Está en la página 1de 4

DISEÑO DE EXPERIMENTOS

El diseño de experimentos se basa en la transformación de entradas y salidas mediante un


proceso, cabe mencionar también que se conoce como una técnica estadística que
permite identificar y cuantificar las causas de un efecto dentro de un estudio
experimental.

En los procesos que se han de realizar para obtener un producto o servicio final las
entradas pueden ser identificadas como personas, métodos, maquinaria, procedimientos,
material y ambiente; por consiguiente las salidas son las características de rendimiento y
calidad del producto.

En el desempeño del diseño del experimento, será realizara intencionalmente cambios a


los procesos de entrada o factores para así poder observar los cambios correspondientes
en los procesos de salida. La información recopilada de una adecuada planificación,
análisis y ejecución del experimento puede ser utilizada para mejorar la funcionalidad del
desempeño del producto para reducir la tasa de desperdicios, la tasa del ciclo del
desarrollo del producto y también reducir la tasa del exceso de variabilidad en los
procesos de producción.

En muchos de los modelos de procesos/sistemas además de contar con las entradas y


salidas también se cuentan con las variables de procesos o factores controladas y las no
controladas. Las variables que se pueden controlar pueden ser fácilmente variadas
durante el proceso de producción por lo que toman un rol clave. Las variables no
controladas pueden ser muchas veces costosas además de difíciles de predecir su
resultado o efecto.

Es muy importante determinar la configuración opcional de las variables controladas para


así poder minimizar los efectos de las variables no controladas, ya que de esa manera se
puede controlar la inconsistencia en el desempeño del producto por ello esta es la
estrategia fundamental en el diseño robusto.

PRINCIPIOS BÁSICOS DEL DISEÑO EXPERIMENTAL

El diseño de experimentos se refiere al proceso de planificación, diseño y análisis del


experimento para poder extraer conclusiones válidas y objetivas de manera efectiva y
eficiente.

El éxito de cualquier experimento diseñado industrialmente depende de una planificación


sólida, una elección de diseño adecuada, un análisis estadístico de datos y habilidades de
trabajo en equipo.

En el contexto del DOE en la fabricación, una forma se encuentra con dos tipos de
variables o factores de proceso: factores cualitativos (Tipos de materia prima, tipo de
catalizador y tipo de proveedor) y cuantitativos.
Los tres principios del diseño experimental, como la aleatorización, la replicación y el
bloqueo, pueden utilizarse en experimentos industriales para mejorar la eficacia de la
experimentación. Estos principios de diseño experimental se aplican para reducir o incluso
eliminar el sesgo experimental.

1. ALEATORIZACIÓN

Mientras se diseña un experimento industrial, existen factores como subidas de tensión,


error del operador, fluctuaciones en el ambiente como temperatura y humedad,
variaciones en la materia prima; las cuales pueden influir en el proceso del desempeño de
la salida ya que muchas veces pueden ser muy costosas o difíciles de controlar. Tales
factores pueden afectar negativamente el resultado del experimento y por lo tanto debe
minimizarse o eliminarse el experimento, para evitar eso es necesario el método de
aleatorización.

La aleatorización es uno de los métodos en los que los experimentadores suelen confiar
para reducir el efecto del sesgo experimental.

Dorian Shainin acentúa la importancia de la aleatorización como la póliza de seguro de los


experimentadores. Señaló que la falta de aleatorizar las condiciones de prueba mitiga la
validez estadística de un experimento.

Se cuenta con los siguientes tips o preguntas ya que son útiles si se decide aplicar la
estrategia de aleatorización en el experimento:

 ¿Cuál es el costo asociado con el cambio de los niveles de los factores?

 ¿Hemos incorporado algún factor de ruido en el diseño experimental?

 ¿Cuál es el tiempo de configuración entre pruebas?

 ¿Cuántos factores en el experimento son caros o difíciles de controlar?

 ¿Dónde asignamos los factores cuyos niveles son difíciles de cambiar de un nivel a otro?

2. REPLICACIÓN

Replicación significa repeticiones de un experimento completo o una parte de él, bajo más
de una condición. Tiene dos propiedades importantes:

 La primera propiedad es que permite al experimentador obtener una estimación del error
experimental.

 La segunda propiedad es que permite al experimentador obtener una estimación más


precisa del efecto del factor/interacción.
El factor o efecto de interacción podría ser significativo debido al resultado del error
experimental. Por otro lado, si tenemos un número suficiente de réplicas, podríamos estar
haciendo inferencias satisfactorias sobre el efecto de factor / interacciones.

La replicación puede dar como resultado un aumento sustancial en el tiempo para realizar
un experimento. Además, si el material es costoso, la replicación puede llevar a un costo
de material exorbitante. Cualquier sesgo o error experimental asociado con los cambios
de configuración se distribuirán uniformemente en las pruebas experimentales o en los
ensayos que utilicen la replicación. El uso de replicación en la vida real debe justificarse en
términos de tiempo y costo.

3. OBSTACULIZAR

Obstaculizar es un método de eliminar efectos de las extrañas variaciones debidas a los


factores de ruido y de este modo mejorar la eficiencia del diseño del experimento. El
objetivo principal es eliminar los recursos no deseados de variabilidad.

La idea de este método consiste en organizar carreras experimentales similares en


bloques. Generalmente, un bloque es un conjunto de condiciones experimentales
relativamente homogéneas. Los bloques pueden ser lotes de materias primas, diferentes
operadores, diferentes proveedores. La variabilidad entre bloques debe eliminarse del
error experimental, lo que conduce a un aumento en la precisión del experimento.

GRADOS DE LIBERTAD

En el contexto de la estadística, el término grados de libertad es el número de


comparación independiente y justa que se puede hacer en un conjunto de datos. En el
contexto de DOE, el número de grados de libertad asociados con una variable de proceso
es igual a uno menos que el número de niveles para ese factor.

𝑮𝒓𝒂𝒅𝒐𝒔 𝒅𝒆 𝒍𝒊𝒃𝒆𝒓𝒕𝒂𝒅 𝒑𝒂𝒓𝒂 𝒖𝒏 𝒆𝒇𝒆𝒄𝒕𝒐 𝒑𝒓𝒊𝒏𝒄𝒊𝒑𝒂𝒍 = 𝒏ú𝒎𝒆𝒓𝒐 𝒅𝒆 𝒏𝒊𝒗𝒆𝒍𝒆𝒔 − 𝟏

El número de grados de libertad para el completo mecanismo del experimento es igual a


uno menos que el número total de puntos de datos u observaciones.

El grado de libertad para una interacción es igual al producto del grado de libertad
asociado con cada factor involucrado en ese efecto de interacción particular.

CONFOUNDING

El término “confounding” se refiere a la influencia de dos o más combinaciones de


factores de efecto en un efecto medido. En otras palabras, uno no puede estimar los
factores de efecto y sus efectos de interacción independientemente.

El efecto que se confunde se llama alias. Una lista de los factores de confusión que
ocurren en un diseño experimental se denomina estructura de alias o un patrón de
confusión.
RESOLUCIÓN DE DISEÑO

Resolución de diseño es una recopilación de características de alias o patrones de


confusión. El grado en que los efectos principales son alias con los efectos de interacción
(dos factores o más) está representado por la resolución del diseño correspondiente.

Un diseño es de resolución R sí, ningún efecto de factor p se alias con otro efecto que
contiene menos que (R - p) factores.

FALTA…

CONSIDERACIONES DE METROLOGÍA DE EXPERIMENTOS DISEÑADOS


INDUSTRIALMENTE

Las características de calidad deben ser medidas utilizando tanto métodos directos como
indirectos. Estas medidas pueden producir variaciones en las respuestas. Dicha medición
varia del mismo modo en que varian los procesos. Al Identificar, separar y remover las
variaciones de las medidas pueden mejorar los valores reales medidos obtenidos de los
procesos medidos.

Las siguientes características necesitan ser consideradas para un sistema de medida:

Exactitud: se refiere al grado de cercanía entre los valores medidos y los valores reales o
de referencia.

Precisión: es una medida de la dispersión de los resultados de muchas observaciones y no


esta relacionada con el valor real.

Estabilidad: un sistema de medida es estable si las medidas no cambian con el tiempo

Capacidad: un sistema de medida tiene capacidad son libres de parcialidad y sensibles.

SELECCIÓN DE CARACTERÍSTICAS DE CALIDAD DE EXPERIMENTOS INDUSTRIALES