1 UNEA Universidad, Campus Florido Tijuana, B. C. INGENIERIA DE CALIDAD FIDEL CABALLERO SANCHEZ. Docente: ALONDRA YESENIA GARCIA 16 de Agosto del 2026 Proyecto Parte # 2
2 INDICE Numero. Descripción. Pagina. 1.- Introducción General. 2 2.- Que es la Ingeniería de Calidad. 3 3.- Método Taguchi. 3 4.- Diagrama de flujo o matriz de arreglo ortogonal Taguchi. 4 5.- 8 pasos clave para desarrollar una matriz de arreglo ortogonal. 5 6.- El Rol del ANOVA y los Factores de Ruido en la Resolución de Problemas de Diseño y Calidad. 6 6.1 Los Factores de Ruido y su Impacto en la Calidad. 7 6.2 El Análisis de la Varianza (ANOVA) para la Identificación de Factores Críticos. 7 6.3 Metodología Taguchi: Un Enfoque Integrado para el Diseño Robusto. 9 6.4 El Procedimiento en Dos Pasos (Two-Step Optimización). 9 7.- Conclusión. 10 8.- Referencias APA. 11 INTRODUCCION GENERAL 1.- Introducción a la Ingeniería de Calidad En la globalización y el mundo altamente competitivo de hoy en día, es donde los consumidores exigen productos y servicios más confiables, eficientes y que sean duraderos, la Ingeniería de Calidad ha crecido como una disciplina estratégica y muy indispensable en la supervivencia y el éxito de las compañías y organizaciones. Lejos de tomarse como un simple paso de inspección final de una línea de producción, la ingeniería de calidad se representa como un enfoque integral y sistemático, que abarca todo el ciclo de vida de un producto o servicio, desde su concepción, diseño y creación hasta su fabricación, operación y retiro del mercado. La Ingeniería de Calidad esta fundamentada en un principio clave, la calidad no se inspecciona, se construye. Este punto impulsa la implementación de las metodologías, herramientas y técnicas que permiten no solo detectar y corregir los defectos, sino prevenir su ocurrencia mediante el diseño robusto de los procesos en los productos. En este punto, disciplinas como el Control Estadístico de Procesos (CEP), el Diseño de Experimentos (DOE) y el enfoque de Diseño Robusto propuesto por Genichi Taguchi son bases esenciales. En este último, por ejemplo, introduce el concepto de factores de ruido que son variaciones ambientales, desgaste o diferencias entre las unidades y ejecuta la optimización de parámetros de diseño para hacer a los productos insensibles a dichas variaciones, asegurando un buen desempeño. La importancia de la ingeniería de calidad mejora el ámbito industrial tradicional. Hoy en día, sus principios y conceptos se aplican con igual fuerza en el desarrollo del software, sistemas de servicios, atención al cliente y procesos administrativos, donde la variabilidad y la incertidumbre también representan amenazas para el usuario. Al integrar la calidad con la innovación tecnológica, la Ingeniería de Calidad no solo reduce costos a retrabajos, desperdicios y fallos, sino que también promueve la mejora continua, la confianza del cliente y la ventaja competitiva de una forma sostenible. En el presente trabajo, se muestran los fundamentos, las herramientas y las aplicaciones prácticas de esta disciplina, demostrando que la calidad es, en esencia, una decisión de diseño que impacta directamente en la rentabilidad y la reputación de cualquier compañía y organización. 2.- Que es la Ingeniería de Calidad.
3 La Ingeniería de Calidad es una rama especializada dentro de la ingeniería industrial la misma que tiene como propósito fundamental el diseñar, gestionar y mejorar los sistemas, procesos y productos para que estos satisfagan las necesidades y las expectativas de los clientes y las demás partes interesadas. Lejos de limitarse a solo la inspección o control al final de la línea de producción, esta área integra principios estadísticos, metodologías de mejora continua y enfoques sistémicos para prevenir la aparición de los defectos, reduciendo la variabilidad no deseada y optimizar el rendimiento de las operaciones. Los principios que fortalecen esta práctica se transforman en pilares clave. En primer lugar, dando el enfoque en el cliente, que pone la satisfacción de sus requisitos como el eje de todas las decisiones. En segundo lugar, el liderazgo y compromiso de la dirección, sin el cual cualquier iniciativa de calidad carece de fortaleza y sostenibilidad. En tercer lugar, la participación del talento humano, que reconoce a las personas como el recurso más valioso para la mejora diaria. A estos se suman el enfoque basado en los procesos, que favorece la comprensión y la optimización de las actividades que están relacionadas entre sí, la mejora continua debe ser un objetivo permanente, la toma de decisiones basada en evidencia a través del análisis de los datos y métodos estadísticos recabados, y la gestión de las relaciones con los proveedores para extender la calidad a toda la cadena productiva que da valor. En conjunto, estos principios, ampliamente reconocidos en estándares como la familia ISO 9000 y metodologías como Seis Sigma, convierten a la Ingeniería de Calidad en un pilar estratégico e indispensable para la competitividad y la excelencia en el contexto industrial actual. 3.- METODO TAGUCHI En el diseño de un método experimental que es una herramienta fundamental en la ingeniería y la investigación científica permite comprender la relación entre variables de entrada y de salida en un proceso o producto. Entre las diferentes metodologías que existen, los Métodos Taguchi se han fortalecido como una práctica eficiente para la optimización de la calidad, principalmente en ámbitos industriales donde los recursos y el tiempo son muy limitados. Estos métodos desarrollados por el ingeniero japonés Genichi Taguchi en la década de 1950, son métodos que representan un cambio al enfatizar que la calidad debe ser diseñada para el producto o proceso, en lugar de ser verificada mediante inspección al final de la línea de producción. La metodología Taguchi se aplica en el uso de los arreglos ortogonales, matrices cuidadosamente construidas que permiten estudiar múltiples puntos con un número significativamente reducido de experimentos. Un arreglo como el L8, por ejemplo, permite analizar hasta siete factores con solo ocho corridas experimentales, en contraste con las 128 que requeriría un diseño factorial completo. La eficiencia descrita no sacrifica la validez de los resultados, gracias a la propiedad de ortogonalidad, que garantiza que los efectos de cada factor o punto puedan ser estimados de forma independiente. El proceso para desarrollar un experimento Taguchi sigue una secuencia lógica y estructurada que puede representarse eficazmente mediante un diagrama de flujo. Esta representación visual es muy valiosa porque guía al investigador paso a paso, desde la definición del problema hasta la validación de los resultados, asegurando que no se omitan etapas críticas. El diagrama de flujo del método Taguchi no solo muestra el procedimiento, sino que también facilita la comunicación entre equipos multidisciplinarios y sirve como una herramienta de entrenamiento para nuevos profesionales. El presente trabajo tiene como objetivo presentar un diagrama de flujo detallado que describe el procedimiento completo para la aplicación del método Taguchi en experimentos de ingeniería. A lo largo del documento, se desarrollan las ocho etapas fundamentales en que se basa este método, desde la identificación del problema y la selección de factores, hasta el análisis de la relación señal/ruido y la validación mediante
4 experimentos de confirmación. Este enfoque sistemático no solo optimiza el uso de los recursos, sino que también promueve la generación de productos y procesos más confiables y robustos, capaces de mantener su desempeño frente a las variaciones del entorno real. 4.- Diagrama de flujo o matriz de arreglo ortogonal Taguchi. https://canva.link/9829nf3e9lne4n8 5.- Los 8 pasos clave para desarrollar una matriz de arreglo ortogonal A continuación, se explicaremos el proceso en 8 pasos clave para desarrollar una matriz de arreglo ortogonal Taguchi o diagrama de flujo.
5 1: Definir el problema y los objetivos Establecer claramente el problema para investigación y el objetivo del experimento. Identificar la característica de calidad que se desea optimizar. 2: Identificar factores de control y niveles de ruido. Factores de control: variables que puedes manipular el producto o proceso como temperatura, presión, y velocidad. Factores de ruido: variables incontrolables que causan variación como humedad, y desgaste. Define los niveles para cada factor generalmente 2 o 3 niveles. 3: Seleccionar el arreglo ortogonal (OA) adecuado Calcula los grados de libertad necesarios: o DOF total del OA = Número de corridas - 1 o DOF de cada factor = Número de niveles - 1 Elige un arreglo que cumpla: DOF del OA ≥ DOF total de factores + interacciones a estudiar Ejemplos estándar: o L4(2³): 4 corridas, hasta 3 factores con 2 niveles o L8(2⁷): 8 corridas, hasta 7 factores con 2 niveles o L9(3⁴): 9 corridas, hasta 4 factores con 3 niveles o Utiliza las herramientas de asignación de Taguchi: o Gráficos lineales: indican qué columnas usar para factores principales y cuáles para interacciones. o Tablas triangulares: muestran todas las posibles interacciones entre columnas. Recomendación: Asigna los factores principales a las columnas "base" (ej. columnas 1, 2, 4 en un L8) y las interacciones a las columnas derivadas. 4: Construir la matriz de diseño (Diseño del experimento) Cada fila representa una corrida experimental. Cada columna representa un factor. Los valores en las celdas (1, 2, 3...) indican el nivel del factor para esa corrida. Si se utilizan factores de ruido, se construye una Matriz exterior adicional. 5: Realizar los experimentos y recolectar datos (Ejecución de experimentos) Ejecuta las corridas según la matriz de diseño. Registra los datos de respuesta para cada combinación de factores. Si se usa Matriz exterior, repite las mediciones según las condiciones de ruido. 6: Analizar los datos Calcula la Relación Señal/Ruido (S/N) para cada corrida (dependiendo del objetivo: mayor es mejor, menor es mejor, o nominal es mejor). Construye gráficas de efectos principales (respuesta promedio por nivel de cada factor). Realiza un ANOVA para identificar factores significativos. 7: Identificar niveles óptimos y validar Selecciona los niveles que maximizan (o minimizan) la respuesta deseada. Clasifica los factores según su influencia en la media y la variación (Clases I-IV). Realiza un experimento de confirmación para validar la predicción. 8: Experimento de confirmación. Regresar el punto 2 y 3 para confirmar los resultados obtenidos.
6 El desarrollo y análisis del diagrama de flujo para la metodología Taguchi en experimentos de ingeniería permite extraer conclusiones importantes sobre su valor práctico y su aplicación en entornos industriales y de investigación. En primer lugar, queda demostrado que el método Taguchi es una herramienta muy efectiva, ya que disminuye el número de experimentos para identificar los factores críticos que afectan la calidad de un producto o proceso. Mediante el uso de los arreglos ortogonales estandarizados, como los diseños L8, L9 o L18, los ingenieros pueden tratar problemas complejos con un esfuerzo experimental mínimo, liberando recursos para las otras actividades de mejora continua. En segundo lugar, el diagrama de flujo muestra que la metodología no es simplemente una técnica de estadística, sino una filosofía de diseño que coloca la fortaleza en el centro del proceso de ingeniería. Al incorporar factores de ruido en el diseño experimental y optimizar la relación señal/ruido, Taguchi enseña que la calidad no consiste únicamente en alcanzar un valor nominal, sino en asegurar que ese valor se mantenga estable a pesar de las variaciones ambientales, el desgaste o las diferencias en la materia prima. Este enfoque anticipa y disminuye la variabilidad antes de que ocurra, representa un avance frente a los métodos tradicionales basados en inspección y control posterior. En tercer lugar, la estructura secuencial y claramente definida del diagrama de flujo demuestra que el método Taguchi es accesible para profesionales sin formación estadística. La estandarización de los arreglos ortogonales, el uso de gráficos lineales para asignar factores y la simplificación del análisis a través de promedios por nivel y gráficas de efectos principales, hacen que esta metodología pueda ser aplicada por ingenieros de distintas disciplinas. Esto ha contribuido a su amplia adopción en la industria automotriz, electrónica, aeroespacial y de procesos, donde la rapidez en la toma de decisiones es tan crítica como la precisión de los resultados. No obstante, el diagrama de flujo también permite identificar las limitaciones en el método. La principal de ellas es su capacidad limitada para manejar interacciones entre factores. Los arreglos ortogonales, especialmente los más pequeños, tienden a confundir los efectos de las interacciones con los efectos principales o con otras interacciones de orden superior. Por lo tanto, el método Taguchi es más adecuado para situaciones donde se puede asumir que las interacciones son despreciables o donde el objetivo es identificar los factores más influyentes en una etapa temprana del diseño. Para problemas con interacciones significativas, es recomendable complementar el análisis con diseños factoriales completos o metodologías de superficie de respuesta. Finalmente, el paso de validación incluido en el diagrama de flujo es quizás el más importante desde un punto práctico. La confirmación experimental de los resultados predichos no solo valida la selección de los niveles óptimos, sino que también construye la confianza en las conclusiones y proporciona evidencia para la implementación de los cambios en el proceso productivo. Sin este paso, el análisis permanece como simplemente un ejercicio teórico sin impacto real en la calidad. En síntesis, el diagrama de flujo del método Taguchi es mucho más que una secuencia de pasos; es una guía estratégica que integra principios de eficiencia, robustez y accesibilidad en el diseño experimental. Su aplicación sistemática permite a las organizaciones actuar para detectar defectos hacia un enfoque para prevenir defectos mediante un diseño confiable. En un mundo cada vez más competitivo, donde la calidad y la rapidez de desarrollo son factores diferenciadores, los métodos Taguchi y su representación en diagramas de flujo continúan siendo herramientas de incalculable valor para la ingeniería moderna. 6.- El Rol del ANOVA y los Factores de Ruido en la Resolución de Problemas de Diseño y Calidad En la ingeniería de calidad, el objetivo fundamental no es solo cumplir con las especificaciones requeridas, sino asegurar que los productos y procesos funcionen correctamente bajo condiciones reales en operación. La variabilidad es el principal enemigo de la calidad, y su control requiere herramientas estadísticas que permitan identificar, cuantificar y mitigar sus fuentes. El análisis de la varianza (ANOVA) y la metodología de Taguchi, se
7 unen particularmente para su enfoque en los factores de ruido, que constituyen dos pilares complementarios para lograr este propósito. 6.1. Los Factores de Ruido y su Impacto en la Calidad Genichi Taguchi definió la variación como el enemigo de la calidad. Su filosofía dice que la calidad debe diseñarse en el producto desde el inicio, y no inspeccionarse después de la producción. Para ello, identificó tres fuentes principales de variación, conocidas como "factores de ruido": 1. Ruido externo (outer noise): Factores ambientales fuera del control del fabricante, como la temperatura, la humedad o vibraciones durante el uso del producto. 2. Ruido interno (inner noise): Deterioro del producto con el tiempo, como el desgaste, la fatiga de los materiales o el envejecimiento de este. 3. Ruido de manufactura (manufacturing imperfection): Variaciones inevitables en el proceso de producción que alejan las piezas de sus dimensiones o propiedades nominales establecidas. La propuesta de Taguchi es ingeniosa: no se intenta eliminar los factores de ruido, sino diseñar productos y procesos que sean "robustos" o insensibles a ellos. Antes de intentar controlar factores ambientales incontrolables, se busca un diseño que funcione correctamente a pesar de todos ellos. El Diagrama P (P-diagram) Para aplicar este enfoque de manera sistemática, Taguchi propuso el Diagrama P (P-diagram) como marco de referencia. Este diagrama clasifica los factores que intervienen en un sistema en tres categorías: Señal de entrada (Signal): La entrada que el usuario controla para obtener un resultado deseado. Factores de control (Control Factors): Parámetros como dimensiones, material, temperatura de proceso que el diseñador o ingeniero puede seleccionar. Factores de ruido (Noise Factors): Fuentes de variación incontrolables o costosas. Respuesta de salida (Response): La característica de calidad que se desea obtener. El objetivo del diseño robusto, guiado por el P-diagram, es encontrar la combinación de los factores de control que reduzca el efecto de ruido sobre la respuesta, para lograr así un buen desempeño. 6.2. El Análisis de la Varianza (ANOVA) para la Identificación de Factores Críticos El ANOVA es la herramienta que permite, dentro de la metodología Taguchi, cuantificar la importancia de cada factor sobre la diferencia de cada proceso y en la respuesta de calidad. Su función principal es identificar qué factores son estadísticamente significativos y cuáles no. El proceso típico es el siguiente:
8 1. El diseño de un experimento utilizando un arreglo ortogonal para reducir el número de pruebas necesarias. 2. Se evalúa la respuesta de los factores de control y, bajo diferentes condiciones de los factores de ruido. 3. A partir de estos datos experimentales, se calcula la relación señal/ruido (S/R), que es la medida de robustez. 4. Finalmente, se aplica ANOVA sobre los valores de la relación S/N para determinar qué factores de control tienen un efecto estadísticamente significativo sobre la robustez del producto o proceso. Ejemplo Práctico En la optimización del mecanizado CNC, se identificaron factores de ruido como el tiempo de calentamiento de la máquina, el ajuste de los pernos y el fluido de corte. El ANOVA reveló que el apriete de pernos era el factor de ruido más significativo ya que afectaba la calidad del mecanizado. Al controlar este factor y optimizar las condiciones de proceso de acuerdo en el análisis, se logró una mejora significativa en la calidad de las piezas. La siguiente tabla muestra un ejemplo de cómo se presentan los resultados de un ANOVA en la metodología Taguchi. Fuente Grados de Libertad (DF) Suma de Cuadrados (Adj. SS) Cuadrado Medio (Adj. MS) Valor F Valor p Contribución (%) Velocidad de Corte 2 8.2392 4.1196 105.32 0.000 26.0% Avance 2 7.6466 3.8233 97.74 0.000 24.1% Refrigerante (Ruido) 1 7.3896 7.3896 188.91 0.000 23.3% Error 76 2.9728 0.0391 9.4%
9 Fuente Grados de Libertad (DF) Suma de Cuadrados (Adj. SS) Cuadrado Medio (Adj. MS) Valor F Valor p Contribución (%) Total 107 31.6787 100% Esta tabla demuestra cómo el ANOVA permite descomponer las variables totales y atribuirlas a fuentes específicas. En este caso, la velocidad de corte, el avance y el refrigerante explican la mayor parte de la variación en la rugosidad superficial. 6.3. Metodología Taguchi: Un Enfoque Integrado para el Diseño Robusto La metodología de Taguchi proporciona puntos estructurados para mejorar la calidad, que se centra en las etapas de diseño. Tres conceptos fundamentales: 1. Función de Pérdida de Calidad: Cuantifica las pérdidas económicas para la empresa y la sociedad desde el momento en que un producto se desvía de sus parámetros originales. En lugar de considerar que un producto es "bueno" si está dentro de las especificaciones y "malo" si está fuera de ellas, la pérdida es una función continua que aumenta a medida que el producto se aleja del objetivo. 2. Diseño Robusto (Robust Design): Es el corazón del método. Busca encontrar la combinación de los factores de control que reduzcan la sensibilidad del producto en los factores de ruido, logrando que el desempeño sea estable sin la necesidad de eliminar las fuentes de la variación. 3. Diseño de Experimentos (DOE): Utiliza arreglos ortogonales para estudiar eficientemente el efecto de múltiples factores de control y ruido. Las Tres Fases del Diseño de Calidad Taguchi propone un proceso de diseño en tres fases para implementar su filosofía: 1. Diseño del Sistema (System Design): Fase creativa donde se crea el concepto del producto o proceso, así como los materiales y la tecnología a utilizar. 2. Diseño de Parámetros (Parameter Design): La fase más importante. Ya que aquí se seleccionan los valores óptimos para los parámetros del diseño con el objetivo de hacer que el sistema sea robusto contra los factores de ruido. Para ello se utilizan los arreglos ortogonales. En la que se busca "desensibilizar" la función objetivo frente al ruido. 3. Diseño de Tolerancias (Tolerance Design): Una vez establecido el diseño de los parámetros óptimos, se define el equilibrio entre la calidad y el costo. Se evalúa el costo de calidad de cada una de las tolerancias y se ajustan de aquellos componentes que, si se fabrican con mayor precisión, ofrecen la mayor mejora en calidad al menor costo. La Relación Señal/Ruido La relación S/R es el punto central para medir la robustez en el diseño. Se designa en función de característica de calidad que se desea optimizar: Nominal-mejor (Nominal-the-best): Se busca que la respuesta esté lo más cerca de un valor objetivo. η = 10 * log10(μ² / σ²), donde μ es la media y σ la desviación estándar. Se maximiza esta relación para lograr un valor más cercano al objetivo con la menor variación posible. Menor-mejor (Smaller-the-better): Disminuir el valor de la respuesta. η = -10 * log10(Σ(yᵢ²) / n). Se maximiza esta relación para obtener los valores más pequeños.
10 Mayor-mejor (Larger-the-better): Se busca maximizar el valor de la respuesta. η = -10 * log10(Σ(1/yᵢ²) / n). Se maximiza esta relación para obtener los valores más grandes. 6.4. El Procedimiento en Dos Pasos (Two-Step Optimization) Un pilar del método Taguchi es el procedimiento de optimización en dos pasos: 1. Paso 1: Maximizar la robustez. Se identifican los factores de control que afectan la relación S/R. Se seleccionan sus niveles para maximizar la relación S/R, minimizando así la sensibilidad a los factores de ruido. 2. Paso 2: Ajustar la media. Una vez que el proceso es robusto, se identifican los factores de control que afectan la media de la respuesta, pero no afectan la relación S/R. Estos factores "de ajuste" se utilizan para llevar la media exacta al valor deseado, sin afectar la robustez lograda en el paso anterior. Este enfoque sistemático permite lograr un producto con alta calidad (baja variabilidad) y que cumple exactamente con las especificaciones del cliente. Conclusión El análisis de la varianza (ANOVA) y la metodología de Taguchi no son herramientas aisladas, sino componentes necesarios para un mismo enfoque para la resolución de los problemas en ingeniería de calidad. La metodología Taguchi proporciona la estrategia para diseñar la robustez, enfocándose en minimizar el efecto de los factores de ruido en los de parámetros de diseño. El ANOVA proporciona el lente estadístico necesario para identificar, qué factores son realmente significativos, y cuantificar su impacto, así como validar las decisiones de diseño. En conjunto, constituyen un poderoso método para pasar de un control de calidad "en línea" (inspección) a un diseño de calidad "fuera de línea" (prevención), permitiendo a las organizaciones y empresas desarrollar productos y procesos que cumplen con las especificaciones, de desempeño consistente y confiable en el mundo real.
11 Referencias Taguchi, G. (1986). Introduction to Quality Engineering: Designing Quality into Products and Processes. Asian Productivity Organization. https://digitallibrary.un.org/nanna/record/409386/files/E_ESCWA_TECH_1999_WG.2_16- EN.pdf?withWatermark=0&withMetadata=0®isterDownload=1&version=1#2#2 Taguchi, G., Chowdhury, S., & Yuin, W. (2004). Taguchi Quality Engineering Handbook. Wiley. Su, C. T. (2013). Principles of quality engineering. In Quality Engineering (pp. 7-23). Taylor & Francis. https://www.taylorfrancis.com/chapters/mono/10.1201/b13909-7/principles-quality-engineering-chao-ton-su?context=ubx Oregon State University. (n.d.). Quality Engineering. College of Engineering. Retrieved August 14, 2026, from https://web.engr.oregonstate.edu/~paasch/classes/me517/week9/quality.html Robust Design for Quality Optimization in CNC Precision Machining. KCI. https://www.kci.go.kr/kciportal/ci/sereArticleSearch/ciSereArtiView.kci?sereArticleSearchBean.artiId=ART003147423 Kim, S. H., et al. (2018). Taguchi Robust Design for Optimizing Surface Roughness of Turned AISI 1045 Steel. Advances in Materials Science and Engineering. https://www.hindawi.com/journals/amse/2018/2560253/tab5/ Hashimoto, Y. (2025). Chapter 4: Taguchi Methods and Robust Design - DOE Introduction Series. https://yusukehashimotolab.github.io/AI- Knowledge-Notes/knowledge/en/PI/doe-introduction/chapter-4.html Wahid, Z., Ming, T. T., & Ahmad, K. (2019). Taguchi robust design as a way to optimize rubber glove process. IIUM Engineering Congress 2019 (ICOM '19). http://irep.iium.edu.my/77826/ This response is AI-generated, for reference only. Ross, P. J. (1996). Taguchi Techniques for Quality Engineering (2nd ed.). McGraw-Hill. https://books.google.com.sg/books?id=W06ezgEACAAJ Roy, R. K. (2001). Design of Experiments Using the Taguchi Approach: 16 Steps to Product and Process Improvement. John Wiley & Sons. https://www.sae.org/learn/content/c0231/ Minitab, LLC. (n.d.). Steps for conducting a Taguchi designed experiment. Minitab Support. https://support.minitab.com/en-us/minitab/help-and- how-to/statistical-modeling/doe/supporting-topics/taguchi-designs/steps-for-conducting-a-taguchi-designed-experiment/ pyDOE3 Documentation. (n.d.). Taguchi Designs. https://pydoe3.readthedocs.io/en/latest/reference/taguchi/ Auburn University. (n.d.). Taguchi's Orthogonal Arrays (INSY 7330 Course Notes). https://www.eng.auburn.edu/~maghssa/INSY7330/Taguchi's-OAs- Maghsoodloo.pdf Aliat Universidades. (s. f.). https://aliat.brightspace.com