Diseño Experimental Para Un Factor

Introducción

El diseño experimental suele plantearse cuando se requiere analizar una característica cualitativa sometida a un único factor. Este único factor debe detener una influencia significativa sobre la característica cualitativa. El Diseño de Experimentos tuvo su inicio teórico a partir de 1935 por Sir Ronald A. Fisher, quién sentó la base de la teoría del Diseño Experimental y que a la fechase encuentra bastante desarrollada y ampliada. Actualmente las aplicaciones son múltiples, especialmente en la investigación de las ciencias naturales, ingeniería, laboratorios y casi todas las ramas de las ciencias sociales. La experimentación proporciona los datos experimentales, en contraste con los datos de la observación; los datos de la observación se representan como su nombre indica por observaciones de las unidades elementales de una población o de una muestra, y no deben ser cambiados ni modificados por ningún intento departe de un investigador en el curso de la observación.

Concepto

El diseño experimental para un factor es una técnica estadística que permite identificar y cuantificar las causas de un efecto dentro de un estudio experimental. 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 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.

El diseño experimental encuentra aplicaciones en la industria, la agricultura, la mercadotecnia, la medicina, la ecología, las ciencias de la conducta, etc. constituyendo una fase esencial en el desarrollo de un estudio experimental.

Importancia

El Diseño Experimental, como técnica de investigación, toma importancia en los años 80 en donde se le da una aplicación estadística de los proyectos de Seis Sigma buscando el famoso número de 3,4 defectos por millón de unidades producidas. El diseño experimental busca entonces a través de una serie de herramientas estadísticas aplicadas metodizar los ensayos de prueba y error para encontrar la mejor combinación de variables independientes que optimice una variable de respuesta en unas circunstancias determinadas. El análisis experimental se basa en la comprensión de la variación que presentan los datos de salida de un problema. La variación siempre está presente en todos los procesos de la naturaleza y por ende en los procesos humanos, la planeación

El diseño experimental es un medio de importancia en la ingeniería para mejorar el rendimiento de un proceso de manufactura, así como el desarrollo de nuevos productos.

Alcances del diseño experimental en el ámbito empresarial

Su aplicación en una fase temprana de la evolución de un proceso puede dar como resultado:

• Mejora en el rendimiento del proceso

• Reducción de variabilidad y aumento del apego a especificaciones o valor objetivo

• Mejor tiempo de desarrollo

• Minimización de costos

Clasificación

Dadas las múltiples necesidades de las empresas, las características de cada proceso, se ha desarrollado una gran diversidad de diseños experimentales, en la clasificación siguiente se citan solo algunos de ellos:

Diseños de un factor (comparativa entre dos o mas niveles de un factor)

Completamente al azar

Bloques completamente al azar

Cuadrados latinos y grecolatinos

Diseños para estudiar dos o mas factores en una o varias variables de respuesta

Diseños factoriales 2^k

Diseños factoriales 3^k

Diseños factoriales fraccionados 2^(k-p)

Optimización de procesos

De primer orden (factoriales de 2 niveles, simplex, plankett-burman)

De segundo orden (factoriales de 3 niveles, central compuesto, Box- Behnken)

Diseños robustos

Ortogonales (Taguchi)

Arreglos internos y externos

Diseños de mezclas

Simplex con centroide

Con restricciones

Axial

Latice-simplex

Nomenclatura y simbología:

En los diseños experimentales se presenta la nomenclatura que se utiliza para representar de una manera clara y visual la estructura de los diseños: O: indica la medida de la variable independiente antes (O1) o después (O2) del tratamiento, el subíndice expresa la posición de la medida en el diseño. X: indica el tratamiento o variable independiente.

Identificación de los efectos de los diseños experimentales:

Identificación y exposición del problema

En la etapa de identificación de problema es esencia un trabajo de equipo, reunir a todos departamentos de los involucrados, detectar los problemas presentados, recolectar las opiniones y sugerencias, depurar, identificar el objetivo global y definir claramente los objetivos del experimento.

Elección de la variable de respuesta

Respecto a la elección de la variable de respuesta, se debe tener la certeza que la variable seleccionada arroja la información útil acerca del proceso en estudio, es común, considerar el valor de la media y/o desviación estándar.

Elección de los factores y niveles

Es importante distinguir de los factores que afectan al proceso cuales son de interés para el analista (factores de diseño), aquellos factores que no son objeto de estudio pero que si afectan el proceso es conveniente mantenerlos fijos, es decir, no deben variar, evitando asi se vea afectado el estudio, para los factores de ruido (no controlables) se pueden establecer alternativas como la covarianza, para ello es requisito tomar medidas de dichos factores de ruido.

Elección del diseño experimental

Respecto a la elección del diseño experimental, se implica el tamaño de la muestra considerando en número de replicas, el orden de las corridas experimentales, determinar si se formaran bloques o no, determinar restricciones sobre la aleatorizacion, no se debe perder de vista el objetivo experimental y el objetivo global.

Realización del experimento

En la etapa de realización del experimento ponemos en marcha lo planeado, sin embargo algunos autores recomiendan, realizar pruebas piloto a fin de determinar la confiabilidad del sistema de medición, consistencia de la materia prima, detectar errores en el diseño y ser así replantear antes de ejecutar finalmente.

Análisis de los datos

Análisis estadístico, se aclara que los métodos estadísticos no demuestran que un factor posee un efecto en particular, más bien proporcionan pautas generales en cuando a la confiabilidad y la validez de los resultados obtenidos, miden el error posible en una conclusión, asignan un nivel de confianza a un enunciado. Su ventaja es que agregan objetividad al proceso de toma de decisiones.

Conclusiones y recomendaciones

El fin del experimento es obtener conclusiones, estas deber ser practicas sobre los resultados y recomendar cursos de acción, es recomendable realizar pruebas experimentales de seguimiento y confirmación a fin de validar los resultados de estudio.

En esta etapa se recomienda distinguir entre significancia estadística e importancia práctica, es decir, como resultado del experimento se puede concluir que existe diferencia significativa estadísticamente entre los tratamientos pero tales diferencias no representan una diferencia que en la práctica sea digna de consideración.

Principios básicos:

-Aleatorizacion

-Realización de replicas

-Formación de bloques

Hipótesis de investigación:

Parte de la planeación consiste en el establecimiento de la hipótesis de investigación, con ella se logra establecer circunstancias y sus consecuencias, entre ellas el establecimiento de los tratamientos, es importante identificar los tratamientos con el papel que cada uno tiene en la evaluación de la hipótesis de investigación, los tratamientos deben concordar con la hipótesis de investigación. En ocasiones se recomienda establecer un tratamiento de control un control será aquel que no ha recibido tratamiento alguno es un tratamiento placebo, esto con la finalidad de revelar las condiciones en las que se efectúa el experimento.

Importancia de aleatorizacion de los especímenes de prueba:

Se define aleatorizacion como la asignación aleatoria de tratamientos a unidades experimentales que se han obtenido de manera aleatoria. Recordamos la mención que hace Kuehl (), de Fisher sobre la importancia de la aleatorizacion ya que esta proporciona estimaciones validas de la varianza del error para los métodos de inferencia estadística justificados para la estimación y pruebas de hipótesis en el experimento.

No debemos olvidar que uno de los principios de la inferencia estadística es que los elementos de la muestra son representativos de la población, de igual manera, sin embargo, si sobre las unidades experimentales se ha hecho una selección controlada, cuidadosa y supervisada al efectuar el experimento dudoso, que la muestra sea aleatoria, mas aun suponga, que las unidades experimentales a las que se les aplicara uno de tres tratamientos provienen de lotes de producción elaborados por 3 maquinas diferentes, es de esperarse que las unidades elaboradas de la maquina 1 posean características similares, que pasaría si solo en los lotes provenientes de la maquina 1 se aplica el segundo tratamiento,

...