1. Introducción al Diseño de experimentos
Estadística III
Ing. Javier De la Hoz Maestre
Ing. Rick Kevin Acosta
Modulo 1.
2. 1. Objetivo del modulo y supuestos
2. Introducción al Diseño de Experimentos
(DOE)
3. Principios básicos del DOE
• Aleatorización
• Replica
• Control Local del error
DOE 2016-I
¿Qué veremos en este modulo?
4. 1. Conocer el papel fundamental que juega el DOE en el
mejoramiento de procesos y en la investigación.
2. Identificar los principios básicos y la terminología
adecuada en el DOE
3. Clasificar adecuadamente los DOE
DOE 2016-I
Objetivos y supuestos
5. Se supone que usted:
• Ha visto dos cursos previos de estadística
• Tiene claro los conceptos de media y varianza
• Maneja adecuadamente la distribución normal,t-student, F-
Fisher y Chi2
• Sabe algo del ANOVA o ha escuchado de él.
• Han utilizado equipos basados en Windows y conocen Excel
• No han oído hablar de los diseños factoriales , diseños
factoriales fraccionados y regresión multiple.
DOE 2016-I
Objetivos y supuestos
7. • La agricultural origines, 1918 – 1940s
– R. A. Fisher & colaboradores
– Profundo impacto en las ciencias agricolas
– Diseños factoriales, ANOVA
• La primera era industrial, 1951 – finales 1970s
– Box & Wilson, superficie respuesta
– Aplicación en la quimica & procesos industriales
• La segunda era industrial, finales 1970s – 1990
– Iniciativas de mejora de la calidad en muchas empresas
– Métodologia Taguchi, procesos más robustos
• La era moderna, inicios de 1990
– Amplio uso de la tecnologia informatica emn el DOE
– Mayor uso de DOE en Six- Sigma y en los negocios
DOE 2016-I
Cuatro eras del DOE
8. Un experimento puede ser pensado como una prueba o serie de pruebas en
las que hacemos cambios controlados en las variables de entrada de un
proceso o un sistema, a fin de determinar cómo cambia la salida de interés
DOE 2016-I
¿Qué es un experimento?
• Factores controlables
• Factores no controlables Proceso Característica
deseada
entrada salida
Figura 4 Tomado de : Vargas, Henríquez, L. V. (2014). Desarrollo de un Modelo Predictivo para la Calidad Superficial en
un Proceso de Torneado sobre Aceros de Alta Resistencia. Prospectiva, 12(1), 55-63
9. 9
PROCESS:
A Blending of
Inputs which
Generates
Corresponding
Outputs
INPUTS
(Factors)
X variables
OUTPUTS
(Responses)
Y variables
People
Materials
Equipment
Policies
Procedures
Methods
Environment
responses related
to performing a
service
responses related
to producing a
produce
responses related
to completing a task
Illustration of a Process
¿Qué es un experimento?
10. DOE 2016-I
¿Porqué diseñamos experimentos en ingeniería?
Maximizar:
• Probabilidad de realizar un experimento con
éxito.
• Informacion gaada: los resultados y conclusions
derivadas del experiemneto dependen de la forma
como fue colectada la información.
Minimizar
• Efectos no deseado de otras Fuentes de variación.
• Costos.
11. Cuando se quiere 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 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.
DOE 2016-I
¿Qué estrategia utilizamos?
12. DOE 2016-I
Diseño de experimentos en la investigación
Gutiérrez Pulido, H., & de la Vara Salazar, R. (2008). Análisis y diseño de experimentos. México: McGraw-Hill, 1111130671, 9789701065266.
13. Unidad experimental
Variable(s) de respuesta
Factores controlables
Factores no controlables o de ruido
Factores estudiados
Niveles y tratamientos
Error aleatorio y error experimental
DOE 2016-I
Definiciones básicas en el
diseño de experimentos
Gutiérrez Pulido, H., & de la Vara Salazar, R. (2008). Análisis y diseño de experimentos. México: McGraw-Hill, 1111130671, 9789701065266.
15. DOE 2016-I
Aleatorización
Consiste en hacer corridas experimentales en orden aleatorio, es decir se
debe asignar al azar, los tratamientos experimentales a las unidades
experimentales.
Propósito:
• A menudo asumimos independencia, distribución aleatoria de
observaciones y errores- la aleatorización valida este supuesto.
• Reducir el sesgo y causantes de sesgo
16. DOE 2016-I
Aleatorización
La forma de como aleatorizar depende del experimento, lo que es
importante aquí es recordar que hay dos niveles de la aleatorización.
1. Asignación de tratamientos a las unidades experimentales
2. Orden de las corridas experimentales ( cuando es posible) .
17. Repetir es volver a realizar un tratamiento, pero no inmediatamente después
de haber corrido el mismo tratamiento, sino cuando corresponda de acuerdo con la
aleatorización
Propósito:
• Mejora la precisión de la estimación del efecto .
• Disminuye la varianza .
• Permite la estimación del error experimental . Este error más tarde se convertirá
en una unidad de medida para determinar si las diferencias observadas son
realmente estadísticamente significativas.
Nota : Trate de tener la misma cantidad de repeticiones para cada tratamiento
asignado .
DOE 2016-I
Repetición
18. Es nulificar o tomar en cuenta en forma adecuada todos los factores que
pueden afectar la respuesta observada.
Propósito :
• Elimina o reduce al mínimo las fuentes de molestia.
• Mejora la precisión con la que se hacen comparaciones entre los factores.
Nota: Hay varias maneras de hacerlo. Se podría controlar tanto como sea
posible todas las fuentes mencionadas anteriormente de variación. A menudo
esto se hace mediante el uso de bloquear o diseños más avanzados, tales
como ANCOVA.
DOE 2016-I
Control local del error
20. Los cinco aspectos que más influyen en la selección de un diseño
experimental, en el sentido de que cuando cambian por lo general nos llevan
a cambiar de diseño,son:
1. El objetivo del experimento.
2. El número de factores a estudiar.
3. El número de niveles que se prueban en cada factor.
4. Los efectos que interesa investigar (relación factores-respuesta).
5. El costo del experimento, tiempo y precisión deseada.
DOE 2016-I
Clasificación y selección de los DDE
21. DOE 2016-I
Clasificación y selección de los DDE
Gutiérrez Pulido, H., & de la Vara Salazar, R. (2008). Análisis y diseño de experimentos. México: McGraw-Hill, 1111130671, 9789701065266.
22. 22
Introducción al DOE by Javier De La Hoz y Rick Acosta is licensed under a Creative Commons Reconocimiento-CompartirIgual 4.0 Internacional License.
Notas del editor
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.
Este proceso interactivo de aprendizaje puede visualizarse como un ciclo de
retroalimentación (figura 1.2), en el cual las discrepancias entre los datos y las consecuencias
de la hipótesis H1, llevan a una hipótesis modificada H2, y de la verificación
de ésta, además de conocimiento, se produce una modificación de la modificación
(hipótesis H3) y así sucesivamente