Este documento presenta una introducción al diseño de experimentos. Explica los objetivos del curso, los supuestos previos necesarios y las cuatro eras en el desarrollo del diseño de experimentos. También resume los principios básicos del diseño de experimentos, incluyendo la aleatorización, la replicación y el control local del error. Finalmente, introduce la clasificación y selección de diferentes diseños experimentales.
Se resalta la importancia de las pruebas de bondad de ajuste en la selección de la distirbución que mejor representa la serie histórica de datos, de modo de seleccionarla para la estimación de valores extremos. Se revisa en detalle las pruebas de Chi-Cuadrado y Kolmogorov-Smirnov
Se resalta la importancia de las pruebas de bondad de ajuste en la selección de la distirbución que mejor representa la serie histórica de datos, de modo de seleccionarla para la estimación de valores extremos. Se revisa en detalle las pruebas de Chi-Cuadrado y Kolmogorov-Smirnov
"Diseño estadístico de Experimentos: de las Ideas a las Evidencias" (Lourdes...Lourdes Pozueta Fernández
La charla se enmarca dentro del acto "Táctica en la experimentación para innovar rápido" en la Semana de Gestión Avanzada.
Participan Lourdes Pozueta y empresas con las que Lourdes Pozueta colabora como experta en planificación experimental.
Esta charla da pautas para experimentar con ejemplos aplicados en el entorno de las empresas participantes
Criterios de la primera y segunda derivadaYoverOlivares
Criterios de la primera derivada.
Criterios de la segunda derivada.
Función creciente y decreciente.
Puntos máximos y mínimos.
Puntos de inflexión.
3 Ejemplos para graficar funciones utilizando los criterios de la primera y segunda derivada.
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