El alumno identificar los conceptos bsicos y

la estrategia del diseo de Experimentos.

EXPERIMENTO
Un
experimento
es
un
procedimiento mediante el cual se
trata de comprobar una o varias
hiptesis relacionadas con un
determinado fenmeno, mediante la
manipulacin de la (s) variables que
presumiblemente son su causa.

DISEO DE EXPERIMENTOS
M etodologa estadstica destinada a la planificacin y anlisis de
un experimento

Variable: Caracterstica de un objeto que

puede ser observada y que puede tomar
diferentes valores, tanto en el mismo objeto
como entre diferentes objetos.
Sujeto: Unidad Bsica sobre la que se efecta
el proceso de medida.
Observacin: Es una toma de la medida de
una variable
Tratamiento: Niveles en los cuales puede
presentarse la variable causa.

VARIABLE

Independiente
Causa

Dependiente
Efecto

Extraas
No se pueden
contralar (ruido)

Bloqueo
Variable con
valor constante

Repeticin. Reiteracin de una observacin o

medida al mismo nivel de tratamiento. Proporciona
una oportunidad para que los efectos de las variables
extraas, incontroladas se compensen y permite,
adems, medir el error experimental.
Aleatorizacin. Consiste en asignar los sujetos a
los distintos niveles de tratamiento al azar, con la
esperanza de que los efectos extraos se
contrarresten entre los distintos sujetos y
observaciones que componen cada nivel de
tratamiento (condicin experimental).

Bloqueo.

Consiste en eliminar los efectos de

una variable que sabemos afecta a nuestra variable
efecto, a travs del control de la misma.

 completamente al azar.

aleatorizado por bloques.

cuadro latino.

factorial.

Mejorar el rendimiento del

proceso
Reducir la variabilidad del
proceso y acercarlo a los
rendimientos nominales.
Disminucin de los tiempos de
diseo y desarrollo
Disminucin del costo de
operacin

Tomando como referencia su variable crtica

defina los elementos bsicos de un diseo de
experimento:

Variable Dependiente
Variable Independiente
Tratamientos de la variable Independiente
Unidad Experimental
Forma de asignacin

1.

Definir la hiptesis que motiva el experimento

2.

Identificar la variable independiente y los tratamientos de la misma

3.

Decidir sobre el nmero de repeticiones para cada tratamiento

4.

Definir los sujetos sobre los que se va a realizar la medida.

5.

Determinar la variable dependiente

6.

Explicar el proceso de aleatorizacin

7.

Identificar los factores o variables de ruido

8.

Comprobar la aptitud del experimento para la prueba inicial

9.

Realizar el experimento

10.

Anlisis estadstico de los datos obtenidos por el experimento

11.

Conclusin

Esta herramienta estadstica

fue desarrollada por el
britnico Ronald Fisher con el
objetivo
de
disear
experimentos e interpretar
datos experimentales.

Se utiliza para probar

diferencias
entre
varias
medias poblacionales.

Independencia de las observaciones

La distribucin de la variable dependiente

debe ser normal.

Homogeneidad de las varianzas

Modelo de Efectos fijos. Se ha considerado para

el factor todos los posibles valores que este
puede tomar. Ejemplo: S el genero del individuo
es un factor, el experimentador incluye sexo
masculino y femenino.
Modelo de Efectos aleatorios. Asume que en un
factor se han considerado solamente una
muestra de los posibles valores que puede
tomar. Mtodo de enseanza
Modelo de Efectos mixtos. Estn presente
ambos tipos de efectos.

Un fabricante de papel utilizado para fabricar bolsas

de caramelos, est interesado en mejorar la
resistencia a la tensin del producto. El grupo de
ingeniera de producto piensa que la resistencia a la
tensin es una funcin de la concentracin de la
madera dura en pulpa, y que el rango de inters
prctico de las concentraciones est entre 5% y 20%.
Para ello decide fabricar seis especmenes de prueba
para cada nivel de concentracin, utilizando una
planta piloto. Los 24 especmenes se someten a
prueba en un probador de tensin de laboratorio, en
un orden aleatorio. Los datos aparecen en la siguiente
tabla.

Concentracin
Madera
dura(%)

Observaciones

10

12

15
20

TOTALES PROMEDIOS

15 11

10

60

10.0

17

13 18

19

15

94

15.67

14

18

19 17

16

18

102

17.00

19

25

22 23

18

20

127

21.17

383

15.96

Replicas
TRATAMIENTOS

ANOVA

MSE=SSE/grados de libertad

Fuente de
Variacin

Suma de
Cuadrados

Grados de
Libertad

Media
de
cuadra
dos

F0.

Valor
P

Concentracin de
madera(%)

382.79
(SStratamientos)

3=[(a-1)]

127.60

19.60

3.59 E-6

Error

130.17 (SSE)

20= [a(n-1)]

6.51

Total

512.96(SST)

23= [an-1]

Es importante Mencionar que el nivel de significancia para este experimento es del

1% , Por lo que para comprobar que el diseo de experimentos deber obtenerse
los estadsticos crticos y Muestra (F)
F0 (a, gl SStratamientos, gl SSE) = 4.94
Fmuestra=Sstratamientos/SSE= (127.60 / 5.51)=19.60

La informacin a extraer de un Experimento y del

respectivo Anlisis de Varianza se concentra en la
interpretacin del valor de contraste F muestra
a) Fmuestra < 1. significa que los factores extraos
influyen sobre el valor de la variable dependiente de
manera ms determinante que los tratamientos .
Esto quiere decir que la relevancia de nuestra
variable no es muy elevada y que ms influye sobre
el valor que toma la variable dependiente: Hemos
identificado la causa principal del efecto objeto de
estudio, el Experimento ha comprobado nuestra
hiptesis inicial.

b) Fmuestra > 1. los tratamientos

proporcionados son efectivamente el factor
que mayor influencia tiene sobre la variable
dependiente. Esto significa que se ha
identificado la causa ms determinante para
la variacin de la caracterstica medida
(Cuanto mayor Fmuestra, mayor ser
tambin la relevancia de la variable
independiente).

Significancia estadstica de la conclusin obtenida

El Experimento realizado, es decir las observaciones hechas, son una muestra de
todas las posibles observaciones que se pueden realizar bajo las mismas
condiciones experimentales. (Se utilizan muestras ya que hacer experimentos
con nmeros infinitamente grandes de observaciones, resultara demasiado
costoso en todos los sentidos).
Puesto que ninguna muestra es perfecta en todas sus caractersticas ni
representa exactamente a la poblacin entera, nunca estaremos completamente
seguros de que nuestras conclusiones, basadas en la muestra, son efectivamente
vlidas.
La conclusin indicada por la muestra se aceptar entonces como vlida slo si la
estadstica nos asegura que tiene por lo menos un 99% de probabilidad de serlo
efectivamente, lo que se establecer de la siguiente manera:
Comparar F0 con el Valor de Contraste Fmuestra. Si Fmuestra es mayor de F, la
variable independiente del Experimento es con 99% de probabilidad
efectivamente la que ms influye sobre el valor que toma la variable
dependiente: Hemos identificado la causa principal del efecto objeto de estudio,
el Experimento ha comprobado nuestra hiptesis inicial.

En muchos experimentos se deben estudiar el efecto de dos o mas factores.

Para estas situaciones existen los diseos factoriales, en los cuales todas las
combinaciones de los niveles de dos o mas factores son probadas. Por
ejemplo si hay a niveles de un factor A y b niveles de un factor B, deben
hacerse pruebas para ab combinaciones de factores. Estos tipos de diseos
se llaman diseos factoriales completos.

Ventajas de los diseos factoriales

Los diseos factoriales son muy tiles para investigar los efectos de los factores
individuales (efectos principales) as como tambin los efectos debidos a las
interacciones entre los factores.

Diseo Factorial de dos Factores

Ejemplo para variables discretas

En este experimento se desea saber el efecto que tiene el tipo de material y la

temperatura de proceso en la vida til de bateras. En la siguiente tabla se

resumen los resultados de pruebas de vida de 36 bateras a con tres diferentes
materiales y a tres diferentes temperaturas de proceso.

Resultados de prueba de vida de bateras

Tiempo en horas

Material
1
2
3
y.j.

15
130, 155
74, 180
150, 188
159, 126
138, 110
168, 160
1738

Temperatura
70
34, 40
80, 75
136, 122
106, 115
174, 120
150, 139
1291

125
20, 70
82, 58
25, 70
58, 45
96, 104
82, 60
770

yi..
998
1300
1501
3799

ANLISIS DE VARIANZA PARA DOS FACTORES

Fuente de
Variacin
Tratamiento
A
Tratamiento
B
Interaccin
Error
Total

Suma de
Cuadrados
SSA
SSB
SSAB
SSE
SST

Grados de
Libertad
a-1
b-1
(a -1)(b -1)
ab(n -1)
abn - 1

Cuadrados medios

SS

MS

MS

MS

SS
b

MS

(a

ab(n

1)

MS
MS
MS
MS
MS
MS
AB

AB

1)(b

SS
E

SS
AB

F0

1)

A
E

B
E

Donde:
a

SS

T
i 1 j 1 k 1

SS

A
i 1

SS

AB

SS

ijk

abn

i ..

SS
a

bn

2
...

b
...

SS

SS SS

abn

subtotal

subtotal
i 1 j 1

2
ij .

2
...

abn

j 1

. j.

an

2
...

abn

SS

SS SS
T

subtotal

Resolviendo:
2

SS 130 155 74

...

SS

60 3799
36
2

77,646.97

998 1300 1501 3799

material

(3)(4)
2

SS

10,683.72

36
2

1738 1291 770 3799

Temperatural

(3)(4)
2

SS

539 229
int eraccionl

SS

39,118.72

36

...

342

3799
36

10,683.72

39,118.72

77,646.97 10,683.72 39,118.72 9613.78

9613.78

18,230.75

Para un nivel de significacin de 0.05, tenemos que F 0.05,4,27 = 2.73 lo que

indica que la interaccin entre el material y la temperatura es significativa.
Tambin F 0.05,2,27 = 3.35, esto indica que tanto el material como la temperatura
tienen un efecto significativo en la vida de las bateras.

Haga click en Stat

ANOVA
Two-way.
En response escriba el nombre de la columna
donde estn los resultados. En row factor
escriba la columna donde esta el primer
factor, en column factor escriba la columna
del segundo factor.

Orden propuesto por minitab

Orden para captura

Data capturada

DISEO DE EXPERIMENTOS
DISEO DE RESPUESTA DE SUPERFICIE
Las tcnicas del DOE en un grupo son tcnicas que ayudan a entender
mejor y optimizar su respuesta. La metodologa de la respuesta de
superficie es regularmente usada para definir modelos despus de que
factores improtantes ha sido determinados usando diseos factoriales,
especialmente si se sospecha que hay una superficie de respuesta con
curvatura.

La diferencia entre una ecuacin respuesta de superficie y la ecuacin

para un diseo factorial es la adicin de los trminos cuadrados que
permiten curvatura en la respuesta del modelo, hacindo til este para:

Entendimiento y mapeo de una regin de respuesta de superficie.

Respuesta del modelo de superficie de ecuacin para ver el cambio de
inputs de influencia variable a una respuesta de nuestro inters.
Encuentro de niveles de inputs variables que optimizan una respuesta.
Seleccin
de las condiciones de operacin que logran las
especificaciones.

56

DISEO DE EXPERIMENTOS
Por ejemplo, si quisiera determinar las mejores condiciones para moldear
una parte plstica de fuel injection. Se usar primero un experimento
factorial para determinar los factores significativos (temperatura, presin,
tarifa de enfriamiento). Se usa un experimento de diseo de respuesta de
superficie para encontrar el grupo ideal para cada factor.

Hay 2 tipos principales de respuesta en diseos de superficie:

Diseo Central Compuesto.- Puede adecuar un model cuadrtico
completo. Son usualmente utilizados cuando los planes de diseo
piden experimentacin secuencial debido a que esos diseos pueden
incorporar informacin de un experimento factorial apropiadamente
planeado.
Diseos Box Behnken. Tpicamente tiene menos puntos en el
diseo, por lo tanto, hay menos corridas que en el diseo central
compuesto con el mismo nmero de factores. Permite una estimacin
eficiente de los coeficientes del primer y segundo orden; como quiera
aqul no se puede incorporar corridas de un experimento factorial
57

DISEO DE EXPERIMENTO FUNCION

TAGUCHI
Llamada as porque Genichi Taguchi, ingeniero japons, desarroll
una nueva filosofa de calidad basada en los valores de la tarea en
vez de en las variables en el proceso de las especificaciones. El
cuadrante de Taguchi hace una aproximacin de un trmino de
prdidas por desviacin en el objetivo. Donde las prdidas son
resultado de una combinacin de desperdicio, retrabajo, pobre
desempeo, prdida de clientes , satisfaccin, etc.
La medida de prdida de un producto puede ser estimado usando L
= k (y-T)2 donde:
y es el valor de la respuesta
T es el valor deseado
k es una constante

58

DISEO DE EXPERIMENTOS
Para determinar k se estima la prdida de un valor especfico de y. Por
ejemplo si la prdida estimada para :
y = 130 es $ 100.00

k = 100 / (130 120) 2

= 1.0

La funcin de prdida es :
L = 1.0 ( y T )2
Ahora ya se puede usar el estimado de prdida asociado con otros y
valores
Loss (L)

L= k( y T
)2

y valor de respuesta
LS = 110 Lower spec

T = 120 Target

59

US = 130 Uper spec

DISEO DE EXPERIMENTOS

Permite elegir un producto o proceso que permite la mejora

consistente en la operacin. Reconoce que no todos los factores
que causan variabilidad pueden ser controlados en la prctica.
Estos factores incontrolables. Estos factores son llamados factores
de ruido.

El diseo Taguchi identifica los factores controlables que minimiza

los factores de ruido. Durante la experimentacin se puede
manipular el factor de ruido o forzar a que ocurran las variables y
entonces encontrar el mximo control de los factores se realizan
para hacer un proceso robusto o resistente a la variacin de los
factores de ruido.

60

DISEO DE EXPERIMENTOS

Un buen ejemplo del diseo de Taguchi es el de Ina Tile (Compaa

Japonesa en los 50s). Esta produjo mucho piso fuera de
especificacin en dimensiones. El equipo de calidad encontr que la
temperatura usada en los hornos para los diversos pisos causaba una
dimensin no uniforme. Ellos no pudieron eliminar las variaciones de
temperatura porque construir un nuevo horno era muy costoso, as que
se convirti en una variable de ruido. Usando los diseos de Taguchi,
el equipo encuentra que el incremento de arcilla puede ser un factor
de control, los pisos se vuelven ms resistentes o robustos para que la
temperatura vare en el horno y de ese modo propiciar que los pisos
sean ms uniformes.
DISEOS ESTTICOS Y DINMICOS DE TAGUCHI

Dos tipos de diseos Taguchi permite escoger un producto o proceso

que mejora la operacin. Como sea en un sistema dinmico, la
respuesta variable depende no solamente en los factores de ruido y de
control sino tambin de otros conceptos variables (input) es decir, el
factor seal. El objetivo del Taguchi de diseo dinmico es para
colocar factores de control que optimiza las caractersticas de la
calidad en el sistema sobre un rango de seales de entrada.
61

DISEO DE EXPERIMENTOS
Por ejemplo la cantidad de la aceleracin es una medida de mejora en los
frenos. El factor seal es el grado de depresin en el pedal del freno;
cuando el conductor presiona el pedal del freno, la desaceleracin
incrementa.
El grado de presin en el pedal tiene un significante efecto en la
desaceleracin. Debido a que existe una presin en el pedal no ptima,
no hay razn para realizar una prueba como factor de control. En lugar
de eso, los ingenieros quieren disear un sistema de frenos que
eficientice a la menor variable de presin en el pedal freno.

62