INSTITUTO TECNOLÓGICO DE LINARES

MATERIA:

INGENIERIA DE CALIDAD

INVESTIGACION:

UNIDAD 4

EXPERIMENTOS CON ARREGLOS

ALUMNO:

JOSÉ LUIS ECHARTEA ANAYA

N° DE CONTROL: 07720105

INGENIERIA INDUSTRIAL

8° SEMESTRE

TITULAR DE LA MATERIA:

ING. JUANA MARIA ESCOBEDO SALAZAR

LINARES N,L 5 DE ABRIL DE 2011

60 Años de Excelencia en Educación Tecnológica

INDICE
INGENIERIA DE CALIDAD UNIDAD 4

Introducción

El diseño de experimentos ha resultado ser una herramienta de gran impacto para

el progreso de la industria. Contribuye a conocer los procesos de una manera más
profunda, lo cual permite hacer mejoras en calidad y bajar los costos de
producción por medio de métodos científicos.
El objetivo del diseño experimental es reducir al máximo la variabilidad de los
procesos, estudiando los factores que son considerados como de más alta
influencia sobre el proceso. Con el diseño de los experimentos se pueden corregir
defectos en los productos, reducir consumos energéticos, analizar tipos de
materiales, etc.
Para la realización de un experimento se deben completar tres etapas
importantes:
 La planeación del experimento donde se deben hacer las combinaciones de
los factores con sus niveles.
 La realización del experimento donde se tiene que cuidar que los factores
sean manipulados tal como fueron planeados y registrar las respuestas
para cada combinación.
 Análisis estadístico para encontrar los factores que más influyen a la
variabilidad y determinar los niveles en los que se pueden controlar para
lograr la mejora o la optimización en el proceso.

Los arreglos ortogonales de Taguchi han resultado ser un método práctico para la
industria ya que se obtienen resultados benéficos a partir de muestras muy
pequeñas. Este método no requiere una alta profundidad en conocimientos
estadísticos, sino que está diseñado para que los ingenieros involucrados en el
proceso lo puedan desarrollar con rapidez y eficiencia.

JOSÉ LUIS ECHARTEA ANAYA Pá gina 2

INGENIERIA DE CALIDAD UNIDAD 4

4.1 Diseño L4

La parte fundamental de la metodología ideada por el matemático japonés G.

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

La metodología Taguchi consta de tres etapas:

a) Diseño del sistema

b) Diseño de parámetros

c) Diseño de tolerancias

De estas tres etapas, la más importante es el diseño de parámetros cuyos

objetivos son:

a) Identificar qué factores afectan la característica de calidad en cuanto a su

magnitud y en cuanto a su variabilidad.
b) Definir los niveles “óptimos” en que debe fijarse cada parámetro o factor, a fin
de optimizar la operación del producto y hacerlo lo más robusto posible.
c) Identificar factores que no afectan substancialmente la característica 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 estadísticas

conocida como diseño de experimentos, tratadas anteriormente.

Taguchi ha propuesto una alternativa no del todo diferente que se que conoce
como: Arreglos Ortogonales y las Gráficas Lineales.

La herramienta utilizada normalmente son diseños Factoriales fraccionados, sin

embargo cuando el número de factores se ve incrementado, las posibles
interacciones aumentan, así como la complicaciones para identificar cuáles son
las condiciones específicas a experimentar.

Un arreglo ortogonal se puede comparar con una replicación factorial

fraccionada, de manera que conserva el concepto de ortogonalidad y contrastes.
Un experimento factorial fraccionado es también un arreglo ortogonal.

JOSÉ LUIS ECHARTEA ANAYA Pá gina 3

INGENIERIA DE CALIDAD UNIDAD 4

Taguchi desarrolló una serie de arreglos particulares que denominó:

La (b)C

Dónde:

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

tomarán. Esto es el número de renglones o líneas en el arreglo.

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

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

número de columnas.

Arreglos ortogonales para experimentos a dos niveles

A continuación se analiza qué son, cómo se usan y cuáles son los arreglos
ortogonales más importantes para experimentos en los que cada factor toma dos
niveles.
Un arreglo ortogonal es una tabla de números. Como ejemplo de un arreglo
ortogonal tenemos el siguiente:

F A C T O R E S (c)
No. (a) A B C Resultado
1 1 1 1 Y1
2 1 2 2 Y2
3 2 1 1 Y3
4 2 2 1 Y4

1 , 2 = Niveles de los Factores (b)

De acuerdo con la notación 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 número de columnas (efectos o
factores) que se pueden analizar, es igual al número de renglones menos 1.

JOSÉ LUIS ECHARTEA ANAYA Pá gina 4

INGENIERIA DE CALIDAD UNIDAD 4

4.3 Arreglo L8

Taguchi ha desarrollado una serie de arreglos para experimentos con factores a

dos niveles, los más utilizados y difundidos según el número de factores a analizar
son:

No. de factores a Arreglo a No. de condiciones a probar

analizar utilizar
Entre 1 y 3 L4 4
Entre 4 y 7 L8 8
Entre 8 y 11 L12 12
Entre 12 y 15 L16 16
Entre 16 y 31 L32 32
Entre 32 y 63 L64 64

JOSÉ LUIS ECHARTEA ANAYA Pá gina 5

 INGENIERIA DE CALIDAD UNIDAD 4

Ejemplo de análisis de resultados

En un proceso de formación de paneles una característica no deseada es la

emisión de formaldehído en el producto final. Se desea que esta emisión sea lo
más mínima posible. Actualmente se estima en 0.45 ppm. (partes por millón).
Se cree que cinco factores pueden estar afectando la emisión, estos son: tipo de
resina, concentración de la solución, tiempo de ciclo de prensado, humedad y
presión.

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 Descripción Nivel I Nivel 2

A Tipo de resina Tipo I Tipo II
B Concentración 5% 10%
C Tiempo de ciclo de prensado 10 seg 15 seg
D Humedad 3% 5%
E Presión 800 psi. 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 usará un arreglo ortogonal L8. Esto implica
que se ejecutarán 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 últimas dos columnas, el arreglo queda:

No. A B C D E e1 e2 Resina Concen. Tiempo Humedad Presión 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 vacías, 6 y 7, se ha escrito la letra e 1,y e2
respectivamente esto para indicar que en ellas se evaluará la variación natural o
error aleatorio.

JOSÉ LUIS ECHARTEA ANAYA Pá gina 6

INGENIERIA DE CALIDAD UNIDAD 4

Si no se asigna ningún factor, es de esperar que ahí se manifieste la variación

natural. Los resultados de Yi se muestran en ppm.

El análisis de resultados, se puede efectuar de dos maneras diferentes. Una de

ellas mediante una serie de gráficas, la otra mediante el análisis de varianza, se
muestra en este ejemplo primero el uso del análisis de varianza, posteriormente se
muestra el uso de gráficas.

4.4 Análisis de varianza (ANOVA).

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

JOSÉ LUIS ECHARTEA ANAYA Pá gina 7

INGENIERIA DE CALIDAD UNIDAD 4

En resumen se tiene:

Factor A B C D E e e

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 número total de lecturas que se tomaron.

Así 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

JOSÉ LUIS ECHARTEA ANAYA Pá gina 8

INGENIERIA DE CALIDAD UNIDAD 4

SSe= 0.00080 con 1 g.1

SSe= 0.00045 con 1 g.1

La suma de cuadrados de las columnas donde no se asignó 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, ésta es:

Efecto SS G.l. V Fexp

A 0.03645 1 0.03645 58.32

B 0.00080 1 0.00080 1.28

C 0.01805 1 0.01805 28.88

D 0.00320 1 0.00320 5.12

E 0.00245 1 0.00245 3.92

Error 0.00125 2 0.000625

Total 0.0622 7

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

(grados de libertad), tendremos el número de columnas que se usaron para
evaluar el factor, en este caso, sólo puede ser de uno para cada factor y más de
uno únicamente para el caso del error.

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

número de la columna G.L.

Así por ejemplo, para el factor A se tiene

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

JOSÉ LUIS ECHARTEA ANAYA Pá gina 9

INGENIERIA DE CALIDAD UNIDAD 4

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

Por último, el valor de Fexp, se obtiene de dividir el valor de V de cada factor,

entre el valor de V para la estimación del error.

Fexp de A= V(A) / V(error)= 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, emisión de formaldehído 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 presión respectivamente.

Se acostumbra que aquellos efectos que no resultaron significantes, se consideren

como error aleatorio, a fin de obtener una mejor estimación (con mayor número de
grados de libertad).

En este caso por ejemplo, una mejor estimación 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

paréntesis.

JOSÉ LUIS ECHARTEA ANAYA Pá gina 10

INGENIERIA DE CALIDAD UNIDAD 4

La tabla ANOVA queda ahora

Efecto SS G.1 V Fexp

A 0.03645 1 0.03645 53.60

C 0.01805 1 0.01805 26.54

D 0.00320 1 0.00320 4.71

E 0.00245 1 0.00245 3.60

Error 0.00205 3 0.00068

Total 0.0622 7

Nos resta decidir a qué nivel habrá de fijar cada factor significante, y qué
podremos esperar. Para tomar esta decisión, 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 emisión de formaldehído 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

A A1= 0.3975 A2= 0.2625

B B1= 0.3400 B2= 0.3200

C C1= 0.3775 C2= 0.2825

D D1= 0.3500 D2= 0.3100

E 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 emisión de formaldehído deberán fijarse al

nivel que minimicen la emisión, esto es, al nivel que se obtenga el promedio

JOSÉ LUIS ECHARTEA ANAYA Pá gina 11

INGENIERIA DE CALIDAD UNIDAD 4

menor, en este ejemplo; A2, C2, D2 y E2; resina tipo II, 15 segundos como tiempo
de prensado, 5% de humedad y 900 psi.

El factor B juega aquí un papel sumamente importante. Dado que no afecta la

emisión de formaldehído, dentro del intervalo analizado, se utiliza para reducir los
costos de producción. Esto se hace fijándolo a su nivel más económico. ¿Cuál
será el nivel esperado de emisión 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 condición propuesta del factor promedio general)

= A2 – Y= 0.2625-0.3300= -0.0675 (A se fijó 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

4.5 Gráficas lineales (Análisis utilizando gráficas).

Existe una alternativa al análisis ANOVA, esta es una serie de gráficas que se
muestran enseguida.

JOSÉ LUIS ECHARTEA ANAYA Pá gina 12

INGENIERIA DE CALIDAD UNIDAD 4

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
número de lecturas con el que se obtuvo cada total. Para nuestro ejemplo, los
totales a cada nivel los tenemos ya en la sección anterior. Los promedios son:

Factor A B C D E e e

Nivel 1 0.3975 0.3400 0.3775 0.3500 0.3475 0.3200

0.3325

Nivel 2 0.2625 0.3200 0.2825 0.3100 0.3125 0.3400

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

ordénelos 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 A B C D E e e

Diferencia 0.1350 0.0200 0.0950 0.0400 0.0350 0.0200 0.0100

JOSÉ LUIS ECHARTEA ANAYA Pá gina 13

INGENIERIA DE CALIDAD UNIDAD 4

En la tabla de ANOVA encontramos los resultados obtenidos anteriormente:

Nº A B C D E e1 e2 Yi

1 1 1 1 1 1 1 1 0.49

2 1 1 1 2 2 2 2 0.42

3 1 2 2 1 1 2 2 0.38

4 1 2 2 2 2 1 1 0.30

5 2 1 2 1 2 1 2 0.21

6 2 1 2 2 1 2 1 0.24

7 2 2 1 1 2 2 1 0.32

8 2 2 1 2 1 1 2 0.28

T1 1.59 1.36 1.51 1.40 1.39 1.28

1.35 Tot

T2 1.05 1.28 1.13 1.24 1.25 1.36 1.29 2.64

SS 0.03645 0.00080 0.01805 0.00320 0.00245 0.00080

0.00045 Ve

gl 1 1 1 1 1 2

V 0.03645 0.00080 0.01805 0.00320 0.00245

.00062 F 58.32 1.28 28.88 5.12 3.92

Sg si no si si si

P1 0.3975 0.3400 0.3775 0.3500 0.3475

Y

P2 0.2625 0.3200 0.2825 0.3100 0.3125

0.33

Ni 2 - 2 2 2

Ef -0.0675 -0.0475 -0.0200 -0.0175

JOSÉ LUIS ECHARTEA ANAYA Pá gina 14

INGENIERIA DE CALIDAD UNIDAD 4

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

T1 = Total de lecturas al nivel 1

T2 = Total de lecturas al nivel 2

n = Número total de lecturas

SS = (T2 - T1 )2 /n

gl = Grados de libertad (columnas)

V = SS/gl

F = V/Ve

Sg = ¿Efecto significante?

P1 = Promedio nivel 1

P2 = Promedio nivel 2

Ni = Nivel seleccionado

Ef = Efecto de la variable

Y = 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 A C D E B e e

Diferencia 0.1350 0.0950 0.0400 0.0350 0.0200

0.0200 0.0100

JOSÉ LUIS ECHARTEA ANAYA Pá gina 15

INGENIERIA DE CALIDAD UNIDAD 4

Se puede observar que el orden en que quedaron los datos anteriores, es

también el orden de mayor a menor Fexp que se obtiene con la ANOVA.

Siguiendo el orden anterior, se obtiene una gráfica 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 gráfica, se puede evaluar el efecto de cada factor. Entre mayor
sea la línea de cada factor, o bien, entre más vertical se encuentre, mayor será el
efecto de este factor.
Observamos un grupo de líneas inclinadas, seguida de un grupo de líneas que
súbitamente se “acuestan” o se hacen horizontales. Es de esperar que las líneas
que presentan columnas vacías o error aleatorio, quedan prácticamente
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 rápidamente, si deseamos reducir la
variable de respuesta, se toma el nivel más bajo, en este caso A 2, C2, D2 y E2, es
decir, los puntos por debajo de la línea promedio global.

En conclusión, el método gráfico puede ser utilizado para fines de exposición o

presentación y el ANOVA para fines de tomar una decisión más objetiva.

JOSÉ LUIS ECHARTEA ANAYA Pá gina 16

INGENIERIA DE CALIDAD UNIDAD 4

JOSÉ LUIS ECHARTEA ANAYA Pá gina 17