INSTITUTO TECNOLOGICO DE CD.

VALLES
MATERIA: INGENIERIA DE LA CALIDAD Y SEIS SIGMA
CARRERA: INGENIERIA INDUSTRIAL
VII SEMESTRE GPO “C”
UNIDAD 1
EQUIPO No 5
INTEGRANTES:
AGUILAR MARTINEZ EMMANUEL
AYALA ANDRES GEOVANI ANTONIO
ESPINOSA GUTIERREZ ANA LAURA
GARCIA TREJO JOSUE
GODOY VAZQUEZ FRANCISCO JAVIER
SANTIAGO PEREZ DIEGO ARMANDO
INDICE

1.1.- problemas de calidad y variabilidad funcional.

1.2.- ingeniería de la calidad en el diseño del producto, proceso de producción y el servicio

al cliente.

1.3.- la función de pérdida.

1.4.- análisis de varianza y la relación señal-ruido.

1.5.- problema de aplicación práctica vinculatoria.

INTRODUCCION

La calidad es una propiedad o cualidad medible de un producto o servicio, con

varios grados o niveles de calidad, estas variaciones en la calidad son de tipo intencional;
cuando los factores que influyen en la calidad, por ejemplo: la selección de la materia
prima, el proceso de manufactura, la capacitación y adiestramiento del personal, la
supervisión, hasta el punto de aplicar motivadores para alcanzar la calidad, son
elementos controlados.

El concepto de calidad empieza con el concepto de producto, extendiéndose

posteriormente a las fases del diseño y fabricación. De forma diferente a los métodos
estadísticos, el enfoque de Taguchi se basa en el aspecto económico que inunda
precisamente el ambiente determinista del técnico, y la comunidad entera. Su filosofía
empieza con un concepto un tanto extraño para nosotros y de sentido negativo.

Creada por Genichi Taguchi, la ingeniera de la calidad es un enfoque en el que a

ingeniería se combina con métodos estadísticos para reducir los costos y mejorar la
calidad, mediante la optimización del diseño de productos y de los procesos de
manufactura. Taguchi cree que cualquier desviación del valor objetivo de una
característica de calidad está asociada a los costos no deseados. Desde el punto de vista
de taguchi, el valor de la función de pérdida de calidad es cero cuando las características
de calidad de un producto o servicio tienen exactamente el valor objetivo, y el valor de
dicha fusión aumenta exponencialmente a medida que las características de calidad se
aproximan a los límites de tolerancia. La razón de esto es que cuando un producto o
servicio se ajusta, solo remotamente, a las especificaciones, tiene más probabilidades de
ser defectuoso de que ser perfecto. La figura 1 muestra esquemáticamente la función de
pérdida de calidad de taguchi. La conclusión de Taguchi es que los gerentes deben de
buscar continuamente métodos para reducir todas las formas de viabilidad del proceso
de producción con respecto al valor objetivo y no contentarse con una simple conformidad
con respecto a los limites señalados en las especificaciones.
1.1.- Problemas de calidad y variabilidad funcional

Problemas de calidad

El Control de la calidad: Es la actividad donde se miden la característica de calidad

para el producto o servicio, cuando se comparó la calidad real con la calidad estándar del
producto o servicio.

Los problemas de calidad de tienen cuando:

• La calidad real es diferente que la calidad estándar. - Para hacer una

retroalimentación para alcanzar la calidad planeada (estándar).
• Si (La calidad real igual a la calidad planeada). - El problema de calidad es
mantenerla la calidad o realizar la mejora continua.
La existencia de los problemas de calidad requiere tomar acciones correctivas para
resolver el problema de calidad y garantizar la calidad. La calidad se puede garantizar
por medio de varios métodos:

1. Por medio de la inspección: inspección del cien por cien, inspección por muestreo,
inspección de verificación, inspección itinerante o inspección autónoma.
2. Por medio del proceso: control del proceso, investigación de la capacidad del
proceso y control autónomo.
3. Durante el desarrollo o la investigación de nuevos productos.

Garantía de calidad orientada a la inspección

Si un productor produce bienes defectuosos, estos se tienen que eliminar por

medio de una inspección cuidadosa, pero todavía hay algunas empresas que no
practican la inspección final antes de la expedición. La garantía de la calidad comenzó
con la implantación de la inspección rigurosa. Las personas que no saben del control
calidad todavía creen equivocadamente que consiste en hacer más estrictos los
procedimientos de control. Este enfoque tiene muchas desventajas como las que se
enumeran a continuación:
 1. El proceso de inspección nunca es perfecto y nunca puede alcanzarse el
objetivo de cero defectos, incluso con una inspección del cien por cien.
2. El personal de inspección es mano de obra superflua que reduce la
productividad.
3. Cuando hay inspección, el personal del departamento de producción tiende
a pensar que es suficiente con conseguir que los productos pasen. Pero la
responsabilidad de la garantía de calidad reside realmente en el productor
y en el departamento de producción.
4. Los datos del departamento de inspección a menudo no están estratificados
y se retroalimentan demasiado despacio. Estos datos no sirven para el
control del proceso y el análisis.
5. La inspección por muestreo estadístico no puede garantizar fracciones de
unidades defectuosas del orden de 0.01 % de partes por millón.
6. Muchos artículos no se pueden garantizar con la inspección; no se pueden
ensayar todos los montajes complejos y los materiales, y no se pueden
realizar los ensayos destructivos y de fiabilidad en todos los productos.
7. Cuando se detectan todas las unidades defectuosas y todos los defectos,
esto sólo provoca un aumento de los desechos, los reprocesos y horas-
hombre en los ajustes.
8. El aumento de la velocidad de producción significa que hay que automatizar
el proceso de inspección.
9. Si hay inspección quiere decir que el control de calidad tiende a dejarse en
manos del departamento de inspección.
Por supuesto que la inspección se tiene que llevar a cabo mientras un proceso
produzca unidades defectuosas, pero el control de calidad que depende únicamente de
la inspección da una garantía de calidad imperfecta y eleva los costos.

Garantía de calidad orientada al control del proceso

El control del proceso no puede por sí mismo dar una garantía de calidad
satisfactoria; por mucho que se controle un proceso es imposible garantizar la calidad o
la fiabilidad de un producto que esté mal diseñado o de un producto fabricado con
materiales mal elegidos. El lema “Introduzca la calidad durante el proceso” aparece
entonces las inspecciones.

Garantía de calidad orientada al desarrollo de nuevos productos

La industria incorpora la calidad a sus productos haciendo una evaluación

cuidadosa en todas las etapas del desarrollo del producto, desde la planificación de un
nuevo producto pasando por el diseño, hasta la fabricación piloto, y haciendo uso del
enfoque del CC para investigar la fiabilidad en su sentido más amplio. Con el lema es
“Incorporar calidad durante el diseño y el proceso.” Este enfoque hace necesario que
todos los empleados de todos los departamentos participen en la puesta en práctica del
control de calidad y la garantía de calidad.

La variabilidad funcional

La variabilidad entre productos una vez que éstos están en manos del cliente es
inevitable. Si se identifican las causas de tales variaciones, se pueden tomar medidas
con el fin de reducirlas. Las causas que originan tal variabilidad pueden englobarse en
tres grupos:

1. Causas que provocan variabilidad en el proceso que da lugar al producto, y que

determinan la capacidad de aquél: variaciones en la materia prima, métodos de
trabajo, mantenimiento, etc.
2. Causas en el entorno en que se usa el producto: variaciones humanas en el uso
del producto, condiciones ambientales, etc.
3. Causas relacionadas con las características internas del producto: envejecimiento,
deterioro de partes, etc.
El efecto que estas causas producen sobre las características de interés se denomina
“ruido”.

• Las causas de tal variabilidad se les denomina factores ruido.

• Para reducir el ruido la empresa puede adoptar varias posturas:

 1. Una sería controlar los factores de ruido que estén a su alcance (aquellos que
aparecen antes de que el producto salga de la empresa), y segmentar la
producción de acuerdo con los hábitos del consumidor (esta postura es muy
costosa, y una de las estrategias es reducir proveedores).
2. Tomar contramedidas contra cada una de las causas de variabilidad a lo largo de
las etapas de desarrollo de un nuevo producto (estrategia más económica y
eficaz).
En la fase del desarrollo de un producto se puede minimizar el efecto de cada una de las
causas de variabilidad aplicando contramedidas en las etapas siguientes:

1. Etapa de diseño del producto de acuerdo con las expectativas del cliente.
2. Etapa de diseño del proceso que ha de generar los productos diseñados en la
etapa anterior.
3. Etapa de producción de acuerdo con las etapas anteriores en la que obtendrá el
producto final
¿Cómo se mide la variación?

Ya que la variación determina perjuicios en la industria, es importante cuantificarla;

de hecho, en la historia de la calidad tenemos las bases que se han venido desde el
principio y residen en la estadística, de la cual recordaremos unas nociones básicas con
la ayuda de un ejemplo.

En una de las evaluaciones de la calidad de imagen de una fotocopiadora s utilizo

una escala de puntuación del 0 al 10. en este caso, supongamos que se realizaron cinco
fotocopias de imagen. En este caso, supongamos que se realizaron cinco fotocopias del
mismo original, y un usurario salifico con los valores de 3, 4, 5, 6, 7, ¿Cómo podemos
indicar dicha calificación con un solo calor? Pues representante si calculamos la media
aritmética, que valdrá:

Media= (3+4+5+6+7) /5=5

Si esta fotocopiadora la identificamos con una A, diremos que ha obtenido una

media de 5. Ahora veamos la valoración de otra fotocopiadora de otra marca que
identificamos con la B; el usuario y el original son los mismos y los valores son 1,3,5,7,9;
si calculamos la media, valdrá:

Media= (1+3+5+7+9) /5=5

Vemos como la fotocopiadora B ha sido con la misma media, exactamente con la

A. si representamos los valores individuales en la figura 2, podemos ver que las
distribuciones de valores son muy distintas, aunque la media vale lo mismo. Desde el
punto de vista de calidad podemos decir que la A es de más calidad, pues es más
consistente en sus reproducciones, ya que da sus valores más agrupados, aunque la B
es capaz de obtener fotocopias mejores; una de ellas ha obtenido un 9, pero en cambio
también puede obtener peores- considérese el 1 que es ilegible- por lo que nos conviene
más la A, a que nos dará más regularidad en las fotocopias.

Conclusión:

El tema de la variabilidad esta muy presente en el entorno industrial aunque

muchas veces el consumidor final no lo perciba, bien por no plantearse una comparación
entre productos, o por no comparar cuantitativamente un mismo producto sometido a
situaciones diferentes.
1.2. Ingeniería de calidad en el diseño de productos, procesos de
producción del servicio al cliente.
CONCEPTO DE INGENIERÍA DE CALIDAD:

Es un conjunto de conocimientos técnicos para la formulación de una política, así

como planear, proyectar y analizar la calidad de un producto, a fin de establecer un
sistema de calidad que pueda ser de satisfacción plena al consumidor a un costo mínimo.

La ingeniería de calidad lleva a cabo actividades dirigidas a reducir las pérdidas

causadas por la variabilidad.

Las actividades de ingeniería de calidad se incorporan en cada paso del desarrollo

del producto y de la manufactura a fin de prevenir los efectos de los factores de ruido. La
secuencia de manufactura desde el desarrollo del prototipo y del producto hasta el
servicio al cliente incluye las siguientes fases:

Ingeniería de calidad fuera de línea.

Se encarga de la optimización del diseño del producto y los procesos, una de las
herramientas es el diseño de experimentos.

La Ingeniería de la Calidad se enfoca directamente a la consecución de la Calidad

por Diseño, introduciendo la Calidad en el diseño en lugar de extraer la mala calidad del
producto manufacturado.

Uno de los elementos de mayor impacto en el diseño de productos se relaciona

con la implementación de las técnicas de calidad, que además de la innovación, impulsan
el desarrollo económico, como lo afirman más recientemente (Zapata-Gomez, 2013)Para
Fine (2000), Metcalfe (2001) y David (2001), el diseño implica la concepción de nuevos
productos e integración de conocimientos que contribuyen a establecer las bases de una
estructura productiva y estrategias para sobrevivir

El diseño de un producto juega un papel muy importante dentro del proceso de venta
del mismo, es por el diseño que el cliente se ve atraído hacia el mismo, desea verlo,
tocarlo y a su vez adquirirlo, ¿pero cuál es el diseño preferido por parte de los
consumidores? ¿De qué manera los capturo con mi diseño del producto? ¿Realmente la
inversión en el diseño especial del producto, garantiza la adquisición por parte del
consumidor final? Son varias de las interrogantes que serán respondidas a lo largo del
presente trabajo investigativo.

Las responsabilidades de un diseñador en el proceso de toma de decisiones durante

el diseño son muchas, pero principalmente:
  Definir las especificaciones del problema.

 Elegir criterios de diseño adecuados

 Modelar y evaluar

 Realizar cálculos empleando técnicas

 Interpretar y evaluar los resultados

 Elegir la mejor de las soluciones e incluso proponer mejoras

DISEÑO DE SISTEMAS.

Es la etapa primaria del desarrollo en la cual se da la arquitectura básica de un

producto o proceso. Durante el diseño del sistema, el ingeniero aplica su conocimiento
y experiencia en el área de su especialización para crear un producto o proceso con
capacidades distintivas. El diseñador del sistema usa su experiencia en el diseño de
sistemas similares para generar un nuevo sistema que sea superior de alguna forma a
los diseños previos.

El concepto de Calidad por Diseño se ilustra muy bien con la imagen de la palanca
de la calidad, en la que vemos que, cuanto más lejos de la producción apliquemos el
esfuerzo, mayor será su efecto sobre la calidad del producto.

1.- DISEÑO DE SISTEMAS:

Consiste en el Desarrollo de un sistema que funcione bajo una condición normal.

Requiere conocimientos técnicos en ciencia e ingeniería.

Originalidad/inventiva/estrategias de mercadotecnia.

Objetivo.

• Diseñar un producto seleccionando las condiciones óptimas (parámetros), de tal

manera que el producto sea menos sensible al ruido.

Estrategia.

• Diseñar un producto partiendo de componentes o materias primas de menor

calidad y bajo costo.
 • Reducir la variación sin quitar la causa.

• Quitar la causa es costoso.

• No hay incremento en el costo en el diseño de parámetros.

• Identifica los factores de control y los factores de ruido, tratándolos en forma

separada en el diseño de experimentos.

El PROCESO DE DISEÑO.

• El diseño de sistemas requiere experiencia y conocimientos técnicos en una área,

es la especialización en dicha área.

• En el método de Taguchi el diseño de experimentos se usa con mayor frecuencia

en la etapa de diseño de parámetros.

ETAPAS DEL DISEÑO DEL PRODUCTO.

1.- Diseño de Parámetros

Técnica utilizada en el diseño de Parámetros. Diseño convencional de experimentos.

Detecta y elimina causas. Tiene que ver únicamente con promedios.

• El método Taguchi tiene que ver con promedios y variaciones.

• Toma ventaja de efectos lineales y de la interpretación entre los factores de control

y de ruido, con el fin de obtener robustez.

• Es aplicable al diseño del producto, a la mejora del producto y del proceso. Mejora
la calidad sin incrementar los costos.

Diseño de parámetros Metodología Taguchi.

• Determina los valores de los parámetros menos susceptibles al ruido.

• Involucrar el uso de arreglos ortogonales de la relación señal/ruido.

Durante el diseño de parámetros, el diseño o proceso ingenieril, se busca optimizar el

diseño del sistema a través de la Experimentación para minimizar la variación del
rendimiento, al enfrentarse a factores incontrolable y ambientales. Taguchi comienza por
identificar esas características de calidad que más afectan el rendimiento del sistema,
específicamente si afecta al cliente.
2.- Diseño de tolerancias.

Cuando el diseño de parámetros no es suficiente para reducir la variación, es

necesario utilizar el diseño de tolerancias. Especificaciones de rangos permitidos para la
desviación con respecto a los valores de los parámetros, Involucra describir y eliminar
las causas. Incrementa los costos de producción (se deben minimizar, haciendo
experimentos que conduzcan a las tolerancias adecuadas sin afectar la calidad).

El diseño de tolerancias es la aplicación del diseño de experimentos, para hacer

cambios sistemáticos en las tolerancias, con el fin de determinar qué factores son los que
más contribuyen a la variación del producto final.
Conclusiones:
El problema de marketing de las compañías, motivo por el cual no se están
realizando las debidas ventas y estas a su vez causando problemas financieros para la
entidad se deben, al desconocimiento que existe por parte de las personas encargadas
de este departamento la manera como se lanzan al mercado no es la adecuada, no se
realiza el estado respectivo de cuáles son los gustos y preferencias modernas de los
clientes del producto que se está ofertando, originando así que el producto no sea
vendido quedándose en stock en la diversas comercializadores y a su vez generando el
estancamiento en la producción.
El diseño forma parte muy importante del proceso de venta de un producto, siendo
si no el más importante en su comercialización, pues debido a este el cliente se ve
atrapado, un buen diseño de un producto garantiza la captación del cliente, su
fidelización, y su compra.
Por qué un producto se diferencia del resto, será por la calidad, será por el precio
o por el diseño, varios estudios indican que un producto se separa de los demás por
muchos factores entre los más relevantes encontramos su precio tamaño y diseño,
entonces si no existe un diseño adecuado del mismo, se estarán comparando con
producto de baja calidad en comparación con el mismo. Un producto puede ser de muy
buen calidad pero si su diseño no cumple con las expectativas del cliente se verá muy
por debajo de las expectativas que como empresa pretende recibir, comparándose con
diseño de producto mucho más simples y de baja calidad.
El cliente se satisface tanto con el diseño del producto así como con la calidad del
mismo, debido a estudios realizados se concluye que la satisfacción del cliente proviene
de 3 factores, diseño del producto, calidad del producto y el precio.
1.3.- Función de pérdida de calidad – TAGUCHI.

GENICHI TAGUCHI desarrolló un método aproximado para determinar las

pérdidas económicas que ocasiona a la sociedad un producto de mala calidad. Su tesis
con relación al concepto de calidad sostenía que: "La mayor parte de los problemas de
calidad son el resultado de un diseño deficiente del producto y del proceso".

Así entonces, su método propuesto se enfoca en el desarrollo de una técnica

dirigida al mejoramiento del diseño del producto y del proceso, por medio del uso de
herramientas que permitan a la empresa enfocarse en las mejores especificaciones del
producto.

Para Taguchi, técnicas tradicionales con enfoque en el cumplimiento de las

especificaciones del proceso, como por ejemplo Six sigma, son en exceso conformes o
simples.

El hecho de que el producto sea calificado como conforme o no conforme, por caer dentro
de los límites de tolerancia carece de matices, lo cual permite de una u otra manera
perder el enfoque de la meta, y eso, según Taguchi, tiene un impacto en el cliente y en
la sociedad misma, el cual puede medirse en función del costo o la pérdida.

Conceptos de calidad Taguchi.

El método Taguchi se fundamenta en tres conceptos con enfoque en el mejoramiento de

la calidad, tanto del producto como del proceso, estos son:

 Calidad robusta: Consistencia de la calidad.

 Función de pérdida de la calidad.
 Calidad orientada hacia objetivos.
CALIDAD ROBUSTA.

El concepto de calidad robusta tiene un enfoque orientado al diseño del producto,

es decir que deben diseñarse unidades que puedan producirse de manera uniforme
(consistente), a pesar de procesarse en un entorno adverso. De manera que la prioridad
en el método Taguchi no son las condiciones adversas de manufactura, que pueden
considerarse como causas, sino el diseño del producto, para que un entorno adverso no
tenga efectos en la calidad de las unidades.

La premisa de este enfoque consiste en evitar que las variaciones en la calidad del
entorno de manufactura, que pueden ser múltiples, afecten la calidad del producto.

Función de pérdida de la calidad.

La función de pérdida de la calidad, ampliamente conocida como QLF por sus

siglas en inglés Quality Loss Function, establece el comportamiento de los costos
asociados a las desviaciones de calidad respecto a la meta. De manera que el producto,
en términos de calidad deja de ser simplemente catalogado como conforme o no
conforme, para ser medido mediante una función que establece el costo de alejarse de
las especificaciones exactas del cliente.
Taguchi define la calidad de la siguiente manera:

"Calidad consiste en evitar una pérdida que un producto le causa a la sociedad, después
de haber sido embarcado, distinta a cualquier otra pérdida causada por sus funciones
intrínsecas”
En ese orden de ideas, el costo de alejarse de las especificaciones exactas del cliente
puede comprender los siguientes rubros:

 Costos de mantenimiento.
 Costos de reparación.
 Costos asociados a la falla en el funcionamiento.
 Costos asociados a las lesiones provocadas por un producto defectuoso.
 Costos logísticos.

Según la hipótesis de Taguchi, mientras menor sea la variación en relación con el valor
objetivo, mejor será la calidad; de manera que las pérdidas aumentan a una tasa
creciente conforme crece la desviación respecto al valor objetivo de la especificación.

Del mismo modo, existe una pérdida de la calidad desde el punto de vista del
cliente cuando el producto se aleja de la especificación deseada, aun cuando se
encuentre entre los límites de especificación, lo cual contrasta con los métodos de control
de variación tradicionales.

En la siguiente gráfica se puede observar la función de la pérdida de la

calidad contrastada con la curva normal de los métodos tradicionales.

Se puede observar que la función de la pérdida de la calidad es una curva en forma de

U, la cual se encuentra determinada por la siguiente función cuadrática simple:

L(x)= Función de pérdida de la calidad.

x = Valor de la característica de calidad (observado).
N = Valor nominal de la característica de calidad (Valor objetivo - meta).
k = Constante de proporcionalidad.

La proporcionalidad es un factor que indica la relación constante entre las

magnitudes costo de pérdida y desviación de la característica de calidad. De manera que
para efectos de aplicación se hace necesario que la organización registre las pérdidas en
función del costo de la calidad de las unidades según su desviación del valor objetivo.

Así entonces, la función puede expresarse de la siguiente manera:

C = Costo de la desviación en el límite de la especificación (Pérdida por una unidad

producida en el límite de especificación).

LES = límite de especificación superior

Ejemplo de la función de pérdida de la calidad

Producir unidades de acero de referencia AX2 tiene múltiples características de

calidad, una de ellas es el ancho de la unidad. Según las especificaciones del cliente, el
valor objetivo del ancho es de 25 mm y considera aceptable una tolerancia de +/- 0,2 mm.

Según registros de la compañía, aun cuando han sido unidades conformes en los límites
de especificación, se han presentado casos en los cuales las unidades deben ser
reparadas. El departamento de calidad ha determinado que todo el proceso de
reparación, mantenimiento, costos logísticos, y el impacto que tienen estas fallas en el
cliente, pueden estimarse en 15 dólares por pieza.

¿Cuál es la función de pérdida de la calidad para esta especificación?

C = 15 dólares.
LES = 25,2 mm.
N = 25 mm.

Así entonces, la función de pérdida de la calidad sería la siguiente:

De manera que puede tabularse una relación de pérdida en función de las características
de calidad observadas, de la siguiente manera:

Al graficar esta información tenemos la curva de la pérdida de la calidad:

Para concluir, recuerde que si bien la hipótesis de la función de pérdida de la calidad

QLF, dista en esencia de los métodos de control de la variación tradicionales, no quiere
decir que se opongan en la práctica. De hecho, es común que muchas compañías opten
por implementar un modelo de control de la variación basado en la conformidad con
relación a los límites de especificación; y luego, implementen la función de pérdida de la
calidad como filosofía de mejoramiento continuo, con el propósito de enfocarse en el
producto perfecto para el cliente.

Conclusión.
Conclusiones En este artículo hemos visto que el ANOVA puede utilizarse para comparar
entre sí las medias de los resultados obtenidos por diversos laboratorios, analistas,
métodos de análisis, etc. En el siguiente artículo mostraremos cómo utilizar el ANOVA
para descomponer la variación total de un proceso en las fuentes de variación parciales.
Esto nos puede resultar muy útil para, por ejemplo, determinar cuáles son los factores
que afectan más a un determinado procedimiento analítico. Desde el punto de vista
práctico, existen múltiples paquetes estadísticos que permiten ejecutar rápidamente los
cálculos del ANOVA. Lo que es interesante, sin embargo, es que el usuario tenga
capacidad para extraer conclusiones químicas de los resultados obtenido.
1.4.- Análisis de varianza y relación señal-ruido.

Análisis 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 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

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

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.

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 del 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 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 ?
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

ANALISIS SEÑAL A RUIDO.

De todos los factores que afectan un proceso, se pueden extraer dos grupos:
 Factores de ruido. Son aquellos que no podemos, queremos o deseamos controlar, y
más bien deseamos que nuestros procesos y productos sean insensibles a su
impacto.
 Factores de diseño. Son aquellos que si podemos controlar en nuestro proceso de
producción, y deseamos encontrar a qué nivel operarlos, a fin de optimizar el producto
o proceso, esto es, que los productos sean de alta calidad y bajo costo.

El análisis se realiza de la siguiente manera:

1. Dentro de los factores a estudiar, separe los de ruido y los de diseño o control.
2. Dentro de los factores de diseño, identifique aquellos que afectan la variabilidad del
proceso. Utilícelos para minimizar la variabilidad.
3. Dentro de los factores de diseño, identifique aquellos que afectan la media, sin afectar
la variabilidad. Utilícelos para optimizar la media.
4. Identifique aquellos factores de diseño que no afectan ni media ni variabilidad.
Utilícelos para reducir costos.

Indices señal ruido.

Es deseable tener una cantidad o expresión que de alguna manera, involucre

media y variación, o que por lo menos, ayude a que nuestras conclusiones sean más
confiables.

Esta cantidad ya existe y se llama índice señal ruido, denotado como SN o SR de aquí
en adelante.
EL ÍNDICE SE DISEÑÓ DE TAL MANERA, QUE PRODUCTOS MÁS ROBUSTOS
SIEMPRE TENGA UN MAYOR VALOR DEL ÍNDICE SN.

En seguida se muestran los tres casos:

IV.2.1 Caso nominal es mejor

Suponga que se tienen “r” lecturas, y1,y2,y3,…yr, el índice SN a utilizar es:

SN= 10 log Sm  Vm /r Vm donde Sm= (y1 + y2 + y3 +,…yr,)2/r
  
Vm= y12  y22  y32 ...  yr 2  Sm / r  1

El lector reconocerá a Vm como la varianza de los “r” datos. Sn estima el logaritmo de

base 10 de la relación (media/desviación estándar)2.

En ocasiones se utiliza:

SN= -10 log Vm

IV.2.2 Caso menor es mejor

Para el caso de menor es mejor, el índice recomendado es:

SN= -10 log y1  y2  y3 ,yr , / r 

Esta cantidad estima el logaritmo de base 10 de (media2 + varianza)

IV2.3 Caso mayor es mejor

Para el caso mayor es mejor se recomienda:


SN= -10 log 1/ y1 2  1/ y2 2  1/ y3  2  ...  1/ yr 2 / r 
Esta cantidad funciona de una manera similar al caso anterior, pero con el inverso.
Maximizar una cantidad es equivalente a minimizar el inverso.

El uso de logaritmos pretende hacer la respuesta más “lineal” y el signo negativo es para
que siempre se maximice el índice SN. Se multiplica por 10 para obtener decibeles.

En un experimento señal ruido, generalmente se incluye un grupo de factores de ruido,

contra los que específicamente se desea hacer robusto el producto, y que se pueden
controlar durante un experimento.

Un diseño de experimentos para un análisis señal a ruido consiste de dos partes, un

arreglo ortogonal o matriz de diseño o interno y un arreglo ortogonal o matriz de ruido o
externo. Las columnas de una matriz de diseño representan parámetros de diseño. Las
columnas de la matriz de ruido representan factores de ruido.

Ejemplo:

Una característica de calidad importante para un cierto producto metálico es el

terminado, que se mide según su planicidad en milésimas de pulgada (mmplg). Esta
característica se piensa es afectada por los siguientes factores:

Factor Descripción Nivel 1 Nivel 2

A Temperatura del horno 1500 ºF 1600 ºF
B Presión de prensado 200 psi 220 psi
C Velocidad de recocido 8 seg 12 seg
D Velocidad de alimentación ref. 80 gal/min 100gal/min
G Tipo de modelo chico grande
H Templabilidad del material 25 Rc 30 Rc
AxC Interacción
AxD Interacción
Los factores G y H son factores que no se pueden controlar durante el proceso, ya que
el tipo de modelo depende del requerimiento específico del cliente y la templabilidad es
una característica de la materia prima. Estos dos factores se consideran al menos
inicialmente como factores de ruido.

Por lo tanto, se consideran como factores de diseño a los factores A, B, C y D.

De acuerdo con esto, lo que se desea saber es cuáles deben ser las condiciones de
operación o niveles de los factores de diseño A, B, C y D, que lleven el producto a la
característica objetivo y además con la mínima variabilidad, a pesar de las variaciones
en los factores G y H.

IV. 3.2. Arreglo interno

Considere únicamente los factores de diseño, se desea detectar 6 efectos en total, y

para ello, se requiere de un arreglo ortogonal L8. La gráfica lineal requerida es:

3
1 A .2 B

5 A xC

4 C
AxD 6
7 D

La columna correspondiente a la línea punteada se utilizará para cuantificar el error. Una

posible asignación es:

A B e C AxC AxD D Este será el arreglo

Nº 1 2 3 4 5 6 7 interno y consiste de 8
condiciones
experimentales/renglones
IV.3.3 Arreglo externo

Considere ahora únicamente los factores de ruido G y H. Se requieren de dos columnas,

de manera que un arreglo ortogonal L4 es suficiente. El arreglo, al que llamaremos arreglo
externo es:

G H
Nº 1 2 3
1 1 1 1
2 1 2 2
3 2 1 1
4 2 2 1

Observe que no se asigna efecto alguno a la columna 3, la cual queda libre.

IV. 3.4 Arreglo total

Los dos arreglos anteriores se “mezclan” o “combinan” en un solo arreglo total, tal y
como se muestra:

1 2 2 1
H 1 2 1 2
G 1 1 2 2
A B e C AxC AxD D
Nº 1 2 3 4 5 6 7 1 2 3 4
1 1 1 1 1 1 1 1 Y11 Y12 Y13 Y14
2 1 1 1 2 2 2 2 Y21 Y22 Y23 Y24
3 1 2 2 1 1 2 2 Y31 Y32 Y33 Y34
4 1 2 2 2 2 1 1 Y41 Y42 Y43 Y44
5 2 1 2 1 2 1 2 Y51 Y52 Y53 Y54
6 2 1 2 2 1 2 1 Y61 Y62 Y63 Y64
7 2 2 1 1 2 2 1 Y71 Y72 Y73 Y74
8 2 2 1 2 1 1 2 Y81 Y82 Y83 Y84

Observe que la matriz de ruido o arreglo externo se ha traspuesto o acostado, esto es,
escrito sus renglones como columnas. Observe también que existen 8x4= 32 posibles
lecturas, tomadas bajo diferentes condiciones todas ellas (valores de Yij ). En general, si
el arreglo interno tiene M renglones y el externo tiene N renglones, entonces existen un
total de MxN lecturas, que pueden ser tomadas bajo condiciones diferentes.

Por eso se recomienda que el número de factores de ruido (valor de N) no sea mayor
que 3.

Pero, ¿cómo se toman exactamente cada una de las 32 lecturas? suponga que
inicialmente, deseamos tomar las lecturas Y11, Y12, Y13, Y14 . Para esto, se fijan todos los
factores de diseño de acuerdo con los niveles indicados por el renglón Nº 1 del arreglo
interno, esto es, todos los factores de diseño a su nivel 1.

Sin embargo, si bien las cuatro lecturas Y11, Y12, Y13, Y14 se toman a los mismos niveles
de los factores de diseño, cada una se toma a diferentes niveles de los factores de ruido.

En resumen, se tiene:

Todos los factores de

diseño a su nivel 1 Lectura Factores de ruido
Temperatura 1500 ºF Y11 Modelo chico y 25 Rc
Presión de 200 Psi, 8 seg Y12 Modelo chico y 30 Rc
de tiempo de recorrido y Y13 Modelo grande y 25 Rc
velocidad de alimentación Y14 Modelo grande y 30 Rc
refrigerante 80 gal/min

De acuerdo con esto, se toman las primeras cuatro lecturas.

En seguida deseamos obtener las lecturas Y21 , Y22 , Y23 , Y24. Todas estas lecturas se
tomarán al mismo nivel de los factores de diseño y estos niveles serán indicados por el
renglón Nº 2 del arreglo interno. Manteniendo estas condiciones, los factores de ruido se
varían a sus cuatro combinaciones indicadas por el arreglo externo.

De esta manera se van obteniendo todas las 32 lecturas. Se fijan los factores de diseño
según un renglón del arreglo interno y se mantienen fijos mientras se varían los factores
de ruido de acuerdo con el arreglo interno.

Como ejemplo, la lectura Y73 , se obtendrá bajo las condiciones siguientes: factor A,
1600 ºF, 220 psi, factor C. 8 seg, factor D, 80 gal/min; factor G, tipo grande; y factor H,
25 Rc.

Las 32 lecturas son las siguientes:

1 2 2 1
H 1 2 1 2
G 1 1 2 2
A B e C AxC AxD D
Nº 1 2 3 4 5 6 7 1 2 3 4
1 1 1 1 1 1 1 1 1.1 1.2 1.3 1.1
2 1 1 1 2 2 2 2 1.2 1.3 1.2 1.3
3 1 2 2 1 1 2 2 2.0 2.1 2.2 2.1
4 1 2 2 2 2 1 1 2.1 2.2 2.1 2.0
5 2 1 2 1 2 1 2 1.0 1.4 1.2 1.3
6 2 1 2 2 1 2 1 1.2 1.3 1.5 1.0
7 2 2 1 1 2 2 1 1.6 2.1 2.4 2.0
8 2 2 1 2 1 1 2 1.5 2.0 2.3 2.5
Totales= 11.7 13.6 14.2 13.3

Suponga que por alguna razón para este ejemplo en particular, se tiene un valor
deseado de m= 2 mmplg.

Para obtener conclusiones a partir de un experimento señal a ruido se puede usar la tabla
ANOVA, o bien, a través de gráficas.

Inicialmente se muestra el análisis usando ANOVA.

Análisis con el Indice SN

 Para responder a la pregunta de a qué niveles fijar los factores de diseño, a fin de
minimizar la variabilidad en la característica de respuesta, ignoramos el arreglo externo
conservando las 32 lecturas, específicamente, el arreglo para análisis es:

A B e C AxC AxD D
Nº 1 2 3 4 5 6 7 1 2 3 4 Total
1 1 1 1 1 1 1 1 1.1 1.2 1.3 1.1 4.7
2 1 1 1 2 2 2 2 1.2 1.3 1.2 1.3 5.0
3 1 2 2 1 1 2 2 2.0 2.1 2.2 2.1 8.4
4 1 2 2 2 2 1 1 2.1 2.2 2.1 2.0 8.4
5 2 1 2 1 2 1 2 1.0 1.4 1.2 1.3 4.9
6 2 1 2 2 1 2 1 1.2 1.3 1.5 1.0 5.0
7 2 2 1 1 2 2 1 1.6 2.1 2.4 2.0 8.1
8 2 2 1 2 1 1 2 1.5 2.0 2.3 2.5 8.3
Totales= 11.7 13.6 14.2 13.3 52.8

Lo que observamos en esta última tabla es un arreglo L8 con 4 lecturas para cada
condición o renglón.

Estamos interesados en analizar la variabilidad de las 4 lecturas tomadas bajo cada

condición. Para esto, nos ayudamos del índice SN, o sea, la variabilidad de las cuatro
lecturas que se tomaron bajo cada condición, la resumiremos en un índice señal a ruido.
Al hacerlo, en lugar de 32 lecturas individuales tendremos 8 valores del índice SN, uno
para cada renglón o condición experimental.

Como estamos en un caso de nominal es mejor, el índice apropiado es:

 
SN= 10 log Sm  Vm /r *Vm ; donde Sm= Yi 2 / r y Vm= Yi 2  Sm / r  1

En este caso en particular, r= 4, cada índice se calcula a partir de 4 lecturas individuales.

Para la primera condición experimental o renglón Nº 1, se tienen las lecturas siguientes:

1.1, 1.2, 1.3, 1.1, con un total de 4.7

El cálculo del índice es:

Sm= (1.1+1.2+1.3+1.1)2/4= 5.5225

Vm= (1.12+1.22+1.32+1.12)= 0.00916
SN= 10 log 5.5225  0.00916 /4 * 0.00916 = 21.7714

Para el renglón o condición experimental Nº 2 se tienen las lectural: 1.2, 1.3, 1.2, 1.3, con
un total de 5.0
El cálculo del índice SN es:

Sm= (1.2 +1.3+1.2+1.3) 2/4= 6.2500

Vm= (1.22 + 1.32 + 1.22 + 1.32 – 6.2500)/3= 0.0033
SN= 10 log 6.2500  0.0033 /4 * 0.0033 = 26.7071

Los ocho índices son:

Nº Sm Vm Sn (dB)
1 5.5225 0.00916 21.771
2 6.2500 0.00333 26.707
3 17.6400 0.00666 28.203
4 17.6400 0.00666 28.203
5 6.0025 0.02916 17.092
6 6.2500 0.04333 15.539
7 16.4025 0.10916 15.718
8 17.2225 0.18916 13.524

Nuestro arreglo es ahora:

A B e C AxC AxD D SN
Nº 1 2 3 4 5 6 7 dB
1 1 1 1 1 1 1 1 21.771
2 1 1 1 2 2 2 2 26.707
3 1 2 2 1 1 2 2 28.203
4 1 2 2 2 2 1 1 28.203
5 2 1 2 1 2 1 2 17.092
6 2 1 2 2 1 2 1 15.539
7 2 2 1 1 2 2 1 15.718
8 2 2 1 2 1 1 2 13.524

Para el factor A se tiene:

A1 = Total de las lecturas tomadas bajo el nivel 1 del factor A

= 21.7714+26.7071+28.2036+28.2036= 104.8857

A2 = Total de las lecturas tomadas bajo el nivel 2 del factor A

=17.0927+15.5397+15.7186+13.5420= 61.8750

SSA = (A2 – A1) /Número total de lecturas SN

=(61.8750 – 107.8857)2/8= 231.2413, con 1 g.l.
La tabla ANOVA total es:

Factor SS Gl V Fexp
A 231.2413 1 231.2413 14.44
B 2.5751 1 2.5751 00.16
C 0.1764 1 0.1764 00.01
AxC 9.4284 1 9.4284 00.59
AxD 3.8880 1 3.8880 00.24
D 2.3047 1 2.3047 00.14
e 16.0135 1 16.0135

El factor A, temperatura del horno, es el factor que estadísticamente afecta la índice

señal a ruido, y que por consiguiente “afecta la variabilidad. De acuerdo con los niveles
del factor A, se tiene:

A1 = SN promedio= 104.8857/4= 26.22

A2 = SN promedio= 61.8750/4= 15.47

Dado que siempre deseamos maximizar la índice señal a ruido, el factor A se fija en su
nivel 1, esto es, la temperatura del horno se fija en 1500 ºF.

¿Qué hacer con el resto de los factores? antes de contestar esta pregunta, se deben
identificar de entre los factores que NO AFECTARON el índice SN, cuáles afectan la
media. Esto se muestra en lo que sigue.

Conclusión.
Son innegables las aportaciones que ha hecho la metodología de Taguchi a la
mejora de la calidad: con su innovador concepto de diseño robusto de parámetros, su
énfasis en la variabilidad presente en productos y procesos, la orientación que da a la
disminución de esta en la fase de diseño, con su idea de diseñar Scientia et Technica
Año XVII, No 50, abril de 2012. Universidad Tecnológica de Pereira. 56 para modelar de
manera simultánea la media y la variabilidad, el introducir sistemáticamente los factores
ruido en los diseños experimentales para conocer las relaciones que tienen con los
factores controlables, la difusión del importante papel que tienen los estudios de
robustez en el diseño de los productos y procesos industriales, fomentando y
expandiendo adicionalmente el empleo de los diseños experimentales y reduciendo la
separación existente entre ingeniería y estadística. Más polémicos son los defectos que
se le encuentran a su metodología, como son: el número excesivo de condiciones
experimentales, el no considerar las interacciones entre factores controlables, el uso de
cocientes señal ruido ineficientes, el celo excesivo en el proceso de optimización y los
análisis en ocasiones erróneos. Estas críticas han dado lugar a interesantes y valiosas
aportaciones, desde nuevos planes experimentales hasta métodos de identificación de
factores, algunas de estas aportaciones adecuan métodos estadísticos ya existentes,
como los diseños en parcelas divididas (split-plot), la metodología de superficie de
respuestas y los planes experimentales óptimos, otras son aportaciones que han
ampliado la metodología estadística, como las medidas del desempeño que son
independientes del ajuste y los estudios de efectos sobre la dispersión.
1.5 problema de aplicación práctica vinculatoria
La Función de Pérdida de Taguchi propuesta por el experto en calidad japones Genichi
Taguchi establece que cualquier desviación con respecto al valor meta o especificación
deseada produce una pérdida monetaria para la sociedad. En este contexto el método
de Taguchi se basa en la hipótesis de que mientras menor sea la variación con
respecto a dicho valor objetivo (meta) mejor será la calidad del producto. Notar que el
valor meta o especificación deseada es equidistante del Límite de Especificación
Inferior (LEI) y el Límite de Especificación Superior (LES).

El aporte de Taguchi radica en incorporar en el análisis la perspectiva del cliente, dado

que en general no existe prácticamente mayor diferencia entre un producto que
esta justo dentro de los límites de especificación y un producto que está justo fuera
de éstas. Por el contrario, la diferencia resulta ser mucho mayor en términos de la
calidad, al comparar un producto que tiene la especificación meta (objetivo) en
relación a un producto que se encuentra cerca de uno de los límites de especificación
(pero en el intervalo [LEI,LES]).
Para comprender de mejor forma la propuesta de Taguchi es conveniente contrastar su
visión en relación a la Perspectiva Tradicional. Según el concepto tradicional, las
pérdidas ocurren sólo cuando un producto excede los límites de especificación tal como
se muestra en la gráfica. De esta forma se asume que cualquier producto que se
encuentre contenido entre los límites de especificación no genera una pérdida en
términos de la calidad para el cliente y para la sociedad.

Si bien dicho enfoque es simplificador y en algunos casos se podría encontrar

razonable, en la actualidad existe un consenso es considerar que es obsoleto, al no
representar de forma adecuada la valoración del cliente.
Por el contrario, la Función de Pérdida de Taguchi establece que existe una
degradación de la calidad desde la perspectiva del cliente cuando el producto se aleja
de la especificación deseada aun cuando se encuentre entre los límites de
especificación. Más aún como se puede observar en la representación gráfica el costo
incremental de la variabilidad para la sociedad crece (de forma no lineal) en la medida
que el producto se aleja de la especificación deseada.

De esta forma Taguchi postula que esta visión (su propuesta) es más cercana a cómo
los clientes ven la función de pérdida en comparación a la perspectiva tradicional.

En relación a lo anterior, por lo general la Función de Pérdida de Taguchi se

representa en su expresión cuadrática de modo que las mayores desviaciones
respecto al valor objetivo (especificación deseada o meta) provoquen pérdidas cada vez
mayores para la sociedad. La fórmula es:

Donde:
 : Valor de la característica de calidad
 : Valor meta u objetivo
 : Pérdida por una unidad producida en el límite de especificación
 : Límite de Especificación Superior (LES) –
Ejemplo Función de Pérdida de Taguchi
Suponga que tenemos una característica de calidad que tiene una especificación de
0.500 +- 0.020, y que si el valor de la característica de calidad difiere 0.02 del valor
deseado de 0.500, es probable que el producto falle durante el período de garantía, y
su reparación cuesta 50 dólares. Estos valores se pueden calcular analizando los
registros de la compañía. Entonces:
Luego, si la desviación resultará ser sólo 0.010, la pérdida estimada al utilizar la
Función de Pérdida de Taguchi sería:

Conclusión:
Para concluir, recuerde que si bien la hipótesis de la función de pérdida de la calidad
QLF, dista en esencia de los métodos de control de la variación tradicionales, no quiere
decir que se opongan en la práctica. De hecho es común que muchas compañías opten
por implementar un modelo de control de la variación basado en la conformidad con
relación a los límites de especificación; y luego, implementen la función de pérdida de la
calidad como filosofía de mejoramiento continuo, con el propósito de enfocarse en el
producto perfecto para el cliente.
 Bibliografía

Bertrand L. Hnsen, P. M. (1990). control de calidad. Madrid: Diaz de Santos.

Francisco J. Miranda Gonzalez, A. C. (2007). introduccion a la gestion de la calidad.
Madrid(España): Delta.
garza, E. G. (1996). administracion de la calidad total. mexico: pax mexico.
Jorba, L. S. (1993). el secreto de la calidad japonesa:el diseño de experimentos clásico,
Taguchi y Shainin. Barcelona: marcombo.
Lee J. krajewski, L. P. (2000). administracion de operaciones: estrategia y analisis.
mexico: pearson educacion.
WU, Y. W. (1997). diseño robusto utilizando los metodos TAGUCHI. DIAZ DE SANTOS.