Facultad de

Ingeniería Semana 2

Mecánica

Etapas de una investigación experimental.

Clasificación de Variables.
En la industria, es una práctica común hacer experimentos o pruebas con la idea de que
al mover o hacer algunos cambios sobre
los materiales, métodos o condiciones de operación de un proceso se puedan detectar,
resolver o minimizar los problemas de calidad. También comentamos que es común que
estas pruebas o experimentos se hagan sobre la marcha, a prueba y error, con base en la
experiencia y la intuición, en lugar de seguir un plan experimental adecuado que
garantice una buena respuesta a las interrogantes planteadas. De aquí
que, más que apostarle a la improvisación y a la estrategia de prueba y error, el reto es
mejorar la forma en que se diseña un experimento.
El éxito de un experimento radica en alto porcentaje en la calidad de su planeación. Por
ello, es importante contener las ansias y no hacer pruebas antes de conceptualizar el
problema y decidir la mejor estrategia experimental para abordarlo.

Hay evidencia abundante del poder del diseño de experimentos; sin embargo, para que
este poder se traduzca en resultados es necesaria una buena planeación.

El diseño de experimentos se puede aplicar a problemas o situaciones en las que se quiere

investigar y/o probar conjeturas en las que se comparan dos o más situaciones para las
causas o factores involucrados.
El diseño de experimentos y el ciclo de Deming

Muchas estrategias de optimización y de mejora continua, y en particular el diseño

de experimentos, embonan en el llamado ciclo de Deming, el cual representa una
estrategia a seguir para mejorar continuamente cada producto o proceso, y consiste
en los cuatro pasos: planear, hacer, verificar o estudiar y actuar, que se representan
en la figura. A continuación se describe a detalle este ciclo en el contexto de un
diseño de experimentos.
Figura 1. Ciclo de Deming y los experimentos
1. Planear un experimento. Lo primero es localizar un problema importante
que sea susceptible de atacarse con diseño de experimentos. La importancia del problema se
puede cuantificar con base en la pérdida que causa a la compañía. Una vez ubicado el
problema se determinan los factores controlables que pudieran tener alguna influencia sobre
la característica de calidad de interés. Se diseña el plan experimental más adecuado a la
situación, con lo cual quedan especificadas las corridas del proceso que han de realizarse:
cuáles tratamientos y cuántas repeticiones de cada uno.

2. Hacer las corridas experimentales. Se prueba el proceso en cada tratamiento especificado

en la etapa de planeación. Las corridas se hacen en orden aleatorio y de acuerdo al plan
experimental seleccionado.
3. Verificar o analizar los resultados. Consiste en analizar los datos con las técnicas
adecuadas. Verificar los supuestos y determinar el mejor trata miento (o tratamiento ganador)
para la variable de respuesta que es objeto de estudio.

4. Implementación de los resultados. Hacer pruebas confirmatorias para tener una mejor
representatividad del desempeño del proceso en el nuevo tratamiento.
Con base en lo aprendido es posible planear otro experimento y
repetir el ciclo de Deming. Cada vuelta al ciclo implica necesariamente mejoras, ya que en el
peor de los casos, cuando no se consigue la mejora se ha logrado más conocimiento del
proceso. A continuación veremos con mayor detalle el ciclo de Deming aplicado al diseño de
experimentos.
Etapas y actividades de la planeación y análisis de un
experimento
Planeación y diseño
1. Definir el problema o el objetivo. En este primer paso se debe hacer un esfuerzo especial
por entender el problema o el objetivo que se busca al experimentar, ya que aquí se sentarán
las bases para que el experimento sea exitoso. Por ello se recomienda desarrollar las
siguientes actividades:
a) Asignar un título al estudio experimental que indique la intención general del mismo.
b) Describir el problema o situación destacando los argumentos de por qué es importante
hacer el estudio. Se recomienda utilizar cifras que indiquen la importancia de la situación
(defectos, quejas, oportunidades, etcétera).
c) Especificar la manera en que se mediría el éxito del proyecto experimental. De preferencia
definir uno o varios indicadores que ayuden a ello.
d) Comentar qué se hace actualmente para atenuar el problema o si se cuenta con experiencias
de experimentos anteriores.
e) Definir el objetivo que se persigue al realizar el experimento, en donde
quede claro el resultado deseado.
2. Hacer un esquema del estudio donde se señale el problema planteado. Destacar las
variables de salida (respuestas), las variables de operación (parámetros) del proceso y las
principales entradas (materiales, sustancias, etcétera).

3. Determinar los factores que deben investigarse, de acuerdo a su posible impacto en el

problema. Para seleccionar de manera adecuada los factores (o causas) a investigar se
recomienda desarrollar las siguientes actividades:
a) Hacer una lista de todas las posibles causas o variables independientes
involucradas en el problema. Se recomienda que en la etapa inicial de una investigación
experimental se consideren las causas sobre las que se tiene una seguridad razonable, es
decir, no es necesario estar seguro que una causa es importante para considerarla en la
investigación experimental.
b) Para cada una de las causas principales del punto anterior (que llamaremos factores),
señalar cómo se corroborarían, con una prueba experimental, que efectivamente son una causa
y/o solución importante. Utilice la imaginación, el conocimiento y la experiencia.
c) Decidir sobre los factores a estudiar. La recomendación es incluir en el
experimento a cada factor que pueda tener una influencia importante en
la res puesta. Cuando de entrada son muchos los factores (más de 10),
algunos se podrán descartar con un análisis del historial del proceso,
usando toda la información disponible y los conocimientos técnicos del
proceso. Si después de esto el número de factores aún es grande, en primera
instancia se puede correr un diseño factorial fraccionado saturado
que permita detectar con un mínimo de pruebas aquellos factores que
parecen tener mayor influencia en la respuesta. En una
segunda etapa experimental se pueden realizar experimentos más informativos sobre los
factores que resultan importantes.
d) Elegir los niveles de prueba para cada factor. Para probar el impacto de
un factor en general bastan dos niveles, salvo que por su naturaleza incluya tres o más
niveles. También es importante la separación que se
elija entre un nivel y otro en un factor dado. Los niveles muy juntos no
sirven para detectar el efecto de ese factor, mientras que niveles muy
separados pueden causar problemas en la operación del proceso. Se debe recurrir al
conocimiento de la física del proceso, de tal forma que los
niveles representen opciones de búsqueda sobre en qué nivel se debe
operar el proceso.
En ocasiones, las costumbres en la operación del proceso limitan en
un rango muy estrecho los posibles niveles de un factor. Sobre esto, es
importante tener espíritu de investigador y así como cierto nivel de “incredulidad” sobre
tales costumbres, para tratar de seleccionar niveles de
prueba que realmente sean diferentes. En un experimento se buscan soluciones y también
generar conocimiento.
Hay situaciones en donde es difícil fijar en forma más o menos
exacta el nivel de un factor, tanto durante el experimento como en condiciones reales;
entonces, en este caso quizás el nivel de un factor sea un
rango de variación, cuyo centro es el nivel “teórico” de tal factor, pero en
este caso se debe tener cuidado de que los rangos en los que se movería
el factor en cada nivel no se traslapen. De esta forma, hay que asegurarse
de que para cada factor se logre tener por lo menos dos condiciones de
prueba realmente diferentes.
Si el factor no es numérico, se deben seleccionar por lo menos dos
situaciones representativas de tal factor. Por ejemplo, si el factor es experiencia de la
mano de obra, entonces se deben seleccionar como niveles de tal factor a dos operadores
con experiencia muy diferente. Pero si el factor es la influencia de una operación previa
en el material, entonces los niveles pueden ser hacer y omitir tal operación. En ocasiones
será necesario utilizar más de dos niveles debido a una fuerte sospecha de curvatura.
También puede ocurrir que, por su naturaleza, el factor tenga un número finito (digamos
cuatro) de niveles, en cuyo caso es de interés para el experimentador probarlos todos en el
estudio.

Cuando no se sabe cuáles niveles utilizar en un factor, es recomendable

realizar corridas preliminares del proceso, moviendo sólo ese factor
y con esta información seleccionar los niveles a utilizar en el experimento.
4. Elegir la(s) variable(s) de respuesta que será(n) medida(s) en cada punto
del diseño y verificar que se miden de manera confiable. Estas variables son
el objetivo del experimento, ya que son las variables de salida o críticos de
la calidad que se quieren corregir o impactar. Para encontrar estas variables
realice las siguientes actividades:
a) Haga una lista de las variables de salida o características de calidad del
producto en donde se espera que se reflejen los cambios en los factores
controlados que se estudiarán.
b) De la lista anterior, seleccione una o varias, tomando en cuenta la facilidad con la que se
pueden medir, el mayor impacto que tendrían sobre
ellas los factores a estudiar y que reflejen mejor la magnitud del problema.
Es importante considerar como variables de respuesta, además de las
que están relacionadas con el problema, aquellas que pueden resultar
afectadas por los cambios en los factores, aunque actualmente no sean un
problema. Por ejemplo, si el tiempo de producción no es problema, pero
con alguno de los factores se podría afectar éste, entonces sería bueno
medirlo en las pruebas experimentales.
c) Para las variables de respuestas seleccionadas, es preciso asegurarse de que se pueden
medir de manera confiable. En otras palabras, revisar la forma en que se mediría cada
variable de respuesta, y ver si el proceso de medición es confiable (equipos, gente,
métodos). Por ejemplo, si es una variable que ordinariamente se mide, entonces es
necesario investigar si ya existe un estudio R&R que respalde el proceso de medición
(Gutiérrez Pulido y De la Vara, 2004). De no ser así, habrá que pensar en realizar uno.
5. Seleccionar el diseño experimental adecuado a los factores que se tienen y al objetivo del
experimento. Aquí se debe elegir el conjunto de pruebas que se van a correr, y esto resulta
de la cantidad de factores y niveles seleccionados; también considerar el costo y tiempo
necesarios. Por ello, es preciso desarrollar las siguientes actividades:

a) Con base en los factores y niveles seleccionados determinar si es factible

aplicar un diseño factorial. Es decir, verificar si es posible correr en el
proceso cualquier combi nación de niveles de factores o si hay situaciones
como las siguientes:
• Por alguna razón se dificulta la aleatorización de un factor, ya sea porque cambiar de un
nivel a otro es tardado, difícil o costoso. En este
caso se pueden buscar soluciones similares a las que se presentaron en
el factor flux del ejemplo 10.1, o si el factor no se considera muy decisivo,
quizá se pueda estudiar como bloque.
Algunos tratamientos son difíciles o imposibles de correr, como la
combinación con los niveles altos de todos los factores. En este caso si
se tienen muchos factores, entonces el diseño que se aplicará probablemente sea un
factorial fraccionado y, por lo tanto, se seleccionaría la fracción que no tiene esos
tratamientos difíciles de correr. En caso de que no se llegue a un factorial fracciona do,
habrá que reconsiderar la selección de niveles para el factor que impide en mayor medida
correr el o los tratamientos problema.
b) A partir de lo anterior y pensando en las variables de respuesta que se
van a medir, es necesario decidir en qué consistiría cada prueba; por
ejemplo, si se está experimentando con un proceso masivo y rápido, será
importante determinar el tamaño de prueba que defina cuánto tiempo se va a dejar operando el
proceso en cada condición experimental. Por otro lado, cuando se tienen procesos rápidos y
masivos pero la variable de respuesta es de tipo continuo, generalmente se procesan varios
productos (de 5 a 20) en cada condición experimental, y se miden todos o una muestra de los
productos. Sin embargo, en lugar de analizar los datos individuales se analiza su media y su
desviación estándar.

c) Proponer un primer diseño que tome en cuenta el número total de corridas, costos, tiempos,
etcétera.
d) Investigar si hay algún factor de ruido o bloque que podría estar actuando durante el
experimento, por ejemplo, si el material de prueba que se utilizaría es suficientemente
homogéneo o hay diferencia de lote a lote, en cuyo caso será necesario bloquear el efecto
de lote. Por ejemplo, si se tiene en mente correr un diseño factorial 2k y es necesario
correrlo en
diferentes bloques, entonces se debe decidir qué corridas deben ejecutarse en cada bloque.

e) Decidir el diseño específico que se correrá incluyendo el orden (aleatorio) en el que se

efectuarán las pruebas. Es preciso verificar que: con el diseño elegido se puede cumplir el
objetivo, es posible superar de manera adecua da las situaciones o restricciones prácticas y
el diseño se puede correr con un costo y tiempo razonables. Para el número de réplicas, se
deben seguir las recomendaciones que se han dado para cada diseño en particular.
Recuerde que cuando sólo interesan los efectos lineales o principales de
los factores, es suficiente un diseño factorial fraccionado de resolución III,
que además es el más económico. Si también interesan algunas o todas las
interacciones entre ellos, será necesario utilizar un diseño factorial fraccionado
de resoluciones IV o V. Pero, si se esperan efectos de curvatura pura de
algunos o todos los factores, entonces se deberá incluir un punto al centro
del diseño para detectar la presencia de curvatura, y si son pocos factores, se espera que el
diseño seleccionado de una vez permita estudiar los efectos de
curvatura pura.
Un aspecto crítico a la hora de seleccionar un experimento son los costos
que implicará llevarlo a cabo, ya que se deben considerar todos los recursos
que se gastarán en el experimento, entre los que se encuentran: material,
energía, tiempo hombre y tiempo máquina. Debe buscarse que el gasto de
recursos sea lo menor posible, al mismo tiempo que se cumplen los objetivos
del experimento con la precisión deseada.
6. Planear y organizar el trabajo experimental. A partir del diseño seleccionado, organizar y
planear con detalle el trabajo experimental. Algunos detalles a contemplar son los siguientes:
a) Diseñar una hoja de trabajo en la que se especifique de manera clara cada prueba, el orden
en que será corrida y la forma en que se medirán los
resultados o se colectarán los datos de la prueba. Por lo general, los programas de software
especializados proporcionan un formato u hoja de
trabajo para este propósito.
b) Definir a los responsables del proyecto, a las personas que van a efectuar
los experimentos, así como las instrucciones generales que habrá que
darles.
c) Detallar instrucciones específicas que se seguirán en ciertas pruebas experimentales. Por
ejemplo, si se experimenta con factores lentos, como
la temperatura en un proceso, antes de correr el experimento o de empezar
a registrar los resultados del proceso, será necesario esperar a que las
condiciones con las que se quiere que opere el proceso efectivamente se
logren.
d) Completar todos los detalles de logística, como días, hora, materiales
que se utilizarán y máquinas donde se harán las pruebas.
e) Prever algunas posibles contingencias que podrían ocurrir durante el experimento, así
como las acciones a realizar en caso de que ocurrieran.
f ) Si el costo no es muy elevado, hacer una prueba de ensayo con cualquier tratamiento,
en el cual participen todos aquellos que están planeando el experimento, con miras a
afinar imprevistos y detallar más las instrucciones.

7. Realizar el experimento. Aplicar el plan pre visto en la etapa previa, y en

caso de algún imprevisto no contemplado, reportarlo a los responsables para que se decida
qué hacer.
Análisis e interpretación

8. Hacer un análisis detallado de los resultados experimentales. Antes de aplicar

cualquier análisis se debe echar un vistazo a los datos para verificar que no hay errores
obvios en su registro, así como detectar a simple vista las principales tendencias. A lo
largo de los capítulos hemos hecho énfasis en los pasos a seguir para analizar cada uno
de los diseños de experimentos presentados. El análisis estadístico y el análisis de
varianza dependen del diseño empleado. Se recomienda apoyarse en gráficas y pruebas
analíticas.
9. Interpretar resultados. Una vez que se ha depurado el modelo, y se tiene el mejor ANOVA,
es preciso analizar con detalle lo que ha pasado en el experimento, para ello se contemplan los
siguientes aspectos:

a) Ver los factores y efectos que influyeron de manera significativa en las

diferentes variables de respuesta, y también señalar los factores que no
tuvieron un impacto considerable. Contrastar esto con las conjeturas previas y señalar lo más
importante.
b) Interpretar con detalle los efectos más significativos para cada variable
de respuesta, considerar, por ejemplo, la manera en que la variable de
respuesta responde a los cambios en los diferentes factores. Es preciso
hacer énfasis en las interacciones, y estudiar cómo estos efectos ayudan
a conocer mejor el proceso y a corroborar o desechar conjeturas, desde
la óptica de la física del proceso.
c) Encontrar el tratamiento ganador, es decir, en qué condiciones se propone
operar el proceso. Considerar las diferentes variables de respuesta y
también los aspectos económicos. Si el experimento tuvo varias respuestas
de igual importancia y en todas se tiene un modelo estadístico que las
describe, entonces será necesario aplicar una estrategia de optimización
Multirrespuesta.
d) Verificar los supuestos del modelo, que por lo general son normalidad,
varianza constante e independencia de los residuos. Si los supuestos se
violan gravemente, ver en qué sentido afectan a las conclusiones. Si éstas
resultan muy afectadas, entonces ver por qué los supuestos no se cumplen
y actuar en consecuencia. Por ejemplo, si el problema es la falta de
varianza constante, pero el tratamiento ganador se ubica entre los que
tienen menor varianza, entonces no hay mayor problema. Si está entre los
que tienen mayor varianza, entonces habrá que transformar los datos y
rehacer el análisis.
e) Determinar cuál es la respuesta esperada en el mejor tratamiento.
10. Hacer corridas confirmatorias del proceso en el mejor tratamiento. Emplear
suficientes repeticiones para que se tenga una buena estimación de lo logrado.
Conclusiones finales
11. Cerrar y concluir el proyecto adecuadamente. Para ello se recomienda realizar las
siguientes actividades:
a) Decidir qué medidas implementar para generalizar el resulta do del estudio y garantizar
que las mejoras se mantengan. Quizá sea conveniente
aplicar las mismas medidas en un proceso similar, modificar procesos,
procedimientos e instrucciones de trabajo y establecer medidas de
control (véase Gutiérrez Pulido y De la Vara, 2004).
b) Hacer un resumen de los principales resultados logrados desde el punto de vista técnico.
c) Hacer una evaluación de los logros obtenidos con el proyecto.
d) Diseñar una presentación para la difusión del proyecto. Esto ayuda a reforzar el trabajo y a
reconocer los logros.