DISEÑO EXPERIMENTAL Y

OPTIMIZACIÓN DE SISTEMAS
CON MÚLTIPLES RESPUESTAS

1 - INTRODUCCIÓN AL DISEÑO DE EXPERIMENTOS

M.S Cámara – M.M. De Zan – L. Vera Candioti – H. Goicoechea

2016
 Industria/Investigación y
Desarrollo

Experimentación Información de calidad Decisiones

DISEÑO ESTADÍSTICO DE EXPERIMENTOS

Planificación de Análisis de los

la experimentación resultados

 Costos  Máxima fiabilidad en

 Incertidumbre las conclusiones
 Diseño estadístico de experimentos

• Ronald Fisher (Inglaterra) – Investigación agrícola

(1935)
• George Box (Inglaterra) – Industria química – RSM
(1951)
• (1950-1980) Áreas de investigación y desarrollo
• (1980) Calidad en la industria japonesa (Deming e
Ishikawa) - Procesos de manufactura - Genichi
Taguchi
 Diseño estadístico de experimentos
HERRAMIENTA ORIENTADA A PROBLEMAS
MULTIVARIANTES
Variables de Variables de salida-
entrada (Factores) Respuestas
controlables (x)
x1 y1
…. Proceso ….
xk ym

Variables (Factores) no controlables (z)

• Conjunto de pruebas planificadas para introducir cambios

en las condiciones de operación de un sistema o proceso

• Objetivo: observar e identificar las causas de los cambios

en las respuestas de salida
 Diseño estadístico de experimentos

 Variables de salida-Respuestas (y)

 Variables de entrada-Factores controlables (x)

Variables de proceso:
- Cuantitativos
- Cualitativos
- Variables dicotómicas (si/no)
- Variables categóricas
Variables de mezcla

 Variables-Factores no controlables (z) 6

Diseño estadístico de experimentos
Niveles de un factor: diferentes valores que dicho factor
toma en el diseño experimental.
Tratamiento-punto de diseño: combinación de niveles de
todos los factores estudiados.
Matriz del diseño Plan de experimentación Respuesta

(%)

7
Diseño estadístico de experimentos
Efecto de un factor

Efectos principales: cambios en el promedio

de la variable respuesta que se deben a la
acción individual de cada factor (respuesta
promedio en el nivel alto menos respuesta
promedio en el nivel bajo).

Efecto de interacciones: cuando el efecto de

un factor depende del nivel en que se
encuentra el otro.
Diseño estadístico de experimentos

Diferentes tipos de efectos

constante
Diseño estadístico de experimentos

 Error aleatorio

 Error experimental:
Diseño estadístico de experimentos
Diseño estadístico de experimentos
Niveles de los factores
• Experiencia y conocimiento de
experimentador.
• Por lo menos dos condiciones de prueba
realmente diferentes.
• Es importante la separación que se elija.
•Cuando no se conoce, se deben hacer
ensayos preliminares.
• Reescalar y volver a correr el
experimento.
Diseño estadístico de experimentos
Niveles de los factores

Efecto no significativo

Efecto significativo
Diseño estadístico de experimentos
Niveles de los factores

Efecto significativo

Efecto no significativo
Diseño estadístico de experimentos

Diferentes notaciones para los niveles de los

factores en un diseño 22 (factorial a dos niveles)
 Diseño estadístico de experimentos

Se estudian simultáneamente varios

factores variando sus niveles: tratamientos
o puntos del diseño

Región experimental: espacio delimitado por los

rangos de experimentación utilizados con cada
factor.

Región de operabilidad: conjunto de condiciones

donde el proceso o equipo puede ser operado (ej.
posibilidades instrumentales).
Diseño estadístico de experimentos

Matriz del diseño: arreglo formado por los

tratamientos que serán corridos, incluyendo las
repeticiones
 Diseño estadístico de experimentos
x1 y1
…. Proceso ….
xk ym

¿Qué respuestas se van a medir?

Ej. en HPLC: coeficiente de variación (minimizar)
Ej. en HPLC: sensibilidad-área de pico (maximizar)
¿Qué factores se van a estudiar en el
experimento?
Ej. en HPLC: composición de la fase móvil, pH,
velocidad de flujo y temperatura
¿Qué niveles se van a estudiar en cada factor?
¿Qué diseño experimental es el más adecuado?
 Diseño estadístico de experimentos
OBJETIVO DEL EXPERIMENTO

Resolución de un problema

Logro de mejoras
 Optimizar respuestas (una o varias, maximizar o minimizar)

De entre todos los factores que afectan al proceso, ¿cuales

influyen más, hay interacción?

¿Qué valores de los factores proporcionan las respuestas de

mayor calidad?

Aplicaciones analíticas
Bioprocesos
Trabajos industriales
Muchas otras
 Diseño estadístico de experimentos
APLICACIONES ANALÍTICAS
Optimización de métodos analíticos

 Mejorar un criterio de calidad analítico (recuperación-

veracidad, desviación estándar relativa-precisión, resolución
cromatográfica- selectividad, etc.)
 Incrementar la señal instrumental
 Eliminar ruido o interferencias
 Mejorar el rendimiento de un proceso (extracción)
 Disminuir el tiempo total de análisis
 Disminuir los costos globales del proceso

Evaluación de la robustez de un método analítico

Preparación de muestras de calibración y validación
 Diseño estadístico de experimentos
Aplicaciones analíticas
Optimización de métodos analíticos

1) Maximizar la emisión de fosforescencia de un analito.

Factores: pH, concentración de sulfito
(desoxigenante), concentración de talio (inductor de
fosforescencia), concentración de surfactante
(productor de micelas).

2) Maximizar la resolución y minimizar el tiempo de

corrida electroforética de dos analitos. Factores: pH,
concentración de buffer, voltaje de inyección, voltaje
de separación, tiempo de inyección.
 Diseño estadístico de experimentos
Fermentadores

Mejoramiento de la fermentación:
medida de la evolución de un
producto en función de factores
como fuerza iónica, temperatura,
pH, etc.

También es común, en los estados

iniciales, reemplazar las fuentes
originales de nutrientes.
 Diseño estadístico de experimentos
Aplicaciones industriales
1) Maximizar la velocidad de disolución de un
medicamento encapsulado en micropartículas. Factores:
pH de la solución del polímero, concentración de quitosano,
temperatura y tiempo de interacción, velocidad de
agitación.

2) Optimización de determinadas propiedades de

materiales tales como cauchos y fibras de madera.

3) Optimización de determinadas propiedades de

alimentos, bebidas, perfumes.
Identificación de factores y
respuestas

Selección de factores

Diseños de Screening
o Cribado

Factores No Eliminar
Cambio de
significativos? niveles factor

Si

Optimización
Respuestas óptimas
Diseños de Optimización Conclusiones
Análisis clásico-Estrategia univariada
(OVAT)
La respuesta es investigada para cada factor manteniendo los
otros en un nivel constante
Nivel fijo y constante

Nivel 1 Nivel 2 Nivel 3 Nivel 4 Nivel 5

Solo cambios en el factor 5
Análisis clásico-Estrategia univariada
(OVAT)
Department of Pharmaceutical and Food Chemistry and Technology, University of Genoa,
Italy
1. Introduction
To introduce the concepts of experimental design,
let me tell you a story.

Once upon a time, in the Kingdom of Far Far Away,

the King wanted to optimize a chemical reaction,
finding the setting producing the highest yield.

The task was quite simple, since only two variables

(temperature and reaction time) were involved in
the process and previous knowledge indicated that
the ranges in which the optimum had to be looked
for were 40–80 degrees Celsius and 20–60 min,
respectively. It was also known that both high
temperature and long reaction time could
decompose the product; for both variables a
maximum was therefore expected.
Anyway, it was so important to optimize
this reaction that the King decided that the
person giving the best solution would have
married his beautiful daughter or his
beautiful son (depending on the sex of the
winner. . .).

The first person to show up was a man

who was very famous in
the Kingdom for having “optimized” a lot of
reactions in his long career.
The man ended his job and was very
satisfied: since he had optimized at first
temperature and then time, he was pretty
sure that he had found the best conditions:

when working at 75 degrees with a

reaction time of 40min a yield of 52.1%
was obtained, which was the highest
possible yield. The whole process required
a total of ten experiments.

So, becoming the new Prince had been

quite easy. . .
But then a second man went to the King. He
was a young man, not as famous as the first
one, without any direct experience of that
specific problem, and the only thing he was
proudly reporting on his CV was that he had
followed a course of experimental design.

Of course, the King did not know anything at all

about experimental design, but he was liking
this man so much that he gave him the
possibility of trying to optimize his reaction. The
man gave him a sheet of paper containing the
list of the nine experiments that should have
been performed (Table 1).
Análisis clásico-Estrategia univariada
(OVAT)
Rendimiento variando la temperatura a un tiempo
de reacción de 20 minutos

Rendimiento (%) Máximo a 75 °C

Temperatura (°C)
Estrategia univariada
Rendimiento variando el tiempo
de reacción a 75 ºC

Rendimiento (%)
Máximo a 75 ºC y 40 minutos
Rendimiento 52.1 %

Tiempo (minutos)
 Estrategia multivariada

Experimento Temperatura Tiempo Rendimiento

(°C) (min)
1 40 20 20.6
2 40 40 44.9
3 40 60 51.0
4 60 20 39.9
5 60 40 55.1
6 60 60 52.1
7 80 20 43.0
8 80 40 49.1
9 80 60 37.0

Temperatura: 60°C Rendimiento

Tiempo: 45 minutos óptimo: 56.1%
 Estrategia multivariada

Ventaja adicional: error en la predicción

 Inconvenientes del método
tradicional

 Mayor número de experimentos.

 No tiene en cuenta las interacciones

¿Cuál es el efecto de A cuando los

otros factores toman otros valores?
 Inconvenientes del método
tradicional
 Provee un conocimiento local, sólo en
los experimentos que realmente se han
hecho.
 No garantiza que se encuentre la
posición del óptimo.

Podría ser válido sólo

cuando las variables son
totalmente independientes
entre sí.
Un fenómeno real: interacciones

Factores mutuamente dependientes:

- presencia de luz - concentración de un
reactivo fotosensible
- pH - concentración de un reactivo cuya
estabilidad depende del pH
 Interacciones
La diferencia de respuesta entre los
niveles de un factor no es la misma en
todos los niveles de los otros
factores
Rendimiento (%)

Factor1
 Interacciones

Caso estudiado: interacción entre el tiempo y la

temperatura: cuando cambia la temperatura se obtienen
diferentes máximos para los dos tiempos distintos
 Interacciones
La diferencia de respuesta entre los
niveles de un factor no es la misma en
todos los niveles de los otros factores
Sin Con
interacción interacción
 Estrategia multivariada

• Mayor información consumiendo menos

tiempo, esfuerzos y recursos.

• Número reducido de experimentos

seleccionados y planificados.

• Análisis estadístico (confianza).

 Consideraciones prácticas sobre el
uso de métodos estadísticos
 La metodología estadística es el
único enfoque objetivo para analizar
un problema que involucre datos
sujetos a errores experimentales.

La estadística es la disciplina que

proporciona herramientas para
trabajar en ambientes de
incertidumbre.
 ANÁLISIS ESTADÍSTICO DE
DATOS
PRINCIPIOS BÁSICOS DEL DISEÑO
DE EXPERIMENTOS

• ALEATORIZACIÓN

• REPETICIÓN

• REPLICA

• BLOQUEO
46