5
4 132 132 132 132 132 132 132 132
5 105 105 105 105 105 105 105 105
6 110.5 110.5 110.5 110.5 110.5 110.5 110.5 110.5
7 106 106 106 106 106 106 106 106
8 74 74 74 74 74 74 74 74
Promedios 130 98.3 117.5 110.8 108.1 120.2 117.7 110.6 110.6 117.7 109.1 119.5 118.7 109.6
Y=114.1
Diferencias 31.7 6.7 12.1 7.1 7.1 10.3 9.1
2.8 Manejo de interacciones
Para analizar las interacciones BE y BC, se obtienen los
siguientes efectos principales debido a las interacciones:
B
1
E
1
=(130+117.5)/2=123.7
B
1
E
2
=(130+110.8)/2=120.4
B
2
E
1
=(98.3+117.5)/2=107.9
B
2
E
2
=(98.3+110.8)/2=104.5
B
1
=1/4 B
1
=1/6
E
1
=8 hrs
E
2
=20 hrs
2.8 Manejo de interacciones
Efectos principales debido a la interaccin BC:
B
1
C
1
=(130+117.7)/2=123.8
B
1
C
2
=(130+110.6)/2=120.3
B
2
C
1
=(98.3+117.7)/2=108
B
2
C
2
=(98.3+110.6)/2=104.4
B
1
=1/4 B
1
=1/6
C
1
= Manual
E
2
= Mecnico
2.9 Anlisis de Varianza ANOVA
El anlisis de varianza, ANOVA, es una herramienta estadstica para
determinar si existe diferencia entre las medias de varias poblaciones
o tratamientos.
Se puede decir que esta herramienta es una extensin del concepto
de prueba de hiptesis para una media o la diferencia de dos medias.
Esta herramienta est muy relacionada con el anlisis de regresin,
con la diferencia de que en ANOVA no se requiere estimar o asumir
cierta relacin entre las variables.
2.9 Anlisis de Varianza ANOVA
Fuente de
variacin
Suma de
cuadrados (SS)
Grados de
libertad
Media de
Suma de
Cuadrados
(MS)
F P Significativo
Volumen de aire
Tipo de vlvula
Longitud del can
Angulo de disparo
Presin
Tipo de empaque
Voltaje
Proyectil
181302
1344
161
53333
512947
32761
4070
2437
1
1
1
1
1
1
1
1
181302
1344
161
53333
512947
32761
4070
2437
653.97
4.85
0.58
192.38
1850.24
118.17
14.68
8.79
0.000
0.034
0.450
0.000
0.000
0.000
0.000
0.005
Si
Si
No
Si
Si
Si
Si
Si
Error
Total
1081
799167
39
47
277
Retomando el ejemplo del can de aire, segn la grafica de efectos
principales, los factores E y A son los mas relevantes para el
resultados. El anlisis de varianza nos ayuda a comprobar estos
datos y en algunos casos encontrar mas factores de influencia
3. Anlisis Seal - Ruido
INTRODUCCION
Al momento de monitorear el proceso de manufactura de un producto, es
ms fcil ajustar la media al proceso que reducir la desviacin estndar,
por lo que el diseador debe reducir la varianza primero y luego ajustar la
media.
Por lo tanto, el problema de optimizacin del diseo del producto debe
ser resuelto en dos pasos:
1. Maximizar la seal ruido, S/R. Este es el paso de reduccin de la
variacin.
2. Ajustar la media del proceso al valor nominal usando un factor de
control que no tenga efecto en la razn S/R.
3. Anlisis Seal - Ruido
INTRODUCCION
Hasta ahora se han seleccionado las condiciones ptimas en base a
aquellos factores que mejoran la variable de respuesta en trminos de
medias, sin considerar la variacin en el producto bajo esas condiciones.
El concepto de anlisis Seal-Ruido toma en cuenta la relacin existente
entre la media (seal) y la variacin (ruido) de una caracterstica de
calidad.
25 20 15 10 5 Subgroup 0
13. 3
13. 2
13. 1
13. 0
12. 9
12. 8
12. 7
S
a
m
p
l
e

M
e
a
n
X=13. 02
3. 0SL=13. 27
-3. 0SL=12. 77
1. 0
0. 5
0. 0
S
a
m
p
l
e

R
a
n
g
e
R=0. 4329
3. 0SL=0. 9154
-3. 0SL=0. 000
Xbar/R Chart for datos
Ruido
Seal
3. Anlisis Seal - Ruido
INTRODUCCION
La razn Seal-Ruido (S/R) depende del tipo de caracterstica de calidad,
independientemente de sta, a mayor S/R mejor.
La siguiente tabla muestra las ecuaciones para calcular la razn S/R.
Caracterstica de
calidad
Funcin Seal-Ruido
NOMINAL MEJOR
MENOR MEJOR
MAYOR MEJOR
( )
(
(
(
(

=

) (
10 /
2
2
2
s n
s
n
y
Log R S
i
(

=

i y
n
Log R S
2
1
10 /
(

=

2
1 1
10 /
i
y n
Log R S
3. Anlisis Seal - Ruido
Retomando el ejemplo del can, se calcula la razn S/R para la variable
de respuesta recordando que sta es del tipo entre mayor mejor.
Por ejemplo, la razn S/R para la corrida 1 es:
Y as sucesivamente para todas las corridas.
85 . 3 /
) 80 (
1
) 86 (
1
) 87 (
1
) 87 (
1
4
1
10 /
1 1
10 /
2 2 2 2
2
=
(

|
|
.
|

\
|
+ + + =
(

=

R S
Log R S
y n
Log R S
i
3. Anlisis Seal - Ruido
La razn S/R de las corridas es:
Corridas
FACTORES VARIABLE DE RESPUESTA
1 2 3 4 5 6 7 8 Y1 Y2 Y3 Y4 Y S/R
1 198 1 4 45 20 1 9 1 87 87 86 80 85 3,86
2 198 1 4 45 20 2 27 2 120 127 129 134 128 4,21
3 198 1 6 60 40 1 9 1 202 206 206 216 208 4,63
4 198 2 4 60 40 1 27 2 175 205 209 224 203 4,61
5 198 2 6 45 40 2 9 2 321 332 308 293 314 4,99
6 198 2 6 60 20 2 27 1 89 80 66 78 78 3,77
7 672 1 6 60 20 1 27 2 130 133 145 151 140 4,29
8 672 1 6 45 40 2 27 1 458 469 473 465 466 5,34
9 672 1 4 60 40 2 9 2 433 381 377 367 390 5,18
10 672 2 6 45 20 1 9 2 188 155 158 169 168 4,44
11 672 2 4 60 20 2 9 1 161 159 164 178 166 4,44
12 672 2 4 45 40 1 27 1 400 415 439 442 424 5,25
3. Anlisis Seal - Ruido
La tabla de respuestas para la razn S/R de las corridas y las grficas
lineales son:
A1 A2 B1 B2 C1 C2 D1 D2 E1 E2 F1 F2 G1 G2 H1 H2 Y S/R
1 3,86 3,86 3,86 3,86 3,86 3,86 3,86 3,86 85 3,86
2 4,21 4,21 4,21 4,21 4,21 4,21 4,21 4,21 128 4,21
3 4,63 4,63 4,63 4,63 4,63 4,63 4,63 4,63 208 4,63
4 4,61 4,61 4,61 4,61 4,61 4,61 4,61 4,61 203 4,61
5 4,99 4,99 4,99 4,99 4,99 4,99 4,99 4,99 314 4,99
6 3,77 3,77 3,77 3,77 3,77 3,77 3,77 3,77 78 3,77
7 4,29 4,29 4,29 4,29 4,29 4,29 4,29 4,29 140 4,29
8 5,34 5,34 5,34 5,34 5,34 5,34 5,34 5,34 466 5,34
9 5,18 5,18 5,18 5,18 5,18 5,18 5,18 5,18 390 5,18
10 4,44 4,44 4,44 4,44 4,44 4,44 4,44 4,44 168 4,44
11 4,44 4,44 4,44 4,44 4,44 4,44 4,44 4,44 166 4,44
12 5,25 5,25 5,25 5,25 5,25 5,25 5,25 5,25 424 5,25
Promedios 4,34 4,82 4,5830 4,5825 4,59 4,58 4,68 4,48 4,17 5,00 4,51 4,65 4,59 4,58 4,55 4,62
Y= 231 4,58
Diferencia
s 0,477 0,001 0,013 0,197 0,832 0,141 0,012 0,070
3. Anlisis Seal - Ruido
De acuerdo a los resultados, la combinacin de factores y niveles que
generan la razn S/R mxima es:
A2, B1, C1, D1, E2, F2, G1, H2
Esta combinacin no se realiz en el experimento, por lo que se puede
estimar de la misma forma que se realiz con la media.
40 . 5 /
) 03 . 0 ( ) 01 . 0 ( ) 07 . 0 ( ) 42 . 0 ( ) 10 . 0 ( ) 01 . 0 ( ) 003 . 0 ( ) 024 . 0 ( 59 . 4 /
) / ( ) / ( ) / ( ) / (
) / ( ) / ( ) / ( ) / ( / /
1 1 2 2
1 1 1 2
=
+ + + + + + + + =
+ + +
+ + + + + =
R S
R S
R S H R S G R S F R S E
R S D R S C R S B R S A R S R S
EJRCICIOS
1. En un proceso de recubrimiento de papel, se sabe que la compaa pierde
$10,000 cada vez que un recubrimiento se desva +/- 0.5gr/m
2
del valor objetico
m, donde m= 1.5gr/m
2
.
Encuentre:
a) La constante de proporcionalidad
b) La perdida causada al consumidor
2. Suponga que ahora la compaa pierde $15,000 cuando y=m +/- 0.8 gr/m
2
.
Encuentre :
a) La constante k
b) La funcin de perdida
c) Calcular L(y) si y=2.7gr/m
2
EJRCICIOS
3. Seleccione un arreglo ortogonal para cada una de la siguientes situaciones.
a) Dos factores con tres niveles
b) Cuatro factores con dos niveles
c) Cuatro factores con tres niveles
4. Cul es el nmero mximo de factores que se pueden considerar en un arreglo
a) L
4
(2
3
).
b) L
8
(2
7
).
c) L
16
(2
15
).
d) L
9
(2
3
).
a) L
32
(2
31
).
5. Las siguientes situaciones se refieren a factores de dos niveles. Asigne los factores y sus
interacciones en el arreglo estndar adecuado.
a) A,B,C,D, AC
b) A,B,C,D,AB,CD
c) A,B,C,D,E,AD,AE
d) A,B,C,D,E,AC,CDE
e) A,B,C,AB,AC,CB
EJRCICIOS
6. Usted forma parte de un grupo responsable de ajustar el desempeo de una maquina de
palomitas de maz. La maquina comprada para hacer las palomitas permite hacer ajustes
en algunos actores clave antes de empezar a producir. El objetivo del proyecto es
maximizar la realizacin de las palomitas.
Factores niveles
A: Recipiente Acero Cobre
B: Aceite Vegetal Maz
C: temperatura Opcin 1 Opcin 2
Los resultados (en numero de granos de maz sin reventar) de los experimentos
realizados son los siguientes;Y1= 4, 7, 6, 3; Y2= 6, 9, 8, 5; Y3= 7, 8, 10, 6.
Realice la tabla de respuestas y la grafica de efectos principales
Encuentre las condiciones optimas de operacin
Cuantos granos de maz se espera que queden sin reventar bajo las condiciones
optimas.
Ordene los factores por su nivel de importancia en la variables de respuesta
EJRCICIOS
7. Se desean realiza un experimento para encontrar la receta ideal para cocinar
un pastel, se considera que los factores mas importantes son:
A: Huevos, B: Mantequilla, C: Leche, D: Harina, E: azcar, y las interacciones
BxC y AxC. Todos a dos niveles
Caracterstica de calidad mayor mejor.
Los resultados de los experimentos son los siguientes:
Y1= 66, 75, 54, 62, 52, 82, 52, 78
Asigne los factores e interacciones a un arreglo L
8
2
7
Realice un atabla de respuestas y grafica de efectos principales
Cuales son los niveles de operacin ptimos de los factores (1 o 2)
Cual es el valor esperado en la variable de respuesta.