El documento describe la importancia del diseño de experimentos en la industria. Se usan experimentos para mejorar procesos probando diferentes materiales, métodos o condiciones. Sin embargo, a menudo estas pruebas se hacen de forma informal en lugar de seguir un plan experimental riguroso. El diseño estadístico de experimentos proporciona una estrategia eficaz para mejorar procesos mediante pruebas planeadas.

1. Experimentos con arreglos Ortogonales
2.1 Planeación y Conducción de Experimentos.

2. EL DISEÑO DE EXPERIMENTOS EN LA
INDUSTRIA
En el campo de la industria es una practica común hacer experimentos
o pruebas con la intención de que al mover o hacer algunos cambios en
los materiales, métodos o condiciones de operación de un proceso se
puedan detectar, resolver o minimizar los problemas de calidad.
Por ejemplo, se prueban varias temperaturas en una maquina hasta
encontrar la que da el mejor resultado, o se intenta un nuevo material
con la intensión de eliminar los problemas que tiene el material actual,
o bien, se prueban diferentes velocidades para determinar la que
minimiza la vibración excesiva del equipo.

3. Sin embargo es común que estas pruebas o experimentos se hagan
sobre la marcha, a prueba y error, apelando a la experiencia y a la
intuición; en lugar de seguir un plan experimental adecuado que
garantice una buena respuesta a las interrogantes planteadas. Algo
similar puede decirse respecto al análisis de los datos experimentales,
donde mas que un análisis riguroso de toda la información obtenida y
que tome en cuenta la variación, se hace un análisis informal
“intuitivo”.

4. Es tal el poder de la experimentación,
que en ocasiones a pesar de que el
experimento se hizo a prueba y error
se logran mejoras. Sin embargo, en
muchas situaciones no es suficiente
aplicar experimentación a prueba y
error, por lo que es mejor proceder
siempre en una forma eficaz que
garantice la obtención de las repuestas
a las interrogantes planteadas, en un
lapso corto de tiempo y utilizando
pocos recursos.

5. El diseño estadístico de experimentos es
precisamente la forma eficaz de hacer
pruebas en los procesos, ya que
proporciona la técnica y la estrategia
necesarias para llevar de manera eficaz
los procesos a mejores condiciones de
operación. En su parte medular, el diseño
de experimentos consiste en determinar
cuales pruebas y como es que se deben
realizar, para obtener datos que al
analizarlos estadísticamente se obtengan
conclusiones y decisiones que deriven en
mejoras del desempeño del proceso.

6. Algunos problemas típicos de la industria que se pueden resolver con el
diseño y análisis de experimentos son los siguientes:
1. Comparar dos o mas proveedores del mismo material con el fin de elegir al que
mejor cumple los requerimientos.
2. Comparar varios instrumentos de medición para verificar si trabajan con la misma
precisión y exactitud.
3. Proponer una nueva manera de operar el proceso, variar sus condiciones y hacer
cambios con el objetivo de reducir el numero de defectos.
4. Determinar los factores o fuentes de variabilidad que tienen impacto en la
capacidad del proceso para cumplir con sus requerimientos mas importantes.
5. Localizar las condiciones de operación (temperatura, velocidad, humedad) donde
el proceso logra su desempeño optimo.
6. Proponer un nuevo método de muestreo igual de fectivo, pero mas económico que
el actual.
7. Reducir el tiempo de ciclo del proceso.
8. Hacer el proceso insensible o robusto a oscilaciones de variables ambientales.
9. Apoyar en el diseño o rediseño del producto o proceso para mejorar su
desempeño

7. En general, cuando se requiere mejorar un
proceso existen dos maneras básicas de
obtener la información necesaria para ello: una
es observar o monitorear vía herramientas
estadísticas, hasta obtener señales útiles que
permitan mejorarlo; se puede decir que esta es
una estrategia pasiva.
La otra manera es experimentar, es decir, hacer
cambios estratégicos y deliberados al proceso
para provocar dichas señales útiles. Al analizar
los resultados del experimento se tienen de
manera inmediata las pautas a seguir, que
muchas veces se concretan en mejoras
sustanciales del proceso.

8. En este sentido, experimentar es mejor que sentarse a esperar a que el
proceso nos indique por si solo como mejorarlo. El diseño de
experimentos (DDE) es un conjunto de técnicas activas, en el sentido de
que no esperan que el proceso mande las señales útiles, sino que este
se “manipula” para inducirlo a proporcionar esa información que se
requiere para mejorarlo.

9. El control estadístico de procesos (CEP) sirve de base para dirigir mejor
la búsqueda mediante DDE, ya que dependiendo del estado del
proceso en cuanto a capacidad y estabilidad se debe orientar la
estrategia de mejora del proceso y, por lo tanto, la aplicación del DDE.
El saber diseño de experimentos y otras técnicas estadísticas,
combinadas, con conocimiento del proceso, sitúan al responsable del
mismo como observador perceptivo y proactivo, que es capaz de
observar algo interesante (oportunidades de mejora) en el proceso y en
los datos donde otra persona no ve nada. De aquí su mejor capacidad
para proponer posibles soluciones a un problema determinado.

10. DEFINICION DE DISEÑO DE EXPERIMENTOS
• Conjunto de técnicas activas que manipulan el proceso para inducirlo
a proporcionar la información que se requiere para mejorarlo.
• Técnicas estadísticas y de ingeniería que permiten lograr la máxima
eficacia de los procesos de producción al menor costo.

11. EVOLUCION DEL CONTROL DE CALIDAD Y LOS
EXPERIMENTOS EN JAPON
Uno de los elementos fundamentales de la evolución del control de
calidad ha sido el enfocar mayores esfuerzos hacia la prevención, en
detrimento de la detección (inspección). Lo anterior se puede apreciar
gráficamente en la siguiente figura, donde se muestra una clara
evolución con respecto a la calidad. En Japón como en los demás
países, el control de calidad inicia con actividades de inspección
después de la producción.

12. 1920
1950
1965
1980
1910
1920
1930
1940
1950
1960
1970
1980
1990
expedicion fabricacion diseño del proceso diseño del producto
EVOLUCION DEL CONTROL DE LA CALIDAD DE DETECCION A PREVENCION.
ENFASIS EN
LA DETECCION
INSPECCION
SPC
ENFASIS EN
LA
PREVENCION
Off-LINE
QUALITY
CONTROL

13. Sin embargo las empresas Japonesas lideres fueron desplazando el
control de calidad a detectar y prevenir oportunamente los problemas
de calidad durante la fase de fabricación, par ello aplicaron control
estadístico de calidad (SPC, Statical Process Control). Es a partir de los
años ochenta que en Japón, en las empresas lideres, se llega a la
conclusión de que los esfuerzos de control de calidad deben enfocarse
principalmente hacia actividades fuera de la línea de producción (off -
line) para prevenir los problemas de calidad desde las fases de diseño
del producto y del diseño de su correspondiente proceso de
producción. En estas etapas donde técnicas como QFD, AMEFF,
Contabilidad, Diseño de Experimentos, etc., han tenido una amplia
aplicación.

14. Como conclusión de lo anterior podemos decir que es necesario
trabajar mas en actividades de control de calidad enfocadas a la
prevención durante las fases de diseño del producto y del proceso; y
para esto el diseño de experimentos es fundamental.
Esto se reconoce cada día mas en los medios industriales, y esta
metodología cada día es utilizada en mayor medida en todo el mundo,
por su relativa sencillez, utilidad y eficacia tanto en resolver problemas,
buscar mejoras y buscar innovaciones (nuevos productos, materiales o
procesos).

15. En particular en Japón se hacen millones de experimentos cada año y
supera con mucho a cualquier otro país en este campo.
Aproximadamente 80% de los experimentos exitosos, el resultado de
esto es fácil de imaginar: cada año hay mas y mejor conocimiento vía la
experimentación. De ninguna manera debe intimidar la palabra
experimentación, y pensar que eso es posible solo en laboratorios de
investigación y desarrollo. Nada mas alejado de la verdad.

16. Experimentar es hacer pruebas y se pueden hacer en todo tipo de
procesos y productos. El reto es que estas pruebas se hagan en forma
planeada y organizada; y de manera cotidiana a lo largo y ancho de los
procesos industriales, en lugar de que se realicen sobre la marcha y
forma aislada. Hemos visto en el lapso de los últimos años que cumplir
con ese reto es muy posible en Latinoamérica; también como cada día
mas en muchas empresas el diseño de experimentos se vuelve una
herramienta cotidiana.

17. DEFINICIONES BASICAS EN EL DISEÑO DE
EXPERIMENTOS
El diseño de estadístico de experimentos permite optimizar la
información generada acerca del proceso, en relación a los objetivos
planteados. En otras palabras, el diseño de experimentos es la
aplicación del método científico para generar conocimiento acerca de
un sistema o proceso. Esta herramienta se ha ido consolidando en la
industria actual como un conjunto de técnicas estadística y de
ingeniería., que permiten lograr la máxima eficacia de los procesos con
el mínimo costo. El diseño de experimentos es especialmente útil para
crear calidad desde la fase de diseño del producto y del proceso; pero
también permite logar mejoras sustanciales en procesos ya
establecidos.

18. EXPERIMENTO
“Un experimento es un cambio en las condiciones
de operación de un sistema o proceso, que se hace
con el objetivo de medir el efecto del cambio sobre
una o varias propiedades del producto”.
Dicho experimento permite aumentar el
conocimiento acerca del sistema. Por ejemplo, en un
proceso químico se pueden probar diferentes
temperaturas y presiones, y se mide l cambio
observado en el rendimiento (yield, ppm, defectivo)
del proceso. Esta experimentación genera
conocimiento acerca del proceso químico, lo que
permite mejorar su desempeño.

19. DISEÑO DE EXPERIMENTOS
El diseño de experimentos consiste en planear
un conjunto de pruebas experimentales, de
tal manera que los datos generados puedan
analizarse estadísticamente para obtener
conclusiones validas y objetivas acerca del
sistema o proceso.

20. UNIDAD EXPERIMENTAL
La unidad experimental es la muestra de artículos que es necesario
producir en una condición de operación del proceso para obtener, a
partir de ellos una medición o dato representativo de lo que allí
ocurre.
En cada diseño de experimentos es importante definir cuidadosamente
la unidad experimental, ya que esta puede ser una pieza o un conjunto
de piezas producidas, dependiendo del proceso que se estudia. Por
ejemplo, si el problema es investigar alternativas para reducir el
porcentaje de piezas defectuosas en un proceso que produce muchas
piezas en un lapso corto de tiempo, es claro que no seria muy confiable
que la unidad experimental fuera una sola pieza, en la cual se vea si en
una condición experimental fue defectuosa o no.

21. La unidad experimental seria cierta cantidad de piezas que se
producen en las mismas condiciones experimentales, y que al final se
analiza cuantas de ellas son defectuosas y cuantas no.

22. VARIABLES FACTORES Y NIVELES
En todo proceso intervienen distintos tipos de variables o factores
como los que se definen a continuación:

23. VARIABLES DE RESPUESTA
Es la característica, variable de salida o
propiedad del producto, cuyo valor
interesa mejorar mediante el diseño de
experimentos.
Por lo general el valor de dicha
característica determina algún aspecto
de la calidad del producto. La conjetura
típica para utilizar diseño experimental
es que existe otra manera de operar el
proceso en la cual el comportamiento de
una o varias variables de respuesta seria
mejor que el actual.

24. FACTORES CONTROLABLES
Son variables de proceso o variables de entrada que se pueden fijar en un
punto o en un nivel de operación. Algunos de estos son los que usualmente
se controlan durante la operación normal del proceso, y se distinguen
porque para cada uno de ellos existe la manera o el mecanismo para
cambiar o manipular su nivel de operación. Esto ultimo es lo que hace
posible que se pueda experimentar con ellos.
Por ejemplo, si en el proceso se usa agua a 60ºC entonces debe haber un
mecanismo que permita fijar la temperatura del agua dentro de un rango de
operación. Algunos factores que generalmente se controlan, son:
temperatura, tiempo de residencia, cantidad de cierto reactivo, velocidad,
presión, etc. A los factores controlables también se les llama variables de
entrada, condiciones de proceso, variables de diseño, parámetros del
proceso, o simplemente factores.

25. FACTORES NO CONTROLABLES O DE RUIDO
Son variables que no se pueden controlar durante la operación
normal del proceso. Por ejemplo, algunos factores que suelen ser no
controlables son las variables ambientales (luz, humedad, temperatura,
partículas, ruido, etc.) , el animo de los operadores, la calidad del
material que se recibe del proveedor (interno o externo) y los diversos
usos que el cliente pueda convertirse en controlable, cuando se tenga
el mecanismo o tecnología para ello.

26. FACTORES ESTUDIADOS
Son las variables que se investigan en el experimento, en cuanto a como
influyen o afectan a la(s) variable(s) de respuesta. Los factores estudiados
puede ser factores controlables o no controlables, donde estos últimos fue
posible y de interés controlarlos durante el experimento. Para que un factor
pueda ser estudiado es necesario que durante el experimento se haya
probado en al menos dos niveles o condiciones.
En principio, cualquier factor, sea controlable o no, puede tener alguna
influencia en la variable de repuesta que se refleja en su media o en su
variabilidad. Para fines de un diseño de experimentos deben seleccionarse
los factores que considera, por conocimiento del proceso y conjeturas, que
pueden tener efecto sobre la respuesta de interés. Y parte de la
problemática a superar durante el diseño es ver la manera en que se
controlara durante el experimento un factor que normalmente es no
controlable.

27. NIVELES Y TRATAMIENTOS.
Los diferentes valores que se asignan a
cada factor estudiado en un diseño
experimental se llaman niveles. Una
combinación de niveles de todos los
factores se llama tratamiento o punto de
diseño. Por ejemplo, si en un experimento
se controlan la velocidad y la temperatura,
y se decide probar cada uno en dos
niveles, entonces en cada combinación de
niveles (velocidad, temperatura) es un
tratamiento. En este caso habría cuatro
tratamientos, como se muestra en la
siguiente tabla.
De acuerdo con estas definiciones en el
caso de experimentar con un solo factor,
la combinación de niveles es a la vez un
tratamiento.
NIVEL DE
VELOCIDAD
NIVEL DE
TEMPERATURA
TRATAMIENTO
1 1 1
2 1 2
1 2 3
2 2 4

28. ERROR ALEATORIO Y ERROR EXPERIMENTAL
Siempre que se realiza un estudio
experimental, parte de la variabilidad
observada no se podrá explicar por los
factores estudiados. Esto es, siempre
habrá un remanente de variabilidad que
se debe a causas comunes o aleatorias,
que generan la variabilidad natural del
proceso. Esta variabilidad constituye el
llamado error aleatorio, que no es error
en el sentido de equivocación, sino
variabilidad no explicada.

29. Por ejemplo, será parte de este
error aleatorio el pequeño efecto
que tienen los factores que no se
estudiaron, siempre y cuando se
mantenga pequeño o despreciable,
asi como la variabilidad de las
mediciones hechas bajo las mismas
condiciones. Sin embargo, el error
aleatorio también absorberá todos
los errores (ahora si en el sentido de
equivocación) que el
experimentador comete durante los
experimentos y si estos son graves,
mas que error aleatorio hablaremos
de error experimental, y de
predominar éste, la detección de
cuales de los factores estudiados
tienen un efecto real sobre la
respuesta será difícil, si no es que
imposible.

30. Cuando se corre un diseño
experimental es importante que la
variabilidad de la respuesta observada
se deba principalmente a los factores
estudiados y en menor medida al error
aleatorio, y además que este error sea
efectivamente aleatorio.
Cuando la variabilidad observada se
debe a factores no estudiados o a error
no aleatorio, no se podrá distinguir cual
es el verdadero efecto que tienen los
factores estudiados, con lo que el
experimento resultaría inútil.

31. De aquí la importancia de no dejar variar
libremente a ningún factor que pueda
influir de manera significativa sobre el
comportamiento de la respuesta
(principio de bloqueo). Un proceso
cualquiera y las variables que en el
intervienen se representa en la figura,
donde también se muestran algunas
interrogantes que surgen al planear un
diseño experimental.

32. En la figura se muestran las variables que
intervienen en el proceso de fabricación de
un envase de plástico. El problema general
es encontrar las condiciones de operación
de los factores controlables, que dan por
resultado valores óptimos de las
características de calidad allí listadas.
También podría ser de interés investigar el
efecto de factores no controlables,
buscando lograr un proceso insensible
(robusto) a su posible efecto.

33. Algunas preguntas que se pueden responder con un diseño experimental
son:
• ¿Cuáles factores afectan la dureza del plástico?
• ¿Cómo es que los afectan?
• ¿Qué relación hay entre los factores controlables y la dureza?
• ¿Existen otras condiciones de operación, distintas a las actuales que mejoren la
dureza?

34. Estas preguntas se pueden responder probando diferentes
combinaciones en los niveles de los factores controlables,
seleccionadas de manera adecuada. Esto ultimo significa escoger el
diseño experimental mas adecuado al problema, que en este caso
parece ser un diseño factorial completo o fraccionado.

35. ETAPAS EN EL DISEÑO DE EXPERIMENTOS
Un aspecto fundamental del diseño de experimentos es decidir cuales
pruebas o tratamientos se van a correr en el proceso, y cuantas repeticiones
de cada uno, de manera que se obtenga la máxima información al mínimo
costo sobre lo que se estudia.
El arreglo formado por las diferentes condiciones de proceso que serán
corridas, incluyendo las repeticiones, recibe el nombre de matriz de diseño,
o solo diseño.
Un diseño experimental es algo mas que un conjunto de condiciones de
prueba; mas bien es una secuencia de etapas o actividades que deben
realizarse para cumplir con éxito los objetivos que se persiguen. En este
sentido, la actividad mas importante y a la que se le debe dedicar mas
tiempo, es la planeación.

36. PLANEACION
1. Encontrar un problema de calidad que
causa perdidas importantes a la
compañía o que es de interés para un
investigador. No basta decir “me parece
que es un problema importante”, sino
que deben obtenerse datos que así lo
demuestren y cuantificar el impacto de
ese problema. Definir y medir el punto
de partida (situación actual o inicial)es el
primer paso en cualquier esfuerzo de
mejora; por ello, aquí se puede utilizar el
análisis de Pareto o estudios de la
capacidad del proceso.

37. Es fundamental además tener un
conocimiento inicial sobre el
proceso donde se ubica el
problema, por ejemplo saber algo
o al menos tener buenas
conjeturas acerca de como se
relacionan las variables que allí
intervienen; tener idea de cuales
variables de respuesta son mas
importantes y cuales factores de
proceso o variables pueden influir
en su desempeño.

38. 2. Determinar cuales factores deben estudiarse o investigarse, de
acuerdo a la supuesta influencia que tienen sobre la respuesta. No
se trata de que el experimentador tenga que saber a priori cuales
factores influyen, puesto que precisamente para eso es el
experimento, pero si de que utilice toda la información disponible al
respecto.

39. 3. Elegir la(s) variable(s) de respuesta que
serán medidas en cada punto del diseño y
verificar que se mide de manera confiable.
La elección de esta(s) variable es vital, ya
que son el objetivo del experimento, y
son las que se pretenden mejorar. Por
ello se debe elegir aquellas que mejor
reflejen el problema, ya que sea en
términos de calidad o productividad.
Además se debe tener la confianza que
las mediciones que se obtengan sobre
esas variables sean confiables.

40. En otras palabras, se debe garantizar que los instrumentos y/o métodos
de medición son capaces de repetir y reproducir una medición, que
tienen la precisión (error) y exactitud (calibración) necesaria.
Recordemos que los sistemas de medición son la forma en la que
percibimos la realidad, por lo que si estos sistemas son deficientes, las
decisiones que se tomen con base en ellas pueden ser inadecuadas. En
ocasiones si se piensa que el sistema de medición genera mucho error,
una forma de reducirlo es repetir la medición y reportar el promedio.

41. 4. Seleccionar el diseño experimental adecuado a los factores que se
tienen y al objetivo del experimento. Este paso también implica
determinar cuantas repeticiones se harán para cada tratamiento,
tomando en cuenta el tiempo, costo y la precisión deseada.

42. 5. Planear y organizar el trabajo experimental. Con base en el diseño
seleccionado, organizar y planear con detalle el trabajo
experimental, por ejemplo las personas que van a intervenir, la
forma operativa en que se harán las cosas, etc.
6. Realizar el experimento. Seguir al pie de la letra el plan previsto en
la etapa anterior, y en caso de algún imprevisto no contemplado,
señalar la persona a la que se le reportaría y lo que se haría.

43. ANALISIS
Se debe determinar el modelo de análisis de varianza Anova (es su
acrónimo en ingles) o la técnica estadística que mejor describa el
comportamiento de los datos. En algunos experimentos el análisis de
varianza que arrojan directamente los sistemas computacionales no es
el mas adecuado y el experimentador debe refinarlo, para lo cual se
recomienda utilizar técnicas graficas de apoyo.

44. INTERPRETACION
Aquí se debe ir mas allá del
análisis estadístico formal, y se
debe analizar con detalle lo
que ha pasado en el
experimento, desde contrastar
las conjeturas iniciales con los
resultados del experimento,
hasta observar los nuevos
aprendizajes que sobre el
proceso se lograron, verificar
supuestos y elegir el
tratamiento ganador.

45. CONCLUSIONES FINALES
Para concluir el proyecto se recomienda decidir que medidas
implementar para generalizar el resultado del estudio y para garantizar
que las mejoras se mantengan. Además organizar una presentación
para difundir los logros.
Estas 5 etapas implican tener conocimientos del proceso que se
estudia, aunque no se requiere ser un experto. Sin embargo, en la
medida que se conoce el proceso objeto de estudio se esta en posición
de llegar mas rápido a la solución del problema, debido a una mejor
planeación.

46. CONSIDERACIONES PRACTICAS SOBRE EL USO DE
METODOS ESTADISTICOS
Es importante tomar en cuenta que aunque el uso de metodologías
estadísticas por lo general ayuda hacer mas eficiente el proceso de
investigación y de solución de problemas, es necesario reconocer que
las metodologías estadísticas por si solas no garantizan investigaciones
exitosas, por ello es importante considerar los siguientes puntos.

47. • El conocimiento no estadístico es vital. Para utilizar los métodos
estadísticos en general y los diseños de experimentos en particular,
antes que todo se requiere que el experimentador tenga un buen
nivel de conocimiento técnico y practico sobre el fenómeno o proceso
que estudia, de tal forma que pueda vislumbrar con cierta facilidad
cuales son los aspectos clave del fenómeno y pueda plantear
conjeturas precisas, vislumbrar el tipoi de relaciones entre las
variables de respuesta y los factores de proceso. Todo esto ayudara a
seleccionar mejor los factores y sus niveles, así como el diseño que es
mejor aplicar. Además ese conocimiento permitirá sacarle un
provecho real al análisis estadístico de los resultados y sacar
conclusiones, generando aprendizaje y soluciones.

48. • Reconocer la diferencia entre significancia estadística e importancia
practica. En ocasiones un experimentador puede concluir que dos
tratamientos son diferentes estadísticamente. Pero que tales
diferencias, aunque sean significativas, no representan una diferencia
que en la practica sea digna de consideración.
En otras palabras, nunca perder de vista el objetivo ultimo de un
experimento, en el análisis estadístico, para en función de eso y los
resultados estadísticos, poder tomar decisiones.

49. • Apostarle a la experimentación secuencial que a un experimento
único y definitivo. En ocasiones los experimentadores novatos
pretenden en una sola fase de experimentación contestar todas sus
interrogantes sobre un proceso o fenómeno en particular. Sin
embargo, esto puede llevar a experimentos demasiado extensos que
consuman demasiados recursos y que retarde la generación de
resultados.