Unidad 1

UTN - FRVM
INGENIERÍA QUÍMICA
DISEÑO DE EXPERIMENTOS
Unidad 1
INTRODUCCIÓN
AL DISEÑO DE EXPERIMENTOS
Ing. Qco. José Reynoso
Especialista en Tecnología de Alimentos
Ing. José M. Reynoso Página 1

UTN - FRVM
DISEÑO DE EXPERIMENTOS Y SU APLICACIÓN EN LA

INDUSTRIA
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.
El diseño de experimentos (DoE) es una técnica estadística que permite identificar y

cuantificar las causas de un efecto dentro de un estudio experimental de forma que con el
mínimo número de pruebas se consiga extraer información útil para obtener conclusiones
que permitan optimizar la configuración de un proceso o producto.
En un diseño experimental se manipulan deliberadamente una o más variables,
vinculadas a las causas, para medir el efecto que tienen en otra variable de interés. El
diseño experimental prescribe una serie de pautas relativas respecto a qué variables hay
que manipular, de qué manera, cuántas veces hay que repetir el experimento y en qué
orden para poder establecer con un grado de confianza predefinido la necesidad de una
presunta relación de causa-efecto.

UTN - FRVM
Los pasos básicos a seguir en el diseño de experimentos son los siguientes:

1.- Fijar un cronograma que defina cuál va a ser la lista de pruebas a realizar.
También debemos definir nuestros objetivos, los cuales deben ser claros y se deben
aproximar a una realidad alcanzable.
2.- Escoger los factores a analizar, es decir, aquellos parámetros que van a afectar
tanto directa como indirectamente a nuestra actividad (el proceso o producto que
queremos optimizar), siendo estos los que nos van a marcar los límites alcanzables.
3.- Diseñar el plan de pruebas, este plan variará en función del número de factores
que hayamos considerado. En este punto hay que ser ambicioso y no descartar
cualquier posible experimento por raro que parezca, pues puede que algunos de ellos
estén comunicados entre sí y su interacción deba ser tenida en cuenta a la hora de
tomar decisiones.
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.
Algunos de los tipos de diseños de experimentos son los siguientes:
 Diseño unifactorial
 Diseño por bloques aleatorizados
 Diseño por cuadrados latinos
 Diseños factoriales
 Diseños anidados
 Diseños cruzados anidados
 Diseños factoriales 2k
Unos ejemplos donde habría que utilizar estos modelos son los siguientes:
— En el rendimiento de un determinado tipo de máquina (unidades producidas por día):

se desea estudiar la influencia del trabajador que la maneja y la marca de la máquina.
— Se quiere estudiar la influencia de un tipo de pila eléctrica y de la marca, en la duración

de las pilas.
— Una compañía telefónica está interesada en conocer la influencia de varios factores en

la variable duración de una llamada telefónica. Los factores que se consideran son los
UTN - FRVM
siguientes: hora a la que se produce la llamada; día de la semana en que se realiza la

llamada; zona de la ciudad desde la que se hace la llamada; sexo del que realiza la
llamada; tipo de teléfono (público o privado) desde el que se realiza la llamada.
— Una compañía de software está interesada en estudiar la variable porcentaje en que se

comprime un fichero, al utilizar un programa de compresión teniendo en cuenta el tipo de
programa utilizado y el tipo de fichero que se comprime.
— Se quiere estudiar el rendimiento de los alumnos en una asignatura y, para ello, se

desean controlar diferentes factores: profesor que imparte la asignatura; método de
enseñanza; sexo del alumno.
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.
Consiste en hacer las corridas experimentales en orden

aleatorio (al azar) y con material también seleccionado
ALEATORIZACIÓN aleatoriamente. Este principio aumenta la probabilidad
de que el supuesto de independencia de los errores se
cumpla, lo cual es un requisito para la validez de las
pruebas de estadísticas que se realizan.
También es una manera de asegurar que las pequeñas diferencias provocadas por
materiales, equipo y todos los factores no controlados, se repartan de manera homogénea
en todos los tratamientos. Por ejemplo, una evidencia de incumplimiento o violación de
este principio se manifiesta cuando el resultado obtenido en una prueba está muy
influenciado por la prueba inmediata anterior.

UTN - FRVM
Es correr más de una vez un tratamiento o una

REPETICIÓN combinación de factores.
Es preciso no confundir este principio con medir varias
veces el mismo resultado experimental.
Repetir es volver a realizar un tratamiento, pero no inmediatamente después de haber

corrido el mismo tratamiento, sino cuando corresponda de acuerdo con la aleatorización.
Las repeticiones permiten distinguir mejor qué parte de la variabilidad total de los datos se
debe al error aleatorio y cuál a los factores. Cuando no se hacen repeticiones no hay
manera de estimar la variabilidad natural o el error aleatorio, y esto dificulta la
construcción de estadísticas realistas en el análisis de los datos.
Consiste en nulificar o tomar en cuenta, en forma

BLOQUEO adecuada, todos los factores que puedan afectar la
respuesta observada. Al bloquear, se supone que el
subconjunto de datos que se obtengan dentro de cada
bloque (nivel particular del factor bloqueado), debe
resultar más homogéneo que el conjunto total de datos.0
Por ejemplo, si se quieren comparar cuatro máquinas, es importante tomar en cuenta al
operador de las máquinas, en especial si se cree que la habilidad y los conocimientos del
operador pueden influir en el resultado. Una posible estrategia de bloqueo del factor
operador, sería que un mismo operador realizara todas las pruebas del experimento.
Otra posible estrategia de bloqueo sería experimentar con cuatro operadores (cuatro
bloques), donde cada uno de ellos prueba en orden aleatorio las cuatro máquinas; en este
segundo caso, la comparación de las máquinas quizás es más real.
Cada operador es un bloque porque se espera que las mediciones del mismo operador
sean más parecidas entre sí que las mediciones de varios operadores.

UTN - FRVM
2. Diseño de experimentos en la industria

El diseño de experimentos es altamente efectivo para aquellos procesos, que su
rendimiento se ve afectado por varios factores. Con esta técnica se puede conseguir entre
otras cosas, mejorar el rendimiento de un proceso, reducir la variabilidad o los costos de
producción, así como aumentar la calidad de los productos o servicios.
En general los experimentos se usan para estudiar el desempeño de procesos y sistemas.

El proceso o sistema puede representarse como se muestra en la figura 1. El proceso
puede por lo general visualizarse como una combinación de máquinas, métodos,
personas u otros recursos que transforman cierta entrada (con frecuencia cierto material)
en una salida que tiene una o más respuestas observables. Algunas variables del
proceso x1, x2,..., xn son controlables, mientras que otras z1, z2,...,zm son no controlables.
Figura 1. Modelo general de un proceso o sistema
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
siempre cerca del valor nominal deseado.

 Determinar cuál es el ajuste de las x que tiene mayor influencia para que la variabilidad
de y sea reducida.
 Determinar cuál es el ajuste de las x que tiene mayor influencia para que los efectos de
las variables z1, z2,...,zm sean mínimos.
El diseño experimental es una herramienta de importancia fundamental en el ámbito

industrial (ingeniería) e incluso en las empresas de servicio para mejorar el desempeño de
un proceso de manufactura o servicio. También tiene múltiples aplicaciones en el
UTN - FRVM
desarrollo de nuevos productos y procesos. El diseño de experimentos se puede utilizar

en las industrias para:
 Mejorar los procesos, ya sea mejorando su eficiencia, su confiabilidad o su rendimiento.
 Asistir en la solución de problemas.
 Aprender de los procesos y sus fallos.
 Establecer relaciones de causa-efecto entre las entradas (input) de un proceso y sus
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
su vez robustos a ruidos externos.

 Establecer una región (o ventana) del proceso donde unos factores pueden operar,
averiguando la sensibilidad al cambio de algunos factores en la respuesta.

 Fijar especificaciones y tolerancias lógicas para productos y procesos.
 Obtener una ecuación polinómica que modele el comportamiento de la respuesta de un
proceso en una región de variación de los factores.

 Verificar si la solución adoptada para mejorar un proceso, realmente obtiene los
resultados esperados.

UTN - FRVM
3. Algunas aplicaciones típicas del diseño de experimentos

en la industria
La aplicación de las técnicas del diseño experimental en las fases iniciales del desarrollo
de un proceso puede redundar en:
1. Mejoras en el rendimiento del proceso.

2. Variabilidad reducida y conformidad cercana con los requerimientos nominales o
proyectados.
3. Reducción del tiempo de desarrollo.
4. Reducción de los costos globales.
Entre las aplicaciones del diseño experimental en el diseño de ingeniería (desarrollo de

nuevos productos) se encuentran:
 La evaluación y comparación de configuraciones de diseños básicos.
 La evaluación de materiales alternativos.
 La selección de los parámetros del diseño para que el producto tenga un buen
funcionamiento en una amplia variedad de condiciones de campo, es decir, para que el

producto sea robusto.
 La determinación de los parámetros clave del diseño del producto que afectan el
desempeño del mismo.
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.

UTN - FRVM
4. Planificación de un diseño de experimentos

La experimentación forma parte natural de la mayoría de las investigaciones científicas e
industriales, en muchas de las cuales, los resultados del proceso de interés se ven
afectados por la presencia de distintos factores, cuya influencia puede estar oculta por la
variabilidad de los resultados muéstrales. Es fundamental conocer los factores que
influyen realmente en el sistema o proceso que se está estudiando y estimar esta
influencia. Para conseguir esto es necesario aplicar un enfoque estadístico en el diseño y
análisis de un experimento, variar las condiciones que afectan a las unidades
experimentales y observar la variable respuesta. Del análisis y estudio de la información
recogida se obtienen las conclusiones.
Las etapas a seguir en el desarrollo de un problema de diseño de experimentos son las

siguientes:
1. Identificación del problema y definir los objetivos. Es común en la industria no

darse cuenta de que existe un problema en un proceso o producto que requiere
experimentación para mejorar su eficiencia o calidad, para aplicar un experimento es
necesario desarrollar todas las ideas acerca de los objetivos del mismo. Es importante
solicitar aportes de todas las áreas involucradas: ingeniería, calidad, producción,
marketing, administración, el cliente y el personal de operación. En la mayoría de los
casos es conveniente hacer una lista de los problemas o preguntas específicas que van a
abordarse en el experimento. Las actividades y herramientas que nos apoyan a realizar
esta fase se presentan en la tabla 1.
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.

UTN - FRVM
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.
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.
3. Selección de la variable de respuesta. Para seleccionar la variable de respuesta, el

experimentador deberá tener la certeza de que esta variable proporciona en realidad
información útil acerca del proceso bajo estudio. Los datos que se recogen en un
experimento son medidas de una variable denominada variable respuesta o variable de
interés y es importante precisar en qué unidades se mide. En la mayoría de los casos, el
promedio o la desviación estándar (o ambos) de la característica medida será la variable
respuesta. Las actividades y herramientas que nos apoyan a realizar esta fase se
presentan en la tabla 3.

UTN - FRVM
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)
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.
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)
5. Realización del experimento. En esta fase suele ser conveniente no apresurarse a

realizar los experimentos, sin antes analizar la realización de algunas actividades previas
debido a que se suelen subestimar los aspectos logísticos y de planificación de DDE en
ámbitos de manufactura, investigación y desarrollo se debe asegurar que todos los
recursos necesarios para la experimentación estén disponibles. Se debe tener especial
cuidado y para ello intentar adelantarse a los problemas.
Para ello antes de comenzar con la experimentación no se debe olvidar de:
o Seleccionar la ubicación correcta para realizar el experimento.
o Revisar la disponibilidad del equipamiento, máquinas y operarios para llevar a cabo las
experimentaciones.
o Verificar que todas las combinaciones son viables.
o Preparar las hojas de recolección de datos.

UTN - FRVM
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.
1.- Preparar experimentos
Pruebas piloto
2.- Analizar la necesidad de pruebas piloto
Hoja recogida de datos
3.- Realizar experimentos y recolectar datos
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.
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.
UTN - FRVM
1.- Evaluar la necesidad de experimentos Diseño de experimentos
confirmatorios. Gráficos de control
2.- Implementar controles Plan de control
3.- Validar resultados Procedimientos

UTN - FRVM
5. EJEMPLOS
5.1 Caracterización de un proceso
En el proceso de fabricación de tarjetas de circuitos impresos se utiliza una máquina de

soldadura líquida. La máquina limpia las tarjetas en un fundente, las somete a un proceso
de precalentamiento y después las hace pasar por una onda de soldadura líquida
mediante una transportadora. En este proceso de soldadura se hacen las conexiones
eléctricas y mecánicas de los componentes recubiertos de plomo en la tarjeta.
El proceso opera actualmente con un nivel de defectos aproximados de 1%. Es decir,
cerca de 1% de las juntas de soldadura de una tarjeta son defectuosas y requieren
corrección manual. Sin embargo, debido a que la tarjeta de circuitos impresos contiene
más de 2000 juntas de soldadura, incluso en un nivel de defectos de 1% representa un
número demasiado alto de juntas de soldadura que requieren corrección. Al ingeniero
responsable del proceso en esta área le gustaría usar un experimento diseñado para
determinar cuáles son los parámetros de la máquina que influyen en la ocurrencia de los
defectos de soldadura y que ajustes deberían hacerse en dichas variables para reducir los
defectos de soldadura.
En la máquina de soldadura líquida hay diversas variables que pueden controlarse. Éstas
incluyen:
a. Temperatura de la soldadura
b. La temperatura del precalentamiento
c. La velocidad de la transportadora
d. El tipo de fundente
e. La gravedad específica del fundente
f. La profundidad de la onda de soldadura
g. El ángulo de la transportadora
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

UTN - FRVM
En esta situación, el interés del ingeniero es caracterizar la máquina de soldadura líquida;

es decir, quiere determinar los factores (tanto los controlables como los no controlables)
que afectan la ocurrencia de defectos en las tarjetas de circuitos impresos. Para ello
puede diseñar un experimento que le permitirá estimar la magnitud y dirección de los
efectos de los factores; es decir, cuántos cambia la variable de respuesta (defectos por
unidad) cuando se modifica cada factor, y si la modificación de los factores en conjunto
produce resultados diferentes que los obtenidos mediante el ajuste individual de los
factores; es decir, ¿existe interacción entre los factores? En ocasiones a un experimento
como este se le llama experimento tamiz o de exploración exhaustiva.
La información obtenida de este experimento tamiz se usará para identificar los factores
críticos del proceso y determinar la dirección del ajuste de dichos factores a fin de
conseguir una reducción adicional del número de defectos por unidad. El experimento
también puede proporcionar información acerca de los factores que deberían controlarse
con mayor atención durante el proceso de fabricación a fin de evitar los niveles elevados
de defectos y el desempeño errático del proceso. Por lo tanto, una consecuencia del
experimento podría ser la aplicación de técnicas como las cartas de control a una o más
de las variables del proceso (la temperatura de soldadura, por ejemplo), aunadas a las
cartas de control de la producción del proceso. Con el tiempo, si se consigue una mejoría
sensible del proceso, quizá sea posible basar la mayor parte del programa de control del
mismo en el control de las variables de entrada del proceso en lugar de aplicar cartas de
control a la producción.
5.2 Optimización de un proceso
En un experimento de caracterización, el interés suele centrarse en determinar las

variables del proceso que afectan la respuesta. El siguiente paso lógico es la
optimización, es decir, determinar la región de los factores importantes que conduzca a la
mejor respuesta posible. Por ejemplo, si la respuesta es el rendimiento, se buscaría la
región del rendimiento máximo, mientras que si la respuesta es la variabilidad de una
dimensión crítica del producto, se buscaría una región de variabilidad mínima.
Supongamos que el interés se centra en mejorar el rendimiento de un proceso químico.
Por los resultados de un experimento de caracterización se sabe que las dos variables
más importantes del proceso que influyen en el rendimiento son la temperatura de
operación y el tiempo de reacción. El proceso opera actualmente a 145ºF y con 2.1 horas
de tiempo de reacción, produciendo rendimientos de cerca de 80%. En la figura 1.9 se
muestra una vista desde arriba de la región tiempo-temperatura. En esta gráfica las líneas
de rendimiento constante se unen para formar los contornos de respuesta, y se muestran
las líneas de contorno para rendimiento de 60, 70, 80, 90 y 95%. Estos contornos son las
proyecciones en la región tiempo-temperatura de las secciones transversales de la
superficie del rendimiento correspondiente a los rendimientos porcentuales arriba
mencionados. A esta superficie se le llama en ocasiones superficie de respuesta. El
personal del proceso no conoce la verdadera superficie de respuesta de la figura 1.9, por
lo que se necesitarán métodos experimentales para optimizar el rendimiento con respecto
al tiempo y la temperatura.
Para localizar el rendimiento óptimo, es necesario llevar a cabo un experimento en el que
se hagan variar conjuntamente el tiempo y la temperatura, es decir un experimento
factorial. En la figura 1.9 se muestran los resultados de un experimento factorial inicial
realizado con dos niveles tanto del tiempo como de la temperatura. Las respuestas que se
UTN - FRVM
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.
5.3 Ilustración del diseño de un producto
Con frecuencia los métodos de diseño experimental pueden aplicarse en el proceso de

diseño de un producto. Para ilustrar esto, suponga que un grupo de ingenieros está
UTN - FRVM
diseñando el gozne de la puerta de un automóvil. La característica de calidad del producto

que les interesa es el esfuerzo amortiguador, es decir, la capacidad de retención del tope
que impide que la puerta se cierre cuando el vehículo se estaciona en una pendiente. El
mecanismo amortiguador consta de un resorte de hojas y un cilindro. Cuando la puerta se
abre, el cilindro se desplaza por un arco que hace que el resorte de hojas se comprima.
Para cerrar la puerta es necesario vencer la fuerza del resorte, la cual produce el esfuerzo
amortiguador. El equipo de ingenieros considera que el esfuerzo amortiguador es una
función de los siguientes factores:
a. La distancia que se desplaza el cilindro

b. La altura del resorte del pivote a la base
c. La distancia horizontal del pivote al resorte
d. La altura libre del resorte auxiliar
e. La altura libre del resorte principal
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.

UTN - FRVM
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:
1. El objetivo del experimento.

2. El número de factores a estudiar.
3. El número de niveles que se prueban en cada factor.
4. Los efectos que interesa investigar (relación factores-respuesta).
5. El costo del experimento, tiempo y precisión deseada.
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:
1. Diseños para comparar dos o más tratamientos.

2. Diseños para estudiar el efecto de varios factores sobre la(s) respuesta(s).
3. Diseños para determinar el punto óptimo de operación del proceso.
4. Diseños para la optimización de una mezcla.
5. Diseños para hacer el producto o proceso insensible a factores no controlables.

UTN - FRVM
En resumen, los distintos diseños más usados en la industria se clasifican en:

Unidad 1

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Unidad 1

Cargado por

Copyright:

Formatos disponibles

UTN - FRVM

Ing. Qco. José Reynoso

Especialista en Tecnología de Alimentos

Ing. José M. Reynoso Página 1

DISEÑO DE EXPERIMENTOS Y SU APLICACIÓN EN LA

El diseño de experimentos (DoE) es una técnica estadística que permite identificar y

Ing. José M. Reynoso Página 2

Los pasos básicos a seguir en el diseño de experimentos son los siguientes:

Algunos de los tipos de diseños de experimentos son los siguientes:

 Diseño por bloques aleatorizados

 Diseño por cuadrados latinos

 Diseños cruzados anidados

— En el rendimiento de un determinado tipo de máquina (unidades producidas por día):

— Se quiere estudiar la influencia de un tipo de pila eléctrica y de la marca, en la duración

— Una compañía telefónica está interesada en conocer la influencia de varios factores en

siguientes: hora a la que se produce la llamada; día de la semana en que se realiza la

— Una compañía de software está interesada en estudiar la variable porcentaje en que se

— Se quiere estudiar el rendimiento de los alumnos en una asignatura y, para ello, se

Consiste en hacer las corridas experimentales en orden

Ing. José M. Reynoso Página 4

Es correr más de una vez un tratamiento o una

Repetir es volver a realizar un tratamiento, pero no inmediatamente después de haber

Consiste en nulificar o tomar en cuenta, en forma

Ing. José M. Reynoso Página 5

2. Diseño de experimentos en la industria

En general los experimentos se usan para estudiar el desempeño de procesos y sistemas.

Figura 1. Modelo general de un proceso o sistema

siempre cerca del valor nominal deseado.

las variables z1, z2,...,zm sean mínimos.

El diseño experimental es una herramienta de importancia fundamental en el ámbito

desarrollo de nuevos productos y procesos. El diseño de experimentos se puede utilizar

 Asistir en la solución de problemas.

 Aprender de los procesos y sus fallos.

 Establecer relaciones de causa-efecto entre las entradas (input) de un proceso y sus

su vez robustos a ruidos externos.

averiguando la sensibilidad al cambio de algunos factores en la respuesta.

 Obtener una ecuación polinómica que modele el comportamiento de la respuesta de un

proceso en una región de variación de los factores.

Ing. José M. Reynoso Página 7

3. Algunas aplicaciones típicas del diseño de experimentos

1. Mejoras en el rendimiento del proceso.

Entre las aplicaciones del diseño experimental en el diseño de ingeniería (desarrollo de

 La evaluación de materiales alternativos.

funcionamiento en una amplia variedad de condiciones de campo, es decir, para que el

desempeño del mismo.

Ing. José M. Reynoso Página 8

4. Planificación de un diseño de experimentos

Las etapas a seguir en el desarrollo de un problema de diseño de experimentos son las

1. Identificación del problema y definir los objetivos. Es común en la industria no

Ing. José M. Reynoso Página 9

3. Selección de la variable de respuesta. Para seleccionar la variable de respuesta, el

Ing. José M. Reynoso Página 10

5. Realización del experimento. En esta fase suele ser conveniente no apresurarse a

Para ello antes de comenzar con la experimentación no se debe olvidar de:

o Seleccionar la ubicación correcta para realizar el experimento.

o Preparar las hojas de recolección de datos.

Ing. José M. Reynoso Página 11

Ing. José M. Reynoso Página 13

5.1 Caracterización de un proceso

En el proceso de fabricación de tarjetas de circuitos impresos se utiliza una máquina de

Ing. José M. Reynoso Página 14

En esta situación, el interés del ingeniero es caracterizar la máquina de soldadura líquida;

5.2 Optimización de un proceso