ECBTI : GIEPRONAL - GIA - BIOTIC

I Workshop de Diseño Experimental y

Análisis de Datos en la Ingeniería.
Docentes Cadena de Formación en Alimentos (CAFA).
10/10/2020 - 12/12/2020
El porque de este Evento

1 Especialistas
DOCENTES/ INVESTIGADORES
Capacitación
Giepronal, GIA, BIOTIC 4

2 Investigación
DISEÑO DE EXPERIMENTOS.
Actualización
5
Nuevos métodos y herramientas

3 Aplicación
EXTENSIÓN.
Certificación
SIGI 6
Link: https://sites.google.com/unad.edu.co/workshopdead/p%C3%A1gina-principal
1ª Sesión

Importancia de la planeación
en el diseño experimental.
Ing. Juan Camilo Mendoza DSc.
CCAV Cartagena 10/10/2020
Contenido a tratar

• La Planeación de Experimentos
• El porque, lo que encontramos, la razones, lo que controlamos.
• Lo que nos puede ayudar a una buena planeación
• Los principios básicos
• La clasificación y tipología
• Algunos ejemplos
• Algunas conclusiones.
La planeación en el diseño de experimentos

Confiabilidad

1 No se puede confundir confiablilidad con confianza.

la confiabilidad esta asociada a la consistencia, y
la confianza a un supuesto.

Buena Planeación

2 Nos dice lo que necesitamos saber, indica de

manera mas satisfactoria lo que buscamos.
Cuando el objetivo es Calidad.

Causa y efecto

3 Que tanto conoces lo que vas a estudiar para

saber si existe una relación de causa y efecto.

Diferentes calidades

Pueden ser derivadas del mismo factor en

4
direntes niveles, de interacción de factores, de
interaciones de diferentes nivles de diferentes
factores.
¿Porque comienzas un experimento?

Montgomery. 2009
“es una prueba”

Pero esa prueba debe ser organizada para poder obtener

resultados confiables.

“deben llevarte de la manera menos confusa a las conclusiones

de los objetivos que te propusiste”
Encontramos em um experimento

Lo que controlamos:
Lo manipulable, independiente o
entrada

Lo que no controlamos:
Las respuestas, salidas o variables
Dependientes
Razones para planear y ejecutar Experimentos

Experimento
Razon 1 Razon 2

Desarrollar un proceso lo major lo Ver que tan dislocado o fuera

possible de foco esta el proceso
Texto Texto Título4
Factores controlables.

4,5 ¿Como es la relación entre el numero de factores de

4 estudio en un experimento y el conocimiento que se
tiene sobre el proceso sobre el cual se desarrollara el
3,5
experimento?
Conocimiento del experimento

2,5

1,5

0,5

0
0 1 2 3 4 5
Factores de análisis
Factores Controlables.

• En términos operacionales la dificultad de ejecutar un experimento

con muchos o pocos factores controlables (variables de entrada) es la
misma.
• Pero a que se debe la diferencia: al numero de ensayos derivados de
los niveles, los factores.

“El planeamiento de un experimento no debe ser basado en el tamaño y

si en el conocimiento que tiene del proceso en aquel momento y en el
objetivo que se quiere alcanzar”
(Ribeiro 2012)
Diagrama de Pareto

Pocos vitales y muchos triviales

Un gran porcentajes de los problemas es

explicado por solo una fracción de las
causas

Este es un muy buen paso a tener en

cuenta para la planeación de un
experimento.
Diagramas de Ishikagua causa-efecto

En este caso las causas se

convierten en factores y las
sub-causas en niveles de los
factores

Recordar la característica
cualitativa o cuantitativa
de cada factor
Brainstorming

Esto se hace con el objetivo de

eliminar causas que tengan
poco impacto en el problema y
que cuyo efecto realmente no
se perciba.

Importante: poder ver de manera

holística el problema, para evitar
ser tendencioso
Princípios Básicos de la Experimentación

• Aleatorización
Consiste en hacer corridas experimentales en orden
aleatorio (al azar); este principio aumenta la
posibilidad de que el supuesto de independencia de
los errores se cumpla. (sospechas de tendencia en
ensayos seguidos )
• Repetición
Es correr más de una vez un tratamiento o
combinación de factores. La repetición no se puede
confundir con un replica.

• Bloqueo o control
Es nulificar o tomar en cuenta, en forma adecuada
todos los factores que pueden afectar la respuesta
observada. Ej: Delineamiento con Bloques
Clasificación y selección de diseños experimentales

Aspectos que mas influyen en la selección de un diseño experimental

El objetivo del Relación de los factores y

experimento sus respuestas

El número de
factores a estudiar

Costo del
Número de niveles
experimento
por factor
Objetivo del experimento

Otimización
de la
operación de
un proceso Optimización
de una Mezcla
Sensibilidad a
factores no
Efecto de
Comparar 2 o controlables /
varios
mas Diseños
factores
tratamientos Robustos
sobre la
respuestas
Diseños experimentales para comparar tratamientos.

Dicha comparción implica una selección

Puede ser de interés comparar tres o más máquinas, varios
proveedores, cuatro procesos, tres materiales, cinco dosis de
un fármaco, etcétera.

Diseño
Diseño en Cuadro latino o
Completamete al
Bloques grecolatino
azar DCA.
Diseños muy
todas las corridas Al Azar especificos poco
experimentales se Bloque completo usados en la
realizan en orden experimentación, sin
aleatorio completo embargo…
Ejemplo de un diseño completamente al azar DCA

La comparación de operarios en la llenado e

inspección de gaseosas artesanales, contra la
posibilidad de instalación de una maquina
automática que permita que la inspección se
realicen en menor tiempo y que las perdidas y
costos se reduzca drásticamente.

Fuente: https://www.revistaialimentos.com/
Ejemplo de un Diseño en Bloque

Sistema de producción piscícola en tanques.

Algunas especies con mayor precio, otras con

mayor ganancia de peso, otra de mas rápido
crecimiento, algunas se comen entre ellas.

Fuente: https://gvanga.com/
Ejemplo Cuadro latino o grecolatino

Medir el desgaste de las llantas de un

vehículo de transporte publico.
Una empresa como 4 tipos de vehículos, 4
rutas y 4 marcas diferentes de llantas y las
posiciones de las llantas en el vehículo.

Fuente: https://gvanga.com/
Diseños experimentales con varios factores

01 Factoriales e interacción
La importancia radica que se pueda analizar que la respuesta
en verdad es influenciada por varios factores y sus niveles .

02 Factoriales 2k

Diseño que estudia k factores con 2 niveles cada uno, y don- de se

corren los 2k posibles tratamientos. Son útiles cuando 2 > k < 5

Factoriales 3 k
03 Modelo que considera k factores con tres niveles cada uno y
tiene 3k tratamientos. Este diseño requiere de mayor cantidad
de pruebas que el diseño 2.

04 Factoriales 2k-p
Diseños en los que se elige adecuadamente una parte o fracción de los
tratamientos de un factorial completo, con la intención de estudiar el
efecto de los factores utilizando menos corridas experimentales
Ejemplo Diseño factorial Clásico

Medir la influencia o interacción de factor en otro.

Producción de cerveza artesanal

la falta de estandarización en un variedad de cerveza,

debido a un leve aumentos en el temperatura de
fermentación que afecta de manera drástica el conteo
de levaduras en el mosto.
Fuente: http://blog.escuelacervecera.com/
Diseños para optimización de un proceso

Diseño para modelos de Primer Orden

• Diseños factoriales 2k y 2k – p
• Diseño de Plakett-Burman
• Diseño simplex

Diseños para modelos de Segundo Orden

• Diseño de composición central

Fuente: https://victoryepes.blogs.upv.es/
• Diseños factoriales 3k y 3k – p
• Diseño de Box-Behnken
Ejemplo Diseño optimización

Medir el optimo de un variable respuesta debido al

comportamiento de los factores y sus interacciones.

Industrias de petróleo

Se necesitan cambios de modelos de optimización

constantemente, porque el petróleo no siempre es el
mismo, hay diferentes características que afectas las
proporciones de productos o subproductos de interés,
todo esto asociado a encontrar un optimo no solo para la
producción, sino también para su venta. Fuente: http://blog.escuelacervecera.com/
Diseños de Mezclas

Diseños importantísimos para formulaciones; alimentos, fármacos, construcción

Diseño simplex-reticular Diseño con restricciones

Considera q componentes y Hace uso de rangos

permite ajustar un modelo de especificos para su
orden m. construcción, son necesarios
los componentes toman los ensayos previous, Tambien
valores xi = 0, 1/m, 2/m, …, generan modelos de
m/m otimización.

Diseño simplex con Diseño axial

centroide
Son diseño que generan
Utiliza mezclas puras para modelos eficientes en rangos
encontrar optimos tanto de axiales o distantes al centro.
modelos lineales como de
modelos cuadraticos
Simplex
Son figuras que permiten dibujar q componentes usando
q – 1 dimensiones. Se utilizan para representar
geométricamente las regiones experimentales en
experimentos con mezclas
Ejemplos de Diseños de Mezclas

Por general se utilizan modelos reconocidos para hacer

mejoras en sobre un criterio especifico. En este por
ejemplo: se exploran niveles limites de tres componentes
para una aleación conductora.
formada por:
• Calcita (26,73 %),
• Ferrosilicio (19,02 %),
• Ferromanganeso (16,58 %),
• Rutilo (26,69 %),
• Silicato de Potasio (11,70 %)
• Grafito (2 ≤ X1 ≤ 10 %),
• Ferro Cromo (5 ≤ X2 ≤ 35 %),
• ferrotungsteno (5 ≤ X3 ≤ 10 %)
• matriz (60 ≤ X4 ≤ 80 %) Fuente: Gomez-Perez (etal .,2018)
 Diseños Robustos

Diseño de Taguchi
• Un diseño de Taguchi es un
experimento diseñado que permite
elegir un producto o proceso que
funciona con mayor consistencia en
el entorno operativo.
Los diseños de Taguchi reconocen
que no todos los factores que causan
variabilidad pueden ser controlados
Ejemplo Diseño optimización

El producto debe funcionar y el proceso debe operar

sin importar las condiciones ambientales a las que se
someta el proceso.
Desarrollo de productos

El diseño robusto se enfoca a la fabricación de

productos y procesos robustos, lo cual se logra mejor
durante la etapa en que se concibe y diseña un nuevo
producto; además, en esta etapa es posible reducir el Fuente:https://www.lanoticia.com/
costo al incluir materiales más económicos que
cumplan la función desea da.
Conclusion

Infinidades de posibilidades para DE

conocer el proceso es lo mas importante para saber que tipo de diseño se
aplicará

Costos y tamaño del DE

Aunque el objetivo es la base del diseño no se puede olvidar que los
costos y el tamaño de un experimento direcionan el tipo de diseño
experimental a plantear

Mejora continua
La optimización, le mejorar del proceso y el
Desarrollo de productos
Piensen en esto:
“La observación en la ciencia es un acto pasivo; la experimentación algo activo.”
“Cuando descubrimos un hecho que contradice la teoría, debemos aceptar el hecho y abandonar la teoría.”
CLAUDE BERNARD
“Ninguna cantidad de experimentación puede probar definitivamente que tengo razón; pero un solo experimento puede probar que estoy
equivocado.”
ALBERT EINSTEIN
“La honestidad intelectual es de primera importancia en el trabajo experimental.”
WILLIAMIAN BEARDMORE
“Son vanas y están plagadas de errores las ciencias que no han nacido del experimento, madre de toda certidumbre.”
LEONARDO DAVINCI
“La ciencia se compone de errores, que a su vez son los pasos hacia la verdad”
JULES VERNE
“Consultar al estadístico una vez finalizado un experimento a menudo es simplemente pedirle que realice un examen post mortem. Quizás
pueda decir de qué murió el experimento"
Sir Ronald Fisher
Dudas y preguntas
¡GRACIAS POR SU ATENCIÓN!
Bobliografía utilizada

• Gómez‐Pérez, C. R., Paula‐Perotti, A., García‐Rodríguez, A., Esmerio‐Mazzaferro, J.

A., Rubén‐Gonzalez, A., & Guerra‐Machado, I. (2013). Diseño Mc. Lean‐Anderson
aplicado para obtener recubrimientos de electrodos aleados con carbono, cromo y
titanio//Mc. Lean‐Anderson design applied for recovered electrodes obtaining
with carbon, chrome and titanium alloys. Mecánica Mechanical Engineering
Revista Electrónica Electronic Journal ISSN, Ingeniería, 16(2), 132–143.
http://www.ingenieriamecanica.cujae.edu.cu
• Gutiérrez, H., & de la Vara, R. (2012). Análisis y diseño de experimentos (segunda).
McGrawHill.
• Junior, J. I. R. (2012). Métodos Estatísticos aplicados á melhoria da Qualidade.