Excelencia Empresarial
DOE y Taguchi: una comparación
DOE y Taguchi: una comparación
Años atrás (por el año 1995!) preparé una tabla comparando el DOE (Design of Experiments) clásico y el Método Taguchi de Ingeniería Robusta, la cual comparto con el lector en esta edición. Después de 3 décadas de experiencia con numerosas técnicas para mejoramiento de productos y procesos (desde las primeras etapas de desarrollo hasta la producción en alta escala), constaté que hay dos que ocupan el primer lugar en el podio: TRIZ e Ingeniería Robusta. Opino que estos métodos deberían ser parte del curriculum de Ingeniería, tamaña es la eficacia de los mismos, especialmente si son usados de manera sinérgica (pero eso es asunto para otro artículo).
En el ambiente industrial, no tengo ninguna duda de que la Ingeniería Robusta es muy superior al DOE, en lo que se refiere a la obtención de resultados en tiempo hábil, de manera económica. Esa debería ser la conclusión después de un examen (y reflexión) sobre las diferencias anotadas en la tabla. He comprobado tal superioridad en numerosos casos reales de aplicación. Facultades de Ingeniería y empresas de consultoría que enseñan Seis Sigma y/o Delineamiento de Experimentos pero que pasan por alto los Métodos Taguchi están haciendo un deservicio a sus clientes, ocultándoles información extremadamente valiosa (está claro que en la mayoría de los casos lo hacen por absoluta ignorancia, o información incompleta, distorsionada o anticuada sobre Taguchi). Empresas que no se preocupan en asegurar que sus ingenieros dominen el uso de la Ingeniería Robusta (dejándolos utilizar el “TIRO” para enfrentar problemas complejos de optimización) están desperdiciando tremendas oportunidades de aplicar eficazmente y desarrollar el know-how de su gente.
Bien, reconozco que la tabla a seguir es relativamente técnica. El entendimiento completo de la misma presupone algún conocimiento sobre conceptos para la realización de experimentos de ingeniería. Por eso ofrezco antes un pequeño glosario de algunos términos técnicos utilizados en la tabla, con el fin de facilitar el entendimiento:
Mini-glosario (mi definición, sin mayores pretensiones…)
Factor experimental: factor cuyo efecto sobre la variable-respuesta queremos cuantificar, a través de los datos experimentales.
Variable-respuesta: variable aleatoria asociada al producto o proceso bajo estudio, cuyo desempeño queremos mejorar.
Efecto principal: variación de la respuesta media causada por el cambio de nivel de un factor experimental.
Nivel de un factor: condición o ajuste dado a un factor experimental.
Interacción entre factores: ocurre cuando el efecto de un factor depende del nivel en que está el otro.
ANOVA (Analysis of Variance): técnica estadística que permite identificar cuáles variables tienen efecto significativo sobre la respuesta media.
Test F: test estadístico de hipótesis, utilizado para evaluar si dos muestras tienen variancia significativamente diferente. Usado en ANOVA para evaluar (cualitativamente) el efecto que los factores experimentales tiene sobre la respuesta media, en comparación con el error experimental.
Factor de control: factor experimental cuyo ajuste (cambio de nivel) no afecta o tiene mínimo impacto en el costo unitario de manufactura (costo unitario totalmente variable).
Factor de ruido: factor normalmente asociado al ambiente de manufactura o de uso, cuyo ajuste por el fabricante es imposible o que implica aumento considerable del costo unitario de manufactura.
Factor anidado: factor de control que sólo existe o se define dentro de un determinado nivel de otro factor de control.
Relación señal/ruido: medida en escala logarítmica (decibeles) que expresa matemáticamente la relación entre la energía transformada en respuesta útil para el cliente (efecto de los factores de control y demás factores de diseño) y la energía perdida en síntomas indeseables (efecto de los factores de ruido). Es un indicador relativo del nivel de robustez del producto/proceso bajo estudio.
Tratamiento: una dada combinación de niveles de los factores de control y ruido, correspondiente a una “ronda” del experimento.
Error experimental: incerteza asociada al valor de la respuesta y atribuida a factores externos, distintos a los factores de control.
Aleatorización: técnica del DOE clásico cuyo objetivo es “esparcir” el error experimental al azar entre las varias rondas o tratamientos del experimento (es decir, diferentes combinaciones de los factores y eventuales repeticiones de las mismas).
Bloqueo: variación controlada de un factor externo (distinto de los factores de control), cuyo nivel es mantenido constante dentro de cada “bloque” (determinado número de rondas o tratamientos).
Experimento factorial completo: los tratamientos cubren todas las posibles combinaciones de los niveles de los factores.
Experimento factorial fraccionado: los tratamientos cubren apenas una fracción (matemáticamente seleccionada) entre las posibles combinaciones de niveles de los factores experimentales.
| | DOE clásico | TAGUCHI (Ingeniería Robusta) | | --- | --- | --- | | Contexto
ideal | Investigación; ciencia pura | Industria; ciencia aplicada (tecnología) | | Objetivos | Estudio científico: validar hipótesis a partir
de datos con variabilidad intrínseca. | Estudio de ingeniería: costo, calidad, plazo
(valor agregado) | | Modelar la realidad, entender el fenómeno | Modificar la realidad, optimizar producto/proceso | | Obtener un modelo válido bajo condiciones
rigurosamente controladas | Obtener resultados experimentales que sean reproducibles
en alta escala (fabricación y uso) | | Postura | Detectar causas | Minimizar el impacto de las causas | | Separar efectos principales en relación al error
experimental | Encontrar condición estable frente al
"ruido" | | Variable-
respuesta | Estudio de medias, apenas | Estudio simultáneo de la media y variabilidad
(relación señal/ruido) | | Tendencia de estudiar múltiples respuestas | Típicamente una única respuesta, relacionada c/
función primaria del producto/proceso (transformación de energía realizada
por el producto/proceso) | | Ningún énfasis en la elección de la variable
respuesta. Tiende a medir atributos o “síntomas” (porcentajes, rendimientos
etc.) | Grande énfasis en la elección de la respuesta.
Procura medir variables continuas directamente relacionadas con la función
básica del producto/ proceso. | | Factores
estudiados | No hay distinción | Distinción a priori entre factores de control y
factores de ruido | | Aplicabilidad
de los resultados | Típicamente puntual; restricta a la zona de
variación de los factores. | Típicamente más amplia, aplicable a toda una
zona de interés (usando “respuesta dinámica”, con el objetivo de desarrollar
tecnologías robustas, utilizables en una amplia zona de uso). | | Metodología | Rigor estadístico: énfasis en significancia
estadística (ANOVA y Test F) | Criterios de ingeniería: énfasis en significancia
técnica y consideraciones de costo | | Error experimental: abordaje probabilístico;
error considerado aleatorio y asumido como constante. | Error experimental: abordaje determinístico;
error considerado como efecto de ruido, y asumido como no-constante. | | Énfasis en aleatorización (con el objetivo de
“esparcir” el efecto de factores externos no-controlables). | Ningún énfasis en aleatorización (debido al uso
de factores de ruido, los cuales son impuestos sobre los factores de
control). Si la reproductibilidad de los resultados depende de aleatorización,
entonces tales resultados son inútiles desde el punto de vista práctico, pues
durante la manufactura en alta escala y en el ambiente normal de uso las
variables externas (factores de ruido, cuidadosamente controlados en el
experimento) estarán sueltos. | | Bloqueo utilizado para“aislar” el efecto de factores
externos controlables (con el fin de reducir el error experimental). | Bloqueo (ruido compuesto) utilizada para imponer el ruido sobre los factores de
control, para “forzar” la variación de la respuesta en dos condiciones
extremas (con el fin de aumentar el
error experimental y así poder medir la robustez). | | Uso de réplicas (muestras mayores en cada
ronda), para poder estimar el error experimental. | El uso de la técnica de ruido compuesto dispensa
el uso de réplicas. Pueden ser usadas muestras pequeñas en cada ronda:
típicamente n=2, con un valor en cada condición extrema del ruido, ya que eso
funciona como si fuera una muestra aleatorizada muy grande. | | Factores
de control | Típicamente 3 a 4 factores estudiados
simultáneamente | Típicamente 8 a 13 factores estudiados
simultáneamente | | Dos niveles cada factor | Tres niveles o más (con el fin de explorar no
linearidades y tendencias, y así identificar una nueva región de
optimización) | | Interacciones
entre factores de control | Considera apenas interacciones sobre la media.
Reserva espacio en el experimento para el estudio de tales interacciones. | No da importancia a interacciones sobre la
media, ya que éstas después son canceladas al ajustar la respuesta media en
la condición óptima final.
Utiliza varias técnicas para evitar
interacciones entre factores de control sobre la relación señal/ruido. El
experimento confirmatorio ayuda a detectar ese tipo de interacción (que
permite medir el nivel de robustez, a través de la relación señal/ruido). | | Interacciones tienen precedencia sobre efectos
principales (evitar confundimiento) | Efectos principales tienen precedencia sobre
interacciones (dejar que eventuales confundimientos insospechados a priori se
manifiesten en el experimento confirmatorio) | | Interacciones
entre factores de control y factores de ruido | No hace distinción | Punto vital del estudio! Detectarlas es
fundamental para conferir robustez al producto/proceso. Utiliza la relación
señal/ruido para tal fin (la cual contiene un “ANOVA embutido”). | | Uso
de
matrices experimentales | Recomienda usar factorial completo (para no
perder información sobre interacciones) | Recomienda no usar factorial completo (inviable para varios factores con 3 niveles). La
pérdida de información sobre interacciones entre factores de control no es
relevante para el objetivo de identificar la condición robustez de los
factores (mínima variabilidad frente al ruido). | | --- | --- | --- | | También usa factorial moderadamente fraccionado | Usa factorial altamente fraccionado (arreglo
ortogonal saturado) | | Uso de factorial fraccionado busca reducir el
tamaño del experimento. | Uso del factorial fraccionado, en layout
“cruzado” con el ruido, busca detectar robustez y “filtrar” diseños
no-robustos (además de reducir el tamaño del experimento). | | Adaptación
de la matriz a las condiciones particulares de cada experimento | Extremadamente compleja, requiere estadístico
con alto grado de especialización y experiencia en DOE para lidiar con
experimentos no-simétricos (diferentes número de niveles) o factores anidados,
por ejemplo. | Extremadamente facilitada con técnicas
desarrolladas por Taguchi. Pode ser realizada por ingenieros, después del
entrenamiento básico. |
¿Y usted? ¿Qué piensa sobre este tema? Cualquier comentario será muy bienvenido.
Hasta la próxima edición!
Eduardo C. Moura
[](https://qualiplus.com.br/)
