DISEÑO DE
EXPERIMENTOS -1
Ing. Raul Cartagena C.
DISEÑO DE EXPERIMENTOS
• Es la aplicación del método científico para generar conocimiento de
un sistema o proceso.
• Se emplean pruebas planeadas previamente
• Consolida un conjunto de técnicas estadísticas y de ingeniería
• Permite entender situaciones complejas de relación causa-efecto
Experimento
• Cambio de las condiciones de operación de un sistema o proceso.
• Se hace para medir el efecto del cambio sobre el producto o
resultado.
Ejemplo:
• Un proceso químico se pueden probar diferentes temperaturas y presiones y
medir el cambio observado en el rendimiento del proceso, al analizar los
datos se obtiene el conocimiento , lo cual permite mejorar el proceso.
Unidad experimental
• Son las piezas o muestras que se utiliza para generar un valor que sea
representativos del resultado del experimento o prueba.
• En cada experimento es importante definir la unidad experimental.
Ejemplo:
• Para investigar alternativas para reducir productos defectuosos en una línea
continua, esta claro que no es conveniente que no es confiable trabajar solo
una unidad experimental (un solo producto)
Variables, factores y niveles
• En todo proceso intervienen distintos variables o factores:
• Variables respuesta: dan a conocer los efectos de o resultados de cada
prueba experimental
Estas variables son el objeto de estudio y se pretende mejorar y/o
optimizar.
• Entre los mas significativos:
• Factores controlables (variables de entrada, condiciones de proceso)
• Factores no controlables o de ruido (puede convertirse en controlable con el
uso de tecnología)
• Factores estudiados (variables que se investigan y que influyen en la variable
respuesta)
ENTRADA SALIDA
• Factores • Características
controlables de calidad o
• Factores no PROCESO variables de
controlables respuesta
• Causas • Efectos
• Cuales características de calidad se van a medir?
• Cuales factores controlables deben incluirse en el experimento?
• Que niveles debe utilizar cada factor?
• Cual es el diseño experimental adecuado?
• Niveles y tratamiento:
• Valores asignados a cada factor en un diseño experimental.
• Una combinación de niveles de todos los factores se llama
tratamiento o punto de diseño
Nivel de Nivel de tratamiento Respuesta
velocidad temperatura
1 1 1
2 1 2
1
2
2
2
3
4 ?
• Error aleatorio: variabilidad observad que no se puede explicar por los
factores estudiados
• Error experimental: componente de error aleatorio que refleja los
error del experimentador en la planeación y ejecución del
experimento.
Factores y variables en la fabricación de un plástico
Factores de diseño (fáciles de controlar):
Tiempo, presión, velocidad, temperatura,
tiempo de curado, contenido de humedad.
X1 X2…Xk
Y1 Y2… Yk
MATERIA PRIMA PROCESO
Características de calidad:
Encogimiento, dureza,
color
Z1 Z2... Zk
Factores de ruido (no controlables):
• Parámetros de calidad
• Química del plástico
• Otras variables del proceso
• Variables ambientales
Relación entre población y muestra, parámetros y
estadísticos
POBLACIÓN
(toda la producción del MUESTRA
mes)
(representativa de la
producción del mes)
PARAMETROS ❑
(siempre desconocidos)
𝑋s
=?
=?
ESTADÍSTICOS
(conocidos)
INFERENCIA
Experimentos con un solo factor
• Por lo general, el interés del experimentador esta
interesado en comparar los tratamientos en cuanto a
sus medias poblacionales, sin olvidar que también es
importante compararlos respecto a sus varianzas
Ho : 1= 2= …. k=
HA : i≠ j para algún i ≠j
Experimentos con un solo factor:
Diseño completamente al azar (DCA)
• Para hacer las comparaciones de dos o mas tratamientos
• Considera como fuentes de variabilidad : los tratamientos y el error aleatorio.
• Las corridas experimentales se realizan en orden aleatorio completo.
• Los posibles efectos ambientales y temporales se reparten equitativamente
entre los tratamientos.
Ejemplo:
• Comparación de cuatro métodos de obtención de productos deshidratados.
• Se investiga los cuatro métodos de ensamble (A, B, C y D)
• En primera instancia la estrategia es aplicar cuatro veces los métodos de secado en orden aleatorio
(16 pruebas en orden aleatorio)
• Se supone que en no existe factor que influya de manera significativa sobre la variable respuesta.
Ejemplo de comparación de cuatro métodos de secado
METODOS DE SECADO
A B C D
9 7 11 10
8 9 16 12
7 10 11 11
8 8 13 9
Ejemplo de comparación de cuatro tipos de cuero
TIPO DE OBSERVACIONES PROMEDIO
CUERO
A 264 260 258 241 262 255 225,67
B 208 220 216 200 213 206 209,8
C 220 263 219 225 230 228 230,8
D 217 226 215 227 220 222 220,7
DCA
Supuestos:
TRATAMIENTOS Se tiene K poblaciones o tratamientos
T1 T2 T3 … Tk independientes con:
• 1, 2,… k,
Y11 Y21 Y31 … Yk1
• 21=22= … 2k=2
Y12 Y22 Y32 … Yk2
Y13 Y23 Y33 … Yk3 Modelo estadístico lineal:
… … … … … Yij=+i + ij
Y1n1 Y2n2 Y3n3 … Yknk =media
=efecto de tratamientos
= error experimental
ANOVA para DCA
• Técnica de tendencia central para análisis de datos experimentales.
• el objetivo es separar la variación total de las partes (Debida a
tratamientos y error)
• Se concluye que los tratamientos tienen efectos cuando las medias
son diferentes.
• Cuando el error domina el experimento, se concluye que las medias
son iguales
• Variación total de sus componentes
a) Variabilidad total b) Variabilidad total
Variabilidad Variabilidad
debida a Variabilidad
debida a
tratamientos error debida a
tratamientos
Variabilidad
No hay efecto de tratamiento Si hay efecto de tratamiento debida a
error
Tabla Análisis
Promedi
Rep 1 2 3 4 5 o
Trat
A YA1 YA2 YA3 YA4 YA5 YA.
B YB1 YB2 YB3 YB4 YB5 YB.
C YC1 YC2 YC3 YC4 YC5 YC.
Y..
ANOVA
Identidad de la suma de cuadrados
k n k 2 k n
(y
j1 i 1
ij y..) n (y.j y.. )
2
j1 j1
(y
t 1
ij y.j ) 2
Esperanza de la suma de cuadrado tratamiento
k
E (CM trat ) (k 1) 2 n 2j
j1
Cuadrado medio del tratamiento Cuadrado medio del error
SCtrat SCEE
CM trat CM error
k 1 k (n 1)
Análisis de Modelos Estadísticos y su aplicación a
18
Estudios Experimentales y Observacionales
Tabla ANOVA
Fuentes Sumas g.l Cuadrad F
Variación Cuadrados os
Medios
Entre SCTrat. k-1 SCTrat/ Fo=
Tratamientos g.l (I) I/II
Dentro Trat. SCError k(n-1) SCError/
(Error) g.l (II)
Total SCTotal n–1
F se distribuye según una F de Snedocor con (I-1)(N-I)gl.
Ejemplo
• Comparación de cuatro métodos ensamble
• Un equipo de mejora investiga el efecto de cuatro métodos de ensamble A, B,
C y D sobre el tiempo de ensamble en minutos, en primera instancia, la
estrategia experimental es aplicar cuatro veces los cuatro métodos de
ensamble en orden completamente aleatorio (16 pruebas en orden aleatorio),
los tiempo obtenidos se muestran en la tabla, usando el CDA, se supone
además que además del método de ensamble, no existe otro factor que influya
de manera significativa sobre la variable respuesta (tiempo de ensamble )
METODOS DE ENSAMBLE
A B C D
6 7 11 10
8 9 16 12
7 10 11 11
8 8 13 9
• Procedimiento:
• 1. hipótesis
Ho : 1= 2= …. k=
HA : i≠ j para algún i ≠j
• 2. nivel de significancia
α = 0.05 , 0.01
3. Prueba estadística
FC= Cmtrat/Cmerror
Si: FC , no se rechaza cuando la H0:
Si: , se rechaza cuando la H0:
Analis Residual Y Verificación Del
Modelo
• Análisis Residual (Diferencia entre el valor observado y el
estimado por el modelo)
• Normalidad (mediante Gráficos de [Link] y Kolmogorof,
Shaphiro Wilks)
• Igualdad de Varianzas (Diagrama de Dispersión de residuos
contra los promedios de tratamientos y prueba de
homogeneidad de variancia de Levene)
Análisis de Modelos Estadísticos y su aplicación a Estudios Experimentales y Observacionales 22
Comparaciones Sobre Los Promedios
• Si rechazo la Hipótesis Nula en el Modelo a Efectos Fijos
• Contrastes Ortogonales
• Prueba de Dunnet
• Prueba de Tukey
• Intervalos de confianza
• Pruebas en caso de violaciones de los supuestos
• Otras
Análisis de Modelos Estadísticos y su aplicación a
23
Estudios Experimentales y Observacionales
Ejemplo 1: Engorde de Cerdos
Una empresa de alimentos ofrece a una empresa porcina un plan de
alimentación muy bueno. El dueño del establecimiento aceptaría comprar
un nuevo alimento si supera en aumento de peso al plan de alimentación
actual y a otros dos que le han ofrecido.
La empresa de alimentos decide demostrar las bondades de su producto
llevando a cabo un experimento planificado.
Consulta al dueño sobre la cantidad de cerdos que podían usar en el
experimento y las facilidades de las instalaciones.
La respuesta fue: 52 cerdos que se van a engordar y los corrales que
pueden ver.
Análisis de Modelos Estadísticos y su aplicación a
24
Estudios Experimentales y Observacionales
Cuestionario
¿Se trata de un experimento uni o multifactorial?
¿Cuáles son los factores?
¿Cuáles son los tratamientos?
¿Cuál es la variable respuesta?
¿Cuál es la unidad experimental?
¿Cuántas replicaciones haríamos?
¿Cuántos animales necesitamos?
¿Cómo haríamos el diseño?
En el caso de utilizar bloquización indicar y justificar.
En el caso de utilizar tratamiento testigo indicar y justificar.
Análisis de Modelos Estadísticos y su aplicación a
25
Estudios Experimentales y Observacionales
La Planificación del
Experimento
Se descartan del grupo de 52 cerdos, las hembras y animales extremos,
muy pequeños o muy grandes y algunas cruzas, quedan 24 machos
castrados de la misma raza y de tamaño similar.
El diagrama de los corrales disponibles se muestra a la derecha con una
capacidad de hasta 10 cerdos. ¿Cómo asignarían los tratamientos?
Debido a que no es posible atender a los cerdos
individualmente, se optó por usar los corrales que
miran al Norte para usar cada uno de ellos con una
de las 4 dietas por valorar.
En cada chiquero se acomodarían 6 cerdos?.
Análisis de Modelos Estadísticos y su aplicación a
26
Estudios Experimentales y Observacionales
Consideraciones Sobre El Manejo.
El proceso de asignación aleatoria usualmente se elabora en la oficina para
no manejar a los animales de más.
Incluso antes de su selección previa y numerado. De esta forma, un cerdo
se atrapa, una sola vez, se pesa y se mide antes de ser introducido en el
chiquero que le corresponda.
Este valor se define como Y1, peso Inicial.
Al final del periodo de la prueba, los cerdos se vuelven a pesar
individualmente obteniendo la variable Y2.
Finalmente, la diferencia de peso final con la inicial será la variable Y3 o
incremento de peso.
Análisis de Modelos Estadísticos y su aplicación a
27
Estudios Experimentales y Observacionales
