INGENIERÍA DE CALIDAD

El DISEÑO DE ROBUSTO
(MÓDULO III)

Docente:
Integrantes:
Ing. Pedro Padrón
Bravo, Mariela CI: 8.499.353
Delgado, Reinaldo: CI: 18.981.444
Hernández, Miguel C.I: 16.572.366
Orta, José CI: 19.369.829
Velásquez, Luis CI: 20.172.194
Grupo N° 11
Unidad Curricular: Calidad y
Productividad.
Trayecto: IV

El Tigre, agosto 2026

 ÍNDICE

pág.
Introducción 3
1. Concepto de variabilidad funcional y los problemas de calidad 4
2. Características del diseño robusto 10
3. Índice TAGUACHI con el fin de medir la robustez del diseño 12
4. Los factores de control 15
5. Factores de ruido 16
6. Factor señal 18
7. Diseño de arreglos ortogonales 19
8. Factores en los arreglos ortogonales y cálculos de relación señal-ruido
con los resultados de experimentación para medir la robustez del
producto, aplicando los principios de control de calidad fuera de la 21
línea y sobre la línea y el diseño de tolerancia, asociándolo con el
concepto de la responsabilidad social del productor.
9. Diseño simplificado de experimentos 23
10. Análisis de Tablas de Frecuencia 24
11. Análisis de Atributos Clasificados 25
12. Análisis de experimentos con factores de ruido y predicción y
27
verificación de los resultados que reflejan la robustez del diseño.
Conclusiones 31
Referencias Bibliográficas 32

INTRODUCCIÓN

2
 En el entorno industrial contemporáneo, la gestión y el control de la calidad han
experimentado una profunda evolución conceptual y metodológica. Tradicionalmente, la
garantía de la calidad se orientaba de forma reactiva hacia la inspección final o el
control estadístico del proceso (On-line); sin embargo, estos enfoques resultan
costosos e insuficientes para evitar que productos defectuosos o de desempeño
inestable lleguen al mercado. La ingeniería de calidad moderna, fundamentada
principalmente en los aportes del Dr. Genichi Taguchi, establece que la verdadera
calidad no se consigue corrigiendo fallas durante la producción, sino incorporándola
desde las fases iniciales de diseño e investigación del producto y del proceso (Calidad
Off-line).
El núcleo central de este enfoque reside en la minimización de la variabilidad
funcional, es decir, la fluctuación o dispersión no deseada en el rendimiento real de un
producto durante su uso. A diferencia de la variabilidad de manufactura, la variabilidad
funcional impacta directamente en la experiencia del cliente y se origina por la
presencia de factores de ruido (ambientales, deterioro por uso o variaciones pieza a
pieza) que son difíciles o costosos de eliminar. Para abordar esta problemática, el
Diseño Robusto propone hacer que el producto o proceso sea insensible (robusto) ante
tales perturbaciones, ajustando adecuadamente las variables de diseño o factores de
control sin elevar de manera innecesaria los costos de fabricación.
El presente trabajo tiene como objetivo analizar de manera integral los principios,
herramientas estadísticas y filosóficas que sustentan la Ingeniería de Calidad y el
Diseño Robusto de Parámetros. A lo largo del documento se abordan los siguientes
ejes temáticos: Variabilidad Funcional y Problemas de Calidad, Características del
Diseño Robusto e Índice de Taguchi, Factores del Sistema, Diseño de Arreglos
Ortogonales y Experimentación Simplificada, Análisis Estadístico Avanzado,
Predicción, Verificación y Control On-line/Off-line, y Responsabilidad Social del
Productor.

3
El DISEÑO DE ROBUSTO

1. Concepto de Variabilidad Funcional y los Problemas de Calidad

Problemas de calidad y variabilidad funcional

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 ≠ que la calidad
estándar. Para hacer una retroalimentación para alcanzar la calidad planeada
(estándar).
Si (La calidad real = 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.

1. 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:

4
 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.

2. 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

5
materiales mal elegidos. El lema “Introduzca la calidad durante el proceso” aparece
entonces las inspecciones.

3. 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 Control de Calidad 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 funcional es la dispersión o fluctuación no deseada en el
rendimiento real de un producto o proceso durante su uso, provocada por factores
internos o externos que alteran su comportamiento esperado.
A diferencia de la variabilidad dimensional o de manufactura (que mide si una
pieza cumple con un plano), la variabilidad funcional mide si el producto cumple su
propósito de manera constante en las condiciones reales del usuario.
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.

6
 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).

Fases del desarrollo de un producto en las que es posible actuar para

minimizar el efecto de cada una de las causas de variabilidad aplicando las
contramedidas posibles en cada una de las fases:

CAUSAS DE VARIABILIDAD (RUIDO)

Fase del desarrollo Externas Producción
Interna (Deterioro)
de un producto (Ambiente) (Fabricación)
Diseño del
0 0 0
producto
Diseño del proceso X X 0
Proceso de
X X 0
producción
0= Contramedidas posibles
X= Imposibilidad de contramedidas

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.

7
 La estadística, que cuantifica la información, es de una gran ayuda en estas
fases. En la fase de producción, mediante la utilización del Control Estadístico del
Proceso (SPC), se controla el proceso para identificar la aparición de “causas
asignables” de variabilidad. En general, la reducción de variabilidad utilizando sólo SPC
requiere inversiones económicas considerables (seleccionar los mejores proveedores,
aumentar el mantenimiento de máquinas, etc.); y el resultado final, una vez más,
dependerá de lo bien que esté diseñado el proceso. Sólo en la fase de diseño del
producto se pueden tomar medidas contra cada una de las diferentes causas de
variabilidad
Las técnicas estadísticas que se denominan diseño de experimentos robustos
son técnicas que, aplicadas en las etapas del diseño del producto y del proceso,
producen una reducción considerable de la variabilidad final del producto en manos del
cliente y con una inversión económica, en general, inferior a cuando se utiliza sólo
SPC.

1. Concepto de Variabilidad Funcional

En la ingeniería de calidad moderna particularmente bajo el enfoque del Diseño
Robusto de Genichi Taguchi, un producto no solo debe fabricarse dentro de
tolerancias, sino que debe ofrecer una respuesta funcional estable y cercana al valor
objetivo (target).

8
 Figura 1. Diagrama de Parámetros de un Sistema (P-Diagrama). Fuente: El-
Haik, B., & Yang, K. (2008).

Como ilustra el Diagrama de Parámetros de Taguchi, la respuesta del sistema

(y) se ve afectada por:
Factores de control (Z): Variables que el diseñador puede ajustar fácilmente
(materiales, geometría, parámetros del proceso).
Factores de ruido (X): Variables difíciles o costosas de controlar que causan la
variabilidad funcional.

Fuentes de Ruido que Generan Variabilidad Funcional

Ruido externo (Ambiental/Uso): Variaciones en la temperatura, humedad,
polvo, voltaje o hábitos del usuario final.
Ruido interno (Deterioro): Desgaste mecánico, envejecimiento de
componentes, oxidación o fatiga de materiales.
Ruido pieza a pieza (Manufactura): Imperfecciones inevitables en el proceso
de producción que hacen que cada unidad sea ligeramente diferente de la anterior.

2. Los Problemas de Calidad Asociados

9
 Cuando la variabilidad funcional no se controla desde la etapa de diseño, se
desencadenan diversos problemas críticos tanto para el consumidor como para la
organización:

A. Insatisfacción del cliente y pobre experiencia de uso

El producto funciona, pero de manera inconstante. Un automóvil cuyos frenos
responden con diferente dureza según la temperatura exterior, o una batería de
teléfono que dura 10 horas un día y 4 horas al día siguiente, generan la percepción de
un producto de "baja calidad", aunque ambos hayan pasado las inspecciones de
fábrica.

B. Incremento en los costos de garantía y servicio

La variabilidad funcional provoca fallas prematuras en campo. Esto se traduce
directamente en:
 Incremento de reclamos por garantía.
 Gastos elevados de reparación, sustitución y soporte técnico.
 Retiradas de producto del mercado.

C. Generación de pérdida social (La Función de Pérdida de Taguchi)

Taguchi demostró que la pérdida de calidad no ocurre repentinamente cuando
un producto sale de los límites de especificación. Por el contrario, la pérdida económica
para la sociedad crece cuadráticamente a medida que la respuesta funcional se aleja
del valor ideal nominal (m).
Pérdida L(y) = k*(y - m)2

Donde y es la respuesta real del producto, m es el valor ideal y k es una

constante de costo. Cuanta mayor es la variabilidad funcional, mayor es la pérdida
financiera acumulada por la empresa y el usuario.

D. Inestabilidad en procesos subsecuentes

10
 Si un componente intermedio presenta variabilidad en sus propiedades
funcionales (por ejemplo, la viscosidad de un polímero o la rigidez de una lámina
metálica), genera un efecto dominó que desestabiliza las líneas de ensamble
posteriores, provocando paradas de planta, reajustes constantes y desecho de
material.

¿Cómo se combate la Variabilidad Funcional?

En lugar de intentar eliminar los factores de ruido lo cual suele ser imposible o
extremadamente costoso, la ingeniería de calidad aplica el Diseño de Parámetros
(Diseño Robusto). Consiste en seleccionar la combinación de variables de control que
haga que la función del producto sea insensible (robusta) ante las fluctuaciones del
entorno, el desgaste y la variabilidad de fabricación.

2. Características del Diseño Robusto

El diseño robusto (desarrollado principalmente por Genichi Taguchi) es una
metodología de gestión de calidad e ingeniería enfocado en diseñar productos y
procesos que funcionen de manera óptima y consistente, minimizando la sensibilidad a
las variaciones del entorno o de fabricación sin incrementar los costos de producción.

Sus principales características son:

1. Inmunidad ante factores de ruido
Su objetivo principal no es eliminar las causas de variación (lo cual suele ser
muy costoso o imposible), sino hacer que el producto o proceso sea insensible
(robusto) a ellas. Estos ruidos incluyen:
Ruido externo: Variaciones ambientales (temperatura, humedad, vibraciones,
uso del usuario).
Ruido interno: Deterioro, desgaste de componentes o envejecimiento con el
tiempo.

11
 Ruido entre piezas (variación de manufactura): Imperfecciones inherentes al
proceso de producción.

2. Optimización en la fase de diseño (Calidad Offline)

A diferencia de los enfoques tradicionales que intentan controlar la calidad
durante la producción (inspección o control estadístico), el diseño robusto centra todo
su esfuerzo en las etapas previas: diseño del producto y diseño del proceso. Prevenir
variaciones en la fase conceptual es drásticamente más económico que corregir fallas
en planta.

3. Enfoque en tres etapas del diseño

Taguchi divide el proceso de diseño en tres niveles jerárquicos:
Diseño del sistema: Selección de la tecnología, arquitectura y conceptos
básicos del producto.
Diseño de parámetros (Núcleo del diseño robusto): Determinación de los
valores óptimos de las variables de control (dimensiones, materiales, presiones) para
minimizar la variabilidad frente al ruido sin aumentar costos.
Diseño de tolerancias: Asignación de tolerancias estrictas y compra de
materiales/equipos de mayor precisión solo si el diseño de parámetros no fue suficiente
para lograr la calidad deseada.

4. Uso de la Función de Pérdida de la Calidad (Quality Loss Function)

Define cuantitativamente la calidad no solo como cumplir con las
especificaciones, sino como minimizar la variación respecto al valor nominal (objetivo).
Taguchi establece que cualquier desviación del punto óptimo genera una pérdida
económica para la sociedad (costos de garantía, insatisfacción del cliente,
reparaciones), expresada comúnmente mediante una función cuadrática:
L(y) = k*(y - m)2

12
 Donde L(y) es la pérdida, y es la característica de calidad medida, m es el valor
objetivo y k es una constante de costo.

5. Optimización mediante la Relación Señal/Ruido (S/N)

Utiliza la métrica de relación señal/ruido (S/N ratio) para evaluar la combinación
de parámetros que maximiza el rendimiento deseado (señal) mientras minimiza la
variabilidad no deseada (ruido). Dependiendo del objetivo de calidad, se aplican
distintas métricas:
Nominal es lo mejor: Cuando se busca un valor fijo específico (p. ej., voltaje
objetivo).
Menor es mejor: Cuando se busca minimizar un defecto o desecho (p. ej.,
desgaste, rugosidad).
Mayor es mejor: Cuando se busca maximizar un atributo (p. ej., resistencia a la
tensión).

6. Diseño de Experimentos (DOE) mediante Arreglos Ortogonales

Para encontrar las combinaciones óptimas de parámetros de forma eficiente y
económica, utiliza arreglos ortogonales. Esto permite estudiar simultáneamente
múltiples variables con un número reducido de corridas experimentales en comparación
con un experimento factorial completo.

3. Índice TAGUACHI con el fin de medir la robustez del diseño

Para medir la robustez del diseño en la metodología desarrollada por Genichi
Taguchi, no se utiliza una única métrica simple, sino una métrica estadística
denominada Relación Señal/Ruido (S/N ratio), la cual se combina conceptualmente
con la Función de Pérdida de la Calidad.

1. La Relación Señal/Ruido (S/N) como Índice de Robustez

El índice principal que Taguchi propuso para medir la estabilidad de una
respuesta frente al "ruido" es la relación Señal/Ruido (S/N), expresada en decibelios
(dB).

13
 Señal (S): El valor medio deseado para la característica de calidad (lo que el
producto debe hacer).
Ruido (N): La variabilidad no deseada provocada por factores externos,
desgaste o tolerancia del proceso (la desviación respecto al valor deseado).
A mayor valor de S/N, mayor es la robustez del diseño, ya que la señal
predomina sobre las variaciones ambientales o de manufactura.

Fórmulas del Índice según el tipo de métrica:

Nominal es lo mejor (Target is Best): Se busca alcanzar un valor específico
constante con la menor variación posible (p. ej., dimensiones críticas, voltaje, presión).

2
μ
n=10 log 10 2
σ
Donde µ es la media de las mediciones y σ 2 es la varianza.

Menor es mejor (Smaller is Better): Se busca reducir un valor no deseado a

casi cero (p. ej., rugosidad, niveles de contaminación, desgaste).

n
1 2
n=−10 log 10 yi
n i=1

Donde y i es el valor medido en cada intento y n es el número de pruebas.

Mayor es mejor (Larger is Better): Se busca maximizar una característica

deseada (p. ej., resistencia mecánica, vida útil).
n
1 1
n=−10 log 10
n i=1 y 2i

2. La Función de Pérdida de la Calidad (L)

Complementariamente, Taguchi mide el costo económico que la falta de
robustez ocasiona a la sociedad mediante la Función de Pérdida. A diferencia del

14
enfoque tradicional de tolerancias "pasa/no pasa", esta función demuestra que
cualquier desviación respecto al valor nominal m reduce la robustez y genera un costo
L(y):

L(y) = k*(y - m)2

y: Valor real obtenido en la medición.

m: Valor nominal (objetivo exacto del diseño).
k: Constante monetaria determinada por el costo de reparación, garantía o
reemplazo.

3. Índice de Capacidad del Proceso adaptado a Taguchi (Cpm)

En el ámbito del control estadístico extendido a partir de los principios de
Taguchi, también se utiliza el índice de capacidad C pm (conocido como el Índice de
Taguchi para evaluar si el proceso/diseño es capaz y robusto con respecto al objetivo
T):

USL−LSL USL−LSL
C pm= =
6τ 6 √ σ 2 +( μ+ τ )2

USL / LSL: Límites de especificación superior e inferior.

τ : Desviación cuadrática media respecto al objetivo T.
Este índice penaliza fuertemente los casos donde la media µ se aleja del valor
objetivo T, premiando la concentración en el centro de las tolerancias

4. Los Factores de Control

En la metodología del diseño robusto de Taguchi, los factores de control son
aquellas variables del diseño del producto o del proceso que el ingeniero o diseñador
puede fijar y ajustar de forma libre, económica y precisa.

15
 Constituyen el núcleo sobre el cual se aplica el diseño de parámetros para lograr
que el sistema sea insensible a las fuentes de variación.

1. Definición y rol principal

Los factores de control son las palancas ajustables del sistema. Su objetivo
principal dentro del experimento de Taguchi no es eliminar el ruido, sino encontrar la
combinación o nivel de configuración óptimo que maximice la relación señal/ruido
(S/N), minimizando así la variabilidad de la respuesta final del producto ante factores no
controlables.
2. Clasificación de los factores de control
Dentro de un experimento de diseño robusto, los factores de control se clasifican
en dos categorías según su impacto:
Factores de Control de Variabilidad (o de Robustez): Tienen un impacto
directo en la relación S/N (reducen la dispersión o variabilidad de la respuesta frente a
los factores de ruido).
Factores de Control de Ajuste (o de Objetivo): Tienen un efecto significativo
en la media de la respuesta, pero poco o ningún impacto en la variabilidad (S/N). Se
utilizan en una segunda etapa para desplazar la media exactamente al valor nominal
objetivo (m) sin perder la estabilidad lograda.

1. Ejemplos de Factores de Control

A diferencia de los factores de ruido (que son difíciles o costosos de controlar en
uso real), los factores de control son totalmente elegibles durante la fase de desarrollo.

Campo Ejemplo de Factor de Control

Selección del material, geometría, grosor de
Diseño de producto paredes, tipo de lubricante, tolerancias de
componentes internos.
Diseño de proceso Temperatura de horneado, tiempo de curado,
velocidad de corte, presión de inyección,

16
 concentración química.

4. Organización en Arreglos Ortogonales

En la planificación experimental de Taguchi, los factores de control y sus
distintos niveles de prueba se organizan en lo que se conoce como la Matriz Interna
(Inner Array):
Se selecciona un arreglo ortogonal (por ejemplo, L 8 u L9) para estudiar múltiples
factores de control simultáneamente con un número reducido de experimentos.
Cada fila de la matriz interna representa una combinación específica de niveles
de los factores de control.
Esta matriz interna se cruza con la Matriz Externa (Outer Array), la cual contiene
las combinaciones de los factores de ruido, para evaluar cómo se comporta cada
configuración del producto ante diferentes condiciones adversas.

5. Factores de Ruido
En el diseño robusto de Taguchi, los factores de ruido son todas aquellas
variables que causan variabilidad en el rendimiento o desempeño del producto y que no
se pueden controlar de forma directa, económica o práctica durante su uso normal o
producción en masa.
A diferencia del enfoque tradicional de calidad que busca eliminar el ruido a un
costo muy elevado, el diseño robusto acepta que el ruido existe y busca diseñar un
producto que sea insensible (robusto) a él.
1. Clasificación de los factores de ruido
Taguchi clasifica los factores de ruido en tres categorías principales según su
origen:
Ruido Externo (o Ambiental): Proviene de las condiciones cambiantes del
entorno en el que opera el producto o de la forma en que el usuario lo manipula.
Ejemplos: Cambios de temperatura ambiente, humedad, polvo, vibraciones
externas, fluctuaciones en el voltaje de la red eléctrica, hábitos o errores del usuario.

17
 Ruido Interno (o Deterioro): Se genera con el paso del tiempo por el uso
continuo y el envejecimiento de las partes.
Ejemplos: Desgaste mecánico de piezas, oxidación de metales, pérdida de
viscosidad en lubricantes, degradación química o fatiga de materiales.

Ruido entre Piezas (o Variación de Manufactura): Variaciones inevitables que

ocurren de una unidad a otra durante el proceso de producción debido a las tolerancias
de fabricación.
Ejemplos: Pequeñas diferencias en las dimensiones de componentes,
variaciones en la densidad de la materia prima, impurezas en lotes de material.

2. ¿Cómo se manejan los Factores de Ruido en la Experimentación?

Durante la fase de desarrollo en laboratorio, aunque los factores de ruido son
incontrolables en el uso real, el ingeniero los simula o fuerza intencionalmente para
probar la resistencia del diseño.
Selección de la Matriz Externa (Outer Array):
Los factores de ruido seleccionados se organizan en un arreglo ortogonal
independiente denominado matriz externa.

Cruce de matrices:
Esta matriz externa se "cruza" con la matriz interna (que contiene los factores de
control).
Prueba de resistencia:
De esta manera, cada configuración de diseño (factores de control) se somete
deliberadamente a los peores escenarios de ruido (altas/bajas temperaturas,
componentes desgastados, variaciones de voltaje) para medir en cuál de ellas la
variación de la respuesta es menor, identificando así la combinación que maximiza la
relación Señal/Ruido (S/N).
6. Factor señal

18
 En el diseño robusto de Taguchi, el factor señal (o simplemente señal) es la
entrada o estímulo directo que define la intención o el valor deseado por el usuario para
que el producto o proceso entregue el desempeño esperado.
Mientras que los factores de control son configuraciones internas fijas y los
factores de ruido son perturbaciones incontrolables, el factor señal es una variable
dinámica que cambia intencionalmente durante el uso real para ajustar el nivel de
respuesta.

1. Rol e importancia del Factor Señal

Define la función del sistema: Le indica al sistema qué resultado o nivel de
salida se espera en cada momento.
Permite el diseño robusto dinámico: No todos los productos tienen un
rendimiento fijo; muchos deben responder de forma proporcional o lineal a una entrada
del usuario (sistemas dinámicos).
Mantiene la proporcionalidad: El objetivo del diseño robusto en un sistema
dinámico es lograr que la relación entre el factor señal (entrada) y la respuesta del
producto (salida) sea perfectamente lineal e insensible al ruido.

2. Ejemplos de Factores Señal

Dependiendo del tipo de producto o proceso, el factor señal representa la
instrucción dada por el operador o el entorno:

Producto/Sistema Factor Señal (Entrada) Respuesta esperada

(Salida)
Sistema de frenado Presión ejercida sobre el Distancia / rapidez de
pedal de freno. desaceleración del vehículo.
Dirección de un Ángulo de giro del volante. Ángulo de viraje de las
automóvil ruedas.
Termostato / Horno Posición del selector de Temperatura real generada
temperatura. dentro del horno.
Intensidad de la luz del Nitidez y densidad del color
Impresora / Escáner sensor o comando de en la impresión.
resolución.

3. El Factor Señal dentro de la Relación Señal/Ruido (S/N)

19
 En los experimentos dinámicos de Taguchi, la métrica de Relación Señal/Ruido
(S/N) mide directamente qué tan bien la salida sigue al factor señal (S) en comparación
con la distorsión causada por los factores de ruido (N):
S (Señal): Representa el efecto útil y deseado producido por el factor señal.
N (Ruido): Representa la dispersión, desviación o falta de linealidad ocasionada
por el entorno, el desgaste o las variaciones de manufactura.
Un diseño altamente robusto garantiza que ante una misma intensidad del factor
señal, el producto responda exactamente igual, independientemente de si hace frío,
calor, si la pieza está gastada o si hay variaciones en la red eléctrica.

7. Diseño de Arreglos Ortogonales

El diseño de arreglos ortogonales es la herramienta estadística central de la
metodología Taguchi para planificar experimentos de manera eficiente. Su propósito es
evaluar el impacto de múltiples factores de control (y sus interacciones) sobre un
proceso o producto utilizando la menor cantidad posible de pruebas, garantizando a la
vez una evaluación equilibrada e imparcial.

1. ¿Qué es la Ortogonalidad?
En el contexto experimental, la ortogonalidad significa "equilibrio" o
"independencia matemática":
Equilibrio entre niveles: Cada nivel de un factor (por ejemplo, Nivel 1 y Nivel 2)
aparece exactamente el mismo número de veces en cualquier columna de la matriz.
Independencia entre factores: Para cualquier par de columnas (factores),
todas las combinaciones posibles de sus niveles ocurren en igual número de
frecuencias a lo largo de las corridas.
Debido a esta propiedad, el efecto individual de cada factor se puede aislar y
calcular de forma independiente, sin que la variación de un factor contamine o sesgue
el análisis de los demás.

2. Nomenclatura Estándar de los Arreglos Ortogonales

20
 Taguchi denominó a sus arreglos utilizando una notación estandarizada con la
letra L (que proviene de Latin square o Cuadrado Latino):
LN(kf)
N: Número total de experimentos o corridas de prueba que se deben realizar.
k: Número de niveles que tiene cada factor (por ejemplo, 2 niveles: Alto/Bajo; o 3
niveles: Bajo/Medio/Alto).
f: Número máximo de factores que pueden ser evaluados simultáneamente en el
arreglo.

Ejemplos comunes:
L8(27): 8 experimentos para analizar hasta 7 factores con 2 niveles cada uno. (Un
experimento factorial completo requeriría 27 = 128 pruebas)
L9(34): 9 experimentos para analizar hasta 4 factores con 3 niveles cada uno. (En
lugar de las 34 = 81 pruebas de la factorial completa).
L16(215): 16 experimentos para hasta 15 factores a 2 niveles.

3. Cruce de Matrices (Matriz Interna y Matriz Externa)

En el diseño robusto, el arreglo ortogonal de factores de control no trabaja
aislado; se cruza con las fuentes de variación del entorno:
1. Matriz Interna (Inner Array): Es el arreglo ortogonal asignado a los factores de
control (las variables elegidas por el diseñador).
2. Matriz Externa (Outer Array): Es un segundo arreglo ortogonal asignado a los
factores de ruido (las condiciones de temperatura, envejecimiento, tolerancias,
etc.).
Al "cruzar" ambas matrices, cada una de las corridas de la matriz interna se
prueba bajo todas las combinaciones extremas de ruido de la matriz externa. Esto
permite medir directamente la variabilidad de la respuesta y calcular la relación
Señal/Ruido (S/N) para cada combinación de control.

4. Ventajas del Uso de Arreglos Ortogonales

21
 Ahorro dramático de recursos: Reduce exponencialmente el costo, tiempo y
material requeridos frente a los experimentos factoriales completos.
Análisis simultáneo: Permite estudiar de forma directa el impacto de múltiples
variables a la vez en lugar del enfoque tradicional de "cambiar un factor a la vez"
(OVAT - One Variable At A Time).
Identificación de interacciones: Asigna columnas específicas dentro del
arreglo para determinar si dos factores se potencian o interfieren entre sí.

8. Factores en los arreglos ortogonales y cálculos de relación señal-

ruido con los resultados de experimentación para medir la robustez del
producto, aplicando los principios de control de calidad fuera de la línea y
sobre la línea y el diseño de tolerancia, asociándolo con el concepto de la
responsabilidad social del productor.

El método Taguchi integra la ingeniería estadística con la responsabilidad ética

empresarial. El marco estructural que articula los arreglos ortogonales, el cálculo de la
relación Señal-Ruido (S/N), la calidad Off-line y On-line, el diseño de tolerancias y su
vinculación con la responsabilidad social del productor se organiza en los siguientes
apartados:

1. Control de Calidad Fuera de la Línea (Off-line) vs. Sobre la Línea (On-

line)
Taguchi dividió la gestión de la calidad en dos ámbitos operativos
complementarios:

22
 Herramientas
Dimensión Enfoque Etapa
Acciones
Previas a la Diseños del sistema,
Preventivo:
fabricación de parámetros
Optimización durante
Control Off-line (Diseño de (arreglos
la ingeniería de
producto y ortogonales) y de
desarrollo.
proceso). tolerancias.
Gráficos de control,
Correctivo/
inspecciones
Monitoreo:
Durante la automatizadas,
Control On-line Mantenimiento de la
fabricación activa. mantenimiento
estabilidad durante la
preventivo y ajuste de
producción masiva.
máquinas.

2. Diseño de Tolerancias
Es la tercera y última etapa del diseño Off-line. Si tras realizar el diseño de
parámetros (maximizar S/N) la variabilidad residual del producto sigue siendo
inaceptable, se procede al diseño de tolerancias:
Se compran componentes con tolerancias más estrictas o maquinaria de mayor
precisión.
Como esto incrementa directamente los costos de fabricación, solo se estrechan
las tolerancias de aquellos factores que hayan demostrado un impacto crítico en la
variabilidad durante el experimento de Taguchi.
Se equilibra el costo de aumentar la precisión con el costo social evitado en la
Función de Pérdida de Calidad.

3. Asociación con la Responsabilidad Social del Productor

La filosofía de Taguchi transforma la calidad desde un enfoque técnico hacia una
obligación ética y social:
La Función de Pérdida Social L(y) = k*(y - m) 2: Taguchi sostiene que la
calidad no es cumplir especificaciones (pasa/no pasa). Cualquier desviación del valor
objetivo ideal (m) genera un costo oculto para la sociedad (reparaciones, gasto de
energía, frustración del cliente, contaminación ambiental).

23
 Sostenibilidad ambiental y económica: Crear productos robustos implica que
durarán más tiempo y consumirán menos recursos en mantenimiento sin fallar en
condiciones climáticas adversas o de uso rudo.
Ética de fabricación: Minimizar la pérdida social mediante el control Off-line
evita trasladar el costo de la incompetencia técnica al consumidor o al medio ambiente.

9. Diseño Simplificado de Experimentos

El diseño simplificado de experimentos (a menudo asociado a los enfoques
prácticos derivados de las metodologías de Genichi Taguchi y del Design of
Experiments o DOE simplificado) es una estrategia estadística estructurada que
permite analizar el impacto de múltiples variables de proceso o diseño sobre una
respuesta de interés, minimizando drásticamente el número de pruebas necesarias en
comparación con los métodos tradicionales.
Su propósito principal es brindar a los ingenieros y equipos de desarrollo una
herramienta ágil, económica y robusta para la toma de decisiones sin requerir una
complejidad matemática excesiva.

1. Principales características del Diseño Simplificado

 Reducción del esfuerzo experimental: En lugar de probar todas las
combinaciones posibles (experimento factorial completo), utiliza matrices
reducidas (como los arreglos ortogonales) que evalúan de manera equilibrada
los factores de control.
 Sustitución del método "Un factor a la vez" (OVAT): Supera la clásica
práctica de cambiar una variable manteniendo las demás fijas, la cual consume
mucho tiempo, resulta costosa y no detecta interacciones entre variables.
 Enfoque en efectos principales: Prioriza la identificación rápida de los factores
que tienen mayor influencia en la media y en la variabilidad del proceso.
 Estandarización de tablas y plantillas: Emplea estructuras preconcebidas
(como matrices L4, L8, L9) para que la planificación, ejecución y análisis sean
accesibles en entornos industriales de producción real.

24
 2. Pasos para la aplicación de un DOE Simplificado
1 Definición clara del objetivo: Identificar la característica de calidad o
desempeño que se desea optimizar (p. ej., resistencia, tiempo de ciclo, nivel de
defectos).
2 Selección de factores y niveles: Elegir las variables de proceso que se
sospecha influyen en la respuesta y asignarles 2 o 3 niveles operativos discretos
(p. ej., Temperatura: 150 °C y 180 °C).
3 Selección del arreglo simplificado: Elegir la matriz que acomode el número de
factores a estudiar. Por ejemplo, con un arreglo L 8, se pueden estudiar hasta 7
factores a 2 niveles en solo 8 ensayos (en lugar de 27 = 128 experimentos).
4 Ejecución y toma de datos: Realizar las corridas experimentales en el orden
indicado por la matriz, asegurando la consistencia en las condiciones de
medición.
5 Análisis de efectos principales: Calcular los promedios de respuesta para
cada nivel de cada factor para identificar visualmente cuáles generan el mayor
cambio en el resultado.
6 Experimento de confirmación: Realizar una prueba final configurando los 3.
factores en sus niveles óptimos identificados para verificar que los resultados
predichos se cumplan en la práctica.

3. Beneficios en la Gestión de Calidad

 Toma de decisiones basada en datos: Elimina el ensayo y error empírico o las
decisiones basadas únicamente en la intuición.
 Sostenibilidad económica: Permite optimizar procesos y productos en fases
tempranas con presupuestos y tiempos de desarrollo acotados.
 Base para la robustez: Constituye el paso operativo fundamental para calcular
la relación Señal/Ruido (S/N) e identificar los valores óptimos de los factores de
control.

10. Análisis de la Tablas de Frecuencias

25
 El análisis de tablas de frecuencia es una técnica fundamental de la estadística
descriptiva que consiste en organizar, resumir y estructurar un conjunto de datos
recolectados en categorías o intervalos discretos.
En el ámbito del control de calidad y la ingeniería de procesos, permite evaluar
rápidamente el comportamiento de las variables clave, detectar anomalías y medir el
grado de variabilidad en la producción o el diseño.

Interpretación e Integración con el Control de Calidad

El análisis visual y numérico de la tabla de frecuencias facilita la toma de
decisiones técnicas:
Identificación del centro y dispersión: Revela la moda (la clase con mayor fi) y
permite apreciar qué tan concentrados o dispersos están los valores respecto al
objetivo del diseño.
Base para representaciones gráficas: Es la estructura primaria para construir
el Histograma de Frecuencias y el Polígono de Frecuencias (u Ojiva para frecuencias
acumuladas).
Conexión con el Diagrama de Pareto: Al ordenar las categorías cualitativas de
mayor a menor frecuencia porcentual (pi), la tabla se convierte directamente en la base
para el análisis del Principio de Pareto (80/20) en la detección de defectos de
manufactura.
Evaluación de especificaciones: La frecuencia relativa acumulada (Hi) permite
estimar rápidamente el porcentaje de piezas que caen fuera de los límites de tolerancia
(LSL y USL).

11. Análisis de Atributos Clasificados

El análisis de atributos clasificados (o análisis de datos por atributos) es el
conjunto de técnicas estadísticas utilizadas para evaluar variables de calidad que no se
miden en una escala continua (como dimensiones, temperatura o peso), sino que se
clasifican en categorías cualitativas o discretas.

26
 En la ingeniería de calidad y el diseño industrial, este análisis permite evaluar
defectos, estados funcional/no funcional y niveles de conformidad cuando la medición
cuantitativa exacta resulta inviable o costosa.

1. Tipos de escalas en atributos clasificados

Los atributos clasificados se agrupan en dos grandes tipos de escalas:
Escala Binaria (Dicotómica): La variable solo puede tomar dos estados
opuestos.
Ejemplos: Pasa / No pasa, Conforme / No conforme, Defectuoso / Bueno.
Escala Multinomial / Ordinal: La variable se clasifica en más de dos
categorías, que pueden o no tener un orden jerárquico.
Ejemplos de gravedad de defecto: Leve, Moderado, Crítico.
Ejemplos de clasificación visual: Color (Conforme, Ligeramente fuera de tono,
Fuera de tono)

2. Principales Herramientas y Técnicas de Análisis

A. Gráficos de Control por Atributos: Se utilizan para monitorear la estabilidad
del proceso a lo largo del tiempo:

Gráfico Variable Medida Tamaño de la Muestra

Gráfico p Proporción de artículos Variable

defectuosos (p = d / n).
Gráfico np Número total de unidades Constante
defectuosas (np).
Gráfico c Número total de defectos por Constante
unidad de inspección.
Gráfico µ Proporción promedio de Variable
defectos por unidad (µ = c / n).

B. Pruebas de Independencia y Bondad de Ajuste (X 2 - Chi-cuadrada)

Evalúan si la clasificación de los atributos depende de determinados factores o
tratamientos (p. ej., si el tipo de defecto está asociado a un turno de trabajo específico
o a una máquina en particular).

27
 2
2 (Oi−Ei )
X =
Ei

Donde Oi son las frecuencias observadas y Ei las frecuencias esperadas.

C. Análisis de Conformidad de Evaluadores (Estudio R&R por Atributos /
Kappa)
Verifica la repetibilidad y reproducibilidad cuando los datos dependen de la
inspección visual o criterio subjetivo de un operador:
Índice Fleiss' Kappa / Cohen's Kappa: Mide el grado de acuerdo entre
evaluadores descontando el acuerdo que ocurriría por puro azar.

3. Integración con la Filosofía Taguchi y el Diseño Robusto

A pesar de que el diseño de experimentos de Taguchi prioriza variables
continuas por contener mayor densidad de información para calcular la relación
Señal/Ruido (S/N), las respuestas por atributos clasificados también se adaptan
mediante transformaciones de datos:
1. Transformación Omega (Ω): Permite convertir frecuencias o porcentajes de
atributos defectuosos p en una escala aditiva adecuada para el análisis de
varianza (ANOVA) en arreglos ortogonales:

1
Ω=−10 log 10 −1
p

2. Métrica S/N para atributos de conteo: Aplica la fórmula de "Menor es Mejor"

sobre el número de efectos clasificados para identificar la configuración de los
factores de control que minimice las imperfecciones.

12. Análisis de experimentos con factores de ruido y predicción y verificación

de los resultados que reflejan la robustez del diseño.

28
 El análisis de experimentos con factores de ruido y la subsiguiente etapa de
predicción y verificación constituyen el núcleo del Diseño Robusto de Parámetros
(Metodología Taguchi). Su objetivo principal es encontrar la combinación óptima de
factores controlables que minimice la variabilidad causada por las perturbaciones no
controlables (ruido), asegurando que el producto o proceso se desempeñe de manera
consistente bajo cualquier condición de uso.

Figura 2. Estructura general de un Diagrama P (Parámetros). Fuente: Taguchi, G.,

Chowdhury, S., & Wu, Y. (2005).

1. Análisis de Experimentos con Factores de Ruido

Los factores de ruido son aquellas variables de entorno, deterioro de
componentes o variaciones en la materia prima que son difíciles o costosas de
controlar durante la producción o uso real, pero que pueden simularse de forma
planificada durante la fase experimental.
Para analizar su impacto, se utiliza un arreglo cruzado o un diseño factorial que
combina el Arreglo Interno (factores de control) con el Arreglo Externo (factores de
ruido).

Métrica de Desempeño: Relación Señal/Ruido (S/N)

29
 En lugar de analizar únicamente la media del proceso, Taguchi introdujo la razón
Señal-a-Ruido (S/N), la cual consolida en un solo indicador la cercanía al valor objetivo
(señal) y la magnitud de la variación no deseada (ruido).
Dependiendo del objetivo del diseño, se aplican las siguientes métricas:
 Nominal es el mejor (Target is best): Se busca alcanzar un valor específico
objetivo con mínima varianza.
 Menor es mejor (Smaller is better): Se busca minimizar una característica no
deseada (ej. rugosidad, emisiones, defectos).
 Mayor es mejor (Larger is better): Se busca maximizar una propiedad deseada
(ej. resistencia a la tracción, rendimiento).

Procedimiento del Análisis

1. Cálculo de métricas por corrida: Para cada combinación del arreglo interno,
se calcula la media ( y ) y la razón S/N (n) a través de las variaciones introducidas
por el arreglo externo.
2. Análisis de Efectos Principales: Se determina cómo influye cada nivel de
factor controlable en la media y en la razón S/N.
3. Identificación de Factores de Control:
o Factores de Robustez: Aquéllos con un impacto significativo en la razón
S/N (reducen la variabilidad).
o Factores de Ajuste: Aquéllos que afectan la media, pero tienen poco o
ningún efecto en S/N (permiten centrar el proceso en el valor objetivo sin
perder estabilidad).

2. Predicción de Resultados Optimizados

Una vez identificada la combinación óptima de los niveles de cada factor de
control (eligiendo los niveles que maximizan S/N y ajustan la media al valor deseado),
se procede a estimar matemáticamente la respuesta esperada.

Modelo de Predicción del Valor Estimado (n^ )

30
 Dado que el diseño utiliza arreglos ortogonales, la predicción del nivel óptimo de
S/N (o de la media) se calcula mediante la suma de la media global más las
desviaciones producidas por los niveles óptimos seleccionados:

k
n^ =n+( n^ j ,Óptimo−n¿ ¿ j=1 )¿
Donde:
n^ : es la media global de todas las razones $S/N$ calculadas en el experimento.
n^ j .Óptimo: es la razón S/N promedio del factor j en su nivel seleccionado como
óptimo.
K es el número de factores de control principales incluidos en la combinación
óptima.

3. Experimento de Verificación y Evaluación de Robustez

La etapa final y crucial del enfoque de robustez es el experimento de
confirmación. La predicción teórica basada en supuestos de aditividad debe ser
validada experimentalmente antes de transferir las especificaciones a producción.

31
 CONCLUSIONES

La superioridad de la calidad Off-line, en la prevención del diseño de parámetros

es drásticamente más económica y efectiva que la inspección o corrección sobre la
línea.
Inmunidad ante factores de ruido, el objetivo técnico no es eliminar el ruido a
altos costos, sino ajustar los factores de control para hacer la respuesta insensible a las
perturbaciones.
En la eficiencia de arreglos ortogonales y métricas S/N permiten aislar los
efectos principales de múltiples variables con un número mínimo de experimentos,
clasificando factores de variabilidad (robustez) y factores de ajuste.
En el tratamiento de atributos y frecuencias, la metodología se adapta a datos
continuos y discretos por atributos (transformación Ω y Chi-cuadrada X2).
En la validación experimental, resalta la importancia crítica del experimento de
confirmación para ratificar las predicciones del modelo teórico.
Responsabilidad social, demuestra que minimizar la variabilidad reduce la
pérdida económica social L(y) = k*(y - m)2, prolongando la vida útil del producto,
reduciendo desechos y evitando transferir costos de fallas a la sociedad.

32
 REFERENCIAS BIBLIOGRÁFICAS

El-Haik, B., y Yang, K. (2008). Diseño para Seis Sigma: Una hoja de ruta para el
desarrollo de productos (2.ª ed.). McGraw-Hill Education.

Gutiérrez Pulido, H., & de la Vara Salazar, R. (2013). Control estadístico de la calidad y
Seis Sigma (3.ª ed.). McGraw-Hill / Interamericana Editores.

ISO 9001:2015. (2015). Sistemas de gestión de la calidad. Requisitos. Organización

Internacional de Normalización (ISO).

Montgomery, D. C. (2017). Diseño y análisis de experimentos (9.ª ed.). John Wiley &
Sons / Limusa Wiley.

Taguchi, G., Chowdhury, S., & Wu, Y. (2005). Taguchi's Quality Engineering Handbook.
John Wiley & Sons.

33