El modelo de Taguchi enfatiza la importancia de evaluar el desempeño bajo

condiciones de campo como parte del proceso de diseño y el hecho que la variación
funcional en el desempeño está influenciada por los factores de ruido los cuales
varían en el ambiente en el que los procesos o productos están funcionando.
Taguchi se concentra en el concepto de diseño de parámetros que sirvan para
disminuir la variabilidad en el desempeño de los productos. La idea de diseñar
productos y procesos cuyo desempeño sea insensible a las condiciones
ambientales (robustez del sistema) y realizar esto en las etapas de diseño a través
del uso de Diseño de Experimentos ha sido la piedra angular de la metodología
Taguchi.
Taguchi reconoce la importancia relativa de los factores que influyen en el
desempeño de los productos o procesos. Además, enfatiza en la reducción de la
variabilidad, por medio del uso de la función de pérdida y de la razón señal-ruido
(existiendo una para cada objetivo que se quiera lograr con el experimento).

Un ejemplo bien conocido de los diseños de Taguchi es el de la empresa japonesa

de losetas Ina Tile Company en la década de 1950. La empresa estaba produciendo
demasiadas losetas fuera de las dimensiones especificadas. Un equipo de calidad
descubrió que la temperatura del horno utilizado para cocer las losetas variaba,
causando falta de uniformidad en la dimensión de las losetas. Ellos no podían
eliminar la variación de temperatura, porque construir un nuevo horno era
demasiado costoso. Por lo tanto, la temperatura era un factor de ruido. Usando
experimentos diseñados de Taguchi, el equipo descubrió que al aumentar el
contenido de cal de la arcilla, un factor de control, las losetas se volvían más
resistentes o robustas ante la variación de temperatura en el horno, lo cual permitía
producir losetas más uniformes. Los métodos de Taguchi se emplean, también, en
la calibración de dispositivos complejos con múltiples entradas y salidas que deben
ser optimizadas.

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.
La herramienta utilizada normalmente son diseños Factoriales fraccionados. 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.
En primer lugar, Taguchi divide los factores de un experimento en factores
controlables y factores incontrolables, o ruido. Durante el experimento, usted
manipula los factores de ruido para hacer que haya variabilidad y luego determina
la configuración óptima de los factores de control para que el proceso o producto
sea robusto o resistente ante la variación causada por los factores de ruido.
La metodología de Taguchi para el problema del diseño robusto de parámetros gira
en torno al uso de un diseño ortogonal para los factores controlables que se "cruza"
con un diseño ortogonal separado para los factores de ruido. Taguchi llama al
diseño de los factores controlables el “diseño de la matriz interna” y al de los factores
de ruido lo llama el “diseño de la matriz externa”. Cada corrida en la matriz interna
se realiza para todas las combinaciones de tratamiento en la matriz externa. Este
tipo de diseño se llama diseño de matriz cruzada.
Taguchi sugirió que resumimos los datos de un experimento de matriz cruzada con
dos estadísticas: el promedio de cada observación en la matriz interna en todas las
ejecuciones en la matriz externa, y una estadística de resumen que intentó combinar
información sobre la media y la varianza, llamada relación señal / ruido. Estas
relaciones de señal a ruido están supuestamente definidas de modo que un valor
máximo de la relación minimiza la variabilidad transmitida desde las variables de
ruido.
Luego se realiza un análisis para determinar qué ajustes de los factores controlables
resultan en (1) la media lo más cerca posible del objetivo deseado y (2) un valor
máximo de la relación señal a ruido.
La filosofía Taguchi está basada en un modelo aditivo de los efectos principales
para la cual, la presencia de interacciones es algo indeseable y en caso que en el
proceso se encuentre una relación de este tipo esta es tomada como parte del error
experimental.
Taguchi desarrolló una serie de arreglos particulares que denominó:

La (b)C
Donde:
 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.
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

Tanto el diseño de experimentos como los métodos de Taguchi sirven para

optimizar procesos que tienen entradas controlables y salidas medibles. Ambas
metodologías trabajan con múltiples entradas que afectan a la salida por medir. Su
diferencia fundamental radica en la forma en que cada método maneja las
interacciones entre los factores de entrada. Mientras en el diseño experimental
clásico se prueba con todas las combinaciones de niveles de entrada, o una fracción
simétrica de las mismas, con el método de Taguchi se trabaja con una porción
pequeña de las posibles combinaciones de factores de entrada, pero de una manera
que permite calcular los efectos de todos los factores de entrada en el resultado de
interés.
La idea de diseñar productos y procesos cuyo desempeño sea insensible a las condiciones
ambientales (robustez del sistema) y realizar esto en las etapas de diseño a través del uso de
Diseño de Experimentos ha sido la piedra angular de la metodología Taguchi.

• Reconoce la importancia relativa de los factores que influyen en el desempeño de los productos
o procesos.

• Enfatiza en la reducción de la variabilidad, por medio del uso de la función de pérdida y de la

razón señal-ruido (existiendo una para cada objetivo que se quiera lograr con el experimento).

• Se concentra en el concepto de diseño de parámetros que sirvan para disminuir la variabilidad

en el desempeño de los productos.

El modelo de Taguchi enfatiza la importancia de evaluar el desempeño bajo condiciones de campo

como parte del proceso de diseño y el hecho que la variación funcional en el desempeño esta
influenciada por los factores de ruido los cuales varían en el ambiente en el que los procesos o
productos están funcionando. La filosofía Taguchi está basada en un modelo aditivo de los efectos
principales para la cual, la presencia de interacciones es algo indeseable y en caso que en el
proceso se encuentre una relación de este tipo esta es tomada como parte del error experimental
(Fowkles Y Creveling, 1995).

Otra característica clave de esta metodología son los arreglos ortogonales, los cuales no son más
que arreglos factoriales fraccionados en los que se basa como medio para la realización del
experimento, así como la utilización de una medida de variabilidad denominada razón señal ruido
(S/N) para la realización del análisis de resultados.

Durante el experimento, usted manipula los factores de ruido para hacer que haya
variabilidad y luego determina la configuración óptima de los factores de control para
que el proceso o producto sea robusto o resistente ante la variación causada por los
factores de ruido.

Un ejemplo bien conocido de los diseños de Taguchi es el de la empresa japonesa de

losetas Ina Tile Company en la década de 1950. La empresa estaba produciendo
demasiadas losetas fuera de las dimensiones especificadas. Un equipo de calidad
descubrió que la temperatura del horno utilizado para cocer las losetas variaba,
causando falta de uniformidad en la dimensión de las losetas. Ellos no podían eliminar
la variación de temperatura, porque construir un nuevo horno era demasiado costoso.
Por lo tanto, la temperatura era un factor de ruido. Usando experimentos diseñados de
Taguchi, el equipo descubrió que al aumentar el contenido de cal de la arcilla, un
factor de control, las losetas se volvían más resistentes o robustas ante la variación de
temperatura en el horno, lo cual permitía producir losetas más uniformes.

Los diseños de Taguchi utilizan arreglos ortogonales, los cuales estiman los efectos de
los factores en la media de respuesta y en la variación.
Los métodos de Taguchi se emplean, por ejemplo, en la calibración de dispositivos complejos con
múltiples entradas y salidas que deben ser optimizadas.

En primer lugar, Taguchi divide los factores de un experimento en factores controlables y factores
incontrolables, o ruido.

Tanto el diseño de experimentos como los métodos de Taguchi sirven para optimizar procesos que
tienen entradas controlables y salidas medibles. Ambas metodologías trabajan con múltiples
entradas que afectan a la salida por medir. Su diferencia fundamental radica en la forma en que
cada método maneja las interacciones entre los factores de entrada. Mientras en el diseño
experimental clásico se prueba con todas las combinaciones de niveles de entrada, o una fracción
simétrica de las mismas, con el método de Taguchi se trabaja con una porción pequeña de las
posibles combinaciones de factores de entrada, pero de una manera que permite calcular los
efectos de todos los factores de entrada en el resultado de interés
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:

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

a su variabilidad.
d) 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.

La herramienta utilizada normalmente son diseños Factoriales fraccionados. 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.

Taguchi desarrolló una serie de arreglos particulares que denominó:

La (b)C

Donde:

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.

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 analizar Arreglo a utilizar No. de condiciones a probar

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

La metodología de Taguchi para el problema del diseño robusto de parámetros gira en torno al uso
de un diseño ortogonal para los factores controlables que se "cruza" con un diseño ortogonal
separado para los factores de ruido. Taguchi llama al diseño de los factores controlables el “diseño
de la matriz interna” y al de los factores de ruido lo llama el “diseño de la matriz externa”. Cada
corrida en la matriz interna se realiza para todas las combinaciones de tratamiento en la matriz

externa. Este tipo de diseño se llama diseño de matriz cruzada.

Taguchi sugirió que resumimos los datos de un experimento de matriz cruzada con dos
estadísticas: el promedio de cada observación en la matriz interna en todas las ejecuciones en la
matriz externa, y una estadística de resumen que intentó combinar información sobre la media y
la varianza, llamada relación señal / ruido. Estas relaciones de señal a ruido están supuestamente
definidas de modo que un valor máximo de la relación minimiza la variabilidad transmitida desde
las variables de ruido.

Luego se realiza un análisis para determinar qué ajustes de los factores controlables resultan en
(1) la media lo más cerca posible del objetivo deseado y (2) un valor máximo de la relación señal a
ruido.

EJERCICIO

Un ingeniero de un fabricante de equipos de golf desea diseñar una nueva pelota de

golf para maximizar la distancia de vuelo de la pelota. El ingeniero ha identificado
cuatro factores de control (material del núcleo, diámetro del núcleo, número de
dimples y grosor de la cubierta) y un factor de ruido (tipo de palo de golf). Cada factor
de control tiene 2 niveles. El factor de ruido está compuesto por dos tipos de palos de
golf: driver y hierro 5. El ingeniero mide la distancia de vuelo de cada tipo de palo y
registra los datos en dos columnas de factores de ruido. Debido a que la meta del
experimento es maximizar la distancia de vuelo, el ingeniero utiliza la relación de señal
a ruido (S/N) más grande es lo mejor. El ingeniero también desea probar la interacción
entre el material del núcleo y el diámetro del núcleo.

En la siguiente tabla se ven los factores con sus niveles y la respectiva variable
respuesta en las columnas de los factores de ruido.

Material Diámetro Dimples Grosor Driver Hierro

Líquido 118 392 0,03 247,5 234,3

Líquido 118 422 0,06 224,4 214,5
Líquido 156 392 0,03 59,4 49,5
Líquido 156 422 0,06 75,9 72,6
Tungsteno 118 392 0,06 155,1 148,5
Tungsteno 118 422 0,03 39,6 29,7
Tungsteno 156 392 0,06 92,4 82,5
 Tungsteno 156 422 0,03 21,9 18,6

Al realizar el análisis del diseño de Taguchi por medio de Minitab se encuentran los
siguientes resultados:

 Para las relaciones S/N:

Análisis de Varianza de Relaciones SN

Fuente GL SC Sec. SC Ajust. MC Ajust. F P

Material 1 94,427 94,427 94,427 57,70 0,017

Diámetro 1 125,917 125,917 125,917 76,94 0,013

Dimples 1 71,133 71,133 71,133 43,47 0,022

Grosor 1 96,828 96,828 96,828 59,17 0,016

Material*Diámetro 1 21,504 21,504 21,504 13,14 0,068

Error residual 2 3,273 3,273 1,637

Total 7 413,083

Encontramos que con un nivel de significancia del 0.05 todos los factores principales
son significativos. Como el ingeniero quería saber si la interacción entre el material del
núcleo y el diámetro del núcleo eran significativos se evaluó la interacción, pero su
valor p (0.068) era superior al nivel de significancia, por lo cual se prueba que no es
significativa esta interacción.

 Para las medias:

Análisis de Varianza de Medias

Fuente GL SC Sec. SC Ajust. MC Ajust. F P

Material 1 10871 10871 10870,8 20,72 0,045

Diámetro 1 21054 21054 21053,5 40,13 0,024

Dimples 1 4325 4325 4324,5 8,24 0,103

Grosor 1 4172 4172 4172,4 7,95 0,106

Material*Diámetro 1 7995 7995 7994,8 15,24 0,060

 Error residual 2 1049 1049 524,6

Total 7 49465

Se obtiene que los factores con efectos significativos son el material del núcleo y el
diámetro, pero su interacción, igual que con la relación SN, no es significativa.

Los valores absolutos de los coeficientes obtenidos muestran la “fuerza” de cada

factor:

Coeficientes de modelos estimados para Relaciones SN

EE del
Término Coef coef. T P
Constante 38,181 0,4523 84,418 0,000

Material Líquido 3,436 0,4523 7,596 0,017

Diámetro 118 3,967 0,4523 8,772 0,013

Dimples 392 2,982 0,4523 6,593 0,022

Grosor 0,03 -3,479 0,4523 -7,692 0,016

Material*Diámetro Líquido 118 1,640 0,4523 3,625 0,068

Coeficientes de modelos estimados para Medias

EE del
Término Coef coef. T P
Constante 110,40 8,098 13,634 0,005

Material Líquido 36,86 8,098 4,552 0,045

Diámetro 118 51,30 8,098 6,335 0,024

Dimples 392 23,25 8,098 2,871 0,103

Grosor 0,03 -22,84 8,098 -2,820 0,106

Material*Diámetro Líquido 118 31,61 8,098 3,904 0,060

En las relaciones SN vemos que la mayor influencia la ejerce el diámetro del núcleo
seguido por el grosor, el material líquido y los dimples respectivamente. Para las
medias la influencia ordenada de mayor a menor queda de la siguiente forma: el
diámetro del núcleo, el material líquido, los dimples y el grosor de la cubierta.

Tanto para la relación SN como para las medias vemos que el factor que influye más
en la variable respuesta es el diámetro del núcleo.

Como el ingeniero quiere conocer que niveles son los más adecuados para aumentar
la distancia del vuelo observamos la tabla de respuestas obtenida gracias a Minitab.

Tabla de respuesta para relaciones de señal a ruido

Más grande es mejor

Nivel Material Diámetro Dimples Grosor

1 41,62 42,15 41,16 34,70

2 34,75 34,21 35,20 41,66

Delta 6,87 7,93 5,96 6,96

Clasificar 3 1 4 2

Tabla de respuesta para medias

Nivel Material Diámetro Dimples Grosor

1 147,26 161,70 133,65 87,56

2 73,54 59,10 87,15 133,24

Delta 73,73 102,60 46,50 45,68

Clasificar 2 1 3 4

En ambos casos observamos que la mayor respuesta fue obtenida por los niveles 1 de
material, diámetro y dimples y el nivel 2 de grosor, los cuales corresponden a los
siguientes valores: Material del núcleo líquido, diámetro de 118, dimples de 392 y
grosor de 0,06. Se le recomienda al ingeniero utilizar estos valores en la fabricación de
las pelotas.
https://support.minitab.com/es-mx/minitab/18/help-and-how-to/modeling-statistics/doe/how-
to/taguchi/analyze-taguchi-design/before-you-start/example-of-analyzing-a-static-design/

https://support.minitab.com/es-mx/minitab/18/help-and-how-to/modeling-
statistics/doe/supporting-topics/taguchi-designs/steps-for-conducting-a-taguchi-designed-
experiment/

Montgomery, Douglas C. (1991), Introduction to Statistical Quality Control, John Wiley & Sons,
New York

http://www.icicm.com/index.html

EL DISEÑO EXPERIMENTAL Y LOS MÉTODOS DE TAGUCHI: CONCEPTOS Y APLICACIONES EN LA

INDUSTRIA FARMACÉUTICA Enrique Yacuzzi (Universidad del CEMA) Fernando Martín (Aventis
Pharma) Hugo Marcelo Quiñones (Universidad del CEMA) Matías Julián Popovsky (Universidad del
CEMA)
http://aotsargentina.org.ar/userfiles/EL%20DISENO%20EXPERIMENTAL%20Y%20LOS%20METODO
S%20DE%20TAGUCHI%20CONCEPTOS%20Y%20APLICACIONES%20EN%20LA%20INDUSTRIA%20FA
RMACEUTICA.pdf

https://support.minitab.com/es-mx/minitab/18/help-and-how-to/modeling-
statistics/doe/supporting-topics/taguchi-designs/taguchi-designs/

APLICACIÓN DEL MODELO DE EXPERIMENTACION TAGUCHI EN UN INGENIO AZUCARERO DEL

VALLE DEL CAUCA. Scientia et Technica Año XIII, No 34, Mayo de 2007. Universidad Tecnológica de
Pereira. ISSN 0122-1701 file:///D:/Downloads/Dialnet-
AplicacionDelModeloDeExperimentacionTaguchiEnUnIng-4808062.pdf