SlideShare una empresa de Scribd logo

4. Diseño Experimental Para un Factor

Anahi Rodriguez
Anahi Rodriguez
Anahi RodriguezEstudiante en Instituto Tecnologico de Piedras Negras

Alumna: Anahi Rodríguez Limón Instituto Tecnológico de Piedras Negras Ingeniería en Gestión Empresarial GM2 Estadística Inferencial 2

4. Diseño Experimental Para un Factor

1 de 25
Descargar para leer sin conexión
Instituto Tecnológico de Piedras Negras
Ingeniera en Gestión Empresarial
Estadística Inferencial II
- Unidad 4 -
Alumna: Anahí Rodríguez Limón
Docente: Velia Del Pilar Rubí Valencia 01 de Diciembre del 2021, Piedras Negras Coahuila
Tarea #01: Consulta del tema 4
Tema: “Diseño experimental para un factor”
ARL
2
Índice
Introducción........................................................................................................................................................ 3
4. Diseño experimental para un factor ............................................................................................................... 4
4.1 Introducción, conceptualización, importancia y alcance del diseño experimental en el ámbito empresarial.
........................................................................................................................................................................ 5
4.2 Clasificación de los diseños experimentales ............................................................................................. 7
4.3 Nomenclatura y simbología en el diseño experimental.............................................................................. 8
4.4 Identificación de los efectos de los diseños experimentales .................................................................... 10
4.5 La importancia de la aleatorización de los especímenes de prueba ........................................................ 11
4.6 Prueba de Duncan .................................................................................................................................. 11
4.7 Aplicaciones industriales. ....................................................................................................................... 14
Tablas................................................................................................................................................................ 17
Ejemplos ........................................................................................................................................................... 20
Bibliografía........................................................................................................................................................ 24
Conclusión......................................................................................................................................................... 25
ARL
3
Introducción
Todas nuestras actividades asociadas con planear y realizar estudios de investigación tienen
implicaciones estadísticas, es por ello que prácticamente en todos los campos de estudio y
empresariales se llevan a cabo experimentos, por lo general para descubrir algo acerca de un
proceso o sistema en particular.
En ingeniería, la experimentación desempeña un papel importante en el diseño de nuevos
productos, el desarrollo de procesos de manufactura y el mejoramiento de procesos. El
objetivo en muchos casos sería desarrollar un proceso robusto, es decir, un proceso que sea
afectado en forma mínima por fuentes de variabilidad externas.
Como ejemplo de un experimento, suponga que un ingeniero químico tiene interés en los
resultados obtenidos por las mediciones de los promedios del metal pesado cadmio por 5
diferentes laboratorios, los resultados de cada laboratorio presentan cierta variación, esta
variación puede deberse al azar o a que los laboratorios tienen métodos diferentes de análisis
que dan resultados significativamente diferentes. El diseño de experimentos es una técnica
estadística que permite decidir cuál de estas dos conjeturas es la verdadera disminuyendo la
probabilidad de cometer un error.
ARL
4
4. Diseño experimental de un factor
En este tipo de diseño de experimento se considera un sólo factor de interés y el objetivo es
comparar más de dos tratamientos, con el fin de elegir la 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 tratamientos.
En esta unidad se presentan 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 aprobar 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.
ARL
5
4.1 Introducción, conceptualización, importancia y alcance del diseño
experimental en el ámbito empresarial
Los modelos de diseño de experimentos son modelos estadísticos clásicos cuyo objetivo es
averiguar si unos determinados factores influyen en una variable de interés y, si existe
influencia de algún factor, cuantificar dicha influencia.
Unos ejemplos donde habría que utilizar estos modelos son los siguientes:
• En el rendimiento de un determinado tipo de máquina (unidades producidas por día): se
desea estudiar la influencia del trabajador que la maneja y la marca de la máquina.
• Se quiere estudiar la influencia de un tipo de pila eléctrica y de la marca, en la duración
de las pilas. Una compañía telefónica está interesada en conocer la influencia de varios
factores en la variable duración de una llamada telefónica. Los factores que se consideran son
los siguientes: hora a la que se produce la llamada; día de la semana en que se realiza la
llamada; zona de la ciudad desde la que se hace la llamada; sexo del que realiza la llamada;
tipo de teléfono (público o privado) desde el que se realiza la llamada.
• Una compañía de software está interesada en estudiar la variable porcentaje en que se
comprime un fichero, al utilizar un programa de compresión teniendo en cuenta el tipo de
programa utilizado y el tipo de fichero que se comprime.
• Se quiere estudiar el rendimiento de los alumnos en una asignatura y, para ello, se
desean controlar diferentes factores: profesor que imparte la asignatura; método de
enseñanza; sexo del alumno.
El "Diseño de Experimentos" es una técnica estadística sistemática cuyo objetivo es realizar
una serie de pruebas en las que se inducen cambios deliberados para averiguar si
determinados factores influyen en la variable de interés o de estudio y, si existe influencia de
algún factor en el proceso o producto, cuantificarla.
Los objetivos del diseño de experimentos podrían comprender los siguientes puntos:
 Determinar cuáles son la variables que tiene mayor influencia sobre la respuesta y.
 Determinar cuál es el ajuste de las x que tiene mayor influencia para que y esté casi
siempre cerca del valor nominal deseado.
ARL
6
 Determinar cuál es el ajuste de las x que tiene mayor influencia para que la variabilidad
de y sea reducida.
 Determinar cuál es el ajuste de las x que tiene mayor influencia para que los efectos de
las variables z1, z2,...,zm sean mínimos.
El diseño experimental es una herramienta de importancia fundamental en el ámbito industrial
(ingeniería) e incluso en las empresas de servicio para mejorar el desempeño de un proceso
de manufactura o servicio. También tiene múltiples aplicaciones en el desarrollo de nuevos
productos y procesos .El diseño de experimentos se puede utilizar en las industrias para:
 Mejorar los procesos, ya sea mejorando su eficiencia, su confiabilidad o su rendimiento.
 Asistir en la solución problemas.
 Aprender de los procesos y sus fallos.
 Establecer relaciones de causa-efecto entre las entradas (input) de un proceso y sus
salidas (output).
 Identificar los factores que tiene el mayor impacto y el menor en los procesos y/o
productos.
 Lograr una producción de productos que cumplan con las especificaciones que sean a
su vez robustos a ruidos externos.
 Establecer una región (o ventana) del proceso donde unos factores pueden operar,
averiguando la sensibilidad al cambio de algunos factores en la respuesta.
 Fijar especificaciones y tolerancias lógicas para productos y procesos.
 Obtener una ecuación polinómicas que modele el comportamiento de la respuesta de
un proceso en una región de variación de los factores.
 Verificar si la solución adoptada para mejorar un proceso, realmente obtiene los
resultados esperados

Recomendados

4. diseño experimental para un factor
4. diseño experimental para un factor4. diseño experimental para un factor
4. diseño experimental para un factorXimenaFernandez29
 
Estadística Administrativa: Unidad 4
Estadística Administrativa: Unidad 4Estadística Administrativa: Unidad 4
Estadística Administrativa: Unidad 4Alvaro Chavez
 
4.6 supuestosestadisticos
4.6 supuestosestadisticos4.6 supuestosestadisticos
4.6 supuestosestadisticosJassive Aguirre
 
Unidad-3-analisis-de-series-de-tiempo
Unidad-3-analisis-de-series-de-tiempoUnidad-3-analisis-de-series-de-tiempo
Unidad-3-analisis-de-series-de-tiempof2721
 
esta145782736 unidad-4-diseno-experimental-para-un-factor(1)
esta145782736 unidad-4-diseno-experimental-para-un-factor(1)esta145782736 unidad-4-diseno-experimental-para-un-factor(1)
esta145782736 unidad-4-diseno-experimental-para-un-factor(1)Alejandra Aragón Parra
 
Unidad 2: Regresión lineal múltiple y correlación
Unidad 2: Regresión lineal múltiple y correlaciónUnidad 2: Regresión lineal múltiple y correlación
Unidad 2: Regresión lineal múltiple y correlaciónAlvaro Chavez
 

Más contenido relacionado

La actualidad más candente

Ingenieria economica y la toma de decisiones
Ingenieria economica  y la toma de decisionesIngenieria economica  y la toma de decisiones
Ingenieria economica y la toma de decisionesBRENDA LORENA
 
Tema 4 "Diseño Experimental para un factor".
Tema 4 "Diseño Experimental para un factor".Tema 4 "Diseño Experimental para un factor".
Tema 4 "Diseño Experimental para un factor".GabyEspinoza35
 
82253086 unidad-iv-pruebas-de-hipotesis-con-dos-muestras-y-varias-muestras-de...
82253086 unidad-iv-pruebas-de-hipotesis-con-dos-muestras-y-varias-muestras-de...82253086 unidad-iv-pruebas-de-hipotesis-con-dos-muestras-y-varias-muestras-de...
82253086 unidad-iv-pruebas-de-hipotesis-con-dos-muestras-y-varias-muestras-de...Ekthor Daniel R G
 
Unidad 1 procesos ing de procesos ing en gestion
Unidad 1 procesos ing de procesos ing en gestion Unidad 1 procesos ing de procesos ing en gestion
Unidad 1 procesos ing de procesos ing en gestion Dulce Santiago
 
Unidad 4 gestion de capital humano
Unidad 4 gestion de capital humanoUnidad 4 gestion de capital humano
Unidad 4 gestion de capital humanoClary Dvs Ortiz
 
UNIDAD 2 MARCO LEGAL ADMINISTRACIÓN DE LA SALUD
UNIDAD 2 MARCO LEGAL ADMINISTRACIÓN DE LA SALUDUNIDAD 2 MARCO LEGAL ADMINISTRACIÓN DE LA SALUD
UNIDAD 2 MARCO LEGAL ADMINISTRACIÓN DE LA SALUDGenesis Acosta
 
U2 series de tiempo
U2 series de tiempoU2 series de tiempo
U2 series de tiempoALMAYUNIS1
 
HERRAMIENTAS PARA CALCULAR LA CAPACIDAD DE PRODUCCION
HERRAMIENTAS PARA CALCULAR LA CAPACIDAD DE PRODUCCIONHERRAMIENTAS PARA CALCULAR LA CAPACIDAD DE PRODUCCION
HERRAMIENTAS PARA CALCULAR LA CAPACIDAD DE PRODUCCIONedgaaralva18
 
Importancia estratégica del pronóstico y la demanda
Importancia estratégica del pronóstico y la demandaImportancia estratégica del pronóstico y la demanda
Importancia estratégica del pronóstico y la demandaSalon Naid
 
Hechos historicos de administracion de operaciones
Hechos historicos de  administracion de operacionesHechos historicos de  administracion de operaciones
Hechos historicos de administracion de operacionesRogelioCarcamoSanMar
 
Tendencias Lineales o no lineales / Estadistica
Tendencias Lineales o no lineales / EstadisticaTendencias Lineales o no lineales / Estadistica
Tendencias Lineales o no lineales / EstadisticaBego E A
 
5a UNIDAD PRONÓSTICOS E INVENTARIOS
5a UNIDAD PRONÓSTICOS E INVENTARIOS5a UNIDAD PRONÓSTICOS E INVENTARIOS
5a UNIDAD PRONÓSTICOS E INVENTARIOSbonbombon
 
Mercadotecnia unidad 2 (completa)
Mercadotecnia unidad 2 (completa)Mercadotecnia unidad 2 (completa)
Mercadotecnia unidad 2 (completa)Erivan Aguila
 
Unidad 1 Fundamentos de ingeniería económica, valor del dinero a través del t...
Unidad 1 Fundamentos de ingeniería económica, valor del dinero a través del t...Unidad 1 Fundamentos de ingeniería económica, valor del dinero a través del t...
Unidad 1 Fundamentos de ingeniería económica, valor del dinero a través del t...abigailRonzon
 
Unidad #5 MODELO CLÁSICO DE SERIES DE TIEMPO
Unidad #5 MODELO CLÁSICO DE SERIES DE TIEMPOUnidad #5 MODELO CLÁSICO DE SERIES DE TIEMPO
Unidad #5 MODELO CLÁSICO DE SERIES DE TIEMPOErick Cantona
 
Sistemas de Informacion de la mercadotecnia unidad 1
Sistemas de Informacion de la mercadotecnia unidad 1Sistemas de Informacion de la mercadotecnia unidad 1
Sistemas de Informacion de la mercadotecnia unidad 1Teresa Malagon Martínez
 

La actualidad más candente (20)

Ingenieria economica y la toma de decisiones
Ingenieria economica  y la toma de decisionesIngenieria economica  y la toma de decisiones
Ingenieria economica y la toma de decisiones
 
Tema 4 "Diseño Experimental para un factor".
Tema 4 "Diseño Experimental para un factor".Tema 4 "Diseño Experimental para un factor".
Tema 4 "Diseño Experimental para un factor".
 
82253086 unidad-iv-pruebas-de-hipotesis-con-dos-muestras-y-varias-muestras-de...
82253086 unidad-iv-pruebas-de-hipotesis-con-dos-muestras-y-varias-muestras-de...82253086 unidad-iv-pruebas-de-hipotesis-con-dos-muestras-y-varias-muestras-de...
82253086 unidad-iv-pruebas-de-hipotesis-con-dos-muestras-y-varias-muestras-de...
 
Unidad 1 procesos ing de procesos ing en gestion
Unidad 1 procesos ing de procesos ing en gestion Unidad 1 procesos ing de procesos ing en gestion
Unidad 1 procesos ing de procesos ing en gestion
 
Unidad 4 gestion de capital humano
Unidad 4 gestion de capital humanoUnidad 4 gestion de capital humano
Unidad 4 gestion de capital humano
 
UNIDAD 2 MARCO LEGAL ADMINISTRACIÓN DE LA SALUD
UNIDAD 2 MARCO LEGAL ADMINISTRACIÓN DE LA SALUDUNIDAD 2 MARCO LEGAL ADMINISTRACIÓN DE LA SALUD
UNIDAD 2 MARCO LEGAL ADMINISTRACIÓN DE LA SALUD
 
U2 series de tiempo
U2 series de tiempoU2 series de tiempo
U2 series de tiempo
 
U2. finanzas
U2. finanzasU2. finanzas
U2. finanzas
 
HERRAMIENTAS PARA CALCULAR LA CAPACIDAD DE PRODUCCION
HERRAMIENTAS PARA CALCULAR LA CAPACIDAD DE PRODUCCIONHERRAMIENTAS PARA CALCULAR LA CAPACIDAD DE PRODUCCION
HERRAMIENTAS PARA CALCULAR LA CAPACIDAD DE PRODUCCION
 
Importancia estratégica del pronóstico y la demanda
Importancia estratégica del pronóstico y la demandaImportancia estratégica del pronóstico y la demanda
Importancia estratégica del pronóstico y la demanda
 
Hechos historicos de administracion de operaciones
Hechos historicos de  administracion de operacionesHechos historicos de  administracion de operaciones
Hechos historicos de administracion de operaciones
 
Tendencias Lineales o no lineales / Estadistica
Tendencias Lineales o no lineales / EstadisticaTendencias Lineales o no lineales / Estadistica
Tendencias Lineales o no lineales / Estadistica
 
Unidad 4
Unidad 4Unidad 4
Unidad 4
 
Unidad 1 toma de decisiones
Unidad 1 toma de decisionesUnidad 1 toma de decisiones
Unidad 1 toma de decisiones
 
5a UNIDAD PRONÓSTICOS E INVENTARIOS
5a UNIDAD PRONÓSTICOS E INVENTARIOS5a UNIDAD PRONÓSTICOS E INVENTARIOS
5a UNIDAD PRONÓSTICOS E INVENTARIOS
 
Mercadotecnia unidad 2 (completa)
Mercadotecnia unidad 2 (completa)Mercadotecnia unidad 2 (completa)
Mercadotecnia unidad 2 (completa)
 
Unidad 1 Fundamentos de ingeniería económica, valor del dinero a través del t...
Unidad 1 Fundamentos de ingeniería económica, valor del dinero a través del t...Unidad 1 Fundamentos de ingeniería económica, valor del dinero a través del t...
Unidad 1 Fundamentos de ingeniería económica, valor del dinero a través del t...
 
Unidad #5 MODELO CLÁSICO DE SERIES DE TIEMPO
Unidad #5 MODELO CLÁSICO DE SERIES DE TIEMPOUnidad #5 MODELO CLÁSICO DE SERIES DE TIEMPO
Unidad #5 MODELO CLÁSICO DE SERIES DE TIEMPO
 
Serie de tiempo
Serie de tiempoSerie de tiempo
Serie de tiempo
 
Sistemas de Informacion de la mercadotecnia unidad 1
Sistemas de Informacion de la mercadotecnia unidad 1Sistemas de Informacion de la mercadotecnia unidad 1
Sistemas de Informacion de la mercadotecnia unidad 1
 

Similar a 4. Diseño Experimental Para un Factor

Preguntas y ejercicios
Preguntas y ejerciciosPreguntas y ejercicios
Preguntas y ejerciciospaul robles
 
Diseño de experimentos
Diseño de experimentosDiseño de experimentos
Diseño de experimentosTEKBILEK
 
INTRO._A_LA_INV._OPER_(1).ppt
INTRO._A_LA_INV._OPER_(1).pptINTRO._A_LA_INV._OPER_(1).ppt
INTRO._A_LA_INV._OPER_(1).pptEdwinHenrick
 
Introducción al diseño de experimentos
Introducción al diseño de experimentosIntroducción al diseño de experimentos
Introducción al diseño de experimentosProf. Ismael
 
Tema 1 introduccion io y programacion matematica
Tema 1 introduccion io y programacion matematicaTema 1 introduccion io y programacion matematica
Tema 1 introduccion io y programacion matematicaOti sulzer
 
Diseños experimentales 1
Diseños experimentales 1Diseños experimentales 1
Diseños experimentales 1ambiente_maria
 
Tema 4 - Diseño experimental para un factor
Tema 4 - Diseño experimental para un factorTema 4 - Diseño experimental para un factor
Tema 4 - Diseño experimental para un factorCynthiaMagalyMuozMed
 
INVESTIGACIÓN DE OPERACIONES
INVESTIGACIÓN DE OPERACIONESINVESTIGACIÓN DE OPERACIONES
INVESTIGACIÓN DE OPERACIONESJesusbritoc
 
Introduccion io ppoint
Introduccion io ppointIntroduccion io ppoint
Introduccion io ppointDoris Mosquera
 
Diseño experimental. trabajo
Diseño experimental. trabajoDiseño experimental. trabajo
Diseño experimental. trabajompaula2
 
Diseño exp.
Diseño exp.Diseño exp.
Diseño exp.ties92
 
Teoría básica de investigaciones de operaciones
Teoría básica de investigaciones de operacionesTeoría básica de investigaciones de operaciones
Teoría básica de investigaciones de operacionesElvis Marin
 

Similar a 4. Diseño Experimental Para un Factor (20)

Actividad 1 unidad 4 (3)
Actividad 1 unidad 4 (3)Actividad 1 unidad 4 (3)
Actividad 1 unidad 4 (3)
 
12 intro doe
12 intro doe12 intro doe
12 intro doe
 
Diseo de experimentos
Diseo de experimentosDiseo de experimentos
Diseo de experimentos
 
Preguntas y ejercicios
Preguntas y ejerciciosPreguntas y ejercicios
Preguntas y ejercicios
 
Trabajo n°1 d expe
Trabajo n°1 d expeTrabajo n°1 d expe
Trabajo n°1 d expe
 
Diseño de experimentos
Diseño de experimentosDiseño de experimentos
Diseño de experimentos
 
CUESTIONARIO 3
CUESTIONARIO 3CUESTIONARIO 3
CUESTIONARIO 3
 
Introduccion inv. oper
Introduccion inv. operIntroduccion inv. oper
Introduccion inv. oper
 
INTRO._A_LA_INV._OPER_(1).ppt
INTRO._A_LA_INV._OPER_(1).pptINTRO._A_LA_INV._OPER_(1).ppt
INTRO._A_LA_INV._OPER_(1).ppt
 
Introducción al diseño de experimentos
Introducción al diseño de experimentosIntroducción al diseño de experimentos
Introducción al diseño de experimentos
 
Tema 1 introduccion io y programacion matematica
Tema 1 introduccion io y programacion matematicaTema 1 introduccion io y programacion matematica
Tema 1 introduccion io y programacion matematica
 
Diseños experimentales 1
Diseños experimentales 1Diseños experimentales 1
Diseños experimentales 1
 
diseño experimental
diseño experimentaldiseño experimental
diseño experimental
 
Tema 4 - Diseño experimental para un factor
Tema 4 - Diseño experimental para un factorTema 4 - Diseño experimental para un factor
Tema 4 - Diseño experimental para un factor
 
INVESTIGACIÓN DE OPERACIONES
INVESTIGACIÓN DE OPERACIONESINVESTIGACIÓN DE OPERACIONES
INVESTIGACIÓN DE OPERACIONES
 
Introduccion io ppoint
Introduccion io ppointIntroduccion io ppoint
Introduccion io ppoint
 
Diseño experimental. trabajo
Diseño experimental. trabajoDiseño experimental. trabajo
Diseño experimental. trabajo
 
Diseño experimentall
Diseño experimentallDiseño experimentall
Diseño experimentall
 
Diseño exp.
Diseño exp.Diseño exp.
Diseño exp.
 
Teoría básica de investigaciones de operaciones
Teoría básica de investigaciones de operacionesTeoría básica de investigaciones de operaciones
Teoría básica de investigaciones de operaciones
 

4. Diseño Experimental Para un Factor

  • 1. Instituto Tecnológico de Piedras Negras Ingeniera en Gestión Empresarial Estadística Inferencial II - Unidad 4 - Alumna: Anahí Rodríguez Limón Docente: Velia Del Pilar Rubí Valencia 01 de Diciembre del 2021, Piedras Negras Coahuila Tarea #01: Consulta del tema 4 Tema: “Diseño experimental para un factor”
  • 2. ARL 2 Índice Introducción........................................................................................................................................................ 3 4. Diseño experimental para un factor ............................................................................................................... 4 4.1 Introducción, conceptualización, importancia y alcance del diseño experimental en el ámbito empresarial. ........................................................................................................................................................................ 5 4.2 Clasificación de los diseños experimentales ............................................................................................. 7 4.3 Nomenclatura y simbología en el diseño experimental.............................................................................. 8 4.4 Identificación de los efectos de los diseños experimentales .................................................................... 10 4.5 La importancia de la aleatorización de los especímenes de prueba ........................................................ 11 4.6 Prueba de Duncan .................................................................................................................................. 11 4.7 Aplicaciones industriales. ....................................................................................................................... 14 Tablas................................................................................................................................................................ 17 Ejemplos ........................................................................................................................................................... 20 Bibliografía........................................................................................................................................................ 24 Conclusión......................................................................................................................................................... 25
  • 3. ARL 3 Introducción Todas nuestras actividades asociadas con planear y realizar estudios de investigación tienen implicaciones estadísticas, es por ello que prácticamente en todos los campos de estudio y empresariales se llevan a cabo experimentos, por lo general para descubrir algo acerca de un proceso o sistema en particular. En ingeniería, la experimentación desempeña un papel importante en el diseño de nuevos productos, el desarrollo de procesos de manufactura y el mejoramiento de procesos. El objetivo en muchos casos sería desarrollar un proceso robusto, es decir, un proceso que sea afectado en forma mínima por fuentes de variabilidad externas. Como ejemplo de un experimento, suponga que un ingeniero químico tiene interés en los resultados obtenidos por las mediciones de los promedios del metal pesado cadmio por 5 diferentes laboratorios, los resultados de cada laboratorio presentan cierta variación, esta variación puede deberse al azar o a que los laboratorios tienen métodos diferentes de análisis que dan resultados significativamente diferentes. El diseño de experimentos es una técnica estadística que permite decidir cuál de estas dos conjeturas es la verdadera disminuyendo la probabilidad de cometer un error.
  • 4. ARL 4 4. Diseño experimental de un factor En este tipo de diseño de experimento se considera un sólo factor de interés y el objetivo es comparar más de dos tratamientos, con el fin de elegir la 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 tratamientos. En esta unidad se presentan 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 aprobar 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.
  • 5. ARL 5 4.1 Introducción, conceptualización, importancia y alcance del diseño experimental en el ámbito empresarial Los modelos de diseño de experimentos son modelos estadísticos clásicos cuyo objetivo es averiguar si unos determinados factores influyen en una variable de interés y, si existe influencia de algún factor, cuantificar dicha influencia. Unos ejemplos donde habría que utilizar estos modelos son los siguientes: • En el rendimiento de un determinado tipo de máquina (unidades producidas por día): se desea estudiar la influencia del trabajador que la maneja y la marca de la máquina. • Se quiere estudiar la influencia de un tipo de pila eléctrica y de la marca, en la duración de las pilas. Una compañía telefónica está interesada en conocer la influencia de varios factores en la variable duración de una llamada telefónica. Los factores que se consideran son los siguientes: hora a la que se produce la llamada; día de la semana en que se realiza la llamada; zona de la ciudad desde la que se hace la llamada; sexo del que realiza la llamada; tipo de teléfono (público o privado) desde el que se realiza la llamada. • Una compañía de software está interesada en estudiar la variable porcentaje en que se comprime un fichero, al utilizar un programa de compresión teniendo en cuenta el tipo de programa utilizado y el tipo de fichero que se comprime. • Se quiere estudiar el rendimiento de los alumnos en una asignatura y, para ello, se desean controlar diferentes factores: profesor que imparte la asignatura; método de enseñanza; sexo del alumno. El "Diseño de Experimentos" es una técnica estadística sistemática cuyo objetivo es realizar una serie de pruebas en las que se inducen cambios deliberados para averiguar si determinados factores influyen en la variable de interés o de estudio y, si existe influencia de algún factor en el proceso o producto, cuantificarla. Los objetivos del diseño de experimentos podrían comprender los siguientes puntos:  Determinar cuáles son la variables que tiene mayor influencia sobre la respuesta y.  Determinar cuál es el ajuste de las x que tiene mayor influencia para que y esté casi siempre cerca del valor nominal deseado.
  • 6. ARL 6  Determinar cuál es el ajuste de las x que tiene mayor influencia para que la variabilidad de y sea reducida.  Determinar cuál es el ajuste de las x que tiene mayor influencia para que los efectos de las variables z1, z2,...,zm sean mínimos. El diseño experimental es una herramienta de importancia fundamental en el ámbito industrial (ingeniería) e incluso en las empresas de servicio para mejorar el desempeño de un proceso de manufactura o servicio. También tiene múltiples aplicaciones en el desarrollo de nuevos productos y procesos .El diseño de experimentos se puede utilizar en las industrias para:  Mejorar los procesos, ya sea mejorando su eficiencia, su confiabilidad o su rendimiento.  Asistir en la solución problemas.  Aprender de los procesos y sus fallos.  Establecer relaciones de causa-efecto entre las entradas (input) de un proceso y sus salidas (output).  Identificar los factores que tiene el mayor impacto y el menor en los procesos y/o productos.  Lograr una producción de productos que cumplan con las especificaciones que sean a su vez robustos a ruidos externos.  Establecer una región (o ventana) del proceso donde unos factores pueden operar, averiguando la sensibilidad al cambio de algunos factores en la respuesta.  Fijar especificaciones y tolerancias lógicas para productos y procesos.  Obtener una ecuación polinómicas que modele el comportamiento de la respuesta de un proceso en una región de variación de los factores.  Verificar si la solución adoptada para mejorar un proceso, realmente obtiene los resultados esperados
  • 7. ARL 7 4.2 Clasificación de los diseños experimentales Los diseños experimentales se clasifican en diseños experimentales clásicos y diseños de caso único. Los diseños experimentales clásicos se clasifican en función de varios criterios: 1. En función del número de variables independientes que se manipulan:  Diseños simples, en los que se manipula una sola variable independiente.  Diseños factoriales, en los que se manipulan dos o más variables independientes. 2. En función del número de variables dependientes que se registren:  Diseños univariables, en los que registra una sola variable dependiente.  Diseños multivariables, en los que se registra más de una variable dependiente. 3. En función del número de observaciones por sujeto y condición experimental:  Diseño transversal (también denominado diseño cross-sectional o estático) en el que dispones de una sola medida u observación por sujeto y condición.  Diseño longitudinal, en el que disponemos de más de una medida u observación. 4. En función de su capacidad para controlar las variables extrañas y reducir la variancia de error.  Diseño de grupos al azar: la asignación de los sujetos a los grupos experimentales se realiza al azar  Diseño de grupos homogéneos: los grupos experimentales no se forman por aleatorización pura sino introduciendo ciertas restricciones de manera que los grupos sean homogéneos respecto de cierta característica de interés.  Diseño de medidas repetidas: es aquel en el que el investigador registra dos o más medidas de la variable dependiente para cada sujeto o unidad experimental. Cada una de estas medidas se tomara bajo la acción de cada una de las condiciones de tratamiento.
  • 8. ARL 8 4.3 Nomenclatura y simbología en el diseño experimental Nomenclatura
  • 10. ARL 10 4.4 Identificación de los efectos de los diseños experimentales El diseño experimental, como técnica de investigación toma importancia en los años 80’s, en donde se le da una aplicación estadística de los proyectos de seis sigma buscando el famoso numero 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 de error para encontrar la mejor combinación de variables independientes que optimice una variable de respuesta en una circunstancia determinada. El diseño experimental prescribe una serie de pautas relativas que variables hay que manipular, de qué manera, cuantas veces hay que repetir el experimento y en qué orden, para poder establecer con un grado de confianza predefinida las necesidades de una presunta relación de causa-efecto. El diseño experimental 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.
  • 11. ARL 11 4.5 La importancia de la aleatorización de los especímenes de prueba La aleatorización consiste en que tanto la asignación del material experimental como el orden en que se realizan las pruebas individuales o ensayos se determinan aleatoriamente y la importancia de esta consiste en: 1. Garantizar la validez de la estimación del error experimental. 2. Garantizar la independencia de los errores o que las observaciones sean variables aleatorias independientes. Esto es necesario para obtener pruebas de significancia válidas y estimados de intervalos. 3. Eliminar el sesgo de tal manera que no se desfavorezca o discrimine a los tratamientos y permite cancelar los efectos de factores extraños que pudieran estar presentes. La aleatorización hace valida la prueba, haciéndola apropiada para analizar los datos como si la suposición de errores independientes fuera cierta. Obsérvese que no hemos dicho que la aleatorización garantiza independencia, sino solo que la aleatorización nos permite proceder como si la independencia fuera un hecho. La razón de esta distinción debe ser clara: los errores asociados con unidades experimentales que son adyacentes en espacio o tiempo, tenderán a correlacionarse, y todo lo que hace la aleatorización es asegurarnos que el efecto de esta correlación, sobre cualquier comparación entre los tratamientos, se hará tan pequeña como sea posible. Aun quedara algo de correlación, pero ninguna cantidad de aleatorización puede eliminarla totalmente. Es decir, en cualquier experimento, independencia de errores completa y verdadera es solo ideal y nunca puede lograrse. Sin embargo, por todos los conceptos, debe buscarse tal independencia y la aleatorización es la mejor técnica empleada para lograr el fin deseado. 4.6 Prueba de Duncan Se utiliza para comparar todos los pares de medias. Fue desarrollado por primera vez por Duncan en 1951 pero posteriormente él mismo modificó su primer método generando el que ahora se denomina Nuevo método de Rango Múltiple de Duncan. Esta prueba no requiere de una prueba previa de F, como sucede con la DMS o sea que aún sin ser significativa la prueba F puede llevarse a cabo. La estadística de Prueba es denotado, por
  • 12. ARL 12 Donde es el número de medias inclusivas entre las dos medias a comparar para diseños balanceados. Para aplicar esta prueba al nivel se debe pasar por las siguientes etapas: 1. Determine el error estándar (desviación estándar) de cada promedio, , el cual es dado por la expresión: Donde el CM es obtenido de la tabla Anova 2. Con los grados de libertad del error y el nivel de significancia determinar los valores de (intervalos o amplitudes estandarizadas significativos) utilizando las tablas de amplitudes estandarizadas de Duncan dadas por Harter (1960) y que se encuentran en el libro de Miller (1992). Para encontrar estos valores, se requieren los grados de libertad del error y el valor de . 3. Determinar las amplitudes minimas significativas denotadas por calculados por la expresión: 4. Se ordenan de manera creciente los resultados promedios del experimento 5. Se comparan las medias ordenadas así:comienza a comparar en el siguiente orden: a) El promedio más alto, con el más bajo, comparando esta diferencia con el intervalo mínimo significativo . Si esta diferencia es no significativa entonces todas las otras diferencias son no significantes. Si la diferencia es significativa se continua con b) b) Posteriormente se calcula la diferencia entre el valor más alto y el penúltimo y se compara con el intervalo mínimo significativo
  • 13. ARL 13 c) Este procedimiento se continúa hasta que todas las medias se han comparado con la media más grande . d) A continuación se compara la segunda media más grande con la más pequeña y se compara con el intervalo mínimo significativo . Este proceso continúa hasta que han sido comparadas las diferencias entre todos los posibles pares. Si una diferencia observada es mayor que el intervalo mínimo significativo, se concluye que la pareja de medias comparadas son significativamente diferentes. Para evitar contradicciones, ninguna diferencia entre una pareja de medias se considera significativamente diferentes si éstas se encuentran entre otras dos que no difieren significativamente. A manera de ilustración se tiene: Cuando el diseño es desbalanceado pero los tamaños de réplicas difieren marcadamente este método puede adaptarse utilizando en vez de en la estadística, el valor de la media armónica de los tamaños de muestras
  • 14. ARL 14 o alternativamente se puede reemplazar a por la media armónica de las medias extremas, donde y y son los tamaños de muestra correspondientes a las medias de tratamientos menos pequeño y más grande respectivamente. 4.7 Aplicaciones industriales En el caso de comparar varias máquinas, si cada máquina es manejada por un operador diferente y se sabe que éste tiene una influencia en el resultado, entonces, es claro que el factor operador debe tomarse en cuenta si se quiere comparar 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 validez 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 máquinas permite tener resultados de la comparación que son válidos 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 factor de interés. Cuando se comparan varias 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
  • 15. ARL 15 controlan factores que por conocimiento del proceso 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 dé el 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. Comparar a dos o más materiales 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. Determinar los factores (las x vitales) de un proceso que tienen impacto sobre una o más características del producto final. 4. Encontrar las condiciones de operación (temperatura, velocidad, humedad, por ejemplo) donde se reduzcan los defectos o se logre un mejor desempeño del proceso. 5. Reducir el tiempo de ciclo del proceso.
  • 16. ARL 16 6. Hacer el proceso insensible o robusto a oscilaciones de variables ambientales. 7. Apoyar el diseño o rediseño de nuevos productos o procesos 8. Ayudar a conocer y caracterizar nuevos materiales. En general, cuando se requiere mejorar un proceso existen dos maneras básicas de obtener la información necesaria para ello:  Observar o monitorear vía herramientas estadísticas, hasta obtener señales útiles que permitan mejorarlo; se dice que ésta es una estrategia pasiva.  La otra manera consiste en experimentar, es decir, hacer cambios estratégicos y deliberados al proceso para provocar dichas señales útiles. Al analizar los resultados del experimento se obtienen las pautas a seguir, que muchas veces se concretan en mejoras sustanciales del proceso. En este sentido, experimentar es mejor que sentarse a esperar a que el proceso nos indique por sí solo cómo mejorarlo. El diseño de experimentos es un conjunto de técnicas activas, en el sentido de que no esperan que el proceso mande las señales útiles, sino que éste se ¨manipulan¨ para que proporcione la información que se requiere para su mejoría. El saber diseño de experimentos y otras técnicas estadísticas, en combinación con conocimientos del proceso, sitúan al responsable del mismo como un observador perceptivo y proactivo que es capaz de proponer mejoras y de observar algo interesante (oportunidades de mejora) en el proceso y en los datos donde otra persona no ve nada.
  • 22. ARL 22 Ejemplo Al aplicar el método de Duncan a los datos del ejemplo del algodón se tiene: 1. El error estándar de la media es 2. Determinación de los intervalos significativos como y Utilización la tabla VII del Apéndice de Montgomery se tiene:
  • 23. ARL 23 3. Los rangos mínimos significativos son: 4. Las medias ordenadas ascendentemente son: 5. Comparación de las medias se compara con porque entre y hay inclusive medias.Ver numeral 4 . Al presentar en u diagrama de líneas los resultados se tiene
  • 24. ARL 24 Bibliografía Pablo, T. R. Metodología para el Diseño de Experimentos (Doe) en la Industria. Tesis Doctoral. Universidad de Navarra. España. 2008. Montgomery, D. C. Diseño y Análisis de Experimentos. 2nd ed. México, Limusa. 2008. Estadística industrial moderna. Diseño y control de la calidad y la confiabilidad. Ron Kenett, Shelemyahu Zacks. Internacional Thompson editores. 2000. Estadística para Biología y Ciencias de la Salud. J. Susan Milton. 2ª Edición. Editorial Interamericana Mc Graw Hill.1994. Estadística para investigadores. Introducción al diseño y análisis de experimentos, análisis de datos y construcción de modelos. Geroge E. P. Box, Willliam G. Hunter y J. Stuart Hunter. Editorial Reverté, S.A.1989.
  • 25. ARL 25 Conclusión Pues como vimos en esta unidad 4,el tema de diseño experimental de un factor es fundamental para muchas empresas en las industrias, en la actualidad uno de los factores claves para el éxito de una industria, es hacer uso de toda de su capacidad de conocimiento y aprendizaje, así como de su experiencia. La experimentación en las industrias es uno de los elementos que más pueden contribuir al aprendizaje y a la mejora de los productos y procesos. Hoy en día los experimentos en la industria moderna son más complicados, porque son muchos los factores que son susceptibles de controlarse y que afectan a los productos y/o procesos, de aquí que son muchas combinaciones de dichos factores que se deben probar para obtener resultados válidos y consistentes. En la industria, el diseño de experimentos suele aplicarse básicamente en dos áreas: el diseño y la mejora de procesos y productos. Pero la mayoría de los problemas industriales, están condicionadas por el tiempo y el presupuesto, lo que supone una limitación importante a la hora de experimentar.