Capítulo 1 del libro de Análisis y Diseño de Experimentos de Humberto Gutiérrez Pulido y Roman de la Vara Salazar. Ed. McGraw Hill, segunda edición. 2008
Enviado por Guillermo Trejo Jiménez • 5 de Marzo de 2021 • Resumen • 2.023 Palabras (9 Páginas) • 717 Visitas
________________________________________________________________________ Diseño Factorial 2k
Capítulo 1 del libro de Análisis y Diseño de Experimentos de Humberto Gutiérrez Pulido y Roman de la Vara Salazar. Ed. McGraw Hill, segunda edición. 2008
El diseño de experimentos hoy.
En la industria moderna, una parte importante para la solución de problemas es hacer experimentos con la intención de comprobar ideas o hipótesis, esto se realiza cambiando ciertas variables o condiciones dentro de un proceso que pueden llegar a afectar los resultados de nuestro experimento.
Aun así, es común que estos experimentos no se hagan con el debido cuidado y se realicen basándose únicamente en la intuición y en la experiencia, básicamente todo se centra en la evaluación con base únicamente en lo observado, verificando si al incrementar cierta variable aumenta la respuesta y viceversa, sin verificar verdaderamente si estadísticamente las conjeturas son correctas. Aun así, es común que simplemente con observar los datos se puedan llegar a aplicar mejoras, sin embargo, en problemas que pasan cierto nivel de complejidad de poco o nada llega a servir este método.
Tenemos así, que el diseño estadístico de experimentos, es la manera mas efectiva de hacer estas pruebas, ya que se basa en el método científico y lleva un proceso detallado acompañado por un análisis estadístico que nos ayudan a aclarar las cuestiones que nos inquietan del proceso estudiado.
Estos diseños dentro de la industria buscan resolver varios problemas comunes, tales como, incrementos en la productividad, aseguramiento de la calidad, reducción de defectos y de tiempo, etc. Todo esto analizando las variables que pudieran llegar a afectar a estas cuestiones.
Existen 2 maneras básicas en las que se pueden realizar mejoras a un proceso, una de ellas es analizar constantemente el proceso mediante herramientas estadísticas hasta que logremos detectar señales que nos permitan mejorarlo, otra manera es experimentar metiendo deliberadamente variabilidad al proceso y provocar dichas señales para comprobar o refutar nuestras hipótesis y poder así aplicar las mejoras mas rápido, en este sentido experimentar es mejor que esperar a que el proceso nos mande señales para mejorarlo, esto básicamente es lo que se busca evitar con el diseño de experimentos.
El saber diseño de experimentos, junto con conocimientos de estadística y el conocimiento del proceso, sitúan al ingeniero como una parte central para proponer y ejecutar mejoras.
Diseño de experimentos en la investigación.
Lo anterior también puede ser aplicado en la investigación científica, ya que igualmente se trata de obtener mejores respuestas que validen nuestras hipótesis en el objeto de estudio.
El objetivo de los métodos estadísticos, es generar conocimiento, y para esto se genera un proceso interactivo de experimentación entre las hipótesis y conjeturas con la realidad y hechos verdaderos, muchas veces estas hipótesis no se pueden llegar a comprobar lo que lleva a un proceso de inducción para modificar las hipótesis y experimentar de nuevo, esto genera conocimiento hasta llegar a las deducciones correctas que expliquen la realidad observada.
El proceso de aprendizaje se lleva a cabo cuando hay discrepancia entre los datos y la hipótesis inicial H1, lo cual nos lleva a formular una nueva hipótesis H2, y si esta vuelve a ser rechazada se formula una nueva hipótesis H3 y así sucesivamente.
[pic 1]
[pic 2]
Breve historia del diseño de experimentos.
El diseño estadístico de experimentos viene desde el año 1935 con el investigador Ronald A. Fisher cuando realizo investigaciones en el área agrícola y aporto métodos para la evaluación de los resultados, la clave de este investigador es que se dio cuenta de las fallas existentes para realizar experimentos.
Los siguientes avances en el área vinieron por parte de George E. P. Box, quien incluyo nuevas familias de diseños y estrategias experimentales, entre los años 1950 y 1980 el diseño de experimentos se aplicaba únicamente en áreas de investigación y desarrollo, no fue hasta después que comenzó a aplicarse en áreas de procesos y manufactura.
Fue hasta la década de 1980 que se comenzó a generalizar el uso de diseño de experimentos en la industria, gracias al gran auge de la industria japonesa, en donde se aplicaba desde hace varios años la estadística en la calidad, en donde el diseño de experimentos resulto ser de gran utilidad.
Como resultado de esto, las empresas comenzaron a capacitar a sus ingenieros en el uso de la estadística, hasta nuestros días que se busca que desde la universidad se lleve una materia obligatoria de diseño de experimentos.
Definiciones básicas del diseño de experimentos.
El diseño de experimentos es la aplicación del método científico para generar conocimiento a partir de la explicación de fenómenos con una relación causa-efecto.
- Experimento.
Un experimento es una alteración dentro de un sistema que se realiza con el fin de analizar que efectos tiene dicho cambio en ciertas propiedades dentro de dicho sistema, esto permite conocer mejor el sistema.
- Unidad experimental.
La unidad experimental es el tamaño de la muestra que se tomara para el desarrollo de un experimento, siempre cuidando que este tamaño sea representativo de la población estudiada, que al realizar el experimento los datos sean contundentes y el error sea el menor posible.
- Variables, factores y niveles.
En la siguiente figura se ejemplifican las distintas variables y factores que intervienen al realizar un experimento, así como las interrogantes que se deben plantear cuando se realiza el análisis.
[pic 3]
Variable(s) de respuesta: a través de esta se conoce el como afectan los distintos factores al proceso, generalmente con el diseño de experimentos se busca optimizar estas variables.
Factores controlables: Son todas aquellas variables del proceso que pueden controlarse y que podemos manipular para generar un efecto optimo en la variable de respuesta, generalmente variables cuantitativas.
Factores no controlables o de ruido: Son todos aquellos que forman parte del ambiente del sistema y que no se pueden manipular por el investigador a menos que se cuente con una estrategia o tecnología para hacerlo.
Factores estudiados: Son las variables que se desean observar para ver si sus distintos niveles pueden llegar a afectar la variable de respuesta.
Para esto se pueden utilizar factores tanto controlables como aquellos que no lo son, y en principio cualquiera de estos puede tener una influencia en la variable de respuesta, lo cual se refleja en su media y en su variabilidad, el problema de trabajar con factores no controlables es buscar la manera de controlarlos durante el diseño de experimentos.
...