Los métodos Taguchi son un enfoque de ingeniería de la calidad que considera cualquier desviación respecto a un valor objetivo como una pérdida económica, y diseña productos y procesos para que sean robustos frente a los factores de ruido que causan esa desviación.
Desarrollada por el ingeniero japonés Genichi Taguchi, la filosofía rompe con el pensamiento tradicional de manera fundamental: una pieza no es simplemente buena si cae dentro de su banda de tolerancia y mala si queda fuera.
En su lugar, la calidad se degrada de forma continua a medida que una característica se aleja de su objetivo ideal, incluso cuando todavía está técnicamente dentro de la especificación. Esa única idea replantea cómo fijas tolerancias, cómo realizas experimentos y cómo decides dónde invertir esfuerzos de mejora.
El control de calidad clásico usa un modelo de postes de meta. Si el diámetro de un eje debe ser 10.00 mm más o menos 0.05 mm, entonces 9.96 mm y 10.04 mm son ambos "conformes" y se tratan como igualmente aceptables. Taguchi argumentó que esto es falso.
Un eje a 10.04 mm encaja peor, se desgasta más rápido y crea más problemas aguas abajo que uno exactamente a 10.00 mm, aunque ambos pasen la inspección. La pérdida no es una función escalón en el borde de la tolerancia.
Es una curva suave centrada en el objetivo, y crece cuanto más te desvíes en cualquiera de las dos direcciones.
Taguchi capturó esto con la Función de Pérdida de Calidad cuadrática, escrita como L = k(y - m)^2. Aquí y es el valor medido de la característica, m es el valor objetivo (nominal) y k es el coeficiente de pérdida, una constante que convierte la desviación al cuadrado en dinero.
Debido a que la desviación está al cuadrado, la pérdida aumenta de forma pronunciada: duplicar la desviación cuadruplica el costo. Esto codifica matemáticamente la intuición de que estar un poco desviado es barato, y estar muy desviado es muy caro.
La función asume "nominal es mejor", aunque Taguchi definió variantes para "a menor mejor" (como la contaminación) y "a mayor mejor" (como la resistencia de unión).
Supongamos que un componente tiene como objetivo m = 10.00 mm con una tolerancia funcional de más o menos 0.05 mm. En el límite de la tolerancia (una desviación de 0.05 mm), el coste medio para el cliente, mediante reparación, retrabajo o desecho, se mide en 8.00 euros. Primero se resuelve k:
Ahora usa ese k para valuar una pieza que mide 10.02 mm, una desviación de solo 0.02 mm y cómodamente dentro de la especificación:
Así que una pieza "aceptable" dentro de especificación todavía conlleva una pérdida de calidad de 1.28 euros. Una pieza a 10.04 mm (desviación 0.04 mm) conlleva 3200 x 0.0016 = 5.12 euros, cuatro veces la pérdida de la pieza a 0.02 mm a pesar de tener solo el doble de desviación.
Esta es la relación cuadrática en acción, y es por eso que perseguir el objetivo en lugar de conformarse con la tolerancia rinde beneficios. Si produces 200,000 de estas piezas al año con una desviación cuadrática media de 0.0004 mm^2, la pérdida anual esperada es 3200 x 0.0004 x 200,000 = 256,000 euros.
Reducir la variación a la mitad más que reduce a la mitad esa factura.
La función de pérdida te dice que la variación cuesta dinero. El diseño robusto, el corazón del método Taguchi, te dice cómo reducirla de forma económica.
Todo proceso tiene factores de control que puedes ajustar (temperatura, velocidad de avance, presión) y factores de ruido que no puedes controlar fácilmente (humedad ambiental, variación de lote de material, desgaste de la máquina).
El objetivo del diseño de parámetros es encontrar ajustes de los factores de control que hagan que la salida sea insensible al ruido, de modo que el proceso se mantenga en el objetivo aun cuando el ruido varíe. Es crucial: compras robustez eligiendo mejores ajustes, no comprando componentes más ajustados (y más caros).
Esto ataca directamente las fuentes de paradas no planificadas y salida inconsistente que erosionan la efectividad general del equipo de una línea.
Para medir la robustez, Taguchi usó la relación señal-ruido (S/N) , que combina la media (señal) y la variabilidad (ruido) en un solo número que se maximiza. Una mayor relación S/N significa que la respuesta está tanto en el objetivo como estable frente a condiciones de ruido.
Para encontrar los mejores ajustes de forma eficiente, adaptó las matrices ortogonales : fracciones inteligentemente balanceadas de un diseño factorial completo que te permiten estudiar muchos factores en unas pocas corridas.
Una prueba completa de siete factores de dos niveles necesitaría 128 combinaciones; una matriz ortogonal L8 estudia los siete en solo 8 corridas. Esa eficiencia es lo que hizo que los experimentos diseñados fueran prácticos en un taller real.
Esta disciplina experimental complementa el control estadístico de procesos y encaja bien en un ciclo de mejora DMAIC .
El pensamiento centrado en el objetivo de Taguchi se complementa naturalmente con la capacidad del proceso (Cp y Cpk) , ya que Cpk ya penaliza un proceso centrado fuera del objetivo.
Reducir la variación mediante diseño robusto impulsa Cpk hacia arriba y, debido a que la pérdida cae con el cuadrado de la desviación, reduce tu tasa de descarte más rápido de lo que sugiere una intuición lineal.
Combinado con un programa disciplinado de mantenimiento proactivo que impida que las máquinas se desvíen en primer lugar, la curva de pérdida se convierte en un lenguaje compartido entre ingeniería y finanzas.
Para ser claro y preciso: Fabrico no ejecuta experimentos diseñados, no calcula relaciones S/N, no genera matrices ortogonales ni realiza por ti el análisis de DOE. Esas tareas pertenecen a software estadístico dedicado y al juicio de tus ingenieros.
Lo que los métodos Taguchi exigen absolutamente, y de lo que la mayoría de las fábricas carece, son datos de producción fiables: qué produjo realmente el proceso, corrida por corrida, máquina por máquina, con las pérdidas, paradas y eventos de calidad que revelan cuánta variación y ruido se están afrontando.
Fabrico es esa base de datos de producción en tiempo real .
Su monitorización de OEE y producción en tiempo real captura la salida real y las pérdidas de forma continua, incluyendo monitorización por visión por computadora en máquinas sin PLC, de modo que las cifras de desviación que alimentan tu función de pérdida se miden, no se adivinan.
Junto con el CMMS para órdenes de trabajo, activos y programación preventiva, obtienes la base limpia, alojada en la UE, de la que depende cualquier esfuerzo de diseño robusto.
Los límites de tolerancia ordinarios tratan cada pieza dentro de la banda como igualmente buena y cada pieza fuera como igualmente mala, un cambio escalón en el borde de la especificación.
La función de pérdida de Taguchi sustituye eso por una curva cuadrática suave centrada en el objetivo, de modo que la pérdida crece de forma continua cuanto más se desvía una pieza del nominal, incluso mientras todavía está en especificación. Premia alcanzar el objetivo, no solo pasar la inspección.
Los factores de control son ajustes del proceso que puedes especificar y mantener, como la temperatura, la velocidad de avance o la presión. Los factores de ruido son fuentes de variación que no puedes controlar fácilmente, como la humedad ambiental, las diferencias entre lotes de materia prima o el desgaste de la máquina.
El diseño de parámetros robusto busca ajustes de factores de control que hagan que la salida sea insensible a los factores de ruido, proporcionando calidad estable sin el costoso apriete de cada entrada.
Necesitas software estadístico o un analista competente para diseñar los experimentos con matrices ortogonales, calcular las relaciones señal-ruido e interpretar los resultados. Fabrico no realiza ese análisis.
Lo que sí proporciona es la datos de producción precisos y en tiempo real (salida real, pérdidas, paradas y eventos de calidad) de los que dependen esos cálculos, de modo que tus coeficientes de pérdida y estimaciones de variación reflejen la realidad y no supuestos.
¿Listo para construir un diseño robusto sobre datos en los que puedas confiar? Reserva una demo de Fabrico y descubre cómo el OEE y el CMMS en tiempo real proporcionan a tu ingeniería de calidad una base de producción precisa.
Iniciar sesión
Blog
