Documentos de Académico
Documentos de Profesional
Documentos de Cultura
0.l
CD
Montg9mery
CD
><
3
CD
::::,
o
tn
Segunda edición 1
� P�tft\\'1iYr.if
DISEÑO Y
ANÁLISIS DE
EXPERIMENTOS
,.,
DISENO
.,
Y
ANALISIS DE
EXPERIMENTOS
segunda edición
Douglas C. Montgomery
�LIMUSA WILEY�
VERSIÓN AUTORIZADA EN ESPAlilOL DE LA OBRA PUBLICADA
COLABORADOR EN LA TRADUCCIÓN:
REVISIÓN:
G R I S E L D A Z ET I N A V É L E Z
D.ERECHOS RESERVADOS:
C.P.06040
'Jd, limusa@_noriega.com.mx
"t- www.nonega.com.mx
HECHO EN México
ISBN 968-18-6156-6
3.2
Prefacio
El presente libro es un texto de introducción que aborda el diseño y análisis de experimentos. Tiene como
base los cursos sobre diseño de experimentos que he impartido durante más de 25 años en la Universidad
mo los métodos que he encontrado útiles en mi propia práctica profesional como consultor en ingeniería
y estadística en las áreas generales de diseño de productos y procesos, mejoramiento de procesos e inge
El libro está destinado a estudiantes que han llevado un primer curso de métodos estadísticos. Este
curso previo debe incluir por lo menos algunas de las técnicas de estadística descriptiva, la distribución
normal y una introducción a los conceptos básicos de los intervalos de confianza y la prueba de hipótesis
para medias y varianzas. Los capítulos 10 y 11 requieren un manejo elemental de álgebra matricial.
Como los requisitos para llevar este curso son relativamente modestos, este libro puede usarse tam
bién en un segundo curso de estadística enfocado en el diseño estadístico de experimentos para estudian
tes de licenciatura de ingeniería, física, ciencias físicas y químicas, matemáticas y otros campos de las
ciencias. Durante varios años he impartido un curso basado en este libro en el primer año de estudios de
posgrado de ingeniería. Los estudiantes de este curso provienen de los campos tradicionales de ingenie
ría, física, química, matemáticas, investigación de operaciones y estadística. También he usado este libro
como base de un curso breve para el sector industrial sobre diseño de experimentos para técnicos en ejer
cicio con una amplia diversidad en su formación profesional. Se incluyen numerosos ejemplos que ilustran
todas las técnicas de diseño y análisis. Estos ejemplos se basan en aplicaciones del diseño experimental
en el mundo real, y se han tomado de diferentes campos de la ingeniería y las ciencias. Esto lleva al terreno
de las aplicaciones a un curso académico para ingenieros y científicos y hace de este libro una útil herra-.
La presente edición constituye una revisión sustancial del libro. He procurado mantener el equilibrio en
tre los tópicos de diseño y análisis; sin embargo, hay varios temas y ejemplos nuevos; asimismo he reorga
nizado gran parte del material. En la presente edición se resalta más el uso de la computadora. Durante
los últimos años han surgido varios productos de software excelentes que auxilian al experimentador en
las fases del diseño y el análisis para esta materia. He incluido las salidas de dos de estos productos, Mini
tab y Design-Expert, en varias partes del texto. Minitab es un paquete de software de estadística de carác
ter general ampliamente disponible, que cuenta con útiles herramientas de análisis de datos y que maneja
bastante bien el análisis de experimentos tanto con factores fijos como aleatorios (incluyendo el modelo
mixto). Design-Expert es un paquete que se enfoca exclusivamente en el diseño experimental. Tiene mu
chas herramientas para la construcción y evaluación de diseños, así como múltiples características de aná
lisis. En el sitio web de este libro puede obtenerse una versión para estudiantes de Design-Expert, y se hace
una amplia recomendación para usarlo. Exhorto a todos los profesores que usen este libro para que incor
poren software de computadora en sus cursos. En mi caso particular, llevo a todas mis clases una compu-
V
vi PREFACIO
tadora laptop y un monitor, y todos los diseños o tópicos del análisis tratados en clase se ilustran con la
computadora.
En esta edición destaco aún más la conexión entre el experimento y el modelo que puede desarrollar
el experimentador a partir de los resultados del experimento. Los ingenieros (y en gran medida los cientí
ficos de la física y la química) aprenden los mecanismos físicos y sus modelos mecanicistas fundamentales
al principio de su formación académica, pero en la mayor parte de sus carreras profesionales tendrán que
trabajar con estos modelos. Los experimentos diseñados estadísticamente ofrecen al ingeniero una base
válida para desarrollar un modelo empírico del sistema bajo estudio. Después este modelo empírico pue
de manipularse (tal vez utilizando una superficie de respuesta o una gráfica de contorno, o quizá matemá
ticamente) como cualquier otro modelo de ingeniería. A lo largo de muchos años de docencia he
descubierto que este enfoque es muy eficaz para despertar el entusiasmo por los experimentos diseñados
un modelo empírico fundamental para el experimento y las superficies de respuesta y destaco la impor
También me he esforzado por presentar mucho más rápido los puntos críticos en los que intervienen
los diseños factoriales. Para facilitar este objetivo, condensé en un solo capítulo (el 3) el material intro
ductorio sobre los experimentos completamente aleatorizados con un solo factor y el análisis de varianza.
He ampliado el material sobre los diseños factoriales y factoriales fraccionados (capítulos 5 al 9) en un es
fuerzo por hacer que el material fluya con mayor eficiencia en la perspectiva tanto del lector como del
profesor y por hacer mayor hincapié en el modelo empírico. El capítulo sobre las superficies de respuesta
( el 11) sigue inmediatamente al material sobre diseños factoriales y factoriales fraccionados y modelado
de regresiones. He ampliado este capítulo, agregando nuevo material sobre diseños óptimos alfabéticos,
analizan experimentos que incluyen efectos aleatorios, así como algunas aplicaciones de estos conceptos
en diseños anidados y parcelas subdivididas. El capítulo 14 es una descripción general de temas importan
tes de diseño y análisis: la respuesta no normal, el método de Box-Cox para seleccionar la forma de una
A lo largo del libro he destacado la importancia del diseño experimental como una herramienta que
el ingeniero en ejercicio puede usar en el diseño y desarrollo de productos, así como en el desarrollo y me
joramiento de procesos. Se ilustra el uso del diseño experimental en el desarrollo de productos que sean
robustos a factores ambientales y a otras fuentes de variabilidad. Considero que el uso del diseño experi
mental en las fases iniciales del ciclo de un producto puede reducir sustancialmente el tiempo y el costo de
conducirlo, redundando en procesos y productos con un mejor desempeño en campo y una mayor confia
El libro contiene más material del que puede cubrirse sin prisas en un solo curso, por lo que espero
que los profesores puedan variar el contenido de cada curso o bien estudiar más a fondo algunos temas,
dependiendo de los intereses de la clase. Al final de cada capítulo hay un grupo de problemas ( excepto en
el 1). El alcance de estos problemas varía desde ejercicios de cálculo, destinados a consolidar los funda
dos. En consecuencia, por lo general cubro el capítulo 1, el capítulo 2 (muy rápido), la mayor parte del ca
pítulo 3, el capítulo 4 (sin incluir el material sobre bloques incompletos y mencionando sólo brevemente
los cuadrados latinos), y trato en detalle los capítulos 5 al 8 sobre diseños factoriales con dos niveles y di
seños factoriales fraccionados. Para concluir el curso, introduzco la metodología de superficies de res
puesta (capítulo 11) y hago un repaso general de los modelos con efectos aleatorios (capítulo 12) y los
diseños anidados y en parcelas subdivididas (capítulo 13). Siempre pido a los estudiantes que realicen un
PREFACIO VÜ
proyecto semestral que consiste en diseñar, conducir y presentar los resultados de un experimento dise
ñado estadísticamente. Les pido que trabajen en equipos, pues es la manera en que se realiza la mayor
Con esta edición he preparado un suplemento para cada capítulo del libro. En este material suplementa
rio se desarrollan temas que no pudieron tratarse con mayor detalle en el libro. Tumbién presento algunos
temas que no aparecen expresamente en el libro, pero que para algunos estudiantes y profesionistas en
ejercicio podría resultar de utilidad una introducción de los mismos. El nivel matemático de parte de este
material es más elevado que el del texto. Estoy consciente de que los profesores usan este libro con una
amplia variedad de audiencias, y es posible que algunos cursos de diseño más avanzados puedan benefi
ciarse al incluir varios de los temas del material suplementario del texto. Este material está en formato
electrónico en el CD/ROM del profesor (disponible sólo en inglés) y se encuentra en el sitio web de este
libro.
SITIO WEB
disponible el material de apoyo para profesores y estudiantes. Este sitio se usará para comunicar informa
ción acerca de innovaciones y recomendaciones para el uso eficaz de este texto. El material suplementa
rio del texto puede encontrarse en este sitio, junto con versiones electrónicas de las series de datos
utilizadas en los ejemplos y los problemas de tarea, un plan de estudios del curso y proyectos semestrales
RECONOCIMIENTOS
Expreso mi agradecimiento a los muchos estudiantes, profesores y colegas que han usado antes este libro
y quienes me han hecho llegar útiles sugerencias para esta revisión. Las contribuciones de los doctores
Raymond H. Myers, G. Geoffrey Vining, Dennis Lin, John Ramberg, Joseph Pignatiello, Lloyd S. Nelson,
Andre Khuri, Pe ter Nelson, John A. Cornell, George C. Runger, Bert Keats, Dwayne Rollier, Norma Hu
bele, Cynthia Lowry, Russell G. Heikes, Harrison M. Wadsworth, William W. Hines, Arvind Shah, Jane
Ammons, Diane Schaub, Pat Spagon y William DuMouche, y los señores Mark Anderson y Pat Whitcomb
Las contribuciones de los profesionistas en activo con quienes he trabajado han sido invaluables. Es
imposible mencionarlos a todos, pero algunos de los principales son Dan McCarville y Lisa Custer de Mo
torola; Richard Post de Intel; Tom Bingham, Dick Vaughn, Julián Anderson, Richard Alkire y Chase
Neílson de Boeing Company; Mike Goza, Don Walton, Karen Madison, Jeff Stevens y Bob Kohm de
Alcoa; Jay Gardiner, John Butora, Dana Lesher, Lolly Marwah, Paul Tobias y Lean Mason de IBM; Eli
zabeth A Peck de The Coca-Cola Company; Sadri Khalessi y Franz Wagner de Signetics; Robert V. Bax
ley de Monsanto Chemicals; Harry Peterson -Nedryy Russell Boyles de Precision Castparts Corporation;
Bill New y Randy Schmid de Allied-Signal Aerospace; John M. Fluke, hijo, de John Fluke Manufacturing
viii PREFACIO
Company; Larry Newton y Kíp Howlett de Georgia-Pacific, y Ernesto Ramos de BBN Software Products
Corporation.
Me encuentro en deuda con el profesor E.S. Pearson y con Biometrika, John Wiley & Sons, Prenti
ce-Hall, The American Statistical Association, Toe Institute of Mathematical Statistics y los editores de
Biometrics por el permiso para usar material protegido por derechos de autor. Lisa Custer realizó un ex
celente trabajo de presentación de las soluciones que aparecen en el CD/ROM del profesor, y la doctora
Cheryl Jennings realizó una corrección de estilo eficaz y de suma utilidad. Estoy agradecido con la Office
sity Cooperative Research Center in Quality and Reliability Engineering de la Universidad Estatal de
Arizona, e IBM Corporation por apoyar gran parte de mis investígacíones de estadística y diseño experi
mental de ingeniería.
Douglas C. Montgomery
Tempe, Arizona
Contenido
Capítulo l. Introducción 1
2-1 Introducción 21
2-4.7 Resumen 46
2-5 Inferencias acerca de las diferencias en las medias, diseños de comparaciones pareadas 47
2- 7 Problemas 54
3-1 Un ejemplo 60
ix
X CONTENIDO
3-5.4 Contrastes 90
3
6-3 El diseno 2 228
Capítulo 9. Diseños factoriales y factoriales fraccionados con tres niveles y con niveles mixtos 363
2
9-1.2 El diseño 3 365
3
9-1.3 El disefto 3 367
procesos 427
varianza 543
Bibliografía 630
Apéndice 637
2
Tablam. Puntos porcentuales de la distribuciónx 641
Tabla V. Curvas de operación característica para el análisis de varianza del modelo con efectos fijos 647
Tubla VI. Curvas de operación característica para el análisis de varianza del modelo con efectos
aleatorios 651
Tabla VII. Rangos significativos para la prueba del rango múltiple de Duncan 655
Tabla VIII. Puntos porcentuales del estadístico del rango studentizado 656
Tabla IX. Valores críticos para la prueba de Dunnett para comparar tratamientos con un control 658
Tabla XII. Relaciones de alias para diseños factoriales fraccionados 2"- P con k s; 15 y n s 64 663
índice 681
Introducción
Investigadores de prácticamente todos los campos de estudio llevan a cabo experimentos, por lo general
para descubrir algo acerca de un proceso o sistema particular. En un sentido literal, un experimento es
una prueba. En una perspectiva más formal, un experimento puede definirse como una prueba o serie de
pruebas en las que se hacen cambios deliberados en las variables de entrada de un proceso o sistema para
observar e identificar las razones de los cambios que pudieran observarse en la respuesta de salida.
Este libro trata de la planeación y realización de experimentos y del análisis de los datos resultantes a
fin de obtener conclusiones válidas y objetivas. La atención se centra en los experimentos de ingeniería y
las ciencias físicas y químicas. En ingeniería, la experimentación desempeña un papel importante en el di
objetivo en muchos casos sería desarrollar un proceso robusto, es decir, un proceso que sea afectado en
Como ejemplo de un experimento, suponga que un ingeniero metalúrgico tiene interés en estudiar el
efecto de dos procesos diferentes de endurecimiento, el templado en aceite y el templado en agua salada,
sobre una aleación de aluminio. El objetivo del experimentador es determinar cuál de las dos soluciones
de templado produce la dureza máxima para esta aleación particular. El ingeniero decide someter varios
ejemplares o muestras para ensayo de la aleación a cada medio de templado y medir la dureza de los
ejemplares después del templado. Para determinar cuál de las soluciones es la mejor, se usará la dureza
1. lEstas dos soluciones son los únicos medios de templado de interés potencial?
2. lHay en este experimento otros factores que podrían afectar la dureza y que deberían investigar
se o controlarse?
3. lCuántas muestras para ensayo de la aleación deberán probarse en cada solución de templado?
4. lCómo deberán asignarse las muestras para ensayo de prueba a las soluciones de templado y en
1
2 CAPÍTULO 1 INTRODUCCIÓN
6. lQué diferencia en la dureza promedio observada entre los dos medios de templado se conside
rará importante?
Todas estas preguntas, y tal vez muchas más, tendrán que responderse satisfactoriamente antes de llevar a
cabo el experimento.
En cualquier experimento, los resultados y las conclusiones que puedan sacarse dependen en gran
medida de la manera en que se recabaron los datos. Para ilustrar este punto, suponga que el ingeniero
metalúrgico del experimento anterior utilizó ejemplares de una hornada para el templado en aceite y
ejemplares de una segunda hornada para el templado en agua salada. Entonces, cuando compare la dure
za promedio, el ingeniero no podrá saber qué parte de la diferencia observada es resultado de la solución
1
de templado y qué parte es el resultado de diferencias inherentes entre las hornadas. Por lo tanto, el mé
todo utilizado para recabar los datos ha afectado de manera adversa las conclusiones que pueden sacarse
del experimento.
En general, los experimentos se usan para estudiar el desempeño de procesos y sistemas. El proceso o
sistema puede representarse con el modelo ilustrado en la figura 1-1. El proceso puede por lo general vi
sualizarse como una combinación de máquinas, métodos, personas u otros recursos que transforman cier
ta entrada (con frecuencia un material) en una salida que tiene una o más respuestas observables.
Algunas variables del proceso x1, Xz, ... , xP son controlables, mientras que otras Zi, z2, .•. , z son no controla
9
bles (aunque pueden serlo para los fines de una prueba). Los objetivos del experimento podrían com
l. Determinar cuáles son las variables que tienen mayor in.fluencia sobre la respuesta y.
2. Determinar cuál es el ajuste de lasx que tiene mayor influencia para que y esté casi siempre cerca
3. Determinar cuál es el ajuste de las x que tiene mayor influencia para que la variabilidad de y sea
reducida.
4. Determinar cuál es el ajuste de lasx que tiene mayor influencia para que los efectos de las varia
Como se puede ver por el análisis anterior, los experimentos incluyen muchas veces varios factores.
Habitualmente, uno de los objetivos de la persona que realiza un experimento, llamada el experimenta
dor, es determinar la influencia que tienen estos factores sobre la respuesta de salida del sistema. Al enfo-
Factores controlables
-"1 .1:2
Entradas Salida
Proceso
y
z z z
1 2 4 Figura l•l Modelo general de un pro
Factores no controlables
ceso o sistema.
1
Un especialista en diseño experimental diría que los efectos de los medios de templado y las hornadas se confundieron; es decir, los
que general para planear y llevar a cabo el experimento se le llama estrategia de experimentación. Existen
varias estrategias que podría usar un experimentador. Se ilustrarán algunas de ellas con un ejemplo muy
sencillo.
Al autor le gusta mucho jugar golf. Desafortunadamente, no le agrada practicar, por lo que siempre
busca la manera más sencilla para bajar su puntuación. Algunos de los factores que él considera impor
Evidentemente, hay muchos otros factores que podrían considerarse, pero supongamos que éstos son los
de interés primario. Además, teniendo en cuenta su larga experiencia en el juego, el autor decide que los
factores 5 al 8 pueden ignorarse; es decir, estos factores no son importantes porque sus efectos son tan pe
queños que carecen de valor práctico. Los ingenieros y los investigadores deben tomar a menudo este tipo
Consideremos ahora cómo podrían probarse experimentalmente los factores 1 al 4 para determinar
su efecto sobre la puntuación del autor. Suponga que en el curso del experimento pueden jugarse un má
ximo de ocho rondas de golf. Un enfoque consistiría en seleccionar una combinación arbitraria de estos
factores, probarlos y ver qué ocurre. Por ejemplo, suponga que se selecciona la combinación del palo
grande, la pelota de goma de balata, el carrito y el agua, y que la puntuación resultante es 87. Sin embargo,
durante la ronda el autor notó varios tiros descontrolados con el palo grande ( en el golf, grande no siem
pre es sinónimo de bueno) y, en consecuencia, decide jugar otra ronda con el palo normal, manteniendo
los demás factores en los mismos niveles usados anteriormente. Este enfoque podría continuar de mane
ra casi indefinida, cambiando los niveles de uno (o quizá dos) de los factores para la prueba siguiente, con
base en el resultado de la prueba en curso. Esta estrategia de experimentación, conocida como enfoque de
la mejor conjetura, es común entre ingenieros y científicos. Funciona de manera adecuada si los experi
mentadores cuentan con una gran cantidad de conocimientos técnicos o teóricos del sistema que están es
tudiando, así como amplia experiencia práctica. Sin embargo, el enfoque de la mejor conjetura presenta
al menos dos desventajas. Primera, supóngase que la mejor conjetura inicial no produce los resultados de
seados. Entonces el experimentador tiene que hacer otra conjetura acerca de la combinación correcta de
los niveles de los factores. Esto podría continuar por mucho tiempo, sin garantía alguna de éxito. Segun
da, supóngase que la mejor conjetura inicial produce un resultado satisfactorio. Entonces, el experimen
tador se ve tentado a suspender las pruebas, aun cuando no hay ninguna garantía de que se ha encontrado
la mejor solución.
Otra estrategia de experimentación muy común en la práctica es el enfoque de un factor a la vez. Este
método consiste en seleccionar un punto de partida, o línea base de los niveles, para cada factor, para des
pués variar sucesivamente cada factor en su rango, manteniendo constantes los factores restantes en el ni
vel base. Después de haber realizado todas las pruebas, se construye por lo general una serie de gráficas
en las que se muestra la forma en que la variable de respuesta es afectada al variar cada factor mantenien
do los demás factores constantes. En la figura 1-2 se presenta una serie de gráficas para el experimento
del golf, utilizando como línea base los niveles de los cuatro factores: el palo grande, la pelota de goma de
4 CAPÍTULO 1 INTRODUCCIÓN
balata, caminar y beber agua. La interpretación de esta gráfica es directa; por ejemplo, debido a que la
carrito mejora la puntuación. Con base en estas gráficas de un factor a la vez, la combinación óptima que
se seleccionaría sería el palo normal, desplazarse en el carrito y beber agua. El tipo de pelota de golf apa
· cualquier posible interacción entre los factores. Hay una interacción cuando uno de los factores no pro
duce el mismo efecto en la respuesta con niveles diferentes de otro factor. En la figura 1-3 se muestra una
interacción entre los factores del tipo de palo y la bebida para el experimento del golf. Observe que si el
autor utiliza el palo normal, el tipo de bebida consumida prácticamente no tiene efecto alguno sobre su
puntuación, pero si utiliza el palo grande, se obtienen resultados mucho mejores cuando bebe agua en lu
gar de cerveza. Las interacciones entre factores son muy comunes y, en caso de existir, la estrategia de un
factor a la vez casi siempre producirá resultados deficientes. Muchas personas no perciben esto y, en
consecuencia, los experimentos de un factor a la vez son comunes en la práctica. (De hecho, algunas
personas piensan que esta estrategia se relaciona con el método científico o que es un principio "sólido"
de ingeniería.) Los experimentos de un factor a la vez siempre son menos eficientes que otros métodos
basados en un enfoque estadístico del diseño experimental. El tema se analizará con mayor detalle en el
capítulo 5.
El enfoque correcto para trabajar con varios factores es conducir un experimento factorial. Se trata
de una estrategia experimental en la que los factores se hacen variar en conjunto, en lugar de uno a la vez.
lP(tres
piezas)
t
�
8.
F
GB
(goma de
balata).___ _.___
tipo de palo y el tipo de bebida para factores que incluye el tipo de palo y el tipo
El concepto de diseño experimental factorial es de suma importancia, y varios capítulos de este libro se
dedican a presentar experimentos factoriales básicos, así como algunas variantes y casos especiales útiles.
Para ilustrar la forma en que se lleva a cabo un experimento factorial, considere el experimento de
golf y suponga que sólo dos de los factores son de interés, el tipo de palo y el tipo de pelota. En la figura
1-4 se muestra un experimento factorial para estudiar los efectos conjuntos de estos dos factores sobre la
puntuación de golf del autor. Observe que en este experimento factorial ambos factores tienen dos nive
les y que en el diseño se usan todas las combinaciones posibles de los niveles de ambos factores. Geomé
tricamente, las cuatro corridas forman los vértices de un cuadrado. A este tipo particular de experimento
2
factorial se le llama diseño factorial 2 (dos factores, cada uno con dos niveles). Debido a que el autor
considera razonable suponer que jugará ocho rondas de golf para investigar estos factores, un plan facti
ble sería jugar dos rondas de golf con cada combinación de los niveles de los factores, como se muestra en
la figura 1-4. Un diseñador de experimentos diría que se han hecho dos réplicas del diseño. Este diseño
experimental permitiría al experimentador investigar los efectos individuales (o los efectos principales)
En la figura 1-Sa se presentan los resultados obtenidos al realizar el experimento factorial de la figura
1-4. En los vértices del cuadrado se indican las puntuaciones de cada ronda de golf jugada con las cuatro
combinaciones de prueba. Observe que hay cuatro rondas de golf que proporcionan información acerca
del uso del palo normal y cuatro rondas que proporcionan información sobre el uso del palo grande. Al
encontrar la diferencia promedio de las puntuaciones que están en los lados derecho e izquierdo del
cuadrado (como en la figura 1-Sb ), se tiene una medida del efecto de cambiar del palo grande al palo normal, o
TP (tres 88 , 9 1 9 2 , 94
piezas)
-----..
�
�
.g
I=
GB(goma
&
_____
88 , 90
,.
93, 91
G (grande) N (normaQ
li po de l)ll lo
TP (tres
TP (tres
piezas)
piezas)
GB(goma GB (goma
de belitta)
............. �_ de balata]
.__...._ ..__
interacción pelota-palo
Figura 1-S Puntuaciones del experimento del golf de la figura 1-4 y cálculo de los efectos de los factores.
6 CAPÍTIJLO 1 INTRODUCCIÓN
Es decir, en promedio, al cambiar del palo grande al normal la puntuación se incrementa 3.25 golpes por
ronda. De manera similar, la diferencia promedio de las cuatro puntuaciones de h parte superior del cua
drado y de las cuatro puntuaciones de la parte inferior miden el efecto del tipo de pelota usado (ver la fi
gura 1-Sc):
88+91+92+94 88+90+93+91 ·
Efecto de la pelota =
___4 = 0.7
5
4
Por último, puede obtenerse uria medida del efecto de la interacción entre el tipo de pelota y el tipo de
palo restando la puntuación promedio en la diagonal de izquierda a derecha del cuadrado de la puntua
ción promedio de la diagonal de derecha a izquierda (ver la figura 1-Sd), cuyo resultado es
Los resultados de este experimento factorial indican que el efecto del palo es mayor que el efecto de
la pelota o que el de la interacción. Podrían usarse pruebas estadísticas para determinar si cualquiera
de estos efectos difiere de cero. De hecho, el caso es que hay evidencia estadística razonablemente sólida
de que el efecto del palo difiere de cero y de que no es el caso para los otros dos efectos. Por lo tanto, tal
En este sencillo ejemplo se pone de manifiesto una característica muy importante del experimento
factorial: en los diseños factoriales se hace el uso más eficiente de los datos experimentales. Note que este
experimento incluyó ocho observaciones, y que las ocho observaciones se usan para calcular los efectos
del palo, de la pelota y de la interacción. Ninguna otra estrategia de experimentación hace un uso tan efi
ciente de los datos. Ésta es una característica importante y útil de los diseños factoriales.
El concepto de experimento factorial puede extenderse a tres factores. Suponga que el autor desea
estudiar los efectos del tipo de palo, el tipo de pelota y el tipo de bebida consumida sobre su puntuación
de golf. Suponiendo que los tres factores tienen dos niveles, puede establecerse un diseño factorial como
el que se muestra en la figura 1-6. Observe que hay ocho combinaciones de prueba de estos tres factores
con los dos niveles de cada uno de ellos y que estos ocho ensayos pueden representarse geométricamente
3•
como los vértices de un cubo. Se trata de un ejemplo de un diseño factorial 2 Como el autor sólo desea
jugar ocho rondas de golf, este experimento requeriría que se juegue una ronda con cada una de las com
binaciones de los factores representadas por los ocho vértices del cubo de la figura 1-6. Sin embargo, al
3
comparar esta situación con el diseño factorial de dos factores de la figura 1-4, el diseño factorial 2 pro
duciría la misma información acerca de los efectos de los factores. Por ejemplo, en ambos diseños hay
cuatro pruebas que proporcionan información acerca del palo normal y cuatro pruebas que proporcionan
Palo
da.
1-1 F.sTRATEGIA DE EXPERIMENTACIÓN 7
Manera de desplazarse
Caminando En carrito
Palo
información acerca del palo grande, suponiendo que se repite dos veces cada corrida del diseño de dos
En la figura 1- 7 se ilustra la forma en que podrían investigarse los cuatro factores --el palo, la pelota,
4
la bebida y la manera de desplazarse (caminando o en carrito)- en un diseño factorial 2 • Como en cual
quier diseño factorial, se usan todas las combinaciones posibles de los niveles de los factores. Puesto que
los cuatro factores tienen dos niveles, sigue siendo posible hacer la representación geométrica de este di
En general, si hay k factores, cada uno con dos niveles, el diseño factorial requeriría 2k corridas. Por
res de interés aumenta, el número de corridas requeridas se incrementa con rapidez; por ejemplo, un
experimento con 10 factores en el que todos los factores tienen dos niveles requeriría 1024 corridas. Esto
pronto se vuelve impracticable en lo que se refiere al tiempo y los recursos. En el experimento del golf,
el autor sólo puede jugar ocho rondas, por lo que incluso el experimento de la figura 1- 7 resulta demasia
do largo.
Por fortuna, cuando se trabaja con cuatro, cinco o más factores, por lo general no es necesario probar
todas las combinaciones posibles de los niveles de los factores. Un experimento factorial fraccionado es
una variación del diseño factorial básico enla que sólo se realiza un subconjunto de las corridas. En la fi
gura 1-8 se ilustra un diseño factorial fraccionado para la versión de cuatro factores del experimento del
golf. Este diseño requiere sólo 8 corridas en lugar de las 16 originales y se llamaría fracción un medio. Si el
autor sólo puede jugar ocho rondas de golf, éste es un excelente diseño en el cual estudiar los cuatro facto
. res. Proporcionará información adecuada acerca de los efectos principales de los cuatro factores, así
Los diseños factoriales fraccionados son muy comunes en la investigación y el desarrollo industrial,
Manera de desplazarse
Caminando En carrito
Palo
8 CAPÍTULO 1 INTRODUCCIÓN
Los métodos del diseño experimental han encontrado amplia aplicación en diversas disciplinas. De he
cho, la experimentación puede considerarse parte del proceso científico y uno de los medios para conocer
el funcionamiento de sistemas y procesos. En general, el aprendizaje ocurre a través de una serie de acti
vidades en las que se hacen conjeturas acerca de un proceso, se llevan a cabo experimentos para generar
datos del proceso y después se usa la información del experimento para establecer nuevas conjeturas, lo
para mejorar el desempeño de un proceso de manufactura. Tumbién tiene múltiples aplicaciones en el de
sarrollo de procesos nuevos. La aplicación de las técnicas del diseño experimental en las fases iniciales del
2. Variabilidad reducida y conformidad más cercana con los requerimientos nominales o proyectados.
Los métodos del diseño experimental desempeñan también un papel importante en las actividades
del diseño de ingeniería, donde se desarrollan productos nuevos y se hacen mejoramientos en los produc
tos existentes. Entre las aplicaciones del diseño experimental en el diseño de ingeniería se encuentran:
3. 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.
4. 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 sen
cilla, en productos que tengan un desempeño y confiabilidad de campo mejorados, en costos de produc
ción más bajos y en tiempos más cortos para el diseño y desarrollo del producto. A continuación. se
EJEMPLO 1 � 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 soldadu
ra se hacen las conexiones eléctricas y mecánicas de los componentes recubiertos de plomo en la tarjeta.
las juntas de soldadura de una tarjeta son defectuosas y requieren corrección manual. Sin embargo, debi
do a que la tarjeta de circuitos impresos promedio contiene más de 2000 juntas de soldadura, incluso un
nivel de defectos de 1 % representa un número demasiado alto de juntas de soldadura que requieren. co
rrección. 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 qué ajustes deberían hacerse en dichas variables para reducir los defectos de soldadura.