Beruflich Dokumente
Kultur Dokumente
INGENIERÍA QUÍMICA
DISEÑO DE EXPERIMENTOS
DISEÑO DE EXPERIMENTOS
Unidad 1
INTRODUCCIÓN
AL DISEÑO DE EXPERIMENTOS
1. Introducción
Los escenarios que rodean a las industrias hoy, en día en un mundo globalizado donde
los adelantos tecnológicos y científicos están en constante evolución, hacen que el nivel
de calidad de los productos y servicios sea cada vez mayor.
En la actualidad uno de los factores claves para el éxito de una industria, es hacer uso de
toda su capacidad de conocimiento y aprendizaje, así como de su experiencia. La
experimentación en las industrias es uno de los elementos que más pueden contribuir al
aprendizaje y a la mejora de los productos y procesos.
La aplicación del Diseño de Experimentos (DDE) se presenta como una herramienta
efectiva para entender y optimizar los procesos y productos en la industria
En ingeniería, la experimentación desempeña un papel importante en el diseño de nuevos
productos, el desarrollo de procesos de manufactura y el mejoramiento de procesos. El
objetivo en muchos casos sería desarrollar un proceso robusto, es decir, un proceso que
sea afectado en forma mínima por fuentes de variabilidad externas.
Como ejemplo de un experimento, suponga que un ingeniero químico tiene interés en los
resultados obtenidos por las mediciones de los promedios del metal pesado cadmio por 5
diferentes laboratorios, los resultados de cada laboratorio presentan cierta variación, esta
variación puede deberse al azar o a que los laboratorios tienen métodos diferentes de
análisis que dan resultados significativamente diferentes. El diseño de experimentos es
una técnica estadística que permite decidir cuál de estas dos conjeturas es la verdadera
disminuyendo la probabilidad de cometer un error.
Una vez realizadas las pruebas, los resultados obtenidos permiten extraer conclusiones
acerca de qué factores influyen más en los resultados y cómo se debe configurar nuestra
actividad para alcanzar los objetivos propuestos. Además, si se usan herramientas
informáticas podremos obtener una función de regresión que nos relacione los resultados
de la actividad en función de los factores considerados, con ella podremos hacer
interpolaciones y calcular virtualmente qué resultado tendrá nuestra actividad para
cualquier combinación de factores posibles.
Diseño unifactorial
Diseños factoriales
Diseños anidados
Diseños factoriales 2k
Unos ejemplos donde habría que utilizar estos modelos son los siguientes:
Principios básicos
El diseño de experimentos trata de fenómenos que son observables y repetibles. Por lo
tanto, sin el pensamiento estadístico, los conceptos de observabilidad y repetibilidad son
inherentemente contradictorios. Cualquier cosa observada se aprecia con variabilidad;
nada ocurre exactamente de la misma forma dos veces, incluso las mediciones del mismo
evento varían. Entonces, ¿qué se quiere decir cuando la ciencia demanda que una
observación sea repetible?, ¿qué repetición es realmente una repetición?, cuando un
resultado es el mismo o difiere, ¿es confirmación o contradicción?
Estas preguntas no pueden ser contestadas de manera coherente sin el pensamiento
estadístico; por ejemplo, alguien da una nueva receta de chocolate, dice que no falla, pero
se prueba y no sale, mientras que el segundo y tercer intento sí funcionan. ¿La receta
está comprobada completamente? (Los chocolates tienen más de 800 ingredientes
individuales que pueden ser separados.)
De acuerdo con lo anterior, se debe ser muy cuidadoso en la planeación y el análisis de
un experimento. El punto de partida para una correcta planeación es aplicar los principios
básicos del diseño de experimentos: aleatorización, repetición y bloqueo, los cuales tienen
que ver directamente con que los datos obtenidos sean útiles para responder a las
preguntas planteadas, es decir, la validez del análisis de los datos se apoya en estos
principios.
Los objetivos del diseño de experimentos podrían comprender los siguientes puntos:
Determinar cuáles son la variables que tiene mayor influencia sobre la respuesta y.
Determinar cuál es el ajuste de las x que tiene mayor influencia para que y esté casi
de y sea reducida.
Determinar cuál es el ajuste de las x que tiene mayor influencia para que los efectos de
salidas (output).
Identificar los factores que tienen un mayor o menor impacto en los procesos y/o
productos.
Lograr una producción de productos que cumplan con las especificaciones que sean a
resultados esperados.
La selección de los parámetros del diseño para que el producto tenga un buen
El uso del diseño experimental en estas áreas puede redundar en productos cuya
fabricación sea más sencilla, en productos que tengan un desempeño y confiabilidad de
campo mejorados, en costos de producción más bajos y en tiempos más cortos para el
diseño y desarrollo del producto.
Actividades Herramientas
1.- Seleccionar equipo de trabajo Diagrama de flujo
2.- Formular problema Gráficos de control
3.- Documentar información importante Gráfico jerarquizado
4.- Elegir respuestas de objetivos
5.- Establecer objetivo Mapa de procesos
Tabla 1.Actividades y herramientas para la fase 1.
2. Elección de los factores y los niveles. Una fuente de variación es cualquier “cosa”
que pueda generar variabilidad en la respuesta u objeto de estudio. Es recomendable
hacer una lista de todas las posibles fuentes de variación del problema, distinguiendo
aquellas que, a priori, generarán una mayor variabilidad. Se denomina factor tratamiento a
cualquier variable de interés para el experimentador cuyo posible efecto sobre la
respuesta se quiere estudiar.
Se distinguen dos tipos:
o Factores de tratamiento: son aquellas fuentes cuyo efecto sobre la respuesta es de
particular interés para el experimentador.
o Factores “nuisance”: son aquellas fuentes que no son de interés directo pero que se
contemplan en el diseño para reducir la variabilidad no planificada.
Por otra parte, los factores perturbadores pueden tener efectos considerables que deben
tomarse en consideración, a pesar de que no haya interés en ellos en el contexto del
experimento en curso. Los factores perturbadores suelen clasificarse como factores
controlables, no controlables o de ruido. Un factor perturbador controlable es aquel
cuyos niveles puede ser ajustados por el experimentador. Por ejemplo, el experimentador
puede seleccionar lotes diferentes de materia prima o diversos días de la semana para
conducir el experimento. Suele ser útil para trabajar con factores perturbadores
controlables la estructura básica de formación de bloques. Si un factor perturbador no es
controlable en el experimento puede puede medirse, muchas veces puede usarse el
procedimiento de análisis denominado análisis de covarianza para compensar este
efecto. Por ejemplo, la humedad relativa en el medio ambiente del proceso puede afectar
el desempeño del proceso, y si la humedad no puede controlarse, probablemente podrá
medirse y tratarse como una covariable. Cuando un factor que varía de manera natural y
no controlable en el proceso puede controlarse para los fines de un experimento, con
frecuencia se le llama factor de ruido. En tales situaciones, es común que el objetivo sea
encontrar los ajustes de los factores controlables del diseño que minimizen la variabilidad
transmitida por los factores de ruido.
Los niveles de un factor tratamiento son los tipos o grados específicos del factor que se
tendrán en cuenta en la realización del experimento. Las actividades y herramientas que
nos apoyan a realizar esta fase se presentan en la tabla 2.
Actividades Herramientas
1.- Identificar factores
AMFE*
2.- Clasificar factores
Diagrama de afinidad
3.- Definir estrategias para algunos factores
Diagrama Causa-Efecto
4.- Describir conocimiento actual de los efectos
Mapa de procesos
de los factores
Diagramas IDEF0**
5.- Determinar rangos y niveles
* AMFE (Análisis Modal de Fallos y Efectos), ** IDEF0 (Integration Definition for Function Modeling)
Tabla 2. Actividades y herramientas para la fase 2.
Actividades Herramientas
1.- Identificar los objetivos del experimento Gráfico jerarquizado de
2.- Identificar la variable respuesta objetivos
3.- Identificar en que unidades se medirá la AMFE*
variable respuesta Diagrama Causa-Efecto
Mapa de proceso
* AMFE (Análisis Modal de Fallos y Efectos)
Tabla 3. Actividades y herramientas para la fase 3.
4. Elección del diseño experimental. La elección del diseño implica la consideración del
tamaño de la muestra (número de réplicas). Es importante tener en mente los objetivos
experimentales. En muchos experimentos de ingeniería se sabe que algunos de los
niveles de los factores (variables) producirán valores diferentes de la respuesta. En
consecuencia, el interés se centra en identificar "qué" factores causan esta diferencia y en
estimar la magnitud del cambio de la respuesta. En otras palabras es determinar el
"cómo" se van a realizar los experimentos (especificar que unidades experimentales se
observarán bajo cada tratamiento). Las actividades y herramientas que nos apoyan a
realizar esta fase se presentan en la tabla 4.
Actividades Herramientas
1.- Caracterizar factores
Aleatorización
2.- Pre-analizar
Análisis asistido por software
3.- Elegir tipo de diseño
Réplicas
4.- Seleccionar diseño experimental
Representación gráfica
5.- Elegir niveles
* AMFE (Análisis Modal de Fallos y Efectos)
Tabla 4. Actividades y herramientas para la fase 4.
o Revisar la disponibilidad del equipamiento, máquinas y operarios para llevar a cabo las
experimentaciones.
o Verificar que todas las combinaciones son viables.
o Otorgar las instrucciones necesarias para los que realizan los experimentos.
Las actividades y herramientas que nos apoyan a realizar esta fase se presentan en la
tabla 5.
Actividades Herramientas
1.- Preparar experimentos
Pruebas piloto
2.- Analizar la necesidad de pruebas piloto
Hoja recogida de datos
3.- Realizar experimentos y recolectar datos
Tabla 5. Actividades y herramientas para la fase 5.
6. Análisis estadístico de los datos. En esta fase, se deberán usar métodos estadísticos
para analizar los datos a fin de que los resultados y las conclusiones sean objetivos y no
de carácter apreciativo. Si el experimento se ha diseñado correctamente y se ha llevado a
cabo de acuerdo al diseño, los métodos estadísticos necesarios no deben ser
complicados. Con frecuencia se encuentra que los métodos gráficos simples desempeñan
un papel importante en el análisis e interpretación de datos. Debido a que muchas de las
preguntas que el experimentador quiere responder pueden insertarse en el marco de la
prueba de hipótesis, los procedimientos para probar hipótesis y estimar intervalos de
confianza son muy útiles en el análisis de datos de un experimento diseñado. Para esta
fase se recomienda utilizar un software estadístico. Las actividades y herramientas que
nos apoyan a realizar esta fase se presentan en la tabla 6.
Actividades Herramientas
1.- Calcular el efecto de los factores Análisis de regresión
2.- Determinar los factores significativos ANOVA*
3.- Interpretar resultados ANCOVA**
4.- Construir modelo de predicción Gráficos de contorno
5.- Optimizar respuestas Gráficos de probabilidad
6.- Evaluar necesidades de nuevos normal
experimentos Gráficos de Pareto
*ANOVA (Analysis of Variance) en español Análisis de la varianza
** ANCOVA (Analisis de la Covaraianza)
Tabla 6. Actividades y herramientas para la fase 6
7. Mejoras, control y conclusiones. Todo el trabajo de las fases anteriores, tiene que
dar sus resultados en esta etapa. Por lo que se intentará maximizar los beneficios. Para
mejorar se recomienda ser más creativo y tener una perspectiva más amplia. Una vez
implementadas las mejoras se debe realizar el seguimiento y verificar la estabilidad de las
mejoras obtenidas. Una vez que se ha hecho el análisis de los datos, la mejora y el
control, el experimentador debe sacar conclusiones prácticas acerca de los resultados y
recomendar un curso de acción. Los métodos gráficos suelen ser útiles en esta etapa, en
particular para presentar los resultados. Las actividades y herramientas que nos apoyan a
realizar esta fase se presentan en la tabla 7.
Ing. José M. Reynoso Página 12
UTN - FRVM
INGENIERÍA QUÍMICA
DISEÑO DE EXPERIMENTOS
Actividades Herramientas
1.- Evaluar la necesidad de experimentos Diseño de experimentos
confirmatorios. Gráficos de control
2.- Implementar controles Plan de control
3.- Validar resultados Procedimientos
Tabla 7. Actividades y herramientas para la fase 7.
5. EJEMPLOS
Además de estos factores controlables, hay otros que no es sencillo manejar durante el
proceso de fabricación, aunque podrían controlarse para los fines de una prueba. Éstos
son:
h. El espesor de la tarjeta de circuitos impresos
i. El tipo de componentes usados en la tarjeta
j. La disposición de los componentes en la tarjeta
k. El operador
l. La rapidez de producción
observan en los cuatro vértices del cuadrado indican que, para incrementar el
rendimiento, los cambios deberían hacerse en la dirección general del aumento de la
temperatura y la reducción del tiempo de reacción. Se realizarían algunas corridas
adicionales en esta dirección, y esta experimentación adicional, llevaría a la región del
rendimiento máximo.
Una vez que se ha encontrado la región del rendimiento óptimo, el siguiente paso típico
sería realizar un segundo experimento. El objetivo de este segundo experimento es
desarrollar un modelo empírico del proceso y obtener una estimación más precisa de las
condiciones de operación óptimas para el tiempo y la temperatura. A este enfoque para la
optimización de un proceso se le llama la metodología de superficies de respuesta.
Los ingenieros pueden construir un prototipo del mecanismo del gozne en el que es
posible variar todos estos factores dentro de ciertos rangos. Una vea que se han
identificado los niveles apropiados de estos cinco factores, puede diseñarse un
experimento que conste de varias combinaciones de los niveles de los factores, y el
prototipo del gozne puede probarse con estas combinaciones. Se obtendrá así
información respecto de los factores que tienen una mayor influencia sobre el esfuerzo
amortiguador del tope y, mediante el análisis de esta información, podrá mejorarse el
diseño del tope.
6. Conclusión
Existen muchos diseños experimentales para estudiar la gran diversidad de problemas o
situaciones que ocurren en la práctica. Esta cantidad de diseños hace necesario saber
cómo elegir el más adecuado para una situación dada y, por ende, es preciso conocer
cómo es que se clasifican los diseños de acuerdo con su objetivo y su alcance.
Los cinco aspectos que más influyen en la selección de un diseño experimental, en el
sentido de que cuando cambian por lo general nos llevan a cambiar de diseño, son:
Estos cinco puntos no son independientes entre sí, pero es importante señalarlos de
manera separada, ya que al cambiar cualquiera de ellos generalmente cambia el diseño
experimental a utilizar. Con base en algunos de estos cinco puntos es posible clasificar
los diseños como lo hacemos a continuación.
El objetivo del experimento se utiliza como un criterio general de clasificación de los
diseños experimentales, mientras que los otros cuatro puntos son útiles para
subclasificarlos.
En este sentido, de acuerdo con su objetivo y sin pretender ser exhaustivos, los diseños
se pueden clasificar como: