Vous êtes sur la page 1sur 31

DISEO DE EXPERIMENTOS

La parte fundamental de la metodologa ideada por el matemtico japons


G. Taguchi es la optimizacin de productos y procesos, a fin de asegurar
productos robustos, de alta calidad y bajo costo.

La metodologa Taguchi consta de tres etapas:

a) Diseo del sistema


b) Diseo de parmetros
c) Diseo de tolerancias

De estas tres etapas, la ms importante es el diseo de parmetros cuyos


objetivos son:
a) Identificar qu factores afectan la caracterstica de calidad en cuanto a
su magnitud y en cuanto a su variabilidad.
b) Definir los niveles ptimos en que debe fijarse cada parmetro o factor,
a fin de optimizar la operacin del producto y hacerlo lo ms robusto
posible.
c) Identificar factores que no afectan substancialmente la caracterstica de
calidad a fin de
liberar el control de estos factores y ahorrar costos de
pruebas.

Para lograr lo anterior se ha manejado una serie de herramientas


estadsticas conocida como diseo de experimentos, tratadas
anteriormente.
Taguchi ha propuesto una alternativa no del todo diferente que se que
conoce como: Arreglos Ortogonales y las Grficas Lineales.

La herramienta utilizada normalmente son diseos Factoriales fraccionados,


sin embargo cuando el nmero de factores se ve incrementado, las
posibles interacciones aumentan, as como la complicaciones para
identificar cules son las condiciones especficas a experimentar.

Un arreglo ortogonal se puede comparar con una replicacin factorial


fraccionada, de manera que conserva el concepto de ortogonalidad y
contrastes. Un experimento factorial fraccionado es tambin un arreglo
ortogonal .
Taguchi desarroll una serie de arreglos particulares que denomin:

La (b)C

Donde:
a = Representa el nmero de pruebas o condiciones experimentales que
se tomarn. Esto es el nmero de renglones o lneas en el arreglo.
b = Representa los diferentes niveles a los que se tomar cada factor.
c = Es el nmero de efectos independientes que se pueden analizar, esto
es el nmero de columnas.

Arreglos ortogonales para experimentos a dos niveles


En esta seccin, se analiza qu son, cmo se usan y cules son los arreglos ortogonales ms importantes
para experimentos en los que cada factor toma dos niveles.

No. (a)
1
2
3
4
1 ,

A
1
1
2
2
2

F A C T O R E S (c)
B
C
1
1
2
2
1
1
2
1

Resultado
Y1
Y2
Y3
Y4

Niveles de los Factores (b)

Un arreglo ortogonal es una tabla de nmeros. Como ejemplo de un arreglo ortogonal tenemos el
siguiente:
De acuerdo con la notacin empleada por Taguchi al arreglo mostrado como ejemplo, se le llama un
arreglo L4, por tener cuatro renglones.
En general, para un arreglo a dos niveles, el nmero de columnas (efectos o factores) que se pueden
analizar, es igual al nmero de renglones menos 1.
Taguchi ha desarrollado una serie de arreglos para experimentos con factores a dos niveles, los ms
utilizados y difundidos segn el nmero de factores a analizar son:
No. de factores a analizar
Entre 1 y 3

Arreglo a utilizar
L4

No. de condiciones a probar


4

Entre 4 y 7
Entre 8 y 11
Entre 12 y 15
Entre 16 y 31
Entre 32 y 63

L8
L12
L16
L32
L64

8
12
16
32
64

Algunos arreglos ortogonales:

Ejemplo:
En un proceso de formacin de paneles una caracterstica no deseada es la emisin de formaldehdo en el
producto final. Se desea que esta emisin sea lo mnima posible. Actualmente se estima en 0.45 ppm.
(partes por milln).

Se cree que cinco factores pueden estar afectando la emisin, estos son: tipo de resina, concentracin de
la solucin, tiempo de ciclo de prensado, humedad y presin.
Si se desea analizar el efecto de estos factores, es necesario variarlos, esto es probarlos bajo diferentes
valores cada uno. A cada uno de estos valores se les llama nivel. Se requieren de al menos dos niveles o
valores distintos para cada factor. A uno de ellos arbitrariamente le llamamos nivel bajo o nivel 1, al
otro nivel alto o nivel 2.
Factor
A
B
C
D
E

Descripcin
Tipo de resina
Concentracin
Tiempo de ciclo de prensado
Humedad
Presin

Nivel I
Tipo I
5%
10 seg
3%
800 psi.

Nivel 2
Tipo II
10%
15 seg
5%
900 psi.

En este caso estamos interesados en analizar el efecto de 5 efectos o factores a dos niveles cada uno, por
lo tanto, se usar un arreglo ortogonal L8. Esto implica que se ejecutarn 8 pruebas o condiciones
experimentales. Por otra parte se disponen de 7 columnas, a cada columna se le puede asignar o asociar
un factor. Si en particular, asignamos los factores en orden a las primeras cinco Columnas, dejando libres
las ltimas dos columnas, el arreglo queda:

No. A B C D E e1 e2 Resina Concen. Tiempo Humedad Presin Yi


1 1 1 1 1 1 1 1 Tipo I
5%
10 seg.
3%
800 psi. 0.49
2 1 1 1 2 2 2 2 Tipo I
5%
10 seg.
5%
900 psi. 0.42
3 1 2 2 1 1 2 2 Tipo I
10% 15 seg.
3%
800 psi. 0.38
4 1 2 2 2 2 1 1 Tipo I
10% 15 seg.
5%
900 psi. 0.30
5 2 1 2 1 2 1 2 Tipo II
5%
15 seg.
3%
900 psi. 0.21
6 2 1 2 2 1 2 1 Tipo II
5%
15 seg.
5%
800 psi. 0.24
7 2 2 1 1 2 2 1 Tipo II 10% 10 seg.
3%
900 psi. 0.32
8 2 2 1 2 1 1 2 Tipo II 10% 10 seg.
5%
800 psi. 0.28

TOTAL= 2.64
Observe que en las columnas vacas, 6 y 7, se ha escrito la letra e 1,y e2 respectivamente esto para indicar
que en ellas se evaluar la variacin natural o error aleatorio.
Si no se asigna ningn factor, es de esperar que ah se manifieste la variacin natural. Los resultados de Yi
se muestran en ppm.
El anlisis de resultados, se puede efectuar de dos maneras diferentes. Una de ellas mediante una serie de
grficas, la otra mediante el anlisis de varianza, se muestra en este ejemplo primero el uso del anlisis de
varianza, posteriormente se muestra el uso de grficas.
Anlisis de varianza

1) como primer paso, se obtienen los totales de la variable de respuesta o lecturas, para cada uno de los
niveles de los factores.

Para calcular los totales para cada nivel del factor A, observamos que las
primeras cuatro pruebas del arreglo se efectuaron con el factor a su nivel 1
(Resina tipo I) y las siguientes cuatro a su nivel 2 (resina tipo II).

Los totales son por lo tanto:

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


= 0.49+0.42+0.38+0.30=1.59

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


= 0.21+0.24+0.32+0.28= 1.05

Para el factor D se tiene que las pruebas 1,3,5 y 7 se efectuaron a su


nivel 1 (humedad del 5%), por lo tanto los totales son:

D1= Total de las lecturas que se tomaron con el factor D a su nivel 1


= 0.49+0.38+0.21+0.32= 1.40

D2= Total de las lecturas que se tomaron con el factor D a su nivel 2


= 0.42+0.30+0.24+0.28= 1.24
En resumen se tiene:

Factor

Nivel 1

1.59 1.36 1.51 1.40 1.39 1.28 1.35

Nivel 2

1.05 1.28 1.13 1.24 1.25 1.36 1.29


2.64 2.64 2.64 2.64 2.64 2.64 2.64

Observe que la suma de los dos niveles debe dar siempre el total de las
ocho lecturas 2.64.

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


Donde n representa el nmero total de lecturas que se tomaron.

As por ejemplo, para el factor A, tendremos que dado que n=8


SSA= (A2 A1) 2/ 8= (1.59-1.05) 2/ 8=0.03645 con 1 g .1

Para el factor B se tiene


SSB= (B2 B1) 2/ 8= (1.28-1.36) 2/ 8= 0.00080 con 1 g.1

Similarmente
SSC= (C2 C1) 2/ 8= (1.13-1.51) 2/ 8= 0.01805 con 1 g.1
SSD= (D2 D1) 2/ 8= (1.24-1.40) 2/ 8= 0.00320 con 1 g.1
SSE= (E2 E1) 2/ 8= (1.25-1.39) 2/ 8= 0.00245 con 1 g.1
SSe= 0.00080 con 1 g.1
SSe= 0.00045 con 1 g.1

La suma de cuadrados de las columnas donde no se asign factor (SSe) se toman como estimaciones
del error y se suman.

SSe= 0.00080+0.00045= 0.00125 con 2 g.1

3) Se construye una tabla ANOVA, sta es:

Efecto

SS

0.03645

0.03645

0.00080

0.00080

1.28

0.01805

0.01805

28.88

0.00320

0.00320

5.12

0.00245

0.00245

3.92

Error

0.00125

0.000625

Total

G.l.

0.0622

Fexp
58.32

Bajo la columna SS se tienen las sumas de cuadrados. Bajo la columna G.l.


(grados de libertad), tendremos el nmero de columnas que se usaron para
evaluar el factor, en este caso, slo puede ser de uno para cada factor y
ms de uno nicamente para el caso del error.

La columna V, se obtiene dividiendo el nmero bajo la columna SS, entre


el nmero de la columna G.L.

As por ejemplo, para el factor A se tiene

SSA= 0.03645, G.L. de A=1

V= SSA/G.L.= 0.03645/1= 0.03645

Por ltimo, el valor de Fexp, se obtiene de dividir el valor de V de cada


factor, entre el valor de V para la estimacin del error.

Fexp de A= V(A) / V(error)= 0.03645/0.000625=58.32

4) Obtenemos las siguientes conclusiones:

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


considera que afectan la variable de respuesta, emisin de formaldehdo en
este caso. Estos son llamados factores significantes.

En este ejemplo resultan significantes los factores A, C, D y E, tipo de resina,


tiempo de ciclo, humedad y presin respectivamente.

Se acostumbra que aquellos efectos que no resultaron significantes, se


consideren como error aleatorio, a fin de obtener una mejor estimacin (con
mayor nmero de grados de libertad).

En este caso por ejemplo, una mejor estimacin de SSe es:


SSe= SSB + SSe= 0.00080+0.00125= 0.00205
Con 1 + 2 = 3 grados de libertad y (Ve)= (SSe)/3= 0.00205/3= 0.00068
Las estimaciones que se obtienen de esta manera suelen escribirse entre parntesis.

La tabla ANOVA queda ahora


Efecto

SS

G.1

Fexp

0.03645

0.03645

53.60

0.01805

0.01805

26.54

0.00320

0.00320

4.71

0.00245

0.00245

3.60

Error

0.00205

0.00068

Total

0.0622

Nos resta decidir a que nivel habr de fijar cada factor significante, y qu
podremos esperar. Para tomar esta decisin, es de mucha ayuda obtener los
promedios de las lecturas que se tomaron a cada nivel para cada uno de los
factores significantes.

Los promedios de la emisin de formaldehdo para cada nivel se obtienen


dividiendo c/u de los totales entre 4, (c/total es la suma de cuatro lecturas).
A1= A1/4= 1.59/4= 0.3975
A2= A2/4= 1.05/4= 0.2625

El resto de los promedio son:


Factor

Nivel 1

Nivel 2

A1= 0.3975

A2= 0.2625

B1= 0.3400

B2= 0.3200

C1= 0.3775

C2= 0.2825

D1= 0.3500

D2= 0.3100

E1= 0.3475

E2= 0.3125

El promedio general denotado como Y es:


Y= (0.49+0.42+0.38+0.30+0.21+0.24+0.32+0.28)/8=T/n= 2.64/8= 0.33

Los factores A, C, D y E que afectan emisin de formaldehdo debern


fijarse al nivel que minimicen la emisin, esto es, al nivel que se obtenga el
promedio menor, en este ejemplo; A 2, C2, D2 y E2; resina tipo II, 15 segundos
como tiempo de prensado, 5% de humedad y 900 psi.
El factor B juega aqu un papel sumamente importante. Dado que no
afecta la emisin de formaldehdo, dentro del intervalo analizado, se utiliza
para reducir los costos de produccin. Esto se hace fijndolo a su nivel ms
econmico. Cul ser el nivel esperado de emisin bajo las nuevas
emisiones propuestas Y est.?
Para contestar esta pregunta, para cada efecto significante se calcula una
resta, que llamaremos el efecto de cada factor respecto al promedio
general, para este caso el efecto es

EF A

= (promedio bajo la condicin propuesta del factor promedio general)


= A2 Y= 0.2625-0.3300= -0.0675 (A se fij a su nivel 2)

EF C = C2 Y= 0.2825-0.3300= -0.0475
EF D = D2 Y= 0.3100-0.3300=-0.0200

EF E

= E2 Y= 0.3125-0.3300= -0.0175

Finalmente, el resultado esperado bajo las condiciones A2, C2, D2, E2, que llamaremos Yest. se
calcula sumando al promedio general Y todos los efectos de los factores significantes.
Yest= Y + EF A + EF C +EF D +EF E= 0.3300-0.0675-0.0475-0.0200-0.0175=0.1775

Anlisis utilizando grficas

Existe una alternativa al anlisis ANOVA, esta es una serie de grficas que
se muestran enseguida.

1) Primero se obtienen los promedios en cada nivel, para cada uno de los
factores, incluyendo las columnas vacias.
Para hacer esto, encontramos los totales para cada nivel y dividimos entre
el nmero de lecturas con el que se obtuvo cada total. Para nuestro
ejemplo, los totales a cada nivel los tenemos ya en la seccin anterior. Los
promedios son:

Factor
Nivel 1

0.3975

0.3400

0.3775

0.3500

0.3475

0.3200

0.2625

0.3200

0.2825

0.3100

0.3125

0.3400

0.3325
Nivel 2
0.3225
Promedio global Y= T/n= 2.64/8 = 0.33

Observe que para cada factor, uno de los promedios es mayor y el otro
menor que el promedio global. Esto siempre debe de ocurrir.

2) Calcule la diferencia entre los promedios de niveles para cada factor, y


ordnelos de mayor a menor en valor absoluto.

Esto es por ejemplo para el factor A

A1 A2 = 0.3975 0.2625= 0.1350; para el resto tenemos:

Factor

Diferencia

0.1350

0.0200

0.0950

0.0400

0.0350

0.0200

0.0100

En la tabla de ANOVA encontramos los resultados obtenidos anteriormente:


N

e2

Yi

0.49

0.42

0.38

0.30

0.21

0.24

0.32

0.28

T1

1.59

1.36

1.51

1.40

e1

1.39

1.28

1.35 Tot
T2

1.05

SS

0.03645

0.00045
gl
V

1.28
0.00080

1.24

1.25

0.01805

0.00320

1.36

1.29

0.00245

2.64

0.00080

Ve

0.03645

.00062

1.13

0.00080

58.32

1.28

1
0.01805

0.00320

28.88

5.12

0.00245
3.92

Sg
P1

si

no

0.3975

si

si

si

0.3400

0.3775

0.3500

0.3475

0.3200

0.2825

0.3100

0.3125

Y
P2

0.2625
0.33

Ni
Ef

-0.0675

2
-0.0475

2
-0.0200

-0.0175

Yest. = Y + Ef A2 + Ef C2 + Ef D2 + Ef E2
T1

= Total de lecturas al nivel 1

T2

= Total de lecturas al nivel 2

= Nmero total de lecturas

SS

= (T2 - T1 )2 /n

gl

= Grados de libertad (columnas)

= SS/gl

= V/Ve

Sg

= Efecto significante?

P1

= Promedio nivel 1

P2

= Promedio nivel 2

Ni

= Nivel seleccionado

Ef

= Efecto de la variable

= Promedio de todos los datos

Yest

= Valor estimado de la variable a las condiciones propuestas

Ordenando de mayor a menor valor absoluto (ignorando el signo), tenemos:

Factor
e

Diferencia

0.1350

0.0950

0.0400

0.0350

0.0200

0.0200 0.0100
Se puede observar que el orden en que quedaron los datos anteriores, es
tambin el orden de mayor a menor Fexp que se obtiene con la ANOVA.

Siguiendo el orden anterior, se obtiene una grfica como se muestra en


seguida:

.40

.35

.33

.30

.25
A1 A2

C1 C2 D1 D2

E1 E2 B1 B2 e1 e2

e1

e2

Mediante esta grfica, se puede evaluar el efecto de cada factor. Entre mayor sea la lnea de cada
factor, o bien, entre ms vertical se encuentre, mayor ser el efecto de este factor.

Observamos un grupo de lneas inclinadas, seguida de un grupo de lneas


que sbitamente se acuestan o se hacen horizontales. Es de esperar que
las lneas que presentan columnas vacas o error aleatorio, quedan
prcticamente horizontales

Observe que las conclusiones a que se llegamos en este ejemplo son


similares a las de la ANOVA, esto es, factores significantes A, C, D y e,
igualmente los niveles recomendados se pueden identificar rpidamente, si
deseamos reducir la variable de respuesta, se toma el nivel ms bajo, en

este caso A2, C2, D2 y E2, es decir, los puntos por debajo de la lnea promedio
global.

En conclusin, el mtodo grfico puede ser utilizado para fines de


exposicin o presentacin y el ANOVA para fines de tomar una decisin ms
objetiva.

Arreglos ortogonales para factores con interacciones:

Como hemos visto anteriormente en los procesos de produccin se producen interacciones. En esta
seccin describiremos esta situacin.

En los casos anteriores se asumi que el efecto de un factor sobre la


variable de respuesta, no dependa del nivel de otros factores. Cuando el
efecto de un factor depende del nivel de otro factor, se dice que existe una
interaccin entre los factores.

Supongamos que en un experimento se ha encontrado que la temperatura y


el tipo de refrigerante, afectan la variable de respuesta llamada planicidad.
Existen dos marcas de refrigerante, la marca I y la marca II. Resulta que si
usamos el refrigerante I, al aumentar la temperatura la planicidad aumenta.
Pero si se utiliza la marca de refrigerante II, al aumentar la temperatura, la
planicidad disminuye.

Si nos preguntamos cual es el efecto de la temperatura sobre la planicidad,


podemos contestar que depende del tipo de refrigerante que se utilice. En
este caso se dice que existe una interaccin entre la temperatura y el
refrigerante.

Otro ejemplo es el caso de 2 medicamentos que al suministrarse en forma


independiente, provocan mejora en las condiciones del paciente. Por otro
lado, cuando los dos medicamentos son suministrados al mismo tiempo y la
condicin del paciente empeora, se dice que los dos medicamentos
interactuan.

Grficamente se puede observar si existe o no interaccin entre los


factores:

B1
B1

B2

B2
A1

A2

Las dos lneas son paralelas, no


nivel de B

A1

A2

El efecto de A depende del

existe interaccin entre los factores.


y viceversa. El efecto de A
no es consistente.
Existe interaccin

Las interacciones existen en los procesos en mayor o menor grado.

En las secciones anteriores se analizaron aplicaciones de arreglos


ortogonales, en los cuales no existan interacciones entre los factores
principales. En otros casos, podemos estar interesados en analizar el efecto
que algunas interacciones en particular tienen sobre la variable de
respuesta.

Pero qu sucede cuando se desea incluir interacciones en un


arreglo ortogonal?, se puede decir lo siguiente:

a) los arreglos ortogonales a utilizar para los casos con interacciones, son
exactamente los mismos que se usan para el caso sin interacciones.
b) al asignar dos factores, A y B por ejemplo, a ciertas columnas,
automticamente la interaccin de esos dos factores AxB se reflejar en
otra columna del arreglo. Por lo tanto, esta tercera columna ya no podr ser
utilizada por algn otro factor o interaccin a menos que se pueda suponer
la interaccin AxB como inexistente.

c) una interaccin significante que se desee probar, tomar una columna y


en consecuencia un grado de libertad. Por lo tanto, si deseamos analizar el
efecto de 6 factores y 4 de las interacciones entre ellos, requerimos por lo
menos de 10 grados de libertad, esto es de 10 columnas, o sea un arreglo L
16 y no un arreglo L8, que sera suficiente sin interacciones.

d) se deber tener cuidado especial, en la manera como se asignan los


factores a las columnas, para que sus interacciones no se confundan con
otros factores principales u otras interacciones que tambin deseamos
probar.

Una condicin que existe para el manejo de las interacciones mediante


procedimientos de arreglos ortogonales Taguchi, es que se tenga una
definicin a priori de cuales interacciones especficamente sospechamos
que existen. Esto es, debemos definir de antemano qu interacciones
creemos son relevantes, a fin de incluirlas en nuestro anlisis. Esto se puede
saber en base a la experiencia previa del proceso.

Para ayudar en la asignacin de factores a un arreglo, se han desarrollado


grficas lineales. Su aplicacin se muestra mediante un ejemplo:

NOTA: En los ejemplos que siguen, para denotar una interaccin entre dos
factores, A y B por ejemplo, se utiliza indistintamente la notacin AB o AxB.

Grficas lineales
A continuacin se muestra un arreglo L8 junto con una matriz triangular y dos grficas lineales. Estas se
reproducen aqu para su explicacin.
Columnas
1 2 3 4
1 1 1 1
1 1 1 2
1 2 2 1
1 2 2 2
2 1 2 1
2 1 2 2
2 2 1 1
2 2 1 2

N
1
2
3
4
5
6
7
8

5
1
2
1
2
2
1
2
1

6
1
2
2
1
1
2
2
1

7
1
2
2
1
2
1
1
2

Matriz o tabla de interacciones


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

1
.7

4
6

2
7

(b)
(a)

Qu representa cada tabla?. En primer lugar, el arreglo ortogonal L8 es


exactamente el mismo que se utiliz en el caso experimental y cada

columna un factor o interaccin cuyo impacto sobre la variable de respuesta


se desea conocer.

La matriz triangular nos representa las interacciones entre columnas. En el


primer rengln, con el titulo de columna, cada nmero corresponde a la
columna con ese mismo nmero del arreglo, al igual que los nmeros entre
parntesis que se encuentran en la diagonal inferior. Por ejemplo, si
nosotros asignamos el factor A a la columna 3 y el factor B a la columna 5,
la interaccin de AxB aparecer en otra columna ya definida. En el cruce de
la columna nmero 5 y el rengln nmero 3 de la matriz, aparece el nmero
6 (marcado con * en la tabla), de manera que la interaccin de AxB se
deber asignar a la columna 6 del arreglo ortogonal.

Con ayuda de matriz de interacciones es factible, mediante prueba y error,


asignar los factores a las columnas. Sin embargo, para simplificar aun ms
esta asignacin nos podemos auxiliar de las grficas lineales (1) y (2) que se
muestran.

En una grfica lineal:

a) un efecto principal se representa mediante un punto.


b) una interaccin se representa mediante una lnea.
c) los nmeros representan las columnas correspondientes del arreglo
ortogonal a donde se asignan los efectos principales y las interacciones.

En particular, el arreglo ortogonal L8 tiene dos alternativas de arreglo


mostrados por las grficas (a) y (b) respectivamente.

Por ejemplo, la grfica (a) indica que con este arreglo se pueden analizar,
tres factores principales, (puntos 1, 2 y 4) y las interacciones entre ellos,
(lneas 3, 5 y 6), adems de un cuarto factor, (punto 7), que no interactua
con los otros tres.

Los nmeros indican que si deseamos lo anterior, los tres factores debern
asignarse a las columnas 1, 4 y 2. Las interacciones aparecen en las
columnas 3, 5 y 6.

La grfica (b) indica cuatro factores, (puntos 1, 2, 4 y 7) con interacciones


de uno de ellos con los otros tres (lneas 3, 5 y 6).

Por lo tanto, el factor que interactua con los otros tres se debe asignar a la
columna 1 del arreglo, los otros tres factores a las columnas 2, 4 y 7. Las
interacciones quedarn en las columnas 3, 5 y 6.

Si se desea analizar un nmero menor de interacciones y un nmero


mayor de factores en el mismo arreglo ortogonal, la columna de cualquier
lnea representando una interaccin que no es relevante, se puede utilizar
para representar un factor adicional.

La aplicacin de grficas lineales se muestra con un ejemplo.

Supongamos que queremos analizar el efecto de cuatro factores A, B, C y


D, adems de las interacciones AxB, AxC y AxD.

1) Como primer paso, seleccionamos un arreglo ortogonal tentativo. Esto


depende del nmero de efectos totales a analizar.

4 factores + 3 interacciones = 7 efectos o columnas

2) Despus de seleccionar un arreglo ortogonal tentativo, un L8 en este


caso, el siguiente paso es desarrollar la grfica lineal que deseamos, de
acuerdo con las reglas mencionadas anteriormente:

a)

un efecto individual se representa con un punto.

b)

una interaccin se representa mediante una lnea que une los


dos efectos individuales.

En nuestro caso esto procede como sigue:

Primero dibujamos cuatro puntos, uno para cada efecto.

A.

B.

C.

D.

En seguida mostramos las interacciones que nos interesan, mediante


lneas. Para nuestro caso tenemos (grfica de la izquierda):

AxB

AxC

AxD

5
6

3) Utilizando la segunda grfica, podremos asignar el factor A a la columna


1, el factor B a la columna 2, la interaccin AxB a la columna 3, el factor D a
la columna 4, la interaccin AxD a la columna 5, el factor C a la columna 7 y
la interaccin AxC a la columna 6.
Esto es:

AxB

AxD

AxC

Supongamos que ahora queremos analizar un factor ms, el factor E y


creemos que la interaccin AxC realmente no es relevante. La grfica lineal
que requerimos es:

B
AxB

AxD
D

Esta grfica es parecida a la grfica lineal (2) excepto por la interaccin de


AxC, por lo tanto, una asignacin lgica es:

Factor A a la columna 1, factor B a la columna 2, interaccin AxB a la


columna 3, el factor C a la columna 4, el factor D a la columna 7, la
interaccin AxD a la columna 6. Por ltimo, a la columna 5 que de otra
manera sera la interaccin AxC, se le asigna el factor E.

Observe que en este ltimo caso, tambin se pudo utilizar la grfica lineal
(1).

Si por alguna razn, la grfica que deseamos, no puede quedar incluida en


las grficas lineales (1) (2) es necesario usar otro arreglo ortogonal de
mayor tamao.

Si deseamos analizar los factores A, B, C, D, E y F, adems de la


interaccin AxB, una posible asignacin es:

Efecto

AxB

Columna

Ejemplo:

Se desea analizar un nuevo tipo de carburador. La variable de respuesta de


inters es el porcentaje de hidrocarburos no quemados que arroja el motor.
Cuatro diferentes factores y tres interacciones parecen afectar esta variable:

Efecto

Descripcin

Niveles
I

II

Tensin del diafragma

Baja

Alta

Entrada para aire

Estrecha

Abierta

Apertura
combustible

Pequea

Grande

Flujo de gasolina

Lento

Rpido

AxC

Interaccin

AxB

Interaccin

BxC

Interaccin

para

La Grfica lineal que se desea es:

AxC

AxB

.D

CxB

Esta grfica se ajusta a la grfica lineal (1) del arreglo ortogonal L8, por lo
que una asignacin apropiada de efectos es:

A C AxC B AxB CxB


D
1 2
7

1
1 1
11.2

4
1

6
1

2
1
Rpido

2
10.8

3
1
Rpido

1
7.2

Tensin Apertura
1

1
2

Baja
2
2

Entrada

Pequea
Baja
Baja

Flujo

Yi

Estrecha
Pequea

Grande

Lento
Abierta

Estrecha

4
7.0

1 2

Baja

Grande

Abierta

5
8.0

Alta

Pequea

Estrecha Rpido

6
6.9

Alta Pequea

7
2
10.4

Alta Grande

8
2
10.1

Alta Grande

Abierta
Estrecha
Abierta

Lento

Lento
Lento
Rpido
Total

71.6

El resultado se expresa en porcentaje de hidrocarburos sin quemar.

Observe que al tomar las lecturas, (efectuar las pruebas), se ignoran las
columnas donde se asignaron interacciones.

El anlisis utilizado ANOVA es:

AxC

AxB BxC

Nivel 1

36.2

36.9 42.5 36.8 35.4 36.3 35.5

Nivel 2

35.4

34.7 29.1 34.8 36.2 35.3 36.1

La tabla ANOVA que resulta es:

Efecto

SS

G.l.

Fexp

0.0800*

0.6050

AxC

22.4450

0.5000

0.5000

7.32

AxB

0.0800*

0.0800

BxC

0.1250

0.1250

1.83

0.0450*

0.0450

(e)

0.2050

Total

23.8800

0.0800
0.6050

22.4450

1
3

8.85

328.46

0.0638

El error aleatorio (e) se estima usando los efectos ms pequeos marcados


con *

Resulta significante la interaccin AxC, el factor C y el factor B.

Dado que el factor B resulta significante, pero no son significantes alguna


de sus interacciones, su mejor nivel se puede decidir de manera
independiente al igual que se realiz en secciones anteriores. Esto es, se
obtienen los promedios:

B1= B1 /4= 36.8/4= 9.20; B2 = B2/4=8.70


Como es un caso de menor es mejor, se selecciona el nivel 2.

El factor C tambin resulta significante. Sin embargo, tambin lo es su


interaccin con el factor A. Cuando resulta significante la interaccin de
algn factor, no se puede analizar por separado, sino en conjunto con el
factor con el que se interactua. En este caso, el factor C se debe analizar en
conjunto con el factor A, aun cuando el factor C result adems significante
individualmente y el factor A no.

Para analizar estos factores, se reproducen aqu las columnas de A y C:

Yi

11.20

Siempre existirn entre dos columnas

10.80

cuatro posibles combinaciones de

7.2

nmeros: 1 1; 1 2; 2 1; 2 2

7.0

8.0

6.9

10.4

10.1

As la combinacin 1 1 se presenta en los renglones N 1 y 2, lo que da un


total de lecturas de 11.2 + 10.8= 22.00 con un promedio de 22.0/2= 11.00

La combinacin 1 2, se presenta en los renglones N 3 y 4, con un total de


7.2 + 7.0= 14.2, con un promedio de 14.2/2= 7.10
La combinacin 2 1 se presenta en los renglones N 5 y 6, con un total de
8.0 + 6.9= 14.9, con un promedio de 7.45
Por ltimo la combinacin 2 2, se presenta en los renglones N 7 y 8 con
un total de 10.4 + 10.1= 20.5 y un promedio de 10.25

En resumen

Combinacin

Total

Promedio

A1 C1

22.0

11.00

Como es un caso mejor,

A1 C2

14.2

7.10

se selecciona el promedio

A2 C1

14.9

7.45

menor, A1 C2 en este

A2 C2

20.5

10.25

caso.

Graficando estos promedios se tiene que:

11.0

10.0

9.00

8.00

7.00
A1

A2

En resumen, las condiciones propuestas son: factor A a su nivel 1, factor C a


su nivel 2, factor B a su nivel 2. El resto a su nivel ms econmico.

El efecto respecto al promedio de cada factor o interaccin es:

EF

A1C2

= (A1 C2 - Y) ( A1 Y) - ( C2 - Y)
= (7.10 8.95) (9.05 8.95) (8.675 8.95)= -1.675

Observe que al efecto de la interaccin, se le resta el efecto de los factores


individuales que intervienen (hayan resultado significantes de manera
individual o no).

EF B2= B2 Y= 8.70 8.95= -0.25

Una estimacin del porcentaje de hidrocarburos sin quemar es igual a la


suma de los efectos significantes, incluyendo los factores que intervienen en
una interaccin significante, hayan resultado significantes de manera
individual o no.
Yest

= Y + EF A1 C2 + EF A1 + EF C2 + EF B2
= 8.95 + (-1.675) + (9.05 8.95) + (8.675 8.95) + (-0.25)= 6.85

Considere los siguientes ejemplos propuestos.

Puede ud. acomodar en un arreglo L8 los efectos A, B, C, D, AxB y CxD


Acomodar los siguientes efectos en un arreglo ortogonal: A, B, C, D, E, F,
G, H, I, AxB, AxC, AxG, AxE, ExF.
Analizar el problema siguiente:
Variable de respuesta, viscosidad, el mayor valor es deseado.

Factores

Nivel I

Mezcla de hule crudo


no

Curado
24 hrs.

C
D

Velocidad de prensado
Enfriamiento del tambor

Secado con vapor envolvente


no

Nivel II
si
no

50m/min 55 m/min
con agua sin agua

si

Interaccin ExD
Interaccin DxC

Arreglo ortogonal y resultados

ExD

DxC

Resultado

1620

1580

1100

1150

1500

1560

1000

1020

Algunos comentarios adicionales

Hasta aqu se han considerado ejemplos para arreglos ortogonales L8, por su comodidad en cuanto al
tamao. A continuacin se hacen algunos comentarios sobre otros arreglos.

El arreglo L12 es un caso especial. Se observa en el apndice, que no se


muestran grficas lineales ni matriz de interacciones, esto es porque
est diseado para analizar nicamente hasta once factores individuales
sin interacciones. Con este arreglo no se pueden analizar interacciones.

Las interacciones en un arreglo L12 se distribuyen de una manera


uniforme en todas las columnas. La ventaja de esto es que le permite
investigar 11 factores sin preocuparse por sus interacciones. El arreglo L12
en general tiene buena reproducibilidad de conclusiones.

Algo similar se puede decir del arreglo L18

Para un arreglo L16 existen una gran variedad de posibles grficas


lineales, en el apndice se muestran las seis ms utilizadas con tres
variantes cada una.
Para un arreglo L32 se muestran en el apndice 13 diferentes grficas
dentro de las varias posibles que existen.
En cualquier caso, se puede tratar de construir ms grficas de acuerdo
con las necesidades que se tengan, respetando siempre la matriz de
interacciones.
En los grficos lineales que se anexan en el apndice, se observa que los
vrtices se representan con diferentes smbolos, especficamente con o,
y . La razn y su significado es el siguiente:

Taguchi sugiere que las pruebas o corridas se lleven a cabo en el orden


indicado por los renglones del arreglo ortogonal, esto es, primero las
condiciones indicadas por el rengln 1, seguidas de las del rengln 2 y as
sucesivamente.

Por otra parte, al ejecutar el experimento, no todos los factores tienen la


misma flexibilidad de estar variando de nivel de una prueba a otra.

Por otro lado, se sugiere que los factores con menor flexibilidad se asignen
al grupo 1 del arreglo representados por el smbolo o, de la grfica lineal.
Estos factores tendrn menos cambios de nivel a lo largo de todo el
experimento. De hecho, observe que el factor asignado a la columna 1 de
cualquier arreglo, solo tiene un cambio de nivel, mientras que por ejemplo,
un factor asignado a la columna N 15 de un arreglo L16 cambia 10 veces
de nivel.

Los factores que le siguen en inflexibilidad se debern asignar


sucesivamente a los smbolos , y en una grfica lineal.

Ud. habr observado ya la complicacin que agregan a los anlisis la


presencia de interacciones. Para lidiar con estas, la gente que sabe mucho
de esto le hace las observaciones siguientes:

Por lo general, existen pocas interacciones dentro de las mltiples


posibles entre factores.
El efecto de las interacciones sobre la variable de respuesta, es por lo
general menor que el efecto de los factores individuales solos.
Recuerde que algunos arreglos ortogonales, le permiten analizar un
problema sin preocuparse por las interacciones. El L12 es un ejemplo de
ellos.
Se sugiere que, en caso de dudas sobre las interacciones, siempre sea
preferible incluir ms factores, en lugar de interacciones. Si estas ltimas
no son muy fuertes, se pueden considerar como ruido.

Vous aimerez peut-être aussi