Rendimiento-de-Maquinaria y precios unitarios para la construcción de una ma...
La experimentación conceptual - Un método para Convertir la Experiencia en Tecnología
1. LA EXPERIMENTACION CONCEPTUAL
Un Método para Convertir
la Experiencia en Tecnología
ING. BENITO BUCAY E.
Ponencia para la Admisión
como Académico de Número
Academia Mexicana de Ingeniería
Marzo 19, 1981
2. INTRODUCCIOIl.
Las industrias de proceso, de las que son exponente destacado las del cemento,
fierro y acero y química, se caracterizan en sus aspectos tecnológicos por el
hecho que la tecnología reside no sólo en los equipos que utiliza y su diseño,
sino en igual o mayor proporción aLín en los procedimientos de operación, que
tienen una influencia considerable sobre el comportamiento del proceso, la pro-
ductividad y la calidad del producto. Tratamos de distinguir con esta descrip-
ción a estas industrias de aquellas otras en las que la tecnología reside pri-
mordialmente en el dise?o del equipo y del producto.
El presente trabajo se enfoca al aspecto -poco estudiado en las industrias de
proceso- de la acumulación de experiencia y de cómo es posible traducir ésta
en tecnología en el sentido completo de la palabra, incluyendo tanto el "saber
hacer" como los igualmente importantes "saber transmitir" y "saber no hacer".
DESCRIPCION DEL PROBLEMA
Con objeto de hacer ms específico nuestro planteamiento, consideramos un pro-
ceso típico en el cual factores tales como temperaturas, presiones, flujos, con
centraciones y grados de calidad de las materias primas (factores que colectiva
mente llamamos "variables de operación") afectan al cambiar, la calidad, el ren
dimiento y el costo del producto fabricado ("la respuesta").
En este entorno se presentan varias situaciones relativas a la adaptación y
1. -
3. 2.-
uso de la tecnología:
Si la tecnología se ha obtenido por la va de una licencia, es comun esperar
del proveedor un conjunto de manuales de operación y control; instructivos
que operadores y supervisores deben seguir para satisfacer el requisito pro
ductivo. De manera similar, aunque plagada de ms incógnitas, se presenta
esta situación cuando la tecnología" ha resultado de un conjunto de experi-
mentos que el técnico trata de trasladar a una escala industrial y en equipos
cuyo diseño y comportamiento difieren de los usados en escalas menores.
En el mejor de los casos, esos manuales o instructivos indican qué debe hacer
se en condiciones iguales a las del diseño; casi nunca atienden el problema
de qué hacer en casos de desviación frente a los supuestos del diseño, ni per
miten evaluar las posibles consecuencias.
Aunada a la situación anterior, frecuentemente el proceso como se manifiesta
en la planta industrial, resulta susceptible a factores que o no se conside-
raron importantes durante el diseño o el licenciador no ha tenido que enfren-
tarse a cambios en ellos y por lo tanto carece de la experiencia específica.
Hemos visto gran número de casos en los que la altura sobre el nivel del mar,
la calidad del agua encontrada, la humedad ambiente, etc. producen cambios en
el comportamiento de un proceso.
Agréguese en esta categoría el que, entre otras cosas por nuestro proceso de
industrialización, con frecuencia es necesario utilizar componentes que no son
copia fiel de lo que conocíamos y que a su vez van a generar cambios en el corn
portami ento.
4. 3.-
3.- Finalmente, considerarnos dentro de la caracterización del problema, el que
los conocimientos fundamentales de física, química o biología y los aplica-
dos de las diversas especialidades ingenieriles, no llegan a definir perfec-
tanente el comportamiento de equipos y procesos.
Estas situaciones indican que sólo hasta operar un proceso, y operarlo sufi
ciente tiempo, llegan a experimentarse los efectos de todas las variables
encubiertas. Sin embargo, quienes más cercana y frecuentemente son expues-
tos a estos cambios son los obreros y operadores, quienes salvo casos excep
cionales, no cuentan con el bagage de conocimientos técnicos que les permi-
tan interpretar lo que observan ni tampoco son estimulados para comunicarlo;
el resultado de ello es que el conocimiento íntimo del proceso se acumula en
el curso de los años en estas personas, pero no existe el mecanismo de hacer
explícita esa experiencia.
Para muchos nos es conocido el incidente de llegar a una instalación, llenos
de conocimientos teóricos pero lejos de entender y saber de las peculiarida-
des que el obrero en su experiencia sí ha conocido. Lo que buscamos en este
trabajo es el matrimonio de estos conocimientos.
III. EVOLUCION DEL METODO
A principios de este siglo diversos autores ingleses -principalmente Fisher y
Gossett- iniciaron la disciplina del diseño de experimentos aplicándola a la
agronomía, en donde el largo período que va desde la iniciación de un experi-
mento hasta la obtención e interpretación de sus resultados, exigía de una
5. 4.-.
cuidadosa planeación que anticipara lo más posible el curso del mismo, para
asegurar que la información que el investigador buscaba realmente se obtu-
viera.
Los métodos estadísticos produjeron avances notables en agronoma y ya para
los años cuarenta, el diseño estadístico de experimentos era un requisito
fundamental en la preparación de los profesionistas especializados.
A partir de 1950 un grupo de investigadores ingleses encabezados por George
P. Box iniciaron la aplicación de esos métodos en la industria qumica, en
la empresa Imperial Chemical Industries. En poco tiempo se lograron impor-
tantes beneficios sobre todo al hacer más eficiente el proceso de desarrollo
tecnológico, pero pronto detectaron que los diseños experimentales que se
habían implementado en agricultura no eran los idóneos para la investigación
industrial, y se inició así una etapa de desarrollo de técnicas de investiga
ción estadística muy fructífera.
Para 1954, Box y Wilson publicaron la metodología conocida como "Superficies
de respuesta", que permite investigar de una manera muy eficiente el comporta
miento de formas funcionales desconocidas y que representan la influencia de
las diversas variables del proceso sobre el resultado esperado ("respuesta").
El mismo Box poco más tarde ilustra la relación entre esas funciones determi-
nadas empíricamente y los mecanismos básicos que describe la teoría aplicable
al proceso que se estudia.
Esta contribución de valor incalculable ha permitido hacer cada vez más efi-
ciente y menos aleatoria la investigación tecnológica.
6. 5.-
Sin embargo, su aplicación queda enteramente en manos del tecnólogo, el in-
vestigador y el estadígrafo.
Sensible a los problemas de adecuación entre teoría y práctica que se descri
ben en el primer capítulo de este trabajo y por ende a la necesidad de crear
una herramienta que permitiera el desarrollo continuado en la industria, en
1964 Box en colaboración con J.S. Hunter propone la metodología de "operación
evolutiva" o EVOP como se le conoce comúnmente.
Mediante el uso del EVOP se pretende que el proceso industrial produzca, - -
además del producto para el cual fué creado, información acerca de cómo mejo-
rarlo. Para lograr esto se utilizan dos conceptos derivados de las teorías
de evolución darwiniana:
- Generación sistemática de variaciones en las variables del proceso - -
("niutantes').
- Eliminación de las condiciones que producen resultados poco afortunados
("sobrevivencia del más adaptado").
La aplicación de este método en la industria ha permitido llevar poderosas he
rramientas teóricas hasta la planta y con ello se han logrado mejoras signifi
cativas de tecnología.
Sin embargo, tiene en común con todo lo anterior que no incorpora de una mane
ra ostensible e importante la experiencia que se pueda haber acumulado en el
personal que opera el proceso; la experimentación conceptual es un mecanismo
para lograr esto.
IV. LA EXPERIMENTACION CONCEPTUAL
Siguiendo una sugestión de J.D. Hinchen hemos desarrollado la metodología que
7. AE
se describe enseguida con el propósito de salvar la brecha que arriba comen-
tamos y que permite convertir la experiencia del personal ocupado en tareas
de producción, en tecnología del proceso.
El método consiste de las siguientes fases:
En una o varias entrevistas previas con las personas cuya experiencia
se trata de sistematizar, el investigador genera una lista exhaustiva
de variables de proceso que en la opinión de ellos tienen efecto sobre
la respuesta. seleccionada (algún índice de calidad, productividad o
costo), así cono de la magnitud de dicho efecto.
La mayor parte de las veces, las respuestas obtenidas no son cuantita-
tivas; por ejemplo el operador o el obrero encuestado puede responder
"si le sube la temperatura al reactor, baja el color del producto" pero
le es difícil dar una medida que indique cuán fuerte es ese efecto.
Esto no tiene más consecuencias sobre el método que, si acaso, alargar
el período de la investigación.
Una vez obtenidas todas las opiniones y llegado a un consenso entre
ellos tanto en cuanto a la inclusión de una variable como en cuanto a
la dirección de su efecto, el investigador debe dise?ar un experimento
orientado a probar tal consenso y a cuantificar los efectos, que hasta
aquí debe considerarse como una hipótesis acerca del mecanismo de fun-
cionamiento del proceso.
Las herramientas específicas del dise'io de experimentos son cruciales en
esta etapa para seleccionar niveles de las variables a probar así como
8. 7.-
sus combinaciones. En nuestra experiencia, los diseños factoriales frac-
cionarios que pueden complementarse para hacer los llamados "diseños com-
puestos de segundo grado en ésta o en una etapa posterior, resultan los
de mayor aplicación.
Al terminar esta fase, el investigador debe poseer una lista de experimen
tos a realizar, siguiendo el diseño que haya seleccionado, así como cier-
tas expectativas de la respuesta de cada uno.
3.- En la investigación convencional seguiría ahora el trabajo técnico de la-
boratorio o planta piloto en que se conducirían cada uno de los experimen-
tos listados al concluir la fase anterior.
Lo que distingue y califica al método que aquí se discute es que el expe-
rimento no se realiza. En vez de esto, el investigador procede a reunir a
todos los participantes en la primera fase, para que examinen cada experi-
mento propuesto y conceptualmente, con ayuda sólo de su experiencia perso-
nal, indiquen cuál es el resultado probable que ellos creen que se obten-
dría.
Dos observaciones son importantes en este punto:
- Rara vez coinciden todas las opiniones, más bien pueden presentar-
se hasta contradicciones claras, que en ocasiones son señal de in-
teracción entre las variables (no aditividad de efectos). El in-
vestigador debe conservar tal información pues será útil posterior
mente, aún si los participantes llegaran a un consenso.
9. - Generalmente hay resistencia a cuantificar la respuesta. En este
punto sí es indispensable hacerlo usando como último recurso una
simple escala de preferencias de uno a diez.
Al concluir esta etapa, el grupo dispone de una lista de experimentos posibles
y de los resultados que la mayoría cree que se obtendrían de conducirlos.
Aparecen aquí ya los primeros beneficios, pues aún sin saber qué ocurrirá pos
teriormente el trabajador detecta que su experiencia importa y contribuirá al
mejor resultado del método.
El estímulo de una actitud participativa y de la motivación para hacer valer
su opinión se convierte en el elemento clave para asegurar el éxito del mismo.
4.- Esta etapa es puramente técnica. Aquí el investigador desarrolla un modelo
empírico que trate de representar los resultados conceptuales de la etapa an-
tenor. Para propósito de esta discusión, definiremos la siguiente nomencla-
tura:
1
X = (X 1 X2 .....XK)
y (escalar)
vector de variables de
proceso seleccionadas
respuesta = variable
dependi ente
b 1 (b 1 b2 .....b) vector de parámetros en
la relación funcional en-
tre la respuesta y las va
niables de proceso.
10. SWI
Al llegar a esta etapa contarnos con un valor de Y y uno del vector X para
cada experimento conceptual que hemos realizado (para un total de N experimen-
tos), y a partir de esta información buscarnos descubrir una relación funcio-
nal:
y = f (b,x) (1)
Dado lo complejo de los fenómenos industriales que pretendemos estudiar y las
limitaciones de la información que hemos generado hasta este punto, no tiene
objeto buscar una relación funcional demasiado elaborada; de hecho, la ms
simple que podría escogerse es una forma lineal:
y = b'x + bo (2)
(en donde bo es un término constante).
Por otra parte, la virtud de la simplicidad acarrea un defecto: la forma fun
cional de la ecuación anterior no se acomoda a fenómenos donde los efectos no
son lineales y donde se presentan interacciones entre las diversas variables
(falta de aditividad de efectos), situación por demás frecuente en la indus-
tria; de hecho, una gran virtud que hemos encontrado a este método, es que per
mite reflejar de alguna forma esas interacciones complejas que el individuo ex
perimentado ha observado, aunque tal vez no las pueda expresar de una manera
clara sino sólo vía los resultados esperados.
Dada esta situación, el siguiente modelo en orden de complejidad que si permite
11. dar acomodo a estos fenómenos, es una forma cuádrica del tipo:
y = bo + b
1
x + x
1
Bx (3)
en donde:
/ b
11 2b 12 2b 13 . . 2b1k
B = ( 2b1
22
2b23... 2?2k
2b2k • bkk
es una matriz simétrica de los coeficientes cuadráticos del modelo.
Suponiendo que en la etapa anterior hemos planteado un número suficiente de ex-
periruentos conceptuales (para k diferentes factores necesitamos como mínimo - -
2
(k + 1) '2 experimentos en el modelo (3) y (k + 1) en el (2), y preferiblemeri
te unos 6 a 10 más), todos los parámetros del modelo pueden calcularse por algu-
no de los diversos métodos de regresión múltiple que existen, por ejemplo los
descritos por Draper y Smith.
5.- Una vez obtenido el modelo en forma explícita se impone un esfuerzo de análisis
con el que se logre esa unión entre teoría y experiencia que estamos buscando.
Teniendo presente que las observaciones" que condujeron a crear el modelo son
"inventadas", no debemos esperar una gran calidad estadística del modelo calcu-
lado, aunque tampoco debe concluírse que si la regresión resulta pobre (en el
sentido estadístico) está necesariamente mal; en ocasiones puede reflejar sólo
la incapacidad de los participantes para pensar cuadráticamente (o la incapaci-
dad del modelo para reflejar interacciones más sutiles que de alguna manera el
hombre sí percibe).
lo. -
(4)
12. 11.-
En fin, el análisis al que nos referirnos se hace cómodamente en dos aspectos:
por una parte, si se ha usado el modelo (4), conviene obtener unas cuantas grá
ficas que representen la superficie en el espacio "experimental", de tal manera
que sea posible observar regiones en donde la curvatura es notoria o los contor
nos muy próximos (alto gradiente), pues esa situación revela regiones prometedo
ras para la investigación.
El otro esquema del análisis consiste en examinar las desviaciones entre la
predicción de la respuesta hecha por el operador y la predicción que resulta del
modelo, para cada uno de los "experimentos", y seleccionar aquél o aquéllos en
los que se encuentran las desviaciones más exageradas.
Lo que estamos revelando por cualquiera de estos dos caminos son regiones de ope
ración en las que hay una inconsistencia o variación fuerte entre la opinión en
ese lugar y las opiniones en otros, y por ello son zonas de máxima riqueza infor
mativa (y no perdemos de vista que estamos tras información, ante todo).
Después de este examen, el grupo selecciona uno de los experimentos del conjunto,
el cual ahora si se ejecutará físicamente, con objeto de que sea el proceso mis-
mo el que resuelva, con su voto, la discrepancia.
Realizado el experimento, usarlos el valor observado en lugar de la respuesta adi-
vinada antes. Al llegar a este punto, nuestro plan experimental consiste ahora
de F4-1 experimentos conceptuales y uno real, al que tal vez querramos darle más
peso en proporción; con este conjunto de datos, regresamos a la etapa 4 para
crear un nuevo modelo y repetir el ciclo.
0
13. 12.-
Este proceso de modelación, análisis, selección y experimentación se repite
cuanto se juzque necesario; en cada vuelta el contenido de realidad" va
aumentando pero, como se comenta más adelante, el valor de la información
adicional que inicialmente crece de manera acelerada, después de unos pocos
ciclos se torna asintótica conforme experiencia, opinión y experimento con-
vergen a un punto común.
V. ALGUNAS EXPERIENCIAS
Hemos podido aplicar estos métodos en un número suficiente de casos para es-
tar convencidos del valor que tienen; con la participación entusiasta del
Ing. Gilberto Fabila C., se ha cubierto un espectro amplio de situaciones
de las que quisiéramos comentar algunas que son ilustrativas:
1.- En una ocasión fué necesario desarrollar una formulación de una pintura
para alta temperatura y con elevado poder cubriente; después de varios
meses de intentos de laboratorio con multitud de ingredientes no se
habían logrado conciliar ambos requisitos.
Las variables de este "proceso" están dadas principalmente por los in-
gredientes que se utilizan y sus proporciones, y en menor grado por la
forma de incorporarlos. Este es un caso típico de mezclas en las que
con frecuencia se presentan bajas interacciones, lo que hace que las
experiencias sean de aplicación más general.
Se constituyó el equipo de estudio con el operador de laboratorio, un
operador de planta, un supervisor de turno, un técnico especialista y
14. 13. -
el técnico estadígrafo que tuvo la responsabilidad de diseñar el plan
experimental y orientar a los demás en el método a seguir.
Tal corno se describe arriba, después de evaluar lo que el grupo cono-
cía, se diseñó el plan, se realizaron conceptualmente los experimentos
y después de evaluar el modelo, se escogieron dos primeros puntos para
verificarlos experimentalmente. Habiendo seleccionado los de mayor
discrepancia, la sorpresa del grupo fué notable cuando los resultados
reales coincidieron exactamente con los pronósticos del operador de la
boratorio; el modelo se reapreció, el ciclo se repitió y los resultados
volvieron a confirmar el casi perfecto poder predictivo de esta perso-
na. Modesto en su comportamiento, no consultado por nadie y con nulo
bagage científico, no había podido manifestar sus profundos conocimien-
tos sobre la materia; pronto el grupo decidió atenerse a sus opiniones,
lo que además se convirtió en fuerte elemento motivacional pues no sólo
el grupo sino todo el personal percibió lo que ocurría.
Después de sólo ocho experimentos con más de 15 variables, problema in-
definido en el sentido clásico, fué posible lograr perfectos resultados
no sólo en cuanto a la fórmula buscada sino también en cuanto a la fac-
tibilidad de prepararla y procesarla en el equipo disponible.
Después de este resultado, la administración de la fábrica decidió reeva
luar todos sus métodos de formulación incorporando formalmente el grupo
como "comité técnico" en el que la presencia del especialista permitió
convertir lo que hasta entonces era un recetario, en un verdadero manual
de operación en el que se señalan no sólo fórmulas sino posibles fallas
y forma de corregirlas cuando surgen cambios en los ingredientes.
15. 14. -
2.- Un problema diferente se planteó en el curso de una investigación de plan-
ta piloto en la que se pretendía producir un nuevo tipo de plástico de
tres componentes; la parte química del proceso es bien conocida (un políme
ro de inserción a base de estireno, butadieno y ácido metacrílico) pero las
características físicas del material dependen de muchos factores de proceso
y son cruciales en la aplicación que se le d.
Se decidió utilizar el método que describimos cuando después de varios me-
ses de esfuerzo, no se habían producido materiales de propiedades satisfac-
tonas. En este caso, los miembros del comité fueron los técnicos que ha-
bían participado en la investigación.
Al llegar al punto de definir el valor de la respuesta en cada experimento
conceptual que se planeó, abundaron las controversias y las opiniones se di
vidieron en dos campos; se decidió entonces construir un modelo para cada
uno y compararlos. Para algunas variables los coeficientes del modelo no
sólo resultaban diferentes sino hasta de signo contrario, de modo que cada
segmento pronosticaba efectos opuestos.
Se eligieron para probar físicamente dos puntos en los que los modelos pro-
nosticaban resultados muy diferentes y a partir de ahí se iniró el ciclo.
Conforme se fué avanzando resultó evidente que había un alto grado de in-
teracciones, lo que hace muy difícil entender los efectos de las variables
y explica las encontradas opiniones.
Al cabo de unas veinte pruebas, apreciablemente menos de las que se habían
hecho cuando se empezó a aplicar el método, se logró obtener un producto
que satisfacía los requisitos plenamente e igualmente importante, se había
16. 15. -
acumulado un conocimiento valiosísimo sobre las diversas formas de acción
y respuesta del proceso mismo.
3.- Un último ejemplo diverso de los anteriores, se generó con motivo del arran
que de una nueva planta. En la industria de proceso ésta es una ocasión en
la que se genera gran cantidad de información -que más tarde puede ser va-
liosa- por el elevado número de cambios y variantes que se efectúan al tra-
tar de que la nueva unidad opere de acuerdo a las premisas del diseño; pro-
bablemente, una vez concluída la fase de arranque no vuelve a presentarse
otra ocasión, en la vida de planta, con tan elevado contenido de informa-
ción pues la buena administración de la producción exigirá después "conge-
lara el proceso en condiciones fijas.
Para aprovechar esta coyuntura, se planeó un trabajo similar al ya descri-
to de tal forma que el personal encargado del arranque condujera éste como
otro experimento conceptual y no como una "lista de supermercado'. Se se-
leccionaron así tres experimentos contrastantes que se efectuaron durante
el arranque; los resultados obtenidos se incorporaron al modelo el que, me
diante un estudio más convencional de superficies de respuesta (inclusive
técnicas de optimización), permitió concluir prontamente la demostración y
posteriormente continuar la mejoría de la operación estable mediante el mé
todo EVOP.
VI. RESUMEN Y CONCLUSIONES
El método descrito ha generado una serie de sub-productos benéficos -además
del que se persigue- que complementan la utilidad como herramienta en la
17. creación de tecnología, y entre los que podemos citar:
Permite recoger de una manera formal (en un modelo matemático) el conoci-
miento disponible, sea éste producto de la experiencia, la literatura téc
nica, reportes, etc.
Permite determinar si el conocimiento que se cree tener es útil y sistema
tico o sólo un conjunto más o menos grande de datos dispersos y en este ca
so, sistematizarlos.
Se adapta idealmente al arranque de plantas para generar información pre-
cisa, aplicable a la unidad y que será de valor a lo largo de la vida del
proceso.
Es un método excelente para estimular y motivar al personal y para siste-
matizar y extraer el conocimiento que reside en el personal , así como para
ofrecer oportunidades de desarrollo intelectual a la persona, independien-
temente de su nivel jerárquico o formación académica.
Es un arma útil para estructurar el conocimiento; con frecuencia se obser-
va que las personas saben más de lo que creen, la limitación aparece al
usar este método más bien corno falta de estructura.
De alguna manera se aplica en un proceso de capacitación que puede conver-
tirse de un simple ejercicio de la memoria a un descubrir, por la persona
misma, cómo y de qué forma saber más y mejor sobre el trabajo que se reali
za; esto se vincula con lo que varios autores extranjeros llaman "la expe-
rienda ¡ahát " , el "Eureka" de Arquímedes.
16.-
18. VII. RECONOCIMI ENTO
Aunque lo he citado brevemente antes, debo especial reconocimiento al
Ing. Gilberto Fabila; sus cualidades personales se unieron a su inquie-
tud científica para hacer que la Experimentación Conceptual pasara de
idea interesante a ser un valioso elemento de investigación y desarro-
llo tecnológico. Muchos de los conceptos aquí vertidos se han compro-
bado gracias a su entusiasmo e ingenio.
17. -
e
19. R E F E R E N C 1 A 5
O.L. Davies, G.E.P. Box et al: "The Design and Analysis of
Industrial Experiments". Hafner Publishing Co. New York.
(1956).
G.E.P. Box y K.B. Wilson: ' Qn the Experimental Attainrnent
of Optimum Conditions". J. Royal Stat. Soc. Ser.B. , 13, 1
(1951).
G.E.P. Box y P.V. Youle: "An Example of the Link Between
the Response Surface and the Basic Mechanism of the System".
Biometrics 11, 287. (1955).
G.E.P. Box y N.R. Draper: "Evolutionary Operation. A Sta-
tistical Method for Process Improvement". J. Wiley & Sons.
New York. (1969).
N.R. Draper y H. Smith: "Applied Regression Analysis".
J. Wiley & Sons. New York. (1966).
J.D. Hinchen - Comunicación Personal. (1967).