Industrial

Experimentos con un solo factor.

En este tipo de diseño de experimento se considera un solo factor de interés y el objetivo es compara más de dos tratamientos son el fin de elegir una mejor alternativa entre las varias que existen, o por lo menos para tener una mejor comprensión del comportamiento de la variable de interés en cada uno de los distintos teóricos.

.En esta unidad se presenta los diseños experimentales que se utilizan cuando el objetivo es comparar más de dos tratamientos. Puede ser de interés comparar tres o más máquinas, varios proveedores, cuatro procesos, tres materiales, cinco dosis de un fármaco, etc.

Es obvio que, al hacer tales comparaciones, existe un interés y un objetivo claro. Por ejemplo, una comparación de cuatro dietas de alimentación en la que se utilizan ratas de laboratorio, se hace con el fin de estudiar si alguna dieta que se propone es mejor o igual que las que ya existentes; en este caso, la variable de interés es el peso promedio alcanzado por cada grupo de animales después de ser alimentado con la dieta que le toco. Por lo general, el interés del experimentador está centrado en comparar los tratamientos en cuanto a sus medias poblacionales, sin olvidar que también es importante compararlos con respecto a sus varianzas. Así, desde el punto de vista estadístico, la hipótesis fundamental a probar cuando se comparan varios tratamientos es:

Con la cual se quiere decidir si los tratamientos son iguales estadísticamente en cuanto a sus medias, frente a la alternativa de que al menos dos de ellos son diferentes. La estrategia natural para resolver este problema es obtener una muestra representativa de mediciones en cada uno de los tratamientos, y construir un estadístico de prueba para decidir el resultado de dicha comparación.

Se podría pensar que una forma de probar la hipótesis nula de la expresión (2.1)es mediante la prueba T de Student aplicadas a todos los posibles pares de medias; sin embargo, esta manera de proceder incrementaría de manera considerable el error tipo I(rechazar

siendo verdadera).

EJEMPLO.

Ejemplo en el caso de comparar varias máquinas, si cada máquina es manejada por un operador diferente y se sabe que este tiene una influencia en el resultado entonces, es claro que el factor operador debe tomarse en cuenta si se quiere a las máquinas de manera justa. Un operador más hábil puede ver a su máquina (aunque ésta sea la peor) como la que tiene el mejor desempeño, lo que impide una comparación adecuada de los equipos.

Para evitar este sesgo habría dos maneras de anular el posible efecto del factor operador:

Utilizando el mismo operador en las cuatro máquinas. Esta estrategia no es aconsejable, ya que al utilizar el mismo operador se elimina el efecto del factor operador, pero restringe la valides de la comparación a dicho operador , y es posible que el resultado no se mantenga al utilizar otros operadores.

Cada operador trabaje durante el experimento con cada una de las máquinas, esta estrategia es más recomendable, ya que al utilizar todos los operadores con todas las maquinas permite tener resultados de la comparación que son para todos los operadores. Esta última de manera nulificar el efecto de operadores, recibe el nombre de Bloqueo. Factores de bloqueo. Son factores adicionales al factor de interés que se incorporan de manera explícita en un experimento comparativo, para estudiar de manera más adecuada y eficaz al de interés. Observación. Cuando se comparan carias máquinas, manejadas por operadores diferentes, es pertinente incluir explícitamente al factor operadores (bloques) para lograr el propósito del estudio. También se podrían controlar el tipo de material, lotes, tipo de producto, día, turno etc, se controlan factores que conocimiento de él o experiencia previa, se sabe que pueden afectar en forma sensible el resultado de la comparación.

En el campo de la industria es frecuente hacer experimentos o pruebas con la intención de resolver un problema o comprobar una idea (conjetura, hipótesis); por ejemplo, hacer algunos cambios en los materiales, métodos o condiciones de operación de un proceso, probar varias temperaturas en una máquina hasta encontrar la que del mejor resultado o crear un nuevo material con la intención de lograr mejoras o eliminar algún problema.

Sin embargo, es común que estas pruebas o experimentos se hagan sobre la marcha, con base en el ensayo 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 ocurre con el análisis de los datos experimentales, donde más que hacer un análisis riguroso de toda la información obtenida y tomar en cuenta la variación, se realiza un análisis informal, ¨intuitivo¨

Es tal el poder de la experimentación que, en ocasiones, se logra mejoras a pesar de que el experimento se hizo con base en el ensayo y error. Sin embargo, en situaciones de cierta complejidad no es suficiente aplicar este tipo de experimentación, por lo que es mejor proceder siempre en una forma eficaz que garantice la obtención de las respuestas a las interrogantes planteadas en un lapso corto de tiempo y utilizando pocos recursos. El diseño estadístico de experimentos es precisamente la forma más eficaz de hacer pruebas. El diseño de experimentos consiste en determinar cuáles pruebas se deben realizar y de qué manera, para obtener datos que, al ser analizados estadísticamente, proporcionen evidencias objetivas que permitan responder las interrogantes planteadas, y de esa manera clarificar los aspectos inciertos de un proceso, resolver un problema o lograr mejoras. Algunos problemas típicos que pueden resolverse con el diseño y el análisis de experimentos son los siguientes:1.

1. Comparar a dos o más materiales con el fin de elegir al que mejor cumple losrequerimientos.2.

2. Comparar varios instrumentos de medición para verificar si trabajan con la misma precisión y exactitud.3.

3. Determinar los factores (las x vitales) de un proceso que tienen impacto sobre una o más características del producto final.4.

4. Encontrar las condiciones de operación (temperatura, velocidad, humedad, por ejemplo) donde se reduzcan los defectos o se logre un mejor desempeño

...